alarming rate中文的問題，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

在COVID-19疫情下影響台灣民眾搭機意願相關因素之研究

為了解決alarming rate中文的問題，作者林華瑀 這樣論述：

2020年是世界難忘的一年，自從2019年12月起中國湖北武漢市發現不明原因的肺炎群聚，而後公布其病原體為新型冠狀病毒，短短幾個月時間新型冠狀病毒肺炎(COVID-19)便以驚人的速度在全球不斷的擴散衝擊多國，人們的生活型態受到劇烈改變，許多行業也造成巨大衝擊，尤其是全球航空業更是一瞬間被帶入史無前例的嚴峻情況。即使經歷了快兩年的時間，新冠病毒疫情仍就是一種現在進行式，其所帶來的影響持續進行中，因此引發研究動機。本研究將以台灣民眾為研究對象，探討對COVID-19疫情的知覺、搭機知覺風險、COVID-19的情境因素及COVID-19疫情下的搭機動機對搭機意願的影響，透過網路問卷搜集方式獲得有

效問卷225份，並採用結構方程式模型(SEM)進行後續的深入探討和分析，作為本研究假設之驗證。本研究結果顯示:一、對COVID-19疫情的知覺與搭機意願之間的影響並無顯著相關。 二、搭機知覺風險與搭機意願具有顯著負相關。三、COVID-19的情境因素與搭機意願具之間的影響並無顯著相關。四、COVID-19疫情下的搭機動機與搭機意願具有顯著正相關。本研究針對在COVID-19疫情下影響台灣民眾搭機意願相關因素分析結果，做為航空客運業者在後疫情時代及未來在面對類似事件時營運銷售策略擬定的參考依據。

基於統計準則式方法強化出版物參考元數據提取方法之研究

為了解決alarming rate中文的問題，作者楊庭豪 這樣論述：

出版物字串是描述資源資訊以讓其他研究者可以搜尋到該資源的一種特殊格式字串，通常用於論文最後引用資料描述以及研究者個人的著作資料整理。我們延續過去的研究基礎，提出結合統計技術與知識規則的方法，透過自動化的準則生成演算法與匹配演算法將出版物字串資料轉換為結構化資訊。出版物參考元數據提取作為學術資料結構化的基本任務，除了用於文獻檢索的精確資訊萃取以外，對於研究學術社群活動網路關係也有助益。然而文獻引用格式的變化性大，且文獻格式也以驚人速度增加，這對於出版物參考元數據提取造成障礙。在這一篇論文中，我們將針對此議題作探討，尋求方法來提升參考元數據提取的效果。此篇論文將研究方向集中在兩個議題上：(1)

整合統計技巧與知識本體之系統設計：我們建構了一套知識表達與應用的環境。該環境包含了知識管理環境與整合式方法核心模型，整合式方法核心模型結合了階層架構式的知識本體與統計方法。在簡化了標記工作的同時仍可以保有資訊提取效能。結合知識的系統架構也使得專家能夠分析各階段的錯誤,並針對關鍵處快速改善系統。我們以此環境開發了出版物參考元數據提取模型。(2) 以統計準則式方法(Statistical Principle-Based Approach, SPBA)強化出版物參考元數據提取： 過去實驗室發展了幾個系統來處理出版物參考元數據提取的任務，在發展過程中我們針對準則產生方式改進並嘗試用於不同任務，最後發展

出了SPBA。SPBA方法有三個步驟，第一步為建立知識本體(Ontology)，並用這些知識對文本進行語意標注(Semantic Labeling)。第二步將前一步驟生成的樣板(Pattern)透過準則生成演算法(Principle Generation Algorithm)將樣板們整合成具有代表性的準則(Principles)。最後用準則批配演算法(Principle Matching)提供彈性比對機制以處理多變的引用格式在本論文中，我們以出版物參考元數據提取任務的公開資料集與專家編輯過的雜訊資料集來驗證SPBA方法的可用性，實驗測試了四個期刊論文引用字串資料集跟一個會議論文引用字串資料集。

我們也比較了當前技術的CRF與Bi-LSTM-CRF方法，SPBA方法在元數據提取任務的效能上在各資料集都獲得了改進。在使用較少訓練資料的實驗中也驗證了SPBA的強健性。大多數的出版物參考元數據提取研究少有提出整合機器學習與知識規則的方法，SPBA可填補此空缺。本研究的貢獻可歸納為下列幾點：第一是結合精簡標記與批配，可以減輕標記工作的負擔。第二是讓從資料中生成準則，可以減輕專家撰寫準則的負擔。第三是我們分享了新的出版物參考元數據提取任務資料集，讓後續研究可以有新的發展材料。SPBA作為一個結合知識本體與統計方法的的技術，能夠產生有可讀性的準則，也能夠讓從各步驟中理解出錯誤的原因，這種具可解釋性

的特性將有助於拓展到未來其它需要細緻處理語意的資訊萃取任務。