基于LDA主题模型的标签混合推荐研究

[目的/意义]针对目前使用标签推荐方法所得结果不理想的问题,改进传统相似度计算方式,并结合多种标签推荐方法,提高推荐准确性。[方法/过程]融合基于内容与协同过滤的推荐思想,利用LDA进行相似度计算得出资源与用户的近邻集合,并抽取资源内容关键词,以此构建标签混合推荐模型,最后以"豆瓣读书"为例对模型进行验证,同时与几种标签推荐方法进行比较。[结果/结论]在社会标注系统中,必须考虑用户-资源-标签3个维度,仅考虑单一角度势必会造成结果的不完整,同时在相似度计算时引入LDA能够挖掘潜在语义关系,提高推荐质量,且组合多种方法取长补短可以令推荐结果更为满意。     

用户交互对社会标注行为的差异影响研究——以豆瓣网为例

[目的/意义] 为提高标签质量，优化社会标注系统的信息服务提供依据，从用户在社会标注系统中与其他用户交互的视角，探讨不同交互特征用户的标注行为差异。[方法/过程] 以豆瓣读书作为社会标注系统研究样本，从标签数量、标签结构、标签语义、标注动机和活跃度五个角度研究豆瓣用户标注行为的分布特征；使用用户的关注人数、被关注人数和使用年限表征其在社会标注系统中与其他用户的关联和交互程度，通过差异性分析探讨不同交互特征用户标注行为的差异，并通过多元回归分析研究交互特征对这种差异影响的程度。[结果/结论] 实证研究表明，不同交互特征的用户间的社会标注行为存在显著差异：与其他用户交互比较强的用户标签数据集包含更多的标签，关注其他用户越多的用户和被越多用户关注的用户所使用的标签数量越多；使用豆瓣读书年限越长的用户，其平均标签长度和标签重用率越大，而其与其他用户的关注关系对其标签平均长度和标签重用率的影响不大；用户的特殊语种标签比受用户的使用年限影响很大，但一个用户被多少人关注不会显著的影响其特殊语种标签比；关注其他用户越多的用户在标注系统中越活跃。由此可见，社会标注系统可以采取措施加强系统中用户间的交互，通过用户间的相互作用规范用户的社会标注行为，从而提高标签质量。     

用户参与的社会性标签信息组织探讨

社会性标签应用广泛,但理论比较落后。文章提出几个社会性标签理论,以理论为基础,概括出社会性标签的特性。社会性标签的优势突出,但由于自由性而存在的缺陷也相当明显。应该对社会性标签进行适当的控制,提出四种控制方法。其中,有对标签创建的过程中控制,也就是借助并结合传统分类法对社会性标签适当控制,分别是等级分类法对社会性标签控制和分面分类法对社会性标签控制;也有对标签形成后浏览进行控制,即标签云对标签呈现的控制;还有依靠用户社群力量,由用户共同改善他们创建的标签集合,即用户参与的社群力量控制社会性标签。     

社会性标签系统中的信息搜寻——基于豆瓣网的实证调查

为了增进人们对社会性标签系统作为一种多元化信息环境的理解,基于豆瓣网这一非常典型而具有影响力的中文系统,通过“朋友圈”方法招募真实用户参与在线调查,分析发现社会性标签系统用户采取的信息搜寻模式包括搜索、代理浏览、偶遇和追踪;如果以用户的主导模式来定义其为何种类型的信息搜寻者,那么浏览者成为主流,在数量上甚至略微超过搜索者。虽然不同类型的信息搜寻者总体上并未表现出显著不同的特征,但是也存在一些例外情况。     

蒙古语助动词标注与分析

蒙古语助动词的判别涉及蒙古语词法、句法和语义问题,是蒙古语语法学较难的研究课题之一。作者对助动词在真实文本中的分布特征进行分析,描述与助动词共现词语的形态变化、词类等特征,归纳蒙古语23条常用助动词的判别规则。在此基础上,研制助动词标注软件,对现代蒙古语语料库进行标注,分析标注错误例子,改进了助动词标注软件。再测试表明,改进后的规则可以准确判别100万词级现代蒙古语语料库的绝大多数助动词。     

基于社会标签的图像情感自动分类标注研究

以现存的大量图像社会标签为基础,设计基于社会标签的图像情感自动分类标注模型,提出图像社会标签对情感的贡献度、区分度以及标签在情感维度上的权重3个因子及计算方法,实现图像5种基本情感语义的分类标注。在实际社会网络数据集上进行验证实验,结果表明建立的模型方法在自动标注图像情感语义方面具有较高的准确性和应用性。同时还发现,实际数据集中情感分布差异与复合情感对图像自动标注具有影响。     

社会化标注系统资源多维度聚合机理研究

针对社会化标注系统资源聚合问题,提出在统一的框架下有机地融合元数据、标签、受控词表、本体等新理论和形式概念分析、社会网络分析等新技术并从深度和广度两个层面解决社会化标注系统资源聚合的新观点,构建社会化标注系统资源语义体系,剖析社会化标注系统资源聚合机理,最终提出多维度的社会化标注系统资源聚合思路。     

社会化标注系统自组织演化机理研究

首先对社会化标注系统的自组织特性进行论证,并指出其中的用户集、资源集、标签集及社会化标注系统均是自组织系统;然后运用超循环理论分别对它们的自组织演化机理进行探讨,并构建社会化标注系统的自组织演化模型;最后结合豆瓣网的网络结构,分析豆瓣网社会化标注系统自组织演化过程,为进一步研究用户行为、用户偏好和大众分类提供理论和实践方面的指导。     

社会标签研究现状调研与分析——基于WoS、LISA、ACMI、EEE数据库

以WoS、LISA、ACMI、EEE数据库为文献来源,运用文献计量学方法并结合文献内容,从文献量、著者、期刊和主题等方面对社会标签的研究论文进行分析,归纳出社会标签研究现状相关结论,并为社会标签的未来研究工作提出了几点建议,以期能对该主题今后的研究提供一定的参考与启示。     

基于成果特征的学者学术专长识别方法

[目的/意义]基于成果特征标识学者的学术专长是学者画像的重要任务,对学者分类、评审专家遴选、发现小同行等应用具有重要价值。[方法/过程]首先分析揭示学术专长的因素,用层次分析法构造专长标签权重分配模型;采用TextRank和概念链接技术从中英文成果内容中识别主题术语,结合权重筛选出具有领域共识和专长概括性的词汇作为专长标签。选取获得人才称号的多个领域科研人员,从中文或英文代表成果中提取专长标签,以人才公示中的专长领域作为对照基准,通过人工打分和语义计算评测识别效果。[结果/结论]在被贴中文专长标签的学者中,71.9%的个体的专长描述被认为满意。在被贴英文专长标签的学者中,77.2%的个体的专长描述被认为满意。实验表明提出的学者学术专长识别方法具有合理性。主要创新在于：在中英文不同语种以及是否存在外部知识库的条件下,提出从文献内容中挖掘候选标签词的解决方案;结合计量因素,用多种成果特征筛选专长标签,并提出权重分配的方案;针对评价基准欠缺的问题,提出基于语义计算的方式补充答案,从而扩充评价手段。