4.3 演算法與使用者介面的詳細操作流程
4.3.2 粉絲團影響力成績
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.3.1 關鍵字搜尋
我們將維基百科的資料結合 Facebook 粉絲團資料集，並透過 Word2Vec 學習出模型。
當使用者使用關鍵字搜尋粉絲團時，透過此模型，我們將與此關鍵字在模型向量空間 中相似度較高的字詞進行推薦；若是關鍵字的組合，則是分別放入模型向量空間中並 將各別抽出高相似度字詞的相似度成績加總，最終推薦出相似度前 6 名的關鍵字。當 使用者點選我們所選推薦的關鍵字，也會載入搜索中使得關鍵字的組合有了變化，我 們所推薦的字詞也不盡相同，例子請見圖 16。
圖 16 關鍵字組合變化使得系統所推薦的關鍵字不盡相同
4.3.2 粉絲團影響力成績
透過包含關鍵字的粉絲團文章內容，並結合每則文章的按讚數、評論數、分享數依 1 倍、7 倍、14 倍的權重加總，並平均來當作粉絲團的影響力成績，了解粉絲團對於關 鍵字影響力的大小。我們將平均影響力前 10 名的粉絲團顯示在介面上（見圖 17），透 過若點選粉絲團名稱將會進入下一步的操作。我們將各關鍵字的前 10 名的粉絲團出現 次數進行統計 (見圖 18)，並以文字雲的形式來顯示粉絲團的統計次數，透過文字雲大 小，讓使用者初步判斷自己所搜尋的關鍵字是否是相關連或是各自獨立。點選文字則 會進入下一步的操作，顯示與組合關鍵字有關的文章細節，並進一步了解關鍵字的組 合是否符合所行銷的商品。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
此介面是透過使用一個 Javascript 所編寫的圖表庫套件 Highcharts [30]。它是ㄧ套 免費的開源軟體，提供個人學習、個人網站以及非商業用途上使用，能夠在簡單便捷 的在網站中添加有互動性的圖表，並且支援所有的主流瀏覽器和行動裝置。在此介面 中我們所使用到 Highcharts 的圖表類型有極座標圖（Polar chart）以及文字雲（Word cloud）兩部分。
圖 17 與關鍵字相關前 10 名粉絲團的極座標圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 18 各關鍵字前 10 名的粉絲團統計次數的文字雲圖 4.3.3 PageRank 網路圖
我們透過整個資料集內留言者的共同性做成類似 PageRank 的評分，顯示粉絲團間的 網路圖。透過點選節點可進一步觀看粉絲團的原始文章，介面如圖 19。透過前一步的 關鍵字搜索，我們可確認符合商品的關鍵字，透過這些關鍵字篩選出相關粉絲團。當 關鍵字愈多，所篩選出的粉絲團將越少。在介面中，因節點和節點間的連結十分多，
所以透過 edge filter（編號 1）的篩選，篩選出共同留言者較多的連結，使得使用者能 更加快速地瞭解粉絲團之間的關係。在 edge filter 的部分，初始值會以關鍵字篩選完後 關聯權重（共同留言者個數）的前 5%連結做為顯示，而使用者能輸入的數字最小值則 為此次篩選關聯權重的中位數，最大值則為此次篩選的最大關聯權重。網絡圖（編號 2），則是透過資料視覺化的方式將網絡圖作呈現，將符合使用者所搜尋的關鍵字以聯 集方式搜尋粉絲團，詳細的搜尋方法將在下方來做說明。當使用者將滑鼠移至網路圖 的關聯，將會顯示有多少個共同留言者(見圖 20)；每個節點下方則顯示粉絲團名稱與 PageRank 值，節點大小也會因 PageRank 值而有所差異，範例見圖 20。編號 3 為資料 匯出，上方的藍色按鈕為使用者觀看過的粉絲團，透過點選來做取消，而下方的
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
「GET CSV」則下載上方未被刪除的粉絲團的每月的平均留言數、平均按讚數、平均 分享數、文章數。
在此頁面透過使用者所搜索的關鍵字，篩選出符合的粉絲團，透過網路圖的共同 留言者以及 PageRank 的大小讓使用者能探索到更多的粉絲團，也了解粉絲團和粉絲團 的關連。介面的部分我們透過基於 Javascript 所編寫的開源套件 Vis.js [31]，此套件能 處理大量的動態數據，並與這些數據進行交互操作。本系統是透過該套件所提供的網 絡圖（Network）來進行顯示。PageRank 的數值運算部分我們則是使用 Networkx [32]，它是用 Python 語言所開發的圖論與複雜網路建模的工具，內建常用的圖與複雜 的網路分析演算法，可以方便的進行複雜的網路資料分析、建模等工作。
圖 19 PageRank 網絡圖的系統介面圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 20 PageRank 網絡圖中邊上所顯示的共同使用著數量
節點篩選：假設我們的關鍵字集合為V = {𝑤1, 𝑤2, … … , 𝑤𝑁}，使用者所搜尋的關鍵 字為 q = 𝑞1, 𝑞2, … … 𝑞𝑚且𝑞𝑖 ∈ 𝑉，粉絲團的集合為P={𝑝1, 𝑝2… … , 𝑝𝑘}，各粉絲團的關鍵 字𝑝𝑖 = 𝑝𝑖1, 𝑝𝑖2, … … , 𝑝𝑖𝑚且𝑝𝑖𝑗 ∈ 𝑉，我們所篩選出粉絲團的集合為R(P)且 R(P)⊆ P。所 使用的方程是如下:
R(P)＝{p ∈ P | f(p, q) = 1｝
f(p, q) { 1 當使用者所搜索的關鍵字都有出現在粉絲團的關鍵字中 0 使用者所搜索的關鍵字並非全部出現在粉絲團的關鍵字中 所以透過使用者所搜索的關鍵字越多、越精準，能篩選出的粉絲團越少，但也越能篩 選出符合使用者需求的粉絲團。
4.3.4 粉絲團與關鍵字相關的文章細節:
透過前一步驟我們所點選的粉絲團，進一步的探索與關鍵字相關連的文章內容。
介面如圖 21，透過時間軸顯示篩選過後的平均留言數、平均按讚數、平均分享數、文 章數（編號 1），透過點選時間軸上的時間，能進一步的限縮資料集至點選的時間內，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
如點選月份則資料統計將限縮至點選的月份，若再進一步點選則會篩選至當日的資 訊，並且下方所顯示實際文章內容以及各文章基本屬性（編號 8）也會跟著限縮至時間 內。透過下面的 download timeline data（編號 2）可下載時間軸上的統計資料。此部分 是透過改寫 Highcharts [30]圖表類型中的折線圖（Line chart）來做顯示；透過「Only Post」的按鈕能篩選出類別屬於貼文（post）的文章（編號 3）﹔透過前一部分所選定 的關鍵字可產出個別關鍵字的按鈕，來進行個別關鍵字的篩選（編號 4）；在搜尋欄上
（編號 5）進行進一步的篩選，將產生出個別關鍵字的按鈕來進行個別關鍵字篩選（編 號 7），也可以透過「Reset」按扭來清除進一步篩選的關鍵字；顯示出此粉絲團的資 料量以及目前與關鍵字相關連的文章數量（編號 6），讓使用者了解相關關鍵字佔此粉 絲團文章的比例；顯示出實際文章內容以及各文章基本屬性（編號 8）。透過各文章左 上角 Facebook 的圖標，可導引使用者至原始 Facebook 的頁面，讓使用者能進一步的 觀察貼文內容。透過這個介面，使用者可進一步了解粉絲團與關鍵字的關係，也能了 解與商品相關的關鍵字有哪些。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 21 粉絲團與關鍵字相關文章細節的系統介面圖
4.4 操作實例
4.4.1 以壽司為例
1. 若我們想要行銷壽司，並認為需要用海苔做搭配，因此在搜尋欄位上打「壽司 海 苔」。
圖 22 在搜尋欄位上打「壽司 海苔」
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
2. 從系統所推薦的延伸關鍵字中點選「蓋飯」。
圖 23 點選系統所推薦的關鍵字「蓋飯」
3.分別點擊各關鍵字極座標影響力第一名的粉絲團。
圖 24 點擊各關鍵字極座標影響力第一名的粉絲團
4. 從粉絲團與關鍵字相關的文章細節，發現雖然 Amy の私人廚房在蓋飯的影響力很 高，但卻只有 1 篇有提到蓋飯；iCook 愛料理則是在提到壽司的篇數有 10 篇；MASA の料理 ABC 則提到海苔的只有 2 篇。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 25 從粉絲團與關鍵字相關的文章細節
5. 透過觀察 iCook 愛料理中文章的詳細細節，發現問文章中很常把「野餐」與壽司 做搭配，且在文章中也曾出現過「在家」的詞彙，因此我們點選「Only Post」，使得 我們所挑選出相關的文章都是 iCook 愛料理所發的貼文，而非貼文下方的留言；接著 在進階篩選的部分打上「野餐 在家」。
圖 26 點選 Only Post 並在進階篩選處打「野餐 在家」
6. 透過進階篩選，可以發現壽司很常在此粉絲團與野餐做搭配，而相對野餐的在 家，也可做為我們的行銷壽司的關鍵字。
圖 27 透過進接篩選了解其他與商品相關的關鍵字
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7. 透過各關鍵字前 10 名的粉絲團統計次數的文字雲圖，及文字雲中文字的大小，因 此了解到我們所搜尋的關鍵字並非各自獨立，而是有相關連的。在粉絲團統計次數的 文字雲圖，除了 iCook 愛料理統計次數為 3 次外 Wow 愛美食、虎麗笑嗨嗨、葉怡蘭 Yilan 統計次數也到 2 次
圖 28 透過關鍵字前 10 名的粉絲團統計次數的文字雲圖了解搜尋關鍵字間的關係以及 尋找適合的粉絲團
8. 透過粉絲團與關鍵字相關的文章細節了解到 Wow 愛美食只發過 2 篇與蓋飯、壽 司、海苔有關的文章，另外兩個粉絲團則有超過 10 篇以上。
圖 29 關鍵字前 10 名的粉絲團統計次數的文字雲圖來了解粉絲團與綜合關鍵字的關係
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
9. 透過點選時間軸來限縮時間來了解為何數值會上升，是否有透過一些特殊的活動 來衝高數值。在觀察虎麗笑嗨嗨以及葉怡蘭 Yilan 粉絲團的詳細貼文後，了解到虎麗 笑嗨嗨有透過留言來贈送產品的經營方式。
圖 30 虎麗笑嗨嗨有透過留言來贈送產品的經營方式
10. 透過 PageRank 網路圖篩選出曾在粉絲團中提到蓋飯、壽司、海苔，發現到「跟 著尼力吃喝玩樂＆親子生活」的 pageRank 的數值較高，以及與他有 35 位共同留言者 的「小布少爺 生活 親子 旅遊誌」，兩者都是在經營與親子生活相關的粉絲團。
圖 31 透過 PageRank 網絡圖來了解哪些粉絲團在宣傳食物的粉絲團中重要性較高，以 及了解哪些粉絲團可能有相近的特色
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
11. 最終我們透過系統的輔助找出適合宣傳「壽司」的關鍵字有海苔、蓋飯、野餐、
在家；適合做此商品宣傳的粉絲團有「葉怡蘭 Yilan」、「跟著尼力吃喝玩樂＆親子生 活」，若我們是做日式料理的店家，則還會加入「虎麗笑嗨嗨」舉辦抽獎活動，來打 響知名度，而未加入 iCook 愛料理則是因為他適食譜平台大多為食譜，對於宣傳壽司
在家；適合做此商品宣傳的粉絲團有「葉怡蘭 Yilan」、「跟著尼力吃喝玩樂＆親子生 活」，若我們是做日式料理的店家，則還會加入「虎麗笑嗨嗨」舉辦抽獎活動，來打 響知名度，而未加入 iCook 愛料理則是因為他適食譜平台大多為食譜，對於宣傳壽司