基于社區(qū)的Q&A服務網(wǎng)站越來越成為一種流行的知識共享平臺,可以迅速吸引大量用戶。在這些網(wǎng)站中,大多數(shù)用戶不僅是知識的尋求者,也是知識的提供者,通過回答來進行知識的分享與共享,因此這些用戶是蘊含知識的載體。然而,專家數(shù)量的增加也導致了用戶在有知識需求時,難以定位到一個合適的專家尋求答案。針對上述專家難以定位的問題,為了便于找到合適的專家并減輕尋找過程中的信息過載,本文構建了基于虛擬問答社區(qū)（CQA）的專家黃頁。首先,考慮到文本的長度不一,應用BTM主題模型對問題和專家建模;其次,構建了二維的專家黃頁（2DEYP）,分別為問題維度和專家專業(yè)領域維度,兩個維度交叉部分為回答了對應類問題的對應專家集,二維專家黃頁從橫向和縱向兩個方向的生長。由于較近的神經(jīng)元代表兩個神經(jīng)元具有一定相似性,存在相同的主題,因此提出一種新的神經(jīng)元標記方式,該方法使用神經(jīng)元之間的距離作為區(qū)分能力。為了進一步減輕信息過載并進一步區(qū)分專家,提出了一種新的排序機制,對每一個神經(jīng)元內(nèi)的專家進行排序。該排序機制考慮了專家的專業(yè)性和專家的活躍性,專家專業(yè)性又包含專業(yè)性深度和專業(yè)性廣度兩部分。專家專業(yè)性深度的計算是根據(jù)專家之... 

【文章來源】：中國石油大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

初始GG網(wǎng)絡結構圖

中國石油大學（北京）碩士學位論文-27-（3.26）其中，為鄰域神經(jīng)元與獲勝神經(jīng)元之間的距離，為常數(shù)，表示單位鄰域半徑。學習率與鄰域在各個維度上都為常量，不會隨時間變化。當輸入的樣本總量k為網(wǎng)絡中現(xiàn)有神經(jīng)元數(shù)量的倍時，則需要向網(wǎng)絡中增添新的行或列。將到目前為止問題維度計數(shù)變量值T最高的神經(jīng)元即最活躍神經(jīng)元記為A。與神經(jīng)元A距離最遠的直接鄰域內(nèi)神經(jīng)元記為B，在A和B之間加入新的行或列。A和B在網(wǎng)絡中問題維度的同一列，則在A和B之間增添新的一行，如下圖：圖3.3GG網(wǎng)絡中新增行神經(jīng)元示意圖Fig.3.3Lateralexpansioninthequestiondimension圖中，A表示T值最大的神經(jīng)元，B表示與A距離最遠的直接神經(jīng)元，灰色部分表示新加入的行。新加入行的權重由與它直接相鄰的神經(jīng)元的權重決定：新增行神經(jīng)元

中國石油大學（北京）碩士學位論文-29-其中，為鄰域神經(jīng)元與獲勝神經(jīng)元之間的距離，為常數(shù)，表示單位鄰域半徑。學習率與鄰域在各個維度上都為常量，不會隨時間變化。當輸入的樣本總量k為網(wǎng)絡中現(xiàn)有神經(jīng)元數(shù)量的倍時，則需要向網(wǎng)絡中增添新的行或列。將到目前為止專家專業(yè)領域維度計數(shù)變量值T最高的神經(jīng)元即最活躍神經(jīng)元記為A，與神經(jīng)元A距離最遠的直接鄰域內(nèi)神經(jīng)元記為B，在A和B之間加入新的行或列。A和B在網(wǎng)絡中問題維度的同一行，則在A和B之間增添新的一列，如下圖：圖3.4GG網(wǎng)絡中新增列神經(jīng)元示意圖Fig.3.4Lateralexpansionintheexpertisefielddimension圖中，A表示T值最大的神經(jīng)元，B表示與A距離最遠的直接神經(jīng)元，灰色部分表示新加入的列。新加入列的權重由與它直接相鄰的神經(jīng)元權重決定：（3.32）加入新的列之后，專家專業(yè)領域維度所有實神經(jīng)元的計數(shù)變量T重置為0，重復上述操作，直至達到要求的網(wǎng)絡大校（3）微調(diào)階段新增列神經(jīng)元

【參考文獻】：
期刊論文
[1]高校隱性知識管理探索與實踐——以中國人民大學博士生主文獻數(shù)據(jù)庫建設為例[J]. 唐靜.  圖書情報工作. 2014(S2)
[2]隱性知識地圖:虛擬科研團隊的知識管理策略研究[J]. 吳才喚.  圖書情報知識. 2011(06)
[3]基于社會網(wǎng)絡分析的專家知識地圖應用研究[J]. 劉彤,時艷琴.  情報理論與實踐. 2010(03)
[4]社會網(wǎng)絡分析在隱性知識地圖構建中的應用[J]. 吳才喚.  圖書館. 2010(01)
[5]基于過程的知識地圖的局限與隱性知識地圖的構建[J]. 吳才喚.  圖書情報工作. 2007(06)
[6]試論專家型隱性知識地圖的構建[J]. 秦鐵輝,汪瓊.  國家圖書館學刊. 2007(02)
[7]一種基于概念聚類的知識地圖模型[J]. 潘星,王君,劉魯.  系統(tǒng)工程理論與實踐. 2007(02)
[8]企業(yè)隱性知識管理國內(nèi)外研究述評[J]. 冷曉彥.  情報科學. 2006(06)
[9]隱性知識與顯性知識的概念辨析[J]. 周城雄.  情報理論與實踐. 2004(02)
[10]論隱性知識[J]. 方華,張淑華,柳治仁,蔡宇,朱麗娜.  沈陽師范大學學報(社會科學版). 2004(02)

碩士論文
[1]基于BTM的短文本聚類[D]. 湯秋蓮.安徽大學 2014



本文編號：3483340