题目：基于社交平台的问答系统中回答者个性化建模研究

    近年来，社交问答已经逐渐成为一种人们从社交朋友圈中获取信息的常见途径。这种基于真实社交关系的问答行为，较之传统搜索引擎、社区讨论在知识分享和信任度方面显示了较强的优势。但是，在实际中社交网络生活中，许多用户遇见问题或者需要获取信息时，仍习惯求助于搜索引擎等常规手段，并不会像现实日常生活中向亲人、朋友、同事这些存在社交人际关系的人求助，显然，这种基于社交关系的问答的方式并未普及开来。究其原因，主要是因为社交问答的回复率太低，用户满意度不足。所以，如何提高问题回复率、降低未回答问题在总问题中的所占比例已经逐渐成为社交网络的热门研究点。

    虽然在社交网络问答方面已经有了大量的研究，但是许多研究点都是集中在对问题内容进行分析、提高答案精确度等方面的工作上，而对于社交问答中的回答者的行为的研究并不多。本文从回答者的角度出发，尝试去探究：什么样的用户会更加可能成为社交问答中的回答者？哪些因素会影响用户的行为？为了回答这个问题，本文从社交关系和用户的固有属性方面提出了多个假设，并且通过一系列的实验来分辨这些因素和用户回答行为之间的内在联系，从而预测“什么样的用户会更加愿意参与问题”。首先，论文提出若干个可能影响用户回答行为的假设因素，这些因素涉及到用户的固有属性、社交关系、以及历史行为等方面信息。之后，论文利用主成分分析与多元线性回归模型对实验数据进行假设验证并且排除干扰项，通过因素逐一进行分组对比研究，最后得出影响用户回答行为的7个因素。最后，基于分析得出的因素，论文提出利用多维向量思想对回答者建立个性化模型，并将模型信息与传统的ItemCF算法结合进行优化，通过比较在不同的推荐的K值下优化前后的召回率和准确率，来验证回答者个性化模型的正确性与实用性。

    通过对新浪微博中社交问答数据进行实验，结果表明：融合了用户个性化模型后的推荐方法，更好地发掘了用户回答意愿、回答者共性属性、以及历史行为的相关关系，在准确率、召回率等指标上有显著提升。