基于“用户—标签”网络的问答社区专家发现方法研究

发布时间：2022-07-16 16:43

　　问答社区（Community Question Answering）为互联网用户提供了提问和回答的知识共享平台,如Quora、Yahoo!Answers和Stack Exchange等。这些问答社区满足了用户获取和发布知识的需求,因此吸引了各行各业的大量用户,并得到了快速的发展。在问答社区中,用户提出自己的问题并等待他人回答,如果问题不能及时的被解答,提问者很可能对问答社区失去信任感,从而造成用户的流失,影响社区的进一步发展。同时问答社区中用户的擅长领域各有不同,专业知识水平也参差不齐。因此,问答社区需要一种方法为提出的问题寻找到能提供高质量回答的专家。本文针对问答社区中的专家发现方法进行了研究,主要工作如下:1)针对因用户在创建标签过程中难以获得完美的统一而导致的标签过于细化问题和多命名问题,提出一种标签相似度衡量的方法,并结合马尔可夫聚类算法融合相似的标签,该标签聚类方法的有效性在Stack Exchange数据集上进行了实验验证。然后进一步探讨用户与标签之间的关系,构建出一种以用户和标签作为节点的网络,并应用网络嵌入方法生成用户向量,使得用户向量能同时含有标签信息和网络结构信息。... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 问答社区介绍
        1.2.2 基于主题生成模型的专家发现方法
        1.2.3 基于机器学习的专家发现方法
        1.2.4 基于问答关系网络的专家发现方法
    1.3 本文的研究内容
    1.4 本文组织结构
第2章 “用户-标签”网络
    2.1 问题描述与分析
    2.2 融合相似标签
        2.2.1 标签相似度衡量
        2.2.2 针对相似标签的融合
    2.3 “用户-标签”网络
        2.3.1 用户与标签的联系
        2.3.2 构建“用户-标签”网络
        2.3.3 网络表示
    2.4 实验设计及结果分析
        2.4.1 数据集
        2.4.2 评价标准
        2.4.3 实验结果分析
    2.5 本章小结
第3章 基于深度学习的专家发现方法
    3.1 问题描述与分析
    3.2 基于深度学习的专家发现方法
        3.2.1 算法思想
        3.2.2 问题文本向量
        3.2.3 深度学习模型
    3.3 实验设计及结果分析
        3.3.1 数据集和数据预处理
        3.3.2 结果评价
            3.3.2.1 评价标准
            3.3.2.2 对比方法
        3.3.3 实验结果与分析
    3.4 本章小结
第4章 基于强化排序学习的专家发现方法
    4.1 问题描述与分析
    4.2 基于强化排序学习的专家发现方法
        4.2.1 算法思想
        4.2.2 马尔可夫决策过程
        4.2.3 策略梯度学习
    4.3 实验设计及结果分析
        4.3.1 数据集和数据预处理
        4.3.2 结果评价
            4.3.2.1 评价标准
            4.3.2.2 对比方法
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
研究生期间发表论文


【参考文献】：
期刊论文
[1]一种融合话题和行为的在线问答社区领域专家发现方法[J]. 李科霖.  计算机与现代化. 2018(09)
[2]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[3]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸.  计算机应用研究. 2018(07)
[4]网络问答社区“知乎”的知识分享与传播行为研究[J]. 刘佩,林如鹏.  图书情报知识. 2015(06)
[5]基于兴趣图谱的用户兴趣分布分析及专家发现[J]. 国琳,左万利.  电子学报. 2015(08)
[6]中美网络问答社区的对比研究——以Quora和知乎为例[J]. 李丹.  青年记者. 2014(26)
[7]在线问答社区信息质量评价研究综述[J]. 姜雯,许鑫.  现代图书情报技术. 2014(06)
[8]大数据下的机器学习算法综述[J]. 何清,李宁,罗文娟,史忠植.  模式识别与人工智能. 2014(04)
[9]基于类别参与度的社区问答专家发现方法[J]. 林鸿飞,王健,熊大平,刘晓鸣.  计算机工程与设计. 2014(01)
[10]基于问答社区的海量问句检索关键技术研究[J]. 延霞,范士喜.  计算机应用与软件. 2013(07)

硕士论文
[1]问答社区中问题响应时间预测方法的研究[D]. 任鹏飞.上海大学 2017



本文编号：3662880