研究限制與未來研究

(一) 研究限制

1. 與 IMDb 相仿的興趣導向虛擬社群網站有相當的多，本實驗所用之方法能 否標準化、一般化就是一個相當大的挑戰，本研究也相信只要網站能提供 像 IMDb 所提供評論有用度等一樣的類似指標，本方法也是可行的。

2. 門檻值設定與否以及運用的篩選指標之討論，本研究為了簡化實驗過程，

並放大使用者之效果，因此初步制定此指標，實際於推薦系統或是其他企 業運用所帶來之效果，需要依照現實所需之標準進行。

3. 電影議題，過去研究顯示還有影響力大的因子，而根據本實驗結果，發現 許多動畫影片雖得不到許多關鍵使用者的投票，卻有相當大的賣座量，其 很大的因素是卡司、導演等其他因子還是具有一定之影響力，若能加入一 併考慮，對於實驗之成果應該能提昇相當的多。

(二) 未來研究

1. 加入其他考量因子以提昇系統篩選使用者之準確度

如研究限制所提到，影響使用者選擇電影的因素有相當的多，影評可能僅為 催化劑使電影賣座，也有是毒藥使票房不如預期，而本研究即提出一個放大使用 者之基本的想法，並加入一個考量因素有用度指標進行篩選，其能加入的標準以 及指標亦相當的多，如語意網絡的字詞分析、或是將卡司和導演也加入考量因子，

都是未來可進行之研究。

- 48 -

- 49 -

第三節 總結

觀察虛擬社群使用者的使用行為是很有趣的，雖然會出現許多出乎預期的結 果，卻也不時帶來許多意外的收穫。本實驗主要目的是提出一個框架(Framework) 和一個想法，如何從共同評論方法建立出的電影社群中找出關鍵使用者(帄均認 同度)，最後本實驗用一個簡單的決策模型(投票)，以企業或是其他查詢意見之使 用者的角度切入，呈現出系統整體的效果。

就統計學而言，希望的就是能透過少量的觀察值，推估相近真實之情況。本 實驗也是依照這樣的想法，若企業或是其他需要資訊的使用者，只要了解少量重 要使用者之意見，就能快速制定策略與決策，那這樣的系統就能算是成功的系統 了。本實驗結果雖然是差強人意，卻也部份的解釋了關鍵使用者存在的可能，在 未來還可已有更大的發展以及改進的可能。

- 50 -

參考文獻：

1. Adamic, L.A., Adar, E.(2003), "Friends and neighbors on the web", Social Networks,25(3):211-230.

2. Adler, R. P. and Christopher, A. J.(1998), "Internet community primer overview and business opportunities", Retrived Mar 3, 2012 from

http://www.digiplaces.com.

3. Armstrong, A.G. & Hagel III, J.(1997),"Net Gain: Expanding Markets Through Virtual Communities", MA: Harvard Business School Press, 82-97.

4. Ahmed, A., Batagelj, V., Fu, X., Hong, S.-H., Merrick, D., and Mrvar, A.(2007), "Visualisation and analysis of the Internet movie database", Asia-Pacific Symposium on Visualisation, 17–24.

5. Baym, N. (1997), "Interpreting soap operas and creating community: Inside an electronic fan culture," In S. Keisler (Ed.) Culture of the Internet, Manhaw, NJ: Lawrence Erlbaum Associates.

6. Debnath, S. and Ganguly, N. and Mitra, P., (2008) ,”Feature Weighting in Content based Recommendation System Using Social Network Analysis.” In World Wide Web Conference, Vol. 1041-1042

7. Freeman, L.C., (1979),” Centrality in social networks conceptual clarification.

Social networks.”, Social Network 1.(1978/79), 215-239.

8. Hanneman, R. A. and Riddle, M.,( 2005). “Introduction to social network methods. , Retrived July 4, 2011 from

http://faculty.ucr.edu/hanneman/nettext/

9. Jakob , N.,Weber , S.H. , Müller ,M.C. ,Gurevych , I.(2009),"Beyond the stars: exploiting free-text user reviews to improve the accuracy of movie recommendations", TSA’09, Hong Kong, China.

- 51 -

10. Kumar, R.(2010), "Structure and Evolution of Online Social Networks" , Link Mining: Models, Algorithms and Applications : 337–357.

11. Kuperman, M., Abramson, G., (2001),”mall world effect in an epidemiological mode”,. Physics Review, Letter 86(13).

12. Lewis, K., Kaufman, J., Gonzalez, M., Wimmer, A., & Christakis, N. ,(2008) ,"Tastes, ties, and time: A new social network dataset using Facebook.com, Social Networks.

13. Liyong, W., (2008),” An Adaptive evolution mechanism for Growing Social Networks” , International Conference on Information Management,

Innovation Management and Industrial Engineering.

14. Milgram, S.(1967),"The small-world problem ", Psychology Today , 61–67.

15. Qin, S., Menezes, R., Silaghi, M., (2010),” A recommender system for youtube based on its network of reviewers”, 2010 IEEE Second International Conference ,323.

16. Rheingold, H. (1993),"The Virtual Community: Homesteading on the Electronic Frontier", Reading, MA: Addison-Wesley.

17. Scott, J. P. (2000),"Social network analysis: A handbook (2nd ed.)",Thousand Oaks, CA: Sage.

18. Watts, D.J. (1998),"Collective dynamics of 'small-world' networks. ", Nature Vol. 393, 440–442.

19. Zhang,Y., Wang, Z.,Xia,C., (2010)"Identifying Key Users for Targeted Marketing by Mining Online Social Network," 2010 IEEE 24th International Conference on Advanced Information Networking and Applications

Workshops, 644-649.

- 52 -

- 53 -