互联网中各种服务产生的评价数据量不断增长,将任务分派给合适的操作员去处理,能够达到事半功倍的效果。所以如何根据评价数据合理地进行任务分派处理是一个亟待解决的问题。本文根据任务的两个数据特征,即评价数据的情感倾向特征和任务数据类别特征。本文从用户和项目两方面对任务分派进行分析。一方面,对用户进行分析,从用户的历史任务分派评价数据中计算出用户(提交任务的用户)的任务分派倾向。另一方面,对项目进行分析,找出影响任务分派的项目因素;当前需要分派的目标任务中,可能会有一些关键的因素,比如任务类别,用户评级等,这些因素会影响到任务的分派。针对以上两个方面,本文提出了一种结合用户和项目的任务分派方法。主要的工作内容有:首先,在用户方面,本文通过构建评分矩阵来挖掘用户的任务分派倾向。评分矩阵中的分数是由评价与评分结合而成,评价是第三方对每个任务分派后进行的评价。具体为利用情感倾向分析技术对评价进行情感分类,每个情感类别对应一个分数,将分类后的分数与打分进行加权结合。其次,在项目方面,在前一阶段得出用户的任务分派倾向后,将影响任务分派的因素与用户的任务分派倾向进行综合考虑,使用协同过滤技术,找到合适的操作员进行任务的分派。最后本文以海关的历史报关单数据为例,该数据经过对敏感数据的脱敏、变形等处理,满足各级海关相关数据安全锁定。对数据进行分析实验,结果表明文中提出的方法具有较高的准确性,可以提高任务执行的效率。本文设计并实现了一个海关复查分派系统,能够将风险报关单分派给合适的复查员进行复查。