|
摘要
|
社群網路已經成為人們生活的一部分，每日在其中進行各項活動。在社群規範的限制下，社群成員大多能和平相處，以正面方式進行發文或回文。然而，在言論自由前提下，仍可能出現各種不當發文，嚴重影響社群的氛圍。因此，社群管理者若能事先瞭解文章所引發情緒類型，便可予以制止(或鼓勵)，使社群維持正面發展。換言之，如何有效察覺社群中情緒的變化，進而做出合適的處置，便成為社群管理的重要課題。有鑑於此，為提供更符合實際需求之文章情緒偵測，本研究以多維度情緒模型為基礎，發展有效的情緒偵測方法。 首先，針對文章層級的情緒偵測，本研究提出一套BERT-RE Fusion預測架構。透過情緒維度的縮減與再擴充，使多維度情緒值預測更為準確。其次，我們也發展以單句為基礎的文章情緒預測方法。透過累積文章中單句的情緒，再以不同方式加以組合。有關單句的情緒預測，我們提出了一套BERT-NP-Binary架構，特點為能凸顯文章中情緒較為強烈的單句。此外，本研究也發展了一套全新的情緒彙整方法-Feature Extraction Matching特徵擷取合併法，將單句的情緒以合理方式彙整成為總體文章情緒。 為驗證提出方法之有效性，我們使用Yelp評論(Yelp, 2023)作為實驗資料集，並與其他多種方法進行比較。在文章層級的實驗中，我們與二種不同架構進行比較，本研究提出之BERT-RE Fusion架構可獲最佳的平均RMSE。在以單句為基礎的文章情緒預測中，本研究提出之BERT-NP-Binary預測架構配合Feature Extraction Matching特徵擷取合併法亦可獲得最好的RMSE。由上述結果驗證了本研究提出方法之有效性，相關結果將可提供社群管理者寶貴的決策依據。 |
GoogleAnalytics