論文代寫行情ptt的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

運用情境感知方法於熱門美食推薦系統

為了解決論文代寫行情ptt的問題，作者羅伊哲 這樣論述：

近年來，隨著網際網路的快速發展，資訊量已經由不足變成超載。而目前推薦系統已應用在各式各樣的領域來解決資訊超載的問題，但美食領域的應用卻還很少，也沒有考慮使用者當下的情境。另外，隨著資訊時代的來臨，美食論壇蓬勃發展，論壇中的文章也漸漸變成影響使用者選擇的因素之一。因此，本研究實作了一個美食推薦系統，系統的情境資訊包含了實體環境中的天氣、溫度，以及虛擬網路環境中的熱門程度。推薦系統的建立，使用了Microsoft的機器學習平台Azure Machine Learning Studio所提供的混合式推薦演算法，而我們也自行撰寫了R與Python的程式碼進行情境變數的探勘與計算，並將之融入推薦系統，

最後排序出符合使用者偏好及當下情境的推薦結果。

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

為了解決論文代寫行情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。