近年来,众包得到了各个领域的广泛关注,各大众包平台的快速兴起,为互联网大众提供了一种新的工作模式。随着众包平台的任务数量急剧增多,种类愈加繁杂,且对承接任务的工作者有一定的技术性要求。而众包工作者专业背景、擅长技能和兴趣爱好等不同,使得任务与众包工作者的匹配成为一个难题。现有众包平台主要通过众包工作者主动搜索并选择任务的方式进行任务匹配,因此如何利用个性化搜索技术,使得众包工作者更准确的搜索到合适的任务,对于解决当前问题具有十分重要的意义。个性化搜索技术主要试图通过分析用户的历史行为对用户初始搜索结果列表中的条目进行评分预测,并根据评分的高低进行重排序,最终返回给用户新的结果列表。通过全面分析众包工作模式的特点,众包搜索和个性化技术的国内外研究现状以及存在的问题,提出一种基于任务契合度的个性化任务搜索方法。采集工作者历史数据,生成对应的活动日志。通过任务查询日志挖掘众包工作者的兴趣偏好,同时通过任务交互日志挖掘工作者的任务擅长情况。分析了页面驻留时间、鼠标点击和滚动条拖动等行为对兴趣度值的评价方法,细化了任务完成的不同情况对任务擅长度的贡献。然后使用量化的兴趣度和擅长度加权计算任务契合度。改进向量空间模型,使用区分关键词位置的权重优化方式提取任务特征,融入任务类型和契合度值,以此描述工作者偏好。通过对偏好模型的更新,保证工作者模型的时新性。最后根据构建的工作者偏好模型,给出一种新任务文本评分函数,实现对初始搜索结果进行重排序。为验证研究方法的有效性,将提出的个性化搜索方法应用于猪八戒众包平台,采集部分工作者历史数据,验证个性化搜索方法。实验结果表明,该方法的搜索结果相比平台历史搜索结果,具有更高的针对性。