基於多模型深度學習架構之網路社群發文情緒分析
學年 114
學期 1
出版（發表）日期 2025-12-29
作品名稱 基於多模型深度學習架構之網路社群發文情緒分析
作品名稱（其他語言） Multi-Model Deep Learning Frameworks for Emotion Analysis of Social Media Posts
著者 張昭憲; 許博翔
單位
出版者
著錄名稱、卷期、頁數 資訊、科技與社會學報
摘要 線上社群發展快速，已成為現代人生活的一部分。然而，社群成員組成複雜，因意 見分歧產生紛擾便時有所見。更由於網路發文之情緒傳播快速，若管理者無法及時發覺， 便可能影響社群正常氛圍，甚至導致社群成員流失。因此，為維護社群長遠發展，首要 之務便是了解成員情緒變化，並及早擬定對策。以人工定期審閱社群發文固然可行，但 顯然緩不濟急，因此運用機器學習自動偵測社群發文情緒，便成為可行的解決之道。有 鑑於此，本論文以情緒沙漏模型為基礎，配合深度學習發展了一套多層次多模型情緒偵 測方法，以準確預測社群發文之複雜情緒。有別於傳統作法，提出之架構分為二層: 第 一層建構了各種不同特質之二分類模型，分別以連續過濾與平衡過濾方式加以組合，以 提升文章正負極性辨識準確性。在第二層，則提出以加權平均與投票方式組合多個二分 類模型，進一步分類第一層之輸出，以產生更高解析之情緒值。為驗證提出方法之有效 性，我們使用實際發文資料進行實驗。結果顯示，研究提出之多層次多模型架構確實優 於傳統單一模型或直覺式多分類方法。當使用連續過濾與加權平均之組合架構時，更可 獲得最佳之預測結果，改善幅度超過20%。上述成果除驗證提出方法之有效性，可做為 網站管理之重要參考依據。
關鍵字 情緒偵測; 情緒模型; 深度學習; 線上社群
語言 zh_TW
ISSN 1682-8054
期刊性質 國內
收錄於
產學合作
通訊作者
審稿制度 是
國別 TWN
公開徵稿
出版型式 ,電子版
相關連結

機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/128562 )

SDGS 優質教育