關于網絡標注的主要方法概述

關于網絡標注的主要方法概述

作者：張瑜孟憲學蘇曉路李景[論文關鍵詞]大眾標注語義標注本體

[論文摘要]認為標注對于檢索至關重要，網絡標注在網絡資源海量的今天更是如此。介紹網絡中標注的方法：元數(shù)據(jù)標注、聚類標注和分類標注，并對大眾標注和語義標注進行詳細介紹。最后對這些標法方法進行比較分析及評價。在網絡信息爆炸的今天，讓用戶檢索到需要的信息至關重要，因而網絡環(huán)境中標注顯得尤為重要。目前對于標注的定義大家沒有統(tǒng)一的說法，但是本質上都是一致的。概括來說即通過對文獻進行主題分析，識別其重要特征，賦予確切的檢索標識(類號、標題詞、敘詞、關鍵詞、人名、地名等)，用以反映該文獻內容的過程。標注的質量，對文獻的檢索效果有直接的決定性影響。標注的類型從不同的角度劃分有無數(shù)據(jù)標注，聚類標注，傳統(tǒng)網絡的分類，Web2.0中的大眾標注，語義標注等。

1幾種主要網絡標注方法

1.1一些傳統(tǒng)網絡標注方法

1.1.1元數(shù)據(jù)標注傳統(tǒng)上元數(shù)據(jù)的創(chuàng)建有兩種方法專業(yè)人員創(chuàng)建和作者創(chuàng)建。第一種是指在圖書館和其他組織中最初創(chuàng)建的元數(shù)據(jù)，大多為編目記錄或由精心挑選的復雜、詳細的規(guī)則集和詞匯；第二種方法是指作者創(chuàng)建的元數(shù)據(jù)，表現(xiàn)為作者標注的文檔可由SGML、萬維網，都柏林核心集表現(xiàn)出束。

1.1.2聚類分析聚類分析是將事物按其某些屬性的相似程度歸至各個群體。傳統(tǒng)的文獻聚類方法主要有單遍聚類法、逆中心聚類法，密度測試法、圖論法等。這些方法大都通過計算文獻的相似度，生成待進行聚類分析的文獻集的關系矩陣，然后通過分析此矩陣獲得文獻集的分類。Web文檔聚類技術可以縮減搜索引擎的搜索空間，加快檢索速度，提高查詢精度，因而受到人們的廣泛關注㈣。

1.1.3傳統(tǒng)網絡分類法傳統(tǒng)網絡分類法表現(xiàn)為兩種形式：一種是對現(xiàn)有文獻分類法實行網絡化。目前一些大型萬維網站點或搜索引擎均采用現(xiàn)有的文獻分類法組織Internet信息資源。如加拿大國家圖書館利用《杜威十進分類法》編制綜合性網絡目錄CanadtanInformationbySubject，英國BUBLSub，jectTree利用《國際十進分類法》編制了覆蓋國內綜合性網上資源的目錄等；另一種是采用網絡自編分類法的形式。網絡自編分類法是20世紀90年代新興的專門網絡資源分類工具，以Yahoo、搜狐、美國的Excite等為代表的分類系統(tǒng)重視以事物對象為中心設置類目，以超文本的方式反映相關類目，現(xiàn)已發(fā)展成為許多門戶網站普遍使用的一種模式。

隨著Internet的出現(xiàn)，海量的網絡資源使得利用受控語言進行標注的可操作性變得越來越差，而利用自然語言進行全文檢索以其方便、成本低、效率高等優(yōu)點獲得了全面發(fā)展，并很快成為因特網資源檢索的主流技術。在專業(yè)人員創(chuàng)建元數(shù)據(jù)、作者創(chuàng)建元數(shù)據(jù)表現(xiàn)出種種問題情況下又出現(xiàn)了第三種方法；用戶創(chuàng)建的元數(shù)據(jù)，其應用體現(xiàn)在Web2.0中。

1.2大眾標注

Web2.0的出現(xiàn)為用戶帶來了真正的個性化、去中心化和信息自主權，它是互聯(lián)網的一次理念和思想體系的升級換代，由原來的自上而下的由少數(shù)資源控制者集中控制主導的互聯(lián)網體系轉變?yōu)樽韵露系挠蓮V大用戶集體智慧和力量主導的互聯(lián)網體系。在Web2.0中人們使用的是基于非受控詞即自然語言的標注。在這里用戶不僅自己應用創(chuàng)建的元數(shù)據(jù)，也在社區(qū)中分享，這是一種自底向上的標注方法。

社會性標簽能夠從群體用戶分類中涌現(xiàn)出對應使用最多的分類，這種通過協(xié)同用戶單個行為“涌現(xiàn)”出使用最多的分類法，是在大眾用戶持續(xù)使用“tag”的過程中被集體創(chuàng)造出來的，所以ThomasVanderWal將其命名為Floksonomy(Floksonomy，由“Folks”和“Taxonomy”合成)，即集合眾人之力產生的社會分類法。Folksonomy可被譯為“分眾分類”、“大眾分類”、“自由分類、“社會分類”、“通俗分類”，我們認為“大眾標注”更能反映出“folksonomy”是一種大眾性的、自由式的標注。大眾標注是一種使用用戶自由選擇的關鍵詞對網站進行協(xié)作分類的方式，而這些關鍵詞一般稱為標簽(tag)。該方法是大眾自發(fā)的用標簽對網絡信息標識和共享的過程，它沒有權威、成形的分類文本，而是依據(jù)大眾日?？陬^詞匯對信息標記，其結果表現(xiàn)為系統(tǒng)的標簽云，標簽云易于直觀地組織信息和共享信息，同時亦因缺乏等級結構、不精確、濫用、同義詞等為研究者所質疑。但網民卻接受了此種“有勝于無”的方案。

大眾標注法分為寬(Broad)大眾標注法、窄(Narrow)大眾標注法。寬大眾標注法指許多用戶可以標注同一事物，而窄大眾標注法指只有一少部分用戶能夠標注同一事物。

在大眾標注法中，非受控詞匯有著與生俱來的限制性和缺點：標簽“一詞多義”的現(xiàn)象就造成了標簽的不確定性；同義詞的不可控性使得相同的概念用不同的標簽標注，這種“一義多詞”的現(xiàn)象又造成協(xié)作的不便性；單詞的不同格式，單復數(shù)，也經常用作不同的標簽，這種情況在閃亮書簽上尤為突出(中文中不存在這種單復數(shù)的問題)；美味書簽和閃亮書簽最初設計時只是針對單個詞匯的，都不允許標簽中出現(xiàn)空格。用戶就用多個不含空格的單詞組成單個的標簽，比如閃亮書簽中的“vertigovideostlllsbbc”，有時用戶在單個標簽中融入層次，比如美味書簽中的“deslgn/css”。這兩個系統(tǒng)忽略了字母的大小寫，這可能導致具有不同含義的標簽相同，尤其是在首字母縮寫時。這些都是傳統(tǒng)分類法中應用受控詞匯的原因，但是在像美味書簽、閃亮書簽這種語境體系中應用受控詞匯是不太現(xiàn)實的。

檢索完整性的要求需要詞表對詞間關系給予全面揭示，具體包括等同關系、等級關系、相關關系等。本體能夠表達概念間關系的這一特點可以補償大眾標注的缺憾。

1.3語義標注

語義Web被稱為Web3.0，是Web上