公开(公告)号：CN112416780B

公开(公告)日：2022-03-25

申请号：CN202011336106.0

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  蒋先杰 ,  金斌 ,  张杰 ,  资帅 ,  刘峰 ,  王崇骏

IPC: G06F11/36 ,  G06F40/216 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种众包测试报告的处理和分类方法，在众包平台下发布软件测试任务，待工人测试完成后收集报告；从获得的数据中提取出Word Embedding、TF‑IDF和Metadata三个维度的特征；使用双向长短时记忆网络获得各个特征的全局编码表示，再根据特征的全局编码表示得到各个特征的注意力权重，并通过注意力权重调整全局编码；分类阶段，根据分类器得到相应的分类结果。本发明解决了没有考虑词序的问题，同事提高了分类的精度。

公开(公告)号：CN113361780A

公开(公告)日：2021-09-07

申请号：CN202110641778.0

申请日：2021-06-09

Applicant: 南京大学

Inventor： 王崇骏 ,  蒋先杰 ,  姚懿容 ,  李珂帆 ,  张雷

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/10 ,  G06Q50/00 ,  G06K9/62

Abstract: 本发明公开了一种众包测试人员的评价方法。S10数据采集，众测测试人员在众包平台上注册信息，参加考试，领取任务并参与测试提交报告；S20特征提取，把采集到数据的来源分为人员信息、人机协同、历史测试数据三类；从获取的数据中提取出身份背景、社交人脉、能力证明、履约记录、历史行为五类特征共22个指标量；S30训练逻辑回归分类器，将训练数据集中的指标数据与众测人员的评价输入逻辑回归模型，对逻辑回归模型进行训练，使用梯度上升法计算损失函数的最大似然估计，确定参数；S33，构建预测函数，求所有数据的概率值，并根据概率值和阈值得出分类器的结果；通过训练好的分类器得到人员的评价。

公开(公告)号：CN114418253A

公开(公告)日：2022-04-29

申请号：CN202110664342.3

申请日：2021-06-16

Applicant: 南京大学

Inventor： 王崇骏 ,  于花蕾 ,  曹萌 ,  蒋先杰 ,  谢俊元

IPC: G06Q10/06 ,  G06N3/04

Abstract: 本发明公开了一种基于图神经网络的自适应众包任务推荐方法，获取真实应用场景中的众包任务对象集合和推荐人群集合，根据众包任务对象和推荐人群依据经典KNN方法构建出众包网络图结构和推荐人群网络图结构；利用图神经网络方法GCN分别在众包网络图结构、推荐人群网络图结构上进行多轮信息传播，对众包任务以及推荐人进行任务嵌入表示和推荐人嵌入表示学习；递归的进行嵌入表示学习操作，多轮学习后，将得到的众包嵌入表示和推荐人嵌入表示采用t‑SNE映射到同一空间当中，根据邻近原则，将对应的任务推荐到具体到个人。本发明不仅可精准推荐众包任务到个人，而且比传统的众包任务推荐方法更加高效且准确，且更加科学合理。

公开(公告)号：CN114418253B

公开(公告)日：2025-04-25

申请号：CN202110664342.3

申请日：2021-06-16

Applicant: 南京大学

Inventor： 王崇骏 ,  于花蕾 ,  曹萌 ,  蒋先杰 ,  谢俊元

IPC: G06Q10/0631 ,  G06N3/042

Abstract: 本发明公开了一种基于图神经网络的自适应众包任务推荐方法，获取真实应用场景中的众包任务对象集合和推荐人群集合，根据众包任务对象和推荐人群依据经典KNN方法构建出众包网络图结构和推荐人群网络图结构；利用图神经网络方法GCN分别在众包网络图结构、推荐人群网络图结构上进行多轮信息传播，对众包任务以及推荐人进行任务嵌入表示和推荐人嵌入表示学习；递归的进行嵌入表示学习操作，多轮学习后，将得到的众包嵌入表示和推荐人嵌入表示采用t‑SNE映射到同一空间当中，根据邻近原则，将对应的任务推荐到具体到个人。本发明不仅可精准推荐众包任务到个人，而且比传统的众包任务推荐方法更加高效且准确，且更加科学合理。

公开(公告)号：CN112416780A

公开(公告)日：2021-02-26

申请号：CN202011336106.0

申请日：2020-11-25

Applicant: 南京大学

Inventor： 张雷 ,  蒋先杰 ,  金斌 ,  张杰 ,  资帅 ,  刘峰 ,  王崇骏

IPC: G06F11/36 ,  G06F40/216 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种众包测试报告的处理和分类方法，在众包平台下发布软件测试任务，待工人测试完成后收集报告；从获得的数据中提取出Word Embedding、TF‑IDF和Metadata三个维度的特征；使用双向长短时记忆网络获得各个特征的全局编码表示，再根据特征的全局编码表示得到各个特征的注意力权重，并通过注意力权重调整全局编码；分类阶段，根据分类器得到相应的分类结果。本发明解决了没有考虑词序的问题，同事提高了分类的精度。