移动群智感知中面向个性化任务匹配的细粒度用户画像

在移动群智感知中，寻找任务与用户之间的最佳匹配对于确保群智感知系统的质量和有效性至关重要。现有工作通常假设由群智感知平台进行集中式任务分配，而未解决细粒度个性化任务匹配的需求。在本文中，我们认为必须基于用户偏好与可靠性的细致刻画来将任务匹配给用户。为此，我们提出了一种面向移动群智感知的个性化任务推荐系统，该系统基于同时考虑每个用户偏好与可靠性的推荐分数向用户推荐任务。我们首先提出一种混合偏好度量，通过利用用户的隐式反馈来刻画用户偏好。然后，为了刻画用户的可靠性水平，我们将该问题形式化为一个半监督学习模型，并提出一种高效的块坐标下降算法来求解该问题。对于一些缺乏用户历史信息的任务，我们进一步提出一种矩阵分解方法来推断用户在这些任务上的可靠性水平。我们进行了大量实验来评估系统的性能，评估结果表明我们的系统在用户画像和个性化任务推荐方面均优于基准方法。