基于异构网络集成学习的社区问答问题检索
信息检索
2016-11-28 v1 计算与语言
摘要
社区问答平台吸引了大量用户分享知识、相互学习。随着CQA平台的快速扩张，大量重叠问题涌现，使用户在选择合适参考时感到困惑。我们迫切需要采用有效的自动化算法来复用带有对应答案的历史问题。本文聚焦于问题检索问题，其目标是匹配与查询直接相关的或语义等价的历史问题，以直接解决用户的疑问。该任务的挑战在于因词语歧义和词语不匹配问题导致的问题间词汇鸿沟。此外，查询句子中有限的词语导致词特征稀疏。为缓解这些挑战，我们提出了一种名为HNIL的新颖框架，该框架不仅编码问题内容，还编码提问者的社交互动，以增强问题嵌入性能。具体而言，我们应用基于随机游走的学习方法与循环神经网络，来匹配提问者问题与其他用户提出的历史问题之间的相似性。在一个来自真实世界CQA站点的大规模数据集上的广泛实验表明，利用异构社交网络信息在此任务中优于其他最先进的解决方案。
引用
@article{arxiv.1611.08135,
title = {Question Retrieval for Community-based Question Answering via Heterogeneous Network Integration Learning},
author = {Zheqian Chen and Chi Zhang and Zhou Zhao and Deng Cai},
journal= {arXiv preprint arXiv:1611.08135},
year = {2016}
}