後續研究

目前幽默語料庫雖然有 15 個欄位，但仍稍嫌不足，為增加其完整性，應再 設計更多加值欄位。另外，此語料庫目的為盡可能收納全部笑話的語料庫，也就 是會隨時間逐漸擴大語料量，對於後續語料的擴充抑或是幫助聊天機器人的發展 等，進一步對語料庫進行修訂、編目，補充更多數據，希冀對各方面如笑話辨識、

笑話生成等難題實以解決之道。

一、加值欄位的應用

為未來幽默語料庫能發揮其最大實用價值，預期的加值欄位主要有四個：(1) 誘發笑話的原因；(2)負例；(3)人物；(4)幽默程度。以下分別詳述之：

83

(一) 誘發笑話的原因

笑話中的語言特徵，如押韻、反義詞、俚語等。像是在「中文笑話語料庫」

按笑話產生原因分為 8 類：(1)諧音笑話；(2)諧義笑話；(3)類比笑話；(4)委婉笑 話；(5)反語笑話；(6)諷刺笑話；(7)誇張笑話；(8)反轉笑話（任璐等人，2018）。

但依據任紹偉（2004）所提出的笑話構成原理其實高達五類 74 種原因：

1. 語音篇：同形同音、異形同音、多音字、諧音、語音停頓等等。

2. 文字篇：念錯字、符號代替文字、漢字筆畫、寫錯字、濫造字等等。

3. 詞句篇：曲解詞意、方言詞、誤解外文詞、多義詞、顛倒詞序/語序、歧異句等 等。

4. 修辭篇：語意雙關、誇張、比喻、反語、擬人、標點修辭、褒詞貶用等等。

5. 邏輯篇；概念內涵與外延的相互關係、混淆概念、誤解概念間的交叉關係、違 反定義規則、巧用同一律、預設、換位法、歸謬法、顛倒因果、違反矛盾律等 等。

幽默語料庫若能有此欄位，即可在大量文字數據裡辨識笑話、有哪些，進而 取出笑話。

(二) 負例

所謂的「負例」，指的是負面範例，因想測試的內容不同而不同，在這裡特 指為了與笑話區別而事先找好的短文範例，笑話為正例，其他同笑話長度的短文 則為負例。擁有此欄位可訓練分類器去辨別不同文章類型，熟悉「笑話」後，就 能提升幽默辨識技術。一旦幽默辨識技術較成熟，發展幽默生成也會相形成長。

84

85

(四) 幽默程度

據「中文笑話語料庫」中，依據幽默程度分為 1、3、5 三種程度，1 為最低 的好笑程度，5 為最高的好笑程度。由於每個人的笑點不同，幽默程度可能會有 差異，此欄位的數值高低也可能有偏頗，但若有此欄位對幽默檢索等相關研究來 說能有一定的幫助。「幽默程度」對照幽默語料庫的欄位，就很像是「人氣數」，

以下是依照人氣數的內容所統整的格式，總共有 12 種格式：

1. 笑話評價：(票數，平均分數) 2. 人氣數

3. (愛心) 喜歡數 4. 回覆數/人氣數 5. 回覆篇數/瀏覽人次 6. 按讚數

7. 讚數

8. 觀看次數/按讚數 9. 人氣數

10. 爆紅溫度 11. 查看人數 12. 人氣數/回應數

86

可再大致區分成 5 種計算方式：

1. 笑話評價 2. 人氣 3. 喜歡/讚數 4. 觀看次數 5. 回應

只是目前的人氣數是部分笑話才有此欄位的內容，尚未統一評分格式，待未 來收錄有評分的笑話數量達到七成（現有笑話僅有三成），再統一評分機制，令 每個笑話都可以有幽默程度的區別，例如把上述格式簡化、濃縮成「讚數」與「觀 看次數」。

如果說現有欄位的目的，是為了公開使用而應有的編目欄位，為幽默語料庫 的最低價值；那加值欄位的目的，就是為了那些欲利用此語料庫做幽默生成或幽 默辨識技術的學者而應有的欄位，為幽默語料庫預期的最大價值。

二、其他方面研究

(一) 笑話語料的擴充

雖然幽默語料庫已有 3,691 則笑話，已是有小型規模的語料庫，但距離預期 上萬筆資料仍相差甚遠。根據任璐等人（2018）在〈中文笑話語料庫的構建與應 用〉一文中提到，擴充笑話語料應是為了有以下作用：

87

1. 能運用使用者所提供的關鍵詞做直接的搜尋，找出對應之笑話。

2. 如果無法達成第一點，如無精確匹配的笑話，會再根據關鍵字與題名、分類，

或人事物等依序進行相似度分析。

若無足夠龐大的資料量，使用者在使用此語料庫時必定處處碰壁，也就無法 發揮幽默語料庫的最大價值，因此，持續擴充語料為此語料庫實踐過程的重點之 一。

(二) 笑話與負範例之辨識系統

若要做出一個笑話自動檢索系統，必須先讓系統能在眾多文體體裁中辦認出

「笑話」，此時負範例即擔任舉足輕重的角色。好的負例可訓練分類器，經過不 斷的訓練，幽默辦認的成效也會愈高。當分類器成熟後，就能自動找出笑話，進 而較為省時省力的增加笑話語料。

(三) 幽默識別與幽默生成

在前面第二章第三節的幽默對話系統中也有提到，有初步的幽默語料庫，才 能做接下來的幽默對話系統。若能創建一個語料量龐大的幽默語料庫，利用幽默 辨識法分類每則笑話，再利用幽默生成法產生新的有趣內容，結合對話系統的架 構，定能幫助幽默語料檢索系統的發展。

根據任璐等人（2018）對中文笑話語料庫的應用之觀點來說，針對笑話識別 的部分認為：可利用其進行深度學習的模型，將特徵加到模型中，計算判斷是否 為笑話；而針對笑話生成的部分則認為：可參照部分學者的幽默生成框架，結合 其語料庫特點，達到笑話生成。

88

然而，以目前的建置過程來看，仍相當依靠人工作業，但對於一個大型的語 料庫來說，並不適用人工的方式進行內容辨識的。因此，當幽默語料庫擴大成大 型語料庫之時，便非常需要依靠自動分類從旁協助。另外，加值欄位如誘發笑話 的原因、正負例來源比較、人物，以及幽默程度的評分等也是未來開發的重點，

這些欄位都是能替幽默語料庫「增值」，正因如此，未來它們的存在也是勢在必 行。

總論以上，本研究的幽默語料庫內容主要為正體中文，不同於中國以簡體中 文為主的「中文笑話語料庫」，訴求是以符合我國國情所創置的資料庫，可用來 助長資訊檢索系統、聊天機器人，或幽默辨識、幽默生成之技術發展，其背後的 數據集即可利用幽默語料庫。依據不同使用者需求的檢索系統提供資料量，再透 過時間一點一滴累積語料量，形成大型的語料庫可對爾後相關技術研究貢獻一份 心力，讓機器學習的發展更加成熟。

89

參考文獻

FunHacks （ 2016 ） 。 Python 正 則 表 達 式 re 模 塊 。 取 自 http://funhacks.net/2016/12/27/regular_expression/

JeanCheng （ 2015 ） 。 Python 正 则 表 達 式 匹 配 中 文 。 取 自 https://blog.csdn.net/gatieme/article/details/43235791

Tommy Huang（2018）。機器學習應用-「垃圾訊息偵測」與「TF-IDF 介紹」(含 範例程式)。取自 https://medium.com/@chih.sheng.huang821/機器學習應用-垃 圾訊息偵測-與-tf-idf 介紹-含範例程式-2cddc7f7b2c5

Vincent （ 2009 ） 。 使 用 MS Office OneNote 辦 識 圖 片 中 的 文 字 。 取 自 http://isvincent.pixnet.net/blog/post/30094176-%E4%BD%BF%E7%94%A8ms-

office-onenote%E8%BE%A6%E8%AD%98%E5%9C%96%E7%89%87%E4%B8%A D%E7%9A%84%E6%96%87%E5%AD%97。

上海圖書館（2006）。DCMI 元數據術語。取自 http://dc.library.sh.cn/dcmi-terms.htm

中 文 信 息 學 報 （ 2018 ） 。 期 刊 简 介 。 取 自 http://jcip.cipsc.org.cn/CN/column/column22.shtml

中 央 研 究 院 （ 1997 ） 。 中 央 研 究 院 中 英 雙 語 知 識 本 體 詞 網 。 取 自 http://bow.ling.sinica.edu.tw/intro/

中央研究院（1997）。古漢語語料庫。取自 http://hanji.sinica.edu.tw/

中 央 研 究 院 語 言 學 研 究 所 。 中 文 詞 彙 特 性 速 描 系 統 簡 介 。 取 自 http://wordsketch.ling.sinica.edu.tw/

90

中 央 研 究 院 歷 史 語 言 研 究 所 （ 1984 ） 。 漢 籍 全 文 資 料 庫 。 取 自 http://hanchi.ihp.sinica.edu.tw/ihp/hanji.htm

中 華 民 國 計 算 語 言 學 學 會 。 中 文 廣 播 新 聞 語 料 庫 。 取 自 http://www.aclclp.org.tw/use_mat_c.php#cospro

中 華 民 國 計 算 語 言 學 學 會 。 台 灣 口 音 英 語 語 料 庫 。 取 自 http://www.aclclp.org.tw/use_mat_c.php#cospro

中 華 民 國 計 算 語 言 學 學 會 。 國 語 語 音 資 料 庫 。 取 自 http://www.aclclp.org.tw/use_mat_c.php

尤雅姿（1996）。《世說新語》所表現之幽默現象及其意義之探究－從美學的觀 點出發。文史學報，26，49-70。

王勻芊（2016）。口語語料庫之建置典藏與應用：以臺灣客語口語語料庫為例 （碩 士論文）。國立政治大學，臺北市。

王 梅 玲 （ 1995 ） 。 主 題 分 析 Subject Analysis 【 線 上 辭 典 】 。 取 自 http://terms.naer.edu.tw/detail/1683115/

王 梅 玲 （ 2011 ） 。 都 柏 林 核 心 集 (Dublin Core) 。 取 自 http://techserviceslibrary.blogspot.tw/2011/04/dublin-core.html

台灣語言學學會（2015）。【政大客語口語語料庫】 近期更新！歡迎使用！取 自 http://linguist.tw/zh-tw/news/67/

任紹偉（2004）。幽默笑話語言學。中國：吉林人民出版社。

任璐、楊亮、徐琳宏、樊小超、刁宇峰、林鴻飛（2018）。中文笑話語料庫的構 建與應用。中文信息學報，32(7)，20-29。

91

光 華 畫 報 雜 誌 社 （ 2005 ） 。 光 華 雜 誌 中 英 對 照 知 識 庫 。 取 自 http://edba.ncl.edu.tw/sinorama/intro.htm

李佩瑛等人（2010）。語料庫建置入門數位化工作流程指南。臺北：數位典藏拓 展臺灣數位典藏計畫。

李廣偉、戈玲玲、劉朝暉（2016）。言語幽默漢英平行歷時語料庫及其檢索系統 的構建與應用。外語電化教學，172，60-65。

李璠（2017）。基于自建語料庫對環境幽默語篇的多維度分析。環球市場信息導 報，21，102-106。

岳曉東（2012）。幽默心理學：思考與研究。香港：香港城市大學。

岳曉東、郝霞、Goldman, G.（2010）。幽默風格、樂觀人格與心理健康—— 800 名香港和內地大學生的調查與思考。教育研究學報，25(1)，125-157。

林武聰（2003）。線上英語學習環境（碩士論文）。國立雲林科技大學，雲林縣。

林郁翔（2008）。為何使用資料庫儲存資料時，需要先執行正規化？取自 https://www.ithome.com.tw/node/47440

林淑貞（2006）。作者、歷史與「寓莊於諧」──明清「笑話寓言」創作意圖析 探。興大中文學報，18，73-122。

國家教育研究院（2016）。105.08.12 國教院華語文語料庫查詢工具及基礎技巧

簡 介 【 Youtube 影 音 資 料 】 。 取 自

https://www.youtube.com/watch?v=LuF7WBeOHrU

國 家 教 育 研 究 院 。 國 家 教 育 研 究 院 電 子 報 （ 第 167 期 ） 。 取 自 https://epaper.naer.edu.tw/index.php?edm_no=167&content_no=2952

92

國 家 教 育 研 究 院 。 國 家 教 育 研 究 院 電 子 報 （ 第 38 期 ） 。 取 自 https://epaper.naer.edu.tw/index.php?edm_no=38&content_no=1040

國 家 教 育 研 究 院 。 國 家 教 育 研 究 院 電 子 報 （ 第 49 期 ） 。 取 自 https://epaper.naer.edu.tw/index.php?edm_no=49&content_no=1368

國 家 發 展 委 員 會 （ 2015 ） 。 資 料 集 詮 釋 資 料 標 準 規 範 。 取 自 http://file.data.gov.tw/opendatafile/資料集詮釋資料標準規範.pdf

崔懷芝（2007）。量表信度的測量：kappa 統計量之簡介。生統 E 報，11。

章忠信（2003a）。我怎知如何才是「合理使用」的合理範圍？著作權筆記。取自 http://www.copyrightnote.org/ArticleContent.aspx?ID=3&aid=563

章 忠 信 （ 2003b ） 。 印 書 籍 時 不 可 超 過 三 分 之 一 ？ 著 作 權 筆 記 。 取 自

章 忠 信 （ 2003b ） 。 印 書 籍 時 不 可 超 過 三 分 之 一 ？ 著 作 權 筆 記 。 取 自