高雄銀行數位帳戶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

應用情緒分析於數位存款帳戶

為了解決高雄銀行數位帳戶ptt的問題，作者白雅琴 這樣論述：

科技進步伴隨著人們生活型態的轉變，傳統金融業需要不斷地創新與轉型。金管會於2016年發布《金融科技發展策略白皮書》，以2020年為期的四年規劃推動金融科技產業的發展，開放多項業務線上申請作業，其中數位存款帳戶業務隨著開戶對象及帳戶類型逐步放寬，業務數量也成倍數增長。據金管會統計，截至2020年12月底數位存款帳戶數量已達到646.3萬戶，年成長逾90%，然而在2019年金管會正式公布三家業者取得純網銀執照，並於2021年陸續搶先開業，數位存款帳戶業務勢必成為關注焦點。自2021年純網銀陸續開業之後，瞭解客戶需求及使用意願將會是能在市場上競爭的重要關鍵因素。本文研究對象為申請數位存款帳戶用戶數

量前十名之銀行，利用網路爬蟲抓取批踢踢實業坊(PTT)與數位存款帳戶相關文章及留言，進而使用文字探勘與情緒分析技術，瞭解各家銀行所提供數位存款帳戶業務之使用者滿意度，其能讓各家銀行進一步了解使用者需求，作為和其他銀行競爭優劣勢的參考。

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

為了解決高雄銀行數位帳戶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。