Flickr Tag Recommendation based on Collective Knowledge

       本篇论文包含两个方面：通过对Flickr的统计，对用户如何使用标签和用户提供的标签有哪些种类进行了研究；另一方面，基于前一方面的分析，提出了四种不同的标签推荐策略，可以被用户用来向图片增加标签。结果表明，推荐的关联标签具备效率高、多层次的特点。

1 相关背景

      多媒体标注对大规模检索系统来说非常有用。目前基于内容的图片检索系统在不断演进，但是却不能很好的解决人类之间的语义鸿沟。不同的人对同一个图片有不同见解，对同一标注也有不同语义理解。

      在利用标签推荐的时候，有两种不同的应用。一种是让用户去对推荐的标签进行选择，一种是推荐的标签直接就存储到系统中丰富图片的索引。

2 用户如何使用标签

      1.研究的范围

            选择的研究对象是2004-2到2007-6之间的至少有一个用户标签的图片

      2.普遍的标签规律

            以标签的个数和其出现的频率分别为横纵轴，曲线符合power law。

            以图片个数和相应的标签个数分别为横纵轴，曲线符合power law。

            为了更好分析标签推荐系统中标签的行为问题，论文中定义了四种不同的类别。第一类是拥有一个tag的图片，大概有15.5million;第二类是拥有2-3个tag的图片，大概有17.5million；第三类是拥有4-6个tag的图片，大概有12million;第三类是有超过6个标签的tag，大概有7million

      3.标签分类

            为了分析用户标签的内容，利用WordNet的分类对Flickr进行了分类。很多时候，标签可能属于多个分类，这个时候会将标签的分类确定为ranking最高的分类。发现52%的标签可以分类，有48%则不能。通过分类发现，用户不仅仅对图片可见的内容进行标签，在很大程度上会对图片的情景进行拓展，例如地点、时间和动作。

3 标签推荐系统

       首先介绍下标签推荐系统，然后解释相应的标签聚合和提取策略。

3.1 基本的标签推荐系统

        标签推荐基本分为三步。第一步：收集用户对某一图片(或资源)进行标注的已有标签；第二步：通过tag co-occurrence找寻同时出现的tag；第三步：通过tag的聚合和分级，进行标签推荐。

3.2 tag co-occurrence(tag同现)

        tag同现是该论文中进行标签推荐的中最重要的方法。利用不同的方法计算两个tag的同现系数。

        ①对称方法(Symmetric measures)

            

            可以和Jaccard协同系数一样，用来计算两个对象或tag集之间的相似度

        ②非对称方法

            可以用其中一个tag出现的概率作为tag同现度量

            

       可以理解为，对图片标注了ti的情况下，同样标注tj的概率。(也就是条件概率)

       两者的小结：对称方法和非堆成方法相比，对称方法擅长对同等标签进行识别，例如：埃菲尔铁塔、埃菲尔和La埃菲尔铁塔；而非对称方法则能够提供更多维度的可选标签，例如：巴黎、法国、铁塔埃菲尔和欧洲。

3.3 标签聚合和提取(promotion)

       有两种不同的聚合策略，基于voting和summing能够达到这个目的，然后通过重新排列(re-ranking)进行提取(promotion)。

       三种不同标签的定义：

        1）用户定义的标签U：指的是用户向图片指定的一系列标签

        2）候选标签Cu：对于任意的u∈U，Cu是同现标签中排名前的m个

        3）推荐的标签R：通过标签推荐系统进行推荐的排名前n的最相近的标签

        对候选标签C进行聚合，产生最后的推荐标签R。论文中定义了两种聚合策略，第一种是基于voting，这种策略没有考虑候选标签的同现值；第二种是基于summing策略，考虑用同现值产生分级。两种情况中，都会产生排行前m个的同现标签。

        Vote。为每个在C中的c有一个score，如果c属于Cu，则其score会加1。计算公式如下： 

                 

         Sum。该策略考虑所有候选的标签列表C，然后计算标签的同现值，最后计算每个候选标签c∈C的score。计算公式如下：

               

                  P(c|u)计算了非对称同现值。

         

          提取(Promotion) 标签分布的基本规律就是服从power law，其头部和尾部都不能很好的用来进行推荐。尾部的标签由于不经常出现，被认为是不稳定固定的描述；头部包含的标签过于大众化。

          Stability-promotion。用户定义的标签可以认为其出现频率越高，稳定性越好；推荐稳定性好的标签。

                

               |u|是标签u在集合中的频率，Ks是参数。

          Descriptiveness-promotion。标签拥有越高的频率对于图片来讲越普通。

               

               Kd是参数。

          Rank-promotion。对于用户标签u的候选标签c∈Cu，其在候选标签集合中的位置为r。

               

               Kr是一个衰减的参数。

           根据上述的promotion函数，论文提出了一个标签对(u,c)：

               

           将promotion和voting或summing聚合方法结合，结合promotion和voting计算score的方法如下：

                 

            这样，一个标签系统中有一系列参数，包括m,Kr,Ks,Kd.

            四种不同的策略就是vote，sum，vote+和sum+。

4总结与对比

       最好的策略就是V+，具备很好的稳定性能；而且标签推荐系统擅长推荐地点、制造物和对象等，其词汇容量和推荐采用率都较高。

       1）标签频率的分布呈现power law曲线

       2）在power law中间部分的标签包含了进行标签推荐最感兴趣的候选

       3）提出的四个策略有有效，通过对标签进行分级