当今是数字化智能时代,大量的数字化数据的随之涌现,亟须新的高效的数据组织和管理方法。随着机器学习等相关技术的发展以及国家和人民对文化领域的不断重视,科技与文化领域的交叉学科研究也受到越来越多的关注。其中,传统民族纹饰是中国传统文化的重要组成部分,蕴含着丰富的艺术价值。由于用户对传统民族纹饰数据标注时使用自定义的标签,使得标签质量不高。为更好地对传统民族纹饰数据进行组织和管理,对标签优化研究成为一个很有意义的研究课题。本文针对如何提高传统民族纹饰数据的标签缺乏结构信息以及质量低的问题,提出了标签优化算法,主要的研究内容如下:(1)针对标签没有类别信息这一问题,本文通过搜集大量的领域相关的数据,对相关文本的关键词提取和互联网中相关的半结构化数据的统计,并且领域专家交流沟通所构建了标签体系结构。在此基础上,利用词向量能表达标签的语义特征和支持向量机在高维空间良好分类能力的特性,提出了基于WV-SVM的标签分类算法。通过与基于朴素贝叶斯和K近邻的算法进行对比,证明了该算法的有效性。(2)针对标签不完备的问题,本文利用描述传统纹饰的文本进行命名实体识别,为充分挖掘出文本中的信息,识别出文本中的标签体系中的实体,为标签进行丰富和补充。本文使用基于BERT的命名实体识别方法,充分考虑文本的上下文信息,通过双层LSTM和CRF层的网络实现对文本的实体识别任务。(3)针对标签中存在着噪声标签这一问题,本文提出了一种面向传统纹饰图文数据的无关标签去除算法,该算法利用标签频率和标签的相关度计算出每一个标签的重要性得分,并通过自适应阈值计算,对无关标签进行剔除,通过实验证明该算法取得了良好的效果。本文面向传统民族纹饰数据,提出了一套标签优化算法,并在此基础上搭建了面向传统纹饰数据的标签优化系统,方便用户使用。