-
题名问答系统研究综述
被引量：60
- 1
-
-
作者
毛先领
李晓明
-
机构
北京大学信息科学技术学院
-
出处
《计算机科学与探索》
CSCD
2012年第3期193-207,共15页
-
基金
国家自然科学基金No.60933004~~
-
文摘
近年来,问答系统被大量广泛地研究。问答系统的目标是给定一个问题,能够得到简短、精确的答案。根据处理数据的不同,将问答系统分为三类:基于结构化数据的问答系统、基于自由文本的问答系统、基于问题答案对的问答系统。对这三大类系统的特点、面临的问题和相关的研究分别进行了叙述和总结。最后,讨论了问答系统未来可能的研究方向。
-
关键词
问答系统(QA)
传统问答系统(TQA)
基于社区的问答系统(cqa)
信息检索
答案抽取
-
Keywords
question and answering （QA）
traditional question and answering （TQA）
community-based questionand answering （cqa）
information retrieval
answer extraction
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名结合注意力与循环神经网络的专家推荐算法
被引量：6
- 2
-
-
作者
吕晓琦
纪科
陈贞翔
孙润元
马坤
邬俊
李浥东
-
机构
济南大学信息科学与工程学院
济南大学山东省网络环境智能计算技术重点实验室
北京交通大学计算机与信息技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第9期2068-2077,共10页
-
基金
国家自然科学基金(61702216,61772231,61671048,61672262)
山东省重大科技创新工程(2018CXGC0706)。
-
文摘
在线问答社区(CQA)已经成为互联网最重要的知识分享交流平台,将用户提出的海量问题有效推荐给可能解答的用户,挖掘用户感兴趣的问题是此类平台最核心功能。一些针对问答社区的专家推荐算法已经被提出用来提高平台解答效率,但是现有工作大多关注于用户兴趣与问题信息匹配,忽视了用户兴趣动态变化问题,可能会严重影响推荐质量。提出了结合注意力与循环神经网络的专家推荐算法,不仅实现了问题信息的深度特征编码,而且还能捕获动态变化的用户兴趣。首先,问题编码器在预训练词嵌入基础上结合卷积神经网络(CNN)和Attention注意力机制实现了问题标题与绑定标签的深度特征联合表示。然后,用户编码器在用户历史回答问题的时间序列上利用长短期记忆神经网络Bi-GRU模型捕捉动态兴趣,并结合用户固定标签信息表征长期兴趣。最后,根据两个编码器输出向量的相似性计算产生用户动态兴趣与长期兴趣相结合的推荐结果。在来自知乎问答社区的真实数据上进行了不同参数配置及不同算法的对比实验,结果表明该算法性能明显优于目前比较流行的深度学习专家推荐算法。
-
关键词
社区问答(cqa)
专家推荐
深度学习
注意力机制
循环神经网络(RNN)
-
Keywords
community question answering(cqa)
expert recommendation
deep learning
attention mechanism
recurrent neural network(RNN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
