Reuse, Temporal Dynamics, Interest Sharing, and Collaboration in Social Tagging Systems
用户生成的内容正在塑造万维网的动态。事实上,越来越多的系统提供支持内容创建、共享和管理的增长需求的机制。标签系统是这些系统中的一个特殊类别,用户可以在其中共享和协作注释内容,例如照片和URL。这种协作行为和用户生成的元数据库为改进现有系统和设计新机制创造了机会。然而,为了实现这一潜力,有必要了解当前系统的使用特性。这项工作解决了这个问题的特点三个标记系统(CiteULike,Connotea和del.icio.us),同时集中在三个方面:i)的信息(标签和项目)生产模式; ii)用户的标签词汇的时间动态;和,iii)标签系统的社会方面。
2013-01-25 cs.DL cs.IR cs.SI
Emergent Community Structure in Social Tagging Systems
一种被称为协作标记的分布式分类范例已被广泛采用在新的Web应用程序中,旨在管理和共享在线资源。这些应用程序的用户组织资源(网页,数码照片,学术论文)与他们自由选择的文本标签,或标签。在这里,我们利用社会方面的协作标记,并介绍了一个概念的资源距离的基础上集体标记活动的用户。我们从一个流行的系统中收集数据,并进行实验,表明我们的距离定义可以用来建立一个可检测的社区结构的加权资源网络。我们表明,这种社区结构清楚地揭示了资源之间的语义关系。我们观察到的资源社区是一个真正的紧急功能,从大量用户的不协调的活动,他们的检测铺平了道路,映射紧急语义在社会标记系统。
2008-12-03 cs.CY cs.HC cs.IR
A decentralized trust-aware collaborative filtering recommender system based on weighted items for social tagging systems
推荐系统用于向社交网络中的用户推荐内容和资源。这些系统使用每个用户分配给不同资源的排名或标签来预测或向用户提出建议。最近,用户可以插入新内容、标记、组织、共享和搜索内容的社交标记系统变得越来越流行。这些系统有很多有价值的信息,但数据增长是其最大的挑战之一,这导致需要推荐系统来预测每个用户可能喜欢或需要什么。一种方法来设计这些系统,使用社会环境的用户被称为协同过滤(CF)。CF系统中的问题之一是用户及其标签的可信性。在这项工作中,我们考虑的信任度量(这是从用户的标记行为)旁边的相似性,给出建议,并检查其对结果的影响。另一方面,介绍了一种分散的方法,以分布式的方式计算用户之间的相似性和信任关系。这导致了在所有类型的用户之间实现所提出的方法的能力,相对于不同类型的项目,这是通过唯一的ID跨异构网络和环境访问。最后,我们表明,所提出的模型用于计算用户之间的相似性,减少了用户项目矩阵的大小,并考虑在协作系统中的信任,可以导致更好的性能生成建议。
2019-06-12 cs.IR cs.SI
LLM4Tag: Automatic Tagging System for Information Retrieval via Large Language Models
本文提出 LLM4Tag 自动打标系统,通过图召回、知识增强生成和置信度校准三个模块解决候选标签检索、领域知识适应和置信度量化问题,并在大规模工业数据上验证其显著优于现有方法且已在线服务数亿用户。
2025-05-06 cs.IR
Self-supervised Auxiliary Loss for Metric Learning in Music Similarity-based Retrieval and Auto-tagging
Sony Computer Science Laboratories, Inc(索尼计算机科学实验室公司);Koozyt, Inc(Koozyt公司)
本文提出一种结合自监督辅助损失的度量学习方法,用于提升音乐相似度检索与自动标注性能,并发现联合训练监督与自监督信号、微调阶段不使用数据增强更有效。
2023-04-15 cs.IR cs.LG cs.SD
Item Tagging for Information Retrieval: A Tripartite Graph Neural Network based Approach
Tsinghua University(清华大学);Pengcheng Lab(鹏城实验室)
标注是提高信息检索相关性匹配的一种有效方法,特别是在文本描述不丰富的情况下。无论是多标签文本分类还是图像标注,都已经有了大量的研究。然而,有一个缺乏公开发表的工作,在项目标记专门为IR。直接应用传统的多标签分类模型项目标记是次优的,由于在IR的独特特性的无知。在这项工作中,我们建议制定项目标记项目节点和标签节点之间的链接预测问题。为了丰富条目的表示,我们利用IR任务中可用的查询日志,并构建了一个查询-条目-标签三方图。该公式化产生了利用具有多种类型的节点和边的异构图神经网络的TagGNN模型。与以往的研究不同,我们还优化了完整的标签预测和部分标签完成的情况下,在一个统一的框架,通过一个主要的双重损失机制。在开放和工业数据集上的实验结果表明,我们的TagGNN方法优于最先进的多标签分类方法。
2020-08-26 cs.CL cs.IR cs.LG
Recommending Items in Social Tagging Systems Using Tag and Time Information
在这项工作中,我们提出了一种新的项目推荐方法,旨在提高协同过滤(CF)在社会标签系统中使用的标签和时间的信息。我们的算法遵循两步的方法,在第一步中,一个潜在的有趣的候选项集被发现使用基于用户的CF和在第二步中,这个候选项集使用基于项目的CF排名。在这个排名步骤中,我们使用来自人类记忆理论的基本水平学习(BLL)方程来整合标签使用和时间的信息,该方程用于使用幂律遗忘函数来确定单词和标签的重用概率。作为我们的广泛的评估的结果收集的数据集从三个社会标记系统(BibSonomy,CiteULike和MovieLens)显示,使用基于标签和时间信息通过BLL方程也有助于提高排名和推荐过程中的项目,因此,可以用来实现一个有效的项目推荐,优于两个替代算法,也利用时间和基于标签的信息。
2014-06-30 cs.IR
On Content-Based Recommendation and User Privacy in Social-Tagging Systems
基于注释和评级的推荐系统和内容过滤方法基本上依赖于用户通过他们的动作表达他们的偏好和兴趣,以便提供个性化内容。这种用户集体参与的活动被称为社会标签。虽然它为语义Web上的应用程序互操作性开辟了无数新的可能性,但它也带来了新的隐私威胁。社交标签包括通过使用自由文本标签(即标签)来描述在线或在线资源,因此将用户的个人资料和活动暴露给隐私攻击。标签伪造是一种隐私增强技术,包括为不反映用户实际偏好的类别或资源生成标签。标签伪造通过修改用户的个人资料,可能会对推荐系统的质量产生负面影响,从而在一定程度上保护用户隐私,但代价是效用损失。因此,标签伪造对基于内容的推荐的影响,在现实世界中的应用场景中,不同的伪造策略进行评估,并测量和比较随之而来的效用损失。
2016-05-20 cs.CR cs.CY cs.IR
Harnessing the power of Social Bookmarking for improving tag-based Recommendations
社会书签和标签已经出现了一个新时代的用户协作。协作标记允许用户注释他们喜欢的内容,通过适当的算法可以提供有用的产品推荐。今天的情况是,基于标签的算法与基于评级的推荐机制互补,以预测用户对各种产品的喜好。在本文中,我们提出了一种替代算法计算个性化的产品推荐,专门使用的用户提供的标签。我们的方法是基于使用用户提供的标签的语义相似性聚类成组的类似意义的想法。然后,将用户注释能力的一些可测量特征与其他度量(如用户相似度)相结合,用于计算预测。从现实世界的协作标记系统,citeUlike使用的数据的评估,证实了我们的方法优于基线向量空间模型,以及其他国家的最先进的算法,更准确地预测用户的喜好。
2014-10-19 cs.IR cs.SI
Analyzing Tag Distributions in Folksonomies for Resource Classification
最近的研究表明,社交标签作为一种数据源,以饲料资源分类的有用性。关于设置对社会标签系统上创建的民俗分类法的影响,人们知之甚少。在这项工作中,我们认为社会标签系统的设置,以进一步了解标签分布在大众分类。我们深入分析了三个大规模社会标签数据集上的标签分布,并分析了对资源分类任务的影响。为此,我们研究了适当的加权方案的基础上,著名的TF-IDF资源分类。我们展示了设置对改变标签分布的重要性。在这些设置中,标签建议产生非常不同的大众分类法,这决定了所采用的加权方案的成功。我们的研究结果和分析是相关的研究人员研究基于标签的资源分类,用户行为在社交网络,大众分类和标签分布的结构,以及开发人员的社会标签系统在寻找一个合适的设置。
2012-02-23 cs.DL cs.IR
Modeling Cognitive Processes in Social Tagging to Improve Tag Recommendations
随着Web 2.0的出现,标签查询器已经成为重要的工具,其目的是支持用户为他们的书签资源查找描述性标签。虽然目前的算法在标签预测准确性方面提供了良好的结果,但它们通常是以数据驱动的方式设计的,因此,缺乏对人们将标签分配给资源时所起作用的认知过程的透彻理解。本文旨在对社会标签中的这些认知动力学进行建模,以便改进标签推荐并更好地理解其底层过程。作为这个方向的第一次尝试,我们已经实现了个体微观层面(例如,对资源或时间动态进行分类)和集体宏观级(例如,模仿其他用户的标签)以新颖的标签推荐算法的形式进行处理。从BibSonomy,CiteULike和Delicious收集的数据集的初步结果表明,我们提出的方法可以优于当前最先进的算法,如协同过滤,FolkRank或成对交互张量因子分解。我们的结论是,推荐系统可以通过纳入人类认知的相关原则进行改进。
2018-05-30 cs.HC cs.IR
Hypergraph model of social tagging networks
在过去的几年里,一个新的范式家族,即所谓的大众分类法,取得了巨大的成功,它允许用户自由地将标签与资源相关联,并有效地管理它们。为了揭示大众分类法的底层结构和用户行为,本文提出了一个进化超图模型来解释新兴的统计特性。该模型引入了一种新的机制,不仅可以为资源分配标签,而且可以通过协作标签检索资源。然后,我们将该模型与真实世界的数据集\emph{Del.icio.us}进行比较。事实上,本模型显示出相当大的协议与经验数据在以下方面:幂律超度分布,聚类系数和超度之间的相关性,和小的平均距离。该模型还表明,大多数标注行为的动机是给资源标注标签,标签在有效检索感兴趣的资源和结识志趣相投的朋友方面发挥着重要作用。该模型的提出有助于深入理解大众分类法的结构和功能。
2010-03-09 cs.IR physics.soc-ph
Improving Tag-Clouds as Visual Information Retrieval Interfaces
本文提出了一种新的Tag-Cloud标签选择方法,并建议使用聚类算法进行视觉布局,以降低标签集的语义密度并提高布局的视觉一致性,从而改善用户的浏览体验。
2024-01-10 cs.IR
A Personalized Tag-Based Recommendation in Social Web Systems
最近,标记活动已被确定为关于个人兴趣、偏好、目标和从用户模型已知的其他属性的知识的潜在来源。因此,标签本身可以用于找到个性化的项目推荐。在本文中,我们提出了一个基于标签的推荐系统,建议相似的网页的基础上,他们的标签从Web 2.0标签应用程序的相似性。所提出的方法扩展了基本的相似性演算与外部因素,如标签的流行程度,标签的代表性和用户和标签之间的亲和力。为了研究和评估推荐系统,我们进行了一项实验,涉及来自12个国家的38人使用的数据从Del.icio.us,社会书签网络系统,用户可以分享他们的个人书签。
2012-03-01 cs.IR cs.SI
Content Reuse and Interest Sharing in Tagging Communities
标记社区代表了更广泛的用户生成内容共享在线社区的一个子类。在这样的社区中,用户介绍和标记内容以供以后使用。虽然最近的研究主张,并试图利用社会知识,在这种情况下,利用用户之间的合作,很少有研究已经做了量化目前的水平,在这些社区的用户合作。本文介绍了两个指标来量化的合作水平:内容重用和共享的兴趣。使用这两个指标,本文表明,CiteULike和Connotea目前的合作水平一直很低,这大大限制了利用社区中的社会知识的潜力。本研究还讨论了这些发现的背景下,推荐和声誉系统的影响。
2008-01-26 cs.DL cs.IR
Deeper Into the Folksonomy Graph: FolkRank Adaptations and Extensions for Improved Tag Recommendations
社交标签系统中包含的信息通常被建模为用户,项目和标签之间的连接图。诸如FolkRank之类的推荐算法有可能利用数据中的复杂关系,对应于图中的多个跳。我们提出了一个深入的分析和评估的图形模型的社会标签数据,并提出新的适应和扩展的FolkRank,以提高标签推荐。我们强调了广泛使用的大众分类模型所做的隐含假设,并提出了一种替代的和更准确的数据图形表示。我们对FolkRank的扩展通过将内容数据纳入算法来解决新项目问题,并显着改善未修剪数据集的预测结果。我们的调整解决了迭代权重扩散计算中的问题,这些问题可能会阻碍FolkRank利用深度图作为信息源的能力。此外,我们评估了考虑图的每个更深层次的好处,并提出了关于一般社会标记数据的特征的重要见解。我们的研究结果表明,传统的权重传播方法的基本假设,即在图中的接近总是意味着一个积极的关系,并不适用于社会标签领域。
2013-10-05 cs.IR
The Wisdom of the Few? "Supertaggers" in Collaborative Tagging Systems
从表面上看,大众分类法是一种由“大众智慧”建立起来的信息结构,但“大众”真的在做这项工作吗?标记实际上是一个严重倾斜的过程,其中一小部分“超级标记者”用户生成绝大多数注释。使用来自三个大型社交标记平台的数据,我们探索(a)如何最好地量化标记行为的不平衡并正式定义超级标记者,(b)超级标记者在标记模式上与其他用户有何不同,以及(c)动机和专业知识的影响是否能告知我们对超级标记者的理解。我们的研究结果表明,这些多产的用户不仅标记比他们的同行,但在量化不同的方式。具体来说,我们发现,supertaggers更有可能标签内容的长尾不太受欢迎的项目,他们显示的内容标记和使用的术语的模式的差异,并可测量不同的标记专业知识和动机。这些研究结果表明,我们应该质疑大众分类通过“群众的智慧”实现众包分类的程度,特别是对于像Last.fm这样的广泛的大众分类,而不是像Flickr这样的狭隘的大众分类。
2015-03-17 cs.IR cs.SI
Social Network Extraction: Superficial Method and Information Retrieval
社会网络已经成为政府的主题之一,主要是处理混乱的问题。在这些问题上,网络的使用正在稳步增长。然而,大多数Web文档是非结构化的,缺乏语义。本文提出了一种信息检索驱动的方法来处理Web中特征的异构性。建议的解决方案是比较一些方法已经显示出提取社会关系的能力:强度关系和基于在线学术数据库的关系。
2016-01-12 cs.IR cs.SI
Information Retrieval Model: A Social Network Extraction Perspective
未来的信息检索,特别是与互联网相关的信息检索,将结合使用社交网络提取技术生成的内容描述,并且优选地结合用于分配语义的概率理论。虽然社会网络信息抽取的研究越来越受到人们的关注,但其中很少有对信息检索有重大影响的方法。因此本文提出了一种基于社会网络的信息检索模型。
2012-07-16 cs.IR
Spatio-Temporal Small Worlds for Decentralized Information Retrieval in Social Networking
我们讨论的基础和替代方案,基于代理的信息检索(IR)的方法在社交网络,特别是分散和移动社交网络的情况。除了通常的语义背景,这些方法利用长期的社会和时空背景,以满足有意识的以及无意识的信息需求,根据人类IR语言学。使用一个大型的Twitter数据集,我们调查这些方法,特别是调查的问题,在多大程度上的时空背景可以作为一个概念的括号,涉及社会和语义的凝聚力,从而产生时空小世界的概念。
2012-09-13 cs.IR cs.SI physics.soc-ph
Social Collaborative Retrieval
基于社交的推荐系统最近引起了人们极大的兴趣,许多研究表明,社交信息可以显着提高系统对用户兴趣的预测。与此同时,现在有许多潜在的应用,涉及推荐和信息检索的方面,和协作检索的任务-这两个传统问题的组合-最近被引入。成功的协作检索需要克服严重的数据稀疏性,使额外的信息源,如社交图,特别有价值。在本文中,我们提出了一个新的合作检索模型,并表明,我们的算法优于当前国家的最先进的方法,将信息从社交网络。我们还提供了实证分析的方式,其中文化利益传播沿着社会图使用现实世界的音乐数据集。
2014-04-09 cs.IR
Tag-Aware Recommender Systems: A State-of-the-art Survey
在过去的十年中,社会标签系统已经吸引了越来越多的关注,从物理和计算机科学社区。除了标签系统的底层结构和动态性之外,人们还致力于统一标签信息,以揭示用户行为和偏好,提取项目之间的潜在语义关系,进行推荐等。本文综述了标签感知推荐系统的最新进展,着重介绍了三种主流的观点和方法:基于网络的方法、基于张量的方法和基于主题的方法。最后,我们概述了其他一些标签相关的工作和标签感知推荐算法的未来挑战。
2012-02-27 cs.IR cs.SI
Semantic Analysis of Tag Similarity Measures in Collaborative Tagging Systems
社会书签系统允许用户以协作的方式组织网络上的资源集合。这些系统的日益普及以及对其新兴语义的首次洞察使它们与知识提取和本体学习等学科相关。设计方法来测量标签之间的语义相关性并从语义上对其进行表征的问题在很大程度上仍然是开放的。在这里,我们分析了标签相关性的三个措施:标签同现,余弦相似性的同现分布,和FolkRank,一个适应的PageRank算法,以folksonomies。每个度量都是根据从社会书签系统del.icio.us抓取的大规模数据集的标签计算的。为了提供我们的研究结果的语义基础,WordNet(英语的语义词典)的连接建立映射标签到同义词集的WordNet,并应用有著名的语义相似性度量。我们的研究结果清楚地揭示了所选的相关性措施的不同特点,使它们适用于不同的子任务的知识提取,如同义词检测或发现的概念层次结构。
2008-05-14 cs.DL cs.IR
Space and Time as a Primary Classification Criterion for Information Retrieval in Distributed Social Networking
我们讨论了如何在一个紧凑的方式,时空相关性的信息项,时空相关性的用户,用户的社会关系和语义相关性的信息项之间的隐含关系可能会被利用的信息检索架构,沿着人类的搜索方式。分散和面向代理的架构反映了新兴的趋势,例如即将到来的移动和分散的社交网络作为社交计算的新范式,其目标是满足更广泛和更微妙的相互关联的信息需求,而不仅仅是当前的IR服务可以满足的即时信息需求。我们简要地讨论了为什么使用时空参考作为主要的信息标准隐含地保存其他关系,因此适合这样的架构。最后,我们简短地指出了一个使用维基百科文章进行的大型评估研究的结果。
2011-04-12 cs.IR cs.SI physics.soc-ph
Leveraging tagging and rating for recommendation: RMF meets weighted diffusion on tripartite graphs
推荐系统是解决信息过载问题的一种有效方法。然而,性能仍然是有限的,由于极端稀疏的评级数据。随着Web 2.0的普及,社会化标签系统提供了更多的外部信息来提高推荐准确率。尽管一些现有的方法将矩阵分解模型与标签的共现属性和上下文相结合,但是它们忽略了标签稀疏性的问题,而没有通常关联的标签问题,这也会导致不准确的推荐。因此,本文提出了一种新的混合协同过滤模型WUDiff_RMF,该模型通过结合加权用户扩散CF算法(WUDiff)对正则矩阵分解(RMF)模型进行改进,该算法从加权用户-项目-标签图中获取相似用户的信息。该模型旨在捕捉用户-项目-标签三方网络的度相关性,以提高推荐性能。在四个真实数据集上进行的实验表明,我们的方法在推荐的准确性方面明显优于已经广泛使用的方法。此外,实验结果表明,WUDiff_RMF可以缓解数据稀疏性,特别是在用户的评分和标签很少的情况下。
2016-11-01 cs.IR cs.SI
How Low Can You Go? Reducing Frequency and Time Resolution in Current CNN Architectures for Music Auto-tagging
Universitat Pompeu Fabra(庞培法布拉大学);Kakao Corp.(Kakao公司)
音乐的自动标注是音乐信息检索中的一个重要研究课题,针对该任务提出的音频分析算法随着深度学习的进步而取得了改进。特别地,许多现有技术的系统使用卷积神经网络并对音频的梅尔频谱图表示进行操作。在本文中,我们比较常用的梅尔频谱图表示和评估模型的性能,可以通过减少输入大小方面的频带和较大的帧速率。我们使用MagnaTagaTune数据集进行全面的性能比较,然后在更大的Million Song数据集上比较选定的配置。这项研究的结果可以为研究人员和从业者在模型的准确性,数据存储大小和训练和推理时间之间的权衡决策提供服务。
2020-06-28 cs.IR cs.SD eess.AS
QUOTE: "Querying" Users as Oracles in Tag Engines - A Semi-Supervised Learning Approach to Personalized Image Tagging
图像标签研究的一个常见趋势是关注视觉相关的标签,这往往会忽略标签的个人和社会方面,特别是在Flickr等照片博客网站上。以前的工作已经正确地识别出用户在图像上提供的许多标签在视觉上是不相关的(即代表图像中的显著内容),并且他们继续将这些标签视为噪声,忽略了用户选择提供这些标签而不是其他可能更视觉相关的标签。关于用户为图像生成的标签的另一个常见假设是,这些标签的顺序不提供用于预测未来图像上的标签的有用信息。这种假设也倾向于根据与图像视觉相关的内容来定义有用性。对于专注于提供关于图像内容的视觉信息的一般标记或标签应用,这些假设是合理的,但当考虑个性化图像标记应用时,这些假设充其量过于僵化,忽略了用户的选择和偏好。我们挑战上述假设,并提供了一个机器学习的方法来解决个性化图像标记的问题,具有以下贡献:1)。我们将个性化图像标记问题重新表述为搜索/检索排名问题,2)。我们利用标签的顺序,这并不总是反映视觉相关性,由用户在过去提供作为他们的标签偏好的线索,类似于点击数据,3。我们提出了一种技术,以增加稀疏的用户标签数据(半监督),和4。我们证明了我们的方法在Flickr图像的一个子集上的有效性,显示出比以前的最先进的方法的改进。
2016-01-20 cs.IR cs.LG cs.MM
A Social Search Model for Large Scale Social Networks
Facebook(脸书);University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
随着社交网络的兴起,互联网上的信息不再仅仅由网页组织。相反,内容是在用户之间生成和共享的,并围绕他们在社交网络上的社交关系进行组织。这对信息检索系统提出了新的挑战。在社交网络搜索系统中,结果集的生成不仅需要像传统的web搜索引擎那样考虑关键字匹配,而且还需要考虑用户的社交联系和内容的可见性设置。此外,搜索排名应该能够处理文本相关性和来自社交网络的丰富的社交互动信号。在本文中,我们首先引入社会检索机制,然后研究新的深度神经网络的排名问题,提出我们的解决方案,这两个挑战。该检索系统将社会联系作为索引词,并通过以约束优化方式偏向密切的社会联系来生成有意义的结果集。然后,通过深度神经网络对结果集进行排名,该深度神经网络以双塔方法处理文本和社交相关性,其中个性化和文本相关性被联合处理。该检索机制部署在Facebook上,正在帮助数十亿用户有效地从他们的连接中查找帖子。基于检索到的帖子,我们评估了我们的双塔神经网络,并研究了个性化和文本信号在排名问题中的重要性。
2020-05-09 cs.IR cs.LG cs.SI
VISIR: Visual and Semantic Image Label Refinement
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);Allen Institute for Artificial Intelligence(艾伦人工智能研究所);University of Warwick(华威大学)
社交媒体的爆炸式增长使互联网上充斥着大量的图片。存在两种现有的图像检索范例:1)基于内容的图像检索(CBIR),其传统上使用视觉特征进行相似性搜索(例如,SIFT特征),以及2)基于标签的图像检索(TBIR),其依赖于用户标签(例如,Flickr tags)。CBIR现在通过基于深度学习的视觉标签检测的进步获得了语义表达能力。TBIR受益于查询和点击日志,可以自动推断出更多信息的标签。然而,基于学习的标记仍然会产生嘈杂的标签,并且仅限于具体的对象,错过了概括和抽象。基于点击的标记仅限于出现在图像的文本上下文中或导致点击的查询中的术语。本文通过语义精炼和扩展基于学习的目标检测所建议的标签来解决上述限制。我们考虑不同对象的标签之间的语义一致性,利用词汇和常识知识,并将标签分配转化为整数线性规划求解的约束优化问题。实验表明,我们的方法,称为VISIR,提高了最先进的视觉标记工具,如LSDA和YOLO的质量。
2019-09-02 cs.CV cs.IR cs.MM
Metric Learning vs Classification for Disentangled Music Representation Learning
Graduate School of Culture Technology, KAIST(韩国科学技术院文化技术研究生院);Adobe Research(奥多比研究院)
深度表示学习为将输入数据映射到有组织的嵌入空间提供了强大的范例,并且对于许多音乐信息检索任务都很有用。表示学习的两种核心方法包括深度度量学习和分类,两者都具有相同的目标,即学习可以在任务中很好地推广的表示。随着泛化,解开表示的新兴概念也引起了极大的兴趣,其中多个语义概念(例如,体裁、情绪、乐器)是共同学习的,但在学习的表示空间中保持可分离。在本文中,我们提出了一个单一的表示学习框架,阐明了度量学习,分类,并在一个整体的方式解开之间的关系。为此,我们(1)概述了过去关于度量学习和分类之间关系的工作,(2)通过探索三种不同的学习方法及其分解版本将这种关系扩展到多标签数据,(3)评估四个任务(训练时间,相似性检索,自动标记和三重预测)的所有模型。我们发现,基于分类的模型通常在训练时间、相似性检索和自动标记方面具有优势,而深度度量学习在三元组预测方面表现出更好的性能。最后,我们表明,我们提出的方法产生的音乐自动标记的最先进的结果。
2020-08-12 cs.IR cs.LG cs.SD
A Complete Year of User Retrieval Sessions in a Social Sciences Academic Search Engine
在本文中,我们提出了一个开放的数据集提取的社会科学学术搜索引擎sowiport的交易日志。该数据集包括sowiport用户在2014年4月至2015年4月期间进行的484,449次检索会话的过滤集。我们提出了一个描述的学术搜索引擎用户,可以用于不同的应用程序,如结果排名改进,用户建模,查询重构分析,搜索模式识别进行的交互。
2017-09-23 cs.DL cs.IR
Tag Relevance Fusion for Social Image Retrieval
Renmin University of China(中国人民大学);Shanghai Key Laboratory of Intelligent Information Processing(上海智能信息处理重点实验室)
由于社会标签的主观性质,测量社会标签相对于视觉内容的相关性对于检索越来越多的社会网络图像是至关重要的。见证标签相关性的单一测量的限制,我们在本文中引入标签相关性融合作为标签相关性估计方法的扩展。我们提出了一个系统的研究,包括标签相关性融合的早期和后期阶段,并在监督和无监督的设置。在一个大型的基准集上的实验表明,标签相关性融合可以带来更好的图像检索效果。此外,无监督的标签相关性融合被发现是实际有效的监督标签相关性融合,但不需要任何训练的努力。这一发现表明了标签相关性融合在现实世界部署中的潜力。
2014-10-13 cs.CV cs.IR
Faceted Ranking of Egos in Collaborative Tagging Systems
多媒体上传的内容被标记并由协作系统的用户推荐,从而产生非正式的分类,也称为大众分类。分面网络排名已被证明是一个合理的替代单一的排名,不考虑个性化的背景。在本文中,我们分析了与多个标签组成的方面相关的用户排名的在线计算。可能的应用是用户信誉评估(自我排名)和改进的内容质量的情况下检索。我们提出了一种基于PageRank作为中心性度量的解决方案:(i)基于相应的标签依赖子图离线计算每个标签的排名;(ii)通过合并面中所有标签对应的排名来生成面顺序。通过经验观察验证的基本假设是步骤(i)是可扩展的。我们还提出了算法的部分(ii)具有时间复杂度O(k),其中k是在方面的标签的数量,非常适合于在线计算。
2008-09-26 cs.IR
DS@GT at CheckThat! 2025: Exploring Retrieval and Reranking Pipelines for Scientific Claim Source Retrieval on Social Media Discourse
Georgia Institute of Technology(佐治亚理工学院)
针对社交媒体科学声明缺乏来源的问题,DS@GT团队在CheckThat! 2025任务4b中探索多种数据增强、检索重排序流水线并微调双编码器,MRR@5达0.58,较BM25基线提升0.15。
2025-07-09 cs.CL cs.IR
Query Expansion for Survey Question Retrieval in the Social Sciences
近年来,研究数据的重要性以及存档和在科学界分享这些数据的必要性大大增加。这给数字图书馆带来了一系列全新的挑战。在社会科学中,典型的研究数据集包括调查和问卷。在本文中,我们专注于社会科学调查问题重用的用例和机制,以支持用户在数据集的查询制定。我们描述和评估基于叙词表和共现的查询扩展方法,以提高检索质量的数字图书馆和研究数据档案。这里的挑战是将信息需求和潜在的社会学现象转化为适当的查询。正如我们可以表明,检索质量可以通过向查询添加相关术语来提高。在直接比较中,使用提取的共现术语自动扩展的查询可以提供比领域专家手动重新制定的查询更好的结果,并且比基于关键字的BM 25基线更好的结果。
2015-06-18 cs.DL cs.IR
A Random Walk Model for Item Recommendation in Folksonomies
社会化标记作为一种新颖的信息组织和发现方法,已被广泛应用于许多Web2.0应用中。标签提供了一种新的信息类型,可以被推荐系统利用。然而,三元<用户,标签,项目>交互数据的稀疏性限制了基于标签的协同过滤的性能。提出了一种基于随机游走的算法来处理社会标签数据中的稀疏性问题,该算法通过用户与标签的交互来捕捉用户与项目之间潜在的传递性关联。特别是,两个平滑策略,提出了以用户为中心和以项目为中心的角度。在真实数据集上的实验证明了该算法的有效性。
2013-09-27 cs.IR
Estimating the Dissemination of Social and Mobile Search in Categories of Information Needs Using Websites as Proxies
随着使用社交媒体(例如,社会媒体提问,SMQA)或社会信息检索方法,本文试图确定类型的信息需求,本质上是社会的,因此更适合这些技术。我们描述了一个实验,其中突出的网站从各种内容类别被用来代表各自的内容领域,并允许相关的内容领域的属性。基本的假设是,成功的网站的重点内容领域完全符合信息搜索者的要求时,满足信息需求在各自的内容领域。基于从Alexa(http://www.example.com}(检索日期:2015-11-04))(一家发布网络流量统计数据的公司)手动收集的涵盖广泛主题的网站URL数据集,采用众包方法来评估可以根据多个维度(包括)通过相应URL解决的信息需求www.alexa.com社会性和流动性),以调查与其他属性的可能相关性。我们的研究结果表明,不需要一定的正式专业知识的信息需求在社会信息检索中发挥着重要作用,并且某些内容领域更适合社会信息检索(例如,事实知识和新闻,游戏,生活方式)比其他(例如,健康和生活方式)。
2016-07-07 cs.CY cs.IR cs.SI
A Data-Driven Approach for Tag Refinement and Localization in Web Videos
Università degli Studi di Firenze(佛罗伦萨大学);Stanford University(斯坦福大学);Università degli Studi di Modena e Reggio Emilia(摩德纳-雷焦艾米利亚大学)
随着基于web的服务和社交网络在其用户中普及了标记功能,视觉内容的标记正变得越来越普遍。这些用户生成的标签用于简化媒体集的浏览和探索,例如使用标签云,或检索多媒体内容。然而,并非所有媒体都被用户标记。使用当前的系统很容易标记一张照片,甚至标记照片的一部分,比如一张脸,在Flickr和Facebook这样的网站上也很常见。另一方面,标记视频序列更复杂且耗时,使得用户仅标记视频的整体内容。在本文中,我们提出了一种自动视频注释的方法,增加了原来由用户提供的标签的数量,并将它们暂时定位,将标签与关键帧相关联。我们的方法利用了嵌入在用户生成的标签和网络资源中的集体知识,以及上传到YouTube和Flickr等社交网站的关键帧和图像的视觉相似性,以及Google和Bing等网络资源。给定一个关键帧,我们的方法能够从这些视觉源中动态选择与该测试样本最相关的训练样本,并继续在类似图像中传输标签。与现有的视频标记方法,需要训练分类器为每个标签相比,我们的系统具有很少的参数,易于实现,可以处理一个开放的词汇场景。我们在DUT-WEBV(一个大型的网络视频数据集)上展示了标签细化和本地化的方法,并展示了最先进的结果。
2015-05-28 cs.CV cs.IR cs.MM
De la recherche sociale d'information à la recherche collaborative d'information
在本文中,我们解释社会信息检索(SIR)和协作信息检索(CIR)。我们认为SIR作为一种方式,知道谁合作,在解决信息问题,而CIR需要的过程中相互理解和解决的信息问题之间的合作者。我们有兴趣从SIR过渡到CIR,因此我们开发了一个通信模型,以促进CIR期间的知识共享。
2009-11-28 cs.IR
Integrity and Junkiness Failure Handling for Embedding-based Retrieval: A Case Study in Social Network Search
Meta Platforms, Inc(元平台公司)
本文针对社交网络搜索中基于嵌入检索的相关性不可控问题,定义了完整性和垃圾结果两类故障,并提出索引处理与定向用户群体处理等推理阶段方法,通过离线NDCG和在线A/B测试验证了其有效性。
2023-04-18 cs.AI cs.IR
Enhancing Flood Impact Analysis using Interactive Retrieval of Social Media Images
Friedrich Schiller University Jena(耶拿弗里德里希·席勒大学);Deutsches GeoForschungsZentrum(德国地球科学研究中心)
由于传感器的粗略分布或传感器故障,对洪水等自然灾害的及时分析通常会受到数据有限的影响。利用社交媒体平台上发布的事件图像中所含的信息,即所谓的“嵌入式地理信息",可以缓解这一限制。为了节省分析师从需要检查所有的图像在线手动发布,我们建议使用基于内容的图像检索的可能性,相关反馈检索事件的相关图像进行分析。为了评估这种方法,我们引入了一个新的3,710幅洪水图像的数据集,由领域专家注释了它们与三项任务(确定淹没区域,淹没深度,水污染)的相关性。我们在该数据集上比较了几种图像特征和相关反馈方法,混合了97,085张干扰图像,并且能够将前100个检索结果的准确率从基线检索的55%提高到5轮反馈后的87%。
2019-08-09 cs.CV cs.IR cs.MM
Dual-level Semantic Transfer Deep Hashing for Efficient Social Image Retrieval
Shandong Normal University(山东师范大学);Shandong Computer Science Center (National Supercomputer Center in Jinan)(山东省计算中心(国家超级计算济南中心));Qilu University of Technology (Shandong Academy of Sciences)(齐鲁工业大学(山东省科学院));University of Electronic Science and Technology of China(电子科技大学);Harbin Institute of Technology(哈尔滨工业大学)
社交网络存储和传播了大量的用户共享图像。深度哈希技术具有深度表示能力强、检索速度快、存储开销小等优点,是一种支持大规模社会图像检索的有效索引技术。特别是,无监督深度哈希具有良好的可扩展性,因为它不需要任何手动标记的数据进行训练。然而,由于缺乏标签指导,现有方法在优化大量的深层神经网络参数时存在严重的语义不足。因此,在本文中,我们提出了一种双层语义转移深度哈希(DSTDH)方法,通过统一的深度哈希学习框架来缓解这个问题。我们的模型的目标是通过专门利用与社交图像相关的用户生成的标签来学习语义增强的深度哈希码。具体来说,我们设计了一个互补的双层语义转换机制,有效地发现潜在的语义标签,并无缝地将它们转换成二进制哈希码。一方面,实例级语义直接保存到散列码从相关的标签与不利的噪声去除。此外,构造了图像概念超图,间接地将图像和标签之间的潜在高阶语义关联转换为哈希码。此外,通过离散散列优化策略,在深度表示学习的同时获得散列码。在两个公开的社会图像检索数据集上进行的大量实验验证了我们的方法与最先进的哈希方法相比的优越性能。我们的方法的源代码可以在https://github.com/research2020-1/DSTDH上获得
2020-06-10 cs.CV cs.IR
Deep Retrieval at CheckThat! 2025: Identifying Scientific Papers from Implicit Social Media Mentions via Hybrid Retrieval and Re-Ranking
University of Zurich(苏黎世大学);Centre for Artificial Intelligence(人工智能中心);Zurich University of Applied Sciences(应用科学大学);Institute of Neuroinformatics(神经信息学研究所);European Centre for Living Technology(欧洲生活技术中心)
本文提出结合 BM25、FAISS 稠密检索与 LLM 重排序的混合检索流程,用于从社交媒体帖子中检索科学文献,在 CheckThat! 2025 子任务 4b 中取得开发集第 1、测试集第 3 的成绩。
2025-07-04 cs.AI cs.IR
Solving the Cold-Start Problem in Recommender Systems with Social Tags
本文提出了一种基于用户-标签-对象三部图的推荐算法,该算法将社会标签作为信息检索的重要角色。在两个真实数据集\emph{Del.icio.us}和\emph{MovieLens}上的实验结果表明,该算法不仅计算时间开销小,而且提高了算法的精度和多样性。特别是在用户标签主题多样化的情况下,能够获得更加个性化的推荐结果。此外,对算法精度依赖性的数值结果表明,该算法对小度对象特别有效,这让我们想起了推荐系统中著名的\emph{cold-start}问题.进一步的实验研究表明,该算法可以显着解决这一问题的社会标记系统的异构对象的程度分布。
2010-06-07 cs.IR physics.soc-ph
Characteristics of Dataset Retrieval Sessions: Experiences from a Real-life Digital Library
二次分析或重新使用现有的调查数据是社会科学家的常见做法。在数字图书馆中搜索相关数据集对这个社区来说是一种陌生的行为。数据集检索,特别是在社会科学中,结合了额外的材料,如密码本,问卷调查,原始数据文件和更多。我们的假设是,由于数据集的多样性,文档检索模型通常不能有效地检索数据集。增强这些类型的搜索的一种方法是结合用户的交互上下文,以便个性化数据集检索会话。作为实现这一长期目标的第一步,我们研究的特点,从现实生活中的数字图书馆的社会科学,包括:研究数据和出版物的数据集检索会话。先前的研究报告了一种通过查询长度在文档搜索和数据集搜索之间辨别查询的方法。在本文中,我们认为索赔,并报告我们的调查结果的查询,无论是针对数据集或文档的不确定性。除其他外,我们报告我们的调查结果的数据集检索会话查询特性,交互序列和主题漂移内65,000个独特的会话。
2020-06-06 cs.DL cs.IR
Modernizing Facebook Scoped Search: Keyword and Embedding Hybrid Retrieval with LLM Evaluation
Meta
本文提出一种现代化Facebook Group Scoped Search框架,通过融合关键词与嵌入检索(EBR)提升搜索相关性与多样性,并引入基于LLM的离线评估框架,经在线指标验证显著提升了用户参与度和搜索质量。
2025-09-17 cs.AI cs.IR
Enhanced Semantic Graph Based Approach With Sentiment Analysis For User Interest Retrieval From Social Sites
本文提出一种基于语义图和情感分析的方法,通过自动提取并排序用户社交媒体文本中的关键词来识别用户兴趣,无需依赖调查或评分,从而为定向营销提供更有效的推荐依据。
2024-08-08 cs.IR cs.SE cs.SI
Are Information Retrieval Approaches Good at Harmonising Longitudinal Survey Questions in Social Science?
University of Surrey(塞拉利昂大学);University College London(伦敦大学学院)
本文针对纵向社会科学调查中语义等效问题检测的挑战,提出识别问题与回答选项间概念等效性的新IR任务,在1946-2020年数据集上研究多种无监督方法,发现IR专用神经模型性能最优,为相关研究提供参考。
2025-07-07 cs.CL cs.IR
Taggus: An Automated Pipeline for the Extraction of Characters' Social Networks from Portuguese Fiction Literature
NOVA Information Management School (NOVA IMS)(NOVA信息管理学校);Universidade Nova de Lisboa(里斯本新大学);Centro Algoritmi/LASI(算法中心/LASI);University of Évora(埃维拉大学)
提出Taggus流水线,利用词性标注和启发式规则从葡萄牙语小说中提取人物社交网络,在角色识别和互动检测上分别达到94.1%和75.9%的F1分数,显著优于现有工具。
2025-08-05 cs.CL cs.IR
Folksonomic Tag Clouds as an Aid to Content Indexing
社会标签系统最近已经发展成为互联网上一种流行的数据组织方法。这些系统允许用户以一种对他们有意义的方式组织他们的内容,而不是强迫他们使用预先确定的和严格的分类。这些大众分类法提供了描述Web资源的非结构化标签的良好填充源,这些标签可以潜在地用作这些资源的语义索引项。然而,让人们就什么标签最好地描述资源达成一致是一个困难的问题,因此任何增加所选术语的一致性和稳定性的功能都是非常有益的。我们调查如何提供一个标签云,一个加权列表的条款,通常用于协助浏览的大众分类,在标记过程本身的影响标签产生的,以及如何困难的用户认为的任务。我们表明,说明最流行的标签,以用户协助标记过程中,并鼓励形成一个稳定和一致的大众分类法。
2009-11-21 cs.HC cs.IR
An Information Retrieval Approach to Short Text Conversation
Huawei Technologies(华为技术有限公司)
人机对话被认为是人工智能中最困难的问题之一。在本文中,我们解决它的一个关键的子问题,被称为短文本会话,其中给定的消息从人类,计算机返回一个合理的响应消息。我们利用社交媒体上大量的简短对话数据来研究这个问题。我们建议在第一步将短文本会话形式化为搜索问题,并采用最先进的信息检索(IR)技术来执行任务。我们调查的意义,以及限制IR方法。我们的实验表明,检索为基础的模型可以使系统的行为,而“智能”,当与一个巨大的存储库的会话数据从社交媒体。
2014-08-29 cs.CL cs.IR
A Local-Global LDA Model for Discovering Geographical Topics from Social Media
微博服务可以在用户签到时跟踪用户的地理位置,或者使用地理标记来隐藏位置。这种“地理跟踪”可以帮助找到某些地区的某些事件引发的话题。然而,发现这样的主题是非常具有挑战性的,因为大量的嘈杂的消息(例如日常对话)。提出了一种地理主题建模方法,该方法可以在局部和全局上下文中通过不同的权重过滤掉无关词。我们的方法是基于潜在的狄利克雷分配(LDA)模型,但每个字是从本地或全球的主题分布由其生成概率。我们用从微博上收集的数据评估了我们的模型,微博是目前中国最流行的微博服务。评估结果表明,我们的方法优于其他基线方法在几个指标,如模型的困惑,两种熵和KL分歧的发现主题。
2016-07-20 cs.IR
The Impact of Semantic Context Cues on the User Acceptance of Tag Recommendations: An Online Study
在本文中,我们提出了一个在线研究的结果,旨在阐明语义上下文线索对用户接受标签推荐的影响。因此,我们与17名大学员工进行了一个工作集成的社会书签场景,以比较用户接受的上下文感知的标签推荐算法称为3Layers与用户接受一个简单的基于流行度的基线。在这种情况下,我们验证和验证的假设,语义上下文线索有更高的影响,用户接受的标签建议,在一个合作的标签设置比在一个单独的标签设置。通过本文,我们对在线推荐研究的稀疏线做出了贡献。
2018-03-06 cs.HC cs.IR
Overview of EIREX 2012: Social Media
第三个信息检索教育通过实验轨道(EIREX 2012)在马德里卡洛斯三世大学运行,在2012年春季学期。EIREX 2012是一系列旨在培养新的信息检索(IR)教育方法和资源的实验中的第三个,其具体目标是从实验的角度教授本科IR课程。对于EIREX实验背后的动机的介绍,参见[Urbano et al.,2011年a]。有关EIREX其他版本和相关数据的信息,请访问网站http://ir.kr.inf.uc3m.es/eirex/。EIREX系列有以下目标:a)帮助学生了解信息检索过程,就像他们在真实世界场景(工业或学术)中发现的那样; b)让学生意识到计算机科学实验室实验的重要性,并在执行和分析中启动它们; c)创建公共资源库来教授信息检索课程; d)寻求其他大学的合作和积极参与这一努力。本概述总结了EIREX 2012轨道的结果,重点是测试集合的创建和分析,以评估其可靠性。
2013-02-05 cs.IR