多語言標簽聚類及其應(yīng)用研究.pdf

1、社會化標簽是指互聯(lián)網(wǎng)用戶自由地對文檔、圖片、視頻等資源對象定義的一個或多個描述，由于其個性化特點被廣泛應(yīng)用于各大網(wǎng)站系統(tǒng)。社會化標簽對用戶有著至關(guān)重要的意義，用戶可以通過標簽對資源進行儲存、組織、管理、共享等。然而隨著用戶及標簽規(guī)模的不斷擴大，大多數(shù)標簽變成冗余信息，要從大量信息中通過標簽檢索獲取相關(guān)信息變得越來越困難，因此如何獲得對用戶有意義的標簽變得尤為重要。另外，社會化標簽的語義異構(gòu)問題也日益加劇，通過對標簽的聚類可以將語義上相似

2、的標簽聚集，從而有效解決標簽的語義異構(gòu)問題，并且在此基礎(chǔ)上實現(xiàn)的社會關(guān)系網(wǎng)絡(luò)發(fā)現(xiàn)，可以實現(xiàn)好友推薦。除此之外，目前的社會化標簽系統(tǒng)往往是單語言的，在對多語言標簽聚類的基礎(chǔ)上實現(xiàn)多語言標簽的映射，可以解決標簽語言異構(gòu)問題。
　　 本文采用不同的標簽自動抽取算法分別對博文正文信息進行標簽抽取，在標簽抽取的基礎(chǔ)上形成復(fù)合標簽，并與用戶給定的標簽進行比較分析。實驗結(jié)果表明自動抽取的標簽可以作為用戶標注標簽的有效補充，對用戶標注的標簽有一

3、定參考價值。
　　 在標簽聚類方面，采用分裂式層次聚類算法分別對用戶標注的標簽以及機器抽取的標簽進行聚類，比較兩種不同來源下的標簽聚類結(jié)果。實驗結(jié)果表明用戶標注的標簽聚類效果明顯好于機器抽取標簽的聚類結(jié)果。
　　 在中英文標簽聚類的基礎(chǔ)上，采用先聚類后翻譯的映射策略及基于機器翻譯的映射方法進行中英文標簽的映射研究。并將映射的研究用于標簽的具體應(yīng)用上。
　　 在標簽聚類的應(yīng)用方面，我們選擇與某一產(chǎn)品相關(guān)聯(lián)的微博信息