Теоретическая часть. 
Тематически-ориентированный подход в задаче поиска эксперта

В данной главе проведен обзор наиболее значимых исследований в области решения задачи «поиска эксперта». Это позволяет определить направление нашего исследования и сделать выбор в пользу наиболее современных и эффективных методов и алгоритмов, которые будут использованы в практической части работы.

Обзор проблемы «поиска эксперта»

«Поиск эксперта» — одна из самых популярных тем исследований в последние годы. Популярность данной темы обусловлена как актуальностью исследования, так и вниманием экспертов в области компьютерной лингвистики к данной теме на известной международной конференции TREC (Text REtrieval Conference). Задача поставлена таким образом: ранжирование кандидатов (из списка) на основе анализа коллекции документов.

Главная цель системы «поиска эксперта» состоит в том, чтобы определить с какой вероятностью кандидат C может быть экспертом в области, представленной запросом Q. Вычислив вероятность для каждого из кандидатов, далее система ранжирует их в порядке возрастания, что позволяет определить наиболее подходящего эксперта. В результате, чтобы решить задачу, необходимо найти вероятность P (C|Q). Используя теорему Байеса, получаем:

где P (C|Q) — это вероятность того, что сгенерированный запрос Q отражает всю доступную информацию о кандидате C. P (C) — априорная вероятность кандидата C, P (Q) — вероятность запроса Q. А так как P (Q) представляет собой константу для сгенерированного запроса, то может быть опущена. В следствие чего, получаем:

Исходя из данной формулы, главным фактором ранжирования кандидатов является вероятность поискового запроса для кандидата. Но и априорная вероятность кандидата также должна повлиять на ранжирование.

Большинство исследователей данной темы используют походы на основе профиля или базы документов для вычисления P (C|Q). Подход на основе профиля кандидата, в первую очередь создает профили для каждого кандидата, а затем ранжирует, вычисляя вероятность запроса для каждого из профилей. Другими словами, этот подход называют независимым от запроса, так как в первую очередь создается профиль участника C, используя документы, которые с ним связаны. А уже после этого, оценивается вероятность совпадения поискового запроса с профилем каждого участника.

В следующем, подходе на основе базы документов, система не создает профили кандидатам, а использует документы базы данных для того, чтобы связать поисковой запрос с кандидатом. Данный метод, напротив называют запросо-зависимым, так как в первую очередь определяется релевантность каждого документа введенному поисковому запросу. После этого, вычисляется ассоциативная связь каждого документа и кандидата на основе количества упоминаний автора в тексте. Исследования, проведенные учеными Фанг и Цай, Балог показывают, что результаты данного подхода превосходят результаты предыдущего метода.

Кроме того, существуют и другие подходы, например, гибридный, описанный Сердюковым и Химестра, а Балог в своей работе рассматривает метод тематического моделирование. Метод LDA также можно рассматривать как тематическое моделирование. Однако, Балог, в своем исследовании давал несколько иную интерпретацию термину «тематика». В своей работе он относил данный термин к сгенерированному поисковому запросу, тогда как в данной работе, мы рассматривает тематику, как набор концептов, извлеченных из коллекции документов, используя алгоритм тематического моделирования. В предложенным им методе вместо моделирования профилей кандидатов, строится модель для каждого запроса и, эти модели используются для вычисления вероятности. Исходя из результатов, которые были получены, данный метод превосходит вышеупомянутые. И главная причина плохой результативности — разреженность моделей, построенных на запросах.

Кроме это, существуют и другие подходы к ранжированию кандидатов. Например, графический подход или на основе данных социальных сетей.