臺灣博碩士論文加值系統

台灣觀光資訊入口網站（http://taiwan.net.tw）每天約有一萬人次上網，在這無形中已經儲存著數以兆計由0與1所組成的磁性記憶與資料，我們運用資料採礦技術嘗試將龐大資料轉化成寶貴的資訊以供相關決策人員參考。
本研究時間為2004/2/1到2004/4/30共三個月時間，針對台灣觀光資訊入口網站之網站日誌檔（log files）透過WEB TREND 、SPSS 、SPSS CLEMENTINE等軟體工具，對其作相關瀏覽行為之分析。
主要分析結果為：一、網路使用方面：每人上網瀏覽頁數平均為四頁，且停留時間以一分鐘內占最多人數，上網時段以平日人數較多於週末，一天內平均有三階段上網人潮，分別為早上九點到十一點、下午三點到五點、晚上八點到十一點。二、交叉分析方面：點選時間與旅遊型態有顯著差異。三、關聯分析方面：不同旅遊景點類型其相關點選的旅遊景點不同。本研究最後並提出相關建議及策略供產、官、學界參考。

There are at least 10,000 people browsing the Tourism information Portal of Taiwan（http://taiwan.net.tw/）and billions of the magnetic memory and data have already being stored, which are composed of 0 and 1. We provide references, which we transfer the great amounts of data into valuable information via Web mining technique to the decisive members.
The study period is three months—from 2004/2/1 to 2004/4/30, and it focuses on the log files of Tourism information Portal of Taiwan, which was analyzed via WEB TREND 、SPSS 、SPSS CLEMENTINE.
The results are as follows:
1. Internet usage: Averagely, each person browses four pages each day, and most people’s browsing time is within one minute. There are more people surfing the Internet during weekdays, and there are least people surfing the Internet on weekends. There are 3 periods of the Internet—the first period is from 9: 00 am to 11:00 am; the second period is from 3: 00 pm to 5:00 pm; the third period is from 8: 00 pm to 11:00 pm.
2. Cross-analysis: the click time and types of traveling show great differences.
3. Connected analysis: The types of different tourists attractions are also different from click tourists attractions.
We offer the suggestions and strategies according the above results to the industry, the administrator, and the academic.

第一章 : 緒論
第一節：前言 p.1
第二節：研究動機 p.2
第三節：研究範圍與目的 p.4
第四節：研究流程 p.5
第二章：文獻回顧
第一節：我國觀光發展現況分析 p.6
第二節：Web mining 網路探勘 p.12
第三節：觀光資源分類 p.34
第三章：研究方法
第一節： 調查方法及抽樣之擇定 p.41
第二節 : 研究架構 p.44
第三節：研究問題與假設 p.49
第四節 : 研究工具 p.53
第四章：網路記錄檔案分析與發現
第一節：瀏覽行為分析 p.54
第二節：交叉分析 p.72
第三節：關聯分析 p.83
第五章：結論與未來展望
第一節：結論與建議 p.96
第二節：未來研究方向 p.107
第三節：研究限制 p.113
參考文獻 p.114
附錄1：網頁欄位

圖目錄：

圖1-1-1、研究流程 p.5
圖2-1-1、台灣觀光資訊入口網站首頁 p.9
圖2-1-2、台灣觀光資訊入口網站首頁配置圖 p.9
圖2-2-1、web mining之分類 p.16
圖2-2-2、web usage mining的架構圖 p.18
圖3-1-1、資料轉化流程圖 p.43
圖3-2-1、資料倉儲架構圖 p.45
圖3-2-2、研究架構圖 p.48
圖4-1-1、二月上站造訪流量 p.57
圖4-1-2、二月使用者一週使用之變化情形 p.57
圖4-1-3、三月上站造訪流量 p.58
圖4-1-4、三月使用者一週使用之變化情形 p.58
圖4-1-5、四月上站造訪流量 p.58
圖4-1-6、四月使用者一週使用之變化情形 p.58
圖4-1-7、二月使用者1 天24 小時使用之變化情形 p.59
圖4-1-8、三月使用者1 天24 小時使用之變化情形 p.60
圖4-1-9、四月使用者1天24小時使用之變化情形 p.60
圖4-1-10、二月我國觀光資訊入口網站主要網域分佈 p.68
圖4-1-11、三月我國觀光資訊入口網站主要網域分佈 p.68
圖4-1-12、四月我國觀光資訊入口網站主要網域分佈 p.68
圖4-2-1、觀光系統圖 (Gunn1988) p.82
圖4-3-1、各旅遊類型對「主題樂園」之web關聯圖 p.86
圖4-3-2、台灣八大主題樂園之分部 p.87
圖4-3-3、各旅遊類型對「故宮」之web關聯圖 p.89
圖4-3-4、各旅遊類型對「秀姑巒溪泛舟」之web關聯圖 p.91
圖4-3-5、各旅遊類型對「會議展覽」之web關聯圖 p.93
圖4-3-6、各旅遊類型對「國際觀光旅館」與「航空」之web關聯圖 p.94
圖5-2-1、故宮網頁建議圖 p.101
圖5-2-2、秀姑巒溪網頁建議圖 p.102
圖5-2-3、會議展覽網頁建議圖 p.103


表目錄：

表2-1-1、91年旅客來台前看過台灣旅遊報導之來源 p.6
表2-1-2、91年來台旅客未來希望取得台灣旅遊資訊來源 p.7
表2-1-3、91-92來華旅客居住別及目的 p.7
表2-1-4、台灣與亞洲其他重要國家之到訪人數表 p.8
表2-2-1、網路特性 p.13
表2-2-2、網站流量分析、使用者回饋調查及稽核的抽樣調查比較 p.15
表2-2-3、Web Mining 功能與應用 p.26
表2-2-4、關於Web Mining相關文獻探討 p.29
表2-3-1、觀光資源分類 p.35
表2-3-2、休閒時間類型與遊憩活動類型及資源之關係 p.37
表2-3-3、觀光據點停留時間分類 p.37
表2-3-4、台灣觀光資訊入口網站相關變數 p.39
表3-1-1、資料欄位 p.42
表3-1-2、路徑範例 p.43
表3-1-3、URL導入範例 p.44
表3-2-1、旅遊類型編碼 p.46
表3-2-2、地區編碼 p.47
表3-2-3、停留時間編碼 p.48
表3-3-1、休閒時間類型與遊憩活動類型及資源之關係 p.50
表3-3-2、觀光據點停留時間分類 p.50
表3-3-3、停留時間編碼 p.50
表3-4-1、研究工具 p.53
表4-1-1、二、三、四月之瀏覽人數 p.54
表4-1-2、二、三、四月網路使用者變化情形 p.57
表4-1-3、一週上站造訪狀況（二月） p.57
表4-1-4、一週上站造訪狀況（三月） p.58
表4-1-5、一週上站造訪狀況（四月） p.58
表4-1-6、二月到四月每次參觀page views數目之百分比 p.61
表4-1-7、觀光局資訊入口網站停留時間 p.63
表4-1-8、148URL欄位點選率之排名 p.65
表4-1-9、觀光資訊入口網站主要網域分佈 p.67
表4-1-10、二、三、四月觀光資訊入口網站出現錯誤訊息統計 p.69
表4-1-11、運用LOG網路分析，提供執行人員之決策方向 p.71
表4-2-1、二、三、四月旅遊型態*星期別交叉分析 p.73
表4-2-2、台北都會旅遊＊星期點選次數、占台北都會之旅內及占總數
之百分比率 p.76
表4-2-3、登山露營活動＊星期點選次數、占登山露營內及占總數之
百分比率 p.77
表4-2-4、離島之旅＊星期點選次數、占離島之旅內及占總數之百分比率p.78
表4-2-5、兩日行程＊星期點選次數圖、占兩天以上行程內及占總數之
百分比率 p.80
表4-2-6 、三日行程＊星期點選次數圖、占三天以上行程內及占總數之
百分比率 p.80
表4-2-7、住宿＊星期點選次數圖、占住宿內及占總數之百分比率 p.82
表4-3-1、Support與 confidence之差異 p.85
表4-3-2、主題樂園GRI模型關聯分析之訓練一 p.85
表4-3-3 、主題樂園GRI模型關聯分析之訓練二 p.85
表4-3-4、故宮GRI模型關聯分析之訓練 p.88
表4-3-5 、秀姑巒溪泛舟之GRI模型關聯分析之訓練 p.90
表4-3-6 、會議展覽GRI模型關聯分析之訓練 p.92
表5-1-1、主題樂園相關建議行程 p.100
表5-2-1、問卷調查、實驗室觀察法及訪談之調查內容 p.107

丁一賢（2001）。運用網頁探勘為基礎的個人化技術於網路廣告之探討。彰化師範大學資訊管理學系碩士論文，未出版，彰化。
行政院經建會住宅及都市發展處（1983）。臺灣地區觀光遊憩系統之研究。台北。
行政院經建會都市及住宅發展處（1989）。臺灣地區各生活區居民戶外遊憩活動之研究。台北。
行政院經濟建設委員會都市及住宅發展處，（1991），台灣戶外遊憩政策之研究，台北。
沈兆陽（2002）。資料倉儲與ANALYSIS SERVICES SQL SERVER 2000 OLAP解決方案。台北：文魁。
吳凱雯（2001）。利用資料採礦技術提供網際網路使用者個人化服務。靜宜大學資訊管理學系碩士論文，台中。
何昶毅（2001）。以網頁探勘技術提供一對一個人化服務。東海大學企業管理學系碩士論文，未出版，台中。
李貽鴻（1995）。觀光行銷學。台北：五南。
林佩璇（2001）。入口網站會員特性模式之分析與行銷策略之制訂—以國內某入口網站為例。國立政治大學/資訊管理學系碩士論文，未出版，台北。
林晏州（1984）。遊憩者選擇遊憩區行為之研究。都市與計畫，10， 33-49。
周錚瑋（2001）。擷取使用者最有興趣的關聯式法則-以資管系學生成績資料分析為例。中國文化大學資訊管理研究所碩士論文，未出版，台北。
馬惠玲（2003）。台灣地區國內旅遊市場區隔變數之研究。逢甲大學建築及都市計畫研究所碩士論文，台中。
曹正（1979）。東北角海岸風景特定區研究報告。交通部觀光局委託。
陳孟豪（2002）。一個針對XML網頁特性的資料探勘架構。靜宜大學資訊管理系碩士論文，未出版，台中。
陳建銘（2001）。類神經網路於Web Mining之應用。台北科技大學商業自動化與管理研究所碩士論文，未出版，台北。
彭湘梅（1996）。以使用性工程發展全球資訊網頁之研究：以臺北愛樂全球資訊網頁為例。國立交通大學，台北。
游政憲（2000）。網路瀏覽行為線上分析機制之研究。八十九年度全國管理碩士論文獎暨研討會。
黃汝棋（2003）。考慮文件資訊價值之快取置換策略。朝陽科技大學資訊管理系碩士論文，未出版，台中。
楊勝博（1999）。隔週休二日國內旅遊參與型態影響之研究—以九族文化村、劍湖山世界遊樂區為例。逢甲大學建築及都市計畫研究所碩士論文，未出版，台中。
楊昇宏（2000）。資料採礦應用於找尋瀏覽網頁之型樣。逢甲大學資訊工程研究所碩士論文，未出版，台中。
楊煜愷（2001）。以完全項目集合演算法挖掘與分析使用者瀏覽行為。暨南國際大學資訊管理研究所碩士論文，未出版，南投。
盧木賢（2002）。資料採掘應用於Web Marketing。淡江大學資訊工程學系碩士論文，未出版，台北。
鄭安授（2001）。電子報使用者瀏覽行為之描繪—以交大學生為例。國立交通大學傳播所碩士論文，未出版，新竹。
鄭旭峰（2001）。運用資料採礦技術於個人化網路廣告系統之建置。逢甲大學企業管理研究所碩士論文，未出版，台中。
蘇育民（2001）。意圖行為於網路瀏覽習慣探勘之探索。義守大學資訊工程學系碩士論文，未出版，高雄。
薛明敏（1981）。觀光的構成。台北：餐飲雜誌社出版。 pp.67-74。
蔡麗伶(譯)（1990）。Mayo E. J. ＆ L. P. Jarvis著。旅遊心理學。台北：揚智。
Berry, M. J., & Linoff, G. (1997). Data Mining Techniques for Marketing, Sales and Customer Support, Wiley.
Berry, M. J., & Linoff, G. (2003).Web, Sales and Customer Support, Wiley.
Cooley, R., Mobasher, B., & Srivastava, J. (1997). “Web Mining Information and Pattern Discovery on the World Wide Web”, Proceedings of Ninth IEEE International Conference on Tools with Artificial Intelligence.

Fayyad, U., (1998). “Mining Database: Towards Algorithms for knowledge Discovery”，IEEE Computer Society Technical Committee on Data Engineering.
Gunn, C., (1988). Vacationscapes: Designing tourist regions. New York: Van Nostrand Reinhold.
Marchionini, G., (1995). Information Seeking in Electronic Environments. New York: Cambridge University Press. , p.100.
Kelly, J., ＆ Godbey, G..（1992）.Time in time out. The Sociology of Leisure. pp.173-190. State College, PA : Venture.
Kay T., ＆ Jackson G.（1991）. Leisure despite constraint: The impact of leisure constraint on leisure participation. Journal of Leisure Research, 23（4）, 301-313.
Newman, M., & Landay, J. (2000). Sitemaps, Storyboards, and Specifications: A sketch of web site design practice. DIS’00, pp. 263-274.New York: ACM Press.
Pieter, A., & Dolf, Z. (1996). Data Mining, Addison Wesley Longman.

【網路資料】
http://ecommerce.vanderbilt.edu/cmepaper.revision.july11.1995/cmepaper.html
http://www.computer.org/proceedings/hicss/0001/00015/00015042abs.htm.
http://www.taiwan.net.tw/lan/cht/index/
http://www.dgbasey.gov.tw/
http://www.twnic.com.tw
Nua Internet surveys(http://www.nua.com/surveys/).
IDC Taiwan(http://www.idc.com.tw/c_default.htm).
Internet Software Consortium(http://www.isc.org/).