论文部分内容阅读
随着互联网技术的发展,Web上出现了大规模的用户和数据。对Web2.0时代海量信息进行有效的组织和分析,可以为用户提供更好的服务,具有非常重要的意义。树状标签系统就是对这些信息进行分析和组织的有效方法之一。树状标签是一种用树形结构的标签来组织文本信息的系统。标签是一组与文本信息相关性很强的关键字,用来描述文本的类别、主题等信息,而树状的结构则对标签之间的语义依赖关系进行相应的组织和构建。 本文的研究内容主要有以下几个方面:首先对合作标签网Delicious中的数据进行分析,研究了标签在分布上的一些特性,揭示了标签和一些开放性词典的关系,进而提出了构建类别标签树和内容标签树的方法以及将文本映射到类别标签树和内容标签树的方法,最后设计并实现了一种按照树状标签来组织文本信息的检索系统。具体而言,类别标签树和内容标签树分别由ODP以及WordNet和Wikipedia构建而成。ODP是开放词典系统的简称,是目前网上最大的人工编制的分类检索系统。本文对ODP的结构进行了分析,通过对其进行裁剪和微调,实现了类别标签树的构建,同时研究了将文本映射到类别标签树的方法。研究主要考虑了类别标签树的构建,非层次分类、层次分类在效果上的差别,贝叶斯分类器及其改进等问题。WorkiNet是一个将WordNet和Wikipedia结合而成的树状语义词典,它同时具备了WordNet科学合理的语义层次结构以及Wikipedia丰富且时效性高的信息,兼具二者之长。本文使用WorkiNet作为内容标签树,主要研究了内容标签树的构建方法,基于语义相似度的匹配,以及将文本映射到内容标签树的方法等问题。 本文的研究具有以下意义:首先,本文提出的算法可以对文本信息进行标签标注,使用标签可以准确的对文本信息进行描述,提高文本分析的效果。其次,本文提出了构建内容标签树和类别标签树的方法,对标签之间的语义依赖关系进行了组织,便于对文本信息进行主题分析。再次,本文提供了将文本信息映射到树状标签系统的方法,使得该系统可以方便的移植到其他Web2.0应用中去。