社群媒體中顧客知識之挖掘：意見探勘技術開發

Abstract

資訊科技與網際網路的普及，促成眾多新興應用的蓬勃發展，大量與多樣的資料迅速 累積，為了有效地自大量資料中挖掘出有趣的知識，巨量資料分析的概念孕育而生。意見探勘是巨量資料分析的一項核心技術，其目的是自大量使用者產生資料中，分析使用者對某些有興趣的實體（例如，產品、服務等）的主觀看法（例如，意見、情感、評價等），並將這些資訊適當地摘要彙整，專換成結構化的顧客知識。本研究專注在意見探勘中意見句子識別的工作，為改善傳統監督式學習法在準備訓練資料上所需投入的大量人力與時間，本研究提出僅需要使用者提供少量的關鍵字，再輔以社群媒體抓取來，未經人工標註的使用者產生資料，便能夠進行半監督式的學習，產生與監督式學習相似甚至更佳的探勘結果。具體而言，本研究採用類別關聯規則演算法，達配本研究設計的半監督式學習法，提出規則式意見句子識別技術 (R-OSI)。根據實驗評估結果，本研究的R-OSI 技術能夠達到與監督式方法相近甚至更優良的效能。