國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第六章 結論與未來規劃
以往對於使用者行為的研究大多侷限於單一文字或圖片，同時做圖文分析的 研究更是少之又少，是因為這些問題很難被定義，本研究使用 Word2vec 找出文 字的向量，使得文字特徵可以跟圖片特徵做結合，進一步做抽象概念的分析，藉 由提出此框架初步驗證在質化議題下只要擁有好的資料集，或做好適度的資料清 洗，仍然可以被投射至量化。另外，以往對文字的分析通常是在資料集中尋找詞 彙出現頻率，以此分析出特定的使用者行為，然而本研究透過圖文的結合所定義 出的特徵向量，當有一筆新的資料進來時，便可直接進行預測，比起單純透過詞 頻去分析，本研究提出的框架更有彈性空間。
本研究在觀光與非觀光類的類別下以階層式分群法進行資料分群，雖然在細 分類上的效果還不如預期，但在廣義上各個群集的資料內容的確符合各自的大類 別，因此本研究也期望在未來能藉由質化的定義，建立更多類別的標準，以便後 續訓練與分析，有助於各種質化研究的需求。
除此之外，還有很多議題可以探討，即使本研究的主軸是分析推文是否為觀 光類型，但在資料清洗與標註的過程中，我們也觀察到原始資料包含形形色色的 推文，例如被本研究歸類至負樣本的偶像類別或政治類別，在 Twitter 上確實常 常造成話題的風向，因此未來也可往流行趨勢、政治等議題進行分析。
‧
[1] Google Clound Vision API Documentation.
https://cloud.google.com/vision/docs/.
[2] Amazon Rekognition. https://aws.amazon.com/rekognition/?nc1=h_ls.
[3] 中華民國交通部觀光局，觀光統計圖表。
https://admin.taiwan.net.tw/public/public.aspx?no=315
[4] GU, Chunhui, et al. AVA: A video dataset of spatio-temporally localized atomic visual actions. arXiv preprint arXiv:1705.08421, 2017, 3.4: 6.
[5] HUBEL, David H.; WIESEL, Torsten N. Receptive fields, binocular interaction and functional architecture in the cat's visual cortex. The Journal of physiology, 1962, 160.1: 106-154.
[6] HINTON, Geoffrey E.; OSINDERO, Simon; TEH, Yee-Whye. A fast learning algorithm for deep belief nets. Neural computation, 2006, 18.7: 1527-1554.
[7] RANJAN, Rajeev; PATEL, Vishal M.; CHELLAPPA, Rama. Hyperface: A deep multi-task learning framework for face detection, landmark localization, pose estimation, and gender recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2019, 41.1: 121-135.
[8] KRIZHEVSKY, Alex; SUTSKEVER, Ilya; HINTON, Geoffrey E. Imagenet classification with deep convolutional neural networks. In: Advances in neural information processing systems. 2012. p. 1097-1105.
[9] HE, Kaiming, et al. Deep residual learning for image recognition. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. p. 770-778.
‧
[10] HU, Jie; SHEN, Li; SUN, Gang. Squeeze-and-excitation networks. arXiv preprint arXiv:1709.01507, 2017, 7.
[11] 林之昫，HubertLin （2017 ）。 最 後一屆 ImageNet 大 規 模視覺 識別 大賽
（ILSVRC2017）順利落幕，而 WebVision 圖像大賽會是下一個 ImageNet 大賽嗎？。https://goo.gl/5rHG1y。
[12] LI, Wen, et al. Webvision database: Visual learning and understanding from web data. arXiv preprint arXiv:1708.02862, 2017.
[13] WebVision. https://www.vision.ee.ethz.ch/webvision/2017/index.html.
[14] WebVision Challenge Results.
https://www.vision.ee.ethz.ch/webvision/2017/challenge_results.html.
[15] HU, Yuheng, et al. What We Instagram: A First Analysis of Instagram Photo Content and User Types. In: Icwsm. 2014.
[16] SZEGEDY, Christian, et al. Going deeper with convolutions. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2015. p. 1-9.
[17] IOFFE, Sergey; SZEGEDY, Christian. Batch normalization: Accelerating deep network training by reducing internal covariate shift. arXiv preprint arXiv:1502.03167, 2015.
[18] SZEGEDY, Christian, et al. Rethinking the inception architecture for computer vision. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. p. 2818-2826.
[19] CHOLLET, François. Xception: Deep learning with depthwise separable convolutions. arXiv preprint, 2017, 1610.02357.
[20] HOWARD, Andrew G., et al. Mobilenets: Efficient convolutional neural
networks for mobile vision applications. arXiv preprint arXiv:1704.04861, 2017.
[21] Keras Documentation. https://keras.io/applications/.
[22] HARRIS, Zellig S. Distributional structure. Word, 1954, 10.2-3: 146-162.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
[23] Vector Representations of Words. https://www.tensorflow.org/tutorials/word2vec.
[24] MIKOLOV, Tomas, et al. Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781, 2013.
[25] 李維平、張加憲（2013）。使用 N 組連結平均法的階層式自動分群。電子商
務學報，第十五卷（第一期），35-56。
[26] MAATEN, Laurens van der; HINTON, Geoffrey. Visualizing data using t-SNE. Journal of machine learning research, 2008, 9.Nov: 2579-2605.
[27] HINTON, Geoffrey E.; ROWEIS, Sam T. Stochastic neighbor embedding.
In: Advances in neural information processing systems. 2003. p. 857-864.
[28] Flood and Fire Twitter Capture and Analysis Toolset, ff-tcat.
https://github.com/Sparklet73/ff-tcat.git
[29] Sara Robinson（2016）, Google Cloud Vision – Safe Search Detection API.
https://cloud.google.com/blog/big-data/2016/08/filtering-inappropriate-content-with-the-cloud-vision-api
[30] Caffe. http://caffe.berkeleyvision.org/
[31] Open NSFW Model, yahoo. https://github.com/yahoo/open_nsfw.git
[32] GODIN, Fréderic, et al. Multimedia Lab $@ $ ACL WNUT NER Shared Task:
Named Entity Recognition for Twitter Microposts using Distributed Word
Representations. In: Proceedings of the Workshop on Noisy User-generated Text.
2015. p. 146-153.