關(guān)于網(wǎng)絡(luò)標(biāo)注的主要方法概述

作者：張瑜孟憲學(xué)蘇曉路李景[論文關(guān)鍵詞]大眾標(biāo)注語義標(biāo)注本體

[論文摘要]認(rèn)為標(biāo)注對(duì)于檢索至關(guān)重要，網(wǎng)絡(luò)標(biāo)注在網(wǎng)絡(luò)資源海量的今天更是如此。介紹網(wǎng)絡(luò)中標(biāo)注的方法：元數(shù)據(jù)標(biāo)注、聚類標(biāo)注和分類標(biāo)注，并對(duì)大眾標(biāo)注和語義標(biāo)注進(jìn)行詳細(xì)介紹。最后對(duì)這些標(biāo)法方法進(jìn)行比較分析及評(píng)價(jià)。在網(wǎng)絡(luò)信息爆炸的今天，讓用戶檢索到需要的信息至關(guān)重要，因而網(wǎng)絡(luò)環(huán)境中標(biāo)注顯得尤為重要。目前對(duì)于標(biāo)注的定義大家沒有統(tǒng)一的說法，但是本質(zhì)上都是一致的。概括來說即通過對(duì)文獻(xiàn)進(jìn)行主題分析，識(shí)別其重要特征，賦予確切的檢索標(biāo)識(shí)(類號(hào)、標(biāo)題詞、敘詞、關(guān)鍵詞、人名、地名等)，用以反映該文獻(xiàn)內(nèi)容的過程。標(biāo)注的質(zhì)量，對(duì)文獻(xiàn)的檢索效果有直接的決定性影響。標(biāo)注的類型從不同的角度劃分有無數(shù)據(jù)標(biāo)注，聚類標(biāo)注，傳統(tǒng)網(wǎng)絡(luò)的分類，Web2.0中的大眾標(biāo)注，語義標(biāo)注等。

1幾種主要網(wǎng)絡(luò)標(biāo)注方法

1.1一些傳統(tǒng)網(wǎng)絡(luò)標(biāo)注方法

1.1.1元數(shù)據(jù)標(biāo)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(fù)雜、詳細(xì)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(biāo)注的文檔可由SGML、萬維網(wǎng)，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(gè)群體。傳統(tǒng)的文獻(xiàn)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(jì)算文獻(xiàn)的相似度，生成待進(jìn)行聚類分析的文獻(xiàn)集的關(guān)系矩陣，然后通過分析此矩陣獲得文獻(xiàn)集的分類。Web文檔聚類技術(shù)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(guān)注㈣。

1.1.3傳統(tǒng)網(wǎng)絡(luò)分類法傳統(tǒng)網(wǎng)絡(luò)分類法表現(xiàn)為兩種形式：一種是對(duì)現(xiàn)有文獻(xiàn)分類法實(shí)行網(wǎng)絡(luò)化。目前一些大型萬維網(wǎng)站點(diǎn)或搜索引擎均采用現(xiàn)有的文獻(xiàn)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(jìn)分類法》編制綜合性網(wǎng)絡(luò)目錄CanadtanInformationbySubject，英國BUBLSub，jectTree利用《國際十進(jìn)分類法》編制了覆蓋國內(nèi)綜合性網(wǎng)上資源的目錄等；另一種是采用網(wǎng)絡(luò)自編分類法的形式。網(wǎng)絡(luò)自編分類法是20世紀(jì)90年代新興的專門網(wǎng)絡(luò)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(duì)象為中心設(shè)置類目，以超文本的方式反映相關(guān)類目，現(xiàn)已發(fā)展成為許多門戶網(wǎng)站普遍使用的一種模式。

隨著Internet的出現(xiàn)，海量的網(wǎng)絡(luò)資源使得利用受控語言進(jìn)行標(biāo)注的可操作性變得越來越差，而利用自然語言進(jìn)行全文檢索以其方便、成本低、效率高等優(yōu)點(diǎn)獲得了全面發(fā)展，并很快成為因特網(wǎng)資源檢索的主流技術(shù)。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(yīng)用體現(xiàn)在Web2.0中。

1.2大眾標(biāo)注

Web2.0的出現(xiàn)為用戶帶來了真正的個(gè)性化、去中心化和信息自主權(quán)，它是互聯(lián)網(wǎng)的一次理念和思想體系的升級(jí)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(dǎo)的互聯(lián)網(wǎng)體系轉(zhuǎn)變?yōu)樽韵露系挠蓮V大用戶集體智慧和力量主導(dǎo)的互聯(lián)網(wǎng)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(biāo)注。在這里用戶不僅自己應(yīng)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(biāo)注方法。

社會(huì)性標(biāo)簽?zāi)軌驈娜后w用戶分類中涌現(xiàn)出對(duì)應(yīng)使用最多的分類，這種通過協(xié)同用戶單個(gè)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(chǎn)生的社會(huì)分類法。Folksonomy可被譯為“分眾分類”、“大眾分類”、“自由分類、“社會(huì)分類”、“通俗分類”，我們認(rèn)為“大眾標(biāo)注”更能反映出“folksonomy”是一種大眾性的、自由式的標(biāo)注。大眾標(biāo)注是一種使用用戶自由選擇的關(guān)鍵詞對(duì)網(wǎng)站進(jìn)行協(xié)作分類的方式，而這些關(guān)鍵詞一般稱為標(biāo)簽(tag)。該方法是大眾自發(fā)的用標(biāo)簽對(duì)網(wǎng)絡(luò)信息標(biāo)識(shí)和共享的過程，它沒有權(quán)威、成形的分類文本，而是依據(jù)大眾日常口頭詞匯對(duì)信息標(biāo)記，其結(jié)果表現(xiàn)為系統(tǒng)的標(biāo)簽云，標(biāo)簽云易于直觀地組織信息和共享信息，同時(shí)亦因缺乏等級(jí)結(jié)構(gòu)、不精確、濫用、同義詞等為研究者所質(zhì)疑。但網(wǎng)民卻接受了此種“有勝于無”的方案。

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

在大眾標(biāo)注法中，非受控詞匯有著與生俱來的限制性和缺點(diǎn)：標(biāo)簽“一詞多義”的現(xiàn)象就造成了標(biāo)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(biāo)簽標(biāo)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(fù)數(shù)，也經(jīng)常用作不同的標(biāo)簽，這種情況在閃亮?xí)炆嫌葹橥怀?中文中不存在這種單復(fù)數(shù)的問題)；美味書簽和閃亮?xí)炞畛踉O(shè)計(jì)時(shí)只是針對(duì)單個(gè)詞匯的，都不允許標(biāo)簽中出現(xiàn)空格。用戶就用多個(gè)不含空格的單詞組成單個(gè)的標(biāo)簽，比如閃亮?xí)炛械摹皏ertigovideostlllsbbc”，有時(shí)用戶在單個(gè)標(biāo)簽中融入層次，比如美味書簽中的“deslgn/css”。這兩個(gè)系統(tǒng)忽略了字母的大小寫，這可能導(dǎo)致具有不同含義的標(biāo)簽相同，尤其是在首字母縮寫時(shí)。這些都是傳統(tǒng)分類法中應(yīng)用受控詞匯的原因，但是在像美味書簽、閃亮?xí)炦@種語境體系中應(yīng)用受控詞匯是不太現(xiàn)實(shí)的。

檢索完整性的要求需要詞表對(duì)詞間關(guān)系給予全面揭示，具體包括等同關(guān)系、等級(jí)關(guān)系、相關(guān)關(guān)系等。本體能夠表達(dá)概念間關(guān)系的這一特點(diǎn)可以補(bǔ)償大眾標(biāo)注的缺憾。

1.3語義標(biāo)注

語義Web被稱為Web3.0，是Web上