随着互联网的发展,网络数据质量良莠不齐,用于机器学习的数据集往往需要专门的技术人员进行数据标注。人工标注不仅耗时耗力,而且人员理解存在差异,导致同一数据被标记的关键词信息大不相同,使得人工标注遭遇瓶颈,众包模式的出现解决了上述问题。本文在深入研究了众包模式、激励机制、博弈论基本原理的基础上,设计并实现了一个基于众包模式的数据采集标注系统。主要研究内容如下:（1）提出了一种加权的多数投票算法。针对现有的众包模式不能够对数据采集和标注结果进行评估的缺陷,提出了一种基于加权的多数投票算法。由于众包任务采用冗余分发的形式,通过对结果的比较分析数据结果,在众多结果中去除无效信息和错误信息,最终获取高质量结果,并根据任务完成度、难易度确定积分数目的奖励机制。（2）提出了一种改进的K-medoids聚类算法。针对已有加权多数投票算法存在的一些片面性,本文在加权多数投票算法的基础上又提出了一种K-medoids聚类改进算法,对原有聚类评价函数进行改进,对肘部法确定K值,轮廓系数评估聚类效果,并将选项的加权频率作为特征值,采用正向或极差化法对数据进行标准化,计算样本间的欧式距离,通过K-medoids算法模拟不同用户能力下的数据分布,推断出正确的聚集数据,从而提高系统整体采集标注质量。（3）设计了基于众包模式的数据采集标注系统。本文设计的基于众包模式的数据采集标注系统,满足文本、图片、语言、视频四种模式的任务需求,以微信小程序为载体,主要分为任务发布模块、采集模块、标注模块、审核模块、激励模块。最后,本系统已完成功能测试和性能测试,测试表明数据采集标注系统满足任务需求,加权的多数投票算法和改进的K-medoids聚类算法的实验结果证明,有效提高了众包的标注数据质量。