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.natural language processing

Search Results

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    以自然語言技術自動評估學生答案之研究
    (2010) 曹家豪
    　　為了增進老師與學生之間的互動以提高學生學習的意願，最主要的事是讓老師能迅速的了解學生的學習狀況，一個智慧型電腦系統應該要具備有自動評量學生分數的功能，當老師提出了問題後，一開始我們先建立評量的文件集，有了這些文件集後，我們依照下列的步驟去擷取出有意義的資訊：(1)為了得到句法的相關資訊，我們一開始對文件做詞性標記，(2)因為標點符號以及十進位數字會對我們造成干擾的資訊，我們也對此進行去除的動作，(3)為了聚集更好的資訊，我們也對句子進行正規化以及還原成字根的步驟，(4)擷取另外的資訊。在這篇論文中我們將評量的問題改成以分類的角度來進行實驗，即將學生分數分成兩個類別，其中一個類別是得分為6分到10分，另外一個類別就是0到5分。我們得到平均精確度為65.2%，並且從初步的二分類擴展到多分類，precision由原本的65.2%提高到70.8%藉由SVM進行的實驗得到了一個令人振奮的結果，在未來希望能有更進一步的成果。
  • No Thumbnail Available
    Item
    以機率模型為基礎之生醫文件指代消解方法
    (2013) 蔡育霖; Yu-Lin Tsai
    指代問題是自然語言中的普遍現象，隨著科技進步，生物醫學文件也需要處理指代消解問題以便擷取正確的訊息。若能解決文獻中具有指代關係的名詞片語，對於以後生醫研究人員在使用文獻上得到正確的描述會有很大的幫助，更希望透過此研究能夠加速生物醫學的發展。 在本研究中應用QA4MRE (Question Answering for Machine Reading Evaluation)提供的四篇關於阿茲海默症的生物醫學文件上進行非代名詞的指代消解，依照下列步驟擷取有意義的資訊：(1)為了得到句子的範圍，進行分句的處理，(2)為了得到句法的相關資訊，使用GDep (GENIA Dependency parser)對文件進行詞性標記，(3)為了聚集更好的特徵資訊，擷取出句子中主要的名詞以及前位修飾詞，(4)為了得到更準確的指代詞，使用規則對候選指代詞進行過濾，最後經由規則集和特徵集擷取出特徵資訊。在這篇論文中使用貝式理論的機率模型進行指代消解，應用了7種特徵值來進行實驗，實驗結果顯示precision為73.83%、recall為67.36%和F-measure為70.36%，在生醫文件的指代消解問題上屬於不錯的結果。
  • No Thumbnail Available
    Item
    Sentiment Analysis of Movie Reviews with Deep Learning Methods
    (2019) 曾相利; Indra Pramana
    none
  • No Thumbnail Available
    Item
    電影評論之助益性分析研究
    (2018) 徐志廷; Hsu, Chih-Ting
    現今網際網路的蓬勃發展下，巨大的資料量已經是無可避免的趨勢，其中也包含了使用者留下的評論。眾多的評論中不一定每則都是有用的資訊，因此從大量的使用者評論中篩選出有助益性的評論，是本篇論文的研究目標。 評論的有助益性(review helpfulness)並沒有一個標準的定義，只要能幫助使用者有所思考，就能是助益性的一種。因此本研究嘗試透過各項特徵給定評論分數，作為判斷的依據。 本篇論文以雅虎電影中文短篇評論做為研究題材，使用中央研究院中文斷詞系統先將評論進行斷詞處理，再從資料裡找出TFIDF關鍵詞、詞性及評論長度。其中TFIDF關鍵詞經過教育部線上辭典進行同/反義詞擴充，並使用臺灣大學建立的情緒詞詞典NTUSD (National Taiwan University Semantic Dictionary)進行比對，找出每則評論所包含的情緒詞，且計算情緒詞出現的次數。並使用SVM訓練模型及預測結果，得到了79.7%的準確率。