论文部分内容阅读
〔摘要〕[目的/意义]调研显示，大众分类法是造成豆瓣网中信息过载的主要原因，但国内尚未发现针对性研究。[方法/过程]通过问卷星调研大众分类法对豆瓣网中信息过载的影响，并利用SPSS、EXCEL等软件对搜集的数据进行分析、整理。[结果/结论]通过分析数据得出以下主要结论：豆瓣网中的分类体系不能满足用户基本需要；大众分类法在豆瓣网中的应用存在多种问题，如同义词标签过多和标签专指度不高等。在此基础上，本文提出了一种优化大众分类法的策略，并探讨了其实施方案。
〔关键词〕大众分类法；豆瓣网；信息过载；标签优化
DOI：10.3969/j.issn.1008-0821.2016.09.013
〔中图分类号〕G2541〔文献标识码〕A〔文章编号〕1008-0821（2016）09-0074-08
〔Abstract〕[Purpose/Significance]The research showed that Folksonomy was the main reason for causing the information overload in Douban.com，but it was not yet found a targeted research in domestic.[Methods/Process]Researched the effect of Folksonomy for information overload in Douban by Questionnaire Star，and used SPSS and EXCEL to analyze and sort collected data.[Result/Conclusion]By analyzing data this paper draw the following conclusions：the classification system in Douban could not meet the basic needs of users；the application of Folksonomy in Douban existed kinds of problems，such as too many synonyms tags and low specificity tags.And on this basis，this paper put forward a Folksonomy optimization strategy and discussed its implementation.
〔Key words〕folksonomy；Douban.com；information overload；tag optimization
随着网络技术的飞速发展，网络信息层出不穷。目前网络已经进入到了信息双向交互时代，由网络使用者创造发布的信息占据着部分市场。为了方便用户对网络中各种信息资源的分类和管理，一种以用户为中心的信息组织方法——大众分类法应运而生。大众分类法是“由大众的意见一致而产生的基于用户的分类体系”，也有人称其为社会化分类法、分众分类法、通俗分类法等[1]。 大众分类法在网络信息时代有着比较广泛的应用，例如QQ书签、Google书签等社会化书签；新浪、网易和腾讯博客；各种论坛、公告栏和个人空间等网络社区；还有Youtube、土豆等图片及视频分享网站[2]。其中国内最典型的利用大众分类法进行信息分类组织的网站是豆瓣网。
豆瓣网是目前国内非常典型的一个基于Web20的门户网站，拥有豆瓣读书、豆瓣电影、豆瓣音乐、豆瓣同城、豆瓣小组、豆瓣阅读和豆瓣东西等多种应用社区。在豆瓣网中用户可以根据自己的想法对某个内容贴上标签，其中的高频标签会被选出作为信息资源的标识，其他用户便可以根据统计出的高频标签进行查询。豆瓣网的存在实现了以用户为中心的信息组织方式，体现了个性化的信息服务需求，其灵活性和共建共享的特色吸引着广大用户。但是豆瓣网也存在着一些不可避免的缺点，如等级分类体系不明确、标签专指度不高、标签同义词重现等。
从豆瓣网的使用可以发现，大众分类法分类体系不明确、标签含义模糊，使用户在查询所需信息时效率低下，无法获取有效信息，从而造成了信息过载的现象。基于该种问题本文对用户进行了相关调研，通过调查分析豆瓣网中信息量的现状、用户对现有分类体系的满意程度和标签机制的使用情况，提出了有针对性的优化大众分类法的措施，旨在通过优化大众分类法以防控使用该组织方法的网站出现信息过载的问题。
1国内外研究现状综述
11国内外大众分类法研究现状综述
大众分类法起源于西方，是由美国信息构建专家Thoma s Vander Wal和Gene Smith在2004年8月首先提出来的[2]。国内外关于大众分类法的相关研究大致集中在4个方面，即基础理论、技术、开发应用、实证研究。其中国内较重视理论基础和开发应用，而国外则致力于技术层面和实证应用[3]。如刘洋从大众分类法的概念、模式、特点出发，总结了目前大众分类法的应用现状并分析了它在科研领域、电子商务领域及电子政务领域应用的可能[2]；吴超总结了利用大众分类法进行网络信息组织的优势，并指出其具有广泛的应用前景[4]；Cameron Marlow等研究了大众分类法的特定运行环境，分析了该系统的结构特征和基本元素[5]；Hak Lae Kim等学者对Folksonomy在语义网中的应用进行了研究，在标签中建立起概念层，进行形式化的概念分析，在添加博客的标签时，实现了一种具有上下文关系的Folksonomy新方法[5]；Scott Bateman研究了怎样在e-Learning系统中应用Folksonomy[5]；Arch Xan提出了创建大学图书馆Folksonomy的设想[5]。 12国内外信息过载研究现状综述
对信息过载问题的研究始于20世纪的西方国家，后因互联网络的飞速发展，大量混杂信息充斥在人们的生活中为其带来了不便，人们才逐渐意识到信息过载给人们带来的危害。国内外研究信息过载主要是从其产生的原因、对用户的影响以及避免信息过载的有效措施等方面展开。如Mark Nelson认为，信息过载是因为人们因某种因素而无法从众多信息中萃取出想要的信息[6]；Wheelwright等人认为，信息过载会影响交换和处理信息的速度和个人工作的专心程度，因此会对个人完成任务的效率和质量产生负面影响[7]；王娜等人分析了信息过载产生的原因和可能造成的危害，并提出了利用个性化推荐机制来进行信息过载的防控[8]。
13研究现状评述
由国内外研究现状综述可见，现有的研究缺乏关于大众分类法对于信息过载影响的探讨，但是随着大众分类法的广泛应用及信息过载的日益严重，这个研究方向对于进一步优化信息组织方式以达到控制信息过载非常重要，因此本文认为应该就该方向展开研究。在国内豆瓣网是使用大众分类法的典型代表，用户群体数量较大，因此本文选取豆瓣网为例，以问卷调查的方式针对用户对豆瓣网中信息量的感受、查询信息时效率的高低、标签机制使用情况等问题来进行调查研究，并针对调查结果提出了优化大众分类法的建议，以期通过该次调研对现有网络环境及未来泛在网络中信息组织方式的选择和对信息过载的防控提供一定的参考。
2调查问卷的设计与实施
21调查问卷的设计
211问卷设计的理论基础
Martin JEppler及Jeanne mengis两位学者，将（组织）信息过载产生的原因区分为个人因素、信息特质、任务及过程因素、组织设计及信息科技五大类别[9]。其中，本文主要研究的是信息的组织设计对信息过载产生的影响，即采用大众分类法对信息过载的影响。在评价大众分类法的应用情况时，主要考虑了其中的信息分类方式和标签的运用。因此，本次调查在设计问卷时先简要调查了豆瓣网本身的信息数量、质量对用户利用信息的影响，即信息过载的情况；然后主要调查了豆瓣网中的分类体系和大众分类法下标签机制在信息组织方面的效果，包括了对标签专指度、标签同义词等的研究，用于分析信息组织设计与信息过载间的关系。
212问卷的构成
本次调查问卷由以下5部分组成：（1）豆瓣网用户的基本信息调研。这部分设置了1道问题，即调查用户的学历情况。（2）用户对豆瓣网所提供信息的看法。这部分是针对用户对豆瓣网中信息使用情况的调查，由5道题组成，包括对信息量的感受、查询信息时的感受、查询到的信息对自己的帮助、所耗费的时间、对推荐信息的态度和主要利用哪些功能获取信息。（3）调查用户对豆瓣网中分类体系的看法，由3道题组成，包括对现有分类体系和多级分类体系的满意度、是否产生困扰。（4）调查大众分类法下标签的使用情况。由3道题组成，包括标签专指度情况、贴同义标签的原则和用户对提出的标签优化法的接受情况。（5）设置了两道开放题，分别调查用户认为在豆瓣网进行信息分类时需要改进的地方和用户如何对豆瓣网中的内容贴标签。
22调查的实施情况与信度效度分析
221调查的实施情况
本次调查是通过“问卷星”平台对网络用户进行的在线调查，调查面向所有网民，跨湖北、北京、江苏、广东、河南、浙江、福建、上海、辽宁、四川、湖南、天津、重庆、陕西等30个地区。本次问卷调查共收集问卷521份，其中有效答卷492份，占问卷总数的9443%。学历层次分布比较广泛，被调查者的学历在本科以上的达到了8331%，如图1所示。图1调查对象受教育程度分布
222信度效度分析
本文利用SPSS210进行了重测信度分析，旨在分析两次测量选项频率分布的一致性程度。本次调查用同样的问卷对相同100名用户间隔3个星期做了重复测试，计算两次结果的相关系数为0926（相关系数值在08以上为信度良好），说明本问卷具有较高的信度。在进行问卷的效度分析时，本文采用表面效度法对问卷进行评判，问卷测量的内容与测量目标相符，题目之间具有较强的逻辑结构，且题目难度由浅至深，选项设计合理，没有遗漏。因此，问卷具有较高的效度。
3调研结果分析
31对豆瓣网中信息数量和质量的分析
311用户对豆瓣网中信息量感受的分析
为了调查用户对豆瓣网信息量的看法，本文对问题“您对豆瓣网信息量的看法”的调查结果进行了统计。608%的用户认为豆瓣网中信息量合适，2016%的用户认为信息量较多，只有19%的用户认为信息量较少（如图2所示）。由此可知用户对豆瓣网中的信息量比较满意，信息量总量并没有给用户造成很大的困扰。
在豆瓣网中查询信息时所花费的时间也能够作为衡量信息量的一个指标，从侧面反映出用户在查询信息时的效率感受。当被问及“您在豆瓣网中查询信息时所耗费的时间”时，572%的用户认为耗费的时间适当，2438%的用户认为耗费的时间较少，只有1843%的用户认为耗费的时间较多。说明用户在豆瓣网中查询信息所耗费的时间在大多数人的耐受范围之内。
312用户查询信息的感受分析
豆瓣网是用户平常获取书籍、电影、音乐等作品信息的重要渠道，也是用户发布自己观点和意见的关键平台。所以在豆瓣网中查询信息时的感受和信息对用户的帮助直接决定了用户获取信息的效率。图4中的数据反映了3628%的用户会找到很多但是无关的信息，3608%的用户能快速找到所需信息，2265%的用户会找到很多重复的信息，499%的用户完全找不到所需的信息。约翰·奈斯比特所指出“大量无序的信息，不是资源，而是灾难。”[10]可见，大部分的用户在豆瓣网中查询信息时会面临一些困扰。
313对推荐信息的态度 随着网络技术的不断发展，用户在获取信息时也更偏向于个性化、独特化。豆瓣网针对这一现象也开展了个性化推荐服务，但是实际效果却不尽如人意。当被问及“对豆瓣网中大量的推荐信息持什么态度”时，7274%的用户选择了大概浏览，只会选择自己感兴趣的仔细查看；2150%的用户不会查看；只有576%的用户会仔细查看推荐信息。
从用户查询信息和网站推送信息方面来说，豆瓣网的信息对用户来说确实存在过载的现象。然而根据调查数据可知，用户对豆瓣网中的信息量比较满意，说明信息的数量并没有给用户造成困扰，因此本文推断导致豆瓣网中出现信息过载的主要原因是其所采用的信息组织体系即大众分类法。
32对豆瓣网中分类体系的调研
321现有分类体系满足用户需要的程度
网络中信息资源总量极大且种类丰富繁多，用户想要在如此庞大的信息资源中找到自己需要的绝非易事，因此针对信息内容构建相应的分类体系尤显重要。针对问题“豆瓣网现有的分类体系能否满足用户的分类需求”，6852%的用户认为能够满足他们的需要，而其余的3148%的用户认为现有的分类体系不能满足（如图6所示）。为了进一步研究该问题，本次调查专门了解了用户对目前豆瓣网所采用分类体系的使用效果，结果显示其中有5336%的用户认为这种方式给他们查找信息造成一些困扰，4223%的用户认为没有困扰，441%的用户认为有很大困扰（如图7所示）。可见豆瓣网中的分类体系还不够成熟，不能迎合绝大多数用户的喜好。
322用户对多级分类体系的接受程度
为了了解用户对多级分类体系的接受程度，本文设置了问题“对于58同城中的多级分类体系对于用户查询所需信息时的方便程度”，并参照5度李克特量表的标准，分别设置了1、2、3、4、5分，分值越高，说明用户认为其便利程度越高，数值越低，代表其便利程度越低。并按照均值所属范围将便利性归为很弱（<32）、较弱（32～34）、中等（34～36）、较强（36～38）、很强（>38）6个等级。按照标准算得此次调查的均值为33092，即用户对多级分类体系的接受程度较弱。
323用户在豆瓣网中主要使用的功能
对问题“您平常主要利用豆瓣网的哪些功能”的数据进行分析，发现6718%的用户主要利用阅读、看视频等获取多媒体信息的功能，643%的用户喜好书评、影评等评论功能，3225%的用户利用豆瓣小组中的讨论功能，2706%的用户利用热门事物推荐功能，只有845%的用户利用共同兴趣交友功能（如图9所示）。由此可见用户利用豆瓣网主要是实现获取信息和发表言论等功能。
33大众分类法下的标签机制对信息过载的影响
331用户在贴同义标签时的态度
Web20倡导因特网是大众的因特网，它降低了个人参与网络信息发布和交流的技术门槛，构建了平等、开放、大众参与的网络平台[11]。用户的任何想法和意见都可以随时在网络上发布，在宣泄自己情感的同时也会对他人的思想活动造成影响。特别是在豆瓣网中添加标签这一举动，添加标签的动机和客观性会对他人查找信息有很大影响。在分析“您在豆瓣网中贴标签时若遇到同义词，您会怎么做”这一问题的调研数据时，发现有649%的用户选择随意添加一个，1862%的用户选择放弃标记，1689%的用户选择自己添加。由此可见大部分的用户对待同义词的态度都比较随意，这对提高标注的准确性来说非常不利。
332用户对标签专指度的看法
标签的专指程度在很大程度上决定了用户查询信息的准确性。若一个标签能够准确描述一个事物，那么用户在查询时就不会受到其他无关信息或冗余信息的干扰。在分析“您认为豆瓣网中的标签专指程度（指检索标识与主题概念的相符程度）如何”时，本文同样参照了5度李克特量表的标准设置分值，如图11所示。按照标准算得此次调查数据的均值为31818，即用户认为豆瓣网中现有的标签专指度很弱。图11用户对标签专指度的态度
333用户对标签优化法的态度
本文根据豆瓣网的实际情况在问卷中提出了一种标签推荐机制，即用户在上传内容之后由系统或是其它用户为你推荐更合适的标签，询问用户是否会进行修改。有7102%的用户选择视情况来修改标签，1958%的用户选择会修改，只有94%的用户选择不会修改。从数据中可以看出这种标签推荐机制存在很大的发展潜力。
34开放式问题结果分析
341豆瓣网对内容分类的改进
在这道开放式调查问题中，搜集了有关用户对豆瓣网内容分类的改进意见。在经过统计分析之后，主要总结出了以下几点：
（1）对类目的划分要更加细致，现有的分类比较粗糙，不能满足用户查找信息时的需求。
（2）在主页面上删减不必要的模块，使页面简洁，便于信息的查找。
（3）分类可以更加多元化，为用户量身制定合适的内容分类方法。
342用户在贴标签时的做法
在本道题目中，根据用户的回答搜集了用户在豆瓣网中对信息“贴标签”时自己的一些方法和准则，主要总结出了以下几点：
（1）一方面参考他人的标签贴法，但主要还是根据自己的兴趣和看法来贴标签。
（2）大部分用户只根据自己主观感觉，随意添加。
（3）只有极少部分用户会仔细研究标签分类，根据内容进行划分。
从用户贴标签的方法可以看出多数用户并没有自己的分类准则，而是根据自己当时的主观感受、对内容的理解和自己的兴趣爱好来决定。这种贴标签方法大大降低了标注行为的准确程度，因为每个个体对于同一事物的认知都带有一定主观性，即便同一个人对同一事物在不同时期的认知都未必相同。
4研究结果与建议
41研究结果
通过对调查数据的分析，本文得出以下研究结果： （1）用户在使用豆瓣网时，对其信息量及查询信息资源所用时间较为满意，但会找到很多无关的信息且推荐信息不能迎合用户的兴趣，因此说明存在信息过载。且推断导致信息过载现象的主要原因是信息的组织方式。
（2）现有的分类体系即大众分类法不能满足用户需求，且为用户带来了较多的困扰，用户较喜好多级分类体系，即验证了前面的推断，信息组织方式是导致信息过载的一大原因。因此本文认为在对豆瓣网中类目的划分上可以融合大众分类法与多元划分法的思想，使大众分类法更加细致。
（3）现有的大众分类法中存在多种问题，如：同义词标签过多、标签专指度不高、用户贴标签时带有主观随意性。由调研数据可知，用户对本文提出的标签优化方法持积极态度，该种标签优化方法具有较好的发展前景。
42大众分类法优化方案
鉴于以上研究结果，本文尝试性地提出了一种优化目前大众分类法的方案，用于解决信息过载现象，如图13所示。首先，由用户根据自己想要标注的信息资源的内容提出标签，并在系统标签库中选择相应的一级和二级分类，然后将标签移交至三级体系中处理；系统在标签库的三级体系中利用以词素为单位的基于语义的同义词识别算法，对同义标签进行判定，并将结果反馈给用户；为了进一步提高标签的专指度，系统将呈现其他用户推荐的标签供标签上传者有针对性的修改。且其他用户推荐的标签都要经过系统将其与信息资源内容的标题进行匹配，确保推荐标签具有一定意义。图13优化后大众分类法框架体系流程图
421等级分类式标签库的建立
调研显示用户更为偏好多级分类体系，且认为现在豆瓣的类目划分不够细致，因此本文在构建新框架的标签库中可将标签分为三级。包括一级、二级和三级标签体系。在一级标签体系中，保留豆瓣网现有的分类方式将体系划分为：读书、影视、音乐、艺术、生活、兴趣与收藏、情感、学术、商业与财经、互联网与技术、体育和地域等12项；在二级标签体系中将对一级标签体系中的类目进一步细分，如：将“生活”细分为“美容”、“美食”、“服饰”、“健康”等等；在三级标签体系中就是描述内容的具体标签（如图14所示）。
422同义标签控制体系的建立
豆瓣网中的同义标签是指含义相同但是表述不同的标签，这些标签在语义上可以互相替代，重复的标签日积月累就会占用大量的后台资源，同时也会给用户标注带来困扰，使用户在为某一信息资源选择合适的标签时陷入困境。为了缓和调研结果中提到的大众分类法中同义词标签过多的现象，本文在标签库的基础上提出了一种同义标签控制体系，这种控制体系可以显著的减少同义词标签，提高标注的准确性，如图15所示。具体的处理可以遵照以下流程：
（1）由用户提出新的标签并在标签库中选择符合的一级和二级体系。
（2）将标签移交至相应的三级标签库中进行同义标签的判定。
（3）若标签库中存在与新标签同义的标签，则将这个同义标签推荐给用户。
（4）若标签库中不存在与新标签同义的标签，则将新标签纳入标签库中，并允许用户使用该标签。
目前，较为成熟的利用计算机辅助识别自然语言中存在的大量中文同义词的方法主要有两种：以单汉字为单位的字面相似度测定和以词素为单位的字面相似度测定。以单汉字为单位的字面相似度算法只适用于由纯汉字构成的词汇，不适用识别纯粹由非汉字构成的词汇，但豆瓣网中的标签不全由纯汉字构成，因此本文认为可以采用朱毅华[12]提出的以词素为单位的基于语义的同义词识别算法，其主要思想为：
首先，建立豆瓣网中常用词素的语义词典，对识别词进行切分，在此基础上以词素为单位，以相似性原理为依据，将词素的字面形式转换为语义代码进行相似度判别，在考虑词组的结构关系的前提下进行同义词识别。在其中还引入了表达度这一概念，表示词的部分对整体涵义所起的作用大小，据此进行加权。假设待匹配词ctrlword的信息量总和为A；匹配词keyword的信息量总和为B；两词中表示相同语义的信息量为C1和C2；共同部分C1对A的表达度为x，C2对B的表达度为y。根据这些条件可得：
x=C1A，y=C2B
则相似度为：
xsd=21x 1y（x、y不为0）
例如计算“经济信息管理”与“商业信息管理”两词的相似度：
（1）词素切分。分别将两词切成词素，“经济信息管理”切分为“经济”、“信息”、“管理”；“商业信息管理”切分为“商业”、“信息”、“管理”。
（2）找到相同部分为“信息”与“管理”。
（3）权重计算。使用权重后移原理分配权重，即按照词素所处位置从左向右从小到大依次分配权重。则“信息”在“经济信息管理”中的权重为2，“管理”为3；“信息”在“商业信息管理”中的权重也为2，“管理”也为3。
按照上述公式计算可得：
x=2 31 2 3=56
y=2 31 2 3=56
xsd=21x 1y=265 65=56=8333%
所以两词的相似度是8333%。相似度阈值的确定可以从以下几个方面来考虑：
423标签推荐机制的实现
由调研结果可知，用户对豆瓣网中标签的专指度并不满意，许多标签并不能揭示或代表信息资源的实质，因此要汇集大众的智慧提高标签专指度，从根本上解决这一问题。如图16所示即为标签推荐机制体系示意图。当用户阅读某一信息资源之后将会结合自己的经验为其提出合适的标签，系统会将用户推荐的标签移交至标签库的三级标签体系中进行修正，即搜寻标签库中与推荐标签含义最为相近的；同时将此标签与信息资源的关键词进行匹配（对于多媒体资源等不好确定关键词的信息资源，将在后文中提出解决方案），同样是采用上文中提出的同义词识别算法。若匹配成功则将此标签推荐给用户；若匹配不成功，则隐藏该推荐标签。标签推荐的次数由后台服务器进行计算，最终用户要将其中的高频推荐标签作为新标签使用，鉴于豆瓣网中对标签数量的限制，系统将统计出的前5个推荐给用户。这种方法可以从本质上提高标签的专指度，优化大众分类法的应用。 424针对多媒体资源标签的优化方案
在用户上传图片、视频等多媒体资源时，要求用户必须填写一段对于上传内容的文字性描述。用户添加的文字性描述就是所上传的多媒体资源的主要内容。因为此时的文字性描述很可能只是上传者对于当时所处环境或个人心情的一段简短表述，只有配以图片或视频等才可以传达出真正的信息，所以这时不能利用关键词检测来确定主要内容。但是这种情况下仍可以实施文章中提出的标签推荐机制。其他用户在看到上传的多媒体资源和文字性的内容描述之后可以根据自己的理解推荐标签，高频推荐标签即作为内容标识。这种方法汇集了大众的智慧，避免了上传者主观的想法导致标签运用不恰当造成的标签专指度不高，混淆用户的选择等弊端。
5结语
大众分类法是一种充分利用群众的智慧对信息进行标注，完成网络信息组织的方法[2]。由于重视用户的交互，大众分类法可能会成为未来网络中一种常用的信息组织方式，但其自身也存在一定问题。基于此，本文通过发放调查问卷的方式以豆瓣网为例调查了大众分类法对于信息过载的影响，并在调研的基础上提出了优化大众分类法的措施，以期提高基于大众分类法的网络信息服务。但是调查中所使用的抽样调查方法使得其结果具有一定的偏差，这个问题在后续的研究中还需要进一步的修正。此外，本文中所提出的优化大众分类法的措施仅是在理论层面上，在未来的实践中还需要进一步根据实证来完善理论体系。
参考文献
[1]维基百科.Folksonomy[EB/OL].http：∥en.wikipedia.org/wiki/Folksonomy，2015-12-16.
[2]刘洋.大众分类法的应用现状及前景分析[J].现代经济信息，2010，（5）：205-206.
[3]金岳晴，寿曼丽.中外大众分类法研究的比较分析[J].新世纪图书馆，2012，（9）：21-24.
[4]吴超.Folksonomy在网络信息组织中的应用研究[会议论文].2013.
[5]郑燃.基于Folksonomy的图书馆信息组织研究[D].郑州：郑州大学，2010：2-4.
[6]蔺丰奇，刘益.网络化信息环境中信息过载问题研究综述[J].情报资料工作，2007，（3）：36-41.
[7]Wheel wrightG.Information overload[J].Communications International，1995，22（1）：55-58.
[8]王娜，任婷.移动社交网站中的信息过载与个性化推荐机制研究[J].情报杂志，2015，（8）：190-194.
[9]Martin JEppler，Jeanne Mengis.A Framework for Information Overload Research in Organization[J].ICA Work Paper，2003，（1）.
[10]刘二灿.网络环境下信息资源的整序[J].情报科学，2001，19（9）：942-945.
[11]徐佳宁.基于Web20的网络信息自组织机制研究[J].情报杂志，2009，28（6）：139-142.
[12]朱毅华，侯汉清，沙印亭.计算机识别汉语同义词的两种算法比较和测评[J].中国图书馆学报，2002，28（4）：82-85.
（本文责任编辑：孙国雷）
〔关键词〕大众分类法；豆瓣网；信息过载；标签优化
DOI：10.3969/j.issn.1008-0821.2016.09.013
〔中图分类号〕G2541〔文献标识码〕A〔文章编号〕1008-0821（2016）09-0074-08
〔Abstract〕[Purpose/Significance]The research showed that Folksonomy was the main reason for causing the information overload in Douban.com，but it was not yet found a targeted research in domestic.[Methods/Process]Researched the effect of Folksonomy for information overload in Douban by Questionnaire Star，and used SPSS and EXCEL to analyze and sort collected data.[Result/Conclusion]By analyzing data this paper draw the following conclusions：the classification system in Douban could not meet the basic needs of users；the application of Folksonomy in Douban existed kinds of problems，such as too many synonyms tags and low specificity tags.And on this basis，this paper put forward a Folksonomy optimization strategy and discussed its implementation.
〔Key words〕folksonomy；Douban.com；information overload；tag optimization
随着网络技术的飞速发展，网络信息层出不穷。目前网络已经进入到了信息双向交互时代，由网络使用者创造发布的信息占据着部分市场。为了方便用户对网络中各种信息资源的分类和管理，一种以用户为中心的信息组织方法——大众分类法应运而生。大众分类法是“由大众的意见一致而产生的基于用户的分类体系”，也有人称其为社会化分类法、分众分类法、通俗分类法等[1]。 大众分类法在网络信息时代有着比较广泛的应用，例如QQ书签、Google书签等社会化书签；新浪、网易和腾讯博客；各种论坛、公告栏和个人空间等网络社区；还有Youtube、土豆等图片及视频分享网站[2]。其中国内最典型的利用大众分类法进行信息分类组织的网站是豆瓣网。
豆瓣网是目前国内非常典型的一个基于Web20的门户网站，拥有豆瓣读书、豆瓣电影、豆瓣音乐、豆瓣同城、豆瓣小组、豆瓣阅读和豆瓣东西等多种应用社区。在豆瓣网中用户可以根据自己的想法对某个内容贴上标签，其中的高频标签会被选出作为信息资源的标识，其他用户便可以根据统计出的高频标签进行查询。豆瓣网的存在实现了以用户为中心的信息组织方式，体现了个性化的信息服务需求，其灵活性和共建共享的特色吸引着广大用户。但是豆瓣网也存在着一些不可避免的缺点，如等级分类体系不明确、标签专指度不高、标签同义词重现等。
从豆瓣网的使用可以发现，大众分类法分类体系不明确、标签含义模糊，使用户在查询所需信息时效率低下，无法获取有效信息，从而造成了信息过载的现象。基于该种问题本文对用户进行了相关调研，通过调查分析豆瓣网中信息量的现状、用户对现有分类体系的满意程度和标签机制的使用情况，提出了有针对性的优化大众分类法的措施，旨在通过优化大众分类法以防控使用该组织方法的网站出现信息过载的问题。
1国内外研究现状综述
11国内外大众分类法研究现状综述
大众分类法起源于西方，是由美国信息构建专家Thoma s Vander Wal和Gene Smith在2004年8月首先提出来的[2]。国内外关于大众分类法的相关研究大致集中在4个方面，即基础理论、技术、开发应用、实证研究。其中国内较重视理论基础和开发应用，而国外则致力于技术层面和实证应用[3]。如刘洋从大众分类法的概念、模式、特点出发，总结了目前大众分类法的应用现状并分析了它在科研领域、电子商务领域及电子政务领域应用的可能[2]；吴超总结了利用大众分类法进行网络信息组织的优势，并指出其具有广泛的应用前景[4]；Cameron Marlow等研究了大众分类法的特定运行环境，分析了该系统的结构特征和基本元素[5]；Hak Lae Kim等学者对Folksonomy在语义网中的应用进行了研究，在标签中建立起概念层，进行形式化的概念分析，在添加博客的标签时，实现了一种具有上下文关系的Folksonomy新方法[5]；Scott Bateman研究了怎样在e-Learning系统中应用Folksonomy[5]；Arch Xan提出了创建大学图书馆Folksonomy的设想[5]。 12国内外信息过载研究现状综述
对信息过载问题的研究始于20世纪的西方国家，后因互联网络的飞速发展，大量混杂信息充斥在人们的生活中为其带来了不便，人们才逐渐意识到信息过载给人们带来的危害。国内外研究信息过载主要是从其产生的原因、对用户的影响以及避免信息过载的有效措施等方面展开。如Mark Nelson认为，信息过载是因为人们因某种因素而无法从众多信息中萃取出想要的信息[6]；Wheelwright等人认为，信息过载会影响交换和处理信息的速度和个人工作的专心程度，因此会对个人完成任务的效率和质量产生负面影响[7]；王娜等人分析了信息过载产生的原因和可能造成的危害，并提出了利用个性化推荐机制来进行信息过载的防控[8]。
13研究现状评述
由国内外研究现状综述可见，现有的研究缺乏关于大众分类法对于信息过载影响的探讨，但是随着大众分类法的广泛应用及信息过载的日益严重，这个研究方向对于进一步优化信息组织方式以达到控制信息过载非常重要，因此本文认为应该就该方向展开研究。在国内豆瓣网是使用大众分类法的典型代表，用户群体数量较大，因此本文选取豆瓣网为例，以问卷调查的方式针对用户对豆瓣网中信息量的感受、查询信息时效率的高低、标签机制使用情况等问题来进行调查研究，并针对调查结果提出了优化大众分类法的建议，以期通过该次调研对现有网络环境及未来泛在网络中信息组织方式的选择和对信息过载的防控提供一定的参考。
2调查问卷的设计与实施
21调查问卷的设计
211问卷设计的理论基础
Martin JEppler及Jeanne mengis两位学者，将（组织）信息过载产生的原因区分为个人因素、信息特质、任务及过程因素、组织设计及信息科技五大类别[9]。其中，本文主要研究的是信息的组织设计对信息过载产生的影响，即采用大众分类法对信息过载的影响。在评价大众分类法的应用情况时，主要考虑了其中的信息分类方式和标签的运用。因此，本次调查在设计问卷时先简要调查了豆瓣网本身的信息数量、质量对用户利用信息的影响，即信息过载的情况；然后主要调查了豆瓣网中的分类体系和大众分类法下标签机制在信息组织方面的效果，包括了对标签专指度、标签同义词等的研究，用于分析信息组织设计与信息过载间的关系。
212问卷的构成
本次调查问卷由以下5部分组成：（1）豆瓣网用户的基本信息调研。这部分设置了1道问题，即调查用户的学历情况。（2）用户对豆瓣网所提供信息的看法。这部分是针对用户对豆瓣网中信息使用情况的调查，由5道题组成，包括对信息量的感受、查询信息时的感受、查询到的信息对自己的帮助、所耗费的时间、对推荐信息的态度和主要利用哪些功能获取信息。（3）调查用户对豆瓣网中分类体系的看法，由3道题组成，包括对现有分类体系和多级分类体系的满意度、是否产生困扰。（4）调查大众分类法下标签的使用情况。由3道题组成，包括标签专指度情况、贴同义标签的原则和用户对提出的标签优化法的接受情况。（5）设置了两道开放题，分别调查用户认为在豆瓣网进行信息分类时需要改进的地方和用户如何对豆瓣网中的内容贴标签。
22调查的实施情况与信度效度分析
221调查的实施情况
本次调查是通过“问卷星”平台对网络用户进行的在线调查，调查面向所有网民，跨湖北、北京、江苏、广东、河南、浙江、福建、上海、辽宁、四川、湖南、天津、重庆、陕西等30个地区。本次问卷调查共收集问卷521份，其中有效答卷492份，占问卷总数的9443%。学历层次分布比较广泛，被调查者的学历在本科以上的达到了8331%，如图1所示。图1调查对象受教育程度分布
222信度效度分析
本文利用SPSS210进行了重测信度分析，旨在分析两次测量选项频率分布的一致性程度。本次调查用同样的问卷对相同100名用户间隔3个星期做了重复测试，计算两次结果的相关系数为0926（相关系数值在08以上为信度良好），说明本问卷具有较高的信度。在进行问卷的效度分析时，本文采用表面效度法对问卷进行评判，问卷测量的内容与测量目标相符，题目之间具有较强的逻辑结构，且题目难度由浅至深，选项设计合理，没有遗漏。因此，问卷具有较高的效度。
3调研结果分析
31对豆瓣网中信息数量和质量的分析
311用户对豆瓣网中信息量感受的分析
为了调查用户对豆瓣网信息量的看法，本文对问题“您对豆瓣网信息量的看法”的调查结果进行了统计。608%的用户认为豆瓣网中信息量合适，2016%的用户认为信息量较多，只有19%的用户认为信息量较少（如图2所示）。由此可知用户对豆瓣网中的信息量比较满意，信息量总量并没有给用户造成很大的困扰。
在豆瓣网中查询信息时所花费的时间也能够作为衡量信息量的一个指标，从侧面反映出用户在查询信息时的效率感受。当被问及“您在豆瓣网中查询信息时所耗费的时间”时，572%的用户认为耗费的时间适当，2438%的用户认为耗费的时间较少，只有1843%的用户认为耗费的时间较多。说明用户在豆瓣网中查询信息所耗费的时间在大多数人的耐受范围之内。
312用户查询信息的感受分析
豆瓣网是用户平常获取书籍、电影、音乐等作品信息的重要渠道，也是用户发布自己观点和意见的关键平台。所以在豆瓣网中查询信息时的感受和信息对用户的帮助直接决定了用户获取信息的效率。图4中的数据反映了3628%的用户会找到很多但是无关的信息，3608%的用户能快速找到所需信息，2265%的用户会找到很多重复的信息，499%的用户完全找不到所需的信息。约翰·奈斯比特所指出“大量无序的信息，不是资源，而是灾难。”[10]可见，大部分的用户在豆瓣网中查询信息时会面临一些困扰。
313对推荐信息的态度 随着网络技术的不断发展，用户在获取信息时也更偏向于个性化、独特化。豆瓣网针对这一现象也开展了个性化推荐服务，但是实际效果却不尽如人意。当被问及“对豆瓣网中大量的推荐信息持什么态度”时，7274%的用户选择了大概浏览，只会选择自己感兴趣的仔细查看；2150%的用户不会查看；只有576%的用户会仔细查看推荐信息。
从用户查询信息和网站推送信息方面来说，豆瓣网的信息对用户来说确实存在过载的现象。然而根据调查数据可知，用户对豆瓣网中的信息量比较满意，说明信息的数量并没有给用户造成困扰，因此本文推断导致豆瓣网中出现信息过载的主要原因是其所采用的信息组织体系即大众分类法。
32对豆瓣网中分类体系的调研
321现有分类体系满足用户需要的程度
网络中信息资源总量极大且种类丰富繁多，用户想要在如此庞大的信息资源中找到自己需要的绝非易事，因此针对信息内容构建相应的分类体系尤显重要。针对问题“豆瓣网现有的分类体系能否满足用户的分类需求”，6852%的用户认为能够满足他们的需要，而其余的3148%的用户认为现有的分类体系不能满足（如图6所示）。为了进一步研究该问题，本次调查专门了解了用户对目前豆瓣网所采用分类体系的使用效果，结果显示其中有5336%的用户认为这种方式给他们查找信息造成一些困扰，4223%的用户认为没有困扰，441%的用户认为有很大困扰（如图7所示）。可见豆瓣网中的分类体系还不够成熟，不能迎合绝大多数用户的喜好。
322用户对多级分类体系的接受程度
为了了解用户对多级分类体系的接受程度，本文设置了问题“对于58同城中的多级分类体系对于用户查询所需信息时的方便程度”，并参照5度李克特量表的标准，分别设置了1、2、3、4、5分，分值越高，说明用户认为其便利程度越高，数值越低，代表其便利程度越低。并按照均值所属范围将便利性归为很弱（<32）、较弱（32～34）、中等（34～36）、较强（36～38）、很强（>38）6个等级。按照标准算得此次调查的均值为33092，即用户对多级分类体系的接受程度较弱。
323用户在豆瓣网中主要使用的功能
对问题“您平常主要利用豆瓣网的哪些功能”的数据进行分析，发现6718%的用户主要利用阅读、看视频等获取多媒体信息的功能，643%的用户喜好书评、影评等评论功能，3225%的用户利用豆瓣小组中的讨论功能，2706%的用户利用热门事物推荐功能，只有845%的用户利用共同兴趣交友功能（如图9所示）。由此可见用户利用豆瓣网主要是实现获取信息和发表言论等功能。
33大众分类法下的标签机制对信息过载的影响
331用户在贴同义标签时的态度
Web20倡导因特网是大众的因特网，它降低了个人参与网络信息发布和交流的技术门槛，构建了平等、开放、大众参与的网络平台[11]。用户的任何想法和意见都可以随时在网络上发布，在宣泄自己情感的同时也会对他人的思想活动造成影响。特别是在豆瓣网中添加标签这一举动，添加标签的动机和客观性会对他人查找信息有很大影响。在分析“您在豆瓣网中贴标签时若遇到同义词，您会怎么做”这一问题的调研数据时，发现有649%的用户选择随意添加一个，1862%的用户选择放弃标记，1689%的用户选择自己添加。由此可见大部分的用户对待同义词的态度都比较随意，这对提高标注的准确性来说非常不利。
332用户对标签专指度的看法
标签的专指程度在很大程度上决定了用户查询信息的准确性。若一个标签能够准确描述一个事物，那么用户在查询时就不会受到其他无关信息或冗余信息的干扰。在分析“您认为豆瓣网中的标签专指程度（指检索标识与主题概念的相符程度）如何”时，本文同样参照了5度李克特量表的标准设置分值，如图11所示。按照标准算得此次调查数据的均值为31818，即用户认为豆瓣网中现有的标签专指度很弱。图11用户对标签专指度的态度
333用户对标签优化法的态度
本文根据豆瓣网的实际情况在问卷中提出了一种标签推荐机制，即用户在上传内容之后由系统或是其它用户为你推荐更合适的标签，询问用户是否会进行修改。有7102%的用户选择视情况来修改标签，1958%的用户选择会修改，只有94%的用户选择不会修改。从数据中可以看出这种标签推荐机制存在很大的发展潜力。
34开放式问题结果分析
341豆瓣网对内容分类的改进
在这道开放式调查问题中，搜集了有关用户对豆瓣网内容分类的改进意见。在经过统计分析之后，主要总结出了以下几点：
（1）对类目的划分要更加细致，现有的分类比较粗糙，不能满足用户查找信息时的需求。
（2）在主页面上删减不必要的模块，使页面简洁，便于信息的查找。
（3）分类可以更加多元化，为用户量身制定合适的内容分类方法。
342用户在贴标签时的做法
在本道题目中，根据用户的回答搜集了用户在豆瓣网中对信息“贴标签”时自己的一些方法和准则，主要总结出了以下几点：
（1）一方面参考他人的标签贴法，但主要还是根据自己的兴趣和看法来贴标签。
（2）大部分用户只根据自己主观感觉，随意添加。
（3）只有极少部分用户会仔细研究标签分类，根据内容进行划分。
从用户贴标签的方法可以看出多数用户并没有自己的分类准则，而是根据自己当时的主观感受、对内容的理解和自己的兴趣爱好来决定。这种贴标签方法大大降低了标注行为的准确程度，因为每个个体对于同一事物的认知都带有一定主观性，即便同一个人对同一事物在不同时期的认知都未必相同。
4研究结果与建议
41研究结果
通过对调查数据的分析，本文得出以下研究结果： （1）用户在使用豆瓣网时，对其信息量及查询信息资源所用时间较为满意，但会找到很多无关的信息且推荐信息不能迎合用户的兴趣，因此说明存在信息过载。且推断导致信息过载现象的主要原因是信息的组织方式。
（2）现有的分类体系即大众分类法不能满足用户需求，且为用户带来了较多的困扰，用户较喜好多级分类体系，即验证了前面的推断，信息组织方式是导致信息过载的一大原因。因此本文认为在对豆瓣网中类目的划分上可以融合大众分类法与多元划分法的思想，使大众分类法更加细致。
（3）现有的大众分类法中存在多种问题，如：同义词标签过多、标签专指度不高、用户贴标签时带有主观随意性。由调研数据可知，用户对本文提出的标签优化方法持积极态度，该种标签优化方法具有较好的发展前景。
42大众分类法优化方案
鉴于以上研究结果，本文尝试性地提出了一种优化目前大众分类法的方案，用于解决信息过载现象，如图13所示。首先，由用户根据自己想要标注的信息资源的内容提出标签，并在系统标签库中选择相应的一级和二级分类，然后将标签移交至三级体系中处理；系统在标签库的三级体系中利用以词素为单位的基于语义的同义词识别算法，对同义标签进行判定，并将结果反馈给用户；为了进一步提高标签的专指度，系统将呈现其他用户推荐的标签供标签上传者有针对性的修改。且其他用户推荐的标签都要经过系统将其与信息资源内容的标题进行匹配，确保推荐标签具有一定意义。图13优化后大众分类法框架体系流程图
421等级分类式标签库的建立
调研显示用户更为偏好多级分类体系，且认为现在豆瓣的类目划分不够细致，因此本文在构建新框架的标签库中可将标签分为三级。包括一级、二级和三级标签体系。在一级标签体系中，保留豆瓣网现有的分类方式将体系划分为：读书、影视、音乐、艺术、生活、兴趣与收藏、情感、学术、商业与财经、互联网与技术、体育和地域等12项；在二级标签体系中将对一级标签体系中的类目进一步细分，如：将“生活”细分为“美容”、“美食”、“服饰”、“健康”等等；在三级标签体系中就是描述内容的具体标签（如图14所示）。
422同义标签控制体系的建立
豆瓣网中的同义标签是指含义相同但是表述不同的标签，这些标签在语义上可以互相替代，重复的标签日积月累就会占用大量的后台资源，同时也会给用户标注带来困扰，使用户在为某一信息资源选择合适的标签时陷入困境。为了缓和调研结果中提到的大众分类法中同义词标签过多的现象，本文在标签库的基础上提出了一种同义标签控制体系，这种控制体系可以显著的减少同义词标签，提高标注的准确性，如图15所示。具体的处理可以遵照以下流程：
（1）由用户提出新的标签并在标签库中选择符合的一级和二级体系。
（2）将标签移交至相应的三级标签库中进行同义标签的判定。
（3）若标签库中存在与新标签同义的标签，则将这个同义标签推荐给用户。
（4）若标签库中不存在与新标签同义的标签，则将新标签纳入标签库中，并允许用户使用该标签。
目前，较为成熟的利用计算机辅助识别自然语言中存在的大量中文同义词的方法主要有两种：以单汉字为单位的字面相似度测定和以词素为单位的字面相似度测定。以单汉字为单位的字面相似度算法只适用于由纯汉字构成的词汇，不适用识别纯粹由非汉字构成的词汇，但豆瓣网中的标签不全由纯汉字构成，因此本文认为可以采用朱毅华[12]提出的以词素为单位的基于语义的同义词识别算法，其主要思想为：
首先，建立豆瓣网中常用词素的语义词典，对识别词进行切分，在此基础上以词素为单位，以相似性原理为依据，将词素的字面形式转换为语义代码进行相似度判别，在考虑词组的结构关系的前提下进行同义词识别。在其中还引入了表达度这一概念，表示词的部分对整体涵义所起的作用大小，据此进行加权。假设待匹配词ctrlword的信息量总和为A；匹配词keyword的信息量总和为B；两词中表示相同语义的信息量为C1和C2；共同部分C1对A的表达度为x，C2对B的表达度为y。根据这些条件可得：
x=C1A，y=C2B
则相似度为：
xsd=21x 1y（x、y不为0）
例如计算“经济信息管理”与“商业信息管理”两词的相似度：
（1）词素切分。分别将两词切成词素，“经济信息管理”切分为“经济”、“信息”、“管理”；“商业信息管理”切分为“商业”、“信息”、“管理”。
（2）找到相同部分为“信息”与“管理”。
（3）权重计算。使用权重后移原理分配权重，即按照词素所处位置从左向右从小到大依次分配权重。则“信息”在“经济信息管理”中的权重为2，“管理”为3；“信息”在“商业信息管理”中的权重也为2，“管理”也为3。
按照上述公式计算可得：
x=2 31 2 3=56
y=2 31 2 3=56
xsd=21x 1y=265 65=56=8333%
所以两词的相似度是8333%。相似度阈值的确定可以从以下几个方面来考虑：
423标签推荐机制的实现
由调研结果可知，用户对豆瓣网中标签的专指度并不满意，许多标签并不能揭示或代表信息资源的实质，因此要汇集大众的智慧提高标签专指度，从根本上解决这一问题。如图16所示即为标签推荐机制体系示意图。当用户阅读某一信息资源之后将会结合自己的经验为其提出合适的标签，系统会将用户推荐的标签移交至标签库的三级标签体系中进行修正，即搜寻标签库中与推荐标签含义最为相近的；同时将此标签与信息资源的关键词进行匹配（对于多媒体资源等不好确定关键词的信息资源，将在后文中提出解决方案），同样是采用上文中提出的同义词识别算法。若匹配成功则将此标签推荐给用户；若匹配不成功，则隐藏该推荐标签。标签推荐的次数由后台服务器进行计算，最终用户要将其中的高频推荐标签作为新标签使用，鉴于豆瓣网中对标签数量的限制，系统将统计出的前5个推荐给用户。这种方法可以从本质上提高标签的专指度，优化大众分类法的应用。 424针对多媒体资源标签的优化方案
在用户上传图片、视频等多媒体资源时，要求用户必须填写一段对于上传内容的文字性描述。用户添加的文字性描述就是所上传的多媒体资源的主要内容。因为此时的文字性描述很可能只是上传者对于当时所处环境或个人心情的一段简短表述，只有配以图片或视频等才可以传达出真正的信息，所以这时不能利用关键词检测来确定主要内容。但是这种情况下仍可以实施文章中提出的标签推荐机制。其他用户在看到上传的多媒体资源和文字性的内容描述之后可以根据自己的理解推荐标签，高频推荐标签即作为内容标识。这种方法汇集了大众的智慧，避免了上传者主观的想法导致标签运用不恰当造成的标签专指度不高，混淆用户的选择等弊端。
5结语
大众分类法是一种充分利用群众的智慧对信息进行标注，完成网络信息组织的方法[2]。由于重视用户的交互，大众分类法可能会成为未来网络中一种常用的信息组织方式，但其自身也存在一定问题。基于此，本文通过发放调查问卷的方式以豆瓣网为例调查了大众分类法对于信息过载的影响，并在调研的基础上提出了优化大众分类法的措施，以期提高基于大众分类法的网络信息服务。但是调查中所使用的抽样调查方法使得其结果具有一定的偏差，这个问题在后续的研究中还需要进一步的修正。此外，本文中所提出的优化大众分类法的措施仅是在理论层面上，在未来的实践中还需要进一步根据实证来完善理论体系。
参考文献
[1]维基百科.Folksonomy[EB/OL].http：∥en.wikipedia.org/wiki/Folksonomy，2015-12-16.
[2]刘洋.大众分类法的应用现状及前景分析[J].现代经济信息，2010，（5）：205-206.
[3]金岳晴，寿曼丽.中外大众分类法研究的比较分析[J].新世纪图书馆，2012，（9）：21-24.
[4]吴超.Folksonomy在网络信息组织中的应用研究[会议论文].2013.
[5]郑燃.基于Folksonomy的图书馆信息组织研究[D].郑州：郑州大学，2010：2-4.
[6]蔺丰奇，刘益.网络化信息环境中信息过载问题研究综述[J].情报资料工作，2007，（3）：36-41.
[7]Wheel wrightG.Information overload[J].Communications International，1995，22（1）：55-58.
[8]王娜，任婷.移动社交网站中的信息过载与个性化推荐机制研究[J].情报杂志，2015，（8）：190-194.
[9]Martin JEppler，Jeanne Mengis.A Framework for Information Overload Research in Organization[J].ICA Work Paper，2003，（1）.
[10]刘二灿.网络环境下信息资源的整序[J].情报科学，2001，19（9）：942-945.
[11]徐佳宁.基于Web20的网络信息自组织机制研究[J].情报杂志，2009，28（6）：139-142.
[12]朱毅华，侯汉清，沙印亭.计算机识别汉语同义词的两种算法比较和测评[J].中国图书馆学报，2002，28（4）：82-85.
（本文责任编辑：孙国雷）