利用隐式用户表示建模熟练度
计算与语言
2021-10-18 v1
摘要
我们引入了熟练度建模问题：给定用户在社交媒体平台上的帖子，任务是识别该用户具有一定熟练度的帖子或主题子集。这使得能够根据用户熟练度对给定主题的社交媒体帖子进行过滤和排序。与给定主题的专家不同，熟练用户可能没有接受过正规培训，也不具备多年的实践经验，但他们可能是自学者、业余爱好者以及具有持续兴趣的人，这使他们能够对讨论做出真实且原创的贡献。虽然预测用户是否为给定主题的专家对真正例施加了强约束，但熟练度建模意味着一种分级评分，从而放宽了这些约束。换句话说，可以假设许多活跃的社交媒体用户对其社区相关的主题拥有或最终会获得一定程度的熟练度。我们通过利用用户嵌入来建模用户对给定主题的参与度（表现为用户创作相关内容偏好），以无监督的方式处理熟练度建模。我们研究了五种替代方法来建模熟练度，从基础方法到先进的、定制的用户建模方法，并在两个真实世界基准测试中进行了评估。
引用
@article{arxiv.2110.08011,
title = {Modeling Proficiency with Implicit User Representations},
author = {Kim Breitwieser and Allison Lahnala and Charles Welch and Lucie Flek and Martin Potthast},
journal= {arXiv preprint arXiv:2110.08011},
year = {2021}
}