タグは見出しを打つことができますか？ タグ階層

セクション、カテゴリ、ハブ、およびその他のファセット分類が果たす役割など 私たちのオンライン生活の中で。 彼らとのすべてがとても明白ですか？

これらの概念はすべて、過去の論文から私たちにもたらされました。その後、厳密な体系化が、本や文書をナビゲートする唯一の方法でした。 最初は、インターネット環境では、見出しがほとんど唯一のナビゲート方法でした。 カタログは繁栄し、 増加しました。Yahooはカタログを320億ドルの資本金を持つ大成功プロジェクトに変えた好例です。







しかし、検索技術の開発は、カタログとルーブリックの信頼性と関連性を大きく損なっています。 恐竜と同じように、大きくて不器用なカタログは機敏で略奪的な検索エンジンによって破られました。

Web上のグローバルナビゲーションの分野で敗北しましたが、別の生態学的なニッチ、つまりサイトで-ルブリケーションは依然として古典的なナビゲーションツールです。



その後、タグまたはショートカットが登場し、このツールは旧式で柔軟性に欠けるアプローチとしてルブレーションに取って代わると思われました。 しかし、いや、誰もが自分自身で残った。 そして、多くの場合、同じ情報スペースでルブリケーションとタグ付けが共存していることがわかります。

なぜタグは素晴らしい啓示と墓掘りになっていないのですか？

私には次の理由があります：

1.見出しは、この情報源の一般的なトピック（ウェブサイト、ウェブログなど）をよく示しています。 事前にコーミングされており、タグが受ける奇妙さの影響を受けません（モデレートされていない限り）



2.同様に、セクションに配置されているコンテンツはほとんどの場合正しくそこに配置されていますが、提供されるタグはタグを付けた人の主観的な意見にすぎません。



3.フォーラムソリューションでは、見出しが投稿のモデレーションの基礎となります。 つまり、ユーザーによって生成されたコンテンツは、多かれ少なかれ関連するセクションに分類される可能性があります。 そして、これは書くことはせず、読むことをする人たちの生活を簡素化します。



4.分類タクシー-ルーブリケーションがナビゲーションの基礎であるオンラインストアおよびその他のシステム。



合計すると、ショップ付きのアイテムを除き、ルーブリケーションの他のすべての利点は、ルーブリックに含まれるコンテンツの品質の予測可能性に帰着します。



つまり、反対の方向を見ると、タグを見ると、メッセージラベルとしてもメッセージ品質の指標としても、あまりにも予測不可能です。



一方、タグもルーブリケーションであることは直感的に明らかですが、より一般的かつ民主的な方法であるため、この民主的な性質のため、タグはルーブリックを失います。 過度の自由は不確実性につながります。



たとえば、ナビゲータをタグとして使用し、メッセージのコンテキストではナビゲータを使用する場合、これは1つのことです。

携帯電話に関する次のニュースを読んで、そこに「カバレッジ」というタグがあります。 このタグをクリックするとき、実際には、リンク「モバイル通信」+「カバレッジ」をクリックする必要があります。

テキストが特に牛の繁殖に関するものである場合、タグ「cover」には「牛」+「カバー」という異なる意味があります。

たとえば、コンテキストなしでタグに会った場合、サイトのタグクラウドでそれらを見ただけで、「カバレッジA」と「カバレッジB」を区別する方法は？







読者の興味の歴史を知っている場合にのみ、タグのセマンティックコンテキストの明確な解釈が可能になります（行動分析？）。 つまり、読者が通常「ネットワーク」、「モバイルネットワーク」などのカテゴリのテキストを詳しく調べている場合、「カバレッジ」というタグによって彼の意味を理解できます。 そのような情報がない場合、すべては通常通りです...

どうする

タグ付け技術の開発の観点から、これはこれを意味します：

タグを使用して検索する

1.疑わしい場合には、1つのタグではなく、一連のタグを使用してメッセージの選択を取得することをお勧めします。

2.このセットは、メインタグ（投稿を選択するための基準として注文されたタグ）と追加、つまりユーザーが「頻繁に放牧する」ラベルで構成できます。

3.もちろん、追加のタグは、多くの場合、メインと会う必要があります。つまり、「接続」されている必要があります。

タグ付け

はい、これが最も弱い点です。 タグは通常作者によって付けられますが、これは非常に主観的なものであり、フォークソノミーの実験はまだ奨励されていません。 タグ付けをより厳密にするために、他のいくつかのメカニズムが必要です。 最も可能性が高いのは、同義語または類似性の検索を使用した作業の形式でのタガーへの節度およびヘルプメカニズムです。

階層

タグは単なる単語ではなく、サブジェクト領域に属することを暗示する単語（組紐（髪型）、組紐（海岸）、組紐（道具））です。

つまり、タグは少なくとも2つのパラメーター（単語、サブジェクトエリア）です。

また、サブジェクト領域は、ジョイントの外観によって緊密に接続されたタグのコレクションです。



タグ階層には大きな可能性があります。 これらの階層は自然なものです。つまり、ユーザーがパスとして踏みにじり、デザイナーが作成したものではありません。



前文は終わったと言えます。 以下は、数学者セルゲイ・リボフの非常に具体的なレシピです。 彼がHabré（ popolznev ）の声を与えられることを本当に願っています。

タグ階層の最初のステップ

著者： セルゲイ・リボフ

1.何が欲しい

ネットワークコミュニティ（ネットワークはコンピューターネットワーク）を想像してください。メンバーは書面でコミュニケーションを取ります。 メッセージ（投稿、ステートメント、メモ、発言、一致）は保存され、さまざまな方法で混乱をクリーンアップしたり、接続を確立したりすることができる大きな山を形成します。



物事を整理する方法の1つ、あるいは、メッセージのヒープ内に構造を形成する方法の1つは、タグ（テーマラベル）を使用することです。 ユーザー自身がショートカットを考え出し、それらをメッセージに帰属させることが想定されています。 コミュニティのメンバーはショートカットの作成に制限されていないため、多くのショートカット自体が大きな山になり、ショートカットが構造を形成するためのツールになるためには、それら自体を整理する必要があります。 ヒープをクリーンアップするには、基本的にも基本的にも異なる2つの方法があります。手動と自動です。 もちろん、2番目の方法に興味がありますが、おそらく、手動で調整しないとできない場合があります。



ラベルはメッセージの「テーマの性質」に責任があるため、ラベルのヒープに順序を付けることは、2つのラベルがテーマ的に互いにどのように近いかを示すことができる尺度を確立することを意味します。 この測定は

単語の数学的意味でメトリック（=距離）として配置されます（つまり、2つの異なるラベルの場合、ラベルのリストの順序に関係なく、ラベル間の距離は正の数でなければなりません;からの距離

それ自体へのラベルはゼロです）。 しかし、相関係数（完全に無関係なラベルの最小値は0、最大値は1）のような測定を行う方が便利だと思われました。 さらに、この係数は対称である必要はありません。2番目のラベルを1番目のラベルよりも強く貼り付けることができます。

2.要素と指定

Mは、マッシュルームに保存されているすべてのメッセージのセットを示します。M = { m ₁ 、...、 m _N }。 セットMが時間の経過とともに変化し、メッセージの数が増えることは明らかですが、ダイナミクスには関心がありません。システムを任意の固定瞬間に検討します。 Sは、システムで現在使用可能なすべてのタグタグのセットです。S = { s ₁ 、...、 s _NN }。 対応（関係）はセットMとSの間で定義され、これはジオメトリとの類推によって（多くの読者はグラフ理論で言う-しかし、彼らはジオメトリを思いついた）、インシデントと呼ぶことができます：メッセージmとラベルsは 、メッセージmが s 。



リトリート 。 小屋の議論における行動の規則は、メッセージの作者だけがメッセージにラベルを掛ける権利を持たないようにすることができます。 しかし、タスクにとってこれは重要ではありません。メッセージにラベルを付ける人は誰でも、問題の瞬間にシステムはその状態に固定されます。 重要なのは、メッセージとラベルが付随的であるかどうかです。



s 1、...、 s rがメッセージmをマークするラベルである場合（メッセージmのタグセットを定義できます： S （ m ）= { s ₁ 、...、 s _r }）、量e ^{[s ₁ ]} （ m ）、...、e ^{[s _r ]} （ m ）、これらはメッセージmの （タグ付き）値と呼ばれます。 それらがどのように正確に計算されるかは、今私たちにとって非常に重要ではありませんが、計算されるべきです

メッセージの重要度が高いほど、重要度が高くなるようにする必要があります。 大雑把に言えば、メッセージの重要性は、メッセージによって読者に公開される「プラス」の数です。 システムの機能：プラス記号はメッセージだけでなく、ラベルに付けられます。



メッセージ自体の遺伝的関係が考慮されます。各メッセージには「子孫」と「先祖」（「先祖」）を含めることができます。 メッセージm ₂がメッセージm ₁に応答して書き込まれる場合、メッセージm1はm _2の直系の祖先または先行、およびm _2-直系の子孫と呼ばれます。 メッセージm _1の直接の子孫であるメッセージに応答してメッセージm ₂が書き込まれる場合、 m ₂はメッセージm ₁の直接の子孫（または単に子孫）と呼ばれます。 メッセージm ₂がメッセージm _1の子孫であるメッセージに応答して書き込まれる場合、 m ₂はメッセージm ₁の（直接）子孫とも呼ばれます。 直接の祖先（先行）も同様に定義されます。

3.アプローチ番号0：外観統計

私たちが構築しているシステムは何も理解していません。 彼女にとって、ラベルは単なる文字のセットです（同音異義語の問題を角かっこから外します-それは何らかの形で解決されると仮定します）。 したがって、システムは、ラベルの共同出現の頻度に基づいて、ラベルのテーマの近接度のみを評価できます。2つのラベルが頻繁に一緒に見つかった場合、テーマ的に近いと仮定するのは自然です。 µ ^{[ s ]で}タグ付けされたメッセージ^の数、 µ ^{[ u ]で}タグ付けされたメッセージ^の数、 µ ^{[ su ]}でsとuでタグ付けされたメッセージ^の数を同時に示します。



ラベルsおよびu の主題関係係数を決定する最初の試み：



ρ0 （ s 、 u ）= µ ^{[ su ]} /（ µ ^{[ s ]} + µ ^{[ u ]} -µ ^{[ su ]} ）。 （1）



分母の値は、ラベルs 、 u の少なくとも1つが提供されたメッセージの数です。

悪い式（1）とは何ですか？ まず第一に、すべてのメッセージを実行します-これは非常に長い時間になることがあります。 作業量を減らすために、適切なメッセージを選択しておくといいでしょう。 さらに、この状況は可能です。 明らかです

多くの場合、子孫メッセージは親からラベルを継承します。 また、システムまたはフォーラムまたは同じLJで長いダイアログスレッドが開始されると、そのスレッドは参加者以外の誰にとっても興味を引くものではなくなり、統計を歪める可能性があります。



このような出口が可能です。 複数の直接の子孫がある場合、メッセージノードを呼び出します。 さらに、 µ _j ^{[ s ]} 、 µ _j ^{[ u ]} 、 µ _j ^{[ su ]を} 、それぞれラベルs 、ラベルu 、ラベルsおよびuで同時にラベル付けされたノードメッセージの数とする。 ここで、一般的なすべてのメッセージではなく、式（1）を修正しますが、

節点のみ：



ρ0 _j （ s 、 u ）= µ _j ^{[ su ]} /（ µ _j ^{[ s ]} + µ _j ^{[ u ]} -µ _j ^{[ su ]} ）。 （2）



式（1）の1つの欠陥を取り除きましたが、それだけではありません。 式（1）と式（2）が対称であることは良くありません。実際、ラベル間の関係は非対称です。 しかし、それを修正することは難しくありません。



ラベルsのラベルuへの依存係数を紹介します。



ρ1 _j （ s 、 u ）= µ _j ^{[ su ]} / µ _j ^{[ s ]} （3）



この式の意味は単純です。ラベルsがラベルuとは別に出現する頻度が高いほど、ラベルsのラベルuへの依存性が少なくなります。



2つの引数の場所に同じラベルを代入すると、3つの式すべてが統一性を与えることに注意してください。つまり、 ρ0 （ s 、 s ）= ρ0 _j （ s 、 s ）= ρ1 _j （ s 、 s ）= 1これは正規化の自然な条件です。



さらに進みましょう。 これまでに提示したすべての式で、重要な要素は2つのラベルが同時に発生する頻度です。 ただし、2つのラベルのセマンティックな近接性が、同時ラベルの理由になる場合があります。

非発生。 たとえば、ある人がトマトと呼び、別の人がトマトと呼ぶものですが、あるユーザーは常に「トマト」というラベルのみを表示し、他のユーザーは「トマト」のみを表示します。 「トマト」と「トマト」の類義語のステータスの先験的帰属を除外する場合（これまでのところ、そのような方法を考慮から除外しました）、ラベルの近さをキャッチすることを期待できます。 たとえば、「ホモロジー」というラベルが「トポロジ」というラベルとよく一致し、「ホモトピー」というラベルが「トポロジ」というラベルとよく一致する場合、ホモロジーとホモトピーについて何も知らなくても、これらには何かがあると仮定できますその後、一般的に、テーマ的に閉じます。 正式には、これは次のように表現できます（ノードメッセージのみを考慮しています）。



ρ2 _j （ s 、 u ）= max（ v∈S ）（（µ _j ^{[ sv ]} / µ _j ^{[ s ]} ）（µ _j ^{[ uv ]} / µ _j ^{[ u ]} ））。 （4）



ただし、ここでは再び対称に戻りました。構成により、 ρ2 _j （ s 、 u ）= ρ2 _j （ u 、 s ）です。 この対称性の意味は、3番目のラベルを探していることです。これには、比較される2つのラベルが近いでしょう。 常にρ2 _j （ s 、 u ）≥ρ1 _j （ u 、 s ）（ u = vおよびs = vの場合 、式（4）の右辺の括弧内の因子の1つは1であり、2番目はρ1 _j （ u 、 s ）と一致します。つまり、値ρ1 _j （ u 、 s ）は確実に達成され、最大値が大きくなることがあります）。



数式を豊かにすることもできます：



ρ3 _j （ s 、 u ）= max（max（ v∈S ）（（µ _j ^{[ sv ]} / µ _j ^{[ s ]} ）（µ _j ^{[ uv ]} / µ _j ^{[ u ]} ））、max（ v∈ S ）（（µ _j ^{[ sv ]} / µ _j ^{[ s ]} ）（µ _j ^{[ uv ]} / µ _j ^{[ v ]} ））。 （5）

4.他のアプローチの可能性

前の段落で与えられたすべての式は、統計に基づいて主題の近接度を推測しようとします。 他に何ができますか？ あなたは私たちの小屋の議論の機器を使用しようとすることができます：その主なことを覚えておいてください

ハイライトは重要なシステムです。 式（1）〜（5）のいずれも、次の方法で変更できます。 異なるインデックスを持つ数値µは、特定の条件を満たすメッセージの数です（この条件は、 µに割り当てられたインデックスがこれを正確に担います）。 メッセージの数は1単位の合計です：必要な条件を満たす各メッセージに対して、1でなく1がµに追加されます。1ではなく、メッセージの重要性に依存する値を追加します（少なくとも2つのラベルがすべての式に含まれるため、値を使用できます少なくとも2つ）、さらに微妙な数式を取得します。 しかし、この微妙な善への微妙さは難しい質問になるでしょう。 これについては今すぐ詳しく説明しません。後で延期します。



どうやら、すでに述べた以上に、「手作業」と管理緩和の方法だけが残っています。 たとえば、いくつかのテーマブロックを事前に作成して、ユーザーが新しいショートカットを開始するたびに、ブロックの1つにこのショートカットを配置するように求め、既存のショートカットへの階層関係またはバインディングを確立できます。