交通部運輸研究所Institute of Transportation, MOTC

近年來民眾經常使用社群媒體網路來表自己的觀點，社群媒體超越了傳統媒體投書陳情等方式，成為民眾發表意見、抒發情緒、表達自身觀點與立場的重要平台。為有助於掌握民眾對於交通服務之預期與實際感知差距，仍有必要進行民眾使用運具的相關調查，因此本研究嘗試尋求在經濟上、實際上具有可行性的調查方法，以便持續每年追蹤民眾對於交通服務現況的意見表達與感受程度，供政府與業噁相關單位參考之用。

本研究藉由自然語言處理、社群媒體意見挖掘技術以及視覺與一深度學習方法，建立一套結合圖像和文字的意見挖掘模式，並應用於軌道運輸場站服務評論。首先透過爬蟲系統去蒐集有關臺北都會區的軌道運輸場站評論，並標註為三個類別:一項分類(Intent)、圖文關係(Image-Text Relation)、內容分類(Content)，季曆軌道運輸場站為本體的社群媒體評論資料庫；然後建構軌道運輸場站服務評論意見挖掘之分類模式，以視覺語意向量(Visual Semantic Embedding)建構視覺語意融合[摁算神經網路；決化技術，探討意見挖掘結果與實際狀況之關係，直觀旅客使用軌道運輸場站所關注之議題及評論意象情感。

經由實證分析得知，本研究之視覺語意分類模式具有良好預測能力，準確率分別為意向分類(72.7%)、圖文關係(73.9%)、內容分類(61.2%)，其中車站相關的內容分類的準確率達0.75，但其整體準確度被其餘二個分類拉低。

本研究借助視覺化技術，將評論分析結果結合地理位置、時間因素分別以視覺化圖形呈現，可提供營運管理者直觀式的資訊顯示畫面。網路評論作為旅客對體驗品質(Quality of Experience)的體現，軌道營運管理者可藉由本系統持續追蹤各個廠站旅客情感意向的時空變化趨勢，不但可瞭舉目前各場站服務的績效狀態，亦可作為軌道場站品質管理之參考。最後本研究提出因應負面評論的回饋機制，使營運管理者對於新出現的負面評論可進行即時檢視，已研擬後續改善之行動方案。

”無開放電子檔，歡迎至本所查閱紙本”