臺灣博碩士論文加值系統

隨著5G技術的到來，對於資料數據的取得越來越容易，而新媒體的到來、取得管道的增加，純粹的原始資料價值也跟著越來越少，資料若是沒有經過妥善的整理和分析，其本身的價值不夠的。為了提升資料的價值，企業間往往開始對資料進行加工，即所謂的資料融合，由舊有的原始資料，生成出另一種能夠表示更多資訊的資料，進而產生該資料背後真正的價值。
本研究旨在將資料融合應用於資訊視覺化之模擬，透過蒐集網路上的開放資料作為主要進行資料融合之資料，結合資訊視覺化系統將資料融合後產生之資料呈現於網頁，以供後續不同使用者之服務需求進行資訊視覺化模擬之規劃與設計。
本研究以西門町的商圈徒步區為例，使用Google Place API蒐集徒步區內店家的資料當作網路聲量，融合捷運場站出口人數統計資料，作為商圈資料，將這些資料進行融合後，實際搭建出一個整合商圈資料、網路聲量、網路評論等資料之視覺化模擬系統。本研究並依據AT-ONE工作坊，邀請資料科學相關專業人士與會，共同討論出該系統之不同使用者以及不同的功能需求，以建立AHP層級分析因子，接著透過問卷調查其他專家的結果，透過一致性檢定，來顯示專家對於個構面因子間之比較是否具有連貫性與邏輯性，以及評估優化系統的優先順序性以及重要性。而根據AHP層級分析的結果顯示發現不同專家對於系統功能的需求要素有明顯的差異，如資料科學家對於資料融合的重要程度就大於資料蒐集，而資訊視覺化設計師則是覺得資料視覺化是最重要的因數，因為這才是對他來說能最重要的資訊的構面。
資訊視覺化的部分則是以熱點圖的方式將整理後的資料呈現於地圖中，讓使用者可以根據不同的需求選擇數據，於地圖上一目瞭然的知道該數據分佈於那些地區。另外本系統也結合機器學習技術，分析網路聲量的評論為正面或負面，將網路聲量的評論資料進行資料融合整理出的正負面評論加入系統中，以便使用者了解於不同情境下正負面評論的分佈區域。本研究的預測模型準確度在模型的測試集達到91%。
最後本研究基於整合資料融合與資訊視覺化應用的概念，建置一個「數位西門町」的模擬平台，此平台可以輸入各式數據資料，將這些資料進行「資料融合」後，模擬西門町商圈的行人與空間互動行為模式，並透過AT-ONE與AHP層級分析的評估，建構平台之前導研究基礎，建立該平台之需求功能與開發順序評估。
開發部分利用D3.js / Html / Google Map API，開發應用系統雛形介面，整合Google Map與收集的資料做結合，提供資訊視覺化的呈現方式 。

With the advent of 5G technology, it has become increasingly easy to accumulate data. With the advent of new media and the increase in access channels, the value of pure raw data has also decreased. If data is not properly sorted and analyzed, its value reduces. To enhance the value of data, companies often start to process it through so-called data fusion, from old original data to generate subsequent data that can express more information and thus generate the real value behind the data.
This research aims to apply data fusion to the simulation of information visualization, collect open data on the Internet as its main data fusion data, and combine the information visualization system to present the data generated after data fusion on the web page for subsequent differences planning and to design an information visualization simulation to meet users’ service needs.
This study takes the pedestrian area in the business district of Ximending as an example, uses Google Place API to collect data from the stores in the pedestrian area as the network voice volume, and integrates the statistics of the number of people exiting the MRT station as the business district data. After integration, a visual simulation system that integrates the business district data, internet volume, internet reviews, thus building other data. Based on the AT-ONE workshop, this research invites data science professionals to participate in meetings to discuss different system users and different functional requirements to establish AHP-level analysis factors and then survey the results of other experts through questionnaires. Consistency tests are used to show whether the comparisons between experts for each aspect factor are consistent and logical and to evaluate the priority and importance of the optimization system. According to the results of the AHP-level analysis, different experts have obvious differences in the required system function elements. For example, data scientists find data fusion more important than data collection, whereas information visualization designers consider data visualization the most important. The most important factor depends on which aspect is the most important information to the expert.
The information visualization part presents the sorted data on the map in the form of a heat map so that users can select data according to their different needs and understand where the data is distributed on the map at a glance. This system also combines machine-learning technology to analyze whether online voice comments are positive or negative. Positive and negative comments are merged into the system so that users can understand different situations and see the distribution area of positive and negative reviews. The accuracy of the prediction model in this study reached 91% in the model’s test set.
Finally, based on the concept of integrating data fusion and the information visualization application, this research builds a "digital Ximending" simulation platform. This platform can take all kinds of data as input and perform "data fusion" to simulate Ximending businesses. The interactive behavior mode examines pedestrians and spaces in the circle, constructs the platform's leading research foundation through AT-ONE and AHP level analysis, and establishes the platform's demand function and development sequence evaluation.
The development part uses D3.js/HTML/the Google Map API to develop the prototype interface for the application system, integrate Google Maps with the collected data, and provide a visual presentation of information.

摘要 I
Abstract III
致謝 VI
目錄 VII
表目錄 X
圖目錄 XII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究架構及概要 5
1.4 研究範圍與限制 9
第二章 文獻探討 10
2.1資料融合 10
2.1.1資料融合的發展與應用 11
2.1.2資訊融合的主要技術 13
2.2網路聲量 15
2.3 社群媒體網路聲量與大數據分析技術 17
2.4 資料敘事(Data-Driven Storytelling) 17
2.5 資訊視覺化 22
2.6 情感運算(Affective Computing) 24
2.7 AHP 層級分析法應用於創新服務之評估 25
2.8 小結 26
第三章 研究設計與方法 28
3.1 研究問題定義 28
3.2 研究範圍制定 30
3.3 研究範圍圖資收集 33
3.4 商圈資料收集 35
3.5現地觀察與資料收集 38
3.6 整合資料融合與資訊視覺化 41
3.7 AT-ONE 前導研究 43
3.8 AHP 層級分析 47
3.8.1 AHP的基本假設 47
3.8.2 AHP的層級與要素 48
3.8.3 AHP的評估尺度 49
3.8.4 AHP的操作流程 49
3.8.5 AHP 問卷調查 51
第四章 網路聲量資料處理 53
4.1 店家網路聲量資料收集 53
4.2 網路聲量分析 60
4.2.1 網路評論數分析 60
4.2.2 文本語意情感分析 64
第五章 系統規劃與雛形設計 70
5.1 AHP問卷設計 70
5.2 雛型系統架構與設計 74
5.3 資料內容定義 75
第六章 系統發展成果與研究評估 76
6.1 研究分析評估 76
6.1.1 問卷刻度轉換 77
6.1.2 AHP 專家問卷研究分析 78
6.1.3 資料科學家之AHP統計 78
6.1.4 資訊視覺化設計師之AHP 專家問卷統計 86
6.1.5 AHP 問卷分析總結 93
6.2 系統展示與流程介紹 95
6.2.1系統網站架構 95
6.2.2 系統使用流程 96
第七章 結論與建議 102
7.1 研究結論 102
7.2未來研究建議 106
參考文獻 108
外文文獻 108
中文文獻 110
網路資料 113
附錄 114
附錄1 AHP層級分析問券 114
附錄2 擷取商店資料格式 116
附錄3 Facebook 熱門文章資料結果 119

外文文獻
Castanedo, F. (2013). A Review of Data Fusion Techniques. SCIENTIFIC WORLD JOURNAL. https://doi.org/10.1155/2013/704504
Meng, T., Jing, X., Yan, Z., & Pedrycz, W. (2020). A survey on machine learning for data fusion. Information Fusion, 57, 115–129. https://doi.org/10.1016/j.inffus.2019.12.001
Lau, B. P. L., Marakkalage, S. H., Zhou, Y., Hassan, N. U., Yuen, C., Zhang, M., & Tan, U.-X. (2019). A survey of data fusion in smart city applications. Information Fusion, 52, 357–374. https://doi.org/10.1016/j.inffus.2019.05.004
Meadows, D. (2003). Digital storytelling: Research-based practice in new media. Visual Communication, 2(2),189-193. doi:10.1177/1470357203002002004
Nathalie Henry Riche, Christophe Hurter, Nicholas Diakopoulos, Sheelagh Carpendale (2018). Data-Driven Storytelling. CRC Press.
Picard, R. W. (1997) Affective computing. The MIT Press.
Saaty, T. L. (1990). How to make a decision: The analytic hierarchy process. European Journal of Operational Research, 48(1), 9-26. doi:10.1016/0377-2217(90)90057-I
Clatworthy, S. (2008). Innovations in service experiences; The AT-ONE method. Paper presented at the Proceedings of the 6th Conference on Design and Emotion.
Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1(1), 83. doi:10.1504/IJSSCI.2008.017590
Saaty ,T.L.,(1980).The Analytic Hierarchy Process, McGraw Hill,Inc.,NewYork.
Mohammadi, Mehdi, Ala Al-Fuqaha, and Jun-Seok Oh. Path Planning in Support of Smart Mobility Applications using Generative Adversarial Networks. arXiv preprint arXiv:1804.08396 (2018).
Pimenta, S., & Poovaiah, R. 2010. On defining visual narratives. Design Thoughts, 3, 25-46.
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., . . . Bengio, Y. (2014). Generative adversarial nets. Paper presented at the Advances in neural information processing systems.
Lee, B., Riche, N. H., Isenberg, P., and Carpendale, S. 2015. More than telling a story: A closer look at the process of transforming data into visually shared stories. IEEE Computer Graphics and Applications 35(5): 84–90.
 
中文文獻
洪杰文、歸偉夏.(2019). 新媒體技術:崧燁文化.
吳作樂, 吳秉翰. (2018). 圖解統計與大數據(2版)五南.
張閏婷. (2017). 圖像與文字輔助詩歌華語學習之成效比較. (碩士), 國立臺灣師範大學, 台北市.
鄭凱文(2020)。整合社群媒體網路聲量及深度學習於使用者空間互動體驗分析。國立臺北科技大學互動設計系碩士論文，台北市.
劉熹、趙文棟、徐正芹. (2019). 戰場態勢感知與資訊融合. 清華大學出版社
韓崇昭、朱洪豔、段戰勝. (2006). 多源信息融合. 清華大學出版社.
王千竹(2008)。聯邦Alpha-Beta-Gamma濾波器應用於分散式資訊融合之研究。育達商業技術學院資訊管理所碩士論文，苗栗縣.
高得欽, 梁珮蓉, 陳澤民, & 陳柏宇. (2019). 感知融合技術於自駕車之應用. 電腦與通訊 / CCL Technical Journal, 179, 20.
徐芳真. (2013). 基於消費者分群和資訊融合建立產品外型設計之情感反應模型.成功大學工業設計學系學位論文.
陳信宏、周佑誠、邱楫文 & 王兆璋(2015). 基於資料融合的長基線精確水下定位. 中國造船暨輪機工程學刊. 145.
林岑燕. (2019). 基於資料融合建置物件化3D LOD2建物模型之研究. 政治大學地政學系學位論文, 1.
張瑞瑞、陳春梅. (2018). 基於免疫進化的算法及應用研究:財經錢線文化有限公司
麥瑜庭 (2017). 網路聲量對股票市場報酬與波動之影響－以台灣金融控股公司為例. 碩士, 中國文化大學.
何季倫 (2018). 透過社群輿情分析探討餐飲類口碑操作方式-以咖啡廳產業為例. 碩士, 國立政治大學.
吳淑如 (2017). 品牌網路聲量應用於補習教育產業之研究. 碩士, 國立高雄應用科技大學.
謝邦昌、鄭宇庭、謝邦彥. (2019). 硬是愛數據應用股份有限公玩轉社群：文字大數據實作(2版): 五南
黃家祚、梁家隆 (2019). "大數據決勝點：圖控式文本分析平台 / Match Point of Big Data: Graphical Control of Text Mining Platform." 機械工業雜誌 / Journal of the Mechatronic Industry: 104.
阮明淑. (2019). 資料敘事分析之概念性框架初探. 圖書館學與資訊科學, 1, 97. https://doi.org/10.6245/JLIS.201904_45(1).0004
林奇賢、吳鍾淇、王秀鶯、郭育琦(2009)。中小學應用數位敘事技術與主題探索教學策略進行資訊融入教學的可行性研究。在全球華人計算機教育應用學會主編，第十三屆全球華人計算機教育應用大會(GCCCE2009)(頁 965-968)。臺北市：全球華人計算機教育應用學會。
臧國仁、蔡琰(2017)。敘事傳播：故事／人文觀點。臺北：五南圖書。
徐蘋、王照明 (2013). "智慧生活科技之資訊視覺化研究─以互動設計產品「Serenity」為例." 設計研究: 119.
王昱霖, 吳宗翰, 林峰㷲, 衷嵐焜 2015. 巨量資訊視覺化之研究, Environmental Behavior 37(6), 808–36.
鄧雅文 (2017). 資料視覺化與視覺資訊圖表於洞見提供及說服效果之比較. 碩士, 國立清華大學.
楊得聖 (2018). 網路資料視覺化研究. 碩士, 元智大學.
張紹勳、張任坊. (2019). 人工智慧(AI)與貝葉斯(Bayesian)迴歸的整合：應用STaTa分析: 五南
林威听(2019)。基於深度學習之電影評論文本情緒分析。國立臺北科技大學電子工程系碩士論文，台北市.
楊子玄(2017)。社群網路文本情緒分析：使用極性與情緒詞個數於推文極性分類。國立中山大學資訊工程學系研究所碩士論文，高雄市.
王聖銘、黃絜如、洪志元. (2018). 以層級式分析法探討響應式網頁設計之現況分析與實證研究. 資訊管理學報, 2, 149.
胡世雄(2014)。以層級分析法建構數位學習平台評選模式 —以軍方培訓單位為例。中國文化大學資訊管理學系碩士在職專班碩士論文，台北市.
鄧振源、曾國雄(1989)，層級分析法(AHP)的內涵特性與應用(上)，中國統計 學報，第 27 卷，第 6 期，頁 13707-13724。
鄧振源、曾國雄(1989)，層級分析法(AHP)的內涵特性與應用(下)，中國統計 學報，第 27 卷，第 7 期，頁 13767-13870。
褚志鵬(2009)，Analytic Hierarchy Process Theory 層級分析法(AHP)理論與實作。國立東華大學企業管理學系。
劉宸佑 (2019). 基於生成對抗網路之交通物件軌跡預測模型與訓練技術. 碩士, 國立臺北科技大學.
潘威翰 (2017). 應用開放資料分析都市功能性區域與人潮分佈. 碩士, 國立中央大學.
曾凡玲 (2003). 西門行人徒步區商業空間與消費者行為之研究. 碩士, 逢甲大學.
王小惠, 潘人豪, 蔡佩君, 陳怡姍 2016. 大數據資訊視覺化研究, 電腦資訊咖多媒體應用研討會, p 171 – 182, Pingtung, 30 May 2016.
 
網路資料
EDUCBA. (2018). Big Data vs Data Mining. 2020年6月5日，Retrieved from https://www.educba.com/big-data-vs-data-mining/
陳昇瑋、溫怡玲. (2019). 《人工智慧在台灣》：資料等於價值？人工智慧常見的五個迷思. 2020年6月5日，Retrieved from https://www.thenewslens.com/article/120409
Tsai,S. (2017). 資料視覺化 Data Visualization：圖表設計. 2020年6月5日，Retrieved from https://goo.gl/M3jkbZ
葉奕成. (2019). 淺談資料視覺化.2020年6月5日，Retrieved from https://scitechvista.nat.gov.tw/c/sT0L.htm
江凱狄. (2015). 情感計算. 2020年5月18日，Retrieved from https://www.digitimes.com.tw/tw/dt/n/shwnws.asp?id=0000440705_9b167t0y1jrkgv4govjyv
梁芝菱. (2020). 揭露Google五星店家的秘密！養出「網路好口碑」全靠這一招. 2020年6月12日，Retrieved from https://dailyview.tw/popular/detail/8568
臺北大眾捷運股份有限公司. (2018). 2020年6月7日，Retrieved from https://www.metro.taipei/News_Content.aspx?n=30CCEFD2A45592BF&sms=72544237BBE4C5F6&s=6F546F169B19D55A
中央通訊社. (2020). 2020年6月7日，Retrieved from https://www.cna.com.tw/project/20200416-metro/page3.html
Google Maps API - 熱度圖 ( Heatmap ). (2018) 2020年6月9日，Retrieved from https://www.oxxostudio.tw/articles/201802/google-maps-13-heatmap.html
jclian91.(2019)使用LSTM進行文字情感分析. 2020年5月18日，Retrieved from https://iter01.com/418571.html