基于鏈接分析和聚類的標簽語義分析方法研究.pdf

1、社會標注系統(tǒng)的快速發(fā)展為互聯(lián)網(wǎng)信息組織提供了新的方式。它延續(xù)了Web2.0以用戶為中心的特點，充分利用用戶知識來進行數(shù)據(jù)維護和管理。目前，越來越多的系統(tǒng)提供了對社會標注的支持。無論從支持的形式的多樣性，還是從提供的功能的強健性上來說，社會標注系統(tǒng)的不斷完善為廣大互聯(lián)網(wǎng)用戶提供了更為方便的信息組織、分享以及查詢環(huán)境。
　　在社會標注系統(tǒng)中，用戶可以不受約束的通過標簽來對自己關注的資源進行標注。標簽是社會標注中最為突出的特色，它不但顯

2、式地對資源內容進行語義描述，還隱式地反映著用戶的興趣偏好。其自由使用的特點讓用戶以沒有任何限制的方式來對自己感興趣的內容進行管理，因此無論什么背景的用戶都可以參與到大眾分類法的構建當中。
　　然而，如同一把雙刃劍，標簽的自由性也為社會標注分析帶來了很大的困難。首先，標簽的歧義性問題嚴重阻礙了系統(tǒng)中推薦、分類、檢索等功能的準確性。再次，數(shù)據(jù)空間過大的問題為進行快速、精準數(shù)據(jù)分析帶來了很大的障礙。通常而言，標簽在社會標注系統(tǒng)中以單詞或

3、詞組的形式獨立存在，但是不同的標簽會共同標注相同資源或被不同用戶同時使用，這樣就提供一種發(fā)現(xiàn)標簽之間間接關聯(lián)的方式。因此，本文就從這些關系入手進行分析來解決社會標注分析過程中由標簽所引起的一些難題。
　　本文首先對社會標注系統(tǒng)中的基本概念進行介紹，講解當前系統(tǒng)建模方式、系統(tǒng)應用特點以及社會標注分析過程中的一些難題等。然后，針對存在的問題提出基于連接分析和聚類的兩類算法。在基于連接分析算法中，本文對用戶以及標注行為進行打分，以尋求系