臺灣博碩士論文加值系統

知識管理是企業未來競爭的利器，許多組織也相繼導入知識管理的系統。在知識管理中，文件的管理是非常重要的基礎。組織所保存的決策文件中，蘊含了大量的程序性知識(Procedural knowledge)，這些程序性知識說明決策的過程及相關考量，我們稱之為情節(Episodic)。透過這些情節知識(Episodic Knowledge)可幫助決策者瞭解決策的經過與相關因素，作為未來決策時的重要參考。因此，要如何從既有文件中挖掘出決策情節並有效呈現決策脈絡是知識管理中的一個重要課題。
本研究運用提出一個文件情節探勘的方法，結合文件自動摘要技術、知識本體論與索引結構，可以由大量相關的文件中找出重要的主題資訊與人事時地物等關鍵構面，來組織文件中的情節，還原事件的關聯及程序，並以甘特圖(Gantt Chart)及流程圖(Flow Chart)來呈現情節的流程。然後建構一個系統雛型，以一個新聞事件為實例，根據27篇的新聞報導文件，來還原事件的發生情節，驗證本研究所提出方法的可行性。所建構的雛型系統可以將所挖掘出來的情節知識，用甘特圖來描述事件情節的關連性，並以流程圖來呈現事件發生的順序。

Knowledge management is an important weapon for business competition. Many organizations are adopting knowledge management systems. For knowledge management, document management is its key foundation. There is a large amount of procedural knowledge existing in decision documents. This knowledge can illustrate the process and considerations in a decision situation, called episodic. The episodic knowledge can help decision makers understand historical decision process and considerations for future decision making. Therefore, how to discover decision episodes from existing documents is a major research issue in knowledge management.
This research proposes a method for episode mining that integrates automatic document summary techniques, knowledge ontology, and index structures to build the relations and processes of events, and use the Gantt Chart and Flow Chart to portray event processes. We build a prototype system and use a news event as our example to illustrate the feasibility of the proposed approach and demonstrate the results.

第壹章 緒論1
第一節 研究背景與動機1
第二節 研究目的3
第三節 研究範圍5
第四節 研究流程5
第五節 論文架構7
第貳章 文獻探討8
第一節 文件摘要8
2.1.1 文件摘要定義 8
2.1.2 文件摘要方法 9
第二節 本體論14
2.2.1 本體論定義14
2.2.2 本體論類型14
2.2.3 本體論表示方法15
第三節 本體論摘要研究18
2.3.1 Lee et al.的方法18
2.3.2 Alani et al.的方法19
2.3.3 吳家威的方法 20
第四節 索引結構21
第參章 情節知識擷取方法23
第一節 研究假設23
第二節 文件情節探勘流程25
第三節 文件情節探勘之細節步驟27
3.3.1 文件之文字前處理28
3.3.2 挖掘文件主題 29
3.3.3 關鍵字及摘要的擷取30
3.3.4 情節分析34
3.3.5 情節呈現38
第四節 案例說明42
3.4.1 新聞文章前處理42
3.4.2 挖掘新聞主題 44
3.4.3 關鍵字及摘要的擷取44
3.4.4 情節分析45
3.4.5 分析與呈現49
第肆章 雛型系統設計與實作52
第一節 系統需求分析52
第二節 系統架構54
第三節 系統功能57
第四節 系統成效分析63
第伍章 結論與建議64
第一節 研究成果64
第二節 研究貢獻65
第三節 研究限制66
第四節 未來研究建議67
參考文獻68
附錄一71
附錄二74
附錄三75
附錄四76
附錄五78
附錄六79

中文部份：
1.中文詞知識庫小組(1999)， http://ckipsvr.iis.sinica.edu.tw/，中央研究院。
2.林東清(2003)，「知識管理」，智勝文化。
3.吳家威(2003)，自動摘要方法之研究與探討， 政治大學資訊科學所碩士論文。
4.沈健誠(2001)，多篇文件自動摘要系統，清華大學資訊工程系碩士論文
5.陳雅絹(2003)，基於Ontology之模糊代理人於中文新聞文件摘要技術之研究，長榮大學經營管理研究所碩士論文。
6.梁定澎(2002)、(2006再版)，「決策支援系統與企業智慧」，智勝文化。
7.黃聖傑(1999)，多文件自動摘要方法研究，台灣大學資訊工程研究所碩士論文。
8.劉昱良(2006)，文件導向決策支援系統建置之研究，中山大學資訊管理系碩士論文。
9.葉鎮源(2002)，文件自動化摘要方法之研究及其在中文文件的應用，交通大學資訊科學研究所碩士論文。
10.賴宏仁(1999)，電子報個人化新聞推薦方法之研究，中山大學資訊管理系博士論文。
11.聯合知識庫(2001)，http://udndata.com/library/。

英文部分：
1.Alani, H., Kim, S., Millard, E.D., Weal, J.M., Hall, W., Lewis, H. P., and Shadbolt, N.R.,(2003),“Automatic ontology-based knowledge extraction from Web documents,” IEEE Intelligent Systems(18:1), pp14-21.
2.Alani, H., Kim, S., Millard, E.D., Weal, J.M., Hall, W., Lewis, H. P., and Shadbolt, N.R.,(2002), “Artequakt: Generating Tailored Biographies with Automatically Annotated Fragments from the Web,” Workshop Semantic Authoring, Annotation & Knowledge Markup (15th European Conf. Artificial Intelligence), IOS Press, Amsterdam, pp.1–6.
3.Chandrasekaran, B., Josephson, J.R., and Benjamins, V.R.,(1999), “What Are Ontologies, and Why Do We Need Them? ” IEEE Intelligent Systems, Jan./Feb, pp.20-26.
4.Edmundson, H. P.,(1968), “New Methods in Automatic Extracting,” Advances in Automated Text Summarization, MIT Press, pp. 23-42.
5.Gruber, T. R.,(1993), “A translation approach to portable ontology specifications,” Knowledge Acquisition 5, pp.199-220.
6.Guarino, N.,(1998), “Formal ontology and information systems,” Formal Ontology in Information Systems.Proceedings of FOIS’, pp.3-15.
7.Hovy, E., and Marcu, D.,(1998),“automated text summarization,” Tutorial—COLING/ACL’.
8.Hovy, E.,(2005),“Automated Text Summarization,” The Oxford Handbook of Computational Linguistics, pp.583–598.
9.Kowalski, G.,(1997), Information Retrieval Systems: Theory and Implementation, Kluwer Academic Publishers.
10.Kupiec, J., Pedersen, J., and Chen, F.,(1995),“A Trainable Document Summarizer,” Advances in Automated Text Summarization, MIT Press, pp. 55-60.
11.Lai,Y.S., and Wang, R.J.,(2003)“Towards Automatic Knowledge Acquisition from Text Based on Ontology-centric Knowledge Representation and Acquisition,” K-CAP’03, Sanibel Island, FL.
12.Luhn, H.P.,(1958)“The automatic creation of literature abstracts,” Advances in Automated Text Summarization, MIT Press, pp. 15-21.
13.Lee, C.S., Liao, C.H., Kuo, Y.H., (2002),” A Semantic-based Concept Clustering Mechanism for Chinese news Ontology Construction,” International Computer Symposium, Taiwan.
14.Lee, C. S., Chen, C. P., Chen, H. J., & Kuo, Y. H., (2002), “A fuzzy classification agent for personal e-news service,” International Journal of Fuzzy Systems(4:4), pp849-856.
15.Mani, I. and Maybury, M.,(1999), “Introduction,” Advances in Automated Text Summarization, MIT Press, pp.x-xv.
16.Mani, I. and Bloedorn, E.,(1998), “Machine Learning of Generic and User-Focused Summarization,” In Proceedings of Fifteenth National Conference on Artificial Intelligence, Madison, WI.
17.Maybury, T.M.,(1995), “generating summaries from event data,” Information Processing & Management(31:5), pp735-751.
18.Peterson, A.,(2000), “Document-Driven DSS Resources,” http://dssresources.com/dsstypes/docddss.html
19.Studer, R., Benjamins, V. R. and Fensel, D.,(1998), “Knowledge Engineering: Principles and methods”, Data & Knowledge Engineering(25), pp.161-197.
20.Zack, M. H.,(1999), “Managing Codified Knowledge,” Sloan Management Review(40:4), Summer, pp.45-58.