詹翰良 元智大學 資訊工程學系 李祐陞 中央研究院 資訊創新科技中心 王祥安 中央研究院 資訊創新科技中心

2012

DADHIC

背景介紹 動機與目的 相關研究 實驗步驟 未來方向

2012

DADHIC

中央研究院數位典藏資源網 ◦ 中央研究院數位典藏計畫的入口網站 ◦ 整合超過一百個網站與資料庫的內容 ◦ 收集超過一百萬筆的metadata，並持續增加中 ◦ 提供相關內容推薦的機制

2012

DADHIC

依文章類別作推薦 ◦ 文章已依照魚類、貝類等十七個類別主題做分類 ◦ 挑選相同分類的文章推薦給使用者

依內容相關性作推薦 ◦ 依特徵選取重要關鍵字 ◦ 進行文件相似比對

2012

DADHIC

以文章分類、內容性相關的推薦精準度不足 ◦ 有些文章屬於多個類別 ◦ 有些文章不屬於任何類別 ◦ 有些文章與太多內容相關

使用者不易了解推薦內容的相關性 ◦ 使用者須看完整篇文章才能了解是否相關 ◦ 使用者無法了解與本文相關的概念有哪些

2012

DADHIC

提供好的推薦機制 ◦ 改善推薦的精準度，讓系統推薦的內容更貼切使用者的需求 ◦ 讓使用者以圖形化的方式，更直覺地了解網站中相關的內容 ◦ 讓使用者能看到更多相關的內容，增加使用的時間 ◦ 讓使用者有良好的使用經驗，增加未來使用的意願

2012

DADHIC

以概念詞組的方式做搜尋，調整文章的Ranking

將文章內容的關聯性，以較直覺的圖形化方式呈現

2012

DADHIC

內容式推薦 ◦ 使用者個人在網站的停留時間、操作 ◦ 文章的閱覽次、點擊次 ◦ 文章內容相關 例：「梯狀福壽螺」、「福壽螺」

協同式推薦 ◦ 透過行為相似的使用者評分，來推薦使用者感興趣的項目 ◦ 缺點 若自己是第一個評分的使用者，則無從參考(Cold Start) 文章太多，被評分的文件數量有限(Sparsity)

2012

DADHIC

Item Representation ◦ 依照文章內容作解析

個人化 ◦ User Profiles 使用者與系統的互動 精準度隨著時間提升 數典網站沒辦法留住使用者這麼久

◦ Learning Model 透過使用者回饋滿意或不滿意 缺點：造成使用者困擾

2012

DADHIC

簡介 ◦ 最早由Apriori所提出 ◦ 從大型資料庫找熱門商品之間的關係 例：尿布與啤酒

應用 ◦ 以一篇文章當作一筆交易 ◦ 以關鍵字當作商品 ◦ 建立關鍵字彼此之間的關係

2012

DADHIC

演算法 ◦ FP-Growth vs Apriori 優點 建立樹狀結構與檢索效率較好 不會產生過多組合

缺點 占用較多記憶體

2012

DADHIC

知識（Knowledge）是加值過的資料（Data）與資訊（Information），地圖是知識內容的視覺化與圖表化呈現模式。 換言之，知識地圖（Knowledge Map）即是有價值資訊的圖表化呈現結果。

2012

DADHIC

邊 ◦ 由Association Rule所建立關鍵字彼此的關係

點 ◦ 各個關鍵字名稱

將關鍵字彼此的關係繪製成圖形

2012

DADHIC

詞組 ◦ 足以代表一個概念，由多個關鍵字所組成

如何透過 Knowledge Map 建立詞組？

2012

DADHIC

分團 ◦ 針對一個Graph=(Vertex,Edge)，找出一組

Vertex={1…n}是所有頂點的集合。Edge={1…n}是所有邊的集合。

Clique ◦ 一個Sub-Graph，其所有 端點彼此兩兩完全相連。

2012

DADHIC

Maximal Clique ◦ 不被其他Clique所包含的Clique

Maximum Clique ◦ 擁有最多頂點數的Clique 2012

DADHIC

透過詞組的建立，可以把原始的複雜圖化為多個小群組，而這每個群組就是我們的詞組。 2012

DADHIC

建立關鍵字資訊

解析文章關鍵字

建立關聯規則

平行化 建立關鍵詞組

以詞組做搜尋

2012

DADHIC

聯合目錄字典檔 ◦ 由人力挑選、建置而成 ◦ 約十萬字

數典資料 ◦ 符合Dublin Core格式 ◦ 針對Description、Coverage、Subject、Title 進行關聯法則 ◦ 若關鍵字出現在這些元素中， 代表這篇文章與這個關鍵字有相關

2012

DADHIC

對每個關鍵字建立相關資訊 以「數位典藏」為例 ◦ TF(詞頻)：

「數位典藏」出現的次數除以該文件的總詞語數 ◦ DF(文件頻率)：

有多少份文件出現過「數位典藏」一詞， ◦ 跨分類頻率：「數位典藏」出現在幾個主題之中

2012

DADHIC

2012

DADHIC

擷取每篇文章的關鍵字 依照關鍵字的DF降冪排列 2012

DADHIC

用FP-Growth找出關聯項目(Frequent-Pattern) ◦ Confidence通過一定門檻的項目 ◦ 例：警察、罰鍰

平行化 ◦ 事先取得所有關鍵字的DF ◦ 對關鍵字排序 ◦ 將文件分散給多部機器

2012

DADHIC

平行化工具 ◦ Gearman vs Hadoop 設定簡單 撰寫結構較簡單 跨平台，包含Java、C、PHP、Python

2012

DADHIC

依照關聯規則所找到的關聯項目 依照Confidence的高低 建立不同Confidence的關鍵詞組

把關鍵字的關係建成Knowledge Map

利用分團問題，找出Maximum Clique。 每個Clique內的元素就是關鍵詞組

2012

DADHIC

詞組示意圖

2012

DADHIC

查詢 ◦ 以詞組作為Query的單位 Confidence層級越高，則Score越高 詞組元素越多，則Score越高

◦ 最終的Ranking受到Clique大小以及Confidence層級影響

2012

DADHIC

對於沒有特定主題或是太多主題的文章，效果較差

可透過Knowledge Map看出文章大意

2012

DADHIC

以視覺化呈現 vs 條列式呈現 ◦ 視覺化呈現的優點 將文章概念濃縮成圖形化方式，快速理解 閱讀文章前即可了解文章大意

2012

DADHIC

2012

DADHIC

2012

DADHIC

改善關鍵字挑選 ◦ 字典檔的維護 ◦ 長辭優先篩選 例如：中國、現代史→中國現代史

關聯規則加強 ◦ 加入語句的概念來挑選每個主題的關鍵字 ◦ 詞間距離混合計算

2012

DADHIC

在少許的情況下，會形成類似蜘蛛網或是太陽發散的圖形，應避免這種圖形出現

使用者行為分析(User Log) ◦ 使用者對於現行推薦結果的滿意度 問卷方式 群眾外包(crowdsourcing) ◦ 關聯式推薦是否產生更多點擊、增加使用者停留時間

2012

DADHIC

感謝您的聆聽 2012

DADHIC