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: 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”。 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”。 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。 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 , ...