前言

不管你是一个什么样的社会角色，在数据横行霸道的这个时代，面对充斥着屏幕的巨型体量的数据信息，你该怎么管理？无奈的面对等待挑选的信息，你该如何选择？

如果说这些数据被定义好了正确的属性，明确的内容特征，这时候是不是就解决了我面对数据时的无奈和尴尬。

举个栗子

画风突变一下

来来来，我们来聊聊各种文胸；

今天在公司做运营培训，多次提到文胸这个生活必需品，我们就拿它来搞事情。

案例背景是这样的：小张、杨先生、李先生同去内衣店（为什么是同去？搞事情啊）

小张：万年单身宅男，没交过女朋友，谁知道他为什么要去内衣店买文胸，进店后低着头说要普通文胸，黑色的。

杨先生：跟女朋友如胶似漆（不是我），打算趁热打铁，送女朋友个礼物，要一套性感的情趣内衣，升级一下男女之间的革命友谊，大小暂时还不知道，要聚拢的，最好是黑色或红色的，有蕾丝，V型款式晚上回去不可描述...

李先生：老婆下班前打电话，内衣坏了，你下班早，爱我就去帮我买个内衣，大小你知道，颜色素一点，无痕的，后双排搭扣。

小张、杨先生、李先生，他们到内衣店会懵逼的，好多品种，好多颜色，布料不多，形式不少；怎么挑啊... ...

让开让开让开，我来了（假装我是卖内衣的）

我们要做的就是怎么帮助迷失在文胸中的男性同胞们，提供一个快速定位的解决方案！

怎么做这个解决方案呢？

文胸那么多，我们对文胸规整分类、标属性呀。

站在商家角度：

1、化分类

文胸、情趣内衣、少女文胸、抹胸、塑身美体...

2、标属性

有无钢圈：无钢圈、有钢圈

胸围尺码：70A,70B,70C,70D... ...

模杯厚度：薄模杯、上薄下厚模杯、超薄杯... ...

适合胸型：小胸、大胸、外扩... ...

罩杯型：3/4罩杯、全罩杯、背心式... ...

功能：聚拢、无痕、调整、上托... ...

搭扣：后四排搭扣、后三排搭扣、后双排搭扣... ...

使用季节：春季、夏季、秋季、冬季、全季... ...

有无钢托：无钢托、有钢托

款式：V型、U型、背心型... ...

... ...

站在数据角度

1、分类

分类是一个将思想或事物进行识别、差异化和理性化的过程，他是对事物集合的一个宽泛的描述整理。

就如同上面我们将各种文胸首先按应用类型进行归类一样。

分类是抽象化，大纲级别。

2、标签

对应就是我们上面说的属性，他是对分类的进一步细分，是对商品的更加细化的描述。

标签是实例化，关键词级别。

我们将所有文胸进行了分类化、标签化，其实就是在数据概念里对资源的清洗、整理、特征提取。重新被明确特征后，我们想要找到目标资源还会手足无措么？

章节

一、Tag & Tagging

Tag：是对信息进行描述的一种元数据；

元数据是所谓描述数据/信息的数据；Tag是一种被普通用户或专家定义的，能够用来对资源进行描述的一种关键词。Tag是一种用户自创的元数据，特点是无层次结构、自定义。

Tagging：是用户为资源进行赋予Tag的一种行为。

tag这种设计，是http://del.icio.us开发者Joshua Schachter最早采用的，Joshua也曾经解释过，为什么他要用tag。

摘录如下：

据Joshua介绍，1998年他在做一个网站时，手头有大量链接需要保存，最初这些链接是被保存在一个文件中。随着保存的内容越来越多，为了更快捷地找到某个链接，他开始在链接后面加上单词的备忘，这就是后来的标签（Tags）。

他说，“我希望借助电脑的帮助，把存储和取回分成两个独立的行为，因此当你给你存储的东西加上tags，你就可以更容易地取回它们。在这么做的时候，你取回其他人存储的东西也会变得更简单。tags促进并放大了这一点。”

Delicious，Flikr等队标签的应用促进了标签的快速发展，现在已经成为了我们常见的对内容描述的功能。

图书馆学者们很快发现，随着在社会化网站中tag被大量采用，它成为传统的本体论分类方式之外的一种新的分类方式，群体行为在某些情况下具有惊人的一致性，这种一致性产生了对事物的有意义的社会定义。这种新的分类方式，被称为“大众分类”（folksonomy）。

精确性、唯一性，我们都习惯于传统信息组织的这些特性；这些特性常常会使用户对tag的理解上造成误区，我们会将传统信息组织的特性来要求大众分类，这就有点像传统数学家对解模糊数学的某种抵触。

我们现在要从一片西瓜地里找出一个最大的西瓜，那是件很麻烦的事。必须把西瓜地里所有的西瓜都找出来，再比较一下，才知道哪个西瓜最大。

西瓜越多，工作量就越大。如果按通常说的，到西瓜地里去找一个较大的西瓜，这时精确的问题就转化成模糊的问题，反而容易多了。由此可见，适当的模糊能使问题得到简化。

二、Tagging不是一个万金油，有利也有弊

关于标签这个东西，有人说好，好在他极大地方便了用户对数据的管理，使数据更加清晰，让无序的，杂乱的数据能够按指定的规则进行重整，极大提高了管理的效率和高效的数据挑选；

同样有人说他不好，Tagging在分众分类法时，无法保证标签在数量和质量上的控制，用户在使用标签时，质量受环境、心情、理解等各种因素影响，有造成大量无意义的关键词的危险，这些低效能的关键词根本不能达到作为一个标签的要求。

对于系统而言，标签定义的范围是否需要限制？Tag是否越多越好？尤其困难的就是我们根本无法提前预知被标签描述的资源，将来会发展成什么样。

另外，Tagging本身对与用户来说就是一件具有学习成本的事情，用户本身对信息的描述可能就很陌生。

我们能进行信息组织时，主要有两种：

1、分众分类法(folksonomy)：指大众自发利用Tag对信息进行描述、分类，构成与信息架构中。

2、传统分类法(taxonomy)：以专家意见或行业规则定义的，大众共识的一种标记方法。

二者区别见下图：

taxonomy VS. Folksonomy

图片来自网络

Tagging的优势

结合vs图的对比，可归纳出Tagging的以下好处：

1、使信息组织更经济、高效、灵活

我们描述的资源处在一个高速成长，持续复杂化演进的过程中，随着信息越来越多，传统分类法和分众分类法的区别就会越来越明显；

在高速成长的数据体量下，传统分类法的劣势愈发明显：开发、维护的成本不断增加；而基于标签、运用普通用户来维护的分类法则相反；

更明显的是在当下的社会环境中，针对各个行业，数据越来越体现个性化，因为个人产生的数据越来越多，系统的分类、描述能力和效率可说远不如内容创造者本身。

2、对信息的索引、描述更丰富

a.传统分类法中因为控制词表(thesaurus)的存在，限定了严谨的规则标准，Tag固然没有传统分类的严谨，但一个资源是可以持续被无穷多个用户进行无穷多个标签的描述，在标签被重复描述到资源的过程中，大众对于资源的认知总会趋于几个大众方向，人们对资源的理解在数量上爆炸后总会惊人地趋于一致，这时候针对标签的搜索就有了不次与传统分类的获取。

在针对一些图片、视频、音频进行描述标注时，传统分类的成本极高、效率更低，这时候Tagging的价值就会越发明显。

b.Tag是一个开放的资源描述，这种描述的关键词一般是具备共享性质的，其分布往往呈长尾状收敛（Shirky, C. 2005）。

给个标签及其使用频率，既可以反映大众对于资源认知上广泛一致性的定义，又不至于让小众意见(minority opinion)完全被淹没。

两条deli.cio.us书签的Tag频率分布

两条deli.cio.us书签的Tag频率分布

图片来自网络

3、更人性化的信息检索

标签的应用最终优化的是搜索过程的高性能和结果的高匹配度，以及获取更多资源的可能性；

当资源的种类和内容不断丰富（如Flikr的所有相片、Youtube的所有video），资源的接触点更多了，通过接触点用户对资源的描述也越加丰富，最终用户在海量的信息当中进行资源搜索时，也就能有更多的机会获得与搜索预期匹配的内容。利用大众对资源的理解，和描述的不断丰富，来让搜索更加语义化、人性化、社会化。

小结：

以上描述的都是标签在#社会性#上的优势，标签在标引信息时的一大特点在于#自我性#。

Golder et al（2006）提出Tag大致在描述信息的7方面：

1、它关于什么（主题、分类、属性等）

2、它是什么（标题、类型等）

3、谁拥有它（作者、协作者）

4、修饰Tag的Tag

5、它的品质（有趣、雷人等）

6、自我参考（我买过的、我的书等）

7、任务管理（待读、找工作等）

标签因其高度自定义的特性，使用户在使用标签时，能够更加个性化地去描述资源，每个人对于资源的理解差异，需要这种个性化的支持来满足用户的理解差异。从最后3条我们就可以看出自我性的影子，

这种自我性带来的好处是

1、辅助个人信息管理

同样因为标签的自定义特性，使用户可以对资源进行个性化的描述，使用户的使用场景(context)成为资源描述的一部分，例如：我喜欢这首歌，我想买这个手办，这类标签时传统分类所无法支持的。

2、用户识别

2.1当标签被频繁关联到用户，我们通过标签就可以更加清楚地认识到我们的用户，是一个什么样的画像，我们就可以针对用户进行个性化的推荐，或营销活动的精准化。

例如：用户经常性的听一些歌曲，这些歌曲都带有#古典乐#标签，我们通过用户的听歌行为，可以分析出用户的个人偏好；

网易音乐的个性化推荐

网易云音乐个性化推荐

2.2同样，如果一些标签被直接定义在用户身上，我们也可以直接读取到用户的标签形态，对用户进行一个清晰的认知。

某营销云软件

猜猜我是哪家软件

Marlow et al （2006）与Ames & Naaman（2007）曾探讨用户Tagging的动机，表现出社会性与自我性的结合

社会性与自我性的结合

标签社会性、自我性的特点又会带来另外一个优势：社会化网络的构建

标签总是有能力将人或物进行聚合。

从单体角度讲，标签可以具象一个用户的特征属性，让用户更清晰。

从群体角度讲，标签能将所有单体聚合成一个团体。

举个例子：

例如Flikr上一个语法错误、表意模糊的Tag，sometaithurts（so meta it hurts，如此“元级别”，如此痛），却聚集了来自各色用户的各色相片。

Tagging的弊端

Tagging最为人所诟病的特性有：缺乏一致性、歧义、语法错误。

这是由于与专家相比：

大众是“懒惰”的：Tagging可能停留在粗浅的表层，而不做深入思考或精准描述。尤其当Tag与系统固有分类维度重合的时候，就会失去价值。

例如为豆瓣上的电影打上“电影”这个Tag的意义是零。

大众是“虚伪”的：有人会为了让自己出现在搜索结果更前面等目的而乱Tag；

大众很“笨”：拼写问题：除了拼错字词，英文里词组的分隔、大小写、单复数等就会造成大量混乱的Tag；

没记性：表现为个人在同一系统中使用不一致的Tag（如字面相异，意义相同等）来标注同一或相似内容。

这些都会导致大量污染性的垃圾Tag，即所谓搜索结果中的噪音出现，从而降低检索效率。

但这并非Tagging的致命伤，通过设计的引导是可以改善这些问题的。

二、Tagging系统

Tagging系统模型

Marlow et al （2006）提出一个Tagging系统模型，包括资源、Tag、用户三部分，它们的关系如图：

tag+resource+user

一方面，标签可以同时用来描述多个资源，这些统一标签描述的资源彼此具有相似性，标签促使资源之间产生联系；

另一方面，资源可以被多个标签进行描述，多维度的标签描述使得资源更加立体，标签的丰富性使得资源个轮廓更加清晰。

站在用户的角度，通过标签对用户个性化的描述，更容易使用具有相同属性的用户聚集到一起，形成细分的概念，便于形成用户团体的社会化人群，或者方便企业更加精准的针对人群进行营销活动的触达。

针对模型相应的设计维度

Tagging系统的维度及设计启示

Tag清理维护

你能保证系统里的标签都是用户真正感兴趣的么？高度的标签自由度让我们对这一点没有说yes的勇气。

举个例子：

在一个视频网站中，用户可能对一个视频赋予了一个表示情绪的标签，比如“不好笑”（no funny）。

但我们不能因此认为用户对“不好笑”有兴趣，并且给用户推荐其他具有“不好笑”这个标签的视频。

相反，如果用户对视频打过“成龙”这个标签，我们可以据此认为用户对成龙的电影感兴趣，从而给用户推荐成龙其他的电影。

标签控制

在标签不断丰富的过程中，系统内标签的体量会越来越大，站在系统的角度来看，面对越发泛滥的的Tag我们什么都不做么？

Gruber (2006)提出通过Tag内在的规范名（Canonical Name）对字面各异、实质相同的Tag进行清理。

如通过算法将User Experience, UX, user_experience在系统内部统一为规范名User Experience。

无论用户输入的是哪个形式的Tag，系统都将返回所有的结果。

标签清洗

在标签体系形成一定体量后，结合传统的机器索引、专家人工干预，等一切我们能够提高标签质量、控制标签数量的手段，进行适当的标签清理、聚合

主要有三点：

去除词频很高的停止词。

去除因词根不同造成的同义词，比如 recommender system和recommendation system。

去除因分隔符造成的同义词，比如 collaborative_filtering和collaborative-filtering。

注：

停止词：是由英文单词:stopword翻译过来的，原来在英语里面会遇到很多a，the，or等使用频率很多的字或词，常为冠词、介词、副词或连词等。

Tag规范

1、提供推荐tag建议，尽量引导用户规范输入。

推荐选择+客户强制输入

如罗列个人常用Tag，他人常用高频Tag，系统默认的推荐标签，可有效减少拼写相异语义重复的Tag，提高Tag之间关联性，并可减轻用户思考负担。

根据用户的标签历史对用户进行高频、高质的标签直接添加（感兴趣标签）

打标签基础形态

根据用户输入内容，进行尽可能的内容匹配，引导用户对现有标签的选择，尽可能控制标签的数量

候选交互引导标签的控制

2、自定义标签与系统标签并存，自定义标签转化为系统标签。

a自定义标签转化为系统标签

b自定义标签自身通过事件模型进行目标搜索

3、对用户Tag进行评级，Tag拥有权重体系。

#草稿#

权限最终应当是通过计算得出，不能简单的通过客户配置简单数字来实现

规则

标签作用范围（优惠码、人...）、使用频次（被打到资源上的次数）、使用时间（最近使用时间）、标签作用资源被产生的行为（商品被购买...）

举例：

品牌有 苹果、三星

苹果被用来描述电脑+手机+pad...

三星被用来描述手机、显示器...

苹果被应用过，苹果权重+1，权重为1；三星没有被应用过，权重0；权重苹果高于三星

苹果电脑被买过2，权重+2，权重为3；三星被应用过，权重为1，权重苹果高于三星

1.7能搜索模糊搜索出标签+使用频次权重就行

End吧

Tag以及Tagging的社会性、自我性，能帮助实现个人化、社会化、情景化搜索

但前提是：

有更成熟的Tagging系统构建。

底层技术上，目前对于垃圾Tag的收敛、清理，做得不够，也尚未良好地结合传统分类与大众分类。

UI上，尚未实现有效引导用户去Tag系统已有维度之外、更具附加值的维度。

如在豆瓣上打“友情”这个Tag是有价值的，但打“电影”就无甚价值了。

卖文胸的，我们来谈谈合作吧，我们做标签的～

注：部分图片内容引用自网络

2016-12-17 22:24