面向社区问答的专家推荐技术研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题的来源及研究意义 | 第10-17页 |
| 1.1.1 问答系统发展 | 第10-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.3 本文的主要研究内容 | 第20页 |
| 1.4 论文结构 | 第20-22页 |
| 第二章 相关理论技术 | 第22-33页 |
| 2.1 用户权威度计算方法 | 第22-26页 |
| 2.1.1 PageRank算法 | 第22-24页 |
| 2.1.2 PageRank优化算法 | 第24-26页 |
| 2.2 概率主题模型 | 第26-32页 |
| 2.2.1 LDA模型 | 第27-30页 |
| 2.2.2 LDA优化模型 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第三章 面向社区问答的混合专家推荐模型 | 第33-44页 |
| 3.1 问题分析 | 第33页 |
| 3.2 混合专家推荐模型 | 第33-35页 |
| 3.3 Tag-Topic Model模型 | 第35-39页 |
| 3.3.1 预处理 | 第35-36页 |
| 3.3.2 Tag-Topic Model模型 | 第36-37页 |
| 3.3.3 模型参数估计 | 第37-39页 |
| 3.3.4 推断新文档的主题 | 第39页 |
| 3.4 TSER专家排序算法 | 第39-43页 |
| 3.4.1 问题分析 | 第39-40页 |
| 3.4.2 TSPR在社区问答中的应用 | 第40-41页 |
| 3.4.3 TSER | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 实验结果与分析 | 第44-59页 |
| 4.1 实验环境与数据集选择 | 第44-47页 |
| 4.1.1 实验环境 | 第44页 |
| 4.1.2 数据集选择 | 第44-45页 |
| 4.1.3 实验准备 | 第45-47页 |
| 4.1.4 参数选取 | 第47页 |
| 4.2 推荐模型的评估机制 | 第47-51页 |
| 4.2.1 困惑度 | 第48-49页 |
| 4.2.2 nDCG@N | 第49-51页 |
| 4.3 实验结果分析 | 第51-58页 |
| 4.3.1 标签语义扩展与主题提取结果 | 第52-54页 |
| 4.3.2 困惑度实验结果 | 第54-55页 |
| 4.3.3 nDCG@N实验结果 | 第55-58页 |
| 4.3.5 实验结果总结 | 第58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 结论与展望 | 第59-62页 |
| 5.1 本文研究工作总结 | 第59-60页 |
| 5.2 进一步的工作和建议 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
