基于循环神经网络的社会化问答社区用户答题行为预测研究

发布时间：2024-07-05 04:51

　　Web2.0是互联网时代的核心理念。社会科技的进步扩大了人们的知识需求,用户在寻求答案的过程中已经不再局限于第一代“关键词搜索式”网络问答系统,社会化问答社区成为用户“提出问题-解决问题”的首选方式。社会化问答社区具备社交性、互动性和分享性特征,针对某一问题能够产生多种优质答案,提问用户在浏览的过程中对答案进行再次筛选,这也促使了社区意见领袖的出现。意见领袖一方面借助问答社区平台提出问题,获取个体所需知识;另一方面为了实现自我价值,平衡被尊敬和被需要的心理需求,他们会分享更多的信息,满足其他用户的知识需求。基于社交网络关系的链接、个人知识获得的满足感、社区意见领袖自我价值实现的需要,更多的用户被吸引过来,形成比较稳固的社会网络关系,从而产生了提问、回答、评论等信息行为。由于用户所回答的问题往往与用户的兴趣存在直接的关联,也就是说用户答题行为的产生是建立在用户兴趣的基础上,用户只有对某类问题感兴趣,才会对该类问题进行回答。基于用户兴趣与所答问题之间的关联,本文从用户回答的问题入手,通过构建问题话题预测模型实现对问题话题的识别,并根据模型预测问题话题的概率,结合用户回答某一话题的概率,从而...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图4.4多层前馈神经网络模型

图4.4多层前馈神经网络模型从多层前馈神经网络模型中可以看出，外界数据传递到输入层后，由中间的隐藏层对数据进行处理，最后由输出层神经元负责输出信息。其中，隐藏层和输出层更为复杂，带有激活函数处理功能，而输入层仅接受外界的数据信息。而神

图4.5普通循环神经网络结构图

图4.5普通循环神经网络结构图可见，RNN设计的主要目的是用来处理序列数据。它的结构包含三层，处端的是输入层与输出层，中间的是中间层也称之为隐藏层[62]。根据上图可知NN之所以称为循环神经网络，是因为它的输出值与它的输入值密切相关，也

图4.6循环神经网络简化结构图

图4.6循环神经网络简化结构图进一步将其展开（下图4.7）可以看到，隐藏层与隐藏层之间相互关联互相响，且某一时刻的隐藏层与上一时刻是相关的，这个网络在t时刻接收到输入之后，隐藏层的值是,输出值是,关键一点是它的值不仅仅取决于，还取

图4.7循环神经网络展开结构图

图4.7循环神经网络展开结构图=g(V)……………………………………（1）=f(1)……………………………（2）式1是输出层的计算公式，输出层是一个全连接层，也就是它的每个节都和

本文编号：4001067