迅霆工程ptt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

基於BERT模型之整合社群群眾智慧與智能問答系統之知識萃取與提供模式

為了解決迅霆工程ptt的問題，作者張邦育 這樣論述：

近年來由機器學習主導的問答任務（Question Answering）發展迅速，旨透過機器解答用戶問題，許多研究探討了將資訊轉化並管理的方法，如將資訊轉換為知識圖譜或知識庫的形式（Lan等人，2019；Chen和Li，2020），以利於將輸入問題連結至知識庫的資訊，有效地回答使用者的問題（Xiong等人，2021；Qi等人，2021），然而，知識圖譜的建構通常較為困難，需耗費大量的資源，而若採非結構化的資料儲存方法，雖可解決部分建構成本高的問題，但同時不穩定的維護人力也導致新資訊較無法快速更新。 根據上述之問題，本研究乃建構一套「基於BERT模型之整合社群群眾智慧與智能問答系統之知識萃

取與提供」模式，包含「社群群眾智慧知識庫建立模組」及「群眾智慧問答推論模組」，透過自動化萃取網路社群平台之知識文章，並利用BERT模型解析文本語意，發展並設計一套基於社群群眾智慧文本之智能問答系統。首先，「社群群眾智慧知識庫建立模組」乃透過網路爬蟲方法自動蒐集網路社群平台之文章，並經由意見領袖特徵解析，分析意見領袖文章之文本特徵，萃取當中的群眾智慧知識文本，建立群眾智慧知識庫，其次，「群眾智慧問答推論模組」乃先將輸入之問題與知識庫的文章進行關聯性的匹配，經BERT關聯性計算模型計算問題與知識庫文章的關聯性，篩選出關聯性高的匹配文章集合，以此縮小掃描以及閱讀的範圍，最後根據匹配文章集合將文章與問

題一同配對，由BERT答案推論模型閱讀文章以及問題，推論問題之目標答案段落，並輸出使用者所提問題之目標答案。 為確認本研究所發展之方法於實務應用之有效性，本研究乃基於TensorFlow及PyTorch等深度學習框架，建構Web-based之「整合群眾智慧與智能問答之知識萃取與提供系統」，並以中文之論壇（PTT、知乎）及DRCD問答任務資料集，作為實際案例以及驗證資料，並於系統整體績效評估上取得：EM值73.30%；F1值82.66%。與Chen等人（2017）進行比較驗證：在EM指標上提升26.38%；F1值提升15.64%，以證實本研究系統運作之實用性與可行性。 綜上所述，本研究透過意

見領袖文章特徵擷取與判定，自動化地取得網路社群所蘊含的知識文章，以此建立群眾智慧知識庫，並基於知識庫之資訊藉由BERT模型進行目標答案推論，解答用戶所提問之問題，提供使用者更進階的資訊獲取方式。

網路口碑與傳統口碑對台灣消費者的說服效果與購買意圖之影響─以華語電影為例

為了解決迅霆工程ptt的問題，作者黃柏璋 這樣論述：

在網路尚未普及的時代，傳統口碑是重要的行銷傳播形式之一，也是消費者在進行購買決策的主要依據。現今，消費者可以透過網路的幫助，迅速得到大量的口碑資訊，但相較於傳統口碑，資訊來源通常是不熟識的人，網路口碑的可信未必較高。本研究以華語電影消費者為研究對象，旨在探討「口碑可信度」、「消費者購買行為」、「口碑分享意圖」與「涉入程度」之間的關係與影響因子。研究採問卷調查進行，共獲得285份有效問卷；並運用描述性統計、因素分析、ANOVA檢定、卡方檢定與多元迴歸分析，並使用SPSS 18進行資料分析與假設驗證。研究結果如下：一、21~30歲的男性消費者對於網路口碑的信任程度高於傳統口碑。二、「訊息的一致性

」對傳統口碑與網路口碑的接受程度與口碑分享意圖有顯著 的影響。三、消費者使用網路平台的動機與網路口碑的依賴程度呈現正相關。四、華語電影的涉入程度較高的消費者，較不受傳統口碑與網路口碑的訊息 的干擾。五、華語電影資訊的主動尋程度對於網路口碑說服效果具有正向的影響效果。六、不論是傳統口碑還是網路口碑，訊息可信度皆是影響消費者決策的重要因素。