股票這個價位要不要買論文書籍站
國立聯合大學 資訊管理學系碩士班 馬麗菁所指導 吳家豪的 運用文字探勘於線上健康類新聞之分析與預測─巨量資料架構 （2015），提出癌症 新藥 概念股關鍵因素是什麼，來自於文字探勘、商業智慧、巨量資料、健康新聞、預測。
運用文字探勘於線上健康類新聞之分析與預測─巨量資料架構
為了解決癌症 新藥 概念股 的問題，作者吳家豪 這樣論述：
近年來台灣受到食安風暴及環境污染等事件影響，健康議題常受到大眾的關注。因此，本研究針對線上健康類新聞的標題與內文，利用文字探勘技術，支援向量機、順序邏輯迴歸與決策樹三種預測方法，進行按讚數多寡的分析與預測，並分析四種不同的縮減概念維度與三種不同預測方法的組合，以找出預測正確率最高的組合，以預測新文章的按讚數多寡，並進一步以 Hadoop 為巨量資料平台，Spark為主要的平行運算框架，進行巨量資料預測與分析。研究結果顯示，按讚數較多的標題常包含疫苗防治與慢性病等議題的相關詞彙；而對於標題包含警語類與飲食類的新聞標題的按讚數較少；在預測方法上，以支援向量機搭配50縮減概念維度組合的預測正確率最
高。在巨量資料分析部份，實驗結果顯示，當資料筆數固定時，迭代次數越多，Spark的執行時間也會增長，但運算時間的增加幅度遠小於迭代次數的增加幅度；以不同Slave Nodes數量來看，2台Slave Nodes與3台Slave Nodes的運算時間差異不大，但與1台Slave Node相比，則有明顯的差異。而在不同資料筆數的測試中，資料量少的情況下，Slave Nodes數量影響執行時間的差異並不明顯，當資料量夠大時，在執行時間上就能看出有明顯的差異。本研究分析結果可供讀者及業者參考，業者亦可依據此分析與預測結果，篩選較受歡迎的健康新聞，或是將更多的資源投入在該類議題中，進一步吸引更多讀者上線
閱讀與回應；本研究的巨量資料架構規劃與分析結果，亦可供後續相關研究參考。