［目的/意义］问答社区是网络知识获取的重要途径。对回答的排序多以点赞数为单一标准，导致大量具备用户吸引力、但对问题本身不具实际参考价值的趣味性或故事性回答占据社区首页，阻碍用户接触能够真正传递知识的回答。对问答社区中的非建设性回答进行识别分类并降权，能够提高排名靠前回答的整体质量，提升用户的知识获取体验。［方法/过程］以知乎平台为例，以回答的用户特征、内容及情感特征构建基于Logistic 回归和随机森林的二分类机器学习模型，并评估其对非建设性回答的识别效果。［结果/结论］提出一种基于机器学习的问答社区非建设性回答识别分类模型，该模型相对以点赞数作为唯一标准的排名拥有更好的准确率，显著提升了社区内排名靠前回答的整体质量。

欢迎阅读《文献与数据学报》！您是该文第3071位读者！