版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著Web2.0的飛速發(fā)展,網(wǎng)絡(luò)社區(qū)累積了海量的用戶生成內(nèi)容(User Generated Content,UGC)。社區(qū)問(wèn)答系統(tǒng)正是產(chǎn)生UGC的典型代表之一,海量的UGC資源對(duì)于促進(jìn)問(wèn)答技術(shù)的發(fā)展帶來(lái)了新的機(jī)遇,同時(shí)也給網(wǎng)絡(luò)社區(qū)問(wèn)答資源的挖掘帶來(lái)了新的挑戰(zhàn)。因此,如何有效的從海量的用戶生成內(nèi)容中識(shí)別高質(zhì)量的信息已經(jīng)成為了社區(qū)問(wèn)答系統(tǒng)研究中的一項(xiàng)極為重要的工作。
本文以自動(dòng)評(píng)價(jià)社區(qū)問(wèn)答系統(tǒng)中用戶生成答案的質(zhì)量為目標(biāo),從社區(qū)問(wèn)答
2、系統(tǒng)中答案的文本信息和非文本信息的特征表示與融合兩方面入手,針對(duì)社區(qū)問(wèn)答系統(tǒng)中用戶生成答案的質(zhì)量評(píng)價(jià)方法展開(kāi)研究。具體地,本文的研究?jī)?nèi)容主要包含如下3個(gè)方面。
本文首先分析了社區(qū)問(wèn)答系統(tǒng)文本信息的特點(diǎn),在此基礎(chǔ)上通過(guò)實(shí)驗(yàn)比較了兩種不同粒度的文本特征。以表層語(yǔ)言學(xué)特征和社會(huì)化特征為基礎(chǔ)的非文本特征已被廣泛的應(yīng)用于評(píng)價(jià)社區(qū)問(wèn)答系統(tǒng)的答案質(zhì)量。本文針對(duì)此類非文本特征,在大規(guī)模的問(wèn)答語(yǔ)料中進(jìn)行了詳細(xì)地統(tǒng)計(jì)分析。在此基礎(chǔ)上,采用邏輯斯蒂
3、回歸模型對(duì)各個(gè)特征在最佳答案識(shí)別的效用上進(jìn)行了分析。
本文將社區(qū)問(wèn)答系統(tǒng)答案質(zhì)量評(píng)價(jià)問(wèn)題看做是一個(gè)分類問(wèn)題。在分析了基于傳統(tǒng)分類方法中的SVM模型和邏輯斯蒂回歸模型等主流方法在答案質(zhì)量評(píng)價(jià)問(wèn)題中的不足之后,本文提出了分別基于隨機(jī)特征子空間和基于內(nèi)容結(jié)構(gòu)與社會(huì)化信息的兩種協(xié)同訓(xùn)練方法。實(shí)驗(yàn)結(jié)果表明本文提出的協(xié)同訓(xùn)練方法只需要少量的標(biāo)注樣本就能取得跟主流的有監(jiān)督學(xué)習(xí)方法相當(dāng)甚至更好的答案質(zhì)量評(píng)價(jià)性能。
社區(qū)問(wèn)答系統(tǒng)的答案
4、信息屬于典型的短文本信息,詞語(yǔ)頻度統(tǒng)計(jì)的效力極為有限使得傳統(tǒng)的基于詞語(yǔ)共現(xiàn)關(guān)系的文本特征在答案質(zhì)量評(píng)價(jià)問(wèn)題中的表現(xiàn)很不理想。雖然融合被廣泛使用的非文本特征對(duì)于提升答案質(zhì)量評(píng)價(jià)的性能在一定程度上起了積極的作用,但是其提升能力極為有限。本文在分析了文本特征和非文本特征的特點(diǎn)以及當(dāng)前主流的分類模型在統(tǒng)合不同特征的能力的局限性之后,提出了基于多模式深度學(xué)習(xí)的答案質(zhì)量評(píng)價(jià)方法。在百度知道和Yahoo!Answers兩個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示和局部特征的圖像質(zhì)量評(píng)價(jià)方法研究.pdf
- 醫(yī)學(xué)圖像融合及融合質(zhì)量評(píng)價(jià)研究.pdf
- 稀疏表示與特征融合的圖像搜索.pdf
- 融合網(wǎng)絡(luò)中面向最終用戶的服務(wù)按需生成的研究與實(shí)現(xiàn).pdf
- 圖像特征的融合表示及匹配算法的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于特征融合與稀疏表示的目標(biāo)跟蹤研究.pdf
- 基于SPC的用戶生成內(nèi)容質(zhì)量監(jiān)控研究.pdf
- 用戶畫像構(gòu)建中知識(shí)表示與模型融合研究.pdf
- 支持Web應(yīng)用用戶界面自動(dòng)生成的界面表示模型.pdf
- 基于特征融合和稀疏表示的表情識(shí)別方法研究.pdf
- 電影評(píng)價(jià)數(shù)據(jù)中的用戶行為特征挖掘.pdf
- 基于視覺(jué)感知特征的圖像融合技術(shù)及其質(zhì)量評(píng)價(jià)方法的研究.pdf
- 多特征層次化答案質(zhì)量評(píng)價(jià)方法研究.pdf
- 基于多特征融合的微博用戶興趣建模研究.pdf
- 面向網(wǎng)絡(luò)的用戶觀點(diǎn)評(píng)價(jià)報(bào)告的自動(dòng)生成研究.pdf
- 不同來(lái)源甘草的質(zhì)量特征及評(píng)價(jià)研究.pdf
- 基于特征融合的低秩恢復(fù)稀疏表示人臉識(shí)別.pdf
- 圖像融合及圖像融合質(zhì)量評(píng)估的研究.pdf
- 造型系統(tǒng)中的特征及用戶自定義特征技術(shù).pdf
- 用戶相關(guān)的多生物特征提取和融合算法研究.pdf
評(píng)論
0/150
提交評(píng)論