[发明专利]面向问答平台的融合用户隐连接关系的标签推荐方法

说明书

本发明的面向问答平台的融合用户隐连接关系的标签推荐方法，可解决传统标签推荐方法推荐结果有限不能满足用户需求的技术问题。包括构建问题集合、问题对应的标签集合、用户集合；构建用户网络；经处理得到用户的特征向量；再得到问题的特征向量；将所述用户的特征向量和所述问题的特征向量做拼接，经过一层全连接网络，得到融合用户隐性连接的多特征向量集；将所述多特征向量集使用逻辑回归模型映射成概率，基于输出的概率值对标签进行降序排序，取前top个标签；训练初步模型，训练终止后，得到最终的推荐模型；当用户在向网站提交问题时，从所述推荐模型中把前top个标签推荐给用户。本发明能提高标签系统的多样性及准确性，能够满足用户需求。

技术领域

本发明涉及信息检索技术领域，具体涉及一种面向问答平台的融合用户隐连接关系的标签推荐方法。

背景技术

在一些问答网站上，用户可以提交问题，搜索问题、浏览问题，回答问题等，导致信息呈现爆炸性增长。而标签有助于改善问题信息的杂乱无章，并有助于用户浏览问题，根据标签去索引可以帮助用户在网页大量的信息中更容易获取到感兴趣的问题。在问答网站上看到标签是非常常见的，它允许用户用自己的语言去标记各种问题，这种标签既描述了他们发布的问题的重要特征属性，又反映了用户的兴趣点。

但是用户在打标签时会按照自己的想法，自己的语言去给问题打上奇奇怪怪的标签，不同用户想表达的的意思可能相同或相近，但是用的词汇不同，这就造成了标签系统变得非常庞大而且繁乱无章，使得一些问题没有很好的归类；另外打标签需要用户从键盘上输入，一些用户避免麻烦不愿意去给问题打标签。所以如何在用户想给问题打标签时为其推荐适合的标签就变得非常重要，这样不仅能提高打标签的质量，还能提高用户打标签的参与度。

当前多数的问答网站进行标签推荐时，一般推荐整个网站最热门的标签，或者从问题本身提取关键词作为标签，或者推荐类似问题最热门的标签，或者推荐用户最常用的标签，但是以上推荐方式对一些新用户或者新问题推荐结果不佳，推荐的结果有限，缺乏多样性，供用户选择的可能比较少，不能满足用户的需求。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种面向问答平台的融合用户隐连接关系的标签推荐方法，解决了传统标签推荐方法没有考虑到网站上用户与用户的共现关系，推荐结果缺乏多样性，不能满足用户的需求的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种面向问答平台的融合用户隐连接关系的标签推荐方法，包括以下步骤：

从问答网站上获取问题、问题对应的标签、问题对应的用户信息，并构建问题集合、问题对应的标签集合、用户集合；

根据问题与用户信息的对应关系，构建用户网络；

将所述用户网络输入到node2vec模型中，得到用户的特征向量；

将所述问题集合输入到卷积神经网络中，得到问题的特征向量；

将所述用户的特征向量和所述问题的特征向量做拼接，经过一层全连接网络，得到融合用户隐性连接的多特征向量集；

将所述多特征向量集使用逻辑回归模型映射成概率，表示属于每个标签的概率，在[0,1]之间，基于输出的概率值对标签进行降序排序，取前top个标签，至此初步模型即构建好；

将所述问题、问题对应的标签、问题对应的用户信息作为输入，训练初步模型，训练终止后，得到最终的推荐模型；

当用户在向网站提交问题时，从所述推荐模型中把前top个标签推荐给用户。