随着互联网技术的飞速发展,越来越多的智能产品用户参与到众包系统中。尤其是共享经济的衍生及快速发展,使得众包系统与生活密切结合,各类众包平台层出不穷,如百度知道、雅虎问答、美团外卖、滴滴打车等。众包包括传统众包和时空众包两种形式,前者主要是在线操作,后者是网络与空间活动的结合。不管是哪种形式的众包系统,都需要工作者将完成的任务结果反馈给众包平台。由于众包系统自由松散的工作方式,致使众包工人在完成任务的过程中存在欺骗和共谋等行为。为了控制众包任务的完成质量,挖掘工作质量低的众包工人并降低其影响,已经成为众包领域的研究热点之一。针对上述问题,本文分析了现有众包质量控制方法的优势和弊端,通过评估和分析任务输出数据,提出一种众包质量控制模型,并通过实验以验证其有效性和正确率。本文主要的研究内容包括以下几个方面:(1)针对客观评价类众包任务及工人的统一型欺骗行为,提出了一种基于广义Pareto分布(Generalized Pareto Distribution,GPD)的权重设置算法。该算法对Pareto函数进行极大似然估计,求得相应的似然函数并使用二分法逼近函数零点,计算出Pareto形状、尺度参数,得到拟合好的函数表达式。算法中定义了相应的权重公式,使用算法处理众包工人的任务输出数据,可以为其设置一个影响权重。(2)针对主观评价类众包任务及工人之间的共谋行为,本文首先提出了划分共谋类型的两种方式,并在不同共谋类型的前提下挖掘共谋团伙。之后利用团伙中联系的结构和密切程度,推断他们之间的共谋关系,进而计算具有共谋关系的工人之间的亲密度数值,并绘制共谋网络图。最后利用求得的共谋网络图及工人之间的亲密度,计算每一位共谋工人的信誉值。