互聯(lián)網(wǎng)中各種服務(wù)產(chǎn)生的評價數(shù)據(jù)量不斷增長,將任務(wù)分派給合適的操作員去處理,能夠達(dá)到事半功倍的效果。所以如何根據(jù)評價數(shù)據(jù)合理地進行任務(wù)分派處理是一個亟待解決的問題。本文根據(jù)任務(wù)的兩個數(shù)據(jù)特征,即評價數(shù)據(jù)的情感傾向特征和任務(wù)數(shù)據(jù)類別特征。本文從用戶和項目兩方面對任務(wù)分派進行分析。一方面,對用戶進行分析,從用戶的歷史任務(wù)分派評價數(shù)據(jù)中計算出用戶（提交任務(wù)的用戶）的任務(wù)分派傾向。另一方面,對項目進行分析,找出影響任務(wù)分派的項目因素;當(dāng)前需要分派的目標(biāo)任務(wù)中,可能會有一些關(guān)鍵的因素,比如任務(wù)類別,用戶評級等,這些因素會影響到任務(wù)的分派。針對以上兩個方面,本文提出了一種結(jié)合用戶和項目的任務(wù)分派方法。主要的工作內(nèi)容有:首先,在用戶方面,本文通過構(gòu)建評分矩陣來挖掘用戶的任務(wù)分派傾向。評分矩陣中的分?jǐn)?shù)是由評價與評分結(jié)合而成,評價是第三方對每個任務(wù)分派后進行的評價。具體為利用情感傾向分析技術(shù)對評價進行情感分類,每個情感類別對應(yīng)一個分?jǐn)?shù),將分類后的分?jǐn)?shù)與打分進行加權(quán)結(jié)合。其次,在項目方面,在前一階段得出用戶的任務(wù)分派傾向后,將影響任務(wù)分派的因素與用戶的任務(wù)分派傾向進行綜合考慮,使用協(xié)同過濾技術(shù),找到合適的操... 

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 任務(wù)分派
        1.2.2 情感傾向分析
        1.2.3 協(xié)同過濾
    1.3 本文章節(jié)組織
第2章 基礎(chǔ)理論和相關(guān)技術(shù)
    2.1 情感傾向分析
        2.1.1 情感傾向分析概述
        2.1.2 基于情感詞典的情感分析
        2.1.3 基于深度學(xué)習(xí)的情感分析
    2.2 協(xié)同過濾算法
        2.2.1 基于用戶的協(xié)同過濾算法
        2.2.2 基于物品的協(xié)同過濾算法
    2.3 本章小結(jié)
第3章 面向用戶的任務(wù)分派傾向分析
    3.1 問題描述
    3.2 面向用戶的任務(wù)分派傾向方法
        3.2.1 定義
        3.2.2 面向用戶的任務(wù)分派傾向方法算法
    3.3 操作步驟
        3.3.1 評價數(shù)據(jù)分詞
        3.3.2 評價數(shù)據(jù)向量化
        3.3.3 評價數(shù)據(jù)情感分析訓(xùn)練
        3.3.4 構(gòu)建評分矩陣
    3.4 數(shù)據(jù)分析示例
    3.5 本章小結(jié)
第4章 面向項目的協(xié)同過濾任務(wù)分派
    4.1 問題描述
    4.2 面向項目的任務(wù)分派傾向方法
        4.2.1 定義
        4.2.2 面向項目的協(xié)同過濾任務(wù)分派算法
    4.3 操作步驟
        4.3.1 混合相似度
        4.3.2 相似計算
        4.3.3 操作員熟練度表示
        4.3.4 加權(quán)綜合得分
    4.4 任務(wù)分派示例
    4.5 本章小結(jié)
第5章 任務(wù)分派實驗與系統(tǒng)實現(xiàn)
    5.1 實驗評估
        5.1.1 數(shù)據(jù)集
        5.1.2 比較對象
        5.1.3 評價指標(biāo)
        5.1.4 實驗結(jié)果與分析
    5.2 系統(tǒng)分析與設(shè)計
        5.2.1 需求分析
        5.2.2 系統(tǒng)設(shè)計
            5.2.2.1 體系架構(gòu)設(shè)計
            5.2.2.2 功能結(jié)構(gòu)設(shè)計
        5.2.3 數(shù)據(jù)庫設(shè)計
        5.2.4 系統(tǒng)詳細(xì)設(shè)計
        5.2.5 系統(tǒng)實現(xiàn)
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于邊界矩陣低階近似和近鄰模型的協(xié)同過濾算法[J]. 溫占考,易秀雙,田申申,李婕,王興偉.  計算機應(yīng)用. 2017(12)
[2]支持社會協(xié)同計算的跨組織工作流任務(wù)分派算法[J]. 孫勇,譚文安.  計算機研究與發(fā)展. 2017(09)
[3]基于用戶協(xié)同過濾推薦算法研究與應(yīng)用[J]. 陳強.  福建電腦. 2017(01)
[4]基于排序?qū)W習(xí)的推薦算法研究綜述[J]. 黃震華,張佳雯,田春岐,孫圣力,向陽.  軟件學(xué)報. 2016(03)
[5]一種基于知網(wǎng)的中文句子情感傾向判別方法[J]. 黨蕾,張蕾.  計算機應(yīng)用研究. 2010(04)
[6]基于業(yè)務(wù)規(guī)則的工作流任務(wù)分派設(shè)計與實現(xiàn)[J]. 李春芳,譚慶平,徐建軍,肖曉麗.  計算機工程與設(shè)計. 2008(21)



本文編號：3700445