臺灣博碩士論文加值系統

一般公司是將客戶信件、客訴、維修紀錄、工程師出差報告等，依敘述性文字的資料，使用人工紀錄並分類標籤，但這樣做往往會因為處理案件的人員不同，對於狀況的敘述的觀點不一而有不同的分類，無固定標準，也可能因為整理分類的人員，不具備相關的專業知識，造成狀況類別標籤的判斷錯誤，也可能因為為了詢問相關人員案件情況以便於分類，而花費了大量的時間來確認，不僅工時的浪費，而且類別判斷錯誤的資料，也會造成後續分析資料時造成錯誤，進而讓公司增加不必要的成本甚至虧損。
以某塑膠射出公司為例，將收集到的敘述性文字，若照舊時方法是使用人工判別類別，不僅耗時也因觀點不同而有分類錯誤的可能，但使用Python編寫程式進行分類，提升判別的準確性以及節省判別人工耗時，以達成後續資料數據進行分析之用。
因應目前工業4.0大數據化時代，有些數據如工作報告、客訴狀況、維修紀錄等敘述性文字需額外進行分類，以達成大數據分析等目的。

Generally, the company will manually record and label the information of customer letters, customer complaints, maintenance records, engineers' business trip reports, etc. according to the narrative text, but this will often have different classifications due to different personnel handling the cases and different views on the description of the situation. Not only is it a waste of time, but the data with incorrect classification will also cause errors in the subsequent analysis of the data, which will add unnecessary costs or even losses to the company.
Take a plastic injection company as an example, if the narrative text collected is manually classified according to the old method, it will not only consume time but also have the possibility of incorrect classification due to different viewpoints, but using Python to write a program to classify the data will improve the accuracy and save the time of manual classification, so that the data can be analyzed later.
In the current era of big data in Industry 4.0, some data such as work reports, customer complaints, maintenance records, and other narrative text need to be additionally classified for the purpose of big data analysis

目錄
摘 要 i
ABSTRACT ii
誌謝 iii
目錄 iv
圖 目 錄 vi
表 目 錄 vii
第一章 緒論 1
1.1研究動機 1
第二章 文獻探討 3
2.1塑膠射出成形機簡介 3
2.2 射出機流程名詞簡介 4
2.3 公司資料記錄方式 7
2.3.1資料類別及狀況描述 8
2.3.2敘述內容判斷類別方式 9
2.4 使用工具程式 11
2.4.1 Python簡介 11
2.4.2 Python撰寫環境 11
2.4.3使用的套件程式 13
2.5使用的演算法 15
第三章 各演算法分析 19
3.1單純貝氏分類器 19
3.1.1單純貝氏分類器說明 19
3.1.2貝氏分類器主要優點 20
3.1.3貝氏分類器主要缺點 20
3.2 KNN演算法 20
3.2.1 KNN演算法說明 20
3.2.2 KNN演算法主要優點 21
3.2.3 KNN演算法主要缺點 22
3.3 SVM演算法 22
3.3.1 SVM演算法說明 22
3.3.2 SVM演算法主要優點 24
3.3.3 SVM演算法主要缺點 24
第四章 系統程式流程 25
4.1程式系統流程 25
4.2運轉程式前資料處理 27
4.3程式運作說明 30
4.3.1載入資料 30
4.3.2分詞進行 30
4.3.3詞頻計算與特徵提取 31
4.3.4 模型訓練 32
第五章 結果與討論 34
5.1 程式訓練成果 34
參考文獻 36

[1] AddMaker（2021年3月）．熱成型、擠出、射出成型…七種塑膠產品製程初認識！ 取自: https://mag.addmaker.tw/2021/03/23/7-plastic-production-process/
[2] 維基百科 2021年6月 Python 取自:
https://zh.wikipedia.org/wiki/Python
[3]MAPE Academy（2018 年 5 月 14 日），Anaconda介紹及安裝教學　　取自:
https://medium.com/python4u/anaconda%E4%BB%8B%E7%B4%B9%E5%8F%8A%E5%AE%89%E8%A3%9D%E6%95%99%E5%AD%B8-f7dae6454ab6
[4] itread01.com（2019年1月11日），Jupyter使用總結 取自:
https://www.itread01.com/content/1547220438.html
[5] Summer (2018年10月17日)，使用 Jupyter notebook來寫python 取自: 　　https://ithelp.ithome.com.tw/articles/10200046
[6]Ben Shiue（2017年10月1號），[Python] Pandas 基礎教學　取自:　https://oranwind.org/python-pandas-ji-chu-jiao-xue/
[7]Yanwei Liu（2020年1月6日），Python自然語言處理(二)：使用jieba進行中文斷詞 取自:
https://yanwei-liu.medium.com/python%E8%87%AA%E7%84%B6%E8%AA%9E%E8%A8%80%E8%99%95%E7%90%86-%E4%BA%8C-%E4%BD%BF%E7%94%A8jieba%E9%80%B2%E8%A1%8C%E4%B8%AD%E6%96%87%E6%96%B7%E8%A9%9E-faf7828141a4
[8]queenawu（2018年10月24日），Scikit-learn介紹(1) 取自:
https://ithelp.ithome.com.tw/articles/10204845
[9] 邱秉誠 (2020年8月26日)，實作單純貝氏分類器(Naive Bayes Classifier)，應用於垃圾訊息分類 取自:
https://medium.com/qiubingcheng/%E5%AF%A6%E4%BD%9C%E5%96%AE%E7%B4%94%E8%B2%9D%E6%B0%8F%E5%88%86%E9%A1%9E%E5%99%A8-%E4%B8%A6%E6%87%89%E7%94%A8%E6%96%BC%E5%9E%83%E5%9C%BE%E8%A8%8A%E6%81%AF%E5%88%86%E9%A1%9E-6b26834c4fd8
[10]itread01.com (2018年12月31日)，KNN演算法（有監督學習演算法） 取自:
https://www.itread01.com/content/1546211528.html
[11] 高亞得，2020，利用機器學習分析中文評論面向之應用 - 以 YouTube 影片評論為例，大同大學資訊經營系，碩士論文。
[12] Andy Wu(2020年10月03日)，白話文講解支持向量機(一) 線性SVM 取自:
https://notes.andywu.tw/2020/%E7%99%BD%E8%A9%B1%E6%96%87%E8%AC%9B%E8%A7%A3%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%A9%9F%E4%B8%80-%E7%B7%9A%E6%80%A7svm/
[13]Andy Wu(2020年11月10日)，白話文講解支持向量機(二) 非線性SVM 取自:
https://notes.andywu.tw/2020/%E7%99%BD%E8%A9%B1%E6%96%87%E8%AC%9B%E8%A7%A3%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%A9%9F%E4%BA%8C-%E9%9D%9E%E7%B7%9A%E6%80%A7svm/
[14]RJ阿杰(2019年3月29日) ，[監督式]貝氏分類器(Naive Bayes classifier) 取自:
https://www.jianshu.com/p/f5f8230191ac
[15] itread01.com (2019年1月3日)，各個分類演算法優缺點 取自:
https://www.itread01.com/content/1546524727.html
[16] itread01.com (2018年12月12日)，什麼是KNN演算法？ 取自:
https://www.itread01.com/content/1544558792.html
[17] PyInvest (2020年3月24日)，[機器學習首部曲] 支援向量機 SVM 取自:https://pyecontech.com/2020/03/24/svm/
[18]大數據文摘(2019年8月13日)，機器學習懶人包從數據分析到模型整合，各種好用的演算法全都整理給你 取自:
https://buzzorange.com/techorange/2019/08/13/machine-learning-algorithm-collection/
[19]行銷資料科學(2019年1月21日)，支持向量機（Support Vector Machine, SVM） 取自:
https://aitmr1234567890.medium.com/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%A9%9F-support-vector-machine-svm-b3691f82b96
[20]算法與數學之美(2021年6月6日)，17個機器學習的常用演算法！ 取自: https://vitomag.com/science/nouyfb.html
[21] dicksonjyl560101(2018年10月4日)，K-最近鄰法(KNN)簡介
取自: https://iter01.com/349653.html
[22]華為雲開發者社群(2020年7月3日)，5種常用的機器學習模型及其優缺點，都在這裡了 取自: https://iter01.com/514453.html
[23] Tommy Huang(2018年3月16日)，機器學習-支撐向量機(support vector machine, SVM)詳細推導 取自:
https://chih-sheng-huang821.medium.com/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E6%94%AF%E6%92%90%E5%90%91%E9%87%8F%E6%A9%9F-support-vector-machine-svm-%E8%A9%B3%E7%B4%B0%E6%8E%A8%E5%B0%8E-c320098a3d2e
[24] 景略集智(2019年3月4日)，機器學習新手必看：一文搞定SVM演算法 取自: https://iter01.com/56458.html
[25]itread01.com (2018年12月31日)，SVM 的推導、特點、優缺點、多分類問題及應用 取自: https://www.itread01.com/content/1546204351.html
[26] osc_kedi1mvz(2020年10月1日)，【機器學習】機器學習演算法優缺點對比（彙總篇） 取自:
https://www.gushiciku.cn/pl/p335/zh-tw
[27] 小鱼儿的博客(2019年4月17日)，SVM文本分類 取自:
https://blog.csdn.net/zaishijizhidian/article/details/89365733
[28] 詹智勝，2013，應用KNN文字探勘技術於分析新聞評論影響股價漲跌趨勢之研究，國立政治大學資訊管理研究所，碩士論文。
[29]鄭燦輝a0938262503 (2012年03月19日)，射出-成型的流程
取自：　https://blog.xuite.net/a0938262503/twblog/147873442
[30] 莊凱翔，2018，整合TF-IDF與單純貝氏分類器於語意推論基於雲端運算，國立虎尾科技大學資訊工程系碩士班，碩士論文。
[31] 陳建佑，2016，以決策樹和KNN進行英文文章可讀性分類和推薦機制之研究，國立彰化師範大學資訊管理學系數位內容科技與管理碩士班，碩士論文。
[32] 曾國傑，2011，運用KNN文字探勘分析智慧型終端App群集之研究，國立政治大學資訊管理研究所，碩士論文。
[33] 陳柏均，2010，文件距離為基礎KNN分群技術與新聞事件偵測追蹤之研究，國立政治大學資訊管理研究所，碩士論文。
[34] 吳季桓，2010，自動分類的實作：KNN與SVM，國立中正大學資訊工程所，碩士論文。
[35] 莊凱翔，2018，對社群媒體進行文字探勘與情緒分析來 預測股票走勢:使用SVM 與LDA 演算法，國立高雄應用科技大學資訊管理研究所碩士班，碩士論文。
[36] 何文翔，2018，以SVM分類器辨識人體舞姿之研究，國立臺灣海洋大學電機工程學系，碩士論文。
[37] 林廷威，2020，運用文字探勘技術進行線上旅行社平台評論之分類，世新大學資訊管理學研究所(含碩專班)，碩士論文。
[38] 吳乙青，2019，應用文字探勘技術建置專利自動分類系統，國立屏東科技大學資訊管理系所，碩士論文。
[39] 張晏菁，2015，運用文字探勘於醫療導向社群網站服務分類及關鍵詞分析，國立交通大學管理學院資訊管理學程，碩士論文。
[40] 林祐任，2012，以文字探勘及機器學習為基礎之電子郵件分類方法設計，國防大學理工學院資訊工程碩士班，碩士論文。