多特征層次化答案質(zhì)量評價方法研究.pdf

1、隨著web2.0的快速發(fā)展，網(wǎng)上問答社區(qū)已被廣泛的使用，其形式是用戶根據(jù)自己的需求提出問題，其他用戶給出相應的答案，使用戶可以更廣泛的獲取自己所需要的東西。由此產(chǎn)生了一些例如Yahoo Answer、Twitter、Facebook、百度知道等社區(qū)問答系統(tǒng)。然而，在社區(qū)問答中，用戶可以隨意的發(fā)表言論，不可避免的會產(chǎn)生一些低質(zhì)量信息，這些低質(zhì)量的答案出現(xiàn)在問答系統(tǒng)中，嚴重的影響了問答系統(tǒng)的質(zhì)量，因此，如何對答案質(zhì)量進行評價變的尤為重要。<

2、br>　　本文主要針對社區(qū)問答系統(tǒng)中答案質(zhì)量評價方法展開研究。主要分兩方面對具體研究內(nèi)容進行介紹。
　?。?）層次分類模型
　　本文首先分析了社區(qū)問答系統(tǒng)的特點以及研究現(xiàn)狀，根據(jù)前人的研究，現(xiàn)有評價答案質(zhì)量的方法大多是依據(jù)文本或非文本特征，均未注意到對于不同問題類別影響其答案質(zhì)量評價的特征也有所不同這一現(xiàn)象。例如，對于事實類問題，答案中往往會出現(xiàn)一些名詞，對于是非類問題，答案中大多會出現(xiàn)“是”或者“否”，對于建議類問題，答案

3、中一般會出現(xiàn)“我認為”、“我覺得”等一系列詞。所以，在對答案質(zhì)量進行分析時可以充分的利用問題類別這一特征。在此基礎上，本文提出一個層次分類模型，首先分析問題類型，針對本文數(shù)據(jù)利用句法結構提取問題分類的特征對問題進行分類。實驗結果表明，提取特定類別的焦點特征可以很好的去除問句分類的噪音，提高問題分類的精確度。然后，依據(jù)特征影響力隨問題類型不同而不同這一客觀現(xiàn)象，并提取問答對的文本特征、非文本特征、語言翻譯性特征、答案中的鏈接數(shù)四類特征，使

4、用邏輯回歸算法評價各問題類型的答案質(zhì)量，實現(xiàn)基于特征集的答案質(zhì)量分類器，取得較好的效果。最后分析了影響各問題類型評價答案質(zhì)量的主要特征。
　?。?）結合情感分析答案質(zhì)量評價方法
　　本文通過對現(xiàn)有研究成果的分析發(fā)現(xiàn)，情感分析在社區(qū)問答系統(tǒng)中起到了關鍵作用，但現(xiàn)有研究都不能對問答社區(qū)系統(tǒng)中問答對的情感進行有效分析。針對之前答案質(zhì)量評價方法研究的不足提出了結合情感分析的答案質(zhì)量評價方法。該方法將基于機器學習和基于情感詞典的情感分