在线社区中专家匹配的弱监督学习
人工智能
2018-05-09 v2
摘要
在诸如Quora的在线问答（QA）网站中，一个核心问题是找到（邀请）能够回答给定问题且同时不太可能拒绝邀请的用户。挑战在于如何权衡用户专长与问题主题的匹配程度，以及被邀请用户给出积极响应的可能性。本文正式表述该问题并开发了弱监督因子图（WeakFG）模型来解决该问题。该模型显式捕获问题与用户之间的专长匹配程度。为了建模被邀请用户愿意回答特定问题的可能性，我们将基于社会认同理论的一组相关性纳入WeakFG模型。我们使用两类不同的数据集：QA-Expert和Paper-Reviewer，来验证所提模型。实验结果表明，所提模型在为用户（专家）与社区问题匹配时，能显著优于最先进算法（+1.5-10.7% by MAP）。我们还开发了一个在线系统以进一步展示所提方法的优势。
引用
@article{arxiv.1611.04363,
title = {Weakly Learning to Match Experts in Online Community},
author = {Yujie Qian and Jie Tang and Kan Wu},
journal= {arXiv preprint arXiv:1611.04363},
year = {2018}
}
备注
IJCAI 2018