臺灣博碩士論文加值系統

線上評論是常見且重要的消費者回饋，會影響消費者的購買意圖，對廠商而言，線上評論可以幫助廠商找出產品或服務的優缺點，甚至能與其他品牌進行比較，以做為未來策略參考因素之一。然而現今線上評論繁雜，消費者與商家都無法在短時間內從線上評論中得到全面性的見解，故本研究以化妝品為例，設計一套「自動化情緒分析系統」，透過台灣大學NLPLab所建置的中文意見詞典ANTUSD更準確呈現使用者的情感強烈程度，並且幫助廠商快速找出消費者在意的產品屬性，以客觀的角度發現自身廠牌的優缺點，找出與其他廠牌相比的優劣勢，使廠商能夠迅速的回應市場需求，消費者也能透過本系統找出與自身膚質相符的產品。

Online reviews are common and important consumer feedback that will affect consumers' intentions of buying. For manufacturers, online reviews can help manufacturers find the advantages and disadvantages of a product or service and even compare it with other brands as a future Strategy reference factor. However, today's online reviews are large and complicated, consumers and businesses can not be in a short time from the online comments to get a comprehensive view, so this research about cosmetics, for example, the design of an "automated sentiment analysis system". It helps customers and manufacturers quickly to find out the aspects of consumers care about the product, giving an objective point of view to find the advantages and disadvantages of their own brand. The goal is to find out the advantages and disadvantages compared with other brands, so that manufacturers can quickly respond to market demand, consumers can find ideal product.

中文摘要 i
Abstract ii
目錄 iii
圖目錄 v
表目錄 vi
一、緒論 1
1-1研究背景與動機 1
1-1-1 名詞解釋 1
1-1-2 動機 1
1-2研究目的 3
二、文獻探討 4
2-1 基於產品屬性的情緒分析相關研究 4
2-2 中文情緒分析 6
2-3 中文斷詞 8
2-4 字詞相似度計算方法與廣義知網E-HowNet簡介 9
三、研究方法 12
3-1 資料集 12
3-2 系統架構 15
3-2-1 前處理 17
3-2-2 產品屬性選定與擴增 18
3-2-3 情緒字詞標注與語意分析 23
四、實驗結果與討論 27
4-1 實驗結果 27
4-2 實驗評估 29
4-2-1 語意分析結果評估 29
4-2-2 產品屬性結果評估 31
五、結論與未來研究方向 35
5-1 結論 35
5-2 研究限制 36
5-3 未來研究方向 37
參考文獻 38
附錄一 40

英文文獻
〔1〕 Hu, M., & Liu, B. (2004, August). Mining and summarizing customer reviews. In Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 168-177). ACM.
〔2〕 Huang, S. L., & Cheng, W. C. (2015). Discovering Chinese sentence patterns for feature-based opinion summarization. Electronic Commerce Research and Applications, 14(6), 582-591.
〔3〕 Ku, L. W., Ho, H. W., & Chen, H. H. (2009). Opinion mining and relationship discovery using CopeOpi opinion analysis system. Journal of the Association for Information Science and Technology, 60(7), 1486-1503.
〔4〕 Liu, B. (2010). Sentiment Analysis and Subjectivity. Handbook of natural language processing, 2, 627-666.
〔5〕 Powers, D. M. (2011). Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation.
〔6〕 Su, Q., Xu, X., Guo, H., Guo, Z., Wu, X., Zhang, X., ... & Su, Z. (2008, April). Hidden sentiment association in chinese web opinion mining. In Proceedings of the 17th international conference on World Wide Web (pp. 959-968). ACM.
〔7〕 Van Rijsbergen, C. J. (1979). Information Retrieval (2nd ed.). London: Butterworths.
〔8〕 Wang, S. M., & Ku, L. W. (2016). ANTUSD: A Large Chinese Sentiment Dictionary. In LREC.
〔9〕 Wang, W., Xu, H., & Wan, W. (2013). Implicit feature identification via hybrid association rule mining. Expert Systems with Applications, 40(9), 3518-3531.
〔10〕 Yang, D., & Powers, D. M. (2005, January). Measuring semantic similarity in the taxonomy of WordNet. In Proceedings of the Twenty-eighth Australasian conference on Computer Science-Volume 38 (pp. 315-322). Australian Computer Society, Inc..
〔11〕 Zhai, Z., Liu, B., Xu, H., & Jia, P. (2011, February). Clustering product features for opinion mining. In Proceedings of the fourth ACM international conference on Web search and data mining (pp. 347-354). ACM.
〔12〕 Zhan, J., Loh, H. T., & Liu, Y. (2009). Gather customer concerns from online product reviews–A text summarization approach. Expert Systems with Applications, 36(2), 2107-2115.
〔13〕 Zhang, W., Xu, H., & Wan, W. (2012). Weakness Finder: Find product weakness from Chinese reviews by using aspects based sentiment analysis. Expert Systems with Applications, 39(11), 10283-10291.

中文文獻
〔1〕 董振東, 董強, & 郝長伶. (2007). 知網的理論發現. 中文信息學報, 21(4), 3-9.
〔2〕 劉群, & 李素建. (2002). 基於《知網》的辭彙語義相似度計算. International Journal of.
〔3〕 魏韡, 向陽, & 陳千. (2011). 中文文本情感分析綜述. 計算機應用, 31(12), 3321-3323.

網路資料
〔1〕 Fashion Guide華人第一時尚美妝傳媒：FG商品試用評鑑，2017年4月30日，取自http://www.fashionguide.com.tw/Beauty/08/Index.html?from=fgindex。
〔2〕 jieba: 結巴中文分詞。2017年6月10日，取自https://github.com/fxsjy/jieba。
〔3〕 Myles Anderson: 2013 Study: 79% Of Consumers Trust Online Reviews As Much As Personal Recommendations. From http://searchengineland.com/2013-study-79-of-consumers-trust-online-reviews-as-much-as-personal-recommendations-164565
〔4〕 中央研究院：CKPI中文斷詞系統，2017年6月10日，取自http://ckipsvr.iis.sinica.edu.tw/。
〔5〕 中央研究院：中文知識表達系統 – 廣義之網，2017年6月10日，取自http://ckip.iis.sinica.edu.tw/CKIP/ehownet_reg.htm。
〔6〕 林志傑：JIEBA 結巴中文斷詞。2017年6月10日，取自https://speakerdeck.com/fukuball/jieba-jie-ba-zhong-wen-duan-ci。
〔7〕 唐鳳：萌典。2017年6月30日，取自https://www.moedict.tw/about.html。
〔8〕 酷哥康：消費者心態：倚重網路評論，特別高興或生氣時會留下意見，SmartM 新網路科技。2017年5月20日，取自https://www.smartm.com.tw/Article/32353037cea3。