中文问答社区答案质量的评价研究以知乎为例.PDF

第６１卷 第２２期　２０１７年１１月 中文问答社区答案质量的评价研究：以知乎为例 １ ２ ２ ３ ■ 王伟 　冀宇强 　王洪伟 　郑丽娟 １ ２ 华侨大学工商管理学院　泉州３６２０２１　 同济大学经济与管理学院　上海２０００９２ ３聊城大学商学院　聊城２５２０００ 摘要：［目的／意义］在线问答社区成为互联网用户获取高质量知识的重要途径，探索中文问答社区答案质 量对知识传播具有重要意义。［方法／过程］以规模最大的中文问答社区之一“知乎”为研究对象，采用数据挖 掘和机器学习方法，选取逻辑回归、支持向量机和随机森林三种分类模型，进行三层递进式训练和检验。从结 构化特征、文本特征以及用户社交属性三个维度构建答案质量的特征体系。［结果／结论］实验结果显示，随着 特征体系的不断丰富，三种分类模型的性能逐步提升；而随机森林作为一种组合分类模型，在全量特征的情况 下，取得出色的分类性能。对特征组合分析发现，包含用户社交属性的随机森林总是比同等级的其它模型更加 出色，表明社会化网络在答案质量评价中的地位。研究结论表明从答案本身和答案编写者两个角度能够评价 答案质量，构建的特征体系和模型可以较为全面地预测答案质量。 关键词：答案质量　质量评价　机器学习　文本挖掘　知乎 分类号：ＴＰ１８１ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１７．２２．００５ ［５］ １　引言 明在一定条件下是有效的 。但是，在网络环境下，由 于马太效应以及网络正反馈效应，如果不能积累足够 　　问答系统的出现在一定程度上解决了用户精确查 的用户投票，高质量的答案可能就此湮没。尤其是对 询的需求，问答系统是一个能回答任意自然语言形式 于已有大量回答并得到用户投票的问题，新答案由于 ［１］ 问题的自动机 。在线问答社区是由用户根据自己的 没有获得足够投票而很难得到用户的关注，失去更多 实际需求提出问题，由社区中其他用户针对此问题给 潜在用户的关注和投票，从而损失高质量的内容。 出回答，这种“一人提问多人参与回答”的形式为用户 　　知乎是知名的中文网络问答社区，截至２０１７年３ 在互联网上查找和分享信息与知识提供了一种途径， 月，已拥有６９００万注册用户，创造了１５００万个问题、 在问答社区中，用户可以提出问题，给出答案，并且通 ５５００万个回答和２５万个话题，月访问量超过９０亿， 过投票、评论、选取最佳答案等形式提供反馈［２］。 Ａｌｅｘａ全球排名 １３９位，中国区排名３０位。笔者以国 　　对于问答社区平台来说，要尽可能地向用户展现 内最具影响力的在线问答社区之一“知乎”为研究对 高质量的答案，以此提高用户的浏览体验，同时促进优 象，采用知乎数据，通过数据挖掘和机器学习等方法， 质内容的传播。对用户来说，用户生成的内容具有较 旨在构建能够客观反映答案质量的评价体系。首先从 ［３］ 高的可信度和可靠性 。为此，需要根据高质量答案 知乎上采集研究数据，然后构建答案特征体系，建