融合多头自注意力的问答社区专家推荐算法

来源：计算机应用研究杂志2023年第5期北京时间：

作者：陈颖婷,林耿,陈梦,陈双梅,林夏莹,龙素娟,

单位：1.福建农林大学计算机与信息学院,福州350002；2.闽江学院数学与数据科学学院(软件学院),福州350108；

摘要：专家推荐是在线问答社区的研究热点之一，但现有的算法大多关注用户的静态兴趣和问题信息的匹配，忽视了对用户的动态兴趣表征信息的有效捕捉，从而导致推荐的准确度不足。针对上述问题，提出了融合多头自注意力的问答社区专家推荐算法。首先，构造由卷积神经网络和注意力机制组成的问题编码器，来处理目标问题和用户历史回答问题，提取对应的问题表征；其次，将用户历史回答问题序列当做时间序列，利用多头自注意力机制学习序列中所蕴涵的动态兴趣表征，结合用户的静态兴趣表征，获取用户的综合兴趣表征；最后，将目标问题表征和用户综合表征进行相似性计算产生推荐结果。利用来自知乎问答社区的真实数据进行了不同参数配置及不同算法的对比实验，实验结果表明该算法性能要明显优于目前较流行的深度学习专家推荐算法。

关键词：深度学习,卷积神经网络,多头自注意力机制,专家推荐,社区问答,

基金资助：国家自然科学基金资助项目(12001259)；福建省自然科学基金重点项目(2022J02050)；福建省自然科学基金资助项目(2020J01843)；；