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.

台灣夏季高溫酷熱使得各產業夏月用電量較全年月平均高出5%~24%。台電公司發電機組的備轉容量率在過去幾年的夏季也多次逼近限電警戒值(6%)。在未來氣候變遷趨勢下，夏季極端高溫發生機率提高，發電容量因受環保及社會因素影響難以同步擴充，限電極可能成為台灣在夏季必須面對的挑戰。本文旨在建構一描繪台灣經濟體內所有生產及消費部門相互依賴連結的線性規劃產業關聯分析(linear programming input-output analysis,簡稱LPIO)模型，用以求解經濟成長過程中若遇夏季供電瓶頸時之可行產業最適用電配置(限電)策略——限制用電之產業組合及配比。 根據現實情況所需以決定策略，首先策略的考量為追求經濟成長，加上當前台灣為一加工出口國，應將主要出口品之部門列為供電瓶頸的考量之一。接著，評估所有產業之間的相關性，單一產業的成長可帶動其他產業的發展；反之，單一產業的損失影響亦會衝擊其他產業，因此需要了解產業間的投入產出關係才能制定對我們經濟最有效率的資源配置策略。本研究首創以「夏季模擬產業關聯表」來校準LPIO 模型之模擬，切合實際地反映產業的季節性投入需求，以提升總體多部門模型之應用分析在政策制定參考上的實用性。 結果顯示若出口部門之VAEE能得到提升，則可以於供電瓶頸時期既維持出口市場的成長，GDP的成長亦不需要犧牲，因此出口部門應該以其在國際市場所占有的優勢，回饋於國內生產技術，降低其產品內含電力之使用，則可於供電瓶頸時減少對經濟體中其他部門的限電壓力。然而，出口部門其勞動投入佔原始投入的比重較小，因此當優先出口發展的同時亦應該考慮的國內勞動力的問題。各產業之間勞動份額的改變程度大小，以培養未來可得到良好發展之產業所需的勞動力投入。

源於資訊量爆炸時代的來臨，企業面臨大量資料所帶來的挑戰：傳統關聯式資料庫無法負荷龐大資料所造成的效能及儲存設備升級等問題。為了解決大量資料所帶來的諸多問題，各界提出不同的理論，而其中最被廣為討論的就是雲端運算。時至今日，許多企業及個體用戶逐漸開始使用雲端運算中，目前最具代表性的分散式架構Hadoop上的資料庫代表－欄導向資料庫HBase來作為底層資料庫。故本研究提出一套傳統關聯式資料庫轉換至欄導向資料庫HBase之轉換機制，以台灣學術期刊搜尋引擎為例。

女性在過去社會所扮演的主要是以滿足家庭需要為先的角色。隨著工業化的結果，女性參與家庭以外的勞力市場之就業顯著的增加，女性勞在整個勞動市場已占有舉足輕重的地位，但女性勞工參與工會的比例仍然很低。即使在女性會員占大部份的工會，不論是工會干部或其他工會行政部門中的職務，都鮮有女性擔任，而工會所舉辦的各種活動，女性也較少支持或參與。基於工會之功能乃在於保障勞工的權益，為了使女性的工作權能得到應有的保障，喚起有關單位對女性勞工福利的重視，實有必要透過工會運用集體的力量來完成；然此又必先從女性能積極和支持工會做起。 本研究旨在探討目前女性勞工在工會行政部門的參與情形，并運用組織社會學中「機會–動機關聯模型」(opportunity-motivation model)分析影響女性參與工會行政部門之因素，其中機會因素包括來自女性會員本身的背景變項，如教育、年資、職位；和來自家庭的影響變項，如家人的支持程度、有否十二歲以下之子女，動機因素則包括女性之工作投入度、對工會的態度及對工會事務之興趣等變項。研究結果發現，女性受許多外在結構因素所影響，即使本身有動機願意參與工會之行政，卻沒有足夠的機會使她們參與。