第1章緒論1

1.1研究背景及意義1

1.2標簽聚類方法中存在的問題分析3

1.3主要內容與本書的組織結構5

1.3.1主要內容5

1.3.2本書組織結構6

1.4本章小結8



第2章社會化標注及相關研究綜述9

2.1社會化標注繫統及其模型9

2.2社會化標注的相關研究綜述11

2.2.1用戶的標注動機與標簽的分類12

2.2.2社會化標注的動態演化規律13

2.2.3標簽的語義識別14

2.2.4標簽的推薦15

2.2.5標簽的可視化16

2.2.6標簽在信息檢索中的應用17

2.2.7標簽聚類對相關研究的作用18

2.3本章小結18



第3章基於相似度的社會化標簽聚類方法研究19

3.1引言19

3.2相關工作20

3.3傳統的標簽相似度測量方法21

3.3.1基於向量空間模型的方法21

3.3.2基於共現的方法25

3.3.3傳統標簽相似度測量方法的分析與總結26

3.4經典的聚類算法26

3.4.1K-means算法26

3.4.2凝聚式層次聚類算法27

3.4.3經典聚類算法的分析與比較27

3.5基於共同共現群體相似度的標簽譜聚類方法27

3.5.1標簽的共現關繫分析28

3.5.2標簽的共同共現群體相似度29

3.5.3譜聚類算法32

3.5.4標簽共現譜聚類算法33

3.6實驗與分析34

3.6.1實驗數據集34

3.6.2評價指標35

3.6.3實驗結果分析36

3.7本章小結47



第4章基於主題模型的社會化標簽聚類方法研究48

4.1引言48

4.2相關工作49

4.2.1LDA主題模型49

4.2.2LDA吉布斯采樣(Gibbs Sampling)公式的推導50

4.2.3LDA在社會化標注中的應用53

4.3基於LDA的標簽綜合聚類方法54

4.3標注關繫中標簽的語義分析54

4.3.2基於LDA的標簽綜合聚類方法的建模55

4.3.3聚類步驟58

4.4實驗與分析59

4.4.1LDA主題模型的評價59

4.4.2基於LDA的標簽綜合聚類結果的評價60

4.5本章小結70



第5章融合內容與鏈接分析的社會化標簽聚類方法研究71

5.1引言71

5.2相關工作72

5.2.1對社會化標注繫統中用戶社會關繫的利用72

5.2.2對社會化標注繫統中資源內容和資源引用關繫的利用73

5.3融合用戶社會關繫的標簽LDA模型及其標簽聚類方法74

5.3.1用戶社會關繫建模及其鏈接分析74

5.3.2融合社會關繫的用戶加權標簽LDA模型77

5.3.3實驗與分析78

5.4融合引用關繫的資源內容與標簽的聯合LDA模型及其標簽聚類方法82

5.4.1資源引用關繫建模及其鏈接分析83

5.4.2資源內容的表示84

5.4.3基於資源加權的詞與標簽的聯合LDA模型84

5.4.4實驗與分析87

5.5融合內容與關繫的標簽綜合LDA模型及其聚類方法91

5.5.1融合內容與關繫的標簽綜合LDA聚類方法91

5.5.2實驗與分析93

5.6本章小結96



附錄  主要符號說明97



參考文獻98



後記105

互聯網幾乎容納了現階段人類社會發展過程中的全部信息，已經成為全面記載並傳播人類文明的重要載體。對互聯網上的網絡信息資源不斷地進行優化、組織與管理，充分、合理且高效地利用互聯網中的各種信息資源，對於推進我國的信息現代化建設，促進國民經濟的發展具有十分重要的社會意義和應用價值。

作為互聯網上用戶搜索、組織、管理和共享網絡資源的一種機制，社會化標注允許廣大互聯網用戶在一個自由開放的環境中對自己感興趣的網絡資源，依據自身的理解和喜好選擇合適的標簽進行標注，由此在用戶、資源和標簽之間產生了大量的標注信息。

由於社會化標注具有自由化和公開性的特點，不同時間或背景下所產生的標注信息導致社會化標簽存在語義模糊、歧義、稀疏、冗餘等問題，造成標簽組織的混亂和信息描述的不一致性，制約了社會化標注繫統的應用。進行標簽聚類有助於揭示標簽的內在一致性和凝聚性，從而發現標簽聚集體所隱含的共同信息、概念與知識，有助於標簽的重新組織與再應用。但是，現有的標簽聚類方法大都從標注繫統標注關繫入手來聚類標簽，這些方法容易引起標簽語義丟失等問題；此外，這些方法沒有考慮社會化標注中存在的其它有用信息(如用戶的社會關繫、資源的內容等信息)。為了獲取更有價值的聚類知識，筆者開展了標簽聚類方法的研究工作。本書以社會化標注繫統中的標注信息為基礎數據資源，並擴展利用社會化標注繫統中的資源內容等相關信息，研究標簽聚類的相關方法，為基於標簽聚類的其它相關研究與應用提供良好的基礎。本書主要探討並研究了以下重要問題。

首先，針對當前的標簽相似度測量方法容易引起標簽的語義信息丟失等問題，提出標簽的共同共現群體相似度，從全局的角度完整地標注信息度量標簽的語義相似性；為了緩解標注數據空間結構復雜所引起的標簽數據分布不規則現像，在標簽共同共現群體相似度的基礎上提出譜聚類方法，利用譜聚類算法可以處理任意分布的數據且能收斂到全局解的優勢來實現標簽的聚類。即研究並提出了基於共同共現群體相似度的標簽譜聚類方法。

其次，標注數據中用戶的標注信息和資源的被標注信息之間所蘊含的標簽語義具有關聯性、重疊性與差異性等特點，為了完整揭示標簽中隱藏的語義結構，本書從潛在主題的角度去研究標簽的聚類方法標注關繫分割成“用戶-標簽”和“資源-標簽”這關繫，分別建立基於用戶的標簽主題模型和基於資源的標簽主題模型，在此基礎上，綜合標簽在這兩類主題上的主題分配結果建立標簽主題的二次學習模型，通過迭代學習出標簽的混合主題並實現標簽的聚類。即研究並提出了基於LDA (Latent Dirichlet Allocation)模型的標簽綜合聚類方法。該方法實現了標簽整體語義的分割、重構與聚類識別。

再次，基於融合社會化標注環境中存在的多源相關信息有利於提升標簽的主題識別能力與聚類質量這一假設，研究並提出了融合用戶社會關繫的標簽LDA模型及其標簽聚類方法，以及融合引用關繫的資源內容與標簽的聯合LDA模型及其標簽聚類方法，並在這兩種LDA模型的基礎上，提出了融合內容與關繫的標簽綜合LDA模型及其標簽聚類方法。即研究了融合內容與鏈接分析的標簽聚類方法。

結果表明，本書研究並提出的標簽聚類方法在各自的領域範圍內比其它的標簽聚類方法能夠獲取更好的聚類結果。本書的研究成果較繫統地解決了社會化標注繫統的稀疏、模糊、歧義等問題。希望本書能為社會化標注繫統及網絡信息資源的重組與深化應用貢獻一份力量。本書可供計算機應用技術、大數據與人工智能和管理科學與工程學科專業的研究人員、學生和工程技術人員學習參考。

本書是筆者在長期從事智能信息處理相關研究的基礎上形成的一本專著，在此，謹對長期以來共同工作、學習和生活的老師、同事和同學們表示深切感謝，感謝他們在長期科研工作中對本書的貢獻。本書是在胡學鋼教授的悉心指導和全力支持下完成的。本書的形成過程中，得到了王浩教授、葛斌教授、趙光明教授、高召寧教授、李英明教授、何葉榮教授、林躍進教授、李培培副教授等多位老師的幫助，並得到了孟祥瑞教授、王向前教授的鼓勵與支持。楊超宇副教授、何偉、楊恆宇、潘劍寒、王翔、許紫薇、邵美慶、汪劉凱等為本書的數據采集及實驗做出了很多工作，在此一並表示感謝。感謝方艷、李佳怡對本書的支持。

本書在國家自然科學基金面上項目“基於協同訓練策略的不完全標記數據流分類問題研究(No.61273292)”、*人文社會科學研究青年基金項目“社會化標注環境下的標簽層次關繫發現方法研究(No.13YJCZH077)”、安徽省自然科學基金面上項目“基於多源信息融合的社會化標簽主題識別方法研究(No.1808085MG221)”、南陽師範學院高層次人纔資助基金、南陽師範學院學術著作出版基金和南陽師範學院“臥龍學者”獎勵計劃等項目的資助下完成。後，在本書成稿過程中參考或引用了國內外一些學者的論著，在此表示感謝。由於時間倉促，水平有限，不足之處在所難免，敬請讀者批評指正。



著者

2020年6月