[发明专利]社会标签自动标注的方法以及社会标签自动标注器

权利要求书

1.一种社会标签自动标注的方法，所述方法包括：

步骤1)初始化网页数据集，形成对应的词项空间和标签空间；所述网页数据集由已经被用户标注的网页组成，并被分为训练集R和R’；

步骤2)对于训练集R’中的每个网页，计算所述标签空间中每个标签对于该网页的权值向量，其中，标签j对于网页i的权值向量τ_i，j，ζ_i，j，ρ_i，j分别为基于训练集R和R’，利用词频关键词、协同过滤和一致性话题模型的方法计算得到的标签j对于网页i的归一化的权重值；

步骤3)建立线性融合权值模型Xπ(j)(i)=λ1τi,π(j)+λ2ζi,π(j)+λ3ρi,π(j)=λT·Xπ(j)(i),]]>并且基于训练集R’对参数λ＝[λ₁，λ₂，λ₃]进行估计，其中π表示对于网页i的一种标签项序列，标签项π(j)处于该序列的第j位；

步骤4)基于步骤3)所估计的参数，计算所述标签空间中每个标签对于将要被标注的网页的线性融合权值，按该权值的大小自动生成用于标注该网页的标签项序列。

2.根据权利要求1所述的方法，其中步骤1)包括以下步骤：

步骤11)基于词袋模型对网页数据集进行处理，形成对应的词项空间V和标签空间U；

步骤12)在词项空间V和标签空间U的基础上，将网页数据集中的每个网页表示为一个二元组(w_i，t_i)，其中w_i∈V，t_i∈U，矢量w_i的元素w_i，j表示词项在网页i中出现的次数，矢量t_i的元素t_i，k表示标签在网页i中标注过的次数。

3.根据权利要求2所述的方法，其中在步骤11)之前还包括对网页数据进行降噪处理，过滤掉少于100个用户标注的网页的步骤。

4.根据权利要求1或2所述的方法，步骤3)采用梯度下降法来基于训练集R’对参数λ＝[λ₁，λ₂，λ₃]进行估计。