「研究方法論」
學術研究法革新，擁抱機器學習演算法

過往蒐集完文本資料時，需先經人工標記，再由程式進行分析、統計，既費時又耗力，但現行已可使用機器在沒有字典比對之下，利用語意、句法分析，和上下文的字詞出現頻率，如同人類似的經學習演算法，機器可自動標記人事時地物，不但能處理大量的資料，且可維持一致性，不因人工標記而造成偏誤。例如下圖中，即便是外國人名，或是罕見的姓氏，機器仍是能精準的辨識出來。

▲意藍資訊之人名標示準確度高達99.7%

若要客製訓練機器識別、分類某領域之文字時，需準備若干含有數個子議題的範本，機器會藉由學習為數不等的文本，歸納出分類與標記的邏輯；意藍資訊自己本身已建有一些常用的標記，如立場(支持/反對)、價格等，另外還和學界一同合作，標記十幾萬篇的文本，歸納學習出可應用在各界的通用模型，創建了目前最大的中文繁體情緒語料庫。

完成標記後，利用全文比對技術，可找出數篇文章之間的相似性，並由電腦自動計算相關性，使用此技術，在學術界還可製作出遏止抄襲的比對程式。

除此之外，在大量文本待處理的繁雜程序上，也可由機器爬文，藉由文法邏輯與重複率等演算，計算出字句重要性，最後自動產出簡要文摘。在國外，已有報社利用此技術，使用機器自動摘錄並產出大量新聞稿，堪稱機器記者時代的濫觴。

這些處理文本的技術，已漸漸應用在社群、客服、市調部門，以便快速處理企業內部資訊，加速了解顧客的反饋；甚至在國家警政上，過去意藍資訊曾協助刑事警察局資訊中心，處理累積多年之刑案資訊，其中包含多種來源與資料格式，跨文件的分析在一開始就顯得困難重重，但在進行資料整備、匯入，藉由機器標記及分析，導入知識工程技術後，要進行傳統結構性資料的分析，就顯得容易多了，不論是再輔以R或是Excel的樞紐分析等統計軟體，皆可快速的做出視覺化的圖表。

▲標記完後的資訊，可快速產出犯罪關聯圖

雖然內部擁有來自顧客、會員的豐富資料源，然而許多企業仍渴望更多的外部資訊，傳統的街訪或電訪是常見的取得外部資料的方式之一，但在分分秒秒快速變化的商業競爭中，傳統的取樣法不但耗時，所得的樣本母體也不一定能符合實際狀況。

受到國外資料應用的啟發，意藍資訊自2012年起開始建立龐大的輿論資料庫，收取範圍參考Alexa、《數位時代》歷年熱門網站排行等知名公信榜單，由網路機器人巡邏各大網路頻道，最慢在35分鐘至40分鐘後即會將文章抓取進資料庫，日進量超過60億字，加之情緒標記的技術已成熟，可以快速判讀文章立場，因此進行長時間的的議題研究時，要比傳統的市調要容易的多，特別是涉及隱私，眾人不願在面對面的情況下吐露真言的社會議題，更是能迅速而精確的掌握人們的偏好態度。

最後，假如發現調查做得不完美，可能被迫要再用已經花費的時間及金錢去重複整個研究，然而使用社群聆聽法，通常可以更容易地重做研究中的一個部份，例如：增加問題及選項，只需要重新將資料中的一個部份編碼，而不是重做整個研究，對於學術研究而言，不但便利也更經濟。