Kebutuhan akan informasi semakin lama semakin meningkat. Qatar Living Forum sebagai sistem community question answering (CQA) tidak dipungkiri membantu pengguna untuk menemukan informasi yang dibutuhkan. CQA merupakan sistem yang jarang dimoderasi, cukup terbuka dan memiliki sedikit batasan, siapapun mampu bertanya dan memberikan komentar. Sisi negatifnya, diperlukan upaya lebih untuk memahami setiap kemungkinan jawaban. Sebuah pertanyaan yang memiliki ratusan komentar akan memakan banyak waktu pengguna saat dilakukan pemeriksaan. Selain itu, komentar terbaik mungkin berada di pertanyaan lain yang sudah pernah diajukan.
Penelitian yang ada sebelumnya melibatkan klasifikasi komentar. Kekurangan dari proses klasifikasi saja adalah terpencarnya komentar-komentar relevan dan pengguna perlu menjelajah seluruhnya. Untuk itu, pemberian peringkat dapat lebih membantu dengan memberikan komentar-komentar relevan pada posisi teratas pertanyaan. Pemeringkatan dapat diselesaikan dengan proses klasifikasi. Untuk melakukan klasifikasi, diperlukan fitur sebagai ciri yang merepresentasikan dokumen. Jenis fitur yang diambil adalah fitur leksikal dan semantik. Fitur terdiri dari kelompok word matching dan similarity. Komentar akan diklasifikasikan dengan classifier yang telah disediakan Weka berupa Logistic Regression dan Support Vector Machine dan menghasilkan nilai yang diurutkan sebagai peringkat. Evaluasi yang diterapkan pada sistem adalah Mean Average Precision (MAP).
Pengujian yang dilakukan terhadap dataset SemEval-2016 Task 3 menunjukkan classifier yang paling sesuai adalah Logistic Regression dengan maksimum iterasi sejumlah 16. Hasil yang diperoleh mampu menempati posisi pertama dari 10 perserta lain dengan nilai MAP 55,9%.