利用用户信息的问答站点最佳答案预测
计算与语言
2022-12-19 v1 人工智能
信息检索
机器学习
社会与信息网络
摘要
近年来社区问答(CQA)站点显著地扩散和增多。像 Reddit、Quora 和 Stack Exchange 这样的站点在寻找各类问题答案的人群中越来越流行。找到此类答案的一种实用方法是，在给定现有答案和评论的情况下自动预测最佳候选。许多研究在 CQA 的答案预测上展开，但有限关注使用提问者的背景信息。我们使用一种利用提问者背景信息及其他特征（如文本内容或与其它参与者的关系）预测最佳答案的新方法来解决此局限。我们的答案分类模型使用 Stack Exchange 数据集训练，并使用曲线下面积(AUC)度量验证。实验结果表明，所提方法通过指出用户间关系的重要性补充了先前的方法，尤其是在 Stack Exchange 上不同社区中的参与程度方面。此外，我们指出用户关系信息与由浅层文本特征和元特征（如时间差）表示的信息之间重叠很少。
引用
@article{arxiv.2212.08475,
title = {Best-Answer Prediction in Q&A Sites Using User Information},
author = {Rafik Hadfi and Ahmed Moustafa and Kai Yoshino and Takayuki Ito},
journal= {arXiv preprint arXiv:2212.08475},
year = {2022}
}
备注
22 pages, 3 figures, 4 tables