本文假設信用事件為非致命性 (non-fatal)，其發生為外生非齊次卜瓦松過程 (Inhomogeneous Poisson Process)。當信用事件發生時，導致債權群組之標的資產違約機率同時上升，與市場上違約叢聚現象 (clustering effect)相似。本研究允許信用事件發生之頻率為系統及非系統性風險因素，且服從三參數伽瑪分配。進而提供一可校準的動態違約相關性模型，藉由對於信用事件發生頻率與信用事件影響幅度之刻劃，更能與市場報價貼近。本研究並以信用擔保債權為例，驗證本模型於評價及校準上之可行性，並對遠期信用擔保債權進行評價與敏感度分析。根據市場報價校準出之參數可反應目前信用市場上對於債權群組之標的資產間違約關聯性之看法。當模型中之參數變動時，對於違約關聯性之影響，亦可觀察權益分券與其他分券之合理信用價差產生之變化。

近年來雲端運算技術的發展與電腦設備效能提升，使得以大量電腦主機以水 平擴充的方式組成叢集運算系統，成為一可行的選擇。Apache Hadoop 是Apache 基金會的一個開源軟體框架，它是由Google 公司的MapReduce 與Google 檔案 系統實作成的分布式系統，可以管理數千台以上的電腦群集。Hadoop 利用分散 式檔案系統HDFS 可以提供PB 級以上的資料存放空間，透過MapReduce 框架 可以將應用程式分割成小工作分散到叢集中的運算節點上執行。 此外，企業累積了巨量的資料，如何處理與分析這些結構化或者是非結構化 的資料成了現在熱門研究的議題。因此傳統的資料挖掘方式與演算法必須因應新 的雲端運算技術與分散式框架的概念，進行調整與改良，發展新的方法。 關聯規則是分析資料庫龐大的資料中，項目之間隱含的關聯，常見的應用為 購物籃分析。一般情形下會在特定的維度與特定的顆粒度範圍內挖掘關聯規則， 但這樣的方式無法找出更細微範圍下之規則，例如挖掘一個年度的交易資料無法 發現消費者在聖誕節為了慶祝而購買的商品項目間的規則，但若將時間限縮在 12 月份即可挖掘出這些規則。 Apriori 演算法是挖掘關聯規則的一個著名的演算法，透過產生候選項目集 合與使用自訂的最小支持度進行篩選，產生高頻項目集合，接著以最小信賴度篩 選獲得關聯規則的結果。若有k 種單一項目集合，則候選項目集合最多有2𝑘 − 1 個，計算高頻項目時則需反覆掃描整個資料庫，Apriori 這兩個主要步驟需要耗費 相當大量的運算能力。 因此本研究將資料庫分割成多個資料區塊挖掘關聯規則，再將結果逐步更新 的演算法，解決大範圍挖掘遺失關聯規則的問題，結合spark 分散式運算的架構 實作程式，在電腦群集上平行運算減少關聯規則的挖掘時間。 / Because of improving technique of cloud-computing and increasing capability of computer equipment, it is feasible to use clusters of computers by horizon scalable a lot of computers. Apache Hadoop is an open-source software of Apache. It allows the management of cluster resource, a distributed storage system named Hadoop Distributed File System (HDFS), and a parallel processing technique called MapReduce. Enterprises have accumulated a huge amount of data. It is a hot issue to process and analyze these structured or unstructured data. Traditional methods and algorithms of data mining must make adjustments and improvement to new cloud computing technology and concept of decentralized framework. Association rules is the relations of items from large database. In general, we find association rules in fixed dimensions and granular database. However, it might loss infrequent association rules. Apriori algorithm is one famous algorithm of mining association rule. There are two main steps in this algorithm spend a lot of computing resource. To generate Candidate itemset has quantity 2𝑘 − 1, if there are k different item. Second step is to find frequent, this step must compare all tractions in the database. This approach divides database to segmentations and finds association rules of these segmentations. Then, we combine rules of segmentations. It can solve the problem of missing infrequent itemset. In addition, we implement this method in Spark and reduce the time of computing.

本研究以臺灣地區各區域經濟成長不均衡之現象為出發點，探討推動臺灣 地區經濟成長之製造業於中部地區之發展情形，試圖尋求有利於中部地區 發展之產業，以帶動中部地區之經濟成長，縮短區域間發展差距。研究內 容主要係利用集中係數、雜異化係數分別探討各類製造業分佈地區集中分 散趨勢及地區內製造業發展動向；以區位商數探究地區之基礎產業，以相 對成長分析比較各業別於區域及全國之相對成長速度；並結合移轉分配法 得出各地區之主力產業及深具發展潛力之區，最後，配合區域投入產出分 析與未來產業發展政策，決定一組利於中部地區發展之產業。研究發現中 部地區製造業之分佈有逐年分散之趨勢，且各鄉鎮市區製造業結構亦傾向 雜異化。較有利於中部地區發展之產業為金屬製品業、橡膠製品業、運輸 工具業、精密器械業及電機器材業等。而各地區製造業之發展潛力則與工 業區之設置有密切關係，可知地方之發展多需藉助政府力量方能達成。 Because of unequilibrium growth phenomenon of Taiwan area the purpose of this thesis is to study the manufacturing development in Central region . Study is intended to discuss some manufactur- ing that suitable for Central region to develop for the purpose of pushing regional economic growth. The methodlogy consists of coefficient of concentration ，co- efficient of diversification，location quotient ，relative growth analysis，shift-share analysis and input-output analysis etc. . These methods are applied to analysis the structure change and spatial distribution of manufacturing in Central region. The findings show most of manufacturing industries are slowly deconcentrated in Central region during the past fifteen years . The relationship between manufacturing development and the estab- lishment of industrial park in Central region is very important. As a result，regional development is very often dependent on government investment.

楚於資訊爆炸的時代，金融市場上彼此間更是息息相關的，有牽一髮而動全身的可能性。。因此在探討各種金融商品投資報酬率的分配時，只用單維分配函數來推估已經是得不到足夠的資訊，所以將考慮對資料配適關聯結構。 關聯結構有許多不同的種類變化，然而何種關聯結構才是最適合資料型態呢？為了瞭解二元的關聯結構是否配適的適當，將以AIC與卡方適合度檢定的方法進行關聯結構的檢驗。 首先以蒙地卡羅模擬法進行檢驗，藉由模擬觀察此兩種方法的結論是否能夠相信。最後以台灣股票市場中水泥類股、鋼鐵類股以及營造建材類股三類股兩兩間的當日交易資料的投資報酬率進行配適關聯結構，投資報酬率計算的頻率分為半點、整點以及兩點三種。配適出的結果為水泥類股、鋼鐵類股以及營造建材類股三類股間兩兩服從t關聯結構，自由度為三，除了頻率為半小時的水泥類與營造建材類以及鋼鐵類與營造建材類兩組。

隨著雲端運算的服務租用理念越來越受到重視，SaaS 服務供應商在提供服務的時候無不希望可以以最少的成本服務最多的客戶，於是吸引了許多的研究者投入精力以及時間，希望可以設計出讓租戶們共享資源又能夠有客製化空間的解決方案。服務供應商為了順利推廣多租戶軟體開發，其中一項關鍵技術是支援 SQL 語句自動轉換機制，目的是協助 SQL 語句轉換成以多租戶資料架構邏輯表達的 SQL 語句，讓租戶應用程式的軟體開發人員能夠專注在自身的應用程式開發。 開發 SQL 語句自動轉換機制，必須先選定資料庫的資料架構，本論文採用 Universal Table Layout 這個 SaaS 多租戶資料共享常見的資料架構。 我們參考知名 SaaS 廠商 Force.com 的 Universal Table Layout 資料架構，並提出一些修正。其次，我們應用關聯式代數抽象化來設計 SQL 語句的轉換規則，這些理論結果不僅在表達轉換機制上更具有一般性，並且讓轉換規則的理解也變得更加容易。我們以這些理論推導為基礎實現一個實驗的工具，最後透過幾個實驗，觀察及探討實驗數據所呈現的意義。

現今社會裡，現代人之生活及工作壓力相當大，故國人常常利用閒暇之時間安排休閒遊憩活動，政府亦極力推展國民旅遊等活動，因此有社教功能的遊憩地區成為民眾閒暇及假日休閒好去處，故現代人也愈來愈注重利用遊憩體驗機會，尋找可以達到放鬆身心、運動休閒效果的場所與活動。而國立故宮博物院，具備可以放鬆、休閒、體驗、育樂及教育等功能，是屬於多功能之遊憩場所。 數位科技與文化觀光的結合已是發展趨勢，然而配合新興科技之興起，例如行動智慧型手機之應用，遊客不再只是單純被安排進行參訪，相反的更有選擇性進行導覽，但因此必須要思考導覽系統如何設計，吸引遊客主動地使用行動導覽系統，已改變過去傳統的語音的應用侷限，提供給博物館參觀的遊客更直接的資訊提供與教育服務，是目前及未來建置互動式的行動導覽系統必須要探討的議題。 本研究以博物館行動導覽系統設計影響因素之探討與評估為主題，將國立故宮博物院為研究範圍，透過相關文獻與國內外博物館個人數位導覽系統發展現況為架構發展基礎，建構七個主準則與三十八個可能影響因素作為遊客使用導覽系統之影響因素之考量，而本研究首度運用層級分析程序法與灰關聯分析法的分析結果做一比較；發現，當面臨有多個因素需要作選擇排序時，層級分析程序法與灰關聯分析法兩種皆是適合的方法，能以具體數值顯示各個因素的優先順序。而為了總結兩種分析的結果，本研究利用結合分析層級程序法以及灰關聯的相對權重，來取得兩者之綜合權重的數據及排序，並依此排序進一步的探討因素。

隨著手持裝置的普及與社群網路的興起，大眾可以隨時拍攝影片並且上傳至網路上與他人分享。但是一般使用者產生的影片若少了配樂，將失色許多。除了原本影片帶給人們的視覺觀感之外，配樂可以帶給人們聽覺的觀感，進而使得人們可以更容易了解影片的情感，也可以讓人們更能夠融入在影片中。背景音樂推薦的研究主要有兩大種做法，Emotion-mediated Approach與Correlation-based Approach。我們使用Correlational-based Approach的方法，利用Correlation Modeling找出影片特徵值與音樂特徵值之間的關係。但是由於目前Correlation-based Approach的研究只有考慮到全域特徵，因此在此論文中，我們提出了區域特徵。區域特徵利用時間序列表達影片細部的變化，並且將區域特徵與全域特徵結合至Correlation Modeling中，透過 MLSA、CFA、CCA、KCCA、DCCA、PLS、PLSR演算法找出其中的關係並且產生背景音樂推薦的Ranking List，實驗部份比較了各個演算法在背景音樂推薦上的準確率，並且觀察Global Features與Local Features之間的準確率。 / Background music plays an important role in making user-generated video more colorful and attractive. One of current research on automatic background music recommendation is the correlation-based approach in which the correlation model between visual and music features is discovered from training data and is utilized to recommend background music for query video. Because the existing correlation-based approaches consider global features only, in this work we proposed to integrate the temporal sequence of local features along with global features into the correlation modeling process. The local features are derived from segmented audiovisual clips and can represent the local variation of features. Then the temporal sequence of local features is transformed and incorporated into correlation modeling process. Cross-Modal Factor Analysis along with Multiple-type Latent Semantic Analysis, Canonical Correlation Analysis, Kernel Canonical Correlation Analysis, Deep Canonical Correlation Analysis, Partial Least Square and Partial Least Square Regression, are investigated for correlation modeling which recommends background music in ranking order. In the experiments, we first compare the results of only global features, only local Features and incorporating global and local Features among each algorithm. Then second compare the results of different clip numbers and Fourier coefficients.

由於台灣國人所得提高，生活水準跟著日漸提高，近年來更是意識到健康對個人及家庭的重要性，因此國內健康食品與藥品市場在這幾年蓬勃地發展，特別是連鎖藥妝的普及，結合藥品、健康食品與開架式保養品、化妝品銷售，提供專業藥師諮詢服務，成為複合式的經營模式。但近年來連鎖藥妝零售業者也面臨來自外商連鎖藥妝、本土連鎖藥妝、地區性連鎖藥局等不同體系的競爭，因此藥品及化粧品零售業者普遍認同，目前經營上所面臨之困難主要為「同業競爭激烈」。 商品力為一連鎖藥妝零售業者成功的重要因素，具體展現在商品多樣性、商品獲利性、商品價格競爭力、商品獨特性…等不同的面向。目前藥品及化粧品零售業中，確實大部分的業者都有商品企劃或設計的需求，但有商品企劃或設計部門者僅為少數。利用資料採礦技術，將能在不大量增加人事費用的情況下，有效率地協助進行商品企劃或設計，進而提升連鎖藥妝零售業者的商品力。 本研究將針對資料採礦在連鎖藥妝上的應用進行探討，包含以下研究目的： 1. 利用資料採礦中之集群分析建置商品力矩陣，代表他們的屬性與價值。透過商品力矩陣釐清各商品的定位，幫助決策者優化商品組合，針對各商品執行妥善策略安排。 2. 依循集群分析後的結果，更進一步進行商品分類的關聯規則分析。幫助決策者將集群分析之成果化為實務決策之參考，優化商品組合，針對各商品執行妥善策略安排，也為關聯規則的整理帶來新的應用方式。 3. 根據上述兩模型建置之結果，對H連鎖藥妝提出具體可行之行銷策略建議。 本研究利用資料採礦中的Two-step Cluster模型建置出H連鎖藥妝中各項商品的商品力矩陣，此矩陣的兩軸分別為「個別商品的平均毛利」及「個別商品的年交易筆數」，將各種商品概略分為明星、樂透、忠狗、問號四大類商品，分別代表他們不同的屬性與價值。同時配合關聯規則分析，提出具體可行之候選規則篩選模式： 1. 樂透型商品，應用方式有兩種，將樂透型商品放在Apriori模型中的後項，找出導購向樂透型商品的潛在模式；將樂透型商品放在Apriori模型中的前項，並將後項商品作為加價購搭售促銷標的，提升購買樂透型商品的意願。 2. 忠狗型商品，應用方式也有兩種，將忠狗型商品放在Apriori模型中的前項，找出可能導購的商品標的，推出合適的加價購搭售促銷活動；另外也可以藉由觀察忠狗型商品的消費行為，進而提供適當的促銷、推薦，提高其他品項交叉銷售的可能性。 / Taiwanese living standard raised due to the income growing, which lead to recognizing the importance of health toward personal and family. As a result, the market of dietary supplements and drugs flourishing these years, especially the spread of chained drugstores, which turned into combinative store by providing professional pharmacist consultant and selling of drugs, dietary supplements, skincare products and cosmetics. The drug and cosmetic retailers generally agreed that the main difficulty is “Industry Competition” due to the competition from different systems, including foreign chained drugstores, local chained drugstores and regional chained drugstores. Commodity competitiveness is one of the key successful factors of chained drugstores, which expressed as commodity diversity, commodity profitability, commodity price competitiveness, commodity uniqueness, etc. Seldom drugstores own product planning or designing department although most drugstores have demand of product planning or designing. It could raise the commodity competitiveness of chained drugstores by applying data mining to help product planning or designing more efficiently without increasing too much labor cost. This study focus on the application of data mining on chained drugstores, including goals below: 1. Building commodity competitiveness matrix by cluster analysis, representing their features and values. Through positioning products on commodity competitiveness matrix, helping decision maker optimize product mix and execute appropriate strategy toward products. 2. Based on the results from cluster analysis, proceed association rules analysis toward product categories. Help turning the results from cluster analysis into references of actual decision, optimize product mix and execute appropriate strategy toward products. Bringing new application pattern of association rules analysis. 3. Providing actual marketing strategy suggestions to H chained drugstore based on the two models built above. This study built commodity competitiveness matrix of H chained drugstore by Two-step Cluster model, which take “average margin of individual product” and “annual transaction amounts of individual product” as two axes. Divided products into Star, Lottery, Greyfriars and Question Mark. Each of them represent different features and values. Providing practical filtering rules of candidate rules in association rules analysis: 1. Lottery Products: Placing lottery products as consequents in Apriori model, searching for the potential pattern led to buying lottery products. Placing lottery products as antecedents, which we can provide the consequents with additional purchase discount in order to raise the willing to buy lottery products. 2. Greyfriars Products: Placing Greyfriars products as antecedents, searching for potential recommendation with additional purchase discount. Providing appropriate sales and recommendation to raise the possibility of cross-selling by observing consuming behaviors of Greyfriars products.

本篇論文是欲探究省政機構的新聞發言人，其本身的角色認知是否對處理新聞有相 當的影響。 在理論部分，以米德與顧理的「鏡子理論」與李溫的「守門理論」作為本文的理論 基礎，作者將提出十六個假設，加以驗證。其中角色認知部分，將探究新聞發言人 對自己職位的重視程度，及朋友、家人、同事、上級、記者對其職位的重視程度， 以及日後新聞發言人若成為正式編制，對其職位的重視程度，此此自變項。處理新 聞部分分為發佈新聞的態度及同化記者的程度兩部分研究，此為變應項，統計方式 主要是以百分比為主。 樣本的總體共有卅位，經親訪後收回廿七份問卷，目前初步分析的結果是：省政機 構新聞發言人對自己重視程度以及朋友、家人等愈高者，發佈新聞的態度則愈主動 ，至於同化記者的程度部分，則除了朋友、家人對該職位的重視程度並未與同化記 者的程度成正相關之外，其他尚能獲得支持。

前言： 第一章導論：第一節研究主題及主要概念： (一) 研究主題， (二) 主要概念之界定 。第二節有關研究理論與文獻： (一) 守門理論, (二)有關新聞從業員專業性的研究 , (三) 中文可讀性的研究。第三節研究目的。 第二章研究設計：第一節研究設計模式，第二節研究方法之一－－調查法： (一) 問 卷設計, (二) 選樣與訪問, (三) 資料處理。第三節研究方法之二－－內容分析法 ： (一) 分析對象與選樣, (二) 測量的單元, (三) 分析題目, (四) 資料處理。 第四節資料的綜合處理。 第三章研究結果之分析：第一節信度與效度，第二節國會記者專業性之分析： (一) 國會記者之性別、年齡、教育程度與其專業性之關聯性， (二) 報紙經營型態與其客 觀報導國會新聞之關聯性， (三) 國會記者之專業性與其新聞寫作重點強調之關聯性 ， (四) 國會記者之專業性與其新聞寫作可讀性之關聯性。 第四章研究結果之討論：第一節國會記者之專業性，第二節報紙處理國會新聞之型態 ，第三節國會記者之專業性與其處理新聞之關係。 結語