陽光宅男的擴音器

歸零

2011-07-24T21:31:00.006+08:00

還記得，自己曾在無名用過「樂園」來形容那熱血又羞澀的輔大生活，
當時步離中美堂與文開樓的我，其實背負一種學成歸來的感覺，
加上那時候四年的成績都名列前茅，難掩那股書卷獎的自得意滿。

那之後來到臺大，開始度過這猶如多出來的三年學生生涯，
第一次意識到自己的時間管理與自制能力其實是如此乏善可陳，
第一次意識到自己的英文、報告、文獻整理能力如此捉襟見肘。
從文獻的大海中，我逐漸重新認識了從輔大時建立的批判與泛論精神，
並徹底瞭解那些東西不是我要的，同時開始向「資」靠攏，而非「圖」，
我不僅要知道一件事是好還是壞，而是要知道如何讓他變好或變壞。

「我無法像台機器只接受新事物，而不思考它對我意識型態的影響」
雖然毅然決定朝向另一個專業走，但實際上我沒有時間與環境去培養，
為了論文的需要，程式開發與自然語言處理的研究架構都必須急就章，
這才意識到上「研究方法」課程時，我總能輕易去批判或找出漏洞，
但要在自己研究中提出一個中規中矩的架構去執行都猶如登天，
即便是通過畢業口試的目前，仍覺得自己的研究有數不盡的缺點。

「書念更多了，反而什麼都不太擅長了」
現在回想起大一還大二時張淳淳老師的一番話，還真是一點都沒錯，
『大學畢業的時候通常都覺得自己什麼都學會、瞭解了，
碩士畢業的時候才會發現自己原來什麼都不會，
博士畢業的時候才終於發現自己會一點點東西了！』
不過老師，我不打算向博士邁進了XDDD

學著少批評或急著提出想法，增加去認識、接受事情的機會，
也避免了妄下定論的機會，與一些沒耐心或逃避的心理作祟，
當然，我骨子裡依然是那個死嘴砲的批判客，
這在許多事物上也許會幫助我容易產生獨立思考的精神，
但目前為止，我明白它不是萬靈丹，尤其當我走出校園，
碰到更多現實層面的挑戰時，我嚮往更多的實學，
在沒有實際操作的能力之前，根本沒有什麼是值得拿翹的。

「不要問我未來要幹什麼，因為我要先當兵XD」
沒有啦，其實我想繼續考資訊處理的國家考試，
因為我離資管的背景還有一大段路要追，
之前去應徵資訊公司的研發替代役也被建議要加強CS的能力，
不如就多寫點程式、念些資料庫系統的東西吧！（看能不能偷個公職XD）
我想軟科學從高二的文組念到現在已經算是游刃有餘，
因此朝著自己最弱的硬科學走，也許辛苦，但卻是我目前想走的路。

我相信我沒有拋棄以前學習已久的圖書資訊學概念與精神，
它讓一個從高中開始就沒有進前幾名的人找到了一個發揮的舞台，
也讓一個自我中心又完美主義的人瞭解到時時刻刻懷抱感恩與謙遜的重要，
也讓一個閉俗又悶騷的死宅男學會如何去陽光與坦率，
當然，還有我親愛的家人、愛人、親朋好友與最寶貝的瑞可軍團們！
大夥在我求學過程的一路陪伴，最後讓我可以好好的結束學業。

「對，我要從臺大畢業了，雖然我身無分文，但我準備好了！」

[課堂心得]量化研究與統計分析-相關分析(Correlation Analysis)

2011-04-05T23:27:00.002+08:00

圖片來自：Visual Statistics Studio

當初完全沒想到量化研究的點閱人氣率會這麼高耶XDDD
所以有空還是先把這塊心得先整理整理，給有可能需要的人看看吧！

說到「相關」，其實這個詞還挺常見的～
不過也就是因為太常見了，反而越用越模糊，好像什麼事情都可以來相關一下XD
所以這一次就是來跟大家好好談一談，學術領域上的「相關」是怎麼一回事？

寶煖老師還是用一個簡單的表格告訴我們「何時最適合用相關分析呢？」

自變數	依變數	統計方法
類別	類別	交叉
類別	連續	變異數
連續	連續	相關（強度）迴歸（因果）

除了前幾次的卡方＆T檢定、變異數分析等統計方法，
我們還很常看到的就是所謂的「相關分析（Correlation Analysis）」

因為在很多時候，我們會對一件事物與另一件事物之間的關係很感興趣～
最好是還可以提供給我們一個關係強度的指標，
這個指標小表示關係強度低、指標大表示關係強度高，
這時候你大概意會到了，這就是也就是「相關係數（coefficient of correlation）」

打個比方好了，如下圖（來自Live Strong）有五具骷髏一字排開，
看看他們，你會想怎麼去描述他們身高與體重的關係？

其實通常我們可以給一個從0到1之間的數值來描述其相關強度(Strength)，
並同時可以說明這個關係的方向（direction）！（ex: 正 or 負）
一般來說，我們在許多相關分析的研究都很容易看到以下兩種相關係數

The Rank-Difference coefficient(ρ)->念 rho(盧)
- 如：Spearman rank-difference coefficient of correlation
- 排序型的資料比較適合
- 這個係數比較容易理解啦～
The Product-Moment coefficient(γ)->gamma
- 如：Pearson product-moment coefficient
- 適用連續型資料（連續變數）
- 很常見的相關係數類型唷！

OK～我們沿用上面五具骷髏的例子，算看看ρ係數：
首先一定要先排序！最重到最輕，最高到最矮～
然後將相同序位作對應比較（第1對第1、第2對第2...依此類推）
我想公式我就不介紹了，這不是重點（有興趣Wiki）
但是我們要知道它的意義～
這個係數的重點就是在於計算整體的排序差異(Rank Difference)
所以如果是正相關時...（假設從左到右的骷髏為A到E）

名稱	變數X(身高)	變數Y(體重)	排序差異D	D平方
A	1	1	0	0
B	2	2	0	0
C	3	3	0	0
D	4	4	0	0
E	5	5	0	0
				total= 0

從上表可以發現，當出現很強的正相關時，排序差異會很低（這邊是0）
而ρ會用1去減這個差異值的比，因此如果排序差異越低時，ρ會越接近1

不過倘若在現實環境下，有個人又高又瘦、有的人又矮又胖
這時就會出現負相關...

名稱	變數X(身高)	變數Y(體重)	排序差異D	D平方
Rondo	1	5	-4	16
Martin	2	4	-2	4
Lee	3	3	0	0
Garnett	4	2	2	4
Robinson	5	1	4	16
				total= 40

因此反過來看，排序差異比越大時，1有可能不夠減，
所以是有可能出現負的ρ值喔！

接下來，我們一樣拿γ係數來檢視身高體重的例子吧！
其實Product-moment的意思並不會像ρ那樣去計算排序的差異，
而是計算其真實的身高與體重！例如以下是A到E骷髏的實際身高體重～

名稱	變數X(身高)	變數Y(體重)
A	250	25
B	160	20
C	90	15
D	40	10
E	10	5

然而在這裡，我們一樣不管它的公式運算～（有興趣wiki）
應該關注的焦點是這些實際變數與其平均數的「積差」大小！
完了完了，數學很爛的我，看到積差兩個字就開始頭痛了！！
其實不用擔心～我們用一樣的例子算一下試試看～

	名稱	變數X(身高)	變數Y(體重)	x (平均差)	y (平均差)	xy
	A	250	25	140	10	1400
	B	160	20	50	5	250
	C	90	15	-20	0	0
	D	40	10	-70	-5	350
	E	10	5	-100	-10	1000
total						3000
平均		110	15

多了三欄之後，應該還看得懂吧？
x跟y是指觀察值跟其平均值的差，而xy就是所謂的積差
這個積差是計算γ係數的關鍵，它越大，γ係數就會大，相關程度就越強

同樣地，我們換一組觀察值X，算算看積差～

	名稱	變數X(身高)	變數Y(體重)	x (平均差)	y (平均差)	xy
	A	160	25	50	10	500
	B	40	20	-70	5	-350
	C	10	15	-100	0	0
	D	250	10	140	-5	-700
	E	90	5	-20	-10	200
total						-350
平均		110	15

這下子你應該看出來了吧，如果兩組觀察值變化不一（其實就是比較不相關）
兩組一起跟平均值去相減時，一個是正的、另一個負的，
最後在xy都會相互抵銷，這樣最後的積差就會小！γ係數也會低。

目前為止，對「相關」應該有個概念了吧？
其實就是觀察兩組變數（通常都是連續變數）共同變化情形，
也就是常常聽到的「共變（covariance）關係」，
我們有可能利用次數分配去統計這些現象，
或用平均數與標準差來描繪資料集中或離散的情形。

然而，兩組連續變數的共變關係可能會有不同的形式，
但是最簡單且最常見的模式就是「線性關係(linear relationship)」
線性關係是指兩個變項的關聯可以用一條最具代表性的直線來表示!!
以我們用的身高體重來看的話：

y = bx + a (x身高、y體重)
b是斜率，x每變動一個單位，y的變動量（多一公分，體重變化量）
若b為「正」值，表示兩變項是正相關！
若b為「負」值，表示兩變項是負相關！

看圖應該最快理解吧!! (來自：QI Marcos)

正相關

負相關

因此，我們知道這些這條線是由眾多觀察值的散佈圖產生的，
這條「最適線」基本上是倚靠點與點之間的距離計算的，這裡也不談

言歸正傳，現在可以瞭解到：

一個精確的相關分析是會產生一個相關係數的！
這個係數是介於-1～+1之間的數
若為+1表示兩變數具有完全的正線性相關
若為-1表示兩變數具有完全的負線性相關
若相關係數趨近於0，表示兩變數沒有線性相關

這種利用係數來判斷相關程度的概念最早由Pearson提出，
因此又稱「皮氏積差相關係數（γ係數）」！！
一般來說，我們會希望對相關係數的數值有一個基本認知，
因此老師提供以下的表：

相關係數(γ)	相關程度
1.00	完全相關
0.7-0.99	高度相關
0.4-0.69	中度相關
0.1-0.39	低度相關
< 0.1	微弱或無相關

不過，相關係數值的大小雖然可以反應兩個變項關連性的強弱，
但是相關係數是否具有統計上的意義，則需要透過統計檢定來判斷！
因為由樣本計算兩變項之相關係數Pearson的「γ」，
若要推論到實際母體時，需經由統計（假設）檢定來檢視其統計意義：

虛無假設H0：兩變項X與Y不相關
對立假設H1：兩變項X與Y相關

當雙尾的機率P值小於設定的顯著水準α（如.05或.01）時，
接受對立假設（拒絕虛無假設），即相關係數不為零（兩變項相關）

詳細的假設檢定看不懂沒關係～SPSS懂就好，數據照樣給他跑下去XDD
因為相關檢定實在很簡單，所以這次就沒有範例啦（明明就偷懶~）
其實是我檔案不知道跑去哪了，沒辦法跑範例啦給大家看^^

但是！但是！程序還是會很清楚的跟大家說一下～（大心）

一開始就是假設檢定麻～（就像上面那樣）
先跑散佈圖，大概看一下兩變數的相關程度（用肉眼!）
- SPSS –>統計圖 –>散佈圖（X軸自變項、Y軸依變項）
開始跑相關分析
- SPSS –>分析 –>相關 –>雙變數
根據顯著水準與相關係數寫結果跟結論！

超簡單的吧！完全不需要什麼高深的技術就可以解決！
不過呢！還是有一點細節要跟大家談一談，就是「相關係數」的選擇
雖然前面已經有初步介紹過了，但因為在SPSS設定雙變數的時候，
它會請你勾選以下三種常見的相關係數：

一、Pearson（γ）

大多數會使用的，因為適合隨機連續變數～
對『常態分配』的變數觀察值非常適用！可以發現兩變項關係的密切程度
常態分配是什麼？就是看看你整體的觀察值，
是不是有中間偏多，前後比較少的情況（最常見的變數分配！）
就拿考試成績好了，一般都是平均分數附近最多人，滿分跟不及格偏少
（當然～google一下可以解決你人生中百分之99的疑問）

但還是有可能你的觀察值不是常態分配，或已經照類別排列過了，
那就比較適合用下面兩種係數來測量等級排列之間的關連

二、Spearman (ρ)

等級相關係數
適用於順序變項（就像最前面舉的例子，如排名、排序資料）

三、Kendall（τ）-唸tau

也是等級相關係數
適用於Concordant型態的樣本觀察值
Concordant是什麼？其實呢！就是指觀察值的特性啦
通常拿來指一對一對觀察值的關係，有以下三種：
- Concordant（一致）：指某一觀察值的兩變項都大於（或小於）另一個觀察值
- Discordant（不一致）：指一觀察值的第一變項大於（或小於）另一觀察值，第二變項卻相反
- Tied（相等）：指兩觀察值的一個變項或兩個變項相等

現在，面對這幾個選項應該都有點頭緒了吧～
最後最後最後～～～～～老師提醒大家一件非常重要的事情！
在解析結果時，千萬不要因為顯著的相關，就逕下任何跟因果相關的結論唷XDD

挖～寫完了！其實這系列也只剩最後一回了~
就是迴歸啦！！大家可以期待一下（誰理你呀XDDD）

[課堂心得]量化研究與統計分析-變異數分析(ANalysis Of VAriance, ANOVA)

2010-10-30T12:53:00.006+08:00

圖片取自：Zazzle(網拍)
竟然會有人想把ANOVA印到衣服上~~~實在中毒太深了XDD
由於論文的關係，讓這組課堂心得停擺了一年(金拍謝^^)
這次呢～從最常見的ANOVA來跟大家見面!!

如果還記得之前談的卡方與T 檢定的特性的話，
要記住現在這個ANOVA就容易了，不過我猜這種事是不太可能的（大笑）
所以就沿用了寶煖老師整理的的表格供大家參考～

自變數	依變數	統計分析方法
類別	類別	交叉表（卡方）
類別	連續	T-test：1~2個樣本 ANOVA：2個以上樣本
連續	連續	相關分析
連續	類別	迴歸分析

所以這裡我們可以建立一個簡單的概念：
ANOVA是用來檢定平均數之間是否有顯著差異（significant differences）

如同表格所示，如果我們的樣本只比較兩組平均數
那不管你用ANOVA的結果和獨立樣本(比較兩個不同群體)
或成對樣本(比較一組觀察值的兩個變數)T檢定是一樣的喔！！

換句話說，只要超過兩個以上的獨立樣本要比較其間的平均數差異時
就必須要利用1923年Fisher所創用的ANOVA了！！

「明明就是比較平均數，為啥要叫作什麼變異數分析勒？」
因為呢，我們實際在檢定平均數的統計顯著性時
其實是在關心那些變異數(variances)的部分，
就是計算全體樣本在依變數的分數變異情形，
並著重在兩個項目去計算「組內差異(自變項變異)」與「組間差異(誤差變異)」

恩～到這裡，我們稍微建立一下簡單的概念，我們常常會對ANOVA有些恐懼，
像是什麼總是搞不懂單因子、雙因子之類的，一冒出來總是想一下它指得是什麼 ?
回到上面那張圖一下，ANOVA的自變項是類別變項，而這個自變項就是「因子」
因子包括的可能數值就是水準(level)，如因子=性別, 2 level = male or female

所以阿～是有所謂的ANOVA家族的！
當研究的是一個自變項(記得是類別變項喔!)對依變項平均數的影響時
不管該因子內有多少水準，所進行的就是單因子變異數分析(One Way ANOVA)；
若是同時考慮兩個自變項時，就是二因子變異數分析(Two Way ANOVA)；
若是同時考慮多個自變項時，就是多因子變異數分析(Factorial Analysis of ANOVA)
另外還有一些更複雜的情況...
當研究者意欲控制某連續變項時，去除第三變項的混淆效果
以瞭解自變項對某特定連續變項的效果時，叫做共變分析(ANCOVA, Analysis of Covariance)
以及當依變項數目增加時的多變量變異數分析(Multivariance analysis of variance)

不過，這邊主要還是給大家一個概念去思考這些分析的意義
因為這些家族的出發點都還是以ANOVA的核心概念去延伸自變項、依變項而已
以下我們會以最常見的單因子與二因子ANOVA來解釋與舉例之～

單因子變異數分析(one-way ANOVA)

就是指只有一個自變項的變異數分析，如

製作甜甜圈時使用不同的食用油是否會影響甜甜圈的油脂吸收
類別：不飽和油脂= 花生油、葵花油；飽和油脂=豬油
連續：油脂吸收量
不同領域的學生對資訊素養目標的看法
類別：人文、社會、自然、工程、醫學(5 level)
連續：資訊素養目標（用問卷量尺）

看了上面的例子應該很快就能進入狀況，寶煖老師告訴我們在設定level時
務必把握magic7的原則，不要太多，太多就適度的合併吧！

再來就是研究假設，變異數分析所檢驗的虛無假設是：
所有樣本所來自之母群體之平均數都相等，

虛無假設(H0)：u1 = u2 = u3 =……= uk
對立假設：u1、u2、u3、……、uk至少有一個不等

只要拒絕虛無假設，則表示對立假設可以成立
所以只要至少有一個平均數是和其他平均數有顯著差異就可以了！
至於那個顯著差異的狀況到底存在於哪些平均數之間？
那就是ANOVA結束後，事後追蹤的事情了（成對檢定）

前面曾談過ANOVA的根據是資料的變異狀況，其來源有二：

組間變化(Variance between groups)
組間變異數，組與組之間有系統的差異，可用實驗處理來解釋
組內變化(Variance within groups)
組內變異數，是個體間的隨機差異，與實驗處理無關，一定會存在的！

相較於組內變異數，如果組間變異數越大時，拒絕虛無假設的機率也就越高~
所以ANOVA就是利用樣本的租間與組內的變異數比值來作為拒絕虛無假設的根據

知道原理就好了，公式我就跳過～(想知道的人麻煩WIKI)
反正實際運算時，我想大部分的人都是用SPSS軟體去算啦XD

要進行One way ANOVA前，記得你的樣本是獨立的還是相依的樣本喔！
因為會影響你在SPSS上的操作，前者表示你的樣本值彼此沒有相關與影響，後者相反
例如我們要做不同廣告通路的效果，有web、email與DM，
獨立樣本可能會各找100位受試者，相依樣本則會用同一群100人做而已
最後呢老師提醒大家一些研究上的細節，

統計檢定時是否考慮平衡設計?
就是各組觀察值都要相等啦(影響統計力，就是推論的說服性)
ANOVA是有一些假設前提的：
- 常態分配(影響較小)
- 來自母群體的變異數均相等(樣本數有顯著差別，違反變異數同質性檢定時會出錯)

那我們還是趕緊來看一下範例吧！因為每個版本的SPSS有些許出入
所以要執行ANOVA大概就去找：

「比較平均數法」->「單因子變異數分析」（獨立樣本）
「一般線性模式」->「單變量」（獨立樣本）
「一般線性模式」->「重複量數」（相依樣本）

一般來說，ANOVA檢定的程序不外乎：

研究假設
變異數同質性檢定(獨立樣本) or 球型檢定(相依樣本)
Post-hoc檢定
解釋說明

範例（獨立樣本）

承接上次的範例，已知公立大學和私立大學圖書館的圖書藏量是有顯著差異的。可是如果只是將大專院校區分為公立和私立，似乎太過於直接或籠統，事實上打從高等教育蓬勃發展之後，公立和私立的區分方式已不若之前顯著，有很多私立大學獲得的資源和對圖書館的經營可能遠高於若干公立大學圖書館，我們就來想想看該怎麼區分大專院校圖書館比較適當。附檔libcollection.sav蒐集國內90多所大學校院圖書館之館藏，請問大學、科技大學、學院、技術學院之間的館藏是否有顯著差異？

根據題意，
設為：大學、科技大學、學院、技術學院在圖書館館藏上沒有顯著差異；
設為：大學、科技大學、學院、技術學院在圖書館館藏上具有顯著差異
首先在Levene檢定的結果中(F = 11.327, p = .000 < .001)，顯示四種樣本的變異性具有顯著差異；而ANOVA的結果亦顯示四種學校類型的圖書館館藏量具有顯著差異(F = 6.568, df = 3, p < .001)。故支持：「大學、科技大學、學院、技術學院在圖書館館藏上具有顯著差異」(見下表)

在變異數不同質的情況下，Post-hoc檢定時選擇Games-Howell。透過多重比較後，再重新檢視描述性的統計量，即可發現：大學圖書館的館藏量(49萬冊)明顯高於科技大學(20萬冊, P< .05)、學院(16萬冊, P< .05)、技術學院(14萬冊, P< .01)；科技大學圖書館館藏量(20萬冊)也明顯高於技術學院(14萬冊, P< .001) 。

「為什麼又跑出一個Post-hoc test?前面都沒講到阿！！」
哈哈就叫做留一手XDD 因為直接跟你講它是什麼，你也會看得霧煞煞...
當我們做完ANOVA，判斷出平均數之間的確存有顯著差異以後
必須透過Post hoc多重比較才可以決定到底是哪些平均數不一樣!!

下圖就是在做剛剛的範例時會操作到的介面，當我們發現平均數的顯著差異以後
通常就會馬上進行Post hoc，但是...「怎麼這麼多東西要勾選呀？」

簡單來說它就是分了兩群，根據Levene的變異數同質性檢定的結果來選

變異數同質：勾選「假設相同的變異數」那邊
變異數不同質：勾選「為假設變異數同質」那邊

哦～這樣就看懂了吧！至於要選哪些檢定麻…
詳情是談不完的，每個都可以去wiki出一篇故事哦
所以老師給我們一些簡單的概念：

變異數同質：根據檢定嚴謹程度（Scheffee > Bonferroni > Tukey > LSD）
變異數不同質：常用的Tamhanes T2或Games-Howell

故事講得差不多啦，這樣下次出現One Way ANOVA應該嚇不倒你吧
但是陽光宅男還是要提醒你，如果碰到研究樣本是相依樣本時
則必須使用Mauchly球型檢定，就稍微翻一下書吧～這裡就不贅述了XDD
再來就試試看更複雜的Two Way ANOVA吧！

二因子變異數分析(two-way ANOVA)

其實大部分的研究都會超過一個自變項...你想想看
大部分的現象並不會只有單一因素去決定的，通常是多個因素作用的結果

所以我們這邊再跟大家介紹～二因子變異數分析！

二因子變異數分析是承襲單因子而來，所以其實特性都相同，免驚啦~
在一個實驗研究中，同時操弄兩個自變項(兩個因子)，觀察對一個依變項的影響
這種實驗設計就稱作「二因子實驗設計」，分析統計方法就是「二因子變異數分析」

例如以「性別與教學方法對學業成績的影響」為研究主題，探討重點在於：

主效果(main effect)：瞭解因子與依變項之間是否真有關係存在
- A因子：性別對學業成績的影響
- B因子：教學方法對學業成績的影響
單純效果：檢定A因子中某個Level在B因子每一個level之間的效果差異
或是檢定B因子中某個Level在A因子每一個level之間的效果差異
- 如男生(某A)在各種教學方法(所有B)下的學業成績是否有差異
交互作用：當A因子的單純效果在B因子的各level有所不同時，
表示存在交互作用，這時候必須進一步檢視「單純效果」！

這樣可能還是不夠具體，所以我們來看一個有交互作用的範例吧～仔細注意敘述喔

範例（相依樣本）

一大學圖書館網站改版，希望了解學生利用館藏目錄查找館藏的利用率，設計測試書目清單，請受試同學利用館藏目錄查找清單中之書目資訊。由於館藏目錄的利用能力會受到學生利用圖書館的能力和網路搜尋能力的影響，所以同時設計問項測試學生之圖書館利用能力和網路利用能力，將受試同學依其圖書館利用能力和網路利用能力加以分組。圖書館利用能力分為三組：第一組通常到圖書館K書，第二組的學生通常到圖書館來借還書和翻閱期刊，第三組同學會利用資料庫查找資訊。網路利用能力分為佳與劣兩組，以會不會以布林邏輯組合關鍵詞組為判準。資料集：webpac
根據題意使用SPSS進行Two Way ANOVA，分析兩組自變項「使用圖書館能力」、「網路搜尋能力」對依變項「館藏目錄使用能力」的影響。
首先，Levene變異數同質性檢定顯示依變項「館藏目錄的使用能力」的誤差變異量未達顯著差異，F = 1.063, p = .387；因此接受「館藏使用能力」的誤差變異量是相等的。

接著在組間效果的檢定中，上表顯示「internet(網路搜尋能力)」與「library(圖書館使用能力)」兩項主效果與交互作用(internet*library)效果都達顯著水準。換言之，網路搜尋能力對館藏目錄使用有顯著差異，圖書館使用能力對館藏目錄使用能力也有顯著差異，且此兩者的交互作用效果對館藏目錄使用能力亦有顯著差異。

網路搜尋能力主效果： F (1, 84) = 48.480, p = .000
圖書館使用能力主效果： F (2, 84) = 80.853, p = .000
網路搜尋能力 * 圖書館使用能力：F (2, 84) = 7.159, p = .001

然而，交互作用效果達顯著水準，分析主效果失去意義，因此進行「單純主效果」檢定，分析在何種情況下學生的館藏目錄使用能力會上升或下降。
這一階段開始進行單純主效果的分析與討論，故將兩個自變項分解為下A、B兩組：

A：網路搜尋能力(2 Levels)

水準1：劣
水準2：佳

B：圖書館使用能力(3 Levels)

水準1：K書為主
水準2：借書翻期刊
水準3：用資料庫

首先是「網路搜尋能力(A)的單純主效果」

網路搜尋能力＝劣

先利用平均數圖觀察出（如上圖，只放一個，太佔篇幅以下省略XD），在學生的搜尋能力不佳時，圖書館的使用程度越高，則館藏目錄(OPAC)的使用成果也會越好；變異數分析方面，組間效果達顯著，F (2, 42) =74.072, p = .000。換言之，在學生的搜尋能力不佳時，圖書館使用程度會影響OPAC使用成果，因此需要再進一步檢視事後成對比較；變異數同質性檢定方面，未達顯著水準(p = .235 > .05)，表示在搜尋能力不佳的學生中，三種程度的圖書館使用能力間沒有明顯離散，三組變異數同質。Post Hoc檢定的部分，由於變異數同質性檢定的結果不顯著(假設相同的變異數)故採用Bonferroni法進行多重比較，結果顯示三組之間都達到顯著水準。換言之，在學生的搜尋能力不佳時，會「用資料庫」的學生(m = 82.27, sd = 2.052)其OPAC使用成果明顯高於「借書翻期刊」的學生(m = 77.47, sd = 2.326, p = .000)以及「K書為主」的學生(m = 73.00, sd = 1.852, p = .000)。而「借書翻期刊」的學生也明顯高於「K書為主」的學生(p = .000)。

網路搜尋能力＝佳

同樣利用平均數圖看出，在學生的搜尋能力佳時，圖書館的使用程度越高，則館藏目錄(OPAC)的使用成果也會越好；變異數分析方面，組間效果達顯著，F (2, 42) =23.054, p = .000。換言之，在學生的搜尋能力佳時，圖書館使用程度會影響OPAC使用成果，因此需要再進一步檢視事後成對比較；變異數同質性檢定方面，未達顯著水準(p = .435 > .05)，表示在搜尋能力佳的學生中，三種程度的圖書館使用能力間沒有明顯離散，三組變異數同質。Post Hoc檢定的部分，由於變異數同質性檢定的結果不顯著(假設相同的變異數)故採用Bonferroni法進行多重比較，結果顯示有兩組達到顯著水準。換言之，在學生的搜尋能力佳時，會「用資料庫」的學生(m = 83.07, sd = 2.840)其OPAC使用成果明顯高於「K書為主」的學生(m = 77.40, sd = 1.993, p = .000)。而「借書翻期刊」的學生(m = 82.40, sd = 2.586)也明顯高於「K書為主」的學生(p = .000)。
因此，在網路搜尋能力(A)的單純主效果的結果為
網路搜尋能力「劣」（= 74.072, p = .000）

用資料庫 > 借書翻期刊
用資料庫 > K書為主
借書翻期刊 > K書為主

網路搜尋能力「佳」（= 23.054, p = .000）

用資料庫 > K書為主
借書翻期刊 > K書為主

再來是「圖書館使用能力(B)的單純主效果」！

圖書館使用能力＝ K書為主

由平均數圖明確看出，在學生的圖書館使用率為K書為主時，隨著網路搜尋能力越高，則館藏目錄(OPAC)的使用成果也會越好；變異數分析方面，組間效果達顯著，F (1, 28) =39.243, p = .000。換言之，在學生的圖書館使用率為K書為主時，網路搜尋能力優劣與OPAC使用成果會有顯著差異；因此我們從檢視平均數中則可以得知，網路搜尋能力較佳的K書為主學生們(m = 77.40, sd = 1.993)，其OPAC使用成果比網路搜尋能力劣者(m = 73.00, sd = 1.852)還要高。

圖書館使用能力＝借書翻期刊

由平均數圖明確看出，在學生的圖書館使用率為借書翻期刊時，隨著網路搜尋能力越高，則館藏目錄(OPAC)的使用成果也會越好；變異數分析方面，組間效果達顯著，F (1, 28) =30.183, p = .000。換言之，在學生的圖書館使用率為借書翻期刊時，網路搜尋能力優劣與OPAC使用成果會有顯著差異；因此我們從檢視平均數中則可以得知，網路搜尋能力較佳的借書翻期刊學生們(m = 82.40, sd = 2.586)，其OPAC使用成果比網路搜尋能力劣者(m = 77.47, sd = 2.326)還要高。

圖書館使用能力＝用資料庫

由平均數圖明確看出，在學生的圖書館使用率為用資料庫時，隨著網路搜尋能力越高，則館藏目錄(OPAC)的使用成果也會越好；變異數分析方面，組間效果達顯著，F (1, 28) = .782, p = .384 > .05。換言之，在學生的圖書館使用率為用資料庫時，網路搜尋能力優劣與OPAC使用成果並沒有顯著差異。

因此，在圖書館使用能力(B)的單純主效果的結果為

圖書館使用能力「K書為主」

網路搜尋能力「佳」 > 網路搜尋能力「劣」（= 39.243, p = .000）

圖書館使用能力「借書翻期刊」

網路搜尋能力「佳」 > 網路搜尋能力「劣」（= 30.183, p = .000）

圖書館使用能力「用資料庫」

網路搜尋能力「佳」 > 網路搜尋能力「劣」（ns）

結論

總結來說，經由二因子變異數分析可得知，學生的網路搜尋能力優劣對於館藏目錄的使用成果上有顯著差異（F (1, 84) = 48.480, p = .000），圖書館使用率對其館藏目錄的使用成果上有顯著差異（F (2, 84) = 80.853, p = .000），而且網路搜尋能力與圖書館使用率的交互作用效果對館藏目錄的使用成果亦有顯著差異（F (2, 84) = 7.159, p = .001）。

進一步利用單因子變異數分析檢定網路搜尋能力與圖書館使用率的單純主效果，結果發現網路搜尋能力與圖書館使用率的交互作用效果，在不同因子水準下有所不同。網路搜尋能力「劣」的學生，其圖書館使用率不同，館藏目錄的使用成果上也有顯著差異（F (2, 42) =74.072, p = .000）；會「用資料庫」的學生(m = 82.27, sd = 2.052)其OPAC使用成果明顯高於「借書翻期刊」的學生(m = 77.47, sd = 2.326, p = .000)以及「K書為主」的學生(m = 73.00, sd = 1.852, p = .000)。而「借書翻期刊」的學生也明顯高於「K書為主」的學生(p = .000)。網路搜尋能力「佳」的學生，依其圖書館使用率不同，館藏目錄的使用成果上也有顯著差異（F (2, 42) =23.054, p = .000）；會「用資料庫」的學生(m = 83.07, sd = 2.840)其OPAC使用成果明顯高於「K書為主」的學生(m = 77.40, sd = 1.993, p = .000)。而「借書翻期刊」的學生(m = 82.40, sd = 2.586)也明顯高於「K書為主」的學生(p = .000)。

另外圖書館使用率程度對館藏目錄使用成果的影響對「用資料庫」的學生沒有顯著差異，換句話說會用資料庫的學生在網路搜尋能力上優或劣對於館藏目錄使用成果上沒有發揮效果。不過當學生的圖書館使用率是「借書翻期刊」時，網路搜尋能力較佳的學生們OPAC使用成果比網路搜尋能力劣者明顯還要高（F (1, 28) =30.183, p = .000）；當學生的圖書館使用率是「K書為主」時，網路搜尋能力較佳的學生們OPAC使用成果也是比網路搜尋能力劣者明顯較高（F (1, 28) =39.243, p = .000）。因此網路搜尋能力對圖書館使用率為「K書為主」、「借書翻期刊」的學生來說，在館藏目錄上的使用的確有幫助，但是對於「用資料庫」的學生來說，則是沒有明顯差別。

看過例子應該就搞清楚二因子變異數分析在做什麼了吧！
最後我們在來看一下Two Way ANOVA的流程：

判斷樣本
獨立樣本：一般線性模式->單變量
相依樣本：一般線性模式->重複量數
檢定過程
獨立樣本：變異數同質性檢定
相依樣本：球型檢定
事後成對比較

其實就跟單因子差不多，只是當你發現兩個因子有交互作用時，就必須像範例那樣
一個一個去分析它的單純效果，最後再將結果整理並做出結論！

操作SPSS的部分或每個細節的原因我就無法多做說明啦～
畢竟這只是個課堂心得麻XDD
只是老話一句！希望對ANOVA沒概念或是要複習它的人有所幫助^ ^

我家的猴子

2010-10-21T22:24:00.003+08:00

哈哈～在可怕的連日豪雨下來發點有趣的文吧！這支猴子布偶是39元大創商店購得的，它的手跟腳都有磁鐵可以吸起來。本來只是一隻簡單的玩偶，不過本人實在太愛他了，所以讓他變成跟寵物沒兩樣XDDD。

一開始呢，會把他放在家中的各種地方...

可能躲在電腦旁邊	可能跑到牛仔褲口袋

可能用滑鼠當枕頭	可能會在陽台曬日光浴

可能想吃鹽酥雞	可能也想吃我的早餐

有時候會帶他出遊...

可能變成空中飛猴	可能會賴在沙發上不走

可能怕生的躲在包包口	可能身兼玩偶與腳架

有時候大家也會想跟他合照...

研究室有猴	包包上有猴

猴硐有猴(1)	猴硐有猴(2)

膝蓋上有猴~(我都背景了...)

偶爾它也是會想變裝的...

Open猴	皇冠猴

理頭髮猴(明明想作晴天娃娃..)	咖哩猴～超配!!!

公主猴(1)	公主猴(2)-吉他版

大長今猴	打歌服（就是咖哩猴~~這套最合身）

其實他一點也不孤獨...

因為我媽我姐也有XDD	還有河馬先生

跟它的小跟班～Q比	與Q比的東京愛情故事(後面是東京鐵塔XD)

還有它的坐騎小獅王	偶爾也會給小獅王一點回饋

不過坐騎可不是只有他有XD	猴猴們是爸媽的守護神

怎麼辦～根本貼不完XDD 只能說他實在太可愛了...

請大家碰到他要好好愛惜它	他可以幫任何東西代言

他很溫馴	他很貪吃

他很夢幻(開喜猴猴)	他也很愛睡覺

好吧～依照不成文規定，太長的Blog就是不符合使用者習慣XDD
這次的猴猴回顧就到這裡啦!!! 將來有新照片在跟大家分享~~~
最後不免要祈禱一下目前連日的豪雨跟麻吉颱風快快走...

用Python也能輕鬆玩自然語言處理（2.5）

2010-10-18T14:09:00.020+08:00

2.5鼎鼎大名的詞網（WordNet）

WordNet是語意導向的英文字典，有點類似傳統常見的索引典（thesaurus），不過擁有更豐富的結構。NLTK所提供的WordNet擁有15萬字以及11萬個同義詞組。接下來我們會先來看看同義詞，然後學著如何存取WordNet。

字義與同義詞

讓我們來看看下頭的例子吧！在這裡(1a)的「motorcar」被(1b)的「automobile」所取代，但其實兩個句子的意思是沒有什麼改變的：
(1)

Benz is credited with the invention of the motorcar.

Benz is credited with the invention of the automobile.

由於除了「motorcar 」與「automobile 」外，句子其它的部分都完全一樣，所以我們可以下一個結論，就是這兩個字為「同義」！以下將利用WordNet來協助我們繼續探索這類型的字詞吧。

>>> from nltk.corpus import wordnet as wn
>>> wn.synsets('motorcar')
[Synset('car.n.01')]

因此「motorcar」是屬於同義詞組「Synset('car.n.01') 」中的一個，「'car.n.01'」意謂car的第一個名詞字義，此外我們也可以相反過來查詢：

>>> wn.synset('car.n.01').lemma_names
['car', 'auto', 'automobile', 'machine', 'motorcar']

當然！同義詞組裡的每個字可能都各自有不同字義（如car還可能代表火車車廂、電梯之類的），但是我們關注的是有哪些字可以代表同一種字義，就像上面我們看到的同義詞組（synset）。同義詞組還會提供一些簡單的定義說明與例句唷！

>>> wn.synset('car.n.01').definition
'a motor vehicle with four wheels; usually propelled by an internal combustion engine'
>>> wn.synset('car.n.01').examples
['he needs a car to get to work']

雖然這些定義說明有助於身為人類的我們去理解這些詞組的意義，但對於系統與程式來說同義詞組的字詞們（words）才比較重要。為了避免混淆，我們把這些字標示得很清楚（如car.n.01.automobile或car.n.01.motorcar等），這些詞組內的組合叫做「詞元（lemma）」。我們可以特定選取某個假定的同義詞組中的所有lemmas、查詢特定的lemma、由lemma擷取相對應的詞組名稱、取出lemma的字詞等。

>>> wn.synset('car.n.01').lemmas
[Lemma('car.n.01.car'), Lemma('car.n.01.auto'), Lemma('car.n.01.automobile'),
Lemma('car.n.01.machine'), Lemma('car.n.01.motorcar')]
>>> wn.lemma('car.n.01.automobile')
Lemma('car.n.01.automobile')
>>> wn.lemma('car.n.01.automobile').synset
Synset('car.n.01')
>>> wn.lemma('car.n.01.automobile').name
'automobile'

不過不是每個詞組都像「automobile」與「motorcar」擁有這麼簡單明確的字義只屬於一個同義詞組，換作是成「car」就複雜多了，他身兼五組同義詞組：

>>> wn.synsets('car')
[Synset('car.n.01'), Synset('car.n.02'), Synset('car.n.03'), Synset('car.n.04'),
Synset('cable_car.n.01')]
>>> for synset in wn.synsets('car'):...
print synset.lemma_names...
['car', 'auto', 'automobile', 'machine', 'motorcar']
['car', 'railcar', 'railway_car', 'railroad_car']
['car', 'gondola']
['car', 'elevator_car']
['cable_car', 'car']

當然你可以用更方便的方式去存取所有有關car的lemma：

>>> wn.lemmas('car')
[Lemma('car.n.01.car'), Lemma('car.n.02.car'), Lemma('car.n.03.car'),
Lemma('car.n.04.car'), Lemma('cable_car.n.01.car')]

WordNet的階層結構

Wordnet的同義詞組對應到的是一個個抽象的概念，並非是明確的對應到某個字詞。只是呢，這些概念透過階層的方式連結在一起，有一些概念很普遍，像是一些實體、狀態或事件，稱作「unique beginners」或「root synsets（根同義詞組）」。當然也會一些相當專門的詞，如gas guzzler（耗油車）與 hatchback（艙蓋式汽車）等。底下是一個這種階層概念的圖例。

WordNet利用這種方法把每個概念連結在一起，像是上圖就是「motorcar」的位置，其實我們就利用這種關連來存取它底下的字詞（所謂的下位詞，hyponyms）

>>> motorcar = wn.synset('car.n.01')
>>> types_of_motorcar = motorcar.hyponyms()
>>> types_of_motorcar[26]
Synset('ambulance.n.01')
>>> sorted([lemma.name for synset in types_of_motorcar for lemma in synset.lemmas])
['Model_T', 'S.U.V.', 'SUV', 'Stanley_Steamer', 'ambulance', 'beach_waggon',
'beach_wagon', 'bus', 'cab', 'compact', 'compact_car', 'convertible',
'coupe', 'cruiser', 'electric', 'electric_automobile', 'electric_car',
'estate_car', 'gas_guzzler', 'hack', 'hardtop', 'hatchback', 'heap',
'horseless_carriage', 'hot-rod', 'hot_rod', 'jalopy', 'jeep', 'landrover',
'limo', 'limousine', 'loaner', 'minicar', 'minivan', 'pace_car', 'patrol_car',
'phaeton', 'police_car', 'police_cruiser', 'prowl_car', 'race_car', 'racer',
'racing_car', 'roadster', 'runabout', 'saloon', 'secondhand_car', 'sedan',
'sport_car', 'sport_utility', 'sport_utility_vehicle', 'sports_car', 'squad_car',
'station_waggon', 'station_wagon', 'stock_car', 'subcompact', 'subcompact_car',
'taxi', 'taxicab', 'tourer', 'touring_car', 'two-seater', 'used-car', 'waggon',
'wagon']

相反地，我們也可以存取上位詞（hypernyms），有一些字有多種路徑，因為它們可以被歸屬到一個以上的概念下面。像是以下的例子，「motorcar」的路徑會有兩種，因為在「wheeled_vehicle.n.01」這裡時可能被歸屬到車輛（vehicle）、或是容器（container）。

>>> motorcar.hypernyms()
[Synset('motor_vehicle.n.01')]
>>> paths = motorcar.hypernym_paths()
>>> len(paths)
2
>>> [synset.name for synset in paths[0]]
['entity.n.01', 'physical_entity.n.01', 'object.n.01', 'whole.n.02', 'artifact.n.01',
'instrumentality.n.03', 'container.n.01', 'wheeled_vehicle.n.01',
'self-propelled_vehicle.n.01', 'motor_vehicle.n.01', 'car.n.01'
]>>> [synset.name for synset in paths[1]]
['entity.n.01', 'physical_entity.n.01', 'object.n.01', 'whole.n.02', 'artifact.n.01',
'instrumentality.n.03', 'conveyance.n.03', 'vehicle.n.01', 'wheeled_vehicle.n.01',
'self-propelled_vehicle.n.01', 'motor_vehicle.n.01', 'car.n.01']

我們也可以直接找出最根本的上位詞（root hypernyms）：

>>> motorcar.root_hypernyms()
[Synset('entity.n.01')]

註：你也可以試試看方便的WordNet圖形化介面：nltk.app.wordnet()

語意相似性（Semantic Similarity）

我們現在已經瞭解到一組組的synset是一個由各種詞彙關係所連結起來的複雜網絡，只要給我們一個特定的synset，就能夠在WordNet中找到各種相關意義。這種工具能夠有效地將文本中的內容進行語意化的處理，如我們的目標是找出所有與「vehicle」相關的字，而文本中的「豪華轎車（limousine）」則會被找出來。

回想一下，每synset都有一個或多個上位詞(hypernym)的路徑連接到一個根上位詞（root hypernym），如entity.n.01。因此兩個同根相連的synset可能會有幾個共同的上位詞。如果兩個 synset共享一個非常具體的上位詞（一個低層次的上位詞），那表示它們應該是密切相關的！（大概都是一些鯨魚的名稱，後面加入tortoise陸龜、vertebrate脊椎動物）

>>> right = wn.synset('right_whale.n.01')
>>> orca = wn.synset('orca.n.01')
>>> minke = wn.synset('minke_whale.n.01')
>>> tortoise = wn.synset('tortoise.n.01')
>>> novel = wn.synset('novel.n.01')
>>> right.lowest_common_hypernyms(minke)
[Synset('baleen_whale.n.01')]
>>> right.lowest_common_hypernyms(orca)
[Synset('whale.n.02')]
>>> right.lowest_common_hypernyms(tortoise)
[Synset('vertebrate.n.01')]
>>> right.lowest_common_hypernyms(novel)
[Synset('entity.n.01')]

當然，我們知道「whale （鯨）」已經蠻具體了，但是「 baleen whale（鬚鯨）」更具體，然而「脊椎動物（vertebrate）」與「實體（entity）」則更具有一般性（general）。我們可以去量化這些synset的在概念階層裡面的深度：

>>> wn.synset('baleen_whale.n.01').min_depth()
14
>>> wn.synset('whale.n.02').min_depth()
13
>>> wn.synset('vertebrate.n.01').min_depth()
8
>>> wn.synset('entity.n.01').min_depth()
0

從上面這麼豐富的介紹文後，你應該可以猜出我們到底想做什麼事情。沒錯！就是標題說到的「相似性測量（Similarity measure）」！舉例來說，透過「path_similarity()」來找到一個連結兩個概念的上位詞，而且這個上位詞是在整個階層概念中離兩者的最短路徑上，會產生一個0到1值來量化這個相似程度。如果完全沒有的話，這個值就會是「-1」，如果是完全相同的話，值就是「1」。最後我們來觀察一下這幾組字詞的相似程度： right whale、orca、ortoise、novel。雖然數字並不具有太大的意義，但是當它們從海洋生物一路比較到無生命物體時，明顯地這個相似性的值也是一路下滑的。

>>> right.path_similarity(minke)
0.25
>>> right.path_similarity(orca)
0.16666666666666666
>>> right.path_similarity(tortoise)
0.076923076923076927
>>> right.path_similarity(novel)
0.043478260869565216

下一節：第三章面對原始文本的處理方式（3.1 怎麼從網頁或硬碟存取文本資料）

療癒系音樂趴（下）

2010-08-12T14:46:00.001+08:00

還記得上回我們介紹的幾首療癒歌曲嗎...什麼？忘了！？不過也沒關係啦，反正這次的歌曲一定不會讓你失望。上一次都是看女生歌手表演，這回我們換男生組來踢館囉～

電影「最遙遠的距離」劇照

到底是什麼歌曲會讓小鎂這麼如此陶醉呢？因為他在最遙遠的距離聽到了最動聽的歌曲！其實呢！每一首歌曲都有屬於它的聽眾，但是先決條件是要我們發現到它的存在才行。所以陽光宅男的任務呢，就是要從這種最多人都聽的流行歌曲中去找尋療癒性質的歌曲並分享出來，讓最多的人可以與這些有深刻意義的流行歌曲產生互動與共鳴，讓我們生活周遭的世界換一層新面貌，也使得我們的心情能抒解過多的紛擾與沈重︿︿

五月天 - 生命有一種絕對

如果在生命中的苦始終多於樂，該如何面對？再精彩的人生也始終要回歸地平線，對不對？是否可以給我一個信仰、一個絕對讓我能夠在黑暗中祈禱一絲光線，重新拾起那些我曾經遺失在某段記憶的鮮血、汗水與淚水...

收錄於2001年五月天紀錄型電影「搖滾本事」電影原聲帶中的第二首歌曲，一個台灣樂團為何可以造成這麼大的迴響？這首歌就如同他們的心路歷程，也就如同每個追夢者的心境，有時憧憬、有時起伏、有時悲愴也有時坦然。

周杰倫 - 蝸牛

在現代人的生活當中，每件事都有可能產生焦慮與惶恐，更不用說那些面臨人生巨變的苦命人。也許時時刻刻我們都背負苦惱與絕望，但這不是生命的全部，每個小小的我們都掌握著生存下去的希望與追求夢想的權利，所以任風吹乾我們留下的淚和汗，也要相信終究會有夢想實現的一天...

收錄於2001發行的「Fantasy Plus」EP當中，是杰倫在Fantasy Show演唱會中自彈自唱的一首砥礪人心的歌曲。用蝸牛慢慢往前走、往上爬的精神來比喻那些身處在困境或正背負壓力的人，即使面對再多的不如意也會一路撐過，勇往直前地去追尋自己的夢想。

張雨生 - 我期待

還要多少分合的無奈會席捲而來，走過無數迂迴的顛簸，怎麼做才會真正得到釋懷、真正沒有遺憾。如果還有一絲希望的火苗，請它給予人們源源不絕的力量去期待更多未來的人生與未知的命運...

收錄於張雨生1994年發行的「卡拉OK、台北、我」專輯，經歷十多年仍絲毫不令任何人感到陌生的歌曲。每一次播放這首歌曲就會有種巨大的感動，也許是雨生已經不在了，又或許是他真實地唱出了每個人內心的吶喊與無助。

盧廣仲 - 無敵鐵金剛

第一次聽這首歌曲時，可以說是一點也沒把它放耳裡，因為與我們想像中的無敵鐵金剛感覺大相逕庭，少了激情與動感的感覺，而若是身為抒情歌曲卻又無法理解歌詞的幽默，也體會不到較煽情的成份。

然而在去年的這個時候轉開電視機，看見在八八風災的賑災晚會上廣仲背著吉他走出來說要唱這首歌時，突然間，有種對這這整首歌曲的含意都解開的感覺！那時候救災工作還是馬不停蹄的進行，同時新聞也報導了一些救災人員罹難的消息，當廣仲的聲音一下來，眼睛的淚水就自然滑落了下來。也許我們不需要子彈打不倒的盔甲、不需要能擊倒壞人的光線。對我們來說，那些默默為我們付出的人們，每一個，都永遠如無敵鐵金剛一般地強壯...

收錄於盧廣仲在2008發行的首張創作專輯「100種生活」當中如果你以為這是一首翻唱曲或是跟卡通情節有關係的話就大錯特錯了！僅用木吉他伴奏的無敵鐵金剛是一首溫暖的小品歌曲，看似無俚頭的歌詞，實際上就如同一篇新詩，值得令人反覆咀嚼，仔細地思考我們身邊的每一位無敵鐵金剛！

快樂的時光總是過得特別地快，又到了今天節目的尾聲啦！你應該以為以後不會再有一個神經病來這邊開什麼療癒趴了吧？哈哈哈！你錯了！雖然這次的療癒趴上下集都結束了，但其實還有一個特別版，等未來再跟大家分享啦（愛拖槁XDD）！下次見，再會（一鞠躬）

用Python也能輕鬆玩自然語言處理（2.4）

2010-08-11T11:05:00.004+08:00

2.4 語彙資源大集合（Lexical Resources）

詞彙或語彙資源（lexicon），指的就是一些字詞或片語的集合體，它們通常會伴隨一些詞性或語意的資訊在裡頭！語彙資源算是次級的文本，因為只是用來輔助文本用的。例如我們定義了一份文本「my_text」，接著定義「vocab = sorted(set(my_text))」用來裝my_text裡面的詞彙，以及「word_freq = FreqDist(my_text)」用來計算每個字詞出現的頻率。這樣一來，「vocab」與「word_freq」就成了最基本的語彙資訊。還有向我們之前在1.1看到的「concordance 」功能也算是一種語彙資源，提供了單詞的用法（就像字典那樣）。下圖列出了標準的語彙術語：一個語彙的款目（lexical entry）由其標題字（headword or lemma）所組成，並且可能提供一些額外資訊，如詞性（part of speech）或詞義說明。如果兩組字有相同的拼法叫做同音異義詞（homonyms）。

最簡單的語彙類型就是照字順排列字詞清單，而較為精密的則會擁有複雜的結構且具有橫跨個別款目的連結功能。在這一節中我們會看到一些NLTK提供的詞彙資源！

字詞列表（Wordlist Corpora）

NLTK所附的語料庫裡包括了不少字詞列表，「Words Corpus」儲存在「/usr/share/dict/words」底下（Unix的話）並提供拼寫檢查器，我們可以用來找尋文本中一些不常見或拼錯的字（如下例）：

def unusual_words(text):
      text_vocab = set(w.lower() for w in text if w.isalpha())
      english_vocab = set(w.lower() for w in nltk.corpus.words.words())
      unusual = text_vocab.difference(english_vocab)       return sorted(unusual)

>>> unusual_words(nltk.corpus.gutenberg.words('austen-sense.txt')) ['abbeyland', 'abhorrence', 'abominably', 'abridgement', 'accordant', 'accustomary', 'adieus', 'affability', 'affectedly', 'aggrandizement', 'alighted', 'allenham', 'amiably', 'annamaria', 'annuities', 'apologising', 'arbour', 'archness', ...] >>> unusual_words(nltk.corpus.nps_chat.words()) ['aaaaaaaaaaaaaaaaa', 'aaahhhh', 'abou', 'abourted', 'abs', 'ack', 'acros', 'actualy', 'adduser', 'addy', 'adoted', 'adreniline', 'ae', 'afe', 'affari', 'afk', 'agaibn', 'agurlwithbigguns', 'ahah', 'ahahah', 'ahahh', 'ahahha', 'ahem', 'ahh', ...]

接著是另一個好用的字詞庫「停用詞表（stopwords）」，它就是那些出現頻率極高的字群，像是「the, to, also」之類的，通常我們會希望在深入處理文本內容之前先將他們過濾掉！停用詞通常沒有什麼詞彙價值，而且他們會出現在各種文本中，讓我們在區別文本上產生混淆。

>>> from nltk.corpus import stopwords >>> stopwords.words('english') ['a', "a's", 'able', 'about', 'above', 'according', 'accordingly', 'across', 'actually', 'after', 'afterwards', 'again', 'against', "ain't", 'all', 'allow', 'allows', 'almost', 'alone', 'along', 'already', 'also', 'although', 'always', ...]

現在讓我們來建一個函數計算文本中不屬於停用詞組的文字區塊：

>>> def content_fraction(text): ... stopwords = nltk.corpus.stopwords.words('english') ... content = [w for w in text if w.lower() not in stopwords] ... return len(content) / len(text) ... >>> content_fraction(nltk.corpus.reuters.words()) 0.65997695393285261

因此透過停用詞表我們可以直接過濾掉三分之一的字！你應該發現～現在我們已經學會了兩種過濾文本的方法囉XDD

字詞表也很適合用來應付字謎（word puzzles）！像上圖的那種造字遊戲，我們的程式要重複地爬過每一個字，並檢查它是否符合題目的各種條件（強制字母或字詞長度等）。只倚靠字母的合併來檢查並決定候選詞（candidate, 即將產生的那些符合條件字詞）是不容易的事，尤其是碰到來源字母還出現兩次時（如此例中的v）。所以我們利用比較「FreqDist」的方法來檢查那些候選詞的字母出現頻率是否小於或等於字謎的字母。

>>> puzzle_letters = nltk.FreqDist('egivrvonl') >>> obligatory = 'r' >>> wordlist = nltk.corpus.words.words() >>> [w for w in wordlist if len(w) >= 6 ... and obligatory in w ... and nltk.FreqDist(w) <= puzzle_letters] ['glover', 'gorlin', 'govern', 'grovel', 'ignore', 'involver', 'lienor', 'linger', 'longer', 'lovering', 'noiler', 'overling', 'region', 'renvoi', 'revolving', 'ringle', 'roving', 'violer', 'virole']

另外還有一個字詞表是人名語料庫，包括了8000組人名（first name）並依性別分類。男與女的人名分別儲存在兩個檔案，讓我們來找找看這兩個檔案裡頭有沒有重複的人名（就是找那些可以用在男生也可以用在女生的人名XD）

>>> names = nltk.corpus.names >>> names.fileids() ['female.txt', 'male.txt'] >>> male_names = names.words('male.txt') >>> female_names = names.words('female.txt') >>> [w for w in male_names if w in female_names] ['Abbey', 'Abbie', 'Abby', 'Addie', 'Adrian', 'Adrien', 'Ajay', 'Alex', 'Alexis', 'Alfie', 'Ali', 'Alix', 'Allie', 'Allyn', 'Andie', 'Andrea', 'Andy', 'Angel', 'Angie', 'Ariel', 'Ashley', 'Aubrey', 'Augustine', 'Austin', 'Averil', ...]

大家都知道人名裡的字母以「a」為結尾的通常都是女生，我們可以利用一段簡單的程式來利用統計圖讓這種現象一目了然（應該還記得name[-1]就表示為name的最後一個字母吧？）：

>>> cfd = nltk.ConditionalFreqDist( ... (fileid, name[-1]) ... for fileid in names.fileids() ... for name in names.words(fileid)) >>> cfd.plot()

發音字典（ Pronouncing Dictionary）

發音字典是一種較為豐富的詞彙資源，NLTK提供卡內基美隆大學的CMU Pronouncing Dictionary，這是設計給語音合成器的工具。

>>> entries = nltk.corpus.cmudict.entries() >>> len(entries) 127012 >>> for entry in entries[39943:39951]: ... print entry ... ('fir', ['F', 'ER1']) ('fire', ['F', 'AY1', 'ER0']) ('fire', ['F', 'AY1', 'R']) ('firearm', ['F', 'AY1', 'ER0', 'AA2', 'R', 'M']) ('firearm', ['F', 'AY1', 'R', 'AA2', 'R', 'M']) ('firearms', ['F', 'AY1', 'ER0', 'AA2', 'R', 'M', 'Z']) ('firearms', ['F', 'AY1', 'R', 'AA2', 'R', 'M', 'Z']) ('fireball', ['F', 'AY1', 'ER0', 'B', 'AO2', 'L'])

每個字都提供一組發音編碼的清單，清楚地標示每段的發聲。你可以注意到「fire」有兩個讀音，有一音節的念法「F AY1 R」或兩音節的「F AY1 ER0」，這些符號是由美國國防部高研院制訂的音素符號表「Arpabet」而來（詳情可參見http://en.wikipedia.org/wiki/Arpabet）。

每個款目由兩個部分組成，我們將它們用稍微複雜一點的for敘述式來個別處理，將entry拆成兩個變數「word」與「pron」。現在每執行一次迴圈，這兩個變數就會依序被讀取進來：

>>> for word, pron in entries: ... if len(pron) == 3: ... ph1, ph2, ph3 = pron ... if ph1 == 'P' and ph3 == 'T': ... print word, ph2, ... pait EY1 pat AE1 pate EY1 patt AE1 peart ER1 peat IY1 peet IY1 peete IY1 pert ER1 pet EH1 pete IY1 pett EH1 piet IY1 piette IY1 pit IH1 pitt IH1 pot AA1 pote OW1 pott AA1 pout AW1 puett UW1 purt ER1 put UH1 putt AH1

上面的程式會掃瞄每個由三個發聲符號所組成的字詞款目，如果符合，將會把原本的變數pron切成三塊ph1, ph2, ph3。注意那些你還不太熟悉的敘述形式所產生的作用！

接下來的例子也是使用for敘述式，這次卻是利用一個簡單的串列理解式來處理，它的功能是找出所有尾音是「nicks」的字詞，這個用來找押韻字超方便的～

>>> syllable = ['N', 'IH0', 'K', 'S'] >>> [word for word, pron in entries if pron[-4:] == syllable] ["atlantic's", 'audiotronics', 'avionics', 'beatniks', 'calisthenics', 'centronics', 'chetniks', "clinic's", 'clinics', 'conics', 'cynics', 'diasonics', "dominic's", 'ebonics', 'electronics', "electronics'", 'endotronics', "endotronics'", 'enix', ...]

所以同一種發音可能會有不同的拼寫方式「nics, niks, nix, ntic's 」，接著我們來瞧瞧其他不同的拼寫組合吧，看看以下的例子你可以清楚瞭解它們的功能跟運作原理嗎？

>>> [w for w, pron in entries if pron[-1] == 'M' and w[-1] == 'n'] ['autumn', 'column', 'condemn', 'damn', 'goddamn', 'hymn', 'solemn'] >>> sorted(set(w[:2] for w, pron in entries if pron[0] == 'N' and w[0] != 'n')) ['gn', 'kn', 'mn', 'pn']

這些音素符號會包括一些數字在裡面，它們代表重音的程度，主要重音(1)、次要(2)與無重音(0)，如同下面我們定義了一個可以擷取重音數字的函數，並且利用它來找尋各種我們希望看到的重音樣式的字詞們：

>>> def stress(pron): ... return [char for phone in pron for char in phone if char.isdigit()] >>> [w for w, pron in entries if stress(pron) == ['0', '1', '0', '2', '0']] ['abbreviated', 'abbreviating', 'accelerated', 'accelerating', 'accelerator', 'accentuated', 'accentuating', 'accommodated', 'accommodating', 'accommodative', 'accumulated', 'accumulating', 'accumulative', 'accumulator', 'accumulators', ...] >>> [w for w, pron in entries if stress(pron) == ['0', '2', '0', '1', '0']] ['abbreviation', 'abbreviations', 'abomination', 'abortifacient', 'abortifacients', 'academicians', 'accommodation', 'accommodations', 'accreditation', 'accreditations', 'accumulation', 'accumulations', 'acetylcholine', 'acetylcholine', 'adjudication', ...]

我們可以利用條件次數分配來找尋最小比對（minimally-contrasting）的詞組，在這邊我們找尋以P開頭的三音節字，根據它們的首尾音來加以分群（忘記條件次數了嗎？可以回2.2複習一下唷）：

註：這邊我也看好久才懂，所以簡單memo一下。先利用串列理解式產生一個置放一堆發音P開頭、三音節的字，並且做一個樣式配對「P-xx」而生出一組組的tuple，像是「[(P-CH, Perch), (P-K, pik), (P-CH, poach)...]」這樣一個串列p3。然後計算每種樣式的出現頻率（就是條件次數分配啦，所以每一種樣式就是它這邊的變數template），接著判斷出現超過10次以上的樣式，然後把那些字取出、串接好，然後顯示出來！

>>> p3 = [(pron[0]+'-'+pron[2], word) ... for (word, pron) in entries ... if pron[0] == 'P' and len(pron) == 3] >>> cfd = nltk.ConditionalFreqDist(p3) >>> for template in cfd.conditions(): ... if len(cfd[template]) > 10: ... words = cfd[template].keys() ... wordlist = ' '.join(words) ... print template, wordlist[:70] + "..." ... P-CH perch puche poche peach petsche poach pietsch putsch pautsch piche pet... P-K pik peek pic pique paque polk perc poke perk pac pock poch purk pak pa... P-L pil poehl pille pehl pol pall pohl pahl paul perl pale paille perle po... P-N paine payne pon pain pin pawn pinn pun pine paign pen pyne pane penn p... P-P pap paap pipp paup pape pup pep poop pop pipe paape popp pip peep pope... P-R paar poor par poore pear pare pour peer pore parr por pair porr pier... P-S pearse piece posts pasts peace perce pos pers pace puss pesce pass pur... P-T pot puett pit pete putt pat purt pet peart pott pett pait pert pote pa... P-Z pays p.s pao's pais paws p.'s pas pez paz pei's pose poise peas paiz p...

除了去看整份字典外，我們也可以針對一些特定詞來做存取。我們隨時可以透過方括號查詢特定詞的音素內容：

>>> prondict = nltk.corpus.cmudict.dict() >>> prondict['fire'] [['F', 'AY1', 'ER0'], ['F', 'AY1', 'R']] >>> prondict['blog'] Traceback (most recent call last): File "<stdin>", line 1, in <module> KeyError: 'blog' >>> prondict['blog'] = [['B', 'L', 'AA1', 'G']] >>> prondict['blog'] [['B', 'L', 'AA1', 'G']]

如果你不小心查詢到不存在的字詞，就會出現「KeyError」，就像當我們在在針對串列做索引值的指定時，若是輸入了超出原本索引範圍的數值時會出現「IndexError」一樣。如「blog」不在發音字典裡頭，所以我們指派了一個新的值給這個原本不存在的key（就是blog啦），但其實這只有現階段有用，對於NLTK語料庫是毫無影響的，下一次你存取blog時，一樣是找不到的！

我們可以使用任何詞彙資源來處理我們的文本，像是找出文本中各式條件的字詞、或是做一些對應。例如下面的例子中可以將文本的字詞的發音從發音字典中找出來顯示：

>>> text = ['natural', 'language', 'processing'] >>> [ph for w in text for ph in prondict[w][0]] ['N', 'AE1', 'CH', 'ER0', 'AH0', 'L', 'L', 'AE1', 'NG', 'G', 'W', 'AH0', 'JH', 'P', 'R', 'AA1', 'S', 'EH0', 'S', 'IH0', 'NG']

比較型文字列表（Comparative Wordlists）

另一個例子為比較型的文字列表，NLTK提供了所謂的「Swadesh wordlists（我也不知道怎麼翻）」，收錄各種語言的200個常用字，語言識別碼是依照 ISO 639的兩碼制：

>>> from nltk.corpus import swadesh >>> swadesh.fileids() ['be', 'bg', 'bs', 'ca', 'cs', 'cu', 'de', 'en', 'es', 'fr', 'hr', 'it', 'la', 'mk', 'nl', 'pl', 'pt', 'ro', 'ru', 'sk', 'sl', 'sr', 'sw', 'uk'] >>> swadesh.words('en') ['I', 'you (singular), thou', 'he', 'we', 'you (plural)', 'they', 'this', 'that', 'here', 'there', 'who', 'what', 'where', 'when', 'how', 'not', 'all', 'many', 'some', 'few', 'other', 'one', 'two', 'three', 'four', 'five', 'big', 'long', 'wide', ...]

我們可以透過「entries()」來製作一個配對組的串列來存取不同語言的同源字（cognate words，就是相同意思啦），甚至深入一點，我們可以把整個字典都做轉換（不過這個等到後面的章節在來詳談吧XD）

>>> fr2en = swadesh.entries(['fr', 'en']) >>> fr2en [('je', 'I'), ('tu, vous', 'you (singular), thou'), ('il', 'he'), ...] >>> translate = dict(fr2en) >>> translate['chien'] 'dog' >>> translate['jeter'] 'throw'

接著我們可以試著增加各種語言來進行轉換，像是下例中的德語轉英語、西語轉英語，利用「dict()」來建立翻譯字典，接著使用「update()」來更新這個字典，使他可以對應更多語言。

>>> de2en = swadesh.entries(['de', 'en']) # German-English >>> es2en = swadesh.entries(['es', 'en']) # Spanish-English >>> translate.update(dict(de2en)) >>> translate.update(dict(es2en)) >>> translate['Hund'] 'dog' >>> translate['perro'] 'dog'

也可以比較日耳曼語系與拉丁語系在一些字上的差異唷！

>>> languages = ['en', 'de', 'nl', 'es', 'fr', 'pt', 'la'] >>> for i in [139, 140, 141, 142]: ... print swadesh.entries(languages)[i] ... ('say', 'sagen', 'zeggen', 'decir', 'dire', 'dizer', 'dicere') ('sing', 'singen', 'zingen', 'cantar', 'chanter', 'cantar', 'canere') ('play', 'spielen', 'spelen', 'jugar', 'jouer', 'jogar, brincar', 'ludere') ('float', 'schweben', 'zweven', 'flotar', 'flotter', 'flutuar, boiar', 'fluctuare')

現成的詞彙工具盒（Shoebox and Toolbox Lexicons）

最後介紹一下獨立使用上功能很不錯的「Toolbox」（它的前身為「Shoebox」），常被語言學家用來管理資料並可以自由地下載來使用（http://www.sil.org/computing/toolbox/）。Toolbox由大量的字詞款目組成，每個款目都包括一個或一個以上的欄位值，大部分的欄位值是選擇性或可重複的，這表示這種詞彙資源不能轉換為表格形式儲存。以下是Rotokas語的字典，我們就來看看它的第一條款目「kaa」意思是英文的「to gag」

>>> from nltk.corpus import toolbox >>> toolbox.entries('rotokas.dic') [('kaa', [('ps', 'V'), ('pt', 'A'), ('ge', 'gag'), ('tkp', 'nek i pas'), ('dcsv', 'true'), ('vx', '1'), ('sc', '???'), ('dt', '29/Oct/2005'), ('ex', 'Apoka ira kaaroi aioa-ia reoreopaoro.'), ('xp', 'Kaikai i pas long nek bilong Apoka bikos em i kaikai na toktok.'), ('xe', 'Apoka is gagging from food while talking.')]), ...]

可以清楚看到它的款目是由一系列的屬性/值的配對所組成的，如('ps', 'V')就表示詞性（part-of-speech）為「'V' (verb)動詞」； ('ge', 'gag')表示對應到英文（gloss-into-English）為「'gag'」這個字。最後三組配對是一個例句，分別是Rotokas語、Tok Pisin語以及英文。

這種Toolbox的鬆散結構讓我們在應用上困難許多，不過我們將會在11章學會利用強大的XML來處理。

下一節 2.5鼎鼎大名的詞網（WordNet）

用Python也能輕鬆玩自然語言處理（2.3）

2010-07-13T14:27:00.001+08:00

2.3 多講一點Python嘛：可以重複使用的程式碼

這個時候，你可能已經在Python的互動式直譯器裡重新輸入了很多的程式碼。如果你不小心弄錯了哪個部分時，你通常必須再次輸入一次那複雜的程式。雖然可以使用箭頭鍵來修改之前的命令，但這還是很沒效率。因此在本節中我們將學會利用兩種可以重新使用程式碼的方式：文字編輯器和Python的函數。

用文字編輯器產生程式碼

在Python互動式直譯器之下，你只需要敲入指令就可以馬上得到回應，但有時候你不希望這樣。一般來說在撰寫較多行的程式碼時就會仰賴文字編輯器，先打好程式碼後在一次拿給Python去執行。透過IDLE的介面，你可以從選項「File（檔案）」選單中建立一個新的視窗！試試看吧，先敲入一行程式「print 'Monty Python'」，然後存檔（把檔名取做「monty.py」），接著從「Run（執行）」選單中點選「Run Module（執行模組）」（別擔心！我們等等就會開始學習何謂模組了）。那麼最後，你就會看到IDLE視窗出現執行後的結果了：

>>> ================================ RESTART ================================
>>> Monty Python
>>>

你可以試著敲入「from monty import *」，接著他就會再做同樣的事情一次！現在開始，你除了用互動式直譯器外，還可以利用文字編輯器來撰寫你的程式碼！使用直譯器可以很方便地去測試你的程式碼跑出來是不是你預想的結果，如果沒啥問題就可以把程式碼貼回文字編輯器裡頭（但別把提示號「>>>」也貼進去嘿！）然後就可以逐步擴大你的程式碼，寫好了在存起來，以後就可以一直重複使用了。記得檔名盡量短一點且有意義的，全部都使用小寫、字與字之間用底線隔開，副檔名為「.py」（像是「monty_python.py」）。

函數（Functions）

假設你的分析工作是一個字的各種型態，例如你的程式碼就必須能同時處理某個字以及它的複數型。又或者假設你某個工作必須做兩次，第一次處理一些文本，然後有新的資料進來又要處理一次...這些工作都是會導致你需要重複修改部分程式（而且感覺自己很笨）。

現在你可以試著學習更有效率且可靠的方法，就是自行撰寫函數！函數是由一段定義良好的程式碼區塊所組成（現在我們可以開始慢慢回答之前1.1的一些謎團XD），函數通常需要提領一些意欲處理的變數值（就是所謂的參數），相對地它也可能會在執行完一些動作後產生結果（也就是所謂的回傳值）。

我們利用關鍵字「def」來告訴Python我們準備要來定義函數，接著是函數名稱、參數以及函數的真正內容。以下的函數是我們曾經在1.1看過（可以觀察一下import後面的描述，「division」就是一個可以被期待為執行除法的函數。）

>>> from __future__ import division
>>> def lexical_diversity(text):
... return len(text) / len(set(text))

我們用「return」把這個函數的結果值回傳出來給我們！上面的例子裡這個函數其實也只做了一個回傳動作而已XD。下面這個例子也是相同的意思，只是改成了比較多行的程式碼去描述，我們把參數名稱改成「my_text_data」去告訴你可以換成你自己的data。

>>> def lexical_diversity(my_text_data):
...     word_count = len(my_text_data)
...     vocab_size = len(set(my_text_data))
...     diversity_score = word_count / vocab_size
...     return diversity_score

注意我們在函數裡頭中所產生的新變數只是所謂的本地變數（local variables）而不是函數外部那些可以隨時被存取的那種變數。所以現在我們已經定義了「lexical_diversity」函數，但是只有定義是沒用的，函數只有被呼叫（called）時才會幫你做事情！

我們回到之前談到處理英文複數的問題，函數「plural()」會把一個單數名詞變成複數型態，當然！它還是會有出錯的時候XD（我們將會在4.4再詳細討論函數）

                                        def plural(word):  
    if word.endswith('y'): return word[:-1] + 'ies'                             
    elif word[-1] in 'sx' or word[-2:] in ['sh', 'ch']: return word + 'es'                             
    elif word.endswith('an'): return word[:-2] + 'en'                             
    else: return word + 's'                     
               

>>> plural('fairy')
'fairies'
>>> plural('woman')
'women'

可以發現「endswith()」函數必須搭配字串來使用！要呼叫這類型的函數，我們只需要提供對的物件名稱、時機與函數，就可以直接地隨時應用在程式碼裡面，而我們會把這些函數稱為「方法（methods）」。

模組（Modules）

隨著時間的累積你一定會慢慢寫出一些有用的文字處理函數，也會慢慢發現你每次都要複製來貼上去的。到底你要的那組函數是躲在哪一的檔案裡？有的是不是我已經修改過了或還沒修改的？如果你可以事先把一些重要功能都定義在一個地方，當需要用到時，就直接存取它、就不用作一大堆複製程式碼的功夫了。

為了達到這個目標，我們把剛剛那個函數儲存到一個檔案（textproc.py）裡頭。現在你可以超簡單地去從檔案去匯入這些函數：

>>> from textproc import plural
>>> plural('wish')
wishes
>>> plural('fan')
fen

很快地你就會發現這個函數有點問題，因為「fan」的複數型態明明就是「fans」才對。不過你不用特地去重新寫一個新的函數，你只要修改原本那個就可以了！所以在每段程式碼的結構中，用來處理複數問題的函數只會有一個，不用去擔心或怕弄錯。

像這樣一整組的變數與函數的結合，我們就會稱做Python的模組（module）！而將一些相關功能的模組集合起來就稱為「套件（package）」。像是NLTK工具包中處理布朗語料庫的一些功能就是一個模組的好例子，而那些可以處理不同語料庫的程式碼就是套件的例子！

不過要注意喔！如果你自己建立了一個Python的程式碼時，請不要把它的檔名取為「nltk.py」！因為當你載入時它會載到「真正的」NLTK工具包，要記得Python是會優先從它當下的資料夾目錄去做模組或套件程式碼的搜尋！

2.4 語彙資源大集合（Lexical Resources）

陽光宅男的擴音器

歸零

[課堂心得]量化研究與統計分析-相關分析(Correlation Analysis)

[課堂心得]量化研究與統計分析-變異數分析(ANalysis Of VAriance, ANOVA)

單因子變異數分析(one-way ANOVA)

二因子變異數分析(two-way ANOVA)

我家的猴子

用Python也能輕鬆玩自然語言處理（2.5）

2.5鼎鼎大名的詞網（WordNet）

字義與同義詞

WordNet的階層結構

更多的詞彙關係（More Lexical Relations）

語意相似性（Semantic Similarity）

療癒系音樂趴（下）

五月天 - 生命有一種絕對

周杰倫 - 蝸牛

張雨生 - 我期待

盧廣仲 - 無敵鐵金剛

用Python也能輕鬆玩自然語言處理（2.4）

2.4 語彙資源大集合（Lexical Resources）

字詞列表（Wordlist Corpora）

發音字典（ Pronouncing Dictionary）

比較型文字列表（Comparative Wordlists）

現成的詞彙工具盒（Shoebox and Toolbox Lexicons）

用Python也能輕鬆玩自然語言處理（2.3）

用文字編輯器產生程式碼

函數（Functions）

模組（Modules）