臺灣博碩士論文加值系統

現今，由於網路發達資訊流通迅速，造成資訊爆炸性的成長，每天、甚至每秒都會產生許多不同的資料產生，使用者卻時常來不及閱讀詳細，亦出現了許多讓使用者能夠更快速的了解資料的重點的方法。然而，很多時候分析後的結果，並不能切合使用者真正的需求。因此，我們希望能透過人機介面的設計，以簡單且直觀的方式對這樣的問題提供線索。
在本研究中，我們首先利用傳統的web mining技術以及簡單的關聯規則分析找出關鍵字資料之間的關係，並以Robert Plutchik在2001年所提出的情緒輪(Wheel of Emotions)模型為基礎，讓使用者得以利用自己的感知對畫面中的關鍵字群組做情緒與顏色對應，進而獲得個人化的關聯性並且我們會記錄對應結果以便改進往後的關係呈現。此外，為了能夠更加準確的獲得使用者的情緒顏色感知，此系統允許使用者對原始情緒輪中的基本情緒與顏色做對應校正。
為了讓畫面呈現上能夠更好，我們的介面結合完形心理學中的趨近性(Proximity)以及相似性(Similarity)等視覺組織法則，依照情緒輪上的情緒相對關係，影響字群圓之距離，關係越強則越近，反之，則越遠。且根據實驗結果，我們的系統，不僅提升了資料的呈現外，也使得使用者更加直覺且互動式地感知資料。

Today, because of the Internet become highly developed, the amount of information has rapidly grown and is explosively growing on the web. Every day, even every second, new datum is created and accumulated. It is unpractical and near impossible for a user to spend so much time to read all data specifically. There are amount of methodologies developed for helping users find and understand the key point of datum faster and more efficiently. However, usually, most of the output data items are not really essential to users. Therefore, in this paper, we design a human-machine interface to provide simple and intuitive visual clues for helping solve the above problems.
In this research, we use the conventional web mining technologies and the simple association rule method to extract and construct the relations between data, in the first. And then, based on Robert Plutchik’s Wheel of Emotions concept, users are enabled to set up a mapping between a keyword group and a color/emotion. Moreover, these color/emotion mappings are stored in a user profile database, and are utilized next time for customizing and calibrating the relationships among data for the same user.
For better presentation of data, we design our interface according to the Law of Proximity and the Law of Similarity from Gestalt psychology. For example, for users to recognize the datum’s relationships more intuitively, keyword groups with stronger association are deployed closely; and, contrarily, keyword groups with weaker association are set farther. The experiment results show that our proposed approaches do not only improve the presentation of data, but also enhance user’s perception to data in an intuitive and interactive way.

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.3 論文架構 2
第二章 相關研究 3
2.1 Google+ HTML API 3
2.2 關聯規則(Association Rule) 3
2.3 情緒分類(Emotion Classification) 4
2.4 生態心理學(Ecopsychology and Ecotherapy) 6
2.5 格式塔心理學(Gestalt Psychology) 7
第三章 系統架構及操作方法 10
3.1 系統架構 10
3.2 介面介紹 11
第四章 系統實作 15
4.1 Google+ HTML API資料處理 15
4.2 關聯建立 16
4.3 視覺化(Visualization) 18
4.3 資料儲存 25
第五章 結果 26
第六章 問卷及其分析 32
第七章 結論與未來展望 38
參考文獻 39
一、中文部分 39
二、英文部分 39
附錄 系統試用問卷 41

圖目錄
圖 1 Paul Ekman 六種基本情緒面部表情 4
圖 2 Philip Shaver 情緒名稱分類略表 5
圖 3 情緒輪(Wheel of Emotions) 6
圖 4 Proximity 7
圖 5 Similarity 8
圖 6 Closure 8
圖 7 Good Continuation 8
圖 8 Common Fate 9
圖 9 Pragnanz 9
圖 10 系統架構圖 10
圖 11 介面圖 11
圖 12 情緒圓餅圖與著色之關鍵字群圓 12
圖 13 字群資料文字區塊 13
圖 14 選取顏色之前後變化 13
圖 15 情緒圓餅圖 14
圖 16 滑鼠移到個別情緒圓餅圖上的變化 14
圖 17 處理後的資料 15
圖 18 處理後的資料內部放大 15
圖 19 關鍵字群之間之對應關係數值表 17
圖 20 關鍵字群之間之對應關係數值表內部放大 17
圖 21 帳號登入畫面 18
圖 22 帳號申請畫面 18
圖 23 情緒對應校正 19
圖 24 校正後的著色色塊板 19
圖 25 字群層級顯示：一層(左圖)、三層(右圖) 20
圖 26 初始字群圓間的關聯連線 21
圖 27 情緒的引力、斥力示意圖 22
圖 28 萬有情緒聚合力前後變化1 22
圖 29 萬有情緒聚合力前後變化2 23
圖 30 萬有情緒聚合力前後變化3 23
圖 31 字群圓關聯連線伸縮前 24
圖 32 字群圓關聯連線伸縮後 24
圖 33 情緒紀錄進資料庫確認 25
圖 34 資料庫中有對應的字群圓自動對應情緒 25
圖 35 輸入”FIFA win”的原始資料關聯圖 26
圖 36 第一組實驗第一位使用者情緒對應後的資料關聯圖 27
圖 37 第一組實驗第二位使用者情緒對應後的資料關聯圖 28
圖 38 輸入”PS4”的原始資料關聯圖 29
圖 39 第二組實驗第一位使用者情緒對應後的資料關聯圖 30
圖 40 第二組實驗第二位使用者情緒對應後的資料關聯圖 31
圖 41 問卷實驗中的對照組頁面 32
圖 42 問卷實驗中去除萬有情緒聚合力版本的頁面 33
圖 43 最終實驗組的頁面 34
圖 44 統計後的問卷結果一 35
圖 45 統計後的問卷結果二 35
圖 46 對照組與第二組實驗組對照統計圖 36
圖 47 第二實驗組與最終實驗組對照統計圖 36
圖 48 對照組與最終實驗組對照統計圖 37

一、中文部分
[1].郭柏祥（2006）。產品形態與情緒之關聯性研究－以電子式煮水壺為例。國立雲林科技大學工業設計系碩士班碩士論文。全國博碩士論文資訊網，094YUNT5038015。
[2].汪曼穎、王林宇,注意力分配對圖像登錄之影響及其在教學上的應用方向,教育心理學報,第38卷,第1期,頁67-83,2006。
[3].游曉貞、陳國祥、邱上嘉,直接知覺論在產品設計應用之審視,設計學報,第11卷,第3期,2006。
[4].葉素玲、李仁豪,一心一意或三心二意？視覺注意力的統整性,應用心理研究,第25期,頁143-178,2005。
[5].陳垂呈、陳宗義,利用關聯規則建構查詢關鍵字之網站推薦, 高雄師大學報, 第28期,頁45-60,2010。
[6].翁政雄，2012，挖掘重要關聯規則-以搭配銷售為例，第23屆國際資訊管理學術研討會，高雄，高雄大學，2012/5。
[7].視知覺. (2014, May 25). Wikipedia Retrieved June 1, 2014, from http://zh.wikipedia.org/wiki/视知觉
[8].知覺恆常性. (2014, May 21). Wikipedia. Retrieved June 2, 2014, from http://en.wikipedia.org/wiki/知觉恒常性
[9].格式塔學派. (2014, May 29). Wikipedia. Retrieved June 1, 2014, from http://en.wikipedia.org/wiki/格式塔学派
二、英文部分
[1].Plutchik, R. "The Nature of Emotions". American Scientist. Retrieved 14 April 2011. Fayyad, U. M. (1996). Advances in knowledge discovery and data mining. Menlo Park, Calif.: AAAI Press :.
[2].Psychology studying facial expression and emotion. Understand the science behind Ekman, P. (1972). Universals and cultural differences in facial expressions of emotion. In J. Cole (Ed.), Nebraska Symposium on Motivation 1971, (Vol. 19, pp. 207-283). Lincoln, NE: University of Nebraska Press.
[3].Shaver, P. R., Schwartz, J., Kirson, D., & O’Connor, C, Emotion knowledge: Further exploration of a prototype approach. Journal of Personality and Social Psychology, 52, 1061-1086.
[4].Visual perception. (2014, May 25). Wikipedia Retrieved June 1, 2014, from http://en.wikipedia.org/wiki/Visual_perception
[5].Gibson, J.J. (1979). The Ecological Approach to Visual Perception. Boston: Houghton Mifflin.
[6].Subjective constancy. (2014, May 21). Wikipedia. Retrieved June 2, 2014, from http://en.wikipedia.org/wiki/Subjective_constacy
[7].Gestalt psychology. (2014, May 29). Wikipedia. Retrieved June 1, 2014, from http://en.wikipedia.org/wiki/Gestalt_psychology
[8].Koffka, K. (19351967). Principles of gestalt psychology. US: Harbrace J..
[9].Bruce, V., & Green, P. R. (2003). Visual perception: physiology, psychology, & ecology (4th ed.). Hove: Psychology Press.
[10].Varmuza K, Karlovits M, Demuth W. Spectral similarity versus structural similarity: infrared spectroscopy[J]. Analytica Chimica Acta, 2003, 490(1/2): 313－324.
[11].Witten, I. H., & Frank, E. (2011). Data mining practical machine learning tools and techniques, third edition. (3rd ed.). Burlington, Mass.: Morgan Kaufmann Publishers.
[12].George A. Miller, “The Magic Number Seven, Plus or Minus Two: Some Limits on our Capacity for Processing Information,” Psychological Review, Vol. 63, No. 2, 1956, pp. 81-97.
[13].Agrawal, R., Tomasz, T., & Swami, A. Mining Association Rules Between Sets Of Items In Large Databases. ACM SIGMOD Record, 207-216.
[14].Steele, J. (2010). Beautiful visualization: looking at data through the eyes of experts. Sebastopol, CA: O'Reilly. Niels A Nijdam, “Mapping emotion to color,” Emotion (2007): 2-9