QDEE：社区问答站点中的问题难度与用户专长估计
社会与信息网络
2018-04-24 v2 人工智能
摘要
在本文中，我们提出了一个用于社区问答站点（CQAs，如 Yahoo! Answers 和 Stack Overflow）中问题难度与用户专长估计（QDEE）的框架，其解决了众包中的一个基本挑战：如何将问题恰当路由并分配给具备合适专长的用户。该问题领域已受到大量研究关注，包含与语言无关以及考虑语言的解决方案。我们提出一个关键的与语言无关的洞见：用户会随时间积累专长，因而倾向于提出并回答更困难的问题。我们在流行的竞争（有向）图模型中利用这一洞见，通过识别该模型中的关键层次结构来估计问题难度与用户专长。此处一个重要且新颖的贡献是将“社会痛苦（social agony）”应用于该问题领域。新发布问题（冷启动问题）的难度级别通过使用我们的 QDEE 框架及额外的文本特征来估计。我们还提出了一种基于问题难度级别与用户专长将新发布问题路由给合适用户的模型。在 Yahoo! Answers 和 Stack Overflow 等真实世界 CQA 数据上的大量实验表明，我们的方法相较于当前最先进（state-of-the-art）模型具有更优的效果。QDEE 框架还使我们能够通过识别不同用户在此类 CQA 中所扮演的有趣模式与角色，以新颖方式刻画用户专长。
引用
@article{arxiv.1804.00109,
title = {QDEE: Question Difficulty and Expertise Estimation in Community Question Answering Sites},
author = {Jiankai Sun and Sobhan Moosavi and Rajiv Ramnath and Srinivasan Parthasarathy},
journal= {arXiv preprint arXiv:1804.00109},
year = {2018}
}
备注
Accepted in the Proceedings of the 12th International AAAI Conference on Web and Social Media (ICWSM 2018). June 2018. Stanford, CA, USA