基于用户画像的问答平台答案质量评估

针对社会化问答平台中答案良莠不齐的问题,建立基于用户画像的答案质量评估模型,帮助用户优先获取高质量答案。首先提取用户特征,构建问答平台中的用户画像,然后训练基于用户画像和问答文本特征的逻辑回归模型,用于评估答案质量。随机选择知乎平台中情报学相关问答进行实验,用AUC值评价模型效果。基于用户画像的答案质量评估模型AUC值为0.884,能够有效识别答案质量,而且识别效果优于仅使用答案文本特征的逻辑回归模型。文章构建的答案质量评估模型有着较好效果,能够帮助用户区分社会化问答平台中的答案质量。

基于大规模问答对数据的问题检索模型

根据用户提交的查询请求,利用统计语言模型计算查询请求和问句之间的相似度,确定用户查询词所代表的信息需求,由此从海量数据中检索出可以满足该信息需求的问答对,并使用答案质量评估模型对其进行评估。实验结果表明,该问题检索模型可以根据用户请求提供具有较高质量的问答对答案。