سيستم پيشنهاددهنده برچسب معنايي در سيستم هاي برچسب زني اجتماعي

استفاده روزافزون كاربران از تكنولوژی برخط جهت دستیابی، مدیریت و اشتراكگذاری منابع باعث ایجاد فضای بزرگ و پیچیده اطلاعاتی و كاهش سودمندی این تكنولوژی شده است. یك راهكار مناسب جهت حل این مشكل استفاده از سیستمهای حاشیه- نویسی اجتماعی میباشد. سیستمهای حاشیهنویسی اجتماعی به كاربران اجازه میدهند منابع خود را آزادانه توسط برچسبها حاشیهنویسی، گروهبندی، جستجو و اشتراكگذاری كنند. این آزادی در برچسبزنی خود باعث افزایش برچسبهای اشتباه و به موجب آن دستهبندی غلط و دسترسی مشكل به دادهها شده است. سیستمهای پیشنهاددهنده با بررسی علایق كاربر و منبع مورد نظر سعی به ارائه برچسبهای پیشنهادی صحیح میكنند. اكثر الگوریتمهای پیشنهاددهنده برچسب به خاطر حجم عظیم دادههای دنیای واقعی دارای سرعت پایینی میباشند و چالشهایی همچون مشكل در شروع سرد، وجود ناسازگاری و اشتباه در برچسبهای وارد شده توسط كاربران را میتوان اشاره كرد. در این مقاله یك سیستم پیشنهاددهنده برچسب معنایی برای سیستمهای برچسبزنی مردمی معرفی میشود كه از تركیب دو روش محتواگرا و مشاركتگرا بهره میبرد. در این سیستم ارائه پیشنهادات براساس محتوای منبع، كلماتكلیدی و برچسبهای اختصاص داده شده به منبع، یافتن منابع مشابه، استفاده از پایگاه هستیشناسی سایت وردنت، بررسی پروفایل كاربر و یافتن كاربران مشابه صورت میگیرد. نتایج آزمایشات بر روی نمونههای استخراجی از سایت بیبسونومی نشان میدهد كه روش ارائه شده از صحت و كارآیی بالاتری نسبت به دیگر روشها برخوردار است و نیز در دنیای واقعی قابل استفاده است