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
3 results
Search Results
Item 劇本文件探勘與廣告推薦之研究(2016) 沈信佑; Shen, Hsin-You本論文的研究議題，主要發想是因為觀察在目前電視劇之後的廣告時段中，大部分廣告播映的時機點都不一定恰當，而且廣告播映都需要人力排程，費時費力；此外，在觀看戲劇節目的經驗中，每次看完一個段落的戲劇，接著就會進入一段對觀眾而言，很漫長且無趣的廣告期，導致在此時間內有不少的觀眾會選擇轉去其他台，先收看他台正在播放的戲劇或節目，所以在此期間廠商的廣告效益就會因此而降低。因此本論文希望建立自動化劇本分析與廣告推薦系統，先經由分析與探勘劇本中重要的特徵詞，目的在於找出有效且具高準確率的模型，使推薦播出的廣告可以吸引觀眾目光，得到廣告商品的最大效益。 本論文實驗資料分別由兩種來源取得：第一種來源從金穗獎劇本找出12個劇本做為劇本文件資料，第二種來源為隨機取得的一些廣告群做為廣告商品資料庫。經由本論文所提方法實驗之後，最後會與人力評斷的結果互相比對，用來驗證本實驗各項結果是否成功，實驗結果評估對象包含各段落重點度與最佳之推薦廣告。 研究方法以兩項目標為導向：包含(1)計算各段落重點度，與(2)推薦最佳廣告。為了計算各段落重點度，首先需找出劇本中幫助分析重點度的特徵詞，這些特徵詞將是日後分析重點度時重要的關鍵。而在最佳廣告推薦方面，於每個段落內先找出所有特徵詞Na，選取每個段落排名前三名的Na詞，接著使用廣義知網找出延伸詞，幫助劇本內容與廣告商品的聯結，然後再找出重點度特徵詞後，就可以分析劇本中各段落的評分狀況，每個段落會得出最佳推薦的廣告，最後再供廣告商選擇那些段落需下廣告，詳細的步驟與方法本文內會再敘述。對於實驗結果，本研究以準確度當做評估的標準。Item 利用廣義知網及維基百科於劇本文件之廣告推薦(2016) 陳信裕; Chen, Sin-Yu本論文的研究議題，主要是因為觀察到目前電視劇進入廣告時段時，大部分的廣告內容很枯燥乏味又冗長，而且廣告和電視劇的內容又不相關，導致在此時會有不少觀眾會選擇轉到其他電視台，先觀看其他電視台的電視劇，或是忙一些手邊事情，所以就造成這個時段的廣告廠商效益因此降低，而且廣告播映都需使用人力排程，費時又費力。因此本論文希望建立一個自動化劇本分析與廣告推薦系統，先從劇本內容分析與探勘重要的特徵詞，作為模型中有效且具高準確率的特徵，讓所推薦的廣告在播出時能夠吸引觀眾的目光，使廣告商品可以得到最大效益。 本論文實驗資料來源分別由兩種取得：第一種來源是從金穗獎劇本網站中找出12個劇本做為劇本文件資料，第二種來源是從維基百科中搜尋廣告商品，取得廣告商品簡介做為廣告商品資料庫。經由本論文所提方法實驗之後，最後會以自動化的方式互相比對，用來驗證本實驗各項結果是否成功，實驗結果評估對象包含劇本重點度為4及5分的段落與最佳廣告之推薦。 研究方法以兩項目標為導向：包含(1)自動化計算各段落重點度，與(2)推薦最佳廣告。為了計算各段落重點度，使用先前研究方法自動化找出劇本中幫助分析重點度的特徵詞，這些特徵詞將是分析重點度時重要的關鍵。而在最佳廣告推薦，於重點度為4及5分的段落內先找出所有特徵詞Na，接著使用廣義知網找出特徵詞Na上兩層的延伸詞，作為幫助劇本段落內容與廣告商品之間的聯結，經由自動化比對後，本研究將依據重點度為4及5分的段落特性，進而得出最佳推薦的廣告，最後所得到的實驗結果再提供給廣告商選擇，讓他們選擇在哪些段落可以下與自家產品相關的廣告，詳細的步驟與方法本文內會再敘述。對於實驗結果，本研究以準確度當做評估的標準。Item 使用廣義知網於情感詞彙之極性分析研究(2015) 陳傳生; Chen, Chuan-Sheng近幾年隨著網路的快速發展，我們可以根據自己的需求，很方便的找到各式各樣相關的資料。在消費前，人們往往習慣於收集評論和分析做為參考；而評論中出現的情感詞彙更是影響使用者看法的指標。採用人工的方式找出意見詞彙，雖然準確度高，卻相當耗費時間和人力，更永遠不可能趕上資訊產生的速度。 在此本論文提出一種非監督的方法，過程不需要人工的介入。主要目的是分析電影領域的評論文章，從中找出帶有情感的詞彙，並給予極性。本論文分兩大部分處理此問題，第一部分透過中文的語法規則找出情感詞彙可能出現的位置，收集這些位置出現的詞彙做為種子，接著透過廣義知網進行擴充。本研究統計廣義知網對部分詞彙情緒標記的正負數目，給予一個類別中的成員相同的極性。 在第二部分中，針對國立臺灣大學情緒詞詞典NTUSD（舊版）進行斷詞分析，再次透過廣義知網擴充，找出可能的情緒詞彙。對於無法由廣義知網部分詞彙的情緒標記而得到極性的詞彙，和NTUSD（舊版）進行完全比對，試著納入更多的擴充詞彙。最後利用前幾步驟中得到的類別整體極性，為帶有複雜概念結構的詞彙分類極性。 結合兩部分後，本研究以人工方式選出的980個情緒詞彙做測試，實驗結果顯示可以得到92.48％的正確率。