커뮤니티 기반의 질의 응답서비스(cQA)에서 질문-응답 쌍의 구조적 특징을 이용한 언어 모델 기반의 주제 분류 기법 A Topic Classification Method Based on a Language Model Using the Structural Features of the Question-Answer Pair on cQA
cQA 서비스에서 사용자의 질문을 몇 개의 주제로 분류하는 것은 질문에 응답을 하고자하는 응답자에게 도움을 준다. 응답자가 다른 사용자의 질문에 응답을 하는 것은 cQA 서비스의 전체 성능에 직접적으로 영향을 주기 때문에, 대부분의 cQA 서비스는 주제 추천 기능을 가지고 있다. 주제 추천 기능을 위해서 효과적인 자동 주제 분류 방법이 필요하다. cQA 서비스의 질문-응답 쌍은 질문의 제목, 질문의 본문, 질문에 대한 응답으로 구성되는 구조적 특징을 가지고 있다. 하나의 단어는 구조적 영역(제목, 본문, 응답)별로 다른 분포를 가진다. 본 논문에서는 cQA 서비스에서 자동 주제 분류를 위해 cQA 서비스의 구조적 특징을 이용한 언어 모델 기반의 효과적인 단어 가중치 계산 방법을 제안한다. 이를 위해, 단어의 출현 확률을 각 구조적 영역에서 주제별로 계산한다. 제안하는 방법은 기존의 방법에 비해 상당히 향상된 성능을 보였다.
cQA 서비스에서 사용자의 질문을 몇 개의 주제로 분류하는 것은 질문에 응답을 하고자하는 응답자에게 도움을 준다. 응답자가 다른 사용자의 질문에 응답을 하는 것은 cQA 서비스의 전체 성능에 직접적으로 영향을 주기 때문에, 대부분의 cQA 서비스는 주제 추천 기능을 가지고 있다. 주제 추천 기능을 위해서 효과적인 자동 주제 분류 방법이 필요하다. cQA 서비스의 질문-응답 쌍은 질문의 제목, 질문의 본문, 질문에 대한 응답으로 구성되는 구조적 특징을 가지고 있다. 하나의 단어는 구조적 영역(제목, 본문, 응답)별로 다른 분포를 가진다. 본 논문에서는 cQA 서비스에서 자동 주제 분류를 위해 cQA 서비스의 구조적 특징을 이용한 언어 모델 기반의 효과적인 단어 가중치 계산 방법을 제안한다. 이를 위해, 단어의 출현 확률을 각 구조적 영역에서 주제별로 계산한다. 제안하는 방법은 기존의 방법에 비해 상당히 향상된 성능을 보였다.
Identifying user's question into several topics helps respondents answering the question in a cQA service. Since it affects the overall performance directly, most of the cQA services have a topic recommendation function. For this function, automatically topic identification method is required. The c...
Identifying user's question into several topics helps respondents answering the question in a cQA service. Since it affects the overall performance directly, most of the cQA services have a topic recommendation function. For this function, automatically topic identification method is required. The cQA service has the structural features of the question-answer pairs that consist of the title of question, the body of question and the answer. The word has a different distribution in each structural area (title, body, answer). In this paper, we propose a novel effective word weighting method based on language model using the structural features in the cQA service for automatic topic identification. We calculate the topic-based occurrence probability of a word in each structure area. As a result, the proposed method shows significant improvement in our experiment.
Identifying user's question into several topics helps respondents answering the question in a cQA service. Since it affects the overall performance directly, most of the cQA services have a topic recommendation function. For this function, automatically topic identification method is required. The cQA service has the structural features of the question-answer pairs that consist of the title of question, the body of question and the answer. The word has a different distribution in each structural area (title, body, answer). In this paper, we propose a novel effective word weighting method based on language model using the structural features in the cQA service for automatic topic identification. We calculate the topic-based occurrence probability of a word in each structure area. As a result, the proposed method shows significant improvement in our experiment.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.