以文件分類技術預測股價趨勢 (Predicting Trends of Stock Prices with Text Classification Techniques) [In Chinese]

具相關資訊回饋能力之貝氏混合式機率檢索模型 (Using Relevance Feedback in Bayesian Probabilistic Mixture Retrieval Model) [In Chinese]

摘要 本篇論文提出新穎之相關回饋(Relevance Feedback)方法並應用於混合式機率檢索系統(Mixture Probability Model)以提昇檢索效能。相關資訊回饋法以往最常用的技術是查詢句擴充法(Query Expansion),本回饋方式 是架構在以混合式機率模型為主的檢索系統上,為了加強檢索效能,我們是在查詢句擴充法中,強調不同查詢 詞的重要性,所以提出查詢詞權重重調整(Query Term Reweighting)技術;此外,我們也利用檢索出來的前 N 名文件和資料庫的每份文件個別重調成新的文件語言模型,以提供較好的文件語言模型提供檢索時使用。在查 詢字權重之重調整部分以最佳相似度(Maximum Likelihood)為估測準則,而文件語言模型之調整部分先後以 最佳相似度與最佳事後機率(Maximum a Posteriori)為估測準則供我們對照比較,...

部落客憂鬱傾向分析與預測(Analysis and Prediction of Blogger's Depression Tendency)[In Chinese]

憂鬱症已列為聯合國世界衛生組織視為新世紀三大疾病,與癌症、愛滋病一起蠶食 鯨吞著人民的身心健康。根據聯合國世界衛生組織估計,全球目前有二到四億人口正為 憂鬱症所苦,估計在亞洲至少約有五千萬的憂鬱症患者,且人數不斷上升。2020 年, 憂鬱症將與心臟病,成為影響人類生活甚巨的前二大疾病。根據統計,台灣地區 2007 年統計結果,憂鬱症盛行率約 8.9%,換言之,超過兩百萬人罹患憂鬱症。40%的憂鬱 症患者會有輕生或自殺的念頭,10~15%的患者因自殺而死亡。所以有效的找出有憂鬱 傾向的民眾已經是一項不容忽視的醫療衛生議題。因此本研究提出一項創新的憂鬱傾向 預測技術,利用部落格網誌文章自動判別部落格作者的憂鬱傾向。 隨著 Web 2.0 社群網路(Social Network)快速興起,使用者每天在部落格寫下工作和 生活的諸多苦惱與需求,雖然已有許多部落格作者的情緒分析研究,但是目前並無...

利用機器學習於中文法律文件之標記、案件分類及量刑預測 (Exploiting Machine Learning Models for Chinese Legal Documents Labeling, Case Classification, and Sentencing Prediction) [In Chinese]

以語文特徵為基之中學閱讀測驗短文分級 (Using Linguistic Features to Classify Texts for Reading Comprehension Tests at the High School Levels) [In Chinese]

We investigate the issue of classifying short essays based their linguistic issues, for English at the high school levels. A good selection of appropriate essays is crucial for the language learners and for the reading comprehension tests, which is an important type of tests for language competence examinations. Although the text alone does not allow us to judge the difficulty of reading compre...

IF: An Intrusion Forecast Module based on an Intrusion Detection and Traceabck System

現今之入侵偵測系統(Intrusion Detection System, IDS)多著重於更有效率的偵測方 法,如 Behavior-based之 IDS,以偵測異常之網路行為主軸取代以特徵為基礎 (signature-based )之入侵偵測技術,或以其他如 protocol anomaly及 traffic anomaly detection等較準確之異常偵測為基準之技術。亦有人提議以人工智慧技術(Artificial intelligent techniques)[1]透過類神經網路模型(Neural Network Model)使入侵偵測系統能 自我學習,並自我成長,而不須如傳統之 signature-based IDS以人工方式新增入侵特徵 之 Patten,最終目的是希望能自動發掘出新的未知型態入侵攻擊。而業界產品則著重在 發展入侵預防系統 (Intrusion Det...