考衡Tagging System的7个维度

如果要对用户的tag进行分类，最简单可分为3类(via Yusen Dai)：

1. 识别类（名词）

2. 描述类（形容词，例如：fun，搞笑）

3. 行为类（例如：todo，明天就去买）

在传统的严谨分类(taxonomy)系统中，2和3是罕见。然而，这两类tag却能很好的协助用户组织个人知识系统，并且帮助用户更快的搜索知识库，甚至进行GTD管理。

2、 3分类之所以在传统的严谨分类系统中罕见，甚至于不能被接受，是因为它们并不能代表所描述主体的基本特征，它们都是基于打tag个体用户的主观感受，带有很强的个人使用目的。所以，这类tag在delicious上的频繁出现，其实是干扰了整个delicious tag库的有效性。

Faviki：使用受控词库进行Tag

事实上，当一个资源被Tagging次数足够多的时候，使用频率最高的几个Tag会趋于固定。这意味着，即便词库不受控，用户们最终也会在Tag的选择上达成共识。这样看的话，Tag词库受控与否的重要性算是降低了不少。

tags: TAG

• Tagging系统有很多缺陷，很多缺陷的根源均来自：用户Tag词库不受控。

  有这么几种可能性：

• 1. 不同用户使用同一个Tag表述不同的意义。比如China同时代表“中国”和“瓷器”。
  2. 同一个用户先后使用不同的近义Tag标注同类的资源。比如“天”、“天空”和“蓝天”。
  3. 同一个用户先后使用同一个Tag的单复数、或不同动词形态标注同类的资源。
  4. 不同用户使用不同意义抽象层面的Tag标注同一个资源。比如“猪”、“家禽”和“哺乳动物”。

  可见，因为Tag词库不受控，会导致表意模糊，影响知识结构，降低搜索效率。

• 于是有人开始尝试进行对用户使用的Tag词汇进行控制，Faviki是其中的典型代表。

  Faviki和Delicious功能类似，是一款在线书签(Online Bookmarking)服务。有趣的是，用户收藏url到Faviki时，只允许使用Wikipedia上的词条作为标签——Faviki正是以此来控制用户的Tag词库。

• 这无疑进一步加重了用户Tagging时的认知负担，不但要分析资源，寻找Tag，还需要对Tag是否准确和合格进行严格检验。
• 在这个过程当中，大量用户可能并不是出于贡献、分享的动机，而仅是为了自己收藏、整理的动机。用户可能有属于自己的Tag使用癖好， 也可能形成自己的个性化词语使用习惯。而Tagging系统给了用户极大的自由，让用户可以选择任何想象得到的词语作为一个Tag。同时，很多用户还将 Tagging系统的用法进行了延伸和拓展（比如，GTD）。因此，不受控词库其实可算是Tagging系统的一个魅力。

考衡Tagging System的7个维度 -- 三秒改变世界

tags: TAG

• Tagging Rights[权限]
  （系统允许下列角色进行Tagging：仅作者、作者和朋友、所有人，etc）因为不同角色的人有着不同的Tagging动机，这将影响Tagging结果
  
  Tagging Support [提示]
  （没有任何提示，根据语义提示相关标签，简单列出所有历史标签，etc）提示的好处：让用户提高Tagging效率，也能教育新用户Tagging是什么提示的坏处：最先出现的Tags可能并不是最理想的，但它们会对最终Tagging结果造成很大的影响
  
  Aggregation Model[模式]
  （对于同一个资源，所有用户共同维护一套标签，或不同用户维护属于自己的那一套标签，etc）
  前者能够保证标签内容有代表性，能够完整、准确的描述资源后者允许用户通过Tagging对资源进行符合个人使用习惯的标注
  
  Object Type[资源类型]
  （文本、非文本，etc）影响Tagging结果
  
  Source of Material[资源来源]
  （用户贡献、系统提供、任意来源，etc）
  资源来源的差异导致用户对资源的Tagging动机不同，进而影响Tagging结果Resource Connectivity[资源间链接]
  （超链、同属某群组，etc）
  可能导致同一个标签的高频出现
  
  Social Connectivity[用户社交]
  （方言区、专业领域，etc）
  拥有社交联系的用户习惯用相同的Tag，导致Tagging结果带有地域特色或专业特色，而且和主流用户的Tagging结果有差异
•