余 春 （深圳大學圖書館 廣東 深圳 518060）

標簽是Web2.0時代信息揭示、組織的新應用。其類似于關鍵詞，可以用來描述信息資源（尤其是網絡信息資源）的性質、范圍、對象類型、用途、類別等特征，以達到分類、檢索和共享信息資源的目的。標注則是對用戶添加標簽的行為的描述[1]。當多個用戶個體的標注行為被匯集在一起，標注即具有了社會性，可稱之為社會標注。

社會標注在網絡中的應用越來越廣泛，它為信息資源的標引、組織、檢索提供了一種全新的自由、開放、共享的模式。近幾年，社會標注與信息標引、檢索成為學術界研究的熱點。本文將從基于社會標注的信息標引及基于社會標注的信息檢索等方面綜述國外相關研究的進展。

1 基于社會標注的信息標引研究

1.1 社會標注的標引性能

標簽是社會標注的直接產物，它能對信息資源的內容、形式特征等進行標記、揭示，并且能根據這些標記提供信息查詢，因此社會標注具備標引功能。Macgregor等學者通過傳統(tǒng)的受控詞表評價社會標注的信息標引效能發(fā)現(xiàn)，社會標注系統(tǒng)具有優(yōu)秀的交互性與社會性，能成功地吸引用戶參與信息管理，基于社會標注的信息標引方式將與傳統(tǒng)的以受控詞表標引的方式并存，各自適用于不同的信息環(huán)境：非正式的和正式的[2]。

Thomas等人分別從圖書館的OPAC（Online Public Access Catalogue，聯(lián)機公共查詢目錄）和LibraryThing中抽取相同的10本圖書，通過將圖書的標簽與它們對應的LCSH（Library of Congress Subject Headings，美國國會圖書館主題詞表）中的主題詞進行比較，定量分析了標簽與LCSH主題詞的相似程度，證明社會標注確實成功地補充了編目員提供的主題詞，為資源標引提供了另一種途徑[3]。他們指出，結合了LCSH與標簽的復合型目錄能產生更豐富的元數(shù)據，圖書館應盡力將其提供給用戶[3]。

1.2 從語言學角度研究標簽的使用

社會標注的信息標引功能是通過標簽實現(xiàn)的。標簽是信息用戶表達其對信息資源的理解、概括、評論而采用的自然詞語。因此，研究標簽的語言學特征有助于對基于社會標注的信息標引方式的理解，進而有利于信息的組織、查詢、管理。目前對標簽的語言學特征的研究主要包括詞匯分析及語義分析兩方面。

1.2.1 從詞匯學角度分析社會標注

Spiteri利用統(tǒng)計學的方法分析標簽的詞性、使用頻率及分布等特征發(fā)現(xiàn)，標簽中居于主導地位的用詞是名詞，并且是單個的術語，大都使用公認的拼寫形式[4]。對大多數(shù)資源來說，標簽的使用頻率分布與冪律分布趨于相同，少數(shù)高頻詞占據了標簽總頻次的大部分比例[5]。此外，用戶的標注中還存在著名詞的單復數(shù)形式不一致，縮寫詞、縮略語濫用，單詞拼寫錯誤等現(xiàn)象[4]，影響了社會標注的信息標引效用。

1.2.2 從語義學角度研究社會標注

社會標注允許用戶利用自然語言自由創(chuàng)建、自由使用標簽來描述、概括信息資源，致使社會標注中存在著無法克服的同義、歧義標簽的現(xiàn)象，導致標簽呈發(fā)散性且缺乏等級層次，不利于信息的揭示、組織、檢索及共享。針對這一問題，目前主要是從語義學的角度研究如何確定標簽的數(shù)據結構與語義策略，以減少社會標注混亂的現(xiàn)象。Passant和Laublet提出，利用MOAT（Meaning of a Tag，標簽的含義）這一語義網架構，使Web2.0的內容生產者以機器可讀的方式賦予標簽內容含義[6]。Meo等人通過研究利用兩個分等級的結構及相關算法將語義相關的標簽組層級化[7]。Kim HL等人提出語義標簽模型[8]，用來明確地顯示標簽的數(shù)據結構、語義及標簽之間的相互關系。Alba等人運用經典的遺傳算法、CHC（Cross generation Heterogeneous recombination Cataclysmic mutation，跨世代異物種重組大變異）算法和模擬退火算法（Simulated Annealing），根據文本中語詞使用的語境來消除標注中自然語言的歧義[9]。

此外，不少研究者還致力于應用本體來研究社會標注的語義。例如，Gruber分析了本體與標簽的截然不同的角色，提出了標簽本體的模型，以此完善標簽的語義匹配，實現(xiàn)知識共享[10]。此外，SCOT（Social Semantic Cloud of Tags，標簽社會語義）本體[11]、UTO（Upper Tag Ontology，頂層標簽本體）[12]對社會標注數(shù)據的結構、語義的描述功能也進入學者的研究視野。Kim H L等學者則為現(xiàn)有標簽本體的比較提出了評判標準，并據此討論了標簽本體的優(yōu)劣之處[13]。

1.3 基于社會標注的信息標引方式研究

1.3.1 自動標注

社會標注已成為網絡資源組織的主要方式，但是海量的信息資源要全靠手工標注是不可能的。為了提高社會標注的覆蓋率，使之更好地標引、組織信息資源，研究者們將目光投向自動標注。Yang Yang等人提出先找到與當前圖像數(shù)據集相似的文檔，依據這些文檔的標簽設定當前圖像的候選標簽，然后運用加權關聯(lián)規(guī)則挖掘法從候選標簽中篩選出最終的標簽集[14]。Yang Hsin Chang提出運用自組織映射算法將網頁聚類，即可利用這些類之間的關系和每一類的主題來自動標注網頁[15]。Kim J W通過對博客的內容分析提出，利用CDIP（a collection-driven，yet individualitypreserving tagging system，集體驅動但又保持了個性的標注系統(tǒng)）為博客自動標注[16]。

1.3.2 標簽推薦

在用戶進行標注時，系統(tǒng)自動向其推薦標簽是提高社會標注的一致性、覆蓋率的有效方式。研究者主要從提高推薦精確度的方法和推薦自動化的方式這兩方面展開研究。標簽推薦是將其他用戶對于同一資源所使用過的標簽，經過運算處理后推薦給用戶。為了提高推薦的精確度，研究者提出了協(xié)作過濾法[17]，即針對個體用戶的偏好建立排序模型[18]，結合視覺相似性與標簽共現(xiàn)統(tǒng)計的方式[19]，使用潛在語義分析和張量維數(shù)約簡方法[20]。

系統(tǒng)自動推薦標簽是提高標注效率的有力途徑。Yang Song等人從機器學習的視角，提出了以文檔為中心、基于圖像的方式和基于原型的方式自動推薦標簽[21]。Song Yong等人建立了實時自動推薦標簽的技術架構[22]。 Sevil等人提出在用戶上傳相片時，系統(tǒng)利用視覺相似度比較候選標簽的權重，然后篩選出權重高的標簽推薦給用戶[23]。

1.4 標注者的標注行為研究

社會標注的主體是標注者，通過他們的標注活動才能完成對信息資源的標引。因此，對標注者的標注動機、標簽的選擇、標注習慣等特征進行研究，有助于研究者發(fā)現(xiàn)基于社會標注的信息標引規(guī)律，從而更好地設計標注系統(tǒng)，更有效地組織、管理信息。Angus等人通過研究Flickr中的大學群組的成員使用標簽的一般形式發(fā)現(xiàn)，群組的成員傾向于選擇有利于系統(tǒng)的所有使用者的方式，而不是僅僅選擇有利于創(chuàng)建者個人的方式進行標注[24]。Fu等人探討了標簽選擇中的社會影響作用[25]，Bar-Ilan等人分析了在對圖像進行標注時，標注對象的背景信息及他人的相互影響所產生的效用[26]。這些研究都得出了相似的結論：社會影響可能導致標注結果的集中、一致，“集體的智慧”可以幫助標注對象理解要標注的信息資源。

2 基于社會標注的信息檢索研究

社會標注的信息標引的目的是使用戶能檢索、發(fā)現(xiàn)和共享信息資源。如何提高基于社會標注的信息檢索的性能已成為研究熱點。

2.1 社會標注系統(tǒng)在信息檢索中的功用

McDonnell等人探討了在網絡搜索中社會標注這一“集體智慧”的價值與力量，提出了“社會搜索”的新概念及其分類體系[27]。Morrison將社會書簽網站的標簽與搜索引擎和主題目錄進行信息檢索性能的比較發(fā)現(xiàn)，利用社會書簽網站的標簽進行檢索的效果令人驚訝，如果能運用更好的查詢處理方式，則可以進一步提高它的信息檢索性能[28]。

2.2 基于社會標注的信息檢索技巧研究

2.2.1 利用語義技術加強基于社會標注的信息檢索

社會標注是用戶對信息資源內容、形式等的描述、概括，帶有很強的語義性，用戶可以從社會標注中挖掘出語義信息，利用它理解內容的語義，實現(xiàn)更高效率的檢索。

Abel等人介紹了利用TagMe!系統(tǒng)、通過上下文認知語義的途徑來改進標注系統(tǒng)中的個性化信息檢索[29]。Kim H H探討了運用同義的和詞匯共現(xiàn)的標簽查詢擴展方式進行視頻搜索[30]。Ungrangsi等人介紹了SemFlickr，它可以加強Flickr中的檢索[31]。SemFlickr的檢索原理是從語義網中檢索得到相關的本體，從那些本體中獲取檢索詞，并且提取檢索詞之間的本體關系以確定檢索到的標簽的權重，以此進行檢索結果排序。

2.2.2 標簽與LCSH相結合，促進信息檢索。

社會標注的自由性、開放性造成了標簽用詞的不規(guī)范（如縮寫詞濫用、名詞的單復數(shù)形式不一致、同義詞和歧義詞多、概念模糊），降低了基于社會標注的信息檢索的效率。于是業(yè)界考慮將標簽與受控詞表相結合，以提高標簽的規(guī)范性、集中性。目前的研究多是從標簽與LCSH相結合的角度進行的。例如，Yi探討了以語義相似的方式為社會標簽推算相關的LCSH主題詞[32]；Yi和Chan以單詞匹配法為基礎，討論了標簽與LCSH的映射方法及用LCSH給標簽排序帶來的優(yōu)勢[33]；Steele則觀察了社會標注及其在圖書館在線目錄中的使用情況，分析了諸如LCSH的受控詞表的優(yōu)缺點及社會標注如何幫助LCSH進行信息檢索等方面的問題[34]。

2.2.3 檢索相似度排序

社會標簽是用戶對信息資源具有語義的描述，可以作為檢索相似度排序的依據。通過衡量標簽的相似度并對其排序，可實現(xiàn)資源的相關度排序，從而提高信息檢索的質量。學術界已經提出了多種計算方法和模型來評價標簽相似性。Li Xirong等人提出，通過對視覺相似的鄰域累積投票的算法可得到標簽相似性，從而實現(xiàn)社會圖像檢索[35]。隨機游走的方法[36]、概率技術[7]都被用于判斷標簽的相似度。

2.2.4 檢索詞的選擇與確定

檢索詞是表達用戶信息需求和檢索課題內容的基本單元，也是與有關數(shù)據庫、有關網絡資源進行匹配運算的基本單元，檢索詞選擇恰當與否直接影響檢索的效果。社會標注是“集體智慧”的自由凝聚，對同一資源有大量不同的標簽加以描述，而即使同樣的標簽所表達的語義也并不相同，指向的資源也各異。因此，以標簽作為檢索詞時，對它的選擇和確定是影響檢索效率的重要因素。Peters 和Stock提出去掉某一具體文檔中分布于長尾的所有標簽，利用在標簽分布中位于長尾起始部分的權力標簽（power tags）來形成檢索詞[37]。Clements等人研究了個性化和平滑技術對增加檢索詞長度的作用[38]，結果顯示，與采用TFIDF（Term Frequency-Inverse Document Frequency，詞頻-反文檔頻率）權重這些基于使用頻率的內容排序方式相比，個性化和平滑的技術讓用戶使用更少的檢索詞就能發(fā)現(xiàn)同等相關的內容。

2.2.5 標簽云對信息檢索的影響

標簽云是對標簽的集成及可視化描述。在標簽云中，標簽一般是獨立的詞匯，通常按字母順序排列，其重要程度（使用量）通過改變字體大小或顏色來表示。利用標簽云可靈活地依照字序或熱門程度來檢索標簽，而大多數(shù)標簽本身就是直接指向一系列相關資源條目的超級鏈接，因此標簽云對信息檢索及資源的重要性評估具有積極的作用。Park等人提出，標簽云是標簽的集合，它在多媒體信息檢索中具有很大的應用潛力，他們提出了通過合并標簽相似性的信息來計算標簽云之間的相似度的方法[39]。Sinclair 與Cardew-Hall通過對關于用戶在什么情況下選擇標簽云或傳統(tǒng)的檢索界面來查詢信息的實驗發(fā)現(xiàn)，在查找特定的專門信息時，用戶多選擇傳統(tǒng)的檢索界面，而當查詢任務是較普通的信息時，用戶則愿意選擇使用標簽云[40]。Bateman等人研究了標簽云的何種視覺屬性能吸引用戶的注意，以影響用戶發(fā)現(xiàn)標簽的便利性[41]。

3 未來研究方向

3.1 尋求自由與規(guī)范化、自動化的和諧

自出現(xiàn)伊始，社會標注最吸引用戶的便是其自由的特性：自由參與、自由使用、自由表達。但也由此造成了社會標注固有的一些缺陷：標簽拼寫不規(guī)范甚至錯誤，同義、歧義、語法關系糊涂，權重表達缺失等[42]，這些缺陷都影響了社會標注的信息標引、檢索功能的發(fā)揮。于是業(yè)界開始探尋對社會標注的規(guī)范化、自動化，例如，規(guī)范標簽的拼寫；按本體的思想規(guī)范標簽，將標簽結構化、組合化；自動為資源添加標簽。這些研究在一定程度上加強了社會標注對信息資源的標引、檢索，但是值得注意的是，規(guī)范化的同時也意味著自由樂趣的減少，在社會標注規(guī)范化、自動化的研究中，要注意保護社會標注自由的特性，尋求自由與規(guī)范的和諧，既要提高社會標注的信息標引、檢索的質量，又要讓用戶充分享受自由標注的樂趣。

3.2 標簽降噪

社會標注中的語義、語法表達及拼寫的不規(guī)范等缺陷都會給標簽制造一些噪聲，這就需要研究降低、去除標簽噪聲的方法，以提高社會標注的信息標引、檢索的準確性、全面性。目前的研究對語法關系模糊、權重表達缺失的關注較少，未來應該予以積極探討。當前消除標簽歧義的方法主要有數(shù)據挖掘、統(tǒng)計分析以及采用知識組織工具、控制機制和可視化組件等，其中前兩種方法屬于單純的定量方法，不需要用戶參與判斷，因此具有較好的應用前景，研究者需要探索更有效的挖掘方法和數(shù)學模型，擴大實驗規(guī)模，以提高通過數(shù)據挖掘、統(tǒng)計分析消除標簽歧義的準確性及效率[43]。

另外，在目前的社會標注系統(tǒng)中，存在大量惡意、無用的垃圾標簽，干擾了其對信息資源的揭示、檢索和共享。目前的研究對此涉及尚少，而且不少社會標注系統(tǒng)是采用手工方式識別、刪除垃圾標簽。因此，對垃圾標簽的表現(xiàn)形式、制造者的心理與行為研究以及對其自動識別與自動刪除的研究應是未來發(fā)展方向之一。

3.3 標簽序化、層級化

由于社會標注具有自由性，用戶使用的標簽可能是雜亂無章、無序的。社會標注對資源進行的自下而上、由用戶主導的分類，呈現(xiàn)出一種平面式的結構，標簽之間是平等的關系，無上下位類的層次關系。標簽的無序性、層次缺乏性將導致社會標注無法很好地揭示標簽之間復雜的關系，不能很好地組織知識信息，阻礙其信息檢索功能的發(fā)揮。雖然針對這些問題，研究者都已展開探索，提出利用標簽云、標簽概念空間等方法解決標簽序化問題[44]，利用與受控詞表的關聯(lián)、映射獲得標簽層級[33]，利用標簽隱含的概念為標簽建立層次[45]，但是這些方法都存在局限性，難以與社會標注的標引、檢索有效地融合。因此，如何為社會標注建立合適的層級結構、如何使標簽有序化，也是未來研究的發(fā)展方向。

3.4 基于社會標注的語義檢索

語義檢索是指檢索工作不再拘泥于用戶所輸入的檢索詞與信息資源的字面本身，而是通過提取其中的語義信息并對其進行推理、匹配等處理，更準確地向用戶返回最符合其信息需求的檢索結果。這是近年來得到迅速發(fā)展的一種高級檢索方式。社會標注是用戶對資源的描述、概括，帶有很強的語義性。應用本體的思想構建標簽本體，從中提取語義信息，實現(xiàn)基于社會標注的語義檢索將是未來研究的前沿及熱點問題。

4 結 語

社會標注出現(xiàn)的時間并不長，但它卻以獨特的自由性吸引用戶參與其中，織就了一個聯(lián)系用戶、資源、標簽的信息網絡，為信息資源的標引、組織、檢索提供了全新的自由、開放、共享的模式。不少研究者對基于社會標注的信息標引、檢索進行研究，取得了一系列成果。但總的來說，這些研究還處于探索階段，研究對象往往局限于個別社會標注系統(tǒng)，研究成果多為試驗性的，要將其產業(yè)化應用，仍需要大量的后續(xù)研究。

[1]魏建良,朱慶華.社會化標注理論研究綜述[J].中國圖書館學報,2009(6):88-96.

[2]Macgregor G, McCulloch E.Collaborative Tagging as a Knowledge Organisation and Resource Discovery Tool[J].Library Review,2006(5):291-300.

[3]Thomas M, Caudle D M, Schmitz C M.To Tag or Not to Tag?[J].Library Hi-Tech, 2009 (3):411-434.

[4]Spiteri L F.The Structure and Form of Folksonomy Tags: The Road to the Public Library Catalog[J].Information Technology and Libraries,2007 (3):13-25.

[5]Robu V, Halpin H, Shepherd H.Emergence of Consensus and Shared Vocabularies in Collaborative Tagging Systems[EB/OL].[2011-10-10].http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.161.7359.

[6]Passant A, Laublet P.Meaning of a Tag: A Collaborative Approach to Bridge the Gap Between Tagging and Linked Data[EB/OL].[2011-03-25].http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.142.6915&rep=rep1&type=pdf.

[7]Meo P D, Quattrone G, Ursino D.Exploitation of Semantic Relationships and Hierarchical Data Structures to Support a User in His Annotation and Browsing Activities in Folksonomies[J].Information Systems, 2009(6):511-535.

[8]Kim H L, Decker S, Breslin J G.Representing and Sharing Folksonomies with Semantics[J].Journal of Information Science,2010 (1):57-72.

[9]Alba E, Luque G, Araujo L.Natural Language Tagging with Genetic Algorithms[J].Information Processing Letters, 2006 (5):173-182.

[10]Gruber T.Ontology of Folksonomy: A Mash-up of Apples and Oranges[J].International Journal on Semantic Web and Information Systems,2007 (1):1-11.

[11]Kim H L, Yang S-K, Song S-J, et al.Tag Mediated Society with SCOT Ontology[EB/OL].[2011-03-24].http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.142.7977&rep=rep1&type=pdf.

[12]Ding Ying, Jacob E K, Fried M, et al.Upper Tag Ontology for Integrating Social Tagging Data[J].Journal of the American Society for Information Science and Technology, 2010 (3):505-521.

[13]Kim H L, Scerri S, Breslin J G, et al.The State of the Art in Tag Ontologies: A Semantic Model for Tagging and Folksonomies[EB/OL].[2011-03-28].http://dl.acm.org/citation.cfm?id=1503431.

[14]Yang Yang, Huang Zi, Shen Hengtao, et al.Mining Multi-Tag Association for Image Tagging[J].World Wide Web-Internet and Web Information Systems, 2011 (2):133-156.

[15]Yang H C.Automatic Generation of Semantically Enriched Web Pages by a Text Mining Approach[J].Expert Systems with Applications, 2009 (6):9709-9718.

[16]Kim J W, Candan K S, Tatemura J.Organization and Tagging of Blog and News Entries Based on Content Reuse[J].Journal of Signal Processing Systems for Signal Image and Video Technology, 2010(3): 407-421.

[17]Kim H N, Ji A T, Ha I, et al.Collaborative Filtering Based on Collaborative Tagging for Enhancing the Quality of Recommendation[J].Electronic Commerce Research and Applications, 2010 (1):73-83.

[18]Wang Jun, Clements M, Yang Jie, et al.Personalization of Tagging Systems[J].Information Processing & Management, 2010(1):58-70.

[19]Lee S H, Neve W D, Ro Y M.Tag Refinement in an Image Folksonomy Using Visual Similarity and Tag Co-Occurrence[J].Signal Processing-Image Communication, 2010 (10):761-773.

[20]Symeonidis P, Nanopoulos A, Manolopoulos Y.A Unified Framework for Providing Recommendations in Social Tagging Systems Based on Ternary Semantic Snalysis[J].IEEE Transactions on Knowledge and Data Engineering, 2010 (2):179-192.

[21]Yang Song, Zhang Lu, Giles C L.Automatic Tag Recommendation Algorithms for Social Recommender Systems[EB/OL].[2011-10-10].http://research.microsoft.com/apps/pubs/default.aspx?id=79896.

[22]Song Yong, Zhuang Ziming, Li Huajing, et al.Real-Time Automatic Tag Recommendation[EB/OL].[2011-03-26].http://www.cse.psu.edu/～huali/pdf/sigir.pdf.

[23]Sevil S G, Kucuktunc O, Duygulu P, et al.Automatic Tag Expansion Using Visual Similarity for Photo Sharing Websites[J].Multimedia Tools and Applications, 2010 (1):81-99.

[24]Angus E, Thelwall M, Stuart D.General Patterns of Tag Usage Among University Groups in Flickr[J].Online Information Review, 2008(1):89-101.

[25]Fu W T, Kannampallil T, Kang R, et al.Semantic Imitation in Social Tagging[J].ACM Transactions on Computer-Human Interaction,2010(3):1-37.

[26]Bar-Ilan J, Zhitomirsky-Geffet M, Miller Y, et al.The Effects of Background Information and Social Interaction on Image Tagging[J].Journal of the American Society for Information Science and Technology, 2010 (5):940-951.

[27]McDonnell M, Shiri A.Social Search: a Taxonomy of, and a User-Centred Approach to, Social Web Search[J].Program-Electronic Library and Information Systems, 2011 (1):6-28.

[28]Morrison P J.Tagging of and Searching: Search Retrieval Effectiveness Folksonomies on the World Wide Web[J].Information Processing & Management, 2008 (4):1562-1579.

[29]Abel F, Baldoni M, Baroglio C, et al.Leveraging Search and Content Exploration by Exploiting Context in Folksonomy Systems[J].New Review of Hypermedia and Multimedia, 2010(1-2):33-70.

[30]Kim H H.Toward Video Semantic Search Based on a Structured Folksonomy[J].Journal of the American Society for Information Science and Technology, 2011 (3): 478-492.

[31]Ungrangsi R, Anutariya C, Wuwongse V.Enhancing Folksonomy:Based Content Retrieval with Semantic Web Technology[J].International Journal on Semantic Web and Information Systems,2010(1):19-38.

[32]Yi K.A Semantic Similarity Approach to Predicting Library of Congress Subject Headings for Social Tags[J].Journal of the American Society for Information Science and Technology, 2010(8): 1658-1672.

[33]Yi K, Chan L M.Linking Folksonomy to Library of Congress Subject Headings: an Exploratory Study[J].Journal of Documentation, 2009(6):872-900.

[34]Steele T.The New Cooperative Cataloging[J].Library Hi-Tech, 2009(1):68-77.

[35]Li Xirong, Snoek G M, Marcel W.Learning Tag Relevance by Neighbor Voting for Social Image Retrieval[EB/OL].[2011-03-26].http:// staff.science.uva.nl/～xirong/pub/MIR08.pdf.

[36]Cui Jianwei, Liu Hongyan, He Jun, et al.TagClus: A Random Walk:Based Method for Tag Clustering[J].Knowledge and Information Systems, 2011(2):193-225.

[37]Peters I, Stock W G.''Power Tags'' in Information Retrieval[J].Library Hi-Tech, 2010(1):81-93.

[38]Clements M, De Vries A P, Reinders M J T.The Influence of Personalization on Tag Query Length in Social Media Search[J].Information Processing & Management, 2010(4):403-412.

[39]Park J H, Choi B C, Kim K.A Vector Space Approach to Tag Cloud Similarity Ranking[J].Information Processing Letters, 2010(12-13):489-496.

[40]Sinclair J, Cardew-Hall M.The Folksonomy Tag Cloud: When Is It Useful?[J].Journal of Information Science, 2008(1):15-29.

[41]Bateman S, Gutwin C, Nacenta M.Seeing Things in the Clouds:The Effect of Visual Features on Tag Cloud Selections [EB/OL].[2011-03-27].http://dl.acm.org/citation.cfm?id=1379130.

[42]靳延安, 李瑞軒, 文坤梅,等.社會標注及其在信息檢索中的應用研究綜述[J].中文信息學報,2010 (4):52-62.

[43]竇玉萌.基于網絡協(xié)作標注的標簽消歧方法述評[J].現(xiàn)代圖書情報技術,2010(3): 27-32.

[44]易 明, 鄧衛(wèi)華.基于標簽的個性化信息推薦研究綜述[J].情報理論與實踐,2011 (3):126 -128.

[45]Hak L K, Suk H H, Hong G K.FCA:Based Approach for Mining Contextualized Folkso-Nomy[G]// ACM Symposium on Applied Computing (SAC 2007).New York: ACM, 2007:1340-1345.