資訊工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60

本系前身「資訊教育學系」成立於民國七十四年,首先招收大學部學生,民國九十年成立資訊工程研究所碩士班,而後於民國九十五年進行系、所調整合併為「資訊工程學系」;並於九十六年成立博士班。本系目前每年約招收大學部四十餘人,碩士班六十餘人,博士班約五人,截至民國一百零四年十一月止,總計現有大學部一百九十多人,碩士班一百二十多人,博士班二十三人,合計學生人數約為三百三十多位。

News

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    使用深度學習方法於產品評論之建議探勘
    (2019) 周伯冠; JHOU, BO-GUAN
    隨著網路的普及,許多的資訊愈來愈容易被搜索。其中,產品評論相關的訊息也隨著社群網路的發展被公開在社群中。這類的社群包含,論壇、社群網站、和產品官方網站等,甚至有組織專門在蒐集這些評論後組成評論相關的網站,並且將評論分類,給受用戶查看。消費者可以在上述的網站中查看產品的使用狀況與心得和是否符合自身所需,再決定是否購買;產品提供者也可以透過評論持續收集使用者的使用狀況與心得,對產品進行迭代設計,對產品進行改良以符合大眾的需求。 本研究將評論分為建議句 (suggestion)和非建議句 (non-suggestion)。使用 Stanford Core NLP 斷詞系統將文本以詞為單位進行處理;詞的表達方式分為兩種,詞向量與詞頻率;模型採用深度學習類神經網路,分為全連結類神經網路 (Full Connected Neural Networks, FCNN)、卷積類神經網路 (Convolutional Neural Networks, CNN)與長短期記憶類神經網路 (Long Short-Term Memory, LSTM)。本研究以 Z-Score 方式標準化詞頻率表達式,並用全連結類神經網路訓練,此架構即可和利用詞向量在卷積類神經網路與長短期記憶類神經網路有差不多效果,但速度上快非常多。此外,本研究提供結合詞向量與詞頻率表達式在上述三種模型上訓練,進而對結果做比較分析。效能的評估方式以精準率 (Precision)、召回率 (Recall) 和 F1 分數 (F1-measure, F1)作比較。