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

系所網址：http://w1.csie.ntnu.edu.tw/

Browse

Subject: search.filters.subject.Sentiment Analysis

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    以深度學習對包含長文之資料集進行情感分析
    (2022) 陳宜威; Chen, I-Wei
    隨著網際網路的蓬勃發展，越來越多的訊息在社群網站、線上購物網站、論壇等各種網路平台間傳遞，而這一些訊息可能都表達了人們的看法或是評價。但是只依靠人力來觀察如此龐大的資訊量是非常沒有效率的，因此如何讓電腦得以代替人類完成這一項工作量龐大的任務是必要的。自然語言處理(Natural Language Processing,NLP)是一種讓電腦可以理解人類語言的技術，而情感分析(Sentiment Analysis)則是NLP其中的一項常見應用。它能夠了解字句間所表達的情緒，比如分析網路上對於某些產品、名人、事件等事物的評論立場為何，像是有好感還是持有負面態度。本實驗使用含有長文的IMDB資料集進行情感分析，該資料集將評論分為正面和負面，並且建立深度學習模型讓它藉由評論內容判斷評論表達的情緒是正面或負面，除了基本的LSTM和BERT模型以外，本實驗還有嘗詴讓BERT合併BERT或LSTM模型，希望藉由增加模型獲得的特徵來提高準確度，並且對各種模型的實驗結果進行比較。
  • No Thumbnail Available
    Item
    中文部落格文章之相關性擷取與意見傾向分析之研究
    (2015) 顏安孜; Yen, An-Zi
    隨著網路技術的發展，越來越多人透過網路分享自己的評論意見，如何在龐大的網路文章中，自動化分類文章意見傾向，是情感分析(Sentiment Analysis)重要的研究方向。在本論文中，本研究針對政論性文章，提出能擷取出與特定主題相關文章，並且進行文章的意見傾向分析的方法，意見傾向分類為正面、中立和負面。 為了能精確的分類文章，本研究提出非監督式和監督式學習方法，實驗分為擷取主題相關文章與主題相關文章意見傾向分析兩大部分。在非監督式方法中，本研究利用點對點相互資訊(Pointwise Mutual Information, PMI)的公式計算文中名詞和主題的相關程度，將相關程度高的名詞作為查詢擴充詞彙，若文章中包含主題詞或查詢擴充辭彙則代表與主題相關。然後，本研究分析主題相關文章中的句子結構，以lexicon-based的方法給予句子極性，並且探討句子中包含否定詞、轉折詞和句尾為問號對於極性的影響。 在監督式方法中，本研究選擇使用向量支援機器(SVM)進行文章分類，在主題相關文章擷取的實驗中，透過卡方檢驗(Chi-square test, CHI)的公式計算訓練資料的辭彙和類別為相關的分數，並將分數排序前20名的詞彙以兩個或三個為一組，本研究發現有些詞彙組合在同一篇文章中出現代表與主題相關。在主題相關文章意見傾向分析的實驗結果顯示，以詞彙在不同極性文章出現頻率選取訓練詞彙比使用卡方檢驗進行特徵挑選好，而特徵使用詞彙在訓練資料中的極性，比使用情感辭典的詞彙極性的結果好。 最後，比較非監督式與監督式學習方法的主題相關文章之意見傾向分析實驗結果，顯示監督式方法的結果比非監督式的方法好，精確率因為實驗主題不同，最高為70.84%，最低為65.49%。