第三章 研究設計與方法
第五節 資料分析方法
有幫助(Krasnogor & Gustafson, 2002)，而模因的數學演算過程常常會借用基因方 面的演算邏輯(Lynch, 1996)，不過在模因數學的發展過程中，學界也慢慢發展出 屬於模因獨特的推理過程，將模因的概念納入演算法的設計，把模因進化的機制 用於提升原本基因演算法的缺陷。模因演算法(memetic algorithm, MA)，是一個 用於最佳化問題中啟發式搜尋的群體依據途徑(Eusuff, Lansey & Pasha, 2006)，這 種演算法最早是由 Moscato (1989)所提出的，其基本的概念也同樣來自 Dawkins (1976)，模因演算法可以算是一種合併不同運算元(operator)來處理最佳化問題的 計算結構，模因演算法主要的貢獻在於它能夠排除過去個別選出最佳典範的運算 過程，把個別典範的強項合併產生出一個更好的求解演算法(solver) (Neri, Cotta
& Moscato, 2012)，而模因演算法也有被用於文本集群分析上，並發展出很多不 同的解決方式與演算法(Amiri, Fathian & Maroosi, 2009；Eusuff, Lansey & Pasha, 2006；Neri, Cotta & Moscato, 2012)，不過 Krasnogor & Gustafson (2002)認為創造 模因演算法的學者，應該要更謹慎的了解，這個演算法是否真的有符合模因的概
‧
& Liu, 2014)，R 軟體是一個開放原始碼(open source)的運算軟體，就因為是開放 原始碼，因此能夠被免費使用，使得網路上所能夠獲取的資訊與擴充功能多元，
而擴充功能中許多功能都能夠被用於精確的分析文本資料(Feinerer, Hornik &
Meyer, 2008)，因此本研究透過 R 軟體針對較複雜並超越傳統統計軟體所能夠處 理的功能進行運算，以 R 軟體進行語法撰寫與部分統計演算，擴充功能來自 R 軟體官方網站 CRAN(The Comprehensive R Archive Network)29經過驗證並符合規 定的軟體，其中在斷詞方面本研究首先針對 CRAN 資料庫中兩個最常被使用的 套件 Rwordseg 與 JiebaR 進行測試，兩個斷詞功能都是由中國的編輯者建構，不 過都能夠處理繁體中文的斷詞，初步的結果發現，因為 Rwordseg 只使用隱藏式 馬可夫模型進行斷詞，因此斷詞的結果不佳，常常斷出很長的假詞，並無法穩定 辨識短的詞彙。而 JiebaR 結合隱藏式馬可夫模型與最大概率法（一種統計式演 算法）進行斷詞，因此所獲得的結果正確性高過 Rwordseg，同時 JiebaR 的更新 速度快，因此本研究最後決定以 JiebaR 作為主要的斷詞工具30。
本研究參考 Aggarwal & Zhai (2012)對於文本集群分析的敘述，因此首先本 研究針對文本資料進行清理，透過 Excel 將文本資料的格式排除，並依照網站分
29 https://cran.r-project.org/
30 自動化斷詞演算法有很多種，不過本研究因為目的不是在測試不同演算法的效率，因此採用 JiebaR 斷詞功能中所提供比較常被使用的演算法處理文本
‧
groups sum of squares)與集群數量進行比對，選擇最適當的集群數量，所謂 的最適當集群數量為集群組內平方和下降變化最大的集群數(k)，不過因為 K-means 集群分析會依照起始值的變化而有所改變，因此本研究針對每一組 文本在進行 K-means 集群分析時，均會執行並比較 5 至 6 次的結果。9. 計算各篇文本之間的餘弦距離(cosine similarity)。
10. 根據 K-means 結果與餘弦距離進行階層集群分析，因為本研究在層級集群
同時本研究也參考 Best (1997)、Best (1997b)與 Pocklington & Best (1997)的方法，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
98
將不同詞彙透過奇異值分解(Singular Value Decomposition, SVD)進行主成分因素 分析，Dhillon & Modha (2001)表示 SVD 本身在過去已經有被大量使用於文本探 勘，所以本研究透過 R 軟體的 lsa 擴充功能執行 SVD，並同時將兩種方法所獲得 的結果，用於分析不同模因組在網路文本中的變化。