臺灣博碩士論文加值系統

各項零售行業中，圖書零售業算是比較複雜的一種行業，圖書商品本身的特性與一般的零售雜貨商品不同，每一項商品的生命週期十分短暫，每個月上市的新產品數量也十分龐大，再者，由於商品裁積的關係，每一家店所擺設的商品數量也十分驚人，所以以國內整體圖書出版業特殊的生態環境，圖書零售業是一個經營上相當繁瑣的行業。
圖書新品上市前，採購人員必須依照以往銷售的經驗加上自身的判斷，決定第一次要採購的數量，採購人員的作業十分重要性，假設商品準備不足，會影響前場門市的業績表現，假設商品採購量太高，則會造成額外的退貨作業成本。本研究主要目的，是希望以類神經網路相關技術，針對圖書新品之採購作業進行預測之工作，期望在採購作業上提供精確之建議，減少人為之判斷，同時也可以減少預估錯誤造成之各項作業成本。
首先，本研究收集整理有關圖書業研究之相關研究文件，以及類神經網路相關研究文件；接著，利用網際網路搜尋引擎以及搜尋引擎建立參數轉換模型，最後訓練類神經網路輸出模型，並與實際結果進行比較。
本研究的完成，將可提供書店後勤採購人員決策之參考，同時，也期許對未來資料採擷相關技術有所貢獻。

With retail business, book retailing is one of the more complicated types of business. There are several different characteristics between books and others retailing products. The shorter life cycle, for instance, is the one of the difference. Huge monthly amount of new books is the second different issue. In addition, each bookstore must prepare hundred thousand books due to books’ size and content. It’s several times difficult comparing with other convenient stores in Taiwan.
Before a new book was delivered to each book store, procurement staff has to decide how many quantities they need to purchase depending on historical sales’ statistics and his experiences. The decision is very important, if the quantities they bought are less than customers’ desire, it significantly affects revenues. On the other hand, it causes extra cost for returning books to suppliers if they bought too many in advance. The purpose of the research is to use the neural network technology in developing a forecasting model in first time procurement. Applying the mode can provide more accurate sale forecast as well as reduce human decision.
At first, we reviewed many literatures related to book publishing and retailing business. This research is aimed at taking advantage of the search engine and the news databases on the Internet to develop the parameter transformation model. Then a forecasting model is built and verified with real case data.
The completion of this research can provide a decision support system for procurement staffs and contribute a new input parameter preprocess method for future research in neural network technology.

表次 vi
圖次 vii
第 一 章 緒論 1
第 一 節 研究背景與動機 1
第 二 節 研究問題 1
第 三 節 研究目的 4
第 四 節 研究流程 5
第 二 章 文獻探討 7
第 一 節 圖書出版的意義與範圍探討 7
第 二 節 資料採擷相關技術探討 14
第 三 節 倒傳遞類神經網路 21
第 四 節 倒傳遞類神經網路相關研究整理 31
第 三 章 研究方法 33
第 一 節 研究系統架構 33
第 二 節 訓練資料之處理說明 37
第 三 節 訓練模型輸出入參數說明 39
第 四 節 驗證參數說明 42
第 四 章 研究結果 45
第 一 節 研究資料說明 45
第 二 節 現行採購作業說明 51
第 三 節 類神經網路訓練模型 55
第 四 節 研究結果比較 61
第 五 章 結論 63
第 一 節 研究成果 63
第 二 節 研究之貢獻 63
第 三 節 後續研究改進之方向 64
附錄 類神經網路模型訓練各項結果 67
參考文獻 89

中文部份：
1. 小林一博著，書籍在何方，1976。
2. 王榮文，台灣出版事業產銷的歷史、現況與前瞻，1994。
3. 行政院文化建設委員會，”中華民國89年台灣圖書雜誌出版市場研究報告”，2002。
4. 行政院新聞局，”中華民國九十一年圖書出版年鑑”，2002，頁405
5. 李建輝，遺傳演化類神經網路在預測臺股指數期貨的應用，東吳大學經濟學系碩士論文，2001。
6. 施向陽，匯率變動預測模式之研究，大葉大學事業經營研究所碩士論文，2001。
7. 林建成，遺傳演化類神經網路於台灣股市預測與交易策略之研究，東吳大學經濟學系碩士論文， 2001。
8. 林明宏，壽險保單早期失效之預測－類神經網路之應用，朝陽科技大學保險金融管理系碩士論文，2002。
9. 林坤淵，營利事業所得稅逃漏稅預測模式之比較研究，國立交通大學經營管理研究所碩士論文，2001。
10. 周湘蘭，類神經網路在多重產品需求預測上之應用，元智大學工業工程與管理學系碩士論文，2001。
11. 俞慧華，改良式類神經網路模式於信用卡顧客關係管理之研究，國立台北科技大學商業自動化與管理研究所碩士論文，2001。
12. 唐淑娟，台灣地區鳳梨零售價格預測之研究－灰預測、類神經網路與預測組合，屏東科技大學農企業管理系碩士論文，2001。
13. 黃仕賢，演化式反分類方法於顧客資料分析之應用，國立台北科技大學商業自動化與管理研究所碩士論文，2001。
14. 張漢中，國軍主計財務軍官離職率模式構建之研究，國防管理學院資源管理研究所碩士論文，2001。
15. 游崇智，應用類神經網路模擬多變量計量模式於臺灣股市之分析與預測，中原大學企業管理研究所碩士論文，1995。
16. 潘文超，以遺傳演化類神經網路建構e化預測系統－樂透與財務預警個案研究，東吳大學經濟學系碩士論文，2002。
17. 楊清潭，應用資料探勘技術於顧客價值分析之研究，東吳大學資訊科學系碩士論文，2002。
18. 楊雯寧，台灣股價指數預測模型之探討，元智大學工業工程與管理學系碩士論文，2001。
19. 楊雅媛，迴歸分析與類神經網路預測能力之比較，國立政治大學統計學系碩士論文，2001。
20. 葉怡成，應用類神經網路，儒林，1997。
21. 歐陽平，以遺傳演化類神經網路對初次上市公司股票建構價格預測模式，東吳大學經濟學系碩士論文， 2001。
22. 蔡念中，大眾傳播概論，五南，1999。
23. 劉俊宏，類神經網路在光學纖維抽絲製程上之預測與參數控制及修正之研究，國立交通大學科技管理所碩士論文，2001。
24. 劉翰章，圖書出版之互補性產業與產品創新速度關係之研究，政治大學企業管理學系碩士論文，1999。
25. 蘇清霖，出版行銷語錄走一趟曲折無悔的路，出版界，32，1992，頁18-21
26. 鹽澤實信著，林真美譯，日本的出版界，台灣東販，1994，頁42。
英文部份：
1. Adriaans, P. and Zantinge, D., Data Mining, Menlo Park, CA: Addison-Wesley, 1996.
2. Barry and Linoff, Data Mining Technologies, New York ,NY: Wisely, 1997.
3. Baba, N. and Kozaki, M., “An intelligent forecasting system of stock price using neural networks.”, IJCNN-92, I, 1992, pp. 371-377.
4. Bergerson, K. and Wunsch, D.C., ”A commodity-trading model based on neural network-expert system hybrid.”, IJCNN-91, I, 1991, pp. 289-293.
5. Chen M.S., Han, J. and Yu, P. S., “Data Mining: An Overview from Database Perspective,” IEEE Transaction on Knowledge and Data Engineering. ,1987.
6. Chu, C. H. and Widjaja, D., “Neural Network System for Forecasting Method Selection,” Decision Support System, 12, 1994, pp.13-24.
7. Craven, M. W. and Shavlik, J. W., “Using Neural Networks for Data Mining,” Future Generation Computer Systems, 13, 1997, pp.221-229.
8. Cybenko, G., “Approximation by Superpositions of a Sigmoidal Functions,” Mathematical Control Signal System, 2, 1989, pp.303-314.
9. Desai, V. S., Crook, J. N. and Overstreet, G. A., “A Comparison of Neural Networks and Linear Scoring Models in the Credit Union Environment,” European Journal of Operational Research, 95, 1996, pp. 24-37.
10. Dany Hajjar, Simaan AbouRizk, Kevin Mather,“Integrating neural network with Special purpose simulation.”,1998.
11. Dutta, S. and Shekhar, S., “Bond-Rating: A Non-Conversation Application of Neural Network,” ICNN, 88, 1988, pp.43-450.
12. Fayyad, U. and Stolorz, P., “Data mining and KDD: Promise and Challenges,” Future Generation Computer Systems, 13, 1997, pp. 99-115.
13. Hecht-Nielsen, R., Neurocomputing. Menlo Park, CA :Addison-Wesley, 1990.
14. Hong, S. J., “Data Mining”, Future Generation Computer Systems, 13, 1997, pp. 95-97.
15. Hopfield, J. and Tank, D., “Neural Computations of Decisions in Optimization Problems,” Biological Cybernetics, 51, 1985, pp.141-152.
16. Kimoto, T. and Asakawa, K., ”Stock Market Prediction System with modular networks.”, IJCNN-2001-Wash. I, 192001, pp. 1-6.
17. Kotler, P., How to Create, Win, & Dominate Markets, N.Y.: Free Press., 1999
18. Krzystof, C., Witold, P. and Roman, S., Data Mining: Methods for Knowledge Discovery, Boston, MA.: Kluwer Academic Publishers, 1998.
19. Lippmann, R. P., “An Introduction to Computing with Neural Networks,” IEEE ASSP Magazine, April, 1987, pp. 4-22.
20. Odom, M. D.，” A Neural Network Model for Bankruptcy Prediction.”，1989.
21. Susan Mengel, William Lively，”Using a neural network to predict student responses.”，1992.
22. Tang, Z., Almeida, C. and Fishwick, P. A., “Time Series for Using Neural Networks vs Box-Jenkins Methodology,” Simulation, 57(5), 1991, pp. 303-310.
23. Tang, Z. and Fishwick, P. A., Feedforward Neural Nets as Models for Time Series Forecasting,” ORSA Journal on computing, 5 (4), 1993, pp.374-385.
24. West, D.,“Neural Network Credit Scoring Models,” Computer and Operations Research, 27, 2000, pp. 1131-1152.
25. Wong, B. K., Bodnovich T. A. and Selvi, Y., “Neural Network Applications in Business: A Review and Analysis of the Literature (1988-95),” Decision Support Systems, 19, 1997, pp. 301-320.
26. Wong, F. S.,“Time Series Forecasting Using Backpropagation Neural Networks,” Neurocomputing, 2, 1991, pp.147-159.
27. Zhang, G., Patuwo B. E. and Hu, M. Y., “Forecasting with Artificial Neural Networks: The State of the Art,” International Journal of Forecasting, 14, 1998, pp. 35-62.