選擇卷期
- 期刊
- Ahead-of-Print
大數據中大量特徵為模型帶來高運算成本和風險，減緩資料維度與參數量對模型影響是目前的重要課題。因此，本研究提出新的全複數模糊模型，以複數型輸入減少資料維度，進而降低計算複雜度與時間成本，並以複數型輸出達到雙目標預測。其次，基於熵來改良多目標特徵選擇演算法，提供模型更有力之特徵、以輸入空間最適區塊挑選法（GSIS）降低參數量，並於機器學習中提出新混合式演算法，混合高斯鯨群演算法（GD-WOA）更新模型前鑑部參數及遞迴最小平方估計法（RLSE）更新後鑑部參數，稱作GD-WOA-RLSE。最後以三個實驗驗證模型效能，包含Mackey Glass時間序列、同時逼近兩個函數與美國兩個常用股票指數，S&P500與DJI，在評估模型特徵選擇、雙目標預測能力和參數減少影響均有不錯表現。
- 期刊
- Ahead-of-Print
本研究主要在調查產品互動式呈現和背景顏色等網站視覺設計要素，對線上消費者的趨避行為傾向的影響，同時也探討知覺商店形象和情緒反應是否具有中介效果。共有72位受試者參加調查實驗。實驗設計採3×2混合設計，其中互動式產品呈現（高、中、低互動）為組內設計，而背景顏色（藍色和黃色）為組間設計。調查之依變數包括情緒反應（愉悅、亢奮和主控感）、知覺商店形象與趨避行為傾向。結果顯示，互動式產品呈現之主效應會顯著影響亢奮和主控感，而互動式產品呈現與背景顏色之交互作用會顯著影響愉悅和知覺商店形象。此外，結果也證明，愉悅和亢奮等情緒，會中介網站環境刺激（互動式產品呈現和背景顏色）與趨避行為傾向之關係。本研究同時也討論結果之意涵。
- 期刊
- Ahead-of-Print
近年全球市場的發展變化以及資訊網路的快速成長，傳統供應鏈企業的系統紀錄仍然採集中式儲存、缺乏透明度，故許多學者提出運用區塊鏈技術去中心化防篡改且資訊公開透明等特性來改善現行供應鏈管理，然而當前基於區塊鏈的供應鏈管理系統在節點權限控制等方面有許多威脅及網路攻擊的安全隱憂。因此，本研究提出以區塊鏈技術強化供應鏈產品履歷機制之研究，將基於區塊鏈技術之特性結合智能合約設計產品履歷機制，並整合橢圓曲線密碼學技術之簽密法及自我認證機制，強化機制及數據之可驗證性及安全性；另依據區塊鏈技術特性分析預期可達到之安全性，並與相關學者研究方案實施比較，以驗證本研究方案之效益及可行性，期提升供應鏈整體企業效能。
- 期刊
- Ahead-of-Print
近年來，宅配產業市場日益成長，有許多探討宅配產業服務品質與顧客滿意度的研究，但是針對結合業者、專家學者、及消費者意見進行研究者確鮮少。本研究首先依宅配產業特性及參考相關文獻，並透過產業界與學術界專家之問卷訪談資料，建立影響台灣宅配業者服務品質的評估準則，再據以進行消費者前測問卷調查，以確立符合消費者重視程度的前二十項評估準則，及其隸屬之構面。之後透過產業界與學術界專家之成對比較問卷訪談，以ANP建立服務品質構面與評估準則的相關權重，以分析台灣五大宅配業者之服務績效。此外，依據所建立之評估準則進行消費者對各項目重視程度與服務滿意度問卷調查，以IPA分析消費者對於宅配業者服務之期望與實際滿意度間的關係。研究結果顯示業者專家或消費者認為評估準則重要性愈高者，消費者的滿意程度不一定較高。業者專家最重視「安全性」服務品質構面，但消費者對業者服務品質之期望落差最大者為「賠償標準」，而統一速達在五大宅配業者中平均服務品質與顧客滿意度皆最高。本研究之評估分析結果，可以提供宅配業者制定決策與提升服務品質之參考，以提升其競爭力。
- 期刊
- Ahead-of-Print
本研究提出一個基於複數的神經模糊推理系統（CNNFIS），該模型採用模糊If-Then規則的神經網絡框架，將球型複數模糊集（SCFSs）作為前鑑部，後鑑部使用線性函數。我們提出一種多群粒子群演算法（MSPSO），劃分整個參數空間為多個子空間，讓每個群體專注搜索特定的子空間，以增進最佳解，並結合遞迴最小平方估計法，利用混合式學習更有效地訓練模型。透過基於熵的特徵選取方法，我們選出高資訊量的特徵。基於減法分群法，我們也提出複數數據的減法分群法（SCC），將輸入空間劃分為多個部分，符合條件的輸入空間於CNNFIS建模，並應用投影矩陣於SCFS，以計算複數隸屬度，靈活調整模型輸出數量。我們透過單目標、雙目標和四目標的實驗來評估該方法的效能，並與其他方法比較。
- 期刊
- Ahead-of-Print
隨著網際網路的普及率日益升高，許多消費者也逐漸轉向電子商務平台購物，而合購也成為了一種新興的網路購物方式。本研究從社群與資訊豐富度角度，以交易成本為中介，包含搜尋成本、監督成本及執行成本，探討影響消費者線上再合購意願的因素，在資訊豐富度方面包含產品資訊與推薦資訊，社群方面包含需求外部性與互惠，此外亦探討個人因素，包含從眾與價格意識，對於交易成本與再合購意願之間的干擾效果。本研究結果顯示需求外部性、互惠及資訊豐富度對於三種交易成本均有顯著的負向影響，而三種交易成本皆顯著負向影響消費者線上再合購意願。在個人因素干擾方面，從眾對於搜尋及執行成本與再合購意願的負向關係有顯著干擾效果，當消費者個人的從眾意識較強時，會減弱兩種交易成本與再合購意願的負向關係；而價格意識僅對於監督成本與再合購意願的負向關係有顯著干擾效果，當消費者個人的價格意識較強時，會增強監督成本與再合購意願的負向關係。
- 期刊
- Ahead-of-Print
本文探討股價漲跌是否引發投資人情緒利用網路搜索資訊進而影響股票報酬，研究採用Hansen（1999）提出縱橫門檻迴歸模型（PTR），樣本涵蓋2012年7月至2022年6月10年期間臺灣82家資本額百億以上之上市公司週資料。研究發現股票報酬做為門檻變數得以區隔Google搜尋趨勢指數對股票報酬不同程度影響之門檻效果，投資人情緒對股票報酬影響於門檻-4.8086%上、下兩側形成區間分界，Google搜尋趨勢指數分別為正向顯著影響與負向顯著影響股票報酬，投資人易因搜尋資訊產生過度樂觀與過度悲觀反應，導致股票報酬持續上漲與下跌，因此Google搜尋趨勢指數做為投資人情緒代理變數，得以解釋股票報酬，促進價格發現與市場效率，成為投資決策重要參考指標。
- 期刊
- Ahead-of-Print
面對日益複雜的進階持續性滲透攻擊（Advanced Persistent Threat），惡意軟體分類為數位鑑識中最重要的一環。正確的惡意軟體分類可以得到惡意軟體最完整的系統行為，並且簡化鑑識之分析工作。傳統的惡意軟體分類著重於執行後之動態分析或者是以逆向工程結合靜態分析的方式，試圖取得惡意軟體的系統行為資訊，但惡意軟體會透過反虛擬機器監控和混淆技術來降低分類的正確率。隨著誘捕系統愈來愈健全，誘捕系統所蒐集到的惡意軟體原始碼也日漸增加，藉由分析惡意軟體的原始碼可以得到最正確的惡意軟體分類，因此本論文提出一個自動化惡意軟體分類機制。本論文藉由誘捕系統所擷取之惡意軟體原始碼，利用惡意軟體檔案結構相似度以及原始碼檔案相似度，透過階層式分群演算法（Hierarchical Clustering Algorithmn）之方法，不但可以正確的將新捕捉到的惡意軟體分類到正確的類別也可以快速地找出新類型的惡意軟體。本論文提出的方式可以大幅度減少數位鑑識者針對同一類型的惡意軟體重複進行高成本的分析，亦可在最短時間內了解攻擊者行為以及意圖。透過實驗證明，本論文所提出的系統可以將惡意軟體原始碼做正確的分類，而本論文所提出的方法亦可應用於其他有原始碼分類需求的領域。
- 期刊
- Ahead-of-Print
全面系統性掌握企業數位轉型過程影響因素，預期能有效協助企業應對產業競爭環境與轉型過程各項挑戰。本研究以臺灣製造業為研究對象，提出整合科技－組織－環境框架與數位成熟度研究模式，探討數位轉型影響因素及數位成熟度對數位轉型與組織績效關係與調節作用。蒐集臺灣製造業者共245份有效樣本，採偏最小平方法的結構方程模型（PLS-SEM）進行模型假說驗證。研究結果發現科技就緒度、組織就緒度、外部壓力對製造業數位轉型有顯著正向影響，製造業數位轉型對組織績效有顯著正向影響，數位成熟度對製造業數位轉型與組織績效之間有顯著正向調節效果。本研究發現預期在學術上能充實企業數位轉型與數位成熟度既有研究缺口，亦能提供企業數位轉型評估與決策實務之參考。
- 期刊
- Ahead-of-Print
目前競爭智慧（competitive intelligence）系統仍以企業內部的資訊傳遞為主，對於提供決策支援的延伸應用明顯不足。本研究聚焦於競爭智慧在延伸應用的改良，並訂定以「參與決策」為目標，嘗試在企業的組織管理與對手的新聞中，找出事件類型、決策模式、法則經驗及部門參與等的關係，據此建立競爭智慧的知識模型及應用系統。本研究以開發知識庫方式解題，並以設計知識模型為核心，主要設計包括：（1）領域本體，建立共通性的知識概念及實例，利用is-a關係表達知識分類架構，提供溝通及標準術語；（2）任務本體，建立目標導向的知識框架，利用has-a關係表達問題的組合；及（3）語意規則，建立推論隱性知識所需的規則。由實驗結果顯示：在新聞已傳遞正確之前提下，評估「決策模式正確率」及「部門權重正確率」等二項，均已接近100%的正確率，顯見本研究提出的知識模型，確可使競爭智慧系統由資訊傳遞的角色，提升到參與決策的延伸應用。