在今日以客戶為導向的市場中，“給較好的客戶較好的服務”的概念已經逐漸轉變為“給每一位客戶適當的服務”。藉由跨域行銷(cross-selling)的方式，企業可以為不同的客戶提供適當的服務及商品組合。臺灣的金融業近年來在金融整合中陸續成立了多家金融控股公司，希望藉由銀行、保險與證券等領域統籌資源與資本集中，以整合旗下子公司達成跨領域的共同行銷。這種新的行銷方式需要具有表達資料項目間關係的資訊技術，而關聯規則(association rule)是一種支援共同行銷所需之資料倉儲中的極重要元件。 傳統關聯規則的挖掘可以用來找出交易資料庫中客戶潛在的消費傾向。如果得以進一步的鎖定是那些客戶在什麼時間、什麼地點具有這種消費傾向，我們可藉此制定更精確、更具獲利能力的行銷策略。然而，大部分的相關習成技術都假設挖掘出的規則在資料庫的每一個區間都是一樣有效的，然而這顯然不符合大多數的現實狀況。 本研究主要著眼於如何有效率的在不同維度、不同大小的資料庫區域中挖掘關聯規則。藉此發展出可以自動在資料庫中產生分割的機制。就此，本研究提出一個方法找出在各個分割中成立的關聯規則，此一方法具有以下幾個優點： 1. 對於找出的關聯規則，可以進一步界定此規則在資料庫的那些區域成立。 2. 對於使用者知識以及資料庫重覆掃瞄次數的要求低於先前的方法。 3. 藉由保留中間結果，此一方法可以做到增量模式的規則挖掘。 本研究舉了兩個例子來驗證所提出的方法，結果顯示本方法具有效率及可規模化方面均較以往之方法為優。 / In today’s customer-oriented market, vision of “For better customer, the better service” becomes “For every customer, the appropriate service”. Companies can develop composite products to satisfy customer needs by cross-selling. In Taiwan’s financial sector, many financial holding companies have been consecutively founded recently. By pooling the resources and capital for banking, insurance, and securities, these financial holding companies would like to integration information resources from subsidiary companies for cross-selling. This new promotion method needs the information technology which can present the relationship between items, and association rule is an important element in data warehouse which supports cross-selling. Traditional association rule can discover some customer purchase trend in a transaction database. The further exploration into targets as when, where and what kind of customers have this purchase trend that we chase, the more precise information that we can retrieve to make accurate and profitable strategies. Moreover, most related works assume that the rules are effective in database thoroughly, which obviously does not work in the majority of cases. The aim of this paper is to discover correspondent rules from different zones in database. We develop a mechanism to produce segmentations with different granularities related to each dimension, and propose an algorithm to discover association rules in all the segmentations. The advantages of our method are: 1. The rules which only hold in several segmentations of database will be picked up by our algorithm. 2. Mining all association rules in all predefined segmentations with less user prior knowledge and redundant database scans than previous methods. 3. By keeping the intermediate results of the algorithm, we can implement an incremental mining. We give two examples to evaluate our method, and the results show that our method is efficient and effective.

在本論文中，我們提出了一個以規則為基礎的分類演算法，名為ROUSER（ROUgh SEt Rule），它利用粗糙集理論作為搜尋啟發的基礎，進而建立規則。我們使用一個已經被廣泛利用的工具實作ROUSER，也使用數個公開資料集對它進行實驗，並將它應用於真實世界的案例。 本論文的初衷可被追溯到一個真實世界的案例，而此案例的目標是從感應器所蒐集的資料中找出與機械故障之間的關聯。為了能支援機械故障的根本原因分析，我們設計並實作了一個以規則為基礎的分類演算法，它所產生的模型是由人類可理解的決策規則所組成，而故障的徵兆與原因則被決策規則所連結。此外，資料中存在著矛盾。舉例而言，不同時間點所蒐集的兩筆紀錄極為相似、甚至相同（除了時間戳記），但其中一筆紀錄與機械故障相關，另一筆則否。本案例的挑戰在於分析矛盾的資料。我們使用粗糙集理論克服這個難題，因為它可以處理不完美知識。 研究者們已經提出了各種不同的分類演算法，而實踐者們則已經將它們應用於各種領域，然而多數分類演算法的設計並不強調演算法所產生模型的可解釋性與可理解性。ROUSER的設計是專門從名目資料中萃取人類可理解的決策規則。而ROUSER與其它多數規則分類演算法不同的地方是利用粗糙集方法選取特徵。ROUSER也提供了數種方式來選擇合宜的屬性與值配對，作為規則的前項。此外，ROUSER的規則產生方法是基於separate-and-conquer策略，因此比其它基於粗糙集的分類演算法所廣泛採用的不可分辨矩陣方法還有效率。 我們進行延伸實驗來驗證ROUSER的能力。對於名目資料的實驗裡，ROUSER在半數的結果中的準確率可匹敵、甚至勝過其他以規則為基礎的分類演算法以及決策樹分類演算法。ROUSER也可以在一些離散化的資料集之中達到可匹敵甚至超越的準確率。我們也提供了內建的特徵萃取方法與其它方法的比較的實驗結果，以及數種用來決定規則前項的方法的實驗結果。 / In this thesis, we propose a rule-based classification algorithm named ROUSER (ROUgh SEt Rule), which uses the rough set theory as the basis of the search heuristics in the process of rule generation. We implement ROUSER using a well developed and widely used toolkit, evaluate it using several public data sets, and examine its applicability using a real-world case study. The origin of the problem addressed in this thesis can be traced back to a real-world problem where the goal is to determine whether a data record collected from a sensor corresponds to a machine fault. In order to assist in the root cause analysis of the machine faults, we design and implement a rule-based classification algorithm that can generate models consisting of human understandable decision rules to connect symptoms to the cause. Moreover, there are contradictions in data. For example, two data records collected at different time points are similar, or the same (except their timestamps), while one is corresponding to a machine fault but not the other. The challenge is to analyze data with contradictions. We use the rough set theory to overcome the challenge, since it is able to process imperfect knowledge. Researchers have proposed various classification algorithms and practitioners have applied them to various application domains, while most of the classification algorithms are designed without a focus on interpretability or understandability of the models built using the algorithms. ROUSER is specifically designed to extract human understandable decision rules from nominal data. What distinguishes ROUSER from most, if not all, other rule-based classification algorithms is that it utilizes a rough set approach to select features. ROUSER also provides several ways to decide an appropriate attribute-value pair for the antecedents of a rule. Moreover, the rule generation method of ROUSER is based on the separate-and-conquer strategy, and hence it is more efficient than the indiscernibility matrix method that is widely adopted in the classification algorithms based on the rough set theory. We conduct extensive experiments to evaluate the capability of ROUSER. On about half of the nominal data sets considered in experiments, ROUSER can achieve comparable or better accuracy than do classification algorithms that are able to generate decision rules or trees. On some of the discretized data sets, ROUSER can achieve comparable or better accuracy. We also present the results of the experiments on the embedded feature selection method and several ways to decide an appropriate attribute-value pair for the antecedents of a rule.

化妝品產業發展相當蓬勃，全球市場每年的成長快速，消費者對化妝品需求也越來越廣，加上環保意識抬頭，追求效果同時也希望帶給生態以及地球正面的效益；而消費者在眾多商品之中不僅只是選擇有效的產品，產品本身的訴求更要符合消費者的期待。近年科技進步神速，資料庫的儲存容量越來越大，利用資料探勘技術於事業拓展，將這些知識轉化為業務決策的工具，實現商業價值即所謂的商業智慧，不僅能降低營運成本，更能提供企業的有意義的資訊。 本研究的顧客資料來源為B公司近一年的會員消費紀錄，研究目的如下： 一、對顧客交易資料進行資料探索分析，了解銷售資料本身的基本特質。 二、根據B公司會員之銷售資料進行計算，變數包含銷售日期、銷售數量、銷售金額以及銷售地點等，使用資料探勘找出潛在忠誠顧客。 三、根據忠誠顧客的銷售資料，使用關聯分析方法，歸納忠誠顧客的消費行為與規則，並依照此規則為該族群量身打造銷售策略，有利於未來的業績成長，加強企業與顧客之間的交流。 研究結果發現：銷售狀況受季節性因素影響，建議依照季節變化推出相關商品，吸引會員消費；茶樹系列和白麝香氛系列為B公司之主要熱銷商品，而VIP與Bonus兩種會員身份的的消費方式存在明顯差異，根據RFM分析結果找出價值客戶，並區分為兩種，第一種為忠誠客戶，建議和忠誠客戶維持緊密關係，並持續追蹤忠誠客戶的消費行為；第二種為機會客戶，其和忠誠客戶存在明顯差異，對於茶樹系列商品相當支持，購買比例甚至高於忠誠顧客，且喜好的產品系列集中在茶樹系列以及FIT緊實系列，同時購買同系列產品的比例明顯高於忠誠顧客，建議積極經營機會客戶，量身打造銷售策略。

一、研究動機： 從出生到死亡，從搖籃到墳墓，乃人生必經之旅程，養生送死之道向為傳統文化所重 視。先王立禮經世，即以“生有所養，死有所藏”為治世終極的目標，所謂「慎終追 遠，民德歸厚」之傳統文化，則經久承襲綿延。 我國古今社會關於身後葬儀行為深受傳統習俗和禮儀影響，導致國人在辦理其先人身 故後世時輒以華而不實的儀式弔祭，同時到處「尋龍脈，卜靈穴」為其先人窀穸。但 是，由於台灣地區地狹人稠，土地資源已極其有限，加上人口集中於大都市，在國人 入土為安及重視風水之民俗觀念下，更使得墓政問題日趨嚴重。因此，墓政問題已成 土地利用與區域發展及環境保育上之重要課題。 關於喪葬設施之規劃與管理，在本質上要能夠兼顧土地資源合理經濟使用，且又不失 對於死者永久紀念之目的。基於此一原則，本研究乃以土地使用計畫、土地使用管制 精神及墓政法規為觀點，探析墓政問題之癥結，並提出可行的建議方向，以供改善日 益嚴重之喪葬問題，俾使墓地規劃管理健全發展。 二、研究目的： １．尋求墓地規劃之原則，以解決墓地需求問題。 ２．擬訂健全墓地管理制度與法規之方向，以落實墓地管理工作。 ３．建議遏抑私葬與濫葬之方法，以改善環境品質，確保自然景觀及土地資源之合理 利用。 三、研究範圍： １．墓地定義：係指公墓、殯儀館、火葬場及納骨設施。 ２．研究對象：以社政單位所管轄或督導之公私立墓地。 ３．空間範圍：以台灣地區為限，包括台灣省、台北市、高雄市。 ４．時間範圍：從民國四十四年迄今。 四、研究方法： １．預測分析法：以迴歸方法推估台灣地區從民國七十八年至九十年之死亡人口，並 參考各縣（市）民眾從七十年至七十六年埋、火葬比例，據以預測台灣地區未來十三 年（七十八年∼九十年）間之墓地需求情形。 ２．實證分析法：依研究內容之需要設計問卷，親自抽樣訪問以瞭解民眾對於墓地規 劃與管理之意見，俾與理論部分相印證。

20世紀電腦、網路產業的快速發展，使得人類能夠藉由更快速的電腦處理更大量的資料，但也因此產生了更多的問題。資料採礦技術發展的目的便在於解決分析大量資料時所遇到的問題。 商業領域的資料採礦發展十分迅速，因為由資料採礦得到的資訊與知識能夠幫助行銷決策者訂定最佳的行銷策略。終極目標是將公司內部、外部的資訊串連起來，經由工作循環以得到商業智慧。 目前台灣許多行銷領域的研究單位都在進行消費者資料的蒐集。本研究以E-ICP資料庫為研究目標，利用資料採礦方法挖掘尚未被研究者發現的知識。由於過去E-ICP資料的運用較少觸及商品消費的整體探討，但商品消費概況卻佔E-ICP資料相當大的比重，因此試以關聯規則分析為工具，進一步瞭解商品間的關係。 藉由本次實證研究的經驗發現關聯規則分析在實務上不適用之處，這樣的回饋對於未來研究關聯規則分析的研究者而言，能夠提供許多值得深究的方向。 / The swift developments of Computer Science and Internet in 20 century enable people handling more and more data, but bring even more problems. Data Mining is then developed to solve them. Data Mining is very popular in business environment, because all the information and knowledge gained can help managers make the best decisions. And in the long run, Data Mining can help the circulation of information inside and outside an organization. In Taiwan, many research centers are collecting consuming data in order to understand more about consumer behaviors. This study is in focus of E-ICP data which has a long history in consumer issues. The commodities data in E-ICP dataset is very abundant, but less emphasis was made upon it. Therefore, using Association Rules to find out the relationship between commodities is a good trial. The process of analyzing E-ICP data with Association Rules let us realize how difficult to take it into practice. And the problems I faced and the solutions I used in this study could feedback to future analyzer for some meaningful research issues.

國民主權下之依法行政原裡，在於行政權發動之要件或內容應以國民意思所形成之法律或地方自主立法加以規範，以防止行政之恣意與專斷。惟現代國家任務日益積極，行政事務質與量急速擴大，將一切委由立法機關制定法律顯緩不濟急，不能因應快速變遷之社會經濟情況，遂有立法機關授權行政機關於臨機應變之具體判斷權限，將有助於各類行政事務更妥適之處理。 　　行政應受法律之拘束，行政機關僅能在法律容許範圍內享有活動自由。當法律使用意義明確且僅有惟一解釋可能時，行政機關就該事實之判斷，應僅有唯一正確答案，行政法院對行政機關就該法律概念適用正確與否，有完全審查之權。但在法律使用有種解釋可能之法律概念時，行政機關發動行政權與否之要件認定與其內容決定，法院是否仍享有完全之審查權，即不無疑義。此外租稅係行政法之特殊領域，學理上向認為，法律保留原則在稅法領域之表現，較一般行政法尤為嚴格。 　　惟稅捐之課徵與經濟型態密切相關，商業模式及交易型態均會影響稅基之形成，立法機關常於於租稅法律中運用不確定法律概念，作為租稅徵免之要件，以因應千變萬化的經濟生活，實務上稅捐機關因而發布解釋函令及裁量基準，以之為租稅行政徵免權之發動標準。本文擬研究稅捐機關發布解釋函令及裁量基準作為租稅行政徵免權之發動標準時，其應有之界限。希冀對稽徵機關長久以來為人詬病課稅處分寬嚴不一之歧異結果有所助益，並於稽徵實務作業時能逐漸列為參考範疇，進而落實納稅人權利保障。

證券市場在台灣為相當熱門的投資標的，台灣屬於淺碟式市場，股市投資者以散戶居多，且資訊來源大多為報紙、電視、網路…等媒體，因此外界的訊息易於影響股價波動。近年來股票分類方式除了傳統的產業類別分類，衍生出了一種新的分類方式－概念股。概念股是某種被看好之產品或產業甚至政策相關個股的集合，概念下的股票通常具有相當大的話題性，因此會引發報章媒體的報導，引發投資者的關注。基於以上原因，可推論概念相關的報導會對概念相關個股的漲跌有一定影響。因此本研究以消息面的資訊作為基礎，並以文字探勘技術加以分析，以聚集出人們有興趣概念所相關之個股。 本研究以聯合知識庫2011年1月至4月共86,579篇新聞為資料來源，以iPad2概念為標的，透過文字探勘的技術找出各新聞內容的特徵，並透過關聯分析對新聞做分析，從中找出概念及個股之間的關聯規則，藉此找出和概念相關之個股。接著本研究從台灣證券交易所網站取得2011年2月至5月所有交易日大盤之上漲、下跌個股數量，以其較大值與兩數和相除計算其股價共同移動程度，並取得其累積報酬率與本研究所選出之概念股進行比較。 在研究結果中，本研究方法所選出之概念股在門檻值為0.2時在2月至5月股價共同移動程度分別為79.3%、73.6%、70.2%、68.1%，皆高於MoneyDJ選出之概念股及大盤同期間之股價共同移動程度。而以成對樣本T檢定在顯著水準95%下，顯示本研究選出之概念股顯著有股價共同移動現象。因此也證實了藉由文字探勘技術及關聯規則，能從雜亂無序的新聞中發掘出人們有興趣之概念所相關的個股，以提供投資者做更深入分析。 / In Taiwan stock market, most of investors are individual, as the result, the external information will affect the stock price. Concept stock is an aggregation of many stocks on a relative basis such as industry or particular product. It is usually makes the topic to mass media for report, therefore the investor will pay close attention to it. There are many websites offering digital news so we can obtain easily these from the Internet and analyze them. This paper proposes an method to find stocks that relate to the concept from the digital news. In this paper, we collected the news from Udndata, using the text mining technique to analyze these data and performing association analysis’s algorithm to find out the association rule between stocks and concept. Then, we use statistical test to test the co-movement pattern between these Concept Stocks to the Taiwan Stock Index. The result illustrate text mining technique is able to find the relation between stocks and concept and proofs the Concept Stocks have co-movement pattern.

化妝品產業近幾十年來由於受到經濟繁榮發展及人民生活水準的提升而蓬勃發展，化妝品已經從過去的奢侈品，轉為日常生活不可或缺的必需品，使用層面急速擴展，化妝品市場規模亦逐年擴大，具廣大的商機，競爭對手眾多，在此競爭激烈的環境中，如何提升自家化妝品的市場占有率、保留舊顧客、拓展新客源，且與顧客維繫良好的關係，進而提升企業競爭力，為企業須面對的重要課題。 本研究藉由某家化妝品公司之旗下品牌的銷售明細作為研究資料，應用資料採礦分析方法，對各品牌進行顧客價值分群，瞭解各顧客價值群的特性概況，並針對欲探討之顧客群建立顧客購買產品的關聯規則模式，據此推出不同的商品銷售組合，進行有效行銷以提升銷售金額，最後，則依據研究結果對該家化妝品公司提供建議，作為該業者後續經營之參考。

台灣連鎖藥通路已逐漸轉型為複合式藥局，除了購買處方藥以外，現今藥局銷售商品種類眾多且逐漸成為社區商店之型態，讓民眾一次性購足藥品、化妝品、食品及生活日用品等。顧客於門市消費後累積了大筆的顧客會員銷售資料，本研究結合大數據資料採礦之技術，應用在顧客購買行為與行銷策略之間的相應關係，並藉此了解顧客在藥局通路的消費型態，進而衍生出符合顧客需求的行銷組合方案。 本研究藉由台灣某家連鎖藥局的銷售時點情報系統(POINT OF SALE, POS)資料分析顧客會員之購買行為，依據會員之購買日期、購買品項、購買金額等，應用資料採礦分析方法，先利用RFM模型分析顧客價值群的特性概況，再利用APRIORI演算法針對該連鎖藥局的八大類別商品銷售資料探討顧客會員購買產品的關聯規則，依照結果衍生出不同的商品銷售組合，並在門市執行有效的行銷策略以提升營業額。最後，依據研究結果對該家連鎖藥局提供銷售的策略及建議，作為該連鎖藥局業者後續經營之參考。 / The development of the domestic pharmacies in Taiwan has influenced by the government policy and logistics. Gradually, the traditional pharmacy had been replaced by the chain pharmacies to face the demands of products variety, customized and the consumer information. The members' purchase behaviors were analyzed in this study through the Point of Sale(POS) data from chain pharmacy headquarters. The purchase behaviors of the pharmacy members were analyzed based on purchase date, purchase item, amount of purchase etc. First, data regarding customer purchasing records are collected and widely known RFM model is used to evaluate the value for each customer. Second, an association rule mining tool, the Apriori algorithm, is used to analyze the relationship between customer purchasing records and products, to obtain hidden and useful purchasing rules for each product category. The association rules obtained can help the decision managers plan their new cross-selling strategies for products in future.

在「設計易調整的電子病歷存取控管機制」論文中，針對病患隱私的保障，設計了一套XML格式的存取控管規則語言，讓安全管理者可以藉由設計安全組態檔，動態並細緻化地切換電子病歷的存取控管程式碼。根據前述論文的需求，我們建構出一套可融合於Eclipse開發平台中的存取規則編輯環境。除了具備XML編輯器的基本功能外，我們的編輯環境針對此存取控管規則語言提供使用者自訂屬性與規則變數的機制，以半自動化的方式免去記憶屬性值的困擾；並在存取規則的限制條件編修畫面當中，加入語法解析功能與基本格式驗證功能，協助使用者編輯限制條件，早期發現錯誤，大幅簡化安全管理人員設計存取控管規則的工作。 / This thesis presents a Configurable Editor for Specifying Access Control Rule in Electronic Medical Records based on the XML rule schema designed in another thesis, "Using Aspects to Implement Adaptable Access Control for Electronic Medical Records". Our editor is developed as a plug-in in the Eclipse development platform. It has three distinguished features. First, the user can configure the specific attributes and rule variables referenced in the rule schema and rule instances. Second, the user can edit access control rules as any XML documents and view the rules in multiple views, such as tree view. Third, the editor performs static checks on the constraints specified in the rules to provide early error detection. Thus, we argue that the editor will of significant help to the security administrators.