社区问答平台上多因素融合的答案选择与问题推荐关键技术研究

目录

声明

符号使用说明

第一章 绪论

1.1.1 课题背景

1.1.2 研究挑战

1.2 本文研究内容及结构

第二章 相关技术

2.1.1 卷积神经网络

2.1.2 循环神经网络

2.1.3 词嵌入技术

2.2 文本匹配

2.3 推荐系统

2.4 小结

第三章 多因素融台的答案选择模型

3.2 相关工作

3.2.1 特征工程方法

3.2.2 深度学习方法

3.2.3 深度交互方法

3.3 模型

3.3.1 词嵌入层

3.3.2 隐含表示层

3.3.3 混合注意力层

3.3.4 用户建模层

3.3.5 隐含层

3.3.6 输出层

3.3.7 训练

3.3.8 模型复杂度

3.4.1 实验数据

3.4.2 实验步骤

3.4.3 基准模型

3.4.4 结果比较

3.4.5 超参数分析

3.4.6 注意力分析

3.5 本章小结

第四章 隐式和显式因素融合的问题推荐模型

4.2 相关工作

4.2.1 问题路由

4.2.2 神经网络推荐模型

4.2.3 联合推荐模型

4.2.4 社区发现

4.4 模型

4.4.1 文本数据

4.4.2 潜在因子

4.4.3 社交关系

4.4.4 分组信息

4.4.5 推导

4.5 实验

4.5.2 实验设定

4.5.3 基准模型

4.5.4 性能比较

4.5.5 模型结构分析

4.5.6 超参数分析

4.5.7 分组可视化

4.6 小结

第五章 异构多源信息空间融台的问题推荐模型

5.2 相关工作

5.3 问题定义

5.4.1 神经概率矩阵分解

5.4.2 基于注意力机制的表示学习

5.5 综合模型

5.5.1 推导

5.5.2 与之前模型的联系

5.6 实验

5.6.1 数据集

5.6.2 实验准备

5.6.3 基准模型

5.6.4 网络嵌入基准方法

5.6.5 推荐结果分析

5.6.6 表示学习分析

5.6.7 参数分析

5.7 小结

第六章 总结

6.2 下一步研究计划

致谢

参考文献

作者在学期间取得的学术成果