理學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/3

學院概況

理學院設有數學系、物理學系、化學系、生命科學系、地球科學系、資訊工程學系6個系(均含學士、碩士及博士課程),及科學教育研究所、環境教育研究所、光電科技研究所及海洋環境科技就所4個獨立研究所,另設有生物多樣性國際研究生博士學位學程。全學院專任教師約180人,陣容十分堅強,無論師資、學術長現、社會貢獻與影響力均居全國之首。

特色

理學院位在國立臺灣師範大學分部校區內,座落於臺北市公館,佔地約10公頃,是個小而美的校園,內含國際會議廳、圖書館、實驗室、天文臺等完善設施。

理學院創院已逾六十年,在此堅固基礎上,理學院不僅在基礎科學上有豐碩的表現,更在臺灣許多研究中獨占鰲頭,曾孕育出五位中研院院士。近年來,更致力於跨領域研究,並在應用科技上加強與業界合作,院內教師每年均取得多項專利,所開發之商品廣泛應用於醫、藥、化妝品、食品加工業、農業、環保、資訊、教育產業及日常生活中。

在科學教育研究上,臺灣師大理學院之排名更高居世界第一,此外更有獨步全臺的科學教育中心,該中心就中學科學課程、科學教與學等方面從事研究與推廣服務;是全國人力最充足,設備最完善,具有良好服務品質的中心。

在理學院紮實、多元的研究基礎下,學生可依其性向、興趣做出寬廣之選擇,無論對其未來進入學術研究領域、教育界或工業界工作,均是絕佳選擇。

Browse

Search Results

Now showing 1 - 3 of 3
  • Item
    基於標籤類別的權重之情感分析分類器
    (2024) 張庭瑋; Chang, Ting-Wei
    情感分析是自然語言處理的一個子領域,目的是依據文章中表達的正面或負面情感將文章分類。 多項式單純貝氏分類器、補集單純貝氏分類器和支援向量機是情緒分析中常用的三種方法。 為了改善這些分類器的結果,有許多監督/非監督術語權重方法可以用來輔助,這些方法會依據每個字在所有文章中的分佈情況給予不同的權重。 本論文提出了一種基於標籤的監督式術語權重來進一步改進這些分類器,此外,我們也提出使用 AFINN 字典將文字轉換到較低維度的情感特性來進行情感分析,避免過高維度帶來的龐大的計算量。我們分別用F1 分數、ROC 曲線和曲線下面積 (AUC)來比較我們所提的權重調整方法是否能幫助分類器有更好的表現。
  • 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
    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。