公开(公告)号：CN112100464B

公开(公告)日：2022-09-02

申请号：CN202011096689.4

申请日：2020-10-14

Applicant: 济南大学

Inventor： 纪科 ,  吕晓琦 ,  杨波 ,  陈贞翔 ,  马坤 ,  孙润元

IPC: G06F16/9035 ,  G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了结合动态兴趣与专业知识的问答社区专家推荐方法及系统，包括：获取目标问题数据；将目标问题数据进行向量化表示，得到问题表示向量；将候选用户数据进行向量化表示，得到用户表示向量；基于问题表示向量和用户表示向量，输出推荐的用户。采用深度学习方法，减少人工特征提取的不准确性，更好地编码深层次复杂特征。考虑用户侧信息的动态变化，成功表征用户兴趣动态和专业知识动态。引入词向量进行文本的表示，简化特征处理流程。

公开(公告)号：CN113254782A

公开(公告)日：2021-08-13

申请号：CN202110661472.1

申请日：2021-06-15

Applicant: 济南大学

Inventor： 纪科 ,  吕晓琦 ,  马坤 ,  杨波 ,  陈贞翔 ,  孙润元

IPC: G06F16/9535 ,  G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种问答社区专家推荐方法及系统，属于互联网技术领域，获取问答社区上的目标问题；利用预先训练好的推荐模型处理所述目标问题，得到所述目标问题在所述问答社区内对应的一个最优专家用户，作为目标专家用户；其中，预先训练好的推荐模型由训练集训练得到；所述训练集包括：所述问答社区内的多个问题，以及标记某专家用户是所述多个问题中的某个问题的最优专家用户的标签，以及标记某专家用户不是所述多个问题中的某个问题的最优专家用户的标签。本发明结合用户显式兴趣和隐式兴趣，关注用户兴趣和用户专业知识的时间动态，充分利用显示与隐式方面特征的结合来表征深层次特征，处理动态序列信息，提升了推荐准确性和推荐效率。

公开(公告)号：CN113254782B

公开(公告)日：2023-05-05

申请号：CN202110661472.1

申请日：2021-06-15

Applicant: 济南大学

Inventor： 纪科 ,  吕晓琦 ,  马坤 ,  杨波 ,  陈贞翔 ,  孙润元

IPC: G06F16/9535 ,  G06F16/332 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种问答社区专家推荐方法及系统，属于互联网技术领域，获取问答社区上的目标问题；利用预先训练好的推荐模型处理所述目标问题，得到所述目标问题在所述问答社区内对应的一个最优专家用户，作为目标专家用户；其中，预先训练好的推荐模型由训练集训练得到；所述训练集包括：所述问答社区内的多个问题，以及标记某专家用户是所述多个问题中的某个问题的最优专家用户的标签，以及标记某专家用户不是所述多个问题中的某个问题的最优专家用户的标签。本发明结合用户显式兴趣和隐式兴趣，关注用户兴趣和用户专业知识的时间动态，充分利用显示与隐式方面特征的结合来表征深层次特征，处理动态序列信息，提升了推荐准确性和推荐效率。

公开(公告)号：CN112100464A

公开(公告)日：2020-12-18

申请号：CN202011096689.4

申请日：2020-10-14

Applicant: 济南大学

Inventor： 纪科 ,  吕晓琦 ,  杨波 ,  陈贞翔 ,  马坤 ,  孙润元

IPC: G06F16/9035 ,  G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了结合动态兴趣与专业知识的问答社区专家推荐方法及系统，包括：获取目标问题数据；将目标问题数据进行向量化表示，得到问题表示向量；将候选用户数据进行向量化表示，得到用户表示向量；基于问题表示向量和用户表示向量，输出推荐的用户。采用深度学习方法，减少人工特征提取的不准确性，更好地编码深层次复杂特征。考虑用户侧信息的动态变化，成功表征用户兴趣动态和专业知识动态。引入词向量进行文本的表示，简化特征处理流程。