标签的可视化进程初探

马晓悦

摘 要 本文以信息管理理论中的标签理论为基础，从可视化视角探讨标签发展过程中的几个重要阶段，并结合当前以人为导向的计算机界面设计背景，分析指出标签可视化在人机交互领域的作用和发展趋势。

关键词 社会化标签；信息可视化；人机交互设计

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2016）172-0152-02

标签（Tag）作为产生于大众分类法中的特有概念，逐步成为网络环境下，尤其是Web2.0环境下一类满足用户各级知识需求的有效工具。标签通过对所标注内容的关键字式阐述，为用户提供有效、便捷的知识向导；同时标签为所标注内容提供分类依据：持相同或相近标签的知识被认为处于同一类别中，从而丰富自上而下（Top-down）的单一知识组织模式。已有研究分析并揭示标签在知识获取方面对用户的协助机制，然而这些研究中所使用的传统文字标签由于其文字表述形式而存在一些限制，一个主要方面就是不利于用户对标签内容和标签结构的理解，进而影响对所标注知识内容和知识结构的把握。这一限制随着知识内容多元化、表征方式多样性的出现而越来越明显。另一方面，由于标签数量增加所导致的表述词汇逐渐发散，使得用户无法通过词义捕捉多个标签间的结构关系，将原本相关联的标签被割裂开来。

从理论上讲，信息可视化和所有可视化研究一样，都基于符号学以及图形化认知的学说结论。可视化工具的存在使得原有的人机交互模式更加丰富、直接，也更符合人类认知规律和操作习惯。在信息可视化理论的发展背景下，标签同样经历了可视化的演变进程，从而更好地服务于以信息获取为目的的人机交互界面设计。本文将从标签理论提出之初开始，梳理标签可视化的发展进程，阐释标签在各个阶段对人机交互设计所起的作用及其发展特点。

1 标签可视化的发展阶段

第一阶段：文字标签。

大众分类法及标签的研究是信息管理和知识工程在强调用户参与之后的一个重要里程碑。标签的出现打破了原有专家定制的信息分类模式，极大地满足了对日益增长的网络信息资源管理的需求。

标签的研究在国内时间并不长但发展比较迅速。针对标签这一理论国内学者提出了大量相关衍生算法，诸如概念格、标签聚类算法等；同时也将标签应用于多种领域来解决具体问题，例如图书馆建设、基于标签的推荐系统、在线图像视频等多种类型的知识组织和搜寻。在国外，除了对标签的基础理论研究、标签相关系统研究和标签在信息管理中的应用研究外，一些学者还感兴趣于标签与用户的交互研究，定性、定量的从知识浏览、知识搜寻和知识分享的角度阐述了标签在知识活动中的作用机理。

然而正如引言中提到的那样，由于标签的传统表征形式，文字标签对用户在标签和被标注信息的内容和结构认知上存在不利因素，特别是随着信息量和标签数量上升，这种弊端越来越明显地存在于人机交互界面的设计当中。为了改善由文字表征形式所引起的标签问题，可视化手段将逐步引入到标签使用的环节当中。

第二阶段：图形化元素辅助的文字标签。

针对文字标签所产生的结构不清、重点标签不够突出问题，研究学者试图通过辅助可视化工具来改善标签的表征方式。这一阶段则以具有可视化结构的文字标签为主要对象。这类标签利用图形元素，将文字标签间的结构关系可视化，例如，可视化词典Visual Thesaurus和标签簇TagClusters。通过对文字标签添加颜色、线条等简单可视化元素来强调某些标签或强化标签间语义结构。

但在这些工具中，标签仍然持文字表征方式，仅将存在于同一语义类别下的标签集中在同一图形可视化背景中，用户可以根据背景的范围识别标签间的相关性。这与可视化本体的思想有相似之处。从广义上讲，标签云（Tag Clouds）也属于此类可视化标签的范例之一：针对标签云中标签的不同表征方式、不同聚簇方式讨论其有效性。

第三阶段：无规则图标标签。

随着标签内容的日渐丰富，简单的可视化元素不足以完全体现标签的互联信息和内涵信息，而随着计算机图形理论的日益发展，标签的可视化进程进入到第三阶段，即利用图标来进行信息标注，也可称之为图标标签。

作为图形、符号的有效结合体，图标的研究更是与图形化认知，尤其是双编码理论（Dual-coding Theory）有着密不可分的联系。图标标签是以图标这种图形化方式来对知识做标注的标签，被提出并实践于医药注释等领域当中。国内外针对图标最初的应用集中在界面设计和行为图标（Icon for action）中，大量有关图标的研究都是以认知学、符号学为基础，讨论图标的种类以及对应的认知行为。随着图标在可视化知识表征研究中的引用，知识图标（Icon for knowledge）的研究方向被逐步明确。部分系统相继利用图标作为知识表征的工具，诸如可视化药品系统、音频搜寻系统、危机管理系统等。具有知识指代内涵的图标标签加深了基于网络的知识组织系统中图形与标签、图形与所标注内容之间的联系。通过对图标所指代内容的理解（或协助理解），用户可以直接或间接的接收标签信息。

国内有关图标标签的概念虽未严格给出，但是有关图标标签早期的原型也可追溯到《中国图书馆分类法》中的图符库，其思想就是利用图符的指代认知功能来帮助用户理解分类结构中的知识内涵，这与图标标签的作用是相通的。然而无论是行为图标抑或知识图标，都没有强调图标间结构的重要性，这对图标标签的大规模应用造成一定的认知困难。

第四阶段：结构化图标标签。

在知识图标的基础上，结构化图标标签的概念被提出，也代表着标签可视化进入第四阶段。该新型标签被定义为附着有可视化图形编码的图标标签，用以利用自身的图形、符号双重特性来同时可视化标签内容和标签结构，从而最终协助表征被标注知识的内容和结构信息。结构化图标标签在被定义之后，分别通过手工标注实验、在线标注实验的方式证明了其可用性，尤其揭示了在标签结构表征方面相较于文字标签的优势之处。同时也确立了协同构建此种标签的准则，用户将可以类似于制造文字标签一样便捷的自行制造结构化图标标签。

相较于其他标签类型，结构化图标标签能够更好地与图标匹配。在文字标签中，仅仅尺寸和颜色两个可视化变量可以被应用，然而对于结构化图标标签来说，所有的图形变量都可以轻易地添加在原始图标上。因此结构化图标标签也许不是最好但却是最适合于标签可视化的方式。

这一标签类型有利于同时可视化标签内容和标签结构。区别于文字标签，结构化图标标签将首先提供图形表征物，然后符号将改善标签内容的理解，这会促进之后被标注文档内容的理解，或者至少为文档内容提供图形标签的辅助功能。结构化图标标签加强了多语环境下的知识标注和知识共享，区别于纯文字标签对标准词汇和制定语义的要求，在人机交互设计中，选取一个合适的图标和可视化元素来同时表征标签内容和标签结构显得更加符合实用性视角和美学视角下的设计要求。

2 结论

标签的可视化进程在经历了这4个阶段后逐步趋向成熟。它的进一步发展一方面将服务于构建新型的标签系统，通过研究用户使用结构化图标标签的知识行为来明析其与传统文字标签行为的区别和联系。这一结果将为系统设计者提供依据：图标标签和文字标签应该搭配使用还是单独使用，什么时间使用。根据此项研究的结论可以通过对比发现结构化图标标签在什么情况下可以代替或协助文字标签，在什么情况下可以改善文字标签的不足之处。这对之后确定结构化图标标签的使用环境具有现实意义。另一方面也为搭建可视化复合型知识平台界面提供理论依据，有利于解决跨组织、跨领域、甚至跨国界知识需求中，由于文字标签语言或内容理解不善而造成的浏览、搜寻、分享效率不高的问题，同时更是可以对图标具有绝对优势的应用领域做出应用推荐，例如以地图为知识行为媒介的知识组织系统：智慧城市、防灾工程等。

参考文献

[1]滕广青，毕强，高娅基.基于概念格的Folksonomy知识组织研究——Tag Cloud的层级体系构建.情报学报，2012，31（2）：136-142.

[2]张海燕，孟祥武.基于社会标签的推荐系统研究.情报理论与实践，2012，35（5）：103-106.

[3]冯祝斌，华薇娜.社会标签研究现状调研与分析——基于WoS、LISA、ACMI、EEE数据库. 情报杂志，2012，31（2）：157-162.

[4]查先进，吕彬.知识共享视角下的大众标注行为研究——基于标签的实证分析.图书馆论坛，2010，30（6）：76-81.

[5]Kipp，Margaret E.I. and Campbell， D. Grant. 2010. Searching with Tags： Do Tags Help Users Find Things？ Knowledge Organization， 37（4）： 239-255.

[6]Chen， Y.-X.， Santamaría， R.， Butz， A. and Therón， R. 2009. TagClusters： Semantic Aggregation of Collaborative Tags beyond TagClouds. Smart Graphics In Smart Graphics， Vol. 5531， pp 56-67.

[7]沈奎林，邵波，卢明.标签云在学术资源揭示中的研究与应用——以中国知网数据库中图书情报类核心期刊论文关键词为例.图书馆论坛，2013，33（3）：36-43.

[8]曾子明，张振.社会化标注系统中基于社区标签云的个性化推荐研究[J].情报杂志，2011，30（10）：128-133.

[9]Nakamura， C. and Zeng-Treitler， Q. 2012. A taxonomy of representation strategies in iconic communication. International journal of HumanComputer Studies， 70： 535-551.

[10]Ma， X.， Cahier， J.-P. 2014. An exploratory study on semantic arrangement of VDL-based iconic knowledge tags. Knowledge Organization， 41（1）： 14-29.

[11]Ma， X.， Cahier， J.-P. 2014. Graphically structured icons for knowledge tagging. Journal of Information Science， 40（6）：779-795.