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
4 results
Search Results
Item 運用維基百科進行個人微網誌內容主題分析(2010) 梁哲瑋; Che-Wei Liang近年來微網誌的使用越來越普遍，使用者會透過微網誌文章與好友分享，包含使用者興趣、心情、資訊分享等。微網誌使用者所發表的文章所涵蓋的類別通常是使用者有興趣的主題，因此我們希望藉由探勘微網誌使用者的所發表的文章主題來找出使用者的興趣。本論文研究所提出的方法是先對一個微網誌使用者萃取出文章中的重要字詞，運用維基百科之分類網絡來查詢出字詞所涵蓋的類別概念，而探勘出使用者可能的興趣類別。在探勘過程中，對於維基百科中直接查詢不到的字詞，則透過線上連結維基百科尋找重定向字詞所涵蓋的類別概念。對於非維基百科字詞，我們則透過相關字詞的聚落分析結果，運用相同聚落的其他字詞來探勘出可能的類別概念。我們提出計算微網誌使用者的文章主題集中度之評估方法，實驗結果顯示：本論文系統所提出之使用者文章集中度的評估方法可達到很高的正確率，且本論文系統自動判定使用者的興趣類別與受試者所挑選的類別結果有一定程度的一致性。Item 網頁搜尋結果重要面向事實內容自動擷取之研究(2014) 葉懿萱本論文的主要研究目的為，透過使用者給定的查詢字以及指定面向關鍵字，從大量的查詢回傳結果中，自動摘要出重要的面向資訊提供給使用者，讓使用者能快速得到所需的面向資訊。為了避免下載所有查詢結果文件並處理需花費相當多的時間，因此本論文採用查詢結果回傳的文件片段內容(snippets)，作為探勘查詢字相關資訊的資料來源。本研究提出一個稱為SR-Summarization的方法，利用字詞在各面向查詢回傳結果中的分佈特性，提出評估字詞與查詢關鍵字的一般面向分數以及面向代表性分數的計算公式，進而評估一個句子的一般面向及面向代表性分數。此外，方法中也提出評估句子事實資訊性的計算公式，採用機器學習方法評估句子的品質好壞。最後，採用結合摘要內容的資訊量及內容多樣性為機制的句子挑選依據，產生"查詢字一般面向資訊”摘要，以及指定面向之”面向事實資訊”摘要。實驗結果顯示，本研究之方法能夠有效擷取出網頁搜尋結果中的重要面向事實內容，透過使用者問卷調查顯示，相較於相關研究的方法，使用者對於本研究方法找出的摘要結果有更高的滿意度。Item 劇本文件探勘與廣告推薦之研究(2016) 沈信佑; Shen, Hsin-You本論文的研究議題，主要發想是因為觀察在目前電視劇之後的廣告時段中，大部分廣告播映的時機點都不一定恰當，而且廣告播映都需要人力排程，費時費力；此外，在觀看戲劇節目的經驗中，每次看完一個段落的戲劇，接著就會進入一段對觀眾而言，很漫長且無趣的廣告期，導致在此時間內有不少的觀眾會選擇轉去其他台，先收看他台正在播放的戲劇或節目，所以在此期間廠商的廣告效益就會因此而降低。因此本論文希望建立自動化劇本分析與廣告推薦系統，先經由分析與探勘劇本中重要的特徵詞，目的在於找出有效且具高準確率的模型，使推薦播出的廣告可以吸引觀眾目光，得到廣告商品的最大效益。 本論文實驗資料分別由兩種來源取得：第一種來源從金穗獎劇本找出12個劇本做為劇本文件資料，第二種來源為隨機取得的一些廣告群做為廣告商品資料庫。經由本論文所提方法實驗之後，最後會與人力評斷的結果互相比對，用來驗證本實驗各項結果是否成功，實驗結果評估對象包含各段落重點度與最佳之推薦廣告。 研究方法以兩項目標為導向：包含(1)計算各段落重點度，與(2)推薦最佳廣告。為了計算各段落重點度，首先需找出劇本中幫助分析重點度的特徵詞，這些特徵詞將是日後分析重點度時重要的關鍵。而在最佳廣告推薦方面，於每個段落內先找出所有特徵詞Na，選取每個段落排名前三名的Na詞，接著使用廣義知網找出延伸詞，幫助劇本內容與廣告商品的聯結，然後再找出重點度特徵詞後，就可以分析劇本中各段落的評分狀況，每個段落會得出最佳推薦的廣告，最後再供廣告商選擇那些段落需下廣告，詳細的步驟與方法本文內會再敘述。對於實驗結果，本研究以準確度當做評估的標準。Item 利用廣義知網及維基百科於劇本文件之廣告推薦(2016) 陳信裕; Chen, Sin-Yu本論文的研究議題，主要是因為觀察到目前電視劇進入廣告時段時，大部分的廣告內容很枯燥乏味又冗長，而且廣告和電視劇的內容又不相關，導致在此時會有不少觀眾會選擇轉到其他電視台，先觀看其他電視台的電視劇，或是忙一些手邊事情，所以就造成這個時段的廣告廠商效益因此降低，而且廣告播映都需使用人力排程，費時又費力。因此本論文希望建立一個自動化劇本分析與廣告推薦系統，先從劇本內容分析與探勘重要的特徵詞，作為模型中有效且具高準確率的特徵，讓所推薦的廣告在播出時能夠吸引觀眾的目光，使廣告商品可以得到最大效益。 本論文實驗資料來源分別由兩種取得：第一種來源是從金穗獎劇本網站中找出12個劇本做為劇本文件資料，第二種來源是從維基百科中搜尋廣告商品，取得廣告商品簡介做為廣告商品資料庫。經由本論文所提方法實驗之後，最後會以自動化的方式互相比對，用來驗證本實驗各項結果是否成功，實驗結果評估對象包含劇本重點度為4及5分的段落與最佳廣告之推薦。 研究方法以兩項目標為導向：包含(1)自動化計算各段落重點度，與(2)推薦最佳廣告。為了計算各段落重點度，使用先前研究方法自動化找出劇本中幫助分析重點度的特徵詞，這些特徵詞將是分析重點度時重要的關鍵。而在最佳廣告推薦，於重點度為4及5分的段落內先找出所有特徵詞Na，接著使用廣義知網找出特徵詞Na上兩層的延伸詞，作為幫助劇本段落內容與廣告商品之間的聯結，經由自動化比對後，本研究將依據重點度為4及5分的段落特性，進而得出最佳推薦的廣告，最後所得到的實驗結果再提供給廣告商選擇，讓他們選擇在哪些段落可以下與自家產品相關的廣告，詳細的步驟與方法本文內會再敘述。對於實驗結果，本研究以準確度當做評估的標準。