

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。
最新文檔
- 面向社區(qū)問答的專家推薦技術研究.pdf
- 問答式社區(qū)的標簽推薦技術研究.pdf
- 面向問答的社區(qū)型知識抽取技術研究.pdf
- 社區(qū)問答系統中問句推薦技術的研究.pdf
- 面向問答社區(qū)意見選擇類問題的答案融合技術研究.pdf
- mba論文面向社區(qū)問答的問題檢索與用戶推薦研究pdf
- 面向開放域的中文問答系統問句處理相關技術研究.pdf
- 面向開放域問答的答案抽取方法及相關技術研究.pdf
- 面向Twitter的個性化信息推薦技術研究.pdf
- 面向問答系統的段落檢索技術研究.pdf
- 面向在線問答社區(qū)的問題檢索與答案抽取技術研究與實現.pdf
- 面向主題的信息檢索相關技術研究與實現.pdf
- Web社區(qū)問答檢索的關鍵技術研究.pdf
- 面向問答系統的金融本體構建技術研究.pdf
- 面向查詢意圖的標簽推薦技術研究.pdf
- 面向問答系統的復述識別技術研究與實現.pdf
- 面向問答的問句關鍵詞提取技術研究.pdf
- 社區(qū)問答系統中的專家推薦方法研究.pdf
- 面向網絡社區(qū)問答對的語義挖掘研究.pdf
- 面向客服的自動問答系統關鍵技術研究.pdf
評論
0/150
提交評論