Social tag prediction: resource-centered approaches for broad folksonomie

Detalhes bibliográficos
Autor(a) principal: Almeida, Felipe de Queiroz Badejo
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFRJ
Texto Completo: http://hdl.handle.net/11422/13147
Resumo: This work addresses the problem of how to predict tags that will be assigned by users in Social Tagging Systems. It is widely known that tag prediction functionality helps promote system usability and increase the quality of the tag vocabulary in use. With that in mind, we verify the difference in performance of several label ranking techniques on two datasets, which differ from each other in several key metrics such as the average number of tags per resource, tag vocabulary length, total number of resources, etc. We also analyze a specific label ranking technique, namely MIMLSVM. We verify whether it generalizes to dense text representations in addition to traditional sparse ones. Experiments are conducted on the two datasets and results are analyzed.
id UFRJ_246bdabbcbf45b4a44108d2acfdd612d
oai_identifier_str oai:pantheon.ufrj.br:11422/13147
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Social tag prediction: resource-centered approaches for broad folksonomiePredição de rótulos sociais: abordagens baseadas em recursos para folksonomias largasSocial tagging systemsMulti-label classificationMulti-label rankingTag predictionTag recommendationText classificationCNPQ::ENGENHARIASThis work addresses the problem of how to predict tags that will be assigned by users in Social Tagging Systems. It is widely known that tag prediction functionality helps promote system usability and increase the quality of the tag vocabulary in use. With that in mind, we verify the difference in performance of several label ranking techniques on two datasets, which differ from each other in several key metrics such as the average number of tags per resource, tag vocabulary length, total number of resources, etc. We also analyze a specific label ranking technique, namely MIMLSVM. We verify whether it generalizes to dense text representations in addition to traditional sparse ones. Experiments are conducted on the two datasets and results are analyzed.Este trabalho aborda o problema de predição de tags (rótulos) em sistemas de tagueamento colaborativo (Social Tagging Systems). É sabido que mecanismos de predição de tags em tais sistemas melhora a usabilidade dos mesmos aumenta a qualidade do vocabulário de tags. Com isso em mente, verificamos a diferença no desempenho de métodos de predição de tags quando aplicados a dois datasets que se diferenciam quanto a número de tags por recurso, quantidade total de tags, quantidade total de recursos, etc. Também analisamos um método específico para predição de tags baseado na quebra de documentos em segmentos. Verificamos se o mesmo generaliza para representações densas de textos. Experimentos são realizados nestes dois conjuntos de dados e os resultados obtidos são relatados.Universidade Federal do Rio de JaneiroBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaPrograma de Pós-Graduação em Engenharia de Sistemas e ComputaçãoUFRJXexéo, Geraldo Bonorinohttp://lattes.cnpq.br/4783565791787812http://lattes.cnpq.br/2461238754602336Souza, Jano Moreira deOliveira, Daniel Cardoso Moraes deAlmeida, Felipe de Queiroz Badejo2020-10-02T22:55:14Z2023-12-21T03:02:20Z2018-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/11422/13147enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJ2023-12-21T03:02:20Zoai:pantheon.ufrj.br:11422/13147Repositório InstitucionalPUBhttp://www.pantheon.ufrj.br/oai/requestpantheon@sibi.ufrj.bropendoar:2023-12-21T03:02:20Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Social tag prediction: resource-centered approaches for broad folksonomie
Predição de rótulos sociais: abordagens baseadas em recursos para folksonomias largas
title Social tag prediction: resource-centered approaches for broad folksonomie
spellingShingle Social tag prediction: resource-centered approaches for broad folksonomie
Almeida, Felipe de Queiroz Badejo
Social tagging systems
Multi-label classification
Multi-label ranking
Tag prediction
Tag recommendation
Text classification
CNPQ::ENGENHARIAS
title_short Social tag prediction: resource-centered approaches for broad folksonomie
title_full Social tag prediction: resource-centered approaches for broad folksonomie
title_fullStr Social tag prediction: resource-centered approaches for broad folksonomie
title_full_unstemmed Social tag prediction: resource-centered approaches for broad folksonomie
title_sort Social tag prediction: resource-centered approaches for broad folksonomie
author Almeida, Felipe de Queiroz Badejo
author_facet Almeida, Felipe de Queiroz Badejo
author_role author
dc.contributor.none.fl_str_mv Xexéo, Geraldo Bonorino
http://lattes.cnpq.br/4783565791787812
http://lattes.cnpq.br/2461238754602336
Souza, Jano Moreira de
Oliveira, Daniel Cardoso Moraes de
dc.contributor.author.fl_str_mv Almeida, Felipe de Queiroz Badejo
dc.subject.por.fl_str_mv Social tagging systems
Multi-label classification
Multi-label ranking
Tag prediction
Tag recommendation
Text classification
CNPQ::ENGENHARIAS
topic Social tagging systems
Multi-label classification
Multi-label ranking
Tag prediction
Tag recommendation
Text classification
CNPQ::ENGENHARIAS
description This work addresses the problem of how to predict tags that will be assigned by users in Social Tagging Systems. It is widely known that tag prediction functionality helps promote system usability and increase the quality of the tag vocabulary in use. With that in mind, we verify the difference in performance of several label ranking techniques on two datasets, which differ from each other in several key metrics such as the average number of tags per resource, tag vocabulary length, total number of resources, etc. We also analyze a specific label ranking technique, namely MIMLSVM. We verify whether it generalizes to dense text representations in addition to traditional sparse ones. Experiments are conducted on the two datasets and results are analyzed.
publishDate 2018
dc.date.none.fl_str_mv 2018-09
2020-10-02T22:55:14Z
2023-12-21T03:02:20Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11422/13147
url http://hdl.handle.net/11422/13147
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia de Sistemas e Computação
UFRJ
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia de Sistemas e Computação
UFRJ
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRJ
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Repositório Institucional da UFRJ
collection Repositório Institucional da UFRJ
repository.name.fl_str_mv Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv pantheon@sibi.ufrj.br
_version_ 1815456010494541824

Registros relacionados