跳到主要內容

臺灣博碩士論文加值系統

(98.84.25.165) 您好!臺灣時間:2024/11/14 18:55
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:黃士瑋
研究生(外文):Shih Wei Huang
論文名稱:以網絡分析探索社會性書籤之使用樣式
論文名稱(外文):Applying Network Analysis to Explore Usage Patterns of Social Bookmarking
指導教授:盧能彬盧能彬引用關係
指導教授(外文):N. P. Lu
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊管理學系
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
論文頁數:130
中文關鍵詞:社會性書籤冪次定律網絡分析
外文關鍵詞:social bookmarkingpower-lawnetwork analysis
相關次數:
  • 被引用被引用:1
  • 點閱點閱:394
  • 評分評分:
  • 下載下載:70
  • 收藏至我的研究室書目清單書目收藏:1
社會性書籤網站應用Web 2.0群體智慧的特徵,讓使用者利用標籤的標記功能收藏自己有興趣的網路資源作為書籤。目前國外已有相當多的社會性書籤網站相關研究發表,然而關於國內社會性書籤網站的研究分析仍然有限,因此本研究以台灣的funP推推王書籤網站為研究對象,嘗試探索台灣社會性書籤的使用樣式。首先,我們蒐集2010年7月27日至2010年8月27日為期一個月的書籤資料為研究樣本,進行書籤分類統計、標籤標記個數統計、使用者使用時序分析,初步了解funP推推王的使用概況。然後,再從一個月的書籤資料擷取7月27日至8月2日為期一週的書籤資料,進行細部的使用者、網路資源、標籤三方關係分析。分析結果發現:funP推推王書籤網站的三方關係皆具有冪次定律。因此,我們再檢視主要標籤與網路資源發現:Top 20 標籤與Top 20 網路資源與部落格均有密切關聯。接著,我們調整共享比率門檻值繪製出三方關係拓樸圖,並進行拓樸參數分析與k-核心分析。分析結果發現:在三方關係拓樸的最大k-核心群集中,網路資源也以部落格為主,再次證實標籤與部落格具有極密切的關係。除此之外,內建標籤雖然會造成拓樸群聚度的提昇,卻不影響標籤拓樸中最大k-核心群集的組成結構。
Applying the characteristics of Web 2.0 collective intelligence, social bookmarking sites allow users to bookmark their own network resources of interest by tagging. Although a lot of research about social bookmarking sites has been published, the research on Taiwan social bookmarking sites is still insufficient. Therefore, in this research we tried to reveal the usage patterns of social bookmarking in Taiwan by investigating the Taiwan social bookmarking site: funP. We collected the bookmarks data of funP from July 27, 2010 to August 27, 2010 as the research sample. To overview the application status in funP, we first performed the categorization of bookmarks, counted the usage frequency of tags, and analyzed the usage timing of users. Then, we took the one-week data, from July 27, 2010 to August 2, 2010, to perform a detailed analysis between users, URLs, and tags. We found that the tripartite relationships follow power law. In order to inspect the dominating tags and URLs, we sifted out the Top 20 tags and Top 20 URLs, and found that the tag “blog” has the highest usage frequency and most of the URLs direct to blog sites. Furthermore, we drew the tripartite topology graphs based on sharing ratio thresholds, and performed topology and k-core analyses. We found that the largest k-core groups of URL topologies are also closely relevant to blogs. In additon, the clustering coefficients of tag topologies was increased by system default tags, but the largest k-core groups of the tag topologies were not affected.
目錄

論文指導教授推薦書
論文口試委員審定書
國家圖書館授權書 iii
長庚大學碩士論文紙本論文著作授權書 iv
誌謝 v
中文摘要 vi
Abstract vii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 3
1.4 論文架構 4
第二章 文獻探討 6
2.1 社會性書籤網站 – Web 2.0的應用 6
2.1.1 社會性書籤網站發展 7
2.1.2 社會性書籤網站特徵 8
2.1.3 國內外社會性書籤網站 9
2.1.4 標籤 10
2.1.5 群眾分類法 13
2.1.6 社會性書籤相關研究 16
2.2 RSS相關技術 18
2.2.1 RSS定義與演進 18
2.2.2 RSS格式 20
2.2.3 RSS架構 21
2.3 網絡分析 22
2.3.1 圖形理論 22
2.3.2 方向性與連通成份 23
2.3.3 分支度 23
2.3.4 路徑長度 24
2.3.5 群聚度 25
2.4 k-核心分析 26
2.5 社群網絡相關現象與法則 27
2.5.1 冪次定律與齊夫定律 27
2.5.2 小世界網路 30
2.6 小結 31
第三章 研究方法 32
3.1 研究對象 34
3.2 資料收集方法 36
3.3 資料庫設計 38
3.4 樣本挑選方法 40
3.5 分析項目 41
3.6 小結 42
第四章 社會性書籤統計分析 43
4.1 三方關係集合定義 43
4.2 書籤分類統計 44
4.3 標籤標記個數統計 45
4.4 使用者時序統計 46
4.5 三方關係分析 48
4.6 標籤與網路資源的關聯分析 50
4.7 小結 55
第五章 社會性書籤網絡分析 56
5.1 三方關係拓樸定義 56
5.2 三大元素使用頻率排名分析 59
5.3 使用者拓樸 62
5.4 網路資源拓樸 67
5.5 使用者拓樸與網路資源拓樸參數分析 71
5.6 標籤拓樸 75
5.6.1 Top 20 標籤拓樸 78
5.6.2 Top 20 使用者之標籤使用拓樸 80
5.6.3 Top 20網路資源之標籤使用拓樸 83
5.6.4 內建標籤分析 86
5.7 小結 95
第六章 結論 97
6.1 研究發現與結論 97
6.2 研究限制 99
6.3 未來研究方向 100
參考文獻 101
附錄A 109
附錄B 111



圖目錄

圖2.1.2-1 三大元素 9
圖2.1.4-1 標記的三大觀點 11
圖2.1.5-1 階層分類示意圖 13
圖2.1.5-2 對偶群眾分類法三元件 15
圖2.2.2-1 RSS格式範例 20
圖2.2.3-1 RSS架構圖 22
圖2.3.3-1 分支度 24
圖2.3.4-1 路徑長度 25
圖2.3.5-1 群聚度 26
圖2.4-1 k-核心 27
圖2.5.2-1 正規圖與隨機圖 31
圖3.1-1 研究流程圖 33
圖3.1-2 funP推推王網頁 35
圖3.2-1 資料收集流程圖 36
圖3.2-2 RSS閱讀器 37
圖3.2-3 自動化擷取網頁資料程式碼 37
圖3.4-1 資料庫實體關係圖 38
圖4.2-1 funP推推王書籤分類分佈 45
圖4.3-1書籤擁有標籤個數分佈 46
圖4.4-1 每日新增書籤分佈(以日為單位) 46
圖4.4-2每日新增書籤分佈(以時為單位) 47
圖4.5-1 使用者-網路資源 49
圖4.5-2 使用者-標籤 49
圖4.5-3網路資源-使用者 49
圖4.5-4網路資源-標籤 49
圖4.5-5 標籤-使用者 50
圖4.5-6 標籤-網路資源 50
圖4.6-1 與「部落格」共用標籤的分佈 53
圖5.1-1 使用者(標籤關聯)拓樸示意圖 57
圖5.1-2使用者(標籤關聯)拓樸示意圖(標籤共享比率) 58
圖5.1-3使用者(標籤關聯)拓樸示意圖(共享比率條件>=50%) 58
圖5.2-1 使用者使用頻率排名分佈 60
圖5.2-2 網路資源收藏頻率排名分佈 61
圖5.2-3 標籤標記頻率排名分佈 61
圖5.3-1 連通成份數分佈圖(使用者拓樸) 64
圖5.3-2 連通成份節點數分佈圖(使用者拓樸) 64
圖5.3-3 使用者k-核心拓樸(網路資源關聯) 65
圖5.3-4使用者k-核心拓樸(標籤關聯) 66
圖5.4-1 連通成份數分佈圖(網路資源拓樸) 68
圖5.4-2 連通成份節點數分佈圖(網路資源拓樸) 68
圖5.4-3 網路資源k-核心拓樸(使用者關聯) 69
圖5.4-4網路資源k-核心拓樸(標籤關聯) 70
圖5.6-1 連通成份數分佈圖(標籤拓樸) 76
圖5.6-2 連通成份節點數分佈圖(標籤拓樸) 76
圖5.6.2-1包含內建標籤k-核心拓樸圖(Top 20 使用者關聯) 82
圖5.6.2-2不包含內建標籤k-核心拓樸圖(Top 20 使用者關聯) 82
圖5.6.3-1包含內建標籤k-核心拓樸圖(Top 20 網路資源關聯) 84
圖5.6.3-2不包含內建標籤k-核心拓樸圖(Top 20 網路資源關聯) 85
圖5.6.4-1 Top 20 標籤(使用者關聯)拓樸共享比率分佈 87
圖5.6.4-2標籤(Top 20 網路資源關聯)拓樸共享比率分佈 88
圖5.6.4-3 Top 20 內建標籤(使用者關聯)節點群聚度分佈 89
圖5.6.4-4 Top 20 非內建標籤(使用者關聯)節點群聚度分佈 89
圖5.6.4-5 Top 20 內建標籤(網路資源關聯)節點群聚度分佈 90
圖5.6.4-6 Top 20 非內建標籤(網路資源關聯)節點群聚度分佈 90
圖5.6.4-7標籤(Top 20 使用者關聯)拓樸共享比率分佈 91
圖5.6.4-8標籤(Top 20 網路資源關聯)拓樸共享比率分佈 92
圖5.6.4-3 內建標籤(Top 20 使用者關聯)節點群聚度分佈 93
圖5.6.4-4 非內建標籤(Top 20 使用者關聯)節點群聚度分佈 94
圖5.6.4-5 內建標籤(Top 20 網路資源關聯)節點群聚度分佈 94
圖5.6.4-6 非內建標籤(Top 20 網路資源關聯)節點群聚度分佈 95


表目錄

表2.1.3-1 國外社會性書籤網站整理資料表 10
表2.1.3-2 國內社會性書籤網站整理資料表 10
表2.2.2-1 RSS頻道資訊元素 20
表2.2.2-2 RSS新聞資訊元素 21
表3.1-1 funP推推王社會性書籤網站分類項目 35
表3.4-1 書籤資料表欄位設計 39
表3.4-2 使用者資料表欄位設計 39
表3.4-3 網路資源資料表欄位設計 40
表3.4-4 標籤資料表欄位設計 40
表4.1-1樣本統計數據表(2010/07/27~2010/08/27) 44
表4.5-1樣本統計數據表(2010/07/27至2010/08/02) 48
表4.5-2樣本敘述統計數據表 48
表4.5-3 連結關係趨勢線方程式參數 50
表4.6-1 Top 20使用者統計數據表 51
表4.6-2 Top 20標籤統計數據表(包含內建標籤) 51
表4.6-3 Top 20標籤統計數據表(不含內建標籤) 52
表4.6-4 Top 20 網路資源 54
表5.2-1三大元素使用頻率之敘述統計 59
表5.2-2 排名頻率趨勢線方程式 61
表5.3-1 使用者拓樸與網路資源拓樸樣本數據表 62
表5.3-2使用者2-核心拓樸(網路資源關聯)節點資料表 66
表5.3-3使用者5-核心拓樸(標籤關聯)節點資料表 66
表5.4-1網路資源16-核心拓樸(標籤關聯)節點資料表 70
表5.5-1 使用者拓樸與網路資源拓樸平均分支度 71
表5.5-2 使用者拓樸與網路資源拓樸最短平均路徑長度 71
表5.5-3 使用者拓樸與網路資源拓樸群聚度 72
表5.5-4 使用者拓樸與網路資源拓樸連通成份統整表 73
表5.5-5 使用者、網路資源拓樸平均分支度 74
表5.5-6 使用者、網路資源拓樸最短平均路徑長度 75
表5.5-7 使用者、網路資源拓樸平均群聚度(考慮內建標籤) 75
表5.6-1 標籤拓樸連通成份統整表 77
表5.6.1-1 Top 20 標籤拓樸樣本數據表 79
表5.6.1-2 Top 20標籤拓樸平均分支度 79
表5.6.1-3 Top 20標籤拓樸最短平均路徑長度 80
表5.6.1-4 Top 20標籤拓樸平均群聚度 80
表5.6.2-1 標籤(Top 20 使用者)拓樸樣本數據表 81
表5.6.2-2 標籤(Top 20 網路資源)拓樸樣本數據表 81
表5.6.2-1 標籤拓樸平均分支度(Top 20 使用者關聯) 83
表5.6.2-2 標籤拓樸最短平均路徑長度(Top 20 使用者關聯) 83
表5.6.2-3 標籤拓樸平均群聚度(Top 20 使用者關聯) 83
表5.6.3-1 標籤拓樸平均分支度(Top 20 網路資源關聯) 85
表5.6.3-2 標籤拓樸最短平均路徑長度(Top 20 網路資源關聯) 86
表5.6.3-3 標籤拓樸平均群聚度(Top 20 網路資源關聯) 86
表5.6.4-1 群聚度分佈數據統計表 95

書籍類
Dewey, M. (2008). A Classification and Subject Index for Cataloguing and Arranging the Books and Pamphlets of A Library: Echo Library.
Finkelstein, E. (2005). Syndicating Web Sites with RSS Feeds for Dummies: For Dummies.
Horowitz, E., Sahni, S., & Mehta, D. (1995). Fundamentals of Data Structures in C++: W. H. Freeman.
Johnson, D. (2006). RSS and Atom in Action: Web 2.0 Building Blocks: Manning Publications Co. Greenwich, CT, USA.
Knoke, D., & Yang, S. (2008). Social Network Analysis: Sage Publications, Inc.
Krugman, P. (1996). The Self Organizing Economy: Blackwell Pub.
Sahni, S. (2001). Data Structures, Algorithms and Applications in Java. New York: McGraw-Hill.
Smith, G. (2008). Tagging: People-Powered Metadata for the Social Web: New Riders.
Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications. New York: Cambridge University Press.
Watts, D. (2004). Six Degrees: The Science of a Connected Age: WW Norton & Company.

論文類
Albert, R., & Barabasi, A. (2002). Statistical Mechanics of Complex Networks. Reviews of Modern Physics, 74(1), pp. 47-97.
Barabasi, A. & Bonabeau, E. (2003). Scale-Free Networks. Scientific American, 288, pp. 60-69.
Brooks, C. H. and Montanez, N. 2006. Improved annotation of the blogosphere via autotagging and hierarchical clustering. Proceedings of the 15th International Conference on World Wide Web. WWW '06. ACM Press, New York, NY, pp. 625-632.
Cattuto, C., Schmitz, C., Baldassarri, A., Servedio, V., Loreto, V., Hotho, A., & Stumme, G. (2007). Network Properties of Folksonomies. AI Communications, 20(4), pp. 245-262.
Chi, E., & Mytkowicz, T. (2008). Understanding Navigability of Social Tagging Systems. Proceedings of the Nineteenth ACM Conference on Hypertext and Hypermedia, pp. 81-88.
Farooq, U., Song, Y., Carroll, J., & Giles, C. (2007). Social Bookmarking for Scholarly Digital Libraries. IEEE Internet Computing, 11(6), pp. 29-35.
Furnas, G., Fake, C., von Ahn, L., Schachter, J., Golder, S., Fox, K., & Naaman, M. (2006). Why do Tagging Systems Work? CHI '06 Extended Abstracts on Human Factors in Computing Systems, pp. 36-39.
Golder, S., & Huberman, B. (2005). The Structure of Collaborative Tagging Systems. Arxiv preprint cs/0508082.
Golder, S., & Huberman, B. (2006). Usage Patterns of Collaborative Tagging Systems. Journal of Information Science, 32(2), pp. 198-208.
Halpin, H., Robu, V., & Shepherd, H. (2007). The Complex Dynamics of Collaborative Tagging. Proceedings of the 16th International Conference on World Wide Web, pp. 211-220.
Helic, D., Trattner, C., Strohmaier, M., & Andrews, K. (2010). On the Navigability of Social Tagging Systems. The 2nd IEEE Conference on Social Computing, SocialCom2010, pp. 161-168.
Heymann, P., & Garcia-Molina, H. (2006). Collaborative Creation of Communal Hierarchical Taxonomies in Social Tagging Systems. InfoLab Technical Report 2006-10. Computer Science Department, Stanford University.
Heymann, P., Koutrika, G., & Garcia-Molina, H. (2008). Can Social Bookmarking Improve Web Search?. Proceedings of the International Conference on Web Search and Web Data Mining, pp. 195-206.
Hoegg, R., Meckel, M., Stanoevska-Slabeva, K., & Martignoni, R. (2006). Overview of Business Models for Web 2.0 Communities. Proceedings of GeNeMe, 2006, pp. 23-37.
Korner, C., Benz, D., Hotho, A., Strohmaier, M., & Stumme, G. (2010). Stop Thinking, Start Tagging: Tag Semantics Emerge from collaborative Verbosity. Proceedings of the 19th International Conference on World Wide Web, pp. 521-530.
Krause, B., Hotho, A., & Stumme, G. (2008). A Comparison of Social Bookmarking with Traditional Search. ECIR'08 Proceedings of the IR Research, 30th European Conference on Advances in Information Retrieval, pp. 101-113.
Kroski, E. (2005). The Hive Mind: Folksonomies and User-Based Tagging. Infotangle, December 7th.
Kurashima, T., Tezuka, T., & Tanaka, K. (2005). Blog Map of Experiences: Extracting and Geographically Mapping Visitor Experiences from Urban blogs. Proceedings of 6th International Conference on Web Information Systems Engineering, pp. 496-503.
Lerman, K. (2007). Social Information Processing in News Aggregation. IEEE Internet Computing, pp. 16-28.
Li, X., Guo, L., & Zhao, Y. (2008). Tag-Based Social Interest Discovery. Proceeding of the 17th International Conference on World Wide Web, pp. 675-684.
Liu, E., & Chang, Y. (2008). The Learning Opportunities of Social Bookmarking Service: An Example of funP. WSEAS Transactions on Systems, 7(10), pp. 1196-1205.
Marlow, C., Naaman, M., Boyd, D., & Davis, M. (2006a). HT06, Tagging Paper, Taxonomy, Flickr, Academic Article, to Read. Proceedings of the Seventeenth ACM Conference on Hypertext and Hypermedia, pp. 31-39.
Marlow, C., Naaman, M., Boyd, D., & Davis, M. (2006b). Position Paper, Tagging, Taxonomy, Flickr, Article, Toread. Collaborative Web Tagging Workshop, 15th International World Wide Web Conference.
Milgram, S. (1967). The Small World Problem. Psychology Today, 2(1), pp. 60-67.
Moreno, J. (1943). Sociometry and The Cultural Order. Sociometry, 6(3), pp. 299-344.
Newman, M. (2005). Power Laws, Pareto Distributions and Zipf's Law. Contemporary physics, 46(5), pp. 323-351.
O'Reilly, T. (2005). What is web 2.0. Design Patterns and Business Models for the Next Generation of Software, Communications & Strategies, pp. 17-37.
Peters, I. & Stock, W.G. (2007). Folksonomy and information retrieval. Proceedings of the American Society for Information Science and Technology, 44(1), pp. 1-28.
P. Mika. (2007). Ontologies are us: A unified model of social networks and semantics. In Proc. of the 4th Int. Semantic Web Conference (ISWC'05),3729, pp. 524-531.
Santos-Neto, E., Ripeanu, M., & Iamnitchi, A. (2007). Tracking Usage in Collaborative Tagging Communities. Proceedings of Workshop on Contextualized Attention Metadata (CAMA'07).
Schenkel, R., Crecelius, T., Kacimi, M., Michel, S., Neumann, T., Parreira, J., & Weikum, G. (2008). Efficient Top-k Querying over Social-Tagging Networks. Proceedings of the 31st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 523-530.
Shiode, N., & Batty, M. (2000). Power Law Distributions in Real and Virtual Worlds. Working Paper, No.19. Centre for Advanced Spatial Analysis (UCL), London, UK.
Schimitz, C. (2006). Small World Folksonomies: Clustering in Tri-Partite Hypergraphs. Univ. Kassel Tech Report, Nov/06.
Shiode, N., & Batty, M. (2000). Power Law Distributions in Real and Virtual Worlds. Proceedings of INET.
Tredinnick, L. (2006). Web 2.0 and Business. Business information review, 23(4), pp. 228.
Watts, D., & Strogatz, S. (1998). Collective Dynamics of 'Small-World' Networks. Nature, 393(6684), pp. 440-442.
Yanbe, Y., Jatowt, A., Nakamura, S., & Tanaka, K. (2007). Can Social Bookmarking Enhance Search in the Web? Proceedings of the 7th ACM/IEEE-CS Joint Conference on Digital Libraries, pp. 107-116.
Zollers, A. (2007). Emerging Motivations for Tagging: Expression, Performance, and Activism. Proceedings of the 16th International Conference on World Wide Web (WWW'07).
卜小蝶, & 張淇龍,〈社會性書籤網站之使用者與標籤特性初探〉,《圖書資訊學研究》,第四卷第一期,頁1~26,民國98年。
卜小蝶,〈淺談社會性標記之意涵與應用〉,《Web2. 0 與圖書館研討會論文集》,頁83~100,民國95年。
陳崇正,〈應用網路書籤與VSM 相似度演算法於強化實踐社群的形成〉,國立中央大學,碩士論文,民國98年。
曾姿婷,〈運用時間序列分群於社會性標籤之研究〉,國立交通大學,碩士論文,民國98年。
鄧睿清,〈以個人化標籤推薦系統探討網路標籤使用行為〉,國立交通大學,碩士論文,民國98年。
戴瑋,〈應用社會化協同標籤於網路資源搜尋〉,國立中央大學,碩士論文,民國97年。

網站類
Alexa. (2010). Retrieved Sep. 24, 2010, from http://www.alexa.com/.
funP推推王官方網站. Retrieved Oct. 20, 2010, from http://funp.com/push/.
Greekgeek. (2008). Why and How I Use Backflip. Retrieved Oct. 22, 2010, from http://www.qondio.com/why-and-how-i-use-backflip-bookmarking-site.
Group, M. M. (2010). World Internet Usage and Population Statistics. Retrieved Dec. 21, 2010, from http://www.internetworldstats.com/stats.htm.
IBM. (2010). Lotus Connections. Retrieved Oct. 22, 2010, from http://www-01.ibm.com/software/lotus/products/connections/features.html.
Vander Wal, T. (2006). Understanding Folksonomy: Tagging That Works. Retrieved Oct. 22, 2010, from http://s3.amazonaws.com/2006presentations/dconstruct/Tagging_in_RW.pdf.
VanDer Wal, T. (2007). Folksonomy Coinage and Definition. Retrieved Oct. 22, 2010, from http: //vanderwal. net/folksonomy.html.
W3Schools. (2010). History of RSS. Retrieved Jan. 11, 2011, from http://www.w3schools.com/rss/rss_history.asp.
Wikipedia. (2010a). RSS. Retrieved Oct. 18, 2010, from http://en.wikipedia.org/wiki/Rss.
Wikipedia. (2010b). Social bookmarking. Retrieved Oct. 22, 2010, from http://en.wikipedia.org/wiki/Social_bookmarking.
Wikipedia. (2010c). Zipf's law. Retrieved Jun. 30, 2011, from http://en.wikipedia.org/wiki/Zipf%27s_law
部落格觀察網站。(2011)。Retrieved Jun 30. , 2011, from http://look.urs.tw/。
資策會FIND。(2010)。2010年6月底止台灣上網人口。Retrieved Oct. 5, 2010, from http://www.find.org.tw/find/home.aspx?page=many&id=263。
維基百科。(2010)。社會性書籤。Retrieved Oct. 23, 2010, from http://zh.wikipedia.org/zh-tw/社會性書籤。

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top