| dc.contributor.advisor | 謝明華 | zh_TW |
| dc.contributor.author (Authors) | 支向理 | zh_TW |
| dc.contributor.author (Authors) | Chih, Hsiang-Li | en_US |
| dc.creator (作者) | 支向理 | zh_TW |
| dc.creator (作者) | Chih, Hsiang-Li | en_US |
| dc.date (日期) | 2019 | en_US |
| dc.date.accessioned | 12-Feb-2019 15:44:00 (UTC+8) | - |
| dc.date.available | 12-Feb-2019 15:44:00 (UTC+8) | - |
| dc.date.issued (上傳時間) | 12-Feb-2019 15:44:00 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0105932415 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/122270 | - |
| dc.description (描述) | 碩士 | zh_TW |
| dc.description (描述) | 國立政治大學 | zh_TW |
| dc.description (描述) | 經營管理碩士學程(EMBA) | zh_TW |
| dc.description (描述) | 105932415 | zh_TW |
| dc.description.abstract (摘要) | 本研究採用機器學習之迴歸預測方法，以資料科學競賽平台Kaggle所提估之公開資料集，建立預測線上影音網站Youtube趨勢（熱門）影片上榜天數的預測模型。第一次訓練先使用原資料集之四個數值變數（累計瀏覽人數、累計按喜歡數、累計按不喜歡數、累計評論數）建構模型，第二次訓練透過Python中自然語言處理的情感分析方法，將影片敘述欄位轉化為數值的正面及負面情緒分數，以加入迴歸模型之新變數進行分析，第三次訓練則將原資料集影片分類的欄位透過scikit-learn中的One-Hot-Encoder工具將類別變數轉為數值變數加入模型，三次訓練皆以線性迴歸、決策樹、隨機森林三種學習方法比較預測效果，最終以隨機森林模型效果最佳。 | zh_TW |
| dc.description.tableofcontents | 第壹章、緒論 5第一節、研究背景與動機 5第二節、研究目的 7第貳章、文獻回顧 8第一節、人工智慧(Artificial Intelligence, AI) 8第二節、機器學習 11第參章、媒體及娛樂業市場 19第一節、全球媒體及娛樂業發展現況 19第二節、台灣媒體及娛樂市場發展趨勢 22第肆章、實證分析 25第一節、資料集介紹 25第二節、資料集分析 27第三節、選擇訓練模型 35第四節、模型分析結果 37第伍章、結論與未來改善 40第陸章、參考文獻 42 | zh_TW |
| dc.format.extent | 1876634 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0105932415 | en_US |
| dc.subject (關鍵詞) | 人工智慧 | zh_TW |
| dc.subject (關鍵詞) | 機器學習 | zh_TW |
| dc.subject (關鍵詞) | 線上影音 | zh_TW |
| dc.subject (關鍵詞) | Machine-learning | en_US |
| dc.subject (關鍵詞) | AI | en_US |
| dc.subject (關鍵詞) | Youtube | en_US |
| dc.title (題名) | 以人工智慧方法預測Youtube趨勢影片 | zh_TW |
| dc.title (題名) | Using artificial intelligence to predict Youtube trending video | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 中文文獻資誠聯合會計師事務所（民106年6月7日）。2017 全球與臺灣娛樂暨媒體業展望報告。取自：https://www.pwc.tw/zh/news/press-release/press-20170607.html創市際雙週刊第七十一期（民105年9月19日）。影音網站調查與台灣影音相關網站使用概況。取自：http://www.ixresearch.com/wp-content/uploads/report/InsightXplorer%20Biweekly%20Report_20160919.pdf英文文獻Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python: analyzing text with the natural language toolkit. " O`Reilly Media, Inc.".Chui, M., & Francisco, S. (2017). Artificial intelligence the next digital frontier?. McKinsey and Company Global Institute, 47.Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. " O`Reilly Media, Inc.".PwC. (2018). Global Entertainment & Media Outlook 2018–2022. Retrieved from https://www.pwc.com/gx/en/industries/tmt/media/outlook.htmlRussell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Malaysia; Pearson Education Limited,.Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge university press.Towards Data Science. (2018). Top AI and Machine Learning Trends in Media and Entertainment. Retrieved from https://towardsdatascience.com/top-ai-and-machine-learning-trends-in-media-and-entertainment-823f7efea928 | zh_TW |
| dc.identifier.doi (DOI) | 10.6814/THE.NCCU.EMBA.028.2019.F08 | en_US |
