网路论坛上负面评论之识别-NPUCSIE.PDFVIP

第十五屆離島資訊技術與應用研討會 網路論壇上負面評論之識別 1 2 3 4 許維勻 張榮貴 許輝煌 陳德展 淡江大學資訊 工程學系 1 2 bennyhsu520@ james.chang@.tw 3 4 h_hsu@.tw c3wisdom@ 摘要 品 、活動 、服務 …等等做出各種評論、心得、建 如果能從網路上的社群網站或是網路論壇裡 議。對企業來說，如果能夠有效的利用這些資 眾多用戶所留下的 大量留言和評論之中 ，獲得其 訊，就可能做到 1.改善問題 2.根據市場需求進行 中對於企業的 產品、服務等等的評價 ，尤其是需 調整 3.預測市場趨勢等等。 要改進的地方，這些網路言論都可以成為對企業 來說有價值的情報。傳統 收集客戶意見的 方式除 常見的情緒分類處理 分為 ：詞彙表為基礎的 了問卷調查外，還有利用透過客戶和客服的問答 Lexicon-based 方法[1] ，另外一種則是以語料庫為 所留下的記錄或是雇用人員在社群網路和網路論 基礎的Corpus-based 方法[1] 。本研究會以 壇上針對客戶的問題和抱怨進行回報 ，這類的處 Corpus-based配合機器學習 建立一個分類器 ，這 理方法在效率與成本上有很大的問題。本研究以 個分類器是針對負面評論和非負面評論 兩種類別 機器學習 （Machine Learning ）的方法 ：支援向量 進行分類。機器學習顧名思義是讓機器能夠根據 機（Support Vector Machine, SVM ）為情緒分類演 經驗自動學習 ，而在學習演算法當中有牽涉到許 算基礎，提出一個即時爬蟲分析網路論壇上對於 多統計學領域的知識 ，所以也被稱為 統計學習理 某個企業商品的抱怨或是問題評論，並回傳分析 論 [8] 。在本研究所指的負面評論不單只是含有負 記錄給企業的輿情系統架構，使企業除了可以在 面詞彙的語句，客戶對於 企業的產品或服務有問 第一時間處理這些抱怨外，也可以根據這些分析 題這種不含負面詞彙，但卻是可能造成降低客戶 進行問題的改善 。而從 本研究的實驗結果來看， 信任程度或是影響他人 對該企業觀感的評論，都 透過本研究所提出的負面評論識別方法能夠達到 會是屬於負面評論的範疇 。舉例來說 ：”今天在某 不錯分辨效果 。 個企業附設的維修中心等了三個小時” ，上述的句 子可以明顯的把它歸類在負面評論，但若是使用 關鍵詞：輿情分析、支援向量機、網路爬蟲 、自 傳統的 Lexicon-based 方法就會因為句子不含負面 然語言處理、文字探勘 語詞造成判斷錯誤 ；若使用 Corpus-based 方法配 合 機器學習就可以訓練分類器分辨這類型的句 前言 子，以降低誤判機率。 由於科技的發展迅速，上網不僅僅侷限坐在 電腦前，透過行動裝置就可以隨時隨地的使用網 本研究的目標是建立一個即時分析的輿情系 路來獲