學術產出-學位論文
文章檢視/開啟
書目匯出
-
題名 基於文件相似度的標籤推薦-應用於問答型網站
Applying Tag Recommendation base on Document Similarity in Question and Answer Website作者 葉早彬
Tsao, Pin Yeh貢獻者 楊建民
葉早彬
Tsao, Pin Yeh關鍵詞 文字探勘
標籤推薦
群眾智慧
Text Mining
Tag Recommendation
Collective Intelligence日期 2015 上傳時間 13-七月-2015 11:07:04 (UTC+8) 摘要 隨著人們習慣的改變，從網路上獲取新知漸漸取代傳統媒體，這也延伸產生許多新的行為。社群標籤是近幾年流行的一種透過使用者標記來分類與詮釋資訊的方式，相較於傳統分類學要求物件被分類到預先定義好的類別，社群標籤則沒有這樣的要求，因此容易因應內容的變動做出調整。問答型網站是近年來興起的一種個開放性的知識分享平台，例如quora、Stack Overflow、yahoo 奇摩知識+，使用者可以在平台上與網友做問答的互動，在問與答的討論中，結合大眾的經驗與專長，幫助使用者找到滿意的答案，使用單純的問答系統的好處是可以不必在不同且以分類為主的論壇花費時間尋找答案，和在關鍵字搜索中的結果花費時間尋找答案。本研究希望能針對問答型網站的文件做自動標籤分類，運用標籤推薦技術來幫助使用者能夠更有效率的找到需要的問題，也讓問答平台可以把這些由使用者所產生的大量問題分群歸類。在研究過程蒐集Stack Exchange問答網站共20638個問題，使用naïve Bayes演算法與文件相似度計算的方式，進行標籤推薦，推薦適合的標籤給新進文件。在研究結果中，推薦標籤的準確率有64.2%本研究希望透過自動分類標籤，有效地分類問題。幫助使用者有效率的找到需要的問題，也能把這些由使用者所產生的大量問題分群歸類。
With User`s behavior change. User access to new knowledge from the internet instead of from the traditional media. This Change leads to a lot new behavior. Social tagging is popular in recent years through a user tag to classify and annotate information. Unlike traditional taxonomy requiring items are classified into predefined categories, Social tagging is more elastic to adjust through the content change.Q & A Website is the rise in recent years. Like Quora , Stack Overflow , yahoo Knowledge plus. User can interact with other people form this platform , in Q & A discussion, with People`s experience and expertise to help the user find a satisfactory answer. This study hopes to build a tag recommendation system for Q & A Website. The recommendation system can help people find the right problem efficiently , and let Q & A platform can put these numerous problems into the right place.We collect 20,638 questions from Stack Exchange. Use naïve Bayes algorithm and document similarity calculation to recommend tag for the new document. The result of the evaluation show we can effectively recommend relevant tags for the new question.參考文獻 林倩妏, and 卜小蝶. "標籤雲在圖書資訊服務之應用初探." 海峽兩岸圖書資訊學學術研討會論文集 二-117 (2010).陳光華,莊雅蓁. 應用於資訊檢索的中文同義詞之建構. 資訊傳播與圖書館學, 8 (1), 2001 年 9 月, 2001, 59-75.陸明怡. "以群眾智慧觀念為基礎之群體意見結論推論模式" (碩士論文) 清華大學(2011)楊玉齡譯,Surowiecki, James 原著,2005,《群眾的智慧:如何讓個人、團隊、企業 與社會變得更聰明》,台北市:遠流公司出版社。戴瑋. "應用社會化協同標籤於網路資源搜尋." (碩士論文)中央大學(2008).http://sparc.nfu.edu.tw/~tchen/DataMining2/ch5.ppthttp://zh.wikipedia.org/wiki/最近鄰居法http://zh.wikipedia.org/wiki/Yahoo!奇摩知識+http://zh.wikipedia.org/wiki/Web_2.0Budura, A., Michel, S., Cudré-Mauroux, P., & Aberer, K. (2009). Neighborhood-based tag prediction. In The semantic web: research and applications (pp. 608-622). Springer Berlin Heidelberg.Cao, H., Xie, M., Xue, L., Liu, C., Teng, F., & Huang, Y. (2009). Social tag prediction base on supervised ranking model. In Proceeding of ECML/PKDD 2009 Discovery Challenge Workshop (pp. 35-48).Heymann, P., Ramage, D., & Garcia-Molina, H. (2008, July). Social tag prediction. In Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval (pp. 531-538). ACM.Huberman, S. G. B. A. The Structure of Collaborative Tagging Systems. No. cs. DL/0508082. cs/0508082, 2005.Jordan, A. (2002). On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes. Advances in neural information processing systems, 14, 841.Rodrigues, E. M., Milic-Frayling, N., & Fortuna, B. (2008, December). Social tagging behaviour in community-driven question answering. In Proceedings of the 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology-Volume 01 (pp. 112-119). IEEE Computer Society.McCallum, A., & Nigam, K. (1998, July). A comparison of event models for naive bayes text classification. In AAAI-98 workshop on learning for text categorization (Vol. 752, pp. 41-48).Yin, D., Xue, Z., Hong, L., & Davison, B. D. (2010, July). A probabilistic model for personalized tag prediction. In Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 959-968). ACM.Rendle, S., Balby Marinho, L., Nanopoulos, A., & Schmidt-Thieme, L. (2009, June). Learning optimal ranking with tensor factorization for tag recommendation. In Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 727-736). ACM.Salton, G., McGill, M. (1983). Introduction to Modern Information Retrieval, New York: McGraw-Hill.Salton, G., Wong, A., & Yang, C. S. (1975). A vector space model for automatic indexing. Communications of the ACM, 18(11), 613-620.Sigurbjörnsson, B., & Van Zwol, R. (2008, April). Flickr tag recommendation based on collective knowledge. In Proceedings of the 17th international conference on World Wide Web (pp. 327-336). ACM.https://archive.org/details/stackexchange 描述 碩士
國立政治大學
資訊管理研究所
102356003
103資料來源 http://thesis.lib.nccu.edu.tw/record/#G0102356003 資料類型 thesis dc.contributor.advisor 楊建民 zh_TW dc.contributor.author (作者) 葉早彬 zh_TW dc.contributor.author (作者) Tsao, Pin Yeh en_US dc.creator (作者) 葉早彬 zh_TW dc.creator (作者) Tsao, Pin Yeh en_US dc.date (日期) 2015 en_US dc.date.accessioned 13-七月-2015 11:07:04 (UTC+8) - dc.date.available 13-七月-2015 11:07:04 (UTC+8) - dc.date.issued (上傳時間) 13-七月-2015 11:07:04 (UTC+8) - dc.identifier (其他 識別碼) G0102356003 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/76423 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 資訊管理研究所 zh_TW dc.description (描述) 102356003 zh_TW dc.description (描述) 103 zh_TW dc.description.abstract (摘要) 隨著人們習慣的改變，從網路上獲取新知漸漸取代傳統媒體，這也延伸產生許多新的行為。社群標籤是近幾年流行的一種透過使用者標記來分類與詮釋資訊的方式，相較於傳統分類學要求物件被分類到預先定義好的類別，社群標籤則沒有這樣的要求，因此容易因應內容的變動做出調整。問答型網站是近年來興起的一種個開放性的知識分享平台，例如quora、Stack Overflow、yahoo 奇摩知識+，使用者可以在平台上與網友做問答的互動，在問與答的討論中，結合大眾的經驗與專長，幫助使用者找到滿意的答案，使用單純的問答系統的好處是可以不必在不同且以分類為主的論壇花費時間尋找答案，和在關鍵字搜索中的結果花費時間尋找答案。本研究希望能針對問答型網站的文件做自動標籤分類，運用標籤推薦技術來幫助使用者能夠更有效率的找到需要的問題，也讓問答平台可以把這些由使用者所產生的大量問題分群歸類。在研究過程蒐集Stack Exchange問答網站共20638個問題，使用naïve Bayes演算法與文件相似度計算的方式，進行標籤推薦，推薦適合的標籤給新進文件。在研究結果中，推薦標籤的準確率有64.2%本研究希望透過自動分類標籤，有效地分類問題。幫助使用者有效率的找到需要的問題，也能把這些由使用者所產生的大量問題分群歸類。 zh_TW dc.description.abstract (摘要) With User`s behavior change. User access to new knowledge from the internet instead of from the traditional media. This Change leads to a lot new behavior. Social tagging is popular in recent years through a user tag to classify and annotate information. Unlike traditional taxonomy requiring items are classified into predefined categories, Social tagging is more elastic to adjust through the content change.Q & A Website is the rise in recent years. Like Quora , Stack Overflow , yahoo Knowledge plus. User can interact with other people form this platform , in Q & A discussion, with People`s experience and expertise to help the user find a satisfactory answer. This study hopes to build a tag recommendation system for Q & A Website. The recommendation system can help people find the right problem efficiently , and let Q & A platform can put these numerous problems into the right place.We collect 20,638 questions from Stack Exchange. Use naïve Bayes algorithm and document similarity calculation to recommend tag for the new document. The result of the evaluation show we can effectively recommend relevant tags for the new question. en_US dc.description.tableofcontents 第一章 緒論 1第一節 研究背景與動機 1第二節 研究目的 2第二章 文獻探討 3第一節 標籤系統 3一、 標籤應用於web2.0網站 3二、 標籤之於資訊檢索 4第二節 標籤預測 5第三節 群眾智慧 6第四節 文字探勘 8一、 簡單貝氏分類(naive Bayes classifiers) 8二、 向量空間模型 9三、 相似度計算 11四、 K-近鄰演算法(K Nearest Neighbor) 11第五節 同義字 12第六節 小結 13第三章 研究方法 14第一節 研究架構 14第二節 研究資料來源與資料前處理 15一、 研究資料來源 15二、 資料前處理模組 16第三節 NAIVE BAYES分類器 16第四節 改良式NAIVE BAYES-KNN標籤推薦法 18一、 推薦標籤 18二、 naive Bayes 18三、 文件相似度 18四、 概念文件分群 19五、 KNN分群 20六、 調整分群 21第四章 研究結果 23第一節 檢驗NAIVE BAYES的推薦結果 23第二節 檢驗改良式NAIVE BAYES標籤推薦法的推薦結果 24第三節 加入文件群的共同標籤後的推薦結果 26第五章 結論與未來展望 28第一節 結論與建議 28第二節 未來研究方向與建議 29參考文獻 30 zh_TW dc.format.extent 1396472 bytes - dc.format.extent 1396472 bytes - dc.format.mimetype application/pdf - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0102356003 en_US dc.subject (關鍵詞) 文字探勘 zh_TW dc.subject (關鍵詞) 標籤推薦 zh_TW dc.subject (關鍵詞) 群眾智慧 zh_TW dc.subject (關鍵詞) Text Mining en_US dc.subject (關鍵詞) Tag Recommendation en_US dc.subject (關鍵詞) Collective Intelligence en_US dc.title (題名) 基於文件相似度的標籤推薦-應用於問答型網站 zh_TW dc.title (題名) Applying Tag Recommendation base on Document Similarity in Question and Answer Website en_US dc.type (資料類型) thesis en dc.relation.reference (參考文獻) 林倩妏, and 卜小蝶. "標籤雲在圖書資訊服務之應用初探." 海峽兩岸圖書資訊學學術研討會論文集 二-117 (2010).陳光華,莊雅蓁. 應用於資訊檢索的中文同義詞之建構. 資訊傳播與圖書館學, 8 (1), 2001 年 9 月, 2001, 59-75.陸明怡. "以群眾智慧觀念為基礎之群體意見結論推論模式" (碩士論文) 清華大學(2011)楊玉齡譯,Surowiecki, James 原著,2005,《群眾的智慧:如何讓個人、團隊、企業 與社會變得更聰明》,台北市:遠流公司出版社。戴瑋. "應用社會化協同標籤於網路資源搜尋." (碩士論文)中央大學(2008).http://sparc.nfu.edu.tw/~tchen/DataMining2/ch5.ppthttp://zh.wikipedia.org/wiki/最近鄰居法http://zh.wikipedia.org/wiki/Yahoo!奇摩知識+http://zh.wikipedia.org/wiki/Web_2.0Budura, A., Michel, S., Cudré-Mauroux, P., & Aberer, K. (2009). Neighborhood-based tag prediction. In The semantic web: research and applications (pp. 608-622). Springer Berlin Heidelberg.Cao, H., Xie, M., Xue, L., Liu, C., Teng, F., & Huang, Y. (2009). Social tag prediction base on supervised ranking model. In Proceeding of ECML/PKDD 2009 Discovery Challenge Workshop (pp. 35-48).Heymann, P., Ramage, D., & Garcia-Molina, H. (2008, July). Social tag prediction. In Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval (pp. 531-538). ACM.Huberman, S. G. B. A. The Structure of Collaborative Tagging Systems. No. cs. DL/0508082. cs/0508082, 2005.Jordan, A. (2002). On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes. Advances in neural information processing systems, 14, 841.Rodrigues, E. M., Milic-Frayling, N., & Fortuna, B. (2008, December). Social tagging behaviour in community-driven question answering. In Proceedings of the 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology-Volume 01 (pp. 112-119). IEEE Computer Society.McCallum, A., & Nigam, K. (1998, July). A comparison of event models for naive bayes text classification. In AAAI-98 workshop on learning for text categorization (Vol. 752, pp. 41-48).Yin, D., Xue, Z., Hong, L., & Davison, B. D. (2010, July). A probabilistic model for personalized tag prediction. In Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 959-968). ACM.Rendle, S., Balby Marinho, L., Nanopoulos, A., & Schmidt-Thieme, L. (2009, June). Learning optimal ranking with tensor factorization for tag recommendation. In Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 727-736). ACM.Salton, G., McGill, M. (1983). Introduction to Modern Information Retrieval, New York: McGraw-Hill.Salton, G., Wong, A., & Yang, C. S. (1975). A vector space model for automatic indexing. Communications of the ACM, 18(11), 613-620.Sigurbjörnsson, B., & Van Zwol, R. (2008, April). Flickr tag recommendation based on collective knowledge. In Proceedings of the 17th international conference on World Wide Web (pp. 327-336). ACM.https://archive.org/details/stackexchange zh_TW
