信息通信技术的发展促进了服务业信息化的快速发展,基于网络的知识众包平台能够有效整合并协同服务资源,以满足雇主的需求。网络知识众包的便利性使得大量雇主和服务商聚集在平台上,导致平台上的知识众包供需信息呈爆炸性增长,迫切需要研究知识众包供需匹配方法以缓解信息过载问题。然而,现有知识众包匹配方法研究主要集中在低复杂度任务与单一服务商的匹配问题,缺乏对高复杂度任务与服务商匹配问题的关注。随着雇主任务需求的复杂度和个性化程度越来越高,单一服务商难以单独满足雇主的复杂任务需求,迫切需要研究复杂任务-服务商匹配方法。为此,本文针对知识众包平台复杂任务-服务商匹配方法展开研究,主要研究工作如下:首先,分析了知识众包平台复杂任务-服务商匹配模式,给出了知识众包平台复杂任务的特点和复杂任务分解现存问题,剖析了知识众包平台服务商的特征和服务商组合优选现存问题,构建了知识众包平台复杂任务-服务商匹配方法框架,该框架包含复杂任务分解和服务商组合优选两个核心关键步骤。其次,研究了考虑服务商能力的知识众包平台复杂任务分解方法。第一步,基于WBS,从任务结构视角提出了分解原则,并设计了八元组表征子任务。第二步,设计了基于Bert和CNN的子任务与历史任务相似度计算模型,从而获得具有胜任力的服务商候选集。构建了任务包模型,进而基于服务商候选集修正子任务集,生成考虑任务结构和服务商能力的复杂任务分解方案。然后,研究了基于复杂任务分解的知识众包平台服务商组合优选模型。基于SERVQUAL模型构建了知识众包平台服务商Qo S评价指标体系,精准刻画了服务商的服务特征属性;通过DEMATEL-TOPSIS方法量化评价服务商Qo S水平,识别服务商满足雇主需求的能力。在复杂任务分解和服务商Qo S评价的基础上,构建以兼顾平台、雇主和服务商利益为核心,考虑服务商Qo S、报价维、时间维和协同度等多维度属性特征的知识众包平台服务商组合优选多目标数学规划模型,并结合强化学习与启发式算法设计了Q-ACA算法对其求解。最后,以Z平台的一个复杂任务对本文设计的知识众包平台复杂任务-服务商匹配方法进行了案例分析,并阐述了研究过程。通过案例分析验证了本文提出的方法的可行性和有效性。综上所述,为实现知识众包平台复杂任务-服务商的高效、精准匹配,本文从知识众包平台运营方的视角出发,针对知识众包平台复杂任务-服务商匹配方法进行研究,即对复杂任务分解和服务商组合优选两个核心关键步骤展开深入研究,以期形成一套系统化的知识众包平台复杂任务-服务商匹配方法,从而为完善相关理论和知识众包平台提升复杂任务-服务商匹配效率提供支撑。