标记层次结构和处理

Question

这是一个真正的问题,一般适用于标记项目(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聚类类似的项目,无论它们是什么项目(笑话,博客帖子,所以问题等).但是,(通常但不严格)是标签的层次结构,这意味着某些标签也暗示其他标签.使用一个熟悉的例子,"c#"so标签也暗示".net"; 另一个例子,在笑话数据库中,"blondes"标签暗示"嘲弄"标签,类似于"爱尔兰"或"belge"或"加拿大"等,取决于笑话的国家来源.

你是如何在项目中处理这个问题的？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

这是一个棘手的问题.两个极端是本体(一切都是分层的)和一个分类(标签没有层次结构).我已经在WikiAnswers上回答了这个问题,并引用了Clay Shirky的"Ontology is Overrated"一文,声称你应该不设置层次结构.

Answer 2

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（无论是哪个 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] 空间中的一个值，用于为每个链接的标签提供重力；自标签关系始终在 trlValue 中携带 1.0，而其余部分是通过算法计算的（不是想想我给出的示例笑话数据库；['blonde', 'derisive', 0.5] 记录将与 ['pondian', 'derisive', 0.5] 相关联，因此建议给出另一个给出的所有嘲笑笑话。