多語言社會(huì)化標(biāo)簽聚類及可視化研究.pdf

1、協(xié)同標(biāo)注系統(tǒng)(folksonomy)是Web2.0網(wǎng)站中由相互關(guān)聯(lián)的用戶、資源和標(biāo)簽組成的注釋結(jié)果的一個(gè)集合，其重要基礎(chǔ)是:一個(gè)用戶可以自定義多個(gè)用戶標(biāo)簽來描述網(wǎng)絡(luò)資源。通常的社會(huì)化標(biāo)簽系統(tǒng)中標(biāo)簽是用戶標(biāo)注的結(jié)果，也有一些網(wǎng)站提供抽取標(biāo)簽的自動(dòng)推薦功能（本文定義為機(jī)器生成標(biāo)簽）。當(dāng)前的標(biāo)簽生成研究對(duì)其內(nèi)容與社會(huì)化屬性的結(jié)合研究仍不夠深入。標(biāo)簽的個(gè)性化和模糊化特征使得社會(huì)化標(biāo)簽系統(tǒng)中存在大量無用、冗余以及語義不明確的標(biāo)簽。同時(shí)，標(biāo)簽在We

2、b文本的聚類方面的應(yīng)用多為單語言Web文本聚類且只把標(biāo)簽作為聚類的補(bǔ)充。
　　針對(duì)以上問題，本文以多語言的社會(huì)化標(biāo)簽聚類及可視化為研究目標(biāo)，從社會(huì)化標(biāo)簽提取、聚類與可視化以及社會(huì)化標(biāo)簽在文本聚類中的應(yīng)用等幾個(gè)方面進(jìn)行了研究。具體研究?jī)?nèi)容包括如下三個(gè)方面:
　　首先，在社會(huì)化標(biāo)簽屬性的研究中，本文將標(biāo)簽分為兩類，用戶標(biāo)注標(biāo)簽和機(jī)器抽取標(biāo)簽，并分別對(duì)結(jié)合內(nèi)容屬性與社會(huì)化屬性的兩類標(biāo)簽的聚類結(jié)果進(jìn)行分析與討論。實(shí)驗(yàn)結(jié)果表明內(nèi)容與用

3、戶特征的結(jié)合能夠在用戶分類的情況下能夠提高標(biāo)簽聚類結(jié)果，滿足對(duì)用戶的個(gè)性化標(biāo)簽聚類結(jié)果的需要。
　　其次，在多語言標(biāo)簽聚類與可視化研究中，本文采用更全面的標(biāo)簽特征抽取方法，即通過內(nèi)容與社會(huì)化屬性的結(jié)合來提高抽取標(biāo)簽的質(zhì)量，結(jié)合用戶標(biāo)注標(biāo)簽，優(yōu)化最終的標(biāo)簽聚類效果，并對(duì)網(wǎng)絡(luò)資源進(jìn)行多語言標(biāo)簽映射，并實(shí)現(xiàn)其可視化。實(shí)驗(yàn)結(jié)果表明對(duì)于平行語料的兩種多語言標(biāo)簽聚類方法，單語言二次聚類結(jié)果優(yōu)于混合標(biāo)簽的一次聚類結(jié)果。平行語料的多語言標(biāo)簽聚類結(jié)

4、果優(yōu)于可比語料基于雙語詞典映射的多語言標(biāo)簽聚類結(jié)果。
　　最后，在社會(huì)化標(biāo)簽的應(yīng)用研究中，本文針對(duì)傳統(tǒng)文本聚類的不足，將社會(huì)化標(biāo)簽引入到文本聚類中。比較基于文本內(nèi)容、基于用戶標(biāo)簽及不同的加權(quán)算法的結(jié)合，分析不同語言文本聚類結(jié)果的差異，實(shí)驗(yàn)結(jié)果表明選用不同的特征抽取方法和不同的加權(quán)方法中的文本聚類結(jié)果表現(xiàn)不同。在Web文本聚類中，內(nèi)容特征與社會(huì)化特征的結(jié)合能夠?qū)ξ谋揪垲惼鸬礁纳谱饔?，?yīng)重視社會(huì)化特征在Web文本聚類中的作用和意義。另