面向問答社區(qū)的相關信息推薦技術研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認領

文檔簡介

1、隨著互聯(lián)網(wǎng)信息量的飛速增長,出現(xiàn)了多種幫助用戶獲取信息的網(wǎng)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(tǒng),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(nèi)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(jù)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(jīng)網(wǎng)絡,通過對其結(jié)構(gòu)的優(yōu)化、參數(shù)的設定來完成問答對信息的特征降維。實驗結(jié)果表明,降維的特征表示方法能很好地體現(xiàn)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(xiàn)的詞空缺(Lexical gap)問題。
  其次,本文利用社區(qū)結(jié)構(gòu)信息完成答案質(zhì)量的評估。把問答社區(qū)中的結(jié)構(gòu)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(zhì)量評估。實驗結(jié)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(jīng)網(wǎng)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(jié)構(gòu)信息。為了體現(xiàn)這種結(jié)構(gòu)信息的應用效果,本文設計了依據(jù)查詢的相關用戶推薦算法。這個方法實現(xiàn)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(jié)果說

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論