基于用户-标签异构网络的社区问答专家发现方法

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.

关键词：社区问答、专家发现、问题路由、深度学习、网络嵌入

所属期刊栏目：46

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金61602353

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：53-58