随着互联网技术的普及和众包思想的发展,越来越多以网络为载体的众包应用已经进入了大众的视野。在众包平台中,平台及时地发布任务,而注册的用户积极地接收任务并根据要求反馈数据,最终平台根据用户提交的数据得出每个任务的最终结果。在这样的系统中,如何提升用户的参与体验以保证数据充分并同时提升任务的最终服务质量,一直是众包系统要解决的核心问题。基于上述考虑,本文提出了一种基于用户可信度的个性化众包任务推荐机制。该机制包括推荐算法和真相推断算法两个部分。在推荐算法部分主要将用户的偏好和用户的可信度相结合,分别计算得到偏好得分和可信度得分,通过将这两者结合,计算得出了用户对每一个任务的推荐分数,从而为每一个用户都生成了任务推荐列表;为了提升众包任务的最终完成质量,本文引入了真相推断方法,利用可信度对权重进行初始化进而改进了现有的真相推断算法,缩短了真相推断过程的初始化时间,并为推荐算法部分提供了更为准确的可信度参考。通过将推荐算法和真相推断算法结合的机制,本文所提出的任务推荐机制既保证了用户对于众包系统的参与热情,又解决了部分推荐系统只考虑用户偏好而导致任务完成质量下降的问题。同时,考虑到现实中众包应用任务类型模糊而导致的无法应用协同过滤算法以及数据量庞大的问题,本文还在上述机制的基础上加入了奇异值分解的方法,通过对用户和任务形成的矩阵进行分解,得到用户和任务向量以预测用户的偏好得分和可信度得分,可以有效地应用于实际的众包数据集当中。最终,本文通过理论分析以及大量实验,将所提出的方法与一些现有方法做出比较,最终证明了本文所提出的机制的高效性、合理性和可行性。