問題的答案無所不包論文書籍站
中原大學 資訊管理研究所 吳肇銘所指導 蔡毓霖的 運用文字探勘技術於企業聲譽分析之研究-以企業社會責任為例 （2019），提出discovery線上看ptt關鍵因素是什麼，來自於企業聲譽、企業社會責任、文字探勘、深度學習、情緒分析。
而第二篇論文中原大學 資訊工程研究所 賀嘉生、鄭憲永所指導 傅彥仁的 以SNA技術進行虛擬討論社群之貼文樞紐分析 （2019），提出因為有 虛擬社群、RFM、SNA、資料視覺化的重點而找出了 discovery線上看ptt的解答。
運用文字探勘技術於企業聲譽分析之研究-以企業社會責任為例
為了解決discovery線上看ptt 的問題，作者蔡毓霖 這樣論述：
為持續保持競爭優勢，企業必需擁有良好的企業聲譽，而網路的發達及社群媒體的發展，讓許多企業高層開始重視社群媒體的影響力，希望能瞭解其在網路上的聲譽及形象。此外，近年來大眾相當看重企業對於整體經濟、公益活動、社會參與以及環境永續等社會責任相關議題，使得「企業社會責任」構面逐漸成為企業建立聲譽及形象的重要指標。因此，本研究以企業社會責任為例，透過文字探勘、深度學習技術為企業提出一適合衡量企業社會責任的指標及分析模組，藉由蒐集大眾於社群平台（PTT、FB）與企業相關新聞文本及評論留言進行新聞文本分類及情緒分析，來了解企業在網路的企業社會責任形象與聲譽。 本研究針對網路搜集之企業新聞文本以「企業
社會責任」構面進行標記，並使用SVM、CNN及LSTM三種方法進行分類、比較，找出構面分類成效較佳之方法；此外，針對各構面透過CNN、LSTM及Bi-LSTM方法將企業評論留言進行情緒分類，分別計算出企業在各構面評論留言之正負面情緒及情緒分數，以呈現企業在企業社會責任之表現與形象。 經本研究搜集之企業「企業社會責任」資料與提出模型分析結果，研究結論主要如下：(1)在新聞文本分類模型中，SVM分類效果相對最為穩定；(2)在情緒分類模型中，Bi-LSTM分類成效最佳，準確率皆達80%以上；(3)透過情緒分析過程，亦發現不同資料來源會呈現出不同評論留言情緒傾向，PTT資料集的評論留言所呈現之情緒以
負面居多、Facebook資料集的評論留言情緒表現則正負情緒涵蓋較為平衡；(4)將情緒分析各企業的情緒得分結果與天下雜誌「2019 天下CSR企業公民獎」之得獎排名進行比對後，證實本研究提出之模型架構可以有效用於分析企業在企業社會責任之表現，清楚了解網路大眾對企業在企業社會責任各構面之看法及情緒傾向，並藉此預測出企業間的社會責任排名及評定企業聲譽。
以SNA技術進行虛擬討論社群之貼文樞紐分析
為了解決discovery線上看ptt 的問題，作者傅彥仁 這樣論述：
本研究將數據知識挖掘分為四個階段，第一階段為數據的預處理與轉換，檢視討論區目前大致經營情況；第二階段將文章做分層與分群，了解什麼樣的文章吸引作者回應；第三階段將作者做分層與分群，找出不同作者喜好；第四階段，找出文章與作者之間關連，並整理分析過程中的觀察重點，評估結果討論不同層的文章與作者之間關係，作為未來討論區經營者廣告投放與發佈文章內容之參考。數據知識挖掘第一階段將文章與作者分組；第二階段與第三階段，利用RFM將文章與作者分層，找出低價值層與高價值層的文章與作者，以社群網路分析將分層後的文章與作者分群，並且找出文章樞紐與作者樞紐；第四階段以交叉矩陣顯示文章標籤樞紐與作者樞紐關聯，找出文章與
作者之間關係；最後將所有階段的觀察重點整理成總表呈現。實驗以三個社群網站討論區Facebook粉絲專頁OL365、Mobile01生活版、PTT電影版為案例，Facebook粉絲專頁OL365資料擷取時間範圍為2016年1月18日～2018年12月30日總共73,983筆資料，分析結果不管文章標籤是低價值層文章或高價值層文章與作者樞紐關聯最多的文章標籤是「OL小劇場」；Mobile01生活版資料擷取時間範圍為2004年8月29日～2019年6月18日總共1,420,664筆資料，從低價值層文章樞紐與作者樞紐關聯中看到沒有任何的連結，在高價值層文章樞紐與作者樞紐關聯中最多的文章標籤是「籃球」；P
TT電影版資料擷取時間範圍為2002年6月10日～2018年12月31日總共746,378筆資料，在低價值層文章樞紐與作者樞紐關聯中看到沒有任何的連結，高價值層文章樞紐與作者樞紐中最多連結的文章標籤「香港」。討論區經營者透過本研究結果，經營者將作者喜好的文章投放給作者，提高或維持在討論區的活躍度，經營者針對最受作者喜好的文章標籤，編寫發布新的文章內容，吸引新進使用者，可以更有效率擬定文章廣告投放對象與社群經營。