Nolan ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

探討台灣外送平台之使用者使用狀況－以Uber Eats與foodpanda為例

為了解決Nolan ptt的問題，作者謝承宏 這樣論述：

外送平台在台灣發展已逐漸成熟，它提供了想節省時間、不想外出或是天氣因素而無法去購買餐點的人一個很好的解決辦法，因此對於外送平台而言，了解使用者滿意度相當重要。使用者是最能直接接觸外送平台及合作餐廳的人，本研究採用批踢踢實業坊(PTT)取得使用者的線上評論作為樣本資料，蒐集的時間是2019年6月1日至2020年12月31日並蒐集到只使用過foodpanda的使用者為190人；只使用過Uber Eats的使用者為76人；同時使用過兩間外送平台的使用者為123人，利用描述性分析、成對樣本t檢定與Apriori關聯規則分析，對台灣兩大外送平台使用者的使用狀況進行調查。研究結果顯示只使用Uber Ea

ts的使用者認為主要優點在於退款的即時性、售後服務好、外送人員的態度好以及平台的回應速度佳，主要缺點在於外送人員的態度差、售後服務差、客服人員的態度差與優惠活動少。兩者同時使用的使用者給予Uber Eats正面評價在於配送訂單的速度快、客服人員的態度好、外送人員的態度好、售後服務好、平台的回應速度佳與平台的操作流程簡單；負面評價在於優惠活動少、外送人員的態度差以及售後服務差。只使用foodpanda的使用者認為主要優點在於優惠活動多、店家選擇多、售後服務好與退款的即時性，主要缺點是外送人員的態度差、售後服務差、客服人員的態度差、配送訂單的速度慢與平台的穩定性差。兩者同時使用的使用者給予food

panda正面評價在於平台價格與店內價格一樣、運費低、優惠活動多；負面評價在於外送人員態度差、售後服務差、客服人員態度差以及配送訂單的速度慢。Apriori關聯規則分析則發現一條foodpanda的規則，當外送平台使用者對外送人員的態度與售後服務不滿意時，同時會對客服人員的態度不滿意。透過調查台灣兩大外送平台的使用者使用狀況，了解使用者如何去選擇外送平台，以提供外送平台業者在使用者的角度即時做出改善與調整，避免流失既有的使用者族群，也藉此吸引新的使用者。關鍵詞：外送平台、使用者滿意度、社群論壇、關聯規則

以機器學習方法建立社群身份辨識模型

為了解決Nolan ptt的問題，作者江芃樺 這樣論述：

全球女性癌症發生率最高為乳癌，台灣每年罹患乳癌的病人日益增加，女性癌症發生率排名第一位，罹患乳癌的機率頗高，而乳房是屬於比較隱私的部位，因此，婦女容易因為社會觀感或對疾病的不瞭解，導致參與篩檢之意願不高，進而錯過最初的黃金治療期。本研究透過蒐集不同社群媒體上(PTT、Mobile01)民眾對於乳癌篩檢的看法、詢問或是經驗分享交流等留言與回覆，運用資料探勘的技術進行特徵的擷取與選擇，以機器學習的方法建立身份辨識模型，以樸素貝葉斯、決策樹、支持向量機(SVM)這三種演算法，來進行性別、職業以及人格特質的預測，年齡區間與地區分析是從不同的角度切入去看發文頻率。實驗結果：樸素貝葉斯演算法應用在性別、

職業以及人格特質三項分析中整體準確度較為穩定，預測後發現發文很少人提到工作，有工作：397人、無法辨識：2419人，人格特質是一篇文章預測三種人格特質各別的機率，沒有一種達六成將會被判斷成無法辨識，可以辨識935篇，無法辨識1875篇，在性別分析證實使用三個模型進投票的結果高於三個模型各別的準確度0.034。年齡區間分析發現20-40歲之間的民眾上網路詢問自己身體問題的程度較高，同時針對地區發文頻率發現北部地區頻率較高，希望未來這些模型能作為疾病相關身份辨識模型的基礎。