一种基于动机倾向的标签推荐方法

【引言】社会标签是Web 2． 0 时代的一个伟大创举，它将网络信息资源的分类方式从原来基于少数专家的分类体系转变为广大Web 用户的分类体系。Web 用户可以使用任意的词汇不受控地对网络信息资源进行分类，利用社会标签系统定义自己的分类，同时这种分类还可以被其他用户所分享。但是社会标签系统中标签不受控制地使用，给基于标签的分类系统带来了许多问题。出于对信息和词的不同理解，不同的用户不太可能使用完全一致的方法分类相同或者相似的信息。研究结果表明，基于标签的分类系统通常难以保证分类的一致性，并面临着冗余性、不完备性等问题。这些问题导致基于标签的分类系统在信息检索等领域中的实际应用效果大打折扣。为了保证分类的一致、完备，研究人员对标签推荐方法进行了大量的研究。标签推荐的基本方法是通过为用户在进行基于标签的分类过程中提供高质量的标签备选。截至目前，研究人员已经提出了大量的标签推荐方法，主要有基于网络结构的方法、基于张量的方法和基于主题的方法。这些方法都能从一定程度上解决其中的一个或几个问题，但依然存在冷启动、稀疏性和多样性等问题，最终导致用户不会从所推荐的备选列表中选用标签。笔者认为，如果能够捕捉到标注用户的标注动机，弄清楚用户为什么要标注Web 信息资源及其标注习惯，据此进行推荐的效果会好于传统方法。因此，本文研究用户使用标签的一般规律，试图从社会标签用户进行标注的动机出发为用户推荐社会标签。