發(fā)布時間：2020-08-25 16:22

【摘要】：隨著大數(shù)據(jù)和移動互聯(lián)網(wǎng)時代到來,傳統(tǒng)基于關(guān)鍵詞檢索的搜索引擎搜尋和獲取知識的方式已不能很好地滿足人們需求�；ヂ�(lián)網(wǎng)快速發(fā)展帶來的信息膨脹化、碎片化、冗余化等問題加速了用戶對于垂直化、精準化信息的追求,用戶越來越傾向于付出較少的時間和精力成本獲取更加專業(yè)、權(quán)威的信息與知識,迫切需要一種新型的搜尋和獲取知識方式。正是在這種大環(huán)境背景下社會化問答社區(qū)應(yīng)運而生。社會化問答社區(qū)將社交和問答結(jié)合起來,引入社交網(wǎng)絡(luò)來生產(chǎn)、傳播和共享知識,滿足用戶精準化、垂直化以及個性化知識需求,幫助用戶高效獲取和利用知識,促進知識的流動和交互,迅速發(fā)展成為網(wǎng)絡(luò)用戶獲取知識的重要渠道。然而,隨著社會化問答社區(qū)知識資源呈現(xiàn)急劇式增長,出現(xiàn)了“知識過載,用戶知識迷航”的現(xiàn)象。用戶在搜尋、篩選和利用知識等方面付出了大量的時間和精力成本,使得現(xiàn)有的社會化問答社區(qū)知識服務(wù)內(nèi)容和方式難以有效滿足用戶知識需求。同時也出現(xiàn)了答案質(zhì)量參差不齊、大量有用知識無人問津,難以被發(fā)現(xiàn)和使用等問題。因此,如何實現(xiàn)用戶生成答案有效的管理組織和挖掘,優(yōu)化和創(chuàng)新知識服務(wù)模式,為用戶提供更好的知識服務(wù)成為社會化問答社區(qū)發(fā)展面臨重要問題。鑒于此,本文將知識聚合理論和方法引入到社會化問答社區(qū)知識服務(wù),從面向用戶知識需求視角出發(fā),分析了社會化問答社區(qū)知識流動和用戶知識需求,提出了基于知識聚合的社會化問答社區(qū)知識服務(wù)體系,探討了用戶生成答案質(zhì)量評價問題,分別從知識單元、知識單元關(guān)聯(lián)關(guān)系、句子3個關(guān)聯(lián)維度設(shè)計用戶生成答案知識聚合方法及相應(yīng)的知識服務(wù)模式,最終提出促進社會化問答社區(qū)用戶生成答案知識聚合及服務(wù)能力的策略。本文主要工作及結(jié)論如下:第一,探究了社會化問答社區(qū)的知識流動和用戶知識需求。首先,分析了社會化問答社區(qū)知識流動特征、方式和過程。然后,分析了社會化問答社區(qū)用戶知識需求的形成原因、層級和特征,借鑒科亨和泰勒的需求層次理論分為客觀狀態(tài)知識需求、意識層次知識需求、表達出來的知識需求、折衷知識需求、個性化知識需求5個層級,認為其具有多樣和綜合化、隨機性和情景化、集成性和精準化、動態(tài)連續(xù)性等特點。最后,分析了用戶知識需求動態(tài)演化的原因和方向,運用集合論思想分析了互動交流和瀏覽推薦2種情境下用戶動態(tài)演化過程。第二,構(gòu)建了基于知識聚合的社會化問答社區(qū)知識服務(wù)體系框架。首先,分析當(dāng)前社會化問答社區(qū)現(xiàn)狀及發(fā)展趨勢,概述了用戶生成答案知識聚合的目標和原則,將知識聚合理論引入到社會化問答社區(qū)知識服務(wù)。然后,分析了基于知識聚合的社會化問答社區(qū)知識服務(wù)要素、動力和過程,以及相應(yīng)的知識服務(wù)模式。最后,構(gòu)建了基于知識聚合的社會化問答社區(qū)知識服務(wù)體系框架,分為資源層、處理層、聚合層、服務(wù)層和服務(wù)接口層5層結(jié)構(gòu),其中知識聚合層是最為關(guān)鍵層,并分析了各個層的功能和作用。第三,提出了社會化問答社區(qū)用戶生成答案質(zhì)量評價方法。首先,通過文獻綜述和實證分析方法構(gòu)建了包含答案文本特征、回答者特征、時效性、用戶特征、社會情感5個維度16個指標的答案質(zhì)量評價指標體系。然后,將用戶生成答案質(zhì)量評價問題認為是典型的機器學(xué)習(xí)分類問題,提出了基于GA-BP神經(jīng)網(wǎng)絡(luò)的評價方法。最后,采集知乎網(wǎng)站數(shù)據(jù)驗證了方法的有效性和可行性。第四,基于標簽聚類的社會化問答社區(qū)用戶生成答案知識聚合及導(dǎo)航服務(wù)研究。為協(xié)助用戶高效的從答案中查找和獲取知識,提高知識搜尋和獲取的效率,為用戶提供知識導(dǎo)航和知識發(fā)現(xiàn)服務(wù)。首先,采用短語匹配模式提取答案中的關(guān)鍵短語,運用Text Rank算法抽取排名靠前的答案文本中關(guān)鍵短語生成標簽。然后,認為答案標簽?zāi)軌虼泶鸢傅年P(guān)鍵知識內(nèi)容和思想,運用DPCA算法進行答案標簽聚類分析,實現(xiàn)用戶生成答案知識聚合。最后,構(gòu)建了基于答案標簽聚類的社會化問答社區(qū)知識導(dǎo)航服務(wù)模式,采集攜程網(wǎng)問答數(shù)據(jù)進行應(yīng)用研究。第五,基于改進關(guān)聯(lián)規(guī)則的社會化問答社區(qū)用戶生成答案知識聚合及推薦服務(wù)研究。為解決社會化問答社區(qū)用戶生成答案知識過載,挖掘內(nèi)含知識單元之間的關(guān)聯(lián),實現(xiàn)用戶生成答案的關(guān)聯(lián)知識聚合,為用戶提供個性化的知識推薦服務(wù)。通過優(yōu)化和改進了Apriori算法,設(shè)計了基于改進Apriori算法的用戶生成答案關(guān)聯(lián)知識聚合方法。構(gòu)建了基于答案關(guān)聯(lián)知識聚合的社會化問答社區(qū)知識推薦服務(wù)模式,采集知乎網(wǎng)站數(shù)據(jù)進行應(yīng)用研究,驗證了答案關(guān)聯(lián)知識聚合及服務(wù)的有效性和可行性。第六,基于答案摘要生成的社會化問答社區(qū)用戶生成答案知識聚合及融合服務(wù)。為了滿足移動互聯(lián)網(wǎng)環(huán)境下用戶對于社會化問答社區(qū)答案知識總結(jié)需求,減少答案查閱和搜尋成本,提高答案知識獲取的效率和用戶體驗。首先,提出了融合word2vec和多特征的句子相似度計算方法,實現(xiàn)短文本句子相似度計算。然后,針對概念類問題提出了基于改進Text Rank和MMR算法的答案摘要生成方法;針對意見咨詢類問題提出了基于主題聚類的答案摘要生成方法;針對觀點評價類問題提出了融合句子情感極性的答案摘要生成方法。最后,構(gòu)建了基于答案摘要生成的社會化問答社區(qū)知識融合服務(wù)模式,選取知乎網(wǎng)站數(shù)據(jù)進行應(yīng)用分析。本文從理論層面,將知識聚合理論和理念引入到社會化問答社區(qū)知識服務(wù)領(lǐng)域,為社會化問答社區(qū)知識服務(wù)的服務(wù)理念、服務(wù)模式、方法、價值目標等基礎(chǔ)理論賦予了新的內(nèi)涵特征,豐富了社會化問答社區(qū)知識管理與服務(wù)的理論體系,擴展了知識聚合理論的應(yīng)用領(lǐng)域和范圍。同時,也為用戶生成答案知識聚合提供了更多的方法和技術(shù)支持,豐富了知識聚合的方法理論體系和社會化問答社區(qū)的知識挖掘和組織方法理論體系。在實踐層面,為社會化問答社區(qū)優(yōu)化和創(chuàng)新知識服務(wù)模式,基于知識聚合開展知識服務(wù)提供參考依據(jù),為用戶生成答案知識整合組織和管理提供了技術(shù)和方法支持,能夠有效的應(yīng)用于指導(dǎo)用戶生成答案知識整合組織和管理工作,提高社會化問答社區(qū)知識服務(wù)的能力和質(zhì)量,具有較強的解決社會化問答社區(qū)知識服務(wù)實際問題的應(yīng)用價值。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：G252
【圖文】：

32圖 1.1 研究思路和技術(shù)路線1.6 本文主要創(chuàng)新點本文的創(chuàng)新點主要體現(xiàn)在以下三個方面：（1）提出了面向用戶需求基于知識聚合的社會化問答社區(qū)知識服務(wù)體系框架。本文基于社會化問答社區(qū)的知識服務(wù)現(xiàn)狀、知識流動以及用戶知識需求動態(tài)

形成的知識生產(chǎn)、傳遞、交流和接受利用活動。社會化問答社區(qū)知識流動以知識主體、知識內(nèi)容、社會化問答社區(qū)平臺為基本構(gòu)成要素，在內(nèi)外部環(huán)境影響下，受到知識組織、數(shù)據(jù)挖掘等信息技術(shù)支撐，其分為知識需求刺激、知識生產(chǎn)發(fā)布、知識傳遞、知識接受和利用、知識分解等階段，過程模型見圖 3.1所示。

見圖3.2 所示。圖 3.2 社會化問答社區(qū)用戶知識需求層次（1）客觀狀態(tài)知識需求�？陀^狀態(tài)的知識需求是社會化問答社區(qū)用戶在工作、學(xué)習(xí)和日常生活中探索未知、解決實際問題時總是存在一定的知識需求，是一種不以社會化問答社區(qū)用戶主觀認知為轉(zhuǎn)移的需求狀態(tài)。這種知識需求是一種潛在知識需求，存在與主體的現(xiàn)實需求之外。由外界的社會環(huán)境、經(jīng)濟文化制度、職業(yè)性質(zhì)、法律法規(guī)、物理情境、問題情境等各類客觀條件決定，不受用戶自身特性、意識的影響�？陀^狀態(tài)知識需求有些能夠被用戶意識到，但是大部分不能被意識到或暫時意識不到，但是仍然是客觀存在，會隨著時間、工作的進展慢慢

【參考文獻】

相關(guān)期刊論文 前10條

1 王偉;冀宇強;王洪偉;鄭麗娟;;中文問答社區(qū)答案質(zhì)量的評價研究:以知乎為例[J];圖書情報工作;2017年22期

2 甘春梅;黃悅;;社會化問答社區(qū)不同用戶行為影響因素的實證研究[J];圖書情報知識;2017年06期

3 趙勝輝;李吉月;徐碧;孫博研;;基于TFIDF的社區(qū)問答系統(tǒng)問句相似度改進算法[J];北京理工大學(xué)學(xué)報;2017年09期

4 呂琳露;李亞婷;;游記文本中的知識發(fā)現(xiàn)與聚合——以螞蜂窩旅行網(wǎng)杭州游記為例[J];情報雜志;2017年07期

5 曹樹金;李潔娜;王志紅;;面向網(wǎng)絡(luò)信息資源聚合搜索的細粒度聚合單元元數(shù)據(jù)研究[J];中國圖書館學(xué)報;2017年04期

6 施濤;姜亦珂;;社會化問答社區(qū)用戶知識貢獻行為模型研究[J];科技進步與對策;2017年18期

7 劉乙蓉;劉蕓;;問答平臺中的答案聚合及其優(yōu)化:以Quora為例[J];圖書館學(xué)研究;2017年06期

8 李楓林;魏蕾如;;社會化媒體用戶行為的信息聚合機制研究[J];圖書館學(xué)研究;2017年05期

9 徐安瀅;吉宗誠;王斌;;基于用戶回答順序的社區(qū)問答答案質(zhì)量預(yù)測研究[J];中文信息學(xué)報;2017年02期

10 范橋青;方鈺;;面向健康問答社區(qū)的語義檢索技術(shù)研究與分析[J];電子技術(shù)與軟件工程;2017年02期

本文編號：2803918