互動(dòng)問(wèn)答系統(tǒng)中問(wèn)題回答者推薦研究.pdf

1、隨著問(wèn)答社區(qū)的發(fā)展，越來(lái)越多的互聯(lián)網(wǎng)用戶(hù)通過(guò)問(wèn)答社區(qū)獲取所需信息。然而，由于問(wèn)答社區(qū)中的海量信息，提問(wèn)者不得不長(zhǎng)時(shí)間等待其他用戶(hù)的回答。因此，有必要研究一種推薦機(jī)制，以快速找到問(wèn)題回答者，提高問(wèn)題解決效率。
　　 針對(duì)上述問(wèn)題，本文在對(duì)問(wèn)題回答者推薦相關(guān)研究進(jìn)行深入分析的基礎(chǔ)上，針對(duì)現(xiàn)有研究的不足，提出了一種綜合考慮用戶(hù)興趣、用戶(hù)專(zhuān)長(zhǎng)以及用戶(hù)活躍度等多個(gè)因素的問(wèn)題回答者推薦算法。首先，本文使用統(tǒng)計(jì)語(yǔ)言模型對(duì)用戶(hù)興趣進(jìn)行建模，用以

2、尋找問(wèn)題的感興趣回答者群體。但由于問(wèn)答社區(qū)內(nèi)用戶(hù)回答問(wèn)題的答案質(zhì)量參差不齊，回答問(wèn)題多的用戶(hù)并不一定適合作為推薦用戶(hù)。因此，利用最大熵模型對(duì)用戶(hù)回答質(zhì)量進(jìn)行估計(jì)，建立了基于用戶(hù)答案質(zhì)量的用戶(hù)專(zhuān)長(zhǎng)模型，以區(qū)分問(wèn)答社區(qū)中“能力”參差不齊的不同用戶(hù)，提高了用戶(hù)推薦的準(zhǔn)確性。然而，由于上述信息都是根據(jù)用戶(hù)歷史活動(dòng)數(shù)據(jù)學(xué)習(xí)出來(lái)的，用戶(hù)活躍度可能變化較大，基于歷史信息推薦的用戶(hù)可能不再有效。為此，本文在上述用戶(hù)興趣和專(zhuān)長(zhǎng)模型基礎(chǔ)上，進(jìn)一步提出了一種