近年来,随着互联网变的越来越流行,众包也成为一种有效的问题解决方式,得到了越来越多人的关注。众包的工作性质决定其平台内的工作者是些未知的群体,利用群体的智慧来解决问题,同时也带来了很多未知的问题,这样就会使质量控制问题变成在线众包平台面临的最大挑战。其原因可能是因为工作者们利益最大化、缺乏专业的知识、恶意答题、存在偏差从而提交低质量的众包结果。同时现有的任务分配模型分配任务的依据主要是需求者的主观臆测和经验,由于存在过多的主观因素,会导致任务分配的不合理从而降低人力资源的利用率,降低众包的质量。为了解决上述问题,本文提出了一种基于信誉度的众包任务分配模型,首先基于工作者历史记录基于时间窗口引入活跃因子获得工作者的可信度证据序列,求得可信度;然后基于以上所求的信誉度构建分配模型,分配模型的核心是一个加权二分图,在二分图中将工作者和需求者发布的任务分别作为二分图的两类结点,利用算法求得加权二分图的最大匹配。从而实现众包任务的在线动态匹配,每一种最大匹配就是一种任务和工作者的最佳匹配。相关研究也提出过众包任务分配模型,但是没有统一的评价标准且基于主观臆测。针对这个问题本文提出了通用模型,并利用真实实验数据结合多种评价因素对该模型进行测试。最后与已有的信誉度模型进行对比体现了本文基于信誉度的众包任务分配模型的有效性和实用性。