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 中文文法剖析應用於電影評論之意見情感分類(2012) 張莊平; Chang, Chuang-ping在網路發達的現今社會，各種領域的評論資訊觸手可及，人們也習慣於收集產品的網路評論作為消費前的參考。尤其在電影產品上，除了從片商釋出預告片裡的片段內容外，事前無法試看，事後也無法退費。因此在前往電影院購票前，人們會更加重視網路上的評論心得。 在本篇論文中，收集來自電影評論網當中觀影民眾的評論文章，希望透過自然語言的分析技術，總結出一個電影整體的推薦分數以及數個電影元素（如劇情、演員、特效等）的高頻率意見詞，提供使用者選擇適合自己的電影觀賞。 在研究方法上，選擇以中文電影的評論文章為主，在傳統的電影評論意見分類步驟中引入中央研究院的中文剖析器，發展一套根據文法關係圖判斷意見詞與屬性詞配對的程式流程，以便針對大量字數的評論文章獲得更準確的分析及評分結果，最後再以五等第制的方式呈現。 實驗的結果證明本論文所提出系統的評分結果在誤差一分的情況下有70.7%的準確率，整體的MRR值為0.61；將五等第化為推薦與不推薦的結論時，也分別獲得了F-score 74.3%與51.4%的成果。這表示本實驗系統在透過大量收集網路評論文章來幫助使用者判斷電影的推薦程度上，確實達到預期的效果。Item 利用臉書資訊探討網路新聞的吸引度及極性分析(2017) 楊登堯; Yang, Deng-Yao過去人們獲取資訊的途徑只有從談話、書籍、報章雜誌等媒體，資訊量的收集速度緩慢且數量有限，然而現今網路的發達以及科技改良所賜，網路的方便性及發達帶給了這個社會資訊化。 社群網站的興起(例如:facebook、twitter)，讓許多人開始透過這些網路平台，迅速傳播新聞資訊或就生活上的知識進行交流與溝通。報紙雜誌等傳統媒體，也開始透過網路平台進行發佈。 然而在資訊爆炸的時代，人們該如何從這些大量的報導中獲取想要或者喜歡的資訊，而媒體又該如何從新聞內文中適當的撰寫以便吸引閱聽人，讓人們能夠喜歡閱讀該報導，並且可以從這些報導當中，發掘現今人們的新聞喜好傾向，這些都是目前值得研究者探討且著墨的地方。 本研究將首先利用情緒分析的技術，分析現在網路新聞內文經常使用哪些詞彙或語句，可激發閱聽人的情緒反應以增加其閱讀興趣。其次，為了更進一步了解新聞極性的趨勢，也就是正向的新聞比較受歡迎還是負向的新聞比較受歡迎，會先進行斷詞之後，利用TF-IDF值尋找出關鍵字，然後利用語料庫進行比對，得到正向詞與負向詞的資訊，接著再利用Facebook提供的讚數當作佐證，就可以看出現在人們是喜歡哪一類的新聞。 研究結果發現，閱聽者比較常關注負向新聞，並且本研究利用圖斯勒(Marc Trussler)和索羅卡(Stuart Soroka)在加拿大麥基爾大學(McGill University)的實驗結果相比對，顯示和從心理系角度所做的研究，有相符的結果，進而佐證本研究的可信度。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。