利用文本特征预测社区问答中的最佳答案
计算与语言
2015-06-18 v2 信息检索
摘要
本文通过关注内容来解决基于社区的问答（CQA）网站中最佳答案的确定问题。特别地，我们提出一个可安装到大多数浏览器作为插件的系统ACQUA [http://acqua.kmi.open.ac.uk]。该服务对将被接受的答案提供无缝且准确的预测。先前关于该主题的研究依赖于利用社区对答案的反馈，涉及对用户（例如声誉）或答案（例如手动分配给答案的分数）的评分。我们提出一种以新颖方式利用答案内容/文本特征的新技术。我们的方法比相关的基于语言学的方案交付更好的结果，并设法匹配基于评分的方法。更具体地说，性能的增益是通过将这些特征的值呈现为离散化形式而实现的。我们还展示了我们的技术如何在实时设置中交付同样好的结果，而不是不得不依赖不总是随时可用的信息，例如用户评分和答案分数。我们在覆盖约400万个问题和超过800万个答案的21个StackExchange网站上进行了评估。我们获得了84%的平均精度和70%的召回率，这表明我们的技术鲁棒、有效且广泛适用。
引用
@article{arxiv.1506.02816,
title = {Leveraging Textual Features for Best Answer Prediction in Community-based Question Answering},
author = {George Gkotsis and Maria Liakata and Carlos Pedrinaci and John Domingue},
journal= {arXiv preprint arXiv:1506.02816},
year = {2015}
}
备注
1 figure, 2 tables