战学刚 王 晓

基于LDA的问答网站话题抽取算法

战学刚 王 晓

(辽宁科技大学软件学院 辽宁 鞍山 114051)

为了帮助用户在使用问答网站时准确地描述所提问题的话题，对社会化问答网站问题及话题进行了建模，发现问题的潜在语义关系，提出一种基于潜在狄利克雷分布LDA(Latent Dirichlet Allocation)的话题抽取算法。该算法通过挖掘问题与问题之间的潜在语义信息，找到潜在语义相类似的问题，在语义层面上抽取出话题集合，找到最符合的话题列表。在真实网站中的数据进行试验证实，应用该算法可以有效扩大话题抽取的准确率和召回率。

LDA 问答网站 协同过滤 话题模型

0 引 言

社会化问答网站是区别于传统问答网站(如百度知道)或百科类网站(维基百科)的基于社会化关系的新型问答网站，它的价值在于给用户提供一个可以流动的“知识库”。其“社会化”的定义主要体现在问题、话题、用户之间的关注关系上。在社会化问答网站中，通过一系列的关注关系来使问题及其答案进入用户的视线中，例如用户可以关注“社交网站”这一话题，那么日后在该用户的首页就能不断地推送出关于该话题下的热门问答内容，从而加快知识的传播速度。社会化问答网站是互联网领域的一个创新应用。社会化问答网站最初的实现是国外的Quora(www.quora.com)。近两年，国内相继涌现出一批类似的社会化问答网站，包括最初的知乎(www.zhihu.com)，以及后来的百度新知、六达网等。

和传统的问答网站相比，社会化问答网站通过加入社交元素来体现“社会化”的概念。……