原文下載地址

摘要

1. 社群問題的難點在於：重複性問題
2. 解決上述問題要採用Query retrieval(QR)，QR的難點在於：同義詞匯
3. 本文演算法：1）採用continuous bag-of-words(CBoW)模型對詞（word）進行 Distributed Representations(分散式表達，詞嵌入)；2)對given query和存檔的query計算tile域和description域的相似度；3）將使用者信譽(user reputation)也用於排序模型
4. 測試資料集為 Asus's Republic of Gamers (ROG) 論壇

引言

    QR的難點在於同於詞彙，處理同義詞的方法有四種：

1. Language model information retrieval (LMIR):思想為計算給定問題和候選問題間詞序列的概率
2. language model with category smoothing (LMC)：將問題類別表示為向量空間的一個維度（上述兩種方法的缺點為：忽略了詞與詞之間的相似度）
3. translation-based language modeling (TBLM)：使用QA對來學習語義相關的單詞以改進傳統的IR模型，缺點是學習一個翻譯表太耗時
4. distributed-representation-based language modeling (DRLM) :使用資料的分散式表示來替換TBLM中的詞到詞間的翻譯概率，其使用word2vector計算概率

本文演算法

本文演算法包含三部分：1）詞嵌入學習：給定論壇資料集，問題被視為基本單位， 問題中的每個單詞都會轉換為一個單詞向量。

2）得分生成：學習到單詞向量後，就可以通過計算查詢問題和候選問題之間的相似性來進行問題檢索。

3）使用信譽資訊：通過引入每個存檔問題參與者的信譽值來加強排序函式。

1.Word2vec

word2vec的理解可以參看部落格

2.問題標題和描述的排序函式

利用word2vec學習到詞向量後，每個問題q的向量表示式如下：

其中w為q中的每個詞，e是向量中每個維度的值。查詢問題q和候選答案Q間的相似度得分為：

論壇問題包含兩部分：title和description，不同於之前的研究，本文分別計算這兩部分的相似度得分：

α和β都是超引數，α+β=1

3.使用論壇中的使用者信譽

查詢問題q和候選問題Q間的相似度得分表達為：

為超引數，，RPU(Q)是參與Q討論的使用者信譽值總和，為避免來自同一論壇使用者的過多信譽值，只新增一次每個參與者的信譽值，為確保新帖的公平性，求信譽值的均值。

實驗

Forum為本文演算法，-T考慮問題title的相似度，-C考慮問題description的相似度，-R考慮使用者信譽值的相似度，上表可以看出本文演算法優於其他演算法。

下表為超引數的最優值：

Wiki表示採用Wiki訓練資料，Table3表明Wiki表現最差，這表明對於word2vec的訓練，域內資料比域外培訓資料更有效。