面向問答社區(qū)的相關信息推薦技術研究.pdf

1、隨著互聯網信息量的飛速增長，出現了多種幫助用戶獲取信息的網絡服務。其中，問答社區(qū)作為一種基于用戶交流互動的知識分享平臺而受到歡迎。問答社區(qū)積累了大量的問答資源，用戶不用登錄可以直接搜索自己需求的信息。針對用戶的這種查詢行為，本文提出了基于問答語義關系的社區(qū)推薦系統，以給用戶推薦更為相關的問答信息，同時推薦相關的社區(qū)用戶，達到鼓勵交流、激勵其加入問答社區(qū)的目的。研究的內容主要包括以下幾個方面：
　　首先，本文進行了問答對的語義關系研

2、究。根據問答對的文本特性，在處理中引入了以受限制波爾茲曼機(Restricted Boltzmann Machine,RBM)為基本單元的多層神經網絡，通過對其結構的優(yōu)化、參數的設定來完成問答對信息的特征降維。實驗結果表明，降維的特征表示方法能很好地體現問答對的語義相關性，在一定程度上解決了基于關鍵詞索引中出現的詞空缺(Lexical gap)問題。
　　其次，本文利用社區(qū)結構信息完成答案質量的評估。把問答社區(qū)中的結構信息作為描述

3、答案信息的特征，通過機器學習方法，對語義相關的答案信息進行質量評估。實驗結果表明，該方法有助于獲得更為相關的問答信息。
　　第三，文本闡述了基于問答對相似性的用戶推薦方法。把用戶的歷史問答信息通過多層神經網絡的處理表示為語義特征向量，并將其視作一種描述用戶的結構信息。為了體現這種結構信息的應用效果，本文設計了依據查詢的相關用戶推薦算法。這個方法實現了對未登錄使用者進行社區(qū)相關用戶的推薦，能夠為問答社區(qū)吸引新的注冊用戶。實驗的結果說