一种基于众智网络的问答任务分配方法及系统技术方案

本发明专利技术公开了一种基于众智网络的问答任务分配方法及系统，该方法包括以下步骤：获取用户发布的待解决新问题；搜索用户历史提出的问题及问题答案，挖掘用户的主题分布，计算用户主题与新问题的距离，获得兴趣度高的用户；采用改进的PageRank算法，计算兴趣度高的用户的权威度；计算兴趣度高的用户的最近活跃度和情感倾向性；根据得到的兴趣度高的用户权威度、最近活跃度和情感倾向性，计算兴趣度高的用户匹配度，将待解决新问题分配给匹配度高的用户。本发明专利技术使得最合适的问题能够推送到最合适的用户来解答，有效缓解在线问答平台中提问者被动等待用户回答且得不到满意回答的情况。

A Question and Answer Task Assignment Method and System Based on Popular Intelligence Network

【技术实现步骤摘要】
一种基于众智网络的问答任务分配方法及系统
本公开涉及众智网络任务分配
，具体为一种基于众智网络的问答任务分配方法及系统。
技术介绍
互联网、云计算、众智科学的兴起使得用户能充分发挥个体和群体的智慧，挖掘其潜能，有效解决计算机或人类单独难以解决的复杂问题。随着在线问答的行业的兴起，各种在线问答平台为用户学习提供了便利。众智科学与工程和在线问答结合，将能够充分利用广大用户的智慧，帮助用户解答问题。众智科学与工程以万物互联的未来网络化产业运作体系和社会治理的需求为背景，以众智网络系统为对象，以解决未来网络化产业运作体系和社会治理的基本问题为出发点，综合运用系统论、信息论、控制论、计算机科学与工程、管理学、经济学、社会学、心理学等多学科知识，通过物联网、云计算、大数据、人工智能等新技术和手段，探索大规模在线互联环境下信息物理社会三元融合系统群体智能活动的基本原理和规律，进而建立相关方法和工具，充分发挥人类个体和群体的智慧，挖掘其潜能，有效推进新型的网络化产业运作体系及社会运行管理方式建设进程。在众智网络中，将物理空间的自然人、企业、政府部门等机构、各类智能装备与物品等众多智能主体，连同他们各自意识空间的思想，借助网络和数据，统一映射到信息空间中各自的镜像，称这些众多智能主体的映射为信息空间的智能数体。智能数体分为“我是谁”、“我的供给”、“我的需求”和“我的空间”四部分，将问答映射到众智网络的信息空间，用户即为智能数体，用户发布问题即为提出“我的需求”，用户回答问题的能力即为“我的供给”，所以问答环节映射到众智网络的信息空间即为供需匹配。专利技术人在研发过程中发现，现有的问答任务分配方法对用户问题和资源的供需匹配的效率低，存在一定误差，在线问答平台中提问者被动等待用户回答且得不到满意回答。
技术实现思路
为了克服上述现有技术的不足，本公开提供了一种基于众智网络的问答任务分配方法及系统，使得最合适的问题能够推送到最合适的用户来解答，有效缓解在线问答平台中提问者被动等待用户回答且得不到满意回答的情况。本公开提出的一种基于众智网络的问答任务分配方法的技术方案是：一种基于众智网络的问答任务分配方法，该方法包括以下步骤：获取用户发布的待解决新问题；搜索用户历史提出的问题及问题答案，挖掘用户的主题分布，计算用户主题与新问题的距离，获得兴趣度高的用户；采用改进的PageRank算法，计算兴趣度高的用户的权威度；计算兴趣度高的用户的最近活跃度和情感倾向性；根据得到的兴趣度高的用户权威度、最近活跃度和情感倾向性，计算兴趣度高的用户匹配度，将待解决新问题分配给匹配度高的用户。作为本公开的进一步限定，所述兴趣度高的用户的获得方法具体为：采用众智网络搜索用户历史提出的问题及回答过的问题答案；采用BTM主题模型生成语料库中所有词对，计算每个词对的联合概率，将所有词对的联合概率相乘，得到整个语料库的概率；将用户历史提出的问题题目及回答过的问题题目构成文档，从文档中提取出词对，利用整个语料库中生成的词对学习文档中所有词对的主题，得到用户的主题分布；计算用户主题与新问题的距离，将最近距离对应的用户为兴趣度高的用户。作为本公开的进一步限定，所述兴趣度高的用户的权威度的计算方法为：在PageRank算法的基础上，构建用户之间问答关系图；计算在各个主题下用户间权威值转移概率，利用在各个主题下用户间权威值转移概率，计算在各个主题下兴趣度高的用户的权威度；利用在各个主题下兴趣度高的用户的权威度和新问题与各个主题之间的距离，计算兴趣度高的用户对新问题的权威度。作为本公开的进一步限定，所述兴趣度高的用户的最近活跃度的计算方法为：根据兴趣度高的用户历史回答时间与新问题发布时间的时间间隔，计算兴趣度高的用户最近活跃度，并对兴趣度高的用户最近活跃度进行归一化处理。作为本公开的进一步限定，所述兴趣度高的用户的情感倾向性的计算方法为：获取兴趣度高的用户得到的历史评价，将其作为待分析文本，并抽取待分析文本中所有评价词；选择基准词，基于任意每个评价词与基准词的点互信息，计算每个评价词的语义倾向性；将所有评价词的语义倾向性求和并取平均，得到句子的平均语义倾向性，即为兴趣度高的用户的情感倾向性。作为本公开的进一步限定，所述兴趣度高的用户匹配度的计算方法为：将得到的兴趣度高的用户权威度、最近活跃度和情感倾向性相乘，得到兴趣度高的用户匹配度。本公开提出的一种基于众智网络的问答任务分配系统的技术方案是：一种基于众智网络的问答任务分配系统，该系统包括：问题获取模块，用于获取用户发布的待解决新问题；兴趣度分析模块，用于搜索用户历史提出的问题及问题答案，挖掘用户的主题分布，计算用户主题与新问题的距离，获得兴趣度高的用户；权威性分析模块，用于采用改进的PageRank算法，计算兴趣度高的用户的权威度；权威性均衡模块，用于计算兴趣度高的用户的最近活跃度和情感倾向性；分析匹配模块，用于根据得到的兴趣度高的用户权威度、最近活跃度和情感倾向性，计算兴趣度高的用户匹配度，将待解决新问题分配给匹配度高的用户。本公开提出的一种计算机可读存储介质的技术方案是：一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如上所述的基于众智网络的问答任务分配方法中的步骤。本公开提出的一种计算机设备的技术方案是：一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如上所述的基于众智网络的问答任务分配方法中的步骤。通过上述技术方案，本公开的有益效果是：(1)本公开改进了传统的PageRank算法，传统的PageRank算法仅根据用户之间的链接数量来确定用户的权重，存在主题偏移的问题，本专利技术引入权威值转移概率，考虑具有问答关系的用户之间的权威值转移概率以及新问题与主题之间的距离因素；并引入用户的最近活跃度和情感倾向性来均衡权威度的权重，避免权威性带来的偏差。(2)本公开结合用户的兴趣度、权威性、最近活跃度以及情感倾向性，为用户推荐最合适的答题者，确保任务合理分配。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。图1是实施例一基于众智网络的问答任务分配方法的流程图；图2是实施例二基于众智网络的问答任务分配系统的结构图。具体实施方式下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实施例一为了高效、精准地实现用户问题和资源的供需匹配，有效缓解在线问答平台中提问者被动等待用户回答且得不到满意回答的情况，本实施例提供了一种基于众智网络的问答任务分配方法，通过众智网络智能搜索到的用户进本文档来自技高网...

【技术保护点】
1.一种基于众智网络的问答任务分配方法，其特征是，包括以下步骤：获取用户发布的待解决新问题；搜索用户历史提出的问题及问题答案，挖掘用户的主题分布，计算用户主题与新问题的距离，获得兴趣度高的用户；采用改进的PageRank算法，计算兴趣度高的用户的权威度；计算兴趣度高的用户的最近活跃度和情感倾向性；根据得到的兴趣度高的用户权威度、最近活跃度和情感倾向性，计算兴趣度高的用户匹配度，将待解决新问题分配给匹配度高的用户。

【技术特征摘要】
1.一种基于众智网络的问答任务分配方法，其特征是，包括以下步骤：获取用户发布的待解决新问题；搜索用户历史提出的问题及问题答案，挖掘用户的主题分布，计算用户主题与新问题的距离，获得兴趣度高的用户；采用改进的PageRank算法，计算兴趣度高的用户的权威度；计算兴趣度高的用户的最近活跃度和情感倾向性；根据得到的兴趣度高的用户权威度、最近活跃度和情感倾向性，计算兴趣度高的用户匹配度，将待解决新问题分配给匹配度高的用户。2.根据权利要求1所述的基于众智网络的问答任务分配方法，其特征是，所述兴趣度高的用户的获得方法具体为：通过众智网络搜索用户历史提出的问题及回答过的问题答案；采用BTM主题模型生成语料库中所有词对，计算每个词对的联合概率；将用户历史提出的问题题目及回答过的问题题目构成文档，从文档中提取出词对，利用整个语料库中生成的词对学习文档中所有词对的主题，得到用户的主题分布；计算用户主题与新问题的距离，将最近距离对应的用户为兴趣度高的用户。3.根据权利要求1所述的基于众智网络的问答任务分配方法，其特征是，所述兴趣度高的用户的权威度的计算方法为：在PageRank算法的基础上，构建用户之间问答关系图；计算在各个主题下用户间权威值转移概率，利用在各个主题下用户间权威值转移概率，计算在各个主题下兴趣度高的用户的权威度；利用在各个主题下兴趣度高的用户的权威度和新问题与各个主题之间的距离，计算兴趣度高的用户对新问题的权威度。4.根据权利要求1所述的基于众智网络的问答任务分配方法，其特征是，所述兴趣度高的用户的最近活跃度的计算方法为：根据兴趣度高的用户历史回答时间与新问题发布时间的时间间隔，计算兴趣度高的用户最近活跃度，并对兴趣度高的用户最近活跃度进行归一化处理。5.根据权利要求1所述的基于众智网络的问答任务分配方法，其特征是，所述兴趣度高的用户的情感倾向性的计算方法为：获取兴趣度高的用户得到的历史评价，将其作为待...

【专利技术属性】
技术研发人员：刘磊，张小丽，郭伟，鹿旭东，杨哲，崔立真，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37