隨著人們習慣的改變，從網路上獲取新知漸漸取代傳統媒體，這也延伸產生許多新的行為。社群標籤是近幾年流行的一種透過使用者標記來分類與詮釋資訊的方式，相較於傳統分類學要求物件被分類到預先定義好的類別，社群標籤則沒有這樣的要求，因此容易因應內容的變動做出調整。
問答型網站是近年來興起的一種個開放性的知識分享平台，例如quora、Stack Overflow、yahoo 奇摩知識+，使用者可以在平台上與網友做問答的互動，在問與答的討論中，結合大眾的經驗與專長，幫助使用者找到滿意的答案，使用單純的問答系統的好處是可以不必在不同且以分類為主的論壇花費時間尋找答案，和在關鍵字搜索中的結果花費時間尋找答案。
本研究希望能針對問答型網站的文件做自動標籤分類，運用標籤推薦技術來幫助使用者能夠更有效率的找到需要的問題，也讓問答平台可以把這些由使用者所產生的大量問題分群歸類。
在研究過程蒐集Stack Exchange問答網站共20638個問題，使用naïve Bayes演算法與文件相似度計算的方式，進行標籤推薦，推薦適合的標籤給新進文件。在研究結果中，推薦標籤的準確率有64.2%
本研究希望透過自動分類標籤，有效地分類問題。幫助使用者有效率的找到需要的問題，也能把這些由使用者所產生的大量問題分群歸類。 / With User's behavior change. User access to new knowledge from the internet instead of from the traditional media. This Change leads to a lot new behavior. Social tagging is popular in recent years through a user tag to classify and annotate information. Unlike traditional taxonomy requiring items are classified into predefined categories, Social tagging is more elastic to adjust through the content change.
Q & A Website is the rise in recent years. Like Quora , Stack Overflow , yahoo Knowledge plus. User can interact with other people form this platform , in Q & A discussion, with People's experience and expertise to help the user find a satisfactory answer.
This study hopes to build a tag recommendation system for Q & A Website. The recommendation system can help people find the right problem efficiently , and let Q & A platform can put these numerous problems into the right place.
We collect 20,638 questions from Stack Exchange. Use naïve Bayes algorithm and document similarity calculation to recommend tag for the new document. The result of the evaluation show we can effectively recommend relevant tags for the new question.
| Identifer | oai:union.ndltd.org:CHENGCHI/G0102356003 |
| Creators | 葉早彬, Tsao, Pin Yeh |
| Publisher | 國立政治大學 |
| Source Sets | National Chengchi University Libraries |
| Language | 中文 |
| Detected Language | English |
| Type | text |
| Rights | Copyright © nccu library on behalf of the copyright holders |
Page generated in 0.0019 seconds