分析

利用 GHSOM 這個演算法就是為了將相似性高的單元分在相同的一組以達到 分群的效果，但實驗的結果並沒有百分之百分群正確，依據實際的現象，如圖 4-2-1 所示為 5*5 的 GHSOM MAP 與 11 大類主題的關係圖，兩者的關係舉例來說 如圖中的區塊（1,1）、（1,2）、（1,3）所對應的是金融管理類；（1,4）與（1,5）

是醫務管理類，以此類推。依據此對應關係，分析如下：

圖 4-2-1：期刊分群與分類關係圖(資料來源：本研究整理)

ㄧ般而言，SOM 都能正確地將相似性高的文章分在同一區塊。如圖 4-2-1 中 的區塊（3,1），該區塊的文章共有 4 篇分別是「利用未償債務之扣除進行逃漏 遺產稅之研究--Logit 模式之應用」、「財稅所得差異決定因素及課稅所得推估之 研究」、「歐亞美三洲九國之總體經濟因素對犯罪率之縱橫門檻研究」與「企業 選擇公司五年免稅與股東投資抵減租稅規劃之實證研究」，如此可得知在這個區 塊的文章有三篇是關於稅方面的議題，其相似是相當高的。但因為我們僅用文章 中的字詞中分群而非文章本身的涵義，難免會有相似性低的文章分在同ㄧ區塊。

如圖 4-2-1 中的區塊（3,2），該區塊的文章共有 2 篇分別是「社會困境--全民健 保總額預算制下醫療提供者策略的均衡分析」、「損人不利己的聯合行為--麵粉 卡特爾的案例分析」，這兩篇文章的議題相差甚遠但可能因相似的字詞而被分在 同ㄧ群中。這部份的問題解決，可以是未來研究的努力方向。

SOM 有ㄧ個特性，會讓相似度高的文章分在同ㄧ區塊，而且鄰近區塊的文章相

(5,5) (5,4)

(5,3) (5,2)

(5,1)

(4,5) (4,4)

(4,3) (4,2)

(4,1)

(3,5) (3,4)

(3,3) (3,2)

(3,1)

(2,5) (2,4)

(2,3) (2,2)

(2,1)

(1,5) (1,4)

(1,1) (1,2) (1,3)

金融管理 人力資源管 醫務管理 運輸管理 財務管理 勞工管理 風險管理 資訊管理 稅務管理 企業管理 行銷流通管理

似性也較高。例如區塊（4,1）的文章共計有四篇分別為「教學醫院醫師生產力 之預測模型」、「社會支持系統與老人生活滿意度之關係--以高雄市老人為例」、

「從人力資本與勞動市場區隔觀點探討非自願離職者再就業的決定因素--洛基 對數線性分析」與「電子薪貴嗎--電子製造業與傳統製造業受僱員工薪資報酬差 異之研究」，這些文章討論的主要是以員工為對象的相關議題；再看區塊（5,1）

的文章，總計有三篇分別是「企業組織支援系統對大陸台商幹部之工作家庭衝突 之研究」、「從工作壓力探討台灣企業從業人員參加禪修之學習動機及相關因素 之研究--以某禪修團體上班族禪修班為例」與「離職經驗與薪酬對工作投入影響 之探討」，文章所探討的議題也是關於薪資或離職，其對象也是以員工為訴求點。

因此，確實可以發現鄰近區塊的相似性也較高。透過觀察，如圖4-2-1 所示，我 們將區塊（4,1）與（5,1）劃分成人力資源管理類(淺粉紅色)；將區塊（2,1）、

（2,2）與（2,3）劃分成財務管理類（黃色）。另外再擴大解釋類別的關係，如 圖4-2-1 中的金融管理類與財務管理類(即淺灰色與黃色區塊)，可發現到這兩類 就在相鄰的上下位置也是存在某種關聯的。再從表4-1-1 中來解釋，這兩類的文 章雖然在內容上是討論不同的議題而有不同的分類，但可從金融管理類的區塊找 到“多國籍企業＂這個的關鍵詞，而從財務管理類找到“企業＂這個關鍵詞如此 也證明這兩類確實存在著“企業＂這個關聯。

表 4-1-1：GHSOM 結果 金融

基金 ADR

多國籍企業 期貨

金融 臺指 基金 失敗率 GARCH

金融 墊償 臺指 購買量

醫務 語音 遠距 遺失率 評鑑

醫務 流程管理

財務 核心代理 盈餘 分配權 董監事 股份

財務 人壽 投資案 票券 企業 BOT

財經 前置

運輸科技 組裝 發動機 高頻

資訊管理 句子 合併症 FAQ 摘要 本體 稅務

服務量 再就業 分配權 遺產稅 犯罪率

風險、金融 產能

麵粉

預算服務量

金融 上網 通路

資訊管理 詢價 用戶 防護 生態

勞工 FAQ 勞動 歐洲 勞工 貿易 人力資源

生產力 薪酬 離職 老人 主治

企業管理 魅力 公平衡量

企業管理 旗下 美學 開發 紡織 外觀

行銷流通管理 奧運

QFD 量販店

企業管理 勞工 貿易 子公司 相關人 證券商 人力資源

台商 幹部 外派 禪修 薪酬

企業管理 學習者 處置 積分

企業管理 長官 夥伴 意圖 多層次 效能

企業管理 奧運 跨組織 創業家 易經

經營管理 知覺 犧牲