Discovery 4 Mobile01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

運用文字探勘技術於機車討論區環保議題之研究：以 mobile01 為例

為了解決Discovery 4 Mobile01的問題，作者姜慶暉 這樣論述：

近年，全球暖化的議題熱度不斷上升，空氣污染的問題也日益嚴重，如何減少碳排放量，一直是面臨的重要課題之一。在臺灣有相當廣大的機車使用族群，而隨著民眾近年環保意識的抬頭及企業社會責任（Corporate Social Responsibility, CSR）等觀念逐興起，也讓不少民眾放棄了燃油機車而選擇了電動機車作為代步的工具。為了了解燃油機車與電動機車使用者所談論的議題差異及他們是否在環境維度上有不同程度的關心，本研究以Mobile01上的兩大類型機車論壇內容作為分析資料。為此，本研究分析GRI Standards準則及上市櫃公司的所公開的CSR報告書，並發展了二階段TF-IDF文字探勘技術，

建構出關於CSR中經濟維度、環境維度與社會維度的詞庫。接著，利用所建構的CSR詞庫分別動機車與燃油機車論壇內容裡探勘出CSR三個維度在過去十年的聲量變化。隱含狄利克雷分布模型(Latent Dirichlet Allocation, LDA) 用來進行主題分析，了解電動機車與燃油機車車主的討論主題及對環境維度關注上的差異，並探討這些議題在過去十年的變化趨勢。最後，我們針對分析出來的議題類型，歸納出一些推動電動機車發展的相關建議。並且也提供在此研究過程中所形成的CSR詞庫給後續需要從事相關研究的使用者使用。

特徵為基礎之預測社交演化的雙RNN與模式學習模型

為了解決Discovery 4 Mobile01的問題，作者梁紘銘 這樣論述：

社群網路是近幾年十分蓬勃發展的一個科技，隨著他蓬勃發展，各式各樣預測社群網路的方法因應而生，這些方法大多是使用靜態社群網路來做預測，然而現實中的社群網路則大多是動態改變的，本研究以Mobile01論壇的資料為資料庫，利用EPMiner資料探勘演算法從數據中找出頻繁序列，利用長短期記憶（LSTM）模型預測社群網路關係。本研究提出了一個具有三個 LSTM 的兩層架構模型來進行預測。