[发明专利]一种利用非对称的多面排序网络学习解决社区问答任务的方法

权利要求书

1.一种利用非对称的多面排序网络学习解决社区问答任务的方法，其特征在于包括如下步骤：

1)针对于一组社交网络用户及其提出的问题与相关答案，构建包含用户、问题与答案之间相互关系的异质的非对称社区问答网络；

2.1)对于步骤1)形成的社区问答网络，利用单词映射网络及LSTM网络形成问题答案的映射，再结合用户映射获取反映用户问答语义映射相关性的损失值；

2.2)对于步骤1)形成的社区问答网络，利用其中含有的用户关系，与用户映射矩阵相结合，得到反映用户之间相互关系的损失项值；

2.3)利用步骤2.1)获得的反映用户问答语义映射相关性的损失值与步骤2.2)获得的反映用户之间相互关系的损失项值，得到最终的损失函数及目标函数；

3)经过训练，得到最终的多面排序标准函数，根据该函数可以对于任意问题及用户提出的答案进行排序，将更适合问题的答案排在前列。

2.根据权利要求1所述利用非对称的多面排序网络学习解决社区问答任务的方法，其特征在于所述的步骤2.1)具体为：

对于所给出的问题、答案，利用如下方法获得每个问题与答案的映射表达：首先利用预训练好的单词映射方法获得问题答案中单词的对应映射，对于问题x_i的第t个单词，得到其映射为x_it；之后将问题的单词映射序列{x_i1,...,x_in}作为LSTM的输入，将所有问题的单词全部输入之后，进行训练，将最后一层的输出作为问题的语义表达，记为q_i；对于答案y_i，将答案中的每一句话的所有单词的单词映射序列{y_i1,...,y_in}输入到LSTM网络中，将每一句话的最后一层的输出作为该句话的语义表达，之后在该答案的所有句子的语义表达输出上面增加一最大池化层，将最大池化层的输出作为该答案的语义表达，记为a_i；

通过随机初始化得到用户的映射矩阵U＝{u₁,u₂,...,u_l}，根据步骤1)获得的异质的非对称社区问答网络，获得关于问题及相关答案和用户的限制集合R＝{(i,j,k,o,p)}，该集合中的每一条数据(i,j,k,o,p)代表的含义为“针对于问题i而言，由用户k提出的答案j可以比由用户p提出的答案o获得更多的支持，更加符合问题的要求；”

针对于R＝{(i,j,k,o,p)}中的每一条数据，按照如下公式构建反映用户问答语义映射相关性的损失函数L_r：

其中，c代表提前定义好的权衡最大距离值的参数，0为与进行最大值比较防止结果小于0的限定值；代表高质量答案对应的问答对的多面排序函数，代表低质量答案对应的问答对的多面排序函数，与的计算公式如下：

其中，q_i为问题i的对应映射表达，a_k为答案k的对应映射表达,u_j为用户j的对应映射表达，a_p为答案p的对应映射表达,u_o为用户o的对应映射表达，M∈R^d*d为用来计算问题与答案映射之间的语义关联程度的排序度量矩阵。