基于社區(qū)的Q&A服務(wù)網(wǎng)站越來(lái)越成為一種流行的知識(shí)共享平臺(tái),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(shí)的尋求者,也是知識(shí)的提供者,通過回答來(lái)進(jìn)行知識(shí)的分享與共享,因此這些用戶是蘊(yùn)含知識(shí)的載體。然而,專家數(shù)量的增加也導(dǎo)致了用戶在有知識(shí)需求時(shí),難以定位到一個(gè)合適的專家尋求答案。針對(duì)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(gòu)建了基于虛擬問答社區(qū)（CQA）的專家黃頁(yè)。首先,考慮到文本的長(zhǎng)度不一,應(yīng)用BTM主題模型對(duì)問題和專家建模;其次,構(gòu)建了二維的專家黃頁(yè)（2DEYP）,分別為問題維度和專家專業(yè)領(lǐng)域維度,兩個(gè)維度交叉部分為回答了對(duì)應(yīng)類問題的對(duì)應(yīng)專家集,二維專家黃頁(yè)從橫向和縱向兩個(gè)方向的生長(zhǎng)。由于較近的神經(jīng)元代表兩個(gè)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(biāo)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(jìn)一步減輕信息過載并進(jìn)一步區(qū)分專家,提出了一種新的排序機(jī)制,對(duì)每一個(gè)神經(jīng)元內(nèi)的專家進(jìn)行排序。該排序機(jī)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(jì)算是根據(jù)專家之... 

【文章來(lái)源】：中國(guó)石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

初始GG網(wǎng)絡(luò)結(jié)構(gòu)圖

中國(guó)石油大學(xué)（北京）碩士學(xué)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(xué)習(xí)率與鄰域在各個(gè)維度上都為常量，不會(huì)隨時(shí)間變化。當(dāng)輸入的樣本總量k為網(wǎng)絡(luò)中現(xiàn)有神經(jīng)元數(shù)量的倍時(shí)，則需要向網(wǎng)絡(luò)中增添新的行或列。將到目前為止問題維度計(jì)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(yuǎn)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(luò)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(luò)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(yuǎn)的直接神經(jīng)元，灰色部分表示新加入的行。新加入行的權(quán)重由與它直接相鄰的神經(jīng)元的權(quán)重決定：新增行神經(jīng)元

中國(guó)石油大學(xué)（北京）碩士學(xué)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(xué)習(xí)率與鄰域在各個(gè)維度上都為常量，不會(huì)隨時(shí)間變化。當(dāng)輸入的樣本總量k為網(wǎng)絡(luò)中現(xiàn)有神經(jīng)元數(shù)量的倍時(shí)，則需要向網(wǎng)絡(luò)中增添新的行或列。將到目前為止專家專業(yè)領(lǐng)域維度計(jì)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(yuǎn)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(luò)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(luò)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(yuǎn)的直接神經(jīng)元，灰色部分表示新加入的列。新加入列的權(quán)重由與它直接相鄰的神經(jīng)元權(quán)重決定：（3.32）加入新的列之后，專家專業(yè)領(lǐng)域維度所有實(shí)神經(jīng)元的計(jì)數(shù)變量T重置為0，重復(fù)上述操作，直至達(dá)到要求的網(wǎng)絡(luò)大校（3）微調(diào)階段新增列神經(jīng)元

【參考文獻(xiàn)】：
期刊論文
[1]高校隱性知識(shí)管理探索與實(shí)踐——以中國(guó)人民大學(xué)博士生主文獻(xiàn)數(shù)據(jù)庫(kù)建設(shè)為例[J]. 唐靜.  圖書情報(bào)工作. 2014(S2)
[2]隱性知識(shí)地圖:虛擬科研團(tuán)隊(duì)的知識(shí)管理策略研究[J]. 吳才喚.  圖書情報(bào)知識(shí). 2011(06)
[3]基于社會(huì)網(wǎng)絡(luò)分析的專家知識(shí)地圖應(yīng)用研究[J]. 劉彤,時(shí)艷琴.  情報(bào)理論與實(shí)踐. 2010(03)
[4]社會(huì)網(wǎng)絡(luò)分析在隱性知識(shí)地圖構(gòu)建中的應(yīng)用[J]. 吳才喚.  圖書館. 2010(01)
[5]基于過程的知識(shí)地圖的局限與隱性知識(shí)地圖的構(gòu)建[J]. 吳才喚.  圖書情報(bào)工作. 2007(06)
[6]試論專家型隱性知識(shí)地圖的構(gòu)建[J]. 秦鐵輝,汪瓊.  國(guó)家圖書館學(xué)刊. 2007(02)
[7]一種基于概念聚類的知識(shí)地圖模型[J]. 潘星,王君,劉魯.  系統(tǒng)工程理論與實(shí)踐. 2007(02)
[8]企業(yè)隱性知識(shí)管理國(guó)內(nèi)外研究述評(píng)[J]. 冷曉彥.  情報(bào)科學(xué). 2006(06)
[9]隱性知識(shí)與顯性知識(shí)的概念辨析[J]. 周城雄.  情報(bào)理論與實(shí)踐. 2004(02)
[10]論隱性知識(shí)[J]. 方華,張淑華,柳治仁,蔡宇,朱麗娜.  沈陽(yáng)師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)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(xué) 2014



本文編號(hào)：3483340