模糊比對結果分析

第二部分所使用的資料文集已經除去在第一部分可以判定的詞彙，資料詳細 內容如下表 4-10：

表 4-10：第二部分使用的資料內容

詞彙項目 數量

1 個字的詞彙 54 個

2 個字的詞彙 528 個

3 個字的詞彙 49 個

4 個字以上的詞彙 144 個

第二部分所有詞彙 775 個

第一類 1 個字

在此使用第三章所述的 NTUSD 中所有 2 個字的詞頻，其規則為負向詞頻必 須大於正向詞頻 3 倍(不包括等於)，才會被判定為負性極性詞彙，否則為正向極 性詞彙。

1 個字詞彙共 54 個，其中有 4 個為判定錯誤，有 2 個為無法判定極性，而在 被判定為正向極性的 12 個詞彙中有 3 個是被判定錯誤的；在被判定為負向的 40 個詞彙中有 1 個是判定錯誤的，如下表 4-11 和 4-12：

表 4-11：1 個字詞彙模糊比對過程

詞彙 正負比 極性(P/N) 正確/錯誤(O/X)

睡 1：0 Positive X

膩 1：1 Positive X

棒 1：1 Positive O

愛 29：3 Positive O

遜 1：3 Negative O

萌 0：0 --- ---

表 4-12：1 個字詞彙模糊比對結果分析

正確答案 分類結果

Positive Negative

Positive 9 3

Negative 1 39

使用此方法得到在第二部分所有 1 個字的 54 個詞彙中，正確率(Precision)為 92.30%，回收率(Recall)為 96.29%。所以在此方法中有效提高了回收率(Recall)不 足的問題。

第二類 2 個字

在 2 個字的詞彙共 528 個中，先針對開頭第一個字否定意義的詞彙像『不』、

『無』、『違』、『誤』、『勿』、『錯』，並分類到負向極性詞彙中，其中包含了『不 凡』、『不行』、『不及』、『無言』、『無奈』、『違和』、『誤導』、『錯過』等 21 個詞 彙，被判定錯誤的只有 1 個『不凡』。

其次對正向極性詞彙優先開始分類，而這些實驗的順序皆是以結果去決定的，

以省去多餘實驗步驟並維持正確率(Precision)。在此利用了 NTUSD 所統計出的 2 個字之正向詞頻，進行多次的實驗如下表 4-13 和 4-14，只要其中 1 個字出現在詞 彙中即被判定為正向極性，並從詞頻 6 次以上開始擷取，根據實驗結果往下修正。

表 4-13：2 個字詞彙正向擷取數目

詞頻數目 6 次以上 5 次以上 4 次以上 3 次以上 2 次以上 全部

詞彙數目 211 個 250 個 286 個 325 個 372 個 427 個

考慮到 2 個字的極性詞彙只有 507 個(扣除第一步後)，並假設約有一半以上 詞彙為正向極性，所以決定正向極性詞頻數目取 2~4 次，分別為：372 個、325 個、286 個為正向極性詞彙資料集做實驗，接著扣除掉各種不同負向極性詞頻所 擷取出的詞彙後，計算各個的正確率(Precision)和回收率(Recall)，結果如下表 4-14：

表 4-14：2 個字詞彙正向分類結果分析

表 4-15：優先使用負向分類結果

表 4-16：

表 4-16：2 個字詞彙負向分類結果分析

負向詞頻 正向詞頻

7 次以上 193 個 6 次以上 202 個 數目/錯誤/正確率(Precision) /回收率(Recall)

7 次以上 140/38

在此設定正確率(Precision)為 70%，取相對應最高的回收率(Recall)為 29.73%，

也就是取負向詞頻 6 次以上和正向詞頻 10 次以上的資料集『N6-P10』共有 157 個詞彙，並從上一步未分類詞彙中除去。

最後剩下 2 個字詞彙共 104 個，分別把正向字頻和負向字頻加總，負向字頻 總和必須為正向的 3 倍以上(不包括等於)才會被判定為負向集性詞彙，否則皆為 正向極性詞彙，分析過程和結果如下表 4-17 以及 4-18：

表 4-17：最後 2 個字詞彙比對過程

詞彙 正負比 極性(P/N) 正確/錯誤(O/X)

用心 47：38 Positive O

誇大 13：40 Negative O

自責 16：38 Positive X

迷人 17：53 Negative X

磅礡 0：0 --- ---

表 4-18：最後 2 個字詞彙結果分析

正確答案 分類結果

Positive Negative

Positive 30 17

Negative 16 28

在 97 個詞彙中有 6 個詞彙是無法分辨極性的，其正確率(Precision)為 63.73%，

回收率(Recall)為 93.81%。

表 4-19：第二部分 2 個字詞彙總整理結果分析 結果分析

詞彙數量

正確率(Precision) 回收率(Recall)

去除否定詞共 21 個 95.23% 3.97%

正向極性分類共 253 個 81.02% 47.91%

負向極性分類共 157 個 70.06% 29.73%

最後分類共 97 個 63.73% 17.23%

總評共 528 個 75.28% 98.86%

上表 4-19 表示在第二部分中 2 個字詞彙的最後結果，其正確率(Precision)為 75.28%以及回收率(Recall)為 98.86%。

第三類 3 個字

3 個字組成的詞彙總共 49 個，由第三章所描述的分成四個步驟進行分類，第 一步使用 3 個字種子詞彙進行模糊比對，在此步驟中比對出來的結果只有 1 個為

『不得了』，是由種子詞彙『了不得』所比對出來的。

第二步使用所有已分類出極性的 2 個字進行模糊比對，例如：『討人厭』由

『討厭』比對出結果、『傷害到』由『傷害』比對出、『喜歡上』由『喜歡』比對 出。

第三步利用否定詞進行分類，例如：『跟不上』、『受不了』、『不自覺』、『比 不過』共 12 個，其中 1 個分類錯誤為『不亞於』。

最後把未分類的詞彙去掉多餘字之後，進行正負字頻加總的分類，如下表 4-20 和表 4-21 為最後結果整理。

表 4-20：3 個字詞彙比對過程

詞彙 正負比 極性(P/N) 正確/錯誤(O/X)

創造(出) 7：7 Positive O

出風頭 8：44 Negative X

孩子氣 9：46 Negative O

人性化 22：54 Positive O

表 4-21：3 個字分類結果

正確答案 分類結果

Positive Negative

Positive 16 3

Negative 5 25

其中極性分類錯誤的有 8 個，全部 49 個皆可以分類，正確率(Precision)為 83.67%，回收率(Recall)為 100%。