本研究先蒐集下載網路上的意見資料，並將資料匯入至意見探勘系統，接著將得到的數據結果再加以分析，針對各廠商所推出產品分為六大面向的優良評價及否定評價深入討論，分別為：上網、服務價格、網路服務、服務品質、網路速度、有線電視網路，接著繪製出許多統計圖表，藉由圖表解讀：哪間廠商最受歡迎及最不受歡迎、方案銷售佳的原因及使用者重視的角度。經由這此數據的口碑分析，可以提供消費者在選擇網際網路服務供應商（ISP）時參考依據；同時這些資訊亦可做為廠商瞭解顧客需求的重要指標，是非常具有商業價值的研究。本研究的主要目的為以下二項：1.透過分析的結果呈現網際網路服務供應商（ISP）的口碑狀況，表達使用者對寬頻產品在上網、網路服務、服務品質、服務價格、有線電視網路、網路速度…等六大面向較介意及重視的問題為何。2.有別於其他論文的研究，本研究透過長期追蹤論壇資訊，確認本實驗室「意見探勘系統」的分析擁有穩定的準確率及回收率，確信結果的可信度。

First, the opinion data was downloaded from the Internet. Then, the data was imported to the Opinion Mining System. After that, the data results obtained were then analyzed. Targeting the products launched by the companies, they were divided into seven aspects of positive evaluation and negative evaluation to engage in in-depth discussions, Internet Access, Service Price, Internet Services, Service Quality, Internet Speed, and Cable TV Network. Statistical charts and diagrams were then drawn. The charts and diagrams were interpreted to determine “Which company was the most popular and the least popular?”; “What are the reasons for good plan sales?”; and “What is the perspective of concern to users?” The word-of-mouth analysis of the data served as a reference for consumers when choosing an ISP. At the same time, the information served as an important indicator for the company to determine customers’ needs, thus making the research commercially valuable.In view of the abovementioned contents, the broadband products shall be the research focus. The two purposes of this study are as follows: 1.Present the ISP word-of-mouth situation through result analysis and express which of the six aspects are of greater concerns and importance to users when it comes to broadband products, namely, Internet access, Internet service, service quality, service price, cable TV network, and Internet speed. 2.Unlike researches conducted in other thesis papers, this paper has confirmed the stable precision rate and recall rate of the “Opinion Mining System” analysis conducted in this laboratory through long-term tracking of forum information, thus the confirmed credibility of the results.

目錄
第1章 緒論	1
1.1	研究動機與目的	1
1.2	研究架構	4
第2章 文獻探討	6
2.1	意見單元定義	6
2.2	意見探勘系統	9
2.2.1	英文意見探勘系統	9
2.2.1.1	Opinion Observer	9
2.2.1.2	IBM WebFountain	11
2.2.1.3	RevMiner	13
2.2.2	中文意見探勘系統	16
2.2.2.1	CopeOpi	16
2.2.2.2	Chien-Liang’s work	18
2.3	口碑行銷與網路口碑	19
2.4	網路口碑之傳播媒介	21
第3章 研究方法	22
3.1	系統設計	22
3.1.1	系統架構	23
3.1.2	演算法運算流程	25
3.1.3	分析報表規則設計與處理	27
3.1.3.1	Topic分析	28
3.1.3.2	Feature/產品分析	30
3.1.3.3	異常評價分析	32
3.1.3.4	雷達圖分析	33
第4章 實驗結果與分析	35
4.1	評估方式	35
4.2	實驗結果	36
4.3	寬頻分析	42
4.3.1	寬頻分析的六大面向	42
4.3.2	五大寬頻業者	44
4.3.3	廠商分析順序	45
4.3.4	六大面向之一：上網	47
4.3.5	六大面向之二：服務價格	53
4.3.6	六大面向之三：網路服務	57
4.3.7	六大面向之四：服務品質	59
4.3.8	六大面向之五：網路速度	61
4.3.9	六大面向之六：有線電視網路	65
4.3.10	產品包裝的討論	67
4.4	本章小結	71
第5章 研究結論與未來展望	72
5.1	結論	72
5.2	未來展望	73
參考文獻	74
附錄-英文論文	76

圖目錄
圖 2-1	Opinion Observer的比較畫面	10
圖 2-2	人工標註系統畫面	11
圖 2-3	WebFountain GUI 經過意見分析後的產品比較圖	12
圖 2-4	WebFountain可以讓使用者選擇產品以及來源，並且顯示出評論	12
圖 2-5	ReMiner在手機上根據特徵分類(Common圖)	13
圖 2-6	Special圖	14
圖 2-7	Cloud圖	15
圖 2-8	Categories圖	15
圖 2-9	CopeOpi使用者選擇畫面	17
圖 2-10	各個時間趨勢	17
圖 2-11	包含主題的文章	17
圖 2-12	可選擇有關的電影以及特徵，並且知道正負傾向評論等級	18
圖 3-1	系統架構圖	23
圖 3-2	演算法流程圖	25
圖 3-3	系統統計分析示意圖	27
圖 3-4	Topic分析報表流程圖	28
圖 3-5	Feature/產品分析流程圖	30
圖 3-6	異常評價分析流程圖	32
圖 3-7	雷達圖分析流程	33
圖 4-1	寬頻 2011-11 至 2012-06 準確率	38
圖 4-2	寬頻 2011-11 至 2012-06 回收率	38
圖 4-3	寬頻 2011-11 至 2012-06 F1值	39
圖 4-4	寬頻 2011-07 至 2013-02 準確率	40
圖 4-5	寬頻 2011-07 至 2013-02 回收率	40
圖 4-6	寬頻 2011-07 至 2013-02 F1值	41
圖 4-7	五大寬頻業者的六大面向雷達圖	43
圖 4-8	五大網際網路服務供應商（ISP）的討論文章數及所佔比例	45
圖 4-9	網際網路服務供應商（ISP）正評價及負評價的評價	46
圖 4-10	五大網際網路服務供應商（ISP）在上網面向的討論文章數及所佔比例		47
圖 4-11	中華電信的六大面向雷達圖	49
圖 4-12	中華電信、SeedNet、台灣大哥大在上網面向的評價折線圖	49
圖 4-13	SeedNet的四大面向雷達圖	51
圖 4-14	SeedNet在2012年8月時的負面評價雷達圖	52
圖 4-15 	SeedNet在2011年12月時的負面評價雷達圖	52
圖 4-16	SeedNet、台灣大哥大、Kbro、So-Net的五大面向雷達圖	54
圖 4-17	中華電信、SeedNet、Kbro在上網費用面向的評價折線圖	55
圖 4-18	中華電信在2012年8月時的負面評價雷達圖	56
圖 4-19	中華電信在2012年10月時的負面評價雷達圖	57
圖 4-20	SeedNet、台灣大哥大、Kbro的五大面向雷達圖	58
圖 4-21	各家網際網路服務供應商（ISP）於服務品質面向正評價及負評價的評價	60
圖 4-22	中華電信、SeedNet、So-Net在服務品質面向的評價折線圖	60
圖 4-23	五大網際網路服務供應商（ISP）在網路速度的討論文章數及所佔比例		62
圖 4-24	中華電信、SeedNet在網路速度面向的評價折線圖	63
圖 4-25	各家網際網路服務供應商（ISP）於產品面向正評價及負評價的評價	68
圖 4-26	中華電信、SeedNet、Kbro在產品面向的評價折線圖	68

表目錄
表 2-1	意見元素	7
表 4-1	評估方式	35
表 4-2	寬頻2011-11~2012-06資料數量	36
表 4-3	寬頻2012-07~2013-02資料數量	36
表 4-4	寬頻2011-11~2012-06準確率、回收率、F1值	37
表 4-5	寬頻2012-07~2013-02準確率、回收率、F1值	37
表 4-6	準確率、回收率、F1值 平均值	41
表 4-7	寬頻六大面向的描述說明	43
表 4-8	五大網際網路服務供應商（ISP）的討論文章數	45
表 4-9	中華電信在上網面向於2012年7月的部份負面評價文章段落	50
表 4-10	中華電信在上網這個面向於2012年11月的部份正面評價文章段落	50
表 4-11	SeedNet在上網這個面向於2012年的部份負面評價文章段落	53
表 4-12	各家網際網路服務供應商（ISP）的部份月租費 (2013年6月價格)	54
表 4-13	中華電信在服務價格面向的部份評價文章段落	55
表 4-14	中華電信月租費高但穩定度佳的部份評論	58
表 4-15	中華電信在服務品質面向的部份正面及負面評價文章段落	61
表 4-16	中華電信在網路速度面向於2012年7月的部份負面評價文章段落	63
表 4-17	中華電信在網路速度這個面向於2012年11月的部份正面評價文章段落	64
表 4-18	SeedNet在網路速度這個面向於2012年的部份負面評價文章段落	64
表 4-19	SeedNet在網路速度這個面向於2012年8月的部份正面評價文章段落			65
表 4-20	有線電視網路部份正面評價文章段落	66
表 4-21	有線電視網路部份負面評價文章段落	66
表 4-22	產品面向中華網路+MOD包裝的正面評價	69
表 4-23	產品面向中華網路+MOD包裝的負面評價	69
表 4-24	產品面向凱擘Kbro+Super MOD包裝的正面評價	70
表 4-25	產品面向Seednet的評價	70

[1]	"Mobile01." from http://www.mobile01.com/.
[2]	Blackwell, R. D., et al. (2006). "Consumer behavior, 10." Aufl., Mason.	
[3]	Bone, P. F. (1995). "Word-of-mouth effects on short-term and long-term product judgments." Journal of Business Research 32(3): 213-223.	
[4]	Buttle, F. A. (1998). "Word of mouth: understanding and managing referral marketing." Journal of strategic marketing 6(3): 241-254.	
[5]	Chien-Liang, L., et al. (2012). "Movie Rating and Review Summarization in Mobile Environment." Systems, Man, and Cybernetics, Part C: Applications and Reviews, IEEE Transactions on 42(3): 397-407.	
[6]	Dave, K., et al. (2003). Mining the peanut gallery: opinion extraction and semantic classification of product reviews. Proceedings of the 12th international conference on World Wide Web. Budapest, Hungary, ACM: 519-528.	
[7]	Day, G. S. (1971). "Attitude change, media and word of mouth." Journal of Advertising Research.	
[8]	Gamon, M., et al. (2005). Pulse: Mining Customer Opinions from Free Text
[9]	Advances in Intelligent Data Analysis VI. A. Famili, J. Kok, J. Pena, A. Siebes and A. Feelders, Springer Berlin / Heidelberg. 3646: 741-741.	
[10]	Hu, M. and B. Liu (2004). Mining and summarizing customer reviews. Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining. Seattle, WA, USA, ACM: 168-177.	
[11]	Huang, J., et al. (2012). RevMiner: an extractive interface for navigating reviews on a smartphone. Proceedings of the 25th annual ACM symposium on User interface software and technology, ACM.	
[12]	Katz, E. and F. Paul (1966). "Lazarsfeld. 1955." Personal influence.	
[13]	Kim, S.-M. and E. Hovy (2004). Determining the sentiment of opinions. Proceedings of the 20th international conference on Computational Linguistics. Geneva, Switzerland, Association for Computational Linguistics: 1367.	
[14]	Kobayashi, N., et al. (2007). "Opinion Mining from Web Documents: Extraction and Structurization." Information and Media Technologies 2(1): 326-337.	
[15]	Ku, L.-W. and H.-H. Chen (2007). "Mining opinions from the Web: Beyond relevance retrieval." Journal of the American Society for Information Science and Technology 58(12): 1838-1850.	
[16]	Ku, L.-W., et al. (2009). "Opinion mining and relationship discovery using CopeOpi opinion analysis system." Journal of the American Society for Information Science and Technology 60(7): 1486-1503.	
[17]	Liu, B., et al. (2005). Opinion observer: analyzing and comparing opinions on the Web. Proceedings of the 14th international conference on World Wide Web. Chiba, Japan, ACM: 342-351.	
[18]	Liu, B. and L. Zhang (2012). A Survey of Opinion Mining and Sentiment Analysis
[19]	Mining Text Data. C. C. Aggarwal and C. Zhai, Springer US: 415-463.	
[20]	Nail, J. (2005). "What’s the buzz on word-of-mouth marketing." Forrester Research.	
[21]	Turney, P. D. (2002). Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews. Proceedings of the 40th Annual Meeting on Association for Computational Linguistics. Philadelphia, Pennsylvania, Association for Computational Linguistics: 417-424.	
[22]	Wilson, T., et al. (2005). OpinionFinder: a system for subjectivity analysis. Proceedings of HLT/EMNLP on Interactive Demonstrations. Vancouver, British Columbia, Canada, Association for Computational Linguistics: 34-35.	
[23]	Yi, J. and W. Niblack (2005). Sentiment mining in WebFountain. Data Engineering, 2005. ICDE 2005. Proceedings. 21st International Conference on.
[24]	方正璽 (2007). "探究口碑影響力之本質." 現代經營管理研討會論文集(2007 年): 1-15.	
[25]	何文峰 (2007). "網路文字探勘運用於電信業客戶流失的研究." 元智大學資訊管理學系學位論文(2007 年).