情感分析應用於社群媒體輿論分析之研究

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：73

、訪客IP：3.145.66.231

姓名

許家銘(Jia-Ming Xu) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

情感分析應用於社群媒體輿論分析之研究

相關論文

★ 探討國內田徑競賽資訊系統－以103年全國大專田徑公開賽資訊系統為例	★ 生物晶片之基因微陣列影像分析之研究
★ 台灣資訊家電產業IPv6技術地圖與發展策略之研究	★ 台灣第三代行動通訊產業IPv6技術地圖與發展策略之研究
★ 影響消費者使用電子書閱讀器採納意願之研究	★ 以資訊素養映對數位學習平台功能之研究
★ 台商群聚指標模式與資料分析之研究	★ 未來輪輔助軟體發展之需求擷取研究
★ 以工作流程圖展現未來研究方法配適於前瞻研究流程之研究	★ 以物件導向塑模未來研究方法配適於前瞻研究之系統架構
★ 應用TRIZ 探討核心因素建構電子商務新畫布	★ 企業策略資訊策略人力資源管理策略對組織績效的影響
★ 採用Color Petri Net方法偵測程式原始碼緩衝區溢位問題	★ 簡單且彈性化的軟體代理人通訊協定之探討與實作
★ 利用分析層級程序法探討台灣中草藥製造業之關鍵成功因素	★ 利用微陣列資料分析於基因調控網路之建構與預測

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]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

近年來，人們大量在網路上發表自己的想法及言論，因考慮到這些大量網路言論的價值，部份學者開始對這些資料做情感分析，若是能將情感分析和政治領域做結合，就能在短時間內得到民眾對候選人的支持率或是施政的滿意度，節省傳統問卷的時間及人力。然而，因情感分析資料來源來自於網路，搜集到的詞語勢必充斥著大量的網路用語，這些網路用語也含有強弱不等的情感在內，若將這些非正規情感詞排除在研究範圍之外，將會損失大量有價值的資料，因此，建立一個網路用語情感辭典，對以網路言論做情感分析有重大的作用。本研究蒐集2016總統大選前一個月的Facebook文章，分析各候選人的支持率，結果顯示在Facebook上以情感分析挖掘網路社群媒體民眾意見較趨向特定族群，和實際支持率有落差，。網路用語情感辭典目前因網路文章不嚴謹、結構不完整問題受到了很大的限制，但在一些限制條件下，正確率有微幅提升。而辭典的建制雖然還不是很完整，但也為將來分析網路文章時所需的領域專用情感辭典，做為一個開端。

摘要(英)

In recent years, people express their opinions on the Internet frequently. Those internet comments is very valuable, then some researchers analysis those data by sentiment analysis. If sentiment analysis can be applied to politics, the approval rating of candidates will be gotten more efficient. However, the new words form Internet were not supported by existing sentiment dictionary.
In this study, the practicability of applying sentiment analysis to politics illustrated is verified by the case of Taiwan 2016 presidential election on Facebook. In addition, a Internet slang words sentiment dictionary has been created for improving the accuracy of sentiment analysis.
At last, there′s a gap from originally expected. The experiment result is tendency to a specific group when using the opinions on Facebook. The effectiveness of the new dictionary is limited because the grammar of the web article is not rigorous. But the accuracy is improved under special condition.

關鍵字(中)

★ 情感分析
★ 情感辭典
★ 網路輿論

關鍵字(英)

★ Sentiment Analysis
★ Sentiment Dictionary
★ Public Opinion

論文目次

摘要 v
Abstract vi
致謝 vii
目錄 viii
圖目錄 x
表目錄 xi
一、緒論 1
1-1 研究背景與動機 1
1-2 研究目的 2
二、文獻探討 3
2-1 情感分析 3
2-1-1 字典法 3
2-1-1 機械學習法 4
2-2情感分析應用於政治領域 4
2-3中文斷詞 5
2-4 圖形應用程式介面 7
三、研究方法 8
3-1 實驗流程 8
3-2資料搜集 8
3-3斷詞方法 12
3-4情感標記 12
3-4-1 判斷情感目標 12
3-4-2 判斷情感強度 14
3-5 建構網路用語情感辭典 16
四、實驗結果 18
4-1 資料說明 18
4-2 分析候選人支持率 18
4-3 與過去民調比較 23
4-4 導入網路用語情感辭典 27
五、結論 30
5-1 研究總結 30
5-2 研究貢獻 31
5-3 研究限制 31
5-4 未來研究 32
參考文獻 33

參考文獻

Ceron, A., Curini, L., & Iacus, S. M. (2014). Every tweet counts? How sentiment analysis of social media can improve our knowledge of citizens′ political preferences with an application to Italy and France. New Media & Society 2014, Vol. 16(2) 340-358.
Cortes, C., & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273-297.
Cover, T. & Hart, P.(1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, vol 13(1), 21-27.
Esuli, A., & Sebastiani, F. (2006). SentiWordNet: A publicly availablelexical resource for opinion mining. In Proceedings of the 5th Conference on Language Resources and Evaluation (LREC’06), pages 417–422, Genova, I.
Gonzalez-Bailon, S., Banchs, R. E., & Kaltenbrunner, A. (2010). Emotional reactionsand the pulse of public opinion: Measuring the impact of political events on thesentiment of online discussions. arXiv preprint arXiv:1009.4019.
Ku, L.-W., & Chen, H.-H. (2007). Mining Opinions from the Web: Beyond Relevance Retrieval. Journal of American Society for Information Science and Technology, Special Issue on Mining Web Resources for Enhancing Information Retrieval, 58(12), pages 1838-1850.
Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval Vol. 2, No 1-2, 1–135
Strapparava, C., & Valitutti, A. (2004). WordNet - Affect: an Affective Extension of WordNet. Proceedings of the 4th International Conference on Language Resources and Evaluation (LREC 2004), pp. 1083-1086.
Thelwall, M., Buckley, K., Paltoglou, G., Cai, D., & Kappas, A. (2010). Sentiment strength detection in short informal text. Journal of the American Society for Information Science and Technology, 61(12), 2544–2558.
Tumasjan, A., Sprenger, T. O., Sandner, P. G., & Welpe, I. M. (2010). Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment. Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media.
Wang, H., Can, D., Kazemzadeh, A., Bar, F., & Narayanan, S. (2012). A System for Real-time Twitter Sentiment Analysis of 2012 U.S. Presidential Election Cycle. Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics, pages 115–120, Jeju, Republic of Korea, 8-14 July 2012.
陳稼興、謝佳倫、許芳誠（2007）。以遺傳演算法為基礎的中文斷詞研究。資訊管理研究，第二卷，第二期，2000年7月，27-44。
資策會產業情報研究所（2013）。個人化社群網站使用行為分析。資策會產業情報研究所，未出版。
趙玉娟（2015）。政治網路口碑的情感分析：語意關連性之觀點（碩士論文）。取自臺灣博碩士論文系統。
藺璜、郭姝慧（2003）。程度副詞的特點範圍與分類。山西大學學報，第二期。
洪儷瑜、陳佩盈（2007）。中文句型類型整理。國科會專案研究（NSC 95-2516-S-003-004-MY 3）。
Graph API（無日期）。民106年3月21日，檢自：https://developers.facebook.com/docs/graph-api
ldkrsi（無日期）。結巴中文斷詞台灣繁體版本。民106年2月24日，取自：https://github.com/ldkrsi/jieba-zh_TW
Shih-Ming Wang and Lun-Wei Ku(n.d.). ANTUSD. Retrieved March 1, 2017 from
http://academiasinicanlplab.github.io/
中央研究院（無日期）。中文斷詞系統CKIP。民106年2月24日，檢自：http://ckipsvr.iis.sinica.edu.tw
域動行銷（2015）。2015年第一季台灣網路、行動調查數據報告。民106年7月23日，檢自：http://www.clickforce.com.tw/newspaper/Report/2015Q1.pdf
張華平、劉群（無日期）。ICTCLAS漢語文本詞性標注集。民106年3月28日，檢自：http://sewm.pku.edu.cn/QA/reference/ICTCLAS/FreeICTCLAS/

指導教授

薛義誠

審核日期

2017-8-16

推文