针对现有社区问答中用户行为不均衡的现象，且存在大量的问题无人回答的问题，AskMe探索稀疏、不均衡多行为情况下的用户多行为预测模型的构建方法。AskMe算法利用multi-view、Bi-LSTM、Attention等技术，实现用户的不平衡多行为以及群体用户的相似行为的有效融合，指导目目标稀少行为的高效检测。
AskMe算法基于Python3.6+环境下的numpy、tensorflow、sklearn、pickle等依赖库开发。算法输入为用户的关注、点赞、回答行为序列，输出为判断用户在给定的问题时是否回答。该算法支持在Zhihu、Taobao、beibei等多行为数据集上进行问题推荐。此外在代码的实现过程中，参考了Zeyu等、Atrank等第三方开源资源。
算法名称
| 基于用户和群体的多行为交互的问题推荐方法
（AskMe: Joint Individual-level and Community-level Behavior Interaction for Question Recommendation） |
算法接口
| python train_AskMe.py
|
输入
| 用户的关注、点赞、回答行为序列
|
输出
| 判断用户在给定的问题时是否回答
|
支持数据集
| Zhihu（Taobao、beibei等多行为数据集）
|
依赖库
| Python 3.6、numpy、tensorflow、sklearn、pickle
|
参考资源
| Zeyu等、Atrank
|
gitlab链接：AskMe · GitLab (crowdhmt.com)
