典型文献
一种基于特征融合与评分反馈的CQA专家推荐方法
文献摘要：
基于社区问答CQA(community-based question and answering)的知识分享已成为互联网时代的主流交互平台,然而随着大量用户参与和大量问题的涌入,普遍存在问题回复慢而领域专家又难以发现合适的问题回答的"回答饥饿"(answer hungry)现象.已有的专家推荐方法多基于提问者、问题、答案、回答者、社交网络等中的局部视角进行特征提取,并没有分析哪一类特征或特征组合是所需的推荐特征;同时,采用机器学习或深度学习进行专家推荐时,其推荐标签特征仅区别"best answer"和非"best answer",而不能评价非"best answer"的回答者真实知识水平,存在推荐质量不高问题.本工作充分利用用户对答案的反馈评价作为答案质量细粒度评分,设计一种考虑特征组合与交互的FM回归模型进行专家推荐,并在此基础上评价每类特征在专家推荐的作用.在爬取的Stack Overflow数据集上,按真实时间序列进行专家推荐,较主流基准算法有不同程度提升,也实证了提问者、问题、答案、回答者这几类特征组合对专家推荐的价值.
文献关键词：
社区问答服务;stack overflow;专家推荐;特征融合;因子分解机
中图分类号：
作者姓名：
司恩鹏;王鲁豫;李浩杰;杜军威
作者机构：
青岛科技大学 信息科学技术学院,山东 青岛 266061;山东省实验中学,山东 济南 250001
文献出处：
引用格式：
[1]司恩鹏;王鲁豫;李浩杰;杜军威-.一种基于特征融合与评分反馈的CQA专家推荐方法)[J].青岛科技大学学报（自然科学版）,2022(02):111-120
A类：
社区问答服务
B类：
特征融合,CQA,专家推荐,推荐方法,community,question,answering,知识分享,互联网时代,交互平台,用户参与,涌入,回复,领域专家,问题回答,饥饿,hungry,提问者,回答者,社交网络,特征组合,best,知识水平,用用,对答,反馈评价,细粒度,FM,每类,爬取,Stack,Overflow,几类,stack,overflow,因子分解机
AB值：
0.379216
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
