第二章 文獻探討
第四節 隨機遊走模型與社群網絡
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
跟大怒，從這樣的例子可以知道詞網是個由上而下、越分越細的架構，由 155327 個詞彙、175979 個語意、207016 個詞彙-語意配對所建置，其辭典分成 名詞、動詞、形容詞、副詞四種網絡，並依據不同網絡記載不同的語意關係，
如名詞網絡中以同義詞的概念所建構，透過上位詞(hypernym)與下位詞
(hyponym)串連，由最頂層十一個抽象起始點開始向下以樹狀圖方式延伸，最深 層的層次串連了十六個節點，而在動詞方面除了同義詞外，反義詞的概念被建 入動詞網絡下，同時四個網絡仍有互相指引的關係，如名詞「director」與動詞
「direct」間的關係稱為 morphosemantic link．在文字分析中最常遇到的詞義消 歧的問題，多詞一義的情形常會造成文章間的關係無法確定，因此許多分析者 透過詞網記載的語義訊息來降低因同義詞所造成的影響，Hotho, Staab and Stemme(2003)提到利用詞網確實可以提高分群效果，Reforgiato(2007)使用詞網 做維度化簡，對分群結果相當有幫助。
圖 3-1 Tiger 在詞網中的語意架構
第四節 隨機遊走模型與社群網絡
社群網絡是一個描繪社會結構的網絡概念，透過描繪節點與節點之間的關 係來觀察整個網絡的概況，且社群網絡依據議題呈現的結果也不同，在軍事互 動的網絡中，中國美國與北韓影響著其他國家，而在教育網絡中，新加坡的教
‧
方面分為有向圖(Directed graph)、多重圖(Multigraph)、超圖(Hypergraph)、權重 網絡(Weighted network)，在「量度」方面包含了點度(degree)、密度(density)、
派別(Clique)、親密度中心性(Closness Centrality)、中介度中心性 (Betweeness Centrality)、叢聚係數(Clustering Coefficient)，搜尋引擎中評斷網頁重要性的方 式也是透過社群網絡的觀點定義出佩奇排名(PageRank)。
而多年來社群網絡的想法也被運用在文字分析上，Beliga 等(2015)提出的關 鍵詞檢索，將詞彙當作每一個節點，並定義新的變量 selectivity 來描述詞彙的 重要程度，與其他非社群網絡的關鍵詞檢索方法有相同的檢索能力。
本文將社群網絡想法套用在機器學習最常探討的分群議題上，而社群網絡 的結構與分群議題從2001年Condon等(2001)提出的 I 群落種植法(Planted l-Partition)與Grivan 等(2002)提出得分群係數，試圖將網絡結構作分群解構，並 在解構後得到每一個子群的階級式(hierarchical)關係，但儘管透過子群性質解構 出網絡中的子群分佈，但當網絡複雜度提高，運算成本也大幅增加使得時間成 本提高， Newman(2004)以貪婪演算法(greedy algorithm)的想法，先從 n 個子 群開始解構網絡，藉由分群與合併使得目標函數模組(modularity)可以最佳化；
Donetti(2004)則是使用拉普拉斯矩陣特徵向量(the eigenvectors of the Laplacian matrix)套用在階層式分群上面。
隨意遊走模型(WalkTrap)由Pascal與Matthieu(2006)提出，其核心概念是在網
‧
層式分群法(Hierarchical tree clustering)的演算法流程，從一開始每個節點各自一 群，依序合併、重新計算距離與分群評比，反覆這個流程得到最佳模組分數下‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
的子群分群結果。
‧
的過程又簡稱為ETL，描述將資料從源端萃取(Extract)、轉置（transform）、載 入（load）至資料庫或目的端的過程，資料萃取最常使用的技術為網頁爬蟲，透過程式解析網頁架構，並將回傳網頁資訊剖析來截取出重要資訊。本文的研 究資料包含《人民日報》、TSSCI 與美國專利文本，《人民日報》資料庫由過去 學長林家安透過R 軟體撰寫爬蟲程式來剖析網頁，並以資料庫的方式依年份做 管理；TSSCI 期刊資料庫依據人工搜尋與複製剪貼期刊中的論文摘要與關鍵 詞，並製作成Excel 檔；美國專利文本則是先透過USPTO(United States Patent and Trademark Office)的線上檢索工具，檢索出四個方向截然不同企業底下的專 利文本，包含MEDIATEK、MERCK、Microsoft、Toyota，再透過 Python 撰寫 爬蟲程式來篩選重要資訊，包括摘要(Abstract)、詳細說明(Detail Description)、
公開公告號...，並利用 Python 與 MSSQL (Microsoft SQL)的串接工具，將爬取 的資訊分成六大資料庫，存入MSSQL 做管理．選擇這三個文集的主要原因在