第五章、 研究結論與建議
1、 結論與貢獻
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
第五章、 研究結論與建議
1、 結論與貢獻
本研究目的在於建立一套分析 App 線上評論之情感分析方法，分別透過非監 督式學習方法，將評論標注類別並進行整合性分析，再利用監督式學習方法建立 一個分類的模型，對未來新增的評論，進行正反情感與關注議題的分類預測。本 研究的主要結論如下分別說明：
情感傾向判斷
過往已有許多情感分析研究中，應用 WordNet 來完成判斷文章或句子情感傾 向，而本研究嘗試使用中文的語言資料服務中文詞彙網路，並應用於建立情感詞 集。應用在判斷評論情感傾向方面，本研究發現利用中文詞彙網路所建立的情感 詞集，確實可以成功用於計算並判斷文章的正反情緒，唯在負面文章方面有所遺 漏，造成判斷負面文章的效果不佳，因而需要針對不足之進一步納入考量改進。
關注議題擷取
在找出熱門關注的議題詞中，使用語句關係與文件頻率，確實可以找到大部 份在評論中常被使用者所提及的熱門關注議題。然而本研究為將議題詞合併以歸 納出議題類別，分別比較了兩種群聚方法，在以字詞對文章的 TF-IDF 模型結合 Kmeans 和 SOM 的群聚方法中，因 TF-IDF 矩陣過於稀疏，產生分群結果各群體 的字詞數量差距過大的情況，無法符合預期的結果。
相較之下，採用字詞間之 NPMI 分數的社會矩陣模型結合 Concor 方法，其 分群出來的結果，反而能使許多有共同議題傾向的議題作分為同一群。因此本研 究認為在對議題群作群聚分析時，使用字詞間的 NPMI 分數比起使用對上文章的 TF-IDF 分數，更適合用來量化與代表字詞。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
視覺化分析
在標注情感傾向和關注議題後，透過視覺化分析來展現分析結果，其中在使 用對應分析的結果，可看到不同 App 在各個議題屬性的競爭關係，且也可發現 短時間事件的影響，因此在應用對應分析來展現情感分析結果可提供一個形象描 述 App 的市場定位。
在對應分析後透過趨勢圖比對是否有相似的模式(Pattern)來出來看是否存在 特定議題影響整體的情感趨勢。因此本研究認為採用對應分析結合趨勢圖的視覺 化展現方法，確實可看出影響 App 情感趨勢的事件與影響 App 情感趨勢的原因。
從視覺化分析的結果可以發現，使用者最關注的問題為 App 連線穩定性，尤 其針對訊息傳送功能的部份。訊息傳送、接收和通知為通訊類 App 的核心功能，
當出現訊息傳送異常時，會引發 App 使用者強烈的不滿，進一步造成負面評論 的出現。因此針對通訊類 App 的開發者而言，雖然提供更多樣的服務與功能可 以提高使用者的滿意程度，但是針對基礎的核心功能，需要提供使用者一個操作 上與使用上的穩定性與保障，確保使用者能透過 App 來完成他們所需要通訊與 聯繫目的，否則使用者仍然會給予負面評價和評論來表達使用上的不滿意。
監督式學習
在過往的情感分析研究中，監督式學習的情感分析方法都可以達到不錯的效 果，但是在訓練文章的類別標注常需要採用人工方式完成，其中要耗費大量人力 成本在類別標注的工作上，因此本研究先透過非監督式的方法標注文章類別，並 結合監督式學習方法來建立分類模型。
從分類結果來看，本研究認為透過非監督式方法來標注類別確實可以取代人 工標注的人力成本耗費，亦能夠在最後的監督式學習達到不錯的分類成效。其中 在僅使用述詞作為特徵詞的情感傾向分類結果，比起純粹混雜體詞、述詞的效果 還要好。而在議題類別的分類中，僅使用體詞作為特徵詞的分類結果，一樣比起 純粹混雜體詞、述詞的效果還要佳。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
從結果歸納中，本研究之貢獻可分為兩個方面，一個為標注文章類別與分類 模型實證，另一個則為實際應用帶給 App 開發者方面：
為解決在情感分析上，監督式學習常需要耗費大量人力完成類別標注工作的 問題，本文使用中文詞彙網路與社會網路分析來發展一個應用於中文文字的類別 標注方法，並透過監督式學習完成中文文字資料的分類工作。本研究提供了一個 中文文字在情感傾向和概念擷取與中文文字分類的範例，除了本研究的分析對象 App 評論外，亦可以使用在新聞、部落格和微網誌等不同的中文文字資料。
實際應用方面，Google Play 上的 App 評論提供 App 開發者一個瞭解使用者 反應 App 設計優缺意見的地方，但每日甚至多則達到上百篇的 App 評論，若透 過人力逐篇查看，不止耗費時間，更無法由整合性角度來瞭解使用者的需求與問 題。應用情感分析方法可以將大量的評論文章透過情感傾向和關注議題兩個面向，
彙整成視覺化的報告，以提供 App 開發者在同類型的 App 市場上之競爭智慧 (Competitive Intelligence, CI)。進一步瞭解到比起其他同類型的 App，使用者所認 可的優勢與弱點，提供 App 開發者維持並強調自己的優勢，並改善加強所不足 的功能或弱點。從情感分析報告亦可看到是否有特定事件(如 App 改版)影響自己 或是競爭者，產生大量正面或負面評論的出現，當競爭者出現大量負面評論時，
即可能是可以掌握的機會。
總體來說，情感分析可以提供 App 開發者瞭解到整個 App 市場環境，特別 對於自己與競爭者之間在市場上的定位。且透過監督式學習的分類模型，App 開 發者即可在出現新評論時，立即掌握使用者評論是正面或負面，與評論內容的關 注議題，因此在面對出現大量負面評論的情況，可以即時瞭解危機狀況，並作出 快速反應，避免出現危機。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University