永續 AI 資料庫

隨機森林是結合多棵以隨機樣本與特徵建立的決策樹，透過投票或平均產生結果的集成方法，用以降低單棵樹的不穩定性。

勒索軟體是以加密或限制系統與資料存取等方式要求贖金的惡意軟體，攻擊可能伴隨資料竊取，防護需結合偵測、隔離與復原。

速率限制是對指定時間內可接受的請求或工作量設定上限的機制，協助保護服務資源與公平使用，超額時可拒絕、排隊或延後。

召回率是所有實際正例中，被模型正確找出的比例，計算為真正例除以真正例與偽負例總和，用來衡量漏判程度。

接收者操作特徵曲線是在不同分類門檻下，描繪真正率與偽正率關係的曲線，常用於比較二元分類模型的辨別能力。

倒數排名融合是依文件在各結果列表的名次倒數分數，合併不同檢索排序的方法，能避免直接比較不同演算法的原始分數。

推薦系統是從候選項目中挑選對使用者較相關內容的系統，可依偏好、互動及項目特徵進行排序，需依情境評估推薦品質。

廢棄物回收作業是讓廢棄物發揮有用功能、替代原本需使用的材料等處理活動；不同法域對材料及能源回收分類可能不同。

復原時間目標是為受中斷活動設定的優先恢復時限，須在最大可容忍中斷期間內，將活動恢復至指定的最低可接受能力。

招募費用是為使勞工取得工作或安置，在招募過程產生的費用，不因收取地點、時間或名目不同就失去其招募性質。

依 ISO 14021:2026，再生材料含量是產品、組件或包裝中，或依規定歸屬於其中的再生材料質量比例。採質量平衡歸屬時，不代表每件產品實際含有同等比例；聲明須交代方法與來源。

回收利用是將產品或零件轉為基本材料或物質，再加工成新材料的過程；它能讓材料繼續使用，但原有產品所投入的部分能源與價值會流失。

用於規劃與評估生態復育的生態系參照，可由實際場址及其生態描述等資料建立。

參考流是產品系統為滿足功能單位所需提供的產品或流程輸出量，將抽象的服務功能轉成可供盤查與計算的實際數量。

翻新是將既有產品恢復至良好工作狀態的處理，可包含零件修復、更換、規格更新或外觀改善，支持再次使用。

迴歸分析在機器學習中是預測連續數值目標的任務，可使用線性或非線性模型，並用適合的誤差指標檢查預測品質。

正則化是透過限制模型複雜度或加入懲罰等方式降低過度擬合的方法，使模型不只追求訓練資料的最低誤差，也考量泛化。

強化學習是讓學習主體透過與環境互動、取得獎勵回饋並調整行動策略的方法，目標是在指定任務中提高累積報酬。

人類回饋強化學習是利用人對模型輸出的評價或偏好建立回饋訊號，再以強化學習調整模型的方法，用於改善回應與偏好的一致性。

再製造是重新工程處理產品或零件，使其達到與新品相同或更好的性能狀態，重點在恢復產品層級的功能與品質，而非僅回收原料。

再生能源是來自可在與人類經濟活動相關時間尺度內補充的自然資源之能源，例如太陽能與風能；資源補充特性是辨識的重要依據。

再生能源憑證是記錄再生電力生產之環境等屬性的工具；在美國每張 REC 通常對應 1 MWh 發電量，用於支持再生電力使用主張。

維修是對故障或受損產品及零件採取修復行動，使其恢復原先預期的用途，藉此延長使用時間並保留既有產品價值。

報導個體是資訊所描述的組織範圍；依 IFRS 永續揭露要求，應與相關財務報表的報導個體一致，以利使用者連結資訊。