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
6 results
Search Results
Item 運用類神經網路方法分析基於面向的情感極性分類(2022) 王皓平; Wang, Hao-Ping隨著時代以及科技技術的成長，人們不像過去一樣，需要查看報紙、購買雜誌、詢問左右鄰居的情報才能知道自己想要得知的資訊。在科技技術的成長下，不管是餐廳的評價、筆記型電腦的實用程度，大部分的人們都可以使用網際網路來查看是否有所想要的資訊。本論文使用的資料集由SemEval-2014 Task 4官方所提供，並且含有四項子任務：(一) Aspect term extraction、(二) Aspect term polarity、(三) Aspect category detection、(四) Aspect category polarity，本論文進行第二項子任務研究，判斷出句子中的面向詞是正面、負面或中立，評估方式採用Accuracy，並且與當年競賽結果相比較。本論文實驗方法將資料先進行前處理並且轉成詞向量作為輸入的來源，以及將極性做情感標籤，並且使用Bi-LSTM (Bi-directional Long Short-Term Memory)、Self-attention(自注意力機制)及使用Two-level encoding對資料進行訓練。最後去比對每種不同模型的準確率，結果顯示Two-level encoding預測準確率餐廳達82%，筆記型電腦則達78%。Item 使用卷積神經網路進行飯店評論的情緒分析(2021) 蕭承豪; Hsiao, Cheng-Hao隨著網路與科技的蓬勃發展，產生了愈來愈多的數據與資料，就文字方面，評論方面占著一個很大一定的比例，這些評論的對象大多是人、產品、服務或活動等。其中線上旅遊論壇的興起使網路成為尋求旅行資訊的主要手段。旅行者在社交網站上相互交流並分享他們的觀點和經驗，每天產生大量評論，以至於產生在線酒店評論信息過載的問題。將近95％的旅行者在做出預訂決定之前先閱讀了在線酒店評論，並且超過三分之一的旅行者認為在網上選擇飯時，評論中表達的觀點是最關鍵的因素。因此，有效識別有益性的評論已成為重要的研究課題。 本文藉由擷取歐洲飯店515,000條客戶評論的資料做情緒分析，除了做一般的情緒分析，另外抽取詞性當作特徵，分別為完整資料集，只有形容詞跟副詞的形容詞，以及名詞還有動詞的資料集，經過卷積神經網路的訓練，並觀察實驗結果，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。Item 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 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。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。