买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深度学习的软件众包任务推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114282104B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111579889.X，技术领域涉及：G06F16/9535；该发明授权一种基于深度学习的软件众包任务推荐方法是由李尤慧子;袁宇宸;殷昱煜;周丽;李玉;梁婷婷设计研发完成，并于2021-12-22向国家知识产权局提交的专利申请。

本一种基于深度学习的软件众包任务推荐方法在说明书摘要公布了：本发明公开了一种基于深度学习的软件众包任务推荐方法。目前已有很多相关研究提出使用深度学习的方法对众包任务文本信息来进行众包任务推荐，但在现有的方法中，众包任务文本信息的提取方法缺乏通用性，且由于众包数据分布不平衡的特点，在推荐结果的指标上，命中率与多样性无法兼顾。本发明方法包含三部分的内容：基于预训练模型Bert提取众包文本特征、基于CNN+LSTM对众包文本特征进行进一步的特征学习和基于上述两个模型作用下的输出，能够自适应克服众包数据分布不平衡的损失函数。通过本发明可以在简单高效地针对特定软件众包平台实现开发者的推荐，同时也提高了推荐结果的命中率与多样性。

本发明授权一种基于深度学习的软件众包任务推荐方法在权利要求书中公布了：1.一种基于深度学习的软件众包任务推荐方法，其特征在于该方法包括以下步骤： 步骤1. 针对众包平台，收集众包任务的文本信息及其对应完成的开发者id，并进行过滤； 步骤2. 对收集和过滤过的数据进行训练集与测试集的划分； 步骤3. 对众包任务的文本信息进行分词，从训练集中得出一个最大长度sequence_length；训练集中分词长度小于sequence_length的样本将其填充，测试集若出现分词长度大于sequence_length的样本将其截断； 步骤4. 将经过分词且填充的训练集样本先输入Bert预训练模型，生成下游任务需要的词向量；生成的词向量再交给由CNN+LSTM的深度学习模型进行进一步的特征学习，最后输出的结果为众包平台每个开发者的置信分数；具体是： CNN初步特征提取：将众包任务文本的词向量矩阵输入CNN，通过不同尺寸的卷积核滑动提取局部n‑gram特征，经ReLU激活和动态最大池化后，拼接多通道输出，形成文本的高级特征表示； LSTM最终特征提取：将CNN输出的高级特征输入LSTM，利用其门控机制捕捉文本的长程依赖关系，综合上下文语义，最终取LSTM最后一个时间步的隐藏状态作为全局特征，通过全连接层生成各开发者的置信分数； 步骤5. 将每个开发者置信分数与其任务相对应的真实结果输入至损失函数计算损失并反向传播梯度；所述损失函数表达为： 其中，表示第i个标签置信分数，分别表示第j个标签置信分数； 步骤6. 循环步骤4到步骤5，直至模型收敛。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。