همزمان با رشد سریع شبکه های اجتماعی، انتشار مطالب نامناسب و هرزنامه در این شبکه ها مشاهده می شود. هرزنامه ها سبب می شوند که صفحات شخصی کاربران با انبوهی از این پیام ها مواجه شده و این امر سبب اتلاف وقت کاربران و بار ترافیکی بالا در هنگام مشاهده این شبکه ها می شود. علاوه براین، ارسال پیام های فریب کارانه بهدلیل برقراری ارتباطات آسان در این شبکه ها، سبب بهدست آوردن اطلاعات حساس کاربران می شود؛ از دیگر این مشکلات، می توان به قرارگیری محتوای مربوط به بزرگسالان اشاره کرد که کاربر بدون علم به این موضوع، در صفحه شخصی خود با چنین پیام هایی مواجه می شود. مطالب نامناسبی که توسط دوستان کاربران یا ارسالکنندگان هرزنامه ارسال می شود، در صفحهخانه کاربران و صفحه ارسالکنندگان هرزنامه قابل مشاهده است. در این مقاله، روشی جدید مبتنی بر برچسب گذاری محتوا به منظور شناسایی و مدیریت هرزنامه در شبکه های اجتماعی ارائه شده است. این روش برای برچسب گذاری مطالب هرزنامه، فریب کارانه و مربوط به بزرگسالان (18+) به کار گرفته شده است تا بدین وسیله، بتوان پست های صفحهخانه کاربر را بر اساس بازخورد کاربران مدیریت کرده و آنها را برچسب گذاری و پنهان نمود. روش پیشنهادی بر روی یک نرم افزار شبکه اجتماعی متن باز پیاده سازی شده است. داده ها در حدود 2 ماه از کارکرد این شبکه اجتماعی جمعآوری و پست ها، برچسب گذاری شده و روش پیشنهادی بر روی پست های صفحه خانه کاربران و صفحه ارسالکنندگان هرزنامه اعمال شده است. روش مدیریت محتوای پیشنهادی، کاهش قابل توجهی از مطالب هرزنامه و فریب کارانه را در این شبکه نشان داده است.

حضور مواد غذایی تراریخته در بازار مصرف از دهه 90 میلادی آغاز شده است. شایع ترین محصولات تراریخته سویا، ذرت، پنبه و کانولا هستند و مهمترین دست کاری ژنتیکی مقاومت آنها در برابر علف کش ها و آفات گیاهی است. نگرانی درباره ایمنی این مواد غذایی منجر به ایجاد اقداماتی در زمینه برچسب گذاری آنها گردید. از 1997 م. تاکنون طبق مصوبات اتحادیه اروپا نحوه برچسب گذاری محصولات تراریخته تعیین شده است. اغلب موافقان این امر، داشتن اطلاع کافی نسبت به ویژگی های غذای مصرفی را حق مصرف کننده می دانند در حالی که مخالفان معتقدند برچسب گذاری هزینه بر است و نهایتا منجر به رد محصول از طرف مصرف کننده می گردد. این مقاله درصدد است به جنبه های گوناگون برچسب گذاری مواد غذایی تراریخته بپردازد.

برچسب گذاری اجزای واژگانی کلام، موضوع تحقیقاتی مهمی در حوزه پردازش زبان طبیعی است و پایه بسیاری از دیگر مباحث مطرح در این حوزه است. تاکنون تحقیقات گسترده ای با رویکردهای متعدد در زبان های دیگر انجام و نتایج چشم گیری حاصل شده است. این موضوع سنگ بنای بسیاری از روش های مورد استفاده در حوزه های دیگر پردازش زبان طبیعی، هم چون ترجمه ماشینی، خطایاب، تبدیل متن به گفتار، تشخیص گفتار است، فعالیت بر روی این موضوع تحقیقاتی می تواند راهگشای این مباحث در زبان فارسی باشد.در این مقاله با بیان مسایل پیش رو در برچسب گذاری اجزای واژگانی کلام در زبان فارسی، یک طرح کلی برای نیل به یک برچسب گذار خودکار با دقت بالا در زبان فارسی پیشنهاد می گردد. پس از آن تحلیل ساخت واژی و استفاده از آن را برای پوشش دادن تعداد زیادی از برچسب های پیکره با حفظ دقت بالا در برچسب گذاری کلمات مورد بررسی دقیق تر قرار داده و تاثیر وجود یک تحلیل گر ساخت واژی در سطح تصریف را بر برچسب گذاری اجزای واژگانی کلام در زبان فارسی بررسی می کنیم. نتایج به دست آمده نشان از کارآیی بسیار مناسب این روش پیشنهادی در برچسب گذاری دارد.

هدف: با ظهور وب2، یکی از ابزارهایی که امکان تعامل بیش تر کاربران با نظام های کتابخانه ای را فراهم می سازد، برچسب گذاری اجتماعی است که کمتر مورد توجه قرار گرفته است. در این مقاله این ابزار وب2 از دیدگاه منابع کتابخانه ای مورد بحث و بررسی قرار گرفته است.روش پژوهش: این مقاله از نوع مروری است و از بررسی متون تخصصی موجود، وب سایت ها و اپک های کتابخانه ای به کارگیرنده برچسب گذاری ها برای ارائه مطالب استفاده شده است.یافته ها و نتیجه گیری: امروزه در فهرست های پیوسته عمومی (اپک) فراوانی از برچسب گذاری اجتماعی استفاده می شود. بر این اساس یک قابلیت جستجوی جدید بر مبنای برچسب های داده شده به منابع به اپک ها اضافه می شود که به غنای بیش تر فهرست ها کمک می کند. چالش هایی نیز در این مسیر وجود دارد که شامل تاثیرپذیری برچسب ها از علایق، نیازها و مهارت های کاربران، نبود کنترل، مشکلات زبانی و نگارشی و اضافه بار اطلاعاتی حاصل است.استفاده از برچسب گذاری اجتماعی در جستجوی موضوعی به معنای حذف نقش کتابدار از فرایند سازماندهی اطلاعات نیست، بلکه لازم است کتابدار متخصص به عنوان یک ناظر عمل کند و راه را برای بالا بردن رضایت کاربران هموار سازد.

هدف مرور نظام مند پژوهش های حوزه معناشناسی در سامانه های برچسب گذاری اجتماعی، به منظور شناسایی شاخه های موضوعی قابل توجه پژوهشگران، مرور راهکارهای رفع یا کاهش اثرات مسایل معناشناسی بر بازیابی اطلاعات در این سامانه ها و شناسایی شکاف های پژوهشی این حوزه است. روش پژوهش: پژوهش به روش مرور نظام مند انجام گرفته است. به این منظور، با جستجو در پایگاه های اطلاعاتی، 101 مقاله پژوهشی به زبان انگلیسی در بازه زمانی 2003-2019 انتخاب و پس از پالایش، 44 پژوهش تحلیل شد. یافته ها محورهای موضوعی مهم شامل طراحی یک سامانه برچسب گذاری معنایی، استفاده از وردنت برای تعیین رابطه معنایی میان برچسب ها، بهره گیری از بافت برای ابهام زدایی از معنای برچسب، تولید الگوریتم برچسب گذاری معنایی خودکار بودند. خلاهای پژوهشی برای انجام پژوهش های آتی عبارتند از: ابداع روشی برای شناسایی منابع حاوی معنایی خاص از یک برچسب بدون نیاز به بررسی همه منابع، بررسی امکان استفاده از روش های خوشه بندی برچسب ها برای خوشه بندی منابع. نتیجه گیری: با توجه به شکاف های پژوهشی همچنان مسیله معنا در سامانه های برچسب گذاری می تواند از حوزه های مهم مطالعات پژوهشی سازماندهی اطلاعات باشد.