使用者回饋之分類

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

次數，為一種隱性的使用者回饋，使用者不需明確的作出如評分或回應等動作，才能表 達自身的意見，換句話說，系統中在焦點新聞的推論過程中已經考量了每一位使用者所 作出的隱性回饋，這點對於保持團體間的多樣性有很大的助益；最後，本系統會統整使 用者的評分、瀏覽、回應等顯隱性回饋作出合適的推論，以完成最重要的統整性要求。

2.3 使用者回饋之分類

一般而言使用者回饋（user feedback）可以分為兩種：一種為目標明確的顯性回饋（explicit feedback），另一種為隱含性回饋（implicit feedback）。

具體而言，可分為下列幾種形式：

1. 顯性回饋：使用者審查某一目標物並且針對此目標物給予一個主觀的評分或一段文 字描述。

 評分：要求使用者在閱讀過文件之後給予一個主觀的分數，GroupLens[30]與 Syskill & Webert [42]採用此方法。

 文字描述：透過較自由的文字表達方式獲得使用者意見，例如：書評、電影評 論或者問卷調查。

2. 隱性回饋：透過使用者的操作行為，估計使用者對於目標物的感興趣程度。

 閱讀花費的時間：Morita與Konstan等人的研究[20, 24]。Morita將使用者閱讀項 目的時間，與被使用者標示為感興趣的項目做比較，發現使用者閱讀時間與感 興趣的項目有高度的正相關，並且將其應用於資訊過濾技術，使可能不會被使 用者感興趣的項目濾除；另外，在Konstan的研究中，也得到類似的結果，而 Konstan是將此一結果應用於協同式推薦系統之中。採用此一方法最明顯的缺

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

點是，透過簡單偵測技術所偵測到的使用者閱讀時間，不一定符合使用者實際 閱讀時間，想要得到較準確的使用者閱讀時間，必須藉由眼動儀等較高成本的 偵測設備。

 滑鼠點擊行為：White與Joachims等人的研究[18, 43]採滑鼠點擊行為做為使用 者對於項目的喜好與否之依據，並且應用於查詢語句的擴展；Joachims將滑鼠 點擊行為做為查詢結果正確與否的判斷。兩者的研究皆顯示滑鼠點擊行為可做 為隱性回饋之一，但並不能夠完全信賴此一回饋，並且此種作法將會受限於特 定使用環境。

圖 2.2 為學者 Claypool [6]所提出使用者評分分類，在這張二維的圖表中，橫軸代表 評分值較接近明確或隱含；縱軸代表評分值是針對整體項目，例如網頁內容，向下則代 表此評分值較針對項目的結構或內容，例如網頁的佈局（layout）或是字體顏色。

圖 2.2 使用者評分分類表[6]

以實際的例子來說明，在 GroupLens 系統中[30]，會要求使用者針對閱讀過的新聞 給予 1 到 5 分的評價，這個分數可以清楚的表示使用者對於該新聞的喜好程度；而 Syskill

& Webert 系統中[42]，也以特定的符號來代表使用者喜歡或不喜歡某一網站。另一方面，

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

隱性回饋則是從使用者瀏覽網頁的動作或行為中，推論使用者對於某項目的喜好，例如 White[43]的研究中以使用者是否瀏覽某一網頁，判斷使用者是否對於該網頁有興趣。

採用顯性或隱性使用者回饋資訊進行資料探勘，各有其優缺點。顯性回饋的優點在 於回饋的動作與目標明確，回饋的資料容易瞭解且易於使用，透過系統的幫助使用者可 以從其他人的經驗中得到好處；缺點在於這樣的回饋行為通常需要改變使用者的閱讀習 慣、增加使用者負擔。Grudin[10]指出蒐集用戶回饋的成本及利用這些回饋資訊所產生 出的效益之間的差距是非常重要的，若用戶不能感受到參與這樣的社群活動，並且感受 貢獻資訊所得到的好處，則使用者可能會降低分享回饋的意願，轉換為僅閱讀文章的狀 態，也就是所謂的冷啟動問題（cold-start problem）。更糟的情況是，這會導致數據稀疏

（sparsity）的現象，進而影響系統所能產生的效益，形成一個惡性循環，這樣的情形可 能發生在任何需要顯性回饋的系統中[2]。隱性回饋的優點在於其回饋資訊是從使用者瀏 覽行為中由系統推論所得到，因此降低了使用者回饋的成本；但缺點是不能保證由系統 推論出的數據的正確性。表 2.1 分別列出顯隱性回饋的優缺點比較。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

表 2.1 顯性回饋與隱性回饋之優缺點比較

顯性回饋 隱性回饋

優點 易於瞭解與使用、回饋數據較準確

1. 無需改變使用者閱讀行為 2. 降低使用者回饋的成本

缺點

1. 改變使用者閱讀習慣 2. 增加使用者回饋的成本 3. 降低使用者的使用意願 4. 可能面臨資料稀疏的問題 5. 可能面臨冷啟動的問題

無法保證資料正確性

從以上的分析中，我們可以知道顯性與隱性回饋各有其優劣，因此本研究所提出之 研究方法將結合兩者，在使用者顯隱性回饋中進行資料探勘及推論，找出有利於公共辯 論與提升網站社群經營之潛在資料。