5.1 自動面向擷取
透過第四章的方法分類出屬於商家和產品的文字片段後，接著，要對這些文字
片段自動擷取出面向。[16]主張隱含的主題可代表一種面向，且可由非監督式主題模
型方法學習出來。因此LDA 所學習出的主題關鍵字可代表某些面向。不過只用 LDA
去產生面向代表字，由於自然語言用詞的多樣性，這些面向字詞數目是不夠的。因 此本論文會採用字詞的Word2Vec 向量表示法來擴展 LDA 學習出相關面向字，在後 續對評論文字片段進行面向判斷。
5.1.1 產生主題面向字
根據4.2.3 所述，利用 LDA 可分析出隱藏主題及主題中的關鍵字詞出現機率值，
本研究設定一個主題數，以及一個機率門檻值 θ，只有出現機率值大於 θ 值的字詞 才會被當成某主題底下的代表面向字，所成的集合以𝐴𝜔表示。以表4.8 所示範例，
當 θ 設為 0.03 時各主題取出的面向字如表 5.1 所示。
表5.1 LDA 主題面向字範例表
LDA 主題 主題面向字和 θ 值
Topic = 𝑇0 好評 0.08
物流 0.06
Topic = 𝑇1 收到 0.16
快遞 0.09 寶貝 0.06
Topic = 𝑇2 包裝 0.14
賣家 0.05 非常 0.05 嚴實 0.04 發貨 0.04
Topic = 𝑇3 頭髮 0.08
頭皮 0.06 感覺 0.04 洗完 0.04
Topic = 𝑇4 味道 0.06
姜味 0.05
5.1.2 擴展主題面向字
產生主題面向字後，接著會再擴展找出更多主題面向字。我們利用Word2Vec，
以所有評論當作語料庫，學習出各單詞的詞嵌入向量。對語料庫中找出跟𝐴𝜔中任一
個主題面向字相似度大於門檻值𝜃𝑆的字詞，取出來加入𝐴𝜔當作主題面向字的擴展字。
5.2 評論面向整理
5.2.1 評論面向對應
產生各主題面向字和其對應的擴展字後，接下來要將分類出來的商家和產品評 論文字片段歸到所屬面向。本論文方法會依據一個文字片段中，包含各主題面向中 的面向字個數來做判斷。指定到出現某個主題面向的面向字數最多的第一個主題面 向。
如表 5.2 範例所示，各主題𝑇0~𝑇𝑖會對應到面向𝐶0~𝐶𝑖以計數的方式來統計文字
片段中包含不同主題面向字的數目，若文字片段中皆未出現𝐴𝑤中的面向字，無法指
定到面向𝐶0~𝐶𝑖，就會歸類到”其他”面向，表 5.3 呈現了表 5.2 範例的文字片段所指 定之面向。
表5.2 文字片段主題計數表
文字片段 𝑇0 𝑇1 𝑇2 𝑇3 𝑇4
物流 也 很 快 1 0 0 0 0
味道 好聞 0 0 0 0 1
表 5.3 文字片段對應面向範例
文字片段 指定對應面向
物流 也 很 快 𝐶0
味道 好聞 𝐶4
5.2.2 評論摘要整合
由於許多評論文字片段會有類似的內容，本研究會一一比對各面向中的文字片
段，讓內容相似的文字片段只顯示一筆。對兩個文字片段𝑆𝑖及𝑆𝑗內每個字詞在
Word2Vec 模型學習的語意向量，做平均計算，得到𝑎𝑣𝑔_𝑣𝑖；文字片段𝑆𝑗的字詞也做 一樣的處理產生平均向量𝑎𝑣𝑔_𝑣𝑗。透過餘弦相似度(cosine similarity)計算𝑆𝑖和𝑆𝑗的相
似度，相似度若大於 σ 值則合併兩者，由|𝑆𝑖|和|𝑆𝑗|長度較長的文字片段代表，並將 記錄該文字片段已合併多少個文字片段，如(*2)。
本論文會利用底下的步驟來完成面向內所有文字片段比對整合:
1. 所有文字片段都會記錄一個 ID(1,2,3, …. ,l)和 Value = 1，l 為面向內所有文 字片段數量。
2. ID 小的文字片段開始對面向內所有文字片段做比對。
3. 首先，判斷兩者文字片段 ID 是否一樣，若一樣則跳過此文字片段，不一樣 則進行步驟4。
4. 判斷此兩個文字片段相似度是否大於σ 值，若大於則進行步驟 5，若小於則 跳過此文字片段。
5. 判斷此兩個文字片段的長短，較長文字片段的 Value 值會直接加上較短文字 片段的Value 值，而較短文字片段的 Value 值會清空為 0。
假設 σ 值設定為 0.9，表 5.4 會顯示以上步驟的範例。
表5.4 面向文字片段整合範例
ID 文字片段 內容 Value
1 𝑆𝑖 物流 快 1
2 𝑆𝑗 物流 也 很 快 1
1. ID(𝑆𝑖) ≠ ID(𝑆𝑗)。
2. sim(𝑆𝑖, 𝑆𝑗) = 0.93 > σ。
3. length(𝑆𝑖) < length(𝑆𝑗)。
4. Value(𝑆𝑖) = Value(𝑆𝑖) + Value(𝑆𝑗) = 2，Value(𝑆𝑗)設定為 0。
5. 產生”物流 也 很 快(*2)”的字串出來。