面向Web3_0的分众分类研究_核心(2)

发布时间：2021-06-07

公益组织相关

第54卷第3期　2010年2月　　

息带来的搜索疲劳[2]。

113　搜索引擎的智能化

　　W eb3.0时代的网络是智能网络,这是一个以整个互联网为基础,聚合了所有知识的智能平台[1]。在这样的平台上,用户可用自然语言表达自己的查询意图,搜索引擎能够对查询进行解析,提取相关概念,组合查询表达式,从而返回准确的结果;甚至,用户可以提出完整的问题,通过搜索获得一些问题的解决方案。114　多种终端平台、跨网站和跨语言信息交互

　　W eb3.0不仅能够实现不同网站间的信息交互,而且还能实现不同终端的兼容。通过互联网与通信的融合,用户可以用所有智能终端(固定电话、移动电话、PC、I PT V以及其他智能终端)轻松享受看得见、听得到、用得好、即时交互的信息服务[3]。另外,W eb3.0的智能翻译引擎突破了国家、语言的限制,使用户用自己的母语可以与全世界所有人进行交流[4],实现了更大范围内的信息交流与共享。

2　分众分类及其特征

　　分众分类(Folks onomy)是随着W eb2.0而产生的新型网络信息分类法,也叫大众分类、社会分类、自由分类等,它就是由网络信息用户自发地为某类信息定义一组标签(Tag)进行描述,并最终根据标签被使用的频次选用高频标签作为该类信息类名的一种为网络信息分类的方法。其实质就是以词为类,但其类目却是平面的、非等级的[5],它是用户用标签对感兴趣的资料进行分类,并与他人共享标签的过程和结果。

2.1　分众分类的优势

　　与传统网络信息分类方法相比,分众分类最大的不同之处在于,它并不采用严格的分类标准,其分类全部由用户直接提交,分类的形成过程完全是自发的。分众分类的主要机制基于“开放性元数据标准”和“自然语言社群聚类”[6]。其优势主要表现在:首先,分众分类的标签形成过程充分体现了其自由性,任何用户都可以自由选择自然语言语词来对感兴趣的资源进行标注,从而可以从多个维度来揭示信息内容[7];其次,分众分类具备实时性与适应性,用户可以随时对其阅读或创建的内容和主题创建标签,并立即保存下来,并被允许即时快速的进行标签用语的修改[8];第三,分众分类为用户提供了共享标签的功能,任何人对内容进行标注后,他人可立刻看到这些标签,也可以点击这些标签,进而看到更多使用这个标签的信息内容,或是与此相近的内容[9]。

2.2　分众分类的局限

　　作为使用非控词汇的分众分类目前还存在一定的局限性,具体表现如下:

21211　标签的多样性　由于用户认知程度不同,对同一事物的揭示程度也存在很大的差异,导致不同用户在标注同一信息时使用了不同的标签,但是系统却无法创建这些标签之间的联系。标签的多样性极大的影响系统的检全率。

21212　标签的模糊性　分众分类是一种基于标签语法层次的简单聚合分类,因此,同一标签可能映射出不同语义的资源,而系统却不能识别出各个语义的不同。标签的模糊性使用户不得不花更多的时间和精力找到与检索标签相关的记录,因而影响到系统的检准率。21213　标签的扁平化组织　分众分类的组织方式与传统的等级体系分类法组织方式不同,它是扁平化的,没有等级层次的划分。因此,系统无法识别各个标签之间的等级层次联系。一方面,这种由于标签缺乏等级控制造成的信息分散也必然影响了信息的检全率;另一方面,类目的平面非等级显示同样会隐藏一些有价值的信息。同时,信息越多利用标签直接找到相关信息就越困难。

21214　系统间的交互性很低　很多网络系统都具有标注资源和分享标签的能力,但是目前各个分众分类系统在语义表达和格式规范上并不一致,这不仅阻碍了各个系统之间的信息交互和代理软件的自动化处理,同时也引发了一系列检索方面的问题。另外,受语言、文化背景等因素的影响,跨国界、跨文化的分众分类系统之间的交互性更低[10]。

21215　标签间语义关系缺乏　分众分类是以高频标签作为类目的一种信息分类方法,其分类结构是平面的,标签间是平等关系,缺乏对标签间的层次体系关系、属性关系和其他的复杂语义关系的描述,而标签间语义关系的缺乏不仅影响到检索的精准度,更重要的是对智能化搜索带来诸多障碍。

3　W eb3.0对分众分类的需求

　　W eb3.0的基础是W eb2.0,因而,分众分类也是W eb3.0的一种主要的信息组织方式。但是目前分众分类所具有的上述局限性显然阻碍了W eb3.0的核心理念———“精准、个性和智能”的真正实现,W eb3.0的发展需求决定了分众分类的发展方向,因而,未来的分

501

公益组织相关

　　・L I BRARY AND I N FORM A TI ON SERV ICE ・众分类还需要在以下几个方面进一步拓展。

3.1　微内容的自由整合与过滤研究

　　微内容是W eb3.0的基本信息单元,由于W eb3.0同样具有草根性,其内容良莠不齐,有价值的专业分析讨论与各种杂谈闲聊掺杂在一起,因而首先需要对微内容进行筛选性的过滤研究。这部分的研究主要包括:研究分析用户的行为特征,寻找可信度高的微内容发布源;对微内容的价值进行判定,并按价值量的高低作不同处理;对垃圾信息进行有效过滤等等;其次,研究如何应用Mashup 技术对用户生成的微内容进行整合,如何利用ONT O /RSS 基础聚合技术对微内容进行有效聚合,从而使信息的特征性更加明显,为实现W eb3.0的“个性化”打下基础。3.2　微内容的标准化与结构化研究　　要实现W eb3.0的跨平台、跨社区、跨语言的信息共享,需要对微内容进行标准化与结构化研究,提出一个通用的数据标准。这方面的研究主要包括微内容的拆分标准、属性选择、结构化表征、数据逻辑结构标准以及数据的存储结构标准等,其目的是使微信息之间实现互动,让W eb 完全可编程,从而满足复杂程序的需求,为信息在不同的应用平台之间的整合和传播提供支撑。目前,有关微内容的标准化和结构化的研究则仅限于企业网站的构建,如红门资讯在微内容的拆分、,其推出的公用信息平台已经实现了厂家信息、商家信息、品牌信息、文章信息等160多类信息平台间的自由互动[11]。但目前整个I T 行业中并没有一套完善的有关微内容的拆分、属性选择、结构化表示等方面的标准,这对实现整个互联网信息的无缝连接带来障碍。3.3　标注的规范控制研究　　W eb3.0核心理念之一是“精准”,而因为网络用户标注行为缺乏控制,导致标签的多样性、模糊性和随意性等缺点,进而影响到检索的精准度,因而需要对用户的标注行为进行规范性控制。主要研究包括:如何利用受控词表等对同义词、近义词、专有名词等进行限定,并构建规范的标引词库推荐用户使用;如何确定标签的含义以及标签间的关联,以帮助用户在创建标签时进行选择;如何利用后控手段对不断产生的大量标签进行筛选、融合和规范化处理,并将其与核心标签关联等等。其目的避免网络用户生产出各种错误的、无意义的、不规则的标签,从而提高标签系统的准确性、兼容性和开放性,以实现标签集合的移植与共享,促进不同网络信息系统对信息资源的协同组织。目前,国

内外学者都对标签的规范控制研究显示出极大的兴趣,纷纷提出了多种规范标注行为,从而提高标签质量的解决措施,如有些网站在用户标注时提供一些规范词供用户选择,或对用户的标注结果进行词义转换等,但总的来说研究的系统性不够,其深度和广度都有待加深与拓宽[12],从而提高检索的“精准度”。3.4　标签的基本属性研究　　标签是分众分类形成和使用的基础,也是分众分类类目体系的基本构成单元。标签指代并标示W eb 3.0环境中的各种微内容,通过查找标签能够检索到关联的微内容。因而,标签本身的相关属性决着信息检索的质量和效率,所以,需要对标签的特征、标签的价值判定(包括垃圾标签的处理)、标签使用量的分布规

律、标签的赋予权、标签的翻译、标签库的构建等展开进一步的研究;同时,因为目前的标签比较侧重于横向关系的表达,而专业性、学术性信息的表达则需要纵向和横向两个方面的参照系,因而,如何加强纵向关系的表达,仍然有待于进一步研究。目前,对标签的特征、标签价值判定的相关研究比较多,而对标签使用量的分布规律、标签的赋予权、标签的翻译、标签库的构建等方面的研究相对较少。

3.5　传统分类法与大众分类法的融合研究　　分众分类是由网络用户的自发标引行为产生,尽管这在一定程度上体现了用户对知识分类的共性,但由于不同使用目的对信息的类分会使得相同的信息被划分在不同的类别中。这种平面性的分类体系,既无法准确地表达出相关标签的层次,也难揭示出信息之间复杂的关系;另外,受大众浅层信息需求的误导,很多有价值的信息也容易被淹没。因而,分众分类的质量无法满足Web3.0检索精准度的需求。而传统分类法特别是文献分类法历史悠久,在一定程度上体现了知识分类的科学性。为此,应该将分众分类与传统分类法进行融合,以提高信息分类的质量和效率,如可先对选定范围内全部信息划分大类的基础上允许网络用户再进行知识细分。把众多的标签先按人为大类存放,既增强了标引一致性,又降低了平面非等级结构的标签所带来的检索难度

[13]。

3.6　标签的聚类研究

　　由于分众分类允许用户使用不同的标签来标记相似的资源,但并不了解这些标签之间的关系,因而其内容检索机制受到严重的阻碍。为克服这一局限,有必要针对标签的统计学规律、标签间的共现分析、层次分析、标签与特定人和物的相关度、标签间的相似度比较等问题进行聚类分析,其目的是寻找相关标签群,从而601

公益组织相关

第54卷第3期　2010年2月　　

形成立体的分类体系,并在此基础上展开标签关系库的构建研究。显然,这部分的研究有助于实现W eb3.0的“精准”和“个性化信息聚合”。

3.7　标签间的关联研究

　　W eb3.0的特征之一是要让用户跨越不同的应用平台,并共享不同社区的信息资源,而这种信息的共享除了需要相关内容的标准化、结构化和规范化研究外,更重要的是通过标签的方式进行相互链接,现有的标签只能做到对站内的关键词进行关联,不同网站之间站信息没有形成真正的网络和关联,往往存在信息“孤岛”,常常要借助其他的搜索引擎,因而未来的研究应该着重于标签间关联的深化研究。一方面,研究同一网站中同一文本和不同文本间的所有标签之间的自动链接技术;另一方面,研究不同网站间标签的关联,从而在更大范围、更高层次上建立起词间关系网络,为实现W eb3.0的“跨平台”信息交互打下基础。

3.8　标签与本体的结合研究

　　本体是在语义网环境下为解决语义歧义、实现信息智能处理而提出的一种形式化描述的、共享的概念认知模型,它是对某一领域知识的规范化描述,不仅提供了概念明确的定义,而且揭示了概念间丰富的语义关系[14],使知识能够在人与人之间、人和系统之间以及各种异构系统之间进行广泛的共享和交流。显然,本体所具备的特性正好弥补了分众分类的许多不足,因而,需要充分挖掘标签间的语义关系,将标签与本体进行结合研究。具体研究包括:分析分众分类中用户、网络资源和标签三者之间的同现关系,对分众分类中的各种标签进行语义分析,研究标签之间的主题相关性,并给出这些标签间相互关系的明确定义,同时探讨如何基于标签的语义关系构建被标注对象之间的联系,并在标签中建立起概念层次,构建大众标注中各类标签词的本体,从而构成语义Web的基础,真正实现Web3.0的“智能化”。目前,这方面的研究多集中在标签语义的提取、标签本体的构建等方面,并推出了多种语义标注平台。但是目前在大多数语义标注的过程中仍需要大量人工的辅助,标注平台的可用性、互用性、重用性和扩展性较差,需要进一步提高[15]。

3.9　用户兴趣模型构建研究

　　W eb3.0时代的最大价值不是提供信息,而是提供基于不同需求的智能过滤,而每一种过滤器都是基于一个用户需求,因而,用户兴趣模型的构建是W eb3.0中“个性化信息聚合”的基础。目前社会化软件中的过滤主要是协作过滤,其向用户推荐信息的依据是基于社群成员共同的兴趣与喜好,未来过滤将是把基于内容的过滤和协作过滤进行融合,它需要跟踪分析和挖掘用户的行为和兴趣,如用户标注和使用标签的习惯、标注的动机、使用标签的频率、相关标签使用的稳定性等等,从中分析用户的偏好,构建用户兴趣模型。

　　综上所述,分众分类是W eb3.0环境下的主要信息组织方式,因而W eb3.0核心理念的真正实现依赖于分众分类体系的不断完善,而分众分类体系的不断完善,依赖于上述各相关研究的不断突破;依赖于自然语言处理、信息过滤、数据挖掘、语义网、本体等技术的不断发展;依赖于对语言与思维的本质的揭示;同时,在很大程度上还寄希望于人工智能技术的突破。

参考文献:

[1]邢方,张林.W eb3.0技术发展对网络学习的启示.科技信息

(学术研究),2008(16):7-8.

[2]徐璐,曹三省,毕雯婧,等.W eb2.0技术应用及W eb3.0发展趋

势.中国传媒科技,2008(5):50-52.

[3]徐海樯,王玺.W eb3.0引领电子商务新浪潮.互联网天地,2008

(5):66-67.

[4]李宋.W eb3.0,真正的互联互通.互联网周刊,2008(5):70.

[5]王翠英.Folks onomy初探.图书馆学研究,2007(5):85-87.

[6]周荣庭,郑彬(编译).分众分类:网络时代的新型信息分类法.

现代图书情报技术,2006(3):72-75.

[7]余金香.Folks onomy及其国外研究进展.图书情报工作,2007,