問答網站中基于混合模型的實時標簽推薦.pdf

1、Web2.0的興起吸引了越來越多的用戶為網站上傳內容，在線問答網站是具有代表性的Web2.0網站之一，用戶發(fā)布自己的問題，網站把這些問題分配給領域內的專家來解答。由于問題來自于用戶，且多為非結構化的文本，因此問答網站要求用戶為問題提供標簽。然而用戶在標注標簽時有自己的理解和需求，導致即使對同一個問題，被標注的標簽也會各式各樣。
　　因此研究者提出通過標簽推薦來引導用戶標注高質量的標簽，這對于問答網站尤其重要，因為該類網站需要通過精

2、準的標簽描述問題，從而迅速找到能夠解答問題的專家。本文從問題內容出發(fā)，提出一個實時的標簽推薦框架，解決現(xiàn)有方法效率不高的問題，同時也能準確的推薦標簽。
　　該框架分為三大模塊，標簽抽取，標簽擴展和標簽排序。標簽抽取是指從文本中抽取標簽，本文提出了四個分類器，分別負責從標題內容中抽取標簽，正文內容中抽取標簽，代碼塊中抽取標簽，單詞重組作為標簽，利用這些分類器，評估文本中的單詞和詞組為標簽的概率;標簽擴展是指找出沒有在文本中出現(xiàn)的相關

3、標簽，本文使用單詞到標簽的圖模型來擴展標簽，由于單詞到標簽矩陣的稀疏性以及標簽熱度的不均勻，所以利用隨機森林框架對文本進行聚類，在聚類之后的子空間內建立相應的圖模型，從而能有效地推薦長尾標簽。標簽排序模塊對標簽抽取和標簽擴展模塊中得到的候選標簽排序，本文提出了多個排序函數，從標簽的相關度，質量，層次性三個角度評估候選標簽，生成最終的標簽推薦列表。
　　從實驗結果可知，本文提出的標簽推薦框架充分利用了問題文本數據，可以進行實時標簽推