標(biāo)簽評(píng)分算法及實(shí)現(xiàn).pdf

1、標(biāo)簽(TAG)是WEB2.0的一個(gè)重要的組成成分，許多著名的內(nèi)容分享網(wǎng)站如Flickr，Delicious等均允許用戶在提交內(nèi)容的同時(shí)附加一些詞匯(TAG)做補(bǔ)充，這些標(biāo)簽包含用戶對(duì)內(nèi)容的理解，是非常重要的語(yǔ)意素材，可以用來(lái)做檢索內(nèi)容，內(nèi)容推薦，標(biāo)簽推薦，興趣小組發(fā)現(xiàn)等應(yīng)用研究。但是許多網(wǎng)站現(xiàn)有的標(biāo)簽排序都比較簡(jiǎn)單的，有些是無(wú)序的，有些只是用簡(jiǎn)單的標(biāo)簽使用次數(shù)，因此人們需要一種更好排序算法來(lái)對(duì)標(biāo)簽進(jìn)行排序。
　　 本文在分析標(biāo)簽

2、使用行為的基礎(chǔ)上，結(jié)合標(biāo)簽系統(tǒng)的用戶、標(biāo)簽、內(nèi)容三個(gè)要素，綜合利用圖算法和數(shù)據(jù)挖掘算法來(lái)對(duì)標(biāo)簽進(jìn)行評(píng)分。本文針對(duì)文檔類或非文檔類標(biāo)簽分享網(wǎng)站分別提出了三種為標(biāo)簽進(jìn)行排序的方法。第一種方法是基于興趣傳播模型的方法，通過(guò)構(gòu)建“用戶-標(biāo)簽-文檔”圖并使用Manifold Ranking算法來(lái)評(píng)分。第二種方法是根據(jù)用戶和標(biāo)簽之間的相互加強(qiáng)關(guān)系使用新的EigenTag算法來(lái)評(píng)分。第三種方法是基于隨機(jī)跳轉(zhuǎn)模型的評(píng)分方法。我們構(gòu)建了一張標(biāo)簽關(guān)系圖并利