Персональное ранжирование проектов для исполнителей в краудсорсинг-системах

Во многих больших сервисах, где есть множество пользователей и товаров, рано или поздно встает задача рекомендации/ранжирования. Одним из частных случаев таких сервисов является краудсорсинг система. Однако, в отличие от классических задач ранжирования таких, как рекомендация фильмов, ранжирование в краудсорсинге имеет ту особенность, что мы должны учитывать интересы не только пользователей, но и проектов, которые пользователи выполняют. Таким образом, в рамках краудсорсинга задача ранжирования принимает новую форму справедливого распределения исполнителей по проектам с сохранением свободы выбора. Мы не можем явно распределить каждого исполнителя на нужный проект, но мы можем построить модель ранжирования, которая будет мягко рекомендовать проекты исполнителям, учитывая и их персональные особенности, и интересы проектов на качество работы исполнителей. В данной работе мы исследуем проблему ранжирования в краудсорсинге в контексте задачи двустороннего рынка с возможностью связи «многие ко многим» и пытаемся построить качественную модель ранжирования, учитывающую эту проблему.