社会标签系统挖掘研究

近年来伴随着基于Web2.0的社交网络工具的大量涌现,社会标签系统已成为互联网最流行的在线服务之一。标签(tag)类似于关键词,它被用户用来对发布的信息进行标注,文章对社会标签系统挖掘研究现状进行阐述。

基于社会标签的推荐系统研究

社会标签是一种新颖的大众索引方法,在Web 2.0时代各种收藏、检索、共享网站中得到广泛的应用,个性化推荐系统是基于用户的偏好为用户提供个性化信息服务的重要技术。本文针对推荐技术如何与社会标签结合的问题,分析了最新的研究现状和应用。详细阐述了3个方面的研究进展:标签推荐系统的研究、基于社会标签的个性化推荐系统的研究、社会标签的推荐应用系统。

校园社交网络中社会化标签系统的研究与实现

为使校园社交网络能够准确、灵活、高效地处理大量各种类型的标签信息,研究并实现了基于校园社交网络的社会化标签系统。提出了使用五元组表示的、包含资源标签和实体标签的标签标注模型,完成了基于校园社交网络的社会化标签系统的总体设计、功能设计和数据库设计,设计了由标注对象所有者、标签标注者、校园社交网络中的关系网络与隐私设置以及标签的使用方式决定的标签标注权限与使用权限,建立了针对不同标记对象的特点使用不同标签推荐算法的标签推荐策略,最后讨论了以标签云为主的标签展示方式。

社会化标签系统语义相关度的拓扑图法计算

针对Web2.0社会化标签系统中标签组织混乱和标签语义模糊的问题,围绕标签共现网络的拓扑图,建立了一种形式化的标签语义相关度计算模型.该模型利用基于统计的标签语义相关度计算结果,为标签共现网络的拓扑图扩展以语义相关度权值,并定义算子围绕标签共现网络的拓扑图来计算权值的综合效应,从而可以显式地描述标签语义关联的交叉影响,并在标签语义相关度的计算中融入这些影响因素.从照片共享网站Flickr中抓取热门标签数据,通过实验对该模型的计算过程、计算结果的有效性和实用性等进行了分析评价.实验表明,该模型的标签语义相关度计算结果更为准确,可以更好地引导和约束Web2.0用户的标签使用行为.

社会化标签系统的研究与实现

从20世纪后期了开始,万维网开始了泡沫性的增长,人们越来越多的依赖网络所带来的便利,网络代替了传统的文字资料。经过多年的积累,网络成为了一个巨大的数据库,而网上过大的数据信息量已经超出了人们的信息处理能力范围。在当前的社会背景之下,社会化标签系统营运而生,标签系统能够为人们提供有效的与资源聚合的标签,用户通过自定义的词汇对资源进行标注,使资源以一种简短的词汇进行展示,提高人们对资源的阅读速度。

基于LDA的社会化标签系统推荐技术

标签推荐中采用将三维模型拆分成多个二元关系的方法,导致用户信息的描述模糊、语义丢失、标签的个性化信息减弱问题,提出一种基于LDA模型的个性化标签推荐模型(LTR)。使用LDA模型的吉布斯采样算法对参数进行估计,利用模型输出的概率关系进行排序,选取最高的N个预测结果作为最终的个性化推荐。以CiteULike数据集为研究对象,实验结果表明,该模型考虑了具有丰富语义信息的摘要文本,发挥了涵盖用户意识的个性化标签作用来增强推荐的准确性,有效为用户推荐个性化标签,提高了推荐效果。

Web2.0中社会性标签系统的复杂网络特性研究

Web2.0已经成为新一代互联网应用的发展趋势。Web2.0系统中存在着大量的非线性、自组织和涌现等具有复杂系统特性的现象。本文研究Web2.0的一个典型应用——社会性标签系统的复杂网络特性。

社会标签情感分析的个性化影视推荐算法研究

提出了一种在标签中引入情感分析的个性化推荐算法,该算法在两个共享资源的相似度计算中考虑了情感因子以改进已有的推荐算法。在实际数据集上比较了多种个性化推荐算法的命中率,实验结果证明了已提出算法的先进性。

基于复杂网络的社会化标签语义相似度分析

针对社会化标签系统所对应的标签共现复杂网络,引入标签语义相似度权值和抽象权值算子,建立了标签语义相似度计算模型。相比基于"用户-对象-标签"三元组的统计性计算公式或基于复杂网络拓扑结构的节点相似性计算公式,本模型可以在标签语义相似度计算中将标签标注行为的统计特性与复杂网络的拓扑特性有机地结合起来,形成一个具有良好数学性质的形式化系统。仿照模糊逻辑中T范数、S范数给出了抽象权值算子的具体化实现,形成具体化算子簇,可以通过调节参数(如参数h和阶数l)形成不同类型或不同全局性的具体化算子。设计实验方案,利用复杂网络链路预测的AUC指标、Precision指标对典型算子及算子簇进行了综合分析。分析结果表明,这些具体化算子同时具有"语义补充"、"语义破坏"两种相反作用,在算子阶数较低(如2≤l≤5)时能明显提高标签语义相似度计算的准确性,在社会化标签系统的高精确性个性化推荐算法设计中具有应用价值。

基于标签的个性化项目推荐系统研究综述

数据稀疏性多年来一直是困扰传统推荐系统性能表现的一个大问题，社会化标签为推荐系统获得用户的偏好信息提供了一个新的数据来源，同时也对传统的基于二维数据的推荐技术提出了新的挑战。不同于以往更多的以推荐标签为研究目标的是，本文以推荐项目（产品）为研究目的，在分析、评述社会化标签系统的概念模型以及用户兴趣模型表示方法基础之上，重点对基于标签的四种项目推荐方法进行了前沿概括、比较和分析；接着介绍了典型社会化标签系统实例及其数据集的取得方式；最后，对基于标签的个性化项目推荐系统有待深入的研究难点和发展趋势进行了展望。

基于MapReduce的社会化标签共现关系抽取方法

社会化标签系统是Web2.0的一个重要应用,标签之间的共现关系抽取对于信息检索和标签推荐具有十分重要的意义.本文在分析社会化标签系统中标签共现语义关系的基础上,针对社会化标注数据所具有的海量特征,提出了一种基于MapReduce模型的社会化标签共现关系并行抽取方法,并给出标签共现加权网络的哈希存储结构,实验结果表明该方法具有较好的扩展性.本文的研究对于社会化标签系统的应用扩展具有一定的促进作用.

基于TF-IDF相似度的标签聚类方法

社会标签系统是Web2.0中提出的新概念,旨在更好地表达用户的兴趣和意愿。标签聚类是社会标签数据挖掘中一个非常重要的研究课题。标签相似度的计算是标签聚类的关键技术。主要工作包括:(1)提出了一种基于TF-IDF的标签相似度计算方法和基于该相似度的聚类算法;(2)分析了影响标签相似度的条件;(3)通过实验表明:与已有方法相比,新方法的准确性更高。

三部图张量分解标签推荐算法

三部图作为社会标签系统的表示方法,虽然可以简化标签系统元素间关系的表达,但也丢失了部分元素间的相关信息,而且不能有效处理标签系统中具有大量稀疏值和缺失值的数据.基于以上问题,文中提出了基于三部图的三维张量分解推荐算法(TTD算法).首先分析三部图元素间可能丢失的信息,通过定义以三部图为基础的低阶张量分解模型,对高阶稀疏数据进行分析.该模型不仅包含三部图所表达的系统信息,同时还表达了三部图所丢失的元素间相互信息;在此基础上,利用缺失值处理,进行社会标签系统中的标签推荐预测.通过模型对比实验以及标签预测实验,表明TTD模型所揭示的社会标签系统中元素间的相互关系更加全面,同时在进行标签预测时,所得到的预测结果召回率和精确率得到了显著改善.

基于时间因子的个性化推荐系统的算法改进

如何根据用户自身特征准确地向其反馈个性化的推荐,一直是学术界和产业界研究的重点和热点。本文提出了一种新的个性化推荐方法,该方法在计算两个资源相似度时考虑了标签的时间因子,设计了合理的时间衰减函数,并以此对已有的推荐算法进行了改进,并在实际数据集中对改进前后的个性化推荐算法结果进行了对比,最终的结果表明了我们提出的方法具备可行性和优越性。

基于标签聚类与用户模型的个性化推荐方法研究

社会标签系统是Web2.0中提出的概念,旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类,结合用户模型,根据标签聚类结果做出推荐。通过采用Cite ULike公布的数据集进行实验证明,与未采用标签聚类的推荐方法相比,本方法不仅可提高推荐的命中率,优化目标资源的排名,而且能为用户发现更多新的感兴趣的资源。

基于支持向量机的垃圾标签检测模型

为解决Folksonomy存在垃圾标签的问题,提出垃圾标签检测模型。利用向量空间模型表征用户特征,再用支持向量机将Folksonomy用户二分类。通过检测出隐藏在正常用户群体中的垃圾投放人,以此减少垃圾标签数量。实验结果表明,基于支持向量机的垃圾标签检测模型具有更高的分类精度,优于其他检测方法。

基于标签的Folksonomy机制研究——以CiteUlike为例

在大量详实数据的基础上,以CiteUlike为例,对Folksonomy的运行机制进行了实例解析,分析了CiteULike中标签、用户、资源之间的关系,并分析了标签之间的关系及其聚类特性,从而得出结论。Folksonomy这种分类形式在网络资源组织和用户行为研究上都具有独特的优势。

基于标签关联规则的挖掘与研究

社会化标签系统以其巨大的服务商业价值被越来越多的专家学者关注和研究,在社会化标签系统中,用户可以按照自己的喜好来对各种网络资源帖上标签,能更方便信息的检索和快速查找。标签应用技术也逐渐成熟起来,通过传统的关联规则挖掘方法,对标签数据进行标签预测分析,为用户推荐有参考价值的标签,有助于电商提供产品的精准推广服务,同时促进社会化网络快速、稳定的发展。将文本挖掘、机器学习技术与标签数据相结合,利用Apriori算法来进行基于标签的关联规则挖掘研究。通过研究结果数据分析可知标签预测结果,有很好的标签预测效果,并在各种商业模式的驱动下,作为信息处理的一种抽象形式得到了广泛关注,各种服务即将快速增长。

社会性标签系统中的信息搜寻——基于豆瓣网的实证调查

为了增进人们对社会性标签系统作为一种多元化信息环境的理解,基于豆瓣网这一非常典型而具有影响力的中文系统,通过"朋友圈"方法招募真实用户参与在线调查,分析发现社会性标签系统用户采取的信息搜寻模式包括搜索、代理浏览、偶遇和追踪;如果以用户的主导模式来定义其为何种类型的信息搜寻者,那么浏览者成为主流,在数量上甚至略微超过搜索者。虽然不同类型的信息搜寻者总体上并未表现出显著不同的特征,但是也存在一些例外情况。

基于社会化标签系统的个性化信息推荐探讨

针对用户个人特征并向其提供准确恰当信息的个性化信息推荐研究,一直是学术界和产业界所关注的热点。结合后控词表,对用户分散的、个性化的标注进行处理,并将用户兴趣用向量表示,然后借鉴协同过滤算法的思想,寻找出相似用户集及其内部的资源集。在此基础上,采用相对匹配策略,提出一种基于社会化标签系统的个性化推荐方法。