Menu Content/Inhalt
實驗室首頁 arrow 論文發表
論文發表

近五年內最具代表性之應用技術突破



事件為基礎的複雜任務搜尋模型

 主要技術突破:傳統的搜尋引擎對於使用者輸入的查詢詞往往只視為一個簡單任務來進行處理,然而許多使用者生活上可能會遭遇到複雜任務,例如:「杜拜旅遊」此複雜任務包含至少幾個子任務目的,包括「訂購機票」、「預訂旅館」以及「查找地圖」。在本創新研究中,我們提出一個以主題-事件為基礎的複雜任務模型來處理上面所提到的問題。為了提升模型的效能,嘗試探勘多樣化的網路資源,包括:查詢紀錄、點擊頁面、社群問答服務、搜尋引擎結果頁面與微網誌。此外,我們也開發了一個以複雜任務為基礎的搜尋引擎,根據使用者隨意地輸入子任務需求,如杜拜機票或來”杜拜飯店”,可以提供涵蓋各種子任務的整合式搜尋結果來幫助使用者更輕鬆的完成複雜任務。

 重要的期刊論文和國際會議論文:

 ❶Ting-Xuan Wang, Wen-Hsiang Lu (2016). Identifying the Names of Complex Search Tasks with Task-Related Entities, International Journal of Computational Linguistics & Chinese Language Processing, 21(1).

 Ting-Xuan Wang, Wen-Hsiang Lu (2016). Constructing Complex Search Tasks with Coherent Subtask Search Goals, ACM Transactions on Asian and Low-Resource Language Information Processing (TALLIP), 15(2).

 Ting-Xuan Wang, Kun-Yu Tsai, Wen-Hsiang Lu (2014). Identifying Real-Life Complex Task Names with Task-Intrinsic Entities from Microblogs, Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics (ACL 2014, short paper)

 
部落格作者的憂鬱傾向預測模型

   主要技術突破:隨著Web 2.0社交網路(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,但是目前並無相關研究開始探究部落格作者的憂鬱傾向預測,我們提出創新構想嘗試發展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。我們從部落格作者的網誌文章觀察分析出憂鬱症相關因素,例如負面事件、負面情緒、症狀和負面想法,然後利用這四項因素發展一個部落格作者的憂鬱傾向預測模型,協助部落格作者判斷憂鬱程度。

   重要的期刊論文和國際會議論文:

❶ Chia-Ming Tung, Wen-Hsiang Lu (2016) Analyzing depression tendency of web posts using an event-driven depression tendency warning model, Artificial Intelligence in Medicine (AIIM), 66(C), P53-62.

❷ Chia-Ming Tung, Wen-Hsiang Lu (2013). Detect Negative Event for Depression Tendency from Web Blogs, Proceedings of the 15th International Conference on Biomedical Engineering.

Chia-Ming Tung and Wen-Hsiang Lu (2012) Predict Depression Tendency of Web Posts using Negative Emotion Evaluation Model, Proceedings of ACM SIGKDD 2012 Workshop on Health Informatics (HI-KDD 2012)

 
使用者搜尋目的偵測模型

   主要技術突破:根據傳統搜尋引擎使用關鍵詞匹配搜尋機制,傳回給使用者大量但非使用者需求的文件,使用者需花費大量的時間與心力尋找使用者所需的資訊,造成傳搜尋引擎的搜尋品質降低,無法滿足使用者需求。另外短查尋詞(Short Query)所表達的語意可能是很模糊的,因此了解使用者目的(User Goal),清楚地知道使用者想要搜尋什麼資訊或資源,可以有效改善搜尋品質,因此我們開發創新技術,從搜尋引擎的搜尋結果(Search-Result Snippets)建構使用者搜尋目的模型,探勘使用者可能的搜尋目的。

   重要的期刊論文和國際會議論文:

Ting-Xuan Wang and Wen-Hsiang Lu (2011) Identifying Popular Search Goals behind Search Queries to Improve Web Search Ranking, Proceedings of The 7th Asian Information Retrieval Society (AIRS 2011)

 Kuan-Yu He, Yao-Sheng Chang, Wen-Hsiang Lu (2007) Improving Identification of Latent User Goals through Search-Result Snippet Classification, Proceedings of The 2007 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2007).

 Yao-Sheng Chang, Kuan-Yu He, Scott Yu, Wen-Hsiang Lu (2006) Identifying User Goals from Web Search Results, Proceedings of The 2006 IEEE/WIC/ACM International Conference on Web Intelligence (WI 2006).

 
跨語醫學概念對應模型

   主要技術突破:我們提出的兩個概念對應的方法可以有效的解決大部分的MeSH concept mapping問題並增加跨語醫學資訊檢索系統的效能,同時可以有效克服通俗用語與專業術語間的術語障礙,幫助專業與非專業人員有效檢索出相關文件。

   以網路探勘為基礎的術語翻譯技術所建構的中英醫學概念主題詞索引典(Chinese-English MeSH),可以提供醫學專業人士和一般大眾在醫學的概念知識學習有極大的幫助,對於醫學資訊研究是一個相當重要的基礎。

   目前國內外尚未有任何系統提供中英跨語醫學資訊檢索,我們所發展的跨語醫學資訊檢索系統,將可實際地協助一般大眾即時擷取有用的英外文醫學知識或資訊。除了提昇社會大眾醫學知識水準,並可協助國內醫藥衛生研究,節省國家龐大醫療成本。

   我們所提出的整合網路語料庫術語翻譯和資訊檢索技術對於醫學資訊檢索的應用,在某種程度上,對於國內的網路探勘和資訊檢索等相關領域有一些創新貢獻,並拓展一些新的研究議題。

   發表三篇論文在全球最重要醫學資訊國際研討會(AMIA)和期刊。

 Wen-Hsiang Lu*, Ray S. Lin, Yi-Che Chan, Kuan-Hsi Chen (2008) Using Web Resources to Construct Multilingual Medical Thesaurus for Cross-Language Medical Information Retrieval, Decision Support Systems, 45(3), P585-595.

  Wen-Hsiang Lu*, Shih-Jui Lin, Yi-Che Chan, Kuan-Hsi Chen (2006) Overcoming Terminology Barrier Using Web Resources for Cross-Language Medical Information Retrieval, Proceedings of American Medical Informatics Association’s Annual Symposium (AMIA2006).

Wen-Hsiang Lu*, Shih-Jui Lin, Yi-Che Chan, Kuan-Hsi Chen (2005) Semi-Automatic Construction of the Chinese-English MeSH Using Web-Based Term Translation Method, Proceedings of American Medical Informatics Association’s Annual Symposium (AMIA2005).