版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混合模型的科技論文標簽推薦方法研究.pdf
- 基于標簽—主題模型的標簽推薦研究.pdf
- 視頻網站中混合模型推薦算法的優(yōu)化.pdf
- 基于點擊流挖掘的實時標簽推薦.pdf
- 基于標簽的推薦系統(tǒng)模型及算法研究.pdf
- 問答式社區(qū)的標簽推薦技術研究.pdf
- 基于混合模型的推薦系統(tǒng)的研究.pdf
- 基于SCOT的語義標簽推薦模型及算法研究.pdf
- 基于主題模型的混合推薦算法研究.pdf
- 基于web日志的實時推薦模型研究
- 基于社交用戶標簽的混合個性化推薦研究.pdf
- 基于稀疏標簽語義偏好模型的個性化推薦.pdf
- 基于標簽聚類的個性化資源推薦模型研究.pdf
- 基于圖模型的個性化標簽推薦技術研究.pdf
- 24275.基于高斯混合模型的標簽排序算法研究
- 基于用戶模型質量和語義聚類的標簽推薦算法研究.pdf
- 基于標簽的推薦系統(tǒng)研究.pdf
- 社交網絡中的用戶標簽推薦.pdf
- 基于主題抽取演化模型的實時新聞推薦系統(tǒng).pdf
- 社交網絡中的用戶標簽推薦
評論
0/150
提交評論