中文社区问答中问题答案质量评价和预测

知识共享型网站为自动问答系统带来了新的研究契机。但用户提供的问题及其答案质量参差不齐,在提供有用信息的同时可能包含各种无关甚至恶意的信息。对此类信息进行判别和过滤,并选取高质量的问题与答案对,有助于在基于社区的自动问答系统中重用相关问题的答案以提高问答系统的服务质量。首先从中文社区问答网站上抓取大量问题及答案,利用社会网络的方法对提问者和回答者的互动关系及特点进行了统计与分析。然后基于给定的问答质量判定标准,对3000多个问题及其答案进行了人工标注。并通过提取文本和非文本两类特征集,利用机器学习算法设计和实现了基于特征集的问答质量分类器。试验结果表明其精度和召回率均在70%以上。最后分析了影响社区网络中问答质量的主要因素。

多特征层次化答案质量评价方法研究

社交媒体中的问答对可以为自动问答系统提供答案,但有些答案的质量不高,因此答案质量评价方法具有研究价值。已有的评价方法没有考虑问题类别特征,对不同类型的问题采用统一的评价方法。因此提出了一个层次分类模型。首先分析问题类型;然后提取文本、非文本、语言翻译性、答案中的链接数4类特征,依据特征分类影响力随问题类型不同而不同这一客观现象,采用逻辑回归算法对各类型问题的答案质量进行评价,取得了较好的实验效果;最后分析了影响各类问题答案质量的主要特征。

食品安全导论课程非标准答案考核评价改革研究

基于创新创业应用型人才培养的目标,课程考核评价模式应由传统的标准答案考试转向侧重考查学生综合分析、创新实践及应用能力。以概括酿酒技术专业群平台共享课程“食品安全导论”典型特点为起点,分析课程传统考核方式存在的问题,从组织机构、考核内容、考核方式、评价标准、绩效挂钩五个方面,探究该课程非标准答案考核评价改革的路径,推进酿酒技术专业群建设,培养兼具专业实践知识和综合分析能力、精准服务食品(白酒)产业需求的创新应用型人才。

技术视角下社交问答平台问题和答案的相关研究进展

社交问答改变了用户在线获取信息的方式,研究者对社交问答中的问题、答案等用户生成内容开展了大量的研究。本文综述了问题分类、推荐、检索方面的研究,总结了答案评价方面的研究进展,包括回答者的评价和答案本身的评价两个方面,最后指出了一些潜在的研究机会。

当学生答完问题时——谈如何对学生答案进行有效反馈

在语文教学中如何对学生的回答进行有效的评价，是一个值得继续深入思考探究的话题，这会直接影响到学生的学习兴趣和效果。因此．在学生回答正确时，教师的表扬更要注意细节和过程；在学生回答错误时．教师如果难以找到合适的方法进行纠正，就可以采取延迟判断。集体讨论的方法，更可以把学生的错误答案积累成有用的教学资源。

学术社交网络问答质量智能评价与服务优化研究

[目的/意义]学术社交网络所提供的问答服务已成为学者们快速获取学术信息、解决学术问题的重要途径,实现基于机器学习的问答质量智能评价和服务优化对学术社交网络中优质内容传播具有重要意义。[方法/过程]以ResearchGate问答服务为研究对象,从结构化特征、内容特征、其他特征以及回答者特征4个维度构建答案质量评价体系,利用机器学习方法和数据增强技术进行答案质量分类预测。[结果/结论]SMOTE算法在处理不平衡样本时具备有效性;支持向量机在单一模型预测中,取得出色的分类效果;组合模型使预测精度得到进一步提升,基于随机森林、支持向量机、BP神经网络构建的组合模型分类性能最佳,以此为基础可通过搭建问答质量智能评价系统实现学术社交网络问答服务优化。