在web2.0时代,无线网络和智能移动设备的普及使得大规模的互联网用户参与网络协作成为可能,移动众包模式应运而生,展现出了极大的应用价值,获得了学术界广泛的关注。因为众包工人的水平参差不齐,答案决策成为移动众包的核心技术之一。目前的答案决策研究存在一定的局限性。一方面,现有的研究假设任务的答案服从特定的概率分布,而时空约束下使用常规的概率模型对任务答案进行建模可能无法反应真实的情况。另一方面,现有研究也没有考虑到动态时空场景下任务实体之间的相互影响。基于上述问题,本文面向动态时空场景下的移动众包任务,针对任务答案服从不规则概率分布情况下的答案决策以及如何在答案决策中利用任务实体间的相似性等问题进行了研究,研究成果如下:（1）提出一种基于时空条件的概率加权推理算法（NPTI）。为了避免答案决策过程中根据经验选择固定形式的概率模型及参数对答案决策结果造成的影响。提出了一种基于大数定律和独立同分布假设的答案决策算法。为了表征众包任务和工人质量在时间和空间双重因素作用下的动态变化情况,本文建模了时空因素下的众包答案的联合概率分布。算法通过对工人答案及其概率分布的抽样来近似拟合众包任务答案的复杂概率分布,最后将抽样得到的工人答案样本及其概率进行加权求和得到最终的决策结果并求解。在真实数据集上的实验结果表明,我们提出的基于时空条件的概率加权推理算法展示出了良好的性能,可以通过少部分的工人答案及其权重来拟合任务真实答案概率分布,并推理出任务的真实答案。（2）提出一种基于历史相似任务的答案决策算法（PTI）,它通过探究动态时空场景下的任务实体之间的关联性来解决移动众包答案决策问题。首先,通过对已知答案的历史任务进行聚类分析,获得与目标任务时空特征相似的历史任务;然后,分别统计相似历史任务答案的概率分布和目标任务的答案概率分布并进行采样,在基于粒子滤波的迭代计算中,使用相似历史任务的答案概率分布来修正目标任务的决策结果。在真实数据集上的实验结果表明,本文提出的算法能够很好地融合多个工人提交的任务报告并进行答案决策,算法准确性优于其他基准方法。