社会化标注环境下基于活跃度指数的图书特色挖掘研究

以社会化标签为基础数据源,文章提出了基于活跃度指数的图书特色挖掘模型,并以国外知名图书社会化标注系统Library Thing中1206本科幻小说的标签数据为例进行了原型实现。从原型系统效果看,96.77%的图书能够基于该策略挖掘出至少一个特色标签,平均为6.5个;通过与SF Signal网站的专家总结的图书特色相比,该策略能够覆盖专家分析特色的77.2%,且绝大部分非重合标签也反映了图书的特色,因此该策略能够较好地实现图书特色挖掘。

基于活跃度指数的标签相关性判断研究

[目的/意义]借鉴活跃度指数的设计思想,提出一种新的标签相关性判断策略,以改善标签相关性判断的效果和策略的通用性。[方法/过程]结合标签相关性判断的特点对活跃度指数的计算方法进行改造,进而提出一种基于多次活跃度指数迭代的标签相关性判断策略,并以社会化标注社区"豆瓣电影"的67 5351位用户的标签数据为例进行实验,以验证策略的效果。[结果/结论]实验结果显示,该策略的召回率为79.6%,准确率为93.3%,均较为理想,明显优于常用的Top-N策略。同时,该策略的通用性较好,适用于视频、音频、文本等各类型媒体。因此,该策略能够较好地解决标签的相关性判断问题。