| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 问答社区 | 第12页 |
| 1.1.2 专家发现方法 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 针对问题推荐的专家发现方法研究现状 | 第14-15页 |
| 1.2.2 针对答案排名的专家发现方法研究现状 | 第15页 |
| 1.2.3 针对问答社区中冷启动用户的专家发现方法的研究现状 | 第15-16页 |
| 1.3 本文研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 相关技术 | 第19-27页 |
| 2.1 主题建模技术 | 第19-23页 |
| 2.1.1 LDA主题模型 | 第19-21页 |
| 2.1.2 Word2Vec词向量模型 | 第21-23页 |
| 2.2 链路分析技术 | 第23-25页 |
| 2.2.1 随机游走算法 | 第23-24页 |
| 2.2.2 PageRank算法 | 第24页 |
| 2.2.3 HITS算法 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于用户兴趣模型的专家发现方法 | 第27-37页 |
| 3.1 问题推荐场景定义与评价方法 | 第27-28页 |
| 3.2 用户兴趣模型构建 | 第28-30页 |
| 3.3 专家发现方法设计 | 第30-33页 |
| 3.3.1 重启动的随机游走算法 | 第31-32页 |
| 3.3.2 贝叶斯推断 | 第32-33页 |
| 3.4 实验结果及分析 | 第33-35页 |
| 3.4.1 实验环境与数据集介绍 | 第33-34页 |
| 3.4.2 对比方法介绍 | 第34页 |
| 3.4.3 实验结果 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 基于链路分析的专家发现方法 | 第37-50页 |
| 4.1 答案排名场景定义与评价方法 | 第37-39页 |
| 4.2 用户关系网络建模 | 第39-40页 |
| 4.3 专家发现方法设计 | 第40-44页 |
| 4.3.1 NEWHITS算法 | 第41-42页 |
| 4.3.2 用户相似度比较方法 | 第42-44页 |
| 4.4 实验结果及分析 | 第44-48页 |
| 4.4.1 实验环境与数据集介绍 | 第44页 |
| 4.4.2 对比方法介绍 | 第44-45页 |
| 4.4.3 实验结果 | 第45-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 基于共同用户的跨网络专家发现方法 | 第50-62页 |
| 5.1 跨网络专家发现场景定义和评价方法 | 第50-52页 |
| 5.2 跨网络用户模型构建 | 第52-56页 |
| 5.2.1 跨网络用户行为分析 | 第52-55页 |
| 5.2.2 构建基于共同用户的跨网络模型 | 第55-56页 |
| 5.3 专家发现方法设计 | 第56页 |
| 5.4 实验结果及分析 | 第56-61页 |
| 5.4.1 实验环境与数据集介绍 | 第56-57页 |
| 5.4.2 对比方法介绍 | 第57-58页 |
| 5.4.3 实验结果 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |