第一章 緒論
1.1 研究動機與目的
對於專業領域的使用者來說，了解專有詞彙是學習上重要的一環。使用者在 閱讀專業領域的書籍時，經常會遇到不懂的專有詞彙，而這類型的詞彙無法由一 般字典中獲得在專業領域上的解釋。假設有一龐大的資料來源可供查詢，使用者 可以取得和專有詞彙相關文章中的說明句子，幫助了解專有詞彙。然而大量的文 章內容會導致資訊過載(Information Overload)的問題，使用者無法在短時間內了 解文章內容，需要花費大量時間自行分析整理之後才可以得到真正想要的資訊。
即使有一個很好的資訊檢索工具，若是使用者想了解兩個專有詞彙有何關聯時，
一次只能輸入一個專有詞彙進行查詢，而只查閱和一個專有詞彙相關的句子，使 用者需要自行整理之後，才能夠瞭解兩個詞彙彼此的關聯性或其具有相同相異的 概念比較。如果能提供一有效摘要方法，例如當使用者輸入兩個查詢詞彙是
―insertion sort‖和―merge sort‖，能自動找出兩個句子，如以下表示：
‖The Θ(n2) bound on the worst case running time of insertion sort, however, does not imply a Θ(n2) bound on the running time of insertion sort on every input.‖
―Once the input size n becomes large enough, merge sort, with its Θ(n lg n)
worst case running time, beats insertion sort, whose worst case running time is Θ(n2 ). ―
2
使 用者 可以 藉由這樣 的句組了解 兩 個查詢 詞彙 在最差 執行時間 (worst case
running time) 上 的 比 較 ； 當 使 用 者 輸 入 兩 個 查 詢 詞 彙 是 ―heapsort‖ 和 ‖sort algorithm‖，能自動找出這樣的句子，如以下表示：
―Heapsort is a comparison-based sort algorithm to create a sorted array (or list),
and is part of the election sort family. ―
使用者可以藉由這樣的句子了解―heapsort‖是一個以比較為基準的排序演算法。
但是目前一般查詢方法大多是針對一個查詢詞彙為主，無法達到自動摘要出兩個 查詢詞彙關係的句子。
因此本論文的研究目的是針對可信資料來源，根據使用者所輸入的兩個專有 詞彙，依照詞彙不同的關係，由資料來源中自動找出關聯句組或是關聯句，幫助 使用者在兩個專有詞彙的比較學習。
1.2 研究範圍與限制
本論文研究資料來源為可信的英文文件資料，文件資料中需要包含可區分出 句子的標點符號或是句尾符號，我們目前採用專業領域的英文 PDF 格式的電子 書，並且假設書中存在和查詢詞彙有相關的關聯句。輸入限定為兩個英文的專有 詞彙。
本論文的研究範圍分為兩大部分，我們將查詢詞彙關係分為兩大類，‖包含‖
關係和‖非包含‖關係。第一部分探討如何對於輸入的兩個查詢詞彙關係進行自動 分類，第二部分則探討如何根據詞彙關係的不同，找出‖包含‖關係的關聯句，或
3
是找出‖非包含‖關係的關聯句組。
我們定義詞彙關係分為兩類，第一類為‖包含‖關係，查詢詞彙之間彼此為上 下包含的關係，例如，‖data structure‖和‖linked list‖，‖linked list‖是一種資料結構
(data structure) ； 第 二 類 為 ‖ 非 包 含 ‖ 關 係 ， 例 如 ， ‖insertion sort‖ 和 ‖merge sort‖ ， ‖insertion sort‖ 和 ‖merge sort‖ 都 是 一 種 排 序 演 算 法 (sorting
algorithm)；‖binary tree‖和‖merge sort‖這兩個查詢詞彙同屬於演算法領域之下也 是屬於非包含關係。
詞彙關係若被分類為包含關係，如圖 1.1 所示，當使用者查詢‖data structure‖
和‖linked list‖時，本論文將探討如何自動擷取同時包含兩個查詢詞彙的句子，從 中自動選出一個句子，以下稱關聯句，用以解釋查詢詞彙在包含關係及定義上的 敘述。
詞彙關係若被分類為非包含關係，如圖 1.2 所示，當使用者查詢‖insertion sort‖
和‖merge sort‖，本論文將探討如何自動擷取出包含個別查詢詞彙的句子，並自 動找出兩個句子形成句組，以下稱關聯句組，顯示查詢詞彙在某些概念上相同或 相異的比較。
輸入兩個查詢詞彙： ―data structure‖、‖linked list‖
A linked list is a data structure which can change during execution, consisting of a group of nodes which together represent a sequence.
圖 1. 1 包含關係關聯句範例
4
1.3 論文方法
本論文為了幫助使用者瞭解所查詢的兩個專有詞彙，建立一套由電子書為資 料來源自動擷取關聯句之查詢系統。本論文方法主要分為兩大部分，分別是離線 訓練(Offline training)和線上處理(Online processing)。
離線訓練可分為三部分來說明：電子書內容的前處理、建立詞彙關係分類模 型和建立關聯句比對規則模型。<1>首先對於電子書文字內容進行前處理，句子 切割之後，以句子為單位儲存形成文句集，經過詞性標記和字型原型化的處理後，
對於文句集建立索引。<2>利用 Google 網路搜尋引擎蒐集多篇包含個別訓練查詢 字組的網頁摘要，藉由詞彙出現在網頁摘要中的分布情況作為特徵，輸入支持向 量機(Support Vector Machine, SVM)建立詞彙關係分類模型。<3>對於訓練資料進 行句型樣式擷取後，並取出其子序列，經過評分之後建立關聯句比對規則模型。
輸入兩個查詢詞彙： ―insertion sort‖、‖merge sort‖
Query: insertionsort
The Θ(n 2 ) bound on the worst case running time of insertion sort, however, does not imply a Θ(n 2 ) bound on the running time of insertion sort on every input.
Query: mergesort
Once the input size n becomes large enough, merge sort, with its Θ(n lg n) worst case running time, beats insertion sort, whose worst case running time is Θ(n 2 ).
圖 1. 2 非包含關係關聯句組範例
5
使用者輸入兩個查詢詞彙後，本系統利用 Google 網路搜尋引擎分別以兩個 查詢詞彙當作關鍵字去搜尋，蒐集多篇包含個別查詢詞彙的網頁摘要，藉由詞彙 間彼此出現在網頁摘要中的分布情形做為特徵，利用詞彙關係分類模型進行自動 分類。兩個查詢詞彙若是被分類為‖包含‖關係，系統會利用資訊檢索的概念取出 同時包含兩個查詢詞彙之句子作為關聯句集，一一擷取出句型樣式並取出子序列 後，利用關聯句比對規則模型對於句子進行評分，選出句型和語意關聯分數最高 的當作關聯句；詞彙若是被分類為 ‖非包含‖ 關係，系統取出包含任一查詢詞彙 的句子作為關聯句集，透過這些句子找出對於兩個查詢詞彙有高度關聯的字詞作 為共同概念詞，再依照共同概念詞進行分群，評估句子與共同概念詞以及句子間 兩兩配對的分數，挑選分數最高的兩個句子形成關聯句組。
針對所提出的方法，本研究進行三個部分的實驗：<1>評估查詢詞彙關係自 動分類的正確性，<2>評估‖包含‖關係的關聯句是否可以幫助使用者瞭解查詢詞 彙之間的關係，<3>評估‖非包含‖關係的關聯句組是否能夠讓使用者瞭解查詢詞 彙在概念下的異同處。
6
1.4 論文架構
本論文以下章節內容簡介如下：第二章說明相關文獻及探討。第三章說明本 論文提出之系統架構。第四章說明如何對電子書進行前處理和建立索引。第五章 詳細描述如何對於查詢詞彙關係進行自動分類。第六章說明如何找出‖包含‖關係 的關聯句。第七章說明如何找出‖非包含‖關係的關聯句組。第八章以實驗結果顯 示本論文方法的執行效果。最後在第九章提出總結及未來研究方向。
7