跳到主要內容

臺灣博碩士論文加值系統

(35.172.136.29) 您好!臺灣時間:2021/08/02 18:32
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:楊綠淵
論文名稱:以文件相關性為基礎之企業知識分群與管理模式
論文名稱(外文):A Knowledge Clustering and Service Model Based on Document Similarity Analysis
指導教授:侯建良侯建良引用關係
學位類別:碩士
校院名稱:國立清華大學
系所名稱:工業工程與工程管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2004
畢業學年度:92
語文別:中文
論文頁數:152
中文關鍵詞:相關性分析文件分群資訊發佈
外文關鍵詞:Similarity AnalysisDocument ClusteringInformation Publication
相關次數:
  • 被引用被引用:5
  • 點閱點閱:448
  • 評分評分:
  • 下載下載:64
  • 收藏至我的研究室書目清單書目收藏:0
隨著網際網路(Internet)之快速發展,「資訊過量」、「資訊爆炸」等狀況漸形嚴重,造成網際網路使用者進行資訊檢索/查詢時,無法有效篩選真正想要尋找之資訊。此外,近年來以顧客為導向之顧客關係管理(Customer Relationship Management,CRM)觀念盛行,企業若能掌握使用者之需求,建立「個人化(Personalized)」之顧客關係,主動發佈使用者需要之資訊,將可更契合未來資訊之管理模式。本論文乃以文件關鍵屬性之擷取為基礎,進行文件間之相關性分析;並以此相關性分析之結果進行自動化文件分群。之後,透過使用者閱讀趨勢之收集與分析,結合文件分群結果,自動推論文件接受對象,達成文件(或訊息)自動發佈之目的。最後,建立一套以文件相關性為基礎之企業知識分群與管理模式與系統技術,並以一案例驗證此模式與技術之可行性。整體而言,藉由本研究所發展之知識文件管理模式,除可促成企業體實現一對一行銷之理念外,尚可應用於企業知識文件管理體系,協助企業組織發展智慧型知識文件管理機制,使電子化知識管理與顧客關係管理理念能相互整合支援,並帶動知識服務型產業之發展。
Owing to the drastic development of the Internet technology, the problems of information overload is more and more serious. Under such circumstance, the Internet users cannot efficiently and effectively retrieve the information that meets their requirements over the Internet. Recently, in the customer centric market, customer relationship management (CRM) has become a critical issue for business operation. To obtain long-term relationship with the customers, the enterprises have to capture the customer demands, to establish a personalized relationship with customer and to intelligently provide information/document based on user requirements.
In order to explore a knowledge clustering and service model for the organizations to efficiently manage the domain documents, three algorithms namely document similarity analysis (DSA), document clustering algorithm (DCA), and document publication algorithm (DPA) are proposed in this research. The document similarity analysis is developed based on the key attributes of documents (including the document keywords, providers and categories) while the document clustering methodology is proposed by application of document similarity and the K-means approach. In addition, according to the browse history of users and document clusters, a publication algorithm of documents is utilized to automatically provide the documents to the target users. A web-based prototype system of the knowledge clustering and service model will also be implemented to ensure the applicability of the model. Effectiveness of the model is also by a demonstration case. As a whole, the knowledge management model proposed in this research can assist the organizations to intelligently and efficiently manage the documents and to realize the objective of one-to-one marketing.
中文摘要 I
英文摘要 II
目錄 III
致謝詞 VI
圖目錄 VII
表目錄 X

第一章、 研究背景 1
1.1研究動機與目的 1
1.2研究方法與步驟 2
1.3研究定位 5
第二章、 文獻回顧 6
2.1 文件關鍵屬性擷取 6
2.1.1 文件關鍵字擷取 6
2.1.2 文件分類(類別)擷取 7
2.2 文件相關性分析 8
2.3 文件分群 9
2.3.1 自動群集偵測 9
2.3.2 自組織映射圖 10
2.3.3 類神經網路 10
2.3.4 文件相關性 11
2.3.5 其他方法 11
2.4 文件/訊息發佈 12
2.4.1 使用者閱讀趨勢資料之收集與探勘 12
2.4.2 文件接受者自動推論 15
第三章、 企業知識分群與管理模式 17
3.1 文件相關性分析 17
3.1.1 以關鍵字為基之文件相關性分析 17
3.1.2以文件多屬性為基之文件相關性分析 25
3.2 文件分群 29
3.3 文件/訊息發佈 33
3.3.1 文件權限對象推論—依使用者角度 34
3.3.2文件接受對象推論—以文件層面 39
3.4 小結 47
第四章、 系統架構 49
4.1企業知識分群與管理系統核心架構 49
4.2系統功能架構 52
4.3資料模式定義 53
4.4系統流程 53
4.4.1系統操作流程 54
4.4.2系統資料流程 54
4.5系統開發工具 60
第五章、 系統實作與案例驗證 63
5.1系統功能操作 63
5.1.1文件上傳功能 63
5.1.2文件相關性管理 68
5.1.3文件分群管理 72
5.1.4文件發佈對象推論管理 75
5.1.5文件管理 80
5.1.6相關參數設定 86
5.1.7使用者基本資料管理 94
5.1.8使用者管理 96
5.2系統分析與評估 101
5.2.1文件匯入 102
5.2.2相關性分析 104
5.2.3文件分群 104
5.2.4文件發佈對象推論 111
第六章、 結論與未來展望 117
參考文獻 120
附錄一、文件分類類型量化方式 126
附錄二、文件提供/製作者所屬部門量化方式 143
附錄三、關鍵字量化方式 149


圖目錄
圖1.1、研究架構 4
圖1.2、研究定位 5
圖3.1、文件相關性分析之輸入/輸出 18
圖3.2、以關鍵字為基礎之相關性分析模組 21
圖3.3、多屬性關聯性分析流程示意圖 26
圖3.4、系統運作流程圖 29
圖3.5、文件分群之輸入/輸出 30
圖3.6(a)、群集質心改變示意圖1 32
圖3.6(b)、群集質心改變示意圖2 33
圖3.7、文件分群流程圖 34
圖3.8、文件接受對象推論—依使用者角度--輸入輸出之示意圖 35
圖3.9、文件接受對象推論模式流程 39
圖3.10、「文件權限對象推論—以文件層面」模式之輸入/輸出 40
圖3.11、以文件層面之文件權限開放模式流程 46
圖4.1、知識分群與管理系統核心架構 49
圖4.2、系統操作架構 52
圖4.3、資料模式關聯 53
圖4.4、「文件關鍵屬性上傳」功能流程 54
圖4.5、「文件相關性分析」功能流程 55
圖4.6、「文件相關性變更」功能流程 56
圖4.7、「文件分群」功能流程 56
圖4.8、「文件分群變更」功能流程 57
圖4.9、「文件發佈推論」功能流程 58
圖4.10、「文件發佈對象變更」功能流程 58
圖4.11、「文件管理」功能流程 59
圖4.12、「使用者管理」功能流程 59
圖4.13、「個人資料管理」功能流程 60
圖4.14、知識分群與管理系統資料流程模式 61
圖5.1、文件上傳介面 64
圖5.2、上傳文件指定 64
圖5.3、文件上傳介面-文件類型選單 65
圖5.4、文件上傳介面-文件製作者選單 65
圖5.5、文件上傳成功訊息回饋1 66
圖5.6、重要詞彙與待確認詞彙資訊回饋 67
圖5.7、文件上傳成功訊息回饋2 67
圖5.8、上傳檔案名稱重複—重新輸入檔名處理 68
圖5.9、相關性分析—選擇欲進行相關性分析之文件 69
圖5.10(a)、相關性分析—分析結果回饋 70
圖5.10(b)、相關性分析—分析結果回饋 70
圖5.11、相關性修改—欲修改相關性文件選擇 71
圖5.12、相關性修改—目標文件與其他文件相關性列表 72
圖5.13、相關性修改結果回饋 72
圖5.14、文件分群之維度決定 73
圖5.15、文件分群結果回饋 74
圖5.16、文件分群修改介面 75
圖5.17、文件分群修改成功回饋訊息 75
圖5.18、文件相關性推論—指定文件以計算相關性 76
圖5.19、依文件面自動推論方式之回饋畫面 77
圖5.20、依使用者閱讀趨勢自動推論之回饋畫面 77
圖5.21、文件權限對象變更—目標文件挑選 79
圖5.22、文件權限對象變更—權限對象挑選 79
圖5.23、文件權限對象變更成功之回饋畫面 80
圖5.24、文件內容全文檢索介面 81
圖5.25、文件內容全文檢索—查詢結果列表 82
圖5.26、文件內容全文檢索—文件內容檢視 82
圖5.27、文件各屬性條件查詢介面 83
圖5.28、文件各屬性條件查詢—查詢結果列表 84
圖5.29、文件各屬性條件查詢—文件內容檢視 84
圖5.30、相關性查詢—欲查詢相關性文件選擇 85
圖5.31、相關性查詢—目標文件與其他文件相關性列表 86
圖5.32、文件分群查詢回饋列表 87
圖5.33、檔案上傳時,檔名重複處理方式設定 88
圖5.34、檔案上傳時,檔名重複處理方式設定成功回饋訊息 88
圖5.35、關鍵字萃取方式設定 89
圖5.36、關鍵字萃取方式設定成功回饋訊息 90
圖5.37、以文件多屬性進行文件相關性分析—屬性選擇 90
圖5.38、以文件多屬性進行文件相關性分析—距離計算方式選擇 91
圖5.39、文件相關性分析方法設定成功回饋訊息 91
圖5.40、系統環境參數設定—分群群組數設定 92
圖5.41、系統環境參數設定—分群群組數設定成功回饋訊息 92
圖5.42、文件發佈對象推論—推論方式選擇 93
圖5.43、文件發佈對象推論—依照使用者閱讀趨勢推論方式細部設定 94
圖5.44、個人資料查詢回饋介面 95
圖5.45、個人資料修改輸入介面 96
圖5.46、個人資料修改成功回饋介面 96
圖5.47、新增使用者之輸入介面 97
圖5.48、新增使用者—隸屬部門以子視窗方式點選系統內建選項 98
圖5.49、新增使用者成功之回饋訊息 98
圖5.50、使用者查詢介面 99
圖5.51、以關鍵字串查詢使用者 100
圖5.52、使用者修改介面 100
圖5.53、使用者刪除警示介面 101
圖5.54、系統績效驗證流程 102
圖5.55、文件相關性分佈圖 104
圖5.56、八階段文件分群與理想分類結果相比之召回率趨勢圖 111
圖5.57、八階段文件分群與理想分類結果相比之符合率趨勢圖 111
圖5.58、各文件之召回率與準確率分佈圖 115
圖5.59、各階段文件發佈對象推論之召回率與準確率 116

表目錄
表3.1、文件關鍵字擷取列表 19
表3.2、文件相關性對照表 20
表3.3、屬性j之距離矩陣 27
表3.4、目標文件與各文件間之綜合距離係數 28
表3.5、文件相關性分析列表 31
表3.6、文件相關性分析列表 36
表3.7、文件相關性分析列表 41
表3.8、各文件之權限開放群組集合 42
表3.9、文件分享者被開放權限之機率 44
表3.10、文件 權限開放群組列表 45
表5.1、上傳文件種類、篇數與編號 103
表5.2、各上傳文件之關鍵字 103
表5.3、各分群對應各類別文件之召回率 105
表5.4、一份種子文件份數之文件分群結果 106
表5.5、一份種子文件之文件分群結果—各分群對應各理想分類結果之召回率
與準確率 107
表5.6、五份種子文件之文件分群結果 107
表5.7、五份種子文件之文件分群結果-各分群對應各理想分類結果之召回率
及準確率 108
表5.8、十份種子文件之文件分群結果 109
表5.9、十份種子文件之文件分群結果-各分群對應各理想分類結果之召回率
與準確率 109
表5.10、隨機產生每位使用者對於每類型文件之權限或閱讀份數 113
表5.11、理想值與測試資料之推論對象評估 114
表A.1、依照關聯性重新分類與編號之中國圖書分類—哲學篇 129
表A.2、依照關聯性重新分類與賦予新編號之VSIA分類 140
表A.3、組織功能的分類 143
表A.4、組織功能分類的再細分 144
表A.5、各類別編號表 146
表A.6、中國圖書分類法依關連性排序編號對照表 151
1.卜小蝶,2001,「以圖書借閱記錄探勘加強圖書資源利用之探討」,中國圖書館學會會報,Vol. 66,第59-72頁。
2.卜小蝶,2002,「以使用記錄分析探索網路使用者檢索興趣之研究」,碩士論文(指導教授:楊千),交通大學資訊管理學系。
3.何昶毅,2001,「以網頁探勘技術提供一對一個人化服務」,碩士論文(指導教授:王本正),東海大學企業管理學系。
4.林信志等,2002,「長榮管理學院網頁瀏覽行為之分類探勘」,長榮學報,Vol. 6:1,第1-16頁。
5.林俊佑,李青松,曾廣華,2002,「基於文件分類技術之資訊追蹤系統」,電腦與通訊,第99期,第133-144頁。
6.林珊如,2002,「網路使用者特性與資訊行為研究趨勢之探討」,圖書資訊學刊,Vol. 17,第35-47頁。
7.孫銘聰、侯建良,2002,「以推論法則為基之知識文件權限管理程序模式」,產業電子化運籌管理學術暨實務研討會,長庚大學,九十一年六月二十八日,Paper ID:39.
8.侯永昌、楊雪花,1998,「以模糊理論和遺傳演算法為基礎的中文文件自動分類之研究」,模糊系統學刊,第4卷,第1期,第45-57頁。
9.曹乃龍,2000,「模糊自動文件分類在網際網路上的探討」,博士論文(指導教授:林丕靜),淡江大學資訊工程學系。
10.張玉華,2003,「從檔案整理原則談國家檔案之分類」,檔案季刊,第2卷,第一期,第44-56頁。
11.陳鈺瑾,1999,「可調式之中文文件自動摘要」,碩士論文(指導教授:張俊盛),清華大學資訊工程學系。
12.陳振東、戴偉勝,2002,「網際網路環境中個人化資訊推薦系統實作之研究」,資訊管理學報:中華民國資訊管理學會會報,Vol. 9:1,第21-38頁。
13.陳佳鴻,2001,「發展基於使用者行為導向之智慧型財經資訊系統」,碩士論文(指導教授:陳安斌),交通大學資訊管理學系。
14.許中川、陳景揆,2001,「探勘中文新聞文件」,中華民國資訊管理學會會報,Vol. 14:2,第103-122頁。
15.許銀雄、周世俊,2002,「利用資料探勘技術改進網站人機界面」,電腦學刊,Vol. 7:2,第1-15頁。
16.國家圖書館編目園地全球資訊網,http://datas.ncl.edu.tw/catweb/sect-2.htm
17.曾元顯,1997,「關鍵詞自動擷取技術之探討」,中國圖書館學會會訊,第106期,第26-29頁。
18.曾元顯,2002,「文件主題自動分類成效因素探討」,中國圖書館學會會報,第68期,第62-83頁。
19.詹智凱,2000,「以詞的關聯性為基礎的文件自動分類」,碩士論文,(指導教授:徐俊傑),國立台灣科技大學資訊管理學系。
20.楊允言,1999,「中文文件自動分類之探討」,大漢學報,第13期,第241-256頁。
21.楊傑勝,2000,「適應性聚類演算法及其應用」,碩士論文,(指導教授:蔣榮先),成功大學資訊工程學系。
22.蔡聰洲,2001,「整合資料倉儲與資料探勘於網站瀏覽分析」,碩士論文(指導教授:劉敦仁),交通大學資訊管理學系。
23.顏秀珍、李御璽、何仁傑,2001,「利用資料探勘語言挖掘感興趣的資訊」,電腦學刊,Vol. 9:1,第44-60頁。
24.顏嘉惠,2002,「資料探勘於圖書館行銷及顧客關係管理之應用」,圖書與資訊學刊,Vol. 42,第58-68頁。
25.顧皓光,莊裕澤,1998,「網路文件自動分類」,臺大管理論叢,第9卷,第1期,第201-242頁。
26.Abe, K., Taketa, T. and Nunokawa, H., 2000, “An idea of the agent-based information recommending system using the statistical information,” The Seventh International Conference on Parallel and Distributed Systems: Workshops, pp. 143-146.
27.Aggarwal, C.C. and Yu, P.S., H., 2001, “On effective conceptual indexing and similarity search in text data,” Proceedings, IEEE International Conference on Data Mining, pp. 3-10.
28.Carrere, J., Cholvy, L., Cuppens, F. and Saurel, C., 1998, "Merging security policies: analysis of practical example," Proceedings, The 11th IEEE on Computer Security Foundations Workshop, pp. 123-136.
29.Cooley, B., Mobasher, B., and Srivastava J., 1997, "Web mining: information and pattern discovery on the World Wide Web," Proceedings of the 1997 International Conference on Tools with Artificial Intelligence, Vol. 3-8, pp. 558-567.
30.Cooper, J.W., Coden, A.R. and Brown, E.W., 2002, " A novel method for detecting similar documents," Proceedings of the 35th Annual Hawaii International Conference on System Sciences, pp. 1153- 1159.
31.Dridi, F. and Neumann, G.., 1998, "Towards access control for logical document structure," Proceedings, The Ninth International Workshop on Database and Expert Systems Applications, pp. 322-327.
32.Feldella, E. and Prandini, M., 2000, "A novel approach to on-line status authentication of public-key certificates," The 16th Annual Conference on Computer Security Applications, pp. 270-277.
33.Freeman, R., Yin, H. and Allinson, N.M., 2002, “Self-organising maps for tree view based hierarchical document clustering,” Proceedings of the 2002 International Joint Conference on Neural Networks, Vol. 2, pp. 1906-1911.
34.Fu, W., Wu, B., He, Q. and Shi, Z., 2001, “Text document clustering and the space of concept on text document automatically generated,” Proceedings, International Conferences on Info-tech and Info-net, Vol. 3, pp. 107-112.
35.Furuse, K., Miura, T., Ishikawa, M., Chen, H. and Ohbo, N., 2001, “Applying the branch and bound technique to document similarity search,” Processing, IEEE Pacific Rim Conference on Communications, Computers and signal, Vol. 1, pp. 331-336.
36.Hammouda, K. M. and Kamel, M. S., 2002, “Phrase-based document similarity based on an index graph model,” Proceeding, IEEE International Conference on Data Mining, pp. 203-210.
37.Haruechaivasak, C., Shyu, M.-L. and Chen S.-C., 2002, "Web document classification based on fuzzy association," Proceedings, The 26th Annual International On Computer Software and Applications Conference, pp487-492.
38.Her, J.-H., Jun, S.-H., Choi, J.-H. and Lee J.-H., 1999, “A Bayesian neural network model for dynamic web document clustering,” Proceedings of the IEEE Region 10 Conference, Vol. 2, pp. 1415-1418.
39.Khan, I., Blight, D., McLeod, R. D. and Card, H. C., 1997, “Categorizing Web documents using competitive learning: an ingredient of a personal adaptive agent,” International Conference on Neural Networks, Vol. 1, pp. 96-99.
40.Kim, J.-G. and Lee, E.-S., 1999, “Intelligent information recommend system on the Internet,” Proceedings, International Workshops on Parallel Processing, Man and Cybernetics, pp. 376-380.
41.Kobayashi, K., Sumi, Y. and Mase, K., 1998, “Information presentation based on individual user interests,” Proceedings, Second International Conference on Knowledge-Based Intelligent Electronic Systems, Vol. 1, pp. 375-383.
42.Kondadadi, R. and Kozma, R., 2002, “A modified fuzzy ART for soft document clustering,” Proceedings of the International Joint Conference on Neural Networks p, Vol. 3, pp. 2545-2549.
43.Kovics, L. and Baranyi, P., 2002, “Document clustering based on concept lattice,” IEEE International Conference on Systems, Man and Cybernetics, Vol. 7, pp. 241-246.
44.Lancieri, L., 1999, “Description of Internet user behavior,” International Joint Conference on the Neural Networks, Vol. 4, pp. 2514-2519.
45.Lin, C.-H. and McLeod, D., 2000, “Temperament-based information filtering: a human factors approach to information recommendation,” IEEE International Conference on Multimedia and Expo, Vol. 2, pp. 941-944.
46.Lin, K.-I. and Kondadadi, R., 2001, “A similarity-based soft clustering algorithm for documents,” Proceedings, Seventh International Conference on Database Systems for Advanced Applications, pp. 40-47.
47.Lin, S.-H., Chen, M. C., Ho, J. M. and Huang Y.-M., 2002, "ACIRD:intelligent Internet document organization and retrieval," IEEE Transactions on Knowledge and Data Engineering, Vol. 14, pp. 599-614.
48.Lu, H., Lu, Z. and Li, Y., 2001, “TRUST!-A distributed multi-agent system for community formation and information recommendation,” IEEE International Conference on Systems, Man, and Cybernetics, Vol. 3, pp. 1734-1739.
49.Michael J. A. Berry, Gordon S. Linoff, 2001, Data Mining, 維科圖書有限公司。
50.Motta, C.L.R. and Borges, M.R.S., 2000, “A cooperative approach for information recommendation and filtering,” Proceedings, The Sixth International Workshop on Groupware, pp. 42-49.
51.Navathe, S. B. and Yong, C. O., 1998, "Avoiding inference problem using page level security classification," Proceedings, The Ninth International Workshop on Database and Expert Systems Applications, pp. 294-299.
52.Ng, Y.-K., Tang, J., and Goodrich, M., 2001, "A binary-categorization approach for classifying multiple-record Web documents using application ontologies and a probabilistic model," Proceedings, Seventh International Conference on Database Systems for Advanced Applications, pp. 58-65.
53.Pagnia, H., Theel, O. and Schupp, H., 2000, “Transparent management of replicated WWW document clusters,” Seventh International Conference on Parallel and Distributed Systems, pp. 263-268.
54.Peltonen, J., Sinkkonen, J. and Kaski, S., 2002, “Discriminative clustering of text documents,” Proceedings of the 9th International Conference on Neural Information, Vol. 4, pp. 1956-1960.
55.Shyu, M.-L., Chen, S.-C. and Shu, C.-M., 2000, “Affinity-based probabilistic reasoning and document clustering on the WWW,” The 24th Annual International Computer Software and Applications Conference, pp. 149-154.
56.Silva, J., Mexia, J., Coelho, A. and Lopes, G., 2001, “Document clustering and cluster topic extraction in multilingual corpora,” Proceedings IEEE International Conference on Data Mining, pp. 513-520.
57.Shibata, H., Hoshiai, T. and Kubota, M., 2000, “A study on personalized information recommending agents,” Proceeding, International Workshop on Autonomous Decentralized Systems, pp. 28-33.
58.Su, Z., Yang, Q., Zhang, H., Xu, X. and Hu, Y., 2001, “Correlation-based document clustering using web logs,” Proceedings of the 34th Annual Hawaii International Conference on System Sciences, pp. 1831-1837.
59.Tan, A.-H., Teo, C., 1998, “Learning user profiles for personalized information dissemination,” Proceedings, IEEE International Joint Conference on Neural Networks, Vol. 1, pp. 183-188.
60.Tzeras, K. and Petrakis, E.G.M., 1999, “Similarity searching in text databases with multiple field types,” Proceedings, the 15th International Conference on Data Engineering, pp. 100.
61.Wewers, T. and Wargitsch, C., 1998, "Four dimensions of interorganizational, document-oriented workflow: A case study of the approval of hazardous-waste disposal," Proceedings of the Thirty-First Hawaii International Conference on System Sciences, Vol.4, pp. 332-341.
62.Wu, B., Zheng, Y., Liu, S. and Shi, Z., 2002, “CSIM: a document clustering algorithm based on swarm intelligence,” Proceedings of the 2002 Congress on Evolutionary Computation, Vol. 1, pp. 477-482.
63.Xiao, J. and Zhang, Y., 2001, "Clustering of web users using session-based similarity measures," Proceedings of the 2001 International Conference on Computer Networks and Mobile Computing, pp. 223-228.
64.Xiao, J., Zhang, Y., and Tianzhu, 2001, "Measuring similarity of interests for clustering Web-users," Proceedings of the 2001 International Conference on Database, pp. 107-114.
65.Yang, H.-C., Lee, C.-H., 2000, “Automatic category generation for text documents by self-organizing maps,” Proceedings of the IEEE-INNS-ENNS International Joint Conference on Neural Networks, Vol. 3, pp. 581-586.
66.Yoshida, H., Shida, T. and Kindo, T., 2001, “Asymmetric similarity with modified overlap coefficient among documents,” Processing, IEEE Pacific Rim Conference on Communications, Computers and signal, Vol. 1, pp. 99-102.
67.Yoshioka, T., Takata, Y., Ito, M. and Ishii, S., 2001, “A neural visualization method for WWW document clusters,” Proceedings, International Joint Conference on Neural Networks, Vol. 3, pp. 2270-2275.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 10.張玉華,2003,「從檔案整理原則談國家檔案之分類」,檔案季刊,第2卷,第一期,第44-56頁。
2. 25.顧皓光,莊裕澤,1998,「網路文件自動分類」,臺大管理論叢,第9卷,第1期,第201-242頁。
3. 24.顏嘉惠,2002,「資料探勘於圖書館行銷及顧客關係管理之應用」,圖書與資訊學刊,Vol. 42,第58-68頁。
4. 23.顏秀珍、李御璽、何仁傑,2001,「利用資料探勘語言挖掘感興趣的資訊」,電腦學刊,Vol. 9:1,第44-60頁。
5. 20.楊允言,1999,「中文文件自動分類之探討」,大漢學報,第13期,第241-256頁。
6. 18.曾元顯,2002,「文件主題自動分類成效因素探討」,中國圖書館學會會報,第68期,第62-83頁。
7. 17.曾元顯,1997,「關鍵詞自動擷取技術之探討」,中國圖書館學會會訊,第106期,第26-29頁。
8. 15.許銀雄、周世俊,2002,「利用資料探勘技術改進網站人機界面」,電腦學刊,Vol. 7:2,第1-15頁。
9. 12.陳振東、戴偉勝,2002,「網際網路環境中個人化資訊推薦系統實作之研究」,資訊管理學報:中華民國資訊管理學會會報,Vol. 9:1,第21-38頁。
10. 8.侯永昌、楊雪花,1998,「以模糊理論和遺傳演算法為基礎的中文文件自動分類之研究」,模糊系統學刊,第4卷,第1期,第45-57頁。
11. 6.林珊如,2002,「網路使用者特性與資訊行為研究趨勢之探討」,圖書資訊學刊,Vol. 17,第35-47頁。
12. 5.林俊佑,李青松,曾廣華,2002,「基於文件分類技術之資訊追蹤系統」,電腦與通訊,第99期,第133-144頁。
13. 1.卜小蝶,2001,「以圖書借閱記錄探勘加強圖書資源利用之探討」,中國圖書館學會會報,Vol. 66,第59-72頁。