來一趟說走就走的旅行論文書籍站
國立臺北科技大學 經營管理系 陳銘崑所指導 吳承彥的 信用卡詐欺偵測模型：深度學習方法比較 （2021），提出東海模型 刷卡關鍵因素是什麼，來自於深度學習、信用卡、電子交易、詐欺偵測。
而第二篇論文東吳大學 資訊管理學系 林聰武所指導 學士東的 以科技準備度與科技接受模型探討消費者使用行動支付意願 （2021），提出因為有 行動支付的重點而找出了 東海模型 刷卡的解答。
信用卡詐欺偵測模型：深度學習方法比較
為了解決東海模型 刷卡 的問題，作者吳承彥 這樣論述：
近年來，隨著新型電子支付方式以及線上交易的普及，經由網路進行刷卡消費的交易頻率逐漸增加，使得信用卡詐欺的預防偵測日漸重要。在目前的詐欺偵測系統上，大多數發卡機構會根據過往的專業經驗，手動設定可疑交易的通報和拒絕交易規則。然而，隨著數位科技的革新，信用卡偽冒交易的手法也推陳出新，傳統的預防策略已較難應對，金融業逐漸試著透過歷史交易資料的運用，來建立新型的詐欺偵測模型。 由於信用卡詐欺的偵測屬於非線性問題，深度學習的特性便能得到很好的應用。在調查報告中，許多金融機構便認為深度學習模型在詐欺偵測上具有相當的潛力，能夠減少詐欺所帶來的風險與損失，且隨著科技進步以及演算法方面的發展，深度學習在詐
欺偵測上已經有非常優秀的準確率。 隨著深度學習的研究不斷演進，目前已有相當多樣的模型建構方式，也各有其優缺點，因此，本研究將針對信用卡詐欺議題，比較目前常見的三種深度學習模型，找出較有效的模型建構方式，以提供未來信用卡詐欺偵測議題中，深度模型選擇上的參考與幫助。
以科技準備度與科技接受模型探討消費者使用行動支付意願
為了解決東海模型 刷卡 的問題，作者學士東 這樣論述：
本研究的主要以科技接受模型與科技準備度探討消費者使用行動支付之意願。基礎為科技接受模式，在科技接受度中「知覺有用性」及「知覺易用性」是最主要的兩個變數，它們會影響消費者的使用態度以及行為意向，但科技接受度沒有納入個人因素也可能會改變使用科技產品的意願，因此Parasuraman(2000)提出了(Technology Readiness Index，簡稱TRI)科技準備度，他認為個人的技術準備與使用科技用品意向之間是有相關的，在科技準備度中有四個構面「樂觀性」、「創新性」、「不適應性」、「不安全性」，本研究加入科技準備度作為干擾變數進行分析，採用問卷調查法，對於受訪者資料進行各項敘述統計、信
度、效度及驗證性因素、路徑分析等統計方法加以分析與解釋。