設 計 與 實 作 一 個 針 對 遊 戲 論 壇 的 中 文 文 章 整 合 系 統 Design and Implementation of a Chinese Document Integration System for Game Forums 研 究 生 : 黃 重 鈞 Student:C

Transcription

1 資 訊 科 系 Department of Computer Science 碩 士 論 文 Master s Thesis 設 計 與 實 作 一 個 針 對 遊 戲 論 壇 的 中 文 文 章 整 合 系 統 Design and Implementation of a Chinese Document Integration System for Game Forums 研 究 生 : 黃 重 鈞 指 導 教 授 : 徐 偉 中 華 民 一 百 零 五 年 七 月 July 2016

2 設 計 與 實 作 一 個 針 對 遊 戲 論 壇 的 中 文 文 章 整 合 系 統 Design and Implementation of a Chinese Document Integration System for Game Forums 研 究 生 : 黃 重 鈞 Student:Chung-Chun Huang 指 導 教 授 : 徐 偉 Advisor:Kuo-Wei Hsu 資 訊 科 系 碩 士 論 文 A Thesis submitted to Department of Computer Science National ChengCh in partial fulfillment of the Requirements for the degree of Master in Computer Science 中 華 民 一 百 零 五 年 七 月 July

3 2

4 3

5 摘 要 現 今 網 路 發 達 便 利, 人 們 資 訊 交 換 的 方 式 更 多 元, 取 得 資 訊 的 方 式, 不 再 僅 是 透 過 新 聞, 透 過 論 壇 任 何 人 都 可 以 快 速 地 較 沒 有 門 檻 地 分 享 資 訊 也 因 為 這 個 特 性 造 成 資 訊 量 暴 增, 就 算 透 過 搜 尋 引 擎, 使 用 者 仍 需 要 花 費 許 多 精 力 蒐 集 過 濾 與 處 理 特 定 的 主 題 本 研 究 以 巴 哈 姆 特 電 玩 資 訊 站 英 雄 聯 盟 哈 拉 討 論 板 為 例, 期 望 可 以 為 使 用 者 提 供 一 個 全 面 且 精 要 的 遊 戲 角 色 描 述, 讓 使 用 者 至 少 對 該 角 色 有 概 的 認 知 本 研 究 參 考 網 路 論 壇 探 勘 及 新 聞 文 件 摘 要 系 統, 設 計 適 用 於 論 壇 多 篇 文 章 的 摘 要 系 統 首 先 必 須 了 解 並 分 析 論 壇 的 特 性, 實 驗 如 何 從 論 壇 挖 掘 出 潛 藏 的 資 訊, 並 認 識 探 勘 論 壇 會 遭 遇 的 困 難 根 據 前 面 的 論 壇 分 析 再 設 計 系 統 架 構 致 可 分 為 三 階 段 :1. 資 料 前 處 理 : 論 壇 文 章 與 新 聞 文 章 不 同, 很 難 直 接 將 名 詞 動 詞 作 為 關 鍵 字, 因 此 使 用 TF-IDF 篩 選 出 論 壇 文 章 中 有 代 表 性 的 詞 彙, 作 為 句 子 的 向 量 空 間 維 度 2. 分 群 : 使 用 K-Means 分 群 法 分 辨 哪 些 句 子 是 比 較 相 似 的, 並 將 相 似 的 句 子 分 在 同 一 群 3. 句 子 挑 選 : 根 據 句 子 的 分 群 結 果, 依 句 子 的 關 鍵 字 含 量 及 TF-IDF 選 擇 出 最 能 代 表 文 件 集 的 句 子 我 們 發 現 實 驗 分 析 過 程 中 可 以 看 到 一 些 有 用 的 相 關 資 訊, 在 論 文 的 最 後 提 出 可 能 的 改 善 方 法, 期 望 未 來 可 以 開 發 更 好 的 論 壇 文 章 分 類 方 式 關 鍵 字 : 中 文 遊 戲 論 壇 文 件 摘 要 關 鍵 字 擷 取 K-Means 分 群 i

6 Abstract With the establishment of network infrastructure, forum users can provide information fast and easily. However, users can have information retrieved through search engines, but they still have difficulty handling the articles. This is usually beyond the ability of human processing. In this study, we design a tool to automate retrieval of information from each topic in a Chinese game forum. We analyze the characteristics of the game forum, and refer to English news summary system. Our method is divided into three phases. The first phase attempts to discover the keywords in documents by TF-IDF instead of part of speech, and builds a vector space model. The second phase distinguishes the sentences by the vector space model built in the first phase. Also in the second phase, K-means clustering algorithm is exploited to gather sentences with the same sense into the same cluster. In the third phase, we choose two features to weight sentences and order sentences according to their weights. The two features are keywords of a sentence and TF-IDF. We conduct an experiment with data collected from the game forum, and find useful information through the experiment. We believe the developed techniques and the results of the analysis can be used to design a better system in the future. Keywords: Chinese game forum summary, keyword selection, K-means clustering ii

7 致 謝 感 謝 指 導 教 授 徐 偉 老 師, 除 了 業 上 悉 心 的 指 導, 也 討 論 生 活 中 遇 到 的 事 件 和 想 法 上 激 盪, 增 加 我 對 資 訊 領 域 想 法 的 深 度 與 視 野 上 的 寬 度 並 在 我 一 度 想 放 棄 的 時 候 鼓 勵 並 引 導 我 循 序 漸 進 完 成 論 文 感 謝 實 驗 室 的 夥 伴 們, 謝 謝 你 們 在 我 程 式 上 遇 到 困 難 時, 家 不 吝 提 供 經 驗 和 一 起 討 論 在 我 遇 到 挫 折 時, 給 我 充 滿 正 面 積 極 的 鼓 勵 就 算 到 現 在, 還 會 懷 念 實 驗 室 半 夜 家 一 起 埋 頭 苦 幹 適 時 和 樂 的 氣 氛 感 謝 親 愛 的 家 人 以 及 一 路 陪 伴 我 的 朋 友 們, 你 們 永 遠 不 變 的 支 持 與 鼓 勵 讓 我 有 勇 氣 繼 續 前 行 在 研 究 所 碩 班 的 四 年 當 中, 生 活 中 碰 到 了 許 多 機 遇 挫 折, 你 們 陪 我 高 興 陪 我 沮 喪, 在 我 心 裡 生 病 的 時 候 容 忍 我 的 怪 脾 氣 沒 有 棄 我 於 不 顧 的 我 最 後 再 一 次 感 謝 所 有 在 我 碩 士 求 路 上 給 予 我 幫 助 的 人 們, 沒 有 你 們 就 沒 有 今 天 iii

8 目 錄 第 1 章 緒 論 研 究 動 機 與 目 的 背 景 : 巴 哈 姆 特 電 玩 資 訊 站 背 景 : 英 雄 聯 盟 論 文 結 構 第 2 章 相 關 研 究 論 壇 相 關 研 究 文 件 摘 要 相 關 研 究 以 分 群 為 基 礎 的 摘 要 方 法 第 3 章 初 步 資 料 分 析 資 料 初 步 分 析 第 4 章 設 計 與 實 作 系 統 資 料 前 處 理 分 群 句 子 挑 選 第 5 章 進 階 分 析 結 果 與 討 論 第 6 章 結 論 與 未 來 展 望 第 7 章 參 考 文 獻 附 件 1 實 驗 結 果 呈 現 University i iv

9 圖 目 錄 圖 1 Yahoo 奇 摩 電 玩 白 皮 書 內 容 截 圖 : 台 灣 Top20 每 日 平 均 造 訪 人 數 網 站 排 名... 1 圖 2 電 競 比 賽 獎 金 已 經 媲 美 世 界 級 體 育 盛 事 ( 註 腳 2 附 圖 )... 2 圖 3 巴 哈 姆 特 熱 門 看 板... 6 圖 4 巴 哈 姆 特 熱 門 看 板 之 人 氣 及 文 章 數... 6 圖 5 英 雄 聯 盟 哈 拉 板 之 分 類... 6 圖 6 英 雄 聯 盟 哈 拉 板 之 討 論 多 元 且 品 質 參 差 不 齊... 7 圖 7 英 雄 聯 盟 : 召 換 峽 谷 地 圖... 8 圖 8 英 雄 聯 盟 : 遊 戲 畫 面... 9 圖 9 SOM 摘 要 器 的 流 程 [21] 圖 10 巴 哈 姆 特 英 雄 聯 盟 哈 拉 板 截 圖 圖 11 哈 拉 板 討 論 串 說 明 圖 12 文 章 與 資 料 表 攔 位 建 圖 13 討 論 串 文 章 數 排 名 圖 14 系 統 簡 略 流 程 示 意 圖 圖 15 各 詞 彙 TF-IDF 數 值 圖 16 分 詞 前 後 比 對 及 其 分 群 結 果 圖 17 以 文 章 為 輸 入 之 分 群 結 果 University i v

10 表 目 錄 表 1 文 章 資 料 表 之 欄 位 及 其 說 明 表 2 關 鍵 字 資 料 庫 類 別 及 其 關 鍵 字 數 量 表 3 關 鍵 字 比 對 結 果 概 觀 表 4 前 二 十 高 文 章 數 之 討 論 串 與 關 鍵 字 間 的 關 聯 表 5 句 子 向 量 空 間 模 型 以 矩 陣 表 示 舉 例 表 6 重 新 補 全 並 排 序 後 的 關 鍵 字 資 料 庫 類 別 及 其 關 鍵 字 數 量 表 7 兩 個 英 雄 所 對 應 的 詞 彙 TF-IDF 排 序 表 8 摘 要 結 果 分 類 取 出 句 子 數 vi

11 第 1 章 緒 論 1.1 研 究 動 機 與 目 的 年 Yahoo 奇 摩 電 玩 白 皮 書 指 出, 根 據 Nielsen 2014 Q1 的 市 場 調 查 顯 示, 台 灣 13~65 歲 的 人 口 中, 有 745 萬 人 是 遊 戲 玩 家, 佔 了 該 調 查 總 人 口 的 41% 依 據 公 開 資 訊 觀 測 站 的 資 料, 台 灣 所 有 上 市 上 櫃 的 線 上 遊 戲 公 司 營 收 總 和,2013 年 總 計 為 277 億 新 台 幣 白 皮 書 中 依 據 comscore 的 統 計, 將 2014 年 3 月 造 訪 過 遊 戲 網 站 的 網 友 視 為 整 個 遊 戲 的 潛 在 族 群, 以 這 族 群 的 平 均 每 日 造 訪 人 數 製 作 成 下 表 ( 僅 收 錄 台 灣 地 區 ), 如 圖 1 所 示 圖 1 Yahoo 奇 摩 電 玩 白 皮 書 內 容 截 圖 : 台 灣 Top20 每 日 平 均 造 訪 人 數 網 站 排 名 1 奇 摩 遊 戲 白 皮 書.pdf 1

12 白 皮 書 表 示 台 灣 前 20 名 僅 有 三 個 遊 戲 相 關 的 網 站, 分 別 是 第 13 名 的 巴 哈 姆 特 第 15 名 的 英 雄 聯 盟 官 網 跟 第 17 名 的 Garena 官 網,Garena 為 英 雄 聯 盟 在 台 灣 香 港 和 澳 門 地 區 之 代 理 商 事 實 上 第 20 名 的 RAIDCALL 雖 為 語 音 通 訊 軟 體, 由 於 有 群 組 語 音 聊 天 以 及 群 組 階 層 式 管 理 功 能, 在 台 灣 遊 戲 社 群 中 亦 占 有 重 要 地 位 電 競 在 近 幾 年 興 起 2, 目 前 全 球 電 競 相 關 人 口 為 15 億 人, 總 產 值 約 800 億 美 元, 台 灣 電 競 人 口 達 600 萬 人, 總 產 值 約 120 億 台 幣 電 競 比 賽 獎 金 已 經 媲 美 世 界 級 體 育 盛 事 如 圖 2 所 示 圖 2 電 競 比 賽 獎 金 已 經 媲 美 世 界 級 體 育 盛 事 ( 註 腳 2 附 圖 ) 總 統 當 選 人 蔡 英 文 的 特 助 李 俊 毅 表 示, 外 已 經 有 許 多 家 將 電 競 選 手 正 式 列 為 家 級 的 運 動 選 手, 東 南 亞 家 也 將 電 競 納 入 運 動 會 項 目, 其 中 韓 府 已 將 電 競 列 為 2 挺 電 競! 提 倡 家 級 運 動 新 府 要 辦 總 統 盃 2

13 家 級 賽 事 未 來 電 競 如 果 正 式 成 為 際 賽 事, 台 灣 屆 時 再 發 展 就 太 慢 了, 因 此 台 灣 新 府 已 公 布 五 重 要 產 業, 電 競 是 府 應 該 要 支 持 的 新 興 產 業 之 一 對 於 台 灣 的 電 競 產 業 府 應 扮 演 支 持 及 排 除 障 礙 的 角 色, 希 望 520 總 統 就 職 後 可 以 推 動 總 統 盃 電 競 比 賽, 並 提 倡 電 競 成 為 家 級 運 動 項 目, 如 果 可 以 讓 電 競 選 手 成 為 家 級 運 動 選 手, 對 選 手 本 身 更 有 保 障 台 灣 電 子 競 技 聯 盟 共 有 6 支 隊 伍, 目 前 各 地 的 電 競 團 隊 多 由 在 地 企 業 贊 助 台 灣 電 子 競 技 聯 盟 於 4 月 8 號 宣 布 與 遠 東 科 簽 約, 聯 盟 旗 下 電 競 隊 伍 台 南 鳳 凰 隊 由 遠 東 科 認 養, 負 責 培 訓 支 付 隊 員 薪 水, 該 隊 伍 是 台 灣 首 支 隊 伍 由 校 贊 助 遠 東 科 同 時 宣 布 今 年 首 度 開 辦 多 媒 體 與 遊 戲 發 展 管 理 系, 納 入 商 管 院 目 前 一 般 玩 家 可 以 簡 單 方 便 取 得 遊 戲 相 關 資 訊 的 網 路 來 源 致 可 分 為 : 攻 略 網 站 wikia 電 競 新 聞 類 網 站 論 壇 網 站 事 實 上 遊 戲 相 關 網 站 類 型 越 來 越 多 元, 以 Steam 平 台 為 例, 它 提 供 的 功 能 包 括 : 購 買 遊 戲 記 錄 遊 戲 內 數 據 遊 戲 專 屬 新 聞 討 論 遊 戲 評 價 以 下 內 容 僅 挑 選 各 類 提 供 遊 戲 相 關 資 訊 較 具 代 表 性 的 網 站 類 型 攻 略 網 站 是 針 對 特 定 遊 戲 或 是 某 種 遊 戲 類 型 的 遊 戲 資 訊 網 站, 特 別 是 適 合 電 競 的 遊 戲 類 型 的 攻 略 網 站 更 為 成 熟 完 整 已 經 有 專 門 對 MOBA(Multiplayer Online Battle Arena) 類 型 遊 戲 設 計 的 攻 略 網 站 以 MOBAFIRE 3 為 例, 提 供 英 雄 聯 盟 DOTA 2 SMITE 以 及 INFINITE CRISIS, 都 屬 於 MOBA 類 型 遊 戲 的 攻 略 該 攻 略 網 站 提 供 表 格 格 式 讓 玩 家 輸 入, 因 此 其 他 人 可 以 快 速 地 查 詢 到 相 關 資 料 由 於 有 評 分 機 制, 玩 家 們 可 以 互 相 評 分, 這 點 也 提 高 玩 家 撰 寫 攻 略 不 論 是 邏 輯 或 是 文 法 上 的 細 緻 度 和 意 願 攻 略 網 站 另 外 也 會 提 供 統 計 資 料, 例 如 : 角 色 勝 率 擁 有 某 樣 裝 備 的 勝 率 以 及 任 何 有 關 提 高 玩 家 勝 率 的 資 料 Wikia 創 於 2004 年 10 月, 主 要 提 供 維 基 服 務, 集 結 了 許 多 不 同 族 群 的 wiki 站, 免 費 提 供 使 用 者 參 與 閱 讀 和 編 輯, 以 廣 告 作 為 收 入 來 源 4 由 於 線 上 遊 戲 手 機 遊 戲 的 盛

14 行, 遊 戲 內 容 必 須 時 常 更 新,wikia 提 供 的 維 基 服 務 特 性 正 好 可 以 讓 玩 家 們 即 時 分 享, 因 此 在 wikia 可 以 找 到 不 少 熱 門 的 遊 戲 族 群 例 如 : 神 魔 之 塔 攻 略 Wiki 5 提 供 神 魔 之 塔 相 關 的 資 料 攻 略 玩 家 的 熱 情 越 高 則 遊 戲 數 據 越 能 夠 被 即 時 增 加 修 改 刪 除 更 加 完 整 由 於 電 競 的 興 起, 台 灣 也 有 經 營 電 競 相 關 的 公 司, 例 如 :ESR 4GAMERS 專 門 蒐 集 提 供 比 賽 資 訊 遊 戲 消 息 選 手 消 息 等 各 種 新 聞 另 外 香 港 的 HKES 公 司 除 了 提 供 電 競 相 關 訊 息, 旗 下 擁 有 多 款 遊 戲 的 電 競 隊 伍, 且 成 員 多 為 台 港 地 區 的 玩 家 [1] 認 為 眾 多 網 路 資 料 中, 以 論 壇 留 言 板 的 發 表 文 章 限 制 程 度 最 低, 其 用 戶 可 迅 速 藉 由 論 壇 留 言 發 表 個 人 言 論 以 巴 哈 姆 特 電 玩 資 訊 站 為 例, 標 題 以 及 內 容 不 要 違 反 版 規, 論 壇 網 站 任 何 人 都 可 以 在 上 面 發 言 玩 家 會 在 上 面 搜 尋 遊 戲 資 料, 令 自 己 對 於 這 款 遊 戲 更 容 易 上 手, 或 是 詢 問 討 論 各 種 問 題, 交 流 彼 此 的 心 得 或 經 驗 因 此 [1] 同 時 認 為 若 挖 掘 論 壇 留 言 板 資 訊, 必 可 得 到 較 即 時 之 趨 勢 與 相 關 資 訊 長 久 以 來, 台 灣 遊 戲 論 壇 流 量 一 直 是 以 巴 哈 姆 特 電 玩 資 訊 站 為 最 ( 後 文 將 以 巴 哈 論 壇 稱 之 ), 第 2 名 為 遊 戲 基 地 在 2014 年 六 月, 巴 哈 論 壇 為 台 灣 第 8 流 量 之 造 訪 網 站, 單 日 網 頁 瀏 覽 量 約 為 2800 萬 單 日 不 重 複 使 用 者 約 為 130 萬 6 巴 哈 論 壇 的 前 幾 名 熱 門 看 板 單 日 人 氣 幾 乎 都 會 超 過 數 十 萬, 其 中 英 雄 聯 盟 及 神 魔 之 塔 自 遊 戲 發 行 以 來, 每 日 人 氣 平 均 在 百 萬 附 近 每 天 來 自 不 同 使 用 者 發 表 的 言 論 非 常 多, 且 多 數 的 文 章 為 非 結 構 性 文 章 當 論 壇 新 手 或 遊 戲 新 手 想 要 針 對 熱 門 遊 戲 了 解 更 多, 因 為 其 高 人 氣 造 成 的 高 文 章 數, 遊 戲 討 論 非 常 熱 烈 且 非 常 多 元, 令 新 手 想 要 得 到 欲 查 詢 的 資 訊 可 能 需 要 爬 不 少 文 章 過 濾 非 常 多 的 資 料 本 篇 論 文 以 巴 哈 遊 戲 論 壇 中 的 英 雄 聯 盟 看 板 文 章 為 例, 欲 提 出 一 個 文 章 整 合 器 的 概 5 神 魔 之 塔 _Tower_of_Saviors_ 維 基?variant=zh-tw 6 網 站 流 量 資 料 來 源 : 4

15 念 使 用 者 透 過 搜 尋 關 鍵 字, 系 統 整 合 所 有 與 關 鍵 字 有 關 的 文 章, 並 依 照 分 類, 以 人 類 看 得 懂 的 順 序 條 列 重 點 式 列 出, 達 到 使 用 者 只 需 要 看 完 整 合 過 後 的 文 章 就 能 快 速 地 了 解 該 關 鍵 字 之 概 觀, 節 省 爬 文 時 間 考 慮 到 現 今 論 壇 文 章 以 文 字 為 主 軸, 圖 片 影 音 為 輔, 本 篇 論 文 參 考 中 文 文 件 自 動 摘 要 系 統 設 計, 以 抽 取 為 基 礎 (extract-based) 的 摘 要 方 式, 產 生 一 篇 涵 蓋 關 鍵 字 的 相 關 分 類 之 純 文 字 文 章, 目 前 此 系 統 僅 針 對 英 雄 類 別 實 作 1.2 背 景 : 巴 哈 姆 特 電 玩 資 訊 站 巴 哈 姆 特 電 玩 資 訊 站 成 於 1996 年 11 月, 一 開 始 為 巴 哈 姆 特 BBS 站, 只 有 17 個 討 論 板 2000 年 數 位 周 刊 調 查, 巴 哈 姆 特 為 遊 戲 情 報 類 第 一 網 站 全 台 灣 第 65 網 站 2006 年 8 月 Alexa 調 查 數 據 顯 示, 巴 哈 姆 特 名 列 全 球 TOP 150 網 站 之 一 78 此 論 文 選 擇 分 析 巴 哈 論 壇 裡 的 英 雄 聯 盟 看 板, 原 因 是 該 遊 戲 自 2010 年 7 月 於 台 灣 發 行 遊 戲, 即 擁 有 量 的 玩 家, 且 截 至 2015 年 2 月 在 巴 哈 論 壇 的 前 三 名 熱 門 看 板, 英 雄 聯 盟 幾 乎 不 曾 缺 席, 如 圖 3 所 示 巴 哈 姆 特 電 玩 資 訊 站 5

16 圖 3 巴 哈 姆 特 熱 門 看 板 其 看 板 之 文 章 數 量 如 圖 4 所 示,2015/2/9 單 日 增 加 的 文 章 就 有 1622 篇 討 論 之 主 題 多 元 從 遊 戲 討 論 至 相 關 的 玩 家 創 作 都 有, 如 圖 5 所 示 並 且 該 看 板 文 章 使 用 者 均 為 量, 內 容 品 質 參 差 不 齊, 如 圖 6. 所 示 圖 4 巴 哈 姆 特 熱 門 看 板 之 人 氣 及 文 章 數 圖 5 英 雄 聯 盟 哈 拉 板 之 分 類 6

17 圖 6 英 雄 聯 盟 哈 拉 板 之 討 論 多 元 且 品 質 參 差 不 齊 7

18 延 續 動 機 所 述, 面 對 龐 的 資 料 雖 然 有 搜 尋 功 能 輔 助, 但 其 效 能 不 足, 使 用 者 仍 需 花 費 許 多 時 間 了 解 整 個 遊 戲 的 系 統 過 濾 有 用 的 資 訊 [2] 認 為, 於 半 結 構 與 非 結 構 化 的 文 件 資 料 內, 就 算 表 達 同 樣 內 容, 也 將 依 撰 寫 者 習 慣 不 同 而 使 資 料 的 表 達 結 果 相 異 因 為 論 壇 這 個 難 以 預 測 的 特 性, 更 是 將 探 勘 論 壇 的 難 度 提 高 1.3 背 景 : 英 雄 聯 盟 英 雄 聯 盟 原 英 文 名 為 League of Legends, 簡 稱 LOL, 是 由 美 RiotGames 所 研 發 的 步 調 緊 湊 多 人 競 技 的 網 路 遊 戲 9, 結 合 RTS( 即 時 戰 略 ) 和 RPG( 角 色 扮 演 ) 的 元 素 在 經 典 地 圖 可 10 人 遊 玩, 一 名 玩 家 控 制 一 個 英 雄, 分 成 兩 隊 一 隊 5 人 兩 隊 從 位 於 地 圖 兩 側 ( 左 下 及 右 上 ) 之 主 堡 開 始 遊 戲, 破 壞 敵 方 之 主 堡 或 使 敵 方 投 降 以 取 得 勝 利 玩 家 操 控 一 隻 英 雄, 配 合 隊 伍 以 及 戰 術 破 壞 一 系 列 防 禦 塔, 最 後 試 圖 破 壞 敵 方 主 堡 地 圖 如 圖 7 所 示 圖 7 英 雄 聯 盟 : 召 換 峽 谷 地 圖 地 圖 分 成 三 條 主 要 路 線, 分 別 為 上 中 下 路 主 堡 會 定 時 每 30 秒 派 出 一 波 小 兵 9 英 雄 聯 盟 : 英 文 官 方 網 站 8

19 到 三 路 上 每 條 主 要 路 線 均 有 三 座 防 禦 塔 及 一 個 兵 營 各 主 要 道 路 中 間 各 有 一 個 野 區 ( 又 稱 jungle), 野 區 內 固 定 的 地 點 會 有 中 怪 物 玩 家 可 以 透 過 殺 死 敵 方 小 兵 敵 方 英 雄 或 野 區 的 中 怪 物 來 提 升 自 己 的 英 雄 等 級 擊 殺 英 雄 或 小 兵 可 以 獲 得 金 幣, 以 購 買 裝 備 來 提 升 英 雄 的 能 力 每 個 英 雄 都 從 等 級 1 開 始, 最 高 到 等 級 18, 提 昇 等 級 時 獲 得 一 點 技 能 點, 可 以 習 或 強 化 一 個 技 能, 每 個 英 雄 都 有 4 個 技 能 遊 戲 畫 面 如 圖 8 所 示 畫 面 中 央 為 操 控 之 英 雄, 左 下 角 為 英 雄 頭 像 屬 性 裝 備 欄, 下 方 為 英 雄 的 技 能 欄 及 狀 態, 右 下 角 為 地 圖, 畫 面 左 方 四 個 小 頭 像 顯 示 隊 友 的 狀 態 圖 8 英 雄 聯 盟 : 遊 戲 畫 面 另 外 有 兩 個 系 統, 分 別 為 天 賦 跟 符 文 系 統 天 賦 系 統 分 成 3 個 系 10, 分 別 是 OFFENSE DEFENSE UTILITY, 玩 家 可 依 據 英 雄 類 型 在 隊 伍 中 的 定 位 配 置 天 賦 從 天 賦 系 統 3 個 系 的 英 文 理 解, 我 們 可 以 將 攻 擊 防 禦 或 是 通 用 方 面 的 能 力 加 強 符 文 和 天 賦 類 似 11, 10 天 賦 系 統 介 紹 11 符 文 系 統 介 紹 9

20 可 以 強 化 英 雄 的 屬 性 : 如 物 理 攻 擊 力 魔 法 攻 擊 力 魔 法 防 禦 力 物 理 防 禦 力 等 遊 戲 目 前 有 123 名 英 雄, 共 分 為 刺 客 法 師 坦 克 輔 助 鬥 士 射 手 六 類 以 圖 8 為 例 說 明 遊 戲 玩 法 我 們 使 用 的 英 雄 是 蓋 倫, 蓋 倫 的 等 級 為 7, 下 方 最 左 邊 是 被 動 技 堅 韌, 點 出 了 三 個 技 能 ( 沒 有 點 Q 致 命 打 擊 ), 分 別 是 勇 氣 (W) 審 判 (E) 蒂 瑪 西 亞 制 裁 (R 絕 招, 等 級 6 才 能 點 ) 由 於 蓋 倫 的 技 能 都 是 以 物 理 攻 擊 力 為 基 礎 加 成, 是 屬 於 坦 克 鬥 士 類 在 隊 伍 定 位 中, 隊 友 們 希 望 每 個 人 都 可 以 有 更 高 的 傷 害 輸 出, 因 此 我 可 能 會 將 攻 擊 天 賦 點 滿 符 文 都 帶 物 理 攻 擊 符 文, 裝 備 都 買 增 加 物 理 攻 擊 的 裝 備 欄 第 一 個 裝 備 ( 左 上 角 ) 為 殘 暴 之 力 :+20 物 理 攻 擊 +10 物 理 穿 透, 第 二 個 裝 備 ( 中 上 方 ) 為 吸 血 鬼 權 杖 :+15 物 理 攻 擊 +10% 普 攻 吸 血, 第 三 個 裝 備 是 愛 歐 尼 亞 之 靴 :+45 跑 速 減 少 技 能 10% 冷 卻 時 間 從 右 下 角 地 圖 中 得 知 隊 友 集 中 在 中 路 和 右 邊 敵 方 叢 林, 因 此 我 決 定 從 中 路 前 往 支 援 以 準 備 對 付 敵 方 英 雄 英 雄 聯 盟 在 電 競 比 賽 中 獲 得 成 功 2010 年 舉 行 第 一 次 世 界 電 子 競 技 賽 Season 1 Dreamhack 世 界 賽 2011 年 6 月 於 瑞 典 舉 行, 獎 金 10 萬 美 元, 超 過 160 萬 人 次 在 表 演 期 間 觀 看 實 況 轉 播 Season 2 世 界 賽 2012 年 10 月 於 洛 杉 磯 舉 行, 來 自 台 灣 的 台 北 暗 殺 星 於 冠 亞 軍 賽 擊 敗 韓 AZF 隊 奪 得 冠 軍, 贏 得 100 萬 美 元 英 雄 聯 盟 每 年 均 會 舉 辦 一 次 世 界 賽, 歐 美 洲 亞 洲 等 各 地 區 每 季 也 有 地 方 性 比 賽 1213 由 於 英 雄 聯 盟 在 世 界 各 地 的 熱 門 程 度, 因 而 引 起 的 討 論 話 題 亦 不 在 少 數 除 了 電 競 比 賽 中 有 著 高 人 氣, 更 有 TWITCH 遊 戲 實 況 主 因 玩 英 雄 聯 盟 有 名 因 為 英 雄 聯 盟 在 台 灣 的 高 討 論 度 且 在 巴 哈 論 壇 有 高 文 章 數, 我 們 希 望 以 遊 戲 入 門 新 手 之 觀 點 切 入, 上 巴 哈 姆 特 的 主 要 目 的 應 該 為 查 詢 某 隻 角 色, 該 如 何 點 技 能 買 裝 備 配 置 天 賦 及 符 文 打 法 或 遊 戲 心 得, 讓 自 己 玩 遊 戲 更 得 心 應 手 高 人 一 籌 因 此 欲 針 對 遊 戲 心 得 或 攻 略 的 文 章 進 行 內 容 篩 選 英 雄 联 盟 10

21 1.4 論 文 結 構 本 論 文 分 成 六 章 第 二 章 介 紹 網 路 論 壇 探 勘 與 文 件 自 動 化 摘 要 相 關 的 研 究 第 三 章 分 析 遊 戲 論 壇 文 章 特 色 第 四 章 依 據 論 壇 文 章 特 色 設 計 論 壇 多 文 件 摘 要 系 統 第 五 章 對 系 統 產 生 結 果 進 行 分 析 與 討 論 最 後 一 章 是 結 論 與 未 來 研 究 發 展 方 向 11

22 第 2 章 相 關 研 究 本 論 文 提 出 針 對 遊 戲 論 壇 的 中 文 文 章 整 合 方 法, 依 照 使 用 者 的 輸 入, 對 設 定 好 的 類 別 輸 出 該 類 別 最 具 代 表 性 的 句 子 因 此 主 要 參 考 了 論 壇 探 勘 技 術 及 文 件 自 動 摘 要 技 術, 期 能 達 到 研 究 目 的 第 1 節 先 了 解 並 分 析 論 壇 的 特 性, 研 究 如 何 從 論 壇 挖 掘 出 潛 藏 的 資 訊, 並 認 識 探 勘 論 壇 會 遭 遇 的 困 難 主 要 應 用 在 對 龐 論 壇 資 料 的 前 處 理 及 權 重 計 分 的 部 分 第 2 節 介 紹 文 件 摘 要 系 統 的 分 類 及 較 常 見 的 方 法 根 據 論 壇 的 特 性, 設 計 較 能 擷 取 論 壇 多 篇 文 章 摘 要 的 方 法 第 3 節 參 考 了 基 於 分 群 方 法 的 新 聞 文 件 摘 要 系 統 的 做 法 及 流 程 由 於 新 聞 文 件 與 論 壇 文 章 的 特 性 不 同, 我 們 參 考 其 流 程, 在 細 節 處 理 中 做 修 改 或 混 用 其 他 常 見 方 法 在 本 研 究 中 使 用 的 方 法 及 其 參 考 文 獻, 會 在 後 面 第 4 章 實 驗 方 法 各 節 當 中, 依 流 程 順 序 詳 述 2.1 論 壇 相 關 研 究 [3] 旨 在 透 過 社 群 行 為 特 性 (traits of community behavior) 的 考 量, 改 善 目 前 非 同 步 網 路 論 壇 (Bulletin Board System, BBS) 的 搜 尋 效 益, 以 增 進 習 者 對 研 究 資 源 的 複 用 性 (reusability) 程 度 社 群 行 為 特 性 包 括 三 項, 即 : 時 間 趨 勢 相 關 的 活 躍 會 員 與 參 考 資 源, 再 提 供 使 用 者 從 這 三 個 特 性 進 一 步 的 資 料 過 濾 論 壇 裡 被 記 錄 下 來 的 討 論 過 程 一 旦 數 量 龐, 若 要 具 有 效 的 被 利 用 性 (reusability), 則 必 須 要 借 助 特 定 情 境 而 設 計 的 搜 尋 機 制 才 能 辦 到 該 研 究 中 重 要 的 演 算 法 為 最 長 共 同 子 序 列 (Longest Common Subsequence, LCS) 與 最 長 共 同 連 續 子 序 列 (Longest Common Consecutive Subsequence, LCCS) 由 [3] 中 我 們 得 知 目 前 的 網 路 論 壇 查 詢 結 果 的 排 序 方 式 並 無 法 更 具 智 慧 化 的 將 文 章 12

23 排 序 及 呈 現, 當 搜 尋 結 果 的 資 料 樹 很 多 時, 使 用 者 需 要 花 費 量 時 間 精 力 逐 一 過 濾, 無 法 快 速 找 到 有 價 值 的 相 關 文 章 我 們 參 考 該 研 究 的 權 重 排 序 處 理 主 題 特 徵 擷 取 搜 尋 結 果 呈 現, 討 論 主 題 關 鍵 字 的 文 章 頻 率 均 是 著 重 的 地 方 該 研 究 提 出 改 善 目 前 網 路 論 壇 搜 尋 效 益 的 方 法, 並 讓 使 用 者 深 入 了 解 文 章 內 情 境 屬 性 特 性, 改 良 搜 尋 結 果 的 呈 現 方 式, 推 薦 使 用 者 應 該 瀏 覽 哪 些 文 章 以 期 降 低 使 用 者 在 搜 尋 資 料 時 的 困 擾 我 們 的 研 究 則 是 呈 現 與 搜 索 詞 有 較 關 聯 的 相 關 文 章 摘 要 另 外 不 同 的 是, 我 們 還 沒 有 考 慮 文 章 附 件 描 述 時 間 趨 勢 分 析 推 薦 活 躍 會 員 的 部 分 如 果 能 處 理 圖 像 影 片 的 描 述, 某 詞 彙 在 時 間 趨 勢 分 佈, 活 躍 會 員 之 文 章 權 重 計 算, 摘 要 結 果 應 該 能 夠 更 準 確 [1] 旨 在 發 掘 論 壇 文 章 特 徵 值 分 析 特 徵 值 間 關 聯 性, 並 比 較 文 章 趨 勢 與 台 灣 總 票 房 銷 售 金 額 間 之 關 聯 性 探 勘 方 式 依 序 採 用 頻 率 分 析 相 關 係 數 分 析 與 特 徵 值 加 權 法 [4] 認 為 資 料 探 勘 僅 能 從 已 結 構 化 (structured) 之 資 料 庫 中 萃 取 出 個 別 屬 性 之 潛 藏 資 訊, 而 對 於 半 結 構 化 (semi-structured) 與 非 結 構 化 (non-structured) 的 文 件 資 料 處 理 不 易 [1] 認 為 除 了 會 遭 遇 文 字 探 勘 及 網 頁 探 勘 的 問 題 外, 也 會 衍 生 其 他 詞 彙 參 雜 問 題 :1. 語 意 中 含 有 新 穎 字 彙 ( 囧 牛 逼 哈 味 等 用 法 ) 2. 多 種 難 辨 識 之 字 彙 ( 火 星 文 注 音 文 與 表 情 符 號 等 ) 3. 量 的 引 用 文 章 本 論 文 部 分 參 考 [1] 中 發 掘 論 壇 文 章 特 徵 值 之 方 法 另 外 該 研 究 有 採 用 正 反 向 評 價 字 彙 量 度 特 徵, 例 如 : 超 好 看 > 想 看 > 不 錯 > 不 想 看 > 超 難 看, 本 研 究 並 無 採 用, 但 未 來 若 加 入 此 功 能 則 能 對 摘 要 計 算 推 薦 或 是 反 對 的 程 度 [5] 認 為 遊 戲 論 壇 資 料 豐 富 且 資 訊 快 是 適 合 的 資 料 來 源, 但 是 使 用 者 在 遊 戲 論 壇 找 資 料 需 要 花 費 量 時 間 在 分 析 遊 戲 論 壇 的 性 質 之 後, 會 造 成 該 問 題 的 主 要 原 因 為 :1. 主 題 不 足 以 代 表 文 章 內 容 2. 討 論 主 題 性 質 多 樣 及 討 論 內 容 重 覆 除 此 之 外 使 用 者 還 有 可 能 遇 到 以 下 幾 種 問 題 : 使 用 者 不 一 定 能 輸 入 合 適 的 查 詢 字 串 [6], 使 用 者 的 目 標 可 能 不 明 確 [7] 以 及 使 用 者 不 易 描 述 所 需 資 料 的 特 性 以 產 生 查 詢 字 串 [8] 13

24 因 此 [5] 提 出 用 主 題 分 類 方 法 來 縮 小 搜 尋 範 圍, 並 用 主 題 摘 要 方 式 來 減 少 閱 讀 模 糊 主 題 及 重 複 內 容 造 成 的 額 外 時 間 浪 費 其 實 際 做 法 為 : 在 每 個 討 論 串 後 標 註 主 題 分 析 結 果 以 及 內 文 關 鍵 字 擷 取, 讓 使 用 者 未 點 進 查 閱 更 詳 盡 的 內 容 即 可 概 了 解 該 討 論 串 之 討 論 方 向 這 邊 我 們 參 考 如 何 利 用 TF-IDF 設 計 權 重 函 式 並 建 關 鍵 字 資 料 庫, 同 時 設 計 簡 單 使 用 的 查 詢 方 式 : 只 要 輸 入 英 雄 名 稱, 即 可 產 生 關 於 該 英 雄 各 面 向 的 摘 要 由 於 我 們 的 資 料 來 源 是 巴 哈 姆 特 論 壇, 希 望 將 資 料 抓 回 來 自 己 的 伺 服 器 以 加 速 處 理 速 度, 於 是 我 們 會 需 要 網 路 爬 蟲 將 整 個 英 雄 聯 盟 看 板 的 資 料 下 載 回 來 網 路 爬 蟲 (Web Crawler) 是 一 種 自 動 化 瀏 覽 網 路 的 程 式, 被 廣 泛 用 於 網 際 網 路 搜 尋 引 擎 或 其 他 類 似 網 站, 以 取 得 或 更 新 這 些 網 站 的 內 容 和 檢 索 方 式 它 們 可 以 自 動 採 集 所 有 能 夠 存 取 到 的 頁 面 內 容, 以 供 使 用 者 做 進 一 步 處 理 [9] 2.2 文 件 摘 要 相 關 研 究 [10] 整 理 出 摘 要 系 統 根 據 其 不 同 的 輸 入 目 標 與 輸 出, 有 各 式 各 樣 的 分 類 如 下 [11][12]: 1. 輸 入 文 件 的 不 同 : 可 分 為 單 文 件 與 多 文 件 摘 要 系 統 單 文 件 摘 要 系 統 的 輸 入 即 為 單 篇 文 件 ; 多 文 件 摘 要 系 統 的 輸 入 則 為 一 群 有 相 同 主 題 的 多 篇 文 件 本 摘 要 系 統 為 多 文 件 的 摘 要 系 統 另 外 可 根 據 輸 入 文 件 的 語 言 ( 單 一 語 言 多 語 言 跨 語 言 摘 要 系 統 ) 形 式 的 不 同 ( 文 本 與 多 媒 體 摘 要 系 統 ), 以 及 是 否 需 要 額 外 的 訓 練 資 料 ( 非 監 督 型 監 督 型 摘 要 系 統 ) 來 分 類 本 摘 要 系 統 為 單 一 語 言 文 本 ( 純 文 字 的 文 件 ) 非 監 督 型 ( 即 不 額 外 需 要 訓 練 資 料 ) 摘 要 系 統 2. 摘 要 的 目 標 不 同 : 根 據 摘 要 的 功 能 ( 資 訊 性 指 示 性 摘 要 系 統 ) 內 容 ( 一 般 性 使 用 者 導 向 摘 要 系 統 ) 的 不 同 來 分 類 資 訊 性 摘 要 系 統 傳 達 輸 入 文 件 的 各 種 訊 息 並 意 圖 以 此 摘 要 取 代 整 個 輸 入 文 件 ; 指 示 性 摘 要 系 統 判 斷 輸 入 文 件 關 於 何 種 主 題, 其 目 的 是 讓 使 用 者 決 定 要 不 要 細 讀 此 輸 入 文 件 14

25 本 摘 要 系 統 屬 於 資 訊 性 的 摘 要 系 統 一 般 性 摘 要 系 統 為 將 輸 入 文 件 中 提 及 的 所 有 資 訊 作 為 摘 要 ; 使 用 者 導 向 摘 要 系 統 則 是 需 要 使 用 者 額 外 輸 入 query, 依 據 此 query 產 生 摘 要 本 摘 要 系 統 是 先 預 設 好 一 個 額 外 輸 入 query 的 摘 要 系 統 ( 以 提 供 遊 戲 攻 略 為 出 發 點 ), 未 來 也 可 依 需 求 設 計 成 query 可 變 的 摘 要 系 統 3. 摘 要 的 輸 出 不 同 : 致 分 為 摘 錄 (Extraction) 與 摘 取 (Abstraction) 兩 種 [13] 摘 錄 (Extraction) 的 結 果 為 文 件 中 重 要 文 句 的 重 組, 其 做 法 比 較 不 依 賴 額 外 的 知 識 或 資 源, 主 要 是 根 據 使 用 者 的 需 求, 從 文 件 中 選 取 重 要 文 句, 編 輯 組 合 成 使 用 者 預 期 的 長 度 即 可 摘 取 (Abstraction) 的 結 果 則 不 限 於 文 件 中 的 文 句, 其 作 法 需 要 較 多 人 工 準 備 的 資 源, 如 辭 典 同 義 詞 庫 詞 性 標 記 語 法 樹 等, 經 自 然 語 言 處 理 後, 自 動 生 成 涵 蓋 原 文 重 點 的 簡 潔 文 句 由 於 摘 取 所 需 資 源 較 多, 目 前 以 摘 錄 為 主 的 研 究 占 較 多 數 [14] 摘 取 (Abstraction) 的 概 念 擷 取 經 常 會 透 過 文 法 壓 縮 的 方 式 取 得 步 驟 通 常 有 主 題 融 合 (Topic Fusion) 文 字 生 成 (Text Generation), 不 需 要 文 字 擷 取 (Text Extractuin) [13] 因 此 近 年 來 部 分 有 關 摘 要 的 研 究 重 心 都 在 探 討 如 何 從 原 文 摘 錄, 摘 錄 (Extraction) 的 方 式 可 以 比 較 接 近 原 文 件, 因 為 是 抽 取 原 文 件 的 句 子, 基 本 上 所 產 生 的 摘 要 內 容 是 被 限 制 在 原 文 件 的 [14] 本 論 文 採 用 摘 錄 (Abstraction) 的 方 式 產 生 摘 要, 考 慮 到 中 文 文 法 較 為 複 雜, 加 上 論 壇 用 戶 語 句 用 法 不 一 無 法 預 測, 所 需 的 前 置 作 業 需 要 更 多 的 資 源 及 準 備, 而 且 摘 錄 原 論 壇 文 章 的 內 容 較 易 表 達 出 原 意, 避 免 意 料 外 的 失 誤 判 讀 [10] 亦 整 理 出 常 見 的 摘 要 產 生 方 法, 可 粗 略 分 成 下 列 幾 種 方 法 [15][16]: 統 計 (statistical) 方 法 分 群 (clustering-based) 方 法 語 意 式 方 法 圖 形 理 論 方 法 機 器 習 方 法 潛 藏 語 意 方 法 本 摘 要 系 統 混 和 了 分 群 方 法 及 統 計 方 法 利 用 K-means Clustering 將 文 件 中 所 有 15

26 的 句 子 依 照 其 語 意 的 相 關 程 度 分 群, 一 個 群 即 代 表 一 個 主 題, 將 摘 要 句 子 之 間 的 重 複 性 達 到 最 小 再 利 用 統 計 字 詞 頻 率 專 有 名 詞 TF-IDF 等 各 種 特 徵 從 各 主 題 間 挑 選 出 代 表 句 子 之 所 以 在 K-means 之 後 混 和 統 計 方 法 是 因 為 我 們 擔 心 論 壇 文 章 屬 於 半 結 構 化 或 非 結 構 化 文 章, 句 子 間 的 語 意 相 關 程 度 太 低, 單 使 用 分 群 方 法 或 許 無 法 有 效 提 取 摘 要, 故 後 面 追 加 統 計 方 法, 希 望 在 統 計 數 據 上 能 客 觀 地 補 足 2.3 以 分 群 為 基 礎 的 摘 要 方 法 在 這 知 識 爆 炸 的 時 代, 文 字 充 滿 整 個 世 界 人 類 無 法 有 效 解 析 巨 文 字 數 量 的 內 容 這 問 題 引 起 自 然 語 言 處 理 和 機 器 習 領 域 的 研 究 人 員 注 意, 過 去 有 利 用 各 種 機 器 習 的 演 算 法 來 解 決 識 別 垃 圾 簡 訊, 或 是 針 對 線 上 問 題 的 Q&A 進 行 分 類 比 對 亦 有 依 據 內 容, 改 善 部 落 格 文 章 註 解 的 方 式 [17] 因 此 本 論 文 期 望 能 透 過 分 群 演 算 法, 將 量 的 論 壇 文 章 句 子 先 分 門 別 類, 以 利 後 續 挑 選 摘 要, 提 高 其 準 確 性 [13] 最 早 在 1958 年 提 出 以 詞 頻 (Term Frequency) 找 出 屬 於 摘 要 的 句 子, 之 後 的 相 關 研 究 加 入 了 其 他 規 則 以 選 擇 摘 要 [18] 利 用 字 詞 出 現 的 多 寡 或 是 位 置 來 辨 別 出 不 同 字 詞 的 重 要 性 字 彙 主 要 有 六 種 選 取 特 徵 :TF-IDF 標 題 字 提 示 片 語 (Cue-phrase) 偏 見 字 (Biased Word) 跟 主 題 相 關 的 字 寫 字 句 子 主 要 有 三 種 選 取 特 徵 : 句 子 出 現 的 位 置 句 子 所 在 段 落 的 位 置 句 子 長 度 在 統 計 方 法 計 算 之 後, 有 些 研 究 會 以 分 群 法 來 辨 別 類 似 的 主 題, 以 避 免 在 摘 要 中 重 複 著 同 一 主 題, 也 可 以 利 用 分 群 法 來 評 估 主 題 的 重 要 性 [19] 提 出 主 題 分 段 演 算 法, 若 是 在 50 字 以 上 的 多 文 件 摘 要, 會 進 行 字 彙 向 量 ( 由 名 詞 形 容 詞 動 詞 組 成 ) 的 分 群, 選 取 每 一 群 最 靠 近 中 心 點 的 句 子 為 摘 要 [20] 提 出 以 分 群 演 算 法 把 語 意 相 關 的 句 子 分 在 一 起, 句 子 之 間 的 相 似 度 是 以 出 現 在 句 子 中 名 詞 的 距 離 來 計 算, 分 群 之 後 再 從 每 一 群 之 中 找 出 主 題 [14] 透 過 分 析 文 件 內 容 語 意, 藉 以 幫 助 挑 選 文 件 中 具 有 較 多 語 意 資 訊 的 句 子 分 16

27 析 過 程 可 分 成 兩 步 驟 :(1) 找 出 隱 藏 在 文 件 中 的 重 要 概 念 (2) 分 析 內 容 語 意 要 先 分 辨 出 哪 些 概 念 是 相 同 或 是 不 同 的, 亦 即 語 意 歧 異 解 析, 並 將 相 同 的 概 念 分 在 同 一 群 之 中 ; 再 使 用 K-Means 分 群 法, 將 前 一 步 驟 找 出 的 概 念 加 以 分 群, 以 解 決 語 意 歧 異 的 問 題, 並 去 掉 重 複 的 概 念 確 定 文 件 內 容 語 意 之 後, 根 據 概 念 的 分 群 結 果 句 子 的 資 訊 含 量 句 子 在 文 章 中 的 位 置 等 不 同 的 特 徵 選 擇 出 最 能 代 表 文 件 集 的 句 子 本 論 文 參 考 [14] 採 用 K-Means 分 群 法 在 [21] 中 提 到, 以 分 群 為 基 礎 的 自 動 摘 要 技 術 是 利 用 分 群 (Clustering) 方 式, 將 文 件 中 語 意 相 似 的 句 子 分 至 同 一 群 中, 找 出 文 件 中 的 子 主 題 (subtopic), 再 從 各 子 主 題 之 間 選 出 較 佳 的 句 子, 當 作 摘 要 [21] 提 出 了 兩 種 分 群 式 文 件 摘 要 器 (clustering text summarizer) 來 抽 取 出 文 件 中 重 要 的 語 句 產 生 摘 要 第 一 個 方 法 是 使 用 自 我 組 織 映 射 (Self-organizing Map) 技 術, 透 過 此 方 法 將 文 件 句 子 做 分 群, 再 從 各 群 之 中 挑 選 最 佳 的 句 子 當 作 摘 要 第 二 個 方 法, 結 合 潛 在 語 意 分 析 (Latent Semantic Analysis) 與 自 我 組 織 映 射 技 術, 透 過 潛 在 語 意 分 析 將 文 件 中 的 句 子 隱 含 的 語 意 挖 掘 出 來, 將 分 析 後 的 句 子 透 過 自 我 組 織 映 射 進 行 分 群, 再 從 各 群 之 中 挑 選 最 佳 的 句 子 當 作 摘 要 [21] 的 研 究 中, 挑 選 句 子 之 前 必 須 決 定 各 群 挑 選 的 優 先 權, 優 先 權 的 決 定 方 式 則 為 將 每 一 群 的 所 有 句 子 分 數 做 加 總, 總 分 數 越 高 則 該 群 的 優 先 權 越 高 句 子 分 數 的 計 算 方 式 則 是 根 據 句 子 的 關 鍵 字 含 量 句 子 在 文 件 中 的 位 置 句 子 的 標 題 含 量 句 子 的 TF-IDF(term frequency inverse document frequency) 強 度 來 決 定 之 本 論 文 參 考 此 處 設 計 計 算 句 子 分 數 以 及 挑 選 句 子 的 方 法 不 過 在 各 群 優 先 權 的 挑 選 部 分, 由 於 分 析 論 壇 文 章 特 性 之 後 ( 於 第 3 章 詳 述 ), 我 們 已 知 道 那 一 類 為 玩 家 最 常 討 論, 決 定 參 考 遊 戲 攻 略 排 版, 預 先 排 好 群 的 優 先 權, 將 討 論 較 熱 門 的 類 別 排 序 在 前 面 之 所 以 考 慮 了 分 群, 是 因 為 他 們 假 設 摘 要 者 在 挑 選 了 一 句 子 當 作 摘 要 時, 會 儘 量 不 再 挑 選 與 該 句 極 為 相 似 的 句 子 句 子 分 群 後, 使 得 挑 選 摘 要 句 子 得 以 從 不 同 群 的 句 子 中 挑 選, 以 避 免 重 複 挑 選 出 相 似 的 句 子 與 我 們 實 驗 分 群 的 目 的 有 點 相 同 又 有 點 不 同, 他 17

28 們 主 要 目 標 是 避 免 重 複 挑 選 相 似 句 子, 我 們 主 要 是 希 望 分 群 方 法 能 將 句 子 分 門 別 類, 再 依 預 設 好 的 分 類 挑 選 出 前 20 個 具 有 代 表 性 的 句 子, 避 免 重 複 挑 選 出 相 似 句 子 並 非 我 們 主 要 目 標 我 們 的 想 法 是, 如 果 類 似 的 句 子 一 再 被 玩 家 討 論, 則 該 句 子 應 該 具 有 代 表 性 [21] 其 中 第 一 個 自 我 組 織 映 射 語 句 摘 要 器 系 統, 透 過 自 我 組 織 映 射 技 術 將 文 件 句 子 分 群, 再 從 各 群 之 中 挑 選 最 佳 的 句 子 當 作 摘 要 整 個 SOM(Self-organizing Map) 摘 要 器 包 含 三 個 階 段, 分 別 為 (1) 前 置 處 理 (Pre-processing), (2) 概 念 分 群 (Concept Clustering),(3) 語 句 挑 選 (Sentence Selection), 圖 9 為 系 統 架 構 圖 我 們 研 究 主 要 參 考 此 架 構 圖 圖 9 SOM 摘 要 器 的 流 程 [21] 由 於 論 壇 文 章 與 新 聞 文 章 的 特 性 並 不 同, 本 論 文 所 採 用 的 摘 要 系 統 架 構 是 分 析 論 壇 文 章 之 後, 針 對 其 特 性 參 考 並 混 和 了 幾 種 一 般 文 章 摘 要 器 的 做 法, 部 分 過 程 修 改 或 是 重 新 定 義 以 符 合 對 論 壇 多 篇 文 章 擷 取 摘 要 的 特 性 18

29 第 3 章 初 步 資 料 分 析 3.1 資 料 巴 哈 論 壇 討 論 板 有 許 多 不 同 遊 戲 的 看 板, 每 個 看 板 有 看 板 首 頁 板 規 文 章 列 表 精 華 區 作 品 介 紹 我 們 實 驗 資 料 來 源 為 LOL 哈 拉 板 文 章 列 表 裡 的 文 章 文 章 列 表 底 下 有 許 多 分 類, 作 者 撰 文 時 可 以 自 由 選 擇 分 類, 板 務 人 員 有 權 力 將 一 篇 文 章 重 新 分 類 圖 10 中 以 置 頂 文 章 : 討 論 板 務 建 議 專 區 為 例, 第 一 欄 為 分 類, 第 二 欄 為 標 題, 每 個 標 題 為 一 個 討 論 串, 後 面 代 表 的 是 該 討 論 串 有 6 頁, 點 數 字 可 以 跳 轉 至 該 頁 第 三 欄 GP 類 似 FB 的 讚 (LIKE), 代 表 此 討 論 串 共 有 50 個 GP; 第 四 欄 111 代 表 此 討 論 串 有 111 人 回 覆, 包 含 本 文 此 討 論 串 共 有 112 篇 文 章, 人 氣 就 是 點 閱 數 ; 第 五 欄 最 後 發 表 的 日 期 時 間 為 最 後 一 篇 回 覆, 之 後 的 文 章 編 輯 並 不 會 更 改 此 數 值 圖 10 巴 哈 姆 特 英 雄 聯 盟 哈 拉 板 截 圖 19

30 一 個 討 論 串 點 開 後 顯 示 的 畫 面 如 下 圖, 一 個 討 論 串 裡 討 論 的 主 題 通 常 不 會 偏 離 太 遠, 除 非 是 刻 意 行 為 若 偏 離 主 題 太 遠, 管 理 員 發 現 會 將 之 刪 除 以 圖 11 為 例, 是 標 題 為 新 手 如 何 上 手 的 討 論 串, 左 圖 為 該 討 論 串 的 1 樓 ( 第 一 篇 文 章, 通 常 為 開 始 此 標 題 的 第 一 篇 文 章, 除 非 該 篇 文 章 被 刪 除 ) 右 圖 為 2 樓 我 們 的 實 驗 會 將 此 討 論 串 視 為 兩 篇 文 章, 且 屬 於 同 一 討 論 串 圖 11 哈 拉 板 討 論 串 說 明 由 於 巴 哈 遊 戲 論 壇 的 文 章 量 非 常 多, 因 此 我 們 會 需 要 網 路 爬 蟲 (crawler) 將 欲 分 析 處 理 的 資 料 下 載, 讓 系 統 得 以 快 速 地 從 本 地 端 資 料 庫 取 出 資 料 並 進 行 分 析 網 路 爬 蟲 是 一 種 自 動 化 瀏 覽 網 路 的 程 式, 被 廣 泛 用 於 搜 尋 引 擎, 以 取 得 或 更 新 這 些 網 站 的 內 容 和 檢 索 方 式 其 原 理 為 爬 蟲 會 始 於 一 張 稱 作 種 子 的 統 一 資 源 位 址 (URLs) 清 單, 當 爬 蟲 存 取 一 個 URL, 會 在 他 執 行 的 過 程 中 複 製 儲 存 網 站 上 的 資 訊, 同 時 間 識 別 出 頁 20

31 面 上 所 有 的 超 連 結, 並 將 它 們 寫 入 一 張 待 訪 清 單, 即 所 謂 爬 行 疆 域 (crawl frontier) 此 疆 域 上 的 統 一 資 源 位 址 將 被 按 照 一 套 迴 圈 存 取 14 於 2013 年 5 月 29 號 使 用 HTTrack Website Copier 軟 體 針 對 巴 哈 論 壇 的 英 雄 聯 盟 看 板 進 行 複 製, 包 含 文 章 列 表 各 分 類 下 的 文 章 以 及 精 華 區, 共 有 24,022 個 html 檔 案 每 個 檔 案 即 為 一 個 網 頁 頁 面, 一 個 頁 面 擁 有 不 一 定 數 量 的 文 章 我 們 需 要 將 文 章 內 容 以 及 實 驗 過 程 中 或 許 會 參 考 到 的 數 據 擷 取 出 來 並 儲 存 至 資 料 庫, 以 便 之 後 的 分 析 接 著 使 用 php 語 言, 讀 取 html 檔 並 利 用 正 規 表 示 式 對 於 html 特 定 標 籤 進 行 擷 取, 最 後 存 入 MySQL 資 料 庫 15 扣 除 掉 重 複 的 資 料 剩 下 27,669 筆 資 料 每 一 筆 資 料 均 為 一 篇 文 章, 其 資 料 表 欄 位 及 其 說 明 如 表 1 所 示 : 14 網 路 蜘 蛛 15 網 頁 擷 取 可 使 用 python 的 BeautifulSoup 套 件 更 為 方 便 21

32 表 1 文 章 資 料 表 之 欄 位 及 其 說 明 欄 位 名 稱 欄 位 說 明 ArticleID 文 章 ID ( 網 頁 上 不 會 呈 現, 透 過 html 內 容 解 析 ) Title AuthorID AuthorName 文 章 標 題 作 者 ID 作 者 名 稱 AuthorLV AuthorGold AuthorGP 作 者 的 等 級 作 者 擁 有 的 金 錢 作 者 所 有 的 文 章 被 給 予 好 的 點 數 Content_no_tag 不 含 任 何 html 標 籤 之 文 章 內 容 Content_br 留 下 html 換 行 符 號 之 文 章 內 容 GP 該 篇 文 章 得 到 的 好 的 點 數 BP 該 篇 文 章 得 到 的 不 好 的 點 數 ParentArticleID 該 篇 文 章 所 屬 討 論 串 之 ID ( 網 頁 上 不 會 呈 現, 透 過 html 內 容 解 析 ) ParentArticleFloor 該 篇 文 章 所 屬 討 論 串 之 樓 層 Datetime 該 篇 文 章 最 後 編 輯 日 期 時 間 圖 12 為 儲 存 的 html 以 瀏 覽 器 開 啟 的 畫 面,html 呈 現 畫 面 與 MySQL 資 料 表 欄 位 的 對 應 圖 ArticleID ParentArticleID 並 不 會 在 網 頁 上 呈 現, 僅 能 透 過 html 內 容 解 析 取 得 Content 內 容 取 得 後, 會 含 有 量 html tag, 因 此 另 外 儲 存 了 不 含 任 何 html 標 籤 文 章 內 容 及 僅 留 下 <br> 標 籤 之 文 章 內 容 之 所 以 留 下 <br> 標 籤, 是 由 於 在 遊 戲 論 壇 中 通 常 以 換 行 代 表 一 個 句 子, 而 非 使 用 句 號 22

33 圖 12 文 章 與 資 料 表 欄 位 建 由 於 實 驗 的 目 標 是 文 章 整 合 器, 我 們 打 算 以 新 手 為 出 發 點, 以 對 這 個 遊 戲 毫 無 所 知 為 前 提, 希 望 能 夠 提 供 使 用 者 較 為 有 價 值 的 資 訊 為 了 提 供 以 上 資 料, 我 認 為 最 便 利 的 方 式 即 為 攻 略, 因 此 我 們 參 考 外 型 攻 略 網 站 的 呈 現 方 式 及 內 容, 作 為 整 合 器 最 後 輸 出 的 參 考 接 著, 我 們 分 析 論 壇 文 章, 希 望 從 分 析 結 果 能 得 到 一 些 假 設, 並 以 那 些 為 基 礎 繼 續 設 計 實 驗 方 法 為 了 分 析 文 章 之 特 徵, 建 數 個 類 別 的 關 鍵 字 資 料 庫 如 表 2. 所 示 其 關 鍵 字 選 取 的 準 則 為 : 若 為 討 論 玩 法 心 得 走 向 的 文 章, 會 使 用 到 的 主 題 相 關 字 詞, 例 如 : 裝 備 英 雄 名 稱 以 及 遊 戲 中 其 他 會 使 用 到 的 用 詞 由 於 玩 家 於 論 壇 中 發 表 的 文 章 可 能 會 23

34 有 選 字 錯 誤 或 是 使 用 別 名, 在 此 關 鍵 字 資 料 庫 也 將 有 錯 別 字 的 詞 及 別 名 一 併 納 入 表 2 關 鍵 字 資 料 庫 類 別 及 其 關 鍵 字 數 量 關 鍵 字 資 料 庫 裝 備 名 稱 英 雄 名 稱 ( 含 中 英 文 ) 資 料 筆 數 241 筆 282 筆 技 能 戰 術 地 圖 4 筆 12 筆 8 筆 在 這 個 階 段 所 使 用 的 初 步 分 析 方 法 為 : 將 文 章 資 料 庫 中 同 討 論 串 的 文 章 內 容 與 關 鍵 字 比 對, 計 數 該 討 論 串 中 出 現 幾 個 關 鍵 字 以 及 出 現 了 幾 次, 不 同 類 別 之 關 鍵 字 資 料 庫 分 開 計 數, 以 顯 示 出 討 論 串 與 討 論 主 題 之 關 聯 度 3.2 初 步 分 析 我 們 知 道, 一 個 論 壇 不 可 能 所 有 人 都 只 對 特 定 主 題 發 表 言 論, 譬 如 不 可 能 所 有 人 都 寫 新 手 攻 略 就 算 是 攻 略, 寫 法 或 是 內 容 深 度 也 因 人 而 異 而 且, 遊 戲 的 內 容 並 不 是 一 個 遊 戲 的 全 部, 論 壇 一 定 會 跟 現 實 有 所 連 結, 所 以 會 有 更 多 的 心 得 文 發 問 文 甚 至 廢 文 每 個 人 關 注 的 地 方 也 會 有 所 不 同, 譬 如 我 是 電 競 觀 眾, 那 麼 我 就 會 特 別 注 意 比 賽 選 手 資 訊 ; 我 是 休 閒 玩 家, 我 可 能 會 多 看 家 的 打 法 配 裝 ; 我 是 重 度 玩 家, 我 在 意 的 是 勝 率, 因 此 我 會 看 更 多 統 計 資 料, 哪 個 英 雄 可 以 讓 我 贏 更 多 遊 戲, 哪 個 裝 備 更 能 發 揮 該 英 雄 特 質 在 這 邊, 我 們 並 未 嘗 試 對 關 於 電 競 比 賽 的 主 題 作 分 析, 原 因 是 論 壇 為 比 較 偏 向 發 表 主 觀 意 見 的 平 台, 尤 其 是 牽 扯 到 比 賽, 玩 家 更 難 以 客 觀 的 角 度 討 論 以 下 為 簡 單 的 對 論 24

35 壇 文 章 分 析 : 27,669 筆 資 料 中 包 含 了 1,768 個 討 論 串 分 別 記 錄 各 討 論 串 的 文 章 數 各 類 別 關 鍵 字 出 現 的 種 類 數 及 總 共 出 現 的 次 數, 表 3. 為 總 體 各 項 目 的 平 均 數 標 準 差 中 位 數 從 表 中 可 以 發 現, 玩 家 對 於 英 雄 裝 備 和 戰 術 的 討 論 是 比 較 多 的, 然 後 才 是 技 能 和 地 圖 表 3 關 鍵 字 比 對 結 果 概 觀 平 均 數 標 準 差 中 位 數 文 章 數 裝 備 關 鍵 字 種 類 裝 備 關 鍵 字 次 數 英 雄 名 稱 關 鍵 字 種 類 英 雄 名 稱 關 鍵 字 次 數 戰 術 關 鍵 字 種 類 戰 術 關 鍵 字 次 數 技 能 關 鍵 字 種 類 技 能 關 鍵 字 次 數 地 圖 關 鍵 字 種 類 地 圖 關 鍵 字 次 數 所 有 關 鍵 字 種 類 所 有 關 鍵 字 次 數 每 個 討 論 串 平 均 有 篇 文 章, 但 是 討 論 串 中 超 過 100 篇 文 章 的 只 有 14 個,50 篇 以 上 未 滿 100 篇 文 章 的 討 論 串 有 119 個, 超 過 50 篇 文 章 以 上 的 討 論 串, 約 占 1,768 25

36 個 討 論 串 中 的 7.52% 從 圖 13 可 以 看 出 討 論 串 的 文 章 數 分 布 可 以 看 出 來 玩 家 僅 對 於 少 數 的 文 章 會 有 較 高 的 發 言 參 與 度, 其 餘 約 92.48% 的 討 論 串 文 章 數 不 滿 50 篇 文 章 數 討 論 串 文 章 數 分 布 圖 13 討 論 串 文 章 數 排 名 文 章 數 前 三 高 ( 文 章 數 分 別 為 512, 374, 344) 的 討 論 串 均 是 以 電 競 比 賽 為 主 題, 三 場 比 賽 在 英 雄 聯 盟 的 賽 事 規 模 都 算, 且 比 賽 也 有 配 合 實 況 播 出 不 過 考 慮 到 賽 事 電 競 隊 伍 選 手 資 訊 更 為 複 雜, 暫 時 未 將 此 部 分 做 為 實 驗 對 象 接 著 我 們 觀 察 文 章 數 前 20 名 的 討 論 串, 玩 家 有 興 趣 的 主 題 依 序 是 裝 備 英 雄 戰 術, 最 後 是 技 能 地 圖, 結 果 如 表 4 所 示 26

37 表 4 前 二 十 高 文 章 數 之 討 論 串 與 關 鍵 字 間 的 關 聯 有 裝 備 關 鍵 字 出 現 的 討 論 串 數 20 / 20 有 技 能 關 鍵 字 出 現 的 討 論 串 數 11 / 20* 有 英 雄 名 稱 關 鍵 字 出 現 的 討 論 串 數 5 / 20 有 戰 術 關 鍵 字 出 現 的 討 論 串 數 5 / 20 有 地 圖 關 鍵 字 出 現 的 討 論 串 數 1 / 20 * 由 於 技 能 關 鍵 字 分 別 為 q w e r, 出 現 機 率 太 高, 透 過 人 工 篩 選 後 為 1 篇 綜 合 關 鍵 字 出 現 次 數 及 玩 家 有 興 趣 的 主 題 的 結 果, 我 們 將 會 由 英 雄 的 角 度 出 發, 然 後 按 優 先 度 依 裝 備 戰 術 技 能 呈 現 整 合 器 的 輸 出 結 果 會 以 英 雄 為 分 析 主 軸, 其 中 也 是 因 為 英 雄 聯 盟 遊 戲 的 特 性 該 遊 戲 每 次 都 需 要 和 其 他 四 位 玩 家 組 隊 並 與 另 外 五 位 敵 對 玩 家 競 賽, 而 每 位 玩 家 可 以 操 縱 的 單 位 即 是 一 名 英 雄 27

38 第 4 章 設 計 與 實 作 系 統 本 系 統 之 設 計 參 考 各 文 獻, 架 構 主 要 參 考 [21] 設 計, 致 可 分 為 三 階 段 :1. 資 料 前 處 理 2. 分 群 3. 句 子 挑 選 詳 細 方 法 的 說 明 及 其 參 考 文 獻 將 於 本 章 各 節 詳 述 簡 略 示 意 圖 及 流 程 如 圖 14 所 示 : 圖 14 系 統 簡 略 流 程 示 意 圖 系 統 流 程 ( 對 應 圖 中 橢 圓 形 步 驟 ): 1. Term Extraction: 從 MySQL 資 料 表 中 取 出 標 題 或 內 文 含 有 欲 查 詢 英 雄 的 文 章, 並 將 標 題 視 為 文 章 的 第 一 個 句 子 將 所 有 文 章 斷 句, 斷 句 的 依 據 是 <br> 及, 將 句 子 利 用 結 巴 分 詞 計 算 每 個 詞 的 TF-IDF, 僅 保 留 前 33% 的 詞 以 進 行 接 下 來 的 分 析 2. Identify Sentence: 僅 保 留 8 個 詞 以 上 的 句 子, 並 去 掉 停 用 字 3. Sentence representation -> Sentence Vector: 建 句 子 向 量 空 間, 以 矩 陣 儲 存, 矩 陣 為 K-means 分 群 法 之 輸 入 並 計 算 每 個 句 子 的 分 數 4. K-means Clustering: 用 K-means 分 群 法 對 句 子 分 群 5. Calculate Cluster Total Score: 計 算 群 的 分 數, 以 決 定 群 是 屬 於 哪 類 6. Cluster Priority: 依 預 先 設 定 好 的 群 優 先 權 排 序 結 果 呈 現 順 序 28

39 7. Sentence Selection: 再 重 新 計 算 每 一 群 中 的 句 子 分 數, 以 挑 選 跟 該 群 特 徵 較 為 相 似 的 句 子 最 後 各 群 選 前 20 高 分 的 句 子 作 為 其 輸 出 4.1 資 料 前 處 理 從 MySQL 資 料 表 取 出 標 題 或 內 文 含 有 欲 查 詢 英 雄 的 資 料, 會 這 樣 範 圍 的 查 詢 是 因 為 並 非 所 有 作 者 會 在 標 題 內 輸 入 英 雄 全 名, 有 可 能 是 輸 入 家 常 用 的 別 名 或 者 不 小 心 打 錯 字, 不 過 通 常 會 在 內 文 詳 述 主 題 但 這 樣 做 卻 引 發 另 一 個 問 題 : 提 到 該 英 雄 的 文 章 都 會 被 加 進 去 分 析, 就 算 事 實 上 該 文 章 是 在 討 論 另 外 一 個 英 雄, 這 會 干 擾 到 實 驗 結 果 不 過 我 們 亦 可 將 其 解 釋 為 另 一 個 英 雄 與 欲 查 詢 英 雄 有 關 聯 性 將 標 題 直 接 視 為 文 章 的 第 一 個 句 子, 且 不 對 標 題 多 做 分 析, 是 因 為 論 壇 文 章 的 標 題 可 能 會 誇 與 內 文 無 關, 且 作 者 不 一 定 有 受 過 專 業 訓 練, 無 法 對 文 章 定 出 準 確 且 客 觀 的 標 題 所 以 在 此 實 驗 中 並 沒 有 特 別 將 標 題 裡 的 字 詞 作 為 分 析 的 關 鍵 字 接 下 來 我 們 將 所 有 文 章 斷 句, 斷 句 的 依 據 是 <br> 及 在 這 邊 碰 到 的 第 一 個 問 題 是 : 中 文 遊 戲 論 壇 文 章 對 於 標 點 符 號 不 講 究, 不 一 定 是 中 文 式 的,, 也 有 可 能 是 英 文 式 的,. 除 此 之 外, 文 章 不 一 定 會 使 用 標 點 符 號, 而 是 使 用 換 行 符 號 連 接 下 一 個 句 子, 換 行 的 時 機 也 不 一 定 很 正 規, 有 的 時 候 是 為 了 排 版 或 者 凸 顯 重 點 若 單 獨 使 用 作 為 斷 句 依 據, 因 為 使 用 頻 率 過 低, 會 讓 多 數 的 句 子 變 得 過 長 ; 若 單 獨 使 用 <br> 作 為 斷 句 依 據, 因 為 使 用 頻 率 過 高, 又 會 讓 多 數 的 句 子 變 過 短 因 此 在 這 邊 我 們 混 和 了 兩 種 做 法, 並 在 下 一 階 段 中 僅 保 留 八 個 字 詞 以 上 的 句 子, 以 確 保 斷 出 來 的 句 子 長 度 足 夠 表 達 語 意 將 所 有 文 章 斷 句 後, 我 們 需 要 將 所 有 句 子 分 詞 僅 保 留 字 詞 長 度 在 8 以 上 的 句 子 ( 包 含 標 點 符 號 ), 在 心 理 的 研 究 中 顯 示 人 類 的 短 暫 記 憶 通 常 是 7±2 個 字 彙 [22], 而 且 我 們 認 為 若 句 子 單 詞 數 不 足 則 無 法 表 達 出 其 含 義 詞 彙 (word 或 token) 是 最 小 且 有 意 義 的 語 言 單 位, 任 何 語 言 處 理 的 系 統 都 必 須 要 先 29

40 能 夠 分 辨 文 本 中 的 詞 才 能 進 行 更 進 一 步 的 處 理 在 英 文 文 本 中 我 們 可 以 透 過 空 白 取 得 文 本 中 的 每 個 詞 彙, 但 是 中 文 文 本 中 句 子 裡 並 沒 有 分 格 符 號, 所 以 我 們 無 法 直 接 取 出 中 文 詞 彙, 必 須 依 靠 中 文 斷 詞 系 統 將 可 能 的 詞 彙 先 行 處 理 [17] 16 在 這 邊 我 們 利 用 結 巴 工 具 分 詞 結 巴 為 Python 中 文 分 詞, 其 算 法 基 於 前 綴 詞 典 的 詞 圖 掃 描, 生 成 句 子 中 漢 字 所 有 可 能 成 詞 情 況 所 構 成 的 有 向 無 環 圖 (DAG), 並 採 用 動 態 規 劃 查 找 最 概 率 路 徑, 找 出 基 於 詞 頻 的 最 切 分 組 合 對 於 未 登 錄 詞, 採 用 基 於 漢 字 成 詞 能 力 的 HMM 模 型, 使 用 Viterbi 算 法 網 路 一 般 文 件 中 常 包 含 語 助 詞 副 詞 和 連 接 詞 等 經 常 出 現 的 慣 用 字 詞, 但 是 這 些 詞 彙 對 於 文 件 分 析 較 不 具 有 意 義, 在 資 料 探 勘 的 領 域 稱 這 些 詞 彙 為 停 用 字 (stop words) 因 此 需 要 在 分 析 前, 將 符 合 停 用 字 集 合 的 詞 彙 從 分 詞 後 的 文 件 中 移 除 [17] 這 邊 依 據 中 央 研 究 院 漢 語 平 衡 語 料 庫 詞 集 及 詞 頻 統 計 (Word List with Accumulated Word Frequency in Sinica Corpus 3.0) 17 加 入 停 用 字 集 合 其 為 五 百 萬 詞 (token), 帶 有 標 記 的 中 央 研 究 院 平 衡 語 料 庫 所 計 算 出 的 詞 頻 統 計 資 料 根 據 每 一 個 詞 項 在 五 百 萬 的 語 料 庫 中 出 現 次 數 的 多 寡 排 序 除 此 之 外, 我 們 在 進 行 每 個 詞 的 TF-IDF 計 算 之 後, 針 對 會 影 響 結 果 且 不 具 有 語 意 的 高 TF-IDF 標 點 符 號 常 見 介 係 詞, 也 加 進 前 述 的 停 用 字 列 表 句 子 分 數 是 挑 選 摘 要 的 依 據, 計 算 方 式 我 們 將 在 後 面 詳 述, 在 本 研 究 中 的 句 子 分 數 裡 又 以 關 鍵 字 含 量 最 為 重 要 在 英 文 摘 要 系 統 中, 一 般 研 究 皆 認 為 名 詞 或 動 詞 具 有 較 多 語 意, 以 此 作 為 依 據 形 成 關 鍵 字 詞 庫 [21] 的 研 究 採 用 中 文 新 聞 文 件 庫 當 作 資 料, 其 中 也 是 抽 取 出 名 詞 與 動 詞 當 作 關 鍵 詞, 另 外 句 子 分 數 亦 根 據 語 句 的 在 文 件 中 的 位 置 標 題 字 含 量 來 決 定 我 們 考 慮 到 該 研 究 是 針 對 單 篇 中 文 新 聞 文 件 的 摘 要 系 統, 新 聞 文 件 是 屬 於 較 有 結 構 化 的 資 料, 而 我 們 的 研 究 是 多 篇 半 ( 非 ) 結 構 化 的 中 文 論 壇 文 章 的 摘 要 系 統 ; 中 文 的 文 法 複 雜, 很 多 詞 的 詞

41 性 在 不 同 的 地 方 會 有 不 同 的 詞 性 ; 再 加 上 中 文 論 壇 使 用 者 的 習 慣, 使 用 的 文 法 更 為 特 殊 新 穎 為 避 免 更 多 的 干 擾, 本 研 究 並 沒 有 考 慮 詞 性, 取 而 代 之 的 是 使 用 該 遊 戲 中 出 現 的 名 字 裝 備 和 術 語 等 詞 來 建 關 鍵 字 詞 庫 至 於 語 句 在 文 件 中 的 位 置 標 題 字 含 量, 在 分 析 論 壇 特 性 過 後, 由 於 論 壇 撰 文 者 對 於 文 章 結 構 以 及 下 標 題 的 不 確 定 性, 我 們 在 本 研 究 中 也 不 加 入 計 算 關 於 關 鍵 字 資 料 庫 的 建 方 法, 將 於 第 6 章 提 出 應 該 更 為 合 理 的 解 決 方 案 為 了 之 後 的 摘 要 產 生 需 要 挑 選 重 要 的 句 子, 每 個 句 子 均 有 多 個 分 數, 其 中 一 個 分 數 是 該 句 子 每 個 字 詞 的 TF-IDF 總 和 TF-IDF 的 主 要 思 想 是 : 如 果 某 個 詞 在 一 篇 文 章 中 出 現 的 頻 率 高 即 TF(Term Frequency) 高, 並 且 在 其 他 文 章 中 很 少 出 現 即 IDF(Inverse Document Frequency) 也 高, 則 認 為 此 詞 具 有 很 好 的 類 別 區 分 能 力 18 在 資 訊 檢 索 領 域 中, 常 用 來 評 估 一 個 詞 彙 對 於 一 個 文 件 集 的 重 要 程 度 [17] 這 邊 我 們 先 計 算 欲 分 析 文 件 集 所 有 字 詞 的 TF-IDF 一 般 的 TF-IDF 方 程 式 如 下 : tf i,j = freq i,j k freq k,j (1) D idf i = log {j: t i d j } (2) tfidf i,j = tf i,j idf i (3) (1) 式 中 freq i,j 是 該 詞 在 文 件 d j 中 的 出 現 次 數, 分 母 是 在 文 件 d j 中 所 有 字 詞 的 出 現 次 數 之 和 (2) 式 中 D 是 文 件 總 數, {j: t i d j } 是 包 含 詞 語 t i 的 文 件 數 目 其 中 (1) 式 即 一 個 字 詞 在 某 一 文 件 內 的 詞 語 頻 率 由 於 論 壇 討 論 串 的 特 性, 我 們 將 TF 重 新 設 計 成 一 個 字 詞 在 一 個 文 件 集 ( 與 某 一 主 題 相 關 討 論 串 ) 的 詞 語 頻 率, 實 際 的 作 法 是 先 將 欲 分 析 的 多 個 文 件 ( 多 篇 論 壇 文 章 ) 合 併 為 一 個 文 件, 再 計 算 個 別 字 詞 的 TF IDF 算 法 則

42 保 持 不 變,D 為 與 某 一 主 題 相 關 的 文 章 TF 修 改 設 計 如 (4) 式 : tf i = freq i (4) k freq k 會 對 TF 進 行 修 改 是 因 為 在 本 研 究 若 採 用 TF 原 始 的 定 義, 則 需 要 先 從 每 篇 文 章 擷 取 部 分 字 彙 建 分 析 字 庫, 但 是 在 論 壇 裡 並 非 每 篇 文 章 素 質 都 足 夠, 例 如 字 數 過 少 與 主 題 明 顯 不 符 等 原 因, 造 成 該 分 析 的 字 彙 沒 分 析 不 該 分 析 的 字 彙 卻 加 入 分 析, 會 影 響 分 析 字 庫 的 品 質 及 最 後 結 果 修 改 TF 的 作 法 至 少 可 以 確 定 一 個 字 詞 在 一 個 文 件 集 裡 的 頻 率, 降 低 其 他 因 素 影 響 的 不 確 定 性 為 了 對 字 詞 進 行 篩 選, 我 們 摒 棄 TF-IDF 太 低 的 字 詞, 並 逐 個 過 濾 在 TF-IDF 算 高 的 字 詞 並 加 入 停 用 字 庫 圖 15 為 將 每 個 字 詞 的 TF-IDF 製 圖 圖 15 各 詞 彙 TF-IDF 數 值 圖 15 中 右 圖 為 每 個 字 詞 的 -1*log(TF-IDF) 製 圖, 因 此 僅 保 留 前 33% 的 字 詞 以 建 接 下 來 的 句 子 矩 陣 事 實 上 原 本 設 定 是 保 留 前 50% 的 字 詞, 但 由 於 建 過 的 矩 陣 會 導 致 硬 體 的 記 憶 體 不 足, 只 好 將 門 檻 提 高 32

43 4.2 分 群 向 量 空 間 模 型 (Vector Space Model) 的 概 念 最 早 由 Salton 於 1975 年 提 出, 是 一 個 應 用 於 資 訊 擷 取 與 過 濾 索 引 文 件 和 評 估 相 關 性 的 一 個 代 數 模 型 向 量 空 間 模 型 中, 將 每 個 文 件 的 重 要 詞 彙 作 為 代 表 文 件 的 屬 性, 聯 集 所 有 的 屬 性 表 示 為 高 維 向 量 空 間 中 的 獨 維 度, 形 成 文 件 的 屬 性 向 量 [17] 在 本 研 究 中 我 們 參 考 [17], 將 每 一 篇 文 章 視 為 一 個 文 件, 依 據 4.1 挑 選 出 具 有 代 表 性 的 詞 彙 作 為 維 度, 再 把 每 個 文 件 內 的 所 有 句 子 表 示 成 一 條 向 量 內 容 向 量 中 的 每 一 個 維 度 是 一 個 獨 的 詞 彙 內 容 在 實 作 中 需 要 將 向 量 空 間 模 型 轉 換 為 矩 陣 以 符 合 我 們 使 用 工 具 K-means 的 輸 入 假 設 有 三 個 句 子, 分 別 是 你 我 他 你 你 我 他 我 你 我, 其 中 假 設 你 我 他 皆 為 一 個 字 詞, 則 共 有 三 個 字 詞 三 個 句 子, 產 生 一 個 3x3 的 句 子 矩 陣 如 表 5: 表 5 句 子 向 量 空 間 模 型 以 矩 陣 表 示 舉 例 你 我 他 句 子 句 子 句 子 上 表 中 每 一 列 代 表 一 個 句 子, 每 一 行 ( 維 度 ) 代 表 一 個 字 詞, 若 一 個 字 詞 在 一 個 句 子 出 現 幾 次 則 在 詞 彙 所 屬 維 度 代 入 該 數 字, 沒 出 現 為 0 [17] 的 研 究 中 是 代 入 該 字 彙 的 TF-IDF, 可 是 在 本 實 驗 中 由 於 矩 陣 建 時 會 造 成 記 憶 體 不 足, 儲 存 浮 點 數 需 要 占 用 較 多 記 憶 體, 因 此 改 採 用 整 數 儲 存, 再 考 慮 論 壇 文 章 文 法 嚴 謹 性, 字 彙 有 出 現 一 次 以 上 為 1 沒 出 現 為 0, 避 免 因 為 很 重 要, 所 以 說 三 次 的 情 況 在 最 後 的 實 驗 中, 我 們 共 有 244 個 句 子,7477 個 字 詞, 即 是 對 244 個 句 子 7477 個 維 度 (244x7477 的 句 子 矩 陣 ) 進 行 K-means 分 群 33

44 在 建 句 子 矩 陣 的 同 時, 我 們 也 計 算 句 子 分 數 句 子 分 數 在 之 後 會 用 來 計 算 群 分 數, 同 時 也 是 從 群 中 挑 選 句 子 的 依 據 我 們 依 照 第 3 章 分 析 的 結 果, 建 的 分 類 關 鍵 字 列 表 並 盡 量 補 全 遊 戲 中 出 現 的 字 彙, 再 依 我 們 想 呈 現 的 順 序 重 新 排 序, 總 共 有 6 類, 分 別 是 : 裝 備 屬 性 符 文 戰 術 ( 打 法 ) 技 能 天 賦 英 雄 新 增 天 賦 類 關 鍵 字 9 筆, 增 加 戰 術 ( 打 法 )25 筆 技 能 9 筆, 移 除 地 圖 類 關 鍵 字 如 表 6 所 示 表 6 重 新 補 全 並 排 序 後 的 關 鍵 字 資 料 庫 類 別 及 其 關 鍵 字 數 量 關 鍵 字 資 料 庫 裝 備 名 稱 資 料 筆 數 241 筆 英 雄 屬 性 符 文 36 筆 戰 術 ( 打 法 ) 37 筆 技 能 13 筆 天 賦 9 筆 英 雄 名 稱 ( 含 中 英 文 ) 282 筆 群 分 數 如 下 : 若 一 個 句 子 出 現 了 裝 備 類 的 關 鍵 字, 則 該 句 裝 備 類 分 數 加 1, 如 (5) 式 所 示 另 外 再 加 上 該 句 子 TF-IDF 分 數 和, 如 (6) 式 所 示 一 個 句 子 總 共 帶 7 個 分 數 最 後, 一 個 句 子 每 類 的 分 數 和 TF-IDF 分 數 都 會 再 除 以 句 子 的 字 彙 (token) 數, 以 避 免 句 子 的 長 短 影 響 分 數 F 1 6 _Scores = Keywords Word 1 n Sentence_Length i=1 TF IDF i F 7 _Score = Sentence_Length n (5) (6) 34

45 接 著 將 每 個 句 子 透 過 K-means 分 群 K-means 以 K 為 參 數, 把 n 個 物 件 分 為 K 個 叢 集, 使 叢 集 內 具 有 較 高 的 相 似 度, 而 叢 集 間 的 相 似 度 較 低, 相 似 度 的 計 算 是 根 據 一 個 叢 集 中 物 件 的 平 均 值 來 進 行 [23] K-means 演 算 法 的 處 理 流 程 如 下 : 首 先, 隨 機 選 擇 K 個 物 件, 每 個 物 件 代 表 一 個 叢 集 的 平 均 值 或 中 心 對 剩 餘 的 每 個 物 件, 根 據 其 與 各 個 叢 集 中 心 的 距 離, 將 它 指 定 給 最 近 的 叢 集 再 重 新 計 算 每 個 叢 集 的 平 均 值 這 個 過 程 不 斷 重 複, 一 直 到 判 斷 準 則 函 數 收 斂 通 常 判 斷 準 則 函 數 會 採 平 方 誤 差 準 則 (Squared Error Criterion) K-means 演 算 法 嘗 試 找 出 平 方 誤 差 和 數 值 最 小 的 K 個 劃 分, 當 結 果 叢 集 越 密 集, 且 叢 集 之 間 區 隔 明 顯 時, 效 果 會 非 常 好 對 處 理 資 料 集, 該 演 算 法 是 相 對 可 以 延 展 和 高 效 率 的, 因 為 K-means 的 複 雜 度 是 O(nkt), 其 中 n 是 所 有 物 件 的 數 目 k 是 叢 集 數 t 是 疊 代 次 數 正 常 而 言, k n 且 t n K-means 演 算 法 經 常 得 到 的 是 一 個 局 部 最 佳 值 (Local Optimum)[14] 在 本 研 究 中,K-means 分 群 法 採 用 scikit-learn 19 的 程 式 工 具,K-means 得 先 設 定 要 分 幾 群, 我 們 設 定 為 7 群 分 7 群 的 假 設 是, 句 子 會 根 據 語 句 向 量 被 分 到 上 述 6 種 類 別, 無 法 被 分 到 那 6 群 的 句 子 則 自 成 一 群, 共 7 群 4.3 句 子 挑 選 K-means 分 群 過 後, 先 將 群 內 所 屬 句 子 各 類 分 數 相 加, 各 分 數 再 除 以 群 內 句 子 個 數 此 時 共 有 7 群, 每 一 群 也 有 帶 7 個 分 數, 接 下 來 比 較 每 一 群 各 類 的 分 數, 依 照 裝 備 類 符 文 類 其 他 術 語 類 技 能 類 天 賦 類 英 雄 類 分 數 的 順 序, 依 各 類 分 數 決 定 各 群 屬 於 哪 一 類, 其 中 各 群 必 為 一 類 且 不 重 複, 剩 下 的 最 後 一 群 視 為 其 他 類 最 後 我 們 需 要 從 各 群 中 挑 選 20 個 句 子 作 為 摘 要, 此 時 再 為 每 個 句 子 計 算 新 的 分 數, 計 分 方 式 如 (7) 式 : 19 Scikite-learn website: 35

46 分 群 後 的 句 子 分 數 = 句 子 所 屬 群 的 類 別 分 數 + 所 有 句 子 中 的 該 類 別 最 分 數 句 子 的 TF IDF 所 有 句 子 中 的 最 TF IDF (7) 從 每 一 群 挑 選 前 20 高 分 數 的 句 子, 若 一 群 未 達 20 個 句 子 則 輸 出 全 部 句 子, 由 於 有 7 類 ( 包 含 其 他 類 ), 最 多 取 出 140 個 句 子 作 為 輸 出 結 果 36

47 第 5 章 進 階 分 析 結 果 與 討 論 以 下 我 們 均 以 凱 特 琳 這 隻 角 色 作 為 分 析 的 對 象 一 開 始 我 們 嘗 試 依 文 章 來 分 群, 作 法 為 建 文 章 - 詞 彙 矩 陣 ( 文 章 為 列, 出 現 的 詞 彙 為 欄 ) 進 行 K-means 分 群, 在 此 設 成 分 10 群 我 們 使 用 結 巴 分 詞 網 路 論 壇 裡 通 常 被 換 行 符 號 (<br>) 取 代, 在 去 掉 所 有 HTML 語 法 之 後, 句 子 與 句 子 之 間 便 沒 有 分 隔, 因 此 我 們 保 留 了 <br> 從 結 巴 分 詞 的 演 算 法 及 我 們 自 己 實 驗 得 知, 如 果 一 篇 文 章 中 沒 有 任 何 標 點 符 號 或 是 換 行 符 號, 分 詞 是 可 能 出 錯 的 實 驗 中,435 篇 有 標 點 符 號 的 文 章 可 分 出 個 詞,435 篇 去 掉 標 點 符 號 的 文 章 卻 分 出 個 詞 另 外, 為 了 增 加 分 詞 的 準 確 率, 我 們 僅 為 詞 庫 增 加 LOL 板 常 用 的 字 詞, 並 沒 有 對 結 巴 的 演 算 法 優 化 分 詞 的 結 果 請 參 考 圖 16 圖 16 分 詞 前 後 比 對 及 其 分 群 結 果 與 凱 特 琳 相 關 的 文 章 有 435 篇, 在 所 有 文 章 共 出 現 個 不 重 複 的 詞, 因 此 我 們 建 一 個 435 x 的 矩 陣 作 為 輸 入 分 群 結 果 如 圖 17 37

48 圖 17 以 文 章 為 輸 入 之 分 群 結 果 圖 17 中, 每 個 數 字 為 每 篇 文 章 被 分 到 哪 一 群 上 方 的 矩 陣 向 量 輸 入 為 字 彙 出 現 的 次 數 下 方 的 矩 陣 向 量 輸 入 為 字 彙 若 出 現 為 1 否 則 為 0 經 過 所 屬 群 的 轉 換 ( 例 如 將 下 方 矩 陣 的 第 2 群 轉 成 第 1 群, 原 本 第 1 群 轉 換 成 其 他 群 ) 並 比 對, 發 現 有 382 處 分 群 結 果 一 樣 (87.8%) 雖 然 在 此 階 段 我 們 無 法 辨 別 哪 個 方 法 比 較 適 合, 但 考 慮 到 論 壇 文 章 可 能 會 重 複 敘 述 內 容, 我 們 採 用 後 者 方 法, 即 字 彙 出 現 則 該 向 量 為 1 否 則 為 0 到 此 為 止 沒 辦 法 將 文 章 依 內 容 分 群, 結 果 顯 示 短 的 文 章 分 成 一 群 長 的 文 章 另 成 一 群 其 他 散 於 另 外 8 群 但 數 目 都 不 多 會 造 成 這 樣 的 結 果 我 們 猜 測 是 欄 數 ( 詞 彙 ) 太 多 列 數 ( 文 章 ) 太 少 因 此 我 們 接 下 來 採 取 兩 個 方 法 來 改 善 :1. 過 濾 斷 出 來 的 詞 彙, 即 降 38

49 低 欄 數 只 採 用 TF-IDF 前 50% 的 詞, 欄 數 原 為 22882, 減 少 至 用 句 子 而 不 是 文 章 當 分 群 單 位, 即 增 加 列 數 以 為 斷 句 依 據 使 用 我 們 為 LOL 論 壇 文 章 特 別 定 義 的 TF-IDF 算 法, 下 表 為 兩 種 不 同 的 英 雄 類 型 的 相 關 文 章 詞 彙 TF-IDF 排 序 可 以 發 現 TF-IDF 可 以 稍 微 顯 現 出 英 雄 的 刻 劃, 英 雄 所 屬 類 別 對 英 雄 較 為 重 要 的 屬 性 技 能 裝 備, 進 而 了 解 兩 個 英 雄 的 不 同 因 此 我 們 認 為 TF-IDF 在 實 驗 中 佔 有 重 要 的 地 位, 如 表 7 所 示 表 7 兩 個 英 雄 所 對 應 的 詞 彙 TF-IDF 排 序 TF-IDF 排 行 凱 特 琳 的 TF-IDF TF-IDF 排 行 沃 維 克 TF-IDF 14 英 雄 47 gank 27 AD 95 CD 45 ADC 109 打 野 47 輔 助 114 AP 187 閃 現 177 將 狗 298 紅 雙 243 Jungle 367 無 盡 299 鞋 381 耳 語 386 吸 血 522 點 燃 606 閃 現 然 而 採 用 句 號 作 為 斷 句 依 據 結 果 不 盡 理 想, 原 因 是 遊 戲 論 壇 並 不 常 使 用 句 號, 矩 陣 列 數 並 未 如 期 增 加, 且 輸 出 結 果 依 然 過 長 因 此 我 們 改 以 <br> 作 為 斷 句 依 據, 列 數 由 原 本 435 增 為 20232; 欄 數 由 於 記 憶 體 不 足, 由 採 用 TF-IDF 前 50% 的 詞 減 少 為 前 33% 的 詞 (7477 個 詞 ) 以 下 為 觀 察 結 果 : 斷 句 結 果 都 過 短, 無 法 顯 示 資 訊 且 嚴 重 受 到 TF-IDF 影 響, 擷 取 出 的 結 果 多 為 符 號 且 分 群 結 果 仍 依 句 子 長 短 分 群 針 對 這 些 39

50 問 題, 我 們 將 TF-IDF 過 高 的 符 號 常 用 詞 視 為 停 用 字 在 分 群 之 前, 把 句 子 長 度 低 於 8 個 詞 的 都 濾 掉, 我 們 假 設 低 於 8 個 詞 的 句 子 資 訊 含 量 不 高, 避 免 分 析 過 短 且 不 帶 有 語 意 的 句 子, 如 此 輸 出 結 果 絕 對 不 會 有 過 短 的 句 子 實 驗 結 果 只 有 244 個 句 子 於 等 於 八 個 詞, 平 均 每 篇 文 章 只 取 出 0.56 個 句 子, 共 有 2281 個 不 重 複 的 詞 到 這 邊 我 們 決 定 依 4.2 節 4.3 節 的 實 驗 方 法, 將 句 子 分 群 並 挑 選 出 句 子 進 行 結 果 觀 察 在 輸 出 方 面 分 類 如 表 8: 分 類 表 8 摘 要 結 果 分 類 取 出 句 子 數 取 出 句 子 數 裝 備 20 英 雄 屬 性 和 符 文 4 打 法 1 技 能 1 天 賦 1 其 他 英 雄 1 其 他 20 從 結 果 來 看, 每 個 群 的 句 子 數 仍 然 不 平 均, 從 表 可 以 看 到 部 分 的 句 子 都 集 中 在 某 一 群, 其 他 群 內 的 句 子 數 並 不 多 會 造 成 這 樣 的 結 果 可 能 是 關 鍵 字 資 料 庫 各 類 別 關 鍵 字 數 量 本 來 就 不 平 均 ( 表 6) 也 可 能 是 論 壇 文 章 對 於 裝 備 的 討 論 本 來 就 比 較 多 ( 表 4) 除 了 群 分 布 數 目 不 均, 摘 要 結 果 提 供 了 相 關 且 有 幫 助 的 資 訊 40

51 第 6 章 結 論 與 未 來 展 望 資 料 前 處 理 階 段 中, 一 開 始 並 沒 有 將 玩 家 習 慣 以 圖 片 代 替 遊 戲 內 的 名 稱 納 入 考 量, 因 此 可 能 有 些 重 要 的 句 子 並 沒 有 被 挑 選 出 來, 非 常 可 惜 最 直 覺 的 改 善 方 式 應 該 是 利 用 OCR 將 圖 片 分 析, 轉 成 文 字 後 存 回, 再 繼 續 透 過 文 字 分 析 若 以 目 前 的 系 統, 對 純 文 字 論 壇 ( 例 如 PTT) 的 分 析, 準 確 率 應 該 會 更 高 資 料 前 處 理 階 段 中, 將 資 料 取 出 資 料 表 的 方 法 過 於 粗 糙, 可 能 造 成 兩 個 問 題 第 一 個 問 題 是 : 我 們 的 方 式 是 直 接 從 MySQL 資 料 表 取 出 標 題 或 內 文 含 有 欲 查 詢 英 雄 的 資 料, 雖 然 出 現 漏 網 之 魚 的 可 能 性 降 低, 之 後 的 處 理 過 程 卻 很 難 判 斷 句 子 描 述 的 對 象 是 誰 ( 英 雄 ), 造 成 資 訊 錯 誤 解 決 方 法 有 二 :1. 在 最 後 的 輸 出 結 果 附 上 句 子 的 更 多 資 訊, 例 如 文 章 標 題 或 是 句 子 前 後 文, 協 助 使 用 者 判 斷 是 否 正 確 2. 若 能 在 MySQL 查 詢 動 作 的 前 後 增 加 過 濾 和 判 斷, 例 如 是 內 容 出 現 該 英 雄 名 稱, 而 標 題 出 現 了 其 他 關 鍵 字, 我 們 可 以 標 註 為 與 該 英 雄 有 相 關 以 上 兩 種 方 法 應 能 使 最 後 輸 出 的 結 果 更 能 提 供 正 確 資 訊 第 二 個 問 題 是 : 也 有 可 能 使 用 者 從 標 題 到 全 篇 內 文 都 是 使 用 別 名 撰 寫 而 非 正 名 應 該 先 將 所 有 別 名 與 正 名 做 關 聯, 所 有 使 用 到 別 名 的 就 直 接 轉 換 成 該 別 名 代 表 的 正 名 分 析 論 壇 文 章 的 撰 寫 方 式 造 成 建 分 群 的 輸 入 資 料 困 難, 不 像 結 構 化 的 文 章, 至 少 有 標 點 符 號 的 用 法, 可 以 依 句 號 驚 嘆 號 等 標 點 符 號 來 斷 句 在 本 論 文 中 使 用 斷 句 的 方 法 捨 棄 了 很 多 內 容 另 外, 或 許 句 子 字 彙 數 的 門 檻 還 可 以 再 調 整 在 此 論 文 中 輸 入 的 分 析 單 位 為 句 子 不 以 文 章 為 分 析 單 位 是 因 為 論 壇 文 章 可 能 談 的 面 向 很 多, 且 輸 入 內 容 為 文 章, 可 能 造 成 分 群 結 果 只 是 區 分 長 短 文 章, 如 我 們 一 開 始 的 實 驗 結 果 或 許 我 們 可 以 分 段 分 析, 實 際 的 做 法 是 : 一 開 始 分 析 一 個 句 子, 每 次 加 入 一 個 句 子 或 多 個 句 子 後 看 分 數 變 化, 若 分 數 逐 漸 偏 向 另 一 分 類 則 猜 測 已 講 到 另 一 個 主 題, 到 這 邊 為 一 個 段 落, 藉 以 達 到 分 段 的 效 果 關 鍵 字 資 料 庫 建 部 分, 應 可 參 考 混 和 [17] 中 建 災 難 詞 庫 及 專 家 分 類 的 方 法 建 我 們 的 關 鍵 字 資 料 庫 災 難 詞 庫 建 是 透 過 不 斷 的 隨 機 抽 取 斷 詞 後 內 容, 挑 出 有 意 義 的 詞 彙 加 入 詞 庫 再 斷 詞, 直 至 隨 機 抽 取 的 內 容 詞 彙 穩 定 以 簡 單 的 使 用 者 介 面 設 計, 讓 專 家 更 容 易 的 瀏 覽 斷 詞 結 果 與 挑 選 儲 存 專 家 分 類 是 經 過 專 家 者 抽 取 瀏 覽 部 分 歷 史 性 資 料, 對 於 收 集 來 的 資 料 內 容 歸 納 建 議, 將 收 集 的 頻 道 資 訊 分 為 9 個 類 別 ( 分 類 的 對 象 是 41

52 短 文 而 非 詞 彙 ) 與 [17] 不 同 的 是, 我 們 或 許 不 必 借 助 專 家 的 專 業, 透 過 論 壇 使 用 者 的 力 量 及 熱 情, 共 同 參 與 建 系 統 的 基 礎 同 樣 是 隨 機 抽 取 論 壇 文 章 斷 詞 後 的 內 容, 挑 出 有 意 義 的 詞 彙, 同 時 可 以 選 擇 是 否 將 該 詞 彙 加 入 某 個 關 鍵 字 的 分 類 這 樣 的 好 處 是, 由 論 壇 的 使 用 者 來 標 註 並 分 類 關 鍵 字 類 別, 關 鍵 字 庫 會 更 完 整, 所 產 出 的 特 殊 詞 彙 和 用 法 可 以 更 貼 切 論 壇 文 章, 本 摘 要 系 統 的 輸 出 結 果 更 可 以 符 合 論 壇 用 戶 所 需 句 子 挑 選 的 方 式 我 們 參 考 了 [14], [21] 並 做 修 改, 並 採 用 最 直 覺 的 方 式 進 行 計 分 及 挑 選, 在 此 部 分 還 有 許 多 參 數 可 以 進 行 微 調, 例 如 我 們 並 沒 有 對 各 分 數 進 行 權 重 調 整, 或 許 還 有 其 他 我 們 沒 注 意 到 的 特 徵 值, 我 們 認 為 本 實 驗 還 可 以 進 步 最 後 的 問 題 是 本 系 統 可 否 移 植 到 其 他 遊 戲 ( 或 非 遊 戲 ) 的 論 壇? 答 案 應 該 是 可 以 的 需 要 的 前 置 工 作 是 更 改 與 主 題 相 關 的 關 鍵 字 資 料, 並 將 其 加 入 斷 詞 的 文 本 中 另 外 要 注 意 的 是 本 系 統 主 要 是 基 於 中 文 非 ( 半 ) 結 構 化 多 文 件 摘 要 系 統, 因 此 論 壇 內 容 是 否 常 有 多 媒 體 內 容 ( 如 圖 片 影 片 音 樂 ) 呈 現? 如 果 有, 會 需 要 其 他 方 案 輔 助 以 達 到 更 好 的 效 果 42

53 第 7 章 參 考 文 獻 [1] 劉 千 里 and 古 永 嘉, 網 頁 探 勘 技 術 應 用 於 論 壇 用 戶 文 章 - 以 mobile01 電 影 版 為 例, 臺 北, [2] 陳 光 華, 資 訊 的 組 織 與 擷 取, 台 灣 圖 書 館 刊, vol. 12, pp , [3] J. Tan, D. Yang, W. C. Chen, C. Liao, and S. Chien, 網 路 論 壇 之 知 識 搜 尋 Knowledge Searching over BBS, 電 腦 刊, vol. 第 十 七 卷 第 三 期, no. September, [4] R. J. Brachman, T. Khabaza, W. Kloesgen, G. Piatetsky-Shapiro, and E. Simoudis, Mining business databases, Commun. ACM, vol. 39, pp , [5] 趙 銘 and 林 俊 博, 遊 戲 論 壇 搜 尋 引 擎 之 設 計 A Design of Game Forum Search Engine, 逢 甲, [6] F. F. Gey, H.-M. Chen, B. Norgard, M. Buckland, Y. Kim, A. Chen, B. Lam, J. Purat, and R. Larson, Advanced search technologies for unfamiliar metadata, System, [7] N. J. Belkin, Helping people find what they don t know, Commun. ACM, vol. 43, pp , [8] C. H. Chang and C. C. Hsu, Enabling concept-based relevance feedback for information retrieval on the WWW, IEEE Trans. Knowl. Data Eng., vol. 11, pp , [9] M. Kobayashi and K. Takeda, Information retrieval on the web, ACM Comput. Surv., vol. 32, pp , [10] 楊 瑞 敏 李 嘉 晃, 多 文 件 摘 要 系 統 基 於 Mutual Reinforcement 原 理 Multi-Document Summarization System Based on Mutual Reinforcement Principle, 立 交 通, [11] K. S. Jones and others, Automatic summarizing: factors and directions, Adv. Autom. text Summ., pp. 1 12,

54 [12] S. Afantenos, V. Karkaletsis, and P. Stamatopoulos, Summarization from medical documents: A survey, Artificial Intelligence in Medicine, vol. 33. pp , [13] D. McDonald and H. Chen, Using sentence-selection heuristics to rank text segments in TXTRACTOR, in Management Information Systems, 2002, pp [14] C. Liu, H.-R. Ke, and W.-P. Yan, 以 概 念 分 群 為 基 礎 之 新 聞 文 件 自 動 摘 要 系 統 Concept Cluster Based News Document Summarization, 立 交 通, [15] A. H. Oh, Generating Multiple Summaries Based on Computational Model of Perspective, Massachusetts Institute of Technology, [16] J. G. Stewart, Genre Oriented Summarization, Carnegie Mellon University, [17] 施 旭 峰 and 李 蔡 彥, 災 難 事 件 下 新 媒 體 資 訊 傳 播 方 式 分 析 與 自 動 化 分 類 設 計 以 八 八 風 災 為 例 Information Transmission Analysis and Automated Classification Design for New Media in a Disaster Event Case Study of Typhoon Morakot,, [18] F. C. and K. H. and G. Chen, An Approach to Sentence-Selection-Based Text Summarization, IEEE Reg. 10 Conf. Comput. Commun. Control Power Eng. (TENCON 02), vol. 1, [19] R. Angheluta, R. De Busser, and M. Moens, The Use of Topic Segmentation for Automatic Summarization, in DUC 2002, [20] C. N. S. J. and C. A. A. K. and A. A.Freitas, A Non-Linear Topic Detection Method for Text Summarization Using Wordnet, Work. Technol. Inf. Lang. Hum., [21] V.-W. Soo and S.-J. Huang, 使 用 潛 在 語 意 分 析 與 自 我 組 織 映 射 於 中 文 文 件 摘 要 Using Latent Semantic Analysis and Self-Organizing Map in Chinese Text Summarization, 清 華, [22] C. N. Silla Jr., C. A. A. Kaestner, and A. A.Freitas, A Non-Linear Topic Detection Method for Text Summarization Using Wordnet, in Workshop of Technology Information Language Human (TIL 2003),

55 [23] H. Jiawei and M. Kamber, Data mining: concepts and techniques, San Fr. CA, itd Morgan Kaufmann, vol. 5, pp ,

56 附 件 1 實 驗 結 果 呈 現 裝 備 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ) 完 整 介 紹 + 攻 略 (8.8) 版 的 最 終 裝 備 非 常 正 確 : 攻 速 鞋 無 盡 之 刃 紅 雙 紅 雙 黑 切 好 戰 不 過 耳 語 可 以 改 黑 切 ~~ 耳 語 不 用 了 當 凱 特 琳 能 出 到 攻 速 鞋 無 盡 之 刃 紅 雙 紅 雙 這 四 樣 打 人 都 用 秒 的 了 耳 語 在 台 版 高 手 眾 多 的 情 況 下 很 難 Q 到 人 黑 切 好 用 多 了 這 是 小 弟 玩 他 不 下 千 次 的 結 論 小 弟 是 這 樣 出 攻 速 鞋 燈 籠 黃 雙 黑 切 紅 雙 無 盡 看 狀 況 不 是 好 戰 就 是 在 一 把 無 盡 或 紅 雙 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ) 完 整 介 紹 + 攻 略 (8.8) 我 個 人 也 比 較 喜 歡 出 : 攻 速 鞋 + 無 盡 之 刃 + 紅 雙 + 紅 雙 + 耳 語 + 好 戰!!! 出 好 戰 的 好 處 如 果 不 小 心 遇 到 突 進 角 跟 他 互 砍 真 的 還 不 一 定 輸!! 18 級 的 凱 特 琳 + 好 戰 者 總 血 量 可 以 達 到 而 且 爆 擊 率 100% 攻 速 1.9X 多 打 人 不 痛 不 過 真 的 要 肥 的 起 來 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ),(11:15 更 新 陷 阱 教 ) 我 自 己 是 身 上 最 多 疊 兩 把 多 藍 就 開 始 衝 暴 風 劍 通 常 20 分 左 右 身 上 也 會 有 一 個 無 盡 刀 出 燈 籠 我 是 聽 說 走 下 的 都 會 這 要 出 只 是 警 長 出 的 話 不 會 影 響 到 出 暴 風 劍 的 時 機 嗎? 另 外 就 是 兩 把 紅 雙 因 為 你 攻 擊 只 有 靠 無 盡 刀 真 的 會 夠 嗎? 我 自 己 是 在 有 黃 雙 後 還 會 補 一 個 嗜 血 者 來 補 充 攻 擊 力 之 後 才 升 級 紅 雙 的 另 外 你 的 黃 護 甲 是 固 定 的 還 是 成 長 的? 我 紫 是 用 固 定 物 穿 真 的 需 要 換 那 個 固 定 攻 擊 嗎? tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ) 完 整 介 紹 + 攻 略 (8.8) 關 於 燈 籠 部 分 我 今 天 算 遇 到 了 一 個 比 較 的 疑 問 那 場 我 下 路 被 壓 到 死 雖 然 可 以 塔 下 吃 兵 可 農 的 並 非 很 順 利 以 前 就 算 是 這 樣 我 雙 多 藍 20 分 內 也 是 可 以 有 暴 風 劍 最 慢 25 分 就 會 有 IE 只 是 現 在 被 壓 後 我 出 燈 籠 20 分 時 前 還 是 不 夠 出 一 個 暴 風 劍 其 他 路 情 況 是 還 好 就 只 有 我 這 路 被 壓 而 已 這 種 情 況 是 否 還 要 再 執 著 燈 籠 呢? 46

57 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ) 完 整 介 紹 (3/14 幅 更 新 ) 跟 我 出 的 裝 備 差 不 多 杯 子 蛋 糕 超 難 躲 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ), 讓 你 知 道 該 如 何 Carry 整 隊 隊 友 詢 問 現 在 玩 這 支 都 有 後 期 會 戰 容 易 被 抓 然 後 非 常 怕 遇 到 突 進 阿 卡 莉. 塔 龍 等.. 該 如 何 有 效 的 防 止 突 進 上 身.. 或 2 突 進 角 or 隱 身 腳 時 的 反 制 方 法 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn 凱 特 琳 完 整 介 紹 (S3 更 新 -Ver2) 請 問 新 手 初 步 玩 ADC 是 否 建 議 玩 凱 特 琳? tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ), 讓 你 知 道 該 如 何 Carry 整 隊 隊 友 > 接 著 請 在 自 己 前 方 1 格 距 離 放 個 W, 等 1 秒 後 往 後 走 一 步, 關 於 這 點, 有 一 次 碰 到 蠻 王, 我 在 前 方 放 W 了, 但 是 他 還 是 用 迴 旋 展 踏 過 陷 阱 衝 過 來? 陷 阱 完 全 沒 中 連 續 2 次 都 是 這 樣 似 乎 陷 阱 實 際 要 等 的 1~2 秒 才 會 有 效? 我 的 ping 差 不 多 都 是 3X 綠 ping 請 問 Q 是 否 改 用 智 慧 施 法 比 較 好? 對 線 時, 需 不 需 要 特 意 累 積 必 定 爆 擊 打 人? tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ) 完 整 介 紹 (3/14 幅 更 新 ) 請 問 現 在 s3 可 更 新 出 裝 建 議 嗎? tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn 凱 特 琳 完 整 介 紹 (S3 更 新 -Ver2) 請 問 有 没 有 一 些 對 線 心 得 可 分 享?? tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn 凱 特 琳 完 整 介 紹 (S3 更 新 -Ver2) 凱 特 琳 真 的 不 錯 完 tfidf: , 內 容 :RE: 心 得 王 牌 狙 擊 手 - Caitlyn ( 凱 特 琳 ),(11:15 更 新 陷 阱 教 47