摘要
社区问答网站（如 StackOverflow 和 Quora）通常要求用户遵守特定的指南，以保障内容质量。这些系统主要依赖社区成员的举报来评估内容，但这种方式存在诸多问题，包括违规处理效率低下、消耗正常用户及资深用户的时间、部分举报质量不高，以及对新手用户缺乏建设性反馈，导致其参与积极性受挫。因此，为实现自动化管理问答网站内容的总体目标，本文旨在构建一个模型，用于预测问答网站中问题的20个质量或主观维度。为此，我们采用了谷歌研究团队（Google Research）在2019年收集的数据，并基于预训练的BERT模型进行了针对性微调。在均方误差（Mean Squared Error, MSE）的评估指标下，模型在训练两个周期后即达到0.046的误差值，后续训练周期中性能未出现显著提升。实验结果表明，通过简单的微调策略，仅需较少的训练时间和数据量，即可获得高精度的预测模型，验证了该方法在实际应用中的高效性与可行性。