國(guó)外Folksonomy與Ontology融合研究的熱點(diǎn)與趨勢(shì)

張?jiān)浦?，李佳佳（上海大學(xué)圖書情報(bào)檔案系）

國(guó)外Folksonomy與Ontology融合研究的熱點(diǎn)與趨勢(shì)

張?jiān)浦?，李佳佳（上海大學(xué)圖書情報(bào)檔案系）

以2005～2015年期間Web of science（SSCI）數(shù)據(jù)庫(kù)中有關(guān)本體與大眾分類法融合研究的相關(guān)文獻(xiàn)為數(shù)據(jù)來源，采用共詞分析法，以SPSS軟件為工具，對(duì)提取出的高頻關(guān)鍵詞進(jìn)行聚類分析和多維尺度分析，研究各高頻關(guān)鍵詞之間的內(nèi)在關(guān)系，發(fā)現(xiàn)并探討國(guó)外本體與大眾分類法融合研究的四個(gè)熱點(diǎn)與趨勢(shì)，以期為國(guó)內(nèi)學(xué)界相關(guān)研究提供啟示。

本體；大眾分類法；標(biāo)簽；融合；共詞分析

Folksonomy源于web2.0下網(wǎng)絡(luò)資源組織理論與實(shí)踐的發(fā)展，其由詞根folks和onomy組合而成，folks指人、大眾，onomy指一種系統(tǒng)、專門的學(xué)科知識(shí)，二者結(jié)合簡(jiǎn)言之就是“由大眾所產(chǎn)生的一種分類知識(shí)”。更精確地解釋是“一群人自發(fā)性定義的平面非層級(jí)式標(biāo)簽分類方法”，［1］國(guó)內(nèi)一般譯為大眾分類法。Ontology（本體）是共享概念模型的明確形式化規(guī)范說明，旨在通過捕獲領(lǐng)域知識(shí)，用高度形式化的模型給出領(lǐng)域共享詞匯間關(guān)系的明確定義。作為知識(shí)表示與組織的新興工具，二者的優(yōu)劣形成了鮮明的互補(bǔ)特色。本體具有高度形式化、準(zhǔn)確性、規(guī)范性、可復(fù)用性等優(yōu)點(diǎn)，但是創(chuàng)建成本高、靈活性低、不易變化等，而大眾分類法具有低成本、高靈活性、易變動(dòng)等優(yōu)點(diǎn)，但存在非形式化、語(yǔ)義模糊和語(yǔ)義稀疏等缺點(diǎn)。［2］在此背景下，本體與大眾分類法的融合研究逐漸興起，如何利用本體與大眾分類法的融合優(yōu)化web2.0下的資源組織成為國(guó)內(nèi)外學(xué)者們關(guān)注的熱點(diǎn)。國(guó)外學(xué)者自2005年起就關(guān)注二者的融合研究，相比而言，國(guó)內(nèi)則起步較晚。本文旨在提取Web of science（SSCI）數(shù)據(jù)庫(kù)中2005～2015年期間發(fā)表的有關(guān)二者融合的文獻(xiàn)，分析梳理該主題的研究熱點(diǎn)及發(fā)展趨勢(shì)，希望對(duì)國(guó)內(nèi)該領(lǐng)域的研究者提供一些啟示。

1　數(shù)據(jù)的獲取及分析

1.1數(shù)據(jù)的獲取與處理

本文主要以Web of science（SSCI）全文數(shù)據(jù)庫(kù)作為數(shù)據(jù)來源，分別以 SU=“tag and ontology”和SU=“folskonomy and ontology”為檢索式進(jìn)行檢索，限定研究方向?yàn)閕nformation science library science和computer science，共檢索出文獻(xiàn)469篇，經(jīng)過去重、無關(guān)文獻(xiàn)去除和無關(guān)鍵詞文獻(xiàn)去除后，得到文獻(xiàn)281篇，關(guān)鍵詞共678個(gè)，總詞頻為1410。為提高共詞分析的精準(zhǔn)度，本文對(duì)獲取的關(guān)鍵詞做了如下處理和篩選：① 不同關(guān)鍵詞但含義相同或相近的，進(jìn)行合并處理，如關(guān)鍵詞 tag、tags、social tag、social book-mark統(tǒng)一合并為tag；② 關(guān)鍵詞的大小寫和單復(fù)數(shù)不同的，統(tǒng)一成單數(shù)、小寫，如Digital library和digital libraries統(tǒng)一合并為digital library；③ 關(guān)鍵詞與研究主題關(guān)系不緊密的，進(jìn)行刪除；④ 關(guān)鍵詞書寫錯(cuò)誤的，進(jìn)行改正。整理后的結(jié)果見表1。

表1　關(guān)鍵詞篩選表（部分）

關(guān)鍵詞處理和篩選后就可選取高頻詞，對(duì)此學(xué)界一般采用兩種方式：①根據(jù)齊普夫第二定律公式，計(jì)算得出高頻詞界限值后選取；②由研究者根據(jù)領(lǐng)域情況自主選取。鑒于本文涉及的領(lǐng)域較新，文獻(xiàn)數(shù)量不夠龐大，故采用第二種方式，取頻次為5以上的關(guān)鍵詞作為高頻詞，共統(tǒng)計(jì)出高頻詞37條（見表2），涉及文獻(xiàn)254篇，占總文獻(xiàn)數(shù)的90.4%，因而在一定程度上能夠代表國(guó)外最近10年有關(guān)本體與大眾分類法融合研究熱點(diǎn)。

表2　高頻關(guān)鍵詞

1.2矩陣構(gòu)建

雖然表2中關(guān)鍵詞的詞頻排序在一定程度上代表了folksonomy與ontology融合的熱點(diǎn)，但是這種線性排序未能反映出關(guān)鍵詞之間的關(guān)聯(lián)，因而需要進(jìn)一步研究不同關(guān)鍵詞在同一篇文獻(xiàn)中的共現(xiàn)情況來發(fā)現(xiàn)研究熱點(diǎn)間的關(guān)聯(lián)，進(jìn)而發(fā)現(xiàn)二者的融合熱點(diǎn)與趨勢(shì)。為此，本文構(gòu)建了用于共詞分析的 37*37的共詞矩陣（見表3），并以此為基礎(chǔ)進(jìn)行多元統(tǒng)計(jì)分析。

本文采用聚類分析和多維尺度分析結(jié)合的方式來分析二者融合研究的熱點(diǎn)和趨勢(shì)，為滿足這兩種分析方法對(duì)矩陣的數(shù)據(jù)結(jié)構(gòu)要求并保證數(shù)據(jù)的精確性，需將共詞矩陣轉(zhuǎn)化為相似矩陣和相異矩陣。共詞矩陣轉(zhuǎn)換成相關(guān)矩陣可用計(jì)算ochiia系數(shù)來實(shí)現(xiàn)，計(jì)算公式為：A，B兩詞Ochiia系數(shù)=A，B兩詞共同出現(xiàn)的次數(shù)/。相關(guān)矩陣中對(duì)角線上的數(shù)據(jù)都為1，表示某詞自身的相關(guān)程度。一般情況下，相關(guān)矩陣中0值過多會(huì)導(dǎo)致較大的統(tǒng)計(jì)誤差，因而需要用“1”減去相關(guān)矩陣中的全部數(shù)據(jù)，得到表示兩詞間相異程度的相異矩陣（見表4）。相異矩陣中，數(shù)值越小，則表示關(guān)鍵詞之間的關(guān)系越近，反之亦然。

表3　共詞矩陣（部分）

表4　相異矩陣（部分）

2　高頻詞的共詞分析

2.1聚類分析

聚類分析又稱集群分析，是統(tǒng)計(jì)學(xué)中研究物以類聚問題的多元統(tǒng)計(jì)分析方法，其目的在于將對(duì)象加以聚集、分類，使得在群體內(nèi)的個(gè)體的同質(zhì)性很高，群體之間的異質(zhì)性也很高。本文使用聚類分析的目的是把關(guān)聯(lián)程度較密切的關(guān)鍵詞聚集到一個(gè)類團(tuán)中，進(jìn)而協(xié)助folksonomy與ontology融合研究方向的劃分。具體做法是將表4中的相異矩陣導(dǎo)入SPSS軟件中，運(yùn)用其中的聚類分析功能對(duì)其進(jìn)行層次聚類分析，得出所要研究的高頻關(guān)鍵詞的樹狀圖（圖1）。

圖1　聚類分析樹狀圖

根據(jù)統(tǒng)計(jì)出來的聚類圖，在閾值為24.1處把關(guān)鍵詞分為4個(gè)類團(tuán)，其中類團(tuán)一包含的關(guān)鍵詞主要有metadata、recommender system等，涉及文獻(xiàn)38篇；類團(tuán)二是圖中較大的一塊，包含的關(guān)鍵詞主要有ontology、folksonomy、web2.0等，涉及文獻(xiàn)247篇；類團(tuán)三包含的關(guān)鍵詞主要有OWL、RDF等，涉及文獻(xiàn)25篇；類團(tuán)四包含的關(guān)鍵詞主要有service discovery、information management、information extraction等，涉及文獻(xiàn)66篇。這四個(gè)類團(tuán)共計(jì)包含文獻(xiàn)376篇，因?yàn)橛兄貜?fù)統(tǒng)計(jì)，所以總數(shù)要大于實(shí)際論文數(shù)，根據(jù)各個(gè)類團(tuán)所占文獻(xiàn)篇數(shù)可知，第二類團(tuán)是目前國(guó)外關(guān)于大眾分類法和本體融合研究的一個(gè)主要熱點(diǎn)，也是本文第三部分所要重點(diǎn)闡述的內(nèi)容。

2.2多維尺度分析

多維尺度分析是分析研究對(duì)象的相似性或差異性的一種多元統(tǒng)計(jì)分析方法，其目的是將研究個(gè)體之間的距離盡可能用二維或者三維的空間距離加以反映，這樣可以客觀地反映研究個(gè)體之間的相似性關(guān)系。本文利用多維尺度分析，目的是將ontology與folksonomy融合研究的高頻關(guān)鍵詞投射在一張知識(shí)圖譜呈點(diǎn)狀分布，并計(jì)算各個(gè)關(guān)鍵詞之間的Euciliden距離來實(shí)現(xiàn)關(guān)鍵詞的聚集，進(jìn)而輔助folksonomy與ontology融合研究方向的劃分。具體做法是將相異矩陣（見表4）導(dǎo)入SPSS中，通過度量功能，對(duì)導(dǎo)入的相異矩陣進(jìn)行多維尺度PROXSCAL分析，得出一個(gè)具有二維空間效果的可視化圖表，即多維尺度分析圖（見圖2）。根據(jù)多維尺度分析圖，二者融合的領(lǐng)域可大致劃分為三個(gè)區(qū)域：區(qū)域一涉及的關(guān)鍵詞包括Ontology、folksonomy、semantic等 14個(gè)；區(qū)域二涉及的關(guān)鍵詞包括web2.0、owl、RDF、metedata、reasoning等15個(gè)；區(qū)域三涉及的關(guān)鍵詞包括information management、informationenrichment等8個(gè)。

圖2　多維尺度分析圖

3　研究熱點(diǎn)與趨勢(shì)分析

根據(jù)2005～2015年folksonomy與ontology融合領(lǐng)域相關(guān)文獻(xiàn)高頻關(guān)鍵詞表及依托該表展開的聚類分析圖和多維尺度分析圖，本文展開如下分析。

聚類分析圖中的類團(tuán)2和多維尺度分析圖中的區(qū)域1關(guān)鍵詞具有很高的重合率，且關(guān)鍵詞之間的內(nèi)在關(guān)聯(lián)都反映出folksonomy與ontology之間的相互優(yōu)化，本文由此得出兩個(gè)研究熱點(diǎn)：熱點(diǎn)一是利用ontology優(yōu)化folksonomy語(yǔ)義，熱點(diǎn)二是利用folksonomy實(shí)現(xiàn)本體開發(fā)及演進(jìn)。

聚類分析圖中的類團(tuán)1及類團(tuán)3和多維尺度分析圖中的區(qū)域2關(guān)鍵詞具有很高的重合率，且關(guān)鍵詞之間的內(nèi)在關(guān)聯(lián)都反映出利用其它工具強(qiáng)化ontology與folksonomy融合的研究，此為熱點(diǎn)三。

聚類分析圖中的類團(tuán)4和多維尺度分析圖中的區(qū)域3關(guān)鍵詞具有很高的重合率，且關(guān)鍵詞之間的內(nèi)在關(guān)聯(lián)都反映出利用ontology和folksonomy融合的優(yōu)勢(shì)解決信息資源管理領(lǐng)域的問題，此為熱點(diǎn)四。

3.1熱點(diǎn)一：利用ontology優(yōu)化folksonomy語(yǔ)義

熱點(diǎn)一涉及的關(guān)鍵詞共14個(gè)，總詞頻為437，詞頻較高的有ontology、folksonomy、social tagging、tag、semantic web、information retrieval、collaborative tagging，占總詞頻的82.2%。從高頻關(guān)鍵詞表2可以看出，這些關(guān)鍵詞都是排在前幾位的，說明是近幾年國(guó)外學(xué)者對(duì)有關(guān)本體與大眾分類法融合研究的核心主題。該熱點(diǎn)聚焦于如何利用ontology提高folksonomy檢索語(yǔ)義，具體的實(shí)現(xiàn)途徑又可以分為四個(gè)分支。

（1）建立標(biāo)簽與本體之間的語(yǔ)義映射。涉及的主要關(guān)鍵詞有tag、ontology、semantic、semanticweb、information retrieval等。國(guó)外學(xué)者普遍認(rèn)為，folksonomy扁平化的資源組織和表示結(jié)構(gòu)決定了其僅能揭示稀疏、模糊語(yǔ)義，要提高檢索的精度，就需要通過語(yǔ)義映射借助其他形式化的語(yǔ)義工具來輔助folksonomy標(biāo)簽語(yǔ)義關(guān)系的建立。在此主導(dǎo)思想下，ontology成為國(guó)外學(xué)者的首選，建立標(biāo)簽與本體之間的映射成為一種比較常用且有效的方法，利用本體強(qiáng)化folksonomy語(yǔ)義，使標(biāo)簽與標(biāo)簽之間的結(jié)構(gòu)、關(guān)系更為規(guī)范、精確和豐富，進(jìn)而提高檢索的精準(zhǔn)度。該類研究中具有代表性的研究是Lezcano L等提出的利用標(biāo)簽向本體映射建立混合導(dǎo)航環(huán)境來提高大眾分類法的檢索效率。［3］建立標(biāo)簽與本體之間語(yǔ)義映射的難點(diǎn)在于如何利用統(tǒng)計(jì)、聚類等方式高效、簡(jiǎn)潔、準(zhǔn)確地建立映射進(jìn)而清晰化標(biāo)簽之間的上下位屬種關(guān)系，因而不斷探索建立二者映射的新理論、新方法就成為該類研究的必然趨勢(shì)。

（2）利用本體規(guī)范標(biāo)注活動(dòng)的研究。涉及的主要關(guān)鍵詞有 socialtagging、tagontology、collaborative tagging、ontology等。這類研究的主要思想是利用本體的語(yǔ)義控制功能在語(yǔ)義層次上構(gòu)建標(biāo)簽語(yǔ)義網(wǎng)絡(luò)，進(jìn)而實(shí)現(xiàn)對(duì)用戶的標(biāo)注行為進(jìn)行標(biāo)識(shí)和控制。國(guó)外學(xué)者根據(jù)不同的設(shè)計(jì)理念設(shè)計(jì)了相應(yīng)的標(biāo)簽本體模型，其中代表性的是三元組模型Tag ontology（user，tagging，tag）［4］和四元組模型 MOAT（user，resource，tag，meaning）。［5］在此基礎(chǔ)上更深入一步，分析每個(gè)標(biāo)簽本體模型的異同點(diǎn)，整合不同的標(biāo)簽本體模型將成為該思路下近年來研究的趨勢(shì)。另外，在本體輔助的基礎(chǔ)上實(shí)現(xiàn)對(duì)資源的自動(dòng)標(biāo)注也是國(guó)外近年來探索的新方向之一，該類研究中代表性的是Rattanapanich R等利用本體和潛在語(yǔ)義分析技術(shù)實(shí)現(xiàn)自動(dòng)標(biāo)注，并通過比較自動(dòng)標(biāo)注和手動(dòng)標(biāo)注，發(fā)現(xiàn)自動(dòng)標(biāo)注方法返回的結(jié)果更加精確。［6］

（3）利用本體表示用戶興趣模型實(shí)現(xiàn)個(gè)性化推薦。涉及關(guān)鍵詞有recommender system、ontology、tag、information retrieval等。除明晰標(biāo)簽語(yǔ)義和規(guī)范標(biāo)注活動(dòng)外，為用戶推薦符合其興趣偏好的資源也是提高folksonomy檢索語(yǔ)義的重要途徑，國(guó)外學(xué)者由此思想衍生出了利用本體構(gòu)建用戶興趣模型實(shí)現(xiàn)folksonomy資源的個(gè)性化推薦的研究方向。用戶興趣可在社會(huì)化標(biāo)注系統(tǒng)中用戶對(duì)偏好資源的配置文件的基礎(chǔ)上獲得，代表性的研究是Movahedian H等在用戶配置文件基礎(chǔ)上改善和提出新的個(gè)性化推薦系統(tǒng)，［7］也可通過收集用戶標(biāo)簽和分析用戶的標(biāo)注活動(dòng)等方法獲得，代表性的研究是Han X等通過收集用戶標(biāo)簽構(gòu)建出用戶興趣模型實(shí)現(xiàn)標(biāo)簽推薦。［8］用戶興趣模型的結(jié)果一般用本體表示，以實(shí)現(xiàn)對(duì)用戶興趣模型的精確化、形式化表達(dá)。從研究趨勢(shì)看，依托數(shù)據(jù)挖掘方法從“用戶集、資源集、標(biāo)簽集”獲取用戶興趣較之從用戶配置文件獲取用戶偏好更具發(fā)展前景，更能提高個(gè)性化推薦的準(zhǔn)確性、多樣化、新穎性和動(dòng)態(tài)性。另外，當(dāng)前的個(gè)性化推薦大多針對(duì)單用戶，針對(duì)用戶群體的偏好資源推薦也將成為研究趨勢(shì)之一。

（4）利用本體實(shí)現(xiàn)跨平臺(tái)的語(yǔ)義關(guān)聯(lián)。涉及的主要關(guān)鍵詞有folksonomy、ontology、linked data等。從單平臺(tái)的資源檢索發(fā)展成為跨平臺(tái)的資源檢索是國(guó)外folksonomy語(yǔ)義檢索領(lǐng)域近年來研究的一步試探。實(shí)現(xiàn)跨平臺(tái)資源檢索的前提是必須選擇具有語(yǔ)義重疊的同類社會(huì)化標(biāo)注系統(tǒng)，其難點(diǎn)在于建立不同平臺(tái)間的語(yǔ)義關(guān)聯(lián)，核心在于選擇實(shí)現(xiàn)語(yǔ)義關(guān)聯(lián)的工具。近年來，由于本體的平臺(tái)無關(guān)性、共享性、可復(fù)用性、形式化等優(yōu)點(diǎn)，國(guó)外學(xué)者普遍將本體作為實(shí)現(xiàn)跨平臺(tái)語(yǔ)義檢索工具的不二選擇，代表性的研究是Kim HL等利用跨平臺(tái)的標(biāo)簽本體整合實(shí)現(xiàn)對(duì)網(wǎng)站間標(biāo)注數(shù)據(jù)的共享和鏈接，通過對(duì)標(biāo)注數(shù)據(jù)的整合來提高信息檢索效率。［9］另外，隨著關(guān)聯(lián)數(shù)據(jù)研究的不斷深入，利用本體和關(guān)聯(lián)數(shù)據(jù)結(jié)合實(shí)現(xiàn)跨平臺(tái)的語(yǔ)義關(guān)聯(lián)也成為不錯(cuò)的選擇，代表性的研究是Passant A等提出MOAT本體和關(guān)聯(lián)數(shù)據(jù)整合方案。［10］就發(fā)展趨勢(shì)而言，關(guān)聯(lián)數(shù)據(jù)的應(yīng)用為實(shí)現(xiàn)跨平臺(tái)語(yǔ)義關(guān)聯(lián)注入了新活力，關(guān)聯(lián)數(shù)據(jù)與本體結(jié)合將成為未來解決該類問題的主流方法。

3.2熱點(diǎn)二：利用folksonomy實(shí)現(xiàn)本體開發(fā)及演進(jìn)

熱點(diǎn)二涉及的關(guān)鍵詞有folksonomy、ontology、ontology learning、ontology development和ontology enrichment等，其中后三個(gè)的詞頻依次為4、4和3，所以沒有出現(xiàn)在高頻關(guān)鍵詞表里，但是它們又是與該熱點(diǎn)緊密相連的，所以把它們也放在討論中。較之熱點(diǎn)一，熱點(diǎn)二的相關(guān)研究成果尚不豐碩，但卻正處于逐年上升的發(fā)展趨勢(shì)。該熱點(diǎn)主要聚焦于如何用folksonomy去實(shí)現(xiàn)本體開發(fā)、本體學(xué)習(xí)和本體豐富的研究，下面從兩個(gè)方面進(jìn)行闡述。

（1）本體開發(fā)與構(gòu)建的研究。涉及的關(guān)鍵詞主要有folksonomy、ontology、ontology development。該方向的主導(dǎo)思想是充分發(fā)揮二者的互補(bǔ)性，借助folksonomy標(biāo)簽的群體性來確保本體概念的共享性，借助folksonomy大眾參與的低廉成本來縮減本體構(gòu)建的高昂成本，借助folksonomy更新快速來確保本體演進(jìn)的時(shí)效性，基于folksonomy實(shí)現(xiàn)本體構(gòu)建的術(shù)語(yǔ)收集、概念關(guān)系確立、屬性實(shí)例填充、規(guī)則建立等環(huán)節(jié)，正如Chen W等指出，folksonomy是生成本體的潛在知識(shí)源，可以用folksonomy的基本層次概念來生成本體。［11］就本體構(gòu)建的結(jié)果而言，國(guó)外學(xué)者大多傾向于構(gòu)建具有折衷和融合意味的tag ontology、folksonomized ontology等，并將其應(yīng)用到社會(huì)化標(biāo)注系統(tǒng)中作為導(dǎo)航之用，該方面的代表性研究是Alves H等利用兩者的融合構(gòu)建folksonomized ontology，并利用3E技術(shù)提取、豐富和評(píng)估本體。［12］該方向的研究趨勢(shì)是形成一種依托于folksonomy環(huán)境的本體開發(fā)理論和方法，作為對(duì)傳統(tǒng)依托專家知識(shí)構(gòu)建本體的補(bǔ)充和拓展。

（2）本體學(xué)習(xí)或本體豐富的研究。涉及的主要關(guān)鍵詞有folksonomy、ontology、ontology learning、ontology enrichment和e-learning。國(guó)外學(xué)者開展本體學(xué)習(xí)或本體豐富的思路是自動(dòng)或半自動(dòng)地從folksonomy數(shù)據(jù)源中提取概念和關(guān)系，進(jìn)而形成本體或?qū)σ延斜倔w的概念、概念關(guān)系、屬性、實(shí)例或規(guī)則進(jìn)行豐富和完善，該類研究開展仍然是建立在folksonomy與ontology融合基礎(chǔ)上，且本體學(xué)習(xí)和本體豐富往往一脈相承，前者作為后者的主要方法和途徑。該研究方向上具有代表性的研究是 Freddo A R等通過本體學(xué)習(xí)和本體評(píng)估技術(shù)結(jié)合的方法利用本體校正方法進(jìn)行本體豐富。［13］另外，利用基于標(biāo)簽的本體豐富來支持電子學(xué)習(xí)是國(guó)外學(xué)者近年來研究的一個(gè)創(chuàng)舉，Monachesi P等通過用戶評(píng)價(jià)對(duì)比了本體豐富和標(biāo)簽集群在支持學(xué)習(xí)任務(wù)方面的影響，［14］認(rèn)為前者更具優(yōu)勢(shì)。就研究趨勢(shì)而言，本方向仍將著眼于自動(dòng)或半自動(dòng)地從folksonomy標(biāo)簽集中抽取概念和概念關(guān)系，因而對(duì)本體學(xué)習(xí)方法的改進(jìn)，對(duì)本體學(xué)習(xí)工具的完善，對(duì)本體學(xué)習(xí)結(jié)果的評(píng)價(jià)都將是學(xué)者們關(guān)注的焦點(diǎn)。

3.3熱點(diǎn)三：利用其它工具強(qiáng)化ontology與folksonomy融合的研究

熱點(diǎn)三涉及的主要關(guān)鍵詞較多，有 metadata、knowledge representation、conceptual model、formal conceptanalysis、RDF、linkeddata、owl、wordnet等，但各詞的詞頻均不高，說明該類研究呈現(xiàn)多樣化、多方案的趨勢(shì)。該研究方向主要聚焦于利用其它工具最大限度地彌補(bǔ)和消除兩者融合的負(fù)面效應(yīng)，國(guó)外學(xué)者著重關(guān)注的研究方向如下。

（1）ontology、folksonomy的異同優(yōu)劣對(duì)比。涉及的關(guān)鍵詞主要是metadata、knowledge representation等。國(guó)外學(xué)者認(rèn)為，ontology和folksonomy都可視為特殊的元數(shù)據(jù)，二者在知識(shí)表示的視角下各具優(yōu)劣。開展這類研究的時(shí)期都較早，結(jié)論也很成熟，為二者融合奠定了堅(jiān)實(shí)基礎(chǔ)，代表性的研究是Christiaens S等較早指出ontology與folksonomy作為不同元數(shù)據(jù)機(jī)制具有一定的區(qū)別與聯(lián)系，通過兩者的互補(bǔ)結(jié)合，借助方法論，可以解決二者的缺陷。［15］

（2）利用其它工具實(shí)現(xiàn)對(duì)folksonomy的輔助或優(yōu)化。涉及的關(guān)鍵詞主要有 conceptual model、formal concept analysis等。該研究方向的基本思路是利用相關(guān)理論、方法和技術(shù)消除二者融合中的標(biāo)簽歧義、標(biāo)簽?zāi)：葐栴}，通過賦予標(biāo)簽清晰的語(yǔ)義化概念，使標(biāo)簽變成具有語(yǔ)義豐富的層次化結(jié)構(gòu)，從而在社會(huì)化標(biāo)注系統(tǒng)中能被更好地使用，其中代表性的研究有：Kim H L利用概念語(yǔ)義模型描述標(biāo)簽的核心概念和相關(guān)特性，推導(dǎo)出標(biāo)簽之間的關(guān)系；［16］Jschke R等利用形式概念分析發(fā)現(xiàn)標(biāo)簽集中隱含的共享的概念及概念層次，并進(jìn)行形式化的定義，實(shí)現(xiàn)folksonomy概念層次發(fā)現(xiàn)［17］等。 就研究趨勢(shì)而言，此類研究仍將呈現(xiàn)多元化，除去上面提到的概念模型和FCA之外，分類法、敘詞表、主題詞等受控詞表的引入，統(tǒng)計(jì)方法、聚類方法的使用，數(shù)據(jù)挖掘技術(shù)、可視化建模技術(shù)應(yīng)用都會(huì)從不同角度、不同側(cè)面彌補(bǔ)二者融合中folksonomy自身的缺陷。

（3）利用其它工具實(shí)現(xiàn)對(duì)本體的輔助或優(yōu)化。涉及的關(guān)鍵詞有 RDF、owl、wordnet、reasoning等。該研究方向的主導(dǎo)思想是利用相關(guān)理論、方法和技術(shù)輔助解決二者融合過程中本體的形式化表示、本體概念語(yǔ)義關(guān)系結(jié)構(gòu)的解析、本體推理等問題。RDF三元組和owl語(yǔ)言在目前本體形式化描述語(yǔ)言中仍占主流，在描述本體概念的關(guān)系、屬性與屬性之間的關(guān)系等方面仍然不可或缺。Wordnet通常被國(guó)外學(xué)者作為通用本體或語(yǔ)義庫(kù)用以確立同義詞集或上下位語(yǔ)義關(guān)系，輔助標(biāo)簽語(yǔ)義確立或本體構(gòu)建，代表性的研究是Chen R C利用wordnet識(shí)別語(yǔ)義，協(xié)助完成自動(dòng)化的領(lǐng)域本體構(gòu)建。［18］另外，為提高二者融合環(huán)境下資源檢索的智能性，國(guó)外學(xué)者從語(yǔ)義推理入手，嘗試通過豐富和完善本體推理規(guī)則解決該問題。該方向的研究仍將延續(xù)過去幾年的思路，不斷探索新的更合理的本體形式化表示方式，不斷完善類似WordNet的語(yǔ)義結(jié)構(gòu)體系，不斷提升智能推理的水平。

3.4熱點(diǎn)四：利用ontology和folksonomy融合的優(yōu)勢(shì)解決信息資源管理領(lǐng)域的問題

熱點(diǎn)四涉及的關(guān)鍵詞包括 information retrieval、image retrieval、service discovery、information management、 informationextraction、 informationenrichment等。該研究方向的主導(dǎo)思想是既不用本體去優(yōu)化folksonomy，也不用folksonomy來豐富本體，而是將兩者放在平等地位上，充分發(fā)揮各自優(yōu)勢(shì)來解決信息資源管理領(lǐng)域信息檢索、圖像檢索、服務(wù)發(fā)現(xiàn)、信息管理、信息抽取和信息豐富等問題。folksonomy由大眾構(gòu)建，技術(shù)簡(jiǎn)易，成本低廉又具有柔性，在解決信息資源管理領(lǐng)域問題時(shí)方便易用，適合用于前段與用戶互動(dòng)；ontology語(yǔ)義準(zhǔn)確且豐富，形式化程度高，在解決信息資源管理領(lǐng)域問題時(shí)精準(zhǔn)可靠，適合用于后臺(tái)作為保障。該方向具有代表性的研究有Peng X等利用眾分類法和本體融合，使數(shù)字地名系統(tǒng)能夠提供智能的數(shù)字地名信息服務(wù)，從而提高地理信息檢索的能力。［19］Bindelli S等利用整合了大眾分類法與本體的優(yōu)勢(shì)從而達(dá)到提高信息搜索與導(dǎo)航的目的。［20］Karimpour R等利用本體從語(yǔ)義上增強(qiáng)web服務(wù)和實(shí)現(xiàn)web服務(wù)發(fā)現(xiàn)。就研究趨勢(shì)而言，隨著web2.0實(shí)踐的不斷發(fā)展和深入，該熱點(diǎn)在folksonomy與ontology融合領(lǐng)域所占的比重將越來越高，其原因在于二者融合的終極目標(biāo)不是為了融合而融合，而是為解決現(xiàn)實(shí)問題而融合。

［1］王爽，徐行.基于用戶分類標(biāo)簽建立結(jié)構(gòu)性的大眾分類法［J］.圖書館學(xué)研究，2011（9）：73-76.

［2］張?jiān)浦?本體與自由分類法的融合機(jī)理研究［J］.情報(bào)理論與實(shí)踐，2012，35（2）：35-40.

［3］Lezcano L，et al.Bridging informal tagging and formal semantics via hybrid navigation［J］.Journal of InformationScience，2012，38（2）：140-155.

［4］Richard N，et al.Tag ontology［EB/OL］.［2015-04 -22］.http://www.holygoat.co.uk/owl/redwood/0.1/tags/.

［5］Passant A，Laublet P.Meaning of a tag：A collaborative approach to bridge the gap between tagging and Linked Data［EB/OL］.［2015-04-22］.http://events. linkeddata.org/ldow2008/papers/22-passant-laubletmeaning-of-a-tag.pdf.

［6］Rattanapanich R，Sriharee G.Auto-tagging articles usinglatentsemantic indexing and ontology［M］//Intelligent Information and Database Systems.Springer InternationalPublishing，2014：153-162.

［7］Movahedian H，Khayyambashi M R.Folksonomy-based user interest and disinterest profiling for improved recommendations：An ontological approach［J］.Journal of Information Science，2014：40（5）：594-610.

［8］Han X，et al.Folksonomy-based ontological user interest profile modeling and its application in personalized search［M］//ActiveMediaTechnology.SpringerBerlin Heidelberg，2010：34-46.

［9］KimHL，etal.Integratingtaggingintotheweb ofdata: Overview and combination of existing tag ontologies ［J］.Journal of InternetTechnology，2011，12（4）: 561-572.

［10］Passant A，et al.Auri is worth a thousand tags:From tagging to linked data with moat［J］.Semantic Services，Interoperability and Web Applications：E-merging Concepts：Emerging Concepts，2011：279.

［11］Chen W，et al.Generating ontologies with basic level concepts from folksonomies［J］.Procedia Computer Science，2010，1（1）：573-581.

［12］Alves H，Santanche A.Folksonomized ontology and the 3E steps technique to support ontology evolvement ［J］.Web Semantics：Science，Services and Agents ontheWorldWideWeb，2013，18（1）：19-30.

［13］FreddoAR，TaclaCA.Integrat-ingSocial Webwith SemanticWeb-OntologyLearningandOntologyEvolutionfromFolksonomies ［C］//Las Vegas：IKE'09 2009-The 2009 International Conference on Information and Knowledge EngineeringIKE'09，2009：247-253.

［14］Monachesi P，et al.Ontology enrichment with social tags for e-learning［M］//Learning in the Synergy of Multiple Disciplines.Berlin：Springer-Verlag，2009: 385-390.

［15］Christiaens S.Metadata mechanisms：From ontology to folksonomy...and back［C］//On the Move to Meaningful Internet Systems 2006：OTM 2006 Workshops. Berlin：Springer-Verlag，2006：199-207.

［16］KimHL，et al.Social semanticcloudof tags:semantic model for folksonomies［J］.Knowledge Management Research&Practice，2010，8（3）：193-202.

［17］Ja..schke R，et al.Discovering shared conceptualizations infolksonomies［J］.WebSemantics：Science， ServicesandAgentsontheWorldWideWeb，2008，6 （1）：38-53.

［18］Chen R C，Chuang C H.Automating construction of a domain ontology using a projective adaptive resonance theoryneuralnetworkandBayesiannetwork［J］.Expertsystems，2008，25（4）：414-430.

［19］Peng X，et al.A folksonomy ontology based digital gazetteer service［C］//Beijing InternationalConferenceon Geoinformatics.2010：1-6.

［20］Bindelli S，et al.Improving search and navigation by combiningontologiesandsocial tags［C］//On the Move to Meaningful Internet Systems：OTM 2008 Workshops.Berlin：Springer-Verlag，2008：76-85.

Abroad Research Hotspots and Trends of the Integration of Folksonomy and Ontology

Zhang Yun-zhong，Li Jia-jia

Taking the documents of the research on the integration of Folksonomy and Ontology in Web of Science（SSCI）in 2005～2015 as data source，this article applying co-term analysis method and SPSS to analyzes high frequency keywords so as to discover internal relationship among these keywords.Meanwhile，this article discovers 4 hotspots and trend of the integration of Folksonomy and Ontology in abroad which can serve as reference for domestic research field.

Ontology；Folksonomy；Marks；Integration；Co-term Analysis

G254.1

A

1005-8214（2016）07-0039-06

本文系上海市哲學(xué)社會(huì)科學(xué)規(guī)劃課題青年項(xiàng)目“自由分類法、專家分類法和本體的融合集成研究”（項(xiàng)目編號(hào)：2014ETQ001），上海市教育委員會(huì)科研創(chuàng)新項(xiàng)目“web2.0下本體與大眾分類法的互補(bǔ)與融合”（項(xiàng)目編號(hào)：14YS007）的研究成果和上海市青年教師培養(yǎng)資助計(jì)劃成果之一。

張?jiān)浦校?985-），男，博士，上海大學(xué)圖書情報(bào)檔案系講師，碩士生導(dǎo)師，研究方向：知識(shí)組織；李佳佳（1990-），女，上海大學(xué)圖書情報(bào)檔案系碩士生，研究方向：知識(shí)組織。

2015-12-14［責(zé)任編輯］閻秋娟