近年来,作为一种新型的软件开发方式,群智化软件开发已经受到了学术界和工业界的广泛关注。相比于传统的软件开发,群智化软件开发可以最大限度地利用世界各地的开发人员资源来完成复杂的开发任务,能够有效降低开发成本,提高开发效率。但是,由于群智化平台中任务众多且复杂,不准确的任务匹配会影响任务完成的进度和质量,因此,研究开发者和任务的匹配问题对于群智化软件开发模式来说非常重要。推荐技术作为传统领域解决信息过载的有效方法,本文考虑将其引入开发者和任务的匹配问题解决中,即向软件开发者推荐其合适的软件开发任务。本文从以下两个方面考虑如何解决该问题:一方面,开发者会基于兴趣偏好选择任务,但开发者的兴趣偏好会不断变化,因此需要精准捕获开发者当前的偏好;另一方面,软件开发任务相比于传统推荐领域的商品或其他内容具有专业特性,只有具备相应技能的人才能完成,同时竞争性质的群智化平台较多,所以开发者在选择任务时还会考虑其是否有能力在众多竞争对手中获得较高的评分,本文将其也考虑到推荐问题中。基于以上的考虑,本文开展研究并完成如下工作:（1）对开发者建模时考虑其动态偏好以及竞争力,并定义了反映这两个特征的参数指标。（2）提出了一个两阶段的群智化软件任务推荐模型:第一阶段使用基于注意力机制的长短期记忆神经网络预测开发者当前的动态偏好,并利用相似度从大量候选任务中筛选出符合偏好的Top-N任务;第二阶段利用开发者的竞争力,使用基于差分进化算法改进的极端梯度提升方法预测开发者在前一阶段筛选出的任务上的评分,并按照评分从高到低向开发者推荐Top-K任务。（3）为了验证所提出推荐模型的有效性,本文进行了一系列的实验与已有的用于推荐的经典方法作比较,并考虑了不同参数情况下的推荐结果。实验结果表明,本文所提出的模型在群智化软件任务推荐上有显著优势。