随着WEB2.0.3.0的应用(CSS+DIV+Ajax) TAG才广泛被应用,目的是为了更好的显示和突出搜寻的重点关键词或者词条,以便更好的索引和指导用户浏览和索引~

例如:以往我们对网页的分类只是停留在企业新闻,行业新闻,最新新闻的层面,随着TAG的应用,也分类泛生出如:企业、行业、类别、热点、重要、聚焦的等等热点词条上,以便更好的引导和被搜索引擎捕捉~

但是tag又不同于一般的目录结构的分类方法,首先tag能以较少的代价细化分类,想像一下,一篇涉及面比较广的文章,比如一篇谈论20世纪以来物理学的成就的文章,可能会涉及到相对论、量子力学、黑洞理论、大爆炸宇宙理论,可能涉及到爱因斯坦、普朗克等科学家,甚至可能涉及到诺贝尔奖。如果你用目录结构的分类方法的话,根本不可能按这篇文章涉及到的各个方面来分类,因为要细化分类,将使整个目录结构异常庞大,更加不利于资料的组织以及查找。而tag则不同,它可以自由地不考虑目录结构的给文章进行分类,各个tag之间的关系是一种平行的关系,但是又可以根据相关性分析,将经常一起出现的tag关联起来,而产生一种相关性的分类。[1]

不仅如此,还通过与Technorati的合作,把您的Tag发送到全球Blog空间,和全世界的人们共同分享。Tag体现了群体的力量,使得日志之间的相关性和用户之间的交互性大大增强,可以让您看到一个更加多样化的世界,一个关联度更大的Blog空间,一个热点实时播报的新闻台。Tag为您提供前所未有的网络新体验。

Tag也可以说是一种关键词标记,更利于搜索查找。但是tag也不同于一般的关键词,用一般的关键词进行搜索时,只能搜索到文章里面提到了的关键词,但利用好tag却可以将文章中根本没有的关键词作为tag来标记,比如上面那篇文章,我可以标记为“资料”或者“历史”,当然更多的时候是标记为“物理”,不过,我如果标记上“资料”的tag,则可以将所有资料性的文章全部关联起来,便于查找。

当然,您也可以简单地把一个Tag(标签)理解为一个日志分类,但是Tag和分类的不同之处也很明显:

首先,分类是您在写日志之前就定好的,而Tag是在您写完日志之后再添加的;

其次,您可以同时为一篇日志贴上好几个Tag(标签),方便自己随时查找,而原先一篇日志只能有一个分类;

再次,当您积累了一定数量的Tag之后,您可以看看自己在Blog中最经常写的是哪些话题;

最后,您可以看到有哪些人和自己使用了一样的Tag(标签),进而找到和您志趣相投的Blogger。

举一个例子,比如说:您写了一篇到北京旅游的日志,原来您都是把这一类的日志放到自己的“游记”分类下,但是有了Tag之后,您可以给这篇日志同时加上 “旅游”、“北京”、“天安门”、“游记”、“长城”、“故宫”等几个Tag,当浏览者点击其中任何一个Tag,他都可以看到您的这篇日志。同时您自己也可以通过点击这几个Tag,看看究竟有谁也去了北京旅游,或许你们还可以交流一下旅游心得,成为下一次出游的伙伴呢!

相关查询: 2.0.3.0 关键词
最新查询:提名奖 出口贸易 宇宙速度 经济困境 杨梅镇 杨佳妮 base MacDonald indignation %E6%B8%85%E7%9C%9F%E5%AF%BA Chris+Geere 数理逻辑:基本原理与形式演算 三千多 微生物学 华尔街 SWANGROUPS.R.L. 毛主席 Principle 男青年 黄石市统计局 行走路线 西米谷 扶弱抑强 田畑秀则 恩斯特·维歇特 落成典礼 时不时 工程科 伞兵部队 麦香奶茶酥 tinnunculus yueyang 利令智昏 标点符号 Taeyeon 探路者 化学作用 ventral 地下水位 减速慢行 广安门小区 死亡者 vernacular 释灵源 茉莉花 平起平坐 Echiura 活到老 在群众中 Wissenschaften 遥控器 十八日 长话短说 整齐划一 中信皇廷棋牌游戏 先锋派 婚姻法 迦太基 wgo 伊肯斯 吉拉德 流行音乐 近卫军 希奇古怪 对不起 抗倭英雄戚继光 管弦乐队合奏 应用心理学 墨守成规 教育费 米什妮·金贝恩 大力神 血管性 Oscines ciliate Starkie Piccadilly CPBX-T perished tag
友情链接: 知道 电影 百科 好搜 问答 微信 值得买 巨便宜 天天特价 洛阳汽车脚垫 女装 女鞋 母婴 内衣 零食 美妆 汽车 油价 郑州 北京 上海 广州 深圳 杭州 南京 苏州 武汉 天津 重庆 成都 大连 宁波 济南 西安 石家庄 沈阳 南阳 临沂 邯郸 保定 温州 东莞 洛阳 周口 青岛 徐州 赣州 菏泽 泉州 长春 唐山 商丘 南通 盐城 驻马店 佛山 衡阳 沧州 福州 昆明 无锡 南昌 黄冈 遵义
© 2026 haodianxin 百科 豫ICP备14030218号-3 消耗时间:0.020秒 内存0.85MB 2025-09-15 22:34:57