社会化标注在数据挖掘中的应用

社会化标注系统的出现为网络信息研究以及自然语言处理领域带来了一个新的研究热点。通过对标签、用户、资源之间的相互关联性进行研究,提供一些对网络信息理解和自然语言处理的新思路、新方法。社会化标注现在已广泛应用于各种网络资源（如网页、视频、音频、图片等）的组织、管理中,为网络信息检索及网络知识个性化服务推送带来了极大方便。     

基于社会化标签的用户标注行为和时间因素的个性化推荐方法研究

【目的/意义】为了提高信息服务的质量,文章融合“用户-标签-资源项”关系模型以及时间因素对于用户 标注资源的影响,提出了一种个性化推荐方法。【方法/过程】首先建立起“用户-标签-资源项”三者之间的关系模 型,分别计算用户对标签的偏好程度以及资源与标签的相关程度,以此为基础进行用户相似性和资源项相似性的 度量;然后,考虑标签使用的时间因素对用户兴趣偏好的影响结合基于用户标注行为的用户相似性以及资源项相 似性度量方法提出了改进的个性化推荐方法。【结果/结论】提出了一种综合标签和时间因素的推荐算法,该方法利 用标签使用频率描述用户偏好,并结合标签使用的时间因素动态更新用户偏好,提高推荐精度。该方法应用于医 学信息服务应用场景之中,并收集实验数据,最后将提出的方法与其他基于标签信息的协同过滤推荐方法在实验 数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。     

社会化标注系统的标签语义检索研究综述

社会化标注系统中标签的语义模糊性和形式不规范使得资源管理与共享越来越困难,为准确定位标签语义,文章从扩展标签语义与涌现标签语义两个方面,对标签语义检索研究现状进行了综述,分析了社会化标注系统中标签语义检索的研究动态和不足,并总结得出可计算性高、可操作性强、能智能获取标签的语义关系是社会化标注系统标签语义检索的未来研究方向。     

社会化标注系统中基于关联规则的Tag资源聚类研究

运用关联规则挖掘标签间的相互关系,并结合典型的划分聚类算法k-means进行Tag资源自动聚类,从而实现对Tag资源重新组织,为用户提供更好地标签导航和浏览机制。并利用豆瓣网上的实例数据验证了算法的可行性和有效性。     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。     

社会化标注系统中典型标签族的语义维度识别

本文利用SOM神经网络的自组织特征,对delicious网站的典型标签族进行分类,从而识别社会化标注系统中标签的语义维度,为信息用户对标签的使用提供语义方面的参考。     

社会化标注的语义聚类

社会化标注体现了Web2.0时代的集体智慧,隐含了丰富的语义信息。本文分析了社会化标注的认知过程,探讨了社会化标注的浮出语义,提出了一种社会化标注的语义聚类算法。从语义的角度对社会化标注进行分析,有助于理解和挖掘社会化标注的隐含语义,指导平面化的自由分类法进行本体构建,丰富语义网资源。     

基于社会化标注的网络舆情参与者分析

在Web2.0环境下,社会化标注的出现给网络舆情分析提供了新的视角。首先对当前的网络舆论环境进行了分析,在此基础上,着重对舆情参与者个人、关键舆情参与者识别以及舆情参与者的社区划分三个方面进行了重点剖析,并给出了相应的思路与实施方法,最后给出了社会化标注环境下舆情控制的相关建议。     

国内外网络消费行为研究综述与评析

本文采用网络消费行为的主题词分别检索了Web of Science以及中国知网中与网络消费行为相关的研究文献,从文献的年代分布、研究起源、理论研究、实践研究角度分析了国内、国外网络消费行为的研究情况,最后对比了国内外在网络消费行为方面研究的差异并总结得出了未来网络消费行为研究的两个趋势。     

基于改进K-medoids的社会化标注资源两阶段聚类研究

针对社会化标签语义模糊,传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢、只能将归类对象划入到单一类别的缺点,提出一种基于改进K-medoids的社会化标注资源两阶段聚类算法。算法应用一种简洁快速的初始聚类中心选取新规则以及改进的聚类准则函数,首先进行标签聚类,然后将同一标签簇中标签标注的网络资源初步划分到同一资源簇中,最后在这些资源簇中再次进行资源聚类。实验结果表明,提出的算法能自主、合理地确定初始聚类中心,聚类过程收敛速度快,聚类结果有更好的准确性。     

基于知识图谱的社会化标签系统研究热点与前沿分析

本文以"social tagging system"为主题词进行检索,对1999-2012年间该领域的文献量、高产作者、主要机构等现状问题进行详细描述,分析了该领域的知识基础,探索了该领域的热点和前沿问题等,为我国的社会化标签系统研究提供建设性意见和建议。     

浅谈社会性标记的意义与应用

社会性标记是集合众人对网络资源进行标记、以词分类的新兴信息组织方式。这种自由标记与传统以专家为基础的图书信息组织方式不同。本文探讨社会性标记的意义、类型与特征,同时以最具代表性之一的社会性书签网站Delicious为例,简介这类系统所提供的功能。此外,也尝试对社会性标记与图书信息组织特征做比较,进一步了解社会性标记的价值及在图书信息服务中的应用范畴。     

信息系统采纳后行为研究述评

本文从个体与组织两个层面,阐述了国外信息系统采纳后行为研究在理论发展、模型构建和实证研究3个方面的研究现状与特点,总结了国内的相关研究和不足,并对未来的研究进行了展望.     

信息行为的社会控制体系初探

本文在分析目前存在的信息行为社会问题的基础上，确立建立信息行为社会控制体系的必要性，介绍其内容及研究现状，并对我国的信息行为社会控制体系的建立提出建议。