淺析網(wǎng)絡(luò)標(biāo)注的主要方法介紹網(wǎng)絡(luò)論文范文

　　[論文關(guān)鍵詞]大眾標(biāo)注,語(yǔ)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(yǔ)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(méi)有統(tǒng)一的說(shuō)法，但是本質(zhì)上都是一致的。概括來(lái)說(shuō)即通過(guò)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(guò)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(wú)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(yǔ)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(shū)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(wàn)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(cè)試法、圖論法等。這些方法大都通過(guò)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(guò)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(wàn)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(guó)家圖書(shū)館利用《杜威十進(jìn)分類法》編制綜合性網(wǎng)絡(luò)目錄Canadtan Information by Subject，英國(guó)BUBLSub，ject Tree利用《國(guó)際十進(jìn)分類法》編制了覆蓋國(guó)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(guó)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(yǔ)言進(jìn)行標(biāo)注的可操作性變得越來(lái)越差，而利用自然語(yǔ)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(wèn)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(lái)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(lái)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(yǔ)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(guò)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(guò)程中被集體創(chuàng)造出來(lái)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(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(guò)程，它沒(méi)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(wú)”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(lái)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(wèn)題);美味書(shū)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?“vertigovideostlllsbbc”，有時(shí)用戶在單個(gè)標(biāo)簽中融入層次，比如美味書(shū)簽中的“deslgn/css”。這兩個(gè)系統(tǒng)忽略了字母的大小寫(xiě)，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(xiě)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(shū)簽、閃亮?xí)炦@種語(yǔ)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(yǔ)義標(biāo)注

　　語(yǔ)義Web被稱為Web3.0，是Web上數(shù)據(jù)的一種表示，它基于資源描述框架RDF來(lái)集成以XML為語(yǔ)法、統(tǒng)一資源標(biāo)識(shí)符URI為命名機(jī)制的各種應(yīng)用。語(yǔ)義Web是對(duì)當(dāng)前Web的一種擴(kuò)充，并不是一個(gè)全新的Web，其研究重點(diǎn)就是如何將信息表示為計(jì)算機(jī)能夠理解和處理的形式，即帶有語(yǔ)義，使計(jì)算機(jī)和人能協(xié)同工作。

　　實(shí)現(xiàn)語(yǔ)義web目標(biāo)的一個(gè)重要前提是利用本體詞匯標(biāo)注Web資源(如Web頁(yè)、服務(wù)等)。本體在TimBemes-Lee提出的語(yǔ)義Web的七層體系結(jié)構(gòu)中位于第四層，其目的是為捕獲相關(guān)領(lǐng)域的知識(shí)，提供對(duì)該領(lǐng)域知識(shí)的共同理解，確定該領(lǐng)域內(nèi)共同認(rèn)可的詞匯，并給出這些詞匯(術(shù)語(yǔ))和詞匯間相互關(guān)系的明確定義，通過(guò)概念之間的關(guān)系來(lái)描述概念的語(yǔ)義。基于本體的語(yǔ)義標(biāo)注利用由專家定義好的本體支持內(nèi)容創(chuàng)建者在Web頁(yè)中添加語(yǔ)義元數(shù)據(jù)，使其內(nèi)容能被人和機(jī)器所理解，與大眾標(biāo)注相比較這是一種自頂向下的分類法。利用語(yǔ)義標(biāo)注工具對(duì)現(xiàn)有的大量Web信息進(jìn)行標(biāo)注，將使得Web頁(yè)的內(nèi)容成為機(jī)器可識(shí)別的數(shù)據(jù)，從而構(gòu)成語(yǔ)義Web的基礎(chǔ)。

　　OgeMarques等認(rèn)為語(yǔ)義網(wǎng)的成功在于能夠在Web頁(yè)面及其構(gòu)成上作語(yǔ)義標(biāo)記，且是以低成本的、采用一致性結(jié)構(gòu)和本體的方式。他們著力于圖像語(yǔ)義標(biāo)注的智能方式，并提出三層結(jié)構(gòu)。底層組織是從原圖像內(nèi)容中抽取的信息，這些信息映射中間層有語(yǔ)義的關(guān)鍵詞，而這些關(guān)鍵詞又聯(lián)系著頂層的結(jié)構(gòu)和本體。他利用機(jī)器學(xué)習(xí)算法作用戶自助的、半自動(dòng)的圖像標(biāo)注，可以加快相同領(lǐng)域本體圖像的標(biāo)注，并且改善標(biāo)注圖像以后的查詢和檢索。

　　在Web服務(wù)方面，下一代網(wǎng)絡(luò)語(yǔ)義標(biāo)注下的軟件代理能比目前的軟件代理更快地抽取和翻譯Web內(nèi)容。Web服務(wù)中的語(yǔ)義標(biāo)注能夠促進(jìn)服務(wù)發(fā)現(xiàn)，也能夠促進(jìn)服務(wù)組合轉(zhuǎn)化為工作流。但目前僅有少量的服務(wù)標(biāo)注被廣泛應(yīng)用，這就使得這種語(yǔ)義標(biāo)注仍然受限。Khalid Belhajjame等基于操作參數(shù)之間的聯(lián)系，在工作流中反復(fù)試驗(yàn)，推斷關(guān)于操作參數(shù)的相關(guān)語(yǔ)義信息。雖在開(kāi)放的上下文環(huán)境中只能推斷參數(shù)語(yǔ)義的約束，但這些松散的標(biāo)注在工作流、標(biāo)注、本體中檢測(cè)錯(cuò)誤仍然有價(jià)值，在簡(jiǎn)化手工標(biāo)注的任務(wù)中也很有價(jià)值。

　　2　比較分析

　　專業(yè)人員創(chuàng)建元數(shù)據(jù)最主要的問(wèn)題是內(nèi)容擴(kuò)展時(shí)的可擴(kuò)性和可行性問(wèn)題，尤其是在萬(wàn)維網(wǎng)中。并且專業(yè)的編目系績(jī)工具對(duì)于沒(méi)有專門培訓(xùn)和知識(shí)的人來(lái)說(shuō)太復(fù)雜;作者創(chuàng)建元數(shù)據(jù)也有問(wèn)題，經(jīng)常出現(xiàn)不恰當(dāng)、不準(zhǔn)確的標(biāo)注，或者完全是虛假標(biāo)注。

　　采用聚類分析方法對(duì)用關(guān)鍵詞或自由詞標(biāo)引的檢索系統(tǒng)中的詞表建立詞間關(guān)系，可以形成語(yǔ)義網(wǎng)提高系統(tǒng)檢索效率，達(dá)到語(yǔ)義控制的目的。但漢語(yǔ)詞條高達(dá)數(shù)百萬(wàn)條使得待聚類的Web文檔特征詞條一權(quán)重矩陣的維數(shù)過(guò)高，增加了聚類算法的復(fù)雜度，因此空間維數(shù)較高或詞與詞間呈現(xiàn)較強(qiáng)的相關(guān)性時(shí)聚類質(zhì)量和算法的性能會(huì)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(yǔ)義標(biāo)注(LatentSemanticIndexing—LSI)的Web文檔自動(dòng)分類，即對(duì)Web文檔采用最優(yōu)聚類準(zhǔn)則進(jìn)行聚類，使得獲得的特征向量具有較低的維數(shù)和更好的分類特征。

　　亞當(dāng)·馬斯認(rèn)為大眾標(biāo)注將取代以往由專家控制的元數(shù)據(jù)編輯管理。Marieke Guy認(rèn)為大眾標(biāo)注指的就是關(guān)鍵詞、標(biāo)簽、元數(shù)據(jù)，是由使用資源的社區(qū)創(chuàng)建的自然語(yǔ)言，術(shù)語(yǔ)間不存在層次結(jié)構(gòu)，沒(méi)有特定的父子與兄弟關(guān)系，有反饋現(xiàn)象，是種類而非分類。

　　而在語(yǔ)義標(biāo)注中人們將本體引入標(biāo)注系統(tǒng)用于知識(shí)的組織。之所以將ontology引入網(wǎng)絡(luò)信息資源組織領(lǐng)域，是因?yàn)閛ntology的研究著眼于更加寬泛的空間——即為人類認(rèn)識(shí)活動(dòng)構(gòu)建頂層概念框架;ontology更加突出知識(shí)共享的功能，更著眼于給出人類事物認(rèn)識(shí)的知識(shí)(或領(lǐng)域知識(shí))總框架，以期待將Internet上的信息資源組織成一個(gè)語(yǔ)義網(wǎng)、知識(shí)網(wǎng)，以最大程度實(shí)現(xiàn)Internet信息資源的有效利用。

　　3　評(píng)價(jià)

　　正如David welnberger所述，大眾標(biāo)注法不同于傳統(tǒng)分類法，最重要的地方表現(xiàn)在傳統(tǒng)分類法是自頂向下的、有層次的，而大眾標(biāo)注法是自底向上的，沒(méi)有層次的。如果說(shuō)傳統(tǒng)的分類法所得的是棵分類樹(shù)，那么大眾標(biāo)注法只是將由用戶自創(chuàng)建的葉子堆到了一起。語(yǔ)義標(biāo)注所依賴的本體也是一種自頂向下分類法，所以從這點(diǎn)來(lái)看，可以將語(yǔ)義標(biāo)注與傳統(tǒng)分類法歸為一類，即都是使用受控詞匯的分類法。但是語(yǔ)義標(biāo)注不僅增加了可控性，更由于本體的介入獲得了標(biāo)注中使用語(yǔ)義的便捷性。

　　在大眾標(biāo)注法中可以考慮在用戶添加標(biāo)簽后，利用人工智能和ontology的方法對(duì)標(biāo)簽進(jìn)行分析定位，并向用戶顯示其所處的樹(shù)狀，甚至網(wǎng)狀的知識(shí)體系結(jié)構(gòu)，方便用戶從整體上認(rèn)識(shí)問(wèn)題。這做到了大眾標(biāo)注自底向上與ontology自頂向下的結(jié)合。

　　4　結(jié)語(yǔ)

　　標(biāo)注對(duì)開(kāi)發(fā)者而言可以更好地組織信息，對(duì)用戶而言可以更好地檢索信息。傳統(tǒng)網(wǎng)絡(luò)，Web2.0中的標(biāo)注都需要ontol-ogy的引入，需要語(yǔ)義標(biāo)注的參與。目前在語(yǔ)義標(biāo)注方面也已經(jīng)有應(yīng)用研究出現(xiàn)，但語(yǔ)義標(biāo)注的發(fā)展需要ontology的深度介入。不過(guò)，作為底層支持的ontology自身研究進(jìn)展緩慢，尤其是國(guó)內(nèi)仍然研究多于應(yīng)用，這給語(yǔ)義標(biāo)注的發(fā)展造成瓶頸。我們期待語(yǔ)義標(biāo)注更全面的發(fā)展，以促進(jìn)語(yǔ)義網(wǎng)絡(luò)更快速的進(jìn)步，從而能更便捷地為人所用。