Nov, 2018

深入探究匿名性：Quora 问题的大规模分析

PDF
TL;DR通过 5.1 万个问题的分析，揭示了社交问答平台 Quora 上匿名和非匿名问题的差异：匿名问题的提问者更倾向于谈论抑郁、焦虑以及个人的问题，且匿名群体与外向性、宜人性呈现正相关，与开放性质呈现负相关；此外，对于个人与敏感问题的回答，社区支持和用户参与度更高。
anonymitysocial q&aquoralinguistic structurepersonality trait analysis
发现论文，激发创造
  • 掩面之后：匿名在 Twitter 上的存在的计算研究

    本文使用机器学习和社交网络分析方法，对 Twitter 上超过 20000 个 Anonymous 账户进行了分析，发现少数几个高影响力的账户存在，并发现这些账户之间存在话题相似性，这些研究数据为之前的小规模定性研究提供了定量证据。

    Jun, 2020

  • 透明度、隐晦性和问题提出的几何学

    本文研究问题的难度，并指出模糊性与稀有性两个维度影响问题回答的难度，同时发现问题复杂度、答案网络密度、线索交叉性及信号词的存在也会影响问题的难度。同时，通过本文的研究成果，指导个体在提问和学习过程中跨越领域困难，增强理解。

    Sep, 2018

  • 社区问答平台上跨语言的任务偏好

    使用实体嵌入模型分析多语言社区问答平台上不同语言社区的在线任务偏好和趋势，为平台提供更好的定制化内容服务，并为涉足非英语使用者市场的企业提供有价值的见解。

    Dec, 2022

  • 在意见问答系统中建模歧义、主观性和不同观点

    通过考虑个性化和模棱两可性，我们创建了一个包含大约 80 万个问题和 310 万个答案的新问题回答数据集，发现考虑主观答案的个性化因素能够得到定量上更好的答案，并提供更细致的支持性观点。

    Oct, 2016

  • 评估潮起潮落：跨多个平台深度分析问答趋势

    本研究通过分析六个广受欢迎的 CQA 平台中的元数据、问题的表述以及用户之间的互动水平与首次回答问题所需的时间之间的相关性，并运用传统机器学习模型预测哪些问题将会迅速获得首次回复。

    Sep, 2023

  • 应用不同技术的机器学习模型对匿名数据的比较

    通过使用基于值通用化层次结构的匿名化技术来模糊准标识符，广泛用于实现预设的隐私级别。本文研究了四种经典的机器学习方法，以分类为目的，分析了应用匿名化技术和为每个方法选择的参数的结果。使用广为人知的成年人数据集，在变化的 K 值、L - 多样性、T - 接近度和 delta 披露隐私方面部署这些模型的性能得到了研究。

    May, 2023

  • 隐私政策问答：结合计算和法律视角

    本文介绍了 PrivacyQA 数据集，以及采用神经网络进行隐私政策问题回答的方法和挑战。PrivacyQA 数据集包括 1750 个问题和 3500 个相关答案的专业注释，研究表明，当前的神经网络方法在回答隐私政策问题上存在诸多问题，该数据集为未来的问题回答系统提供了巨大的改进空间。

    Nov, 2019

  • 社交网络去匿名化

    介绍了一种分析社交网络中隐私和匿名性的框架，并开发了一种新的针对匿名化社交网络图的重新识别算法。此算法纯基于网络拓扑，无需创建大量虚假节点，可对抗噪声和所有现有防御，哪怕目标网络与攻击者的辅助信息之间的重叠很小。

    Mar, 2009

  • 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

  • 基于筛选和开放网络资源的问答系统

    本文的主要研究领域是关于自动问答，重点介绍了知识图谱、非结构化文本和混合语料库等来源的家族算法，并讨论了每个子主题中涉及的复杂性问题和系统中介绍的可解释性和互动性程度，最后总结了 QA 领域的最具前景的新兴趋势。

    Apr, 2020