正規化概念分析 - 以正規化概念分析探討手機品牌在虛擬社群之知識概念結構

正規化概念分析最早是由 Wille(1982)所提出的，它是一種從資料集合中發現概念結構的資料分析理論，可以由物件(Objects)及物件所擁有的屬性(Attributes)所組成的正規化本文，導出正規化之概念，並將正規化概念轉換成概念點陣，透過概念點陣產生圖形化的介面，此外，這套方法可以對資料數據加以分析，並透過 Galois connection 代數的數學原理推論、

獲取和呈現概念知識。FCA 也快速的發展並應用到許多不同的領域，如醫學、心理學、語言學、社會學、資訊科學、軟體工程、資料擷取、生態學等領域(Wolff, 1993; Ganter and Wille, 1998; Sarnovsky, et al., 2012)。

Guoqian(2003)也認為 FCA 是一種以矩陣理論為基礎，進行資料分析的數學方法，從資料集合中發現概念結構，並能根據相同特性之物件的屬性

Nguifo, Duquenne and Liquiere

Philipp, Andreas and Steffen

Zhang, Shen, Staiger, Troy and Sun

2005 FCA 是一種 order-theoretic 方法，用於某一種資料範疇的數學分析。

Ren, Du, Huang and Xu 2011 FCA 為一種理論方法，用於分析辨識資料集合的概念結構。

Belohlavek, Baets and Konecny

2014 概念點陣代表著 FCA 所利用的基本結構，它們的結構對於數據的分析和理解是極為重要的。

二、正規化概念分析的相關應用

Carpineto and Romano(2004)的研究中提到利用正規化概念分析所產生之概念點陣可以改善資訊檢索查詢的功能，並有效地整合瀏覽及搜尋結果(Cigarrán et al., 2005; Poshyvanyk and Marcus, 2007)。Formica(2006) 進一步指出，FCA 能提供一個概念之架構來建造、分析及視覺化資料，

使資料更易於被明瞭，並根據概念矩陣辨識、定義物件和屬性之間的二元關係，以找出具有相似屬性的物件群集。Hristoskova1, Boeva and Tsiporkova(2014)從多種實驗的研究結果中也發現，利用 FCA 可優化不同集群的特性，產生高品質的集群，並能夠克服和減少資料中之差異，而且還能夠保留相關的訊息。Priss(2005)則認為正規化概念分析用於分析資料、知識呈現與資訊管理上，是非常具有潛力的方式，其特色是它可以從資料集合的結構中產生圖形化形象，特別是在社會科學上常常無法充分的捕捉量化的分析(Atif et al., 2014)。Kim, Hwang and Kim(2007)建置一套以 FCA 為基礎的部落格社群，透過部落格成員所標記過的標籤，利用

該些標籤與標記中語意間的關係，將部落格社群中的物件架構為一個具 FCA 的層級式分類，藉以輔助使用者建構新類別，提供給部落格社群作為物件分享的一種推薦系統。Snasel, Horak and Abraham(2008)也提出一套方法，以 FCA 簡化架構與視覺化呈現社會網路各個節點間錯綜複雜之關係。正規化概念分析的應用相當地廣泛，像是文件分析(Petersen, 2002;

Priss, 2003; Belohlavek et al.,2013)、本體論建構(Quan et al., 2006)、資訊檢索(Eklund et al., 2012)、專家系統(Lanellec and Dufresne,2013; Klimeš, 2014)、線上學習(Frano and Bruno, 2014)等。除此之外，Jiang, Pathak and Chute(2009)的研究中發現使用正規化概念分析檢視國際疾病分類編號是夠完整的，而且在 Skopljanac-Macina, Blaskovic and Skocir(2014)的研究中也顯示利用正規化概念分析確實可以應用於知識分類上。

綜合以上 FCA 的探討，可以發現概念點陣是利用物件和屬性之間的關係並能將資料間之層級關係以圖形方式呈現，從中顯示其內隱與外顯的知識，讓使用者能夠更方便瞭解資料間之呈現與關係。因此，我們舉一個範例來做說明，首要步驟先透過 Concept Explorer 免費軟體將資料建立成類似表 2-10 的概念矩陣表，而首行即是文章討論內容物件之集合；

首列則是所有討論內容類型概念屬性的集合，文章物件與概念屬性如果有關連性，則在其對應的表格中以「╳」符號做標記。表 2-11 中，以文章 E1 為例，即可得知文章 E1 在討論內容中有提到「規格特色」和「產

品品質」這兩種類型的概念屬性，其餘文章則以此類推。

表 2-10 正規化概念矩陣表

屬性物件

規格特色 產品品質 產品價格

E1 ╳ ╳

E2 ╳ ╳ ╳

E3 ╳ ╳

…E864

填完上述的正規化概念矩陣表後，再以此表利用 concept explorer 軟體作運算分析，則會產生出如圖 2-1 之正規化概念分析矩陣圖，而概念分析矩陣圖中的節點即是本研究之概念，圖形中之每個節點上下都具有繼承的關係，類似於物件導向程式設計中的繼承特性，而物件是由下往上繼承，反之，概念則由上往下進行繼承。因此形成如圖 2-1 的正規化概念分析矩陣圖，如下所示。

圖 2-1 正規化概念分析矩陣圖

從圖 2-1 正規化概念分析矩陣圖可以得知第一層會先歸納出所有文章最為重要的概念類型，節點 A 表示「規格特色」之概念屬性是所有文章(E1,E2,E3)皆有討論的概念，接著第二層節點 B 的「規格特色」、「產品品質」是二篇文章(E1,E2)中有提到的概念，同時繼承節點 A「規格特色」

的概念屬性，而第二層中的節點 C 則顯現出「規格特色」、「產品價格」

是二篇文章(E2,E3)所提到的概念類型，此外，節點 C 亦是同樣繼承節點 A「規格特色」之概念，由此可知代表節點 B、C 都有繼承節點 A「規格特色」的概念屬性。在第三層中節點 D 則是「規格特色」、「產品品質」、

「產品價格」所有概念屬性的集合，但在此層沒有任何文章會同時擁有所有的概念類型。

承上所述，我們發現正規化概念分析的方法，可以簡易了解概念之間的相互關係，而且也能將巨量複雜的資料結構化，以便於研究人員更清楚瞭解資料間關聯之特性，因此，本研究認為正規化概念分析法相當適合運用在分析資料結構化上，社群成員也能利用知識架構找尋符合需求的相關資訊，故本研究使用正規化概念分析，以 Mobile01 社群網站所蒐集的討論內容作資料分析，建構出知識概念結構，進而瞭解討論內容概念之間的知識特性。

第參章研究方法

本章研究方法係透過 KJ 法及正規化概念分析法方式，探討從

Mobile01 論壇中所蒐集的資料，分析在不同品牌社群中所討論的內容概念之關係，因此，本章節針對 Mobile01 論壇中有關智慧型手機虛擬社群之知識分享結果的研究流程步驟分為五節，以下分別就研究流程與架構、

虛擬社群資料抽樣、內容分析與概念分類、評分者信度分析與正規化概念分析程序等步驟加以說明。

在文檔中以正規化概念分析探討手機品牌在虛擬社群之知識概念結構 (頁 35-42)