کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942983 1437616 2017 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Male or female: What traits characterize questions prompted by each gender in community question answering?
ترجمه فارسی عنوان
مرد یا زن: چه ویژگیهایی از سؤالات مطرح شده توسط هر جنس در سوال جامعه پاسخ میدهند؟
کلمات کلیدی
جمعیت شناسی، تجزیه و تحلیل کاربر، طبقه بندی سوال، پردازش زبان طبیعی، سوال جامعه پاسخ دادن، آزمایشی در مقیاس بزرگ، سیستم های اطلاعاتی مبتنی بر داده،
ترجمه چکیده
در این مقاله، یادگیری تبعیض آمیز برای حدس زدن یکی از این جنبه های جمعیت شناختی، مورد بررسی قرار می گیرد: جنسیت سوال کننده. با انجام این کار، آن را به یک ساختار بزرگ در مقیاس بزرگ به طور خودکار از ادغام یاهو ساخته شده است جستجو و یاهو پاسخ دادن به پروفایل ها سپس این قسمت برای بررسی تأثیر ویژگی های متعدد استخراج شده از منابع مختلف مورد استفاده قرار می گیرد: متون، جمعیت شناسی، متا داده ها، تعاملات اجتماعی و جستجوی وب. به طور خلاصه، شاخصهای جنسیتی غیرمعمول خوب عبارت بودند از سن، صنایع و دسته دوم پرسشنامه. اگر اینها غیرقابل دسترس هستند، نتایج ما نشان می دهد که مدل ها می توانند تا حدی از منابع متنی با استفاده از تجزیه و تحلیل معنایی و روابط وابستگی آنها را بیاموزند. به طور کلی، بهترین پیکربندی ما به دقت 74.50٪ رسید.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper studies discriminant learning for guessing one of these demographic facets: the gender of an asker. In so doing, it capitalizes on a large-scale corpus automatically constructed from the integration of Yahoo! Search and Yahoo! Answer profiles. Then, this corpus is utilized for examining the impact of numerous features extracted from assorted sources: texts, demographics, meta-data, social interactions and web search. In brief, good non-linguistic gender indicators were age, industry and second-level question categories. If these are inaccessible, our outcomes indicate that models can still infer them, to some extent, from textual sources by means of semantic analysis and dependency relations. Overall, our best configuration reached an accuracy of 74.50%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 90, 30 December 2017, Pages 405-413
نویسندگان
,