1.一种基于群组的合作性群智感知任务推荐方法,其特征在于,包括以下步骤:确定角色类型,其中,所述角色类型包括:合作性群智感知平台、参与者和参与者群组;
通过所述合作性群智感知平台,根据所述参与者和任务的信息构建所述参与者群组;
根据所述参与者群组,设计双重注意力机制,聚合组成员偏好,得到群组和任务的嵌入表示;
根据所述群组和任务的嵌入表示,利用基于神经网络的协同过滤算法,设计协同神经网络结构,为所述参与者群组生成个性化的top‑K任务推荐列表。
2.根据权利要求1所述的基于群组的合作性群智感知任务推荐方法,其特征在于,根据所述参与者和任务的信息构建所述参与者群组的方法包括:利用自底向上的方式对所述参与者进行分组,所述合作性群智感知平台将具有不同传感器类型且位置满足预设要求的所述参与者分在一个组,使得每个参与者群组都满足任务的传感器要求。
3.根据权利要求1所述的基于群组的合作性群智感知任务推荐方法,其特征在于,聚合组成员偏好,得到群组和任务的嵌入表示的方法包括:利用表征学习将所述参与者和任务的输入信息编码为低纬度的嵌入向量,基于所述低纬度的嵌入向量,使用第一个注意力机制,在注意力网络中学习不同传感器对任务的影响权重,加权求和得到任务关于传感器的嵌入向量,结合任务的通用嵌入向量得到任务最终的嵌入表示;
基于所述任务最终的嵌入表示,叠加第二个注意力机制,通过参与者执行任务的历史记录,利用注意力网络学习每个组成员对任务的偏好程度,使用注意力来衡量每个小组成员在小组最后决策中的影响权重,采用加权和的形式得到群组的嵌入表示。
4.根据权利要求1所述的基于群组的合作性群智感知任务推荐方法,其特征在于,设计的协同神经网络结构包括:特征输入层、特征交互层、多层感知机层和分数输出层。
5.根据权利要求4所述的基于群组的合作性群智感知任务推荐方法,其特征在于,为所述参与者群组生成个性化的top‑K任务推荐列表的方法包括:在所述特征输入层输入群组和任务的特征向量;
在所述特征交互层中学习群组与任务的交互特征,将所述群组和任务的特征向量做逐元素乘积,得到第一新特征向量,将所述第一新特征向量与所述群组和任务的特征向量拼接在一起,得到第二新特征向量;
将所述第二新特征向量送入到所述多层感知机层中学习和提取数据的高级特征表示;
基于所述高级特征表示,所述分数输出层输出群组对每个任务的预测推荐分数,对预测推荐分数进行降序排序,为参与者群组生成top‑K任务推荐列表。
6.一种基于群组的合作性群智感知任务推荐系统,其特征在于,包括:角色划分模块、创建模块、聚合模块和推荐模块;
所述角色划分模块用于确定角色类型,其中,所述角色类型包括:合作性群智感知平台、参与者和参与者群组;
所述创建模块用于通过所述合作性群智感知平台,根据所述参与者和任务的信息构建所述参与者群组;
所述聚合模块用于根据所述参与者群组,设计双重注意力机制,聚合组成员偏好,得到群组和任务的嵌入表示;
所述推荐模块用于根据所述群组和任务的嵌入表示,利用基于神经网络的协同过滤算法,设计协同神经网络结构,为所述参与者群组生成个性化的top‑K任务推荐列表。
7.根据权利要求6所述的基于群组的合作性群智感知任务推荐系统,其特征在于,所述创建模块中,根据所述参与者和任务的信息构建所述参与者群组的过程包括:利用自底向上的方式对所述参与者进行分组,所述合作性群智感知平台将具有不同传感器类型且位置满足预设要求的所述参与者分在一个组,使得每个参与者群组都满足任务的传感器要求。
8.根据权利要求6所述的基于群组的合作性群智感知任务推荐系统,其特征在于,所述聚合模块包括:编码单元、任务嵌入单元和群组嵌入单元;
所述编码单元用于利用表征学习将所述参与者和任务的输入信息编码为低纬度的嵌入向量,所述任务嵌入单元用于基于所述低纬度的嵌入向量,使用第一个注意力机制,在注意力网络中学习不同传感器对任务的影响权重,加权求和得到任务关于传感器的嵌入向量,结合任务的通用嵌入向量得到任务最终的嵌入表示;
所述群组嵌入单元用于基于所述任务最终的嵌入表示,叠加第二个注意力机制,通过参与者执行任务的历史记录,利用注意力网络学习每个组成员对任务的偏好程度,使用注意力来衡量每个小组成员在小组最后决策中的影响权重,采用加权和的形式得到群组的嵌入表示。
9.根据权利要求6所述的基于群组的合作性群智感知任务推荐系统,其特征在于,所述推荐模块中,设计的协同神经网络结构包括:特征输入层、特征交互层、多层感知机层和分数输出层。
10.根据权利要求9所述的基于群组的合作性群智感知任务推荐系统,其特征在于,所述推荐模块包括:输入单元、获得单元、提取单元和推荐单元;
所述输入单元用于在所述特征输入层输入群组和任务的特征向量;
所述获得单元用于在所述特征交互层中学习群组与任务的交互特征,将所述群组和任务的特征向量做逐元素乘积,得到第一新特征向量,将所述第一新特征向量与所述群组和任务的特征向量拼接在一起,得到第二新特征向量;
所述提取单元用于将所述第二新特征向量送入到所述多层感知机层中学习和提取数据的高级特征表示;
所述推荐单元用于基于所述高级特征表示,所述分数输出层输出群组对每个任务的预测推荐分数,对预测推荐分数进行降序排序,为参与者群组生成top‑K任务推荐列表。