基于问答社区的问题相关性及答案排序研究

论文摘要

在问答社区中用户不仅是信息的消费者同时也是信息的创造者。海量用户在问答社区中创造了海量的数据,用户生成的内容通常会出现问题和答案之间的差距,以及一些垃圾信息的生成,都会对用户得到所需信息造成障碍。所以,在问答社区中对问题和答案进行过滤和排序是非常具有挑战性的,本文目的是帮助用户提高查询信息的效率,以及问答社区中知识信息的分享行为。本文针对问答社区中的问题和答案排序进行了深入研究。社区问答推荐问题和候选答案的结构方式都不一样,所以本文在研究推荐问题,答案排序和最佳答案时并没有使用同样的方法。问题推荐旨在给用户提供所需问题的相关问题,以便用户更快的找到问题的答案。本文讨论了一般的问题相关性研究办法,提出了4个有效的文本特征,并在问答社区中进行了实验,检测了问答社区中推荐问题的相关性,该方法有效的验证了推荐问题的相关程度,提出了推荐问题的排序思路,同时验证了在问答社区中收集问题语料的可行性。在答案排序的研究中,本文考虑问题和答案之间的潜在联系,在中文问答社区中使用了类比推理的方法,用来类比新的问答关系和已有的一些准确问答关系间的联系,在候选答案中把最相似的答案认定最优答案。在类比推理方法中,本文收集了充分的问答对来保证里面只包含高质量的答案,以此来建立了一个辅助集,再加上回归模型,用来评估一个新的问答对和辅助集有同一类型的关系。本文的实验结果表明,使用二元分类方法判别问题是否相关是有效的,判别后的相关问题可作为推荐问题。在对问答对评价结果表明,本文的类比推理方法在各方面都超出平均表现,在高噪音环境的问答社区中,类比已有的问答关系是非常有益的。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文研究内容
• 1.4 本文组织结构
• 第二章 基本理论概述
• 2.1 互动问答系统
• 2.2 问答社区
• 2.2.1 问题检索及推荐
• 2.2.2 答案检索及用户满意度预测
• 2.3 贝叶斯网络和逻辑回归模型
• 2.3.1 贝叶斯网络
• 2.3.2 逻辑回归模型
• 第三章 问题相关性检测
• 3.1 问题相关度算法
• 3.2 实验及结果分析
• 3.2.1 相关性测试实验及结果分析
• 3.2.2 人工实验及结果分析
• 第四章 基于类比推理的答案排序
• 4.1 过程描述
• 4.2 训练链接预测模型
• 4.2.1 通过逻辑递归来做潜在联系模型
• 4.2.2 训练高斯参数
• 4.3 历史数据收集
• 4.4 预测链接
• 4.4.1 类比推理的思想
• 4.4.2 通过类比推理进行答案排名
• 4.5 评测
• 4.5.1 评测结果及分析
• 4.5.2 参数影响
• 第五章 系统设计
• 5.1 总体设计
• 5.2 网页获取
• 5.3 网页内容抽取
• 5.4 用户信息提取
• 5.5 界面展示
• 第六章 结论与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 攻读学位期间取得的研究成果
• 致谢
• 个人简况及联系方式