众包任务的数据校验方法、装置、服务器及存储介质与流程

本发明实施例涉及数据校验技术，尤其涉及一种众包任务的数据校验方法、装置、服务器及存储介质。

背景技术：

随着互联网的不断发展，利用外业众包模式对数据进行采集也越来越受到重视，数据采集过程涉及到内容提取和数据审核(也称为数据校验，目的是确认数据是否正确)。由于数据量比较庞大，采用人工方式进行数据审核，周期比较长，需要投入的人力比较大，成本比较高，且人员流动性大，易造成大量的数据积压。

利用机器进行内容提取和数据审核，其提取和审核的规模有限，例如，对于图片中某地点是否可通车等兴趣点(Point of Interest，POI)属性，机器无法从图片中提取这样的信息，也无法进行审核数据是否正确。

技术实现要素：

本发明实施例提供一种众包任务的数据校验方法、装置、服务器及存储介质，以提高数据校验的效率和准确度，降低人工审核成本。

第一方面，本发明实施例提供了一种众包任务的数据校验方法，包括：

将同一众包任务分配给多个用户进行数据采集作业；

获取所述多个用户的答案；

根据所述多个用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。

第二方面，本发明实施例还提供了一种众包任务的数据校验装置，包括：

任务分配模块，用于将同一众包任务分配给多个用户进行数据采集作业；

答案获取模块，用于获取所述多个用户的答案；

答案校验模块，用于根据所述多个用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。

第三方面，本发明实施例还提供了一种服务器，所述服务器包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的众包任务的数据校验方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的众包任务的数据校验方法。

本发明实施例的技术方案，将同一众包任务分配给多个用户，获得多份答案，利用多份答案进行自校验来检验答案是否正确，得到众包任务的最终答案，提高了数据校验的准确度和效率，降低了人工审核的成本，解决了现有数据校验过程效率低且准确度不高的问题。并且，利用预设暗桩题目对用户的答案进行有效性检验，剔除不可信用户的答案，提高了数据质量，进一步提高了众包任务最终答案的准确度。

附图说明

图1是本发明实施例一提供的众包任务的数据校验方法的流程图；

图2是本发明实施例二提供的众包任务的数据校验方法的流程图；

图3是本发明实施例二提供的众包任务的数据校验方法的具体流程图；

图4是本发明实施例三提供的众包任务的数据校验装置的结构示意图；

图5是本发明实施例四提供的服务器的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的众包任务的数据校验方法的流程图，本实施例可适用于对众包任务采集的数据进行校验的情况，该方法可以由众包任务的数据校验装置来执行，该装置可以由软件和/或硬件来实现，一般可集成在服务器中。如图1所示，该方法具体包括：

S110，将同一众包任务分配给多个用户进行数据采集作业。

其中，同一众包任务分配的用户个数可以根据需求设置。众包任务中一般包括多个题目。用户进行数据采集作业，即对众包任务中各个题目进行作业，给出答案，答案即众包任务采集的数据。分配众包任务时，可以根据用户ID、用户IP地址、用户历史记录等信息进行主动分配，将众包任务推送给符合条件的用户；也可以是在众包平台上投放众包任务，供用户领取任务。示例性的，众包任务的题目可以是是从图片中提取电话、地址、时间等属性信息。

S120，获取所述多个用户的答案。

其中，获取多个用户的答案，即接收用户上传的答案，每个用户均会上传一份答案。

S130，根据所述多个用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。

其中，对于同一众包任务，得到多个用户给出的多份答案，利用多份答案进行自校验(也可称为交叉校验)，可以确定众包任务的最终答案。自校验过程无需人工参与，降低了人工成本。示例性的，需要五份答案来进行交叉校验，则可以将众包任务分配给五个用户。

本实施例的技术方案，将同一众包任务分配给多个用户，获得多份答案，利用多份答案进行自校验来检验答案是否正确，得到众包任务的最终答案，提高了数据校验的准确度和效率，降低了人工审核的成本，解决了现有数据校验过程效率低且准确度不高的问题。

在上述技术方案的基础上，S130可以包括：针对所述众包任务中的每个题目，根据所述多个用户的答案确定所述题目的相同答案比例；如果所述题目的相同答案比例超过预设阈值，确定所述相同答案作为所述题目的最终答案；如果所述题目的相同答案比例未超过所述预设阈值，提交所述多个用户对所述题目的答案进行人工校验。

其中，众包任务一般包括多个题目，对于每个题目，都要进行多份答案的交叉校验，以确定众包任务中各个题目的最终答案。交叉校验是指对比多份答案，将多份答案中符合比例要求的相同答案，作为最终答案。预设阈值可以根据实际需求进行设置，例如设置为50％，即题目的相同答案比例超过50％，则认为该相同答案为该题目的最终答案。

如果题目的相同答案比例未超过预设阈值，则对该题目的多个答案进行人工校验，人工校验是指通过交叉校验无法得到答案时，由人工对同一题目的多份答案进行比对，以确定该题目的最终答案，可以理解为一种辅助校验措施。需要说明的是，本发明实施例中通过交叉校验能够实现大部分数据的自动审核，因此，需要人工辅助校验的概率也是比较小的。在交叉校验基础上，设置人工辅助校验，能够进一步保证数据校验的全面性和准确性。

可选的，上述众包任务中的题目类型包括：选择题、判断题、问答题和填空题中至少之一。

为了减少众包任务的作业难度以及数据校验的难度，可以选择题、判断题为众包任务的主要题目类型，保证用户的任务答案有非常简单的处理规范和标准。对于问答题和填空题等题目类型，在比对不同用户的答案时，需要提取答案中的关键字，通过判断关键字的相似度，来确定不同用户的答案是否相同。具体相似度可以根据不同的场景进行设置，例如，填写对图片的描述信息，不同用户的描述用语有所区别，可以设置相似度大于90％，则认为答案相同；又如，从图片中提取地址或电话，由于涉及到具体的门牌号码或电话数字，则需要相似度100％的情况下，认为答案相同。

实施例二

图2是本发明实施例二提供的众包任务的数据校验方法的流程图，本实施例在上述各实施例的基础上，在S130中增加了桩点校验的操作，以去掉不可信用户的答案，提高数据质量，根据可信用户的答案进行校验。桩点校验是指根据众包任务中的预设暗桩题目判断用户是否可信(即该用户的答案是否有效)。如图2所示，该方法具体包括：

S210，将同一众包任务分配给多个用户进行数据采集作业。

S220，获取所述多个用户的答案。

S230，根据所述众包任务中的预设暗桩题目，确定所述多个用户中的可信用户。

其中，预设暗桩题目用于验证用户是否可信，也就是用户给出的答案是否有效，是否为伪造数据。预设暗桩题目可以重复投放，应用于多个众包任务中。在将同一众包任务分配给多个用户进行数据采集作业之前，可以在该众包任务中设置预设暗桩题目，其中，预设暗桩题目包括预设数目的具备标准答案的题目。暗桩题目一般选择所有用户达成同一认知且具备明确答案的题目，且一般选择简单易比对的题目类型，如选择题。暗桩题目的数目可以根据具体情况进行设置，例如设置5个暗桩题目。

在一实施方式中，可以通过判断用户对暗桩题目的答案是否与标准答案相同，来确定用户是否可信。具体的，S230包括：针对所述多个用户中的每个用户，从所述用户的答案中提取所述预设暗桩题目的答案；如果提取的答案与所述预设暗桩题目的标准答案全部相同，确定所述用户为可信用户。如果提取的答案中至少一个答案与所述预设暗桩题目的标准答案不同，确定所述用户不是可信用户，也就是说，用户可能伪造数据，该用户对该众包任务中所有题目的答案均不可信，后续交叉校验不能使用该用户的答案。

需要说明的是，除了使用预设暗桩题目的答案准确与否来判断用户给出的答案是否可信之外，也可以考虑使用用户对预设暗桩题目的作业时间来判断用户给出的答案是否可信。具体的，比较用户对暗桩题目的实际作业时间与该暗桩题目的预设作业时间，如果至少一个暗桩题目的实际作业时间远远低于预设作业时间(例如实际作业时间低于预设作业时间的一半)，则认为用户不可信。其中预设作业时间可以根据大部分用户对题目的作业能力得到。示例性的，暗桩题目的预设作业时间为20秒，用户只用5秒就提交了该题目的答案，则认为该用户不可信。当然，也可以结合预设暗桩题目的标准答案与预设作业时间来判断用户是否可信，如果用户对暗桩题目的答案满足标准答案，且实际作业时间满足预设作业时间，认为用户可信。

S240，如果所述可信用户的个数未达到预设个数，对所述众包任务进行分配。

其中，预设个数是提前设置的参与交叉校验的用户个数。S210中可以按照该预设个数，将众包任务分配给对应个数的用户，也可以分配给更多的用户。示例性的，需要五份答案来进行交叉校验，则可以将众包任务分配给五个用户，也可以将众包任务分配给七个用户，以减少不可信用户对交叉校验流程的影响。

如果可信用户的个数未达到预设个数，则无法启动交叉校验，需要对众包任务重新分配，以获取其他用户对该众包任务的答案，并进行桩点校验。

S250，如果所述可信用户的个数达到所述预设个数，根据所述可信用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。具体答案校验过程参见实施例一所述，此处不再赘述。

本实施例的技术方案，将同一众包任务分配给多个用户，获得多份答案，利用预设暗桩题目对用户的答案进行有效性检验，剔除不可信用户的答案，提高了数据质量，进一步提高了众包任务最终答案的准确度。

在一实施方式中，可以定期更新预设暗桩题目。对暗桩题目进行定期更新，使得暗桩题目没有规律可循，避免用户获知暗桩题目之后伪造数据。

下面结合图3对本实施例的数据校验过程进行说明。在分配众包任务之前，在众包任务中埋入预设暗桩题目。如图3所示，该方法包括：

S310，接收用户提交的众包任务答案。

S320，从用户的答案中获取暗桩题目的答案。

S330，将用户的暗桩题目答案与暗桩题目的标准答案进行比较，判断桩点校验是否通过。如果是，表示用户可信，进入S340；如果否，表示用户不可信，进入S350。

S340，该用户给出的该众包任务的答案有效，进入交叉校验等待流程。当有效答案达到预设份数时(即可信用户达到预设个数)，该众包任务停止开放，开始进行交叉校验。

S350，该用户给出的该众包任务的答案无效，如果有效答案未达到预设份数，则需要对该众包任务进行再次分配。

S360，判断用户的答案中相同答案的比例是否达到预设阈值，本实施例以50％为例，即判断是否存在一半以上用户的答案相同，如果是，进入S370；如果否，进入S380。

S370，交叉校验处理完成，多数用户的相同答案即为题目的最终答案。

S380，回收用户的答案，进入人工辅助校验环节。

实施例三

图4是本发明实施例三提供的众包任务的数据校验装置的结构示意图，如图4所示，该装置包括：任务分配模块410、答案获取模块420和答案校验模块430。

任务分配模块410，用于将同一众包任务分配给多个用户进行数据采集作业；

答案获取模块420，用于获取所述多个用户的答案；

答案校验模块430，用于根据所述多个用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。

可选的，上述众包任务中的题目类型包括：选择题、判断题、问答题和填空题中至少之一。

进一步的，答案校验模块430包括：

比例确定单元，用于针对所述众包任务中的每个题目，根据所述多个用户的答案确定所述题目的相同答案比例；

答案确定单元，用于在所述题目的相同答案比例超过预设阈值的情况下，确定所述相同答案作为所述题目的最终答案；

答案提交单元，用于在所述题目的相同答案比例未超过所述预设阈值的情况下，提交所述多个用户对所述题目的答案进行人工校验。

可选的，答案校验模块430包括：可信用户确定单元和答案校验单元；

可信用户确定单元，用于根据所述众包任务中的预设暗桩题目，确定所述多个用户中的可信用户；

任务分配模块410，还用于在所述可信用户的个数未达到预设个数的情况下，对所述众包任务进行分配；

答案校验单元，用于在所述可信用户的个数达到所述预设个数的情况下，根据所述可信用户的答案中相同答案的比例进行答案校验，确定所述众包任务的最终答案。

所述可信用户确定单元包括：

答案提取子单元，用于针对所述多个用户中的每个用户，从所述用户的答案中提取所述预设暗桩题目的答案；

可信用户确定子单元，用于在提取的答案与所述预设暗桩题目的标准答案全部相同的情况下，确定所述用户为可信用户。

可选的，上述装置还包括：暗桩题目设置模块，用于在将同一众包任务分配给多个用户进行数据采集作业之前，在所述众包任务中设置预设暗桩题目，其中，所述预设暗桩题目包括预设数目的具备标准答案的题目。

进一步的，上述装置还可以包括：暗桩题目更新模块，用于定期更新所述预设暗桩题目。

本发明实施例所提供的众包任务的数据校验装置可执行本发明任意实施例所提供的众包任务的数据校验方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的众包任务的数据校验方法。

实施例四

本实施例提供了一种服务器，该服务器包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的众包任务的数据校验方法。

图5是本发明实施例四提供的服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器12的框图。图5显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的众包任务的数据校验方法。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的众包任务的数据校验方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。