众包是互联网大发展趋势下衍生的一种非常流行的新型商业模式,企业将过去由员工执行的任务分配出去,以自由自愿的形式外包给非特定的(通常是大型的)大众志愿者来完成,遵从开放式的集思广益的思想来获得最优质的任务结果。志愿者在付出了自己的努力,完成任务之后,可以获得不小的报酬。这就是众包在当前互联网时代下为软件业和服务业提供的全新劳务分包模式。大量志愿者得益于众包提供的工作模式,获得了不小的报酬。但是,在这一过程中,有些志愿者并没有认真地完成任务,为了骗取佣金,使利益最大化,往往会提供虚假数据,一旦将这类志愿者提供的数据采纳使用,将会给企业带来重大损失。因此,对众包任务结果质量的评估筛选是一项具有挑战性的工作。目前,国内外对于众包质量的控制研究还处于初始阶段。针对以上存在的问题,本文对众包数据质量评估进行研究,提出了一些有效的方法,以达到获取高质量众包数据的目的,主要包括以下几个方面:(1)本文对众包的发展历程进行了研究,并对现存的众包数据质量评估方法进行了分析总结;本文对贝叶斯算法模型进行了研究,并对贝叶斯算法模型在不同情况下的应用进行了综述与分析。(2)本文提出了一种基于信任模型的鲁棒众包数据分析方法。将工作者历史行为数据纳入考虑,并对工作者在当前任务中提交的结果数据进行分析,最后将工作者历史行为数据和在本次任务中提交的结果数据结合于贝叶斯算法模型,得出工作者在本次任务中提交结果数据的最终准确度信息。该方法与黄金标准数据评估策略进行对比,结果表明,使用该方法筛选出的工作者可靠性更高。(3)本文提出了一种基于信任模型的工作者动态替换策略。首先,在任务开始之前,对工作者进行初步筛选,构筑工作者候选池。然后,将众包任务分成N个阶段,在每一阶段任务结束之后,通过投票一致性规则对工作者在该阶段提供的结果数据进行分析,一旦发现工作者提交的结果数据准确度无法满足雇主需求,则标记其为不合格工作者,并及时对不合格的工作者进行替换,从而保证在任务过程中工作者提交的任务结果质量始终满足雇主需求,所有任务阶段结束之后,工作者提交的结果数据可以直接被雇主采纳使用。