标签层次结构和处理

Question

这是一个普遍适用于标记项目的真实问题（是的，这也适用于 StackOverflow，不，这不是关于 StackOverflow 的问题）。

整个标记问题有助于对相似的项目进行聚类，无论它们是什么（笑话、博客文章、问题等）。 然而，（通常但不严格）存在标签的层次结构，这意味着某些标签也暗示其他标签。 使用一个熟悉的示例，“c#”so 标记也意味着“.net”； 另一个例子，在笑话数据库中，“金发女郎”标签意味着“嘲笑”标签，类似于“爱尔兰”或“比利时”或“加拿大”等，具体取决于笑话的国家起源。

如果有的话，在你的项目中你是如何处理这个问题的？ 我将提供一个答案，描述我在两个不同的情况下使用的两种不同的方法（实际上，相同的机制，但在两个不同的环境中实现），但我不仅对类似的机制感兴趣，而且对您对层次结构问题的看法感兴趣。

Answer 1

这是一个很难回答的问题。 两个极端是本体论（一切都是分层的）和大众分类法（标签没有分层结构）。 我在 WikiAnswers 上回答了这个问题，并参考了 Clay Shirky的“本体论被高估了”文章声称你不应该设置任何层次结构。

Answer 2

实际上我想说，与其说它是一个层次系统，不如说它是一个语义网，标签含义之间存在着距离。 我的意思是：数学更接近实验物理学，然后更接近园艺。

构建这样一个网络的可能性：构建标签对并让人们判断感知距离（使用像 1-10 这样的度量，意味着类似[同义词，相似，...，反义词]，...），并且在搜索时，搜索一定距离内的所有标签。

如果来自相反方向（[a,b] 接近 -> [b,a,] 接近），测量是否必须具有相等的距离？ 或者接近是否意味着[a，b]接近并且[b，c]接近->？ [a,b] 接近？

也许第一个单词默认会触发另一个语义字段？ 如果你从“社会工作者”开始，“分析师”就很近了。 如果你从“程序员”开始，“分析师”也很接近。 但从这些点中的任何一点开始，您可能都不会认为另一个点很接近（“社会工作者”绝不接近“程序员”）。

因此，您只能对两个方向进行判断和判断（以随机顺序）。

[TagRelations]
tagId integer
closeTagId integer
proximity integer

选择相似标签的示例：

select closeTagId from TagRelations where tagId = :tagID and proximity < 3

Answer 3

我实现的机制是不使用给定的标签本身，而是使用间接查找表（严格来说不是 DBMS 术语），该表将标签链接到许多隐含标签（显然，标签与其自身链接才能工作）。

在 python 项目中，查找表是一个以标签为键的字典，其中包含标签的值集（其中标签是纯字符串）。

在一个数据库项目中（不管它是哪个 RDBMS 引擎），有以下表格：

[Tags]
tagID integer primary key
tagName text

[TagRelations]
tagID integer # first part of two-field key
tagID_parent integer # second part of key
trlValue float

其中 trlValue 是 (0, 1] 空间中的值，用于为每个链接的标签提供重力； self 标签关系在 trlValue 中始终带有 1.0，而其余部分是通过算法计算的（具体如何并不重要）；一条 ['blonde', 'derisive', 0.5] 记录将与 [ 相关联。 'pondian', '嘲笑', 0.5] 因此建议所有嘲笑的笑话给另一个。