IJCAINov, 2016

在线社区弱学习专家匹配

PDF
TL;DR本研究旨在解决在线问答 (QA) 网站中寻找 (邀请) 能够回答给定问题且不太可能拒绝邀请的用户的问题。为此，我们提出了 WeakFG 模型以捕获问题和用户之间的专业匹配度，并将基于社会身份理论的一组相关性结合到模型中。我们使用两种不同类别的数据集：QA-Expert 和 Paper-Reviewer 来验证该模型的性能。实验结果表明，该模型可以比现有算法显著提高 (至少 + 1.5-10.7% by MAP) 用户与社区问题的匹配度。此外，我们还开发了一个在线系统来进一步展示所提出方法的优势。
online question-and-answerexpertise matchingsocial identity theoryweakfg modelalgorithm improvement
发现论文，激发创造
  • 多尺度匹配的社区问题回答选择对抗训练

    本研究提出了一种针对社区问答的二分类（相关 / 不相关）策略，采用敌对训练框架缓解标签失衡问题，并使用生成模型迭代地抽样一组具有挑战性的负样本，最终提高模型预测性能。此外，我们使用多尺度匹配方法显式地检查不同粒度级别的单词和 ngram 之间的相关性。在 SemEval 2016 和 SemEval 2017 数据集上进行评估，结果表明该方法达到或接近最佳性能。

    Apr, 2018

  • 社区问答中专家推荐的调查

    本文概述了社区问答中专家推荐的研究进展和现有技术，总结并比较了现有方法的优缺点，并讨论了未来研究方向和面临的挑战。

    Jul, 2018

  • 在问答系统中使用弱监督和数据增强

    研究探讨了弱监督和数据增强在训练深度神经网络问答模型中的作用，利用结构化文摘和信息检索算法 BM25 生成标签，通过信息检索技术和词汇数据库增强训练数据，应用课程学习进行领域自适应和逐步微调问答模型来回答关于 COVID-19 的问题。

    Sep, 2023

  • 向协作问答迈进：初步研究

    提出了一种新的具有复杂度的问题，并由多个专家代理协调工作，利用知识图谱和神经网络来解决问题，并说明了解决复杂问题协作结构的先前和后续扩展的必要性。

    Jan, 2022

  • 利用用户信息在问答网站中预测最佳答案

    本研究使用问题者的背景信息及其他特征，例如文本内容或者与其他参与者的关系，并利用 Stack Exchange 数据集进行训练，提出一种预测最佳答案的新方法，并且证明了用户间的关系对结果具有重要影响。同时，我们发现用户关系信息与文本特征和元特征（如时间差异）之间有较少的重叠。

    Dec, 2022

  • 图增强的学习排序用于查询大规模知识图谱

    提出了一种基于子图分区的图增强学习排序模型，该模型整合了子图匹配网络和增强双边多角度匹配模型，用于知识图谱问答中的答案选择。在多个基准数据集上的实验结果表明，该方法具有很好的效果。

    Nov, 2021

  • 社区问答站点中的问题难度和专业水平评估（QDEE）

    本文提出了一种基于社区问答（CQAs）的问答难度和专业水平估计（QDEE）框架，该框架使用竞争（定向）图模型来预测问题难度和用户专业水平，借助 “社交痛苦” 将问答路由到合适的用户来提高问答效果。

    Mar, 2018

  • 在线健康专家问答服务的质量预测深度学习方法

    提出了一种基于深度置信网络的在线健康询问平台回答质量预测框架，该框架利用非文本特征和医生答案的高层语义表示来预测答案质量。

    Dec, 2016

  • 有效的迁移学习方法用于相似问题鉴定：用户问题匹配 COVID-19 常见问题解答

    利用预训练神经网络上的双重微调方法，先使用医疗问答对进行预训练，然后使用医学问答对进行微调，以确定医学问题的相似性，特别适用于 COVID-19 相关问答系统匹配用户问题。

    Aug, 2020

  • 面向信息检索的基于内容的弱监督再排序

    论文研究了神经排序中标记相关性判定数量巨大的问题，并提出使用弱监督来源训练排名器，然后使用过滤技术排除域外样本，实现了有效的性能改进。

    Jul, 2017