论文部分内容阅读
社会化标注系统产生了大量歧义的、不受控制的标签，不仅会降低用户的体验，而且会限制资源的利用效率。标签聚类能够把具有相近语义的标签聚集在一起，反映标签的潜在语义结构，从而有效缓解上述问题。传统的标签聚类方法通常只利用资源的被标注信息进行聚类，由于忽略了用户的标注信息使得聚类结果不能表达准确的语义。本文提出一种基于LDA（Latent Dirichlet Allocation）模型的社会化标签综合聚类方法，该方法分别利用用户的标注信息和资源的被标注信息来建立主题学习模型，通过学习，获取基于用户的标签潜在主题和