| 主权项 |
1.一种标签标准化，其特征主要在于自定义标签的标准化步骤，步骤1)根据个性化推荐应用环境，选择网站提供的热门标签作为标准标签，或根据应用领域人工定义标准标签，建立标准标签库；步骤2)对每个用户自定义标签做如下操作，步骤21)将其与标准标签做简单的字符串匹配，若匹配成功则直接将其映射到标准标签上，否则转步骤22)；步骤22)若该用户自定义标签标注的所有项目中含有共现率为1的属性值，则将所有这样的属性值作为标准标签，并将该用户自定义标签映射到这些标准标签上，并将它们并入标准标签库；若不存在这样的属性，则转步骤3)；步骤3)使用基于互信息的标签聚类方法，将步骤1)和步骤2)标准化失败的所有用户的自定义标签映射到标准标签库中的标签上；设此时自定义标签集合为T<sub>P</sub>，含m个标签；标准标签库中的标签组成集合T<sub>S</sub>，含n个标签；将T<sub>S</sub>中的标签作为聚类中心；相关阀值为δ，当标签间的相关度小于δ时，认为标签之间不相关；分为以下几步：步骤31)按照式（3）计算集合T<sub>P</sub>和T<sub>S</sub>中所有标签之间的相关度；式（3）为<img file="FDA00002967699900011.GIF" wi="405" he="189" />其中I(t<sub>i</sub>;t<sub>j</sub>)和H(t<sub>i</sub>)定义见式（1）和式（2）；式（1）为<![CDATA[<math><mrow><mi>I</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>;</mo><msub><mi>t</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>,</mo><msub><mi>t</mi><mi>j</mi></msub><mo>)</mo></mrow><mi>log</mi><mfrac><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>,</mo><msub><mi>t</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>)</mo></mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></mfrac><mo>,</mo></mrow></math>]]></maths>式（2）为H(t<sub>i</sub>)＝-p(t<sub>i</sub>)logp(t<sub>i</sub>)，其中，p(t<sub>i</sub>,t<sub>j</sub>)是指t<sub>i</sub>和t<sub>j</sub>标记在同一资源上的概率，即：<img file="FDA00002967699900013.GIF" wi="387" he="230" />（<img file="FDA00002967699900014.GIF" wi="54" he="70" />和<img file="FDA00002967699900015.GIF" wi="46" he="74" />分别指标签t<sub>i</sub>和t<sub>j</sub>标注的资源集合，n为标签总数，此外，资源总数远大于1）；p(t<sub>i</sub>)、p(t<sub>j</sub>)分别代表标签t<sub>i</sub>、t<sub>j</sub>标记资源的概率，即：<![CDATA[<math><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><mo>|</mo><msub><mi>P</mi><msub><mi>t</mi><mi>i</mi></msub></msub><mo>|</mo><mo>/</mo><mo>|</mo><munderover><mo>∪</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>P</mi><msub><mi>t</mi><mi>k</mi></msub></msub><mo>|</mo><mo>,</mo></mrow></math>]]></maths><![CDATA[<math><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>t</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>=</mo><mo>|</mo><msub><mi>P</mi><msub><mi>t</mi><mi>j</mi></msub></msub><mo>|</mo><mo>/</mo><mo>|</mo><munderover><mo>∪</mo><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msub><mi>P</mi><msub><mi>t</mi><mi>k</mi></msub></msub><mo>|</mo><mo>;</mo></mrow></math>]]></maths>步骤32)由式（4）得到标签相关度矩阵R，式（4）为<img file="FDA00002967699900018.GIF" wi="690" he="303" />其中，m为待标准化的用户自定义标签个数，n为聚类中心的标签个数或拟作为聚类中心的标签个数，r<sub>ij</sub>为标签相关度，见式（3）；步骤33)找出R中最大的元素r<sub>ij</sub>，若其小于阀值δ，则转步骤4)，否则将标签t<sub>pi</sub>聚集到以标签t<sub>sj</sub>为中心的类中，令T<sub>P</sub>=T<sub>P</sub>-{t<sub>pi</sub>}，m=m-1，删除矩阵R的第i行，得到更新的m×n维矩阵R；步骤34)对矩阵R重复执行步骤33)，直到m为0，聚类停止；步骤4)步骤3)得到的类聚集结果为C<sub>(1)</sub>＝{c<sub>1</sub>,c<sub>2</sub>,...,c<sub>n</sub>}，c<sub>i</sub>代表以标准标签t<sub>si</sub>(1≤i≤n)为聚类中心的类；此时，若m>0，即T<sub>P</sub>中还剩有M(M=m)个自定义标签未被映射到标准标签上，则将这些标签相互聚类，选出聚类中心，暂时作为标准标签（称为弱标准标签），且不并入标准标签库，过程如下：步骤41)按照式（3）计算集合T<sub>P</sub>中所有标签之间的相关度，由式（4）得到M×M维标签相关度矩阵，记为R<sub>L</sub>；步骤42)找出矩阵R<sub>L</sub>除主对角线以外的最大元素r<sub>ls</sub>，若r<sub>ls</sub>小于阀值δ，则转步骤44)，否则对应标签t<sub>pl</sub>和t<sub>ps</sub>，若其中一个标签已被聚类，设为t<sub>x</sub>，则将另一个t<sub>y</sub>聚到与其相同的类中，删除矩阵R<sub>L</sub>的t<sub>y</sub>行，m=m-1，否则设其中标记了较多资源的标签为t<sub>x</sub>，另一个为t<sub>y</sub>，以标签t<sub>x</sub>作为聚类中心，聚类中心作为弱标准标签，类中其他标签都映射到它，将t<sub>y</sub>聚集到以t<sub>x</sub>为中心的类中，删除矩阵R<sub>L</sub>的t<sub>x</sub>和t<sub>y</sub>行，m=m-2；步骤43)对矩阵m×M矩阵R<sub>L</sub>重复执行步骤42)，直到m为0，聚类停止；步骤44)设步骤42)和43)得到的类聚集结果为C<sub>(2)</sub>＝{c<sub>n+1</sub>,c<sub>n+2</sub>,...,c<sub>n+h</sub>}；设C＝C<sub>(1)</sub>+C<sub>(2)</sub>，C中每个类中的其他标签都映射到聚类中心；C<sub>(2)</sub>中所有类的聚类中心以及最终无法聚类的自定义标签，最终的R<sub>L</sub>中各行表示的标签，构成弱标准标签集合；标准标签库中标签与弱标准标签一起构成本轮的标准标签集合。 |
