D4SG不當黨產處理委員會

專案期末報告

2022/07/23

提案單位: 不當黨產處理委員會

黨產會團隊：林聰賢 呂思翰 王惟聖 廖健凱 廖斯泙

資料英雄團隊：陳潔寧 簡毅慧 李俊穎 蘇彥庭 江泓德

1

專案團隊介紹

2

黨產會團隊

3

林聰賢

專任委員

呂思翰

副研究員

王惟聖

助理秘書

廖健凱

副研究員

廖斯泙

副研究員

資料英雄團隊

4

蘇彥庭

化工業

資料科學家

陳潔寧

資料英雄計畫

資料科學家

江泓德

智庫驅動

資料科學家

簡毅慧

中央通訊社

數位編輯

李俊穎

中央研究院

社會學研究所

研究助理

專案問題說明

5

6

7

8

9

黨產會問題

1. 史料文件未數位化：早期史料皆為手寫文字，需要有能夠自動辨識文字的軟體，轉為電腦程式可讀之文件
2. 史料文件數量龐大，研究人員需花費大量時間搜尋資料
3. 如何呈現工作成果，讓民眾能夠快速理解內容

10

專案解決目標

• 資訊視覺化

​

• 資訊體系化

11

對外呈現: 黨產會成果呈現方式優化

12

對外：閱讀體驗優化

13

報告格式、論述需正式嚴謹

歷史文獻用字艱澀

➔ 民眾較難吸收資訊、理解黨產會工作成果

網頁DEMO

14

1. 聚焦特定切點

15

在調查報告中提取特定主題內容

（掌握資訊份量，避免主題發散）

2. 呈現資訊架構

16

目錄：讓讀者預知內容，掌握閱讀進度

3. 資料視覺化／互動圖表

17

展示數據Insight，也讓讀者可探索單筆資料

4. 資訊摘要、轉譯

18

擷取重要資訊與吸引人的故事，

並將法律／會計／政治術語轉為白話文

5. 素材加工、增加曝光

19

充分利用既有的影音、圖像素材

目標：呈現友善、簡潔的知識視窗

20

內部研究: 歷史文件搜索優化系統

21

建立專屬黨產會的文字探勘分析流程

以CKIP Tagger模型�進行斷詞與實體辨識

自定義字典

• 協助研究員能夠更快速地從史料文章中，分析出人或組織之間的關係

人/組織網絡關係圖

文章推薦

研究員經驗

22

史料文章�黨產會官網-史料故事298篇文章

不當黨產相關史料自定義字典設計

23

• 結合研究員經驗與CKIP建構專屬字典
• 透過同義詞欄位，捕捉史料文章中可能指涉相同的對象，並用於搜尋系統、推薦系統以及社會網絡繪圖

搜尋文章與文章推薦作法

• 搜尋系統：研究員可以輸入任意文字，結合自定義字典中的詞庫，篩選包含特定詞語的文章。
• 推薦系統：以自定義字典中定義的人和組織建立詞矩陣，並計算每篇文章的歐式距離。�依使用者選取的文章，取歐式距離最小的前5名文章進行推薦。

24

社會網絡基本元素與加權方式

• 節點(node)
• 人物、機構
• 連結(edge)
• 在同一篇文章中，同時被提及
• 節點大小
• 在文章中出現的頻率
• 連結線的粗細
• 同時被提及的頻率

​

25

網絡關係圖作法

• 輸入任意文字，結合自定義字典中的詞庫，篩選包含特定詞語的文章。
• 以自定義字典中定義的人或組織作為節點(node)，繪製在文章中的連結(edge)多寡，研究員可以調整網絡形狀與繪製的節點數量(%)

​

26

成果Demo

• 以Python建立文本分析自動化流程
• 以Python Dash套件建立WEB服務，提供數據視覺化結果
• 研究員可自行加入更多文本與自定義字典進行分析

27

https://github.com/SuYenTing/d4sg_cipas_project

專案程式碼

建議與未來展望

• 早期史料皆為手寫文字，並以照片方式儲存，無法直接使用文字探勘模型進行分析。本專案受限於期程，並未開發針對史料的手寫文字辨識功能。史料手寫文字辨識對於數位人文領域發展的重要關鍵，是值得發展的方向。
• 受限於史料文章數量，本次專案我們著重在協助黨產會研究員，能夠以數位化工具來提升研究的閱讀、視覺化等便利性
• 若未來史料文章數量足夠時，我們可以利用主題模型探索文章類別，並進行相關分析，例如：
• 史料文章文件分類模型：預測該篇文章屬於什麼主題類別
• 優化文章推薦系統：能夠以更多元的模型方法及特徵(如研究員點擊次數、文章瀏覽路徑、文章停留時間)來推薦文章

​

28

Thank you for your attention

29