[论文解读] Emergent Community Structure in Social Tagging Systems

Ciro Cattuto, Andrea Baldassarri+2 more|ArXiv.org|Dec 3, 2008

Complex Network Analysis Techniques参考文献 6被引用 4

一句话总结

本文提出一种方法，通过基于集体标签模式定义资源距离，检测社交标签系统中的涌现语义社区。利用 del.icio.us 的数据，构建了资源的加权网络，并应用谱聚类揭示了政治、设计和网页开发等明显且语义一致的社区，表明未经协调的用户标签行为会产生有意义且可检测的社区结构。

ABSTRACT

A distributed classification paradigm known as collaborative tagging has been widely adopted in new Web applications designed to manage and share online resources. Users of these applications organize resources (Web pages, digital photographs, academic papers) by associating with them freely chosen text labels, or tags. Here we leverage the social aspects of collaborative tagging and introduce a notion of resource distance based on the collective tagging activity of users. We collect data from a popular system and perform experiments showing that our definition of distance can be used to build a weighted network of resources with a detectable community structure. We show that this community structure clearly exposes the semantic relations among resources. The communities of resources that we observe are a genuinely emergent feature, resulting from the uncoordinated activity of a large number of users, and their detection paves the way for mapping emergent semantics in social tagging systems.

研究动机与目标

• 调查社交书签系统中未经协调、无政府状态的用户标签是否会产生涌现的语义结构。
• 基于社交标签模式而非显式元数据，提出一种资源相似性的概念。
• 利用集体标签活动构建资源的加权网络，并通过谱方法检测社区结构。
• 通过标签云分析验证检测到的社区是否对应有意义的语义分组。
• 证明分类法可以作为在线资源的自下而上、社会驱动的语义地图。

提出的方法

• 基于用户间共享标签的 Jaccard 指数定义资源距离度量，捕捉集体标签行为的相似性。
• 构建一个边权重反映共享标签活动程度的加权无向资源网络。
• 对资源网络应用谱聚类，基于拉普拉斯矩阵的特征向量检测社区。
• 使用标签云可视化方法，通过相关标签的频率和语义相关性来表征每个检测到的社区。
• 将分析限制在一组经过筛选的语义上不同的标签，以确保可检测的社区结构。
• 使用网络爬虫从 del.icio.us 提取现实世界的标签数据，重点关注资源-标签-用户三元组。

实验结果

研究问题

• RQ1 尽管缺乏用户行为的协调，是否仍能在社交标签系统中检测到涌现的语义社区？
• RQ2 基于集体标签模式的相似性度量是否能揭示资源网络中有意义的结构组织？
• RQ3 检测到的社区是否具有语义一致性，表现为独特且可解释的标签模式？
• RQ4 社区结构与资源的语义内容有何关联？
• RQ5 谱聚类是否能有效揭示分类法数据中隐藏的语义分组？

主要发现

• 基于集体标签模式构建的资源网络，通过谱聚类可清晰检测到可识别的社区结构。
• 最大的社区对应于不同的语义领域：政治与设计，其中子社区如政治博客和网页设计也已浮现。
• 标签云分析确认，每个社区均以主导的语义主题为特征，字体大小与标签频率成正比。
• 该方法不仅能识别主要分组，还能发现更细致、语义上明确的子社区。
• 结果表明，未经协调的用户标签行为会产生真正涌现的、基于社会的资源语义地图。
• 该方法揭示，分类法可作为在线系统中稳健的、自下而上的语义组织机制。