根據尼爾森2013年的市調發現，約77%的消費者相信陌生網友在網路上發表的意見評價。從語音辨識技術發展趨勢來看，越來越多應用於家電、智慧型手機，甚至在公共建設上等。例如Apple推出的「Siri」，藉由語音輸入進行人機互動，自動地為使用者處理事情，像是排定會議、撥打電話及傳送訊息，甚至能與使用者對答，至今仍令人津津樂道。透過語音辨識輸入，可增加蒐集及尋找資料的效率和速度。
目前語音辨識多應用於語言學習，如英文、日文之發音練習，也有一些應用於物聯網領域，然而卻鮮少看見與電子商務及輿情分析結合的相關例子。據此，本研究嘗試結合語音辨識及輿情分析技術，建置一個雛型推薦系統，自動化擷取網路上的討論文章以及產品資訊，進行關鍵字擷取、情感分析等步驟，整合成基於語音辨識之電子商務輿情推薦雛形系統，透過使用者語音的輸入，來推薦較符合使用者需求之產品。
本研究讓使用者體驗雛型系統後進行問卷調查，以獲取使用者的意見反饋，並篩選出可行的建議，作為未來系統發展之參考，目的是找出較符合使用者期待之語音辨識電子商務模式。本研究發現68%的受測者是較喜歡輿情導向模式，對系統平均滿意度為4.2分(滿分為5分)，期望本研究結果能對未來相關領域有所貢獻。

According to market investigation report by AC Nielsen in 2013, about 77% of consumers are swayed by opinions and comments posted on the internet by other users.On the perspective of speech recognition development, more and more examples are applied to home appliances, smart devices and public utilities. For example, a system developed by Apple, called “Siri”. It can interact with users through speech recognition inputs, manage user schedules, conference arrangement, phone calling and message sending, or even chat with the user in ways. Now is still widely used. By speech recognition input, it can increase the efficiency and speed of information searching.
Speech recognition techniques are mostly applied to language learning like English and Japanese pronunciation practice. Some are applied to internet of things. However, we rarely see the examples of combination with E-commerce and sentimental analysis. Thus, this study attempts to combine the speech recognition and sentimental analysis technique to build a prototype of E-commerce recommendation system. This prototype system automatically collects articles and information of products on the web, catches keywords and sentimental analyzing, and identifies the input of user with speech. Then recommends to user for the best product as a result.
Users were asked to take a survey after experiencing a prototype system built for this study. We took feasible feedback as future reference for developing the system. The purpose of this study was to find the most expected speech recognition e-commerce mode of users. The research found that 68% of users prefer the sentiment-oriented mode to others. The average satisfaction level of system is 4.2 (out of 5). With this data, we hope to contribute more to the development and implementation in this field of study.

目錄
第一章	緒論	1
1.1 研究背景與動機	1
1.2 研究目的	2
第二章	文獻探討	4
2.1 語音辨識	4
2.2 輿情分析	5
2.2.1 自動化擷取	6
2.2.2 自然語言處理	6
2.2.3 斷詞系統	7
2.2.4 情感分析	9
2.3 電子商務	11
2.4 推薦系統	12
第三章	研究方法	14
第四章	雛型系統	17
4.1 雛型系統架構	17
4.2 系統流程	25
第五章	實驗設計	27
5.1 實驗設計	27
5.2 實驗流程	27
5.3 系統資料集	28
5.4 問卷調查	28
5.5 問卷調查結果	29
第六章	結論及未來發展	37
6.1 結論	37
6.2 研究貢獻	38
6.3 研究限制	39
6.4 未來發展	39
第七章	參考資料	41
 
表目錄
表 2-1 中研院平衡語料庫詞類標記集	8
表 5-1 問卷分析統計資料	30
表 5-2 語音辨識輸入之滿意度調查結果	31
表 5-3 系統滿意度調查結果	33
表 5-4 各模式之意見反饋結果列表	34
表 5-5 各模式之意見反饋結果列表	36
 
圖目錄
圖 1-1 2014臺灣消費者行動裝置暨APP使用行為研究調查報告	2
圖 2-1 亞馬遜網路書店推薦系統	13
圖 2-2 博客來網路書店推薦系統	13
圖 3-1 系統發展研究流程	15
圖 4-1 雛型系統架構圖	17
圖 4-2 搜尋引擎模式之系統架構圖	19
圖 4-3 價格導向模式之系統架構圖	20
圖 4-4 輿情導向模式之系統架構圖	21
圖 4-5 以人工觀察建立之屬性詞庫中的屬性分類與屬性名稱	22
圖 4-6 搜尋引擎模式之搜尋結果列表	24
圖 4-7 價格導向模式之搜尋結果列表	24
圖 4-8 輿情導向模式之搜尋結果列表	25
圖 4-9 雛型系統流程圖	26
圖 5-1 各模式系統之偏好比例	34

1.	陳江村、羅瑞麟、張智星等，〈以語音辨識與評分輔助口說英文學習〉，2004自然語言與語音處理研討會，台北，2004)。
2.	王定欽 夏崇舜，〈使用語音辨識軟體Just Talk 提升學生英語溝通能力先期研究〉，2004親學民報第10卷 頁 59-64。
3.	鄭惟仁，《結合人工電子耳與助聽器對中文語音辨識率的影響》，碩士論文，中央大學電機工程研究所，2006。
4.	顏坤銘，《家用機器人之語音辨識系統》，碩士論文，國立交通大學電機與控制工程系，2002。
5.	張柏雄，《中文語音情緒之自動辨識》，碩士論文，國立成功大學工程科學研究所，2002。
6.	李俊昇、黃珠娟、許馨仁、林明慧，〈語音情緒辨識技術與應用之研究〉，2010台灣感性學會研討會，2010。
7.	趙妍妍、秦兵、劉挺，〈文本情感分析〉，Journal of Software，Vol.21,No.8，2010,pp.1834-1848。
8.	吳俊諺、楊新章，《應用自我組織圖於社會網路文字訊息之情感分析》，碩士論文，國立高雄大學資訊管理學研究所，2013。
9.	許展樂、張琳，〈中文問答系統中句子相似度計算方法研究〉，現代計算機(專業版)，第5期 頁34-37，2010。
10.	張孝飛、陳肇雄、黃河燕、蔡智，〈詞性標注中生詞處理算法研究〉，中文信息學報第17卷 第五期 頁1-5，2003。
11.	黃文奇、吳世弘、陳良圃、谷圳，〈中文文字蘊涵系統之特徵分析〉，2011自然語言與語音處理研討會，頁 281-296，台北，2011。
12.	楊盛帆、陸承志，《以整合式規則來做網路論壇上的3C 產品口碑分析》，碩士論文，元智大學資訊管理研究所，2009。
13.	簡之文、蕭瑞祥，《部落格文章情感分析之研究》，碩士論文，淡江大學資訊管理研究所，2012。
14.	謝麗星、周明、孫茂松，〈基於層次結構的多策略中文微博情感分析和特徵抽取〉，2012中文信息學報第26卷 第1期 頁 73-83。
15.	王正豪、李啟菁，《中文部落格文章之意見分析》，碩士論文，國立台北科技大學資訊工程研究所，2010。
16.	孫瑛澤、陳建良、劉峻杰等，〈中文短句之情緒分類〉，2010自然語言與語音處理研討會，頁184-198，暨南大學，2010。
17.	邱鴻達、梁婷，《意見探勘在中文電影評論之應用》，碩士論文，國立交通大學資訊工程研究所，2011。
18.	丁誌魰、李長耿、李佳玲，〈電子商務旅遊產品交易滿意度及行為意圖模式之研究〉，2008觀光休閒學報第14卷 第1期 頁59-81。
19.	張紹勳，〈企業對消費者電子商務之關係品質模式〉，2011廣告學研究 第16期 頁55-81。
20.	余金鳳，《關於電子商務與網路營銷戰略》，電子商務論文，2012，取自：http://big.hi138.com/gongshangguanli/dianzishangwu/201212/430124.asp#.VzkxSPl97cu。
21.	張淑俐，《超市賣場推薦系統實作》，碩士論文，淡江大學資訊工程學系碩士在職專班，2013。
22.	Kobayashi, N., Inui, K., and Matsumoto, Y. (2007), “Opinion Mining from Web Documents: Extraction and Structurization” Information and Media Technologies, Vol. 2, pp. 326-337.
23.	Nunamaker, J. R., Chen, J. F.,andPurdin, T. D. M.(1990-1991), "Systems Development in Information Systems Research," Journal of Management Information Systems, vol. 7, no. 3, pp. 89-106.
24.	Hu, M., and Liu, B.(2004), “Mining Opinion Features in Customer Reviews,” Proceedings of the 19th National Conference on Artificial Intelligence, pp. 755-760.
25.	Hu, M., and Liu, B.(2004), “Mining and Summarizing Customer Reviews,” Proceedings of he 10th ACM International Conference on Knowledge Discovery and Data Mining (SIGKDD-2004), pp. 168–174.
26.	Kim, S. M.,andHovy, E.(2004), "Determining the sentiment of opinions," Proceedings of the COLING conference, pp. 1367-1374.
27.	Wang, J. H.,and Lee, C. C.(2011), "Unsupervised Opinion Phrase Extraction and Rating in Chinese Blog Posts," Proceedings of the 3rd48IEEE International Conference on Social Computing (SocialCom), Boston, USA, pp.820-823.