如何解决基于标签的网站的语义问题

Question

基于标签的网站通常会遭受诸如同义词，同名异义等语言的精致问题。对于正在寻找信息的程序员，例如在Stack Overflow上说，具体示例如下：

• Subversion或SVN（或svn，带有区分大小写的标签）
• .NET或Mono
• [将添加更多]

问题是我们确实想保留语言的精致性，并让机器尽可能地处理它。

像del.icio.us这样的网站发现其标签库增长很多，因此可能会妨碍其使用或搜索。 搜索与SVN相关的条目可能会列出大多数带有subversion和svn标签的条目，但是我可以想到三个问题：

1. 搜索不完整，因为许多条目可能没有两个标签（它们是“同义词”）。
2. 搜索的用处不大，因为“问/答”经常导致更多的“问”！ 尤其适合给定主题的新手。
3. 标记问题（注：或单独回答，听起来很有用）变得具有哲学意义：“我标记了正确的方式吗？”

解决这些问题的一种方法是在标签之间创建语义链接，以使Subversion和SVN由系统自动绑定，而不是由不良用户绑定。

这听起来不错/可行/有吸引力/有用吗？ 如何有效实施？

Answer 1

; 识别同义词和语义联系是事情; 通过寻找一种将匹配结果留给人类的方法，可以很好地解决组织像SO具有特色的开放式分类法的问题。

tags on a daily basis. 一种通用方法：某人（或某些团队）每天检查标签。 新的同义词将添加到同义词组。 搜索命中的同义词组（或更细微的选择，根据用户喜好命中文字匹配或同义词组匹配）。

这需要在后端支持同义词组（开发团队的工作）。 它需要一个标签争吵者或十个（负责人或可信任用户的工作）。 require constant scaling, though—the rate at which the total tag pool grows will likely (after the initial Here Comes Everybody bump of the open beta) will in all likelihood over time, as any organic lexicon's growth-rate does. 它固定的缩放，虽然-的在其总标签池的增长将有可能（在初始这里来公测大家凹凸）将在所有的可能性随着时间的推移，任何有机词汇的增长速度的确率。

同义词使我成为热门话题。 层次映射是一个雄心勃勃且更为复杂的问题。 也许值得，也可能不值得，但是考虑到定义层次结构的相对复杂性，最好将其作为任何潜在的同义词项目的第1阶段的第2阶段。

Answer 2

设置blogspot.com上软件的方式是，在包装盒上写下ajax-autocomplete-thingie，在其中写下标签名称。 这会在您以前的所有帖子中搜索以相同字母开头的标签。 至少这样可以捕获不同的大小写和拼写（但不能包含同义词）。

Answer 3

我完全同意。 当前具有的标签数量。 我不参与其他基于标签的网站。 但是，具有标记层次结构将非常有帮助，而不是使用ruby rails ruby-on-rails rubyonrails等。

Answer 4

系统如何知道要语义链接的标签？ 它会保留不断增长的标签图吗？ 我看不到有效果。 如果有人键入sbversion怎么办？ 那将如何链接？

我认为询问用户何时提交标签是可行的。 例如，“您输入了以下标签：sbversion，pascal和bindings。您是说，“ Subversion”，“ Pascal”和“ Bindings”吗？

显然，该系统必须具有一个相当智能的匹配系统才能运行。 这样做会给用户带来额外的输入（这可能会使他们烦恼），但是如果正确完成，人工输入将减少重复的标签。

实际上，综上所述，系统可以将用户输入的结果用作自动标签匹配的基础。 在前面的示例中，有人创建了“ sbversion”标签，并在提示时将其更改为“ Subversion”-系统可以了解该信息并在下次自动执行。

Answer 5

您正在查看的问题的一部分是英语中充斥着同义词-以下内容是否不同：构建管理，Subversion，CVS，源代码控制？

也许吧，也许不是。 拥有一个系统（例如SO上正在使用的系统）可以显示您可能想要的标签，这将非常有帮助。 但这并不能阻止人们在标记过程中大肆宣传。

也许您可以在没有用户交互的情况下拒绝接受“新”标签？ 在让“恶意攻击”进入之前，强制进行拼写检查吗？

这绝对是一个有趣的问题。 去年，我在博客上提出了一个与此类似的公开问题。 几个回复非常有见地。

Answer 6

基本上，标签是我们承认搜索算法的不足。 如果我们可以使计算机足够智能以识别标记为“ Subversion”的事物与标记为“ svn”的事物具有相似的内容，则可以解析内容，那么为什么不完全跳过标记并将搜索词直接与内容（即自动标记，基本上就是将关键字映射到结果）？

Answer 7

问题是要使搜索引擎使用“ subversion”和“ svn” 与它们表示相同“事物”的观点非常相似的事实。

计算基于频率的标记之间的简单相似性可能很有吸引力：“ subversion”和“ svn”经常一起出现，因此请求“ svn”将返回与SVN相关的问题，但罕见的问题仅标记为“ subversion”（反之亦然）。 但是，“ java”和“ c＃”也经常出现在一起，但是原因却非常不同（它们不是同义词）。 因此，基于频率的相似性就消失了。

这个问题的答案可能是多种机制的混合，如此Q / A线程中所建议的：

• 用户输入标签时通过建议标签来过滤错别字。
• 维护用户生成的同义词映射。 如果仅以同义词为目标，则此地图可能不会太大。
• 允许多标签搜索，以便用户可以在搜索框中输入“ subversion svn”或“ subversion && svn”（从程序员到程序员）。 这将是非常实用的，因为许多用户在不知道哪个术语最有意义时可以实际尝试这种方法。

@尼克：同意。 这个问题并不意味着要反对标签。 标签具有巨大的潜力，但是如果人们无法搜索“跨”标签，用户将面临越来越多的问题。

@Steve：维护不断增长的标签图绝对是不切实际的。 随着SO不断积累越来越多的标签袋 ，我们如何才能方便地在此袋上遮盖一些光线，以使对Q / A标签的搜索更加有用？

@Espo：创建问题时，显然可以在SO上使用基于现有标签的“ Ajax驱动”标签建议。 顺便说一下，这对于选择标签和适当的拼写非常有帮助（避免了Steve的“ subversion”和“ sbversion”问题）。