摘要

在热门问答网站上，每天都有成千上万的新问题被发布，因此亟需自动化且准确的软件解决方案来替代人工审核。本文针对问答社区中依赖众包方式进行内容审核所存在的关键缺陷，展示了利用最新机器学习模型实现审核自动化的能力。从技术角度来看，我们提出了一种多视角方法，通过生成三组不同的特征，从三个不同维度对问题进行分析：（1）基于BERT的回归模型提取的问题相关特征；（2）基于命名实体识别（Named Entity Recognition, NER）模型提取的上下文相关特征；（3）通过统计与分析方法获得的一般词汇特征。最后，我们采用梯度提升分类器（Gradient Boosting Classifier）对审核操作进行预测。为评估模型性能，我们构建了一个新的数据集，包含60,000条来自Stack Overflow的问题，并将其标注为三类审核操作。在该新数据集上进行的交叉验证结果显示，本方法在多分类任务中达到了95.6%的准确率，显著优于所有现有最先进模型及以往已发表的模型。实验结果充分表明，我们所设计的特征生成模块对分类器整体性能具有显著影响。