基于用户-标签异构网络的社区问答专家发现方法

• 作者: 刘永坚 解庆 黄辉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社区问答 专家发现 问题路由 深度学习 网络嵌入
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 53-58
• 页数: 6页
• 分类号: TP39
• 字数: 4985字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053734

摘要

在Stack Overflow、Quora等社区问答网站中,日益增长的用户数使新问题数量急剧增加,传统的专家发现方法通常根据历史回答记录建立用户文档,再从中提取用户文本特征,难以及时寻找到合适的专家进行回答.针对该问题,提出一种社区问答中基于用户-标签异构网络的专家发现方法.根据用户历史回答记录和问题的附带标签构建用户-标签网络,以此得到用户的向量表示.在此基础上,使用全连接神经网络提取用户特征和问题文本特征,通过比较两者的余弦相似度得到候选专家列表.基于StackExchange的真实世界数据集进行测试,实验结果表明,与LDA、STM、RankingSVM和QR-DSSM方法相比,该方法的MRR指标值较高,能够准确寻找到可提供正确答案的专家.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘永坚	武汉理工大学计算机科学与技术学院	25	35	3.0	5.0
2	黄辉	武汉理工大学计算机科学与技术学院	14	151	4.0	12.0
3	解庆	武汉理工大学计算机科学与技术学院	8	3	1.0	1.0