问答网站系统Question2Answer评测

简介:

综合性的问答网站早已经被百度知道等垄断,不过小编却觉得在网站上集成问答功能是十分必要的,比如运营了一个独立网店,整合一个论坛则过于臃肿复杂,而问答功能则能更好起到解答客户疑问的作用,这次介绍的Question2Answer以轻巧、专业著称,能很好的与现有网站进行整合。

  Question2Answer(Q2A)是十分流行的问答类网站系统,已经应用于2200多个站点,支持包含简体中文在内的33种语言。

  Question2Answer是基于PHP/Mysql开发的开源程序,可以免费使用,功能也比较丰富,以下是与百度知道主要功能对比图表。

  Question2Answer提供了可视化编辑器、邮件提醒等更多功能,只是也缺少了像追加提问这种重要功能。

  再从Question2Answer自身的角度来看看实现了哪些功能,有哪些优点和不足。

核心功能

  1. 投票、评论和相关问题:可以对提问和回复进行投票(也就是常见的顶、踩),发表评论,也可以就提问发表相关问题。
  2. 搜索:可以对提问、回复、用户、tag这些字段进行搜索;
  3. 四级分类&tag:支持四级分类,支持提问和回复添加tag。
  4. 积分/荣誉系统:在后台可以设置提问、回复、评分等操作的积分增减数量,但是用户头衔只能以积分为基础划分,有些局限。
  5. 邮件提醒/rss:在提问和回复时用户可以选择是否发送邮件提醒,同时还提供了最新问题、最新回复、分类目录、热门问题的Feed输出。

防垃圾信息

  问答类网站是最容易被垃圾信息威胁的网站,Question2Answer有四大手段可防垃圾信息。

  第一招:用户举报,可以自动屏蔽被举报次数达到设定值的提问和回答,群众的眼睛是雪亮的,此功能最可靠。

  第二招:reCAPTCHA验证,如下图所示,reCAPTCHA能有效防止机器识别,但有时候就是大活人也认不出来,所以需要慎用。

  第三招:邮箱验证,可以设置新注册用户需要邮箱验证,这是比较常见的防机器人注册方法,也为大家所熟悉,不会招致用户反感。

  第四招:ip限制,可以限制ip每小时最大操作数目进行限制,比如提问、评论和评分等,但小编却未看到针对ip的注册数量的限制。

用户管理

  • 权限管理:默认启用了注册用户、验证用户、专家、版主、管理员等用户组,小编没找到自行添加用户组的功能,而且各种操作权限的设置不够自由,但对于小型网站来说足矣。
  • gravatar/上传头像/附加字段:同时支持用户上传头像和gravatar头像,还可以自行添加用户信息字段。
  • pm:站内消息,注册用户互发短消息。

整合

   Question2Answer体积十分小巧,也没有累赘的功能,十分适合与现有网站进行整合,自1.4版本之后,更是添加了与WordPress网站整合安装的功能

Question2Answer下载

 

本文转自博客园知识天地的博客,原文链接:问答网站系统Question2Answer评测,如需转载请自行联系原博主。
相关文章
|
9月前
|
人工智能 搜索推荐
ERNIE-Bot 4.0提示词格式
ERNIE-Bot 4.0提示词格式
73 0
|
9月前
|
数据采集 自然语言处理 Devops
ToolLearning Eval:CodeFuse发布首个中文Function Call的大语言模型评测基准!🚀
CodeFuse发布了首个面向ToolLearning领域的中文评测基准ToolLearning-Eval,以帮助开发者跟踪ToolLearning领域大模型的进展,并了解各个ToolLearning领域大模型的优势与不足。ToolLearning-Eval按照Function Call流程进行划分,包含工具选择、工具调用、工具执行结果总结这三个过程,方便通用模型可以对各个过程进行评测分析。
795 0
|
3月前
|
数据采集 人工智能 API
Qwen2.5-Coder深夜开源炸场,Prompt编程的时代来了!
通义千问团队开源「强大」、「多样」、「实用」的 Qwen2.5-Coder 全系列,致力于持续推动 Open Code LLMs 的发展。
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
【ACL2024】面向Stable Station的交互式多轮Prompt生成模型DiffChat
阿里云人工智能平台PAI与华南理工大学金连文教授团队合作,在自然语言处理顶级会议 ACL 2024 上发表论文《DiffChat: Learning to Chat with Text-to-Image Synthesis Models for Interactive Image Creation. ACL 2024》。
|
9月前
|
机器学习/深度学习 人工智能 JSON
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
LLM 大模型学习必知必会系列(二):提示词工程-Prompt Engineering 以及实战闯关
|
5月前
|
自然语言处理 Python
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
Diao等人(2023)提出了一种名为Active-Prompt的新方法,通过自适应提示来优化大型语言模型(LLMs)在特定任务中的表现。此方法通过不确定性评估选择需标注的问题,利用少量人工标注的思维链(CoT)示例逐步优化模型,提高其解决问题的能力。相比固定范例,Active-Prompt能够更有效地针对不同任务调整提示,从而提升模型性能。
214 7
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
|
6月前
|
机器学习/深度学习 安全
Prompt攻击
【8月更文挑战第5】
330 3
|
9月前
|
XML 存储 人工智能
[译][AI OpenAI-doc] Prompt工程
这个指南分享了从大型语言模型(有时称为GPT模型)如GPT-4 中获得更好结果的策略和技巧。这里描述的方法有时可以结合使用以达到更好的效果。我们鼓励进行实验,找到最适合您的方法。
[译][AI OpenAI-doc] Prompt工程
|
9月前
|
人工智能 开发框架 搜索推荐
23.3k Star!推荐一款非常强大的GPT网页客户端:Lobe Chat
23.3k Star!推荐一款非常强大的GPT网页客户端:Lobe Chat
337 2
|
自然语言处理 数据挖掘 知识图谱
【提示学习】Knowledgeable Prompt-tuning: Incorporating Knowledge into Prompt Verbalizer for Text Classific
目前流行的第四大范式Prompt的主流思路是PVP,即Pattern-Verbalizer-Pair,主打的就是Pattern(模板)与Verbalizer(标签映射器)。   本文是在Verbalizer(标签映射器)方面做出的创新。   文章思路是数据增强+去噪,不过数据增强在于verbalizer对于label space至expanding word space的映射,引入外部的扩展标签词集,辅助分类,去噪并不新颖,就是在细化两个场景,zeroshot滤掉扩展标签词集的低频词,并上下文校验。fewshot则是引入可学习权值,减小噪声影响。
203 0

热门文章

最新文章