(3.236.122.9) 您好!臺灣時間:2021/05/14 05:02
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:王勁堯
研究生(外文):Jin-Yao Wang
論文名稱:基於Web探勘技術之自動化圖片標記與註解 - 以旅遊為例
論文名稱(外文):Automatic Image Tagging and Annotation Based on Web Mining - A Case Study on Travel
指導教授:林宣華林宣華引用關係
指導教授(外文):Shian-Hua Lin
口試委員:潘育群顧金褔洪政欣
口試日期:2011-07-29
學位類別:碩士
校院名稱:國立暨南國際大學
系所名稱:資訊工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:56
中文關鍵詞:語義網資訊擷取資料探勘標籤推薦
外文關鍵詞:Semantic WebData MiningInformation ExtractionTag Recommendation
相關次數:
  • 被引用被引用:2
  • 點閱點閱:507
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:61
  • 收藏至我的研究室書目清單書目收藏:1
隨著Web 2.0的普及與智慧型手機和行動應用的快速發展,使用者在外出旅遊拍攝的照片,不再是像從前那樣將相片沖洗出來保存,而是上傳到網路相簿 (Internet album) 與家人朋友分享,多數人更是喜歡撰寫部落格 (blog) 來介紹自己旅遊的心得。但要寫一個圖文並茂的部落格,必須要花許多時間進行照片整理、資料蒐集、排版及打字。想想若使用者帶著智慧型手機出遊,連上智慧型雲端系統,能自動推薦照片標籤 (tag) 與敘述 (annotation) 輔助使用者進行註記,並由系統挑選適合放於部落格的照片與敘述,為使用者自動產生樣板 (template),讓使用者只需對樣板進行編修,將會是一個方便使用與節省使用者時間的工具。基於以上動機,本論文設計了四個子系統,適地性搜尋引擎 (Location-Based Search Engine, LBSE) 讓系統能夠讓快速的找到與目前位置相關的資訊,避免太多不必要的計算。標籤推薦系統 (Tag Recommendation System, TRS) 提供適合標註於照片的標籤,使用者只需從標籤清單中選出適合的標籤,就可為照片記錄資訊。敘途推薦系統 (Annotation Recommendation System, ARS) 則為使用者選出合適的相片標題與敘述,使用者只需進行點選與修改,有效減少輸入的時間。部落格樣板產生器 (Blog Template Generator, BTG) 提供了地標敘述讓使用者進行選取,並自動產生部落格樣板。本論文也針對這四個系統提出實驗評估,並從實驗觀察提出改良系統的方法。LBSE評估與直接以歐基里德公式 (Euclidean formula) 計算距離方式比較改進時間與效能,TRS則分成系統實驗 (systematic experiment) 與使用者實驗 (use-case experiment) 觀察標籤推薦的準確率 (precision),並利用Mining Association技術改進準確率,經過實驗評估統計後得知使用者滿意度為80%。ARS與BTG則評估使用者實際完成一個部落格所花費的時間。透過本系統可以快速為照片標記資訊及完成一個部落格,有效減少使用者撰寫與排版時間。
As the growth of Web 2.0 and rapid development of mobile devices and applications, users are familiar to take photos via smart phones on their trip and share photos to friends on websites of blog, album or social network. Obviously, users must spend time to organize and annotate photos, collect related information, type words for their blogs, and finally design the page style of their blogs or albums. Thinking how the user applies his or her smart phones on the trip, an intelligent cloud system can recommend tags related to the photo taken by the user. After the end of the trip, the user synchronizes the smart phone with PC and the cloud system automatically organizes the photo sets and collects annotations and related information for them. The user merely selects desired photo sets and clicks adequate words, titles, descriptions and texts for sets, the system then automatically generates the blog page for revisions. Based on these motivations, three subsystems, Tag Recommendation System (TRS), Annotation Recommendation System (ARS), and Blog Template Generator (BTG) are proposed to achieve the Travel Blog Generator (TBG) system. Mining association method is employed to improve the effectiveness of recommendations. Several experiments are designed to verify the feasibility and performance of the system. Finally, the User Experience (UX) test is performed and the system obtains about 80% satisfaction rate. The UX test also proves that users can publish their rich-text travel blogs within 13 minutes in average using the system
中文摘要 I
Abstract II
目錄 III
表索引 VI
圖索引 VIII
1. 簡介 1
2. 文獻探討與相關技術 4
2.1. Flickr 4
2.2. Web 2.0 6
2.3. 標籤雲 8
2.4. 語意網 8
3. 研究方法 10
3.1. 資料收集 14
3.2. 擷取metadata 14
3.3. 建立景點標籤敘述資料庫 15
3.4. 部落格樣版分析 15
4. 系統實作 17
4.1. 適地性搜尋引擎 (LBSE) 17
4.1.1. 地圖分割與座標轉換 18
4.1.2. 區塊涵蓋範圍 20
4.1.3. 地圖座標與區塊對應 21
4.1.4. GPS誤差 22
4.1.5. 鄰近點搜尋 22
4.1.6. LBSE效能評估 22
4.2. 標籤推薦系統 (TRS) 23
4.2.1. 標籤字典 24
4.2.2. 標籤排序 26
4.2.3. 篩選圖片 27
4.3. 敘述推薦系統 (ARS) 28
4.3.1. 系統架構 28
4.3.2. 取得其它照片敘述 29
4.3.3. 敘途排序 30
4.3.4. 評估方法 30
4.4. 部落格樣板產生器 (BTG) 31
4.4.1. 系統架構 31
4.4.2. 地標分類 32
4.4.3. 取得相關部落格或旅遊行程 32
4.4.4. 部落格範例 33
4.5. 功能流程圖 34
4.6. 系統展示 34
5. 實驗與評估 37
5.1. TRS評估 37
5.1.1. TRS評分公式 37
5.1.2. 挑選景點照片 38
5.1.3. 挑選不合用字詞與修正標籤排序方式 40
5.1.4. 過濾不合適照片 43
5.1.5. 使用者實際挑選標籤 44
5.1.6. 過濾地理位置標籤 46
5.1.7. 基於資料探勘上的改善 47
5.1.8. 加入Mining Association方法 49
5.1.9. 知識地圖 51
5.2. 系統應用 - 部落格產生器 53
6. 結論與未來發展 54
7. 參考文獻 55
[1]Fabien Girardin, Francesco Calabrese, Filippo Dal Fiore, Carlo Ratti and Josep Blat. Digital Footprinting :Uncovering Tourists with User- Generated Content. Pervasive Computing, Volume 7, Issue 4, Oct-Dec 2008, pp. 36-43.
[2]R.Agrawal, T.lmielinski, and A. Swami, “Mining Association Rules between Sets of Items in Large Databases,” Proc. ACM SIGMOD Int’I Conf. Management of Data, pp. 207-216
[3]標籤雲, http://zh.wikipedia.org/wiki/%E6%A0%87%E7%AD%BE%E4%BA%91
[4]Flickr介紹, http://zh.wikipedia.org/wiki/Flickr
[5]Flickr, http://www.flickr.com/
[6]Flickr API, http://www.flickr.com/services/api/
[7]Semantic Web, http://zh.wikipedia.org/wiki/%E8%AF%AD%E4%B9%89%E7%BD%91
[8]Web 2.0, http://zh.wikipedia.org/wiki/Web_2.0
[9]概念圖, http://zh.wikipedia.org/wiki/%E6%A6%82%E5%BF%B5%E5%9B%BE
[10]Euclidean, http://zh.wikipedia.org/wiki/%E6%AC%A7%E5%87%A0%E9%87%8C%E5%BE%97%E5%87%A0%E4%BD%95
[11]利用Google Map查詢地址經緯度, http://www.dotblogs.com.tw/chhuang/archive/2008/04/03/2593.aspx
[12]方格座標介紹與經緯度換算方法, http://rvcamp.biz/410
[13]換算GPS誤差距離, http://www.mobile01.com/print.php?f=130&t=89795&p=1
[14]GPS信號誤差與對策, http://tw.myblog.yahoo.com/jw!VnCm5MyQGRkUuXlAXg.olpVmyig-/article?mid=114&prev=115&l=f&fid=5
[15]Add Location Information, http://www.flickr.com/photos/organize/
[16]Flickr Place Information, http://www.flickr.com/places/info/2306205
[17]Woe ID, http://developer.yahoo.com/geo/geoplanet/data/
[18]Google+成長速度驚人 美國用戶接近500萬, http://www.digitimes.com.tw/tw/dt/n/shwnws.asp?CnlID=1&id=0000241807_PJ571A4Q1FTM1D6UCO7B7&ct=1
[19]玩全台灣旅遊網, http://okgo.tw/
[20]EZHotel飯店訂房網, http://www.ezhotel.com.tw/
[21]ezTravel易遊網, http://www.eztravel.com.tw/
[22]WikiGPS, http://www.wikigps.com/
[23]無名小名部落格, http://www.wretch.cc/blog/
[24]痞客邦Pixnet, http://www.pixnet.net/
[25]Roodo樂多日誌, http://blog.roodo.com/
[26]桂冠旅遊, http://www.eztour.com.tw/
[27]美美旅遊網, http://emmm.tw/
[28]大龍峒保安宮, http://www.baoan.org.tw/
[29]大稻埕碼頭, http://zh.wikipedia.org/wiki/%E5%A4%A7%E7%A8%BB%E5%9F%95%E7%A2%BC%E9%A0%AD
[30]日月潭國家風景區網站, http://www.sunmoonlake.gov.tw/sun.aspx
[31]日月潭遊記1, http://www.mobile01.com/waypointdetail.php?id=5061
[32]概念圖, http://zh.wikipedia.org/wiki/%E6%A6%82%E5%BF%B5%E5%9B%BE
[33]文武廟照片, http://www.flickr.com/photos/tanjun/3531433154/
[34]慈恩塔照片, http://www.flickr.com/photos/zivechu/4185001112/
[35]猫囒山步道, http://www.mobile01.com/waypointdetail.php?id=5061
[36]日月潭湖光山色, http://blog.roodo.com/allenhsu/archives/9900765.html
[37]大龍峒保安宮照片1, http://www.flickr.com/photos/57718517@N00/5665068839/
[38]大龍峒保安宮照片2, http://www.flickr.com/photos/68868439@N00/4563347566/
[39]大龍峒保安宮照片3, http://www.flickr.com/photos/26590154@N05/5590921780/
[40]清境7-11照片, http://5i01.com/waypointdetail.php?id=196
[41]米朗琪咖啡館, http://www.flickr.com/photos/91049143@N00/4452882164/
[42]植物照片, http://www.flickr.com/photos/30644089@N08/5758162836/
[43]台灣地圖, http://www.google.com.tw/url?sa=t&source=web&cd=5&ved=0CEEQFjAE&url=http://163.17.176.7/~s1000/%A4%AD%A6~%AA%C0%B7|/ESO10_20070817_knsh_5004.ppt&ei=BOwXTuGGKqPLmAXHopQw&usg=AFQjCNGzHdvxkenaspvuJtELH_7yMpuZqg
[44]世界地圖, http://163.21.105.8/s021/map/WorldMap/%E6%AD%A3%E5%90%91%E6%8A%95%E5%BD%B1.jpg
[45]Google Plus, https://plus.google.com/up/start/?continue=https://plus.google.com/&type=st&gpcaz=5bcc4b20
[46]Ontology, http://zh.wikipedia.org/wiki/%E6%9C%AC%E4%BD%93_%28%E4%BF%A1%E6%81%AF%E7%A7%91%E5%AD%A6%29
[47]Resource Description Framework, http://zh.wikipedia.org/wiki/RDF
[48]Ontology Web Language, http://zh.wikipedia.org/wiki/%E7%BD%91%E7%BB%9C%E6%9C%AC%E4%BD%93%E8%AF%AD%E8%A8%80
[49]消基會對於GPS導航系統的誤差評估, http://hk.epochtimes.com/11/3/3/133140.htm
[50]GPS導航定位誤差, http://5i01.com/topicdetail.php?f=228&t=1550353
[51]清境農場, http://www.cingjing.gov.tw/
[52]大禹嶺, http://zh.wikipedia.org/wiki/%E5%A4%A7%E7%A6%B9%E5%B6%BA
[53]大禹嶺遊記, http://taiwanlife.jiki.com.tw/default.aspx?pg=92bf8a1e-5e47-448b-a47e-8df5b6210283
[54]XML, http://zh.wikipedia.org/wiki/XML
[55]日月潭文武廟, http://www.wenwu.org.tw/index.php
[56]全球衛星定位系統 (GPS) 簡介, http://www.cc.ntut.edu.tw/~twcheng/GPS-NTUT.pdf
[57]Yahoo對外部網站提供地理位置資料, http://www.zdnet.com.tw/print/?id=20129279&type=
[58]EXIF, http://zh.wikipedia.org/wiki/Exif
[59]HTML, http://zh.wikipedia.org/wiki/HTML
[60]DOM, http://zh.wikipedia.org/wiki/%E6%96%87%E6%A1%A3%E5%AF%B9%E8%B1%A1%E6%A8%A1%E5%9E%8B
[61]Crawler, http://zh.wikipedia.org/wiki/Crawler
[62]F1-Score, http://en.wikipedia.org/wiki/F1_score
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔