虚拟问答社区专家黄页的构建方法研究
发布时间：2021-11-08 08:09
基于社区的Q&A服务网站越来越成为一种流行的知识共享平台,可以迅速吸引大量用户。在这些网站中,大多数用户不仅是知识的寻求者,也是知识的提供者,通过回答来进行知识的分享与共享,因此这些用户是蕴含知识的载体。然而,专家数量的增加也导致了用户在有知识需求时,难以定位到一个合适的专家寻求答案。针对上述专家难以定位的问题,为了便于找到合适的专家并减轻寻找过程中的信息过载,本文构建了基于虚拟问答社区（CQA）的专家黄页。首先,考虑到文本的长度不一,应用BTM主题模型对问题和专家建模;其次,构建了二维的专家黄页（2DEYP）,分别为问题维度和专家专业领域维度,两个维度交叉部分为回答了对应类问题的对应专家集,二维专家黄页从横向和纵向两个方向的生长。由于较近的神经元代表两个神经元具有一定相似性,存在相同的主题,因此提出一种新的神经元标记方式,该方法使用神经元之间的距离作为区分能力。为了进一步减轻信息过载并进一步区分专家,提出了一种新的排序机制,对每一个神经元内的专家进行排序。该排序机制考虑了专家的专业性和专家的活跃性,专家专业性又包含专业性深度和专业性广度两部分。专家专业性深度的计算是根据专家之...
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
初始GG网络结构图
中国石油大学（北京）硕士学位论文-27-（3.26）其中，为邻域神经元与获胜神经元之间的距离，为常数，表示单位邻域半径。学习率与邻域在各个维度上都为常量，不会随时间变化。当输入的样本总量k为网络中现有神经元数量的倍时，则需要向网络中增添新的行或列。将到目前为止问题维度计数变量值T最高的神经元即最活跃神经元记为A。与神经元A距离最远的直接邻域内神经元记为B，在A和B之间加入新的行或列。A和B在网络中问题维度的同一列，则在A和B之间增添新的一行，如下图：图3.3GG网络中新增行神经元示意图Fig.3.3Lateralexpansioninthequestiondimension图中，A表示T值最大的神经元，B表示与A距离最远的直接神经元，灰色部分表示新加入的行。新加入行的权重由与它直接相邻的神经元的权重决定：新增行神经元
中国石油大学（北京）硕士学位论文-29-其中，为邻域神经元与获胜神经元之间的距离，为常数，表示单位邻域半径。学习率与邻域在各个维度上都为常量，不会随时间变化。当输入的样本总量k为网络中现有神经元数量的倍时，则需要向网络中增添新的行或列。将到目前为止专家专业领域维度计数变量值T最高的神经元即最活跃神经元记为A，与神经元A距离最远的直接邻域内神经元记为B，在A和B之间加入新的行或列。A和B在网络中问题维度的同一行，则在A和B之间增添新的一列，如下图：图3.4GG网络中新增列神经元示意图Fig.3.4Lateralexpansionintheexpertisefielddimension图中，A表示T值最大的神经元，B表示与A距离最远的直接神经元，灰色部分表示新加入的列。新加入列的权重由与它直接相邻的神经元权重决定：（3.32）加入新的列之后，专家专业领域维度所有实神经元的计数变量T重置为0，重复上述操作，直至达到要求的网络大校（3）微调阶段新增列神经元
【参考文献】：
期刊论文
[1]高校隐性知识管理探索与实践——以中国人民大学博士生主文献数据库建设为例[J]. 唐静. 图书情报工作. 2014(S2)
[2]隐性知识地图:虚拟科研团队的知识管理策略研究[J]. 吴才唤. 图书情报知识. 2011(06)
[3]基于社会网络分析的专家知识地图应用研究[J]. 刘彤,时艳琴. 情报理论与实践. 2010(03)
[4]社会网络分析在隐性知识地图构建中的应用[J]. 吴才唤. 图书馆. 2010(01)
[5]基于过程的知识地图的局限与隐性知识地图的构建[J]. 吴才唤. 图书情报工作. 2007(06)
[6]试论专家型隐性知识地图的构建[J]. 秦铁辉,汪琼. 国家图书馆学刊. 2007(02)
[7]一种基于概念聚类的知识地图模型[J]. 潘星,王君,刘鲁. 系统工程理论与实践. 2007(02)
[8]企业隐性知识管理国内外研究述评[J]. 冷晓彦. 情报科学. 2006(06)
[9]隐性知识与显性知识的概念辨析[J]. 周城雄. 情报理论与实践. 2004(02)
[10]论隐性知识[J]. 方华,张淑华,柳治仁,蔡宇,朱丽娜. 沈阳师范大学学报(社会科学版). 2004(02)
硕士论文
[1]基于BTM的短文本聚类[D]. 汤秋莲.安徽大学 2014
本文编号：3483340
【文章来源】：中国石油大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【部分图文】：
初始GG网络结构图
中国石油大学（北京）硕士学位论文-27-（3.26）其中，为邻域神经元与获胜神经元之间的距离，为常数，表示单位邻域半径。学习率与邻域在各个维度上都为常量，不会随时间变化。当输入的样本总量k为网络中现有神经元数量的倍时，则需要向网络中增添新的行或列。将到目前为止问题维度计数变量值T最高的神经元即最活跃神经元记为A。与神经元A距离最远的直接邻域内神经元记为B，在A和B之间加入新的行或列。A和B在网络中问题维度的同一列，则在A和B之间增添新的一行，如下图：图3.3GG网络中新增行神经元示意图Fig.3.3Lateralexpansioninthequestiondimension图中，A表示T值最大的神经元，B表示与A距离最远的直接神经元，灰色部分表示新加入的行。新加入行的权重由与它直接相邻的神经元的权重决定：新增行神经元
中国石油大学（北京）硕士学位论文-29-其中，为邻域神经元与获胜神经元之间的距离，为常数，表示单位邻域半径。学习率与邻域在各个维度上都为常量，不会随时间变化。当输入的样本总量k为网络中现有神经元数量的倍时，则需要向网络中增添新的行或列。将到目前为止专家专业领域维度计数变量值T最高的神经元即最活跃神经元记为A，与神经元A距离最远的直接邻域内神经元记为B，在A和B之间加入新的行或列。A和B在网络中问题维度的同一行，则在A和B之间增添新的一列，如下图：图3.4GG网络中新增列神经元示意图Fig.3.4Lateralexpansionintheexpertisefielddimension图中，A表示T值最大的神经元，B表示与A距离最远的直接神经元，灰色部分表示新加入的列。新加入列的权重由与它直接相邻的神经元权重决定：（3.32）加入新的列之后，专家专业领域维度所有实神经元的计数变量T重置为0，重复上述操作，直至达到要求的网络大校（3）微调阶段新增列神经元
【参考文献】：
期刊论文
[1]高校隐性知识管理探索与实践——以中国人民大学博士生主文献数据库建设为例[J]. 唐静. 图书情报工作. 2014(S2)
[2]隐性知识地图:虚拟科研团队的知识管理策略研究[J]. 吴才唤. 图书情报知识. 2011(06)
[3]基于社会网络分析的专家知识地图应用研究[J]. 刘彤,时艳琴. 情报理论与实践. 2010(03)
[4]社会网络分析在隐性知识地图构建中的应用[J]. 吴才唤. 图书馆. 2010(01)
[5]基于过程的知识地图的局限与隐性知识地图的构建[J]. 吴才唤. 图书情报工作. 2007(06)
[6]试论专家型隐性知识地图的构建[J]. 秦铁辉,汪琼. 国家图书馆学刊. 2007(02)
[7]一种基于概念聚类的知识地图模型[J]. 潘星,王君,刘鲁. 系统工程理论与实践. 2007(02)
[8]企业隐性知识管理国内外研究述评[J]. 冷晓彦. 情报科学. 2006(06)
[9]隐性知识与显性知识的概念辨析[J]. 周城雄. 情报理论与实践. 2004(02)
[10]论隐性知识[J]. 方华,张淑华,柳治仁,蔡宇,朱丽娜. 沈阳师范大学学报(社会科学版). 2004(02)
硕士论文
[1]基于BTM的短文本聚类[D]. 汤秋莲.安徽大学 2014
本文编号：3483340
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3483340.html
