隨著網際網路與多媒體等資訊科技的進步，網路學習漸漸成為學習的另一種重要形式，網路學習可以較不受時間與空間的限制，建構出師生共同學習的環境。但也因為網路學習平台本身使用環境上的限制，使得老師與學生、學生與學生間的互動，絕大多數是以網路學習平台上的非同步討論板為媒介，提供課程上學習討論、情感交流…等所使用。但網路學習平台上相關的非同步討論板，大多都只有老師與學生單方面張貼相關課程的討論文章，除非熱心的老師、助教或學生，甚少會有人去整理這些與課程有關的討論文章。非同步討論板是網路學習上的成員最重要的溝通媒介，上面記載著有關課程所有大大小小的訊息，網路學習課程的成員會利用非同步課程討論板，與老師或學生互相交換課程資訊、分享上課心得…等，因此，網路學習課程的非同步討論板上，可能隱藏著許多有用的知識。若在網路學習課程中，師生間的互動非常頻繁，非同步課程討論板上的文章篇數可能動輒數百篇，甚至上千篇，若要彙整課程討論板上的文章，使其整理成有用資訊，利用人工處理的方式，可能要耗費許多的時間與力氣。
因此，本研究建立了非同步討論板文章內容自動化重點整理的機制，利用中文斷詞與改良式SOM自我組織映射圖網路的文章分群整理技術，輔以圖性化介面的彙整結果，協助整理具大量討論量的網路學習互動式討論板，藉以挖掘出有用的課程相關知識，供老師與學生在日後所開設的相似課程中，做教學調整或學習參考所用。

With the trend of using of Internet and multimedia, e-Learning has became an important learning method. e-Learning is easy to use and bring into practice, but it also has the defects inversely. One of those defects is the reuse of important and valuable discussing knowledge from asynchronous discussion boards.
Nobody has time and be willing to make effort to manage the important discussion from asynchronous discussion boards in e-Learning except enthusiastic teachers or assistants. All of us know that asynchronous discussion boards is an important tool used in e-Learning for communicating and discussing with all class information for teachers and students. And reusing of important class discussing knowledge can aid teachers and students to teach and study with efficiency and effect. But up to the present, there are few researches in this domain.
So, in this research we create an automatic essential content extraction method from asynchronous discussion boards in e-Learning. We explain the usage, management, and shortcomings of asynchronous discussion boards in e-Learning before. And we also describe the designing process of the research in detail. Finally, we describe the operation and the result of content extraction in this research system. All of those are hope to help teachers and students can reuse the valuable knowledge easily and quickly from past class discussion in e-Learning.

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 4
第三節 研究範圍 5
第四節 研究對象 6

第二章 文獻探討 7
第一節 網路學習平台上的互動式討論板整理 7
一、議題方類方式 7
二、精華區整理方式 10
第二節 中文資訊擷取相關技術 12
一、資訊擷取技術的分類 12
二、PAT-Tree-Based的中文資訊擷取技術 14
三、關鍵字詞篩選 20
第三節 資料分群 21
一、自適應共振理論網路(Adaptive Resonance Theory Network)22
二、自我組織映射圖網路(Self-Organization Map) 23

第三章 非同步討論板文章內容自動化重點整理設計步驟 35
第一節 系統建置流程 35
第二節 擷取課程討論文章 38
一、課程討論文章擷取匯出 38
二、討論文章前置處理 40
第三節 建立重要課程討論知識詞庫 41
一、中文字詞擷取 41
二、英文字詞擷取 44
三、中文、英文字詞重要性排序 45
第四節 討論板文章重點彙整 46
第五節 圖形化課程討論結果彙整 49
一、自動化分類式課程分析彙整設計 51
二、關鍵字查詢式課程分析彙整設計 51
三、個人化整理式課程分析彙整設計 52

第四章 非同步討論板文章內容自動化重點整理結果 53
第一節 自動化分類式重要文章搜尋整理 55
第二節 關鍵字查詢式重要文章搜尋整理 57
第三節 個人化整理式重要文章搜尋整理 59
一、收錄課程精華討論文章 59
二、瀏覽個人化整理之精華討論文章 64
三、刪除已收錄精華討論文章 66
第四節 實例探討 67
一、自動化分類式課程分析 67
二、關鍵字查詢式課程分析 71
三、個人化重點精華文章收錄 73

第五章 結論 76
第一節 研究成果 76
第二節 研究限制 78
第三節 未來研究方向 79

參考文獻 81
中文參考文獻 81
英文參考文獻 81

中文參考文獻
[1] 楊家興。情境教學理論與超媒體學習環境。教學科與媒體，第二十二期。1995。
[2] 陳俊彰。從網頁中發掘教師知識分佈圖。國立中山大學資訊管理研究所碩士論文。2001。
[3] 陳年興、洪雪芬。K12數位學校的教與學-網路教學的基礎與應用(e-Learning Fundamentals and Applications)。師路管理顧問有限公司。2002。
[4] 周鉦琪，謝盛文，陳年興。利用網際網路上顧客討論社群發掘產品生命週期。電子商務與數位生活研討會，pp.97。2003。
[5] 姚永錩。網路大學建置之關鍵成功因素探討–以『中山網路大學』為例。國立中山大學資訊管理研究所碩士論文。2003。
[6] 葉怡成。類神經網路模式應用與實作，修訂八版。儒林圖書有限公司，台北。2003。


英文參考文獻
[1] Morrison, D., “PATRICIA: Practical Algorithm to Retrieve Information Coded in Alphanumeric”, JACM, pp.514-534, 1968.
[2] Gonnet, G.H. , Baeza-Yates R.A. and Snider, T., “New Indices for Text: PAT trees and PAT Arrays”, Information Retrieval: Data Structures and Algorithms, pp.66-82, 1992.
[3] Kraaijveld, M. A., Mao, J., and Jain, A. K., “A Nonlinear Projection Method Basedon Kohonen’s Topology Preserving Maps”, IEEE Trans. On Neural Networks, Vol. 6, pp.548–559, May 1995.
[4] T. Kohonen, “Self-Organizing Maps”, Berlin/Heidelberg, Germany: Springer, 1995.
[5] Moore, M. G. & Kearsley, G., Distance Education：A Systems View.Belmont：Wadsworth, 1996.
[6] T. Honkela, S. Kaski, K. Lagus and T. Kohonen, “Newsgroup exploration with WEBSOM method and browsing interface”, report A32, Helsinki University of Technology, 1996.
[7] Kautz, H. , Selman B. and Shah, M., ”The Hidden Web”, American Association for Artificial Intelligence , pp.27-35, 1997.
[8] Lee-Feng Chien, “PAT-tree-based keyword extraction for Chinese information retrieval”, 20th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Philadelphia, PA, USA, July 1997.
[9] Ng, H.T. , Goh, W.B. and Low, K.L., “Feature Selection, Perception Learning, and a Usability Case Study for Text Categorization”, Proceedings of the 20th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, pp.67-73, 1997.
[10] Chien, L.F., “PAT-Tree-Based Keyword Extraction for Chinese Information Retrieval”, Proceedings of the 1997 ACM SIGIR, Philadelphia, PA, USA, pp.50-58, 1998.
[11] Chien, L.F., “PAT-Tree-Based Adaptive Keyphrase Extraction For Intelligent Chinese Information Retrieval”, Information Processing and Management, Elsevier Press, 1998.
[12] LERN（Learning Resources Network）, Online education：Growing presence and growing pains, Lifelong Learning Today, 6(1), pp 6-7 , 1998.
[13] Wong, K.F. and Li, W.J., “Intelligent Chinese Information Retrieval: Why is it so Difficult?”, Proceedings of the First Asia Digital Library Workshop, pp.47-56, 1998.
[14] Dmitri G. Roussinov and HsinChun Chen, “Document clustering for electronic meetings: an experimental comparison of two techniques”, Decision Support System 27, 1999.
[15] Embley, D.W. , Campbell, D.M. , Jiang, Y.S. and Liddle, S.W., “Conceptual-Model-Based Data Extraction from Multiple-Record Web Page”, Data and Knowledge Engineering, 1999.
[16] Jain, K., M., Murty, N.and Flynn, P. J., ”Data clustering: a review”, ACM Computing Surveys, 31(3), pp.264-323, 1999.
[17] Thian-Huat Ong and HsinChun Chen, “Updateable PAT-Tree Approach to Chinese Key Phrase Extraction using Mutual Information”, Second Asian Digital Library Conference, Taipei, Taiwan, November 1999.
[18] Ong, T.H. and Chen, H., “Updateable PAT-Tree Approach to Chinese Key Phrase Extraction using Mutual Information: A Linguistic Foundation for Knowledge Management”, the Second Asian Digital Libraries Conference, 1999.
[19] Kenny Kwok, Michael R. Lyu, Irwin King, “A Novel PAT-Tree Approach to Chinese Document Clustering”, Department of Computer Science and Engineering, The Chinese University of Hong Kong, 2000.
[20] T. Kohonen, S Kaski, and etc., “Self Organization of a Massive Document Collection”, IEEE Transactions On Neural Network, Vol. 11, No3, 2000.
[21] T. Kohonen, “Self-Organizing Maps”, 3nd ed., New York, 2001.
[22] Scott Spangler, Jeffrey T. Kreulen, Justin Lessler, “MindMap: Utilizing Multiple Taxonomies and Visualization to Understand a Document Collection”, ICEIS, 2004.