俗話說：「王者以民為天，而民以食為天。」，故由此可知「食」自古以來即佔中華民族生活中相當重要一環，而小吃、夜市與餐廳琳瑯滿目的台灣，更是應證了先人的話。近年來外食人口增加，使餐飲業市場逐年擴大，根據財政部統計處之資料，全台灣餐廳家數逐步攀升，更於2012年達109,816家之多，在此競爭激烈的環境中，如何佔有一席之地、取得顧客之青睞，則成為自眾多對手中脫穎而出的重要關鍵。 本研究即以此為動機，藉由某餐飲公司之顧客意見卡為研究資料，運用資料採礦分析方法分別對顧客性質、用餐次數以及推薦意願建構五種預測模型(羅吉斯迴歸、C&R Tree、Quest、C5.0以及CHAID)並加以評估與比較，最後根據最適模型進行分析，以期找出影響餐飲業顧客承諾之重要因素，並依研究結果供餐飲業者做決策之參考依據。

數位化時代的來臨不僅為影視節目帶來了包括節目內容品質提升、產製無帶化等變革，更由於數位化資訊具有容易複製、存取與再分配，且在傳遞過程中低耗損率等特性，影視節目內容產製開始有了資源再利用之可能。 本研究為探討影視節目內容產製如何透過導入模組化與素材之概念，實現「一次生產、多元加工、多次使用、多功傳輸」之節目產製理念，透過實地落實《科學傳播內容素材資料庫建置》，自資料庫建置、素材模組化、至資料庫生產之完整流程中歸納出以下研究發現： 一、平台資料庫之建置應著重資料庫架構、分類、欄位與檢索方式設計，並以使用者友善為介面設計依歸； 二、素材模組化之流程應先落實節目內容特性分析，並以使用者經驗與內容產製之需求為基礎，制定素材模組化之規格與原則，同時建立模組化之標準作業程序； 三、影視內容資料庫生產之應用應先建立應用之情境，並解析情境中包括「情境特色」與「影片受眾」等特性，據以重組資料庫中適用之素材，實現素材再利用之內容產製模式。 本研究並於研究後對影視節目內容邁向資料庫生產（database production）之願景提出建議，未來內容產製流程應於源頭即考慮到資源後續應用之各種形式，以利素材的生產與累積；其次應持續強化建立「素材」之觀念，以確保累積之「素材」皆可再進行多樣化編輯，真正發揮建置素材資料庫之效益。

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。

No description available.

本研究採用資料包絡分析法整合專利權產出價值與專利權效率來探討其對公司價值之關聯性。本研究除探討公司新發明與新型式專利的績效差異外，並同時以修正式Ohlson模型、股價報酬模型、及資產報酬率模型分別比較專利權在納入效率概念後與一般專利權產出何者對公司價值有較高的解釋能力。 實證結果亦發現，新型與新式樣專利雖沒有較發明專利可以創造出較高的銷售價值，但相對而言，其投入成本卻可大幅減少，因此反而有較高的績效表現。此外專利權效率與公司價值之關聯性，在控制其他變數後僅修正式Ohlson模式顯示規模效率達到統計上之顯著水準。而在比較專利權效率與專利權產出對公司價值之測試中，不同模式下之Vuong test都顯示兩者並無差異。此結果顯示大部份的投資人多只注重創新的結果，而較不注重公司創新過程中成本效益的問題。

基於傳統經濟領先指標的編製方法與受限於資料不完整性，大都以過往統計數列較為完整與根據經驗法則來決定其採用與否，包含其權重的決定方式，如此往往造成指標在特定期間後，皆必須考慮其適當性與領先性的功能是否表現良好。在總體經濟情勢日益複雜與快速變遷下，使相關研究所需要考慮之變數更多而且更複雜，大多企業與政府單位等使用分析模型或資料庫，也都面臨需要修正或可能有代表性不足的問題，故針對特定變量的經濟特性，提供適當的變數篩選機制、萃取資訊的方法來簡化模型設定與操作上的困難，值得進一步研究，以期對資料有更好的刻畫與預測能力。故在可以預期其影響力將會日益增加的情況下。本研究之重點包括有以下兩點： （1）重新建構總體指標的適切性與運用效率 （2）強化貿易與金融指標權數之篩選與運用 在總體變數眾多且單位等特性不一的情況下，如何能簡化維度有不失其表現總體經濟的狀態情況，則是本研究最主要的目的。

工作流程（workflow）是商業流程自動化的一部份。一個工作流程是由完成一件工作所有可能執行的活動（activity）以及活動間在執行時的前後關係所構成。而工作流程的設計或改進舊有的工作流程是商業上很重要的工作，因為工作流程的好與壞會影響企業的競爭力。工作流程探勘（workflow mining）是利用資料探勘的技術，分析工作流程執行時所留下的流程執行記錄，還原出一個能夠產生這些記錄的工作流程模型（workflow model），而這個工作流程模型可做為設計新模型或改進既有模型的參考。 本研究針對我們所定義的工作流程模型，以一個未知的工作流程模型所產生的流程執行記錄（workflow log）當做輸入資料（input data），提出方法利用輸入資料還原一個能夠產生輸入資料中所有資料工作流程模型，且希望這個工作流程模型能與產生流程執行記錄之未知模型越相似越好。我們提出兩個還原工作流程模型的演算法，並利用precision和recall來評估還原的模型與未知模型間的相似程度，驗證我們所提出方法的效果。實驗結果顯示，我們的方法所還原的工作流程模型precision和recall值都能達到80%以上。 / The workflow plays an important role in business process automation. A workflow is composed of activities and causal relations between activities to complete a task. Workflow design and refinement are important tasks in business process reengineering. As a workflow is executed, the orders of the executed activities are recorded in workflow logs. Workflow mining utilizes the technology of data mining to analyze these workflow logs, and reconstruct a workflow model. In this thesis, we investigate the workflow mining problem to reconstrcuct the workflow model. Two algorithms are proposed to reconstruct a workflow model. We evaluate our proposed algorithms by precision and recall to measure the similarity between the constructed and the groundtruth models. The result of the experiment shows that our proposed methods can achieve 80% precision and 80% recall for the reconstruction of workflow models.

在這個資訊快速擴張的時代，許多種類的資料庫被應用在各式各樣的領域中。空間資料探勘即是一個例子，它在空間資料庫中探勘出頻繁的樣式以及空間關係。空間資料探勘是在空間資料庫中挖掘出有趣的、以前不知道的、但實際上是有用的樣式或空間關係。 在本篇論文中，我們探勘空間序列的問題。我們主要討論兩個主題：空間相關樣式，以及空間相似相關樣式。關於空間相關樣式，我們提出以Apriori為基礎以及深度優先為基礎的解法。在空間相關相似樣式部分，我們提出兩個演算法AP-mine以及AS-mine來解決我們的問題。在AP-mine中，我們提出一個名為AP-tree的資料結構來有效率的挖掘出空間相關相似樣式。最後我們以實驗來驗證我們的演算法。 / With the growth of data, a variety of databases are applied in many applications. Spatial data mining is an example, and it discovers patterns or spatial relations from large spatial databases. Spatial data mining is the process of discovering interesting and previously unknown, but potential useful patterns or spatial relations from large spatial databases. In this thesis, we explore the problem of spatial sequential pattern mining. The two issues spatial co-relation patterns and approximate spatial co-relation patterns will be discussed. We utilize Apriori-based method and depth-first based method to solve the problem of spatial co-relation patterns. About approximate co-relation spatial patterns, we propose two algorithms, named AP-mine and AS-mine. In AP-mine, we propose a data structure, named AP-tree, to efficient mining the approximate spatial co-relation patterns. Lastly, We also perform the experiments to evaluate our spatial co-relation pattern mining algorithms.

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。

國家施政應以人民結構及其居住等特性為依據，但臺灣的政府統計多以戶籍記錄為主，每十年一次的戶口普查雖能提供常住人口資訊，但其時效性及調查項目有頗多限制。有鑑於此，本文以全民健康保險資料庫探究臺灣常住人口的現況，因全民健保實施已逾20年，納保率接近99%，且因大多數醫療院所均加入全民健保系統，方便民眾就醫，使得感冒等小病（或是上呼吸道感染）往往選擇經常活動地區的醫療院所就醫，預期全民健保就醫資料更能反映各地的常住人口。 除了常住人口之外，本文也分析民眾就醫記錄，嘗試透過全民健保資料庫探討醫療可近性等議題，以重大傷病等就醫資料評估醫療資源的城鄉差距。本研究先以全民健保資料庫中的2005年承保抽樣歸人檔LHID2005（或稱2005年百萬人抽樣檔）估計各地區常住人口，發現抽樣檔在2010年的人口結構與2010年戶口普查結果相近，其中常住人口與戶籍紀錄差異較多的區域，交通多半也較為便利；而民眾就醫習性確實存在城鄉差距，或許與區域級以上醫療院所的分布有關。另外，進一步分析重大傷病患者的就醫記錄，發現選擇就醫的頻率、地區與醫學中心的分布存有關聯。例如：外島地區及部分偏鄉地區（苗栗、雲林等），重大傷病病患的平均就醫距離明顯較長，凸顯偏遠地區的就醫不便，需有合適的對應政策已降低醫療資源的分配不公。