Resumen

El crowdsourcing es el perfecto ejemplo de inteligencia colectiva, y la clave para terminar perfectamente la tarea de crowdsourcing es asignar la tarea adecuada al trabajador adecuado. En la actualidad, la mayoría de las plataformas de crowdsourcing seleccionan tareas a través de la búsqueda de tareas, pero carecen de recomendaciones individuales de tareas. En el artículo se propone un modelo de recomendación de tareas basado en etiquetas semánticas y aprendizaje profundo. En este documento, se calcula la similitud de los vectores de palabras y se establece una base de datos de matriz de etiquetas semánticas similares basada en el aprendizaje profundo de Word2vec. Se establece un modelo de recomendación de tareas basado en etiquetas semánticas para lograr la recomendación individual de tareas de crowdsourcing. Al calcular la similitud de las etiquetas, se obtiene la relevancia entre la tarea y el trabajador, lo que mejora la robustez de la recomendación de tareas. A través de la realización de experimentos de comparación en el conjunto de datos web de Tianpeng, se

• Materias:Programación centralizada Dispositivos móviles Redes heterogéneas Cooperación de retransmisión Antenas inteligentes
• Subjects:Centralized scheduling Mobile devices Heterogeneous networks Relay cooperation Smart antennas
• Palabras claves:Crowdsourcing; Inteligencia colectiva; Tareas; Modelo de recomendación; Aprendizaje profundo; Etiquetas semánticas
• Keywords:Crowdsourcing; Collective intelligence; Tasks; Recommendation model; Deep learning; Semantic tags