x jumping收費的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

從社群媒體挖掘以感測日常交通滿意度之研究

為了解決x jumping收費的問題，作者陳翰 這樣論述：

本研究係針對日常交通下社群媒體進行文本挖掘，首先透過建置社群媒體文本資料庫，並將日常交通之社群媒體文本進行情感分析，以瞭解民眾對於日常交通下各公共運具評論之情緒，接著使用深度學習之CNN演算法建構多元情緒決策情感分析模型，再經由實證分析，運用文本挖掘及深度學習分類技術，分析民眾日常通勤通學搭乘公共運具之滿意度，並建構滿意度五個評級尺度，找出民眾搭乘不同公共運具之整體情緒，最後使用K-means集群演算法探討社群媒體輿情內部特徵，此為本研究建立之社群媒體挖掘與情感分析通用程序。 本研究之模式準確度在五個尺度下達79%，並可找出民眾搭乘不同公共運具所關注的變數。研究結果顯示：不論通勤或商務

旅次皆關注是否能準時到達目的地，可見民眾最為重視搭乘公共運具之效率；而搭乘火車類、公車類、客運類之通勤族皆關注駕駛員及排班，可見民眾重視資訊的掌握與服務及乘車的安全性。根據自社群媒體挖掘而產生的公共運輸滿意度結果，本研究經由相關文獻評析而研擬相對應的改善策略。若特定時間的班次常有誤點情況時，業者應適時發佈到站時間資訊，則可減少民眾的負面情感。而駕駛員的素質、服務態度、應對能力等，對於民眾的影響亦相當直接，因此業者應對駕駛員進行系統性的在職訓練，亦有望提升民眾的正面情感；當前所有通勤族群對於費率的關注程度皆不明顯，顯示目前我國公共運具在費率制定尚受民眾肯定。本研究之建立之社群媒體挖掘與情感分析通

用程序具有擴展性，此可供決策者藉由模型的修正與改良而能快速掌握網路輿情正、負面情感趨勢之即時資訊。