基於多模型深度學習架構之網路社群發文情緒分析

淡江大學機構典藏 > 商管學院 > 資訊管理學系暨研究所 > 期刊論文 > Item 987654321/128562

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/128562

題名:	基於多模型深度學習架構之網路社群發文情緒分析
其他題名:	Multi-Model Deep Learning Frameworks for Emotion Analysis of Social Media Posts
作者:	張昭憲;許博翔
關鍵詞:	情緒偵測;情緒模型;深度學習;線上社群
日期:	2025-12-29
上傳時間:	2026-03-05 12:09:59 (UTC+8)
出版者:	中央警察大學資管系
摘要:	線上社群發展快速，已成為現代人生活的一部分。然而，社群成員組成複雜，因意見分歧產生紛擾便時有所見。更由於網路發文之情緒傳播快速，若管理者無法及時發覺，便可能影響社群正常氛圍，甚至導致社群成員流失。因此，為維護社群長遠發展，首要之務便是了解成員情緒變化，並及早擬定對策。以人工定期審閱社群發文固然可行，但顯然緩不濟急，因此運用機器學習自動偵測社群發文情緒，便成為可行的解決之道。有鑑於此，本論文以情緒沙漏模型為基礎，配合深度學習發展了一套多層次多模型情緒偵測方法，以準確預測社群發文之複雜情緒。有別於傳統作法，提出之架構分為二層: 第一層建構了各種不同特質之二分類模型，分別以連續過濾與平衡過濾方式加以組合，以提升文章正負極性辨識準確性。在第二層，則提出以加權平均與投票方式組合多個二分類模型，進一步分類第一層之輸出，以產生更高解析之情緒值。為驗證提出方法之有效性，我們使用實際發文資料進行實驗。結果顯示，研究提出之多層次多模型架構確實優於傳統單一模型或直覺式多分類方法。當使用連續過濾與加權平均之組合架構時，更可獲得最佳之預測結果，改善幅度超過20%。上述成果除驗證提出方法之有效性，可做為網站管理之重要參考依據。
關聯:	資訊、科技與社會學報
顯示於類別:	[資訊管理學系暨研究所] 期刊論文

文件中的檔案:

沒有與此文件相關的檔案.

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....