.png){kind=icon}
返回
Knowledge Augmented Expert finding framework via knowledge graph embedding for Community Question Answering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2024.109891.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
社区问答中的专家发现旨在为已发布的问题推荐合适的专家。然而，现有方法主要关注利用语义提取和权威分析技术，未能实现问题与专家之间的潜在知识-方面关联。因此，为已发布问题推荐的专家仅限于文本到文本的近似或领域无关的权威。本研究提出了一种知识增强的专家发现框架（KAExpert），将知识层信息引入基于语义和基于权威的专家发现方法中。首先，基于问题标签和知识相关短语从公共数据库获取三元关系，构建社区知识图谱。然后设计了一种灵活的知识图谱嵌入，以提取问题与专家在知识层面的匹配关系。在此基础上，基于知识图谱嵌入计算知识层权威，以优化领域匹配结果。根据知识图谱嵌入和知识层权威，构建KAExpert以优化领域匹配结果，从而使发现的专家集合包含具有语义匹配和知识匹配的高水平专家。最后，在两个来自主要商业问答网站的真实数据集上的实验结果表明，KAExpert能够以显著优势超越基线方法。
Keyword:
Expert finding
Community question answering
Knowledge graph
Knowledge graph embedding
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
引用论文
Using semantic enrichment methods in expert search system for recruitment process in IT corporation在专家搜索系统中使用语义增强方法，以优化IT公司的招聘流程
OAAI
.png){kind=icon}
OAAI分享收藏Learning semantic representation with neural networks for community question answering retrieval
PREAI
分享收藏分享收藏
查看更多内容