走在汽車革命的路上論文書籍站
國立臺灣大學 資訊管理學研究所 陳靜枝所指導 李尚恩的 採用專家決策軌跡之深度學習推薦系統 （2018），提出統包推薦 Mobile01關鍵因素是什麼，來自於推薦系統、機器學習、深度學習、循環神經網路、專家意見、序列資料。
而第二篇論文佛光大學 未來與樂活產業學系 黃秋蓮所指導 陳珮華的 宜蘭發展智慧旅遊目的地指標建構之研究 （2018），提出因為有 智慧旅遊、旅遊目的地、修正式德爾菲法、資通訊科技的重點而找出了 統包推薦 Mobile01的解答。
採用專家決策軌跡之深度學習推薦系統
為了解決統包推薦 Mobile01 的問題，作者李尚恩 這樣論述：
隨著網路科技的發展，人已無法負擔每日所接收的資訊量。推薦系統的出現讓人能夠有效率地搜尋與獲取資訊，而目前主流的推薦系統包含三大類：內容導向、協同過濾、混合型。我們發現這些推薦系統皆沒有考慮到項目間的順序關係，而在我們日常生活中搜尋資訊、挑選商品等，卻是經常是有順序性的。因此本研究提出一個以循環神經網路及專家權重為核心的推薦系統EXTRA，透過匯集使用者們的序列預測結果，加上專家權重的調整，產生出準確的推薦清單。使用者的序列預測模型，是透過使用者與物件互動的歷史紀錄來訓練，預測出下一個使用者會想要互動的物件。專家權重則是透過使用者本身的資料及其互動過的物件，計算出使用者的權重，權重越高即代表該
使用者的序列預測結果影響力越大。本研究以臺灣知名線上論壇Mobile01與PTT的資料來實作與評估EXTRA。從實驗結果我們可以確定在論壇討論區推薦的問題上，EXTRA的表現遠比內容導向、協同過濾等方法來得好，也證明了EXTRA是有辦法適應不同平台及不同討論主題。此外，我們還發現添加了專家權重確實提升了EXTRA的準確率。本研究提出的方法提供了推薦系統領域一個發展的可能性，考慮物件間的序列關係及加入專家權重都是可以有效提升推薦準確率。本研究提供一個簡單的概念模型，透過與現在蓬勃發展的機器學習領域結合，不論是在序列預測模型上，還是在語意分析上，EXTRA也許還有被改進的空間。此外，EXTRA並非
只可應用在論壇討論區推薦的問題上，也可嘗試應用在其他場域，還有待後續研究再對EXTRA進行更進一步的實驗與分析。
宜蘭發展智慧旅遊目的地指標建構之研究
為了解決統包推薦 Mobile01 的問題，作者陳珮華 這樣論述：
觀光旅遊業與資通訊科技的結合，創造出新的旅遊形態－智慧旅遊。鑒於宜蘭以觀光立縣，2017年更以資通訊科技的智慧應用，入圍國際智慧城市前21名，已然具備發展成為「智慧旅遊目的地」的條件。因此，本研究目的為建構一套適用於宜蘭發展智慧旅遊目的地之指標系統，提供宜蘭政府與民間發展智慧旅遊之參考。 本研究參考相關文獻及國內外推展近況，初擬「宜蘭發展智慧旅遊目的地」的指標架構，採用修正式德爾菲法，諮詢宜蘭旅遊相關專家之意見，利用統計方法一致性分析、穩定度分析與平均數十字象限分析，建構宜蘭發展智慧旅遊目的地指標系統，包括「旅遊訊息資訊化」、「景區暢遊智慧化」、「資通訊應用技術化」三大構面13
個向度，共計35項指標。研究結果發現「預訂功能｣、「查詢功能｣、「導遊系統」、「導航系統｣、「基礎網絡建置」及「應用軟體開發｣最為重要且最可行。 本研究建構宜蘭發展智慧旅遊目的地指標系統，提出優先發展重點及相關建議，研究成果可供宜蘭政府與民間依循參考，落實於宜蘭智慧旅遊目的地之發展。