Cube卡 Apple store PT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

對使用者評論之情感分析研究－以Google Play市集為例

為了解決Cube卡 Apple store PT的問題，作者林育龍 這樣論述：

全球智慧型手機的出貨量持續提升，且熱門市集的App下載次數紛紛突破500億次。而在iOS和Android手機App市集中，App的評價和評論對App在市集的排序有很大的影響；對於App開發者而言，透過評論確實可掌握使用者的需求，並在產生抱怨前能快速反應避免危機。然而，每日多達上百篇的評論，透過人力逐篇查看，不止耗費時間，更無法整合性的瞭解使用者的需求與問題。文字情感分析通常會使用監督式或非監督式的方法分析文字評論，其中監督式方法被證實透過簡單的文件量化方法就可達到很高的正確率。但監督式方法有無法預期未知趨勢的限制，且需要進行耗費人力的文章類別標注工作。本研究透過情感傾向和熱門關注議題兩個面向

來分析App評論，提出一個混合非監督式與監督式的中文情感分析方法。我們先透過非監督式方法標注評論類別，並作視覺化整理呈現，最後再用監督式方法建立分類模型，並驗證其效果。在實驗結果中，利用中文詞彙網路所建立的情感詞集，確實可用來判斷評論的正反情緒，唯判斷負面評論效果不佳需作改善。在議題擷取方面，嘗試使用兩種不同分群方法，其中使用NPMI衡量字詞間關係強度，再配合社群網路分析的Concor方法結果有不錯的成效。最後在使用監督式學習的分類結果中，情感傾向的分類正確率達到87%，關注議題的分類正確率達到96%，皆有不錯表現。本研究利用中文詞彙網路與社會網路分析，來發展一個非監督式的中文類別判斷方法，並

建立一個中文情感分析的範例。另外透過建立全面性的視覺化報告來瞭解使用者的正反回饋意見，並可透過分類模型來掌握新評論的內容，以提供App開發者在市場上之競爭智慧。