網路新聞影響力預測：使用聯合新聞網資料為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：52

、訪客IP：18.191.150.231

姓名

梁孝平(Xiao-Ping Liang) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

網路新聞影響力預測：使用聯合新聞網資料為例
(Predicting Influence of Online News : Using Data from Udn.com)

相關論文

★ 零售業商業智慧之探討	★ 有線電話通話異常偵測系統之建置
★ 資料探勘技術運用於在學成績與學測成果分析 -以高職餐飲管理科為例	★ 利用資料採礦技術提昇財富管理效益 -以個案銀行為主
★ 晶圓製造良率模式之評比與分析－以國內某DRAM廠為例	★ 商業智慧分析運用於學生成績之研究
★ 運用資料探勘技術建構國小高年級學生學業成就之預測模式	★ 應用資料探勘技術建立機車貸款風險評估模式之研究－以A公司為例
★ 績效指標評估研究應用於提升研發設計品質保證	★ 基於文字履歷及人格特質應用機械學習改善錄用品質
★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題	★ 關聯式資料庫之廣義知識探勘
★ 考量屬性值取得延遲的決策樹建構	★ 從序列資料中找尋偏好圖的方法 - 應用於群體排名問題
★ 利用分割式分群演算法找共識群解群體決策問題	★ 以新奇的方法有序共識群應用於群體決策問題

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

網際網路的發展，帶動了網路媒體的快速增加。根據財團法人台灣網路資訊中心（TWNIC）在2012年3月的調查，瀏覽新聞媒體網站﹝例如：Google News或奇摩新聞﹞、線上閱讀新聞，已成為許多民眾上網的主要目的之一。面對每天產生的龐大新聞資訊，讀者通常僅能選擇性的閱讀較重要或較令人感興趣的新聞。因此，一個新聞網站是否能正確的選擇具有影響力的新聞、並放置在適當的位置，是非常重要的議題。就本研究所知，現有線上新聞網站，尚未使用有效的演算法來自動預測一篇新聞未來的影響力，以協助網站管理人員挑選、排列網站上的新聞。因此，在本研究中，我們分析過去新聞文章的歷史資料，以建立各項預測指標。利用這些預測指標，本研究致力於在一則新的新聞發佈時，即預測該新聞一段時間之後的影響力，並分析各項左右影響力的因素。本研究的結果可用來協助新聞網站即時辨識真正重要、且能吸引讀者閱讀的新聞。

摘要(英)

The development of Internet has driven the rapid increase in the number of online media. According to the survey conducted by Taiwan Network Information Center （TWNIC） in the March 2012, reading news on news websites, such as google news or yahoo news, has become one of the main activities people engaged online. Most readers only select the most important or interesting titles from the numerous daily news to read. Therefore, choosing influential news and placing them into a right position on news websites is an important issue. To our best knowledge, existing online news websites haven’t adopted an effective algorithm for predicting the influence of incoming news automatically to help the website managers select news and arrange the news on their website. In this paper, we analyzed the historical data of news online to propose predictive features. Using these proposed features, this study aims at predicting the influence of incoming news after a period of time and analyzing the relationship between the influence of news and the proposed features. The result of this study helps news websites identify really important and attractive news in time.

關鍵字(中)

★ 資料探勘
★ 文字探勘
★ 分類

關鍵字(英)

★ Data mining
★ text mining
★ Classification

論文目次

英文摘要 i
摘要 ii
致謝 iii
目錄 iv
圖目錄 vi
表目錄 vii
一、緒論 1
1-1 研究背景 1
1-2 研究動機 2
1-3 研究目的 3
1-4 研究方法 3
1-5 論文結構 4
二、文獻探討 5
2-1 一般網路媒體影響力 5
2-2 網路新聞影響力 7
2-3 情緒影響力 9
2-4 新奇性影響力 9
三、研究方法與架構 11
3-1 研究架構 11
3-2 相似文章影響力 13
3-3 關鍵字影響力 16
3-3-1 Distribution Model 17
3-3-2 Contrast Model 18
3-3-3權重分配 19
3-4 情緒影響力 21
3-5 新奇性 22
四、實驗 24
4-1 系統開發環境 25
4-2 資料前處理 26
4-2-1中文分詞 27
4-2-2去除停止詞 27
4-2-3計算TF-IDF 27
4-3 預測指標 27
4-4 關聯分析 29
4-5 預測模型 31
4-6 新聞預測 34
五、結論 41
參考文獻 43

參考文獻

﹝1﹞ Hal R. Varian, 1999, “Economics and search,” Newsletter ACM SIGIR Forum, pp. 1 – 5
﹝2﹞ Canhui Wang, Min Zhang, Shaoping Ma, Liyun Ru, 20081, “Automatic Online News Issue Construction in Web Environment, ” Proceedings of the 17th international conference on World Wide Web, pp. 457-466
﹝3﹞ Ratkiewicz, J., Menczer, F., Fortunato, S., Flammini, A., and Vespignani, A., 2010, “Characterizing and modeling the dynamics of online popularity,” Physical Review Letters, Vol.105.
﹝4﹞ Hong, L., Dan, O., and Davison, B. D., 2011, “Predicting popular messages in Twitter,” Proceeding of International World Wide Web Conference, pp. 57–58.
﹝5﹞ Yu, B., Chen, M., and Kwok, L., 2011, “Toward predicting popularity of social marketing messages,” Computer Science, Vol.6589, pp. 317–324.
﹝6﹞ Cao, Q., Duan, W., and Gan, Q., 2011, “Exploring determinants of voting for the "helpfulness" of online user reviews: A text mining approach,” Decision Support Systems, Vol.50, pp. 511-521
﹝7﹞ Kevin Lerman, Ari Gilder, Mark Dredze, Fernando Pereira, 2008 “ Reading the markets: forecasting public opinion of political candidates by news analysis,” Proceeding COLING ’08 Proceedings of the 22nd International Conference on Computational Linguistics, pp. 473-480
﹝8﹞ Gaugaz, J., Siehndel, P., Demartini, G., Iofciu, T., Georgescu, M., Henze, N., 2012, “Predicting the future impact of news events,” Lecture Notes in Computer Science, pp. 50-62
﹝9﹞ Krestel, R., Mehta, B., 2010, “Predicting news story importance using language features,” Proceedings - 2008 IEEE/WIC/ACM International Conference on Web Intelligence, pp. 211-218
﹝10﹞ Tikves, S., Davulcu, H., 2010, “ImpactRank: A study on news impact forecasting,”Proceedings - SocialCom 2010: 2nd IEEE International Conference on Social Computing, pp. 488-493
﹝11﹞ Jonah Berger, Katherine L. Milkman ,2012. “ What Makes Online Content Viral?,” Journal of Marketing Research: Vol. 49, No. 2, pp. 192-205.
﹝12﹞ Gaughan, G., Smeato, A.F., 2005, “Finding new news: Novelty detection in broadcast news,” Lecture Notes in Computer Science, pp. 583-588
﹝13﹞ Juanzi Li, Qi’na Fan, Kuo Zhang, 2007, “Keyword extraction based on tf/idf for Chinese news document,”Wuhan University Journal of Natural Sciences, pp 917-921
﹝14﹞ Sungjick Lee, Han-Joon Kim, 2008, “News Keyword Extraction for Topic Tracking,”Proceeding NCM ’08 Proceedings of the 2008 Fourth International Conference on Networked Computing and Advanced Information Management, pp. 554-559
﹝15﹞ Ku, L.-W., Liang, Y.-T., and Chen, H.-H., 2006, “Opinion extraction, summarization and tracking in news and blog corpora,” American Association for Artificial Intelligence, pp. 100–107.
﹝16﹞ Silva, C., and Ribeiro, B. “The importance of stop word removal on recall values in text categorization,” Proceedings of the International Joint Conference on Neural Networks, Vol.3, pp. 1661-1666.
﹝17﹞ Zhou, Y., and Cao, Z., 2011, “Research on the Construction and Filter Method of Stop-word List in Text Preprocessing,” Fourth International Conference on Intelligent Computation Technology and Automation, pp. 217–221.
﹝18﹞ C.-C. Chang and C.-J. Lin. LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1--27:27, 2011.
﹝19﹞ R.-E. Fan, K.-W. Chang, C.-J. Hsieh, X.-R. Wang, and C.-J. Lin. LIBLINEAR: A library for large linear classification Journal of Machine Learning Research 9（2008）, 1871-1874.

指導教授

陳彥良(Dr. Yen-Liang Chen)

審核日期

2013-7-23

推文