基于概率模型與共現(xiàn)圖的標(biāo)簽學(xué)習(xí).pdf

1、社會化標(biāo)注是用戶在Web上自由組織、管理、分享資源的一種方式，它不要求用戶有專業(yè)知識背景，能適應(yīng)網(wǎng)絡(luò)環(huán)境的動態(tài)變化。本體作為規(guī)范的結(jié)構(gòu)化知識庫能表現(xiàn)語義概念的層次劃分，是一種知識的組織方式，被廣泛用于各種語義處理場合。以社會化標(biāo)簽為數(shù)據(jù)源進行語義挖掘，得到類似本體的知識庫是目前Web語義挖掘的研究熱點。社會化標(biāo)簽作為大眾智慧的結(jié)晶能體現(xiàn)網(wǎng)絡(luò)資源中的語義知識，但用戶認知水平的差異會造成標(biāo)簽的歧義性，模糊了標(biāo)簽語義關(guān)系，以至將標(biāo)簽作為數(shù)據(jù)源

2、進行語義挖掘和本體學(xué)習(xí)很難達到理想效果。
　　基于社會化標(biāo)簽的本體學(xué)習(xí)主要存在以下兩個問題：一方面，社會化標(biāo)注方法采用的是自底向上的浮出語義模式，而本體的語義析取方法則是從頂層往下的，所以現(xiàn)有的本體學(xué)習(xí)方法在標(biāo)簽數(shù)據(jù)上難以取得理想的效果；另一方面，傳統(tǒng)分類法在處理社會化標(biāo)注系統(tǒng)中龐大的用戶與標(biāo)簽數(shù)據(jù)時會出現(xiàn)性能瓶頸。
　　基于概率模型與共現(xiàn)圖的標(biāo)簽學(xué)習(xí)方法，針對以上兩個難點，能挖掘出隱藏在大量標(biāo)注數(shù)據(jù)中的語義信息。首先研究標(biāo)

3、注系統(tǒng)中用戶、資源、標(biāo)簽三者之間的關(guān)聯(lián)，對標(biāo)注行為建立概率模型，參照本體中領(lǐng)域的概念，將標(biāo)簽映射到不同的語義范圍；然后對劃分領(lǐng)域后的各個語義范圍內(nèi)的標(biāo)簽建立標(biāo)簽共現(xiàn)圖，根據(jù)共現(xiàn)圖中節(jié)點連接的緊密程度計算標(biāo)簽的核度，得到標(biāo)簽的核度層次劃分；最后根據(jù)相鄰層次間標(biāo)簽簇的相似度，對標(biāo)簽簇進行自頂向下的層次聚類，得到類似本體的概念層次結(jié)構(gòu)。
　　在社會化標(biāo)注系統(tǒng)的標(biāo)簽數(shù)據(jù)上進行實驗，實驗結(jié)果表明經(jīng)過語義空間映射后的標(biāo)簽作為概念詞，能代表不同