近年来,随着互联网和移动网络的全面发展以及物联网的迅速兴起,众包已经成为一种流行的协作模式。在这种模式中,请求者发布的任务可以由众包工人经济高效地完成。工人招募是众包的一个核心问题,而工人推荐作为一种高效的工人招募方式目前已得到了广泛的采用。然而现有的工人推荐只评估了请求者对工人的信任,在实际的众包平台中也存在不可信的请求者。理性的工人会拒绝参与不可信请求者发布的任务,这会导致传统工人推荐机制的低接受率问题。为了解决这个问题,本文在传统工人推荐机制的基础上进一步考虑了不可信请求者的存在,设计了一种评估请求者与工人双向信任关系的工人推荐机制。具体研究内容如下:(1)本文针对时空众包场景提出了一个包含时间匹配、技能匹配、支付匹配和位置匹配的任务匹配机制,以往的工作没有如此全面地考虑过这个问题。(2)本文采用矩阵因式分解方法(Matrix Factorization)作为信任评估的基础框架,基于请求者对工人的评价矩阵和工人对请求者的评价矩阵,提出了三种方法来评估请求者和工人之间的双向信任关系。(3)结合任务匹配和双向信任评估,本文基于贪心算法提出了一个Top-K工人推荐机制。(4)基于Epinions公共数据集,本文设计和运行了大量的实验。结果表明,本文提出的Top-K工人推荐机制在任务接受率和信任评估准确性两个方面皆实现了突出的性能。