基於群眾意見關鍵詞向量之社群輿論分析研究

在這個網路普及的時代，網際網路已經成為人們分享與取得知識的重要來源，且隨著社群多媒體的蓬勃發展，任何網際網路使用者都能夠輕鬆地對一事件發表意見與看法，這種便利性雖然讓網際網路成為了解事件的重要知識寶庫，但超載的事件資訊卻也加重了使用者了解事件的負擔。有鑑於此，本研究基於文字探勘技術分析社群多媒體中的群眾意見，有別於以往的研究，本研究是從分析短文本(short text)主題對讀者產生的情緒，進而彙整成群眾之輿論與觀感。本研究中，我們提出了群眾意見關鍵詞向量(Public Opinion Keyword Embeddings, POKE)用以表達每一則來自社群多媒體的短文本，並且與多項單純貝氏分類器(Multinomial Naive Bayes classifier)、決策樹(Decision tree)、邏輯斯迴歸(Logistic regression)以及社群短文字分類常用方法LibShortText做比較。從實驗結果顯示，本研究方法POKE在整體的效能評估中皆獲得最好的效能表現，即代表本研究方法能有效地表達短文本群眾意見的意涵，並結合視覺化分析方法進而更深入瞭解社群多媒體中的群眾意見。