第二章 巨量資料探勘技術 應用於測量核能發電之風險感知
第二節 研究設計
四、 關鍵字效果之確認
在進行巨量資料與資料探勘的分析之前，確認關鍵字的效果是最重要之程序，
唯有確定所挑選的關鍵字具備最高度之涵蓋性，才能確保所撈取到的資料之代表
19
性。為此，本研究從「聯合知識庫」(聯合報系)與「知識贏家」(中時報系)的新 聞資料庫中，將福島事件新聞報導量最高峰一周(2011 年 03 月 11-17 日)的相關 新聞擷取出來，希冀進一步對比目前關鍵字的涵蓋率。不過，卻發現 eMiner 所 撈取的資料，與兩大報系資料庫中的新聞報導內容大相逕庭，甚至連標題都不一 致，而無法判斷關鍵字的效果如何。
因此，本研究決定不使用 eMiner 所撈取的資料，改以另外一種方式來確認 關鍵字的效果，直接用目前的關鍵字來檢測新聞的涵蓋率，同樣選擇福島事故發 生後一周內的新聞，針對「聯合知識庫」與「知識贏家」資料庫中核能相關報導 進行審視，相關結果如表 2-12 所示。從表 2-12 得知，在事故發生後一周內，共 有 5103 篇相關的報導出現，其中，聯合報系共有 221 篇核能相關報導，佔所有 報導的 6.46%；而中時報系有 116 篇核能相關報導，佔所有報導的 6.89%。在關 鍵字的效果部分，共有 85.75%的涵蓋率，其中，聯合報系相關報導的涵蓋率為 89.59%；而中時報系聯合報系相關報導的涵蓋率為 81.90%。
表 2-12 關鍵字之新聞涵蓋效果(第一次確認)
變數名稱 報系
3/11 3/12 3/13 3/14 3/15 3/16 3/17
總和 所有報導總數 聯合報系 482 445 480 509 467 538 499 3420 中時報系 254 267 184 182 271 261 264 1683 核能報導總數 聯合報系 0 6 34 38 36 49 58 221中時報系 0 2 5 22 16 32 39 116 核能報導率 聯合報系 0.00% 1.35% 7.08% 7.47% 7.71% 9.11% 11.62% 6.46%
中時報系 0.00% 0.75% 2.72% 12.09% 5.90% 12.26% 14.77% 6.89%
關鍵字涵蓋數 聯合報系 0 6 30 37 32 44 49 198 中時報系 0 2 5 19 13 26 30 116 關鍵字涵蓋率 聯合報系 / 100% 88.24% 97.37% 88.89% 89.80% 84.48% 89.59%
中時報系 / 100% 100% 86.36% 81.25% 81.25% 76.92% 81.90%
資料來源：本研究整理。
20
21
然而，若進一步檢視未被涵蓋之各則報導，將可發現問題在於中文同義 詞的現象。由於不同作者對於相同現象的描述不盡相同，而導致單一關鍵字 (詞)無法涵蓋特定議題或現象，因此，本研究進一步將這些未被涵蓋報導之 特定關鍵字(詞)整理起來，如表 2-13 所示。其中，對於「核能」的描述，有 的是用「核子」、「核電」等，有的則是只有單用「核」字；而對於「災」
害的描述，有的只有用「危機」，有的則是用「事故」。以上中文同義詞或 相似詞的問題，才是主要降低關鍵字涵蓋率的原因，故本研究將建議增加的 關鍵字進行整理，並將之與先前同類型的關鍵字放在一起比較，結果如表 2-13 內容。不過，其中「碘片」大多與其他關鍵字同時出現，除非報導很短 時才會單獨出現，而「核能子」推測為錯誤用法，故將這兩個關鍵字排除，
避免撈取過多不相關的報導。
表 2-13 新舊關鍵字對照表(第一次確認)
既有關鍵字 新增關鍵字 新增關鍵字 新增關鍵字 新增關鍵字 新增關鍵字
/ 碘片
核能發電 核電 核子
核安 核能安全
核災 核危機 核電事故 核能子災變
核電廠/核能電廠 /龍門電廠/
核四/核三/核二/
核一/核 4/核 3/核 2/核 1
核能廠 核廠 核電站
核廢料 反核/廢核
/ 反應爐 核子反應爐 核能反應爐
/ 輻射危機 核能外洩 輻射外洩 輻射汙染 輻射威脅
/ 輻射值 核輻射
資料來源：本研究整理。
22
不過，由於表 2-13 中與「輻射」有關的關鍵字眾多，但，本研究希望能夠 簡化關鍵字，並瞭解「輻射」一詞的涵蓋效果。因此，進一步以 2011 年 03 月 18 日的兩大報系之報導，作為檢驗新增關鍵字效果之對象，相關結果如圖 2-5
與圖 2-6 內容。其中，在聯合報系 18 日的報導部分，原先關鍵字涵蓋率為 72%，
加入新的關鍵字後涵蓋率為 78%，再加入「輻射」作為關鍵字後涵蓋率提升為 92%；在中時報系 18 日的報導部分，原先關鍵字涵蓋率為 78%，加入新的關鍵 字後涵蓋率為 87%，再加入「輻射」作為關鍵字後涵蓋率提升為 100%。
圖 2-5 聯合報系新增關鍵字涵蓋率 資料來源：本研究
72%
5%
15%
8%
聯合報系
原先可涵蓋 新增關鍵字 加入「輻射」
仍然未涵蓋
23
24
民間團體 綠色公民行動聯盟 Green Citizens' Action Alliance 33(2.3%)
民間團體 爸爸非核陣線 24(1.7%)