研究限制

第五章結論及建議

5.3 研究限制

1. 本研究是以中華大學週遭附近為主的租屋推薦系統，其房屋資訊是以中華大學附近的房屋資訊為主，而無其他地區的房屋資訊，並以中華大學週遭附近的使用者作為行動租屋推薦系統操作後的滿意度調查對象。

2. 其問卷滿意度調查的方式，必須是在使用行動租屋推薦系統後才可以填寫，在受訪者操作系統時必須一一解釋其系統各項功能，在解釋過程如果不能清楚傳達，可能造成使用者對於系統的不暸解，導致問卷的可信度受影響。

參考文獻

中文部份：

1. 李馨蘋 (2002)，「租屋者對租賃住宅需求之研究」，商管科技季刊，第三卷，

第二期，第91-109 頁。

2. 張金鶚、曾善霞 (1991)，「台北市住宅品質指標之研究」，都市與計劃，第十八卷，第一期，第83-106 頁。

3. 張金鶚、陳淑美 (1998)，「戶長及其配偶對住宅區位選擇之影響力分析」，

住宅學報，第七期，第59-81 頁。

4. 張紹勳 (2000)，「研究方法」，滄海書局。

5. 連耀南 (2006)，「GPS」。

http://www.cs.nccu.edu.tw/~lien/NIIslide/GPS/hardcopy.htm

6. 莊卜瑾 (2003)，「高層集合住宅品質與交易難易之關係─以台中市西屯區為例」，逢甲大學土地管理學系碩士論文。

7. 黃維良 (2007)，「具有“隨時間變異的顧客購買興趣＂預測能力之多階層協同式推薦系統」，國立高雄第一科技大學資訊管理研究所碩士論文。

8. 崔媽媽基金會 (2002)，「台北市住宅租賃市場行為及管理制度之研究」，臺北市政府(國民住宅處)委託研究。

9. 熊嘉彬 (2007) ，「 GPS 定位運作與原理」，資策會 MIC 。 http://trade.1111.com.tw/pg804.asp?eid=08XgFnzpm0OH

10. 蔡其桓 (2006)，「大學生選擇住宿地點的重要因素分析」，中華大學應用數學系碩士論文。

11. 劉崇汎、林瑞堂、許智威、曾新穆、蘇家輝、蕭欽元 (2005)，「智慧型個人化多媒體推薦系統之建置」，第五屆數位典藏技術研討會。

英文部分：

1. Allen, L.E., (1996), “Electronic commerce.” Mortgage Banking, 56(10), pp.101-102.

2. Bailey, J.E. and Pearson, S.W., (1983), “Development of a tool for measuring and analyzing computer user satisfaction.” Management Science, 29(5), pp.530-545.

3. Balabanovic, M. and Shoham, Y., (1997), “Fab: content-based collaborative recommendation.” Communications of the ACM, 40(3), pp.66-72.

4. Belardo, S., Karwan, K.R. and Wallace, W.A., (1982), “DSS component design through field experimentation: an application to emergency management.” In

proceedings of the third international conference on information systems, pp.

93-108.

5. Breese, J.S., Heckerman, D. and Kadie, C., (1998), “Empirical analysis of predictive algorithms for collaborative filtering.” In proceedings of the 14th

6. Churchill, G.A. and Surprenant, C., (1982), “An investigation into the determinants of customer satisfaction.” Journal of Marketing Research, 19(4), pp.491-504.

7. Chen, Y.L., Cheng, L.C. and Chuang, C.N., (2008), “A group recommendation system with consideration of interactions among group members.” Expert

Systems with Applications, 34(3), pp.2082-2090.

8. Cyert, R.M. and March, J.G., (1963), “A behavioral theory of the firm.”

Prentice-hall, englewood cliffs, NJ.

9. DeLone, W.H. and McLean, E.R., (1992), “Information system success: the quest for the dependent variable.” Information Systems Research, 3(1), pp.60-95.

10. DeLone, W.H. and McLean, E.R., (2003), “The deLone and mcLean model of information systems success: a ten-year update.” Journal of Management

Information Systems, 19(4), pp.9-30.

11. Doll, W.J. and Torkzadeh, G., (1988), “The measurement of end-user computing satisfaction.” MIS quarterly, 12(2), pp.259-274.

12. Engle, J.F., Blackwell, R.D. and Miniard, P.W., (1993), “Consumer behavior.” 7th

ed., NY: Rinehart & Winston.

13. Fornell, C., (1992), “A national customer satisfaction barometer: the swedish experience.” Journal of marketing, 56(1), pp.6-21.

14. Goldberg, D., Nichols, D., Oki B.M. and Terry, D., (1992), “Using collaborative filtering to weave an information tapestry.” Communications of the ACM, 35(12), pp.61-70.

15. Hill, W., Stead, L., Rosenstein, M. and Furnas, G., (1995), “Recommending and evaluating choices in a virtual community of use.” In proceedings of the

conference on human factors in computing systems, pp.194-201.

16. Ives, B., Olson, M.H. and Baroudi, J.J., (1983), “The measurement of user information satisfaction.” Communications of the ACM, 26(10), pp.785-793.

17. Ives, B. and Olson, M.H., (1984), “User involvement and MIS success a review of research.” Management Science, 30(5), pp.586-603.

18. Jain, A.K. and Dubes, R.C., (1988), “Algorithms for clustering data.” Prentic

Hall.

19. Kano, N., (1984), “Attractive quality and must-be quality.” The Journal of the

Japanese Society for Quality Control, 14(2), pp.39-48.

20. Kaufman, L. and Rousseeuw, P.J., (1990), “Finding groups in data: an introduction to cluster analysis.” John Wiley and Sons.

21. Kaiser, H., (1958), “The varimax criterion for analysis rotation in factor analysis.” Psychometrika, 23(3), pp.189-200.

22. Kim, B.D. and Kim, S.O., (2001), “A new recommender system to combine content-based and collaborative filtering systems.” The Journal of

DatabaseMarketing, 8(3), pp.244-252.

23. Konstan, J., Miller, B., Maltz, D., Herlocker, J., Gordon, L. and Riedl, J., (1997),

“GroupLens：Applying collaborative filtering to usenet news.” Communications

of ACM, 40(3), pp.77-87.

24. Kotler, P., (1999), “Marketing management analysis.” Prentice Hall Inc.,

Englewood Cliffs, NJ.

25. Kotler, P., (2003), “Marketing management.” Prentice Hall, NY.

26. Krulwich, B. and Burkey, C., (1996), “Learning user information interests through extraction of semantically significant phrases.” In proceedings of the

AAAI Spring symposium on Machine Learning in Information Access, Stanford, CA.

27. Lang, K., (1995), “Newsweeder: learning to filter netnews.” In proceedings of the

Machine Learning conference, pp.331-339.

28. Lee, H.J. and Sung Joo Park, (2007), “MONERS: a news recommender for the mobile web.” Expert Systems with Applications, 32(1), pp.143-150.

29. Li, E.Y., (1997), “Perceived importance of information system success factors: a meta analysis of group differences.” Information & Management, 32(1), pp.15-28.

30. Linden, G., Smith, B. and York, J., (2003), “Amazon.com recommendations:

item-to-item collaborative filtering.” Internet Computing, IEEE, 7(1), pp.76-80.

31. Liu, C. and Arnett, K.P., (2000), “Exploring the factors associated with web site success in the context of electronic commerce.” Information & Management, 38(1), pp.23-33.

32. Lucas, A., (1996), “What in the world is electronic commerce.” Sales and

Marketing Management, 148(6), pp.24-29.

33. MacQueen, J., (1967), “Some methods for classification and analysis of multivariate observations.” In proceedings of the Fifth Berkeley Symposium on

Mathematical Statistics and Probability, pp.281-297.

34. Martensen, K., Martensen, A. and Gronholdt, L., (2000), “Customer satisfaction measurement at post denmark: results of application of the european customer satisfaction index methodology.” Total Quality Management, 11(7), pp.1007-1015.

35. McLeod, R. Jr., (1990), “Management information systems.” Macmillan

Publishing Company, NY.

36. McNee, S.M., Albert, I., Cosley, D., Gopalkrishnan, P., Lam, S.K., Rashid, A.M., Konstan J.A. and Riedl J., (2002), “On the recommending of citations for research papers.” In proc.of the 2002 ACM conference on Computer Supported

Cooperative Work, pp.116-125.

37. Meteren, R.V. and Someren, M.V., (2000), “Using content-based filtering for recommendation.” In proceedings of ECML Workshop: Machine Learning in New

Information Age, pp.47-56.

38. Miller H., (1996), “The multiple dimensions of information quality.” Software

and Technology, 13(2), pp.79-82.

39. Mock, K.J. and Vemuri, V.R., (1997), “Information filtering via hill climbing, wordnet, and index patterns.” Information Processing & Management, 33(5), pp.633-644.

40. Nunnally, J.C., (1967), “Psychometric theory.” McGraw-Hill, NY.

41. Oliver, R.L., (1981), “Measurement and evaluation of satisfaction processes in retailing setting.” Journal of Retailing, 57(3), pp.25-48.

42. Oliver, R.L. and Rust, R.T., (1994). “Service quality: insights and managerial implication from the frontier.” Sage Publications, NY.

43. Patrick du Boucher-Ryan and Derek Bridge., (2006), “Collaborative recommending using formal concept analysis.” Knowledge-Based Systems 19(5), pp.309-315.

44. Pare, G., Aubry, D., Lepanto, L. and Sicotte, C., (2005), “Evaluating PACS success: a multidimensional model.” In proceedings of the 38th Hawaii

International Conference on System Sciences.

45. Pelleg, D. and Moore, A.W., (2000), “X-means: Extending K-means with efficient estimation of the number of clusters.” In proceedings of the Seventeenth

International Conference on Machine Learning. San Francisco: Morgan Kaufmann.

46. Ricci, F. and Nguyen, Q.N., (2007), “Acquiring and revising preferences in a critique-based mobile recommender system.” IEEE Intelligent Systems, 22(3), pp.

22-29.

47. Resnick, P., Iacovou, N., Suchak, M., Bergstorm, P. and Riedl, J., (1995)

“Grouplens: an open architecture for collaborative filtering of netnews.” In proc.

ACM Conf. On Computing Systems, pp.210-217.

48. Salton, G. and McGill, M.J., (1983), “Introduction to modern information retrieval.” McGraw-Hill, NY.

49. Sarwar, B.M., Karypis, G., Konstan, J.A. and Riedl, J.T., (2000), “Analysis of recommendation algorithms for e-commerce.” ACM Conference on Electronic

Commerce, pp.158-167.

50. Schafer, J.B., Konstan J.A. and Riedl, J., (2001), “E-commerce recommendation applications.” Data Mining and Knowledge Discovery, 5(1-2), pp.11-32.

51. Shardanand, U. and Maes, P., (1995), “Social snformation filtering: algorithms for automating ‘Word of Mouth’.” In proceedings of the Conference on Human

Factors in Computing Systems, pp.210-217.

52. Srinivasan, A., (1985), “Alternative measures of system effectiveness:

associations and implications.” MIS Quarterly, 9(3), pp.243-253.

53. Swanson, E.B., (1974), “Management information systems: appreciation and involvement.” Management Science, 21(2), pp.178-188.

54. Trujillo, M., Millan, M. and Ortiz, E., (2007),” A recommender system based on multi-features.” International Conference on Computational Science and Its

Applications (ICCSA), pp.370-382.

55. Wilson, D.C., Smyth, B. and O’Sullivan, D., (2003), “Sparsity reduction in collaborative reconnendation: a case-based approach.” International Journal of

Pattern Recognition and Artificial Intelligence, 17(5), pp.863-884.

56. Woodside, A.G., Frey, L.L. and Daly, R.T., (1989), “Linking service quality, customer satisfaction and behavioral intentions.” Journal of Health Care

Marketing, 9(4), pp.5-17.

57. Yang, W.S., Cheng, H.C. and Dia, J.B., (2008), “A location-aware recommender system for mobile shopping environments.” Expert Systems with Applications, 34(1), pp.437-445.

58. Yang, W., Waug, Z. and You, M., (2004), “An improved collaborative filtering method for recommendations’ generation.” In proc. of IEEE Int. Conf. on Systems,

Man and Cybernetics, Hague, Netherlands, 5, pp.4135-4139.

59. Yuan, S.T. and Tsao, Y.W., (2003), “A recommendation mechanism for contextualized mobile advertising.” Expert Systems with Applications, 24(4), pp.399-414.

60. Zhang, B., Hsu, M. and Dayal, U., (1999), “K-harmonic means – a data clustering algorithm.” Technical Report HPL-1999-124. Hewlett-Packard Research

Laboratory.

附錄A：使用者租屋偏好調查問卷

您好：

本人為中華大學資訊管理研究所的研究生，目前正在進行選擇住宿地點時所考量的指標之研究，目的在於瞭解選擇住宿地點時考量哪些重要指標。

本問卷所得之資料僅作為學術研究之用，問卷採不記名方式作答，請放心作答，再次致上最誠摯的敬意！

中華大學資訊管理系研究所研究生陳世泓敬上

第一部分：基本資料請您針對下列各個問題，在適當的「□」中打「3」。

1. 性別： □ 男 □ 女

2. 年齡： □ 20 歲以下 □ 21-30 歲 □ 31-40 歲 □ 41-50 歲 □ 51 歲以上 3. 年級： □ 大一 □ 大二 □ 大三 □ 大四 □ 碩士以上

□ 其他_______

4. 是否擁有交通工具： □ 是 □ 否

5. 目前的住宿地點： □ 家中 □ 學校宿舍 □ 在外租屋 □ 親友家

6. 您期望能與多少人共同居住：

□ 自己 □ 二至三人 □ 四至五人 □ 六至七人 □ 七人以上 7. 您預期租屋居住的時間為多長：

□ 1 年內 □ 1 至 2 年 □ 2 至 4 年 □4 至 6 年 □ 6 至 10 年 □ 10 年以上 8. 您希望承租的住宅類型為何：

□ 整層住家 □ 獨立套房 □ 分租雅房／小套房 □ 其他__________

9. 您預期的每月住宿金為多少：

□ 1 ~ 3000 元 □ 3001~4000 元 □ 4001~5000 元 □ 5001~6000 元 □ 6001~8000 元 □ 8001 元以上 10. 請問您平均每月收入：

□ 無 □ 1~3000 元 □ 3001 ~ 6000 元 □ 6001 ~ 10000 元

□ 10001 ~ 15000 元 □ 15001 ~ 20000 元 □ 20001 元

非常

重要

5 重

要

4 普

通

3 不

重

要

非常不重要

1. 房東的人品 ... □ □ □ □ □ 2. 是否與房東同住 ... □ □ □ □ □ 3. 水電費是否明訂包含於租金之內 ... □ □ □ □ □ 4. 房屋及設備損害之維修是否迅速 ... □ □ □ □ □ 5. 是否訂定租賃書面契約 ... □ □ □ □ □ 6. 房租的繳交的期限(例：逐月付清，半年一期等…) ... □ □ □ □ □ 7. 房租的付款方式(例：ATM 轉帳，現金等…) ... □ □ □ □ □

請就下列的各項之實際狀況，依照你(妳)在選擇住宿地點時的個人感受，在適當的□內打『3』。其中 1 表示非常不重要；5 表示非常重要。

一、房東與住宿權利及義務第二部分：選擇住宿地點的因素

《背面尚有題目》

二

非常

重要

5 重

要

4 普

通

3 不

重

要

非常不重要

8. 房屋的年齡 ... □ □ □ □ □ 9. 租期長短 ... □ □ □ □ □ 10. 同住者的背景 ... □ □ □ □ □ 11. 房屋是否附有網路 ... □ □ □ □ □ 12. 房屋的坪數大小 ... □ □ □ □ □ 13. 房屋的風水好壞 ... □ □ □ □ □ 14. 房屋內是否附有傢俱 ... □ □ □ □ □ 15. 房屋內是否附有洗衣機、烘衣機 ... □ □ □ □ □ 16. 房間是否擁有對外窗戶 ... □ □ □ □ □ 17. 房屋內通風是否良好 ... □ □ □ □ □ 18. 房屋內是否附有廚房、家電及流理台 ... □ □ □ □ □ 19. 住宿地點租金的高低 ... □ □ □ □ □ 20. 房屋的採光是否良好 ... □ □ □ □ □ 21. 房屋的隔音品質是否良好 ... □ □ □ □ □ 22. 住宿地點所在的樓層數 ... □ □ □ □ □ 23. 是否具有高度的個人隱私性 ... □ □ □ □ □ 24. 房屋的結構是否安全 ... □ □ □ □ □ 25. 房屋是否有消防設備 ... □ □ □ □ □ 26. 通話收訊情形是否良好 ... □ □ □ □ □ 27. 房屋的視野是否廣闊 ... □ □ □ □ □ 28. 屋內格局是否方正 ... □ □ □ □ □ 29. 房屋整體品質的好壞 ... □ □ □ □ □

以下是衡量您在選擇租屋住宿地點內在品質因素的重要程度，請就下列的各項之實際狀況，依照你(妳)個人感受，在適當的□內打

『3』。其中 1 表示非常不重要；5 表示非常重要。

二、住宅內在品質因素

二

非常

重要

5 重

要

4 普

通

3 不

重

要

非常不重要

30. 自己的籍貫 ... □ □ □ □ □ 31. 自己的性別 ... □ □ □ □ □ 32. 父母的期望 ... □ □ □ □ □ 33. 自己是否有收入 ... □ □ □ □ □ 34. 課業負擔的輕重 ... □ □ □ □ □ 35. 家庭的經濟狀況 ... □ □ □ □ □ 36. 自己是否擁有交通工具 ... □ □ □ □ □ 37. 目前是否有男(女)朋友交往中... □ □ □ □ □

以下是衡量您在選擇住宿地點時，家庭與個人因素的重要程度，請就下列的各項之實際狀況，依照你(妳)在選擇住宿地點時的感受，

於適當的□內打『3』。其中 1 表示非常不重要；5 表示非常重要。

三、家庭與個人因素

二

非常重要

5 重

要

4 普

通

3 不

重

要

非常不重要

38. 鄰近親友的住處 ... □ □ □ □ □ 39. 從住宿地點到工作地點／學校的遠近 ... □ □ □ □ □ 40. 住家附近之治安 ... □ □ □ □ □ 41. 是否有專人管理社區或房屋 ... □ □ □ □ □ 42. 對外交通是否便利 ... □ □ □ □ □ 43. 租屋地點附近停車是否方便 ... □ □ □ □ □ 44. 住宿地點附近飲食機能是否便利 ... □ □ □ □ □ 45. 住宿地點及週遭環境是否寧靜 ... □ □ □ □ □ 46. 房屋座落的地點是否安全(例如：座落於山坡地、河堤旁等…) ... □ □ □ □ □ 47. 房屋對於防震、防火等安全措施是否完善 ... □ □ □ □ □ 48. 房屋是否附有陽台可供使用(用途如：晾衣服) ... □ □ □ □ □ 49. 鄰居的素質好壞 ... □ □ □ □ □

以下是衡量您在選擇租屋住宿地點外在品質因素的重要程度，請就下列的各項之實際狀況，依照你(妳)個人感受，在適當的□內打

『3』。其中 1 表示非常不重要；5 表示非常重要。

四、住宅外在品質因素

《問卷至此結束，感謝您的鼎力協助！》

附錄B：滿意度問卷您好：

本人為中華大學資訊管理研究所學生，目前正在進行行動租屋推薦系統方面之研究，其目的在於瞭解使用者對於行動租屋推薦系統所提供推薦功能是否符合使用者的需求以及滿意的程度。

本研究僅作為學術研究之用，對外完全保密並不作個人資料披露，請放心作答，再次致上最誠摯的敬意！

中華大學資訊管理系研究所教授施雅月博士中華大學資訊管理系研究所研究生陳世泓敬上

◎ 行動租屋推薦系統是指利用行動裝置(PDA、NB 和手機)，可隨時連接網際網路接收推薦和瀏覽房屋資訊等服務。

◎ 如果您對於本研究結果感興趣，請留下聯絡資料，待本研究結束後，會將研究報告寄給您參考，再次感謝您的參與！

姓名：＿＿＿＿＿ E-mail：________________________ 地址：___________＿＿＿＿___________

1. 性別：男女

2. 年齡： 20 歲以下 21-25 歲 26-30 歲 31-35 歲 36 歲以上

3. 教育程度：高中(職)以下專科大學碩士以上

4. 職業：製造業軍公教商業服務金融保險大眾傳播資訊相關

法律醫藥個人創業學生待業/無業其他

5.請問您使用手機的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上

6.請問您接觸電腦的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上

7.請問您使用網路的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上

8.請問您在外租屋的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上

非常

認同

5 認

同

4 普

通

3 不

同

意

非常不認同

1 1. 我認為行動租屋推薦系統很可靠 ...

2. 我認為行動租屋推薦系統發生錯誤的機率很低 ...

3. 我認為行動租屋推薦系統設有帳號密碼，所以很安全 ...

4. 我認為行動租屋推薦系統執行各項操作時，不會發生當機情形 ...

5. 我認為行動租屋推薦系統執行各項操作，不會有無法顯示畫面的情形 ...

6. 行動租屋推薦系統提供的互動性符合我的需求 ...

7. 行動租屋推薦系統會即時提供我適當的服務 ...

8. 行動租屋推薦系統可以提供我個人化的服務 ...

9. 整體而言，行動租屋推薦系統會提升租屋服務的品質 ...

二、以下是衡量行動租屋推薦系統中有關系統品質與服務品質的相關問題，請您依據認同程度，在適當的□內打『3』。其中 1 表示非常不認同；5 表示非常認同。

一、請您針對下列各個問題，在適當的「□」中打「3」。

非常認同

認

同 4

普

通 3 不認同

非常不認同

1 10. 我認為行動租屋推薦系統，可以將房屋資訊完整呈現出來 ...

11. 我認為行動租屋推薦系統能即時提供所需的房屋資訊 ...

12. 我認為行動租屋推薦系統輸出的資料格式符合我的需求 ...

13. 我認為行動租屋推薦系統所輸出的資訊易於瞭解 ...

14. 我認為行動租屋推薦系統所輸出的資訊很正確 ...

15. 我認為行動租屋推薦系統，較容易獲得適當的房屋資訊 ...

16. 我認為行動租屋推薦系統所輸出的資訊很可靠 ...

17. 我認為行動租屋推薦系統的距離推薦功能所提供的資訊符合我的需求 ...

18. 我認為行動租屋推薦系統的偏好推薦功能所提供的資訊符合我的需求 ...

19. 我認為行動租屋推薦系統的群組推薦功能所提供的資訊符合我的需求 ...

三、以下是衡量行動租屋推薦系統中有關資訊品質的相關問題，請您依據認同程度，在適當的□內打『3』。其中 1 表示非常不認同；5 表示非常認同。

非常認同

認

同 4

普

通 3 不認同

非常不認同

1 20. 我有興趣使用行動租屋推薦系統 ...

21. 我將會強力推薦他人使用行動租屋推薦系統 ...

22. 我認為未來我會定期地使用行動租屋推薦系統 ...

23. 我認為未來我會頻繁地使用行動租屋推薦系統 ...

24. 一旦房仲業者提供行動租屋推薦系統後我就會去使用它 ...

四、以下是與行動租屋推薦系統中關於使用意願的相關問題，請您依據認同程度，在適當的□內打『3』。其中 1 表示非常不認同；5 表示非常認同。

非常認同

認

同 4

普

通 3 不認同

非常不認同

1 25. 我很滿意行動租屋推薦系統所提供的距離推薦服務 ...

26. 我很滿意行動租屋推薦系統所提供的偏好推薦服務 ...

27. 我很滿意行動租屋推薦系統所提供的群組推薦服務 ...

28. 整體而言，我很滿意行動租屋推薦系統 ...

五、以下是與行動租屋推薦系統中關於滿意度的相關問題，請您依據認同程度，

在適當的□內打『3』。其中 1 表示非常不認同；5 表示非常認同。

《問卷到此結束，再次感謝您的鼎力協助! 》

在文檔中中華大學 (頁 82-94)

第五章 結論及建議

5.3 研究限制

參考文獻

proceedings of the third international conference on information systems, pp.

Systems with Applications, 34(3), pp.2082-2090.

Prentice-hall, englewood cliffs, NJ.

Information Systems, 19(4), pp.9-30.

ed., NY: Rinehart & Winston.

conference on human factors in computing systems, pp.194-201.

Hall.

Japanese Society for Quality Control, 14(2), pp.39-48.

DatabaseMarketing, 8(3), pp.244-252.

of ACM, 40(3), pp.77-87.

Englewood Cliffs, NJ.

AAAI Spring symposium on Machine Learning in Information Access, Stanford, CA.

Machine Learning conference, pp.331-339.

Marketing Management, 148(6), pp.24-29.

Mathematical Statistics and Probability, pp.281-297.

Publishing Company, NY.

Cooperative Work, pp.116-125.

Information Age, pp.47-56.

and Technology, 13(2), pp.79-82.

International Conference on System Sciences.

International Conference on Machine Learning. San Francisco: Morgan Kaufmann.

ACM Conf. On Computing Systems, pp.210-217.

Commerce, pp.158-167.

Factors in Computing Systems, pp.210-217.

Applications (ICCSA), pp.370-382.

Pattern Recognition and Artificial Intelligence, 17(5), pp.863-884.

Marketing, 9(4), pp.5-17.

Man and Cybernetics, Hague, Netherlands, 5, pp.4135-4139.

Laboratory.

第五章結論及建議