社会化标注方法研究开题报告

 2021-08-14 04:08

1. 研究目的与意义(文献综述)

目的及意义:

由于web2.0及其后续版本技术的日益普及,整个互联网发生了质变,以flicker为代表的社会化网站日益壮大。这些网站的出现及快速成长充分体现了全民参与的行为,普通的网民已经不再单纯的是信息的被动接收者,而逐渐转变为信息的主动发布者。用户可以根据自己的理解和判断任意标注他所感兴趣的网络资源。标签体现了用户从自己的角度概括网络资源内容的着重点或者兴趣点,往往能够比较真实的反映大众的观感。社会化标注的基本内容是对标签这样一种新的数据源进行分析和挖掘,能够帮助实现有效的搜索排名,提高用户的搜索满意度。

国内外研究现状:

对标注动机的研究Shilad Sen归纳出标注行为普遍来说可以支持五种任务:a.自我表达(Self-expression):标签可以帮助用户表达个人意见;b.组织行为(Organizing):标签可以帮助用户组织个人信息资源;c.学习(Learning):帮助用户了解更多关于某个资源相关的知识;d.寻找(Finding):帮助用户找到个人想要的信息资源;e.决策支持(Decisionsupport):帮助用户决定是否使用或浏览某个信息资源。Golder Huberman确定了标签的7种功能,其中前五种是用来描述对象资源的属性,如来源、属性、种类、所有人、数量等,这些种类的标签可能产生于组织性动机,社会性动机或者潜在的目标受众。第六种标签类型(自引self-reference),反映的是向外界受众传达这种所有权的可能性意图,或者被用做个人信息管理。最后一种类型,任务组织型的标签,表明了用作个人信息组织。在对Flickr的研究中,CameronMarlow随机挑选了10名用户,对其标签集容量的增长进行分析,也研究了用户之间的标签词汇的重叠问题,结论是,随机抽取的用户在标签词汇上面重叠较少,一般都是常用词汇的重叠,而如果用户之间是朋友关系,则会有较高的标签重叠度。David R Millen在研究Dogear系统时发现超过80%的书签只含有3个以下的标签,同时,通过调查访问发现用户对于该系统的基于标签的资源导航功能持正面态度。Shilad Sen研究MovieLens时着重分析了标注行为的影响因素,发现新MovieLens用户比老用户(推出标注服务之前的用户)更愿意共享标注成果,并且标签数量在持续增长。Umer Farooq在总结了早前的研究成果后发现,以往的文献在数据量方面都不够显著,而目前的数据收集手段已经可以获得更大容量的数据集,,以往的研究并没有提出一套评估标注行为的方法体系,因此提出了一个具有六种衡量指标的体系去描述CiteULike系统中的用户标注行为,这六种衡量指标分别为:标签增长,标签重用,标签的显隐性,标签歧视,标签频率和标注方式。衡量标签的显隐性时需要去对目标资源(特指学术文献)进行内容分析,认为如果某个标签在目标资源中没有出现,其就具有更高的表征资源内容的能力,与文本分类中的TFIDF原理类似。

Grorgia Koutrika等学者用实验模拟的形式构建了正常标注者与垃圾标注者共存的模拟标注系统,结论认为标注系统中使用的某些保护性机制是一把双刃剑,既可能限制了垃圾标注者的负面影响,也限制了正常用户的行为;复杂的反垃圾机制迟早会被攻破,复杂的机制会产生更复杂的对手;标注系统的繁荣靠的是大量用户的参与,高质量用户参与的越多,系统越能对抗垃圾标注。Robert Wetzker提出了“注意力扩散”(Diffusion of Attention)的概念,从标签分布的角度而不用借助过滤器就能降低垃圾标注的影响[17]。其分析方法是将在某个时间段内使用了某个标签的用户数定义为该标签的“标签注意力”,将初次使用该标签的用户数定义为该标签的“标签扩散度”,由此衡量某条资源吸引新用户的能力,这样处理反映的是整体用户的使用趋势,限制了单个用户的影响。

2. 研究的基本内容与方案

(1)本次毕设的基本研究内容和目标

①联系实际,对标签这样一种新的数据源进行分析和挖掘

②研究目前国内外社会化标注系统、个性化信息推荐两方面的研究进展,分析研究的热点与前沿问题,掌握在具体的研究中其所面临的不足,然后从不足处展开,形成本文所要研究的起点,即利用社会网络分析研究用户关系网络,作为分析个性化信息推荐的逻辑起点。分析社会化标注系统中的用户关系网络并且研究社会化标注系统的演化形式及耗散结构。

(2)本次毕设采用的技术方案和措施

①通过自组织理论、社会网络分析理论、系统动力学等理论与方法围绕社会化标注系统的演化过程、用户关系网络、个性化信息推荐模型构建等核心问题进行详细分析

②利用刘惠宇提出社会化标注模型,通过考察资源标签流的分布特点对用户标注行为进行了分析,从用户基于背景知识的标注行为和标签的系统推荐两方面提出了社会化标注动力学模型,并利用该模型对现实资源上的标签频率分布进行了多组数据拟合验证.在模型的数据验证工作中,首先,以往的研究多采用资源共现标签频率分布特征以及系统中不同标签规模增长两个方面作为考察指标对模型进行考察,而在本文的研究工作中,使用资源上的标签频率分布作为考察指标,并得到了较以往研究更为贴近现实情况的拟合结果.

3. 研究计划与安排

1.2016/1/11-2016/1/22:查阅参考文献,明确选题;

2.2015/1/23-2015/3/7:进一步阅读文献,并分析和总结;确定技术路线,完成并提交开题报告;

3.2015/3/8-2015/4/26:需求分析,算法或系统设计,分析、比较或实现等;

4.2015/4/27-2015/5/27:撰写论文初稿;修改论文,定稿并提交论文评审;

5.2015/5/28-2014/6/7:准备论文答辩。

4. 参考文献(12篇以上)

1.武慧娟. 社会化标注系统中个性化信息推荐模型研究[D]. 吉林大学, 2014.

2.刘惠宇. 基于标签流行度的社会化标注模型研究[D]. 大连理工大学, 2014.

3.张晖. 基于社会化标注的搜索引擎优化研究[D]. 扬州大学, 2008.

4.孙中秋.社会化标注系统资源聚合[D].吉林大学.2015

5.管毅舟.基于社会化标注的个性化检索方法研究[D],大连理工大学.2015

6.杨青云.国外社会化标注系统中标注行为研究现状.:《情报杂志》(西安)2009/11

7. Philip J. Binkowski. The Effect of Social Proof on Tag Selection inSocial Bookmarking Applications[EB/OL].http://etd.ils.unc.edu:8080/dspace/bitstream/1901/358/1/philipbinkowski.pdf,2009-5-27

8.Marieke.Guy.Folksonomies Tyding up Tags?[EB/OL].http://www.dlib.org/dlib/january06/guy/01guyhtml, 2009-4-20

9.Cameron Marlow. Position Paper, Tagging, Taxonomy, Flickr, Article,Toread[EB/OL].http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.74.8883,2009-04-20

10.Benjamin Szekely. Ranking Bookmarks and Bistros: IntelligentCommunity FolksonomyDevelopment[EB/OL].http://labs.rightnow.com/colloquium/papars/tagrank.pdf,2009-4-2

11.Shilad Sen. Tagging, Communities, Vocabulary, Evolution[EB/OL].http://portal.acm.org/citation.cfm?doid=1180875.1180904, 2009-4-27

12.David R Millen. Dogear: Social Bookmarking in the Enterprise[A]. In:CHI2006[C]. Canada: ACM, 2006: 111-120

13.RobertWetzker. Analyzing Social Bookmarking Systems: A del. icio. usCookbook[EB/OL].http://www.dai-labor.de/fileadmin/files/publications/wetzker-Delicious-ecai2008-final.pdf,2009-4-2

14.Grorgia Koutrika. Combating Spam in Tagging Systems: AnEvaluation[EB/OL].http://ilpubs.stanford.edu:8090/816/1/2007-30.pdf,2009-5-27

15. Umer Farooq. EvaluatingTagging Behavior in Social Bookmarking Systems: Metrics and designheuristics[EB/OL]. http://re-search.microsoft.com/pubs/78959/p351-farooq.pdf,2009-4-2

16.Dirk Bollen,Harry Halpin. Anexperimental analysis of suggestions in collaborative tagging[J]. WebIntelligence and Agent Systems: An International Journal . 2013

17.Heung-Nam Kim,Abdulmotaleb El Saddik. Exploring social tagging for personalizedcommunity recommendations[J]. User Modeling and User-Adapted Interaction .2013

18.Burke, Robin,Gemmell, Jonathan,Hotho,Andreas,J?schke, Robert. Recommendation in the Social Web[J]. AI Magazine . 2011

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。