[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

说明书

本发明公开了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。主要包括如下步骤：1)针对于一组用户、问题、答案数据集，构建用户、问题、答案之间相互关系的网络，并且针对于形成的网络，利用非对称的多面排序网络学习形成多面排序标准函数。2)根据得到的多面排序标准函数，对于某一问题针对于不同用户的答案进行排序。相比于一般的问题答案推荐解决方案，本发明利用了非对称的多面排序网络学习的方法，能够综合利用问题答案之间的语义相关性与用户之间的相互关系。本发明在社交问答网站问题答案预测中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及社区问答任务，尤其涉及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。

背景技术

随着以社区为基础的问答网站的蓬勃发展，以社区为基础的问答网站服务已经成为一项重要的网络服务，该服务可以针对于用户提出的问题，让其余用户进行解答并显示在网站上，而针对于每一个问题，通常会有许多用户提出不同的答案，则对于不同答案的排序便成为了该类型网站的重要任务之一，但是目前问答网站中已有该项功能的效果并不是很好。

现有的技术主要是将问题答案匹配作为一种问答语义匹配的任务来做，该方法主要是通过学习出问题与答案的语义表达，从而将与问题相关度最高的答案排在前面，该方法仅仅考虑到了问题与答案的语义关联度，并没有利用到社区问答网站中的用户相互关系。为了克服这个缺陷，本方法将同时利用到问题答案的语义匹配信息与社区网站中的用户关系。

本发明将首先利用已有的用户、问题、答案之间的关系及用户之间的相互关系构建异质的非对称社区问答网络，之后通过LSTM网络来获取问题及答案的语义表达，利用随机初始化得到用户表达，之后结合用户表达及问题答案的语义表达得到关于用户问答语义映射相关性的损失值。之后通过构建的非对称社交问答网络中的用户之间相互关注的关系，得到用户之间相互影响矩阵，并利用该矩阵与用户表达得到反映用户之间相互关系的损失项值。将用户问答语义映射相关的损失值与反映用户相互关系的损失值结合，得到最终的损失目标函数，经过训练，得到最终社区问答网站中问题答案之间的相关程度信息。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中仅仅关注到问题答案之间的语义关联程度没有关注到社区问答网站中用户之间相互关系的问题，本发明提供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。本发明所采用的具体技术方案是：

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，包含如下步骤：

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、利用单词映射网络及LSTM网络获取问题与答案的语义表达，利用随机初始化获取用户的映射表达。之后结合用户表达及问题答案的语义表达获取反映用户问答语义映射相关性的损失值。利用步骤1构建的非对称社区问答网络中的用户之间相互关注的关系，得到用户之间相互影响矩阵，并利用该矩阵与用户表达得到反映用户之间相互关系的损失项值。两者结合得到最终的损失函数。

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。

上述步骤可具体采用如下实现方式：

1、对于所给出的用户、用户提出的问题、用户提出的答案及相互之间关系集合，形成异质的非对称社区问答网络。