DiffQue：社区问答服务中问题相对难度的估计
机器学习
2019-06-04 v1 社会与信息网络
机器学习
摘要
自动估计一对问题的相对难度是社区问答（CQA）服务中一个重要且具有挑战性的问题。目前针对该问题的研究十分有限。以往研究大多利用回答问题的用户专长，几乎未考虑 CQA 服务的其他属性，如用户与帖子的元数据、时间信息以及文本内容。本文提出 DiffQue，一种将该问题映射为网络辅助的边方向性预测问题的新颖系统。DiffQue 首先构建一种新颖的网络结构，以捕捉一对问题之间不同的难度概念。随后，它通过预测网络中连接这两个问题的（虚拟）边的方向来度量两个问题的相对难度。它利用了从网络结构、用户/帖子元数据以及问题与答案的文本描述中提取的特征。在来自两个 CQA 站点（进一步划分为四个数据集）且带有人类标注真值的数据集上的实验表明，DiffQue 以显著优势超越四种最先进（state-of-the-art）方法（比最佳基线高 28.77% 的 F1 分数和 28.72% 的 AUC）。与其他基线不同，（i）DiffQue 对训练噪声有恰当响应，（ii）DiffQue 能够适应多个领域（CQA 数据集），（iii）DiffQue 可高效处理因新发布问题或新到达用户缺乏信息而可能出现的“冷启动”问题。
引用
@article{arxiv.1906.00145,
title = {DiffQue: Estimating Relative Difficulty of Questions in Community Question Answering Services},
author = {Deepak Thukral and Adesh Pandey and Rishabh Gupta and Vikram Goyal and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:1906.00145},
year = {2019}
}
备注
25 pages, 7 figures, ACM Transactions on Intelligent Systems and Technology (TIST) 2019