Semantic Similarity Methods in Folksonomies
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Bakalářská práce byla vypracována na studijním pobytu na "Aalborg University" v Dánsku, a byla zpracována v angličtině. Folksonomie jsou nový, uživateli řízený přístup ke klasifikaci a důležitá čast Web 2.0. Jsou také jediným přístupem, který je schopen udržet krok s dnešní rychlostí expanze webu, tím že předá uživatelům odpovědnost za klasifikaci. Pokud folksonomie obsahují dostatečné množství dat, dají se k mnohému využít. Tato práce se zaměřuje na metody sémantické podobnosti ve folksonomiích. Cílem této práce bylo odzkoušet mnohé metody na vzorku tří datových sad - delicious.com, Last.fm a medworm.com. Toto bylo vykonáno za pomocí kotvících dat z WordNetu, Open Directory Project a zdravotně orientované ontologie. Výsledky přinesené touto prací indikují, že metody sémantické podobnosti mohou být použity k úspěšnému měření podobností v mnohých doménách.
This Bachelor's Thesis was performed during a study stay at the "Aalborg University", Denmark. Folksonomies are new, user driven classification structures and an important part of Web 2.0. Folksonomies are the only one approach that can keep up with todays web expansion rate, by utilizing users as classificators of web's content. Folksonomies, when containing sufficient amount of data, can be exploited in several ways. This particular work concentrates on measures of semantic similarity in folksonomies. The aim of this work is to evaluate several semantic similarity measures on a sample of three datasets - delicious.com, Last.fm and medworm.com. Evaluation was done using grounding data from WordNet, Open Directory Project and medical oriented ontology. Results presented by this work indicate, that measures of semantic similarity can be used to successfully measure the similarities in folksonomies in several domains.
This Bachelor's Thesis was performed during a study stay at the "Aalborg University", Denmark. Folksonomies are new, user driven classification structures and an important part of Web 2.0. Folksonomies are the only one approach that can keep up with todays web expansion rate, by utilizing users as classificators of web's content. Folksonomies, when containing sufficient amount of data, can be exploited in several ways. This particular work concentrates on measures of semantic similarity in folksonomies. The aim of this work is to evaluate several semantic similarity measures on a sample of three datasets - delicious.com, Last.fm and medworm.com. Evaluation was done using grounding data from WordNet, Open Directory Project and medical oriented ontology. Results presented by this work indicate, that measures of semantic similarity can be used to successfully measure the similarities in folksonomies in several domains.
Description
Citation
KADLEC, J. Semantic Similarity Methods in Folksonomies [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2010.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Informační technologie
Comittee
prof. Ing. Jan M. Honzík, CSc. (předseda)
doc. Dr. Ing. Petr Hanáček (místopředseda)
doc. Ing. Vladimír Drábek, CSc. (člen)
Ing. Bohuslav Křena, Ph.D. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2010-08-23
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " A ". Otázky u obhajoby: V kapitole 6. uvádíte, že jste kvůli nevhodné ontologii, použité ke srovnání, neprováděl výpočet Kendallova korelačního koeficientu pro data z MedWormu. Konkrétně uvádíte, že v datové sadě z MedWormu je uvedeno 14000 unikátních tagů, ale pouze 40 z nich je obsaženo v použité ontologii. Pokud se podíváte na http://www.medworm.com/rss/blogtags.php?cloud=big mezi nejčastějšími tagy z MedWormu se objevují docela běžná slova. Opravdu nestačilo místo specializované ontologie použít WordNet, kde by byl překryv daleko větší? Jaké další ontologie jste zkoušel?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení