随着互联网的普及率不断提高,网络信息量呈指数级增长,用户需要在海量信息中高效率的找到对自身有价值的信息,社会化问答平台因此应运而生。知乎是当前国内社会化问答平台的代表,但在答案的展现方式上仍存在问题,新生成的优质答案不易被用户浏览到,易导致回答者产出答案的积极性降低,造成社区中优质答案和用户流失。基于此,本研究通过机器学习算法构建可以预测问题下新生成答案优质潜力的预测模型,将具有优质潜力的答案展示于推荐页面中,提高答案的曝光度,促进答案展示列表的新旧交替,提高回答者产出答案的积极性。研究中,通过编写爬虫程序对知乎进行定向爬取,获取了340个问题下的95309条答案,95299条用户信息。对数据进行数据预处理与特征体系构建,得到了包含67个特征的特征体系,分别在4种分类算法模型上进行训练与超参数调优,并通过实验的方式对比了模型在测试集上的效果。通过对比实验发现,随机森林算法在预测优质答案上的效果更好。此外,在用户特征中,本文将文献计量学中用于评价学者学术影响力的p指数引入至社会化问答平台中,用来评价用户的社区影响力,并在研究中发现该特征对模型预测效果有显著影响。这表明文献计量学指标同样也适用于社会化问答平台,为这一领域的研究提供了参考。