李娜,范正洁,郝传洲,王平辉,陶敬,林杰

(1.西安交通大学智能网络与网络安全教育部重点实验室,710049,西安;2.中国移动通信有限公司研究院大数据与IT技术研究所,100053,北京)

随着大数据技术的深入研究与应用,企业的专注点日益聚焦于怎样利用大数据来为精准营销服务,进而深入挖掘潜在的商业价值[1-4],于是用户画像的概念也就应运而生。所谓用户画像,即用户信息的标签化,利用标签体系勾画用户的属性特征[5]。精准、细粒度且结构化的标签体系是用户画像的基础,其广度和粒度对用户画像的精确性有较大影响,因此标签体系的构建具有一定的研究意义和应用价值。

早期比较流行的标签体系构建方法均基于Golder所提出的协同标签体系[6];Yeung和Tahar等利用分众分类法构建标签体系[7-8];Cai等先后提出利用协同标签系统不同标签权重的结构化和非结构化标签来构建标签体系[9-10]。协同标签体系描述众多用户以标签形式向共享内容添加元数据的过程,大多知名网站允许用户公开标签和共享内容,用户不仅可以为自己的信息分类,也可以浏览他人的分类信息,故协同标签体系的构建受到个人和公共两方面因素的影响。由于个人背景知识以及描述文字的习惯不同,不同用户对同一网页可能添加不同的标签,致使最终的标签体系存在重复和结构层次不明显的问题。随着本体的发展,利用本体构建标签体系的研究也逐渐增多,Skillen、Maleszka和Ferreira等利用现有本体框架人工或自动化地构建本体以生成标签体系[11-13],但目前基于本体所得到的标签体系准确度低,存在冗余或者缺失以及结构问题。……