社会化标注系统标签质量影响因素研究:基于随机森林算法

来源：图书情报工作杂志2019年第24期北京时间：

作者：张云中,秦艺源

单位：上海大学图书情报档案系 上海 200444

摘要：[目的/意义] 在社会化标注系统中，标签质量往往关乎用户对网络资源的分类、查询、浏览、获取等使用体验，确定影响标签质量的关键因素有助于进一步优化社会化标注系统的资源组织核心功能。[方法/过程] 以社会化标注系统的标签为研究对象，从标注主体、标注客体、标注环境、标注动机、标注方式、标注产物等维度入手重构标签质量影响因素模型，尝试探究影响社会化标签质量的关键因素，并运用问卷调查方法收集数据，结合有监督学习的随机森林算法，建立标签质量影响因素的决策树模型。[结果/结论] 结果显示，标注主体是影响标签质量的首要关键维度，主体的知识结构和认知水平、标注频度及其感知有用性对标签质量的影响突出；标注方式是影响标签质量的次要关键维度，标签推荐和规范标签提示是影响标签质量的重要因素。

关键词：社会化标注系统,标签质量,机器学习,随机森林,

基金资助：本文系国家哲学社会科学基金项目"基于形式概念分析的社会化标注系统语义发现与语义映射研究"（项目编号：16CTQ023）研究成果之一。