社会科学研究中的文字探勘应用以文意为基础的文件-中国文化大学.pdfVIP

《人文及社會科學集刊》 104/ 12 , pp. 683– 718 第二十七卷第四期 （ ） C 社會科學研究中的文字探勘應用 ：以文意為基礎的文件分類及其問題 683 ○中央研究院人文社會科學研究中心 ＊ 陳世榮 中國文化大學行政管理學系副教授 隨著電子典藏技術的精進 ，文字探勘技術逐漸受到重視 ，本文以社會科學 研究在文意區別上的需求 ，評估監督式機器學習對非結構 、複雜文本的分類效 果 ，並就所見問題提出分析與建議 。本文從文字探勘與內容分析文意區別上的 差異與共通性出發 ，繼而以新聞報導為分析資料 ，針就特定文件意向，遵循一 般文字探勘程序 ，以支持向量機與簡易貝式分類器執行文件分類評估 。分析結 果指出，文字探勘對於複雜文意的判讀效果值得肯定 ，但經由共詞網絡分析也 發現 ，文件的編撰風格將影響文件分類的效果。建議研究者在資料處理初期 ， 應反覆評估研究目的、資料特性與分類器模型間的契合度 。 隨著網路資訊發達 ，數位典藏盛行 ，社會科學研究史無前例地受惠於電 子資料的應用 ，類型多樣的資料延伸了知識探求的觸角 ，歷時性的檔案文本 big data 開啟了深究社會結構與行為趨勢的機會。然而 ，大數據 （ ）的利用 ， 也意味著社科研究在資料處理能力上的挑戰 ，傳統所依賴的研究方法 ，諸如 內容分析法 ，必須做相應的調整 。所幸 ，伴隨著資訊科學的發展 ，資料解析 ✽作者感謝二位匿名審查人的寶貴意見。 103 9 11 104 7 28 收稿日期 ： 年 月 日；接受刊登日期 ： 年 月 日 684 人文及社會科學集刊 與處理一直受到高度關切 ，並已發展成體系龐大且複雜的知識領域 ，這無疑 提供社會科學界在未來數位資料應用上極為重要的支持與推力。 應用層面上 ，過去二十年間，在商業利益的推波助瀾之下 ，對電子化訊 data mining 息解讀的需求陡升 ，促使資料探勘 （ ）熱潮 ，進一步延伸出文字 text mining 探勘 （ ）的應用。所謂 「文字探勘」指的是，就所蒐集的特定巨量 文件 ，執行編輯 、組織與分析的過程 ，以發現其間隱含的特徵關聯或新穎有 Blake, 2011: 125– 126; Sullivan, 趣的模式 ，提供分析師或決策者特定的訊息 （ 2001: 326 ）。由於探勘過程高度仰賴電腦計算與模型運用 ，得以處理巨量資 natural language processing 料 ，使得 「自然語言處理」（ ）技術獲得跨領域的 應用價值 ，社會科學研究也不例外 。 但是 ，這份期待也不是沒有限制的。首先 ，基於網際網路所引發的資訊 爆炸與訊息超載 ，快速簡潔地萃取有意義及有價值的資訊 ，正是 「自然語言 Semantic Web 處理」發展的目的。如同當前資訊科學所積極推動的語意網 （ ）