融合图神经网络与多视图学习的社区问答专家推荐方法研究

互联网高速发展背景下,社区问答网站提问者有着更强烈的求知需求,海量数据为提问者识别有效信息带来困难,为提问者推荐更专业的专家用户对问题进行回答显得尤为重要。针对传统社区问答专家推荐方法难以准确计算出提问者提出的目标问题和候选专家之间的相关性等问题,为了提高社区问答网站中专家推荐的效率,构建问题节点关系无向图,利用图神经网络GraphSAGE提取节点的二阶邻居信息,并使用多视图学习方法学习不同视图间的互补信息,最终获取目标问题文本和候选专家历史问题集丰富的向量表示,用来计算出目标问题与候选专家之间的匹配度,进而推荐出最适合回答目标问题的专家用户。实验结果表明,在不同的社区问答专家推荐方法上,文中方法在评价指标MRR、NDCG@10上均取得了更优的推荐效果。