[论文解读] Folksodriven Structure Network

Massimiliano Dal Mas|arXiv (Cornell University)|Sep 14, 2011

Data Visualization and Analytics参考文献 7被引用 8

一句话总结

本文提出了一种「用户驱动结构网络」，通过网络理论建模分类法，实现结构化、用户共享的上下文表示。通过分析用户生成内容中的标签共现情况，该网络展现出较短的路径长度和较高的聚类系数，有助于意外的内容发现，并为本体映射挑战提供可扩展的解决方案。

ABSTRACT

Nowadays folksonomy is used as a system derived from user-generated electronic tags or keywords that annotate and describe online content. But it is not a classification system as an ontology. To consider it as a classification system it would be necessary to share a representation of contexts by all the users. This paper is proposing the use of folksonomies and network theory to devise a new concept: a "Folksodriven Structure Network" to represent folksonomies. This paper proposed and analyzed the network structure of Folksodriven tags thought as folsksonomy tags suggestions for the user on a dataset built on chosen websites. It is observed that the Folksodriven Network has relative low path lengths checking it with classic networking measures (clustering coefficient). Experiment result shows it can facilitate serendipitous discovery of content among users. Neat examples and clear formulas can show how a "Folksodriven Structure Network" can be used to tackle ontology mapping challenges.

研究动机与目标

• 为解决传统分类法中缺乏共享上下文表示的问题，传统分类法并非像本体那样正式的分类系统。
• 探究是否可将分类法数据结构化为一种支持有意义导航与内容发现的网络。
• 评估聚类和路径长度等网络特性是否能增强对相关联内容的意外发现。
• 证明可利用基于分类法的网络解决本体映射任务的可行性。
• 为建模用户生成标签为可导航、上下文感知的网络结构，提供正式框架。

提出的方法

• 将用户生成的标签建模为网络中的节点，边代表同一内容项上标签的共现。
• 应用网络理论指标——特别是聚类系数和平均路径长度——分析所得分类法网络的结构性质。
• 从选定网站收集的真实数据集中构建用户驱动结构网络，以验证其结构性行为。
• 使用清晰的数学公式表示标签关系与网络拓扑，支持正式分析。
• 通过测量标签之间路径查找的效率来评估网络的可导航性，表明其在推荐与发现方面的潜力。
• 展示如何通过识别标签网络中的结构性相似性，利用该网络实现不同本体之间的映射。

实验结果

研究问题

• RQ1 能否将分类法数据转化为一种支持高效内容导航的结构化网络？
• RQ2 此类网络是否表现出小世界特性，如短平均路径长度和高聚类系数？
• RQ3 该网络在多大程度上能支持对相关联内容的意外发现？
• RQ4 能否利用网络结构解决跨不同分类系统之间的本体映射问题？
• RQ5 用户共享的标签关系在协作标签环境下在多大程度上反映了共享的上下文理解？

主要发现

• 用户驱动结构网络表现出相对较短的平均路径长度，表明标签之间的导航效率较高。
• 该网络展现出较高的聚类系数，表明相关标签之间具有较强的局部连接性及社区形成能力。
• 这些结构性质支持意外的内容发现，用户可通过短路径轻松从一个标签导航至语义相关的其他标签。
• 该网络模型为通过标签共现实现跨用户共享上下文理解提供了一个正式且可扩展的框架。
• 该方法通过对不同领域中分类法网络的结构模式进行对齐，为本体映射提供了实用解决方案。
• 理论公式与实证分析共同证实，该网络可被用于推断语义关系，而无需依赖预定义的本体。