基于活跃度指数的标签相关性判断研究.PDF

第５９卷 第９期　２０１５年５月 基于活跃度指数的标签相关性判断研究 ■ 林鑫　周知 武汉大学信息管理学院　武汉４３００７２ 摘要：［目的／意义］借鉴活跃度指数的设计思想，提出一种新的标签相关性判断策略，以改善标签相关性 判断的效果和策略的通用性。［方法／过程］结合标签相关性判断的特点对活跃度指数的计算方法进行改造，进 而提出一种基于多次活跃度指数迭代的标签相关性判断策略，并以社会化标注社区“豆瓣电影”的６７５３５１位 用户的标签数据为例进行实验，以验证策略的效果。［结果／结论］实验结果显示，该策略的召回率为７９．６％， 准确率为９３．３％，均较为理想，明显优于常用的ＴｏｐＮ策略。同时，该策略的通用性较好，适用于视频、音频、文 ? 本等各类型媒体。因此，该策略能够较好地解决标签的相关性判断问题。 关键词：活跃度指数　社会化标签　标签相关性 分类号：Ｇ２５４ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１５．０９．０１４ 　　随着Ｗｅｂ２．０的发展，标签已经成为网络信息组 词频排序和测量方法排序得到推荐标签［７］；对于图片， 织的重要手段。然而，由于标签用户的专业素养参差 较常用的是基于图片上下文文本以及视觉特征的判断 不齐、标注动机各异、标注较为随意以及存在一定的恶 方法［８－９］；对于音乐，则基于歌词、曲风、旋律、节奏等 意标注等原因，标签的质量存在较大问题，很多标签与 特征进行相关性判断，如李静等利用歌词、唱速等判断 ［１］ ［１０］ 资源的相关性都比较弱甚至毫无关系 。为判断标签 歌曲情感标签的相关性 。 的相关性，学者们提出了多种解决方案，典型思路包括 　　这些研究虽然在一定程度上改善了标签相关性问 两种： 基于标签绝对频次的相关性判断策略：对于一 题，但也存在明显问题： 绝对频次高低并不绝对与标 ① ① 个资源来说，某个标签的绝对频次越高，其与该资源的 签的相关性成正相关，ＬｉｕＤｏｎｇ等人对 Ｆｌｉｃｋｒ系统的 相关性就越好。这一思路在研究和实践中都得到了广 调研表明，３０％图片的最相关标签未出现在频次最高 泛应用，如常用的基于资源近邻投票策略的相关性判 的１０个标签中，出现在频次最高的３个标签中的比例 断策略［２－６］，即对一个资源来说，某一标签在其最近的 不超过 ［１１］ ３０％ 。 基于内容的相关性判断策略将标 ② Ｋ个“邻居”中出现频次越高，其相关性越好；国内知名 签相关性判断转变成了自动标引问题，这一方面受限 的标签系统豆瓣在进行标签推荐时就选择了频次最高 于自动标引策略的召回率和准确率的高低，另一方面 的１０个标签，且其顺序也是按频次排列。 基于内容 往往无法保证策略的通用性，需要针对文本、音频、视 ② 的标签相关性判断策略，即标签与资源内容的相关性 频、图片等不同媒体进行针对性的策略设计。 越大，其与该资源的相关性就越大。对于不同的媒体 　　为解决这些问题，本文提出了一种基于活跃度指 形式，又演化出了不同的具体策略：对于文本来说，多 数（ａｃｔｉｖｉｔｙｉｎｄｅｘ）的标签相关性判断策略，该策略在判 数研究采用文本相似度的计算方法进行相关性判断， 断标签与资源的相关性时，不但考虑该标签在该资源 如Ｂ．Ｏｌｉｖｅｉｒａ等构建