科研之友
微信
新浪微博
Facebook
分享链接
摘要
在问答社区中，每天都会出现大量新的问题，为新问题推荐合适的回答者有助于加快问题的解决并促进社区发展。然而，目前最佳回答者推荐大多基于用户历史回复记录或文本匹配进行推荐，而用户是否回答某一问题与多方因素有关，特别是问题与用户擅长的知识领域是否匹配有关。因此，本文根据用户回答文本构建的社区知识语料库并对BERT模型进行微调，结合用户社区行为记录和回答赞同数等辅助信息，基于Light GBM模型进行最佳回答者的推荐。在实验中，利用Precision、MRR和Hit指标分析预测结果，结果表明，本文提出基于BERT-GAT表示学习的Light GBM最佳回答者推荐模型在StackExchange三个流行社区中均取得了较好的性能。
- 单位
