名詞解釋

社會性標記意指使用者在社群性與科技性融合的情境下，為網路資源建立標 籤(tag)的動作、行為與過程 (卜小蝶，2007；Trant, 2009)。使用者將適當的詞彙或 關鍵字連結至資源物件，有利於分享、發現、搜尋、瀏覽、過濾相關資源，除此 之外，在標記過程中，使用者可直接利用標籤來組織、管理個人資源(Trant, 2009；

Guy & Tonkin, 2006；Noruzi, 2006；Golder & Huberman¸ 2006；Xu, Fu, Mao & Su, 2006)。

二、標籤 (Tag；label)

基本上，標籤是使用者為了描述資源內容所建立的詞彙，連結資源主題與使 用者，反映使用者對於資源內容的看法，可說是使用者標記資源後產出的結果(Guy

& Tonkin, 2006；Noruzi, 2006；卜小蝶，2007)。

其他使用者可藉由標籤詞彙的涵義，理解資源內容表述的概念與面向(Noruzi, 2006；Guy & Tonkin, 2006；Fu, Kannampallil & Kang, 2010)。然而，產生標籤的方 式可分為三種：使用者自行建立、仿用其他使用者的標籤，或是從資源內容中擷 取關鍵詞彙(Sen et al, 2006；Voβ, 2007)。

三、標記者 (Tagger)

自由建立標籤描述資源內容的使用者(Voβ, 2007)，通常不限定性別、身分、年 齡，只要是了解標籤與標記意義的人皆可稱之，本研究中參與實驗之受試者也可 稱為標記者。

四、標籤雲 (Tag cloud)

標籤雲又稱詞彙雲(word cloud)或是視覺化設計的加權清單(weighted list in visual design)，將使用者產出的標籤集合或是描述網站內容的關鍵詞彙，按字母順 序排列，並且以標籤的字體大小、粗細或顏色之視覺特徵，反映每一個標籤或關 鍵詞彙的重要性或熱門程度(Sinclair & Cardew-Hall, 2008；Wikipedia, 2011)。標籤 雲最主要的用途是讓使用者可以立即了解資源內容主旨，以及藉由詞彙的超連結 瀏覽、發掘與該標籤相關的資源(Friedman, 2007；Rivadeneira et al., 2007)。

五、視覺特徵 (Visual Features；Visual Properties；Visual Characteristics)

標籤詞彙藉由文字屬性的視覺特徵反映標籤的重要性或熱門程度，文字屬性 的視覺特徵包括：字體大小、字體粗細、字體顏色，尤其是字體大小最為常見，

其他像是字體顏色飽和度、字母數量與寬度、字母包含的像素多寡也都屬於視覺 特徵(Rivadeneira et al., 2007；Bateman et al., 2008)。

六、標籤品質 (Tag Quality)

標籤品質是一個抽象概念，沒有統一的定義，但是相關文獻中提出「好的標 籤(good tags)」需具備的五種特質：1.涵蓋多個層面 2.高熱門性 3.最小努力原則 4.

一致性 5.排除某些特定類型的標籤(Xu et al., 2006)，從標籤具備的功能來看，一個 好的標籤必須有效率的幫助使用者瀏覽、搜尋、組織、分享、發掘相關資源，才 會是一個有意義(meaningful)、高品質的標籤(Noruzi, 2006；Guy & Tonkin, 2006；

Suchanek, Vojnovic & Gunawardena, 2008；Fu et al., 2010)。

在本研究中，以 TF-IDF 演算法計算標籤的權重，並假設權重越高的標籤其品 質也越高。

七、TF-IDF 演算法

TF-IDF（Term Frequency - Inverse Document Frequency）是一種常用於自動索 引與資訊檢索領域中的詞彙加權技術，是為一種統計方法。此演算法可分成兩個 部分。第一個部分是計算詞彙 k 在文件 i 內出現的次數，以公式 ＝ 求得詞 彙之 TF 值；第二個部分則是計算在 N 個文件總數中，有詞彙 k 出現的文件數量，

帶入公式為 ＝log(

)求得詞彙之 IDF 值(Salton & McGill, 1983；Salton &

Buckley, 1988)。

一個完整的 TF-IDF 演算法是將 Term Frequency 與 Inverse Document Frequency 計算公式結合，以兩者個別獲得數值相乘的方式求得詞彙之 TF-IDF 值，也就是詞 彙權重來評估個別詞彙對於文件的重要程度。原則上，權重越高的詞彙僅在少數 文件內出現，具有區別文件內容的能力(Salton & McGill, 1983；Salton & Buckley, 1988)。

本研究運用 TF-IDF 演算法計算標籤的權重，並以標籤的權重決定標籤的字體 大小。