中文維基百科類別推薦的研究.pdf

1、作為網(wǎng)絡(luò)百科全書的代表，維基百科已成為廣大用戶獲取知識(shí)的資源庫，所有維基百科條目按類別組織而成，整個(gè)維基百科類別系統(tǒng)構(gòu)成了一個(gè)具有層次結(jié)構(gòu)關(guān)系的分類體系，用戶可以根據(jù)分類索引層層搜索，任意瀏覽自己感興趣的維基百科文章內(nèi)容。所有的維基百科條目內(nèi)容由志愿者遵循一定規(guī)則編輯而成，而傳統(tǒng)的人工編輯過程，志愿者由于缺乏對(duì)整個(gè)維基百科類別系統(tǒng)的了解，容易標(biāo)注出重復(fù)或者不規(guī)范的類別，造成類別標(biāo)注的雜亂。針對(duì)人工編輯的耗時(shí)費(fèi)力，本文提出為中文維基百科自

2、動(dòng)推薦類別。
　　然而，維基百科的類別有其特殊性，它被稱為“開放分類”，既是能描述文章所屬類別的分類類別，又可以看成用戶即志愿者為該詞條貼上的類別標(biāo)簽，如此看來，維基百科類別推薦問題既是標(biāo)簽推薦問題又是網(wǎng)頁分類問題。另外，與傳統(tǒng)分類不同的是維基百科的類別數(shù)量很多，并且所有類別之間不是平行關(guān)系而是有上下位層次結(jié)構(gòu)的，傳統(tǒng)的分類器方法不再適用。因此本文考慮從協(xié)同過濾和深分類兩個(gè)方面為中文維基百科自動(dòng)推薦類別，所做的工作體現(xiàn)在以下兩個(gè)方

3、面:
　　第一、把維基百科類別推薦問題看作標(biāo)簽推薦問題，采用最常用的推薦算法，即協(xié)同過濾，為新的維基百科文章推薦類別標(biāo)注。利用中文維基百科中的四個(gè)重要語義特征即鏈入、鏈出、鏈入的類別和鏈出的類別來表示維基百科文章，得到與目標(biāo)文章相似的前若干篇文章的所有類別后，通過查詢返回的相似度值計(jì)算各個(gè)類別的權(quán)重，選擇前面的若干個(gè)類別作為推薦結(jié)果返回給目標(biāo)文章。實(shí)驗(yàn)結(jié)果表明了這四個(gè)語義特征能較好地表征一篇維基百科文章，同時(shí)也驗(yàn)證了協(xié)同過濾方法在

4、中文維基百科自動(dòng)推薦類別中的有效性。
　　第二、把維基百科類別推薦問題看作網(wǎng)頁分類問題，采用一種特別針對(duì)于大規(guī)模層次結(jié)構(gòu)類別的分類算法，即深分類方法，對(duì)新的目標(biāo)文章進(jìn)行分類。整個(gè)過程分為查詢模塊和分類模塊兩個(gè)步驟。將協(xié)同過濾方法得到的相關(guān)候選類別集作為查詢模塊的結(jié)果，縮小了需要進(jìn)行分類的類別數(shù)量。分類模塊將查詢模塊得到的候選類別集作為樸素貝葉斯分類器的訓(xùn)練語料，將目標(biāo)文章作為分類器的測試輸入從而得到分類結(jié)果。從維基百科中挑選了一定