[发明专利]自由分类标签类聚成网状分类结构的方法

说明书

技术领域

本发明涉及一种自由分类标签类聚成网状分类结构的方法。

背景技术

在传统的网络内容管理系统中，很难人工设计分类栏目，想调整或细化分类时，需 要对所有相关信息进行修改，网络资源的分类费时费力。目前资源利用已经从专家自主 模式(即系统建构---用户利用)向用户自主模式(用户构建---用户利用)发展。自由 分类的个性化标签是完全从用户视角发展起来的分类方法，它打破了严格的学科分隔和 类号束缚，事实上也打破了传统分类的两大支柱：学科区分和类号聚合。传统分类法严 格的学科细分正在瓦解，目前学科融合使许多资源归类困难。大量的资源是可以自由组 合的，用户标签颠覆了传统的专家分类模式，建立了以用户为中心的标签聚类模式，分 类框架采用自由分类的框架和语言。分类的表现形式---标签是由用户产生的元数据， 区别于以往由专家或网站作者产生的元数据，它能直接、迅速反映用户的需求、理解和 知识的更新。但自由分类法存在语义模糊，标签滥用，标签散乱，层次关系不明确，难 以形成分类目录等级结构，利用标签平面非等级标引的信息也都是并列的，信息越多利 用标签直接找到信息就越困难等问题。所以自由分类法现在还无法取代现有网络信息分 类法作为各大网站和搜索引擎的分类导航系统的地位。

在Web2.0网站http://delicious.com上，用户可以对互联网的各个网站标注自由 分类标签，推荐与分享，在豆瓣网站上，用户可以对电影，音乐，图书等根据自己的理 解标注自由分类标签，并推荐分享，用户可以在许多在Web2.0网站上对视频、博客等 资源添加自由分类标签并推荐等等。如果突破自由分类标签自动类聚，确定标签间层级 关系的难题，就可以利用自由分类标签构建层次分明的网状分类结构并对网络资源进行 自动归类。

发明内容

本发明的目的是提供一种简单、方便的自由分类标签类聚成网状分类结构的方法， 它可根据用户标签关联，用户偏好关联自动构建网状分类结构，不需要任何同义词表， 分类词表和其他概念等级结构辅助，自动产生新的分类，自动构建类目层级关系。

本发明提供的自由分类标签类聚成网状分类结构的方法，该方法是利用用户对网络 资源添加的标签关联和喜好推荐关联将资源类聚成最基本的凝聚子群，最基本的凝聚子 群之间通过标签关联组成上一级较大的凝聚子群，逐次向上组成一级级的凝聚子群类 目，从而形成网状分类结构。

本发明可以采用比较通俗的解释进行说明，例如，自然界中存在的大最复杂系统都 可以通过网络进行抽象和描述。通过对网络模型的构建和网络结构特征的分析，就可以 构建网络地图，例如人际关系网络地图，交通网络地图等等，从这些网络地图中我们就可 以分析出一个个最基本凝聚子群，相近的最基本的凝聚子群又组成一个较大的凝聚子 群，相近的较大的凝聚子群又组成更大的凝聚子群。北京，上海，广州等顶级城市位于 错综复杂的交通网络中，位于不同凝聚子群连接网络的中心。这些中心是通过分析其与 其他凝聚子群的交通连接密集程度自动产生的，不是事先规定的中心。就像每个县城都 有直接到县内每个镇频繁的班车，就可以组成一个县的凝聚子群，每个地级市都有直接 到市内每个县城频繁的班车，就可以组成一个地级市的凝聚子群。每个省会市都有直接 到省内每个地级市频繁的班车，就可以组成一个省的凝聚子群。这样就可以从交通网络 图中确定各镇，县城，地级市、省会的层级关系。

自由分类中用户添加标签和喜欢推荐的行为将相同类别的资源关联起来，标注了相 同的标签的若干个资源就说明这若干个资源有相互之间都两两有关联(称作标签关联)， 在绘制网络资源关系连接图时就用连接线两两连接。被相同的用户同时喜欢推荐就说明 若干个资源可能会有点关联(称作偏好关联)，很明显，在资源的类别判断中，标签关 联比偏好关联的权重大得多，因为虽然相同读者喜欢的图书往往是同类的，但读者的喜 好是广泛的，偏好关联只能作为辅助判断，而且偏好关联只在确定最基本的凝聚子群时 使用，在分析凝聚子群间的关系连接网络图时不使用。