Page 121 - 物聯網金融商機

ୋʞ௝
演算法和人工智慧： 113
認知運算和深度學習

購買慾望，而不再是由顧客單方面決定逛街方式。它可搭配

POS 系統的消費紀錄，協助業者掌握消費者購物偏好，依其偏
好促銷，以增加更多商品銷售的機會。再例如：以政府收集天
氣資訊整合各家新聞來源的資料庫為基礎，並利用各相關業者

應用程式界面 (API)，擷取當地相關地理空間資料，進而利用
大數據分析結合深度學習來發展須用到上述結果知識的智慧型
企業應用，例如：經營健身管理的企業可提供客製化的調適性
健身方案與建議給客戶。

深度學習應用於興趣圖譜案例

傳統社交圖譜 (social Graph) 所創造出來的廣告演算法可

能沒有優於搜尋，而興趣圖譜 (Interest Graph) 則是將和自己
可能有機會一樣興趣的人交流。它可搜尋從語句中找到關聯
性，這對於廣告的推薦有其意義，因此在搜尋與社交圖譜中間
的興趣圖譜，它形成了一套自己的過濾和推薦演算法，將是另

一塊值得發掘的新市場。興趣圖譜主要是結合雲端服務，將服
務嵌入我們的網站或部落格之中，透過興趣關聯性來實施服
務。興趣圖譜對廣告商來說，透過興趣與社交網路的分析整
合，將有助於更精準的投放廣告。在興趣圖譜的進化過程中，

其深度學習結合 Web3.0 語意網將扮演重要角色。例如：Exfm
(http://ex.fm/)，它結合雲端服務和社群的功能，企圖以音樂興
趣關聯性，來實踐智慧型的個人音樂電台。