【技术实现步骤摘要】
问答社区专家推荐方法及系统
本专利技术涉及互联网
，具体涉及一种结合用户显式兴趣和隐式兴趣的问答社区专家推荐方法及系统。
技术介绍
互联网的发展促进了知识共享以及信息的传播，知识分享服务需求的增长，随之出现了大量的依赖于用户问答交流行为的问答社区，社区中具有专业知识的部分专家用户能够对特定领域的问题提供有价值的可参考答案，帮助其他提供问题的用户来解决疑难。为了促进知识的获取和传播，平台致力于深度挖掘用户兴趣，将问题有效推荐给可作出解答的专家用户。然而，提出的问题和能够提供较准确答案的潜在的专家用户之间缺乏有效的匹配，导致问题堆积，专家用户无法获得其领域的问题，而提出问题的用户无法在短时间内获得高质量解答，解答效率无法满足需求，严重降低了用户体验与参与率。精准快速的问答社区的专家推荐方法，有利于提高平台解答效率，促进培育更强大的社区。专家推荐区别于被动等待用户浏览并找到他们感兴趣的话题，而是主动将问题推荐给相关领域的专家用用户，引起专家用户对该问题的关注。现有的大部分工作都将专家推荐问题视为基于内...
【技术保护点】
1.一种问答社区专家推荐方法，其特征在于，包括：/n获取问答社区上的目标问题；/n利用预先训练好的推荐模型处理所述目标问题，得到所述目标问题在所述问答社区内对应的一个最优专家用户，作为目标专家用户；其中，/n预先训练好的推荐模型由训练集训练得到；所述训练集包括：所述问答社区内的多个问题，以及标记某专家用户是所述多个问题中的某个问题的最优专家用户的标签，以及标记某专家用户不是所述多个问题中的某个问题的最优专家用户的标签；/n将所述目标问题推荐给所述目标专家用户。/n
【技术特征摘要】
1.一种问答社区专家推荐方法，其特征在于，包括：
获取问答社区上的目标问题；
利用预先训练好的推荐模型处理所述目标问题，得到所述目标问题在所述问答社区内对应的一个最优专家用户，作为目标专家用户；其中，
预先训练好的推荐模型由训练集训练得到；所述训练集包括：所述问答社区内的多个问题，以及标记某专家用户是所述多个问题中的某个问题的最优专家用户的标签，以及标记某专家用户不是所述多个问题中的某个问题的最优专家用户的标签；
将所述目标问题推荐给所述目标专家用户。
2.根据权利要求1所述的问答社区专家推荐方法，其特征在于，由训练集训练得到预先训练好的推荐模型时，确定某专家用户是否为某个问题的最优专家用户包括：
将所述某个问题数据进行向量化表示，得到该问题的显式表示向量；
将候选专家用户数据进行向量化表示，得到专家用户显式表示向量；
构建问题-专家用户交互网络，将所有候选问题集合和候选专家用户通过图结构进行隐式表示，从中得到问题隐式表示向量和候选专家用户隐式表示向量；
结合问题显式表示向量与问题隐式表示向量，得到问题最终表示向量；结合专家用户显式表示向量与专家用户隐式向量，得到专家用户最终表示向量；
基于问题最终表示向量和专家用户最终表示向量，计算候选专家用户为该某个问题的专家的概率得分，得分高的为该问题的最优专家用户。
3.根据权利要求2所述的问答社区专家推荐方法，其特征在于，获取问题显式表示向量包括：
将问题标题文本信息进行词向量化嵌入，获取问题的标题表示向量；
将问题内容文本信息进行词向量化嵌入，获取问题的内容表示向量；
将问题标签信息进行词向量化嵌入，获取问题的标签表示向量；
将问题的标题表示向量、问题的内容表示向量和问题的标签表示向量进行拼接，得到最终的问题显式表示向量。
4.根据权利要求2所述的问答社区专家推荐方法，其特征在于，获取专家用户显式表示向量包括：
对候选专家用户的历史回答过的问题进行向量化表示，得到专家用户兴趣动态表示向量；
对候选专家用户的历史回答过的问题对应的用户回答进行向量化表示，得到专家用户专业知识动态表示向量；
对候选专家用户的标签信息进行向量化表示，得到专家用户长期兴趣表示向量；
将专家用户兴趣动态表示向量、专家用户专...
【专利技术属性】
技术研发人员：纪科，吕晓琦，马坤，杨波，陈贞翔，孙润元，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。