出于好奇，我很想知道什么标签云格式最适合发现越来越多（相关）内容的目的？
我知道 3 种格式，但不知道哪一种最好。
1) 好吃的一个 http://delicious.com/tag- 颜色渐晕
2) The 标准一 http://stephenslighthouse.sirsidynix.com/LighthouseTagCloud.png字体大小变化 -
3) 本网站上的数字 - 显示重要性/用途的数字。
那么你更喜欢哪些呢？为什么？
Edit:感谢下面的答案，我现在对标签云可视化技术有了更多的了解。
4) 并行标签云 http://www.cs.toronto.edu/~ccollins/research/parallelTagClouds/parallel_tag_clouds.png- 平行坐标技术的简单使用。我发现它更有组织性和可读性。
5) 沃罗诺伊图 http://www.cs.toronto.edu/~ccollins/research/images/lattice_vis.jpg- 对于识别标签关系并根据它们做出决策更有用。不符合我们发现相关内容的目的。
6）思维导图——它们很好，可以用来逐步过滤内容。
我在这里发现了一些更有趣的技术 -http://www.cs.toronto.edu/~ccollins/research/index.html http://www.cs.toronto.edu/~ccollins/research/index.html
我确实认为这取决于信息的内容和受众。与一个人相关的内容与另一个人无关。如果受众更专业，那么他们更有可能沿着同样的思路思考，但仍然需要内容提供商进行分析和迎合。
人们还可以采取多种途径来“发现更多”。以标签“DNS”为例。您可以深入了解更具体的详细信息，例如“UDP 端口 53”和“MX 记录”，也可以使用“IP 地址”、“主机名”和“URL”等术语。 AVoronoi http://en.wikipedia.org/wiki/Voronoi_diagram该图显示了集群，但无法处理一般术语可能与许多概念相关的情况。主机名映射到“DNS”、“HTTP”、“SSH”等。
我注意到，在某些标签云中，通常有一两个项目比其他项目大得多。这类事情可以通过思维导图来实现，其中一个中心概念有其他概念从其中向外辐射。
对于有很多“主题”而思维导图不合适的情况，有平行坐标 http://en.wikipedia.org/wiki/Parallel_coordinates但这会让许多网络用户感到困惑。
我认为，如果我们找到一种组织良好的方法来对标签集群进行排序，同时保留通用性和特殊性之间的联系，这将对人工智能研究有所帮助。
就我个人更喜欢的方面而言，我认为数字方法很好，因为不经常引用的标签仍然以可读的字体大小呈现。我还认为这样做是因为它们比基于平均大小的云（按照标准）要覆盖更多的标签。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
