[发明专利]一种社区问答平台回答排序方法

说明书

本发明公开了一种社区问答平台回答排序方法，可以充分利用问题和回答的丰富元数据(如主题，时间戳以及问题回答的文本内容)来解决回答排序问题；同时，利用用增强型注意力机制循环神经网络模型(EARNN)来进行回答排序问题，相比于传统模型，使用了更多的信息。对于预测的结果，在多个评价指标上有一定的提高。

技术领域

本发明涉及机器学习和问答系统领域，尤其涉及一种社区问答平台回答排序方法。

背景技术

社区问答平台，如百度知道、搜狗问问等，为互联网用户提供了一个在线提问和解答的平台，来帮助人们快速获得日常或专业问题的高质量回答。随着社区问答变得越来越受欢迎，平台当中存在的问题也逐渐浮现出来，其中一个就是回答的质量参差不齐，并且低质量的回答会极大地影响用户在平台上的体验。尽管目前这些平台推出了“点赞”等机制，但是对于那些新出现的问题和回答，由于出现时间短，导致点赞数还不稳定，不能体现出回答的质量高低。因此，如何有效地衡量回答的质量高低是社区问答平台急需解决的一个研究问题。

围绕这个研究问题，研究者们提出了多种方式，其中，“回答排序”是帮助用户快速从一系列质量参差不齐的回答中挑出高质量回答的一种有效方式。相关的研究主要集中在问题和回答之间的词法、句法或语义匹配，而忽略了主题和时间戳等元数据信息在回答排序问题上所带来的积极影响。

发明内容

本发明的目的是提供一种社区问答平台回答排序方法，可以充分利用问题和回答的丰富元数据(如主题，时间戳以及问题回答的文本内容)来解决回答排序问题。

本发明的目的是通过以下技术方案实现的：

一种社区问答平台回答排序方法，包括：

从社区问答平台网站上爬取一定量的数据，对于一个问题爬取的数据包括：问题的文本内容、问题所属的主题、问题对应的一系列回答的文本内容、每个回答的时间戳以及每一回答的点赞数；

基于爬取的各问题的文本内容、问题所属的主题、问题对应的一系列回答的文本内容构建增强型注意力机制循环神经网络模型，再结合每个回答的时间戳进行相关回答的质量的排序得分；结合排序得分与预设的时间敏感的目标函数并且使用问题依赖的成对训练策略对增强型注意力机制循环神经网络模型进行训练；

对于一个新问题及其一系列的回答，利用新问题的文本内容、新问题所属的主题、新问题对应的一系列回答的文本内容以及每个回答的时间戳，来构建一系列的实例并依次输入至训练好的增强型注意力机制循环神经网络模型中，从而得到一系列的排序得分，根据排序得分的大小，以从前到后的方式对相应回答进行排序。

由上述本发明提供的技术方案可以看出，用增强型注意力机制循环神经网络模型(EARNN)来进行回答排序问题，相比于传统模型，使用了更多的信息。对于预测的结果，在多个评价指标上有一定的提高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种社区问答平台回答排序方法的流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种社区问答平台回答排序方法，如图1所述，其主要包括如下步骤：