| dc.contributor | 金融系 | |
| dc.creator (作者) | 江彌修 | |
| dc.date (日期) | 2024-10 | |
| dc.date.accessioned | 7-Apr-2026 13:17:28 (UTC+8) | - |
| dc.date.available | 7-Apr-2026 13:17:28 (UTC+8) | - |
| dc.date.issued (上傳時間) | 7-Apr-2026 13:17:28 (UTC+8) | - |
| dc.identifier.uri (URI) | https://ah.lib.nccu.edu.tw/item?item_id=181931 | - |
| dc.description.abstract (摘要) | 使用自然語言處理文本分析，本研究計畫嘗試以跨域(cross domain)深度學習的方法同時胃納財務與非財務資訊於文本的主題特徵生成（representation learning）。我們所胃納的非財務資訊，聚焦於引領國際資本金主流的ESG企業永續責任投資情緒。其中，我們應用遷移學習（Domain Adaptation/Transfer Deep Learning）進行特徵生成的反覆迭代精確校調（fine tuning）以處理文本異質性。藉由堆疊集成(Stacking Ensemble)，本計畫建構一得以胃納傳統財務資訊與非財務資訊的人工智慧信用違約預警模型。 | |
| dc.format.extent | 116 bytes | - |
| dc.format.mimetype | text/html | - |
| dc.relation (關聯) | 國家科學及技術委員會, NSTC111-2410-H004-191-MY2, 111.08-113.07 | |
| dc.subject (關鍵詞) | 遷移學習; 企業違約預警; 深度學習; 文字探勘; 責任投資 | |
| dc.subject (關鍵詞) | transfer learning/domain adaptation; corporate default prediction; deep learning; text mining; responsible investment | |
| dc.title (題名) | 以語意深度遷移學習胃納ESG永續責任投資情緒於信用違約預警模型之建構 | |
| dc.title (題名) | Constructing a Credit Default Prediction Model Using Domain-Adapted Semantic Deep Learning Incorporating Esg-Sustainability Sentiments | |
| dc.type (資料類型) | report | |
