時至今日，利用社群網路平台發表自我感受及想法成為趨勢，使得產品評論資訊更容易的被發表及傳播。本研究結合『未來學』、『意見探勘』、『情感分析』三個領域。本研究採用 Nunamaker (1991)等人所提出之系統發展研究法，旨在分析網路評論，整理出網友對於產品的期望，讓開發商更直接簡便的了解消費者的當下需求與未來趨勢。本研究的實驗對象為華碩公司所推出的手機「Padfone變形手機」、「Zenfone智慧型手機」兩種系列產品的評價，實驗資料集來自Mobile01小惡魔論壇的文章資料。文章日期蒐集範圍分別以該系列首次發表年度開始。整體準確率達89%。而未來詞與意見單元之修飾距離為8以內時，未來性意見準確率達60%。最後以圖表呈現產品的意見狀況，表達使用者對產品各部件的意見與期許。

Texting products usage experience and comments in social media community has been a tendency of most people new behavior. This research is to develop the model of combined with “future related wordings”, “opinion unit retrieval”, and “sentimental analysis” methods for exploring and analyzing text-oriented people opinions and comments. This system prototype adopting with Nunamaker(1991) system development method is to demonstrate the amount of positive and negative in time-frame curve of product opinions as well as to search the possible future related wordings for estimating the needs of product future design. 
This study is based on ASUS mobile products data samples to manipulate opinion unit mapping process and the result of this experiment is to find the accuracy rate 89% of matched opinion unit, the distance between “future related word” and opinion unit less than 8 words in most sentences, and reaching 60% corresponding to “future” definition. Using Graphic style describes user product opinions and product expectations as deducing to future related words in final conclusion of this research.

第一章　導論	1
1.1	研究背景	1
1.2	研究目的	3
 第二章　文獻探討	4
2.1	網路使用行為	4
2.2	未來性資訊	8
2.2.1	未來學方法論	8
一、 以過去為基礎的推論方法	8
二、 模式分析法	10
三、 以想像為主的方法	10
四、 尋找－測試為主的方法	11
五、 變遷因子推測法	11
2.2.2	觀測未來之立足點	12
2.3	情感分析	14
2.3.1	情感分析層級	14
2.3.2	定義意見單元	16
2.3.3	擷取意見單元	17
2.4	意見探勘	19
2.4.1	自動化擷取	19
2.4.2	斷詞系統	21
2.4.3	詞庫建置	22
2.5	意見單元極性分析	24
 第三章　研究方法	26
 第四章　雛型系統分析與建置	28
4.1	雛型系統架構	28
4.2	資料蒐集模組	30
4.3	預處理模組	31
4.3.1	詞庫建置	31
4.3.2	斷詞系統	35
4.3.3	產品詞庫比對	35
4.4	意見分析模組	37
4.4.1	意見單元蒐集	37
 第五章　實驗結果	39
5.1	實驗資料集	39
5.2	系統評估方式	40
5.2.1	F-Measure評估方法	41
5.2.2	未來詞庫評估	42
5.2.3	Kappa值一致性分析	43
5.3	系統評估結果	44
5.3.1	雛型系統評估	44
5.3.2	未來詞庫評估	45
5.3.3	Kappa一致性分析	47
 第六章　結論與未來展望	48
6.1	結論	48
6.2	研究貢獻	50
6.3	研究限制與未來展望	52
參考文獻	53

 
表目錄
表 2 1：中研院平衡語料庫詞類標記集（節錄）	22
表 2 2：情感詞庫詞彙數量統計表	24
表 4 1：華碩產品系列型號暨產品暱稱對照表	32
表 4 2：元件分類及屬性詞表	33
表 4 3：表示未來期望之未來詞	34
表 5 1：評估程度級別指標說明	41
表 5 2：實驗評估結果	44
表 5 3：未來詞距離之準確率比較表	45

 
圖目錄
圖 2 1全國地區上網率及人數推估	4
圖 2 2個人最常使用寬頻上網之功能趨勢圖	5
圖 2 3全國地區12歲以上民眾使用無線上網及行動上網最常使用功能-網訪民眾	6
圖 2 4 主要使用的網路社群功能	7
圖 2 5中華民國歷年人口統計數字	9
圖 3 1：系統發展研究流程	26
圖 4 1：雛型系統架構圖	28
圖 4 2：Mobile01文章範例圖	30
圖 4 3：意見單元擷取流程	37
圖 5 1：未來詞距離之準確率比較圖	46

中文部分
[1]	王正豪、李啟菁，民99，中文部落格文章之意見分析，國立台北科技大學資訊工程研究所碩士論文。
[2]	許崇明，2001，最新英漢辭典，台南：建利。
[3]	崔懷芝，2014，量表信度的測量：Kappa統計量之簡介，2月，http://biostatistics.cmu.edu.tw/online/teaching_corner_011.pdf。
[4]	莊淇銘，1997，開啟二十一世紀之鑰－未來學，台北：前衛。
[5]	陳維君、蕭瑞祥，民102，網路意見分析與意見調查比較之研究－以公共議題為例，淡江大學資訊管理研究所碩士論文。
[6]	陳獻忠、劉世惠、王嫻聖、王福祥，2002，文馨新觀念英漢辭典，台北：文馨。
[7]	陳柏翰、蕭瑞祥，民102，基於中文語法規則的意見單元抽取方法之研究，淡江大學資訊管理研究所碩士論文。
[8]	徐鳳謙、陳玉惠，2010，『微網誌與部落格之差異』，資訊傳播學報-網路中介傳播，第2010期：第63~70頁。
[9]	簡之文、蕭瑞祥，民101，部落格情感分析之研究，淡江大學資訊管理研究所碩士論文。
[10]	楊昌樺、陳信希，民95，以部落格文本進行情緒分類之研究，國立台灣大學資訊工程學系。
[11]	楊盛帆、陸承志，民98，以整合式規則來做網路論壇上的3C產品口碑分析，元智大學資訊管理研究所碩士論文。
[12]	黃心宜、蕭瑞祥，民103，基於影響力分析之意見單元評價的研究，淡江大學資訊管理研究所碩士論文。
[13]	黃錫美，民95，『希望之概念分析』，志為護理，6:2，第57~63頁。
[14]	歐崇敬，2001，未來學方法論，台北：新視野圖書出版有限公司。
[15]	薛頌留，1998，新編中國辭典，台北：大中國。
[16]	張嘉文，2002，辭海，台北：鐘文。
[17]	中文詞彙網路 Chinese WordNet， http://lope.linguistics.ntu.edu.tw/cwn。
[18]	台灣大學情緒詞辭典，National Taiwan University Semantic Dictionary (NTUSD)，http://nlg18.csie.ntu.edu.tw:8080/opinion/pub1.html。
 
英文部分
[19]	Chakrabarti, Soumen, Martin Van den Berg, and Byron Dom. "Focused crawling: a new approach to topic-specific Web resource discovery." Computer Networks 31.11 (1999)(pp. 1623-1640).
[20]	Dias, G., Campos, R., & Jorge, A. M. (2011). “Future Retrieval: What Does the Future Talk About?”. In Workshop on Enriching Information Retrieval of the 34th ACM Annual SIGIR Conference (SIGIR 2011) (pp. 3-pages).
[21]	Gruhl, D., Guha, R., Kumar, R., Novak, J., & Tomkins, A. (2005, August). “The predictive power of online chatter”. In Proceedings of the eleventh ACM SIGKDD international conference on Knowledge discovery in data mining (pp. 78-87). ACM.
[22]	Hu, M., and Liu, B., 2004. “Mining and Summarizing Customer Reviews, ”Proceedings of the 10th ACM International Conference on Knowledge Discovery and Data Mining, Seattle, Washington, United States, pp.168-174 
[23]	HowNet，http://www.keenage.com。
[24]	Jatowt, A., Kawai, H., Kanazawa, K., Tanaka, K., Kunieda, K., & Yamada, K. (2013, September). Multi-lingual Analysis of Future-related Information on the Web. In Culture and Computing (Culture Computing), 2013 International Conference on (pp. 27-32). IEEE.
[25]	Kawai, H., Jatowt, A., Tanaka, K., Kunieda, K., & Yamada, K. (2010, January). ChronoSeeker: Search engine for future and past events. In Proceedings of the 4th International Conference on Ubiquitous Information Management and Communication (p. 25). ACM.
[26]	Kobayashi, N., Inui, K., Matsumoto, Y., Tateishi, K., and Fukushima, T.,” Collecting evaluative expressions for opinion extraction.2007.” Proceedings of the International Joint Conference on Natural Language Processing, New York, United States,pp584-589
[27]	Liu, B., 2010. “Sentiment analysis and subjectivity,” Handbook of Natural Language Processing,2nd ed. CRC Press, 627-666.
[28]	Liu, Y., Huang, X., An, A., & Yu, X. (2007, July). “ARSA: a sentiment-aware model for predicting sales performance using blogs”. In Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval (pp. 607-614). ACM.
[29]	Nunamaker, J .R ., C hen, J. F ., and Purdin, T .D .M., 1990-1991 .“Systems Development in Information System Research,” Journal of Management Information System,vol.7,no.3pp.89-106。
[30]	Radinsky, K., Davidovich, S., & Markovitch, S. (2012, April).”Learning causality for news events prediction”. In Proceedings of the 21st international conference on World Wide Web (pp. 909-918). ACM.
[31]	Tan, A.-H., 1999,“Text mining: The state of the art and the challenges, ”Proceedings of the Pacific Asia Conference on knowledge discovery and data mining PAKDD'99 workshop on knowledge discovery from advanced databases。