社会化标注系统中标签检索质量模拟研究

社会化标注系统近年发展迅速,伴随出现的垃圾标注泛滥现象不容忽视。本文以社会化标注系统中标签检索质量为研究对象,细化普通用户标注行为,建立社会化标注模拟系统,明确定义系统内用户结构、标注规则、检索策略和检索质量算法,从实证角度评估用户规模变化、用户结构变化、用户标注量变化和垃圾用户的攻击策略选择对标签检索质量的影响。本文对于改善社会化标注系统中的标签检索算法以及提高用户体验具有重要意义。

基于社会化标注的个性化推荐研究进展

社会化标注是当前互联网研究中的一个热点。本文在对社会化标注的内涵和结构加以简单介绍的基础上,重点探讨了基于社会化标注进行推荐的相关进展。首先是明确了标签对于用户模型的意义,接着,从用户、资源和标签三个角度对基于社会化标注的聚类算法进行了讨论。同时也对基于社会化标注的排序算法进行了分析,并进一步将其分为依附补充、独立排序和通用排序三类算法。然后,对标签推荐方面的研究进行了探讨,主要是围绕内容分析、协同分析、语义分析三个方面展开的。最后,分析了社会化标注中个性化信息推荐的研究,发现借助矩阵、聚类和网络的分析是三种主要思路。

基于社会化标注的博客标签推荐方法

为了提高博客系统推荐标签的质量,分析了现有的标签推荐算法及相关技术,提出了一种基于社会化标注的博客标签推荐方法。该方法的优势在于:利用相似博客的社会化标签作为候选标签集,确保了推荐标签的全面性和可用性;基于TF-IDF相似度方法定义筛选步骤去除候选标签集中冗余和冷僻的标签,提高了推荐标签的准确性和高效性。实验结果表明了该方法的有效性。

一种社会化标注系统资源个性化推荐方法

目前许多基于社化化标注的个性化资源推荐方法均忽视了用户长短期兴趣和多义标签问题对推荐的不同影响,为此,设计区分用户长短期兴趣的指标——用户的标签偏好权重和资源偏好权重;在此基础上,提出一种结合基于内容和基于协同过滤方法优点的混合推荐方法,通过加入标注相同资源的标签向量相似度计算因子,来减小多义标签对推荐结果的影响。实验表明,将该方法引入社会化标注系统资源个性化推荐算法中,能提高推荐精度。

社会化标注系统中的个性化信息推荐研究

在多媒体网络平台中,不仅社交网站允许用户自由发布资源和添加标签,越来越多的资源共享系统也开放给用户对资源、标签的组织管理权限。本文在分析了社会化标注系统的利弊后,采用推荐技术解决社会化标注系统中资源获取困难的问题,构建了基于社会化标注系统的个性化信息推荐模型,提出了从资源-标签-用户三个维度分别建立推荐组件,进而重组推荐资源集合实现对用户的个性化兴趣预测算法,并选取豆瓣网上的实例数据验证了算法的可行性和有效性。

国外社会化标注系统中标签与本体结合研究综述

针对社会化标注系统中标签的多样性、模糊性和标签间的语义关系缺乏给网络信息资源组织和共享带来的一定困难。本文从标签与本体相结合的角度,主要通过基于在线词表的标签语义关系识别、标签与本体的映射以及最后形成的标签本体模型对社会化标注系统中标签的语义关系研究进行综述评论,并对未来研究进行展望。

Tax-folk混合导航:社会化标注系统资源聚合的新模型

Web2.0环境下,专家分类法与大众分类法呈现出互补和融合的态势,tax-folk混合导航已成为优化社会化标注系统资源聚合的一种新思路。本文通过剖析tax-folk混合导航模型生成机理,采用形式概念分析方法,构建出包含数据准备、概念格构建、概念格分析、tax-folk映射、tax-folk混合导航树和输出与评价六个模块的tax-folk混合导航模型。研究发现,tax-folk混合导航模型兼顾了专家分类法和大众分类法的优势,实现了树状"干强枝繁叶茂"的资源聚合,有效提高了社会化标注系统中资源的可查找性。

社会化标注的用户动机差异化研究

为探查社会化标注系统中用户标注动机的个体差异性,本文从用户的活跃度出发,利用信息熵理论研究用户活跃度与标注动机之间的关系。在区分社会化标注系统中"利己"和"利他"两种基本动机基础上,将社会化标注系统类比为数字通信系统,基于信息熵理论定义了编码熵、解码熵和私有效用度等刻画用户标注动机的量化指标,并结合来自Last.fm和Delicious的数据对用户活跃度与标注动机之间的关系展开实证分析。实证结果表明,社会化标注系统中用户的标注行为既服务于分享交流资源的"利他"目的,也服务于自身资源发现获取的"利己"目的,但是随着用户活跃度的提升其"利己"效用得到不断增强,并逐步稳定在系统总体的"利己"效用水平附近。进而从标签的功能和大众化程度对标注动机差异化的实证结果作出了解释并提出了对社会化标注系统用户和服务商的启示建议。

社会化标注系统中基于社区标签云的个性化推荐研究

社会化标注系统中,标签是用户对资源进行标注的结果体现,标签的出现使得原有的<用户,资源>二元组变成了<用户,标签,资源>三元组,我们在研究了已有的个性化推荐模型的基础上,提出一种基于社区标签云的个性化推荐模型。该模型对社会化标注系统中的用户、资源分别聚类形成社区,得到代表每个社区的标签云,然后进行标签云之间的相似性计算,从而产生个性化推荐。最后通过实验证实该方法不但提高推荐的查全率,而且使推荐的内容更具有多样性。

社会化标注系统的检索功能及其效果评价

标签是类似于关键词的标注语言,与主题词相比,标签属非受控词,允许用户任意进行标注,对信息资源组织有一定的作用。社会标注,即由网络用户为其所创建和关注的资源添加的标签,成为当前网络信息资源组织系统对资源进行组织和管理的重要方式之一。通过比较社会化标注系统的三大功能及其效果评价,提出了改进未来社会标注系统中信息检索功能的建议。

社会化标注系统中用户标签使用行为影响因素研究

社会化标注系统中的标签功能是一种较为成熟的大众分类法的表现形式,本文是针对社会化标注中的典型代表——豆瓣图书标签来进行用户的使用行为影响因素研究,并讨论豆瓣图书的标签是否对用户起到了作用。本文基于SOR和TAM理论提出研究假设,进行了问卷信效度分析,建立了结构方程模型对回收的281份问卷数据进行分析。研究结果显示:豆瓣图书标签的信息质量、感知有用性和感知易用性对用户未来使用豆瓣图书标签的意愿上起到了一定的正向影响作用,产品涉入度正面调节了信息质量、感知有用性和感知易用性这些变量对用户未来参与意愿的影响。结论说明社会化标注系统中的标签在检索、标注、分享等方面起到了作用,但未来还需要进一步完善其功能。

社会化标注系统的标签语义检索研究综述

社会化标注系统中标签的语义模糊性和形式不规范使得资源管理与共享越来越困难,为准确定位标签语义,文章从扩展标签语义与涌现标签语义两个方面,对标签语义检索研究现状进行了综述,分析了社会化标注系统中标签语义检索的研究动态和不足,并总结得出可计算性高、可操作性强、能智能获取标签的语义关系是社会化标注系统标签语义检索的未来研究方向。

社会化标注系统中用户标注动机差异分析

随着社会化标注系统应用的普及，社会化标签为用户的信息检索和信息组织提供了便利的平台，而现有的对社会化标签的研究关注应用层面的较多，较少探讨用户标注内在机制问题，而通过对用户标注动机的探究，可以指导社会化标注系统更好的满足用户的需要。因此本文采用自行研制的用户标注动机量表，通过调查社会化标注系统中有过标注行为用户的标注动机，从不同性别、不同年龄、不同学历、不同职业、不同社会化标注系统使用时间以及使用次数、不同标注资料类型7个方面分析比较不同背景用户标注动机的差异，最后为增强用户的标注动机提出相应的建议。

基于社会化标注的用户协同模型研究

目前，社会化标注已经成为个性化信息推荐领域中的研究热点之一，标签质量对于推荐效果的影响也受到了广泛关注。本文针对标签的质量问题，指出用户标注偏差普遍存在于标注系统中，尤其是形式偏差，给用户兴趣模型的合理提取形成了阻碍。基于此，我们提出了主流标签的概念，以其体现的大众智慧来克服标注偏差所带来的影响，通过分析资源中标签的平均标注率进行主流标签数量的确定，实现资源模型和用户协同模型的构建，并进一步结合兴趣度对用户协同模型加以了改进。最后，基于Delicious的数据和用户参与评分法，文章运用余弦相似性对模型推荐效果进行了验证。

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上,构建个性化信息推荐的多维度融合与优化模型,进而在大数据环境下,为用户提供精准的个性化信息推荐服务,从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先,对每一种个性化信息推荐方法的优点和不足进行深入分析;然后,将基于图论(社会网络关系)、基于协同过滤以及基于内容(主题) 3种个性化信息推荐方法进行多维度深度融合,构建个性化信息推荐多维度融合模型;最后,对社会化标注系统中个性化信息推荐多维度融合模型进行优化,从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论(社会网络关系)、基于协同过滤以及基于内容(主题)的个性化信息推荐方法各自的贡献和不足,实现3种方法之间的多维度深度融合,并结合心理认知、用户情境以及时间、空间等优化因素,最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。

社会化标注系统的信息检索关键技术研究综述

比较社会化标注系统和传统搜索引擎在信息检索上的差别,对标签相关性排序、标签本体、个性化标签搜寻和多媒体标签检索等关键性技术进行了综述。认为系统观的信息检索技术并不能很好地处理用户的信息查询需求,需要从认知观方面开展用户信息行为的研究。

社会化标注系统中的知识协同效率影响因素模型研究

基于网络知识资源协同化管理的视角,本文首先分析社会化标注系统中的知识协同机制及基本要素,指出社会化标注系统的运行过程本质上就是系统中用户间的知识协同过程,该知识协同活动的基本要素包括系统中的用户、知识资源和标签、知识关联和系统环境。其次,围绕知识协同活动的过程和基本要素分析社会化标注系统中知识协同效率的影响因素,并构建系统中知识协同效率及其影响因素的测量指标体系。在此基础上,通过实证分析提取其中影响知识协同效率的主要因素并量化其对知识协同效率的影响程度,从而确立社会化标注系统中的知识协同效率影响因素模型。最后,对社会化标注系统的功能优化和知识管理效率的提高提出针对性的建议。

社会化标注系统中用户的标注行为及差异分析

文章通过问卷调查法收集社会化标注系统中用户的标注行为数据,采用统计描述、秩和检验以及因子分析基础上的方差分析法分析不同背景用户标注行为4个方面的现状及存在的差异,并对社会化标注系统的功能和服务优化提出发展方向及建议。

基于社会化标注的网页搜索算法综述

社交计算突出了"人"的主动性,这种开放、共享、以及发挥群体智慧的模式为信息资源组织、检索和共享带来了一种全新的理念.因此,一些学者已经开始结合社交计算信息来提高网页搜索的质量,其中最具代表就是基于社会化标注的网页搜索算法.利用社会化标注的信息聚合能力,可以有效地解决传统搜索和个性化搜索中面临的数据不可信性和数据稀疏问题.在基于社会化标注的网页搜索方面,很多研究者做了大量的工作.本文从社会化标注的网络模型、社会化标注的形式化描述、基于社会化标注的搜索算法对当前的研究现状进行了综述,并给出了未来的研究方向.

一种基于社会化标注的查询扩展方法

利用互联网上的社会化标注信息来改善查询扩展效果,是目前信息检索领域的一个研究热点.根据社会化标注系统中数据的特点,提出了一种改进的加权社会化相似度算法,称作Weighted Sim-Rank(WSR)算法,用于改善查询扩展效果.WSR方法在计算标签和网页之间边的权值时,既考虑与标签和网页共现的用户数量,又兼顾到被同一标签所标注过的不同网页数.所有的实验都是在从del.icio.us网站上抽取的真实标注数据集上进行的.实验结果表明,WSR方法能够有效地衡量标签之间的相似度,与其他几种基于社会化标注的方法相比,可以获得更有用的查询扩展信息,明显地改善了查询扩展的效果.