在上一节对指标操作的基础上,本节将以实际数据为例,讲述如何使用上一节介绍的算法处理从猪八戒网获得的数据。

6.4.2.1　原始数据采集与预处理

通过八爪鱼采集器得到猪八戒网某任务的任务数据和接包方数据后,需要根据任务的一些属性对接包方进行筛选:根据任务的知识领域删除没有参与过该知识领域大类的接包者;删除超过联系时间系统自动淘汰发包方已无法合作的接包者。发包方在发表任务时,对接包方还有交易保证和联系绑定的要求,但在猪八戒网上,未满足要求的用户是无法投标的,因此通常在投标之后实际上已经达到了一定程度的筛选。

针对该单组实验对接包方筛选后得到的接包者指标数据如表6-6所示:

表6-6　猪八戒网某任务的接包方指标原始数据

根据上表构建的原始数据矩阵如下:

6.4.2.2　权值确定

(1)通过层次分析法(AHP)得到主观赋值的权值。

运用层次分析法需要专家对各指标的相对重要性做出判断,专家应当对任务的需求十分了解,并以此判断接包方的各个指标的相对重要性,可以是众包平台上的发包方,也可以是从事众包研究的研究人员。在本次的实际应用时,我们尝试使用问卷调查的方法,向平台上的发包方发放问卷,但问卷却难以发放到发包方手中;另外,相关文献在接包方指标重要性上的研究也较少。限于本研究的实际情况,这里的专家打分由课题组成员和相关学术同行共同完成。获得的判断矩阵如表6-7、表6-8、表6-9和表6-10所示。

表6-7　知识水平子指标对知识水平的相对重要系数

表6-8　服务能力子指标对服务能力的相对重要系数

表6-9　诚信状态子指标对诚信状态的相对重要系数

表6-10　一级指标对最终匹配的相对重要系数

由此可得各级指标权重如表6-11所示。(www.daowen.com)

(2)通过熵权法求出客观赋值的权值。

我们通过八爪鱼采集到了798位参与者的历史数据,并将其处理为指标数值。运用式(6.9)、式(6.10)、式(6.11)和式(6.12)可得到权值,如表6-12所示。

引入加权系数α＝0.5,根据式(6.13)得到加权后最终的指标向量W,如表6-13所示。

6.4.2.3　TOPSIS求得最优解

将原始矩阵根据式(6.16)归一化为标准矩阵后,根据式(6.22)可得到加权矩阵Y:

由式(6.17)、式(6.18)可得正理想解为:

由式(6.18)可得负理想解为:

表6-11　猪八戒网匹配指标AHP权值

表6-12　猪八戒网各指标熵权法权值

表6-13　猪八戒网各指标最终权值

由式(6.19)、式(6.20)、式(6.21)可得各参与者指标与正理想解的距离D＋、与负理想解的距离D－、相似近似度C,如表6-14所示:

表6-14　各参与者的D＋、D－和C的取值

由C值可知编号为4的接包者是最优接包方,而在实际情况中,发包方在人工判断下也选择了该接包方,因此在本次计算中,上文提出的算法正确地识别出对于该特定任务的最优接包方。