1研究背景 
　　信息挖掘等技术的进步呈现了信息之间的关系，Zong Qianjin等人提出了通过修改数据库，增加标识各网络的字段的方法取得各不同网络之间的信息。Paul Heymann等人通过算法实现了从协作标签系统（Collaborative tagging systems） 向可交互的等级分类标记标记系统的转化，从而完成了信息的溯源和交互。 
　　本文通过建立BARP——基于特征词串进行信息挖掘的网络模型，对其构成要素及各要素相互关系进行研究，深入分析了此模型实现流程，找到一条能提高当前出版工作效率、推动其自动化与智能化的途径。 
　　图1 TAG挖掘 
　　2 BARP模型的分析 
　　2.1 BARP模型的构成要素分析 
　　BARP模型的要素包括BOOK（书籍网络）、AUTHOR（作者网络）、READER（读者网络）、PUBLISHER（出版者网络）。 
　　2.1.1书籍网络 
　　此部分主要有书名、定价等信息，并且统计出特定类别已经出版的丛书数、总书数、总评论数量以及书的平均定价等参考信息。在书籍网络中还给出评论最多书的概况，以及不同评论数范围内的书籍的数目，点击相应的链接便可以查看该书的具体信息。从标签云中可以得到哪一类的图书受欢迎、哪一方面的内容能够吸引读者等相关信息。 
　　2.1.2作者网络 
　　在这部分是相应类别的作者的信息，显示了作者所著的丛书数、总出版数、总评论数，还列出了所获评论数最多的图书的信息的链接，点击即可查看其详细信息。双击图书条目，在新的窗口中显示出了加详细的信息，包括作者所著的所有书的评论分布，也可以查相应的书目的信息。 
　　2.1.3读者网络： 
　　在读者网络部分，根据购书后的评论，生成了相应的购买前购买后的标签云，根据这个标签云可以得到对所出版类别的书籍的内容、装帧等方面的建设性的建议。 
　　2.1.4出版者网络 
　　出版者网络部分列出了出版该类书的各个出版社的出版百分比，以及各个获得的总的评论数目，还有相应的最高评论的书籍以及出版者所出版的的所有书的评论分布。 
　　2.2 基于TAG的网络跳转分析 
　　2.2.1 类别标签 
　　类别是指书内容所属的分类范畴，与传统使用严格的分类法不同，该模型的类别是由用户自定义的。即一本书可以定义为多个类别标签，以一本小说《一九八四》为例，其类别标签可以为“外国小说”、“乔治·奥威尔”、“反乌托邦小说”等。 
　　类别标签可以有效连结书与书。可以通过类别标签，轻易找出同类别的书。 
　　类别标签可以实现出版社与书的跳转。可以找出出版某一类图书最多的出版社情况，也可以查看某一出版社出版最多图书的种类。 
　　类别标签可以促进作者与书的跳转。经由类别标签，能够看到写作某一类书最多的作者，也能了解某一作者最为高产的书的类别。 
　　2.2.2 评价标签 
　　评价是根据读者对于该书的评价，通过分词等技术手段，生成关于该书评价的标签云。 
　　评价标签能够实现书之间连结。评价标签不仅能够获得对于一本书最多的评价，也能够实现类似评价的书与书的连结。 
　　评价标签能够有助于作者内部的连结。通过评价标签，可以获得对某一作者的主要评价，也可以找出获得相似评价的作者。 
　　评价标签能够实现读者之间以及读者与书连结。借由评价标签，可以找出对同一本书具有相似评价的读者，这样有利于读者之间关系建立，同时可以向读者推荐与他相似读者所推荐的书。 
　　3基于TAG挖掘BARP网络模型的应用 
　　3.1出版机构选题参考 
　　出版机构选题一般是依靠编辑在选题策划环节的经验，这具有较大的主观性与随意性。而基于TAG挖掘BARP网络模型的建立，能够让出版机构很容易发现读者的兴趣与评价。对于已经出版的书籍，通过评价标签的跳转，出版商能够获得对该书读者的总体评价，通过这样的反馈为以后的选题策划提供改进意见。同时，通过类别标签的跳转，出版商可以了解目前出版市场内容趋势，并且借由类别标签找到撰写相关内容的作者，以及对该内容感兴趣的读者，这对于预测出版热点、进行选题策划具有现实指导意义。 
　　3.2基于兴趣的读者网络建立 
　　以往读者组织只能通过读书会等形式进行，范围较小，成本较高，而网络技术使得读者组织变得简单高效。借助基于TAG挖掘BARP网络模型，可以将对于同一类别书籍具有相同喜好的读者联系起来，真正做到以书籍为媒介，建立读者间的关系网络。更为重要的是，通过人与人的连结，可以提取人群对于书籍的偏好，这是进行书籍推荐算法设计的基础。