臺灣博碩士論文加值系統

科技的日新月異，使用者的意見不再像以前一樣口耳相傳，而是可以透過網路的3C產品將自己的意見表達在不同的網路平台，而生活中六大類的食、衣、住、行、育、樂，每一項都離不開評論，其中六大需求的「樂」中最為常見的娛樂是電影，人們要去觀賞電影時一定會先上網收集資料，而這會讓使用者花費許多時間閱覽每位評論者撰寫的評論與評比，為了讓使用者可以對電影有概括性的認知，所以探討研究電影評論以供使用者在未來有更好的選擇依據，因此從大量的使用者評論中整理出有助益性的評價在研究上非常有意義的，而本篇論文中，我們在電影評論的意見中應用文字探勘技術分析，讓使用者能明確地分辨需要的資訊。
因此，本研究從線上的開放性平台蒐集電影的評論文章進行文字探勘與分析，由於發生許多寫電影評論者寫下的評論與星數評比並不統一的狀況，所以研究首要目標將驗證網友的心得評論是否跟評價星數是否一致後再加以討論檔期與情緒字詞的關係，進而運用情感與情緒的時間動態分析來研究情緒類別與時間的趨勢變化，並且使用電影評論內容的情感與情緒時間動態變化進行整體分析，分析結果將讓消費者在日後觀看電影可以參考的依據。研究結果顯示影評者留下星數評比跟評論內容是有相關性的，代表如果想快速閱覽可以參考星數來做為一個快速判斷的選擇，在時間動態分析中的結果顯示上檔的第三週對於情緒詞有顯著的差異，能讓觀影者在觀看電影時，可參考第三檔期的星星評等作為一個快速選擇判斷的基礎。

With the rapid development of technology, viewers’ opinions are no longer passed on by word-of-mouth in the real world but expressed on the Internet. In the six categories of life, food, clothing, housing, travel, education, and entertainment, every part is inseparable from comments. The most common entertainment in the six majors is watching movie. When people are interested in a movie, they might collect information online firstly so they might spend a lot of time reading online reviews and ratings. In order to have a general understanding of the movie, they will check different reviews and ratings on different online platforms. Thus, it is very meaningful to sort out helpful reviews from a large number of reviews and comments from other people. In this paper, we apply text exploration technology to the comments of movie and the analysis will allow the viewers to clearly identify the information they need.
This study collects movie reviews from the online platform (YAHOO film) for text exploration and analysis. Many comments don’t align with the ratings, so the primary goal of research is to verify whether the netizens’ comments are consistent with the ratings, then discuss the connection between movie date and the emotional words. The viewers can refer to these overall analysis and emotional time dynamics in the future when they want to check feedbacks from other people.The result shows that the time dynamic analysis has significant differences in emotional words in the third week so it would be better to the viewers referring to the third-week rating as a quick check before watching movies.

明志科技大學碩士學位論文指導教授推薦書 I
明志科技大學碩士學位論文口試委員會審定書 II
誌謝 III
中文摘要 IV
英文摘要 V
目錄 VI
圖目錄 VIII
第一章 緒論 1
1.1研究動機 1
1.2研究目的 2
第二章 文獻探討 4
2.1 文字探勘 4
2.2情緒與情感分析 8
2.3 繁體中文處理 12
2.4 電影評論 13
2.5 電影評論的相關文獻整理 15
第三章 研究方法 17
3-1研究流程設計 17
3.2蒐集資料 18
3.3前置處理 19
3.4驗證評論內容的正確性 20
3.5情緒與情感時間動態分析 20
第四章 實驗結果 22
4.1研究流程與工具表 22
4.2蒐集資料 22
4.2前置處理 25
4.3驗證評論內容的正確性 26
4.3.1滿意度的評比與情緒詞強度計算 26
4.3.2正向性關係 28
4.4情緒與情感時間動態分析 30
4.4.1 預備處理 30
4.4.2 情感類別時間動態分析 33
4.4.3 2016熱賣電影分析 36
4.5 整體分析與結果說明 40
第五章 結論與建議 44
5.1結論 44
5.2研究限制與建議 45
參考文獻 47


圖目錄
圖 2 1 文字探勘流程圖 5
圖 2 2 自然語言分配圖 8
圖 3 1 研究流程圖 17
圖 4 1 研究流程與工具表對照表 22
圖 4 2 台灣 2016 電影票房 23
圖 4 3 台灣 2017 電影票房 23
圖 4 4 Import io 抓取文章清單 24
圖 4 5 正義聯盟電影評論文章舉例 24
圖 4 6 2016、2017 十大電影討論文章章數 25
圖 4 7 中研院平衡語料庫標點符號標記集 25
圖 4 8 文章斷詞後結果，以玩命關頭電影評論文章舉例 26
圖 4 9 台大繁體版情感/情緒詞庫 27
圖 4 10 情緒詞強度表 27
圖 4 11 星星數範例圖 28
圖 4 12 2017 各部電影強度與滿意度比例值 29
圖 4 13 2017 電影強度與滿意度比例值迴歸分析結果 29
圖 4 14 2017 電影強度與滿意度評比比例值迴歸檢定分析結果 30
圖 4 15 玩命關頭 8 斷詞分類資料夾 31
圖 4 16 LIWC 分析之結果 31
圖 4 17 LIWC 類別分析統整之結果 32
圖 4 18 2017 票房分群陡坡圖 32
圖 4 19 2017 票房分群 33
圖 4 20 2017LIWC 動態分析之分群之結果 34
圖 4 21 2017 分群檢定結果(第三週) 34
圖 4 22 2017 各部(不分群)電影檢定結果(第三週) 35
圖 4 23 2017LIWC 時間動態分析分群正負向之結果 35
圖 4 24 2016 各部電影強度與滿意度比例值 37
圖 4 25 2016 電影強度與滿意度比例值迴歸分析結果 37
圖 4 26 2016 電影強度與滿意度評比比例值迴歸檢定分析結果 38
圖 4 27 2016 票房分群陡坡圖 38
圖 4 28 2016 分群檢定結果(第三週) 39
圖 4 29 2016 各部(不分群)電影檢定結果(第三週) 39
圖 4 30 2016LIWC 時間動態分析之分群之結果 40
圖 4 31 2016LIWC 時間動態分析之不分群之結果 40
圖 4 32 2016 第三週文字雲 41
圖 4 33 2017 第三週文字雲 41
圖 4 34 2016 第三週情緒詞彙文字雲 42
圖 4 35 2017 第三週情緒詞彙文字雲 42

[票房] 2016年度台北電影票房排行榜 - 看板 boxoffice - 批踢踢實業坊. (2016). 擷取自 https://www.ptt.cc/bbs/boxoffice/M.1488555315.A.870.html.
[票房] 台灣2017年度電影票房TOP100 - 看板 boxoffice - 批踢踢實業坊. (無日期). 擷取自 https://www.ptt.cc/bbs/boxoffice/M.1516302922.A.D68.html.
Franz Milanisti. (2019年4月15日). 擷取自 https://franzlaufra.blogspot.com/2017/04/data-mining.html.
Import.io - Wikipedia. (2018年9月15日). 擷取自 https://en.wikipedia.org/wiki/Import.io.
ShiauJiun Yan. (無日期). Big Data Analysis and Data Mining. 擷取自 http://www2.nkfust.edu.tw/~sho/bigdata.html.
Yahoo奇摩電影. (無日期). 擷取自 https://movies.yahoo.com.tw/.
王允育. (2016). 文字探勘於社群網路研究:以航空業為例.
宋紫薇. (2018). 使用者對社群網絡服務電影評論的態度之研究：以泰國為例.
林名彥. (2015). 應用文字探勘技術於客訴資料之研究-以台大PPT論壇為例. 龍華科技大學資訊管理系碩士班碩士學位論文.
林宇中. (2003). 基於語意內容分析之情緒分類系統. 國立成功大學資訊工 程學系碩士班碩士論文.
邱鴻達. (2018). 意見探勘在中文電影評論之應用. 國立交通大學資訊科學與工程研究所碩士論文.
張育蓉、郭俊桔. (2013年6月18日). 使用情緒分析於圖書館使用者 滿意度評估之研究. 圖書資訊學研究, 7(2), 頁 153-197.
張莊平. (2012). 中文文法剖析應用於電影評論之意見情感分類. 國立臺灣師範大學資訊工程研究所碩士論文.
情緒 - 維基百科，自由的百科全書. (2018年9月15日). 擷取自 https://zh.wikipedia.org/wiki/%E6%83%85%E7%BB%AA.
郭柄良. (2017). 應用文字探勘技術分析電影評論與台灣票房之關係. 中華大學生物資訊學系碩士班碩士論文.
陳世榮. (2015年7月28日). 以文意為基礎的文件分類及其問題. 人文及社會科學集刊, 27(4), 頁 683-718.
陳立. (2010). 中文情感語意自動分類之研究. 國立臺灣師範大學資訊工程研究所碩士論文.
陳怡妏. (2018). 賽事語意及情感分析在運動行銷的應用 – 以羽球為例.
陳昱年. (2013). 電影評論中情緒詞彙之極性分析. 國立臺灣師範大學資訊工程研究所碩士論文.
資料科學實驗室: 情緒分析(Sentiment Analysis)的作法與商業價值. (2019). 擷取自 http://dataology.blogspot.com/2015/04/sentiment-analysis.html.
蔡瑜方. (2019). 中文斷詞與詞類標記系統簡介. 中央研究院資訊科學所, 詞庫小組. 擷取自 http://linganchor.sinica.edu.tw/data/file/LC040906LC03.pdf