使用协同过滤进行众包服务的工人工作自动化推荐

题目：Using Collaborative Filtering to Automate Worker-Job Recommendations for Crowdsourcing Services

作者：

Julian Jarrett

Department of Computer Science Drexel University Philadelphia, USA julian.j.jarrett@drexel.edu

M. Brian Blake

Department of Computer Science Drexel University Philadelphia, USA mbrian.blake@drexel.edu

引用：

Jarrett J , Blake M B . Using Collaborative Filtering to Automate Worker-Job Recommendations for Crowdsourcing Services[C]// 2016 IEEE International Conference on Web Services (ICWS). IEEE, 2016.

摘要：

一般来说，在众包中，供应商主要向那些订阅他们的（即订阅模式）、对工作感兴趣的（即开放式呼叫模式）众包人员宣传他们的任务产品。在众包模式中，开放式呼叫和订阅相结合的模式会存在工人招募的显著瓶颈。因此，吸引和留住人群是众包平台成功和形成劳动力市场的主要挑战。为了解决这个问题，我们引入了一个由面向服务的体系结构支持的面向众包的工作匹配模型。面向服务的体系结构实现了一种推拉机制（Push/Pull）和基于协同过滤技术的底层算法。初步研究表明，底层算法可以根据潜在的众包人员的概况和过去的业绩历史，有效地推断出他们的专业水平。

（注：主要就是将面向服务的方法应用于众包工作）

关键词：

众包；推荐系统；人力计算；劳动力市场；招聘；劳动力

1. 介绍

​ 随着互联网、移动设备和无线技术的日益普及，Web 2.0技术带来了新的机遇。一个这样的机会是工作在国际人口中的分配方式，并通过众包模式完成。Howe将其定义为通过互联网向未知个人开放呼叫（Open-Call）以完成任务，通常价格比传统外包低。许多组织已经看到了这种模式的潜力，并开发了诸如Amazon Mechanical Turk、Microworkers等平台。然而，在该范式的开放式呼叫模型中，用户需要通过订阅劳动力市场或平台来启动流程。因此，发布的任务产品通常只能由各自平台的成员看到。而在这些劳动力市场之外，还有大量的潜在工人。在本文中，我们概述了我们的开放式推拉架构，然后通过协同过滤