基于在线问答社区的智能信息服务方法及其用户决策影响研究

Community Question Answering (CQA) has become an emerging information service platform on the Internet, attracting a large number of users and business concerns. Unlike traditional search engines, CQA provides information services in the form of questions and answers, which are highly relevant and professional. Therefore, discussions in CQA are often reproduced in a variety of social media, leading to the growing impact on consumers and businesses. However, existing CQA platforms still suffer from key issues, such as information redundancy, information overload, no recovery problems, etc., which highly affect the information service quality of CQA. In view of those problems, this project starts from the whole process of user information acquisition in CQA, and focuses on the research of an intelligent information service method, which includes three layer-by-layer steps: (1) redundant question and answer identification and extraction; (2) expert user recommendation; (3) user comparison opinion extraction. Meanwhile, this project further explores the mechanism that the results of the proposed information service method impact on user decision. Through the research results of this project, it can help CQA platforms improve the quality of information service, serve consumers by providing timely and efficient decision-making information, and also help enterprises grasp the public opinion and predict the future market trend.

当前，在线问答社区已成为一种新兴的互联网信息服务平台，吸引了大量的用户和企业的关注。与传统搜索引擎不同，在线问答社区以问答形式提供信息服务，所提供信息具有高度相关性和专业性的特点。因此，平台上的问答讨论经常被转载到各种社交媒体，对消费者和企业的影响也越来越大。但现有平台依然存在诸如信息冗余、信息过载、无回复问题等影响平台信息服务质量的关键问题。针对这些问题，本项目从用户在线问答社区中获取信息的全过程入手，着重研究一种智能信息服务方法，该方法包含三个逐步深入的环节：（1）冗余问答识别及抽取；（2）专家用户推荐；（3）用户比较意见抽取。同时，基于所提出的智能信息服务方法，本项目进一步研究探讨了这种方法对用户决策的影响机制。通过本项目的研究成果，能够帮助在线问答社区更好的提升信息服务质量，帮助消费者及时高效的获取所需决策信息，同时也有助于企业掌握消费者舆情并把握未来市场的走向。

近年来，在线知识问答社区快速发展，逐步转变成为围绕“知识”的社交和电商平台，兼具以免费知识为核心的知识社交和以付费知识为产品的知识付费两种形式。在快速发展过程中，在线知识问答社区始终面临着平台信息过载，消费者满意度有待提升，平台内容价值发掘不足等问题，这些问题成为平台优化信息服务的关键点，也是本项目的核心关切，并在项目申请书中明确讨论和分析。. 经过四年的研究探索，项目组分别对上述三方面问题给出了可行的解决方案，形成了以“智能信息服务方法”为核心的一整套理论和方法集合。项目成果包括三个方面：其一，针对平台信息过载问题提出的“大数据-小数据”问题，这是项目组首次提出，也是基于大数据管理决策的基础性问题。围绕“大数据-小数据”问题，项目组进一步给出了问题的概念界定，求解路径和应用方案。其二，针对平台消费者满意度提升，项目组从知识产品声音载体特征、知识消费者专业性程度、知识主讲人与消费者互动策略三个维度探究了其对知识消费者满意度的影响，形成了一整套的知识付费消费者满意度理论体系。其三，针对平台内容的价值发掘，项目组综合运用数据挖掘、机器学习、深度学习等智能算法设计并提出了三种分析和挖掘在线问答内容的智能方法，即付费知识的高维度向量化表征和推荐方法，基于在线问答内容的竞争着识别方法和搜索引擎关键字推荐方法，为社区内和社区外的管理决策提供方法支撑。. 经过四年的研究探索，项目组已顺利完成项目申报阶段提出的三方面研究任务，形成了一系列复合研究成果，其中既有用户行为理论创新，也有商务智能方法创新，更有科学问题的提出。项目研究成果进一步凝练了基于大数据管理分析决策的科学问题，也探索和总结了技术研究与行为研究相结合的新研究范式，更进一步丰富了以知识问答为主体形式的“知识产品”消费决策行为理论和智能信息服务方法，最终将有助于促进以知识付费为核心的一类数字经济业态的蓬勃发展。

内容获取失败，请点击重试