کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6893212 1445552 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid model to predict best answers in question answering communities
ترجمه فارسی عنوان
یک مدل ترکیبی برای پیش بینی بهترین پاسخ ها در مورد پاسخ دادن به جوامع
کلمات کلیدی
سوال پاسخ دادن به جوامع، مبادله دانش، کارشناس، بهترین جواب، استخراج ویژگی، ویژگی محتوا، ویژگی غیر محتوا، طبقه بندی ترکیبی،
ترجمه چکیده
متأسفانه بسیاری از مسائل موجود وجود دارد که موجب پیچیده شدن دانش دانش شده است. یکی از این مسائل این است که هر کسی نمی تواند دانش و توانایی را برای انتخاب بهترین پاسخ برای سوال خود و یا حتی انتخاب بهترین پاسخ بر اساس مسائل ذهنی ندارد. تجزیه و تحلیل ما در این مقاله بر روی جامعه سرریز پشته انجام می شود. ما یک مدل ترکیبی برای پیش بینی بهترین پاسخ پیشنهاد دادیم. مدل پیشنهادی شامل دو ماژول می باشد. اولین ماژول ویژگی محتوا است که شامل سه نوع ویژگی است؛ ویژگی های پرسش-پاسخ، پاسخ به ویژگی های محتوا و ویژگی های پاسخ-پاسخ. در ماژول دوم، استفاده از ویژگی غیر محتوا در پیش بینی بهترین پاسخ ها با استفاده از تابع امتیاز اعتبار جدید مورد بررسی قرار می گیرد. سپس هر دو ویژگی محتوا و غیر محتوایی را ادغام می کنیم و از پیش بینی آنها استفاده می کنیم. ما با استفاده از ویژگی های جدید اضافه شده ما آزمایش هایی را برای آموزش سه طبقه بندی مختلف انجام دادیم. دقت پیش بینی بسیار امیدوار کننده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
یک مدل ترکیبی برای پیش بینی بهترین پاسخ ها در مورد پاسخ دادن به جوامع
چکیده انگلیسی
Unfortunately there are a lot of issues existing that made knowledge process difficult. One of those issues is that not every asker has the knowledge and ability to select the best answer for his question, or even selecting the best answer based on subjective matters. Our analysis in this paper is conducted on stack overflow community. We proposed a hybrid model for predicting the best answer. The proposed model is consisting of two modules. The first module is the content feature which consists of three types of features; question-answer features, answer content features, and answer-answer features. In the second module we examine the use of non-content feature in predicting best answers by using novel reputation score function. Then we merge both of content and non-content features and use them in prediction. We conducted experiments to train three different classifiers using our new added features. The prediction accuracy is very promising.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Egyptian Informatics Journal - Volume 19, Issue 1, March 2018, Pages 21-31
نویسندگان
, , ,