基于主题相关性的社交问答系统个性化专家排序算法的研究

发布时间：2017-05-15 19:00

  本文关键词：基于主题相关性的社交问答系统个性化专家排序算法的研究，，由笔耕文化传播整理发布。

【摘要】：随着在线社交网络的逐渐兴起,越来越多的互联网用户开始广泛通过在线社交网络发布信息、传递资源和维护各种社会关系。由于在线社交网络的参与群体和内容形式的多样性,网络资源与信息的主要发布者已经从传统的门户网站逐渐发展到社交网络中无处不在的网络用户。以社交网络用户为主体的文本、图像、影音频等各种网络资源迅速涌现在网络之上,构成了大数据时代不可忽视的重要资源。因此,如何从海量的社交网络数据与资源中快速准确地检索到用户需要的内容或资源成为一个亟待解决的问题。 无论是在以内容为中心的多媒体网络中还是在以人为中心的社交网络中,搜索引擎一直是社交网络用户用于发现权威信息的主要源泉。许多相关研究已经证实了基于图结构的排序算法有助于通过社交网络中用户的链接关系传递权值发现权威信息,进而通过提升社交网络中专家用户的排序并降低垃圾信息用户的排序以实现信息检索的目的。尽管如此,现有的工作很少关注通过挖掘不同用户之间的主题相关性,进而设计以人为中心的基于主题相关性的个性化专家排序算法。 在本文的研究工作中,本文通过研究社交问答网络中的用户标签信息所反映的用户主题兴趣分布,实验验证了用户主题兴趣中的同质性规律,即有相同或相似兴趣爱好的社交网络用户之间产生共同评论或共同关注同一话题的概率随着他们的兴趣相似程度的提高而相应提高。基于此,本文提出了以人为中心的基于主题相关性的个性化专家排序算法,同时考虑用户的权威性和主题相关性用于计算社交网络用户的专家排序。为了验证基于主题相关性的个性化专家排序算法的可行性与算法性能,本文以在线社交问答网络AskMefi的数据为主要研究对象进行了实验。实验结果表明,以真实社交问答系统中用户的专家评判标准作为算法评价依据,本文提出的个性化专家排序算法明显优于其他经典的非个性化专家排序算法。
【关键词】：社交问答系统 主题相关性 标注信息 同质性 专家排序
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.3
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-16
• 1.1 研究背景与研究意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 链接分析技术研究11-12
• 1.2.2 用户行为模式研究12-13
• 1.2.3 用户产生内容质量的评价和专家用户发现研究13
• 1.3 本文的研究内容和创新点13-14
• 1.4 论文的组织结构14-16
• 2 社交问答系统的概念及其构成16-21
• 2.1 社交问答系统的组成结构16-17
• 2.2 社交问答系统的特点17-18
• 2.2.1 宽容度高17-18
• 2.2.2 流动性高18
• 2.2.3 知识聚集度高18
• 2.3 社交问答系统的表示方法18-20
• 2.3.1 基于图的表示方法18-19
• 2.3.2 基于矩阵的表示19-20
• 2.4 本章小结20-21
• 3 主题模型的研究21-32
• 3.1 主题模型的概念21-26
• 3.1.1 概率图模型的基本概念21
• 3.1.2 隐语义索引模型(Latent Semantic Index)21-22
• 3.1.3 概率隐语义索引模型(probabilistic Latent Semantic Index)22-24
• 3.1.4 隐狄利克雷分配模型(Latent Dirichlet Allocation)24-26
• 3.2 基于LDA主题模型的用户兴趣主题分析26-31
• 3.2.1 实验与分析27-29
• 3.2.2 主题分布的同质性(Homophily)29-31
• 3.3 本章小结31-32
• 4 面向社交问答系统的个性化专家排序算法研究32-45
• 4.1 经典专家排序算法32-40
• 4.1.1 PageRank算法32-34
• 4.1.2 主题敏感型PageRank算法34-35
• 4.1.3 Hill Top算法35-37
• 4.1.4 HITS算法37-38
• 4.1.5 SPEAR算法38-40
• 4.2 基于主题相关性的个性化专家排序算法40-43
• 4.2.1 专家排序算法的框架40-41
• 4.2.2 专家排序算法的设计41-43
• 4.3 本章小结43-45
• 5 专家排序算法的评测与分析45-58
• 5.1 评测环境与结果45-57
• 5.1.1 实验环境与数据45
• 5.1.2 数据分析与处理45-51
• 5.1.3 实验结果与分析51-57
• 5.2 结论57-58
• 6 总结与展望58-60
• 6.1 总结58
• 6.2 展望58-60
• 参考文献60-63
• 作者简历63-65
• 学位论文数据集65

【参考文献】

中国期刊全文数据库 前1条

1 张中峰;李秋丹;;社区问答系统研究综述[J];计算机科学;2010年11期

  本文关键词：基于主题相关性的社交问答系统个性化专家排序算法的研究，由笔耕文化传播整理发布。

本文编号：368555