جست‌وجوی خبره در سامانه‌های پرسش و پاسخ انجمنی

سامانه‌های پرسش و پاسخ به سامانه‌هایی گویند که کاربران نیاز و پرسش خود را در آن سامانه‌ها ثبت می‌کنند و دیگر کاربران حاضر در سامانه به آن‌‏ پرسش‌ها پاسخ می‌دهند. با فراگیر شدن این نوع سامانه‌ها تعداد کاربران‏، پرسش‌ها و پاسخ‌ها در این سامانه‌ها نیز به طور چشمگیری رشد کرد و با این رشد چالش‌های جدیدی برای آن‌ها بوجود آورد. برای مثال ممکن است فردی پرسشی را در سامانه به ثبت برساند و مدت زیادی را انتظار بکشد تا فردی دارای تخصص مربوطه به وی پاسخ دهد‏، یا از طرفی دیگر ممکن است فردی متخصص نتواند پرسش‌های مربوط به خودش را در سامانه بیابد. پس اصلی‌ترین چالش در عمل یافتن کاربری متخصص برای پاسخ‌دهی به پرسش‌های موجود در زمینه تخصصی خود می‌باشد. یکی از مشکلات مهمی که الگوریتم‌های جست‌وجوی خبره با مواجه‌اند فاصله معنایی میان کلمات به کار رفته داخل متن پرسش و مهارت‌های موجود در سامانه‌ می‌باشد. به همین جهت در این مقاله دو مدل ترجمه ارائه شده است تا این فاصله معنایی را به حداقل برساند. مدل های ارایه شده با استفاده از مجموعه دادگان stackoverflow ارزیابی شده و با لگوریتم های مشابه مقایسه گردیده است. نتایج آزمایش ها نشان از برتری مدل های پیشنهادی دارد.

Expert Finding in Community Question Answering

Community question answering is a forum in which users ask their questions and other existing users respond those questions. As these forums grow, their users, questions and answers increase significantly and new challenges appear. For instance, someone who has asked a question in forum has to wait a lot to another user give him a response. On the other, experts has to spend a lot of time finding questions in their expertise field. Thus, the most important challenge which these forums face is finding appropriate users to answer the questions. One of the most critical issues which expert finding algorithms have is vocabulary gap between skills and words used in posts text. Therefore, in this paper, we propose two translation models to reduce vocabulary gap. The proposed models are evaluated using the StackOverflow dataset and compared with the related algorithms. The experimental results show the superiority of the proposed models.