知识社区中用户问题分配方法与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13页 |
| 1.2 知识社区发展现状 | 第13-15页 |
| 1.2.1 知识社区的定义 | 第13-14页 |
| 1.2.2 知识社区的特征 | 第14页 |
| 1.2.3 知识社区的发展现状 | 第14-15页 |
| 1.3 社区问答系统 | 第15-17页 |
| 1.3.1 社区问答系统的概述 | 第15-16页 |
| 1.3.2 社区问答系统的发展概况 | 第16-17页 |
| 1.4 关于本论文 | 第17-21页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 论文结构 | 第18-21页 |
| 第2章 关键技术综述 | 第21-35页 |
| 2.1 社区问答系统研究综述 | 第21-22页 |
| 2.2 推荐系统介绍 | 第22-24页 |
| 2.2.1 基于内容的推荐 | 第23页 |
| 2.2.2 协同过滤推荐 | 第23-24页 |
| 2.2.3 混合推荐 | 第24页 |
| 2.3 主题建模技术概述 | 第24-29页 |
| 2.3.1 潜在语义分析(LSA)技术 | 第25页 |
| 2.3.2 概率潜在语义分析技术(PLSA) | 第25-28页 |
| 2.3.3 隐含狄利克雷分布（LDA） | 第28-29页 |
| 2.4 链接分析技术 | 第29-33页 |
| 2.4.1 HITS算法 | 第30-31页 |
| 2.4.2 PageRank算法 | 第31-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 领域问答专家集发现 | 第35-49页 |
| 3.1 用户问题的深层次语义分析 | 第37-39页 |
| 3.1.1 问题分析及语义模式的建立 | 第37-38页 |
| 3.1.2 语义分析工作流程 | 第38页 |
| 3.1.3 问题的结构分析和模式匹配 | 第38-39页 |
| 3.1.4 模式产生和模式分类 | 第39页 |
| 3.2 问题推荐 | 第39-41页 |
| 3.2.1 问题推荐定义 | 第39-40页 |
| 3.2.2 问题推荐方法设计 | 第40-41页 |
| 3.3 专家兴趣建模 | 第41-46页 |
| 3.3.1 专家兴趣模型构建 | 第42-43页 |
| 3.3.2 专家兴趣模型参数估计 | 第43-46页 |
| 3.4 相似度计算 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 最优问答专家集发现 | 第49-59页 |
| 4.1 答案特征研究 | 第50-52页 |
| 4.1.1 答案类型 | 第50-51页 |
| 4.1.2 答案文本特征 | 第51页 |
| 4.1.3 答案的统计信息特征 | 第51-52页 |
| 4.1.4 答案与问题的关联度 | 第52页 |
| 4.2 最佳答案 | 第52-54页 |
| 4.2.1 最佳答案定义 | 第52-53页 |
| 4.2.2 最佳答案获得方法设计 | 第53-54页 |
| 4.3 专家权威度评价 | 第54-57页 |
| 4.3.1 链接结构构建 | 第54-55页 |
| 4.3.2 权威度评估 | 第55-57页 |
| 4.4 相似度计算 | 第57页 |
| 4.5 本章小结 | 第57-59页 |
| 第5章 实验结果与验证 | 第59-67页 |
| 5.1 用户问题分配方法的设计思路 | 第59页 |
| 5.2 用户问题分配方法的流程图 | 第59-60页 |
| 5.3 实验验证 | 第60-65页 |
| 5.3.1 实验语料 | 第60-62页 |
| 5.3.2 领域问答专家发现方法实验验证 | 第62-63页 |
| 5.3.3 最优问答专家发现方法实验验证 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 总结 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 攻读学位期间发表的学术论文 | 第71-73页 |
| 致谢 | 第73页 |
