任务分解是对知识密集型任务进行合理众包的有效手段,其目标在于将原本规模较大、内部依赖性较高、结构复杂的大任务分解为多个粒度大小适宜、彼此独立的均衡子任务。因此在任务分解时除了考虑到任务实际结构、流程特点外,还需要对任务的划分粒度、任务之间相互影响程度的大小进行控制。

基于协调理论的相关内容,结合知识密集型众包任务的结构、流程特点,引入任务粒度、任务耦合度的度量,本研究提出的知识密集型任务分解的模型如图5-2“知识密集型任务分解模型”所示:

步骤一:初步分解。一般的,对于明显有时间先后顺序的知识密集型任务,可根据任务执行流程找出一组彼此联系的子任务,比如说软件设计、文章撰写等;对于时间顺序要求不高的知识密集型任务,可根据任务的功能结构进行分解,比如手机设计可根据手机的功能结构进行任务分解。在步骤一中,首先根据任务特点,按时序流程或者结构功能对任务进行划分,得到初步任务分解集合S1。

步骤二:众包任务类型分析。根据前文内容可知,任务类型可分为flow型、fit型和share型。对S1中任务的类型进行分析,如果判定任务属于fit型或share型,则进入步骤三;如果任务属于flow型,则无需进行后续步骤,直接进入任务最优分解集S中。(www.daowen.com)

步骤三:众包任务粒度的合理性控制。合理性是相对且充分依赖于个体的发展规律的。对于不同类型的任务和分解目标,合理的任务粒度值有所不同。为了保持合适的粒度分解,需要提前根据实际情况设置任务粒度阈值。合适的任务粒度值可以根据实际分解经验或者根据分解效果进行反复调整来确定,本研究中对此不再赘述。在这一步中,继续根据知识密集型众包任务的流程、结构特点,以较小的变化幅度对任务进行分解,直到该分解集的任务粒度小于所设定的任务粒度阈值。得到任务分解集S2。

图5-2　知识密集型任务分解模型

步骤四:众包任务耦合度的合理性控制。与粒度控制相同,为了保证对任务进行合理的耦合度控制,需要提前设定任务耦合度阈值。计算S2的任务耦合度,如果S2耦合度计算结果处于所设定的耦合度阈值范围内,则S2即为最优任务分解集合;如果S2耦合度计算结果超出了所设定的耦合度阈值范围,根据DSM对联系程度高的子任务进行合并,直到S2耦合度小于所设定的耦合度阈值,返回步骤三重新进行任务粒度合理性判定。