社会化问答社区的内容抽取研究

【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。
【作者】余素华；
【导师】刘清堂；
【作者基本信息】华中师范大学，教育技术学，2014，硕士
【副题名】以“百度知道”为例
【关键词】社会化问答社区；百度知道；网络爬虫；SVM；问答质量；

【参考文献】
[1]付玉翡.对口援疆政策的实施与成效考察研究[D].新疆师范大学,中共党史,2013,硕士.
[2]马鹏飞.补精益视片调控MNU诱导的大鼠感光细胞凋亡信号转导通路的研究[D].成都中医药大学,中医眼科学,2012,硕士.
[3]杜娟.所有权保留买卖之法律问题探析[D].外交学院,国际法,2004,硕士.
[4]霍丽花.中职生双亲教养态度与心理健康相关研究[D].河北师范大学,心理健康教育,2014,硕士.
[5]袁志云,孔令洪,王成林.频谱分解技术在储层预测中的应用[J].石油地球物理勘探,2006,S1:11-15+142-143.
[6]李印.谱方法的理论分析及其研究[D].东北大学,计算数学,2010,硕士.
[7]梁文波.集中式WLAN中可扩展网络管理系统的研究与设计[D].北京交通大学,通信与信息系统,2013,硕士.
[8]王雪莲.干湿联合冷却塔的设计及节水量的计算[D].东北电力大学,热能工程,2013,硕士.
[9]崔帅.人教版高中历史教科书比较分析[D].华中师范大学,学科教学,2013,硕士.
[10]梅鲜.高校思想政治教育第二课堂建设研究[D].复旦大学,思想政治教育,2013,博士.
[11]石林.第Ⅲ代TARP系统与后路椎弓根钉棒系统生物力学比较[D].南方医科大学,外科学,2012,硕士.
[12]孙寅秋.无线传感器网络故障诊断算法设计[D].西安电子科技大学,应用数学,2012,硕士.
[13]刘阿娜.省级人大地方立法听证制度研究[D].内蒙古大学,法律,2013,硕士.
[14]尚尉.纯电动汽车传动控制系统仿真研究[D].西南交通大学,电力电子与电力传动,2014,硕士.
[15]张廷芳.Jigsaw任务对中国大学生英语写作的影响[D].兰州大学,外国语言学及应用语言学,2013,硕士.
[16]林湧.在神灵与心灵之间[D].福建师范大学,中国古代文学,2004,硕士.
[17]王雁南.《女神》的诞生[D].山东大学,中国现当代文学,2013,硕士.
[18]詹长龙.师范大学福清分校基于遗传算法的排课系统的设计与实现[D].电子科技大学,软件工程（专业学位）,2012,硕士.
[19]格日勒曹道.蒙古族电子排版传播[D].内蒙古大学,新闻与传播,2014,硕士.
[20]张雨昕.中国传统商人精神家园与中华民族精神关系研究[D].西北大学,马克思主义基本原理,2014,硕士.
[21]邹应贵.现代远程教育中基于任务驱动的流媒体答疑教学模式研究[D].华南师范大学,教育技术学,2004,硕士.
[22]谢剑鸣.海上地震勘探的发展[J].石油地球物理勘探,1984,03:193-199.
[23]覃夏梅.国家法与习惯法互动关系之实证研究[D].吉林大学,法学理论,2014,硕士.
[24]杜爽.利用前驱分子在Au(111)表面制备石墨烯纳米带并进行紫外光电子能谱研究[D].浙江大学,2014.
[25]常培荣.稀土元素Gd掺杂CeO_2(111)面储释氧性能的第一性原理研究[J].原子与分子物理学报,2015,03:492-498.
[26]张鹏远,白冰,蒋思晨.聚丙烯酰胺改性掺砂混杂纤维水泥土的无侧限抗压强度[J].中国铁道科学,2014,06:7-14.
[27]刘小平,丁明,张颖媛,徐宁舟.微网系统的动态经济调度[J].中国电机工程学报,2011,31:77-84.
[28]郭袁媛.适老化视角下的低密度住宅套型设计研究[D].清华大学,建筑学,2013,硕士.
[29]郭学卫,王春晖,金仲和.星间高精度测距系统精度测量方法的研究[J].测绘通报,2014,02:63-66.
[30]本报记者史传发.受政策影响华丽家族放弃地产主业转投飞行器石墨烯机器人三大项目[N].证券日报,2015-05-25C01.
[31]张集文,万欢,张振中.水稻2叶期乳苗机插技术试验[J].中国农机化学报,2014,01:133-137.
[32]肖友.水管理体制对水资源可持续利用的作用和影响[J].中国水利.2002(10)
[33]张阳.中超俱乐部管理模式的构建研究[D].山东大学,体育教学（专业学位）,2013,硕士.
[34]袁云霄.《庄子》畸人之“德”研究[D].河北大学,中国哲学,2014,硕士.
[35]赵婕.JBP-40径向柱塞泵运动件及滑靴副的高压化研究[D].太原科技大学,机械电子工程,2014,硕士.
[36]阎顺国,沈禹颖.生态因子对碱茅种子萌发期耐盐性影响的数量分析[J].植物生态学报,1996,05:414-422.
[37]储璐雅.集团治理、代理成本与上市公司绩效[D].云南财经大学,企业（财务）管理,2013,硕士.
[38]孔祥轶.论英国《反贿赂法案》及其对中国商业贿赂治理的启示[D].华东政法大学,经济法学,2012,硕士.
[39]王勇.HJ发电公司燃料管理流程优化方案设计[D].吉林大学,项目管理,2013,硕士.
[40]王淼.基于第一性原理TiSb_n小团簇的结构与稳定性的研究[D].哈尔滨理工大学,凝聚态物理,2012,硕士.
[41]易正九.微型机在环保监测系统的应用[J].冶金自动化,1983,S1:61-66.
[42]李天翼.宗教视角下的土耳其传统舞蹈探析[D].中国艺术研究院,舞蹈学,2014,硕士.
[43]龚丽秀.纳米二氧化钛的制备、改性及在多孔聚合物中的应用[D].苏州大学,材料学,2013,硕士.
[44]刘劲东.大功率光伏逆变器并网及低电压穿越技术研究[D].北方工业大学,电力电子与电力传动,2014,硕士.
[45]黄承修.基于虚拟样机技术的汽车行驶平顺性仿真研究[D].浙江大学,2006.
[46]陈艳慧.中石油东方物探公司集中采购模式研究应用[D].北京交通大学,工商管理（专业学位）,2013,硕士.
[47]刘丽萍.高校思想政治理论课情境兴趣研究[D].西南交通大学,马克思主义理论,2013,硕士.
[48]刘媛.北京市回龙观3-6岁幼儿家庭亲子游戏开展现状及影响因素分析[D].北京体育大学,体育教育训练学,2013,硕士.
[49]雷丹丹.辛烯基琥珀酸玉米糊精酯自聚集体的构建及其在姜黄素增溶中的研究[D].西南大学,食品科学,2014,硕士.
[50]靳永欣.集成电路芯片封装的热—结构数值模拟分析及优化设计[D].大连理工大学,工程力学,2004,硕士.