基于网络问答社区专家排名算法分析.docVIP

基于网络问答社区专家排名算法分析 　　摘要：问答社区已经成为网络上快速获取知识的重要途径之一。本文首先对问答社区的网络结构进行了分析，发现了它和一般社交网络结构的区别，同时总结出了该类社群用户的一些行为特征。然后利用Z-score、PageRank以及HITS等三个排名算法进行用户影响力排序来寻找社群的权威专家。最后，对三种方法的排名结果进行了分析，得出了群社网络结构对排名算法准确性的影响较大，并建立了不同算法的“最佳表现”网络模型。 　　关键词：问答社群；排名算法；Z-score；PageRank；HITS 　　中图分类号：TP314 　　文献标识码：A 　　DOI：10.3969/j .issn.1003 -69 70.2015.11.030 　　0 引言 　　诸如百度知道、Yahoo！等问答社区已经成为网络上快速获取知识的重要途径之一。但经过观察可以发现目前这些社区仍存在如下一些问题： 　　1.系统的开放性导致答案质量严重的参差不齐、难以区分。不但可能给出的是错误答案，甚至存在大量诸如广告等spam信息。 　　2.虽然存在用户反馈，但对于很多问题，特别是一些新问题的反馈信息不足，导致无法有效判断答案的正确性。 　　评估某个特定领域回答者的权威性并建立权威度排名，进而对用户进行专家推荐，这是解决上述问题的一个有效方法。专家推荐问题的形式化定义如下： 　　假设针对某个领域d的问答社区形成的基于消息的关系网络构成一个有向图Gd={V，E}。对于Gd中的每一点V，将所关心的该点的相关变量（诸如网络中心度、用户活跃度、用户互动程度等）设为w1，w2…，Wi，通过某一函数（算法）f，对其赋予权值，该权值称为Vk的影响力因子，设为IR： 　　IR（Vk）←f（w1，w2…，Wi） 　　最后将IR进行排名，找出： 　　Vmax=argmax{IR（V），V∈Gd） 　　对于上述问题，不少人已经做出很多研究，目前存在有很多影响力排序算法。但在对不同社群排序时，各种算法的准确性却很不稳定。本文研究的目的就是试图找到影响算法稳定性的原因。 　　1 网络构建 　　为了更好地说明如何创建问答社群的链接网络，以一个简单社群为例。如图左边子图所示，每一个问题都有一个提问者和一定数目的回答者。用顶点表示社群中的每一个用户，用户到问题的有向边表示该用户提出了这个问题，答案到用户的边表示该答案是由这个用户给出的。例如，用户2提出了问题2和问题3，但从没回答过问题；用户5回答了问题l和问题2，但从没提出过问题。 　　然后可以将上述关系转化到一个有向图中构建出链接网络，如图1右边子图所示。因此，一条有向边表示b回答过a提出的问题。 　　注意到，一般的社交网络是通过好友或关注构建的关系网络，而问答社群网络是一个消息网络。 　　2 排名算法 　　2.1 Z-score方法 　　这个方法基于这样一个经验，那就是：如果一个用户大量提问，那么证明他在该领域缺乏知识；同样的如果一个用户大量回答，则证明其具有该领域的内较强的知识。 　　假设某个id回答的问题数是a，提问的问题数q，总数n=a+q。假设一个“标准”用户回答和提出问题数相等，即q=a。那么定义z值： 　　z代表了一个id相对于“标准”用户的标准偏差的大小。很明显z0，说明该用户回答问题数多，反之说明其提问多。 　　2.2 PageRank算法 　　上述的方法均基于简单的统计知识。下面的PageRank和HITS两种链接分析算法基于的是问答社区构建成的关系网络。 　　可以把用于网页排名的PageRank算法原理应用到专家排名中，称为ExpertsRank算法。该算法的思想是：如果B能够回答A的问题，而C回答了B的问题，那么有理由提高C的权威度排名，因为C不但可以回答问题，而且他可以回答某些“专家”提出的问题。基本的算法描述如下： 　　假设用户UA回答了用户U1，U2，……，Un的问题，那么该用户的权威度IR（A）可以用以下公式表示： 　　IR（A）=（1一d）+d（[IR（U1）]/[C（U1）]+…+[IR（Un）]/[C（Un）]） 　　其中，C（Ui）表示帮助过Ui的用户总数；d为阻尼系数，值在O～1之间，它决定了算法的收敛速度。上述公式可以利用迭代方法计算。 　　2.3 HITS算法 　　HITS（Hypertext Induced Topic Selection）和PageRank方法类似，但做了如下改进：在计算时，同时考虑一个关系两端的结点的评分：hub score以及authority score。并做了如下假设： 　　假设1：一个“好”的提问者应该是那些经常被专家给予帮助的人，从而在网络图中有着较多的入度；假设2：一个“好”的专家