社區(qū)問答系統(tǒng)中的問題路由方法研究.pdf

1、互聯(lián)網(wǎng)技術的飛速發(fā)展給人們的日常生活帶來了極大的便利，與此同時巨大的信息量使人們迷失在信息的海洋中，造成人們需要浪費較多的時間找到自己需要的信息。隨著Web2.0的迅速發(fā)展，搜索引擎已經(jīng)不能很好地解決用戶提出的專業(yè)問題，并且用戶不能得到比較好的交互式體驗;近些年大批社區(qū)問答(CQA)系統(tǒng)應運而生，在某種程度上補充了搜索引擎的不足，滿足不同領域的人們的需求。在社區(qū)問答系統(tǒng)中，人們提交自己的問題，等待其他人回答給予答案，可能需要花費若干天的

2、時間，并且結果可能是不正確的、垃圾的或者帶有攻擊性的答案;或者在系統(tǒng)中檢索與自己提出的問題比較相關的其他問題，從而得到相關的答案，但是社區(qū)問答網(wǎng)站中的歷史問答庫包含了有限的答案集合，用戶需要變化問題表述來查找相近的問題，結果可能是大部分問題相關但都不是用戶滿意的答案。因此，一種能把問題推送給專家的研究是有必要的。
　　首先，一些問題路由方法使用經(jīng)典的信息檢索方法，這些方法對含有大量的重疊詞時有比較好的效果，但是大部分新問題和用戶檔

3、案有較少的重疊詞，因此無法得到令人滿意的結果。本文提出了一種基于詞向量的問題路由方法，根據(jù)問題的標簽詞能比較好的代表用戶的主題這一特點，根據(jù)標簽詞從用戶檔案中抽取主題詞，并使用神經(jīng)網(wǎng)絡模型訓練大量數(shù)據(jù)得到詞向量，使用主題詞向量表示文檔向量，計算用戶檔案和新問題之間的相似度，從而對新問題推薦相應的專家。并和多種方法進行比較，實驗結果有所提升。
　　其次，有監(jiān)督的卷積神經(jīng)網(wǎng)絡模型，在句子分類中有較好的效果，利用此特點對用戶提出的問題進