Введение. 
Тематически-ориентированный подход в задаче поиска эксперта

Большие коллекции документов различных тематик в настоящее время широко доступны в Интернете. Начиная от публикации научной статьи в электронном журнале, до ежедневных новостей и оцифрованных архивов. Огромное количество (в значительной степени) неструктурированной информации в Сети приводит к неизбежной потребности в сортировке текста, а именно — в автоматизированном анализе.

Тем не менее, разработка новых инструментов для просмотра и поиска необходимой информации, которые и позволяют продуктивно использовать такие архивы, чаще всего является серьезным технологическим вызовом, однако, открывает новые возможности для статистического моделирования.

Для наиболее точного и детального поиска часто применяется способ тематического моделирование, который позволяет определять возможные и наиболее вероятные тематики документов, таким образом, выполняя задачу сортировки текстов по определенным критериям.

Характеристика содержания документов — одна из стандартных проблем, которая рассматривается в области информационного поиска, статистической обработке естественного языка и машинного обучения. Однако, решение данной проблемы предоставляет возможности организации, классификации, или поиска среди коллекции документов.

Не так давно были созданы генеративные модели для документов, которые представляют тематическое содержимое документа на основе моделирования каждого текста как набора вероятностных тем (например, Blei, Ng, и Jordan, 2003; Hofmann, 1999).

Однако в этой работе мы рассмотрим, как эти подходы могут быть использованы для решения другой фундаментальной проблемы больших коллекций документов: моделирование интересов авторов.

Путем моделирования интересов автора, можно ответить на ряд важных запросов о содержании коллекций документов. При подходящей модели можно установить:

• 1. наиболее интересующие автора вопросы;
• 2. определить авторов, которые, вероятно, имеют работы, подобные наблюдаемому документу;
• 3. авторов, которые ведут подобные исследования.

Однако, наиболее интересно, широкое практическое применение такого рода моделей. Тематическое моделирование, моделирование интересов автора может быть использовано в задаче поиска эксперта. Благодаря тому, что мы имеем огромное количество данных в открытом доступе, например, публикации, лекции, мы можем не обладая достаточными знаниями по узким направлениям исследований определить сферу интересов/знаний человека и наоборот, найти эксперта в какой-либо конкретной области знаний.

Итак, если упростить задачу поиска кандидата, то это выглядит так: найти эксперта в определенной области, например, разработчик поискового робота. Кроме сферы HR, решение данной проблемы может быть использовано и в других сферах. Поиск научного руководителя по специфике интересующего его вопроса, автоматическая рассылка информации о конференциях потенциально релевантным участникам, — все это сводится к задаче поиска наиболее подходящего эксперта в определенной области знаний для последующих коммуникаций. Таким образом, решение этой проблемы очень актуально в настоящее время и может быть применено как для совершенствования Questions & Answers сообществ, так и для таргетированной рекламной рассылки.

Несмотря на популярность данной темы, на сегодняшний день существует относительно небольшое количество исследований по задаче поиска эксперта на русскоязычных данных. Поэтому, исследование данного метода на русскоязычных коллекциях документов представляет большой научный интерес и, возможно, эффективное применение в будущем для решения практических проблем.

В данной работе мы рассмотрим работу одной из самых популярных в настоящее время модели — латентного размещения Дирихле для «поиска экспертов». Более того, наиболее интересно оценить работу данной модели не на научных публикациях, блогах или социальных сетях, а новостях. Данный способ «поиска эксперта» не использовался ранее для комментирования новостей или иных событий, происходящих в данный момент времени. Мы предполагаем, что точность работы алгоритма будет меньше, так как научная лексика (на которой обучен алгоритм латентного размещения Дирихле) в значительной степени отличается от газетно-публицистической.

Для того, чтобы сделать работу алгоритма наиболее удобной для пользования, предлагаем новый — двухфакторный способ поиска экспертов, который предлагает не только экспертов (персоны) для комментирования события, но и возможные тематики, к которым относятся та или иная новость. Такой интерфейс не только сделает работу алгоритма эффективнее, но и гораздо удобнее для пользователя. Интерактивный интерфейс позволяет расширить результаты поиска в зависимости от потребностей пользователя.

Оценка работы данного способа поиска экспертов (эффективность, релевантность выдачи, интерфейс, удобство) производится с помощью опроса всех пользователей. С этой целью были заданы открытые и закрытые вопросы, оцененные с помощью шкалы Лайкерта.

Таким образом, цель данной работы: оценить и проанализировать новый двухфакторный способ поиска экспертов.

Задачи курсовой работы:

• 1. Рассмотреть основные понятия, касающиеся проблемы исследования: проблемы «поиска эксперта», алгоритм латентного размещения Дирихле, тематическое моделирование.
• 2. Исследовать эволюцию научных подходов к решению задачи «поиска экспертов» в различных сферах.
• 3. Проанализировать эффективность методов, алгоритмов, применявшихся ранее для тематического моделирования.
• 4. Разработать новый способ практического решения задачи «поиска эксперта» на русскоязычных источниках для комментирования новостей.
• 5. Оценить и проанализировать результаты, полученные с помощью проведенного исследования.