众包模式得益于互联网的快速发展,通过互联网将现实社会中闲置的资源和未被得到满足的需求进行效率和质量最大化的匹配。各种各样的任务不在仅限于线下环境或者孤立的任务群体,而是突破了时空和组织结构的限制,形成不同个体之间相互协同的工作形式。然而在众包模式下也存在一些问题,如工人间任务的抄袭,这极大的影响了众包任务的完成质量。本文提出了基于独立性的众包工人选择,从而有效的避免了我这一情况的发生。本文通过借鉴社区发现和链接预测的技术提出了一种创新性的独立工人选择算法,具体的研究内容、贡献以及创新点如下:1)众包工人同质性分析。现有的众包网络工人选择算法中,主要还是依据工人的可信度、准确性、出价等因素进行相应的工人选择。然而由于众包模式的不断发展,工人间的联系不断增强,同质性问题日益突出,造成任务的抄袭现象日益严重。本文针对这一问题对工人群体使用了一些同质性指标进行分析,证明了工人间存在的同质性,以及发现一些特征对工人同质性的影响如位置、时间、社交关系等。为工人进行独立性的选择提供了理论的基础。2)基于模块度优化的独立工人选择。为实现基于独立性的工人选择,本文运用社区发现的理论。社区发现技术可以较好地将关联较多的工人划分到同一社区中,因此不同社区中的工人的关联则相应的较少。本文提出了一种基于模块度优化的社区发现扩张算法,并通过多种选择方式进行不同社区之间的工人选择,从而选择出独立性较高的候选工人集合。3)基于链接预测的独立工人选择。社区发现技术只能依据已有的相关数据进行相应的分析,然而现实中存在大量未知的特征和关联。为降低实验的成本以及预测工人未来可能发生的关联,本文进一步提出了一种基于相似度链接预测的独立工人选择算法。通过几种相似性指标计算工人间的相似性,并建立相应的相似性矩阵,从而从候选工人集合中选择出整体相似度最低的一些工人。最后通过工人同质性的分析确定合适的相似性指标。