【正文】 此項 數(shù)位音樂 下載將是市場上首項具有防止盜錄功能的產(chǎn)品。今秋 ﹐ 東京街頭將會出現(xiàn)一個“ 靴子 ” 時裝展。在此文中，我們也從幾個不同角度，分析和比較這三個 metadata 格式的異同和優(yōu)缺點。數(shù)位文字知識探勘 以中文索引典之建構(gòu)及應(yīng)用為例 ? 文字知識探勘簡介 ? 索引典建構(gòu)：緣由與目的 ? 相關(guān)之研究 ? 關(guān)鍵詞自動擷取 ? 關(guān)聯(lián)詞自動擷取 ? 應(yīng)用範例 ? 成效評估 曾元顯 資訊中心 國立臺灣師範大學 近年研究主題演進圖 2020 1997 1998 1999 2020 2020 2020 2020 2020 2020 2020 2020 音樂檢索 關(guān)鍵詞擷取 關(guān)聯(lián)詞分析 自動分類 自動摘要 自動歸類 知識探勘 主題檢索 自動編目與檢索 第二名 (瑞士舉辦 ) JASIST JASIST SIGIR SIGIR SIGIR 中國圖書館學會會 報 (中國時報 ) IEEE ICME 、 IACIS NTCIR WOCMAT NTCIR NTCIR NTCIR NTCIR IPM NTCIR SIGIR (79) 分類不一致性偵測 專利、學術(shù)文獻主題趨勢分析 JIS IRAL SIGIR AIRS ISSI Scientometrics STI 知識探勘 ? 知識探勘 （ knowledge discovery, KD） – 擷取隱晦、有用、未被發(fā)掘、有潛在價值的規(guī)則、資訊或知識的一種過程 – 實務(wù)上，運用資訊組織與分析等探勘技術(shù)，與使用者互動，反覆探索，發(fā)現(xiàn)訊息或規(guī)律，人工解讀結(jié)果，轉(zhuǎn)換規(guī)律訊息成資訊或知識。 Terms before filtering 1. 設(shè) 計 : 3 2. 資 料 : 3 3. 網(wǎng) 路 : 3 4. 標 準 : 3 5. Dublin Core : 2 6. FGDC 的 Digital Geospatial Metadata : 2 7. IETE 的 : 2 8. 三 個 : 2 9. 文 中 : 2 10. 比 較 : 2 11. 它 們 : 2 12. 由 於 : 2 13. 地 理 : 2 14. 成 為 : 2 15. 我 們 : 2 16. 的 支 持 : 2 17. 的 設(shè) 計 目 : 2 18. 格 式 : 2 19. 著 錄 : 2 20. 電 子 : 2 21. 網(wǎng) 際 網(wǎng) 路 : 2 22. 環(huán) 境 : 2 23. 雖 然 : 2 24. 類 似 : 2 Terms after filtering 1. 設(shè) 計 : 3 (design) 2. 資 料 : 3 (data) 3. 網(wǎng) 路 : 3 (work) 4. 標 準 : 3 (standard) 5. Dublin Core : 2 6. FGDC 的 Digital Geospatial Metadata : 2 7. IETE : 2 8. 三 個 : 2 (three) 9. 文 中 : 2 (in the article) 10. 比 較 : 2 (parison) 11. 它 們 : 2 (they) 12. 由 於 : 2 (owing to) 13. 地 理 : 2 (geography) 14. 成 為 : 2 (bee) 15. 我 們 : 2 (we) 16. 支 持 : 2 (support) 17. 設(shè) 計 目 : 2 (incorrect term) 18. 格 式 : 2 (format) 19. 著 錄 : 2 (record) 20. 電 子 : 2 (electronics) 21. 網(wǎng) 際 網(wǎng) 路 : 2 (Inter) 22. 環(huán) 境 : 2 (environment) 23. 雖 然 : 2 (although) 24. 類 似 : 2 (similar) Keyword Extraction for Chinese “ 松軟型 ” 和 “ 卷腿型 ” ﹑ 您選擇哪一種 ?! 今秋東京流行靴子新款式！ 春夏秋冬 ﹐ 不論是那個季節(jié) ﹐ 只要一換季就會有新的款式出現(xiàn)。 1. 靴子新款式 :2 2. 今秋東京 :2 3. 東京街頭 :2 4. 新款式 :3 5. 卷腿型 :2 6. 松軟型 :2 7. 哪一種 :2 8. 款式 :7 9. 靴子 :7 10. 今秋 :4 11. 流行 :3 12. 充分 :2 13. 出現(xiàn) :2 14. 吸引 :2 15. 春夏 :2 16. 秋冬 :2 17. 紛紛 :2 18. 設(shè)計 :2 19. 開始 :2 20. 腳上 :2 關(guān)鍵詞自動擷取範例 [Tseng 2020]:直接運用於日文 Keyphrase Extraction: Example The term “mittee” in various erroneous forms (from OCR) was extracted, showing that the algorithm really can extract lexical terms without knowing their semantics (which is both an advantage and a disadvantage) 關(guān)鍵詞擷取成效評估 ? 評估資料： – 100篇臺灣新聞（抓自 2020年 6月 3日中國時報網(wǎng)站） ? 結(jié)果： – 平均每篇文件有 33 個關(guān)鍵詞 – 平均每篇文件有 11 (33%) 個關(guān)鍵詞不在詞庫中（含 123, 226 個詞 ） – 相異的關(guān)鍵詞總共 2197 個 – 其中有 954 個詞（ 954/2197 = 43%）不在詞庫中 – 954 個詞中有 79 個是錯誤不合法的詞（人工檢視結(jié)果），錯誤率 % – 整體錯誤率則為 % (=79/2197) 單篇文件關(guān)鍵詞、關(guān)聯(lián)詞擷取範例 BMG Entertainment與 Sony Music計畫在Inter 上銷售 數(shù)位音樂 。網(wǎng)路音樂市場在過去幾年已顯現(xiàn) 市場潛力，主要拜 MP3規(guī)格之賜。 消費者將可在手提裝置上聆聽下載來的 數(shù)位音樂 。無論哪一種都用花編和絨毛做裝飾 ﹐ 充分再現(xiàn)了女孩子愛美之心 ﹐ 也同樣會把行人的目光吸引到穿著漂亮皮靴的腳上。由 IETE 的 URI 工作小組所負責的 URC，其原始的設(shè)計目的雖是用來連結(jié) URL 和 URN，但為因應(yīng)電子圖書館時代的要求，其內(nèi)含逐漸擴大，雖然尚在發(fā)展中，但由於有 IETE 的支持，未來成為網(wǎng)際網(wǎng)路上通用標準的可能性極大。 ? 資料探勘 （ data mining, DM） – 處理結(jié)構(gòu)化（ structured）資料，即資料間有共同欄位 ? 文字探勘 （ text mining, TM） – 處理非結(jié)構(gòu)化資料，資料常為自由文字 知識探勘步驟與技術(shù) ? 步驟： –資料蒐集 –資料清理 –資料轉(zhuǎn)換 –探勘技術(shù)運用 –結(jié)果呈現(xiàn)與解讀 ? 技術(shù)： – 關(guān)聯(lián)分析（ association） – 分類（ classification） – 歸類（ clustering） – 概略化（ generation） – 預(yù)測（ prediction） – 序列分析（ sequence analysis） – 特徵詞彙擷取 – 索引與檢索 – 摘要（ summarization） 資訊組織與主題分析 ? 資訊組織與主題分析的技術(shù)內(nèi)容 –資訊檢索 –權(quán)威控制 –詞彙關(guān)聯(lián) –內(nèi)容摘要 –主題歸類 –文件分類 ? 圖書館學較重視標準化的作業(yè)與架構(gòu) ? 資訊科技較重視