标签层次结构和处理

Posted 2023-03-12

【中文标题】标签层次结构和处理

【英文标题】：Tag hierarchies and handling of

【发布时间】：2010-09-12 08:20:11

【问题描述】：

这是一个真正的问题，通常适用于标记项目（是的，这也适用于 ***，不，这不是关于 *** 的问题）。

整个标记问题有助于聚集相似的项目，无论它们可能是什么项目（笑话、博客文章、问题等）。但是，存在（通常但不严格）标签的层次结构，这意味着某些标签也暗示其他标签。举一个熟悉的例子，“c#”so 标签也暗示“.net”；另一个例子，在笑话数据库中，“金发女郎”标签意味着“嘲笑”标签，类似于“爱尔兰”或“比利时”或“加拿大”等，具体取决于笑话的国家/地区。

在您的项目中，如果有的话，您是如何处理的？我将提供一个答案，描述我在两种不同情况下使用的两种不同方法（实际上，相同的机制但在两种不同的环境中实现），但我不仅对类似的机制感兴趣，而且对您对层次结构问题的看法也感兴趣.

【参考方案1】：

这是一个棘手的问题。两个极端是本体（一切都是分层的）和民俗（标签没有分层）。我有answered this on WikiAnswers，参考了 Clay Shirky 的“Ontology is Overrated”文章，该文章声称您不应该设置任何层次结构。

【讨论】：

Clay Shirky 的文章非常有趣。显然，引入邻近因子（在数据库示例中）是为了软化相关术语（在文章示例中的“同性恋”和“酷儿”）。

由于某种原因，我在 WikiAnswers 页面中找不到 Clay Shirky 文章的链接。这是：shirky.com/writings/ontology_overrated.html。我也喜欢。

【参考方案2】：

实际上我会说它不是一个层次系统，而是一个语义网，标签含义之间存在距离。我的意思是：数学更接近于实验物理学，然后更接近于园艺。

构建这样一个网络的可能性：构建标签对并让人们判断感知距离（使用 1-10 之类的度量，意思是 [同义词，相似，...，反义词]，...）和搜索时，搜索一定距离内的所有标签。

如果来自相反方向（[a,b] close -> [b,a,] close），测量是否必须是相等的距离？或者接近是否意味着 [a,b] 关闭和 [b,c] 关闭 -> [a,b] 关闭？

也许第一个词会默认触发另一个语义场？如果你从“社会工作者”开始，“分析师”就在附近。如果你从“程序员”开始，“分析师”也很近。但从以上任何一点开始，您可能都不会将另一个视为接近（“社会工作者”绝不接近“程序员”）。

因此，您只能在两个方向（以随机顺序）进行判断和判断。

[TagRelations]
tagId integer
closeTagId integer
proximity integer

相似标签选择示例：

select closeTagId from TagRelations where tagId = :tagID and proximity < 3

【讨论】：

接近是单向的；如果它应该是双向的，那么将插入具有不同接近度的不同记录。

@malach：作为一个用户体验问题，关于层次结构的使用，我想说（i）软件应该使用你描述的基于数学的语义网络方法，但是（ii）想要的用户应该允许对他们的个人标签集合进行“园艺”，而不是强制将标签排列成层次结构，因为一些用户会觉得这是比平面列表更舒服。在标签的“个性化”毫无疑问的软件系统中，可以使用平面列表，除非领域专家另有规定。

【参考方案3】：

我实现的机制是不使用给定的标签，而是使用间接查找表（不是严格的 DBMS 术语）将标签链接到许多隐含的标签（显然，标签与自身链接才能工作） .

在 python 项目中，查找表是一个以标签为键的字典，带有标签的值集（其中标签是纯字符串）。

在一个数据库项目中（不管是哪个RDBMS引擎），有以下几张表：

[Tags]
tagID integer primary key
tagName text

[TagRelations]
tagID integer # first part of two-field key
tagID_parent integer # second part of key
trlValue float

其中 trlValue 是 (0, 1] 空间中的一个值，用于为每个链接标签提供重力；自到自标签关系在 trlValue 中始终带有 1.0，而其余的则通过算法计算（确切程度并不重要）。想想我给出的示例笑话数据库；一个 ['blonde', 'derisive', 0.5] 记录将与 ['pondian', 'derisive', 0.5] 相关联，因此建议所有嘲讽的笑话给另一个。