基于社會(huì)化標(biāo)注的領(lǐng)域?qū)＜遗c優(yōu)質(zhì)資源識(shí)別研究.pdf

1、Web2.0環(huán)境下，社會(huì)化標(biāo)注在產(chǎn)業(yè)界得到了廣泛應(yīng)用，并出現(xiàn)了Delicious、Flickr、Youtube、LibraryThing、 Last.fm、Connotea、CiteUlike、Technorati等眾多新的應(yīng)用與體驗(yàn)。社會(huì)化標(biāo)注允許用戶在共享的網(wǎng)絡(luò)環(huán)境中對(duì)網(wǎng)絡(luò)資源進(jìn)行無限制的標(biāo)注，這種標(biāo)注過程成為用戶的一種資源組織方式。社會(huì)化標(biāo)注因?yàn)槠湟子谩⒌驼J(rèn)知障礙、不受任何特定詞表限制等特點(diǎn)，已經(jīng)受到越來越多普通用戶和領(lǐng)域?qū)＜矣脩?/p>

2、的關(guān)注。同樣的，這種特性也帶來了很多問題，因?yàn)椴皇軅鹘y(tǒng)分類方法的約束，依然存在很多沒有被標(biāo)注卻非常有價(jià)值的優(yōu)質(zhì)資源。此外，還有很多資源被標(biāo)注上了完全無關(guān)的標(biāo)簽，這種垃圾標(biāo)簽造成了社會(huì)化標(biāo)注系統(tǒng)的噪聲。針對(duì)這些問題，本文提出了一種基于網(wǎng)絡(luò)拓?fù)涞纳鐣?huì)化標(biāo)注領(lǐng)域?qū)＜遗c優(yōu)質(zhì)資源發(fā)現(xiàn)模型。本文的主要研究?jī)?nèi)容有以下三點(diǎn):
　　(1)根據(jù)挖掘領(lǐng)域?qū)＜液蛢?yōu)質(zhì)資源的特征，用數(shù)學(xué)方法定義本研究中認(rèn)定的領(lǐng)域?qū)＜遗c優(yōu)質(zhì)資源，并基于二者的本身特征細(xì)闡述了領(lǐng)

3、域?qū)＜液蛢?yōu)質(zhì)資源之間的相互強(qiáng)化關(guān)系。
　　(2)使用Delicious網(wǎng)站數(shù)據(jù)，并且為了減少其中其它無關(guān)因素的干擾，提出了在DEARL算法的第一階段隔離出一個(gè)較小的數(shù)據(jù)子集，即“候選專家”，用戶的標(biāo)注行為顯示了其專業(yè)知識(shí)和分類技術(shù)。第二個(gè)階段，使用基于HITS算法的圖形分析來分析候選專家的數(shù)據(jù)排列和優(yōu)質(zhì)資源所屬的主題。本研究提出使用一個(gè)分布式的方法來找出標(biāo)簽集合中的冪集，從而識(shí)別在候選專家標(biāo)注內(nèi)容中頻繁出現(xiàn)的標(biāo)簽子集，這樣來確定D

4、elicious網(wǎng)站中的興趣主題。
　　(3)通過候選專家的挖掘和興趣主題的提取結(jié)果，基于網(wǎng)絡(luò)拓?fù)涞挠脩?資源有向圖，建立用戶-資源鄰接表?；跁灆?quán)重特征，對(duì)候選專家用戶書簽進(jìn)行賦值，最后按照權(quán)重排序結(jié)果根據(jù)識(shí)別領(lǐng)域?qū)＜液蛢?yōu)質(zhì)資源。
　　經(jīng)實(shí)驗(yàn)證明，候選專家過濾過程可以有效地減少Delicious數(shù)據(jù)圖中其它無關(guān)因素的干擾。本文提出的DEARL算法與HITS算法和SPEAR算法相比，能夠更準(zhǔn)確的提取相關(guān)的興趣主題，并能更準(zhǔn)