李科霖

(北京交通大学计算机与信息技术学院,北京 100044)

0 引 言

近年来，由于各类现代技术的迅猛发展，人们对专业知识的需求不断增加，因此常常需要从多种不同的渠道获取自己需要的知识来满足学习或者工作的需求。其中，在线问答社区逐渐成为最为可靠和有效的知识来源之一[1]。

互联网和信息技术的发展，见证了如Wikipedia、Quora和知乎等中英文在线问答社区的蓬勃发展。与传统的专家咨询系统不同，在线问答社区通常是指由用户参与问题提问和回答的知识分享社区，它的基本模式是用户根据自己的知识需求进行提问，通过一定的激励或者推荐机制来发动其他具有相关领域知识的用户回答问题，提供个性化的答案[2]。例如，作为最受欢迎的中文在线问答社区之一，知乎拥有千万级别用户，每天产生大量不同领域下的问题和答案。然而，由于问题回答者的专业水平良莠不齐，产生的答案质量也往往高低不一。因此，准确地发现问答社区中不同领域下具有专业知识水平和影响力的专家用户，把提问者提出的问题及时推荐给这些专家用户，将有助于高效而准确地产生专业答复，从而提高问答社区知识库的知识水平，增加用户对社区的粘度，还能为外部搜索引擎提供较高质量的信息资源。因此，基于用户产生的问答信息和点赞等行为信息，准确地发现在线问答社区中的领域专家用户，就显得尤为必要。

针对在线问答社区……