国外学者多数以“Tag Ontology”来描述以“标注活动”作为本体概念项的本体,即“标签本体”。为了明确标签本体的语义结构,首先对标签本体与普通本体进行比较:

(1)普通本体的一个概念是由词项表示。而标签本体的一个概念是一个具体的标注活动(Tagging)。可以认为整个标签本体是一个大世界,而每一个概念Tagging是一个小世界;

(2)普通本体中概念间的语义是由概念的字面含义决定的,因此形成一个具有层次结构的概念模型以明确概念的语义。而标签本体通过对标注活动的具体明确表述,根据被标注资源的URLs地址及其内容来确定标签之间的语义关系,即为标签提供一个明确的含义背景。因此在普通标签中,可能完全没有语义关系的两个概念词项,在标签本体中由于标注了相同资源而产生语义关联。例如“苹果”和“电脑”这两个标签,在普通词项概念本体中完全没有关联,但是在标签本体中往往会共现于“苹果牌电脑”,这就使它们之间产生了语义,而这种语义是由其所标注的资源决定的。

这类本体以形式化Tagging作为构建本体的主要任务,即通过本体的构建,为每一次标注活动提供一个形式化的语义模型,如图1所示:

图1

	Figure Option ViewDownloadNew Window
	图1 Tagging的基本模型图[ 13]

该模型包含用于描述标签的Tag类、被标注资源的Resource类、被标注资源来源的Source类、标签创建者的Tagger类,以及标注时间的Date类等。

这些类在记录形式上会根据不同的标签本体有不同的类名及属性名,而连接这些类、表达这些类间关系的就是本体的属性(Property)。从类与属性的关系,以及对标注活动明确化的表达方式来看,类似于普通本体的类与属性的关系以及本体的本质含义,这也是把以Tagging为核心概念的语义框架称为标签本体的原因。

作为明确并形式化Tagging的标签本体,它所具有的最基本的类与社会化标注系统用来描述标注活动的类相同,即描述“标签-资源-用户”。而它与一般标注活动描述的不同之处在于,标签本体不仅仅扩展了标签类、资源类、用户的子类,还能够根据不同应用需求及发展空间,提供不同类、子类及各类间的属性用于说明它们的关系。通过分析有代表性的标签本体发现,这类本体从以下几方面扩展了社会化标注系统用来描述标注活动的类,如表1所示:

表1

表1

表1 对“标注活动”基本类的扩展表[ 8, 9, 11, 12, 13] 类的含义 研究者 标注日期 对标签的评价 标注来源 标签隐私 Thomas Gruber Polarity Source Richard Newman Date Torben Knerr Time Domain Visibiliy Francisco Echart Polarity TagPersonal, TagCommon Ying Ding Date Comment, Vote Source

表1 对“标注活动”基本类的扩展表[ 8, 9, 11, 12, 13]

(1)标注日期。标注日期的引入用于明确标注活动的发生时间;

(2)对标签的评价。对标签质量及使用价值的评价来自于用户,可根据此评价剔除无用的标签,并保留质量高的标签;

(3)标注来源。标注来源说明了一个标注活动发生的背景环境及来源系统,即在区分标注活动发生的不同系统的基础上,能够较准确地分析出标签的语义环境;

(4)标签隐私。由于标注平台的公开化及网络资源的共享性,无论用户是否愿意,其使用的标签及所标注的资源都有可能被其他人看到,因此满足部分用户的隐私需求不可忽视。

除了以上列举的几个类的发展内容,这些学者还各自提出不同于其他人的类。例如: Knerr^{[ 10]}在其本体中引入Type类,用来表示某标注活动所标注的资源的类型,例如图片、视频或者网站等;Echarte等^{[ 12]}增添了Annotation和 AnnotationTag两个类,分别是描述“标签与用户关系”以及“标签与资源关系”的中间类,这两个类从用户习惯的角度——而不是仅从标签和资源关系的角度——阐述了标签和标注活动之间的关系。

在标签本体发展的同时,有些学者为了明确标签间的确切语义,在考虑被标注资源与标签关系的基础上,提出了以“标签”为概念项的本体。这类本体除去标签本体对标注活动的详细描述,只是单一地对标签与本体进行映射而得到,但由于该类本体是根据社会化标注活动的特征来分析挖掘标签间的标注性语义,因此能够从标注活动的层次上明确地描述标签间的语义关系。这类本体与以“标注活动”作为概念项的本体的另一个区别在于:以“标注活动”作为概念项的本体的构建特点是直接表现标签及其相关标注活动的语义,而以“标签”为概念项的本体的构建特点则是先挖掘分析标签语义,后构建并表示标签间的语义层次结构。

(1)国外相关研究

Mika^{[ 14]}根据社会标注机制,从“用户-概念-实例”三个角度在社区中抽取数据,分别构成基于社区的本体(Community-based Ontology)、概念实例本体(Concept-Instance Ontology)以及用户概念本体(Actor-Concept),并以用户为线索,综合三个本体所描述的实例与概念间的联系,分析了相对应标签间的语义关系,从而构建标签间的语义层次关系;Tang等^{[ 15]}提出一个通过提取Folksonomy中语义层次关系来构建本体的方法。该本体首先利用概率生成模型为标签与文档间的对应关系建模,然后通过分歧算法来推理并构造出标签间的三种关系类型,即相融关系、上下位关系和相关但意义不相同的关系,最后根据所得信息生成标签层次结构,从而构建本体;Djuana等^{[ 16]}提出根据原有本体与标签进行映射得到关于标签的本体。该标签本体的核心概念不是标注活动,而是简单地将个人标签与WordNet本体中的概念通过不同的映射方式组合起来,形成用于信息推荐的本体。该标签本体被定义为一个二元组,即TagOnto=(TC,RC),其中TC代表标签概念的集合,RC代表标签概念关系的集合;Rinaldi等^{[ 17]}利用本体和语义信息设计了一个改善标签云的策略,通过抽取标签云中附加的属性及关系,来提高标签云的可视性及其在用户系统中的应用;Gasevic等^{[ 18]}在学习型环境下根据学习者(用户)协同创建的标签,提出一种构建并维护本体的方法,即通过一个可视化的用户交互界面来选择协同标签以支持丰富本体内容,并推理出协同标签和本体概念的语义关系,以向用户推荐与本体概念相关的协同标签。

(2)国内相关研究

唐晓波等^{[ 19]}利用社会网络分析的理论和方法, 采用“浮出语义”的思路, 分析基于分众分类的“标引者-标签概念-实例”三部图模型,并根据该模型发掘概念间语义信息,构建半形式化本体。熊回香等^{[ 20]}将SIOC本体引入Folksonomy,并定义一个名为tag:hasTag的属性,用来链接本体的概念和表示相同含义的不同标签,同时使用都柏林核心元数据的dc:subject 属性和sioc:topic 属性分别表示标签的来源以及该标签连接到相应本体中的位置,还引入sioc:related_to属性来链接相关的站点,从而推导出链接相同站点的标签是相关的。刘凯鹏等^{[ 21]}通过挖掘标签间隐含的包含关系来发现标签语义关联,实现在社会标注系统中构建本体的目的,采用形式概念分析(Formal Concept Analysis)获取“包含模型”,并将该模型转化为层次关系,利用随意游走的标签普遍性排序法,用自上而下的凝聚式层次聚类算法生成概念层次结构,从而生成本体。

在社会化标注系统中,本体提出及优化完善的同时,也陆续推出了适用于各种平台的社会化标注网站。根据应用需求的侧重点,可分为以下几种:

(1)以提高标签重用率为应用重点

该类应用是规范标签使用、减少冗余标签的重要手段。SCOT(Social Semantic Cloud of Tags)本体^{[ 22]}的应用理念在于提高标签的重用率,并且根据URLs标识赋予标签有意义的属性。SCOT本体还提供了表达资源、标签、用户以及标题的扩展信息(如标签使用频率、标签共现率和标签等价关系等)的结构和语义,并通过整合多样的SCOT个体本体来形成SCOT群体本体,实现标签的共享与再利用。目前,已有网站利用SCOT本体能够表现标签语义结构的特点,实现用户标注个人书签、通过资源浏览并使用他人标签、管理标签等活动,例如文献[23]提到的int.ere.st和Flickr网站。

(2)以明确标签的含义为应用重点

该类应用,即赋予自由标注活动的含义是明确标注活动语义的重要手段,通过明确标注活动中标签的使用含义,可以提高检索的准确率。例如MOAT(Meaning Of A Tag)^{[ 24]}为了实现对标签局部含义和全局含义的表达,以明确标签含义,MOAT在组织结构上分为客户端和服务器端,并引入了moat:hasMeaning属性和moat:Meaning类来实现对标签全局含义和局部含义的表达。例如标签“杜鹃”,如果标注活动的资源背景是植物类,那么这个标签就代表一种花卉,而它的全局含义可能还有“杜鹃鸟”、“杜鹃花茶”等。

在以上两种主要应用的基础上,其他一些引入标签本体的标注系统还衍生了其他功能类及属性:

(1)Common Tag(大众标签)^{[ 25]}在延用MOAT的基础上,将SIOC、SIOCT、TAGS、 MOAT和SKOS中相关的概念映射为自己的概念,并引入ctag:AuthorTag属性和ctag:ReaderTag属性,实现了人工标注和自动标注的功能。同时还增加了ctag:AutoTag属性自动为资源标注具有语义的标签。

(2)Nice Tag Ontology (NT)^{[ 26]}提供关于nt:TagAction的子类用于捕捉标注活动的类型、形式以及动作功能。例如nt:SetTask表达某一标签的任务为“去做什么”或者“去阅读什么”;nt:Evaluate与UTO本体的uto:Vote属性类似,用于标记某标签的评价等级,如“好的”等。该标签本体的突出之处在于:通过一些属性实现人性化的标签好感评价,如makesMeFee属性;利用hasForMedium属性告诉用户某标签指向一个怎样的中介媒体(“论坛”、“视频”、“照片”、“网页”、“服务”等);用elicitsAction属性表示标签所标注的某个资源会引起怎样的活动;并利用canBeReadBy属性、cannotBeReadBy属性限定标签的阅读权限,以实现个人隐私的保护。

(1)利于数据的交互^{[ 2]}。本体的最基本功能就是为知识概念提供一个标准规范的语义结构模型,这种模型是可重复利用的,因此本体提供了数据互通的可能性。而社会化标注系统中的本体继承了普通本体的标准模型理念,因而该类本体是可以被重复利用的,并且能够实现不同平台之间标签及其相关标注活动数据的交互与共享。

(2)解决标签模糊性问题,明确标签语义^{[ 12, 27]}。由于建立本体的根本目的是通过对相关应用领域的概念及其关系进行形式化的组织,形成有语义层次结构的框架,达到知识的共享和重用。因此社会化标注系统中的本体在继承普通本体构建目的的基础上,不仅融入社会化网络的交互因子,从用户的使用角度及兴趣习惯重新定义了标签之间的语义,还结合不同的应用环境,对标注活动及标签个体的语义层次分别进行了明确的表述。从而有效地解决了标签的模糊性、多样性和组织的扁平型等问题,并规范了标签个体及其相关标注活动的描述。

(3)社会化标注系统中的本体通过规范整合社会化标注系统中的标签,实现对标签的规范控制^{[ 28]}。社会化标注系统的服务宗旨是为网络用户提供一个易用的标注平台,但是由于这类服务存在自由性,导致使用的标签也存在语意模糊性。而本体的出现则为明确并表达标签语义提供了可能性。根据标注活动的语义关系,将标签与本体联合起来可以实现对标签的控制作用:不仅可以利用本体中的概念及属性对标签进行语义识别,从概念上对标签进行规范控制,减少标签的歧义性,还可以根据本体能够建立语义网络和推理规则的特点,构建自由标签的语义网络^{[ 29]}。

(4)社会化标注系统中的本体可被机器处理。由于目前该类本体都使用可机读语言构建(例如RDF(S)、OWL及其子语言),并投入到实际应用中,因此这类本体方便机器自动执行数据链接和标注数据整合任务,减少人工劳动。同时推进系统根据该类本体已有的语义模型采用自动或半自动化的方式,分析识别用户标注活动,用以维护并提取出更新本体的数据。

(1)存在的问题

社会化标注系统中的本体的研究仍在发展中,目前已研究出并投入应用的社会化标注系统中的本体存在的问题有以下几类:

①社会化标注系统中本体之间没有统一的结构

虽然它们的基础类(“用户-资源-标签”)相同,并且每个本体为标签数据提供了特定的统一标准模型结构,但是由于需求环境的不同以及研究者研究角度的不同,不同本体之间所包含的类与属性也是不相同的。同时,由于不同本体使用的构建语言也可能不同,例如Knerr^{[ 10]}和Echarte等^{[ 12]}提出的本体模型是使用OWL语言构建的,Ding等^{[ 13]}提出的UTO本体则融合了OWL和RDFs两种构建语言,因此当需要进行本体数据交互时,采用不同构建语言类型的本体之间数据无法有效互通。

②对最新出现的流行词无法进行有效分类

标签的自由性导致各类流行词汇的出现,当本体概念无法解释的流行标签出现时,标签本体并不能立即对其进行识别并予以归类,因此全自主的标签语义识别难以实现。

(2)改进策略的探讨

由于现有的社会化标注系统中的本体本身就融入了其他成熟本体或语义框架的部分属性及类,例如,Newman^{[ 11]}提出的标签本体借用了SKOS语义框架完善标签与标签类之间的关系;SCOT^{[ 7]}本体则引入SIOC、FOAF和SKOS等外部本体的词汇属性描述等。并且该类本体的构建是由广大用户参与实现的,因此对以上问题,可从以下两方面解决:

①整合现有的各类社会化标注系统中本体

针对社会化标注系统中的本体没有统一的结构这一问题,融合各个本体中较好的框架元素是一种可以参考的方法。例如针对以“标注活动”作为概念的本体,可以抽取其中较好且满足大众需求的类与属性,并引入各个本体中已经成熟的命名空间及框架,如FOAF、SIOC等,重新组合成为一个通用本体模型^{[ 30]};而以“标签”词汇作为概念的本体,可以采用数据整合的手段,分别挖掘社会化标注系统Folksonomy中的数据、在线文本资源以及语义网资源,结合本体映射匹配算法和网络社区对用户交互行为的描述功能,分析标签数据的关系强度,并将关系强度高于一定阈值的项联系起来,作为标签数据间的语义关系存储在本体中;还可以借用知识地图构建整个标注系统中包含标签的知识脉络^{[ 31]},并利用已成熟的词汇表WordNet或本体等形成一个统一的语义信息框架,通过映射形成统一的本体模型。

②借助网络社区力量,挖掘并整合新出现的流行词汇的语义

新出现的流行词往往反映众多网络用户相同的兴趣爱好,而网络社区是聚集相同兴趣用户的最佳场所,因此充分利用社区的力量,通过以下两种途径可以获取这些流行词汇的概念语义:

1)将流行词汇标签概念化。可以依靠用户为最热门话题进行标注并投票选出最具代表性的标签,对该标签使用的资源背景进行语义分析,得出该标签的背景含义,以实现其概念的呈现,添加到本体中。但这样做会增加本体进化的结构代价和潜在代价;

2)保存流行词汇标签的词貌原样。该途径可以建立流行热点标签词库,专门用来存放这些流行热点标签,通过识别这些流行词汇标签与规范标签标注同一资源的频数,即其与本体中规范标签的共现度,确定这些流行词汇标签与已有本体中规范标签的语义相关性。当共现度大于一定频数时,可认为它们是语义相关的,并建立流行词汇标签和规范标签间的关系,可以减少在本体中添加流行词汇标签的代价,同时也保持了流行词汇标签的原貌。当用户输入流行词汇标签进行检索时,系统就可以通过识别与该标签具有语义相关性的规范标签,来识别并检索出相关的资源。但是该途径会增加系统的存储代价,并且有可能造成流行词汇标签的冗余性,因此需要进一步探讨。