本书围绕社会化问答平台下的查询推荐技术即用户问答查询推荐展开研究，从查询推荐的相关性、多样性等不同视角，详细描述了相关模型、算法以及数据处理的方法，是一本极具参考价值的专著。
本书循序渐进、用例丰富，且内容新颖全面，涉及用户问答查询推荐研究的起源、挑战和路径、合成数据生成方法、基于搜索的用户问答查询推荐、基于生成的用户问答查询推荐、用户问答查询推荐结果多样化等。本书适合信息检索的高年级本科生、硕士生和博士生阅读，也适合相关研究和应用技术人员参考。

丁恒，华中师范大学信息管理学院讲师。2018年博士研究生毕业于武汉大学信息管理学院。主持国家自然科学基金青年项目、中国博士后科学基金面上资助项目两项，获省级社会科学优秀成果三等奖一项。在核心期刊和重要会议发表论文20余篇。主要学术研究领域为信息检索、数据挖掘和社交计算。

1 用户问答查询推荐研究：起源、挑战和路径
1.1 用户问答查询推荐是什么
1.2 解决路径与挑战
1.3 深度学习时代的用户问答查询推荐研究
2 合成数据生成方法
2.1 概述
2.2 关键词查询生成
2.3 数据处理与实验设置
2.4 实验结果
3 基于搜索的用户问答查询推荐
3.1 概述
3.2 N元卷积匹配神经网络
3.3 数据集构建
3.4 实验设置
3.5 实验结果
4 基于生成的用户问答查询推荐
4.1 概述
4.2 合成数据过滤器
4.3 神经翻译模型
4.4 数据与实验
4.5 结果评价与分析
5 用户问答查询推荐结果多样化
5.1 概述
5.2 多样化算法
5.3 实验设置
5.4 结果分析
参考文献
后记