面向問(wèn)答社區(qū)的相關(guān)信息推薦技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)信息量的飛速增長(zhǎng)，出現(xiàn)了多種幫助用戶獲取信息的網(wǎng)絡(luò)服務(wù)。其中，問(wèn)答社區(qū)作為一種基于用戶交流互動(dòng)的知識(shí)分享平臺(tái)而受到歡迎。問(wèn)答社區(qū)積累了大量的問(wèn)答資源，用戶不用登錄可以直接搜索自己需求的信息。針對(duì)用戶的這種查詢行為，本文提出了基于問(wèn)答語(yǔ)義關(guān)系的社區(qū)推薦系統(tǒng)，以給用戶推薦更為相關(guān)的問(wèn)答信息，同時(shí)推薦相關(guān)的社區(qū)用戶，達(dá)到鼓勵(lì)交流、激勵(lì)其加入問(wèn)答社區(qū)的目的。研究的內(nèi)容主要包括以下幾個(gè)方面：
　　首先，本文進(jìn)行了問(wèn)答對(duì)的語(yǔ)義關(guān)系研

2、究。根據(jù)問(wèn)答對(duì)的文本特性，在處理中引入了以受限制波爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)為基本單元的多層神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)其結(jié)構(gòu)的優(yōu)化、參數(shù)的設(shè)定來(lái)完成問(wèn)答對(duì)信息的特征降維。實(shí)驗(yàn)結(jié)果表明，降維的特征表示方法能很好地體現(xiàn)問(wèn)答對(duì)的語(yǔ)義相關(guān)性，在一定程度上解決了基于關(guān)鍵詞索引中出現(xiàn)的詞空缺(Lexical gap)問(wèn)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(píng)估。把問(wèn)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(guò)機(jī)器學(xué)習(xí)方法，對(duì)語(yǔ)義相關(guān)的答案信息進(jìn)行質(zhì)量評(píng)估。實(shí)驗(yàn)結(jié)果表明，該方法有助于獲得更為相關(guān)的問(wèn)答信息。
　　第三，文本闡述了基于問(wèn)答對(duì)相似性的用戶推薦方法。把用戶的歷史問(wèn)答信息通過(guò)多層神經(jīng)網(wǎng)絡(luò)的處理表示為語(yǔ)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(yīng)用效果，本文設(shè)計(jì)了依據(jù)查詢的相關(guān)用戶推薦算法。這個(gè)方法實(shí)現(xiàn)了對(duì)未登錄使用者進(jìn)行社區(qū)相關(guān)用戶的推薦，能夠?yàn)閱?wèn)答社區(qū)吸引新的注冊(cè)用戶。實(shí)驗(yàn)的結(jié)果說(shuō)