20 /342
社群媒體中顧客知識之挖掘：意見探勘技術開發
20
根據本研究的觀察，如果屬於網路討論量豐富的產品種類（例如，汽機車、
3C
商品、
飯店、美妝用品等），且有明確的產品特徵，則適合使用
R-OSI
技術來進行分析。討
論量少的產品種類（例如，量販賣場、
DIY
家具），因根本缺少分析的資料，所以不
論使用哪種分析技術，都無法取得有代表性的結果；而產品特徵明確的部分，因為
R-OSI
技術是使用關鍵字來進行候選意見句子檢索，並據以進行後續的意見句子識別
模型學習，所以如果無法明確地用幾個關鍵字來描述某個產品特徵的話，
R-OSI
技術
通常無法有良好的表現，但如果是採用監督式學習法，則仍然可能有不錯的效果。
本研究仍有下列的研究限制與未來研究方向：
(1)
本研究只使用一組數位相機資料
來評估所提規則式意見句子識別技術的效能，未來應收集更多類的資料來進行評估，
以增強結論的一般化能力。
(2)
目前使用的類別關聯規則只採用最小支持度與最小信
心度來衡量規則的有趣性，文獻中已有許多改良式的類別關聯規則探勘演算法，實證
評估比較不同類別關聯規則或有趣性指標在意見句子識別上的效果，是一個重要而且
有趣的研究方向。
(3)
目前本研究所提方法只解決了意見探勘的第一項核心工作，未
來可延伸所提方法，同樣利用規則式的技術，設計搭配的意見傾向判定技術。