| dc.contributor.advisor | 謝明華 | zh_TW |
| dc.contributor.advisor | Hsieh, Ming-Hua | en_US |
| dc.contributor.author (Authors) | 莊家榮 | zh_TW |
| dc.contributor.author (Authors) | Chuang, Chia-Jung | en_US |
| dc.creator (作者) | 莊家榮 | zh_TW |
| dc.creator (作者) | Chuang, Chia-Jung | en_US |
| dc.date (日期) | 2019 | en_US |
| dc.date.accessioned | 5-Feb-2020 17:39:07 (UTC+8) | - |
| dc.date.available | 5-Feb-2020 17:39:07 (UTC+8) | - |
| dc.date.issued (上傳時間) | 5-Feb-2020 17:39:07 (UTC+8) | - |
| dc.identifier (Other Identifiers) | G0105932407 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/128575 | - |
| 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) | 105932407 | zh_TW |
| dc.description.abstract (摘要) | 2017年可以說是人工智慧應用大爆發的一年，各式各樣的AI應用都在不同領域中有所突破，從交通、醫療到娛樂服務。人工智慧的進步不但能提供更佳的決策，亦能強化組織能力並增加效率。在過去十年中，幾乎所有企業都或多或少接觸了數位轉型。在未來可以預見的是，許多以人工智慧為基礎所開發的系統開始進行各種商業測試，也會有許多供應商接著推出由人工智慧所打造的資料分析商業軟體，幫助品牌預測影響客戶留存率的關鍵點或是提升品牌與客戶間的互動。本篇研究之自然語言處理、數據分析之結果，便能了解到哪些因素會影響到顧客對顧客對飯店的評論，進而影響到評論分數的高低。 | zh_TW |
| dc.description.abstract (摘要) | 2017 can be said to be the year of the explosion of artificial intelligenceapplications. A variety of AI applications have made breakthroughs in different fields, from transportation, medical to entertainment services. Advances in artificial intelligence not only provide better decisions, they also strengthen organizational capabilities and increase efficiency. Over the past decade, almost all companies have been more or less exposed to digital transformation. In the future, it is foreseeable that many systems developed based on artificial intelligence will start various commercial tests, and many vendors will then launch data analysis business software created by artificial intelligence to help brands predict the impact of customer retention The key point is to improve the interaction between the brand and the customer.From the results of natural language processing and data analysis in this study, we can understand what factors affect customer reviews of restaurants, and then affect the level of review scores. | en_US |
| dc.description.tableofcontents | 目次第一章、緒論 5第一節、 研究背景 5一、 市場現況 5二、 未來發展 7第二章、文獻回顧 9第一節、 人工智慧技術 9一、 人工智慧簡介 9二、 人工智慧之分級 10三、 強人工智慧與弱人工智慧 11四、 人工智慧的三波浪潮 12五、 人工智慧的應用 13第二節、 機器學習 16一、 機器學習簡介 16二、 機器學習之模型 18第三節、 深度學習簡介 24一、 深度學習模型介紹 25二、 TensorFlow介紹 27三、 Keras介紹 28第三章、旅館業之專案介紹 30第一節、 旅館業之專案 30一、 介紹投資項目 30二、 投資潛力與需求分析 32三、 專案風險分析 36四、 結論 38第四章、實證分析 39第一節、 介紹資料 39一、 資料來源 39二、 資料內容 39第二節、 分析資料 41一、 視覺化分析圖 41二、 訓練模型 44第五章、結論 49參考文獻 50表次表4-1各資料集的MAE數據 45表4-2正負面評論的情緒分析 47圖次圖2-1人工智慧定義 9圖2-2人工智慧AI發展史 12圖2-3深度神經網絡架構 26圖2-4 LSTM之架構 27圖2-5 Keras深度學習模型 28圖3-1乘飛機抵達CNMI旅客總數量分析 32圖3-2CNMI酒店表現HANMI*平均房價及入住率/月度平均入住率 33圖3-3未來三年夢想的旅遊主題分析 35圖4-1飯點地點分佈圖 41圖4-2關係矩陣圖 42圖4-3評論者之國籍分佈圓餅圖 42圖4-4各國評論者給評論次數之長條圖 43圖4-5各國評論者給分情況 43圖4-6飯店正負評論字數分佈圖 44圖4-7評論重要字詞的排名排序 46 | zh_TW |
| dc.format.extent | 2074468 bytes | - |
| dc.format.mimetype | application/pdf | - |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#G0105932407 | en_US |
| dc.subject (關鍵詞) | 人工智慧 | zh_TW |
| dc.subject (關鍵詞) | 自然語言處理 | zh_TW |
| dc.subject (關鍵詞) | Artificial intelligence | en_US |
| dc.subject (關鍵詞) | AI | en_US |
| dc.subject (關鍵詞) | Natural Language Processing | en_US |
| dc.title (題名) | 以機器學習方法評估旅館業發展潛能 | zh_TW |
| dc.title (題名) | Using Machine Learning To Evaluate The Development Potential Of The Hotel Industry | en_US |
| dc.type (資料類型) | thesis | en_US |
| dc.relation.reference (參考文獻) | 林大貴(2017)。Tensorflow+keras深度學習人工智慧實務應用。新北市：博碩。人工智能. (n.d.).In Wikipedia.，上網日期107年11月25日，檢自: https://wiki.mbalib.com/zh-tw/人工智能蕭佑和(2018).完整解析AI人工智慧：3大浪潮＋3大技術＋3大應用，上網日期107年11月25日，檢自:https://meethub.bnext.com.tw/完整解析ai人工智慧：3大浪潮＋3大技術＋3大應用c.s.blog.2017.Understanding LSTM Networks,from:http://colah.github.io/posts/2015-08-Understanding-LSTMs/Entrepreneur Network.(2018/1/18).10 Artificial Intelligence Trends to Watch in 2018.fromhttps://www.entrepreneur.com/article/307589Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems: " O`Reilly Media, Inc.".Hochreiter, S., & Schmidhuber, J. J. N. c. (1997). Long short-term memory. 9(8), 1735-1780.Jacques Bughin, Eric Hazan, SreeRamaswamy, Michael Chui, TeraAllas, Peter Dahlström, Nicolaus Henke, and Monica Trench(2017). How artificial intelligence can deliver real value to companies,from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/how-artificial-intelligence-can-deliver-real-value-to-companiesM. Abadi, A. Agarwal et al., "Tensorflow: Large-scale machine learning on heterogeneous distributed systems", 2016.PwC (2017).Sizing the prize What’s the real value of AI for your business and how can you capitalise?,fromhttps://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdfSebastian RaschkaVahidMirjalili (2015). Python Machine Learning.Birmingham :Packt Publishing Ltd | zh_TW |
| dc.identifier.doi (DOI) | 10.6814/NCCU202000034 | en_US |
