O documento descreve o sistema ANTaReS para sugestão de tags para páginas web usando múltiplas fontes de informação como atributos das páginas, links inbound e termos relacionados de bases de conhecimento. Experimentos mostraram que a combinação desses atributos fornece sugestões de tags satisfatórias em comparação com tags populares e trabalhos relacionados, incluindo tags novas para os usuários.

1. Tag suggestion using multiple sources of knowledgeÍcaro MedeirosFred FreitasH. Sofia Pinto19/07/2010

2. RoteiroIntroduçãoSistemas de tagging social e folksonomiasMotivaçãoTrabalho relacionadoSugestão de tagsANTaReSImplementaçãoResultadosDiscussãoConclusão

3. Introdução

4. Sistemas de tagging socialUsuários atribuem tags (palavras-chave) a recursosPáginas Web, fotos, vídeosDelicious: 150.000 bookmarks/dia

5. Youtube – vídeos + tags52 milhões de visitantes/mês

6. Tagging social: atributosTags são palavras-chave escolhidas livrementeNÃO HÁ vocabulário pré-definido (Mathes, 2004)Encoraja a atribuição de tagsAtribuição é geralmente colaborativaSão também redes sociais e/ou agregadores de conteúdo publicado por usuáriosOrganização de conteúdo aumenta a popularidade dos STS

7. Navegação por tags

8. FolksonomiasResultado de usuáriosinteragindo com o STS aoatribuirtags a recursosTags Colaborativas+Semântica emergindo da comunidade =Classificação baixo-cima conhecida como folksonomia(Mathes, 2004)

9. Desvantagens de STSVocabulário livre leva à ambiguidadePolissemia: whistle (instrumento) e whistle (som)Homonímia: Java (linguagem) e Java (café)Sinônimos: Buy/purchasePalavras ligadas: webdev, semweb, semantic_webTags populares no Delicious 25-10-09

10. Atribuição incorreta de tags

11. tags?tags!Processo de sugestão de tagsSTS“pede” TAGS!usauploadanalizaRecursoSistema de SugestãoFolksonomiagosta deanalizapredizsão sugeridastag1tag2tags

12. Sugestão no DeliciousTags mais usadas para um recursoIntersecção com folksonomia pessoal

13. Vantagens da sugestão(Heymannet al.,2008b)Convergência de vocabulárioCobertura maior para consultas por tagsConcordância entre usuáriosDesambiguação de tagsBootstrapping

14. Trabalho Relacionado

15. Filtragem colaborativaDados os recursosA com tags {x,y}B com tags {z,w}E um novo documento CSugerir ao recurso C tags do documento mais similar (A)(Jäschkeet al., 2007)Só sugere termos que já estão na folksonomia

16. Aprendizagem de MáquinaAprenderpadrões para “saber” quando um termo pode ser usado como tagPágina WebCorpusPágina WebClassificadorRecursosTreinamentoClassificadorNovo recursotag1, tag2tag1, tag2tag1, tag2tag3, tag4

17. Sugestão de Tag com AMTermos - conjunto de atributos (features)Um classificador é construído por padrões desses atributosEx: Um termo no títulopode ser uma boa tagMétodosMáquinas de Vetor Suporte (Wang and Davison, 2008)

18. ANTaReSA Novel TAgREcommendation System

19. ObjetivosSugerir tags a páginas WebEspecialmente (novas) palavras-chave não presentes na folksonomiaO método deve ser capaz de se adaptar à dinâmicas de vocabulárioAprendizagem de Máquina

20. Fontes de informaçãoAtributos de páginas Webdel.icio.us<description> leadingsocial bookmarkingservice</>The tastiestbookmarks on the web.Atributos HTML (title, keywords)

21. Recuperação de informação (TF,IDF)

22. Atributos linguísticosPáginas inbound<description> leading social bookmarking service</>The tastiest bookmarks on the web.del.icio.usÂncora

23. Contexto do link

24. Texto da páginaInbound linkDelicious (website) - WikipediaDelicious is a social bookmarking web service

25. Bases de conhecimentoTermosRelacionadosdel.icio.usWordnet<description> leading social bookmarking service </>The tastiest bookmarks on the web.consultasEx: Sinônimos de termos relevantes de páginas Web

26. MetodologiaUm classificador (SVM) para cada fonteResultados combinados são usados para predizer se um termo é uma tag ou nãoAnálisesFonte x TagsComparação com tags do Delicious Comparação com trabalhos relacionadosAvaliação dos por usuários

27. Experimentos e Resultados

28. Extração do datasetTags maispopulares no Delicious (199)Para cada top tag, páginaspopularesusando-as foramrecuperadas(~ 7 págs/tag)Para cadapágina, as tags maisusadasparaelaforamextraídas(~ 9.8 tags/pág)Resultado: 1394páginas13667 tags (2201 únicas)

29. Fontes x TagsDas tags do Delicious, quantas são encontradasNo textoNas páginas InboundNos termos relacionados do Wordnet

30. Fontes x Tags : resultados

31. Impacto dos atributosConhecer sua naturezaMedidas padrão (%): Precisão, Cobertura (recall), F-1Cobertura calculada usando apenas tags encontradas na fonte testadaExperimentosCada atributo isoladamenteRemovendo um atributo do conjunto totalAdicionando atributos ao conjunto um por um

32. Atributos de páginas Web isolados

33. Atributos do Wordnet isolados

34. Removendo um atributo do conjunto total (atributos de páginas Web)

35. Removendo atributo de páginas inbound

36. Removendo atributos Wordnet

37. Adicionando atributos de páginas Web um a um

38. Melhores resultados para cada fonteRecall “real”

39. Classificador combinadoUsando os melhores resultados de cada fonte (e regra do produto)Pouca diferença entre métodos de combinação

40. Diferentes métodos de classificaçãoResultadocombinado

41. Comparação com outros trabalhos

42. Avaliação baseada em usuáriosUsuários:Lêema páginaAtribuem 3 a 5 tags a elaMarcam como boa/ruim tags sugeridas44 docs, 12 usuários, 11 docs/usuárioe 3 usuários/docMedidas:Precisão1+, precisão2+ e precisão3“Cobertura”Novidade

43. Resultados (média)Precisão1+: ~94%Precisão2+: ~77%Precisão3: ~44% Cobertura: ~20%Novidade: ~20%

44. Discussão

45. ResultadosSatisfatórios em relação aTags do DeliciousTrabalhos estado da arte em sugestão de tagsAvaliação de usuários reais

46. Conclusão

47. ConclusãoSugestão de tags com vários atributos de múltiplas fontes de informaçãoTagsnovas e interessantesObjetivos cumpridosA solução pode ser usada em cenários reais