基于问答语义匹配的知识社区新问题专家推荐方法OACSTPCD
Question Answering Semantic Matching-Based Expert Recommendation Method for New Questions in Knowledge Community
传统的知识社区专家推荐方法采用文本相似度匹配机理,并基于问题或专家描述来构建专家特征.这些方法没有利用问题与答案的语义匹配关系,因此难以充分挖掘专家回答问题的能力特征,影响推荐性能.提出一种基于综合历史和当前问答语义匹配的知识社区新问题的专家推荐方法(History-Now Semantics Expert RECommenda-tion model,HNS-EREC).首先,采用反馈评价和负采样技术来处理数据集中的两类不平衡现象;其次,基于问答语义来提取专家回答问题能力特征;最后,提出一种基于问答语义匹配的History-Now联合专家推荐模型,该模型能够实现面向专家的历史问答和当前问答的语义联合学习.实验结果表明,相对于其他方法,本文所提出的HNS-EREC方法在新问题专家推荐方面具有显著的优势.
杜军威;邹树林;李浩杰;江峰;于旭;胡强
青岛科技大学信息科学技术学院,山东青岛 266061青岛科技大学信息科学技术学院,山东青岛 266061青岛科技大学信息科学技术学院,山东青岛 266061青岛科技大学信息科学技术学院,山东青岛 266061青岛科技大学信息科学技术学院,山东青岛 266061青岛科技大学信息科学技术学院,山东青岛 266061
计算机与自动化
专家推荐知识社区不平衡学习问答语义stack overflow
expert recommendationknowledge communityimbalanced learningquestion answering semanticsstack overflow
《电子学报》 2023 (7)
聚合服务模式下面向多流程协同的云制造服务流程定制理论与方法
1875-1888,14
国家自然科学基金(No.61973180,No.6217072142)山东省自然科学基金(No.ZR2021MF092,No.ZR2019MF014,No.ZR2019MF033,No.ZR2022MF326) National Natural Science Foundation of China(No.61973180,No.6217072142)Natural Science Foundation of Shandong Province(No.ZR2021MF092,No.ZR2019MF014,No.ZR2019MF033,No.ZR2022MF326)
评论