[Das Bild wurde mit Hilfe der Wordcloud-Generator ( erstellt. Die Schriftgröße eines Schlagwortes wird durch dessen Häufigkeit

Transkript

1 [Das Bild wurde mit Hilfe der Wordcloud-Generator ( erstellt. Die Schriftgröße eines Schlagwortes wird durch dessen Häufigkeit bestimmt. Hier wurde die Häufigkeit künstlich erhöht, um den Titel und die wichtigsten Begriffe darzustellen.]

2 Tagged Objects Collections Seminar Soziales Retrieval im Web 2.0 SS08 Lehrstuhl Informationssysteme Bearbeiter: Tuan-Vu, Tran Betreuer: Dipl.-Inform. Sascha Kriewel

3 Inhalt 1. Abstrakt Einleitung Motivation Tagged Objects Collections Was sind Tagged Objects Collections? Arten von Tagged Objects Collections Flickr ( Last.fm ( Slideshare ( Youtube ( Vorteile von Tagged Objects Collections Mehr Struktur Trend aufspüren Soziale Erfahrungen Webseite verbinden Realisierung Tagging Autotagging Social Browsing Tag- Recommendation Zusammenfassung - Ausblick Referenzen... 15

4 1. Abstrakt Wenn man über Web 2.0 spricht, führt kein Weg an den neuen Social-Media-Sites vorbei. Flickr, Last.fm, Slideshare und Youtube sind die populärsten ihrer Art. Sie benutzen verschiedene Tagging-Systeme um ihre Mediendateien zu verwalten und katalogisieren. Dabei haben sie eine Gemeinsamkeit, Tagged Objects Collections, Kollektionen von getaggten Objekten. In dieser Ausarbeitung werde ich Tagged Objects Collections betrachten, ihre Vorteile analysieren und mich anschließend mit ihrer Realisierung auseinandersetzen. 2. Einleitung 2.1. Motivation Mit der raschen Entwicklung des Internets und mit dem zunehmenden Bedarf an Kommunikation und Entertainment via Internet bietet Web 2.0 eine Plattform mit vielfältigen Möglichkeiten. Besondere nutzergenerierte Inhalte erzeugen eine enorme Menge an Daten und Informationen, die sich ständig vervielfachen. In diesem Informationsdschungel verliert der Benutzer oft den Überblick. Um einen richtigen und schnellen Weg zu finden, braucht der Benutzer effektiveres Klassifikationssystem als Taxonomie. Mit Gemeinschaftliches Indexieren (Folksonomie) lassen sich Ressourcen gemeinsam indexieren und katalogisieren. Dies ist besonders wichtig für Mediendateien. Anders als textbasierten Dateien lassen sich Mediendateien inhaltlich nur schwer von Computern automatisch indexieren. Tags werden benutzt, um in der Rolle von Metadaten bei Mediendateien zu spielen. Mit den Metadaten lassen sich Mediendateien einfacher sortieren und katalogisieren. Dabei entsteht ein Problem, dass diese Tags auch katalogisiert werden müssen, um Zielobjekte schneller und einfacher zu finden. Tagged Objects Collections sammeln getaggte Objects und fassen sie zu Kollektionen zusammen um das Finden und Wiederfinden zu vereinfachen Tagged Objects Collections Was sind Tagged Objects Collections? Tagged Objects Collections sind Sammlungen von Objekten, die vorher getaggt wurden. Dabei könnten Objekte Musikstücke, Bilder, Videos, Slides (Präsentationen) und ähnliches sein. Diese wurden entweder von dem Besitzer selbst, von der Website (autotagging) oder gemeinsam von der Community, getaggt. Es gibt zwei Arten von Sammlungen. 4

5 Arten von Tagged Objects Collections Es gibt Kollektionen, in denen alle Objekte denselben Tag oder einen gemeinsamen Tag haben. Wenn ein Benutzer nach dem Tag Web 2.0 bei Slideshare sucht, bekommt er beispielweise eine Kollektion aller Slides, die mit dem Tag Web 2.0 versehen wurden. Dies ist besonders nützlich, wenn der Benutzer sich für ein konkretes Thema interessiert und nach relevanten Ressourcen mit einem bekannten Suchbegriff suchen will. Tagged Objects Collections sind aber auch Kollektionen, in denen Objekte verschiedene Tags haben. Sie könnten eine Kollektion aller abgespielte Musik bei einem Last.fm-User sein, oder eine Kollektion der meist gesehenen Videos ( most viewed ) bei Youtube. Solche Kollektionen werden oft automatisch erzeugt, um Benutzer interessante Information bereitzustellen. Hier ist dann unglaublich interessant zu sehen, wie die Verteilung der Tags in der Kollektionen ist. 3. Flickr, Last.fm und co. In Rahmen dieses Seminars werden ich die sogenannten Social Media Sites als Beispiele betrachten. Flickr, Youtube und Slideshare sind User Generated Content Sites d.h. ihre Inhalte werden von den Nutzern erstellt. Last.fm kann eher als Personal Objects Cataloging Site klassifiziert werden, obwohl sie Mp3 und Videos bietet Flickr ( Flickr ist eine Web-2.0-Anwendung, die es Benutzern erlaubt, digitale Bilder mit Kommentaren und Notizen auf die Website und so anderen Nutzern zur Verfügung zu stellen. Neben dem herkömmlichen Upload über die Website können die Bilder auch per oder vom Fotohandy aus übertragen werden und später von anderen Webauftritten aus verlinkt werden. Flickr bietet die Möglichkeit, Fotos in Tags zu sortieren, in sogenannte Pools aufzunehmen, nach Stichworten zu suchen, so genannte Fotostreams anderer Benutzer anzuschauen und Bilder mit Bildausschnitten zu kommentieren. Die Möglichkeit, Bilder zu taggen, mit einer Beschreibung zu versehen und von anderen kommentieren zu lassen, unterstützt den Anwender beim schnellen Aufbau von Metadaten. Dabei benutzt Flickr ein soziales Tagging-System, d.h. der Besitzer kann seine Bilder beliebig taggen und kann festlegen, ob die anderen Benutzer seine Bilder auch taggen dürfen. Außerdem bietet Flickr geotagging, eine Methode, einem Foto Ortsinformationen hinzuzufügen. Der Benutzer kann mit der Drag-and- Drop-Funktion die Fotos auf die Stelle der Karte platzieren, an der das Foto aufgenommen wurde. Flickr unterstützt nur Ein-Wort Tags, das heißt, Tags dürfen 5

6 nur ein Wort lang sein. Ein Tag-Recommendation-System gibt den Benutzern Vorschläge beim Taggen. Neben der Volltextsuche bietet Flickr Suchfunktionen nach Tags. Außerdem kann nach Kamera gesucht werden. Dazu hat Flickr eine Liste die beliebteste Kameras in der Community. Abbildung 01: Eine typische Kollektion bei Flickr. Dies ist eine zufällige Auswahl aus den interessanten Fotos, die in den letzten 7 Tagen bei Flickr gefunden wurden Last.fm ( Last.fm ist ein Internetradio auf Basis von sozialer Software ( personalised online radio station ). Es wurde entwickelt, um Nutzer auf Basis ihrer Hörgewohnheiten neue Musik, Menschen mit ähnlichem Musikgeschmack und Konzerte in ihrer Umgebung empfehlen zu können. 6

7 Last.fm kann alle auf dem PC abgespielten Musikstücke in einer Datenbank speichern, erzeugt individuelle oder globale Charts und verbindet Benutzer mit musikalischen Nachbarn. Bei musikalischen Nachbarn handelt es sich um Personen, welche einen ähnlichen Musikgeschmack haben. Jeder Benutzer bekommt seine individuelle Musik-Empfehlung von Last.fm. Last.fm verfügt über ein Event-System. Es erstellt automatisch Konzertlisten, basierend auf dem Musikprofil von Benutzern. Darüber hinaus kann der Benutzer eigene Events hinzufügen. Die Interaktion zwischen Nutzern soll damit verstärkt werden, da es sehr leicht zu erkennen ist, wer dasselbe Konzert besucht hat und besuchen wird. Last.fm benutzt ein kollaboratives Tagging-System, das den Benutzern erlaubt, jedes Musikstück mit beliebigen Tags zu versehen. Die Ressourcen sind, anders als bei Flickr, nicht pesonalisiert. Es werden auf unterschiedlichen Ebenen getaggt: Songs, Albums und Künstler. Dabei können Tags von Songs benutzt werden, um Albums und Künstler zu beschreiben und umgekehrt hat Last.fm eine Tags- Recommendation Funktion implementiert, um Nutzern beim Taggen zu helfen. Suchen kann man nach Tags, Musik oder Plattenlabel. Als ein weiteres Social Feature bietet Last.fm ein Wiki-System, um beispielweise Biographien von Künstlern gemeinsam zu verfassen Slideshare ( Bei Slideshare kann man PowerPoint-Präsentationen, OpenOffice.org Impress und PDF-Dateien veröffentlichen. Wie bei vielen anderen sozialen Netzwerke, können Benutzer taggen, bewerten und kommentieren. Nachdem eine Datei hochgeladen wurde, ist sie sichtbar für die Öffentlichkeit zugänglich. Der Benutzer legt fest, ob seine Slides herunterladen werden können. Da die Folien meistens textbasiert sind, können die Begriffe aus Folien über Suchmaschinen recherchiert werden. Darüber hinaus könnten diese Präsentationen auf jedem Computer abgerufen werden ohne USB-Laufwerken oder anderen Speichergeräten. Dank einem kollaborativen Tagging-System, können Objekte gemeinsam getaggt werden. Wie Last.fm unterstützt Slideshare Multi-Wort-Tags. Benutzer haben außerdem die Möglichkeit, Slides zu ihren Favoriten hinzuführen. Die Präsentationen können auch in eine externe Website eingebettet werden. 7

8 Abbildung 02: Eine Kollektion aller Slides mit dem Tag Web 2.0 bei Slideshare Youtube ( Youtube ist ein Videoportal, auf dem jeder Benutzer kostenlos Video-Clips ansehen und online stellen kann. Wie es bei Videocommunities üblich sind, kann man die einzelnen Clips bewerten und kommentieren. Youtube benutzt ein Basic-Tagging-System, welches nur dem Besitzer erlaubt, seine Clips zu taggen. Als eine weitere Beschränkung unterstützt Youtube nur Ein-Wort Tags. Allerdings werden zusätzlich externe Tags von externen Webseiten, wo die Clips eingebettet sind, benutzt. Benutzer können Clips als Favoriten kennzeichnen und Videoanworten erstellen. Bei Youtube kann nach Kanälen, Tags, Titel und Beschreibung gesucht werden. Darüber hinaus gibt es Top-Favoriten, heiß diskutierte, meist gesehene und angesagte Videos. 8

9 4. Vorteile von Tagged Objects Collections 4.1. Mehr Struktur Mediendateien erhalten im Allgemeinen, anders als textbasierende Dateien, keine inhaltlichen Metadaten. Der Exif-Header bei digitalen Bildern verrät z.b. über Aufnahmedatum oder Belichtungszeit, kann aber nichts über den Motiv oder den Autor des Bildes sagen. Hier kommen Tags ins Spiel. Sie ersetzen oder ergänzen die Metadaten bei Mediendaten. Sie erhalten nicht nur Information über Inhalte, sondern auch über Stimmung ( sad ), Genre ( pop ), Emotion ( love ), usw Das Problem mit traditionellen und etablierten Formen des Sortierens mit physischen Objekten liegt darin, dass jedes Objekt an einem Platz liegt. Beispielweise wird eine neue CD in der Sammlung entweder unter dem Namen des Künstlers abgelegt, oder anhand der Musikrichtung einsortiert oder einfach oben auf dem Stapel abgelegt. Genauso verhält es sich mit digitalen Musikdateien. Eine Song kann entweder im Ordner Künstler/Album abgelegt werden, oder aber unter Kollektion/Gerne/Playlist sein. Jeder Inhalt hat seinen eigenen Platz. Der Benutzer muss wissen, wo dieser Ort ist, wenn er schnell darauf zugreifen möchte. Noch komplizierter wird es, wenn er anderen Zugriff auf diese Inhalte geben möchte. Mit Tags ist die Katalogisierung deutlich flexibler. CD kann verschiedene Etiketten angeheftet werden, ein Song könnte die Informationen Metal (Genre), In Flames (Künstler), Favorite oder Top erhalten. Gleich aus welcher Motivation der Benutzer später danach sucht, ist die Wahrscheinlichkeit die richtige Information zu finden, wesentlich größer, als wenn er sich an das eine, entscheidende Kriterium erinnern müsste. Tagged Objects Collections fassen getaggte Ressourcen zusammen. Relevante Ressourcen lassen sich schnell und einfach finden. Inhalte werden dadurch übersichtlich dargestellt Trend aufspüren Benutzer können meist auf einfache Art und Weise erkennen, was momentan auf der jeweiligen Site im Trend sind. Dafür müssten sie nur beispielweise most viewed (Youtube, Slideshare), intersestingness (Flickr) oder most played (Last.fm) anschauen. Erfahrungsgemäß werden Objekte in solchen Kollektionen stärke wahrgenommen [6]. Im Vergangenheit wurden sie deshalb schon oft manipuliert. Fans von Avril Lavigne beispielweise haben einen Weg gefunden, ein ihrer Lieder auf Youtube jede 15 Sekunden neu abzuspielen. Und so wurde das Videoclip Girlfriend im July 2008 an der Spitze der meist gespielten Videos aller Zeiten katapultiert [9]. Solche Fälle sind aber als Einzelfälle. Im Normalfall spiegeln solche Kollektionen die Aktivitäten innerhalb einer Community wieder. 9

10 4.3. Soziale Erfahrungen Es ist einfacher für Benutzer, Gleichgesinnten zu finden. Benutzer müssen sich nicht kennen, machen aber dennoch ähnliche soziale Erfahrungen, da sie gleiches Interesse an einem Objekt (Video, Foto) haben. Anhand der Kollektion aller abgespielte Lieder generiert Last.fm für jeden Benutzer eine Nachbarschaft. Zwei Benutzer, die Interesse an Landschaftsfotografie haben, entdecken Fotos des anderen durch Kollektionen. Es gibt außerdem die sogenannten Pools, wo Benutzer ihre Kollektionen austauschen, und daraus eine gemeinsame Kollektion machen könnten. Überall haben Benutzer die Möglichkeit, Ressourcen als Favoriten hinzuführen und mit anderen zu teilen. Eine ganze Kollektion könnte so weiter gegeben werden Webseite verbinden Ein Vorteil des Web 2.0 ist, dass fast jedes soziales Netzwerk eine offene API besitzt. Dadurch können Websites auf einfache Art und Weise Verbindung mit einander knüpfen. Events auf Last.fm haben Event-ID, über diese können auf Flickr Bilder dem Event zugeordnet werden. Last.fm bindet diese wiederum auf Eventseiten ein. Beispielweise haben Bilder zu dem Led Zeppelin s Konzert in London am den Tag lastfm:event= Realisierung 5.1. Tagging Tagging ist der Kern von Tagged Objects Collections. Nur mit Tags ist es möglich, Kollektionen zu bilden. Es gibt zwei Arten von Tags: normale Tags und Maschinentags. Erstere sind das, was Benutzer vergeben. Zum Beispiel: ein Song wurde als cool oder rock getaggt. Maschinentags sind maschinell erzeugte Tags. Dazu gehören Autotagging und Geotags. Geotags erhalten GPS-Daten, die die geografische Position von Ressourcen liefern. Autotagging wird in dem nächten Abschnitt behandelt. Es gibt verschiedene Tagging-Systeme: Basic-, Social-, und Collaborative-Tagging. Jede System hat seine Vorteile und Nachteile. Basic Tagging erzeugt in der Regel wenigsten, und Collaborative Tagging die meisten Tags. Das Problem bei einem Collaborative-Tagging-System liegt darin, dass nicht jeder Tag sinnvoll sein muss. Weil Tagging normalerweise nicht moderiert wird, ist es anfällig für Manipulationen durch die Website-Nutzer. Bei Last.fm zum Beispiel gibt es Meinungsverschiedenheiten über Genre bei den Nutzern, oder bestimmte Künstler befinden sich auf falschen Tag-Charts (das bekannteste Beispiel dafür war die Beförderung von Paris Hilton an die Spitze des "brutal Death Metal"-Tag [8]). Bei Youtube und Flickr dürfen Tags nur ein Wort lang sein. Taggen Benutzer ihre Medien mit wort1 wort2, wird es automatisch in 2 Tags wort1 und wort2 zerlegt. 10

11 Das funktioniert beispielweise mit London trip ganz gut, da 2 sinnvolle Tags London und trip gewonnen werden. Doch es funktioniert mit hot dog nicht. Denn hot und dog haben nicht viel mit dem ursprünglichen amerikanischen Fastfood zu tun. Abhilfe schafft entweder ein _ Zeichen in der Mitte, was in der Praxis nicht so oft verwendet wird, oder die Wörter werden einfach nacheinander geschrieben. Um Multi-Wort Tags zu vergeben, könnte der Benutzer seine Tags in schreiben, allerdings behandelt Flickr solche Tags intern als Ein-Wort-Tags. So sind die URLs vielleicht suchmaschinenfreundlicher, dafür ist die menschliche Lesbarkeit schlecht. Der wahrscheinlich längste Ein-Wort-Tag auf Flickr ist zone1referencelibrariansvisitedthewheatonpubliclibraryonseptember6 [10]. Last.fm und SlideShare lassen Multi-Wort-Tags zu. Das ist natürlicher und verbessert die Lesbarkeit von Tags. Ein Schwachpunkt vom Tagging sind synonyme Tags. Der Tag apple könnte für Obst, aber auch für die Firma mit dem angebissenen Apfel als Logo stehen. So entstehen Kollektionen, deren Inhalte untereinander keine Gemeinsamkeiten haben. Andersherum kann die Sprache, mit der Tags versehend sind, eigentlich gleichartige Objekte trennen. seen live und live gesehen sind nur zwei von vielen Beispielen. Außerdem könnten Tags im Plural oder im Singular stehen. Ein Objekt kann mit dog oder dogs getaggt sein. Es erschwert das Finden von relevanten Objekten da jeder Tag zu einer separaten Kollektion gehört Autotagging Mit der Verbreitung der Online-Musik wird automatische Musik-Empfehlung ein zunehmend wichtiges Instrument für die Zuhörer. Mithilfe Musik-Empfehlung können Zuhörer Musik, die sie mögen, schneller finden. Automatische Musik-Empfehlung allgemein verwendet Collaborative-Filtering-Techniken Musik zu empfehlen, basiert auf dem Hörgewohnheiten von anderen Musik-Hörern. Diese Collaborative-Filtering- Recommenders nutzen den "wisdom of the crowds"-ansatz um Musik zu empfehlen. Ein wichtiges Thema für Collaborative-Filtering-Recommenders ist das Cold-Start Problem. Ein Recommender braucht eine erhebliche Menge an Daten, bevor er gute Empfehlungen erzeugen kann. Für neue Musik, Musik von einem unbekannten Künstler mit wenig Zuhörer, kann ein Collaborative-Filtering-Recommender keine gute Empfehlungen generieren. Autotagging wurde entwickelt, um das Cold-Start Problem zu verhindern und Tags zu glätten. Damit werden die wichtige und sinnvolle Tags hervorgehoben, und die wenige wichtige (oder sogar falsche) Tags bleiben im Hintergrund. Unbekannte Künstler, die wenig Hörer haben und wenig getaggt wurden, profitieren auch von Autotagging. Ein Autotagging-Model lernt Tags von bekannten Musikstücken und erzeugt Tags- Vorhersage für neue Songs. 11

12 Abbildung 03: Ein Autotagging Model. [2] Künstler A wurde mit 80s cool und rock getaggt, demzufolge haben seine Songs auch die gleichen Tags. Von jedem Song werden zufällig 5 sekundenlange Stücke ausgewählt, insgesamt ca. eine Minute, und anschließend analysiert. Die Audio Merkmale von den Songs werden dadurch gelernt. None/some/alot sind die Prozente von dem 80s Tag im Vergleich zu den gesamten Tags. So wird der 80s Tag gelernt. Das gleiche Prozedur gilt für die anderen Tags. Nachdem ein Set von gelernten Tags gesammelt wurde, kann es dazu benutzt werden, Tags für neue Songs vorherzusagen Social Browsing Social Browsing beschreibt die Art und Weise, wie Benutzer mit Informationen auf einem sozialen Netzwerk umgehen. Bei Flickr haben Benutzer verschiedene Möglichkeiten, neue Bilder zu entdecken, entweder durch ihre Gruppe, durch Suchen mit Tags oder durch die Fotostreams ihrer Kontakte. Eine Studie [5] hat gezeigt, dass die meisten Benutzer die letztere Möglichkeit benutzen. Dabei wurden drei Gruppen von Bildern untersucht : (a) Bilder zufällig aus den Hochgeladenen auf einen bestimmten Tag (Random-set), (b) Bilder von anderen Fotografen zu der außergewöhnlichen Qualität bewertet wurden (Apex-set) und (c) Die interessanteste Bilder (von Flickr ausgewählt) auf einen bestimmten Tag (Explore-set). Die Anzahl der Views, Kommentare und gekennzeichneten Favoriten von diesen Bildern wurde analysiert, im Zusammenhang mit anderen Merkmale wie die Anzahl der Pools indem sie aufgenommen wurden, die Anzahl der Tags sie haben, und die Größe der sozialen Netzwerke von ihren Besitzern. Explore- und Apex-Bilder scheinen sehr ähnlich zu sein, trotz der Tatsache, dass Apex Bilder 12

13 Monate alt sind (und vermutlich in mehr Pools aufgenommen wurden und/oder mehr Tags hatten). Sie sind sehr verschieden im Vergleich zu den Random-Bilder. Im Schnitt wurden Explore- und Apex-Bilder ca. 20 mal häufiger gesehen als Random- Bilder. Beurteilung durch die Größe der sozialen Netze, sind Fotografen aus diesen beiden auch sehr ähnlich und sie unterscheiden sich von den Random-Fotografen. Je mehr Kontakte ein guter Fotograf hat, desto häufiger werden seine Bilder gesehen und kommentiert. Dies ist ein wichtiges Kriterium für die Auswahl der interessantesten Bilder bei Flickr. Kollektionen wie Interesstingness (Kollektion interessantester Bilder eines bestimmten Zeitraums) und Explore (Kollektion 500 interessantester Bilder des Tages) sind gute Beispiele dafür. Darin sind die meist gesehene Bilder zu sehen Tag- Recommendation Ein häufiges Problem bei einem sozialen Netzwerk wie Flickr ist, dass Benutzer zu wenig taggen. Je weniger Tags ein Bild hat, desto weniger Informationen hat es, und das erschwert das Finden und Wiederfinden. Bei einer Studie [3] wurden 52 Millionen Bilder analysiert. Dabei waren 33 Millionen Bilder, was ca. 64% entspricht, nur mit 1 bis 3 Tags versehend. 52 Millionen ist natürlich nur ein Bruchteil von insgesamt mehr als 2 Milliarde Fotos auf Flickr [11], sagt aber viel über die gesamte Situation aus. Eine mögliche Ursache dafür wäre, dass unerfahrene Benutzer oft nicht von Tags wussten, oder es fällt ihnen schwer, mehrere sinnvolle Tags auf einmal zu vergeben. Tag-Recommendation ist eine Funktion, welche Benutzern hilft, sinnvolle Tags zu vergeben. Sie steigern damit auch die Anzahl von Tags. Abbildung 04 zeigt, wie Tag-Recommendation funktioniert. Ein Benutzer taggt sein Bild als Sagrada Familia und Barcelona. Die Kandidaten für Sagrada Familia sind Barcelona, Gaudi, Spain, Architechture, Catalunya und Church. Für Barcelona wurden Spain, Gaudi, Catalunya, 2008, Europe und Travel als Tag-Kandidaten gefunden. Diese Tags werden ausgewählt, weil sie am häufigsten zusammen mit Sagrada Familia und Barcelona auf Flickr vergeben wurden (co-occurence). Nach einem Ranking-Verfahren werden dann die endgültigen Tags-Empfehlungen ausgewählt. So bekommt der Benutzer am Ende außer seiner ursprünglichen Tags noch 5 Tags als Empfehlungen. 13

14 Co-occurence Aggregation & Ranking Benutzerdefinierte Tags Tag-Kandidaten Empfohlene Tags Sagrada Familia Barcelona Sagrada Familia: Barcelona Gaudi Spain Architecture Catalunya Church Gaudi Spain Catalunya Architecture church Barcelona: Spain Gaudi 2008 Catalunya Europe Travel Abbildung 04: Überblick eines Tag-Recommendation Prozesses. [3]. Bild [12]. 6. Zusammenfassung - Ausblick Youtube hat das Problem mit dem Basic-Tagging-System gut gelöst, indem sie externe Tags mitbenutzt. Last.fm kämpft gegen die Schwäche von Collaborative- Tagging-Systemen mit Autotagging und Tags Recommendation. Social Browsing hat gezeigt, wie sozial soziale Netzwerke sind. Dank ihrer Vorteile hat sich Tagging (Folksonomy) gegen Taxonomien durchgesetzt, ihre Anwendung ist mittlerweile bei personal information management -Software wie beispielweise Microsoft Outlook oder Mozilla Thunderbird zu finden. In naher Zukunft wird Tagging bei File Manager Programme auch eine Rolle spielen. Tagged Objects Collections haben sich als sehr nützlich erwiesen. Besonders Benutzer profitieren von ihren Vorteile. Natürlich haben sie auch ihre Schwachpunkte, wie das Problem mit synonymen Tags, Singular und Plural. Es wäre natürlich sinnvoller, wenn anstatt 3 Kollektionen wie seen live live gesehen und live gesehn nur eine einzige wäre. Außerdem wäre eine Filterfunktion für gezieltes Suchen wünschenswert. AND, OR und NOT Verknüpfungen könnten dabei helfen. So könnte ein Suchbegriff beispielweise aussehen: beach OR küste AND 2008 NOT benutzername. Also eine Kollektion aller Bilder mit dem Tag beach oder küste, die im Jahr 2008 geschossen wurden und nicht von einem Benutzer stammen. 14

15 7. Referenzen [1] Gene Smith (2008). Tagging: people-powered metadata for the Social Web. New Riders. Folien auf SlideShare [2] Eck, Lamer (2006). Automatic Generation of Social Tags for Music Recommendation. [3] Sigurbjörnsson, Van Zwol (2008). Flick Tag Recommendation based on Colllective Knowledge. 17th International World Wide Web Conference (WWW), ACM Press, Beijing, China, Seite [4] Tom Alby (2007). Web 2.0 Konzepte, Anwendungen, Technologien. Hanser. [5] Lerman, Jones (2007). Social Browsing on Flickr. Proceedings of Int. Conf. on Weblogs and Social Media, Boulder, CO, USA. [6] Kristina Lerman (2008). Social Browsing & Information Filtering in Social Media. [7] Flickr - Wikipedia ( ) [8] Last.fm Wikipedia ( ) [9] Youtube Wikipedia ( ) [10] raryonseptember6/ [11] [12] 15