針對大數據任務中海量數據分析需求、復雜認知推理挑戰和傳統計算中隨機分配任務算法的低效性以及互聯網用戶的虛擬性、不確定性等問題，提出了一種基于用戶主題精準感知的迭代式任務分配算法。首先，通過基于自適應模糊聚類與主題提取模型相結合的方法提取已發布群體任務的主題，然后構建特定任務模型和用戶模型計算各關聯度，再利用已提交高質量答案的歷史任務迭代地檢測新用戶的真實主題并計算初始準確率；其次，通過邏輯回歸（ LR）方法預測用戶能參與到某類任務的可能性并得到參與用戶候選序列，在充分了解用戶真實主題和對應主題上的準確率以及用戶誠信度的情況下進行精準分配。通過與隨機算法在模擬實驗中對準確率進行比較，實驗結果表明所提算法準確率比隨機算法高20個百分點以上，并隨著訓練數據量的增加而提高，在相似任務上的準確率更是接近lOO%。實驗驗證所提算法更精準、尤其適用于大數據環境，并一定程度上節約了隨機算法需多次重復分配確保準確率的花銷。
?