支持Web標簽推薦的異詞同義問題研究.pdf

1、隨著Web2.0的深入發(fā)展，社會化標注系統(tǒng)不斷普及，標簽這一應用受到越來越多用戶的關注與使用。標簽是對資源的進行描述的詞或詞組。用戶可以隨意選擇標簽對資源進行標注，而不會受到已有分類體體系的限制。標簽以其簡單易用性被用戶廣泛使用。但是標簽這種不受限制的使用方式也帶來了相應的問題。由于對詞匯和資源信息的不同理解，不同的用戶不太可能使用完全一致的標簽來標注相同或相似的資源。這樣在標簽系統(tǒng)中就出現(xiàn)了大量意思相同或相似的標簽。這些標簽增加了系統(tǒng)

2、的冗余性，降低了標簽的質量。如果不能有效地識別同義標簽，會給標簽系統(tǒng)帶來許多妨礙，例如使用標簽對資源進行導航、搜索時，會使很多相關的資源無法返回給用戶，降低查全率;在標簽推薦系統(tǒng)中，推薦的標簽與用戶的需要難以達成一致，降低推薦質量。
　　針對上述問題，本文通過對標簽同義現(xiàn)象的深入研究，提出異詞同義標簽的概念以及基于標簽語義的異詞同義標簽識別方法。通過對標簽數(shù)據(jù)的分析，詳細闡述異詞同義標簽產(chǎn)生的原因以及使用特點，并根據(jù)標簽與資源的緊

3、密聯(lián)系，提出利用資源語義發(fā)現(xiàn)標簽語義方法，在此基礎上對標簽的異詞同義進行識別。針對Web文本類的資源，使用概率潛語義分析的方法發(fā)現(xiàn)Web文本語義，將Web文本語義表示成文本關鍵詞的向量，引入分類關聯(lián)規(guī)則挖掘的方法來分析Web文本與標簽間的關系，使用文本關鍵詞來表示標簽語義。為了識別標簽的異詞同義關系，定義了標簽相似度的概念，以度量標簽之間的相似程度，使用基于標簽字面特征以及基于標簽語義的兩種方法進行計算，在此基礎之上識別標簽的異詞同義關