基于多关系知识增强的开发者推荐算法

近年来，随着众包平台的不断发展，信息过载问题日趋严重，任务难以及时找到可靠的开发者完成，为任务推荐合适的开发者变得至关重要.传统推荐方法存在两大挑战：一是任务和开发者的文本特征高度简练，传统推荐方法聚焦于表面文本信息，未发现其中包含的大量知识实体；二是任务具有一次性，导致显式交互数据极其稀疏.为了解决上述挑战，本文提出一种基于多关系知识增强的开发者推荐算法.对于一个任务和开发者，首先将他们包含的文本内容中的每个单词与知识图谱中的相关实体关联起来，用于丰富任务和开发者的信息表示.除直接相关联的实体外，还使用每个实体的上下文实体集合来提供更多的信息.然后，对于开发者本文使用多关系邻域聚合的方式增强其特征表示，并使用注意力模块区分开发者对任务的关注度.最终获得的用户和开发者的嵌入输入到深度神经网络中进行预测.在真实的Topcoder数据集上进行广泛的实验，结果表明，本文方法在正确率和序位倒数均值上相比于最佳对比方法平均提高11.7%和17.5%.