Attention2015 ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

基於BERT模型之整合社群群眾智慧與智能問答系統之知識萃取與提供模式

為了解決Attention2015 ptt的問題，作者張邦育 這樣論述：

近年來由機器學習主導的問答任務（Question Answering）發展迅速，旨透過機器解答用戶問題，許多研究探討了將資訊轉化並管理的方法，如將資訊轉換為知識圖譜或知識庫的形式（Lan等人，2019；Chen和Li，2020），以利於將輸入問題連結至知識庫的資訊，有效地回答使用者的問題（Xiong等人，2021；Qi等人，2021），然而，知識圖譜的建構通常較為困難，需耗費大量的資源，而若採非結構化的資料儲存方法，雖可解決部分建構成本高的問題，但同時不穩定的維護人力也導致新資訊較無法快速更新。 根據上述之問題，本研究乃建構一套「基於BERT模型之整合社群群眾智慧與智能問答系統之知識萃

取與提供」模式，包含「社群群眾智慧知識庫建立模組」及「群眾智慧問答推論模組」，透過自動化萃取網路社群平台之知識文章，並利用BERT模型解析文本語意，發展並設計一套基於社群群眾智慧文本之智能問答系統。首先，「社群群眾智慧知識庫建立模組」乃透過網路爬蟲方法自動蒐集網路社群平台之文章，並經由意見領袖特徵解析，分析意見領袖文章之文本特徵，萃取當中的群眾智慧知識文本，建立群眾智慧知識庫，其次，「群眾智慧問答推論模組」乃先將輸入之問題與知識庫的文章進行關聯性的匹配，經BERT關聯性計算模型計算問題與知識庫文章的關聯性，篩選出關聯性高的匹配文章集合，以此縮小掃描以及閱讀的範圍，最後根據匹配文章集合將文章與問

題一同配對，由BERT答案推論模型閱讀文章以及問題，推論問題之目標答案段落，並輸出使用者所提問題之目標答案。 為確認本研究所發展之方法於實務應用之有效性，本研究乃基於TensorFlow及PyTorch等深度學習框架，建構Web-based之「整合群眾智慧與智能問答之知識萃取與提供系統」，並以中文之論壇（PTT、知乎）及DRCD問答任務資料集，作為實際案例以及驗證資料，並於系統整體績效評估上取得：EM值73.30%；F1值82.66%。與Chen等人（2017）進行比較驗證：在EM指標上提升26.38%；F1值提升15.64%，以證實本研究系統運作之實用性與可行性。 綜上所述，本研究透過意

見領袖文章特徵擷取與判定，自動化地取得網路社群所蘊含的知識文章，以此建立群眾智慧知識庫，並基於知識庫之資訊藉由BERT模型進行目標答案推論，解答用戶所提問之問題，提供使用者更進階的資訊獲取方式。

藉由文字探勘從線上評論分析網路分享行為-以產後護理之家為例

為了解決Attention2015 ptt的問題，作者詹湘琪 這樣論述：

華人文化相當重視產後媽媽坐月子的文化，在台灣，新生兒的父母於孩子出生後首要面對問題就是「坐月子」。並且，廣大的消費者透過網路蒐集資訊，更利用網路社群的討論區，透過瀏覽、發文與討論，蒐集相關主題的討論內容做為購買決策之依據。本研究應用網路爬蟲分析技術結合文字探勘，透過討論區的資訊分享趨勢，分析斷詞出現頻率，探究產後媽媽選擇坐月子機構的重要購買決策資訊。茲關注當前學術界缺少坐月子機構業者網站的資訊揭露領域進行調查，補足學術界缺少文獻對於社群網站討論訊息與業者網站揭露訊息之間的訊息項目比較與分析，並且，檢視現有坐月子機構的網站，探討業者網頁所公布的資訊與其設計內容。本研究以Babyhome網站討論

區之懷孕主題下的坐月子為擷取區域，利用Python工具進行資料收集，擷取時間範圍為2006年1月3日至2021年12月29日，共擷取2,163篇文章。本研究驗證能應用整合網路爬蟲與文字探勘之技術於掌握網路討論區的發文訊息，研究結果顯示：月子餐以「比較」關鍵詞為最常出現之詞彙。參觀以「房間」關鍵詞為最常出現之詞彙。心得分享以「寶寶」關鍵詞為最常出現之詞彙。費用、價格、價錢以「參觀」關鍵詞為最常出現之詞彙。寶寶以「護士」關鍵詞為最常出現之詞彙。本研究對比網路訊息分享的關鍵詞以及業者網站資訊揭露項目，結果顯示：網路資訊分享頻率較高之關鍵詞中，坐月子機構全數於網站皆公布的房型介紹、房型環境圖片、嬰兒室

環境介紹，並且全數提供線上預約參觀。但是以價格資訊、參觀資訊的揭露最少。然而多數坐月子中心的價格不透明、參觀資訊揭露也最少，消費者可以透過參觀時詢問。此外，價格資訊、優惠資訊與月子餐試吃是普遍網路發文者討論的項目，應鼓勵業者提供充足的資訊滿足消費者的資訊需求。