3.5 3.5
3.5.3 .3 .3 影評摘要句 .3 影評摘要句 影評摘要句 影評摘要句
根據 3.4 小節，我們可以將一篇影評分好類『好評』或『負評』。我們先取 出影評所有包含有產品特色詞的句子，依據該篇影評分類的結果，我們取相對應
18
4.1 交叉測試 交叉測試 交叉測試 交叉測試( (( (Cross Validation Cross Validation Cross Validation) Cross Validation )) )
在本節中我們將對 3.4.2 小節中所提出的各種特徵做情感分類的準確度比
實驗資料：國內知名 BBS 站 PTT(telnet://ptt.cc)電影討論版 470 篇影評 (正評 250 篇/負評 220 篇)。表格三為各組交叉測試實驗結果。
表格 三 各種特徵判斷情緒的準確度 Test Test Test Test
第一組特徵 71.0021
第一組特徵+否定 70.7889
第一組特徵+位置 69.5096 第一組特徵+長度 70.1493
第二組特徵 78.4648
第二組特徵(否定) 79.3177 第二組特徵(位置) 71.6418 第二組特徵(長度) 79.1045
第三組特徵 76.5458
第三組特徵(否定) 75.4797 第三組特徵(位置) 70.1493 第三組特徵(長度) 78.2516
4.3 4.3 4.3
4.3 實驗討論 實驗討論 實驗討論 實驗討論
參照各組加入否定、位置、長度等特徵以後，其準確度效果均無明顯提升或 下降，表示這些特徵對文章分類並沒有太大的影響力，這實驗結果和[1]的實驗 結論雷同。而和[2]一樣的方法取文章特徵(第三組特徵)相比較，第二組實驗效
20
果有較佳的結果。根據實驗結果，本系統取第二組特徵加上否定詞做訓練預測模 型的文章特徵。
第五章 第五章 第五章
第五章、、、、結論與展望結論與展望結論與展望結論與展望
5.1 5.1
5.1 5.1 研究總結 研究總結 研究總結 研究總結
透過上述研究，我們實做了一套可以判別評論意見的系統，透過這系統我們 可以更迅速的分析網路上大量的評論並得到精簡的意見摘要。從這些摘要我們可 以花費較少的時間去得知大部分人的意見並從中判斷。從實驗結果來看，這方法 是可行的，並且可以應用在更多地方；例如企業新產品的使用心得分析等。
5.2 5.2
5.2 5.2 未來研究 未來研究 未來研究 未來研究
情感分類部分，對文章特徵，或許可以找到更好的特徵或特徵表示法使 SVM 能訓練出準確率較高的預測模型。或者也可以結合 SVM 和其他情感探勘的技巧加 強情感的分析。
摘要方面，如何找出更精確的特色名詞以及情緒詞也可以達到更棒的意見摘 要。
參考文獻 參考文獻參考文獻 參考文獻
[1] Peter D. Turney. Thumbs Up or Thumbs Down? Semantic Orientation Applied to Unsupervised Classification of Reviews . Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics (ACL), Philadelphia, July 2002, pp.
417-424.
[2] Ana-Maria Popescu and Oren Etzioni. Extracting Product Features and Opinions from Reviews. In proceedings of HLT-EMNLP’2005.
[3] 陳 正 揚. Feature Appraisal for Hotel Comparsion.2006.
[4] Bo Pang and Lillian Lee , Shivakumar Vaithyanathan . Thumbs up? Sentiment Classification using Machine Learning Techniques. Proceedings of EMNLP 2002, pp. 79–86.
[5]Thorsten Joachims . Text Categorization with Support Vector Machines : Learning with Many Relevant Features.1998.
[6] 楊昌樺,高虹安,陳信希. 以部落格語料進行情緒趨勢分析.2007.
[7] 林智仁. http://www.csie.ntu.edu.tw/~cjlin/libsvm/
[8] http://ckipsvr.iis.sinica.edu.tw/
[9] Regina Barzilay , Michael Elhadad. Using Lexical Chains for Text Summarization.
In: Mani, Inderjeet and Maybury, Mark T. Advances in automatic text summarization, Cambridge, MA: The MIT Press, pages 111–121.1999.
[10]Hongyan Jing. Sentence Reduction for Automatic Text Summarization.2000.
[11] 關英杰，林鴻飛，楊志豪，趙晶. 關鍵詞密度分佈法在偏眾摘要中的應用 研究.中國期刊第33卷16期,人工智能及識別技術.2007.
[12]Yi-Fen Chen, Automatic Concept-Based Answer-Finding System . 2003 .