工業和商業黃頁資訊網論文書籍站
輔仁大學 大眾傳播學研究所碩士班 陳春富所指導 詹郁怡的 那一年，我們一起追的韓劇： 《愛的迫降》之台韓閱聽人接收分析 （2020），提出as400鍵盤設定關鍵因素是什麼，來自於跨文化閱聽人、接收分析、同步收視、追劇、韓劇、愛的迫降。
而第二篇論文國立臺灣大學 資訊工程學研究所 李琳山所指導 盧宏宗的 使用多模態深層自編碼器融合視覺與語音特徵強化個人相片之語意檢索 （2016），提出因為有 影像檢索、語音標註、分佈式詞彙表示法、段落向量、卷積式類神經網路、深層自編碼器、隨機漫步、融合特徵的重點而找出了 as400鍵盤設定的解答。
那一年，我們一起追的韓劇： 《愛的迫降》之台韓閱聽人接收分析
為了解決as400鍵盤設定 的問題，作者詹郁怡 這樣論述：
有鑑於「韓流」在全球的成功，使得全世界陸續出現許多關於韓流的研究，然而，相關研究卻鮮少探索韓國本地閱聽人與跨文化閱聽人對韓劇的解讀差異。此外，以近期的趨勢來說，寬頻網路的成熟以及社群網路的蓬勃發展，接連帶動網路影音需求上升，不但促成OTT（Over The Top）服務盛行，也實現了閱聽人跨國同步收視的普及。本研究以2020年在亞洲享有高人氣的韓劇《愛的迫降》為研究文本，分析在不同文化背景下台灣與韓國閱聽人的解讀差異與原因，並且探討閱聽人同步追劇所衍生的心靈感受與行為模式，藉以了解跨文化閱聽人在同步收視行為上的異同觀點。為瞭解上述現象，本研究採取質化取向的網路文本分析與深度訪談法，分別觀察P
TT中的「韓劇板」以及韓國論壇DC Inside的「愛的迫降板」，並且訪談台灣與韓國兩地各6位閱聽人的收視經驗。透過資料蒐集與分析後發現，可以從六個面向來切入探討台韓兩地閱聽人對於《愛的迫降》之解讀異同，分別為「吸引閱聽人的元素差異」、「文化與象徵意涵之關聯差異」、「『美化北韓與否』的觀點爭辯」、「國外閱聽眾的文化想像」、「『溫柔好男人』的浪漫渴望」與「互文性類型的結構意涵」。其次，針對文化層面的分析，本研究主要以「閱聽人之國族意識」、「英雄救美式的男性魅力性別觀」及「長幼尊卑之文化差異」等層面來作進一步的討論。最後，本研究同時藉由「閱聽人對網路串流平台的依賴」、「同步追劇的情緒變化」、「線上
心得文的愉悅」及「追劇所衍生的消費欲望」的分析，挖掘出閱聽人於跨國同步收視所產生的媒體消費與生活型態轉變。此外，本研究與過往跨文化研究學者Liebes與Katz所提出的解讀型態比較後發現，儘管台韓兩地閱聽人大多依循「參考型」與「批判型解讀」模式，然而當閱聽人在面對愛情戲的詮釋時，經常會將男主角形容得如幻想般的美好，彷彿有種浪漫濾鏡，並從此種幻想中得到愉悅，研究者將此種詮釋型態稱為「幻想型解讀」。本研究也發現，影音串流平台挾帶跨國流通的影視文本，不但將閱聽人帶入跨文化的想像與文化融合的體系，產製出獨特的解讀方式，從而迸發出「混雜化」的文化想像。
使用多模態深層自編碼器融合視覺與語音特徵強化個人相片之語意檢索
為了解決as400鍵盤設定 的問題，作者盧宏宗 這樣論述：
本論文主要探討的是在加入使用者稀疏語音標註的條件下，進行個人相片語意檢索(semantic retrieval of personal photos)的方法。由於近年數位相機以及智慧型手機等行動裝置十分普及，使用者通常會快速累積大量的個人相片，如何有效率的對數量龐大的相片資料庫進行瀏覽與檢索是一個十分重要的問題。一般使用者通常偏好使用語意式查詢指令(semantic query)來對相片進行搜尋，例如：「母親節聚餐」。但機器基本上沒有能力掌握相片中攜帶的這類語意，除非使用者加以標註，因此我們設定在使用者拍攝相片的同時，可以使用麥克風針對相片進行語音標註；這樣會較鍵盤輸入文字便利許多，但使用者
並不會將所有的照片皆加上語音標註。因此本論文將主題設定為使用者輸入稀疏語音標註條件下之個人相片語意檢索，意即僅有少數相片標上語音標註的情境。本論文選擇使用以主題模型為基礎的實作方式，引入數種以深層學習為基礎的特徵抽取法，利用深層卷積式類神經網路對相片進行影像特徵抽取，同時使用分佈式詞彙表示法及段落向量模型針對相片語音標註的詞圖分別進行語音特徵抽取，最後以多模態深層自編碼器的主題模型，針對影像及語音特徵進行整合，並以此模型訓練出具備「潛藏主題」的瓶頸向量建構檢索模型。此外，本論文亦將從主題模型檢索出的首次檢索結果(first-pass retrieval results)，使用字詞頻率期望值、局
部與全域影像特徵、深層卷積式類神經網路影像特徵、段落向量與多模態自編碼器瓶頸特徵分別計算相片之間的相似度，再套用隨機漫步模型(random walk) 演算法，使相似度高的相片獲得相近的相關分數(relevance score)，進而達成重新排序的效果，使整體檢索效能更進一步的提升。最後，為使後續研究能夠更順利進行，本論文在最後將微軟COCO圖片標題資料庫加以中文化，並且將此中文版語料建檔，做為後續研究之用。