针对现有的专家推荐算法忽略了用户评论中蕴含的情感表达对专家专长表征的影响,从而导致推荐准确度不高的问题,提出基于双向编码器表示-多头注意力机制(bidirectional encoder representations from transformers-multi-head attention,...针对现有的专家推荐算法忽略了用户评论中蕴含的情感表达对专家专长表征的影响,从而导致推荐准确度不高的问题,提出基于双向编码器表示-多头注意力机制(bidirectional encoder representations from transformers-multi-head attention,BERT-MHA)的深度语义增强专家推荐算法。该算法基于预训练BERT模型,融合MHA机制,自动调整用户评论对专家历史回答问题的情感注意力权重,获取专家动态专长表征,并与静态专长联合以实现专家特征文本的语义增强,表征专家综合专长;通过注意力机制识别用户问题特征;采用多层感知机建模专家综合专长与用户问题间的非线性交互,预测推荐专家的匹配度。利用好大夫网站(haodf.com)的数据进行了不同参数配置及不同算法的对比实验,实验结果表明该算法在准确率(accuracy,ACC)和曲线下的面积(area under curve,AUC)指标下明显优于其他算法,能有效提高在线问答社区的专家推荐准确度。展开更多
针对专业领域问答系统中推荐专家回答不准确与不及时的问题,提出一种基于兴趣度、权威度、信誉度和最近活跃度的专家推荐混合模型。采用加权的LDA主题模型获得专家兴趣主题分布,采用基于主题的PageRank算法计算专家的权威度;根据专家回...针对专业领域问答系统中推荐专家回答不准确与不及时的问题,提出一种基于兴趣度、权威度、信誉度和最近活跃度的专家推荐混合模型。采用加权的LDA主题模型获得专家兴趣主题分布,采用基于主题的PageRank算法计算专家的权威度;根据专家回答问题的质量计算专家的信誉度,根据专家历史回答问题的时间获得专家的最近活跃度。给出用户问题的分析方法,采用混合模型推荐最适宜的问题服务专家。为了验证模型的可行性和有效性,使用Stack Over Flow真实数据集进行分析实验。实验结果表明该方法能够有效地提高新问题专家推荐的准确率。展开更多
文摘针对现有的专家推荐算法忽略了用户评论中蕴含的情感表达对专家专长表征的影响,从而导致推荐准确度不高的问题,提出基于双向编码器表示-多头注意力机制(bidirectional encoder representations from transformers-multi-head attention,BERT-MHA)的深度语义增强专家推荐算法。该算法基于预训练BERT模型,融合MHA机制,自动调整用户评论对专家历史回答问题的情感注意力权重,获取专家动态专长表征,并与静态专长联合以实现专家特征文本的语义增强,表征专家综合专长;通过注意力机制识别用户问题特征;采用多层感知机建模专家综合专长与用户问题间的非线性交互,预测推荐专家的匹配度。利用好大夫网站(haodf.com)的数据进行了不同参数配置及不同算法的对比实验,实验结果表明该算法在准确率(accuracy,ACC)和曲线下的面积(area under curve,AUC)指标下明显优于其他算法,能有效提高在线问答社区的专家推荐准确度。
文摘针对专业领域问答系统中推荐专家回答不准确与不及时的问题,提出一种基于兴趣度、权威度、信誉度和最近活跃度的专家推荐混合模型。采用加权的LDA主题模型获得专家兴趣主题分布,采用基于主题的PageRank算法计算专家的权威度;根据专家回答问题的质量计算专家的信誉度,根据专家历史回答问题的时间获得专家的最近活跃度。给出用户问题的分析方法,采用混合模型推荐最适宜的问题服务专家。为了验证模型的可行性和有效性,使用Stack Over Flow真实数据集进行分析实验。实验结果表明该方法能够有效地提高新问题专家推荐的准确率。
