文本分析的基礎建設：臺灣國會研究詞庫的建置與測試

Isaac Shih-Hao Huang

doi:10.6683/TPSR.202306_27(1).0003

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：2025/04/01~2025/06/30

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

P119 - 177

社会科学 > 社会科学综合

DOI： 10.6683/TPSR

书目管理工具

相关连结

问题回报

全文下载

文本分析的基础建设：台湾国会研究词库的建置与测试

Infrastructure of Text Analysis: Building and Evaluating the Lexicon for Taiwan Legislative Studies

黄士豪(Isaac Shih-Hao Huang)

台湾政治学刊； 27 卷 1 期 (2023 / 06 / 01) ， P119 - 177

繁体中文;英文 DOI： 10.6683/TPSR.202306_27(1).0003

自然语言处理；文本分析；断词；立法院；台湾国会研究词库； Natural Language Processing ； Text Analysis ； Word Segmentation ； Legislative Yuan ； Lexicon for Taiwan Legislative Studies

0 个人觉得这篇文章赞

摘要 │ 参考文献 (58) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

An increasing number of legislative studies have applied natural language processing skills to replace human labor in identifying topics, positions and sentiments underlying legislative texts. Taiwan's parliament is the only democratic parliament in the world that uses Chinese as the official language. Studies of Taiwan's legislative record are critical to the development of comparative legislative studies and Chinese text analysis. However, the distribution of terms that appear in legislative records is different from the distribution of those seen in daily conversations. Existing Chinese word segmentation tools are limited in recognizing these terms, leading to biases in estimating the probability of terms and compromising the reliability, as well as the validity, of research findings. This study builds a lexicon for Taiwan legislative studies (LTLS). The LTLS collects more than 137,000 terms that may be seen in legislative records and political texts. Moreover, this research unprecedentedly evaluates the performance of three frequently used Chinese word segmentation systems, Jieba, CKIP and Articut, in terms of how much each of them may help identify topics in legislators' oral interpellations as human coders do. The results show that word segmentation matters in altering the results of text analyses. To be specific, the three existing word segmentation tools are far from perfect in helping identify the topics of texts. Among them, Articut is the best without adding the LTLS, followed by CKIP and Jieba, respectively. More importantly, each of them performs better with the LTLS, and CKIP outperforms the others when the LTLS is an add-on. This research provides empirical evaluations that help researchers in choosing word segmentation tools. In addition, it demonstrates that the LTLS can be a cost-efficient and accessible tool to improve Chinese word segmentation for Taiwan's legislative studies. Its release and expansion may enhance the development of Chinese text analyses in legislative studies in Taiwan and serve as a building block of a more comprehensive Chinese lexicon for political studies in other fields.

参考文献 ( 58 ) 〈TOP〉

Chen, Keh-jiann,Bai, Ming-hong(1998).Unknown Word Detection for Chinese by a Corpus-based Learning Method.International Journal of Computational Linguistics and Chinese Language Processing,3(1),27-44.
连结：
陈世荣, Roger S.(2015)。社会科学研究中的文字探勘应用：以文意为基础的文件分类及其问题。人文及社会科学集刊，27(4)，683-718。
连结：
黄士豪, Shih-hao(2017)。谁要议题所有权？立法委员立法提案与议题所有权的建立。台湾民主季刊，14(1)，1-57。
连结：
黄纯敏, Chuen-min(2019)。基於语汇链、格律断词方法以主题模型进行古诗词探勘与分析。资讯管理学报，26(3)，275-306。
连结：
廖达琪, Da-chi,林福仁, Fu-ren,黄郁慈, Yu-ci,刘子昱, Zi-yu,李承训, Cheng-xun(2012)。台湾立法委员政见资料库之建置。选举研究，19(2)，129-158。
连结：

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