BERTERS：基于 Transformer 的专家推荐系统多模态表示学习
信息检索
2021-08-25 v1 计算与语言
机器学习
摘要
专家推荐系统的目标是追踪一组候选人的专业知识和偏好，识别其专业知识模式，并找出专家。本文中，我们引入一种用于专家推荐系统的多模态分类方法 (BERTERS)。在我们提出的系统中，模态源自文本（候选人发表的文章）和图（其合著关系）信息。BERTERS 使用 Bidirectional Encoder Representations from Transformer (BERT) 将文本转换为向量。此外，一种称为 ExEm 的图表示技术用于从合著网络中提取候选人特征。候选人的最终表示是这些向量与其他特征的拼接。最终，在特征拼接上构建分类器。这种多模态方法可用于学术社区和社区问答。为验证 BERTERS 的有效性，我们在多标签分类和可视化任务上分析其性能。
引用
@article{arxiv.2007.07229,
title = {BERTERS: Multimodal Representation Learning for Expert Recommendation System with Transformer},
author = {N. Nikzad-Khasmakhi and M. A. Balafar and M. Reza Feizi-Derakhshi and Cina Motamed},
journal= {arXiv preprint arXiv:2007.07229},
year = {2021}
}