[摘要]重點(diǎn)研究基于Folksonomy的數(shù)字資源系統(tǒng)的用戶的共性，提出利用用戶標(biāo)簽對(duì)用戶分類(lèi)的方法，并通過(guò)對(duì)Flikcr(閃爍照片網(wǎng))的實(shí)證研究，證明通過(guò)標(biāo)簽對(duì)用戶分類(lèi)的可行性和實(shí)用性，為興趣推送和進(jìn)一步研究奠定基礎(chǔ)。
　　[關(guān)鍵詞]Folksonomy　標(biāo)簽　用戶分類(lèi)
　　[分類(lèi)號(hào)]G202　TP391
　　
　　1　前言
　　
　　以人為中心的Web2.0時(shí)代的到來(lái)，使互聯(lián)網(wǎng)用戶由被動(dòng)轉(zhuǎn)為主動(dòng)，成為信息發(fā)布者和接受者的一體。以del.ieio.us、Flickr為代表的基于folksonomy的數(shù)字資源系統(tǒng)應(yīng)運(yùn)而生，形成了一種新的網(wǎng)絡(luò)信息資源的組織檢索方式。通過(guò)用戶標(biāo)簽對(duì)用戶的偏好進(jìn)行研究分類(lèi)以及興趣推送，能夠?yàn)橛脩籼峁┒嗲�道、全方位的信息，更有利于folksonomy的網(wǎng)站的發(fā)展。
　　然而，目前國(guó)內(nèi)對(duì)folksonomy的研究著重于其國(guó)內(nèi)外發(fā)展現(xiàn)狀、概念、優(yōu)劣勢(shì)、發(fā)展前景以及與現(xiàn)有信息組織模式的結(jié)合應(yīng)用分析等方面，對(duì)folksonomy的標(biāo)簽以及用戶偏好鮮有研究。在folksonomy用戶偏好研究方面，只有王翠英在《基于Folksonomy的用戶偏好研究進(jìn)展》一文中將用戶分成單興趣用戶和多興趣用戶，分別構(gòu)建適用的興趣挖掘機(jī)制及對(duì)用戶偏好的應(yīng)用，但主要是從用戶個(gè)體進(jìn)行分析，且沒(méi)有具體操作過(guò)程。
　　國(guó)外對(duì)folksonomy的研究無(wú)論理論還是應(yīng)用上都明顯領(lǐng)先于國(guó)內(nèi)。在起源方面，國(guó)外學(xué)者傾向于從社會(huì)化站點(diǎn)的角度研究folksonomy，并以存在的系統(tǒng)為研究對(duì)象；在研究?jī)?nèi)容上，Adam Mathes指出了folksonomy系統(tǒng)的存在對(duì)個(gè)人和社區(qū)的重大意義；Christopher H.Brooks和Nancy Montanezt對(duì)博客搜索引擎Technorati的標(biāo)簽做了定量分析，發(fā)現(xiàn)了標(biāo)簽對(duì)用戶分類(lèi)的作用；Marieke Guy也對(duì)標(biāo)簽做了定量分析并提供了標(biāo)簽的可視化工具，指出了標(biāo)簽的長(zhǎng)尾分布。
　　綜上所述，folksonomy是目前越來(lái)越受關(guān)注的一個(gè)領(lǐng)域，理論方面的研究比較多，但也不是很完善，定量研究方面的內(nèi)容比較少。本文主要從定量的角度研究如何利用folksonomy標(biāo)簽對(duì)興趣相似的用戶進(jìn)行分類(lèi)，提出了通過(guò)定量分析標(biāo)簽來(lái)研究用戶共性的思想，給出了基于標(biāo)簽進(jìn)行用戶分類(lèi)的具體方法和操作流程，并以Fliekr為例，對(duì)本文提出的用戶分類(lèi)方法進(jìn)行了實(shí)證研究。
　　
　　2　用戶分類(lèi)的思路
　　
　　Folksonomy是一種以標(biāo)簽為目的的“自下而上的社會(huì)化分類(lèi)”信息組織方法。標(biāo)簽是folksonomy最核心的內(nèi)容，它是一種描述性的非結(jié)構(gòu)化元數(shù)據(jù)，由用戶根據(jù)自己的理解和喜好自由添加，不受任何詞表的約束，標(biāo)簽從某些方面代表了用戶的興趣所在，所以依據(jù)標(biāo)簽對(duì)用戶進(jìn)行分類(lèi)，然后對(duì)用戶進(jìn)行興趣推薦是十分可行的。
　　用戶分類(lèi)的目的是把興趣相似的用戶分為一類(lèi)，方便對(duì)用戶進(jìn)行興趣推薦。為了不增加用戶的負(fù)擔(dān)，研究從系統(tǒng)的角度出發(fā)收集用戶的標(biāo)簽。標(biāo)簽符合負(fù)責(zé)分布，即不同用戶使用了很多相同的標(biāo)簽，表明這些用戶在興趣上有一定的相似性。相同標(biāo)簽的個(gè)數(shù)越多，表明這兩個(gè)用戶的興趣越相近。
　　因此，根據(jù)標(biāo)簽進(jìn)行用戶分類(lèi)的基本思路是：首先確定用戶之間是否使用了相同的標(biāo)簽，再確定相同標(biāo)簽的數(shù)量及各個(gè)標(biāo)簽的使用次數(shù)。在實(shí)證研究中，由于收集標(biāo)簽的使用次數(shù)比較困難，故在抽取用戶標(biāo)簽時(shí)直接抽取使用次數(shù)最多的標(biāo)簽(每個(gè)用戶排名前10的標(biāo)簽)。
　　
　　3　FIickr的用戶分類(lèi)過(guò)程
　　
　　3.1　Folksonomy數(shù)字資源系統(tǒng)的選取
　　實(shí)證研究中數(shù)字資源系統(tǒng)的選取必須滿足如下要求：①該系統(tǒng)能夠提取每個(gè)用戶的標(biāo)簽；②該系統(tǒng)必須支持群組，以便分類(lèi)結(jié)果的驗(yàn)證；③該系統(tǒng)的訪問(wèn)量要足夠大。根據(jù)以上要求對(duì)基于folksonomy的網(wǎng)站進(jìn)行對(duì)比分析，排除不支持群組的和無(wú)法提取具體用戶標(biāo)簽的，只有Fliekr滿足要求。它是目前比較流行的一個(gè)folksonomy數(shù)字資源系統(tǒng)，2009年上榜美國(guó)《時(shí)代》周刊評(píng)選的50個(gè)最佳網(wǎng)站，2008年11月份達(dá)到6400萬(wàn)的獨(dú)立用戶，而且它可以提取每個(gè)用戶的標(biāo)簽數(shù)據(jù)，也支持群組，可以幫助檢驗(yàn)分組效果，所以，筆者最后選擇Flickr作為實(shí)證研究對(duì)象。
　　
　　3.2　Flickr中用戶和標(biāo)簽的抽取
　　考慮到最后要借助群組對(duì)分類(lèi)結(jié)果進(jìn)行檢驗(yàn)，所以抽取用戶之前，先抽取了一些群組，然后從每個(gè)群組中抽取部分用戶，這樣有利于對(duì)分類(lèi)結(jié)果的驗(yàn)證。
　　首先是群組抽取，主要采取兩種方法：①?gòu)臒衢T(mén)標(biāo)簽中集中選擇最熱門(mén)的標(biāo)簽作為檢索詞去搜索社群，然后從搜索結(jié)果中隨機(jī)選擇；②從網(wǎng)站的推薦群組中選擇。這兩個(gè)方法抽取群組的時(shí)候，都要滿足一個(gè)先決條件：群組的成員要多，至少超過(guò)10個(gè)，資源數(shù)量也比較多。按照這兩個(gè)方法，筆者從Fliekr中抽取了10個(gè)群組，然后按0到9編號(hào)，下面是前5個(gè)群組的名字及其網(wǎng)址：
　　群組0：Motocross(http：／www.省略／groups／motoz／)
　　群組1：Nikon D700 UNCENSORED!(http：／／www。flickr.com／groups／d700／)
　　群組2：Your cartoons(http：／／www.省略／groups／76087665@N00／)
　　群組3：European Vacation(http：／／www.省略／gmups／eumvaeation／)
　　群組4：CHRISTMAS WORLDWIDE Fliekr’s#1Xmas Group(http：／／www.省略／groups／xmas2005／)……
　　其次是抽取用戶，抽取方法采用重要性加隨機(jī)抽取。Hickr對(duì)每個(gè)群組都給出5個(gè)貢獻(xiàn)最大的用戶，抽取這5個(gè)用戶，然后按照顯示順序隨機(jī)再抽取5個(gè)，對(duì)于用戶標(biāo)簽是非英語(yǔ)的或標(biāo)簽少于10個(gè)的用戶予以刪除，再重新抽取。
　　最后是抽取用戶標(biāo)簽，本文選擇該用戶使用次數(shù)最多的10個(gè)標(biāo)簽。
　　下面是一個(gè)具體的用戶及標(biāo)簽的抽取樣本，限于篇幅，本文以群組8的前5個(gè)用戶為例：
　　群組8：Do More?ror Pets Sponsored by Purina?Pro Plan?(http：／／www.省略／groups／domore／)
　　用戶80：llanniell(http：／／www.省略／pho-tos／32834911@N08／tags／)
　　標(biāo)簽：phipps，flowers，maocro，winter，snow，sky，dogs，canon，birds，blue
　　用戶81：richvYYY(http：／／www.省略／photos／ riehyyy／tags／)
　　標(biāo)簽：animal，animals，animales，bull.bulldog，bully，dog，puppy，diosa，perra
　　用戶82：Foto Phinagler(http：／／www.省略／photos／46644938@N07／tags／)
　　標(biāo)簽：dogs，gloversville，labs，trees，urban，5bestdogs，winter，statues，eairnterriers，ehoeolatelabs
　　用戶83：Nothin’But Moose and Slobber(http：／／www.省略／photos／31488876@N03／tags／)
　　標(biāo)簽：flower，flowers，dog，garden，lab，boydog，close-up，puppy，yellowlab，yellowdog
　　用戶84：jati2010(http：／／www.省略／photos／48414337@N07／tags／)
　　標(biāo)簽：flowers，dogs，sprang，roses，morning，nature，flower，dog，birds，landscape
　　
　　3.3　具體分類(lèi)過(guò)程
　　根據(jù)上一節(jié)中收集的100個(gè)用戶以及排名最靠前的1000個(gè)標(biāo)簽對(duì)用戶進(jìn)行大致的分類(lèi)。將使用相同標(biāo)簽的用戶分為一組，但這樣會(huì)存在相似度高低的問(wèn)題，具體分組要看系統(tǒng)的實(shí)際需求。粒度越大，用戶的興趣的相似度越高，推薦的效果就越好，但會(huì)造成群組成員稀少，違背尋找用戶共性這一分類(lèi)的初衷。粒度越小，用戶的興趣相似性越低，興趣推薦會(huì)給用戶帶來(lái)大量的“垃圾信息”，影響用戶體驗(yàn)，所以分組的粒度要視系統(tǒng)具體分析。由于抽取的都是用戶最靠前的lO個(gè)標(biāo)簽，是代表用戶最感興趣的，作為一篇研究性論文，本文對(duì)相似度從低到高都進(jìn)行了分析。
　　首先把收集的用戶以及標(biāo)簽按用戶編號(hào)導(dǎo)人數(shù)據(jù)庫(kù)，表名為userandtag，用戶的編號(hào)是0～99(用戶n0～n9是從一個(gè)群組中抽取的，0≤n≤9)，如圖l所示：
　　
　　分類(lèi)的具體實(shí)現(xiàn)分為三個(gè)步驟，首先是確定任意兩個(gè)用戶之間的相似度，然后把任意兩個(gè)用戶之間的相似度從0一直到最高統(tǒng)計(jì)出來(lái)(見(jiàn)圖3)，最后是確定將兩個(gè)相關(guān)性用戶聯(lián)系起來(lái)的標(biāo)簽，并將其他和這個(gè)標(biāo)簽相同的用戶加入到這一類(lèi)中。最終的用戶分類(lèi)結(jié)果是(限于篇幅，筆者只列出每個(gè)聚合度的一部分用戶)。
　　
　　聚合度為1的有：
　　(0，1，2，4，7，3，5)，(0，31)，(1，5)，(1，9)，(2，26，47，73)，(2，38，74，92)，(19，20，23，68，25，90)，(19，25，90，20，23，68)，(20，22，24，28)，(20，28，22，25)，(…………)。
　　聚合度為2的有：
　　(2，3)，(3，4)，(8，12)，(10，II，12，19)，(12，27)，(12，36，27，30，38)，(30，76，48，51，80)，(30，80)，(30，94)，(…………)。
　　聚合度為3的有：
　　(11，19)，(30，31)，(49，69，64)，(50，51，59)，(51，59)，(65，84)，(80，84)，(83，84)。
　　聚合度為4的有：(30，39)，(31，37)。
　　聚合度為5的有：(49，64)。
　　從以上的結(jié)果得知：隨著聚合度的增高，用戶類(lèi)似的組數(shù)越來(lái)越少。這也表示用戶的興趣是多種多樣的，大部分興趣都相同的用戶比較少。
　　
　　4　結(jié)果和驗(yàn)證
　　
　　相似度分類(lèi)的結(jié)果呈現(xiàn)倒金字塔型，為了分析方便筆者從金字塔的底部人手。聚合度為5的一組是(49，64)，他們的標(biāo)簽如圖4所示：
　　
　　這兩個(gè)用戶的前10個(gè)標(biāo)簽中有5個(gè)是相同的(autumn，leaves，trees，nature，park)，說(shuō)明兩用戶的興趣有很大的相似度。而這兩個(gè)用戶并不是抽取于一個(gè)群組，查看兩個(gè)用戶發(fā)現(xiàn)用戶49加入了48個(gè)群組，其中10個(gè)與自然景色有關(guān)，而用戶64本來(lái)就是nature群組的主要貢獻(xiàn)者，加入的48個(gè)群組有8個(gè)與自然景觀相關(guān)。這些說(shuō)明這兩個(gè)用戶的興趣相似度很高，也說(shuō)明分類(lèi)的結(jié)果并不一定與抽取的群組一致，而是更注重依據(jù)用戶最明顯的興趣進(jìn)行分類(lèi)。
　　聚合度為3的用戶組是(49，69，64)，他們的標(biāo)簽如圖5所示：
　　
　　他們重復(fù)的標(biāo)簽為autumn、trees、nature。用戶69和用戶64來(lái)自同一個(gè)群組，興趣上本來(lái)就有一定的相似性。從排名靠前的標(biāo)簽看，他們確實(shí)對(duì)自然景色比較感興趣，而用戶49來(lái)自其他群組，上文提到他加入的48個(gè)群組中有10個(gè)與自然景色有關(guān)，恰好只有他的來(lái)源群組是與圣誕相關(guān)的，表明其對(duì)自然景色的興趣明顯比圣誕節(jié)大，與用戶64和69的興趣是很相近的。這也說(shuō)明按照標(biāo)簽對(duì)用戶分類(lèi)會(huì)取得比較好的效果，能夠把興趣相近的用戶分為一類(lèi)。
　　再看聚合度為2的用戶組，選擇成員較多的一組(10，11，12，19)，其標(biāo)簽如圖6所示：
　　這四個(gè)用戶因?yàn)闃?biāo)簽d700、nikon而聚在一起，這和他們本來(lái)就是從一個(gè)群組中抽取的相吻合，說(shuō)明他們都對(duì)nikon這一數(shù)碼產(chǎn)品感興趣，并且興趣很濃厚。
　　同樣，聚合度為1的用戶組大多都是來(lái)自同一群組，這也和本文當(dāng)初優(yōu)先抽取對(duì)群組有突出貢獻(xiàn)的用戶相吻合。
　　總的來(lái)說(shuō)，根據(jù)排名靠前的標(biāo)簽對(duì)用戶進(jìn)行分類(lèi)可以將用戶按照較為明顯的興趣進(jìn)行分類(lèi)。由于標(biāo)簽是經(jīng)過(guò)長(zhǎng)時(shí)間的積累形成的，所以這也是更傾向與針對(duì)用戶的中長(zhǎng)期興趣的一種分類(lèi)。
　　
　　5　結(jié)語(yǔ)
　　
　　本文利用基于folksonomy的流行網(wǎng)站――Flickr中的用戶及標(biāo)簽實(shí)證研究了利用標(biāo)簽對(duì)用戶進(jìn)行分類(lèi)的方法，研究結(jié)果表明利用標(biāo)簽?zāi)軐?duì)用戶進(jìn)行較好的分類(lèi)，使同一類(lèi)中的用戶在興趣上具有較大的相似性，有了用戶群組就可以根據(jù)群組對(duì)用戶進(jìn)行興趣推薦，也方便用戶更好地發(fā)現(xiàn)和利用資源。
　　在研究中也發(fā)現(xiàn)一些問(wèn)題或需要改進(jìn)的地方，主要為：①?zèng)]有對(duì)標(biāo)簽進(jìn)行預(yù)處理，如提取詞根、統(tǒng)一單復(fù)數(shù)；②沒(méi)有考慮同義詞、多義詞等情況；③只考慮了標(biāo)簽的共現(xiàn)，而沒(méi)有從標(biāo)簽的相對(duì)共現(xiàn)率去定量的研究。以上這些問(wèn)題都會(huì)對(duì)用戶的分類(lèi)產(chǎn)生一定影響。

相關(guān)熱詞搜索：標(biāo)簽 用戶 研究 基于folksonomy 標(biāo)簽的用戶分類(lèi)研究 用戶標(biāo)簽分類(lèi) 淘寶用戶標(biāo)簽有哪些