line語音輸入設定的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Google Apps Script雲端自動化與動態網頁實戰(第二版) (附：近280分鐘影音教學/範例程式檔)

為了解決line語音輸入設定的問題，作者呂國泰,王榕藝 這樣論述：

　　網路好評，國內第一本最完整GAS實作中文書最新版！ 　　以13個案例掌握熱門的Google Apps Script雲端神器， 　　從入門到自動化實戰開發與設計！ 　　翻轉工作流程，快速打造雲端自動化系統！ 　　無論是大型公司或中小企業，有些常態或重複性的工作都需花費不少人力與時間。隨著資訊技術不斷進步，利用雲端、網頁系統來管理工作流程已是趨勢，而本書就是運用容易取得的Google應用服務作為自動化流程的基底。 　　強大的Google推出許多免費的雲端應用服務，如Google日曆、試算表與表單、翻譯與語音等，但這些服務皆以各自運作為主，鮮少可互相搭配使用。直到Goo

gle推出了「Google Apps Script」，藉此可讓不同雲端服務間得以互動，以增進日常工作的自動化處理效率。本書就希望引領讀者學習開發出符合需求的自動化系統，減少常態性與重複性工作。 　　‧清楚明確的步驟式教學，以常見的重複性工作流程作為主要範例，如：自動發信系統、出缺席查詢系統、單據控管系統、會議室借用與查詢系統、每日行程通知…等，說明如何將工作流程得以精簡化或自動化。另外，還有全自動多國語言翻譯機、團隊開會日曆、檔案下載列表…等多元案例。 　　‧範例資料庫以Google試算表為主，對於資料的新增、維護、刪除，以及在統計與報表產生較為容易，也有助日後進行各種數據的分析與統計。

　　‧不同Google Apps間的資料傳遞，使序號性資料得以完全掌握，且能將每筆資料轉為Google文件與PDF檔案。 　　‧在Google試算表中藉由自定義的按鈕，使其可輕易執行相關動作。 　　‧結合自動觸發方式，讓所建立的專案得以自動執行，藉此提高工作效率。 　　‧將Google試算表中的資料傳送到普及率最高的LINE通訊軟體，輕鬆就能掌握訊息。 　　‧藉由Google Apps Script使前端網頁獲得Google試算表中的每筆資料，再也不必與他人共用Google試算表檔案。 　　附：近280分鐘超值影音教學/全書範例程式檔

line語音輸入設定進入發燒排行的影片

基於眼動追蹤之程式理解認知歷程研究

為了解決line語音輸入設定的問題，作者田芷瑄 這樣論述：

本研究旨在探討工作記憶能力（中央執行功能、語音迴路、視覺空間模版）、程式理解能力以及程式理解策略（由上而下或由下而上）之間的關聯性。受試者為20名大學程式設計初學者，並具備一年以上程式設計課程之經驗。本研究先透過工作記憶測驗（運作廣度測驗、旋轉廣度測驗及河內塔測驗）與程式理解能力測驗（條件判斷測驗、迴圈測驗及函式測驗）的結果分析受試者的工作記憶與程式理解能力之間的關係，並以眼動儀追蹤受試者程式理解能力測驗時閱讀程式碼的眼動軌跡，輔以訪談確認其程式理解之認知歷程。研究結果發現，工作記憶語音迴路能力較好的受試者以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者在閱讀條件判斷的程式時傾向於辨

識程式碼的邏輯架構，並透過模擬以理解程式邏輯；如果工作記憶語音迴路能力較差的受試者或無法辨識出程式碼的架構以進行程式模擬的受試者在閱讀條件判斷的程式時無法直接辨識出程式碼的邏輯架構，需要先閱讀程式碼的輸出值條件後才能夠抓出程式碼的架構以理解程式邏輯。工作記憶視覺空間模板能力較好的受試者以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者，在閱讀雙層迴圈的程式時傾向於辨識程式碼的邏輯架構，並將注意放在數字設定上以理解程式邏輯；工作記憶視覺空間模板能力較差的受試者或無法辨識出程式碼的架構以進行程式模擬的受試者，在閱讀雙層迴圈的程式時無法辨識出程式碼的邏輯架構，會逐行閱讀程式碼以理解程式邏輯。工

作記憶中央執行功能能力較好的受試者以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者在閱讀函式的程式時傾向於辨識程式碼的邏輯架構，並透過代值模擬觀察功能以理解程式邏輯；工作記憶中央執行功能能力較差的受試者或無法辨識出程式碼的架構以進行程式模擬的受試者在閱讀函式的程式時無法辨識出程式碼的邏輯架構，會逐行閱讀程式碼以理解程式邏輯。此結果可能因為：(1)如果受試者具有較好的工作記憶之語音迴路能力，對於文字與聲音的訊息處理能力較好，以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者，在閱讀程式碼過程中可以辨識程式碼架構並進行模擬；如果受試者具有較差的工作記憶之語音迴路能力，或無法辨識出程式

碼的架構以進行程式模擬的受試者，對於文字與聲音的訊息處理能力較差，在閱讀程式碼的過程中無法快速地找出程式碼的架構，必須要閱讀輸出值條件之後才可以辨識出程式碼的架構。(2) 如果受試者具有較好的工作記憶之視覺空間模板能力，以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者，對於圖形與空間的訊息處理能力較好，在閱讀程式碼的過程中可以辨識程式碼架構進行模擬；如果受試者具有較差的工作記憶之視覺空間模板能力，或無法辨識出程式碼的架構以進行程式模擬的受試者，對於圖形與空間的訊息處理能力較差，在閱讀程式碼的過程中會逐行閱讀程式碼直到閱讀結束，抓不出程式架構。(3) 如果受試者具有較好的工作記憶之中央處

理系統能力，以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者，對於控制與監控語音迴路與視覺空間模板的訊息處理與有意識的注意力控制等能力較好，以及具備能夠辨識出程式碼的架構以進行模擬的高程式解能力者，在閱讀程式碼的過程中會辨識程式架構、以模擬驗證程式功能；如果受試者具有較差的工作記憶之中央處理系統能力，或無法辨識出程式碼的架構以進行程式模擬的受試者對於控制與監控語音迴路與視覺空間模板的訊息處理與有意識的注意力控制等能力較差，在閱讀程式碼的過程中會逐行閱讀程式碼。此外我們可以發現程式理解能力測驗題型三：函式各組間的程式理解能力與旋轉廣度平均成績有高度相關，由於函式的程式碼分為主程式及函式兩

部分，受試者需要輸入數值後代入函式條件以進行運算，因此特別需要使用工作記憶之視覺空間模板能力，在腦海中產生視覺心像以進行程式理解。

Arduino手機互動程式設計基礎篇

為了解決line語音輸入設定的問題，作者曹永忠,許智誠,蔡英德 這樣論述：

　　在克里斯．安德森（Chris Anderson）所著「自造者時代：啟動人人製造的第三次工業革命」提到，過去幾年，世界來到了一個重要里程碑：實體製造的過程愈來愈像軟體設計，開放原始碼創造了軟體大量散布與廣泛使用，如今，實體物品上也逐漸發生同樣的效應。網路社群中的程式設計師從Linux作業系統出發，架設了今日世界上絕大部分的網站（Apache WebServer），到使用端廣受歡迎的FireFox瀏覽器等，都是開放原始碼軟體的最佳案例。   　　現在自造者社群（Maker Space）也正藉由開放原始碼硬體，製造出電子產品、科學儀器、建築物，甚至是3C產品。其中如Arduino開發板，銷售

量已遠超過當初設計者的預估。連網路巨擘Google Inc.也加入這場開放原始碼運動，推出開放原始碼電子零件，讓大家發明出來的硬體成品，也能與Android軟體連結、開發與應用。 　　 　　目前全球各地目前有成千上萬個「自造空間」（makerspace）─光是上海就有上百個正在籌備中，多自造空間都是由在地社群所創辦。如聖馬特奧市（SanMateo）的自造者博覽會（Maker Faire），每年吸引數10萬名自造者前來朝聖，彼此觀摩學習。但不光是美國，全球各地還有許多自造者博覽會，台灣一年一度也於當地舉辦Maker Fair Taiwan，數十萬的自造者（Maker）參予了每年一度的盛會。 　　

　　本系列「Maker系列」由此概念而生。面對越來越多的知識學子，也希望成為自造者（Make），追求創意與最新的技術潮流，筆著因應世界潮流與趨勢，思考著「如何透過逆向工程的技術與手法，將現有產品開發技術轉換為我的知識」的思維，如果我們可以駭入產品結構與設計思維，那麼了解產品的機構運作原理與方法就不是一件難事了。更進一步我們可以將原有產品改造、升級、創新，並可以將學習到的技術運用其他技術或新技術領域，透過這樣學習思維與方法，可以更快速的掌握研發與製造的核心技術，相信這樣的學習方式，會比起在已建構好的開發模組或學習套件中學習某個新技術或原理，來的更踏實的多。 　　 　　本系列的書籍，因應自造者運

動的世界潮流，希望讀者當一位自造者，將現有產品的產品透過逆向工程的手法，進而了解核心控制系統之軟硬體，再透過簡單易學的Arduino單晶片與C語言，重新開發出原有產品，進而改進、加強、創新其原有產品的架構。如此一來，因為學子們進行「重新開發產品」過程之中，可以很有把握的了解自己正在進行什麼，對於學習過程之中，透過實務需求導引著開發過程，可以讓學子們讓實務產出與邏輯化思考產生關連，如此可以一掃過去陰霾，更踏實的進行學習。 　　 　　作者出版了許多的Arduino系列的書籍，深深覺的，基礎乃是最根本的實力，所以回到最基礎的地方，希望透過最基本的程式設計教學，來提供眾多的Makers在入門Ardui

no時，如何開始，如何攥寫自己的程式，主要的目的是希望學子可以學到程式設計的基礎觀念與基礎能力。作者們的巧思，希望讀者可以了解與學習到作者寫書的初衷。

運用中文相似詞改善智慧問答系統

為了解決line語音輸入設定的問題，作者葉斯婕 這樣論述：

問答系統為透過使用者所輸入的問句進行處理後，給予回覆。因此，使用者所輸入的字詞與表達方式，為影響回覆準確的因素之一。本研究透過相似詞詞庫取代字詞，改善對於使用者在輸入文字時，因輸入錯誤、表達方式不同等問題，造成問答系統無法準確理解使用者想法，導致回覆準確度降低。問答系統模型分別以深度學習中的遞歸神經網路（Recurrent Neural Networks, RNN）、長短期記憶（Long Short-Term Memory, LSTM）、閘循環單元神經網路（Gated Recurrent Unit, GRU）建立，且比較在各模型中使用相似詞詞庫與未使用相似詞詞庫以及有無使用預訓練詞向量的正確

率。本研究將相似詞應用於美食、美妝、電影、旅遊領域，研究結果顯示，使用相似詞詞庫正確率皆優於未使用相似詞詞庫，且使用預訓練詞向量可提高正確率，其中美食為上下文相似詞詞庫最佳，美妝為混合詞庫最佳，電影與旅遊皆為字元相似詞詞庫最佳，模型方面RNN表現最差，而在小資料集可選擇GRU，大資料集可選擇LSTM。