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
    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。
  • 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。