互动问答系统中问题回答者推荐研究-计算机软件与理论专业论文.docxVIP

浙江大学硕士学位论文 摘要 摘要 随着问答社区的发展，越来越多的互联网用户通过问答社区获取所需信息。 然而，由于问答社区中的海最信息，提问者不得不长时间等待其他用户的回答。 因此，有必要研究一种推荐机制，以快速找到问题回答者，提高问题解决效率。 针对上述问题，本文在对问题回答者推荐相关研究进行深入分析的基础上， 针对现有研究的不足，提出了一种综合考虑用户兴趣、用户专长以及用户活跃度 等多个因素的问题回答者推荐算法。首先，本文使用统计语言模型对用户兴趣进 行建模，用以寻找问题的感兴趣凹答者群体。但由于问答社区内用户回答问题的 答案质量参差不齐，回答问题多的用户并不一定适合作为推荐用户。因此，我们 利用最大俯模型对用户回答质最进行估计，建立了基于用户答案质量的用户专长 模型，以区分问答社区中能力参差不齐的不间用户，提高了用户推荐的准确 性。然而，由于上迷信息都是根据用户历史活动数据学习出来的，用户活跃度可 能变化较大，基于历史信息推荐的用户可能不再有效。为此，本文在上述用户兴 趣和专长模型基础上，进一步提出了一种用户活跃性预测模型，预测被推荐用户 是否能对问题及时做出响应，以期提高推荐结果的准确性。最后，本文综合考虑 上述三个因素的评价对用户进行排序，推荐合适的问题回答者。 文中利用百度问答系统的数掘进行了本文算法的实验。实验结果表明，新算 法推荐效果在正确率和召回率等指标上得到显著提高。 关键词z 问答社区，推荐，用户兴趣，用户专长，用户可用性分析 浙江大学硕士学位论文 Abstract Abstract With the fast development of questiOn answering cOmmunities such as Baidu ZhidaO and yahoo! answer，mOre and mOre users are attracted and use them ωshare information and ωk people tO help fOr sOme prOblems. Due tO the large amOunt Of new generated questiOns，askers have tO wait mOre and mOre time fOr the answers. Meanwhile ，the answerers have tO brOwse the questiOn categOry hierarchy ωfind interesting questiOns amOng milliOns Of Open questiOns tO answer. It is real1y time-cOnsuming and enthusiasm-dispelling even wi出 the help Of Organized questiOn c创egOnes. In this paper，we fOcus On addressing this problem by reωmmending questiOn answerers，in which a questiOn is given 邸 a query and a ranked líst Of users is returned accOrding tO the likelihoOd Of answering the questiOn. We propOsed a twO-st叩s framewOrk tO resOlve the prOblem. In Order tO recommend questiOn answerers，frrst， we need an algOrithm ωrepresent users tOpic interest and expertise. In 出is paper，we use language mOdel ωlearn users topic interest and we prOpOse an answ町 quality based framewOrk tO mOdel user exp创se. Since us田 mOdel is based On histO叩 infOrmatiOn，users may becOme inactively a位er sOme time，sO we need tO cOnsider user av剖lability. In 也is paper，we use expOnentia