利用社交标签增强维基百科的导航功能
使用数学和统计方法通过词汇相似度和共现标签来解决标签的语义相似性问题,建立了基于标签相似性的社区,并使用社区检测方法来确定用户的兴趣,从而改善推荐算法的效果。
Jan, 2022
通过使用基于 Wikipedia 导航路径的人类计算游戏数据集,我们提出了一种新方法以识别缺失的超链接,并通过排名候选人来增强维基百科的导航性能。
Mar, 2015
本文介绍了基于内容和标签的图像检索方法中,标签赋值、细化、检索三个问题的处理方法,分类讨论了各种方法的实现及其信息利用方式,并提出了实验方案以便更准确地评估算法表现。
Mar, 2015
该研究通过设计和实现 TAGME 系统,解决了如何在短文本(如搜索引擎结果、新闻和博客等)中准确高效的解决同义词和多义词问题的挑战,并在实验中证明该系统优于现有算法。
Jun, 2010
本文提出了一种新的协作检索模型,通过整合社交网络信息来提高文本检索的准确性,在真实的音乐数据集上进行了实证分析,证明在数据稀疏性强的情况下,社交信息对于文本检索尤为重要。
Apr, 2014
本文针对社交媒体上的文本片段难以准确表达主题这一问题,提出了一种基于 TAG 概念匹配数据集和概念图的图图匹配方法,该方法在利用概念图结构和句法依赖解析中的语义单元逻辑交互方面表现出更好的抽象和概括性能。
Oct, 2021
研究了四个流行的基准数据集,扩展了它们的社交网络元数据,如每张图片所属的组,与该图片相关的评论线程,上传者,其位置和朋友的网络,探讨了社交网络元数据在图像分类中的应用,通过构建一个二元标签网络模型,使用结构化学习技术来学习模型参数,发现社交网络元数据在各种分类任务中很有用,并在许多情况下胜过基于图像内容的方法。
Jul, 2012
本文介绍了一种自动视频标注的方法,该方法可以增加用户提供的标签数量,并将其临时本地化,将标签与关键帧关联起来。我们的方法利用用户生成的标签和 web 来源中的集体知识,以及上传到社交网站和 web 来源的关键帧和图片的视觉相似性。与需要为每个标签训练分类器的现有视频标记方法相比,我们的系统具有较少的参数,易于实现,并且可以处理开放词汇的场景。我们在 DUT-WEBV 上展示了该方法,该数据集是一个大型的网络视频数据集,结果显示出最先进的结果。
Jul, 2014
提出了一种基于用户标签对象三元图的推荐算法,考虑到社交标签在信息检索中的重要作用,该算法计算时间成本低,并在 Del.icio.us 和 MovieLens 两个真实数据集上的实验结果表明它可以提高算法准确性和多样性,特别是在用户拥有多样的标签主题时可以获得更个性化的推荐结果。此外,算法精度依赖性的数值结果表明,该算法对于小度对象尤其有效,有效解决了推荐系统中众所周知的冷启动问题,尤其在具有异质性对象度分布的社交标记系统中表现显著。
Apr, 2010