Как решить семантические проблемы с веб-сайтами на основе тегов

Распознавание синонимов и семантических связей-это то, в чем люди хороши; решение для организации открытой таксономии, такой как то, что показывает SO, вероятно, будет хорошо служить, найдя способ оставить соответствие людям.

Один общий подход: кто-то (или какая-то команда) ежедневно просматривает новые теги. Новые синонимы добавляются в группы синонимов. Поиск по группам синонимов (или, более подробно, по буквальным совпадениям или совпадениям групп синонимов в соответствии с предпочтениями пользователя).

Это требует поддержки групп синонимов на заднем конце (работа для команды разработчиков). Требуется обработчик тегов или десять (работа для руководителей или для проверенных пользователей). Это не требует постоянного масштабирования, though—the скорость, с которой общий пул тегов растет, скорее всего (после того, как начальный здесь приходит каждый удар открытой бета-версии), по всей вероятности, будет уменьшаться с течением времени, как и скорость роста любого органического лексикона.

Синонимия поражает меня как проблема go-to. Иерархическое отображение-это амбициозная и более сложная проблема; это может стоить того, а может и нет, но, учитывая относительную сложность определения иерархии, ее, вероятно, лучше оставить в качестве Фазы 2 для Фазы 1 любого потенциального синонима проекта.

Способ настройки программного обеспечения на blogspot.com заключается в том, что на поле, где вы пишете имя тегов, есть ajax-autocomplete-thingie. Это поиск всех ваших предыдущих сообщений для тегов, которые начинаются с тех же букв. По крайней мере, таким образом вы поймаете разные оболочки и написания (но не синонимы).

Я полностью согласен. Масса тегов, которые есть на данный момент. Я не участвую в других сайтах на основе тегов. Однако наличие иерархии тегов было бы очень полезно, вместо ruby rails ruby-on-rails rubyonrails и т. д...

Как система узнает, какие теги семантически связывать? Будет ли он держать постоянно растущую карту тегов? Я не вижу, что это работает. Что, если кто-то набрал sbversion вместо этого? Как это может быть связано?

Я думаю, что спрашивать пользователя, когда они отправляют теги, может работать. Например, "вы ввели следующие теги: sbversion, pascal и привязки. Вы имели в виду, "Subversion", "Pascal" и "Bindings"?

Очевидно, что система должна была бы иметь довольно умную систему сопоставления, чтобы это работало. Выполнение этого способа будет дополнительным вводом для пользователя (что, вероятно, раздражает их), но человеческий ввод, если он будет выполнен правильно, сделает меньше дубликатов тегов.

Фактически, сказав Все это, система может использовать результаты ввода пользователя в качестве основы для автоматического сопоставления тегов. Из предыдущего примера, кто - то создает тег "sbversion" и при появлении запроса изменяет его на "Subversion"-система может узнать, что и сделать это автоматически в следующий раз.

Часть проблемы, на которую вы смотрите, заключается в том, что английский язык изобилует синонимами - различаются ли следующие: build-management, subversion, cvs, source-control?

Может быть, а может и нет. Наличие системы, подобной той, которая [сейчас] используется на SO, которая вызывает тег, который вы, вероятно, имели в виду, чрезвычайно полезно. Но это не останавливает людей от запугивания-через процесс маркировки.

Может быть, вы могли бы отказаться принимать теги "new" без взаимодействия с пользователем? Прежде чем вы позволите 'sbversion' войти, принудительно проверьте орфографию?

Это, безусловно, интересная проблема. Я задал открытый вопрос, подобный этому, в своем блоге в прошлом году. Несколько ответов были довольно проницательными.

Теги-это в основном наше признание того, что алгоритмы поиска не соответствуют требованиям. Если мы можем заставить компьютер быть достаточно умным, чтобы определить, что вещи с тегами "Subversion" имеют похожий контент на вещи с тегами "svn", предположительно, мы можем проанализировать содержимое, так почему бы не пропустить теги вообще и не сопоставить поисковый запрос непосредственно с контентом (т. е. автотегирование, которое в основном сопоставляет ключевые слова с результатами)?!

Проблема заключается в том, чтобы заставить поисковую систему использовать тот факт, что 'subversion' и 'svn' очень похожи в том смысле, что они означают один и тот же 'thing'.

Возможно, было бы интересно вычислить простое сходство между тегами на основе частоты: 'subversion' и 'svn' очень часто появляются вместе, поэтому запрос 'svn' вернет вопросы, связанные с SVN, но также и редкие вопросы, помеченные только 'subversion' (и наоборот). Однако 'java' и 'c#' также часто появляются вместе, но по очень разным причинам (они не являются синонимами). Таким образом, сходство, основанное на частоте, отсутствует.

Ответом на эту проблему может быть сочетание механизмов, как те, которые предложены в этом потоке вопросов и ответов:

• Фильтрация опечаток путем предложения тегов, когда пользователь вводит их.
• Ведение пользовательской карты синонимов. Эта карта может быть не такой большой, если она просто нацелена на синонимы.
• Разрешение поиска с несколькими тегами, так что пользователь может поместить 'subversion svn' или 'subversion && svn' (ну, от программистов к программистам) в поле поиска и получить оба. Это было бы весьма практично, поскольку многие пользователи могут на самом деле попробовать такой подход, когда они не знают, какой термин является наиболее значимым.

@Nick: согласился. Этот вопрос не предназначен для того, чтобы спорить с тегами. Теги имеют большой потенциал, но пользователи столкнутся с растущей проблемой, если не удается найти 'across' тегов.

@Steve: поддержание постоянно растущей карты тегов, безусловно, нецелесообразно. Поскольку SO накапливает постоянно растущий пакет тегов, как мы можем затенить некоторый свет на этот пакет, чтобы сделать поиск тегов Q/A еще более полезным, удобным способом?

@Espo: 'Ajax-powered' предложения тегов на основе существующих тегов, по-видимому, доступны на SO при создании вопроса. Это, кстати, очень полезно, чтобы выбрать теги и соответствующее написание (избегая вопроса 'subversion' против 'sbversion' от Стива).