結論

本研究之主要目的在於利用社會性標籤及其標記的網頁內容，藉由時間序列 分群，發掘出主題概念，並檢視不同時間區間社會性標籤的變化趨勢。本研究首 先收集黑米共享書籤網站裡的標籤，根據其所標記之網頁內容轉換為時間序列的 形式，找出在同一時間區間擁有相似走勢的標籤群聚，形成主題概念；接著計算 不同時間區間所形成之群聚的相似度，以萃取出所有時間區間中擁有相似主題概 念的群聚和包含於內的標籤；此外，對於同一標籤，分析其在各時間區間的變化 趨勢，以及相關連的標籤和網頁。最後，透過開發之雛型介面將前述研究成果整 合。經實驗與分析，本研究的結果整理如下：

一、 本研究透過時間序列化的標籤，利用餘弦相似度比對和階層式分群 演算法找出在特定時間區間擁有相同走勢的標籤組合。在蒐集2008 年HEMiDEMi中的部分資料，共計有3,629個網頁，以兩個星期為一 單位，將一年分為26個時間區間，使用2707個不重複標籤，共產生 1225群。

二、 本研究利用計算群的內聚力、分離度和整體分群品質來評斷分群的 品質，經實驗結果發現，使用時間序列與否的分群結果在前述三項 指標上並無太大差異。

三、 本研究將2008年以兩個星期為一單位分成26個時間區間，藉由視覺 化的介面，讓使用者檢視同一標籤在不同時間區間的主題概念變化 情形，如4.2.2的電影標籤之變化趨勢。

四、 本研究利用餘弦相似度計算不同時間區間中所構成之標籤群聚的

60

61

英文對照的問題，例如：是pixnet還是痞客邦。若能產生權威控制(Authority Control)資料庫或知識本體(Ontology)來表示同一概念的不同用詞，便可增加 後續分群結果的準確性。

IV. 書籤分類

本研究在蒐集黑米書籤時，並沒有進行如圖 31的書籤分類動作。若能 在一開始蒐集資料時，就先將書籤分類，則在後續分群結果上，可以更精確 地觀看不同類別隨時間變化的標籤應用趨勢。例如：在運動類別裡，就可以 看不同主題(籃球、棒球、網球)在不同時間區間的相關標籤。

圖 31 HEMiDEMi書籤分類

62

參考資料

[1] Agrawal, R., Lin, K. I., Sawhney, H. S., and Shim, K., "Fast Similarity Search in the Presence of Noise, Scaling, and Translation in Time-Series Databases," In Proc.

the 21st Int'l Conf. on Very Large Data Bases, Zurich, Switzerland, pp. 490-501,

[2] A. K. Jain, M. N. Murty, & P. J. Flynn, "Data clustering: A review, " ACM

Computing Surveys, vol. 31, pp. 264-323, 1999.

[3] B. Bollobás, G. Das, D. Gunopulos and H. Mannila, "Time-series similarity problems and well-separated geometric sets," in SCG '97: Proceedings of the

Thirteenth Annual Symposium on Computational Geometry, 1997, pp. 454-456.

[4] D. Goldin and P. Kanellakis, "On similarity queries for time-series data:

Constraint specification and implementation," Principles and Practice of

Constraint Programming — CP '95, pp. 137-153, 1995.

[5] D. Koller and M. Sahami, "Hierarchically classifying documents using very few words," Stanford InfoLab, 1997.

[6] E. M. Voorhees, "Implementing agglomerative hierarchical clustering algorithms for use in document retrieval," Information Processing & Management, vol. 22, pp.

465-476, 1986.

[7] T. Hammond, T. Hannay, B. Lund, and J. Scott, "Social bookmarking tool (1) – A general review," D-Lib Magazine, vol.11, 4, Retrieved June 1, 2009, from

http://www.dlib.org/dlib/april05/hammond/04hammond.h

[8] Han J., Kamber M., " Data Mining: Concepts and Techniques, " Morgan Kaufmann, San Francisco. pp. 346–389, 2001.

[9] Hsi-Cheng Chang and Chiun-Chieh Hsu, "Using topic keyword clusters for automatic document clustering," Information Technology and Applications, 2005.

63

ICITA 2005. Third International Conference on, vol. 1, pp. 419-424 vol.1, 2005.

[10] S. Salvador and P. Chan, "Toward accurate dynamic time warping in linear time and space," Intelligent Data Analysis, vol. 11, pp. 561-580, 01/01. 2007.

[11] Smith Gene, "Tagging: Emerging Trends, "

http://www.asis.org/Bulletin/Aug-08/AugSep08_Smith.html , August/September 2008

[12] J. J. Van Wijk and E. R. Van Selow, "Cluster and calendar based visualization of time series data," Information Visualization, 1999. (Info Vis '99) Proceedings.

1999 IEEE Symposium on, pp. 4-9, 140, 1999.

[13] J. MacQueen, "Some methods for classification and analysis of multivariate observations, " in Proc. 5th Berkeley Symp., vol. 1, 1967, pp. 281-297.

[14] L. Kauffman and P. Rousseeuw, Finding Groups in Data: An Introduction to

Cluster Analysis. J. Wiley & Sons, 1990.

[15] T. O'Reilly, " What Is Web 2.0: Design Patterns and Business Models for the Next Generation of Software," COMMUNICATIONS & STRATEGIES, no. 65, p.

17, 1st quarter 2007.

[16] T. W. Wal, "folksonomy,"Online Information Conference 2005 in London, Retrieved June 3, 2009, from

http://vanderwal.net/essays/051130/folksonomy.pdf

[17] Warren, "Clustering of time series data--a survey," Pattern Recognition, vol. 38, pp. 1857-1874, 11. 2005.

[18] Wu, Ji He, Ah-hwee Tan,Chew-lim Tan,W., "On Quantitative Evaluation of Clustering Systems," 09/04. 2002.

[19] Z. Xu, Y. Fu, J. Mao and D. Su, "Towards the semantic web: Collaborative tag suggestions," in WWW2006: Proceedings of the Collaborative Web Tagging

64

Workshop, 2006.

[20] Kappa Statistics - http://www.dmi.columbia.edu/homepages/chuangj/kappa [21]Orcale Text Reference-

http://download.oracle.com/docs/cd/B19306_01/text.102/b14218/astopsup.htm#st href2545

[22] Wikipedia, "Time series", Retrieved June 7, 2009, from http://en.wikipedia.org/wiki/Time_series

[23] 卜小蝶, "淺談社會性標記之意涵與應用",論文發表於淡江大學圖書館舉辦 之「Web 2.0 與圖書館」研討會,臺北市,2006年12 月。

[24] 卜小蝶 , "使用者導向之網路資源組織與檢索",2007年.

[25] 中文斷詞系統簡介說明,http://ckipsvr.iis.sinica.edu.tw/

[26] 中央研究院平衡語料庫詞集及詞頻統計, http://www.aclclp.org.tw/doc/wlawf_abstract.pdf

[27] 黑米共享書籤HEMiDEMi,http://www.HEMiDEMi.com/home.

[28] 資策會, "2008年12月底止台灣上網人口", Retrieved June 3,2009, from http://www.find.org.tw/find/home.aspx?page=many&id=219

[29] 陳建誌 , "Web 3.0 時代來臨 是好是壞？",電子商務時報, Retrieved June 3, 2009, from http://www.ectimes.org.tw/shownews.aspx?id=081012153724 , 2008 年

[30] 鄧兆旻, "Social Tagging火紅新網路商機逐漸成形",數位時代，Retrieved June 3, 2009, from http://www.bnext.com.tw/LocalityView_7648 , 2006年。

65

VH VH11,12,13,14,15,17,VH21 /*狀態不及物動詞*/

VHC VH16, VH22 /*狀態使動動詞/

1 斜體詞類，表示在技術報告#93-05中沒有定義，即後來增列的。

66

VI VI1,2,3 /*狀態類及物動詞*/

VJ VJ1,2,3 /*狀態及物動詞*/

VK VK1,2 /*狀態句賓動詞*/

VL VL1,2,3,4 /*狀態謂賓動詞*/

V_2 V_2 /*有*/

DE /*的, 之, 得, 地*/

SHI /*是*/

FW /*外文標記*/