中文維基百科類別推薦的研究.pdf

1、作為網絡百科全書的代表，維基百科已成為廣大用戶獲取知識的資源庫，所有維基百科條目按類別組織而成，整個維基百科類別系統(tǒng)構成了一個具有層次結構關系的分類體系，用戶可以根據分類索引層層搜索，任意瀏覽自己感興趣的維基百科文章內容。所有的維基百科條目內容由志愿者遵循一定規(guī)則編輯而成，而傳統(tǒng)的人工編輯過程，志愿者由于缺乏對整個維基百科類別系統(tǒng)的了解，容易標注出重復或者不規(guī)范的類別，造成類別標注的雜亂。針對人工編輯的耗時費力，本文提出為中文維基百科自

2、動推薦類別。
　　然而，維基百科的類別有其特殊性，它被稱為“開放分類”，既是能描述文章所屬類別的分類類別，又可以看成用戶即志愿者為該詞條貼上的類別標簽，如此看來，維基百科類別推薦問題既是標簽推薦問題又是網頁分類問題。另外，與傳統(tǒng)分類不同的是維基百科的類別數量很多，并且所有類別之間不是平行關系而是有上下位層次結構的，傳統(tǒng)的分類器方法不再適用。因此本文考慮從協(xié)同過濾和深分類兩個方面為中文維基百科自動推薦類別，所做的工作體現在以下兩個方

3、面:
　　第一、把維基百科類別推薦問題看作標簽推薦問題，采用最常用的推薦算法，即協(xié)同過濾，為新的維基百科文章推薦類別標注。利用中文維基百科中的四個重要語義特征即鏈入、鏈出、鏈入的類別和鏈出的類別來表示維基百科文章，得到與目標文章相似的前若干篇文章的所有類別后，通過查詢返回的相似度值計算各個類別的權重，選擇前面的若干個類別作為推薦結果返回給目標文章。實驗結果表明了這四個語義特征能較好地表征一篇維基百科文章，同時也驗證了協(xié)同過濾方法在

4、中文維基百科自動推薦類別中的有效性。
　　第二、把維基百科類別推薦問題看作網頁分類問題，采用一種特別針對于大規(guī)模層次結構類別的分類算法，即深分類方法，對新的目標文章進行分類。整個過程分為查詢模塊和分類模塊兩個步驟。將協(xié)同過濾方法得到的相關候選類別集作為查詢模塊的結果，縮小了需要進行分類的類別數量。分類模塊將查詢模塊得到的候選類別集作為樸素貝葉斯分類器的訓練語料，將目標文章作為分類器的測試輸入從而得到分類結果。從維基百科中挑選了一定