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 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。Item 以支持向量機為基礎之問卷填答識別研究(2012) 簡培修; Pei Hsiu Chien在現今電腦網路蓬勃發展的世代，部分的紙本問卷已轉成線上問卷，方便快速統計結果，然而仍然有許多電腦與網路不便使用的場合，例如：餐廳用餐、商店購物、銀行存提款、參加產品發表會或研討會、或是到政府機關洽公等，在這些場景中，通常不方便提供電腦及網路供問卷填寫，若要在第一時間取得意見回饋，紙本型式的問卷還是最直接且最便利的管道。而一般問卷設計，為了讓填答者方便填寫，以及快速統計填答結果，大部分會以選擇題方式呈現，不論是學術研究領域或是商業軟體，對這一類型問題的處理方式仍以計算填答區域中的可視點數量，作為是否有被標記之主要依據，然而雜訊問題以及填答者填答方式的多樣性（勾選、畫叉、塗滿等），經常讓這些計算可視點數的方法無法正確辨識選項是否被標記。 本論文提出一套完整的問卷處理流程，從空白的問卷自動擷取填答區域，並依照題目順序加以群組，輔助問卷設計者建立填答區域的model檔案；然後以支持向量機方法結合輔助判定規則，進行標記自動辨識，利用機器學習的途徑解決雜訊的問題，提高辨識正確率；同時嘗試利用「填答者意圖」的理念，嘗試解決填答者塗改答案的問題，而在實驗部份，以兩個真實的問卷應用驗證系統效能，另外，擴展系統功能為大學新生智慧財產權測驗進行評分。實驗結果顯示，SVM對於選項是否被標記的正確率達到99%以上；另一方面，以問題為基礎的正確率也達98%以上。最後本論文亦提出混合型支持向量機的作法來處理非一般性的選項符號，經實驗的結果顯示，將混合型支持向量機應用在上述的問卷與試卷，其正確率也都可達95%以上，表示混合型的SVM可應用於對正確率要求不是那麼高的問卷。Item 結合監督式及非監督式方法進行新聞文章意見持有者辨識之研究(2016) 張益豪; Chang, Yi-Hao意見探勘幫助我們自動地從大量的可靠來源文本，擷取人們感興趣且可利用的主觀性資訊。意見句可分為四個部分，包括意見主題、意見持有者、意見主張及意見情感，本研究目的在於辨識意見持有者。本研究提出一個結合監督式及非監督式學習的方法，辨識意見句中的文章作者或持有者代表詞，本研究的主要流程任務分成兩個部分：文章作者意見辨識、意見持有者辨識。 意見持有者辨識目的是從意見句中擷取出表達此意見的人物名或組織名，以監督式學習方法為基礎，從包含主觀性意見句的文檔中，人工標記意見持有者的代表詞答案，再經由自然語言處理方法進行預處理步驟(包含斷詞、詞性標記及具名實體辨識等)，之後將兩個主要任務通過各自建立的數個支援向量機模型，對意見表達句進行文章作者辨識與意見持有者的識別。在文章作者意見辨識中使用包含詞彙相關資訊、詞性相關資訊、標點符號相關資訊、具名實體相關資訊、句法相關資訊、意見詞資訊等特徵值；在意見持有者的識別中則使用包含詞性相關資訊、詞彙相關資訊、具名實體相關資訊、文句組成相關資訊、標點符號相關資訊等特徵值。最後合併兩部分的辨識結果，產生系統提報的意見持有者。 對於一個意見句中含有多個意見持有者候選詞之問題，我們利用公式計算出代表意見持有者的詞彙，並借助本研究制定的規則，修正持有者代表詞完整度不足的問題；此外，對於意見持有者涉及指代消解問題的情況，本研究使用Hobbs Algorithm句法剖析的方式解決此問題。本研究的系統辨識方法，實驗結果表明在英語新聞語料中，文章作者辨識可以達到F-1值91.58%的效能，及意見持有者辨識可以達到F-1值71.83%的效能，在此基礎上進行了交叉驗證和刪減特徵值分析重要程度的工作，並且能夠得到良好的辨識效果。