臺灣博碩士論文加值系統

網路視頻彈幕的出現，促成了一種新的評論方式。隨著彈幕視頻的觀看者越來越多，彈幕評論中的觀點和觀看者的情感表達將更具有探討性與研究性。彈幕評論代表著觀看者對視頻的主觀評論；字幕則是對視頻中劇情角色對話的客觀呈現，兩者關係是對觀看者在觀看視頻後，對於劇中情節的看法及觀感。
本研究採用情感分析的方法，對彈幕與字幕進行統計分析，比較其性質、特色與兩者之間的關聯性。研究結果發現，彈幕方面字數較短、帶有強烈情感，且有許多專有的新興詞彙，另一方面從情感量化的數據來看，可以明確瞭解觀眾們對於視頻的喜惡程度；字幕方面則是劇情好壞走向的基本判斷；透過研究結果的分析，可以發掘更貼近使用者對於視頻內容播放的情節最即時與真實的想法，也可以將其結果應用於網路視頻的後續情節設計、推薦及視頻相關行業，給予一些新的評判資料的來源管道。

The emergence of the online or network video "bullet screen" has facilitated a new comment way. With more and more viewers of using bullet screen, the commentary in the bullet screen and the sentiment expression of the viewer will be more exploratory and value of study. Bullet screen commentary on behalf of the views on the video subjective comments; subtitles is the objective presentation of the role's talked in the video, the relationship between the two is the viewer's view and impressions of the plot in the drama.
This study adopts the method of sentiment analysis, carry on statistical analysis to bullet screen and subtitle, compare theirs nature, characteristics and the relationship between the two. The results of the study found that the bullet screen aspect of the word is short, with a strong sentiment, and there are many proprietary emerging vocabularies. Besides, according to data with quantized sentiment, can understand audiences for the degree of likes and dislikes. On the contrary, the subtitle is the basic judgment of the story is good or bad. The analysis of the results of the study can be found closer to the user for the video content broadcast plot of the most immediate and real ideas, can also be applied to the results of the follow-up network video design, recommend for video-related industries, to provide a novel message analysis mode to get the source of the user willingness.

目次
摘要 i
圖次 v
表次 vii
第一章 緒論 1
第一節 研究背景 1
第二節 研究目的與問題 3
第三節 研究規劃 4
第二章 文獻探討 5
第一節 情感分析 5
第二節 網路視頻彈幕 11
第三章 研究設計 15
第一節 核心模塊 15
第二節 彈幕評論與字幕情感分析研究模型 19
第三節 情感詞典匹配與計算 20
第四節 視頻來源與實驗數據集 21
第五節 研究限制與範圍 22
第四章 資料分析 23
第一節 視頻來源與數據集實作說明 23
第二節 數據清洗與處理 27
第三節 情感詞典建構 28
第四節 彈幕與字幕的情感分析步驟 31
第五章 實驗結果 32
第一節 彈幕與字幕之統計數據 32
第二節 彈幕與字幕各別情感值分析 33
第三節 彈幕與字幕之間的關係 37
第六章 研究結論與建議 49
第一節 研究結論 49
第二節 研究建議 51
參考文獻 52

圖次
圖 1 整體研究流程規畫 4
圖 2 基準詞生成方法流程 8
圖 3情感詞自動識別和情感詞庫 8
圖 4 電影評論情感分析模型 10
圖 5 網路視頻彈幕擷取範例圖 11
圖 6 niconico動漫網擷取圖 12
圖 7 Acfun彈幕視頻網站截取圖 12
圖 8 bilibili彈幕視頻網站截取圖 12
圖 9 彈幕與字幕之情感分析模型 19
圖 10 彈幕下載頁面擷取圖 23
圖 11 XML資料Excel整理擷取圖 24
圖 12 STR字幕格式擷取圖 26
圖 13 SRT格式調整擷取圖 26
圖 14 彈幕缺失值 27
圖 15 Rwordseg包分詞效果展示 29
圖 16 分詞統計 30
圖 17 部份詞彙添加擷取圖 30
圖 18 字幕一至五分鐘情感值擷取圖 31
圖 19 單位時間之字幕情感值擷取圖 31
圖 20 彈幕與字幕之各別情感表現之三種基本情況 33
圖 21 彈幕字幕配對關係圖 37

表次
表 1部分情感詞典內容 20
表 2 彈幕內容部分截取 21
表 3字幕內容部分截取 22
表 4影集基本內容概況 22
表 5彈幕欄位介紹表 24
表 6 發送彈幕格式說明 25
表 7 彈幕匯入問題 27
表 8 基本情感詞典部分內容擷取 28
表 9 R語言套件介紹 29
表 10 彈幕專屬詞典數量 30
表 11 彈幕字幕情感值統計數據 32
表 12 正向顯著，負向情不顯著之情感值範例 34
表 13 負向顯著、正向不顯著之情感值範例 34
表 14 正、負向情感值皆顯著之範例 35
表 15 字幕正向情感顯著與彈幕正向顯著範例 38
表 16 字幕正顯著與彈幕負向顯著範例 38
表 17 字幕負向顯著與彈幕正向顯著範例 39
表 18 字幕負向顯著與彈幕負向顯著範例 39
表 19 字幕正向顯著與彈幕皆顯著範例 40

1.Chu, M. Y. (2004). Blissful Data: Wisdom and Strategies for Providing Meaningful, Useful, and Accessible Data for All Employees. AMACOM Div American Mgmt Assn.
2.Gao, JIN (2010).漢語詞語情感傾向自動判斷研究. 計算機工程 , 36 (23), 194-196.
3.He, W., Wu, H., Yan, G., Akula, V., & Shen, J. (2015). A novel social media competitive analytics framework with sentiment benchmarks. Information & Management.
4.Hu, M., & Liu, B. (2004, August). Mining and summarizing customer reviews. InProceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 168-177). ACM.
5.Jing, ZHANG, & Gao, JIN漢語詞語情感傾向自動判斷研究. 計算機工程 , 36 (23), 194-196.
6.Nguyen, T. H., Shirai, K., & Velcin, J. (2015). Sentiment analysis on social media for stock movement prediction. Expert Systems with Applications, 42(24), 9603-9611.
7.Pang, B., Lee, L., & Vaithyanathan, S. (2002, July). Thumbs up?: sentiment classification using machine learning techniques. In Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10(pp. 79-86). Association for Computational Linguistics.
8.Thelwall, M., Buckley, K., Paltoglou, G., Cai, D., & Kappas, A. (2010). Sentiment strength detection in short informal text. Journal of the American Society for Information Science and Technology, 61(12), 2544-2558.
9.Turney, P. D. (2002, July). Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews. In Proceedings of the 40th annual meeting on association for computational linguistics (pp. 417-424). Association for Computational Linguistics.
10.Wang, H., Can, D., Kazemzadeh, A., Bar, F., & Narayanan, S. (2012, July). A system for real-time twitter sentiment analysis of 2012 us presidential election cycle. In Proceedings of the ACL 2012 System Demonstrations (pp. 115-120). Association for Computational Linguistics.
11.Yuen, Raymond WM, et al. "Morpheme-based derivation of bipolar semantic orientation of Chinese words." Proceedings of the 20th international conference on Computational Linguistics. Association for Computational Linguistics, 2004.
12.史伟, 王洪伟, & 何绍义. (2014). 基于微博的产品评论挖掘: 情感分析的方法. 情报学报, 33(12), 1311-1321.
13.朱嫣嵐,閔錦,周雅倩,黃萱菁, &吳立德. (2006).基於HowNet的詞彙語義傾向計算.中文信息學報 , 20 (1), 16-22.
14.刘志明, & 刘鲁. (2012). 基于机器学习的中文微博情感分类实证研究. 计算机工程与应用, 48(1), 1-4.
15.杜振雷. (2013). 面向微博短文本的情感分析研究. (Doctoral dissertation, 北京信息科技大学).
16.杜嘉忠, 徐健, and 刘颖. "网络商品评论的特征-情感词本体构建与情感分析方法研究*." 现代图书情报技术 30.5 (2014): 74-82.
17.李景玉. (2015). 面向中文微博的情感信息抽取方法研究. (Doctoral dissertation, 北京信息科技大学).
18.邱鴻達, & 梁婷. (2010). 意見探勘在中文電影評論之應用 (Doctoral dissertation).
19.宋曉雷,王素格, &李紅霞. (2010).面向特定領域的產品評價對象自動識別研究. 中文信息學報 , 24 (1), 89-94.
20.郑飏飏, 徐健, & 肖卓. 情感分析及可视化方法在网络视频弹幕数据分析中的应用.现代图书情报技术, 31(11), 82-90.
21.柳位平, 朱艳辉, 栗春亮, 向华政, & 文志强. (2009). 中文基础情感词词典构建方法研究. 计算机应用, 29(10), 2875-2877.
22.陸文星, &王燕飛. (2012).中文文本情感分析研究綜述. 計算機應用研究 , 29 (6), 2014-2017.
23.喻琦. (2013). 中文微博情感分析技术研究 (Doctoral dissertation, 硕士学位论文). 杭州: 浙江工商大学).
24.楊輔祥,劉云超, &段智華. (2002).數據清理綜述. 計算機應用研究 , 19 (3), 3-5.
25.鄭颺颺,徐健, &肖卓. (2015).情感分析及可視化方法在網絡視頻彈幕數據分析中的應用. 現代圖書情報技術 , 31 (11), 82-90.
26.魏韡向陽陳千. (2011).中文文本情感分析綜述. 計算機應用 , 31 (12), 3321-3323.
27.謝梅,何炬, &馮字樂. (2014).大眾傳播遊戲理論視角下的彈幕視頻研究. 新聞界 , (2), 37-40.
28.郭伟. (2010). 网络电影评论的情感挖掘分析 (Master's thesis, 吉林大学).
29.徐軍,丁宇新, &王曉龍. (2007).使用機器學習方法進行新聞的情感自動分類. 中文信息學報 , 21 (6), 95-100.
30.張清亮, &徐健. (2011).網絡情感詞自動識別方法研究. 現代圖書情報技術 , 10 , 24-28.
31.蔡晓珍, 徐健, & 吴思竹. (2014). 面向情感分析的用户评论过滤模型研究. 现代图书情报技术, 30(4), 58-64.
32.彭浩, 徐健, & 肖卓. 基于比较句的网络用户评论情感分析. 现代图书情报技术,31(12), 48-56.
33.陳鬆鬆, &何天天. (2014).彈幕視頻——小眾網民互動新形式. 新聞世界 , (6), 168-169.
34.張靖, &金浩. (2010).漢語詞語情感傾向自動判斷研究. 計算機工程 , 36 (23), 194-196.
35.張靖, &金浩. (2010).漢語詞彙主觀性提取研究. 計算機工程與設計 , (4), 915-917.
36.黃永文,何中市, &伍星. (2009).產品特徵的層次關係獲取. 計算機工程與應用 , 45(22), 236-240.
37.張藝凝（2015）.互動視角下彈幕視頻研究.南京師範大學.南京.