期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于学习者求助行为的论坛回答者推荐研究
被引量:
3
1
作者
叶俊民
赵丽娴
+2 位作者
罗达雄
王志锋
陈曙
《小型微型计算机系统》
CSCD
北大核心
2019年第3期493-498,共6页
在在线学习环境中,依据学习者的行为为其推荐合适的问题回答者,可有效提高其学习效果.目前许多的问题回答者推荐研究考虑到了问答数据,但没有考虑行为因素对推荐问题回答者的影响.本文结合问答数据与学生行为数据,提出了一种论坛问题回...
在在线学习环境中,依据学习者的行为为其推荐合适的问题回答者,可有效提高其学习效果.目前许多的问题回答者推荐研究考虑到了问答数据,但没有考虑行为因素对推荐问题回答者的影响.本文结合问答数据与学生行为数据,提出了一种论坛问题回答者的推荐方法.该方法的基本思路是:获取学习者求助行为类别;根据学习者求助行为类别为其推荐论坛问题回答者.为此,采用聚类算法处理学习者的求助行为数据并得到该学习者求助行为类别标签;采用此学习者求助行为数据和求助行为类别标签作为训练数据,训练朴素贝叶斯模型,从而自动识别新的学习者求助行为的类别;在此基础上,提出使用卷积神经网络方法构建论坛回答者推荐模型.通过对采集到的在线学习求助行为数据进行实验,说明了该方法能为学习者有效推荐合适的论坛回答者.
展开更多
关键词
求助行为
论坛
回答者推荐
朴素贝叶斯模型
卷积神经网络
下载PDF
职称材料
在线问答社区——海川化工论坛的回答者推荐算法
2
作者
陈卓
袁玺明
杜军威
《计算机与现代化》
2021年第10期29-34,共6页
推荐系统已经在开发者社区Stack Overflow以及知乎、百度知道等热门问答社区发挥了重要作用,也即将成为海川化工论坛提高问答效率的关键技术。海川化工论坛作为国内最大的化工问答社区,问题不能得到及时有效的解答主要由于2大难点:稀疏...
推荐系统已经在开发者社区Stack Overflow以及知乎、百度知道等热门问答社区发挥了重要作用,也即将成为海川化工论坛提高问答效率的关键技术。海川化工论坛作为国内最大的化工问答社区,问题不能得到及时有效的解答主要由于2大难点:稀疏性和冷启动。本文提出一种融合DeepFM与矩阵分解的混合推荐方法。算法以DeepFM作为辅助算法,矩阵分解作为主算法,通过结合用户的个人特征与问题的自身特征为论坛中的新问题推荐合适的回答者,可有效解决社区中的问题冗余。通过计算测试集的均方根误差与平均绝对误差,进一步验证本文提出的方法在海川化工论坛的有效性和可行性。
展开更多
关键词
推荐
系统
混合
推荐
矩阵分解
回答者推荐
下载PDF
职称材料
基于数据挖掘的专业可信回答者个性化推荐——以Stack Overflow问答社区为例
被引量:
4
3
作者
刘迎春
朱旭
+1 位作者
谢年春
李佳
《现代教育技术》
CSSCI
北大核心
2019年第5期78-84,共7页
针对问答社区中问题不能得到及时、有效解答的现状,文章以Stack Overflow问答社区为例,首先介绍了问答社区数据的采集与预处理情况;然后,通过挖掘学习者信息,得到专业可信回答者、高信誉回答者和徽章回答者三种潜在回答者;最后,实施了...
针对问答社区中问题不能得到及时、有效解答的现状,文章以Stack Overflow问答社区为例,首先介绍了问答社区数据的采集与预处理情况;然后,通过挖掘学习者信息,得到专业可信回答者、高信誉回答者和徽章回答者三种潜在回答者;最后,实施了三种回答者推荐并对比了推荐性能。实验结果表明,与高信誉回答者推荐和徽章回答者推荐相比,考虑回答质量和专业相关性的专业可信回答者推荐具有更高的准确率和召回率,其推荐性能更优。实施基于数据挖掘的专业可信回答者个性化推荐,能有效缓解问答社区的信息过载问题,有助于建设更高效的网络学习社区环境。
展开更多
关键词
专业可信度
回答者推荐
数据挖掘
STACK
Overflow问答社区
下载PDF
职称材料
题名
基于学习者求助行为的论坛回答者推荐研究
被引量:
3
1
作者
叶俊民
赵丽娴
罗达雄
王志锋
陈曙
机构
华中师范大学计算机学院
华中师范大学教育信息技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第3期493-498,共6页
基金
国家社会科学基金一般项目(17BTQ061)资助
文摘
在在线学习环境中,依据学习者的行为为其推荐合适的问题回答者,可有效提高其学习效果.目前许多的问题回答者推荐研究考虑到了问答数据,但没有考虑行为因素对推荐问题回答者的影响.本文结合问答数据与学生行为数据,提出了一种论坛问题回答者的推荐方法.该方法的基本思路是:获取学习者求助行为类别;根据学习者求助行为类别为其推荐论坛问题回答者.为此,采用聚类算法处理学习者的求助行为数据并得到该学习者求助行为类别标签;采用此学习者求助行为数据和求助行为类别标签作为训练数据,训练朴素贝叶斯模型,从而自动识别新的学习者求助行为的类别;在此基础上,提出使用卷积神经网络方法构建论坛回答者推荐模型.通过对采集到的在线学习求助行为数据进行实验,说明了该方法能为学习者有效推荐合适的论坛回答者.
关键词
求助行为
论坛
回答者推荐
朴素贝叶斯模型
卷积神经网络
Keywords
learner’s help-seeking behavior
recommended forum respondent
naive Bayesian classification algorithm
convolutional neural network
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP391.3 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
在线问答社区——海川化工论坛的回答者推荐算法
2
作者
陈卓
袁玺明
杜军威
机构
青岛科技大学信息科学技术学院
出处
《计算机与现代化》
2021年第10期29-34,共6页
基金
国家自然科学基金资助项目(61973180)。
文摘
推荐系统已经在开发者社区Stack Overflow以及知乎、百度知道等热门问答社区发挥了重要作用,也即将成为海川化工论坛提高问答效率的关键技术。海川化工论坛作为国内最大的化工问答社区,问题不能得到及时有效的解答主要由于2大难点:稀疏性和冷启动。本文提出一种融合DeepFM与矩阵分解的混合推荐方法。算法以DeepFM作为辅助算法,矩阵分解作为主算法,通过结合用户的个人特征与问题的自身特征为论坛中的新问题推荐合适的回答者,可有效解决社区中的问题冗余。通过计算测试集的均方根误差与平均绝对误差,进一步验证本文提出的方法在海川化工论坛的有效性和可行性。
关键词
推荐
系统
混合
推荐
矩阵分解
回答者推荐
Keywords
recommendation system
mixed recommendation
matrix decomposition
respondent recommendation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于数据挖掘的专业可信回答者个性化推荐——以Stack Overflow问答社区为例
被引量:
4
3
作者
刘迎春
朱旭
谢年春
李佳
机构
浙江工业大学教育科学与技术学院
出处
《现代教育技术》
CSSCI
北大核心
2019年第5期78-84,共7页
基金
国家社会科学基金项目"社交媒体中基于群体深度交互的信任生成研究"(项目编号:17BTQ067)的阶段性研究成果
文摘
针对问答社区中问题不能得到及时、有效解答的现状,文章以Stack Overflow问答社区为例,首先介绍了问答社区数据的采集与预处理情况;然后,通过挖掘学习者信息,得到专业可信回答者、高信誉回答者和徽章回答者三种潜在回答者;最后,实施了三种回答者推荐并对比了推荐性能。实验结果表明,与高信誉回答者推荐和徽章回答者推荐相比,考虑回答质量和专业相关性的专业可信回答者推荐具有更高的准确率和召回率,其推荐性能更优。实施基于数据挖掘的专业可信回答者个性化推荐,能有效缓解问答社区的信息过载问题,有助于建设更高效的网络学习社区环境。
关键词
专业可信度
回答者推荐
数据挖掘
STACK
Overflow问答社区
Keywords
professional credibility
answer recommendation
data mining
Stack Overflow Q&A community
分类号
G40-057 [文化科学—教育学原理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于学习者求助行为的论坛回答者推荐研究
叶俊民
赵丽娴
罗达雄
王志锋
陈曙
《小型微型计算机系统》
CSCD
北大核心
2019
3
下载PDF
职称材料
2
在线问答社区——海川化工论坛的回答者推荐算法
陈卓
袁玺明
杜军威
《计算机与现代化》
2021
0
下载PDF
职称材料
3
基于数据挖掘的专业可信回答者个性化推荐——以Stack Overflow问答社区为例
刘迎春
朱旭
谢年春
李佳
《现代教育技术》
CSSCI
北大核心
2019
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部