報章雜誌所公開的資訊其效力已經被許多文章進行過實證研究，結果也指出如此的公開推薦資訊的確是具有資訊內涵，也就是具有影響股價的能力，這些被推薦的公司，其公司本身不管是在規模或是營運績效等性質可能都是包羅萬象，本研究對於被公開推薦的公司的特性產生了興趣，是不是存在不同特性的被推薦公司，其被推薦時的股價行為會有不一樣的變化，我們想試圖從中了解並尋求一規則。在本研究中分類所依據的特性為公司的營運績效指標，分別為每股盈餘(EPS)、資產報酬率(ROA)、股東權益報酬率(ROE)、Tobin Q，接著對每組進行統計分析再加以進行各組之間比較，試圖從中對於各組的分析結果討論其資訊意涵。 本研究主要結論如下： 一、有被推薦的股票，不管是屬於哪一組，公開推薦資訊對於各組都具有資訊內涵。 二、好公司被推薦(第一組)的股票建議短期持有，長期建議好公司未被推薦(第四組)的股票。 三、營運績效表現較差的股票被到推薦時(如第二組與第三組)，其股價的爆發強度大過於營運績效較佳的股票有被推薦(如第一組)。 四、對投資人而言，事件日之後被推薦的股票表現不佳，因此在公開推薦日之後購買的投資人無法獲得正的異常報酬，而對於已經持有好公司股票的投資人，若股票在公佈日當天被推薦，則應視為賣出訊號，若未被推薦，則維持有訊號。

在人們的日常生活中，推薦是很普遍的一種社會行為，它使人們不必親自去體驗所有的事物，可透過別人的經驗來得知一件事情或商品的好或壞。隨著科技的快速發展與網際網路的普及，電子商務已逐漸的融入社會，成為人類生活中不可或缺的一部分。然而在網路上過量的資訊，使得個人在資訊的使用與搜尋上面臨極大的挑戰，更加刺激了對於推薦資訊的需求，因此許多推薦技術相繼提出，推薦系統也應運而生，不僅使得推薦的範圍擴大了，推薦的型態也更為豐富多元；同時，在近年電子商務的發展中，對於個人化與顧客導向服務的愈益重視，使得推薦系統逐漸成為一種必要的線上服務。 在眾多的推薦技術之中，協同過濾推薦方法是最成功且最常被採用的推薦技術之一，許多台灣的拍賣平台上也都有採用類似概念的推薦系統，像是Yahoo!拍賣、露天拍賣上的評價機制均屬此類。然而，現行的拍賣評價機制都沒有採用社會網路的技術，本研究希望透過協同過濾與社會網路的結合，讓評價機制更趨於完備。 本研究以台灣最大的拍賣網站Yahoo!為例，蒐集了44萬筆交易記錄，並以推薦網(ReferralWeb)系統的矩陣方法為基礎，找出人與商品的關係、商品與類別的關係、人與人的關係，建立起一個社會網路，讓使用者可查詢特定領域的專家，並與之交易。除此之外，也可直接詢問專家關於商品的資訊或購買技巧。透過這樣的機制，希望能降低消費者在購買商品時所產生的交易糾紛，讓人們在網路上的購物體驗能變得更好。 / Nowadays, recommendation is a common social behavior between people. People can evaluate things or commodities from others’ experience and opinions instead of their own experiences. Along with the development of technology and Internet today, E-commerce has become an indispensable part of human life. However, due to the overloaded information, people face a fantastic challenge when accessing and searching on the Internet. Therefore, many methods of recommendation were proposed, and systems of recommendation are to come with the tide of fashion. In addition, the development of E-commerce emphasized on personalization and customer-oriented services more in recent years, which make recommendation system becomes a necessary on-line service gradually. Collaborative Filtering is the most successful and adopted one in numerous recommendation methods. There are many auction platforms in Taiwan also use recommendation systems, such like "Yahoo Auction", "Ruten Auction", etc. However, the previous mentioned recommendation mechanisms haven’t used Social Network technology; this study will propose an recommendation system which combines Collaborative Filtering and Social Network technology. This research collects 440,000 transaction data from the Yahoo auction platform, which is the biggest auction website in Taiwan. Based on the matrix method of ReferralWeb system(Shah, 1997), this research would like to build up the matrix of relationships between Person-Commodity, Commodity-Category, and Person-Person. Based on the three matrixes, finally builds up a Social Network. In the Social Network, users can enquire experts refer to the specific category of commodity, and then refer to the shops which the experts like or directly ask them the commodity information and purchase skill. Relying on the mechanism proposed by this research, our goals are to reduce the transaction disputes arising from consumers purchase commodities, and to let people have better experiences in on-line shopping.

在西洋棋中，開局決定了棋局未來發展的基礎，棋手在開局階段局勢的好壞，會直接影響到接下來中局的發展，乃至全局的勝負。隨著西洋棋的演進，棋手們在比賽中進行各式各樣的棋步嘗試，發展出眾多經歷實戰考驗的開局，目前西洋棋的開局多達上千種變化，使得棋手在學習西洋棋的過程中，要花上大量的時間從眾多的西洋棋開局變化中，尋找適合自己的開局鑽研與使用。為幫助棋手在此階段的學習，本論文提出西洋棋開局推薦系統，從大數據協助學習的觀點，利用大量棋手們的開局經驗，對棋手做個人化的開局推薦。此系統以風格、棋力相似的棋手們所選用的開局為推薦基礎，並考量棋手習慣使用的下棋模式，推薦棋手善於發揮自身優勢、易於理解，並且投其所好的開局。為此，此西洋棋開局推薦系統包含風格分析、棋力評估、棋形截取，以及混合式推薦等部分。依據棋手過去的對局記錄，風格分析評估棋手下棋偏好冒險或保守的程度；棋力評估將傳統西洋棋棋力轉成可直觀比較棋手棋力程度差異之量表；棋形截取找出棋手習慣使用的下棋模式。最後，混合式推薦綜合考量上述三項因素，推薦出符合棋手棋風、棋力與下棋習慣模式的開局。 本論文以兩個實驗來評估風格分析與開局推薦系統的效果，在風格分析的實驗中，將風格分析方法評估棋手風格的結果與專家判斷的結果做比較；在開局推薦系統的實驗中，以棋手是否將會在比賽使用系統所推薦的開局來評估推薦效果。實驗結果顯示，風格分析對於世界冠軍棋手的風格評估幾乎與專家的判斷相同；開局推薦系統針對開局所設計的混合式推薦方法，推薦效果優於常見的推薦方法。 / The Opening is the fundamental phase of a chess game, and significantly affects the result of a competition. With the evolution of chess, there has been developed thousands of chess openings at present. This makes it difficult and time-consuming for chess players to find and learn the openings suitable for them. For helping players to learn chess in the opening, we provide Opening Recommendation System (OPRS), which considers chess players’ experiences and recommends chess openings that could be understandable and favorite for the players. For personalized recommendation, OPRS analyzes the playing style, translates chess rating, extracts the playing patterns, and then performs hybrid recommendation based on the features obtained. In the evaluation, the performance of the playing style analysis are demonstrated by comparing with the styles judged by chess experts for world chess championships. For OPRS, the evaluations are according to the openings the players use in the chess tournaments in the next years. The experiments show that OPRS achieves good accuracies of the playing style analysis and outperforms the competitive methods for chess opening recommendation.

鑑於國人網路依賴度越來越高，每人每日透過網路獲取豐富的資訊及資料，然而由於資訊過多也造成使用者不知道自己真正想要的資訊，因此找尋出個人化資訊勢必成為未來研究的方向。一般網路行銷廣告都是在分析使用者在網站上的行為，然而鮮少去分析到使用者端環境及儲存的資料。相較於使用者在網站上的行為，使用者端所留下的行為資訊更能夠反應出使用者的真正興趣，因此本研究主要探討在個人使用環境(如：PC、NB)中，透過使用者最常接觸的三種途徑(包括：上網瀏覽資訊、信件資訊及常用檔案內容資訊)來獲取使用者興趣的資訊，並且建構出一套個人化廣告推薦系統常駐於使用者端即時(real-time)記錄使用者的行為資訊。本系統運用推薦技術(Recommendation Technique)搭配關聯式法則(Association Rule)來將這些資訊有效的過濾並關聯出使用者的喜好及興趣，同時利用這些資訊上網找尋合適的廣告資料，用以建構出個人化廣告推薦模式。 / The rapid growth of Internet has changed the patterns of our life. Everyone can gain rich information on internet, but plenty of information will confuse user's ability to determine whether these information are useful. Therefore, the further trend is to discover personalized information. Many researches about internet marketing advertisement are mining user's behavior in website server, but scarce researches focus on client. Compared to user's behavior in website, the behavior information which stays in local environment (ex. PC, NB) can reflect user's profile more. Thus, this research mainly discuss how to record user's behavior information containing Web Page Title, E-mail Subject and Document Content in local environment and how to construct a personalized advertisement recommendation system resident in memory of local environment for timely (On-line) collecting user's behavior information to create “user profile” using recommendation technique and association rule. This system will utilize “user profile” to provide appropriate personalized advertisement for user. Finally, we apply several experiments to verify the feasibility of our system.

近年來，推薦系統（recommendation system）相關研究是一個很熱門的議題，當使用者看到一篇文章，對該文章所描述的事件很感興趣，想要了解該事件的全貌，此時想要得到是該事件的通盤的見解，而非局部的意見，也就是以不同角度去解析此事件的文章清單時，若以過去傳統推薦系統的作法，推薦與這篇文章相似的文章給使用者就未必合適，因為相似文章只能反映對此事件相同角度，而非對此事件不同角度的文章。因此，本研究擬使用社群性標籤（social tag）解決以上問題。透過不同使用者標註標籤反映不同看法的機制，我們可以從文章中選出代表性的標籤，透過該標籤組與文章分數計算，找出對此事件不同角度的文章清單推薦給使用者。實驗結果顯示，若文章有較高的可信度擁有多種角度，則使用我們提出的演算法確實擁有較好的準確度。

協同過濾是電子商務中最常被使用也是最成功的推薦技術，但隨著電子商務的發展，網站使用者與商品數也迅速成長，使得使用者相關資料稀疏(Data sparsity)而嚴重影響推薦品質。對於新使用者與新商品，協同過濾也無法提供準確的推薦。為改善以上問題，本研究使用Lemire與Maclachlan (2005)所提出的Slope One演算架構及資料探勘方法中的單純貝式分類器(Naïve bayes classifier)來解決資料稀疏性和冷開始(Cold-start)問題。同時，考量到運算成本，將推薦系統架構分為離線預處理階段和線上預測階段，以避免當使用者數目和商品越來越大時運算成本超過實際可接受程度。 本研究採用MovieLens資料庫的資料集，包含943位使用者與1,682部電影，共10萬筆評比資料，評比分數範圍從1到5分，其中每位使用者至少評比20部以上電影。實驗評估方法則採用平均絕對誤差(MAE)來計算本研究的推薦系統對消費者喜好預測的準確度。 本研究希望所提出的個人化推薦系統能改善傳統協同過濾推薦系統的推薦品質，減少資料稀疏所造成的推薦誤差，更準確的推薦使用者感興趣的物品，以幫助使用者更有效率的進行線上消費，提高顧客滿意度與忠誠度，也提升電子商務網站營業效益。

台灣股票市場一直以來以散戶為主要參與者，隨著上市櫃公司家數的大幅成長，如何從龐大數量的個股裡挑選出獲利標的已非易事，加上散戶蒐集與分析資訊的能力有限，因此低成本且易入手的公開資訊，如券商的推薦報告、機構法人的買賣超動態行為等公開資訊，自然成為散戶投資決策的重要參考指標。 本研究採用事件研究法探討外資及國內法人機構發布公開推薦報告之可信度、資訊內涵的多寡、及三大法人買賣超行為與推薦報告之關聯性，希望能提供市場投資者在採納機構法人報告時，更瞭解其背後的實質意義。 研究結果顯示，在強烈買進評等及加碼評等，不論是外資或國內法人機構的報告，皆存在報告發布前外資投資人即先行買進的動作，外資成為股票市場的最大贏家，散戶則承擔了最多損失。在中立評等裡市場對國內法人發布中立評等的報告較偏向正面解讀，對外資機構的建議則真的採取中立態度。在外資及國內法人機構的減碼報告中，平均異常報酬皆有提前下降且維持相當短暫，且外資投資人對外資機構發布的減碼報告信任度極高，但實證結果此時的股市未必如想像中糟糕，外資投資人有過度賣超的疑慮。最後在強烈賣出評等部份，外資報告確實具有一定的資訊內涵，但可能外資於報告發布前已事先布局，股價已對相關資訊有所調整，等到報告發布後大部分的資訊已反應在股價上，使得散戶等到報告出爐再依建議進行買賣股票動作時將產生虧損。 總而言之，外資及國內法人機構發布之推薦報告通常具有一定之資訊內涵，外資投資者更有在報告發布前提前進行策略性布局的動作，因此散戶在參考推薦報告時勿盡然相信其說，避免成為市場上的輸家。

京都大学 / 0048 / 新制・課程博士 / 博士(情報学) / 甲第18616号 / 情博第540号 / 新制||情||96(附属図書館) / 31516 / 京都大学大学院情報学研究科社会情報学専攻 / (主査)教授 田中 克己, 教授 石田 亨, 教授 西田 豊明 / 学位規則第4条第1項該当 / Doctor of Informatics / Kyoto University / DFAM

過去國內文獻大致指出投資人難以依靠券商的投資建議獲利，此與大部份國外文獻的發現相異。本文參考Barber et al. (2001)，建構一個適用於台灣股票市場的研究方法，再以四因子模型做實證。本文以2007年3月至2015年12月，共48987筆卷商個股報告為研究樣本，來探討券商報告的投資建議能否獲利。本文研究結果發現，台灣的券商報告擁有額外的資訊價值，此與Barber et al. (2001)及其他國外文獻大致相同。 本研究依券商的推薦強度建構四個投資組合。發現推薦程度高的投資組合平均月報酬為正，且高於大盤；而推薦程度低的投資組合平均月報酬顯著低於大盤，且擁有顯著的負超額報酬。本文進一步建構買進賣出策略，即買進推薦股票高的投資組合並賣出推薦程度低的投資組合，發現此策略報酬顯著高於零及大盤，且存在顯著的正超額報酬。另外在台股多頭期間，本研究的實證結果更加顯著，推薦程度高的投資組合平均月報酬增加至顯著高於大盤，且超額報酬顯著為正；推薦程度低的投資組合之大盤調整報酬及負超額報酬的顯著程度提高；而買進賣出策略獲得超額報酬的顯著程度也大幅提高。 / Past Taiwanese literatures generally indicated that it is difficult to obtain profit from Taiwanese stock recommendations of brokerage, which is different from most of foreign literatures. Referring to Barber et al. (2001), we improve and build a research methodology applied to Taiwanese stock market, conducting empirical analysis with four-factor model. From March 2007 to December 2015, we use total 48987 brokers’ stock recommendations as sample to investigate whether inventors could earn profit from the broker recommendations. Our empirical results show that Taiwanese broker reports hold additional information, which is consistent with Barber et al. (2001) and most of foreign literatures. According to the strength of recommendation, we construct four portfolios and find that the return of the most favorable portfolio is higher than market, while the return of the least favorable portfolio is significantly smaller than market and holds significantly negative access return. We further construct a long-short strategy, which buys the most favorable portfolios and shorts the least favorable portfolios. The return of this strategy is significantly higher than market, and excess return is significantly positive. During Taiwanese bull market, the significance of our empirical result improves. The significance level of market-adjusted return and access return for both the most favorable and least favorable portfolio is higher. In addition, the significance level of excess return for long-short strategy also greatly improves.

本研究提出一創新的旅遊推薦服務系統，以意象模型作為旅客意象(包含自我意象和情感需求)、景點意象、以及中小企業所提供服務之意象在系統裡的一致性表達。以上所提及之利益關係人的意象會經由數個系統模組進行建立與管理，並演化以反映出意象擁有者在真實世界的狀態。除此之外，本系統為動態運行，強調旅遊產業裡各個利益關係人角色之間的互動關係。每當互動發生，相關意象模型會進行混合，演繹出額外的意象屬性，以進行意象模型之調整。另外，基於顏色與情緒可相互對應的相關研究，我們將色彩理論運用於意象媒合與意象混合模組之中，藉此為旅客推薦符合其情感需求的旅遊景點或服務。本研究所提出一系列基於意象衍伸的系統化方法，可被應用於各種不同的領域。我們相信本研究可以為其它領域之實務應用與學術探討帶來顯著的貢獻。 / This research presents a recommendation service system that considers the image as a uniform representation of tourist images (include self-image and emotional needs), destinations, and local SMEs. Images carried by each stakeholder roles are modeled and managed by several system modules, and they also evolve to reflect the real time situations of each entity. In addition, the system is dynamic in terms of its emphasis on the relationships among these roles. When interactions occur, image mixing will be conducted to derive extra image attributes for the adjustments of the images. Besides, since colors can be mapped onto emotions, we use colors to operate the image matching and mixing process to find good matches of destinations for the recommendation. This image related approach we proposed is domain-independent. We believe our method could contribute to other areas of practical applications and academic studies.