第七章 結論與未來可能研究方向
7.2 未來可能研究方向
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
99
7.2 未來可能研究方向
本 研 究 是 從 Euclidean Coclustering Algorithm （ MSRICC ）、 Information Theoretic Coclustering algorithm （ ITCC ）、 Minimum Squared Residue Clustering algorithm（MSRIICC）三種雙分群演算法中選擇了 MSRICC 與 MSRIICC 來進行分析，在分群結果上仍有進步的空間，在未來可嘗試配合雙分群演算法混 合其他不同方法來進行研究，或以 PCA 之外的方法對資料進行分析與測試，嘗試 更精確的完成貼文與字串的分群。
另外，本研究的貼文在分群後，是以凝聚率與鑑別率進行評估後再以主觀的 方式進行分析，來了解分群的結果。未來希望能找出一個方法，以客觀的角度來 分析分群結果，並且依據這個方法進行延伸，找出每個群中貼文的架構。另外，
關鍵詞的部分，在貼文上並非是以出現次數多寡來定義其重要性，亦希望能加入 某些方法來對貼文中的字詞進行權重判別，為所有字詞附上權重，將權重較高的 關鍵詞提供給使用者，除了讓使用者可以迅速了解這個群體的貼文架構與其所代 表的內容外，也可透過關鍵詞迅速找到符合相關的貼文群體。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
100
參考文獻
[1] 蕭世平，“台灣地區線上音樂會員使用狀況與業者行銷策略研究”，南臺科 技大學資訊傳播研究所碩士論文，2007。
[2] 鄭博元,“設計與實作一個臉書粉絲頁資料抓取器”，政治大學資訊科學研 究所碩士論文,2015。
[3] 陳稼興, 謝佳倫, & 許芳誠，“以遺傳演算法為基礎的中文斷詞研究”，資 訊管理研究第二卷第二期，pp. 27-44，2000。
[4] 王瑞平，“應用平行語料建構中文斷詞組件”，政治大學資訊科學研究所碩 士論文，2012。
[5] Tsai, Y. F., & Chen, K. J.,“Reliable and Cost-Effective Pos-Tagging”, International Journal of Computational Linguistics & Chinese Language Processing, Vol. 9 #1, pp. 83-96, 2004.
[6] Ma, W. Y., & Chen, K. J.,“A Bottom-up Merging Algorithm for Chinese Unknown Word Extraction”, Proceedings of ACL, Second SIGHAN Workshop on Chinese Language Processing, pp. 31-38, 2003.
[7] Ma, W. Y., & Chen, K. J.,“Introduction to CKIP Chinese Word Segmentation System for the First International Chinese Word Segmentation Bakeoff”, Proceedings of ACL, Second SIGHAN Workshop on Chinese Language Processing, pp. 168-171, 2003.
‧
[8] 黃俊堯,“看懂，然後知輕重。「互聯網+」的10堂必修課”，pp. 21-29，
台北：先覺出版社，2015。
[9] 張家寧,“以概念萃取為基礎之文件分群與視覺化”，交通大學資訊科學與 工程研究所碩士論文，2006。
[10] 徐俊傑,“網際網路資訊應用研究”，台灣科技大學資訊管理系行政院國家 科學委員會專題研究計畫，2007。
[11] Hartigan, J. A.,“Direct Clustering of a Data Matrix”, Journal of the American Statistical Association Volume 67, Issue 337, 1972.
[12] 陳貫中,“以雙分群方法分析基因微矩陣資料”，交通大學資訊科學與工程 研究所碩士論文，2006。
[13] 張智愷,“基於動態調整權重之co-cluster演算法”，交通大學資訊科學與 工程研究所碩士論文，2011。
[14] Mirkin, B.,“Mathematical Classification and Clustering”, Kluwer Academic Publishers,1996.
[15] Dhillon, I. S.,“Co-clustering documents and words using bipartite spectral graph partitioning”, in Proceedings of the seventh ACM SIGKDD international conference on Knowledge discovery and data mining, ser.
KDD ’01, pp. 269–274, 2001.
[16] Dhillon, I. S., Mallela, S., & Modha, D. S.,“Information-theoretic co-clustering”, in Proceedings of the ninth ACM SIGKDD international conference on KKluwer Academic Publishersnowledge discovery and data mining, pp. 89–98, 2003.
‧
[17] Kwon, B., & Cho, H.,“Scalable Co-Clustering Algorithm”, Algorithms and Architectures for Parallel Processing, Lecture Notes in Computer Science, Vol. 6081, pp. 32–43, 2010.
[18] Cho, H., Dhillon, I. S., Guan, Y., & Sra, S.,“Minimum sum-squared residue co-clustering of gene expression data”, in Proceedings of the fourth SIAM international conference on data mining, 2004.
[19] Cho, H., & Dhillon, I. S.,“Coclustering of Human Cancer Microarrays Using Minimum Sum-Squared Residue Coclustering”, IEEE/ACM Transactions on Computational Biology and Bioinformatics, Vol. 5, NO. 3, 2008.
[20] Cheng, Y., & Church, G. M., “Biclustering of Expression Data”, in Proceedings of the Eighth International Conference on Intelligent Systems for Molecular Biology, Vol. 8, pp. 93-103, 2000.
[21] Martínez, A. M., & Kak, A. C.,“Pca versus lda”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, No. 2, pp. 228-233, 2001.
[22] Zhang, Y., & Wu, L.,“An MR brain images classifier via principal component analysis and kernel support vector machine”, Progress In Electromagnetics Research 130, pp. 369-388, 2012.
[23] 林 育 臣 , “ 群 聚 技 術 之 研 究 ” , 朝 陽 科 技 大 學 資 訊 管 理 研 究 所 碩 士 論 文,2002。
[24] 陳榮昌,“群聚演算法及群聚參數的分析與探討”,朝陽科技大學資訊管理 研究所碩士論文,2003。
‧
[26] Mihalcea, R., & Tarau, P.,“TextRank: Bringing Order into Texts”, Proceedings of the Conference on Empirical Methods in Natural Language Processing, Vol. 4, pp. 404-411, 2004.
[27] De Choudhury, M., Gamon, M., Counts, S., & Horvitz, E.,“Predicting depression via social media”, In Proceedings of the 7th International AAAI Conference on Weblogs and Social Media, 13, pp. 1-10, 2013.
[28] Yin, J., Lampert, A., Cameron, M., Robinson, B., & Power, R.,“Using social media to enhance emergency situation awareness”, IEEE Intelligent Systems, 27(6), pp. 52-59, 2012.
[29] Benson, E., Haghighi, A., & Barzilay, R.,“Event discovery in social media feeds”, Proceedings of the 49th Annual Meeting of the Association for Computational Linguistics: Human Language Technologies-Volume 1, Association for Computational Linguistics, pp. 389-398, 2011.
[30] Girvan, M., & Newman, M. E.,“Community structure in social and biological networks”, Proceedings of the national academy of sciences, 99(12), pp. 7821-7826, 2002.
[31] Pohl, D., Bouchachia, A., & Hellwagner, H.,“Online indexing and clustering of social media data for emergency management ” , Neurocomputing, 172, pp. 168-179, 2016.
‧
[32] Papadopoulos, S., Kompatsiaris, Y., Vakali, A., & Spyridonos, P.,
“ Community detection in social media ” , Data Mining and Knowledge Discovery, 24(3), pp.515-554, 2012.
[33] Azizifard, N., “Social Network Clustering”, International Journal of Information Technology and Computer Science, 6(1), 76, 2013.
[34] Reuter, T., Cimiano, P., Drumond, L., Buza, K., & Schmidt-Thieme, L., “Scalable Event-Based Clustering of Social Media Via Record Linkage Techniques ” , In Fifth International AAAI Conference on Weblogs and Social Media, 2011.
[35] 吳怡瑾,方友杉, & 喻欣凱,“運用文件分群與概念關聯分析技術協助網誌 瀏覽: 任務導向評估方法”,輔仁大學資訊管理學研究所,圖書資訊學研究,4(1), pp. 133-164, 2009.
[36] Becker, H., Naaman, M., & Gravano, L.,“Learning similarity metrics for event identification in social media”, In Proceedings of the third ACM international conference on Web search and data mining, pp. 291-300, 2010.
[37] 蔡宜龍,“特殊領域文件分群之系統設計與研究--以佛學資料為例”,國立 臺灣大學資訊工程研究所碩士論文,未出版論文,2002。
[38] Ferrara, E., JafariAsbagh, M., Varol, O., Qazvinian, V., Menczer, F., & Flammini, A.,“Clustering memes in social media”, In Advances in social networks analysis and mining, IEEE/ACM international conference on pp. 548-555, 2013.
‧
[39] Wang, X., Tang, L., Gao, H., & Liu, H.,“Discovering overlapping groups in social media”, In Data Mining, 2010 IEEE 10th International Conference on pp. 569-578, 2010.
[40] 尹其言, & 楊建民,“應用文件分群與文字探勘技術於機器學習領域趨勢 分析以 SSCI 資料庫為例”, 長榮大學學報, 14(2), pp. 1-16, 2010.
[41] Steinbach, M., Karypis, G., & Kumar, V.,“A comparison of document clustering techniques”, In KDD workshop on text mining, Vol. 400, No.
1, pp. 525-526, 2000.
[42] Hotho, A., Staab, S., & Stumme, G.,“Ontologies improve text document clustering ” , In Data Mining, ICDM 2003. Third IEEE International Conference on pp. 541-544, 2003
[43] 黃純敏,陳聰宜, & 詹雅筑,“新聞事件偵測與追蹤之分群分類演算法研 究”, 資訊科技國際期刊, 8(1), pp. 1-9, 2014
[44] Ting, X., & Jufang, L.,“A Comparative Study between Single-Pass Algorithm and K-means Algorithm in Web Topic Detection.”, 中國國防科 學技術大學信息系統與管理學院, 2014.
[45] Willett, P.,“Recent trends in hierarchic document clustering: a critical review ” , Information Processing & Management, 24(5), pp.
577-597, 1988.
[46] Yan, Y., Chen, L., & Tjhi, W. C., “ Fuzzy semi-supervised co-clustering for text documents”, Fuzzy Sets and Systems, 215, pp. 74-89, 2012.
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
106
[47] 詹欣逸,“利用WordNet判斷字詞包含關係-應用於動態階層文件分群”, 國立中央大學資訊管理研究所碩士論文, 2013.
[48] 謝昆霖,楊義清,林俊男, & 林育弘,“模糊群聚分析程序於生物 DNA 序列 之研究”, Journal of Information Technology and Applications, 2(1), pp.
17-22, 2007.