16 /342
社群媒體中顧客知識之挖掘：意見探勘技術開發
16
此外，
R-OSI
技術確實可以自動地學習出一些有意義，而且有趣的產品特徵識別
規則。表
4
顯示了在數位相機中「電池
(Battery)
」產品特徵的識別規則，這些規則與
相關支持度和信心度數值都是系統的真實產出，因此，如果以
R-OSI
的最佳參數門檻
值
0.005
和
0.15
為例，
“Rechargeable”
→
“Battery,” “AA”
→
“Battery,” “Life”
→
“Battery,” “Charger”
→
“Battery”
等四個規則支持度都大於
0.005
，且信心度也高於
0.15
，因此會被用來進行意見句子識別。
表
4 R-OSI
技術產生的產品特徵識別規則
產品特徵識別規則
支持度
信心度
Rechargeable
→
Battery
0.006
0.906
Drain
→
Battery
0.002
0.877
Lithium
→
Battery
0.002
0.869
Alkaline
→
Battery
0.002
0.867
AA
→
Battery
0.006
0.839
Life
→
Battery
0.011
0.826
NiMH
→
Battery
0.003
0.819
Charger
→
Battery
0.005
0.765
0.0001
0.0007
0.003
0.009
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Min-Supp
F-measure
Min-conf
圖
4 R-OSI
技術在不同最小支持度與最小信心度下
Micro-F-measure
值