多語言社會化標簽聚類及可視化研究.pdf

1、協(xié)同標注系統(tǒng)(folksonomy)是Web2.0網站中由相互關聯(lián)的用戶、資源和標簽組成的注釋結果的一個集合，其重要基礎是:一個用戶可以自定義多個用戶標簽來描述網絡資源。通常的社會化標簽系統(tǒng)中標簽是用戶標注的結果，也有一些網站提供抽取標簽的自動推薦功能（本文定義為機器生成標簽）。當前的標簽生成研究對其內容與社會化屬性的結合研究仍不夠深入。標簽的個性化和模糊化特征使得社會化標簽系統(tǒng)中存在大量無用、冗余以及語義不明確的標簽。同時，標簽在We

2、b文本的聚類方面的應用多為單語言Web文本聚類且只把標簽作為聚類的補充。
　　針對以上問題，本文以多語言的社會化標簽聚類及可視化為研究目標，從社會化標簽提取、聚類與可視化以及社會化標簽在文本聚類中的應用等幾個方面進行了研究。具體研究內容包括如下三個方面:
　　首先，在社會化標簽屬性的研究中，本文將標簽分為兩類，用戶標注標簽和機器抽取標簽，并分別對結合內容屬性與社會化屬性的兩類標簽的聚類結果進行分析與討論。實驗結果表明內容與用

3、戶特征的結合能夠在用戶分類的情況下能夠提高標簽聚類結果，滿足對用戶的個性化標簽聚類結果的需要。
　　其次，在多語言標簽聚類與可視化研究中，本文采用更全面的標簽特征抽取方法，即通過內容與社會化屬性的結合來提高抽取標簽的質量，結合用戶標注標簽，優(yōu)化最終的標簽聚類效果，并對網絡資源進行多語言標簽映射，并實現(xiàn)其可視化。實驗結果表明對于平行語料的兩種多語言標簽聚類方法，單語言二次聚類結果優(yōu)于混合標簽的一次聚類結果。平行語料的多語言標簽聚類結

4、果優(yōu)于可比語料基于雙語詞典映射的多語言標簽聚類結果。
　　最后，在社會化標簽的應用研究中，本文針對傳統(tǒng)文本聚類的不足，將社會化標簽引入到文本聚類中。比較基于文本內容、基于用戶標簽及不同的加權算法的結合，分析不同語言文本聚類結果的差異，實驗結果表明選用不同的特征抽取方法和不同的加權方法中的文本聚類結果表現(xiàn)不同。在Web文本聚類中，內容特征與社會化特征的結合能夠對文本聚類起到改善作用，應重視社會化特征在Web文本聚類中的作用和意義。另