27492

مدل ترجمه ارزش محور پيچشي: سيستم پيشنهاد دهنده افراد خبره با رويكرد آگاه از جنبه‌هاي بي نهايت زماني

كارشناسي ارشد

نرم‌افزار (داده)

1398

1401/06/16

محمدرضا كنگاوري

كامپيوتر

در سيستم‌هاي پرسش و پاسخ طراحي يك سيستم كارا و اثربخش براي پاسخ به يك سؤال از اهميت و كاربرد‌هاي گوناگوني برخوردار است كه مي‌توان به جوامع پرسش و پاسخ، يافتن افراد متخصص براي استخدام و به طور عام تشخيص جوامع با ويژگي‌هاي خاص اشاره نمود. هدف اصلي در اين سيستم‌ها به دست آوردن ميزان خبرگي افراد در زمينه‌هاي متفاوت و يافتن الگو‌هاي زماني مربوط به آنهاست. الگوي زماني كاربران مي‌تواند از يك حالت ساده ماننداحتمال فعال بودن در يك بازه زماني مشخص تا حالت پيچيده آن مانند تخمين ميزان شباهت كاربران متغيير باشد. در جوامع پرسش و پاسخ براي دستيابي به ميزان خبرگي افراد، عموماً از دانش نهفته در پرسش‌وپاسخ‌هاي مطرح شده به صورت كلان داده‌هاي متني استفاده مي‌شود. همچنين از تعاملات افراد با اين سيستم‌ها براي يافتن الگو‌هاي زماني بهره برده مي‌شود. در بهره‌گيري از اسناد متني چالش‌هايي مانند پارازيت ناشي از ادبيات، واژگان مترادف، غلط‌هاي املائي، كوتاه بودن متون و نمايش معنايي/مفهومي كلمات(متنها) مسأله‌هايي باز و درحال توسعه هستند. همچنين در بهره‌گيري از تعاملات كاربران براي دست‌يابي به ويژگي‌هاي زماني آن‌ها، مسأله‌هايي مانند مدل كردن گسسته، مدل كردن پيوسته و قابل تفسير بودن راه‌حل پيشنهادي مسائلي جديد و قابل بحث هستند. در اين پايان‌نامه براي غلبه به چالش‌ها و مسأله‌هاي مطرح شده، يك چارچوب جديد معرفي مي‌شود كه با توجه به بافتار كلمات استفاده شده در پرسش‌وپاسخ‌ها‌برداري به هر كلمه اختصاص مي‌دهد و سپس از اين بردار‌ها براي نمايش‌برداري متون بهره مي‌برد. در ادامه با مدل كردن رفتار كاربران به صورت پيوسته به مدل زماني از كاربران مي‌رسد كه قابليت اندازه‌گيري و مقايسه در مرتبه زماني ثابت را دارند. با بهره‌گيري از دانش‌هاي كسب شده از «پرسش و پاسخ‌»‌ها، الگو‌هاي زماني كاربران مي‌توانيم بهترين افراد براي پاسخگويي به يك سؤال را پيشنهاد دهيم. به بيان ديگر افراد پيشنهاد شده به گونه‌اي انتخاب مي‌شوند كه نه تنها در سؤال پرسيده شده خبره هستند بلكه در زمان مورد انتظار به آن پاسخ مي‌دهند. نتايج آزمايش‌هاي تجربي از برتري راه حل پيشنهادي در مقايسه با روش‌هاي موجود حكايت دارد.

1401/09/16

Value-wise ConvNet for Transformer models: An Infinite Time-aware Recommender System

9/7/2023 12:00:00 AM

Finding the most suitable individual to answer a question using brief content has important usages, including the community of question answering systems and online recommender frameworks. However, one must tackle challenges: Disregarding the indispensable noise in short text contents, authors usually answer the input query with mismatched words that can negatively influence the textual relevance. Moreover, many vocabularies imply various alterations. Finally, not every expert is eager to answer an input query given the time constraint, named the reluctance dilemma. To overcome the challenges, we devise a novel embedding approach that constructs context-aware vectors. We then extract the knowledge domains out of the online contextual content. While we track user textual-temporal behavioral patterns via an infinite continuous-time module, we recommend a set of experts pertinent to the given query and willingly provide the response during the expected time. Experimental results on two real-world datasets of StackOverflow shows that our online time-sensitive value-wise transformer can achieve higher effectiveness and efficiency versus other trending rivals in online expert recommendation systems. In addition, we empirically experience that Fourier transformers can automatically infer multi-aspect base signals and overpass manual discrete-time models in obtaining time-specific user profiles.

پيشنهاد افراد خبره , الگوهاي زماني كاربر , مدل متني , مدلسازي آگاه از زمان

online expert recommendation , user behavioral patterns , context-wise transformers , time-aware embedding

Mohsen Saaki

Dr. MohammadReza Kangavari