臺灣博碩士論文加值系統

近年來深度學習的理論越來越被討論及運用於各種商業、醫學、銀行、工業、資料分析等等領域，現在可以說是人工智慧運用的百花齊放的時代，文字探勘可以說是運用於資料分析的一種最為普遍演算法，尤其是非結構化資料型態的分析。
本研究是將文字探勘演算法運用於自動化測試的測試結果分析，一般來說自動測試的測試結果包含系統資訊、程式運算結果，其資料型態可以說是典型的非結構化資料，如果不將其分析處理， 一般人是不容易去分析它的，而測試人員為了分析測試結果又需要花費不少時間，文字探勘正好可用於這方面的解決方案。
在本研究結果顯示出文字探勘確實可以為自動化測試增加處理效率，有效的幫助軟體開發的效率，快速的處理非結構化資料成為結構化資料，取代人工分析測試結果，進而增加企業的競爭力。

In recent years, the theory of deep learning has been discussed and applied to various fields of commerce, medicine, banking, industry, data analysis, etc. It can be said that it is the Artificial Intelligence age of hundred flowers bloom. Text Ming can be said to be applied to data analysis. One of the most common algorithms, especially the analysis of unstructured data types.
This study is to analyze the test results of the text mining algorithm for automated testing. Generally, the test results of the automatic test include system information and programming operation results. The data type can be said to be typical unstructured data. The analysis and processing is not easy to analyze it, and the tester takes a lot of time to analyze the test results, and the test mining can be used for this solution.
The results of this study show that text mining can indeed increase the processing efficiency for automated testing, effectively help the efficiency of software development, and quickly process unstructured data into structured data, replacing manual analysis test results, thereby increasing the competitiveness of Enterprises.

中文摘要 i
ABSTRACT ii
目錄 iii
圖表目錄 …………………………………………………………………………….………...v
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究動機 3
1.3 研究目的 4
1.4 研究範圍與限制 5
1.5 論文架構與流程 5
第二章 文獻探討 6
2.1 軟體自動化測試理論 6
2.2 應用文字探勘於資訊管理領域研究趨勢 7
2.3 文字探勘技術關鍵字向量計算 8
第三章 研究方法 11
3.1 建構資料庫 11
3.2 文字探勘的模型建立 13
3.3 數據分析預測 15
第四章 研究結果 17
4.1 定義問題 17
4.2 人工分析測試數據的效率評估 20
4.3 利用文字探勘取代人工分析測試數據 21
4.4 自動化分析測試數據的效率評估 25
4.5 理想性評估 34
第五章 結論與建議 35
5.1 結論 35
5.2 研究貢獻 35
5.3 未來研究方向 36

參考文獻 36
附錄 38

中文參考文獻
1.吳季嫻（2018）。文字探勘: 應用於閱讀者分群與文章主動推薦系統。靜宜大學財務與計算數學系碩士論文，台中市。
2.柯成春（2018）。構建文字探勘工作流程系統之研究。國立中山大學資訊管理學系研究所碩士論文，高雄市。
3.陳勁瑋（2018）,利用文字探勘技術分析閱讀偏好與推薦文章。國立雲林科技大學資訊管理系碩士論文，雲林縣。
4.章秉純（2002）。以機器學習與文字探勘技術解整合文件分類問題。國立臺灣大學資訊工程學研究所碩士論文，台北市。
5.葉政邦（2008）,軟體自動化測試應用於資訊系統維護之研究。國立臺灣科技大學資訊管理系碩士論文，台北市。 取自https://hdl.handle.net/11296/t6n52e
6.廖彥婷（2018）。潛在類別分析於文字探勘之應用。國立政治大學統計學系碩士論文，台北市。
7.蔡蕙琪(2009)，BIOS自動化測試系統建立流程及適用性之研究。國立臺灣科技大學資訊管理系碩士論文，台北市。
8.蕭惠如（2017）。應用文字探勘於資訊管理領域研究趨勢。銘傳大學資訊管理學系碩士在職專班碩士論文，台北市。

英文參考文獻
1.Tan A (1999), Text Mining: Promises And Challenges (1999) , In South East Asia Regional Computer Confederation (SEARCC'99).
2.Tsantis Linda,Castellani John(2001),Enhancing learning environments through solution-based knowledge discovery tools: Forecasting for self-perpetuating systemic reform (2001),pp1-35
3.Ingvaldsen Jon Espen and Gulla Jon Atle (2012),Industrial application of semantic process mining,pp139-169