網絡標注的主要方法概述

時間：2024-09-20 09:36:38 計算機網絡畢業論文

關于網絡標注的主要方法概述

　　[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：元數據標注、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，因而網絡中標注顯得尤為重要。目前對于標注的定義大家沒有統一的說法，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據標注，聚類標注，傳統網絡的分類，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　一些傳統網絡標注方法
　　1.1.1　元數據標注傳統上元數據的創建有兩種方法專業人員創建和作者創建。第一種是指在和其他組織中最初創建的元數據，大多為編目記錄或由精心挑選的復雜、詳細的規則集和詞匯；第二種方法是指作者創建的元數據，表現為作者標注的文檔可由SGML、萬維網，都柏林核心集表現出束。
　　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　傳統網絡分類法傳統網絡分類法表現為兩種形式：一種是對現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Canadtan Information by Subject，英國BUBLSub，ject Tree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，現已發展成為許多門戶網站普遍使用的一種模式。
　　隨著Internet的出現，海量的網絡資源使得利用受控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、低、效率高等優點獲得了全面發展，并很快成為因特網資源檢索的主流技術。在專業人員創建元數據、作者創建元數據表現出種種問題情況下又出現了第三種方法；用戶創建的元數據，其應用體現在Web2.0中。
　　
　　1.2　大眾標注
　　Web2.0的出現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資源控制者集中控制主導的互聯網體系轉變為自下而上的由廣大用戶集體智慧和力量主導的互聯網體系。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建的元數據，也在社區中分享，這是一種自底向上的標注方法。
　　性標簽能夠從群體用戶分類中涌現出對應使用最多的分類，這種通過協同用戶單個行為“涌現”出使用最多的分類法，是在大眾用戶持續使用“tag”的過程中被集體創造出來的，所以Thomas Vander Wal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，而是依據大眾日常口頭詞匯對信息標記，其結果表現為系統的標簽云，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”的現象又造成協作的不便性；單詞的不同格式，單復數，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上數據的一種表示，它基于資源描述框架RDF來集成以XML為語法、統一資源標識符URI為命名機制的各種應用。語義Web是對當前Web的一種擴充，并不是一個全新的Web，其研究重點就是如何將信息表示為能夠理解和處理的形式，即帶有語義，使計算機和人能協同工作。
　　實現語義web目標的一個重要前提是利用本體詞匯標注Web資源(如Web頁、服務等)。本體在TimBemes-Lee提出的語義Web的七層體系結構中位于第四層，其目的是為捕獲相關領域的知識，提供對該領域知識的共同理解，確定該領域內共同認可的詞匯，并給出這些詞匯(術語)和詞匯間相互關系的明確定義，通過概念之間的關系來描述概念的語義。基于本體的語義標注利用由專家定義好的本體支持內容創建者在Web頁中添加語義元數據，使其內容能被人和機器所理解，與大眾標注相比較這是一種自頂向下的分類法。利用語義標注工具對現有的大量Web信息進行標注，將使得Web頁的內容成為機器可識別的數據，從而構成語義Web的基礎。
　　OgeMarques等認為語義網的成功在于能夠在Web頁面及其構成上作語義標記，且是以低的、采用一致性結構和本體的方式。他們著力于圖像語義標注的智能方式，并提出三層結構。底層組織是從原圖像內容中抽取的信息，這些信息映射中間層有語義的關鍵詞，而這些關鍵詞又聯系著頂層的結構和本體。他利用機器學習算法作用戶自助的、半自動的圖像標注，可以加快相同領域本體圖像的標注，并且改善標注圖像以后的查詢和檢索。
　　在Web服務方面，下一代網絡語義標注下的軟件代理能比目前的軟件代理更快地抽取和Web內容。Web服務中的語義標注能夠促進服務發現，也能夠促進服務組合轉化為工作流。但目前僅有少量的服務標注被廣泛應用，這就使得這種語義標注仍然受限。Khalid Belhajjame等基于操作參數之間的聯系，在工作流中反復試驗，推斷關于操作參數的相關語義信息。雖在開放的上下文中只能推斷參數語義的約束，但這些松散的標注在工作流、標注、本體中檢測錯誤仍然有價值，在簡化手工標注的任務中也很有價值。
　　
　　2　比較分析
　　
　　專業人員創建元數據最主要的問題是內容擴展時的可擴性和可行性問題，尤其是在萬維網中。并且專業的編目系績工具對于沒有專門培訓和知識的人來說太復雜；作者創建元數據也有問題，經常出現不恰當、不準確的標注，或者完全是虛假標注。
　　采用聚類分析方法對用關鍵詞或自由詞標引的檢索系統中的詞表建立詞間關系，可以形成語義網提高系統檢索效率，達到語義控制的目的。但詞條高達數百萬條使得待聚類的Web文檔特征詞條一權重矩陣的維數過高，增加了聚類算法的復雜度，因此空間維數較高或詞與詞間呈現較強的相關性時聚類質量和算法的性能會明顯下降。目前有許多人從事該方面的研究，其中戚涌等人提出了基于潛在語義標注(LatentSemanticIndexing—LSI)的Web文檔自動分類，即對Web文檔采用最優聚類準則進行聚類，使得獲得的特征向量具有較低的維數和更好的分類特征。
　　亞當·馬斯認為大眾標注將取代以往由專家控制的元數據編輯。Marieke Guy認為大眾標注指的就是關鍵詞、標簽、元數據，是由使用資源的社區創建的自然，術語間不存在層次結構，沒有特定的父子與兄弟關系，有反饋現象，是種類而非分類。
　　而在語義標注中人們將本體引入標注系統用于知識的組織。之所以將ontology引入網絡信息資源組織領域，是因為ontology的研究著眼于更加寬泛的空間——即為人類認識活動構建頂層概念框架；ontology更加突出知識共享的功能，更著眼于給出人類事物認識的知識(或領域知識)總框架，以期待將Internet上的信息資源組織成一個語義網、知識網，以最大程度實現Internet信息資源的有效利用。
　　
　　3　評價
　　
　　正如David welnberger所述，大眾標注法不同于傳統分類法，最重要的地方表現在傳統分類法是自頂向下的、有層次的，而大眾標注法是自底向上的，沒有層次的。如果說傳統的分類法所得的是棵分類樹，那么大眾標注法只是將由用戶自創建的葉子堆到了一起。語義標注所依賴的本體也是一種自頂向下分類法，所以從這點來看，可以將語義標注與傳統分類法歸為一類，即都是使用受控詞匯的分類法。但是語義標注不僅增加了可控性，更由于本體的介入獲得了標注中使用語義的便捷性。
　　在大眾標注法中可以考慮在用戶添加標簽后，利用人工智能和ontology的方法對標簽進行分析定位，并向用戶顯示其所處的樹狀，甚至網狀的知識體系結構，方便用戶從整體上認識問題。這做到了大眾標注自底向上與ontology自頂向下的結合。
　　
　　4　結語
　　
　　標注對開發者而言可以更好地組織信息，對用戶而言可以更好地檢索信息。傳統網絡，Web2.0中的標注都需要ontol-ogy的引入，需要語義標注的參與。目前在語義標注方面也已經有應用研究出現，但語義標注的發展需要ontology的深度介入。不過，作為底層支持的ontology自身研究進展緩慢，尤其是國內仍然研究多于應用，這給語義標注的發展造成瓶頸。我們期待語義標注更全面的發展，以促進語義網絡更快速的進步，從而能更便捷地為人所用。

【網絡標注的主要方法概述】相關文章：

企業并購風險評價方法概述03-22

企業風險治理理論與方法概述03-20

網絡廣告研究概述論文01-01

淺論網絡環境下用戶標注的價值與應用03-05

參考文獻標注方法對論文寫作閱讀影響12-08