亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于PageRank算法的問題推薦方法及系統(tǒng)與流程

文檔序號(hào):11627746閱讀:257來(lái)源:國(guó)知局
基于PageRank算法的問題推薦方法及系統(tǒng)與流程
本發(fā)明涉及基于pagerank算法的問題推薦方法及系統(tǒng)。
背景技術(shù)
:互聯(lián)網(wǎng)、云計(jì)算的崛起讓軟件開發(fā)商遇到轉(zhuǎn)型難題的同時(shí),也給有好的創(chuàng)意產(chǎn)品、優(yōu)質(zhì)資源或技術(shù)的社會(huì)群體乃至個(gè)人帶來(lái)了機(jī)會(huì),眾籌、眾智、眾創(chuàng)成為最有效的資源。問答社區(qū)是信息檢索領(lǐng)域一種新的形式,用戶使用自然語(yǔ)言發(fā)起提問和回答行為。與傳統(tǒng)的信息檢索技術(shù)(如搜索引擎)相比,問答社區(qū)解決了如下兩個(gè)方面的問題:一方面,用戶由使用零星的關(guān)鍵字作為檢索條件轉(zhuǎn)變?yōu)槭褂谜Z(yǔ)義更加豐富、明確的自然語(yǔ)言問題這一形式,因此可以更加清晰地表達(dá)和描述其需求,為得到理想的結(jié)果提供了更加充足、完備的條件。另一方面,問答社區(qū)允許其他用戶回答提問者提出的問題,通過這種協(xié)作的方式,能夠最大限度地發(fā)揮人類智力,從而克服機(jī)器自身的一些限制。由上可知,問答社區(qū)具有高效、實(shí)用、方便等特點(diǎn),它的不斷完善必將為信息檢索領(lǐng)域的發(fā)展注入新鮮活力和推動(dòng)力。目前在網(wǎng)絡(luò)社區(qū)中,對(duì)于用戶權(quán)威性的分析,主要采用鏈接分析算法。鏈接分析最初在搜索引擎領(lǐng)域使用。目前很多鏈接分析研究領(lǐng)域的算法都是基于pagerank算法。使用pagerank算法來(lái)給網(wǎng)頁(yè)排序時(shí)是根據(jù)網(wǎng)頁(yè)的pagerank值,簡(jiǎn)稱pr值。對(duì)于網(wǎng)頁(yè)pr值的計(jì)算,主要基于這樣的假設(shè):一方面,如果目標(biāo)頁(yè)面被越多的其他網(wǎng)頁(yè)鏈接,那么目標(biāo)頁(yè)面越重要;另一方面,由于指向目標(biāo)頁(yè)面的其他頁(yè)面質(zhì)量不同,因此其他頁(yè)面的質(zhì)量越高,則目標(biāo)頁(yè)面的質(zhì)量也越高。pagerank算法通過迭代、遞歸的思想來(lái)計(jì)算和更新每個(gè)頁(yè)面的pr值,直到得分趨于穩(wěn)定為止。在實(shí)際應(yīng)用這種,這種算法有若干問題:pagerank算法采用隨機(jī)游走模型,并沒有考慮各網(wǎng)頁(yè)在質(zhì)量上存在的差別,對(duì)于提供答案的用戶,不去考慮用戶回答的質(zhì)量。在用戶的回答中,可能包含錯(cuò)誤答案、隨意的作答甚至是垃圾廣告?;?dòng)問答平臺(tái)中用戶提供的答案質(zhì)量參差不齊,如果將這些答案在衡量用戶權(quán)威性時(shí)視為等同,僅僅根據(jù)用戶的回復(fù)數(shù)量來(lái)確定用戶權(quán)威性,顯然與客觀事實(shí)不符;即便是互動(dòng)問答平臺(tái)中的問答專家,也不可能在每個(gè)領(lǐng)域都有豐富的專業(yè)知識(shí)。任何一位專家勢(shì)必在某些領(lǐng)域有豐富的專業(yè)知識(shí),而在其他領(lǐng)域則并非如此。傳統(tǒng)pagerank算法由于其具有主題無(wú)關(guān)性的特點(diǎn),每一位用戶只有一個(gè)權(quán)威值,顯然無(wú)法適應(yīng)問答社區(qū)豐富的分類體系。根據(jù)互動(dòng)問答平臺(tái)中用戶注冊(cè)日期的不同,老用戶更可能回答更多的問題。這類似于在進(jìn)行網(wǎng)頁(yè)鏈接分析時(shí)對(duì)新舊網(wǎng)頁(yè)計(jì)算pr值的情況。老用戶相較于新用戶回答的問題數(shù)量多,即便考慮了答案的質(zhì)量,老用戶回答中被采納為最佳答案的數(shù)量也更多。這就造成了在計(jì)算用戶權(quán)威性時(shí),存在偏愛老用戶的現(xiàn)象,而實(shí)際情況是在新注冊(cè)的用戶中也存在一部分潛在的問答專家。為有效緩解知識(shí)社區(qū)中提問者被動(dòng)等待他人回答且得不到滿意回答的情況,需要引用一種主動(dòng)推薦機(jī)制,使得最合適的問題能夠推送到最合適的用戶來(lái)解答。技術(shù)實(shí)現(xiàn)要素:為了解決知識(shí)社區(qū)中評(píng)價(jià)機(jī)制和推薦機(jī)制的不足,本發(fā)明提供了一種基于pagerank算法的問題推薦方法及系統(tǒng)。通過對(duì)答案相關(guān)度、答案質(zhì)量、問題難度等語(yǔ)義信息進(jìn)行分析找出高權(quán)權(quán)重用戶;進(jìn)一步的,本發(fā)明還采用基于用戶建模的問題推薦機(jī)制,將最合適的問題推薦給最合適的用戶?;趐agerank算法的問題推薦方法,包括如下步驟:步驟(1):用戶提出待解決問題,對(duì)問題進(jìn)行分詞,通過lda算法,挖掘出問題所屬的分類;步驟(2):對(duì)社區(qū)的用戶進(jìn)行權(quán)威性分析;步驟(3):將用戶提出的待解決問題與社區(qū)的用戶進(jìn)行匹配度計(jì)算;步驟(4):將待解決問題根據(jù)匹配度計(jì)算結(jié)果推薦給對(duì)應(yīng)的社區(qū)用戶進(jìn)行解答。基于pagerank算法的問題推薦方法,還包括如下步驟:步驟(5):用戶對(duì)解答發(fā)表主觀評(píng)價(jià)和客觀評(píng)價(jià),對(duì)于客觀評(píng)價(jià),收集答案,統(tǒng)計(jì)結(jié)果;對(duì)于主觀評(píng)價(jià)和解決方案回答,根據(jù)參與答題用戶的質(zhì)量權(quán)重,再發(fā)布到社區(qū)中進(jìn)行評(píng)價(jià),計(jì)算參與答題用戶的質(zhì)量。所述步驟(1)的挖掘出問題所屬的分類,例如:生活常識(shí)類、法律知識(shí)類、娛樂新聞?lì)?、培?xùn)教學(xué)類等等。所述步驟(2)的步驟為:對(duì)于用戶進(jìn)行任務(wù)類型和領(lǐng)域的權(quán)重計(jì)算,步驟如下:步驟(21):在pagerank算法的基礎(chǔ)上,構(gòu)建一個(gè)用戶問答關(guān)系圖g=(u,r),其中用戶問答關(guān)系圖中的每一個(gè)結(jié)點(diǎn)ui∈u表示為一個(gè)用戶,用戶問答關(guān)系圖中的每一條有向邊rij∈r表示為用戶ui到用戶uj之間的問答交互關(guān)系;其中,pr(a)代表網(wǎng)頁(yè)a的pr值,d代表阻尼系數(shù),取值范圍是0<d<1;pr(ti)代表鏈接到網(wǎng)頁(yè)a的網(wǎng)頁(yè)ti的pr值;c(ti)代表網(wǎng)頁(yè)ti鏈出的網(wǎng)頁(yè)數(shù)量;pr值全稱為pagerank(網(wǎng)頁(yè)級(jí)別),用來(lái)表現(xiàn)網(wǎng)頁(yè)等級(jí)的一個(gè)標(biāo)準(zhǔn),級(jí)別分別是0到10;步驟(22):引入對(duì)答案質(zhì)量的分析,分析用戶的行為,得出初步的用戶權(quán)威性的計(jì)算方法;所述用戶的行為,包括:回答問題、選擇最佳答案、贊成和反對(duì);設(shè)回答問題的權(quán)重分?jǐn)?shù)為x,其中x>0,選擇最佳答案的權(quán)重分?jǐn)?shù)為ax,其中a>1,贊成的權(quán)重為bx,其中b>0,反對(duì)的權(quán)重為-cx,其中c>0;其中,auth(ui,c)代表用戶ui在問題類別c的權(quán)威性值,n代表總的用戶數(shù)量,代表用戶uj到用戶ui鏈接的權(quán)重,代表用戶uj到所有用戶鏈接權(quán)重之和。步驟(23):引入對(duì)問題難度的分析,得出用戶權(quán)威性計(jì)算方法;問題難度的計(jì)算公式如下:dif(q)代表解決方案或創(chuàng)意q的難易程度,1<dif(q)<2,a(q)是解決方案或創(chuàng)意q的回答集合,|a(q)|代表解決方案或創(chuàng)意q的回復(fù)數(shù)量;ta(q)代表回復(fù)a的日期,tq(q)代表解決方案或創(chuàng)意的提出日期;ta(q)-tq(q)的單位是秒;其中,tavg是回答問題q的平均耗費(fèi)時(shí)間;η是調(diào)節(jié)參數(shù);問題的回答數(shù)量越多,表明有越多的用戶知道問題的答案,問題相對(duì)簡(jiǎn)單,當(dāng)問題的平均回答時(shí)間越長(zhǎng),表明用戶無(wú)法在短時(shí)間之內(nèi)回答該問題,問題相對(duì)困難。最終計(jì)算用戶權(quán)威性的方法:代表加入了問題難度因素之后用戶uj到用戶ui鏈接的權(quán)重。此時(shí),用戶行為和權(quán)重分?jǐn)?shù)的對(duì)應(yīng)關(guān)系為:回答問題的權(quán)重分?jǐn)?shù)為x,x>0,選擇最佳答案的權(quán)重分?jǐn)?shù)為ax·dif(q),a>1,贊成的權(quán)重為bx·dif(q),b>0,反對(duì)的權(quán)重為-cx×(2-dif(q)),c>0;所述步驟(3)的步驟為:設(shè)問題類別構(gòu)成集合c={c1,c2,c3,…,cn},注冊(cè)用戶構(gòu)成集合u={u1,u2,u3,…,un},表征用戶與某個(gè)問題類別相關(guān)程度的計(jì)算方法公式如下:rij=inm(ui,cj)×authij;(6)其中,rij代表用戶ui與問題類別cj的相關(guān)程度,其含義為:當(dāng)某個(gè)問題屬于類別cj時(shí),用戶ui回答這一問題的可能性;inm(ui,cj)代表用戶ui在注冊(cè)之后的第m個(gè)月對(duì)于問題類別cj的興趣度,即用戶ui是否有興趣回答類別cj的問題;authij代表用戶ui對(duì)于問題類別cj的權(quán)威度,即用戶ui是否有能力回答問題類別cj的問題;initin是用戶興趣度的初始值;qm-1(ui,cj)代表用戶ui在注冊(cè)之后的第m-1個(gè)月對(duì)類別cj的提問總數(shù),aqm-1(ui,cj)代表用戶ui在注冊(cè)之后的第m-l個(gè)月對(duì)類別cj的回答總數(shù)。所述步驟(4)的步驟為:將待解決問題按照領(lǐng)域推薦給合適用戶,包含以下幾個(gè)步驟:步驟(41):計(jì)算待解決問題的優(yōu)先級(jí),按照優(yōu)先級(jí)從高到低進(jìn)行排序,從而得到排序之后的待解決問題列表;待解決問題優(yōu)先級(jí)的計(jì)算方法如下:在公式中,priority(q)指問題q的優(yōu)先級(jí),interval(q)代表問題q已發(fā)布的時(shí)間,單位為天,score(q)代表問題q的懸賞分?jǐn)?shù);當(dāng)已發(fā)布時(shí)間相同時(shí),懸賞分高的問題的優(yōu)先級(jí)高;當(dāng)問題懸賞分相同時(shí),發(fā)布時(shí)間更長(zhǎng)的問題獲得更高的優(yōu)先級(jí);步驟(42):對(duì)待解決問題列表做非空判斷,如果存在待解決問題,則進(jìn)入步驟(43),否則結(jié)束推薦;步驟(43):從用戶問答數(shù)據(jù)庫(kù)中讀取可用用戶集合,并對(duì)可用用戶集合做非空判斷,如果可用用戶集合為空,代表目前沒有用戶有余力接收推薦的問題,推薦結(jié)束,否則進(jìn)入步驟(44);步驟(44):從有序的待解決問題列表中獲取優(yōu)先級(jí)最高的問題,根據(jù)步驟(3),獲取該問題所在的問題類別與各用戶的相關(guān)程度值,選取相關(guān)程度值最高的用戶作為與該問題最匹配的用戶,將問題推薦給該用戶;步驟(45):當(dāng)完成當(dāng)前問題推薦后,判斷待解決問題列表中是否還有問題,如果還有問題,則跳轉(zhuǎn)至步驟(43),否則結(jié)束推薦??捎糜脩艏现杏脩臬@取方法如下:設(shè)u={u1,u2,u3,…,un}為平臺(tái)所有用戶的集合,list(ui)代表用戶ui的推薦問題列表,當(dāng)用戶ui回答了list(ui)中的某個(gè)問題后,該問題從用戶ui的問題推薦列表list(ui)刪除。ml(ui)為用戶ui的問題推薦列表的最大長(zhǎng)度。當(dāng)且僅當(dāng)用戶ui的問題推薦列表list(ui)的當(dāng)前長(zhǎng)度小于問題推薦列表的最大長(zhǎng)度ml(ui),認(rèn)為用戶ui為可用用戶。為了解決評(píng)價(jià)機(jī)制和推薦機(jī)制的不足,本發(fā)明還提供了另一種基于pagerank算法的問題推薦系統(tǒng),所述系統(tǒng)包括:待解決問題提出模塊,用于用戶提出待解決問題;用戶權(quán)威性分析模塊,用于對(duì)社區(qū)的用戶進(jìn)行權(quán)威性分析;匹配度計(jì)算模塊,用于計(jì)算用戶提出的待解決問題與社區(qū)的用戶進(jìn)行匹配度計(jì)算;問題推薦模塊,用于將待解決問題根據(jù)匹配度計(jì)算結(jié)果推薦給對(duì)應(yīng)的社區(qū)用戶進(jìn)行解答。所述系統(tǒng)還包括:用戶管理模塊:用于維護(hù)用戶的基本資料和操作行為,并且從數(shù)據(jù)庫(kù)中提取基本資料和操作行為用以構(gòu)建用戶模型,計(jì)算用戶的權(quán)重,以用戶模型來(lái)表征用戶的偏好、興趣、習(xí)慣;知識(shí)重用模塊:利用歷史問答記錄和現(xiàn)有知識(shí)庫(kù)來(lái)解決新問題;答案聚類評(píng)估模塊:將眾多答案根據(jù)各自的語(yǔ)義特征,進(jìn)行聚類操作,達(dá)到方便用戶瀏覽和檢索的目的。進(jìn)一步的,用戶權(quán)威性分析模塊:在pagerank算法的基礎(chǔ)上,分析用戶回復(fù)的質(zhì)量,回復(fù)內(nèi)容的相關(guān)性和問題的難度,對(duì)每個(gè)用戶的權(quán)重進(jìn)行量化,得出用戶的每個(gè)領(lǐng)域中的權(quán)威度。進(jìn)一步的,匹配度計(jì)算模塊:首先,取出可用用戶集合。此處的可用用戶集合,是指尚有余力回復(fù)他人問題的用戶構(gòu)成的集合;然后從用戶問答數(shù)據(jù)庫(kù)中取出可用用戶特性分析的結(jié)果,與在列表排序模塊中完成優(yōu)先級(jí)排序的待解決問題進(jìn)行匹配,選取匹配度最高的用戶,將問題推薦至該用戶處。進(jìn)一步的,匹配度的計(jì)算方法是:用戶對(duì)于某個(gè)問題類別的興趣度乘以用戶對(duì)于該問題類別的權(quán)威度。進(jìn)一步的,興趣度的計(jì)算方法是:根據(jù)用戶在某個(gè)時(shí)間段內(nèi)在某一問題類別提出或者回答的問題的數(shù)量,建立興趣度模型。如果數(shù)量多,則興趣度高,反之,興趣度低。進(jìn)一步的,問題推薦模塊:根據(jù)問題列表優(yōu)先級(jí)算法對(duì)待解決問題列表進(jìn)行排序,從而得到排序之后的待解決問題列表;對(duì)待解決問題列表做非空判斷,即如果存在待解決問題,則進(jìn)入下一步,否則結(jié)束推薦。從用戶問答數(shù)據(jù)庫(kù)中讀取可用用戶集合,并對(duì)該集合做非空判斷,即如果可用用戶集合為空,代表目前沒有用戶有余力接收推薦的問題,推薦結(jié)束,否則進(jìn)入下一步。從有序的待解決問題列表中獲取優(yōu)先級(jí)最高的問題,根據(jù)用戶特性分析的結(jié)果,獲取該問題所在的問題類別與各用戶的相關(guān)程度值,選取相關(guān)程度值最高的用戶作為與該問題最匹配的用戶,將問題推薦給該用戶。當(dāng)完成當(dāng)前問題推薦后,判斷待解決問題列表中是否還有問題,如果還有問題,則跳轉(zhuǎn)至讀取可用用戶集合的步驟,否則結(jié)束推薦。具體的,問題列表優(yōu)先級(jí)的計(jì)算方法是:根據(jù)待解決問題已發(fā)布的時(shí)間和問題的懸賞分,基于操作系統(tǒng)領(lǐng)域中的高響應(yīng)比優(yōu)先的調(diào)度算法,通過建立函數(shù)模型,得出當(dāng)前時(shí)刻待解決問題的優(yōu)先級(jí)。具體的,用戶可用性計(jì)算方法是:根據(jù)用戶當(dāng)前問題推薦列表的長(zhǎng)度和其問題推薦列表的最大長(zhǎng)度,判斷該用戶是否是可用用戶。如果某用戶當(dāng)前問題推薦列表的長(zhǎng)度小于其問題推薦列表的最大長(zhǎng)度,則該用戶是可用用戶,否則為不可用用戶。與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:改進(jìn)了傳統(tǒng)的pagerank算法,傳統(tǒng)pagerank算法僅根據(jù)用戶問答之間的鏈接數(shù)量來(lái)確定用戶權(quán)重,本發(fā)明對(duì)答案相關(guān)度、答案質(zhì)量、問題難度等語(yǔ)義信息進(jìn)行分析,融入到權(quán)重的計(jì)算中。設(shè)計(jì)了一種基于知識(shí)社區(qū)的問題推薦機(jī)制,結(jié)合用戶的權(quán)威性和興趣度,將最合適的問題問題推薦給最合適的用戶,確保任務(wù)的合理分配?;趐agerank算法,結(jié)合答案相關(guān)度、答案質(zhì)量、問題難度等語(yǔ)義信息,得出用戶的權(quán)威度。針對(duì)系統(tǒng)發(fā)布的創(chuàng)新創(chuàng)意、創(chuàng)新方案,結(jié)合任務(wù)和參與者的匹配度,用戶興趣度和用戶可用性,設(shè)計(jì)了一種推薦機(jī)制,將合適的問題推薦給合適的用戶,進(jìn)行主觀和客觀評(píng)價(jià)。參與者將獲得參與積分,積分可以兌換物質(zhì)獎(jiǎng)勵(lì),并作為企業(yè)挑選人才的參考。采用本發(fā)明,創(chuàng)新設(shè)計(jì)將作為大眾參與的活動(dòng)。附圖說(shuō)明構(gòu)成本申請(qǐng)的一部分的說(shuō)明書附圖用來(lái)提供對(duì)本申請(qǐng)的進(jìn)一步理解,本申請(qǐng)的示意性實(shí)施例及其說(shuō)明用于解釋本申請(qǐng),并不構(gòu)成對(duì)本申請(qǐng)的不當(dāng)限定。圖1為本發(fā)明的系統(tǒng)調(diào)度示意圖;圖2為本發(fā)明一個(gè)實(shí)施例的流程圖。具體實(shí)施方式應(yīng)該指出,以下詳細(xì)說(shuō)明都是例示性的,旨在對(duì)本申請(qǐng)?zhí)峁┻M(jìn)一步的說(shuō)明。除非另有指明,本文使用的所有技術(shù)和科學(xué)術(shù)語(yǔ)具有與本申請(qǐng)所屬
技術(shù)領(lǐng)域
的普通技術(shù)人員通常理解的相同含義。具體來(lái)說(shuō):一是基于pagerank算法進(jìn)行改進(jìn),對(duì)系統(tǒng)用戶的權(quán)威性進(jìn)行評(píng)價(jià)。二是建立一種問題推薦架構(gòu)和推薦流程,讓系統(tǒng)自動(dòng)將待解決問題推薦給最合適的用戶。為了實(shí)現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案具體包括:用戶分析模塊:用于對(duì)用戶提出的問題,提取特征內(nèi)容加以分析,用戶在各個(gè)領(lǐng)域的權(quán)威性。分析匹配模塊:根據(jù)用戶與問題的匹配結(jié)果,最終決定將待解決問題推薦到哪一個(gè)用戶處作答。問題推薦模塊:與問題分析模塊相聯(lián)系,并結(jié)合系統(tǒng)構(gòu)造的用戶模型為問題尋找到合適的用戶并推薦給他。用戶管理模塊:用于維護(hù)用戶的基本資料、操作行為等,并且從數(shù)據(jù)庫(kù)中提取這些信息用以構(gòu)建用戶模型,計(jì)算用戶的權(quán)重,以此模型來(lái)表征其偏好、興趣、習(xí)慣等。知識(shí)重用模塊:利用歷史問答記錄和現(xiàn)有知識(shí)庫(kù)來(lái)解決新問題。答案聚類評(píng)估模塊:將眾多答案根據(jù)各自的語(yǔ)義信息,通過數(shù)據(jù)挖掘中聚類的思想進(jìn)行聚類操作,達(dá)到方便用戶瀏覽和檢索的目的。具體的,計(jì)算用戶在各個(gè)領(lǐng)域的權(quán)威性的方法是:在pagerank算法的基礎(chǔ)上,分析用戶回復(fù)的質(zhì)量,回復(fù)內(nèi)容的的相關(guān)性和問題的難度,對(duì)每個(gè)用戶的權(quán)重進(jìn)行量化,得出用戶的每個(gè)領(lǐng)域中的權(quán)威度。具體的,分析匹配模塊的方法是:首先,取出可用用戶集合。此處的可用用戶集合,是指尚有余力回復(fù)他人問題的用戶構(gòu)成的集合。然后從用戶問答數(shù)據(jù)庫(kù)中取出可用用戶特性分析的結(jié)果,與在列表排序模塊中完成優(yōu)先級(jí)排序的待解決問題進(jìn)行匹配,選取匹配度最高的用戶,將問題推薦至該用戶處。具體的,匹配度的計(jì)算方法是:用戶對(duì)于某個(gè)問題類別的興趣度乘以用戶對(duì)于該問題類別的權(quán)威度。具體的,興趣度的計(jì)算方法是:根據(jù)用戶在某個(gè)時(shí)間段內(nèi)在某一問題類別提出或者回答的問題的數(shù)量,建立興趣度模型。如果數(shù)量多,則興趣度高,反之,興趣度低。具體的,問題推薦模塊包括以下實(shí)現(xiàn)步驟:a.系統(tǒng)初始化時(shí),根據(jù)問題列表優(yōu)先級(jí)算法對(duì)待解決問題列表進(jìn)行排序,從而得到排序之后的待解決問題列表。b.對(duì)待解決問題列表做非空判斷,即如果存在待解決問題,則進(jìn)入下一步,否則結(jié)束推薦。c.從用戶問答數(shù)據(jù)庫(kù)中讀取可用用戶集合,并對(duì)該集合做非空判斷,即如果可用用戶集合為空,代表目前沒有用戶有余力接收推薦的問題,推薦結(jié)束,否則進(jìn)入下一步。d.從有序的待解決問題列表中獲取優(yōu)先級(jí)最高的問題,根據(jù)用戶特性分析的結(jié)果,獲取該問題所在的問題類別與各用戶的相關(guān)程度值,選取相關(guān)程度值最高的用戶作為與該問題最匹配的用戶,將問題推薦給該用戶。e.當(dāng)完成當(dāng)前問題推薦后,判斷待解決問題列表中是否還有問題,如果還有問題,則跳轉(zhuǎn)至步驟c,否則結(jié)束推薦。具體的,問題列表優(yōu)先級(jí)的計(jì)算方法是:根據(jù)待解決問題已發(fā)布的時(shí)間和問題的懸賞分,基于操作系統(tǒng)領(lǐng)域中的高響應(yīng)比優(yōu)先的調(diào)度算法,通過建立函數(shù)模型,得出當(dāng)前時(shí)刻待解決問題的優(yōu)先級(jí)。具體的,用戶可用性計(jì)算方法是:根據(jù)用戶當(dāng)前問題推薦列表的的長(zhǎng)度和其問題推薦列表的最大長(zhǎng)度,判斷該用戶是否是可用用戶。如果某用戶當(dāng)前問題推薦列表的的長(zhǎng)度小于其問題推薦列表的最大長(zhǎng)度,則該用戶是可用用戶,否則為不可用用戶。如圖1所示,本發(fā)明中的基于眾智眾創(chuàng)社區(qū)的創(chuàng)新協(xié)同設(shè)計(jì)與評(píng)價(jià)系統(tǒng)包括用戶權(quán)威性分析模塊、分析匹配模塊、解決方案、創(chuàng)意推薦模塊。用戶權(quán)威性分析模塊,讀取用戶問答數(shù)據(jù)庫(kù)中存放的用戶基本資料和操作信息,計(jì)算用戶在各問題領(lǐng)域的興趣度和權(quán)威性,以此為依據(jù)構(gòu)建每個(gè)用戶的用戶模型,進(jìn)而確定用戶與某個(gè)問題領(lǐng)域的相關(guān)程度,并將結(jié)果存入用戶問答數(shù)據(jù)庫(kù)中。由于用戶的基本資料和操作信息是動(dòng)態(tài)變化的,為了保證用戶特性分析模塊計(jì)算的結(jié)果能夠適應(yīng)動(dòng)態(tài)變化這一特點(diǎn),應(yīng)當(dāng)定期調(diào)用用戶特性分析模塊,使用戶模型保持在一個(gè)較新的狀態(tài)。分析匹配模塊,根據(jù)用戶與問題的匹配結(jié)果,最終決定將待解決問題推薦到哪一個(gè)用戶處作答。在分析匹配模塊中,主要完成如下工作:首先,取出可用用戶集合。此處的可用用戶集合,是指尚有余力回復(fù)他人問題的用戶構(gòu)成的集合。然后從用戶問答數(shù)據(jù)庫(kù)中取出可用用戶特性分析的結(jié)果,與在列表排序模塊中完成優(yōu)先級(jí)排序的待解決問題進(jìn)行匹配,選取匹配度最高的用戶,將問題推薦至該用戶處。解決方案、創(chuàng)意推薦模塊,問題推送模塊根據(jù)分析匹配模塊計(jì)算生成的推薦列表,將問題推薦至指定的用戶處作答。如圖2所示,下面以一個(gè)實(shí)施例對(duì)創(chuàng)新協(xié)同設(shè)計(jì)與評(píng)價(jià)機(jī)制進(jìn)行具體的闡述。步驟201:根據(jù)社區(qū)提供模板,發(fā)布創(chuàng)意、解決方案。步驟202:對(duì)于平臺(tái)用戶進(jìn)行任務(wù)類型和領(lǐng)域的權(quán)重計(jì)算,其步驟如下:分步驟1:在pagerank算法的基礎(chǔ)上,構(gòu)建一個(gè)用戶問答關(guān)系圖g=(u,r),其中圖中的每一個(gè)結(jié)點(diǎn)ui∈u表示為一個(gè)用戶,圖中的每一條有向邊rij∈r表示為用戶ui到uj之間的問答交互關(guān)系。在上面pagerank算法中,pr(a)代表網(wǎng)頁(yè)a的pr值,d代表阻尼系數(shù),取值范圍是0<d<1,一般取為0.85;pr(ti)代表鏈接到網(wǎng)頁(yè)a的網(wǎng)頁(yè)ti的pr值;c(ti)代表網(wǎng)頁(yè)ti鏈出的網(wǎng)頁(yè)數(shù)量。分步驟2:在pagerank算法的基礎(chǔ)上,引入對(duì)答案質(zhì)量的分析,分析用戶的行為,得出初步的用戶權(quán)威性的計(jì)算方法。這里的用戶行為,包括回答問題,選擇最佳答案,贊成和反對(duì)。得出下面公式。設(shè)回答問題的權(quán)重分?jǐn)?shù)為x(x>0),選擇最佳答案的權(quán)重分?jǐn)?shù)為ax,a>1,贊成的權(quán)重為bx(b>0),反對(duì)的權(quán)重為-cx(c>0)。auth(ui,c)代表用戶ui在問題類別c的權(quán)威性值,n代表總的用戶數(shù)量,代表用戶uj到用戶ui鏈接的權(quán)重,代表用戶uj到所有用戶鏈接權(quán)重之和。分步驟3:在上述算法基礎(chǔ)上,引入對(duì)問題難度的分析,得出用戶權(quán)威性計(jì)算方法。問題難度的計(jì)算公式如下:dif(q)代表解決方案或創(chuàng)意q的難易程度,1<dif(q)<2,a(q)是解決方案或創(chuàng)意q的回答集合,|a(q)|代表解決方案或創(chuàng)意q的回復(fù)數(shù)量。ta(q)代表回復(fù)a的日期,tq(q)代表解決方案或創(chuàng)意的提出日期。ta(q)-tq(q)的單位是秒。其中,tavg是回答問題q的平均耗費(fèi)時(shí)間。η是一個(gè)調(diào)節(jié)參數(shù),為避免計(jì)算時(shí)結(jié)果下降太快在這里被設(shè)置為1/3600??梢钥闯?,問題的回答數(shù)量越多,表明有越多的用戶知道問題的答案,問題相對(duì)簡(jiǎn)單,當(dāng)問題的平均回答時(shí)間越長(zhǎng),表明用戶無(wú)法在短時(shí)間之內(nèi)回答該問題,問題相對(duì)困難。根據(jù)上述討論,給出最終計(jì)算用戶權(quán)威性的方法:代表加入了問題難度因素之后用戶uj到用戶ui鏈接的權(quán)重。此時(shí),用戶行為和權(quán)重分?jǐn)?shù)的對(duì)應(yīng)關(guān)系為:回答問題的權(quán)重分?jǐn)?shù)為x(x>0),選擇最佳答案的權(quán)重分?jǐn)?shù)為ax·dif(q),a>1,贊成的權(quán)重為bx·dif(q),(b>0),反對(duì)的權(quán)重為-cx×(2-dif(q))(c>0)。分步驟4:在上述算法基礎(chǔ)上,引入對(duì)答案相關(guān)性的分析,得出最終的用戶權(quán)威性計(jì)算方法。步驟203:計(jì)算任務(wù)和參與者的匹配度;設(shè)眾智眾創(chuàng)社區(qū)的問題類別構(gòu)成集合c={c1,c2,c3,…,cn},注冊(cè)用戶構(gòu)成集合u={u1,u2,u3,…,un},表征用戶與某個(gè)問題類別相關(guān)程度的計(jì)算方法公式如下:rij=inm(ui,cj)×authij其中,rij代表用戶ui與問題類別cj的相關(guān)程度,其含義為:當(dāng)某個(gè)問題屬于類別cj時(shí),用戶ui回答這一問題的可能性。inm(ui,cj)代表用戶ui在注冊(cè)之后的第m個(gè)月對(duì)于問題類別cj的興趣度,即用戶ui是否有興趣回答類別cj的問題;authij代表用戶ui對(duì)于問題類別cj的權(quán)威度,即用戶ui是否有能力回答問題類別cj的問題。initin是用戶興趣度的初始值,設(shè)定為1。qm-1(ui,cj)代表用戶ui在注冊(cè)之后的第m-1個(gè)月對(duì)類別cj的提問總數(shù),aqm-1(ui,cj))代表用戶ui在注冊(cè)之后的第m-l個(gè)月對(duì)類別cj的回答總數(shù)。步驟204:將任務(wù)按照領(lǐng)域推薦給合適用戶,包含以下幾個(gè)步驟:分步驟1:根據(jù)問題列表優(yōu)先級(jí)算法對(duì)待解決問題列表進(jìn)行排序,從而得到排序之后的待解決問題列表。待解決問題優(yōu)先級(jí)的計(jì)算方法如下:在公式中,priority(q)指問題q的優(yōu)先級(jí),interval(q)代表問題q已發(fā)布的時(shí)間,單位為天,score(q)代表問題q的懸賞分?jǐn)?shù)。下面通過一個(gè)實(shí)例加以說(shuō)明。表1問題已發(fā)布時(shí)間懸賞分優(yōu)先級(jí)a1天5分3.32b1天10分4.32c2天5分5.64可見,當(dāng)已發(fā)布時(shí)間相同時(shí),懸賞分高的問題的優(yōu)先級(jí)高。當(dāng)問題懸賞分相同時(shí),發(fā)布時(shí)間更長(zhǎng)的問題獲得更高的優(yōu)先級(jí)。同時(shí),為避免資深用戶設(shè)定很高的懸賞分?jǐn)?shù)從而在待解決問題列表中獲得更靠前的排名,使用對(duì)數(shù)形式以減少懸賞分?jǐn)?shù)對(duì)優(yōu)先級(jí)產(chǎn)生的影響。分步驟2:對(duì)待解決問題列表做非空判斷,即如果存在待解決問題,則進(jìn)入下一步,否則結(jié)束推薦。分步驟3:從用戶問答數(shù)據(jù)庫(kù)中讀取可用用戶集合,并對(duì)該集合做非空判斷,即如果可用用戶集合為空,代表目前沒有用戶有余力接收推薦的問題,推薦結(jié)束,否則進(jìn)入下一步。用戶可用性的計(jì)算方法如下:設(shè)u={u1,u2,u3,…,un}為平臺(tái)所有用戶的集合,list(ui)代表用戶ui的推薦問題列表,當(dāng)用戶ui回答了list(ui)中的某個(gè)問題后,該問題從用戶ui的問題推薦列表list(ui)刪除。ml(ui)為用戶ui的問題推薦列表的最大長(zhǎng)度。當(dāng)且僅當(dāng)用戶ui的問題推薦列表list(ui)的當(dāng)前長(zhǎng)度小于其問題推薦列表的最大長(zhǎng)度ml(ui),認(rèn)為用戶ui為可用用戶。分步驟4:從有序的待解決問題列表中獲取優(yōu)先級(jí)最高的問題,根據(jù)用戶特性分析的結(jié)果,獲取該問題所在的問題類別與各用戶的相關(guān)程度值,選取相關(guān)程度值最高的用戶作為與該問題最匹配的用戶,將問題推薦給該用戶。分步驟5:當(dāng)完成當(dāng)前問題推薦后,判斷待解決問題列表中是否還有問題,如果還有問題,則跳轉(zhuǎn)至第三步,否則結(jié)束推薦。步驟205:用戶對(duì)創(chuàng)意或解決方案發(fā)表主觀和客觀評(píng)價(jià),對(duì)于客觀回答,收集答案,統(tǒng)計(jì)結(jié)果。對(duì)于主觀評(píng)價(jià)和解決方案回答,根據(jù)參與者的質(zhì)量權(quán)重,再發(fā)布到眾智社區(qū)中進(jìn)行評(píng)價(jià),計(jì)算參與者的質(zhì)量。以上所述僅為本申請(qǐng)的優(yōu)選實(shí)施例而已,并不用于限制本申請(qǐng),對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō),本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原則之內(nèi),所作的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本申請(qǐng)的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12
當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1