Abstract
當讀者欲對於其感興趣之知識有更深入之認識時，其往往透過各類網路管道發掘其感興趣之知識相關文件並逐一選讀之，再由其選讀之文件中吸收其認可或感興趣之內容，達成獲得相關知識之目的。然而，讀者透過各類管道所蒐集之相關知識文件的數量眾多且其內容繁雜，使讀者需花費大量時間逐一閱讀尋得之文件，才能由所有尋得之文件中整理並吸收相關知識。其次，目前讀者選擇閱讀文件之依據仍以其對於文件第一印象之主觀評價或來自其他讀者之主觀評價為主，此作法容易遺漏其他未閱讀文件中所傳達之重要資訊。為解決上述問題，本研究乃發展一「以文件內容架構為基礎之評論文件價值評估」模式，為建構此價值評估模式，本研究乃先釐清評論文件關鍵特質之擷取方式，並根據所整理之擷取方式擷取評論文件之關鍵特質；之後，為建構評論文件關鍵特質與其對應資訊價值指標間之關係，本研究乃運用粒子群演算法之概念求解「評論文件關鍵特質對資訊價值表現影響推論」最佳化模型，以取得評論文件之最佳關鍵特質權重組合，並可依獲得之最佳關鍵特質權重組合建構評論文件關鍵特質對資訊價值表現之關係模式和對應之系統，以藉由視覺化方式呈現評論文件之資訊價值，協助讀者選讀文件群中之評論文件；最後，本研究乃以「Mobile01」網路論壇和「Yahoo!奇摩知識+」之討論文件為基礎進行系統之績效驗證，以藉由實際之評論文件測試所開發的評論文件價值評估系統，而由驗證結果可得知，本研究所開發之系統可有效地擷取評論文件之關鍵特質，並使讀者有效率的選讀符合其需求之評論文件。