發(fā)布時間：2024-07-05 04:51

　　Web2.0是互聯(lián)網(wǎng)時代的核心理念。社會科技的進步擴大了人們的知識需求,用戶在尋求答案的過程中已經(jīng)不再局限于第一代“關(guān)鍵詞搜索式”網(wǎng)絡問答系統(tǒng),社會化問答社區(qū)成為用戶“提出問題-解決問題”的首選方式。社會化問答社區(qū)具備社交性、互動性和分享性特征,針對某一問題能夠產(chǎn)生多種優(yōu)質(zhì)答案,提問用戶在瀏覽的過程中對答案進行再次篩選,這也促使了社區(qū)意見領(lǐng)袖的出現(xiàn)。意見領(lǐng)袖一方面借助問答社區(qū)平臺提出問題,獲取個體所需知識;另一方面為了實現(xiàn)自我價值,平衡被尊敬和被需要的心理需求,他們會分享更多的信息,滿足其他用戶的知識需求�；�于社交網(wǎng)絡關(guān)系的鏈接、個人知識獲得的滿足感、社區(qū)意見領(lǐng)袖自我價值實現(xiàn)的需要,更多的用戶被吸引過來,形成比較穩(wěn)固的社會網(wǎng)絡關(guān)系,從而產(chǎn)生了提問、回答、評論等信息行為。由于用戶所回答的問題往往與用戶的興趣存在直接的關(guān)聯(lián),也就是說用戶答題行為的產(chǎn)生是建立在用戶興趣的基礎(chǔ)上,用戶只有對某類問題感興趣,才會對該類問題進行回答。基于用戶興趣與所答問題之間的關(guān)聯(lián),本文從用戶回答的問題入手,通過構(gòu)建問題話題預測模型實現(xiàn)對問題話題的識別,并根據(jù)模型預測問題話題的概率,結(jié)合用戶回答某一話題的概率,從而...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

圖4.4多層前饋神經(jīng)網(wǎng)絡模型

圖4.4多層前饋神經(jīng)網(wǎng)絡模型從多層前饋神經(jīng)網(wǎng)絡模型中可以看出，外界數(shù)據(jù)傳遞到輸入層后，由中間的隱藏層對數(shù)據(jù)進行處理，最后由輸出層神經(jīng)元負責輸出信息。其中，隱藏層和輸出層更為復雜，帶有激活函數(shù)處理功能，而輸入層僅接受外界的數(shù)據(jù)信息。而神

圖4.5普通循環(huán)神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

圖4.5普通循環(huán)神經(jīng)網(wǎng)絡結(jié)構(gòu)圖可見，RNN設計的主要目的是用來處理序列數(shù)據(jù)。它的結(jié)構(gòu)包含三層，處端的是輸入層與輸出層，中間的是中間層也稱之為隱藏層[62]。根據(jù)上圖可知NN之所以稱為循環(huán)神經(jīng)網(wǎng)絡，是因為它的輸出值與它的輸入值密切相關(guān)，也

圖4.6循環(huán)神經(jīng)網(wǎng)絡簡化結(jié)構(gòu)圖

圖4.6循環(huán)神經(jīng)網(wǎng)絡簡化結(jié)構(gòu)圖進一步將其展開（下圖4.7）可以看到，隱藏層與隱藏層之間相互關(guān)聯(lián)互相響，且某一時刻的隱藏層與上一時刻是相關(guān)的，這個網(wǎng)絡在t時刻接收到輸入之后，隱藏層的值是,輸出值是,關(guān)鍵一點是它的值不僅僅取決于，還取

圖4.7循環(huán)神經(jīng)網(wǎng)絡展開結(jié)構(gòu)圖

圖4.7循環(huán)神經(jīng)網(wǎng)絡展開結(jié)構(gòu)圖=g(V)……………………………………（1）=f(1)……………………………（2）式1是輸出層的計算公式，輸出層是一個全連接層，也就是它的每個節(jié)都和

本文編號：4001067