基于特征扰动的半监督专家发现方法

• 作者: 陈卓 张樊星 杜军威 袁玺明
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 专家发现 社区问答 半监督学习 特征扰动
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 计算机科学
• 页码范围: 85-91
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2022298

摘要

专家可为社区问答提供权威的答复，高效精准的专家发现有助于提升问答社区的服务质量.现有社区用户数据中存在噪声标签数据，且由于专家数量较少造成分类数据不平衡，从而降低了监督学习模型的专家发现精度.针对上述问题，本文提出一种基于特征扰动的半监督专家发现方法.该方法构建了一种无标签数据特征扰动策略，利用Sharpening算法实现无标签数据的伪标签化；基于ADASYN算法，通过构建专家用户邻近样本的方式扩充专家样本数据量，缓解分类数据的不平衡；构建联合损失函数，利用有标签和伪标签数据共同训练分类器，增强模型的泛化性能.实验结果表明，该方法在多个评价指标上优于已有模型和方法.