社区问答系统中的专家推荐方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文工作 | 第9-10页 |
| 1.4 本文结构 | 第10-12页 |
| 2 相关背景知识和技术介绍 | 第12-19页 |
| 2.1 问答系统 | 第12-16页 |
| 2.1.1 问答系统概述 | 第12-14页 |
| 2.1.2 社区问答系统 | 第14-16页 |
| 2.2 文本表示方法 | 第16-19页 |
| 2.2.1 基于向量空间模型的文本表示方法 | 第16页 |
| 2.2.2 基于主题模型的文本表示方法 | 第16-17页 |
| 2.2.3 基于Word2vec的文本表示方法 | 第17-19页 |
| 3 基于领域的专家推荐方法 | 第19-30页 |
| 3.1 引言 | 第19-20页 |
| 3.2 模型概述 | 第20-25页 |
| 3.2.1 算法思想 | 第20-21页 |
| 3.2.2 fastText | 第21页 |
| 3.2.3 循环神经网络 | 第21-24页 |
| 3.2.4 带Attention的循环神经网络 | 第24-25页 |
| 3.3 实验设计 | 第25-29页 |
| 3.3.1 实验数据 | 第25-27页 |
| 3.3.2 结果设置 | 第27-28页 |
| 3.3.3 实验结果与分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 跨领域的专家推荐方法 | 第30-46页 |
| 4.1 引言 | 第30-31页 |
| 4.2 基于相似度排序的专家推荐方法 | 第31-35页 |
| 4.2.1 算法思想 | 第31-32页 |
| 4.2.2 向量空间模型 | 第32-33页 |
| 4.2.3 语言模型 | 第33页 |
| 4.2.4 LDA主题模型 | 第33-35页 |
| 4.3 基于文本分类的专家推荐方法 | 第35-39页 |
| 4.3.1 算法思想 | 第35页 |
| 4.3.2 逻辑回归 | 第35-36页 |
| 4.3.3 卷积神经网络 | 第36-39页 |
| 4.4 实验设计 | 第39-45页 |
| 4.4.1 实验数据 | 第39-43页 |
| 4.4.2 实验设置 | 第43页 |
| 4.4.3 实验结果与分析 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间发表学术论文情况 | 第53-54页 |
| 致谢 | 第54-56页 |
