检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

网络答疑系统中个性化问题推荐服务

情报杂志 2011年第7期30卷 172-177页

作者：林育曼饶浩黄德群韶关学院教育技术系韶关512005 韶关学院计算机学院韶关512005

网络答疑过程中,及时准确的答疑反馈将会提高学生网络学习的积极性和学习质量,为此教师们需要花费大量的时间为学生们提供答疑。在一个网络答疑系统中,应用基于用户特征和提问的个性化推荐技术,设计了一个自动问题推荐模块,它实现了问... 详细信息

网络答疑过程中,及时准确的答疑反馈将会提高学生网络学习的积极性和学习质量,为此教师们需要花费大量的时间为学生们提供答疑。在一个网络答疑系统中,应用基于用户特征和提问的个性化推荐技术,设计了一个自动问题推荐模块,它实现了问题的自动推荐,从而有效地辅助了网络答疑工作。试用表明,它较好地完成了用户特征规则库和用户提问规则库的建立,并实现了问题推荐服务。

关键词：网络答疑问题推荐关联规则用户特征

在线全文

学校读者我要写书评

暂无评论

综合句法结构及语义相似度的问题推荐技术

计算机科学 2012年第1期39卷 203-206页

作者：段利国陈俊杰太原理工大学计算机科学与技术学院太原030024

针对因特网上的大规模问答对资源提出一种新的应用,即在问答系统中加入基于百度知道平台构建的大规模问答对库,通过相似度计算,把库中最相似的问题推荐给用户。实验下载网页10500个,成功提取问答对4687个,运用关键词的TF/IDF、树核函数... 详细信息

针对因特网上的大规模问答对资源提出一种新的应用,即在问答系统中加入基于百度知道平台构建的大规模问答对库,通过相似度计算,把库中最相似的问题推荐给用户。实验下载网页10500个,成功提取问答对4687个,运用关键词的TF/IDF、树核函数的句法匹配及问句的语义距离3种方法中的一种、两种和三种进行实验,分别获得79.44%,81.67%和88.33%的准确率。结果表明,综合运用多种方法查找相似问题,效果更好。

关键词：问答系统信息抽取问题推荐语义距离树核函数

在线全文

学校读者我要写书评

暂无评论

问答社区中的问题推荐方法研究

问答社区中的问题推荐方法研究

作者：叶超华南理工大学

学位级别：硕士

随着Web2.0的飞速发展,个性化和社区化成为潮流趋势。问答社区(Community Question Answering)以其灵活的用户交互特性,成为广受用户喜爱的知识共享平台。目前,在互联网上已经出现了很多问答社区网站,这些问答社区网站已经积累了大量的... 详细信息

随着Web2.0的飞速发展,个性化和社区化成为潮流趋势。问答社区(Community Question Answering)以其灵活的用户交互特性,成为广受用户喜爱的知识共享平台。目前,在互联网上已经出现了很多问答社区网站,这些问答社区网站已经积累了大量的用户和内容资源,并呈现持续增长的态势。社区上每天都有大量新问题被提出,等待其他用户解答。为新问题推荐一组用户来解答该问题,一方面可以缩短提问用户的等待时间,另一方面可以帮助回答用户找到合适的问题来回答,提高用户粘性。本文的主要工作内容是探索根据用户的历史回答记录挖掘用户兴趣进而根据用户兴趣进行问题推荐的方法。首先,社区中问题的标签包含很多宝贵的信息。对于每一个问题,发问者提供的标签可以被看作是发问者的焦点和意图的最具代表性的词汇。本文提出了一种基于时效性标签的问题推荐方法,根据用户的历史回答问题中标签出现的次数来计算用户在每标签下的得分,进而生成用户-标签矩阵,并根据该矩阵为新问题找到感兴趣的回答者。同时考虑了不同标签的重要性及用户兴趣随时间变化等因素,对标签和用户历史回答加权。实验结果表明本方法的有效性,并且考虑标签权重及用户兴趣变化等因素后能进一步提升推荐效果。其次,问题的多个标签及文本单词之间存在语义关系,卷积神经网络可以有效挖掘文本单词之间的语义信息,在文本分类中效果显著。本文利用卷积神经网络,以文本分类的方式,预测问题的回答者,输入问题的文本及标签,输出每个候选用户回答该问题的概率。在考虑同时利用问题标签和问题正文时,本文提出采用双卷积通道隔离标签与正文,从而防止正文与标签之间相互干扰。进一步的,考虑到问题标签与正文词空间存在鸿沟,本文提出采用双层卷积神经网络,先将文本词映射到标签空间内,然后在标签空间内挖掘用户兴趣,进行问题推荐。实验结果表明本文方法的有效性。最后,本文利用排序学习方法具有融合多种特征的天然优势,将多个模型预测结果作为特征值,训练一个融合多个推荐模型结果的混合模型,实现多个模型的优势互补。实验结果表明该方法能进一步提升推荐效果。

关键词：问答社区问题推荐标签卷积神经网络排序学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区问答系统中问题推荐机制的研究

社区问答系统中问题推荐机制的研究

作者：李立新北京工业大学

学位级别：硕士

在信息技术飞速发展的今天,以Web2.0概念为主导的重要网络应用“社区问答系统”现已逐渐成为人们网上信息获取和经验知识分享的重要渠道。百度知道、Yahoo!Answers、知乎等作为现在颇受欢迎的系统,它们充分利用社区用户知识来满足人们... 详细信息

在信息技术飞速发展的今天,以Web2.0概念为主导的重要网络应用“社区问答系统”现已逐渐成为人们网上信息获取和经验知识分享的重要渠道。百度知道、Yahoo!Answers、知乎等作为现在颇受欢迎的系统,它们充分利用社区用户知识来满足人们广泛的信息需求。从目前发展形势来看,即便社区问答系统通过问答的形式给很多用户提供了诸多的信息资料,然而系统中依旧存在不少用户提交的问题还没有得到任何回复。在已解决的问题中,也有相当一部分答案并不能让提问者满意。虽然社区中有大量用户存在,但即使是对于拥有丰富问答经验的人来说,从大批处于未解决状态的问题中寻找自己想要回答的问题,也是非常不容易的。因此,本文针对社区问答系统中的问题推荐机制展开了细致的研究,目的是通过挖掘潜在回答问题的用户,从而进行有效合理地问题推荐。由此来保证系统中不断提交的大量新问题可以得到及时而准确的回答。所以,本文提出了一种融合社区用户兴趣度和活跃度信息特征的问题推荐算法。主要研究工作如下:(1)用户活跃度估算。分析社区用户活跃度信息在问题推荐研究中发挥的重要作用,并将每一位用户每天发生的行为活动看成数据流的形式,采用了一种基于衰减窗口的技术来估算用户的活跃度数值。(2)用户兴趣度建模。根据问答系统中用户丰富的个性化信息建立问答数据文件,利用基于主题的方式创建用户兴趣度模型,将每个用户的兴趣特征以提取的隐含主题分布进行呈现。(3)融入用户活跃度的推荐算法设计。结合用户兴趣度和活跃度信息优化推荐方法,得到用户综合评分排序结果,从而为未解决问题找到合适的回答者。(4)实验系统构建。为了检验用户活跃度信息特征对排序结果的优化作用,设计实现了实验系统,并进行了对比实验操作。实验结果证实,改进后的问题推荐方法在性能方面有所提升。

关键词：社区问答问题推荐用户活跃度衰减窗口

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区问答系统中问题推荐机制

计算机与现代化 2015年第8期 89-92页

作者：蒋宗礼李立新北京工业大学计算机学院北京100124

在社区问答系统中,每天大量涌现的问题导致用户很难寻找自己感兴趣并且擅长的问题进行回答。为了更好地解决这一问题,本文根据用户兴趣,将用户的活跃度指数融入推荐算法。实验结果显示,该方法在一定程度上提高了问题推荐的效率。

关键词：社区问答系统问题推荐用户活跃度衰减窗口

在线全文

学校读者我要写书评

暂无评论

社区问答系统中基于当前兴趣的问题推荐研究

现代信息科技 2019年第11期3卷 1-4页

作者：赵永标张其林谷琼湖北文理学院计算机工程学院

社区问答系统作为一种新兴的知识分享平台,在帮助用户获取有用信息方面取得了相当大的成功。将用户提出的问题推荐给感兴趣的回答者依然是社区问答平台面临的一个问题。针对兴趣度,已提出了多个表示模型,但这些模型没有考虑兴趣的时间... 详细信息

社区问答系统作为一种新兴的知识分享平台,在帮助用户获取有用信息方面取得了相当大的成功。将用户提出的问题推荐给感兴趣的回答者依然是社区问答平台面临的一个问题。针对兴趣度,已提出了多个表示模型,但这些模型没有考虑兴趣的时间维度。本文提出用TOT主题模型建立备选回答者兴趣的动态变化模型,找出备选回答者的当前兴趣,然后进行问题推荐。实验表明本文提出的方法是有效的。

关键词：社区问答系统问题推荐兴趣度 Topics Over Time主题模型

在线全文

学校读者我要写书评

暂无评论

问答社区中的问题与答案推荐机制研究与实现

问答社区中的问题与答案推荐机制研究与实现

作者：曲明成浙江大学

学位级别：硕士

如今,用户交互式问答社区已成为网上信息获取和知识分享的重要媒介。诸如Yahoo! Answers、百度知道等问答社区网站每天发布有数以万计的问题。然而,随着问答社区数据量的增长,用户需要花更多的时间找到自己感兴趣的问题。由此,问题的提... 详细信息

如今,用户交互式问答社区已成为网上信息获取和知识分享的重要媒介。诸如Yahoo! Answers、百度知道等问答社区网站每天发布有数以万计的问题。然而,随着问答社区数据量的增长,用户需要花更多的时间找到自己感兴趣的问题。由此,问题的提问者需要等待较长的时间才能得到该问题的答案。同时,问题候选答案数目的迅速增长、答案质量的层次不齐,也加重了提问用户选择最佳答案的负担。本文针对问答社区中的问题推荐和答案推荐机制进行了深入的研究,旨在帮助提问用户和回答用户获取信息,从而增进问答社区中的知识分享行为。问题推荐将待解决问题推荐给对该问题感兴趣的用户,使该问题能尽快得到解答。本文认为,用户将根据自己的兴趣主题选择相应的问题进行回答,故问题的主题与回答用户的兴趣需有较高的相关度。基于此,本文提出了一种基于主题建模思想的问题推荐方法,充分利用问答社区中丰富的用户个性化信息,以概率潜在语义分析模型来表达问答社区中的用户兴趣分布,并以此计算问题推荐列表。答案推荐针对问题的候选答案作自动排序,从而使提问用户能更方便地选择最佳答案。本文认为,提问用户将根据答案质量及其与问题的相关程度选择最佳答案。由此本文提出了一种基于问题与答案间的相似性及用户权威度的答案推荐方法。该方法通过用户问答关系构建用户链接图,以此使用PageRank算法估计用户权威度。在计算相似度时,综合考虑了问题和答案内容的相似度以及提问用户与回答用户的相似度。实验结果表明,本文提出的基于主题建模的问题推荐方法可有效挖掘用户兴趣,从而推荐待解决问题。答案推荐的实验结果则证明综合考虑问题和答案内容的相似度以及提问用户与回答用户相似度的有效性,及通过用户权威度衡量答案质量的可行性。

关键词：问答社区问题推荐答案推荐主题建模链接分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

健康问题和医生匹配机制的研究

西安交通大学学报 2014年第12期48卷 57-62,139页

作者：朱利岳爱珍西安交通大学软件学院西安710049

针对医疗社区问答系统中的健康问题,提出了一种新的问题回答者推荐机制,以提高问题解决的效率。该机制引入了医生回答问题的态度,将问题-医生的专业匹配程度和医生回答问题的态度关联起来一同考虑;使用概率超图和查询似然语言模型对问题... 详细信息

针对医疗社区问答系统中的健康问题,提出了一种新的问题回答者推荐机制,以提高问题解决的效率。该机制引入了医生回答问题的态度,将问题-医生的专业匹配程度和医生回答问题的态度关联起来一同考虑;使用概率超图和查询似然语言模型对问题-医生的专业匹配进行建模,利用历史数据对医生的态度进行建模;使用回归模型对问题-医生的专业匹配和态度进行自适应权衡。进行了大量基于真实数据集的实验对所提出的机制进行了验证。实验结果表明:与常用的方法相比,本文所提出的机制准确度能提高30%;很大程度上提高了问题解决的效率。

关键词：医疗社区问答系统问题推荐概率超图态度建模

在线全文

学校读者我要写书评

暂无评论

问答社区中问题响应时间预测方法的研究

问答社区中问题响应时间预测方法的研究

作者：任鹏飞上海大学

学位级别：硕士

问答社区(Community Question and Answer)已经成为互联网用户获取和发布知识的重要途径。较长的问题响应时间会降低用户体验,这是现有的问答社区普遍存在的问题之一。问答社区问题响应时间预测开始吸引学术界和工业界的共同关注。然而... 详细信息

问答社区(Community Question and Answer)已经成为互联网用户获取和发布知识的重要途径。较长的问题响应时间会降低用户体验,这是现有的问答社区普遍存在的问题之一。问答社区问题响应时间预测开始吸引学术界和工业界的共同关注。然而,现有的问题响应时间预测方法因较少考虑专家用户对响应时间预测带来的影响、忽略了未解决问题对响应时间预测带来的影响以及在响应时间预测建模时提取的特征不充分等原因,其准确精度不高。因此,本文提出了一种基于问答模型的问题响应时间预测方法。对于新提出的问题,首先,通过基于标签簇主题和加权PageRank的专家发现方法找到与问题对应的专家;然后,构建基于多因素特征的问题模型和回答者模型,利用基于多因素模型匹配的问题推荐方法找到候选回答者,并将问题推送给候选回答者;最后,通过基于问答模型匹配的回答者响应时间预测方法为提问者预测该问题收到答案需要等待的时间,以期在精确预测问题响应时间的同时提高答案的及时性和准确性。本文的主要研究内容和创新点具体如下:1.针对问答社区中短文本和“滥答”用户影响专家发现结果,从而导致响应时间预测不准确的问题,提出了基于标签簇主题和加权PageRank的专家发现方法,包括两个部分:基于标签簇-LDA的专家分类和基于主题敏感加权PagerRank的专家排序。首先,通过对问答社区中标签数据进行聚类得到标签簇,利用获得的标签簇对传统的LDA模型进行改进,得到标签簇-LDA模型(Label Cluster Latent Dirichlet Allocation,LC-LDA),进而利用LC-LDA模型对社区中的问题和专家进行分类,一定程度上减小了利用传统主题模型进行短文本分类时出现的过拟合现象对问题分类造成的影响;然后,综合考虑投票和提问者满意度以衡量答案质量,并结合标签簇-LDA的结果对传统的PageRank算法的权威值分配过程进行加权改进,设计主题敏感加权PageRank算法(Topic Sensitive Weighted PageRank,TSWPR),利用TSWPR算法计算回答者在不同领域内的专业水平,并根据专业水平将回答者排序,得到不同领域中的专家用户,从而在一定程度上缓解了传统的专家排序方法将“滥答”用户识别为专家用户的问题;最后,使用LC-LDA模型在Stack Overflow数据集中进行专家分类实验,取得了比传统的LDA模型更好的分类效果。2.针对现有的问题推荐方法在构建模型时提取特征不充分,导致问题推荐结果准确率低的问题,本文提出了基于多因素模型匹配的问题推荐方法(MultiFactor Model Matching based Question Recommendation,MFMMQR)。首先,构建基于多因素特征的问答模型(Multi-Factor based Question Answerer Model,MQAM),该模型包括回答者模型和问题模型,其中回答者模型通过回答者兴趣、专业水平、活跃度等多种特征来描述回答者,问题模型通过问题类别、难度、提问时间等多种特征来描述问题;然后,分别利用基于模型相似度的模型匹配策略和基于因子分解机的模型匹配策略对问答模型进行匹配,计算每个回答者对问题的匹配度作为其回答该问题的意愿值,并将问题推荐给意愿值较高的回答者;最后,通过在Stack Overflow数据集上进行的问题推荐实验,证明了相对于只提取少数问答行为特征的预测方法,本文提出的MFMMQR方法具有更高的推荐准确率。3.针对现有的响应时间预测方法对问答行为特征提取不充分,导致问题响应时间预测准确率偏低的问题,本文提出了基于问答模型匹配的回答者响应时间预测方法(Question and Answerer Model Matching based Answerer’s Response Time Prediction,QAMM-ARTP)。首先,综合考虑回答者兴趣、专业水平、活跃度等回答者相关特征和问题类别、难度、提问时间等问题相关特征,利用基于多因素特征的问答模型分别构建回答者模型和问题模型;然后,利用基于SoftMax分类器的模型匹配策略对问答模型进行匹配,计算每个用户对问题的响应时间;最后,通过在Stack Overflow数据集上进行问题响应时间预测的实验,证明了本文所提出的QAMM-ARTP方法的准确度高于传统的基于问题相关特征的响应时间预测方法。

关键词：问答社区专家发现问题推荐问题响应时间预测