معنا‌شناسی در سامانه های برچسب گذاری اجتماعی: یک مرور نظام مند

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز. ایران

2 دانشیار گروه علم اطلاعات و دانش‌شناسی، دانشگاه شیراز، شیراز، ایران

10.30484/nastinfo.2020.2357.1906

چکیده

هدف: هدف پژوهش حاضر، مرور نظام‌مند پژوهش‌های حوزۀ معناشناسی در سامانه‌های برچسب‌گذاری اجتماعی، به منظور شناسایی شاخه‌های موضوعی مورد توجه پژوهشگران، بررسی تاثیر مسائل معناشناختی بر بازیابی اطلاعات در سامانه‌های مذکور، و شناسایی شکاف‌های پژوهشی در این حوزه است.
روش شناسی: پژوهش به روش مرور نظام‌مند انجام گرفته است. به این منظور، با جستجو در پایگاههای اطلاعاتی، 98 پژوهش یافت شد. پس از پالایش اولیه و مشورت با دو متخصص رشته، نهایتا 42 پژوهش در بازه زمانی 2003-2018 مورد بررسی قرار گرفت.
یافته‌ها: محورهای موضوعی مهم در پژوهش‌های معناشناسی در سامانه‌های برچسب‌گذاری اجتماعی، شامل تولید الگوریتم برچسب‌گذاری معنایی خودکار، طراحی یک سامانه برچسب‌گذاری معنایی، تولید الگوریتم استخراج روابط سلسله‌مراتبی از مجموعه برچسب‌ها، و استفاده از ووردنت جهت تعیین رابطه معنایی میان برچسب‌ها می‌باشد. همچنین خلاهای پژوهشی شناسایی شده شامل ابداع روشی جهت شناسایی منابع حاوی معنایی خاص از یک برچسب بدون نیاز به بررسی تمامی منابع، بررسی امکان استفاده از روش‌های خوشه-بندی برچسب‌ها برای خوشه‌بندی منابع یا کاربران فوکسونومی‌ها، و طراحی یک سامانه برچسب‌گذاری معنایی کاربرپسند هستند که می‌بایست در پژوهشهای آتی مدنظر قرار گیرد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Semantics in Social Tagging Systems: A Systematic Review

نویسندگان [English]

  • Zohreh Honarjooyan 1
  • mahdieh mirzabeigi 2
1 PhD student in Departement of Knowledge and Information Science, Faculty of Education and Psychology, Shiraz University, Shiraz, Iran
2 Associate Professor, Department of Knowledge and Information Science, Faculty of Education and Psychology, Shiraz University, Shiraz, Iran
چکیده [English]

Objective: The objective of the present study was to systematically review semantic research studies on social tagging systems in order to identify the researchers’ areas of interest, to investigate the impact of semantic issues on information retrieval in these systems, and to identify the research gaps in this area.
Methodology: The study is a systematic review. Thus, 98 studies were found by searching the databases. After initial investigation and consultation with two specialists in the field, 42 studies published in 2003-2018 were reviewed.
Findings: Important topics of semantic research on social tagging systems include producing an automatic semantic tagging algorithm, designing a semantic tagging system, producing an algorithm extracting hierarchical relationship from a set of tags, and using Wordnet to determine the semantic relationship between tags. In addition, the identified research gaps include devising a method for identifying sources containing a specific meaning of a tag without having to review all sources, exploring the possibility of using clustering methods to cluster sources or users of folksonomies, and designing a semantic tagging system which is user-friendly; all mentioned issues should be taken into account in future research.
Conclusion: Given the gaps identified, the issue of semantics in tagging systems needs further investigation, since this issue has a direct impact on search and retrieval in these systems.

کلیدواژه‌ها [English]

  • Folksonomies
  • Social Tagging Systems
  • semantics
  • Semantic Relations
  • Information retrieval
  • Systematic review