全球面臨人口老化與人口不斷成長的壓力下，對於醫療服務的需求不斷提升。醫療服務領域中常以資料探勘「關聯規則」分析，挖掘隱藏在龐大的醫學資料庫中的知識(knowledge)，以支援臨床決策或創新醫療服務。隨著醫療服務與應用推陳出新(如，電子健康紀錄或行動醫療等)，與醫療機構因應政府政策需長期保存大量病患資料，讓醫療領域面臨如何有效的處理巨量資料。 然而傳統的關聯規則演算法，其效能上受到相當大的限制。因此，許多研究提出將關聯規則演算法，在分散式環境中，以Hadoop MapReduce框架實現平行化處理巨量資料運算。其相較於單節點 (single-node) 的運算速度確實有大幅提升。但實際上，MapReduce並不適用於需要密集迭帶運算的關聯規則演算法。 本研究藉由Spark記憶體內運算框架，在分散式叢集上實現平行化挖掘多維度多顆粒度挖掘關聯規則，實驗結果可以歸納出下列三點。第一點，當資料規模小時，由於平行化將資料流程分為Map與Reduce處理，因此在小規模資料處理上沒有太大的效益。第二點，當資料規模大時，平行化策略模式與單機版有明顯大幅度差異，整體運行時間相差100倍之多；然而當項目個數大於1萬個時，單機版因記憶體不足而無法運行，但平行化策略依舊可以運行。第三點，整體而言Spark雖然在小規模處理上略慢於單機版的速度，但其運行時間仍小於Hadoop的4倍。大規模處理速度上Spark依舊優於Hadoop版本。因此，在處理大規模資料時，就運算效能與擴充彈性而言，Spark都為最佳化解決方案。 / Under the population aging and population growth and rising demand for Healthcare. Healthcare is facing a big issue how to effectively deal with huge amounts of data. Cased by new healthcare services or applications (such as electronic health records or health care, etc), and also medical institutions in accordance with government policy for long-term preservation of a large number of patient data. But the traditional algorithms for mining association rules, subject to considerable restrictions on their effectiveness. Therefore, many studies suggest that the association rules algorithm in a distributed computing, such as Hadoop MapReduce framework implements parallel to process huge amounts of data operations. But in fact, MapReduce does not apply to require intensive iterative computation algorithm of association rules. Studied in this Spark in-memory computing framework, implemented on a distributed cluster parallel mining association rules mining multidimensional granularity, the experimental results can be summed up in the following three points. 1th, when data is small, due to the parallel data flow consists of Map and Reduce, so not much in the small-scale processing of benefits. 2nd, when the data size is large, parallel strategy models and stand-alone obviously significant differences overall running time is 100 times as much when the item number is greater than 10,000, however, stand-alone version cannot run due to insufficient memory, but parallel strategies can still run. 3rd, overall Spark though somewhat slower than the single version in small scale processing speed, but the running time is less than 4 times times the Hadoop. Massive processing speed Spark is still superior to the Hadoop version. Therefore, when working with large data, operational efficiency and expansion elasticity, Spark for optimum solutions.

智慧資本是夠幫助組織創造價值，並促進組織獲取競爭優勢的無形資產，這些資產不會出現在財務報表中，因此市場價值超出帳面價值的部分往往就是所謂的智慧資本；而區域智慧資本則是將探討的範疇從微觀之企業層級，拉高至宏觀之地區或國家層級。近年來隨著政治、經濟與社會文化的轉變，不論學者、企業家或政策制定者，他們認知到區域現象對地方及國家的成長、財富創造等扮演重要的角色，而在眾多促進區域發展的因素中，「智慧資本」成為主要的動力來源之一。雖然近二十多年來，陸續有學者提出對智慧資本的定義、分類與衡量之觀點及架構，然而，多數國內外文獻或研究單位主要探討的是微觀層級的智慧資本。 因此，本研究主要目的是以宜蘭縣為例子，採用資料盤點法，實際盤點國內各縣市三個產業發展─觀光、文創及農業之區域智慧資本量化與質化指標，以及採用資料包絡分析法與陳明哲動態競爭分析，探討各縣市區域智慧資本在個別產業底下的投入產出效率及競爭者辨識，藉此使區域智慧資本之理論能有系統地運用在實際之區域發展上。 研究結果為：第一，盤點後所採用之區域智慧資本指標有系統地被分類並彙總，有助於進行效率及競爭分析；第二，透過資料包絡分析法，得出宜蘭縣三產業的效率值及效率排名，再依據質化指標，給予適當的產業發展建議；第三，藉由陳明哲動態競爭，找出宜蘭縣各產業發展在資源相似性及市場共同性兩構面的競爭縣市，並依據質化指標，給予適當的產業發展建議。 / Intellectual capital is able to create value for organization(s) and is the intangible assets that promote organization(s) to gaining competitive advantages. These assets will not show on the financial statements; therefore, intellectual capital will a lot of times be the value difference seen between market value and book value. Regional intellectual capital on the other hand, is to raise the research scope from a microscopic enterprise level to a macroscopic regional or country level. In recent years, as changes are seen in politics, economy and society, scholars, entrepreneurs, and policy makers alike all acknowledged how regional phenomenon plays an important role in growth and wealth creation of the local and country. Among the many factors for encouraging regional development, “intellectual capital” has become the main source of motivation. In recent twenty years or so, scholars have come up with perspectives and structures of the meaning, categorizing, and measuring of intellectual capital; however, most domestic and foreign research are about microscopic levels of intellectual capital. This research collects regional intellectual capital indicators of each county/city’s three major industrial development—tourism, cultural and creative, and agriculture. Besides, the research takes Yilan County as an example and uses data developmental analysis (DEA) method and Chen’s competitive dynamics theory to analyze the efficiency and competitiveness. In the end, three conclusions are made: First, the regional intellectual capital indicators are categorized and gathered systematically, which is helpful to make the analysis. Second, the results shown from DEA express the operating efficiency situation of three industries in Yilan County. Third, through Chen’s competitive dynamic analysis, the competitive cities/counties of three industries in Yilan County can be found. And then, according to the results from DEA and Chen’s analysis, suggestions and improvements are put forward based on qualitative data.

完善的崩塌地資料庫有助於地區土地利用的適宜性評估、與環境保護措施之研訂。目前，崩塌地地理空間資料(Geospatial data)的產生方法主要為：人為判釋經正射糾正(Ortho-rectification)的遙測影像，基於該影像，將辨識目標數位化(Digitizing)。然而，遙測影像的「正射糾正」與「人為判釋」往往不敷災後的緊急需求。為促進資料收集效率，本研究試圖發展一套自動化流程：以「未經糾正的遙測影像」為判釋對象，判釋作業以「物件式影像分類(Object-based classification)技術」進行，並利用「現存地形資料」，實現自動判釋所產生之辨識成果的地理對位(Georeferencing)與過濾篩選；最後，以「與現存各類輔助資料的套疊分析成果」為其屬性，以便利崩塌地地理空間資料的後續應用。 物件式影像分類分為為「影像分割(Image segmentation)」與「物件分類」兩步驟。於影像分割階段，採用多重解析度分割法(Multiresolution segmentation algorithm)─由於陰影下各類地物的影像光譜差異較不明顯，為避免陰影區之錯誤分割，賦予陰影區較小的尺度參數(Scale parameter)；於物件分類階段，基於訓練資料，以「線性核函數的支持向量機(Support Vector Machine, SVM, with a linear kernel)」為分類器，偵測「非雲與植被區」，並輸出為向量式資料(Vector data)。而後基於現存地形資料，以光線追蹤法(Ray-tracing algorithm)進行分類器輸出向量式資料的地理對位，並自訂第二階段的地形特徵過濾準則。實驗成果顯示，此自動化流程產出的崩塌地地理空間資料─其生產者精度(Producer’s accuracy)與使用者精度(User’s accuracy)分別介於0.85~0.99與0.44~0.96。

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.

本研究以2001年至2013年諾貝爾物理學獎得主之著作為研究樣本，比較八個商業資料庫(Scopus和Web of Science)與開放取用系統(搜尋引擎：Google Scholar、Microsoft Academic；匯集式機構典藏系統：OpenDOAR、OAIster；學科性開放取用系統：arXiv.org和Astrophysics Data System)，於物理學文獻收錄之正確性、完整性、重複性(包含內部重複與外部重複性)和獨特性，並評析各資料庫與系統之檢索功能、資料呈現等面向。期望能對圖書館資料庫選購以及使用者檢索資料庫與系統提供建議，並為各資料庫與系統之未來發展提出建議。 研究結果顯示：(一)諾貝爾物理學獎得主之個人著作揭露情形尚未普遍；(二)商業資料庫檢索功能較為多元，搜尋引擎容錯機制較強；(三)開放取用系統Astrophysics Data System和Microsoft Academic改版上線後，檢索功能Google化，重視全文鏈結、圖像化資訊呈現與語意網連結資訊；(四)各資料庫與系統普遍出現書目著錄格式不統一之問題，影響書目品質與檢索效率；(五)一般而言搜尋引擎資料完整性高於商業資料庫，商業資料庫高於機構典藏系統，但學科性開放取用系統Astrophysics Data System之資料收錄完整性僅低於Google Scholar；(六) arXiv內部重複性最低，Google Scholar和OpenDOAR內部重複性最高；(七)開放取用系統彼此重複性高，且與搜尋引擎Google Scholar和Astrophysics Data System重複性達100%。由於各資料庫與系統之收錄範圍各不相同，不同資料庫與系統亦提供不同的功能，使用者應依個人資訊需求與目的選擇資料庫與系統使用，如欲檢索物理學文獻，使用搜尋引擎與開放取用系統Astrophysics Data System可獲得較完整之文獻：若使用者欲取得引文分析之相關資訊，則以選擇商業資料庫Scopus和Web of Science為佳，亦可選擇Astrophysics Data System。 / In this study, scholarly communication system of commercial services and open access will be examined through comprehensiveness, overlap and database variation of coverage via field operations of commercial citation index databases (Web of Science and Scopus) and open access citation system (search engine: Google Scholar and Microsoft Academic; disciplinary of physics: arXiv.org and Astrophysics Data System; prestigious institutional repository: OAIster and OpenDOAR). Retrievals will be conducted in the two commercial databases, two search engines, and four open access systems stated above to analyze and compare their retrieval interfaces, and evaluations of each system will be made as well according to presentation and output of retrieval results. Noble laureates in physics sciences from 2001 to 2013 are selected as samples in this study. Records of their publications over time will be retrieved and downloaded from each system, and a computer program will be developed to perform the analytical tasks of sorting, comparison, elimination, aggregation and statistics. Bibliographic records retrieved from the two databases and six systems will undertake quantitative analyses and cross references to determine the comprehensiveness and uniqueness of their system coverage. The results of the study may provide better references for libraries to acquire citation index databases, to build institutional repositories, or to create citation index systems on their own in the future. Suggestions on indices and tools for academic assessment will be presented based on the comprehensiveness assessment of each system as well.

電子工業為台灣最具競爭力之產業,使得電子類股在集中市場成交比重高達 69.49%,可見電子類股的波動足以對整個台股市場造成相當大的影響。而許多研究指出,網路上的文本訊息藉由社會網路的催化而快速傳遞,會對群眾情緒造成影響,進而影響股價波動,故對於投資者而言,如果能快速分析大量網路財經文本來推測投資大眾情緒進而預測股價走勢,即可提升獲利。然而,每天有近百篇的財經文本產生,傳統的人工抽樣分析方式效率不彰且過於耗力, 已不足以負荷此巨量資料。 過去文本情感分析的研究中已證實監督式學習方法可以透過簡單量化的方式達到良好的分類效果,但監督式學習方法所使用的訓練資料集須有事先定義好的已知類別,故其有無法預期未知類別的限制,造成無法判斷文本中可能存在的未知主題,所以本研究提出一套針對財經文本的混合監督式學習與非監督式學習之情感分析方法,透過非監督式學習將 2014 整年度的電子工業財經文本進行文本主題判別、情緒指數計算與情緒傾向標注。之後配合視覺化工具作趨勢線圖分析,找出具有領先指標特性之主題,接著再用監督式學習將其結合國際指標、總體經濟指標、台股指標、技術指標等,建立分類模型以預測台灣電子類股價指數走勢。 在實驗結果中,主題標注方面,本研究發現因文本數量遠大於議題詞數量造成 TFIDF 矩陣過於稀疏,使得 TFIDF-Kmeans 主題模型分類效果不佳;而文本具有多主題之特性造成 NPMI-Concor 分群之議題詞過於複雜不易歸納,然而LDA 主題模型基於所有主題被所有文章共享的特性,使得在字詞分群與主題分類準確度都優於 TFIDF-Kmeans 和 NPMI-Concor 主題模型,分類準確度高達 98%,故後續採用 LDA 主題模型進行主題標注。情緒傾向標注方面,證實本研 究擴充後的情感詞集比起 NTUSD 有更好的字詞極性判斷效果,計算出的情緒 指數之趨勢線也較投資人常用的 MACD 之趨勢線更符合電子類股價指數之趨 勢。此外,亦發現並非所有文本的情緒指數皆具有領先特性,僅企業營運主題與總體經濟主題之文本的情緒指數能提前反應電子類股價指數趨勢,故本研究用此二主題之文本的情緒指數來建立分類模型。 接著,本研究透過比較情緒指數結合技術指標之分類模型與單純技術指標分類模型的準確率發現,前者較後者高出 7%的準確率。進一步結合間接情緒指標的分類模型更有高達 71%準確率,故證實了情感分析確實能有效提升電子股價類股指數趨勢預測準確度,以提升投資人之投資報酬率。 / The electronic industry is the most competitive industry in Taiwan, and its large volume could have strong influence on the whole stock market. Many research show that text documents on the Internet have great effect on public emotion, and the public emotion could also affect the stock price. For investors, it is important to know how to analyze the potential emotion in text documents then use this information to predict the stock trend. However, the traditional way to analyze text documents by human resource cannot afford the large volume of financial text documents on the Internet. In past Sentimental Analysis research, supervised method is proven as a method could reach high accuracy, but there are limits about predicting the future trend. This research found a solution which mixed supervised and unsupervised methods to deal with these large financial text documents. First, we use unsupervised method to find out the topic of documents, and then calculate the sentimental index to judge the document’s emotional direction. After that we will produce trend line charts by visualization tools to find out which theme documents’ sentiment index are leading indicators. Furthermore, we use supervised method to integrate the sentimental index with other 24 indirect sentimental index to build the prediction model. According to the result, we found that LDA model’s performance is better than TFIDF-Kmeans model and NPMI-Concor mode because of document characteristic. Besides, sentimental dictionary I build has higher accuracy than NTUSD on judging word polarity. The trend of sentimental index and Taiwan electronic sub-index(TE) to each other is more similar than MACD line and TE to each other. We also discover that the sentiment index produced from documents about enterprise operation and macroeconomics are leading indicators, so we use these to build prediction model. Moreover, we found that the prediction model which include the sentiment index better than which only include the technical indicators. As mentioned above, the sentimental index could make the prediction of Taiwan electronic sub-index trend be more accurate and promote the return of investment.

Lucas(1976) 批評當時總體時間序列的計量分析方法，且主張傳統計量模型參數會隨體制及政策而改變，基於這些評論，於是許多對。嗜好(Taste)"及"技術"(Technology)" 結構參數估計的進論方法偭開始使用動態模型中的尤拉最適化條件(Euler Optimality Conditios)來進行估計。 然而，其中以Hansen(1982)所提出來的一般化動差估計法(Generalized Method of Moments)（簡稱GMM）最受矚目。此法乃源於一般化工具變數(GIVE)，在不需強烈假設下進行估計。其估計過程大致可分為下列三個階段： 1.建立正交化條件え建立目標函數最小化2.過度確認限制(overidentifying restriction) 之檢定問題因其本身即涵蓋許多估計式，如GIVE，MLE，2SLS， 且能滿足有限樣本性質，快速數斂。此法目前已用於總體計量，非線性理性預期實證及財務金融計量上。而本文應用台灣總體時間序列於資產訂價模型的GMM參數估計過程，證明了資料的適用性。另外，蒙地卡羅(Monte Carlo) 實驗設計模擬亦應用在本文研究，來探討有限樣本下的統計量之行為，並獲致適當的推論。 / Lucas(1976) criticized the existing strategies for econometricic analysis of macroeconomic time series and argues that papameters of traditional econometric models are not invariant with respect to shifts in policy regimes. In response to that criticism, several inference strategies for "taste and technology" structural parameter models using Euler optimality conditions in dynamic models were suggested. Hansen's(1982) Generalized Method of Moments(henceforth GMM) instrumental variables procedure is among the most notable inference strrategies for structural parameters. The procedure of GMM may consist three steps: (l)Set-up of the orthogonality conditions (2).Minimizing the objective function. (3)Test of the overidentifying restrictions In this paper we can understand the statistical properties of GMM estimator of Consumption-Based structural parameters obtained from Capital Asset Pricing Model by the use of Monte Carlo Simualtion .

公司之成敗，對股東之投資利益、公司債權人之權益及公司從業人員之生活，影響甚 鉅，當一企業在發生經營困難之初期，多少均會有些許征兆，顯示企業之財務、業務 已有惡化的傾向，如能事先發現這些征兆，予以有效掌握及采取適當之措施，當有助 於避免可能的風險，而一個健全的財務危機預警系統，其功能有如火警系統一般，能 及時地發出警訊，以便管理當局適時予以改善，以防範財務、業務之惡化，促使投資 大眾、債權人、往來銀行等之注意，采取適當行動，以減低投資或授信風險，減少投 資損失，并提供主管機關之注意，適時發揮監督之作用，促使公司采取行動，以防範 于未然。 此研究之目的在建立一套預測企業財務危機之預測模型，研究對象為依據臺灣證券交 易所營業細則之規定，經以變更交易方法改采全額交割之交易方式的上市公司，認定 為發生財務危機之公司，收集其轉變為全額交割股起前三年之年度財務報表，另外再 以隨機抽樣方式，隨機自上市公司中抽取相當之「正常公司」為配對樣本，并建立二 個模型，一為只限於財務比率者，另一模型則組合了財務比率及一般經濟性資料，利 用LOGIT 模式分析，以判定模式是否合乎要求。 將財務比率經濟資料結合是合乎邏輯的，因為資產、負債會隨著經濟環境而改變，在 國內與預測企業財務危機之相關研究中，都是使用財務比率，沒有使用總體經濟的資 訊，此研究考慮到一般的經濟資料，希望能預測企業財務危機方面的研究有所貢獻。

第一章緒論：闡明研究動機、目的、範圍、步驟、及名詞之定義與限制條件。第二章 數值地籍測量電腦化何行性之探討：首先提出數值法測量在界址測量。面積計量與電 腦繪圖之基本原理，正好與電子處理之特性吻合，適於電腦化作業；其次介紹西德、 瑞士、加拿大與日本施行成功之先例，及台灣地區以往試辦結果，證實可行。第三章 數值地籍測量電子資料處理系統之建立：探討建立電子資料處理系統之系統分析、系 統設計、及程式設計，並介紹電腦繪製地籍圖之概念。第四章效益分析與配合措施： 分別就測量精度、作業速度、設備經費、與地籍管理等四項，詳細比較數值法與圖解 法之優劣，並作效益分析；然後提出實施時應有之配合措施。第五章結論與建議：經 上述研究分析知，數值地籍測量電腦化為適合現代社會需求及科學化管理之件業制度 ，宜積極推行；最後並檢討未來尚待研究之方向。

第一章「緒論」，說明研究的目的與範圍。 第二章「結構化方法」，說明研究的方法與使用的工具。下分五節──基本原理、結 構化程式、結構化設計、結構化分析、結構化施工。 第三章「現行交易系統」。說明目前證券交易的作業方式。下分四節──證券交易的 程序，證券交易的授信，證券交易的控制，未來可能的發展。 第四章「系統分析」，以第二章所提的方法來分析證券交易系統。下分四節──資料 流轉圖、資料集注、資料處理的邏輯、直接攝取圖。 第五章「系統設計」，將系統分析的結果做進一步的設計。下分兩節──檔案的設計 、結構圖。 第六章「結語」，說明實行此項電腦化時，決策單位應考慮的事項。