86、基于邻域的标签预测：HAMLET方法解析

基于邻域的标签预测：HAMLET方法解析

1. 引言

在当今的Web 2.0时代，在线社区中用户共享和标注文档的应用日益增多。从CiteULike上的科学出版物，到Flickr上的图片，再到del.icio.us上的书签，用户通过标签这一用户生成的元数据来描述文档，以增强搜索功能。然而，由于标注文档需要人工参与，大多数文档的元数据并不完整，这严重影响了搜索效率。

为了解决这一问题，人们进行了多种尝试。一些项目通过激励用户来创建更多标签，而自动标签创建技术在特定标签类别上有一定效果，但在通用场景下仍面临挑战。本文提出了一种标签推理技术——HAMLET（Harvesting Adjacent Metadata in Large-ScalE Tagging Systems），它基于相似文档共享相似标签的假设，利用文档图来自动传播标签。

2. 计算模型

HAMLET的计算模型基于三个核心概念：文档、标签和文档邻域。
- 文档（Document） ：用 $d \in D$ 表示，在本文场景中可以是科学出版物或网页，由与标签系统交互的用户创建和共享。
- 标签（Tag） ：用 $t \in T$ 表示，是用户为文档提供的非结构化元数据。$t \rightarrow d$ 表示标签 $t$ 附着在文档 $d$ 上，$T(d)$ 表示文档 $d$ 所附着的标签集合。
- 文档邻域（Document Neighborhood） ：文档图由文档作者通过引用（科学出版物）或HTML链接（网页）生成。$d_i \rightarrow d_