近日，中國科學院軟件研究所互聯網軟件技術實驗室團隊在上下文感知的眾測人員推薦方面取得新進展，研究針對眾包測試（簡稱眾測）環境下的資源配置問題，提出了一種能夠動態優化人員配置、提升測試效率、加快眾測過程、提升眾測平臺成本效益的眾測人員推薦新方法。相關工作以Context-aware In-process Crowdworker Recommendation為題獲得第42屆軟件工程國際會議杰出論文獎（ACM SIGSOFT Distinguished Paper award）。論文第一作者為副研究員王俊杰，通訊作者為研究員王青。該團隊已連續兩年在ICSE會議上榮獲杰出論文獎。 

　　眾測是依托新一代互聯網技術衍生的全新測試服務業態，利用共享經濟的特征，采用分布協作的方式組織測試，協同測試需求和資源，聚合形成規模效益。眾測正被越來越多的軟件組織所采用，包括但不限于谷歌、臉書、亞馬遜、微軟、百度、阿里、騰訊等。在眾測這種開放自治的模式下，松散的人員組織導致個體對全局信息缺乏了解，人員效能難以有效發揮。 

　　該團隊提出上下文感知的過程中眾測人員推薦方法，能夠在眾測過程中動態實時推薦有能力且多樣性的眾測人員，幫助優化缺陷發現效率、減少重復缺陷、提升人員效能。該方法通過建模過程上下文和資源上下文捕獲任務的進展狀態和人員屬性信息，基于排序學習得到人員發現缺陷的概率，并基于多樣性的重排序潛在減少重復缺陷。實驗結果表明，該方法能夠縮短50%-58%的測試周期，并減少10%的測試成本。該研究突破了傳統靜態的、針對任務初始上下文的推薦方式，不僅對于眾測資源優化配置和群體協同具有重要意義，而且為眾測這種新型科技服務模式的廣泛應用、及科技服務業創新發展水平的提升提供了基礎。 

　　相關研究得到國家重點研發計劃項目“信息產品及科技服務集成化眾測服務平臺研發與應用”支持。 

　　上下文感知的過程中眾測人員推薦方法 

　　上下文感知的過程中眾測人員推薦方法性能 

會議錄用論文鏈接：https://2020.icse-conferences.org/track/icse-2020-papers?track=ICSE%20Technical%20Papers#event-overview