北科電機dcard的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

社群網路文本與輿情語意分析消費行為

為了解決北科電機dcard的問題，作者江效錫 這樣論述：

在消費者行為研究裡，分析數據的來源大多是透過量化問卷的調查方式來蒐集資料。而資料的蒐集也有許多不同方法，如街頭攔截的訪問、電話訪問調查、郵寄調查問卷等，以及近幾年來逐漸盛行的線上訪問。但調查往往在受限於時間及預算的因素下，抽樣的方式以及樣本數量的蒐集就會受到許多限制及影響。在市場研究眾多的議題中，傳統的量化研究逐漸無法滿足製造商及供應商對自家產品或服務在實際市場母體上的狀況及掌握，因此，目前大多數的研究數據還是需要仰賴預測模組或人口加權模式來推估市場比例與預估業務發展的整體表現。隨著網際網路的興盛，社群媒體的蓬勃發展，提供了消費者一個自由的空間討論分享對消費性產品的想法與意見，進而網際網路也

就成為購買商品、消費者經驗分享、廠商提供產品訊息、廣告行銷、顧客服務…等一個虛擬市場平台，而這平台也直接或間接累積成為一個擁有消費者購物行為及影響消費行為因素的大數據。本研究希望透過網路爬蟲，擷取社群媒體中有關消費者購物行為的文本，透過語意分析模組的技術，讓這些訊息轉換成為可以在統計分析模組中流動的數據，建立起消費者的消費行為模式，進而成為一個能更即時掌握市場脈動的研究方法。

最適自然語言處理之文件分割型式-應用於工程文件關鍵字萃取

為了解決北科電機dcard的問題，作者戴穎璁 這樣論述：

土木工程領域中，因工程契約的要求與工程法規的規定，包含了數目龐雜且內容豐富的文本資料，大量文字內容的敘述，容易使閱聽人對於核心內容判別模糊不清，或者花費更多時間在獲得核心資訊，透過人工智慧程式word2vec，將這些文本進行非監督式的自然語言分析，可以讓工程人員藉由核心關鍵詞與關聯詞，掌握目標文本的核心段落或重要相關內容。 而在此類非結構化敘述性質的文本中，文章的分段或分句方式通常代表了作者的撰寫思路，而在程式分析時，這些不同的分段規則，因為字詞之間的距離改變，也影響了在自然語言分析程式中，關聯詞與關鍵詞之間的關聯度數據，及程式分析結果的有效性。 是以本研究使用工地主任班文件，依據「自然

語言處理」(Natural Language Processing)、「文本分析」(Textual Analysis)原理，將文本進行文本前處理，後利用人工智慧分析程式，針對工程前言文本，進行模型參數使用的測試，獲得對於此類工程文件的適用設定參數。 並利用相同的參數設定，比較三種不同規則的文本分割(Text Segmentation)方式(「全篇未分割」、「依關鍵詞出現之段落分割」、「依標點符號逐句分割」)，在土木工程文本的程式分析結果。實驗發現，將文本依據「依關鍵詞出現之段落分割」之方式進行處理，獲得的關聯度分析有效性最佳，此種分割方式，可以避免程式分詞時的過度切分，導致關聯詞之關聯度排序

降低。使Word2vec 程式的分析結果，更有效的反映出文章的關鍵內容與關聯詞。