Les plataformes d'intercanvi de recursos multimèdia contenen grans quantitats de contingut
creat pels seus usuaris. Habitualment, aquest contingut no està ben anotat. En aquesta tesi,
proposem mètodes per ajudar els usuaris a anotar el seu contingut d'una manera més
completa i uniforme. Concretament, proposem mètodes per recomanar etiquetes - tags -
basats en informació sobre anotacions prèvies. Avaluem aquesta tasca utilitzant diverses
metodologies i en el context d'una plataforma d'intercanvi de ...
Les plataformes d'intercanvi de recursos multimèdia contenen grans quantitats de contingut
creat pels seus usuaris. Habitualment, aquest contingut no està ben anotat. En aquesta tesi,
proposem mètodes per ajudar els usuaris a anotar el seu contingut d'una manera més
completa i uniforme. Concretament, proposem mètodes per recomanar etiquetes - tags -
basats en informació sobre anotacions prèvies. Avaluem aquesta tasca utilitzant diverses
metodologies i en el context d'una plataforma d'intercanvi de sons. A part de testar el
funcionament de diferents mètodes, també analitzem l'impacte d'un d'aquests mètodes en el
sistema de tagging d'aquesta plataforma. A més a més, també explorem un nou enfocament
per als sistemes de recomanació de tags que incorpora una ontologia amb infromació
específica del camp del so. En general, aquesta tesi contribueix a l'avenç de l'estat de l'art
dels sistemes de tagging i de recomanació de tags basats en folksonomies, i explora
direccions interessants per continuar investigant.
+
Online sharing platforms host a vast amount of multimedia content generated by its own
users. However, such content is typically not uniformly annotated. In this thesis, we propose
methods for helping users to annotate their resources in a more comprehensive and uniform
way. Specifically, we propose methods for tag recommendation which are based on
information gathered from previous resource annotations. Tag recommendation is evaluated
using several methodologies and in the context of a large-scale ...
Online sharing platforms host a vast amount of multimedia content generated by its own
users. However, such content is typically not uniformly annotated. In this thesis, we propose
methods for helping users to annotate their resources in a more comprehensive and uniform
way. Specifically, we propose methods for tag recommendation which are based on
information gathered from previous resource annotations. Tag recommendation is evaluated
using several methodologies and in the context of a large-scale sound sharing platform.
Besides studying the performance of several methods in this scenario, we analyse the impact
of one of our proposed methods on that platform. In addition, we explore a new perspective
for tag recommendation which employs a sound-specific ontology. Overall, this thesis
contributes to the advancement of the state of the art in tagging systems and folksonomybased
tag recommendation and explores interesting directions for future research.
+
