ColdRoute：Stack Exchange 站点中冷启动问题的有效路由方法
人工智能
2018-07-03 v1 人机交互
信息检索
机器学习
摘要
在 Stack Exchange 等社区问答服务（CQAs）中进行问题路由是一个被广泛研究的问题。然而，冷启动——即新提问发布时观察到的现象——并未被现有方法很好地解决。此外，由新提问者发布的冷问题对最先进的（state-of-the-art）方法提出了重大挑战。我们提出 ColdRoute 以应对这些挑战。ColdRoute 能够处理将新提问者或现有提问者发布的冷问题路由至匹配专家的任务。具体而言，我们在问题标签等关键特征的一热编码（one-hot encoding）上使用因子分解机（Factorization Machines），并将我们的方法与 CQARank 和语义匹配（LDA、BoW 和 Doc2Vec）等被广泛研究的技术进行比较。利用来自八个 Stack Exchange 站点的数据，我们针对现有提问者发布的冷问题，在路由指标（Precision、Accuracy、MRR）上分别比语义匹配等最先进模型提升了 、 和 ；针对新提问者发布的冷问题，则分别提升了 、 和 。
引用
@article{arxiv.1807.00462,
title = {ColdRoute: Effective Routing of Cold Questions in Stack Exchange Sites},
author = {Jiankai Sun and Abhinav Vishnu and Aniket Chakrabarti and Charles Siegel and Srinivasan Parthasarathy},
journal= {arXiv preprint arXiv:1807.00462},
year = {2018}
}
备注
Accepted to the Journal Track of The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2018); Published by Springer: https://link.springer.com/article/10.1007%2Fs10618-018-0577-7