基于folksonomy 标签用户分类研究.docVIP

基于folksonomy 标签用户分类研究 　　[摘要]重点研究基于Folksonomy的数字资源系统的用户的共性，提出利用用户标签对用户分类的方法，并通过对Flikcr(闪烁照片网)的实证研究，证明通过标签对用户分类的可行性和实用性，为兴趣推送和进一步研究奠定基础。 　　[关键词]Folksonomy　标签　用户分类 　　[分类号]G202　TP391 　　 　　1　前言 　　 　　以人为中心的Web2.0时代的到来，使互联网用户由被动转为主动，成为信息发布者和接受者的一体。以del.ieio.us、Flickr为代表的基于folksonomy的数字资源系统应运而生，形成了一种新的网络信息资源的组织检索方式。通过用户标签对用户的偏好进行研究分类以及兴趣推送，能够为用户提供多渠道、全方位的信息，更有利于folksonomy的网站的发展。 　　然而，目前国内对folksonomy的研究着重于其国内外发展现状、概念、优劣势、发展前景以及与现有信息组织模式的结合应用分析等方面，对folksonomy的标签以及用户偏好鲜有研究。在folksonomy用户偏好研究方面，只有王翠英在《基于Folksonomy的用户偏好研究进展》一文中将用户分成单兴趣用户和多兴趣用户，分别构建适用的兴趣挖掘机制及对用户偏好的应用，但主要是从用户个体进行分析，且没有具体操作过程。 　　国外对folksonomy的研究无论理论还是应用上都明显领先于国内。在起源方面，国外学者倾向于从社会化站点的角度研究folksonomy，并以存在的系统为研究对象；在研究内容上，Adam Mathes指出了folksonomy系统的存在对个人和社区的重大意义；Christopher H.Brooks和Nancy Montanezt对博客搜索引擎Technorati的标签做了定量分析，发现了标签对用户分类的作用；Marieke Guy也对标签做了定量分析并提供了标签的可视化工具，指出了标签的长尾分布。 　　综上所述，folksonomy是目前越来越受关注的一个领域，理论方面的研究比较多，但也不是很完善，定量研究方面的内容比较少。本文主要从定量的角度研究如何利用folksonomy标签对兴趣相似的用户进行分类，提出了通过定量分析标签来研究用户共性的思想，给出了基于标签进行用户分类的具体方法和操作流程，并以Fliekr为例，对本文提出的用户分类方法进行了实证研究。 　　 　??2　用户分类的思路 　　 　　Folksonomy是一种以标签为目的的“自下而上的社会化分类”信息组织方法。标签是folksonomy最核心的内容，它是一种描述性的非结构化元数据，由用户根据自己的理解和喜好自由添加，不受任何词表的约束，标签从某些方面代表了用户的兴趣所在，所以依据标签对用户进行分类，然后对用户进行兴趣推荐是十分可行的。 　　用户分类的目的是把兴趣相似的用户分为一类，方便对用户进行兴趣推荐。为了不增加用户的负担，研究从系统的角度出发收集用户的标签。标签符合负责分布，即不同用户使用了很多相同的标签，表明这些用户在兴趣上有一定的相似性。相同标签的个数越多，表明这两个用户的兴趣越相近。 　　因此，根据标签进行用户分类的基本思路是：首先确定用户之间是否使用了相同的标签，再确定相同标签的数量及各个标签的使用次数。在实证研究中，由于收集标签的使用次数比较困难，故在抽取用户标签时直接抽取使用次数最多的标签(每个用户排名前10的标签)。 　　 　　3　FIickr的用户分类过程 　　 　　3.1　Folksonomy数字资源系统的选取 　　实证研究中数字资源系统的选取必须满足如下要求：①该系统能够提取每个用户的标签；②该系统必须支持群组，以便分类结果的验证；③该系统的访问量要足够大。根据以上要求对基于folksonomy的网站进行对比分析，排除不支持群组的和无法提取具体用户标签的，只有Fliekr满足要求。它是目前比较流行的一个folksonomy数字资源系统，2009年上榜美国《时代》周刊评选的50个最佳网站，2008年11月份达到6400万的独立用户，而且它可以提取每个用户的标签数据，也支持群组，可以帮助检验分组效果，所以，笔者最后选择Flickr作为实证研究对象。 　　 　　3.2　Flickr中用户和标签的抽取 　　考虑到最后要借助群组对分类结果进行检验，所以抽取用户之前，先抽取了一些群组，然后从每个群组中抽取部分用户，这样有利于对分类结果的验证。 　　首先是群组抽取，主要采取两种方法：①从热门标签中集中选择最热门的标签作为检索词去搜索社群，然后从搜索结果中随机选择；②从网站的推荐群组中选择。这两个方法抽取群组的时候，都要满足一个先决条件：群组的成员要多