[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

摘要

本发明提供一种社会化标签自动标注的方法。该方法包括计算标签词项在文档中的频率(TF)权重，以及由协同过滤CF、一致性话题模型Corr-LDA方法所得的标签权重，并归一化；对上述权重建立线性融合权值模型，并估计线性融合参数；以及基于线性融合模型对社会标签进行自动标注。该发明同时考虑了社会标签与文档具体内容的一致性和抽象语义层的相关性，因此能够提高社会标签自动标注的准确性。

主权项

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。