序列對序列模型在批踢踢自動產生推文之應用

Sequence-to-Sequence model on auto-generating PTT tweets

10.29428/9789860544169.201801.0149

洪忠駿；顏士淨

自然語言處理 ； 批踢踢實業坊 ； 深度學習 ； NLP ； PTT ； Deep learning

NCS 2017 全國計算機會議

2017（2018 / 01 / 01）

793 - 798

繁體中文

隨著近年社群網站的興起與普及，有許多平台供人們互動和獲取資訊，如何解析與應用這些龐大的資料越來越受重視。本專題使用批踢踢實業坊(PTT)中的八卦版(Gossiping)作為資料來源，將文章中的標題與推文進行處理及分析，希望能透過大量的文章找出人們對某一事情敘述的普遍回應。最終目的為透過使用者給定的一句文字敘述，輸出一段風格類似於推文的簡短回覆。首先撰寫爬蟲程式來獲取PTT Web的資料，透過篩選及過濾後，進行中文斷詞。以標題做為文意的主要依據，回應則從文章推文中基於詞頻挑選最佳推文，標題與推文間的關聯則是透過深度學習來建立。初步以開源函式庫Keras和產生好的詞向量，嘗試建立簡易的模型及訓練。再來利用Google的開源框架tf-seq2seq搭建基於RNN的Sequence-to-Sequence模型。最後展示它們在訓練及測試用資料的成果及相關討論。