中區國稅局豐原分局的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

以人工智慧透視學術研究商業化對智慧學習影響之研究

為了解決中區國稅局豐原分局的問題，作者李昊餘 這樣論述：

第三次人工智慧 (Artificial intelligence, 革命性地崛起，人類科技躍升 智 慧世代 儼然成為進行式。海量數據主要由 智慧型行動個人裝置 經由聯網活動，以及物聯網感知裝置所接收之訊息組成 透過網際網路雙向傳遞，產生各式 結構化、半結構化 與非結構化數據 ；經由人工智慧系統框架演算法，分析海量數據中所蘊藏富含價值之資訊，將其辨識、擷取、分群、歸納，藉此達到預判以及系統自我學習目的，其結果具有高度精準性以及高可信度。各國相繼提出高科技生 產策略，其建構於人工智慧主體的系統 關鍵技術 。 實證 研究指出， 物聯網 (Internet of things, 技術作為鏈結虛擬與實

體媒介，能有效雙向傳遞接收之數據以及下達決策指令，且具有可靠性、完整性與即時性。導入產業媒合相容 特性之商業模式， 技術框架具 高信度決策輔助， 能實質 提升產業營運績效。近年 來 科技革新產業面臨轉型或 升級 ，系統框架結合管理學理論模型建構 ，以 學術研究商業化模式 作為 技術 導入 切點，勢必 影響 各行 百業 之 商業模式與經營策略 。 學術研究機構具有前端創新性研究能量，整合 實務 技術 以實現 科技 創新、管理創新 以及價值創新三面向 ，並以擴散創新為主要表現手段 。本研究採以雙架構 量化研究 方式 利用層級分析 Analytic h ierarchy p rocess ,AHP

方法， 建構智慧化層級架構評估準則之優先發展權重排序，並 尋求替代方案之可行性 利用 結構方程模式 Structural equation modeling, SEM 方法， 檢驗 學術研究商業化構念對於智慧製造、智慧學習之結構關聯性 並 驗證本研究提出假說 。 AHP 問卷共回收 146 份有效樣本， SEM 問卷共回收 2 30 份有效樣本。兩份問卷皆獨立且於不同時間序進 行調查，樣本歸類以產業及學界且平均分布狀況良好 ，調查結果具代表性 。研究結 果顯示，層級架構替代方案以智慧學習權重最高，其優先發展 排序第一位，其次為學術研究商業化； 學術研究商業化對智慧製造有正顯著影響，學術研究商業

化對智慧學習具正顯著影響，且服務創新於物聯網對學術研究商業化具完全中介影響效果 ，而智慧資本於人工智慧對學術研究商業化不具中介影響效果 。由此可見，研究成果透過學術研究商業化實質影響智慧化應用端。

文字探勘在電子發票大數據上的應用

為了解決中區國稅局豐原分局的問題，作者巫鴻意 這樣論述：

以往黑心食用油脂業者了解政府對於食用油的檢驗內容，所以會私下調整油品脂肪酸組成百分比，使其檢驗結果無法確定有違規混油之情形，因此難以定罪。有鑑於此，行政院打造食品履歷追溯系統，由食用油脂業者先行推動上傳食用油脂原料、半成品與成品供應來源及流向資訊，政府方可藉由分析巨量資料，偵測風險目標以建立監測模型，落實食安源頭控管。本研究乃以食用油品為例，藉由財政部資訊中心的電子發票平台大數據，開發一套以 B2B 電子發票為基礎的食安預警系統。利用文字探勘技術結合 K-近鄰演算法、支持向量機模型、邏輯斯迴歸模型、類神經網路模型與隨機森林演算法等機器學習方法，首先針對電子發票品名文字資料進行分析，從未分類的

大量發票中辨別出和食用油相關的品項；接著判別出哪些廠商在哪段時期，關於食用油原料及成品的進出貨交易是否可疑。本研究結果顯示，在電子發票品項分類上，隨機森林演算法對於分類結果具有極佳效能，其敏感度達95%、特異性達98%；在廠商油品進銷狀態的偵測上，若廠商當月出貨金額與當月進貨金額的比值之自然對數值超過6，便認定該廠商當月有可疑交易流程發生。