社區(qū)問答系統(tǒng)中的專家發(fā)現(xiàn)方法研究.pdf

1、碩、士學位論文社區(qū)問答系統(tǒng)中的專家發(fā)現(xiàn)方法研究FindingExpertsinCommunityQuestionAnswering學號：21009294大連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文摘要隨著Web20的不斷發(fā)展，用戶之間的互動成為網(wǎng)絡(luò)新的發(fā)展趨勢。社區(qū)問答系統(tǒng)為用戶的交互提供了便利的平臺，這使得社區(qū)問答系統(tǒng)必須擁有龐大的知識數(shù)據(jù)庫并能對新提交問題做出及時的反應(yīng)。在社區(qū)問答系統(tǒng)

2、中，用戶提交的問題是由其他用戶來回答，在龐大的用戶群中尋找出專家用戶，可以令新出現(xiàn)問題得到及時準確的回答，進一步擴充系統(tǒng)的知識數(shù)據(jù)庫?？梢姡瑢＜野l(fā)現(xiàn)對社區(qū)問答系統(tǒng)有著重要意義，是社區(qū)問答快速發(fā)展的有效途徑之一。目前，專家發(fā)現(xiàn)主要是利用主題模型和鏈接分析等方法。本文介紹了社區(qū)問答中專家發(fā)現(xiàn)的研究背景和現(xiàn)有研究成果，對社區(qū)問答系統(tǒng)和專家發(fā)現(xiàn)問題進行了較為細致的介紹，并描述了文中使用的用于計算用戶權(quán)威度的鏈接分析方法和主題模型?；趯ι鲜鲋R

3、的研究，提出了一種基于類別參與度的專家發(fā)現(xiàn)方法，主要使用LDA主題模型來抽取問題類別和用戶的話題分布，利用KL距離計算類別相似度以及用戶參與度，在某一問題類別進行專家發(fā)現(xiàn)時，綜合了用戶在該問題類別的貢獻程度和在與該類別相近似類別中的參與度，最終評定用戶在待考察類別是否為專家用戶。通過對對在專家發(fā)現(xiàn)領(lǐng)域普遍使用PageRank算法的研究分析，結(jié)合專家發(fā)現(xiàn)問題對傳統(tǒng)的PageRank算法進行改進，根據(jù)用戶提供答案質(zhì)量的不同對用戶鏈接關(guān)系的有

4、向邊權(quán)重重新定義，其中，答案質(zhì)量信息通過用戶反饋行為獲取。本文分析社區(qū)問答系統(tǒng)中的用戶鏈接關(guān)系，發(fā)掘問題類別和用戶的主題分布信息，利用用戶反饋行為對答案質(zhì)量進行評價，分別使用了基于類別參與度和基于加權(quán)PageRank算法兩種方法來進行社區(qū)問答中的專家發(fā)現(xiàn)?；陬悇e參與度的方法中用戶在相近似類別的貢獻加強了在考察問題類別的專家權(quán)威度，基于加權(quán)PageRank算法根據(jù)答案質(zhì)量不同為連接用戶的有向邊賦予權(quán)值。文中提出的兩種方法均在抽取自Yah