从零散中建立脉络.pptVIP

從零散中建立脈絡-超鏈結文件的自動建立- 組員：9142035楊慧霞 9142036葉懿慧 9142037郭怡青 9142038黃于真 9142039池燕茹 8811026蘇筱雯 一、背景描述 公司為了達到組織內部知識最大化 的理想，進行一連串的計畫，就在 完成內部文件定義及擷取步驟的時 候，在「整合片段文章成為結構式 完整文章」的階段上遇到了瓶頸。 二、問題原因 公司選擇web作平台，並將所有文件轉成網 路流通的形式。 【優點】網路超文件環環相扣。 【缺點】經整理過的文件數量依舊龐大，在 作文件間的超連結時須依靠大量人 力去逐字比對，相當曠日費時。 三、開發動機 為了解決上述的例子，只能靠人力建立 超連結文件。此外，增進組織內部文件 web化的效率及速度，達成知識文件的 整合，做到知識最大化的目標。 四、應用實例之一 電子書(此指具有專門主題性質之電子書) 《方法一》利用搜尋或索引 (缺點)：不方便 《方法二》利用「自動建立超鏈結」 (優點)：提高效率並且獲得知 識的完整性 應用實例之二 FAQ( Frequently Asked Question ) 問題??答案 FAQ 但要是在答案中又遇到不懂的詞彙時： ?????? 找到答案中的問題解答 利用自動建立超鏈結 五、概念及解決方案Step1：斷出詞彙 字義的最小單位是詞而不是零散的字，為了系統處理上的方便，在分析文章前，斷詞是最基本的手續。 斷詞的方式大致分為兩種： 1. 詞彙語意的研究。 2. 利用現有的、已經建立的詞庫去 比對。 方法2. 利用現有的、已經建立的詞庫去比對 利用: 研究機構釋出的階段性詞庫。 優點: 減少方法1初期研究所花費的大量 時間與資源。 缺點: (1)會漏掉詞彙庫裡缺少的辭彙。 (2)沒有彈性。 以上兩種方法，我們選擇了第2種，並針對缺點做了兩項補救： 建立〝使用者推薦關鍵字〞的功能詞彙庫，可以不斷擴充有彈性。 另外有〝STOP WORD字庫新增刪除〞功能，可以過濾掉不重要的詞。 【註】STOP WORD--- 在文章裡出現次數頻繁但不重要的字詞 ex:(我們、你們、 的、是……)，在下一步驟關鍵字分析時會直接略過。 振作點！ 才報告到一半呢！ 不要打瞌睡喔！ Step2：取出關鍵字 目的：取出有代表性的辭彙作為連結文 件的指標。 方法： 1. TF法 2. TFxIDF法 3. TF與TFxIDF混合法 1. TF法： 按照出現次數多寡選出關鍵字，出現次數 越多越有代表性。 2. TFxIDF法 ： 如果某個詞在所有的文章都出現過，重要 性似乎就沒那麼高，這時就可以利用此方 法對這個詞做重要性的刪減。 (F=全部文章數, N=某詞出現過的章數) 3. TF與TFxIDF混合法： (由來)：在運用方法二時，若一個詞出現在各 文章的頻率過低，算出來的IDF值會 過高而失真。 (因此) ：在算完TFxIDF值後，再以TF作一 次正確性的修正，此為TF與TFxIDF