社群媒體中顧客知識之挖掘：意見探勘技術開發

楊錦生; 謝佩芸; 施曉萍

doi:10.6226/NTUMR.2017.JUN.F104-008

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P1 - 28

基础与应用科学 > 资讯科学
基础与应用科学 > 统计
社会科学 > 经济学
社会科学 > 财金及会计学
社会科学 > 管理学

DOI： 10.6226/NTUMR

书目管理工具

相关连结

问题回报

全文下载

社群媒体中顾客知识之挖掘：意见探勘技术开发

Mining Consumer Knowledge from Social Media: Development of an Opinion Mining Technique

杨锦生(Chin-Sheng Yang) ；谢佩芸(Pei-Yun Xie) ；施晓萍(Hsiao-Ping Shih)

台大管理论丛； 27 卷 2S 期 (2017 / 05 / 01) ， P1 - 28

繁体中文 DOI： 10.6226/NTUMR.2017.JUN.F104-008

意见句子识别；意见探勘；使用者产生资料；社群媒体分析；巨量资料分析； opinion sentence identification ； opinion mining ； user generated content ； social media analytics ； big data analytics

0 个人觉得这篇文章赞

摘要 │ 参考文献 (36) │ 被引用文献 (4) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

With the popularization of information and network technology, many emerging and interesting applications have been developed vigorously. The volume and variety of data accumulates rapidly. These data are considered vital assets for supporting crucial business intelligence applications. To better manage and use the valuable data, big data analytics, which is the process of examining large datasets containing a variety of data types to uncover hidden, previously unknown, and potentially useful patterns and knowledge, has become a crucial research issues. In this study, we concentrate on an important big data analytic task, namely opinion mining. We propose a rule-based opinion sentence identification (R-OSI) technique, which can retrieve relevant review sentences to a specific product feature of interest from a large volume of consumer reviews. The novelty of the proposed technique is that it adopts a semi-supervised learning approach by requesting a user to provide keywords to describe the target product feature. In addition, a set of unannotated consumer reviews are retrieved from various social media websites. On the basis of the user-provided keywords and the set of unannotated consumer reviews, the class association rule mining algorithm is applied to learn a set of opinion sentence identification rules for the target product feature. Our empirical evaluation results suggest that the proposed R-OSI technique achieves promising performance in opinion sentence identification, even when a supervised learning approach is adopted as the performance benchmark.

参考文献 ( 36 ) 〈TOP〉

EMC Digital Universe with Research & Analysis by IDC. 2014. The digital universe of opportunities: Rich data and the increasing value of the internet of things. http://www.emc.com/leadership/digital-universe/2014iview/index.htm. Accessed May. 26, 2015
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., and Byers, A. H. 2011. Big data: The next frontier for innovation, competition, and productivity. http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation. Accessed May. 26, 2015.
苏俊荣，2015，财政巨量资料的未来与挑战，http://www.cse.yzu.edu.tw/qpi/download/speech/1040109_PDF.pdf，搜寻日期：2015 年5 月31 日。(Su, Chun-Jung. 2015. Future opportunities and challenges in financial big data. http://www.cse.yzu.edu.tw/qpi/download/speech/1040109_PDF.pdf. Accessed May. 31, 2015.)
Agrawal, R.,Srikant, R.(1994).Fast algorithms for mining association rules in large databases.Proceedings of the 20th International Conference on Very Large Data Bases,San Francisco, CA:
Chen, H.,Chiang, R. H. L.,Storey, V. C.(2012).Business intelligence and analytics: From big data to big impact.MIS Quarterly,36(4),1165-1188.

被引用文献 ( 4 ) 〈TOP〉

李雅靖,吴昱贤(2022)。直捣你心：直播电商对顾客参与之影响。台大管理论丛，32(1)，153-193。
萧咏璋,刘子歆,洪世章(2019)。线上企业创造锁入效应之策略分析。台大管理论丛，29(3)，167-192。
张益诚,张育杰,余泰毅(2021)。探讨环境教育论文的文件自动分类技术－以2013－2018年环境教育研讨会摘要为例。环境教育研究，17(1)，85-128。
(2021)。台湾大数据发展的型态、成效与挑战—多元专家观点。产业与管理论坛，23(1)，62-91。

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址