Web3.0與大數(shù)據(jù)時代的到來,為網(wǎng)絡用戶提供了更多交互的方式,隨之也產生了一系列用戶互動的社區(qū)平臺,網(wǎng)絡問答社區(qū)便是其中之一,用戶可以在社區(qū)平臺中提出問題,也可以回答其他用戶的提問。知乎作為中國版Quora,自2013年開放注冊,便受到了廣大網(wǎng)絡用戶的關注,目前,知乎已發(fā)展為中國第一大網(wǎng)絡問答社區(qū)。網(wǎng)絡問答社區(qū)像一個巨型知識庫,為用戶提供了在線交流、經(jīng)驗分享的平臺。網(wǎng)絡問答社區(qū)中大量的用戶生成內容蘊含著巨大的價值,如何發(fā)現(xiàn)用戶的興趣偏好,激發(fā)更多用戶的積極性,提高用戶發(fā)表內容的質量,對社區(qū)中知識傳播,提高社區(qū)的平臺影響力至關重要。本文通過構建問題分類和專家發(fā)現(xiàn)模型,實現(xiàn)了對問題的自動分類和領域專家的發(fā)現(xiàn),使得用戶提出的問題可以快速歸類,進而發(fā)現(xiàn)所在領域的專家,推送給專家用戶為提問者解答。主要完成了以下工作:(1)構建了多通道問題特征提取模型。在實現(xiàn)社區(qū)問題文本自動分類時,采用LDA主題模型、Doc2vec模型多通道進行問題文本特征提取,該方法有效解決了問題文本內容短,數(shù)據(jù)稀疏問題。(2)提出了網(wǎng)絡問答社區(qū)問題集成分類方法。將多通道融合的問題文本特征分別輸入到支持向量機和隨機森林得到基...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 問題建模
        1.2.2 問題分類
        1.2.3 領域專家發(fā)現(xiàn)
    1.3 研究內容
    1.4 組織結構
第二章 相關理論與關鍵技術
    2.1 文本表示模型
        2.1.1 主題模型
        2.1.2 詞向量模型
    2.2 文本分類算法
        2.2.1 樸素貝葉斯算法
        2.2.2 決策樹算法
        2.2.3 K近鄰算法
        2.2.4 集成分類算法
    2.3 鏈接分析法
        2.3.1 HITS模型
        2.3.2 Page Rank模型
    2.4 本章小節(jié)
第三章 網(wǎng)絡問答社區(qū)問題文本建模
    3.1 問題分類及專家發(fā)現(xiàn)的模型設計
    3.2 問題文本的獲取和預處理
    3.3 多通道問題特征建模
        3.3.1 LDA主題特征提取
        3.3.2 Doc2Vec文本特征提取
        3.3.3 多通道問題特征融合
    3.4 本章小節(jié)
第四章 網(wǎng)絡問答社區(qū)問題文本分類模型
    4.1 問題文本分類器的選擇與集成
        4.1.1 基于SVM的問題分類
        4.1.2 基于RF的問題分類
        4.1.3 集成分類方案設計
    4.2 基于n LD-SVM-RF的問題分類流程
    4.3 實驗設計與分析
        4.3.1 實驗設計與評價標準
        4.3.2 實驗結果與分析
    4.4 本章小節(jié)
第五章 網(wǎng)絡問答社區(qū)領域專家發(fā)現(xiàn)
    5.1 專家用戶特征建模
        5.1.1 用戶節(jié)點特征提取
        5.1.2 用戶間關系提取
    5.2 基于LN-User Rank的專家發(fā)現(xiàn)模型
        5.2.1 專家發(fā)現(xiàn)方法流程設計
        5.2.2 構建概率轉移矩陣
        5.2.3 領域專家得分計算
    5.3 實驗設計與分析
        5.3.1 數(shù)據(jù)收集與處理
        5.3.2 實驗設計
        5.3.3 實驗結果
    5.4 本章小節(jié)
第六章 總結與展望
    6.1 工作總結
    6.2 工作展望
參考文獻
攻讀碩士學位期間的學術活動及成果情況



本文編號：3825663