帳號:guest(3.137.198.39)          離開系統
字體大小: 字級放大   字級縮小   預設字形  

詳目顯示

以作者查詢圖書館館藏以作者查詢臺灣博碩士論文系統以作者查詢全國書目
作者(中文):余嘉辰
作者(外文):Yu, Jia-Chen
論文名稱(中文):以文件內容為基礎之法規重要修正摘要分析模式
論文名稱(外文):Information Integration and Summarization For Legislative Amendments
指導教授(中文):侯建良
指導教授(外文):Hou, Jiang-Liang
口試委員(中文):吳士榤
梁直青
學位類別:碩士
校院名稱:國立清華大學
系所名稱:工業工程與工程管理學系
學號:111034467
出版年(民國):113
畢業學年度:112
語文別:中文
論文頁數:218
中文關鍵詞:法規修正內容K-means分群方法視覺化
外文關鍵詞:Regulatory Amendment Content,K-means Clustering MethodVisualization
相關次數:
  • 推薦推薦:0
  • 點閱點閱:10
  • 評分評分:*****
  • 下載下載:0
  • 收藏收藏:0
當一般民眾與讀者想要快速瞭解一法規修正文件內容之具體修正內容與修正歷程時,其往往先透過網絡前往政府網站或其他權威網站尋得自己想要了解之法律法規。然而,因為政府網站與其他權威網站只會提供每次修正後之完整法規法條內容,不會標註修正之內容,民眾需再將蒐集到之法規修正前後內容進行逐字比對,彙整出法規修正前後之差別,以找到法規修正之具體內容與細節,以達到了解法規修正內容之目的。故在上述過程極易導致讀者出現耗費大量時間比對,但仍然出現遺漏、出錯、修正處並非民眾與讀者想要了解、修正處為非重要修正等一系列問題。
為解決上述問題,本研究乃先從政府網站與其他權威網站蒐集法規修正文件,並解析對應文件所包含之特徵屬性並歸納此些特徵屬性之表達方式。其次,本研究以先前解析之結果作為發展「法規重要修正內容整合」方法論,該方法論可從法規修正文件中擷取對應之特徵屬性;再次,該方法用K-平均分群方法將所有蒐集到之法規修正文件分為多個時間點之法規修正文件族群;而後,此方法乃利用餘弦相似性對兩兩法規修正文件內容之相速度進行計算與比較,並依此結果判定各法規修正文件內容族群中存在重要修正部分具有較多修正與刪減之法規修正文件內容;最後,此方法將各法規修正文件內容族群中具有較多修正與刪減之法規修正文件內容所包含之關鍵修正內容以視覺化之方式呈現,以幫助一般民眾與讀者快速掌握法規修正之具體內容,從而避免讀者因閱讀錯誤或遺漏法規修正處而導致違反法規的情事。
When the general public and readers seek to understand the specific amendments and history of a regulatory document, they typically start by searching for the desired laws and regulations on government or other authoritative websites via the internet. However, as these sites only provide the complete legal text after each amendment without indicating the specific changes, individuals must compare the pre- and post-amendment texts word by word to compile the differences. This comparison is necessary to identify the details of the amendments and to understand the regulatory changes. This process is prone to causing readers to spend a considerable amount of time comparing texts while still potentially encountering issues such as omissions, errors, amendments that are not of interest to the reader, or insignificant amendments.
目錄

摘要 I
ABSTRACT II
目錄 III
圖目錄 V
表目錄 VII
第一章、研究背景 1
1.1 研究動機與目的 1
1.2 研究步驟 9
1.3 研究定位 12
第二章、文獻回顧 14
2.1 「法規修正內容擷取」主題 14
2.2 「法規重要修正內容整合」主題 18
2.3 「法規重要修正內容視覺化」主題 22
第三章、以文件內容為基礎之法規重要修正摘要分析模式 26
3.1 法規修正之特徵屬性分析 27
3.1.1 法規修正文件之特徵屬性解析 28
3.1.2 法規修正文件之特徵屬性表達方式解析 30
3.2 法規修正之特徵屬性擷取 39
3.2.1 法規修正之修正後法規文件內容特徵屬性擷取 40
3.2.2 法規修正之修正前法規文件內容特徵屬性擷取 49
3.3 法規修正文件內容分群 59
3.4 重要性法規修正內容判定 70
3.5 重要性法規修正文件內容關鍵法規修正內容整合及視覺化呈現 90
第四章、績效驗證與分析 97
4.1 模式驗證方法說明 97
4.2 模式驗證結果分析 105
第五章、結論與未來展望 124
5.1 論文總結 124
5.2 未來展望 127
參考文獻 128
附錄A、模式驗證之相關資料 130
附錄B、模式於第二階段績效驗證結果 167
附錄C、「重要性法規修正文件內容關鍵法規修正內容整合及視覺化呈現」主題之問卷 200

1. Wagh, R. S. (2013). Knowledge discovery from legal documents dataset using text mining
techniques. International Journal of Computer Applications, 66(23).
2. Chen, Y. L., Liu, Y. H., & Ho, W. L. (2013). A text mining approach to assist the general
public in the retrieval of legal documents. Journal of the American Society for Information
Science and Technology, 64(2), 280-290.
3. Sagayam, R., Srinivasan, S., & Roshni, S. (2012). A survey of text mining: Retrieval,
extraction and indexing techniques. International Journal of Computational Engineering
Research, 2(5), 1443-1446.
4. Chan, B., Wu, L., Talbot, J., Cammarano, M., & Hanrahan, P. Vispedia: Interactive Visual
Exploration of Wikipedia Data via.
5. Godfrey, D., Johns, C., Meyer, C., Race, S., & Sadek, C. (2014). A case study in text
mining: Interpreting twitter data from world cup tweets. arXiv preprint arXiv:1408.5427.
6. Lachana, Z., Loutsaris, M. A., Alexopoulos, C., & Charalabidis, Y. (2020). Automated
analysis and interrelation of legal elements based on text mining. International Journal of
E-Services and Mobile Applications (IJESMA), 12(2), 79-96.
7. Zakharova, A. A., Podvesovskii, A. G., & Shklyar, A. V. (2019). Visual and cognitive
interpretation of heterogeneous data. The International Archives of the Photogrammetry,
Remote Sensing and Spatial Information Sciences, 42, 243-247.
8. Rossi, A., & Palmirani, M. (2018). From words to images through legal visualization. In AI
Approaches to the Complexity of Legal Systems: AICOL International Workshops 2015-
2017: AICOL-VI@ JURIX 2015, AICOL-VII@ EKAW 2016, AICOL-VIII@ JURIX 2016,
AICOL-IX@ ICAIL 2017, and AICOL-X@ JURIX 2017, Revised Selected Papers 6 (pp.
72-85). Springer International Publishing.
9. Don, A., Zheleva, E., Gregory, M., Tarkan, S., Auvil, L., Clement, T., ... & Plaisant, C.
(2007, November). Discovering interesting usage patterns in text collections: integrating
text mining with visualization. In Proceedings of the sixteenth ACM conference on Conference on information and knowledge management (pp. 213-222).
 
 
 
 
第一頁 上一頁 下一頁 最後一頁 top
* *