摘要
目的 評估使用不同的分類及特徵選取法，應用在預測手機評論文章對產品之評價時，其精確度的好壞，以做為建立自動化評論分類機制的參考。 設計／方法／門徑 本研究從網路上搜集使用者發表之已標記評價（1~5顆星）的手機評論做為訓練資料，進行前處理、特徵選取、權重計算等過程，將文章轉換成分類演算法可處理的數值資料，並使用不同的學習法訓練出用來預測某篇評論對產品之評價的模型。 最後再使用訓練出的模型，對未標記評價數的評論進行分類，若分類器對測試文章判斷的評價和評論原作者真正的評價一致，則表示分類器有著高度的精確性。 發現 本研究在實驗的過程中，記錄不同的資料處理及學習方式，包括不同的特徵選取數，分類演算法及一些細部的參數調整對於分類結果的影響，並整理出精確度最高的方式。 研究限制／影響 由於網路上對手機這項產品的評論文章數目過多，在蒐集資料時無法涵蓋所有的資料來源（網站），故本文以亞馬遜網站上的手機評論文章為限，做為分類的訓練及測試資料。 實用的影響 本文之研究結果可作為建立自動化分類機制的參考。使用者欲從網路上取得他人的使用經驗或產品相關資訊時，可藉由這樣的判斷機制，自動判斷出文章所評的產品好壞，而無須花費大量的時間和心思去閱讀完整份文章，來判斷產品的好壞。 創新／價值 在資料來源及實驗對象方面，至今尚未有人以亞馬遜網站之手機評論文章，做為訓練分類器及評估其效能的資料。 而就分類法學習法的評估方面，本研究著重於非監督式及監督式學習法的比較，這兩類的學習方式及時間成本的需求上有所不同，提供一個選擇學習法的參考。
延伸閱讀
- 何居鴻（2019）。資料探勘於行動應用程式與行動支付推薦機制之研究〔碩士論文，淡江大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0002-1709201914105500
- 徐毓雯（2011）。產品評論特徵自動擷取之研究〔碩士論文，國立臺灣師範大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0021-1610201315225266
- 林瑞裕（2013）。智慧型手機操弄評論辨識之研究〔碩士論文，朝陽科技大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0078-2712201314042747
- Hsu, J. H., Chiang, T. L., & Wang, H. C. (2006). 應用變數精準粗略集於手機測試程序之研究. 工業工程學刊, 23(4), 345-355. https://doi.org/10.29977/JCIIE.200607.0009
- Li, C. L. (2010). 一個新的資料特徵產生方法應用於手機影片推薦之使用者分群之研究 [master's thesis, National Chiao Tung University]. Airiti Library. https://doi.org/10.6842/NCTU.2010.01074