知识社区中专家贡献度评价方法研究

发布时间：2017-07-01 18:00

  本文关键词：知识社区中专家贡献度评价方法研究，由笔耕文化传播整理发布。

【摘要】：随着Web2.0的快速发展,知识社区中专家与用户之间的互动成为互联网发展中流行的趋势。在知识社区为用户提供的个性化服务中,专家贡献度的评价是知识社区研究中必不可少的一个部分。知识社区成为专家与用户之间沟通的重要桥梁,这使得知识社区必须拥有大量的专家,丰富的知识库资源以及能对用户提交的新问题做出及时快速的回答。本文研究的知识社区中,用户提交的问题是由擅长专业领域知识的专家来回答,在庞大的专家群中寻找出对知识社区做出卓越贡献并且拥有很高权威程度的专家,可以促进知识社区的蓬勃发展,使得用户提出的新问题得到及时有效地回答,同时能够扩充知识社区的知识库资源。可见,专家贡献度的评价对知识社区的发展有着重要而深远的意义,是知识社区繁荣发展的有效途径之一。如何从海量的专家中识别出高质量的专家已经成为知识社区研究中的一项极为重要的工作。目前,专家贡献度的评价方法主要是利用Google的核心技术链接分析以及LDA主题模型。本文详细地研究了知识社区和专家贡献度评价问题,通过引入专业领域渗透度的概念,并用专家的权威度和贡献度对专家进行评价。以下是本文的主要工作:1.分析了知识社区中专家与用户之间的问答链接结构,构建了专家与用户之间的链接关系有向图,使用LDA主题模型来挖掘问题答案所属的专业领域主题分布和专家涉及的专业领域主题分布,形成适合知识社区中专家专业领域主题挖掘的模型。2.给出了一种基于专业领域渗透度的专家贡献度评价方法。利用KL距离计算专业领域之间的相似度以及专家在各个专业领域的渗透度。在某一专业领域中评价专家的贡献度时,综合了专家在该专业领域的贡献程度和在与该专业领域相近似专业领域中的渗透度,最终作为专家在知识社区中的贡献度。3.针对PageRank算法中专家的贡献度值均匀传递的问题,仅仅依靠专家与用户之间的链接关系来排名的不足,结合知识社区中专家自身的行为特征,构建了专家的活跃度、专家的受欢迎度和专家的知识贡献能力三个评价指标,添加到原有的算法中,改进了传统的PageRank算法。通过来自百度知道的数据集,进行了两种方法的实验验证,与几种常用的专家权威度评价方法对比后,采用AP@10、MAP指标评估实验效果,结果表明本文给出的方法提高了专家贡献度评价的性能,专家在相近似专业领域的贡献提高了专家在知识社区中问题答案所属领域的专家贡献的程度,而改进的PageRank算法中排名更准确。
【关键词】：知识社区 专业领域渗透度 PageRank算法 专家贡献度评价
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要6-7
• Abstract7-13
• 第1章 绪论13-19
• 1.1 研究背景和意义13-15
• 1.2 国内外研究现状15-17
• 1.3 研究内容和创新点17-18
• 1.3.1 主要研究内容17
• 1.3.2 论文的创新点17-18
• 1.4 论文的整体结构18-19
• 第2章 相关知识和技术介绍19-33
• 2.1 知识社区19-23
• 2.1.1 知识社区的概述19-20
• 2.1.2 知识社区的发展20-22
• 2.1.3 知识社区的模块及其功能22-23
• 2.2 专家贡献度评价方法23-31
• 2.2.1 专家贡献度评价问题概述23-25
• 2.2.2 专家权威度计算25-26
• 2.2.3 RageRank算法26-27
• 2.2.4 HITS算法27-29
• 2.2.5 狄利克雷分布模型29-31
• 2.3 方法性能评价标准31-32
• 2.3.1 平均正确率31
• 2.3.2 平均标准精度31-32
• 2.4 本章小结32-33
• 第3章 基于专业领域渗透度的专家贡献度评价方法33-41
• 3.1 基于专业领域渗透度的专家贡献度评价问题的描述33-36
• 3.2 知识社区中专家贡献度评价方法的介绍36-37
• 3.2.1 基于专业领域渗透度的专家贡献度评价方法的流程36-37
• 3.2.2 专家与用户之间的结构网络37
• 3.3 知识社区中专家专业领域的主题挖掘37-40
• 3.4 本章小结40-41
• 第4章 基于专业领域渗透度的专家贡献度计算方法41-49
• 4.1 计算专家在专业领域的初始分数41
• 4.2 计算专业领域间的相似度41-42
• 4.3 计算专家的专业领域渗透度42-43
• 4.4 综合计算专家的知识社区贡献度43-44
• 4.5 实验结果设计和分析44-45
• 4.5.1 实验语料数据准备44
• 4.5.2 对照比较实验44-45
• 4.6 实验分析与总结45-47
• 4.7 本章小结47-49
• 第5章 基于改进的PageRank算法的专家贡献度排名49-59
• 5.1 基于改进的PageRank算法的专家贡献度排名问题的描述49-50
• 5.2 基于专家行为的贡献度评价指标50-52
• 5.2.1 专家的活跃度51-52
• 5.2.2 专家的受欢迎度52
• 5.2.3 专家的知识贡献能力52
• 5.3 基于改进的PageRank的Expert Contribution Rank算法52-55
• 5.4 实验结果设计和分析55-58
• 5.4.1 实验语料数据准备55
• 5.4.2 实验结果及分析55-58
• 5.5 本章小结58-59
• 总结与展望59-61
• 参考文献61-65
• 攻读硕士学位期间发表的学术论文65-67
• 致谢67

【参考文献】

中国期刊全文数据库 前2条

1 胡卫军;刘文;陈传波;陈长雄;;融入链接相关度策略的PageRank算法[J];华中科技大学学报(自然科学版);2007年08期

2 喻依;甘若迅;樊锁海;刘庆;邵晴;;基于PageRank算法和HITS算法的期刊评价研究[J];计算机科学;2014年S1期

中国博士学位论文全文数据库 前2条

1 吴继兰;企业员工知识贡献评价研究[D];同济大学;2006年

2 王宝勋;面向网络社区问答对的语义挖掘研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前2条

1 李清;自动问答系统的研究与实现[D];安徽大学;2012年

2 刘晓鸣;社区问答系统中的专家发现方法研究[D];大连理工大学;2013年

  本文关键词：知识社区中专家贡献度评价方法研究，，由笔耕文化传播整理发布。

本文编号：506852