第三章、 系統設計
3.7 萃取與使用提示資料
產生文章提示的流程示意圖，如下圖 3-9 所示。當系統完成分析核心關鍵詞 彙的動作，會將結果組成查詢字串（Clause Query or Sentence Query），並至 Google Blog Search Engine[2]尋找符合的部落格文章作為給予使用者的參考。
依照查詢字串的不同，所取得的參考資訊亦有所差別。若提供的查詢字串是來自 子句的核心關鍵詞，則系統會收集到一系列相關聯的句子（Set of Sentences），
結果如圖 3-10 黃色方框，並計算每個候選句的分數，最後再將高分數的句子當 作提示訊息。如果查詢字串的來源是由句子生成，則會取得用字遣詞類似的段落 文章（Set of Paragraphs），如圖 3-10 紅色區域，表示所描述的主題即有可能 相同。系統將這些段落經過事前訓練好的預測模型（SVM Predict Model），並 且為每個段落標上對應的文章類別（Label Category），如圖 3-10 棕色線條，
用意是提供主題分類，讓使用者能夠針對目前寫作的方向選取相關提示訊息。
圖3-9：參考提示產生的過程。
29
圖3-10：Google Blog Search Result Example。
我們以查詢字串的種類作為提示分類之依據，將系統所產生的參考資訊劃分 為兩種型別，子句與句子提示。下列為各類提示計算分數的詳細方式，並舉範例 與圖解說明之：
1. 子句提示（Clause Reference）
藉由此類查詢字串所收尋的結果，會從網路上獲得相關的句子。系統將根據 查詢字串中的核心關鍵詞彙作為評分的標準。下圖 3-11，為子句類型查詢字 串計算分數的實際範例：
查詢字串："天氣 ＊ 適合 踏青"
取得資料：今天天氣非常的適合踏青，是晴朗無雲的好天氣。
計分方式：○1 查詢字串完整出現於資料中，「天氣…適合踏青」，代表與使 用者所撰寫的子句有非常高的相似程度，系統會給予該句極高 的分數(Score A)，如下圖紅色區域。
Paragraph
Sentence
S V Label：Travel M
30
○2 只有查詢字串的部分詞彙出現於資料中，「天氣」、「適合」
或「踏青」，系統會給予基本分數(Score B)，如下圖綠色方塊。
○3 (Score A) ≫ (Score B)
最後該句子的分數為所有獲得分數的加總，(Score A) + (Score B)，當所有 的句子都計算出各自總分，系統會自動挑選較高的項目成為提供使用者參考 寫作的提示。
圖3-11：查詢子串為「"天氣 ＊ 適合 踏青"」的提示句分數。
2. 句子提示（Sentence Reference）
若以完整句子的核心關鍵詞作為查詢字串，可以由部落格搜尋引擎取得相關 聯的段落文章。首先，系統會利用支援向量機模型預測所有段落，並標上對 應的主題類別。而後，將擁有相同類別的段落收集起來，再以句點切割成提 示句，分別計算每個句子的分數，並按照分數高低排序。下圖 3-12，為句子 類型查詢字串的計算範例：
查詢字串：晴朗 郊遊
訓練特徵：｛今天, 天氣, 家人｝
取得資料：今天是個晴朗無雲的好天氣，適合全家人出門郊遊。
計分方式：○1
今天天氣非常的適合踏青，是晴朗無雲的好天氣。
當系統於句中尋找到「晴朗」、「郊遊」，會給予較高的分數 (Score A)，表示該資料與目前寫作的方向有某種程度的相似，
如下圖藍色方框。
Match Whole Query Match one Entry
𝐒𝐜𝐨𝐫𝐞 𝐀 𝐒𝐜𝐨𝐫𝐞 𝐁
31 的 Speech Repair[22]作為提示選取介面的設計雛型，將所有句子中的組成單元 切割成字元單位，並按照原始句中的順序排列，如：「今天天氣真好」經過處理
Match Feature Terms Match Query Terms
𝟑 × (𝐒𝐜𝐨𝐫𝐞 𝐁) 𝟐 × (𝐒𝐜𝐨𝐫𝐞 𝐀)
32
圖3-13：系統提示的使用方式。
我們去八斗子「潮境公園」情人湖玩，
1.
2.
Show Tips
Using Tips User Writes Down
Tips
Output
33