隨著互聯網技術的高速發(fā)展,人們對信息的獲取日益便捷,各種信息分享平臺不斷出現。在線問答社區(qū)在此背景下應運而生,并且吸引了越來越多的用戶,已經逐漸成為人們獲取和分享信息的一種重要平臺。在線問答社區(qū)蓬勃發(fā)展的同時,每天都會產生大量的新問題,為了能夠有效地管理、組織這些問題數據,社區(qū)采用了標簽這一大眾分類的方式,為每個問題賦予一個或多個標簽反映問題的主題。標簽不同于一般的目錄結構自頂向下的層次分類方法,各個標簽之間是一種平行的關系,它以較少的代價細化分類。在線問答社區(qū)通過將問題標簽化,有效地解決了問題資源管理的問題。目前在線問答社區(qū)問題標簽由用戶提出問題時給定,由于用戶本身不同的知識背景,往往不能準確快速的選出合適且全面的標簽來描述問題。為了解決這個問題,一些標簽推薦方法被提出,旨在為用戶在提問時推薦一系列高質量的標簽供其選擇,提高問題標注的效率和準確性。本文提出基于深度學習的標簽推薦模型,運用深度學習的方法提取問題的語義特征對在線問答社區(qū)進行標簽推薦工作,并且采用數據增強的方法提升模型性能,除此之外還提出基于深度學習模型的融合模型。本文的主要工作內容如下:（1）闡述了在線問答社區(qū)的問題標簽... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：60 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 本文研究內容
    1.4 本文組織結構
2 相關理論基礎
    2.1 在線問答社區(qū)
    2.2 數據解析與預處理
        2.2.1 XML解析技術
        2.2.2 文本預處理
    2.3 文本表示
        2.3.1 傳統(tǒng)表示方法
        2.3.2 分布式表示
    2.4 深度學習模型
        2.4.1 卷積神經網絡
        2.4.2 循環(huán)神經網絡
    2.5 本章小結
3 數據的選取和預處理
    3.1 數據選取
    3.2 數據預處理
    3.3 詞向量預訓練
    3.4 本章小結
4 基于深度學習的在線問答社區(qū)問題標簽推薦
    4.1 問題標簽推薦描述
    4.2 基于深度學習的標簽推薦模型
        4.2.1 基于卷積神經網絡的標簽推薦模型
        4.2.2 基于長短期記憶網絡的標簽推薦模型
        4.2.3 基于循環(huán)卷積神經網絡的標簽推薦模型
    4.3 實驗設計與評估方法
        4.3.1 實驗環(huán)境
        4.3.2 實驗設置
        4.3.3 評估方法
    4.4 實驗結果與分析
        4.4.1 卷積窗口寬度對模型性能的影響
        4.4.2 K-Max pooling對模型性能的影響
        4.4.3 對比算法實驗結果分析
    4.5 本章小結
5 基于數據增強和融合模型的問題標簽推薦
    5.1 問題的提出
    5.2 數據增強
    5.3 融合模型
    5.4 實驗設計與評估方法
    5.5 實驗結果與分析
        5.5.1 數據增強的效果與分析
        5.5.2 融合模型的效果與分析
    5.6 本章小結
6 總結與展望
    6.1 總結
    6.2 展望
參考文獻
附錄
    A.作者在攻讀學位期間發(fā)表的論文目錄
    B.作者在攻讀學位期間取得的科研成果目錄
    C.學位論文數據集
致謝



本文編號：3173331