大眾分類法對信息過載的影響及優化策略研究

王娜 田曉蒙

〔摘要〕[目的/意義]調研顯示，大眾分類法是造成豆瓣網中信息過載的主要原因，但國內尚未發現針對性研究。[方法/過程]通過問卷星調研大眾分類法對豆瓣網中信息過載的影響，并利用SPSS、EXCEL等軟件對搜集的數據進行分析、整理。[結果/結論]通過分析數據得出以下主要結論：豆瓣網中的分類體系不能滿足用戶基本需要；大眾分類法在豆瓣網中的應用存在多種問題，如同義詞標簽過多和標簽專指度不高等。在此基礎上，本文提出了一種優化大眾分類法的策略，并探討了其實施方案。

〔關鍵詞〕大眾分類法；豆瓣網；信息過載；標簽優化

DOI：10.3969/j.issn.1008-0821.2016.09.013

〔中圖分類號〕G2541〔文獻標識碼〕A〔文章編號〕1008-0821（2016）09-0074-08

〔Abstract〕[Purpose/Significance]The research showed that Folksonomy was the main reason for causing the information overload in Douban.com，but it was not yet found a targeted research in domestic.[Methods/Process]Researched the effect of Folksonomy for information overload in Douban by Questionnaire Star，and used SPSS and EXCEL to analyze and sort collected data.[Result/Conclusion]By analyzing data this paper draw the following conclusions：the classification system in Douban could not meet the basic needs of users；the application of Folksonomy in Douban existed kinds of problems，such as too many synonyms tags and low specificity tags.And on this basis，this paper put forward a Folksonomy optimization strategy and discussed its implementation.

〔Key words〕folksonomy；Douban.com；information overload；tag optimization

隨著網絡技術的飛速發展，網絡信息層出不窮。目前網絡已經進入到了信息雙向交互時代，由網絡使用者創造發布的信息占據著部分市場。為了方便用戶對網絡中各種信息資源的分類和管理，一種以用戶為中心的信息組織方法——大眾分類法應運而生。大眾分類法是“由大眾的意見一致而產生的基于用戶的分類體系”，也有人稱其為社會化分類法、分眾分類法、通俗分類法等[1]。 大眾分類法在網絡信息時代有著比較廣泛的應用，例如QQ書簽、Google書簽等社會化書簽；新浪、網易和騰訊博客；各種論壇、公告欄和個人空間等網絡社區；還有Youtube、土豆等圖片及視頻分享網站[2]。其中國內最典型的利用大眾分類法進行信息分類組織的網站是豆瓣網。

豆瓣網是目前國內非常典型的一個基于Web20的門戶網站，擁有豆瓣讀書、豆瓣電影、豆瓣音樂、豆瓣同城、豆瓣小組、豆瓣閱讀和豆瓣東西等多種應用社區。在豆瓣網中用戶可以根據自己的想法對某個內容貼上標簽，其中的高頻標簽會被選出作為信息資源的標識，其他用戶便可以根據統計出的高頻標簽進行查詢。豆瓣網的存在實現了以用戶為中心的信息組織方式，體現了個性化的信息服務需求，其靈活性和共建共享的特色吸引著廣大用戶。但是豆瓣網也存在著一些不可避免的缺點，如等級分類體系不明確、標簽專指度不高、標簽同義詞重現等。

從豆瓣網的使用可以發現，大眾分類法分類體系不明確、標簽含義模糊，使用戶在查詢所需信息時效率低下，無法獲取有效信息，從而造成了信息過載的現象。基于該種問題本文對用戶進行了相關調研，通過調查分析豆瓣網中信息量的現狀、用戶對現有分類體系的滿意程度和標簽機制的使用情況，提出了有針對性的優化大眾分類法的措施，旨在通過優化大眾分類法以防控使用該組織方法的網站出現信息過載的問題。

1國內外研究現狀綜述

11國內外大眾分類法研究現狀綜述

大眾分類法起源于西方，是由美國信息構建專家Thoma s Vander Wal和Gene Smith在2004年8月首先提出來的[2]。國內外關于大眾分類法的相關研究大致集中在4個方面，即基礎理論、技術、開發應用、實證研究。其中國內較重視理論基礎和開發應用，而國外則致力于技術層面和實證應用[3]。如劉洋從大眾分類法的概念、模式、特點出發，總結了目前大眾分類法的應用現狀并分析了它在科研領域、電子商務領域及電子政務領域應用的可能[2]；吳超總結了利用大眾分類法進行網絡信息組織的優勢，并指出其具有廣泛的應用前景[4]；Cameron Marlow等研究了大眾分類法的特定運行環境，分析了該系統的結構特征和基本元素[5]；Hak Lae Kim等學者對Folksonomy在語義網中的應用進行了研究，在標簽中建立起概念層，進行形式化的概念分析，在添加博客的標簽時，實現了一種具有上下文關系的Folksonomy新方法[5]；Scott Bateman研究了怎樣在e-Learning系統中應用Folksonomy[5]；Arch Xan提出了創建大學圖書館Folksonomy的設想[5]。

12國內外信息過載研究現狀綜述

對信息過載問題的研究始于20世紀的西方國家，后因互聯網絡的飛速發展，大量混雜信息充斥在人們的生活中為其帶來了不便，人們才逐漸意識到信息過載給人們帶來的危害。國內外研究信息過載主要是從其產生的原因、對用戶的影響以及避免信息過載的有效措施等方面展開。如Mark Nelson認為，信息過載是因為人們因某種因素而無法從眾多信息中萃取出想要的信息[6]；Wheelwright等人認為，信息過載會影響交換和處理信息的速度和個人工作的專心程度，因此會對個人完成任務的效率和質量產生負面影響[7]；王娜等人分析了信息過載產生的原因和可能造成的危害，并提出了利用個性化推薦機制來進行信息過載的防控[8]。

13研究現狀評述

由國內外研究現狀綜述可見，現有的研究缺乏關于大眾分類法對于信息過載影響的探討，但是隨著大眾分類法的廣泛應用及信息過載的日益嚴重，這個研究方向對于進一步優化信息組織方式以達到控制信息過載非常重要，因此本文認為應該就該方向展開研究。在國內豆瓣網是使用大眾分類法的典型代表，用戶群體數量較大，因此本文選取豆瓣網為例，以問卷調查的方式針對用戶對豆瓣網中信息量的感受、查詢信息時效率的高低、標簽機制使用情況等問題來進行調查研究，并針對調查結果提出了優化大眾分類法的建議，以期通過該次調研對現有網絡環境及未來泛在網絡中信息組織方式的選擇和對信息過載的防控提供一定的參考。

2調查問卷的設計與實施

21調查問卷的設計

211問卷設計的理論基礎

Martin JEppler及Jeanne mengis兩位學者，將（組織）信息過載產生的原因區分為個人因素、信息特質、任務及過程因素、組織設計及信息科技五大類別[9]。其中，本文主要研究的是信息的組織設計對信息過載產生的影響，即采用大眾分類法對信息過載的影響。在評價大眾分類法的應用情況時，主要考慮了其中的信息分類方式和標簽的運用。因此，本次調查在設計問卷時先簡要調查了豆瓣網本身的信息數量、質量對用戶利用信息的影響，即信息過載的情況；然后主要調查了豆瓣網中的分類體系和大眾分類法下標簽機制在信息組織方面的效果，包括了對標簽專指度、標簽同義詞等的研究，用于分析信息組織設計與信息過載間的關系。

212問卷的構成

本次調查問卷由以下5部分組成：（1）豆瓣網用戶的基本信息調研。這部分設置了1道問題，即調查用戶的學歷情況。（2）用戶對豆瓣網所提供信息的看法。這部分是針對用戶對豆瓣網中信息使用情況的調查，由5道題組成，包括對信息量的感受、查詢信息時的感受、查詢到的信息對自己的幫助、所耗費的時間、對推薦信息的態度和主要利用哪些功能獲取信息。（3）調查用戶對豆瓣網中分類體系的看法，由3道題組成，包括對現有分類體系和多級分類體系的滿意度、是否產生困擾。（4）調查大眾分類法下標簽的使用情況。由3道題組成，包括標簽專指度情況、貼同義標簽的原則和用戶對提出的標簽優化法的接受情況。（5）設置了兩道開放題，分別調查用戶認為在豆瓣網進行信息分類時需要改進的地方和用戶如何對豆瓣網中的內容貼標簽。

22調查的實施情況與信度效度分析

221調查的實施情況

本次調查是通過“問卷星”平臺對網絡用戶進行的在線調查，調查面向所有網民，跨湖北、北京、江蘇、廣東、河南、浙江、福建、上海、遼寧、四川、湖南、天津、重慶、陜西等30個地區。本次問卷調查共收集問卷521份，其中有效答卷492份，占問卷總數的9443%。學歷層次分布比較廣泛，被調查者的學歷在本科以上的達到了8331%，如圖1所示。圖1調查對象受教育程度分布

222信度效度分析

本文利用SPSS210進行了重測信度分析，旨在分析兩次測量選項頻率分布的一致性程度。本次調查用同樣的問卷對相同100名用戶間隔3個星期做了重復測試，計算兩次結果的相關系數為0926（相關系數值在08以上為信度良好），說明本問卷具有較高的信度。在進行問卷的效度分析時，本文采用表面效度法對問卷進行評判，問卷測量的內容與測量目標相符，題目之間具有較強的邏輯結構，且題目難度由淺至深，選項設計合理，沒有遺漏。因此，問卷具有較高的效度。

3調研結果分析

31對豆瓣網中信息數量和質量的分析

311用戶對豆瓣網中信息量感受的分析

為了調查用戶對豆瓣網信息量的看法，本文對問題“您對豆瓣網信息量的看法”的調查結果進行了統計。608%的用戶認為豆瓣網中信息量合適，2016%的用戶認為信息量較多，只有19%的用戶認為信息量較少（如圖2所示）。由此可知用戶對豆瓣網中的信息量比較滿意，信息量總量并沒有給用戶造成很大的困擾。

在豆瓣網中查詢信息時所花費的時間也能夠作為衡量信息量的一個指標，從側面反映出用戶在查詢信息時的效率感受。當被問及“您在豆瓣網中查詢信息時所耗費的時間”時，572%的用戶認為耗費的時間適當，2438%的用戶認為耗費的時間較少，只有1843%的用戶認為耗費的時間較多。說明用戶在豆瓣網中查詢信息所耗費的時間在大多數人的耐受范圍之內。

312用戶查詢信息的感受分析

豆瓣網是用戶平常獲取書籍、電影、音樂等作品信息的重要渠道，也是用戶發布自己觀點和意見的關鍵平臺。所以在豆瓣網中查詢信息時的感受和信息對用戶的幫助直接決定了用戶獲取信息的效率。圖4中的數據反映了3628%的用戶會找到很多但是無關的信息，3608%的用戶能快速找到所需信息，2265%的用戶會找到很多重復的信息，499%的用戶完全找不到所需的信息。約翰·奈斯比特所指出“大量無序的信息，不是資源，而是災難。”[10]可見，大部分的用戶在豆瓣網中查詢信息時會面臨一些困擾。

313對推薦信息的態度

隨著網絡技術的不斷發展，用戶在獲取信息時也更偏向于個性化、獨特化。豆瓣網針對這一現象也開展了個性化推薦服務，但是實際效果卻不盡如人意。當被問及“對豆瓣網中大量的推薦信息持什么態度”時，7274%的用戶選擇了大概瀏覽，只會選擇自己感興趣的仔細查看；2150%的用戶不會查看；只有576%的用戶會仔細查看推薦信息。

從用戶查詢信息和網站推送信息方面來說，豆瓣網的信息對用戶來說確實存在過載的現象。然而根據調查數據可知，用戶對豆瓣網中的信息量比較滿意，說明信息的數量并沒有給用戶造成困擾，因此本文推斷導致豆瓣網中出現信息過載的主要原因是其所采用的信息組織體系即大眾分類法。

32對豆瓣網中分類體系的調研

321現有分類體系滿足用戶需要的程度

網絡中信息資源總量極大且種類豐富繁多，用戶想要在如此龐大的信息資源中找到自己需要的絕非易事，因此針對信息內容構建相應的分類體系尤顯重要。針對問題“豆瓣網現有的分類體系能否滿足用戶的分類需求”，6852%的用戶認為能夠滿足他們的需要，而其余的3148%的用戶認為現有的分類體系不能滿足（如圖6所示）。為了進一步研究該問題，本次調查專門了解了用戶對目前豆瓣網所采用分類體系的使用效果，結果顯示其中有5336%的用戶認為這種方式給他們查找信息造成一些困擾，4223%的用戶認為沒有困擾，441%的用戶認為有很大困擾（如圖7所示）。可見豆瓣網中的分類體系還不夠成熟，不能迎合絕大多數用戶的喜好。

322用戶對多級分類體系的接受程度

為了了解用戶對多級分類體系的接受程度，本文設置了問題“對于58同城中的多級分類體系對于用戶查詢所需信息時的方便程度”，并參照5度李克特量表的標準，分別設置了1、2、3、4、5分，分值越高，說明用戶認為其便利程度越高，數值越低，代表其便利程度越低。并按照均值所屬范圍將便利性歸為很弱（<32）、較弱（32～34）、中等（34～36）、較強（36～38）、很強（>38）6個等級。按照標準算得此次調查的均值為33092，即用戶對多級分類體系的接受程度較弱。

323用戶在豆瓣網中主要使用的功能

對問題“您平常主要利用豆瓣網的哪些功能”的數據進行分析，發現6718%的用戶主要利用閱讀、看視頻等獲取多媒體信息的功能，643%的用戶喜好書評、影評等評論功能，3225%的用戶利用豆瓣小組中的討論功能，2706%的用戶利用熱門事物推薦功能，只有845%的用戶利用共同興趣交友功能（如圖9所示）。由此可見用戶利用豆瓣網主要是實現獲取信息和發表言論等功能。

33大眾分類法下的標簽機制對信息過載的影響

331用戶在貼同義標簽時的態度

Web20倡導因特網是大眾的因特網，它降低了個人參與網絡信息發布和交流的技術門檻，構建了平等、開放、大眾參與的網絡平臺[11]。用戶的任何想法和意見都可以隨時在網絡上發布，在宣泄自己情感的同時也會對他人的思想活動造成影響。特別是在豆瓣網中添加標簽這一舉動，添加標簽的動機和客觀性會對他人查找信息有很大影響。在分析“您在豆瓣網中貼標簽時若遇到同義詞，您會怎么做”這一問題的調研數據時，發現有649%的用戶選擇隨意添加一個，1862%的用戶選擇放棄標記，1689%的用戶選擇自己添加。由此可見大部分的用戶對待同義詞的態度都比較隨意，這對提高標注的準確性來說非常不利。

332用戶對標簽專指度的看法

標簽的專指程度在很大程度上決定了用戶查詢信息的準確性。若一個標簽能夠準確描述一個事物，那么用戶在查詢時就不會受到其他無關信息或冗余信息的干擾。在分析“您認為豆瓣網中的標簽專指程度（指檢索標識與主題概念的相符程度）如何”時，本文同樣參照了5度李克特量表的標準設置分值，如圖11所示。按照標準算得此次調查數據的均值為31818，即用戶認為豆瓣網中現有的標簽專指度很弱。圖11用戶對標簽專指度的態度

333用戶對標簽優化法的態度

本文根據豆瓣網的實際情況在問卷中提出了一種標簽推薦機制，即用戶在上傳內容之后由系統或是其它用戶為你推薦更合適的標簽，詢問用戶是否會進行修改。有7102%的用戶選擇視情況來修改標簽，1958%的用戶選擇會修改，只有94%的用戶選擇不會修改。從數據中可以看出這種標簽推薦機制存在很大的發展潛力。

34開放式問題結果分析

341豆瓣網對內容分類的改進

在這道開放式調查問題中，搜集了有關用戶對豆瓣網內容分類的改進意見。在經過統計分析之后，主要總結出了以下幾點：

（1）對類目的劃分要更加細致，現有的分類比較粗糙，不能滿足用戶查找信息時的需求。

（2）在主頁面上刪減不必要的模塊，使頁面簡潔，便于信息的查找。

（3）分類可以更加多元化，為用戶量身制定合適的內容分類方法。

342用戶在貼標簽時的做法

在本道題目中，根據用戶的回答搜集了用戶在豆瓣網中對信息“貼標簽”時自己的一些方法和準則，主要總結出了以下幾點：

（1）一方面參考他人的標簽貼法，但主要還是根據自己的興趣和看法來貼標簽。

（2）大部分用戶只根據自己主觀感覺，隨意添加。

（3）只有極少部分用戶會仔細研究標簽分類，根據內容進行劃分。

從用戶貼標簽的方法可以看出多數用戶并沒有自己的分類準則，而是根據自己當時的主觀感受、對內容的理解和自己的興趣愛好來決定。這種貼標簽方法大大降低了標注行為的準確程度，因為每個個體對于同一事物的認知都帶有一定主觀性，即便同一個人對同一事物在不同時期的認知都未必相同。

4研究結果與建議

41研究結果

通過對調查數據的分析，本文得出以下研究結果：

（1）用戶在使用豆瓣網時，對其信息量及查詢信息資源所用時間較為滿意，但會找到很多無關的信息且推薦信息不能迎合用戶的興趣，因此說明存在信息過載。且推斷導致信息過載現象的主要原因是信息的組織方式。

（2）現有的分類體系即大眾分類法不能滿足用戶需求，且為用戶帶來了較多的困擾，用戶較喜好多級分類體系，即驗證了前面的推斷，信息組織方式是導致信息過載的一大原因。因此本文認為在對豆瓣網中類目的劃分上可以融合大眾分類法與多元劃分法的思想，使大眾分類法更加細致。

（3）現有的大眾分類法中存在多種問題，如：同義詞標簽過多、標簽專指度不高、用戶貼標簽時帶有主觀隨意性。由調研數據可知，用戶對本文提出的標簽優化方法持積極態度，該種標簽優化方法具有較好的發展前景。

42大眾分類法優化方案

鑒于以上研究結果，本文嘗試性地提出了一種優化目前大眾分類法的方案，用于解決信息過載現象，如圖13所示。首先，由用戶根據自己想要標注的信息資源的內容提出標簽，并在系統標簽庫中選擇相應的一級和二級分類，然后將標簽移交至三級體系中處理；系統在標簽庫的三級體系中利用以詞素為單位的基于語義的同義詞識別算法，對同義標簽進行判定，并將結果反饋給用戶；為了進一步提高標簽的專指度，系統將呈現其他用戶推薦的標簽供標簽上傳者有針對性的修改。且其他用戶推薦的標簽都要經過系統將其與信息資源內容的標題進行匹配，確保推薦標簽具有一定意義。圖13優化后大眾分類法框架體系流程圖

421等級分類式標簽庫的建立

調研顯示用戶更為偏好多級分類體系，且認為現在豆瓣的類目劃分不夠細致，因此本文在構建新框架的標簽庫中可將標簽分為三級。包括一級、二級和三級標簽體系。在一級標簽體系中，保留豆瓣網現有的分類方式將體系劃分為：讀書、影視、音樂、藝術、生活、興趣與收藏、情感、學術、商業與財經、互聯網與技術、體育和地域等12項；在二級標簽體系中將對一級標簽體系中的類目進一步細分，如：將“生活”細分為“美容”、“美食”、“服飾”、“健康”等等；在三級標簽體系中就是描述內容的具體標簽（如圖14所示）。

422同義標簽控制體系的建立

豆瓣網中的同義標簽是指含義相同但是表述不同的標簽，這些標簽在語義上可以互相替代，重復的標簽日積月累就會占用大量的后臺資源，同時也會給用戶標注帶來困擾，使用戶在為某一信息資源選擇合適的標簽時陷入困境。為了緩和調研結果中提到的大眾分類法中同義詞標簽過多的現象，本文在標簽庫的基礎上提出了一種同義標簽控制體系，這種控制體系可以顯著的減少同義詞標簽，提高標注的準確性，如圖15所示。具體的處理可以遵照以下流程：

（1）由用戶提出新的標簽并在標簽庫中選擇符合的一級和二級體系。

（2）將標簽移交至相應的三級標簽庫中進行同義標簽的判定。

（3）若標簽庫中存在與新標簽同義的標簽，則將這個同義標簽推薦給用戶。

（4）若標簽庫中不存在與新標簽同義的標簽，則將新標簽納入標簽庫中，并允許用戶使用該標簽。

目前，較為成熟的利用計算機輔助識別自然語言中存在的大量中文同義詞的方法主要有兩種：以單漢字為單位的字面相似度測定和以詞素為單位的字面相似度測定。以單漢字為單位的字面相似度算法只適用于由純漢字構成的詞匯，不適用識別純粹由非漢字構成的詞匯，但豆瓣網中的標簽不全由純漢字構成，因此本文認為可以采用朱毅華[12]提出的以詞素為單位的基于語義的同義詞識別算法，其主要思想為：

首先，建立豆瓣網中常用詞素的語義詞典，對識別詞進行切分，在此基礎上以詞素為單位，以相似性原理為依據，將詞素的字面形式轉換為語義代碼進行相似度判別，在考慮詞組的結構關系的前提下進行同義詞識別。在其中還引入了表達度這一概念，表示詞的部分對整體涵義所起的作用大小，據此進行加權。假設待匹配詞ctrlword的信息量總和為A；匹配詞keyword的信息量總和為B；兩詞中表示相同語義的信息量為C1和C2；共同部分C1對A的表達度為x，C2對B的表達度為y。根據這些條件可得：

x=C1A，y=C2B

則相似度為：

xsd=21x+1y（x、y不為0）

例如計算“經濟信息管理”與“商業信息管理”兩詞的相似度：

（1）詞素切分。分別將兩詞切成詞素，“經濟信息管理”切分為“經濟”、“信息”、“管理”；“商業信息管理”切分為“商業”、“信息”、“管理”。

（2）找到相同部分為“信息”與“管理”。

（3）權重計算。使用權重后移原理分配權重，即按照詞素所處位置從左向右從小到大依次分配權重。則“信息”在“經濟信息管理”中的權重為2，“管理”為3；“信息”在“商業信息管理”中的權重也為2，“管理”也為3。

按照上述公式計算可得：

x=2+31+2+3=56

y=2+31+2+3=56

xsd=21x+1y=265+65=56=8333%

所以兩詞的相似度是8333%。相似度閾值的確定可以從以下幾個方面來考慮：

423標簽推薦機制的實現

由調研結果可知，用戶對豆瓣網中標簽的專指度并不滿意，許多標簽并不能揭示或代表信息資源的實質，因此要匯集大眾的智慧提高標簽專指度，從根本上解決這一問題。如圖16所示即為標簽推薦機制體系示意圖。當用戶閱讀某一信息資源之后將會結合自己的經驗為其提出合適的標簽，系統會將用戶推薦的標簽移交至標簽庫的三級標簽體系中進行修正，即搜尋標簽庫中與推薦標簽含義最為相近的；同時將此標簽與信息資源的關鍵詞進行匹配（對于多媒體資源等不好確定關鍵詞的信息資源，將在后文中提出解決方案），同樣是采用上文中提出的同義詞識別算法。若匹配成功則將此標簽推薦給用戶；若匹配不成功，則隱藏該推薦標簽。標簽推薦的次數由后臺服務器進行計算，最終用戶要將其中的高頻推薦標簽作為新標簽使用，鑒于豆瓣網中對標簽數量的限制，系統將統計出的前5個推薦給用戶。這種方法可以從本質上提高標簽的專指度，優化大眾分類法的應用。

424針對多媒體資源標簽的優化方案

在用戶上傳圖片、視頻等多媒體資源時，要求用戶必須填寫一段對于上傳內容的文字性描述。用戶添加的文字性描述就是所上傳的多媒體資源的主要內容。因為此時的文字性描述很可能只是上傳者對于當時所處環境或個人心情的一段簡短表述，只有配以圖片或視頻等才可以傳達出真正的信息，所以這時不能利用關鍵詞檢測來確定主要內容。但是這種情況下仍可以實施文章中提出的標簽推薦機制。其他用戶在看到上傳的多媒體資源和文字性的內容描述之后可以根據自己的理解推薦標簽，高頻推薦標簽即作為內容標識。這種方法匯集了大眾的智慧，避免了上傳者主觀的想法導致標簽運用不恰當造成的標簽專指度不高，混淆用戶的選擇等弊端。

5結語

大眾分類法是一種充分利用群眾的智慧對信息進行標注，完成網絡信息組織的方法[2]。由于重視用戶的交互，大眾分類法可能會成為未來網絡中一種常用的信息組織方式，但其自身也存在一定問題。基于此，本文通過發放調查問卷的方式以豆瓣網為例調查了大眾分類法對于信息過載的影響，并在調研的基礎上提出了優化大眾分類法的措施，以期提高基于大眾分類法的網絡信息服務。但是調查中所使用的抽樣調查方法使得其結果具有一定的偏差，這個問題在后續的研究中還需要進一步的修正。此外，本文中所提出的優化大眾分類法的措施僅是在理論層面上，在未來的實踐中還需要進一步根據實證來完善理論體系。

參考文獻

[1]維基百科.Folksonomy[EB/OL].http：∥en.wikipedia.org/wiki/Folksonomy，2015-12-16.

[2]劉洋.大眾分類法的應用現狀及前景分析[J].現代經濟信息，2010，（5）：205-206.

[3]金岳晴，壽曼麗.中外大眾分類法研究的比較分析[J].新世紀圖書館，2012，（9）：21-24.

[4]吳超.Folksonomy在網絡信息組織中的應用研究[會議論文].2013.

[5]鄭燃.基于Folksonomy的圖書館信息組織研究[D].鄭州：鄭州大學，2010：2-4.

[6]藺豐奇，劉益.網絡化信息環境中信息過載問題研究綜述[J].情報資料工作，2007，（3）：36-41.

[7]Wheel wrightG.Information overload[J].Communications International，1995，22（1）：55-58.

[8]王娜，任婷.移動社交網站中的信息過載與個性化推薦機制研究[J].情報雜志，2015，（8）：190-194.

[9]Martin JEppler，Jeanne Mengis.A Framework for Information Overload Research in Organization[J].ICA Work Paper，2003，（1）.

[10]劉二燦.網絡環境下信息資源的整序[J].情報科學，2001，19（9）：942-945.

[11]徐佳寧.基于Web20的網絡信息自組織機制研究[J].情報雜志，2009，28（6）：139-142.

[12]朱毅華，侯漢清，沙印亭.計算機識別漢語同義詞的兩種算法比較和測評[J].中國圖書館學報，2002，28（4）：82-85.

（本文責任編輯：孫國雷）