社会化问答社区的内容抽取研究--以百度知道为例

《社会化问答社区的内容抽取研究--以百度知道为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、⑩硕士学位论文社会化问答社区的内容抽取研究一以“百度知道"为例论文作者：余素华指导教师：刘清堂教授学科专业：教育技术学研究方向：教育信息资源设计与开发华中师范大学教育信息技术学院2014年5月TheResearchofBaiduZhidaoContentExtractionATheSiSSubmittedinPartialFulfillmentoftheRequirementFortheM．SDegreeinEducationBySuhuaYuPostgraduateProgramSchoolOfEducationalTe

2、chnology，CentralChinaNormalUniversitySupervisor：QingtangLiuAcademicTitle：ProfessorSignatureIHIllrllllJlUJ538May,2014⑧硕士学位论炙MASTER‘STFIESIS华中师范大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人

3、和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：赫牟日期：邪月≯产f。I学位论文版权使用授权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释：本学位论文属于保密，在——年解密后适用本授权书。非保密

4、论文注释：本学位论文不属于保密范围，适用本授权书。作者签名：彳象春辱导师签名：玄I冉争嘭日期：砂I￡1年弓月纠日日期：p圩年分月浒日J本人已经认真阅读“CALIS高校学位论文全文数据库发布章程”，同意将本人的学位论文提交“CALLS高校学位论文全文数据库”中全文发布，并可按“章程”中的规定享受相关权益。回意论文提交后进后；旦坐生；旦=生i旦三笙发查!作者签名：彳豪春辞日期：kl忏与月雌日导师签名：玉7常嘭日期：矽旷§月聊日⑧硕士学位论丈MASTER‘STHESIS摘要社会化问答社区是除了搜索引擎以外另外一种常见的信息获取渠

5、道，它是一种在线问答服务，“一个可以提问、回答并围绕问题进行交互的地方”。而百度知道一全球最大的中文社会化问答社区，内容分布广泛，数据量庞大。因此选择“百度知道”作为研究对象。随着百度知道的发展，其中的问题和答案数据越来越多，人们越来越关注问题和答案的质量。本文以“百度知道”为例研究社会化问答社区中的问答质量水平和存在的问题。首先以“柑橘”为主题爬取数据，一共获取适合本次试验的5992个问题，回答数共20010个，平均每个问题有3个答案。然后，两组人员通过判断、分析百度知道中问答对的质量，以及“提问者采纳”和“网友采纳”的

6、是否为真正的最佳答案来进行人工标注。最后，从下述五个特征：问答对的文本特征、问答对的统计信息特征、基于时间顺序的特征、基于用户的特征、问题和答案的关联性的特征，使用SVM分类器进行质量评估。研究结果表明，百度知道的问答对质量比较高，因此百度知道的最佳答案近似为推荐答案。标注结果显示百度知道中绝大部分问题和答案质量很高，质量偏低的问题和答案只占少数。整体的分类效果良好。依次加入上述五大特征后，整体的准确率、召回率和AUC是增长的。AUC除了第一个小于0．05，其后依次增加，所以分类器的性能良好。最大的增长是在加入问答对的统计

7、信息特征(准确率增量为14．16％)和加入基于时间的特征，特别是基于时间的特征的召回率和AUC增长量都最大。但是基于用户的特征的准确率增长较小，召回率是减小的，AUC增长也很小，考虑到随着时间的推移，越来越多的正确答案是网友推荐答案，即为匿名答案。并且越来越多的答案提供者都选择用匿名的方式，考虑到这层因素基于用户的特征准确率不高是合理的。终上所述，“百度知道”作为国内最大的社会化问答社区整体的问答质量较高。并且本文提出的五大特征可以较好的预测最佳答案。关键词：社会化问答社区：百度知道：网络爬虫；SVM：问答质量Abstra

8、ctInadditiontosearchengine，SocialQuestion&AnswerCommunityisanothercommonaccesstoinformation．Itisanonlinequestionandanswerservicethatisthewayonecanaskque