Wofür stimmen wir? Antwortenauswahl aus der Sicht der Nutzerexpertise im Community Question Answering

Die Antwortenauswahl ist ein wichtiges Problem im Community Question Answering (CQA), da sie die Destillation von zuverlässigen Informationen und Wissen ermöglicht. Die meisten vorhandenen Ansätze betrachten dieses Problem als eine Textübereinstimmungsaufgabe. Allerdings ignorieren sie den Einfluss der Community auf die Wahl der besten Antworten. Die Qualität der Antworten korreliert stark mit der semantischen Relevanz und der Nutzerexpertise im CQA. In diesem Papier formalizieren wir das Problem der Antwortenauswahl aus der Sicht der Nutzerexpertise und berücksichtigen sowohl die semantische Relevanz im Frage-Antwort-Paar als auch die Nutzerexpertise im Frage-Nutzer-Paar. Wir entwerfen eine neuartige Übereinstimmungsfunktion, die den Einfluss der Nutzerexpertise auf die Akzeptanz in der Community explizit modelliert. Darüber hinaus führen wir latente Nutzervektoren in das Repräsentationslernen der Antworten ein, um die impliziten Themeninteressen in den gelernten Nutzervektoren zu erfassen. Umfassende Experimente mit zwei Datensätzen aus realen CQA-Seiten zeigen, dass unser Modell die neuesten Ansätze zur Antwortenauswahl im CQA übertrifft. Darüber hinaus bieten uns die von unserem Modell gelernten Nutzerrepräsentationen eine quantitative Möglichkeit, sowohl die Autorität als auch die themensensitiven Interessen der Nutzer zu verstehen.