本論文主要是從歌曲歌詞的生動活潑方式來進行學習英語的工具，藉由社群網路的方式來取得學習者的資訊及網站上的習慣操作來推薦其學習者學習歌曲的曲目，並經由學習者選擇的學習方式來進行顯性與隱性的回饋，使得本研究的學習機制會不斷的自我學習並修正，再依照各學習者的不同引發出個學習者專屬的學習方式。
　　研究內容會著重在自動學習成長的引擎機制，最主要的兩大主要方向-顯性回饋、隱性回饋。顯性回饋-會依照學習者選擇的難易度對某首歌曲歌詞作適當的單字及片語拆解。隱性回饋-會依照使用者的資訊及在此系統上的操作方法與喜好來做分類。因應國內網路使用者的習慣跟習性不一定會接受顯性的學習方式，所採取主動式的收集學習者喜好來改變被動式學習所缺少的因素。
　　此研究中，使用英國國家標準語料庫及目前國內所使用的全民英檢的字彙來當作系統的與料庫來源，並透過交叉資訊運算將每首歌曲歌詞劃分為不同等級的字彙學習，並篩選出目前最常使用的片語及單字來作為翻譯或遊戲的基礎，因系統採用Web2.0的方式來設計，在對於目前國內眾多作業系統及智慧型手機系統，有著跨平台及統一的特性。

This paper is mainly about using lyrics as an English learning tool, making it more creative and vivid. The songs are selected based on the learners’ info from a social network & their behavior on the website. A learning
mechanism is designed by using explicit & implicit feedback from the learner’s behavior on the website. As a result, the learning mechanism will improve itself and adjust continuously to fit the learner’s needs.
The research focuses on the self-learning mechanism. Since users do not always respond to explicit feedback during their learning process, the website collects the learner’s preferences in order to minimize disadvantages with passive learning.

圖目錄	VI
表目錄	VIII
第一章	緒論	1
1.1研究動機	2
1.2研究目的	5
1.3研究內容	8
1.4論文內容與大綱	10
第二章	背景知識與相關研究	11
2.1多媒體在語言學習的應用	11
2.2遊戲式學習(Game Based Learning)	13
2.3推薦系統(Recommendation System)	16
2.3.1內容導向式（Content-based）	17
2.3.2協同過濾式（Collaborative-based）	18
2.3.3混合式（Hybrid-based）	21
第三章	系統架構與設計	23
3.1搭配詞正確使用方式及誤用資料庫前處理	26
3.1.1大型標準語料庫來源	28
3.1.2詞類標記(POS Tagging)	30
3.1.3詞性還原(Lemmatizing)	32
3.1.4 N-gram分析	33
3.1.5搭配詞(Collocation)	35
3.1.6相互資訊(Mutual Information)相似度計算	37
3.1.7錯誤搭配詞(MisCollocation)來源	38
3.2歌詞等級前置處理	43
3.2.1歌詞蒐集	44
3.2.2歌詞解析	46
3.2.3歌詞等級分級	47
3.3個人化推薦系統	51
3.3.1 Top-N	52
3.3.2屬性式推薦	53
3.3.3人物關聯式推薦	55
第四章	實作與討論	59
4.1使用者區塊	62
4.2播放區塊	64
4.3推薦區塊	67
4.4個人化區塊	68
4.5實驗結果與討論	69
第五章	結論與未來研究	70
5.1結論	70
5.2未來研究方向	71
參考文獻		73
附錄—英文論文	76

圖目錄
圖2.1內容導向式推薦系統範例	17
圖2.2協同過濾式推薦系統主要組成部分	19
圖3.1搭配詞正確使用方式及誤用資料庫前處理流程圖	26
圖3.2 Unigram出現次數儲存格式	34
圖3.3語料庫搭配詞出現次數儲存格式	36
圖3.4 IWiLL英語教學平台首頁	39
圖3.5 WordNet首頁	41
圖3.6搭配詞正確使用方式及誤用資料庫儲存格式	42
圖3.7歌詞資料庫前處理流程圖	43
圖3.8 LyricWiki網站首頁	44
圖3.9 LyricWiki搜尋範例	45
圖3.10歌詞解析資料庫	46
圖3.11歌詞資料庫儲存格式	46
圖3.12字彙程度分級資料表	48
圖3.13歌詞等級分級資料庫	49
圖3.14個人化推薦系統機制	51
圖3.15 Top-N流程圖	52
圖3.16屬性式推薦流程圖	53
圖3.17歌曲屬性關聯表示圖	54
圖3.18人物關聯式推薦流程圖	55
圖3.19人物關聯式-輸入資料表示法	56
圖3.20人物關聯式-社群建立	57
圖3.21人物關聯式-產生推薦	58
圖4.1跨平台無障礙英語學習網站系統流程圖	61
圖4.2跨平台無障礙英語學習網站系統畫面	61
圖4.3使用者區塊說明圖	62
圖4.4學習者註冊畫面	62
圖4.5等級測試畫面	63
圖4.6登入畫面圖	63
圖4.7歌曲播放問答圖	64
圖4.8錯誤提示圖	65
圖4.9歌曲播放完成圖	66
圖4.10推薦歌曲清單圖	67
圖4.11學習歷程圖	68

表目錄
表2.1傳統教學、E-learning比較表	15
表3.1例句一詞類標記之詞性對照表	31
表3.2例句二詞類標記之詞性對照表	31
表3.3 N-gram切割範例表	33

[1]資策會 - http://mic.iii.org.tw/aisp/.
[2]林國揚(2011)。以歌詞實現遊戲式應育學習工具。淡江大學資訊工程研究所碩士論文。
[3]WordNet - http://wordnet.princeton.edu/.YouTube - http://www.youtube.com/.
[4]Bugelski, B. R. (1956). The Psychology of Learning. N.Y.: Holt, Rinehart and Winston, Inc..
[5]Grammar Rom (1994) CD-ROM, Longman.
[6]Business Territory (1997) CD-ROM, IBM, Lingonet Ltd.
[7]Citizen of the World (1998), CD-ROM, Philips, Eindhoven, Netherlands.
[8]Paul Brett, (1998) “Using Multimedia:A Descriptive Investigation of Incidental Language Learning,” Computer Assisted Language Learning, Vol. 11, No. 2, pp. 179-200.
[9]黃信維(2010)。英文歌詞在手機上於英語學習的應用。淡江大學資訊工程研究所碩士論文。
[10]Paul Cameron. (2008). “Web-Enhanced Learning with YouTube”. Taiwan Journal of TESOL, Vol. 5, No. 2, pp. 29-60
[11]Marc Prensky (2000). DITGITAL GAME-BASED LEARNING c 2000 Marc Prensky.
[12]McFarlane, A., Sparrowhawk, A., &Heald, Y. (2002). Report on the educational use of computer games. Teachers Evaluating Educational Multimedia Report.
[13]Keller, S. (1992). Children and the Nintendo.
[14]Jenkins, H. (2002). Game theory. Technology Review, 29, 1–3.
[15]洪榮昭、劉明洲 (1982)。電腦輔助教學之設計原理與應用。台北：師大書苑。
[16]Green, B., Reod. J., & Bium, C.(1998).Teaching the Nintendo Generation? Children, compute culture, and popular technologies. In S. Howard(ed.). Wired UP. pp. 19-42. UCL Press: London.
[17]陳登吉、賴阿福(2005)。網路與教育。台北縣：空中大學。
[18]Lee, Raymond S.T. and Liu, James N.K.(2004), “iJADE Web-Miner: An Intelligent Agent Framework for Internet Shopping,” IEEE Transactions on Knowledge and Data Engineering, Vol. 16, No. 4, pp. 461-473.
[19]Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl(2000), “Analysis of Recommendation Algorithms for E-Commerce”, EC’00 ACM.
[20]Kim, B. D., and Kim, S. O.(2001), “A New Recommender System to Combine Content-Based and Collaborative Filtering Systems,” Journal of Database Marketing, Vol. 8, No. 3.
[21]Schafer, J. B., Konstan, J., & Riedl, J. (1999). Recommender System in E-Commerce. Proceedings of the first ACM conference on Electronic Commerce, pp. 158-166.
[22]IWiLL- Intelligent Web-based Interactive Language Learning. http://cube.iwillnow.org/iwill/.
[23]BNC - British National Corpus. http://www.natcorp.ox.ac.uk.
[24]Thorsten.Brants(2000), TnT-A Statistical Part-of-Speech Tagger.In Proceedings of the Sixth Applied Natrual Language Processing Conference ANLP-2000, Seatle,WA.
[25]LyricWiki - http://lyrics.wikia.com/Main_Page