随着经济的全球化及信息技术的发展,以互联网平台为依托的产品设计众包模式迅速发展。如何有效提高设计资源和设计任务之间的匹配效率已经成为一个亟待解决的问题。目前,有关竞争式众包任务推荐算法多集中于根据问题解决者的兴趣爱好向其推荐任务,而鲜有向任务推荐问题解决者,且传统的基于内容的推荐存在着难以区分推荐内容质量等问题,协同过滤则存在着算法在线运行时间花费多以及众包任务不存在副本的情况。针对以上问题,本文提出一种既要考虑问题解决者和问题提出者的个性化需求,又要能区分问题解决者能力及降低算法在线运行时间花费的双向推荐方法。首先,对竞争式众包模式进行研究,提出一种适用于竞争式众包产品设计的流程,分析问题解决者和问题提出者的个性化需求。其次,基于内容推荐方法的建模过程,建立适用于该众包流程的推荐方法。该推荐方法包括PS-to-QR及QR-to-PS两条推荐路线,以及众包任务模型、问题解决者能力模型和问题解决者参与动机模型。再其次,制定推荐规则,PS-to-QR的推荐规则是先基于技能标签和任务类别匹配得到能完成众包任务的PS集合,再引入熵权法对PS集合进行能力排序,形成Top-n的推荐列表;QR-to-PS的推荐规则也是先基于技能标签和任务类别匹配得到符合PS参与动机的任务集合,再根据PS的参与动机优先级,形成Top-n的推荐列表。最后,根据Z众包平台采集的实时数据,进行实验验证,并采用准确率、召回率以及均值平均度等指标对实验结果进行对比分析。实验结果表明,所设计的推荐方法要优于仅基于标签的推荐方法和基于标签的计算匹配分数的推荐算法,能够有效提高众包设计中海量个性化需求的资源匹配效率。基于本文理论和方法研究,设计和开发一个集爬虫和推荐于一体的推荐系统,从Z平台获取真实数据,可实现设计资源和任务资源双向匹配推荐。