国外Folksonomy语义丰富研究综述，本文主要内容关键词为：语义论文,国外论文,Folksonomy论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
Folksonomy由Thomas Vander Wal于2004年首次提出[1]，是Web2.0社会性软件工具应用的典型代表。目前，已经在各种社会性网站上广泛应用，如社会性书签服务del.icio.us[2]，flickrt[3]，社会性编目网站标注服务librarything[4]，BibSonomy[5]等。Folksonomy作为一种自底向上的公众分类方法，能够作为集体智慧的体现，提供流行的、反映用户兴趣的标签，具有简单、丰富、流行和多样的特点。但随着标签数量的增加，folksonomy的进一步应用出现了一些制约因素，如标签的歧义，平面延展的标签结构，标签之间的语义关系等，这些问题会制约标签进一步使用。解决这些问题的主要方法是为folksonomy提供一定的语义关系，即folksonomy语义丰富。WellerK于2007年指出folksonomy能够从现有的知识组织系统中获得标签控制和语义关系的构建原则，同时提供有用的语义丰富知识组织系统，改进现有的分类法、叙词表或本体[6]。国外研究人员对该领域的研究较为活跃，本文从folksonomy语义丰富的几个核心问题——聚类、推荐、关联及实证出发，探寻国外folksonomy语义丰富的主要方法和途径。
1 Folksonomy的标签聚类研究
相同或相似标签能够通过一定的聚类方法聚集在一起，形成基于用户兴趣的标签集合。根据标签聚类目的，标签聚类方法可分为相同标签聚类和相似标签聚类两种。
1.1 相同标签的聚类方法
相同标签聚类方法的目的是将意义相同或描述主题相同的标签聚类（如“folksonomy”和“folksonomies”），主要有三种方法。
(1)词根还原方法(Stemming algorithms)。词根还原方法是从单词中抽取词根聚类相同词根标签的方法。如“links”和“linked”经过词根还原算法都聚类在“link”标签下。Hend S等人在文献[7]中使用了词根还原算法标准化处理标签，将相同词根的标签聚集在一起。
(2)字符串距离测度方法(String distance metrics)。字符串距离测度方法是测度标签字符串之间区别的方法。最常用的是Levenshtein算法，即计算两个字符串之间的编辑距离，这个“距离”是从源字符串变换到目标字符串需要进行的删除、插入和替换的最少次数。L.Specia和E.Motta在文献[8]中使用了Levenshtein算法，从形态学上聚合词形与语义相同的标签。
(3)在线资源探测方法(Exploiting on line resources)。使用在线资源如Word Net，google等进行标签控制，如标签的拼写，单复数和词形规范等，同时找出相同标签集合中有代表性的标签。L.Specia和E.Motta在文献[8]、Van Damme C.等人在文献[9]中建议使用在线资源检验标签的方法聚类相同标签。
1.2 相似标签的聚类方法
1.2.1 标签的相似性测度方法
标签相似性测度是进一步处理标签数据的基础，通过标签的相似性计算能够聚类相似标签进而推断标签之间的语义关联。Cattuto、Markines等人在文献[10-13]中提出了不同的folksonomy标签相似性测度的方法。
(1)基于folksonomy三元组结构的相似性测度。Mika在文献[12]中中将folksonomy作为来自社区的语义结构，建议通过揭示标签之间的语义关系构建folksonomy本体，利用folksonomy的三元组结构｛用户，标签，资源｝通过资源的共现来建立标签之间的关系，通过计算标签共现的次数计算标签之间的相似性。
(2)Jaccard index相似性测度。Beglman等人在文献[13]中使用Jaccard index相似性测度方法，采用标准化的共现方法测度标签的相似性。具体的算法为：
其中，A是使用标签a标注的文档集，B是使用标签b标注的文档集。
(3)分布式聚类和余弦相似性测度。Markines在文献[11]中提出了基于三个不同向量空间背景的测度方法，其中Tag-TagContext为每一个标签向量同其他标签向量共现；Tag-Resource Context为标签t标注资源的频次；Tag-User Context为用户u使用标签t的频次，使用余弦相似性算法计算标签相似性。
(4)folksonomy内部相似性测度评价框架和互信息测度(Mutual Information Measure)。互信息是信息论中的一种信息度量，指两个事件集合之间的相关性。Markines等人在文献[11]中提出了基于互信息测度的相似性测度方法，并提出不同测度类型的评价框架，包括标签之间的测度及被标注资源的测度方法。
1.2.2 相似标签的聚类方法
(1)谱平分聚类方法(Spectral Bisection Clustering)。基于Laplace特征值的谱平分聚类方法根据Laplace图谱的次小特征值和第三小特征值对应的特征向量，构成聚类样本并显示出来。Begelman等人在文献[13]中发现标签同时出现的频率会在一个临界点变化显著，可以根据这个临界点确定两个标签之间是否相关，使用谱平分聚类算法对标签进行了聚类分析，从Raw-Suar网站抽取30000个标签进行试验。
(2)文档向量空间聚类方法(Vector Space Model)。文档向量空间聚类方法是计算文本之间距离或相关度的方法。HeymannP在文献[14]中，使用向量空间聚类方法。从del.icio.us网站搜集60000个标签，根据标签的向量相似度确定相关标签，将相关标签连接成无权重的无向图，采用相关算法将无向图转换为层次结构的分类树。Daniel Ramage、YusefHassan-Montero和Víctor Herrero-Solana等人在文献[15-16]中，使用kmeans聚类方法扩展向量空间模型。Miranda Grahl等人在文献[17]中，使用k-means聚类算法和folkrank排序算法构建了del.icio.us数据的三个等级概念结构。
(3)共现聚类方法(Co-occurrence Clustering)。Cattuto等人在文献[18]中指出标签共现可以用语义描述，标签的相似性被认为是标签之间的一种语义关系，可通过标签之间的相对共现进行评价，能够揭示协作标注系统中的语义关系，如标签之间的同形异义、同义和等级关系等。P.Schmitz在文献[19]中使用基于包容算法的模型，抽取标签的共现关系，聚类标签并发现相关标签。Begelman等人在文献[13]中将标签作为一个无向图，将标签共现频次作为向量，并赋予标签共现的值，来完善标签聚类的结果。X.Wu等人在文献[20]中基于标签、资源和用户的共现，生成语义关联的标签组。
从目前国外研究进展来看，以上几种标签聚类方法都被普遍的采用，并通过具体的数据来检验聚类的效果。其中，共现聚类方法应用最多，同时共现聚类方法能够同其他的方法结合使用，以优化聚类的结果，发现与识别标签之间的语义关系。
2 Folksonomy标签推荐方法研究
标签推荐能够为用户提供与关键词匹配良好的资源，标签推荐方法的目标是通过有效的解决标签缺少等级结构问题来处理标签服务中出现的各种问题[21]，对标签推荐方法的研究包括定量分析和推荐算法两个方面。
2.1 定量分析
E.H.Chi和T.Mytkowicz在文献[22]中评价了早期delicious数据有效导航的价值，指出标签随着时间增加，top标签不能支持随时间变化的有效导航。R.Li等人在文献[23]中探索了标签共现网络，提出ELSABer标注空间浏览方法，即基于相似性和语义等级发现标签子集的方法，实现语义浏览、层次浏览和有效浏览。E.Santos-Neto等人在文献[24]中研究了Citelike和Bibsonomy服务，探索促进导航的模式。
2.2 推荐算法
(1)K-way算法。在文献[13]中使用k-way方法代替spectral clustering，该方法实现了更好的聚类质量，并且比spectral clustering方法易于使用，效果更好。
(2)向量空间算法与TP-IDF算法。文献[25]中扩展了推荐资源内容的选择，分析了标签描述博客内容的有效性，通过构建标签向量空间，有效的分类博客内容。
(3)基于相似性的folkrank算法。Hotho等人在文献[26]中提出了folkrank算法，用于排序和关联folksonomy元素。其指导思想是被重要用户使用重要标签标注的资源也是重要的，folkrank算法的目的是计算一个给定标签的相关标签的排序列表。
(4)基于启发式规则和深度句法分析的等级分类体系。Eric Tsui等人在文献[27]中提出了基于启发式规则和深度句法分析的方法，处理核心的分类数据集，生成等级的结构促进用户信息导航行为并体现个性化特征，获取的标签能够整合到分类体系中，以自动的方法完成分类等级构建的过程。
在标签推荐中，标签集需要有效的分配给资源以更好地符合头部类目，上面的标签推荐算法可以整合使用，一般的标签分类能够使用Co-occurrenc，或者Vector算法，生成的标签具有相似的意义，为了得到更明确的没有语义重叠度的标签可以使用TP-IDF算法，能够进行特征项加权，增加新的语义关系。
3 Folksonomy语义关联研究
3.1 Folksonomy同本体的语义关联研究
Cattuto等人在文献[10]中给出了folksonomv和本体关联的三种方式。
3.1.1 从Folksonomy标签中抽取本体
P.Mika在文献[12]中建议通过提供标签之间的语义关系构建“轻量级本体”。为了实现这个目标，建立了不同类型的网络以聚类相关标签，允许通过社区用户兴趣重叠聚类相似标签。如“fishing”，如果社区里“fishing”和“nautic activities”有大量的参与者使用，这两个标签被认为是语义关联的，如果参与者使用标签“fishing”作为使用“nautic activities”组群的子集，“nautic activities”将比“fishing”的意义广泛。M.Lux和G.Dsinger在文献[28]中尝试从社会标注中抽取出本体，首先建立共现标签网络，然后利用标签及共现向量的测度，过滤错误标签并将相似标签整合在一起。
3.1.2 本体同Folksonomy同步发展
Folksonomy具有多重功能和整合新词表的能力，能够移植于本体或者向本体增加新的概念。A.Passant在文献[29]中探索了这个特点，该系统中歧义标签同用户标注时定义的概念相连。AbbasiR等人在文献[30]中描述了将社会标注同用户选择的本体联系起来，系统在本体概念和标签之间动态的变化，每一个标签能够在概念之下分类。H.Halpin等人在文献[31]中分析了folksonomies动力机制，并寻求标签使用的一些规律，发现最常使用的标签之间的语义关系，绘制标签内在关系图。
3.1.3 增加Folksonomy的语义关系
(1)同本体的聚类和映射增加标签之间的语义关系。L.Specia和E.Motta在文献[8]中将标签进行聚类，并将这些标签同本体概念进行映射，系统查找来自本体具有同聚类标签相同标记的元素，如果有，系统能够将概念及其属性映射到标签集中，形成具有丰富语义的标签集。S.Angeletou在文献[32]中尝试自动实现标签语义关系，使用M.Sabou和E.Motta在文献[33]中提出的映射技术识别概念及其对应的标签对，通过开发推理机制发现之前识别的术语对之间的明确的语义关系。
(2)Folksonomy的语义关系识别。AI-Khalifa和Davis 2007年指出标签之间存在着潜在的语义关系，folksonomy是抽取新术语的合适的资源，提出标签之间存在着以下几种语义关系：①等同（拼写不同或缩略语）②同义词；③上位术语；④下位术语；⑤相关术语（同叙词表可比）；⑥非明确相关，这些关系能够用于改进和扩展本体及知识组织系统[34]。随后Angeletou等人在文献[32]中也指出标签之间的语义关系能够被识别和揭示，指出标签之间的语义关系包括：包含关系、非相关关系、通用关系或一般关系、同源关系和实体关系，并通过实验证明folksonomy能够通过本体收割自动的丰富语义关系，即能够自动的获取标签之间的语义关联。
(3)利用本体指导标注行为，控制和规范标签词表。A.Passant在文献[29]中提供了使用本体优化社会标注界面的方法，如果一个标签同几个不同的概念相关，系统要求使用者选择适当的概念，当概念不存在，使用者可以向管理者自由提供新的概念，管理者能够将这个概念添加到本体的正确位置。Hayman和Lothian在文献[35]中介绍了基于传统分类引导的自由分类方法(Taxonomy-directed Folksonomies)，将用户标注与控制词表整合起来，跟踪用户需求变化，抽取新词，更新受控词表，促进用户参与到资源组织过程。
(4)构建Folksonomy本体，丰富标签语义。T.Gruber在文献[36]中指出本体和社会标注之间不是对立的关系，建议将每一个标签作为描述对象，实现标签的具体化，使用“标签的标签”解决标注歧义或滥用的现象。Hak Lae Kim在文献[37]中比较分析了现有的标签本体SCOT、MOAT、NAO等，统一标签模型的最基本的构建模块，指出标注模型不能覆盖folksonomy的全部特征，结合Gruber概念模型和Newman词表的SCOT是适合描述协作标注行为的本体，提供了最适合folksonomy模型的描述，在SCOT和MOAT之间建立链接是补充标签意义的有效方式。
(5)促进用户贡献，丰富Folksonomy语义。V.Tanasescu和O.Streibel在文献[38]中应用了Gruber的思想，扩展社会标注系统及标签之间的关系。分类标注系统允许用户增加“标注关系”链接关键词和网络资源。这个特点能够通过发展语义网技术为用户增加导航和建议。H.L.Kim等人在文献[39]中分析了“inter.est”系统，该系统使用SCOT本体描述用户的标签云结构，帮助用户发现共享同样兴趣的小组，允许用户整合标签云，实现相似标签云的检索。
3.2 Folksonomy与网络语义资源的关联研究
3.2.1 Folksonomy同在线词典的关联
目前国外最主要的英文在线词典是WordNet，能够反映自然语言的语义关系及款目之间的分类和关联，因此，国外研究人员在关注将社会标注同WordNet知识资源结合起来。David Laniado等人在文献[40]中描述了将标签聚类成由WordNet驱动的等级结构，通过WordNet的词表语义功能，为每一个标签界定可能的意义。使用WordNet将folksonomy转化为概念等级，过滤相关标签集，为标签构建等级结构，促进有效的检索和浏览。TagPlus系统使用WordNet消除Flickr标签的歧义，系统返回所有可能的WordNet意义来界定一个标签，用户选择他要选择的标签[41]。
3.2.2 Folksonomy同Wikipedia、Google、Swoogle等网络语义资源的关联
语义wiki是探索网络语义资源支持社会标注实践的较早研究。Freddy Limpens和Fabien Gandon在文献[42]中探索了将网络语义资源同社会标注连接起来以促进社会网络的知识共享，并介绍了SweetWiki的应用，通过SweetWiki用户能够编辑并修订页面，标注wiki上发表的任何文档，所有的用户能够组织folksonomy中的标签并进行编辑，支持增加新标签，能够建立同义词之间的关系并合并类目。通过该系统可以发现给定主题的最活跃用户；发现使用相似标签的用户；推断被相同用户使用的不同标签之间的关系。Maria Grineva等人在文献[43]中使用基于维基百科来处理一词多义的现象，并利用维基百科对标签进行聚类。研究人员同时也关注其他的网络语义资源同folksonomy的关联。L.Specia和E.Motta在文献[8]中使用wiki和google识别概念及概念之间的关系。QinJian等人在文献[44]中使用google为标签赋予语义环境，以更好的抽取标签的语义关系。MartinSzomszorl等人在文献[45]中使用google、wiki和WordNet的方法联合进行标签过滤，首先通过WordNet进行初步的标签查找，如果标签没有在WordNet中发现，认为可能是拼写错误的词语或缩略语，通过google进行检索发现并过滤拼写错误的词语，使用wiki进行缩略语及名称的过滤。
4 Folksonomy语义丰富的实证研究
目前国外研究人员已经开始folksonomy语义丰富化的实证研究，如Int.ere.st项目、TagOnto项目、MOAT项目、Flor项目等，下面以Flor为例探讨folksonomy的语义丰富。
Flor(Folksonomy ontology enrichment,Flor)是一个folksonomy本体丰富化工具，该系统能够输入标签集（个人标签集或者由folksonomy统计分析驱动的标签聚类）并自动返回同语义实体的关联（分类，关系，实例），同时输出语义丰富的标签集。目的是通过使用语义实体将平面的folksonomy标签转换为丰富的语义描述。Flor平台有三个基本的步骤，即词典处理、语义界定及语义扩展和语义丰富三个阶段，见图1。
可见，近几年国外研究人员非常关注folksonomy对网络信息资源组织可能产生的巨大的影响，积极探索和改进folksonomy语义丰富的方法，同时开展了大规模的实证研究，研究表明，通过folksonomy的语义丰富，能够优化网络信息资源组织、发现和重用的效果。但是，由于folksonomy的语义研究处于起步和探索阶段，对folksonomy语义丰富涉及聚类、推荐、关联等方法和技术还需要进一步深入系统的研究并进行改进和优化，并积极的探索folksonomy语义丰富工具在实践中的应用。
图1 Flor系统平台
（资料来源：http://flor.kmi.open.ac.uk/description.html）
收稿日期：2009-12-29