520文字的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列訂位、菜單、價格優惠和問答集

野蠻人之神：太平天國

為了解決520文字的問題，作者StephanThome 這樣論述：

多麼可悲啊，這場革命本該創造出全新的中國！ 西方觀點書寫「太平天國」的傑出小說； 國外讀者驚嘆：原來中國曾有過基督教革命！ ★ 2018年法蘭克福書展德國圖書獎年度決選之作 ★ ★ 2009、2012、2018三度入圍德國圖書獎年度決選 ★ ★ 德國媒體、書評、讀者一致好評、驚豔盛讚 ★ 　　滿清的迂腐，西方的傲慢，文化的誤解 　　面對時代巨輪，野蠻的究竟是你還是我？ 　　19世紀的中國出現一個轉化基督教教義而成立的政教政權：太平天國。一個落第秀才自稱上帝之子，在長期累積大量民怨的社會氛圍中一擊中的，以天父為名的農民動亂，遂蔓延成這股野火燎原般的「長毛之亂」。對世界懷抱憧憬和理想的德

國傳教士菲利普，遠渡重洋到中國，盼望透過宗教感召促進東方的現代改革。然而位處時代紛擾中心，夾在中國與西方武力通商的矛盾、清廷與叛軍的衝突、宗教理想與社會現實的差距，他的內心逐漸動搖困惑…… 　　施益堅以德國作家身分，書寫近代東亞史上慘烈的歷史景況，試圖開啟另一種思辨且富人性化的想像空間：無論是大英帝國的外交特使額爾金伯爵、滿清帝國湘軍首領曾國藩將軍，或是太平天國的理想主義者「干王」洪仁玕，時代英雄也可能是千古罪人。在急遽變化而失去方向的世界態勢中提出深刻批判與反思：相互指謫迥異之人的野蠻與傲慢，其實乃為一體兩面之事？ 好評推薦　 　　▍專文導讀 　　李弘祺｜國立清華大學榮休講座教授 　

　▍齊聲力薦 　　林運鴻｜文字工作者 　　陳耀昌｜作家 　　（以姓氏筆畫排序） 　　1860年代的中國被強力抨擊：一場新興崛起的宗教狂熱分子大規模的暴動，掃蕩當時的社會架構，同時歐洲強權以武力入侵壟斷貿易市場。作者施益堅成功將當時分崩離析的年代描摹傳神，敘事節奏鏗鏘有力讓人讀來起勁，用字遣詞也十分優雅到位，清楚傳遞當時不安的時局。　──2018年德國圖書獎評審委員評語 　　在臺灣居住多年的德國小說家施益堅，其新作《野蠻人之神：太平天國》，便選擇了一種充滿反思的「西方視角」──讀者會訝異於一名德國作家對於中國古老傳統的深刻洞察，但又能夠發現，本書解剖歐美帝國主義的誠實銳利。──林運鴻（文字工

作者）

520文字進入發燒排行的影片

以監督式機器學習探討電子病歷中非結構化資料對早期預測中風後功能復原後果之價值

為了解決520文字的問題，作者宋昇峯 這樣論述：

中風是導致成人殘障的重要原因，中風功能復原後果的精準預測，能協助病人及家屬及早準備後續照顧事宜，衛生政策制定者也能依此預測結果適切規劃人力與資源，以投入中風病人的急性後期與中長期照護。目前的中風功能復原後果預測模型皆是以結構化資料建立，甚至最新使用數據驅動方式發展的機器學習預測模型依然是以結構化資料為主。相對的，照顧病人所製作的大量敘述式病歷文字紀錄，即非結構化資料，反而甚少被使用。因此，本研究的目的，即是使用監督式機器學習來探討非結構化臨床文字紀錄於急性缺血性中風後之初期預測功能復原後果之應用價值。在6176位2007年10月至2019年12月間因急性缺血性中風住院之病人中，共3847位病

人符合本研究之收案/排除條件。我們使用自然語言處理，萃取出住院初期之醫師紀錄及放射報告中之臨床文字紀錄，並且實驗了不同文字模型與機器學習演算法之組合，來建構中風功能復原後果的預測模型。實驗發現使用醫師紀錄時，操作特徵曲線下面積為0.782至0.805，而使用放射報告時，曲線下面積為0.718至0.730。使用醫師紀錄時，最好的組合為詞頻-倒文件頻加上羅吉斯迴歸，而使用放射報告時，最好之組合為基于轉換器的雙向編碼器表示技術加上支持向量機。這些基於純文字的機器學習預測模型並無法勝過傳統的風險模型，這些傳統模型的曲線下面積為0.811至0.841。然而，不管是以曲線下面積、重分類淨改善指標、或整合式

區辨改善指標來評估，臨床文字紀錄中的資訊的確可以增強傳統風險模型的預測效能。本研究之結論為，電子病歷中的非結構化文字經過自然語言處理後，不僅可以成為另類預測中風功能復原後果的工具，更可以增強傳統風險模型的預測效能。透過演算法來自動擷取並整合分析結構化與非結構化資料，將能提供醫師更好的決策支援。

探究跨語際的文本分析：文藝理論與作品解讀

為了解決520文字的問題，作者嚴紀華 這樣論述：

　　在一個眾聲喧嘩的激情年代，無論是孤獨的閱讀人、焦慮的創作者、或是憎恨的批評學派，面對圖像不假辭色地與文字對壘，包括由而不知、述而不作的立言，或中心瓦解、傳統崩離的辯證，譜清音也好，奏輓歌也罷；書寫文化正進行整頓，重領風騷。針對著文學作品提供的多層次想像，以及文學術語意義與文學現象研究的變遷流轉，本書是將中西文藝理論與批評，作品與讀解，應用與教學連結起來，尋求理論與書寫的交流與詮釋，開展與理解。是借鑑，也是探索；是沉浸，也是抽離；是發散，也是連鎖；是美學，也是樂學。…… 本書特色 　　★ 從榮格的精神分析到羅蘭巴特的符號學，再到劉勰《文心雕龍》的六觀法，作者嚴紀華在此

書中藉由西方文論與中國文學的碰撞，試圖探究跨語際的文本分析。 　　★ 通過傳統文論與當代文論的回應和聯繫，將有助於延展文學理論與批評的視界，引領我們涵泳於「奇文共欣賞，疑義相與析」的閱讀樂趣與批評啟發。

考量評分與評論之以粒子群最佳化演算法為基礎之協同過濾推薦系統

為了解決520文字的問題，作者李樹勳 這樣論述：

隨著資訊技術的發達與人們的生活習慣改變，為了滿足現代人便捷的需求，各式各樣的網路平台隨之興起，例如影視平台Netflix、Disney+，電商平台Amazon、PC Home、Shopee等。然而，隨著使用者人數與商品的多樣性，過於龐大的資訊量使得商家與消費者皆須付出過多的時間成本來做出選擇，因此，推薦系統幫助人們選出較適合的產品內容，平台也因此節省了行銷的成本達成精準行銷。推薦系統主要利用消費者與商品之間的評分或留言互動來進行預測，然而，現今的商品數量與消費者數量皆有著顯著的提升，間接造成了資料稀疏性的問題，此外，如何將不同型態的消費者行為資料進行結合也是必須解決的問題。為了解決上述問題，

本研究提出了以粒子群最佳化 (Particle Swarm Optimization, PSO) 演算法尋找最合適的消費者評分相似度，避免因為資料稀疏性而導致資料失真的問題，並且利用BERT (Bidirectional Encoder Representations from Transformers) 萃取消費者留言特徵，最後再利用粒子群最佳化找出合適的權重矩陣，結合不同種資料型態之特徵。根據實驗結果證實，結合評分與留言資料有助於提升推薦系統的表現，接著與標竿方法在Amazon的六個資料集的比較中，其中四個資料集有較好的表現，最後找出最合適的特徵萃取演算法組合。