半導體行業中有所謂「摩爾定律」的現象，是由英特爾（Intel）創始人之一戈登·摩爾（Gordon Moore）所提出。其內容為：積體電路上可容納的電晶體數目，約每隔18個月便會增加一倍，性能也將提升一倍，而價格下降一半。在整個半導體產業發展的六十年來，舉凡個人電腦、網際網路以及智慧型手機等技術改善和創新都離不開摩爾定律的延續。
然而，隨著晶片製程技術的持續推進，電路要再進行微縮的難度愈來愈高。2009年時IBM的研究員預測，「摩爾定律」的時代將會終結，因為研究和實驗室的成本十分高昂，很少有企業能有足夠的財力去建立及維護晶圓廠。筆者以近十年來台積電的先進製程中的三個節點作為研究主體（28nm、16nm、7nm），蒐集其製程技術進入量產期的前兩年該公司發表的專利摘要，試圖觀察出其中特定詞彙的出現頻率隨著量產期將至是否有大幅提高(或下降)的現象，以此提供給我國政府作為未來產業走向及調整產業發展政策的參考。

The so-called "Moore's Law" phenomenon in the semiconductor industry was proposed by Gordon Moore, one of the founders of Intel. Its content is: The number of transistors that can be accommodated on the integrated circuit will double approximately every 18 months, the performance will also double, and the price will be reduced by half. In the sixty years of the development of the entire semiconductor industry, technological improvements and innovations such as personal computers, the Internet and smart phones are inseparable from the continuation of Moore's Law.
However, with the continuous advancement of wafer processing technology, it is becoming more and more difficult to scale down the circuit. In 2009, IBM researchers predicted that the era of "Moore's Law" would end because research and laboratory costs were so high that few companies could afford the financial resources to build and maintain wafer fabs. The author uses the three nodes of TSMC's advanced manufacturing processes (28nm, 16nm and 7nm) in the past ten years as the research subject, and collects the patent abstracts published by the company two years before its process technology enters the mass production period. With the mass production period, the frequency of occurrence will be significantly increased (or decreased), so as to provide our government as a reference for future industrial trends and adjustment of industrial development policies.

摘要 1
致謝 3
目錄 4
第一章 緒論 5
1.1研究動機 5
1.2研究背景與目的 7
1.3研究方法與文獻回顧 9
1.3.1研究方法 9
1.3.2文獻回顧 11
第二章 研究設計與資料說明 16
第三章 迴歸模型的建立 20
3.1敘述統計 20
3.2迴歸模型的建立 21
第四章 結論與建議 28
4.1結論 28
4.2未來研究方向與建議 28
第五章 參考文獻 29

一、中文文獻
[1] 陳怡帆（2018）。Google Trends關鍵字搜尋能否預測台灣房市？（碩士論文）。雲林科技大學。
[2] 許孝婷（2016）。以谷歌趨勢及多層感知器模型於旅客人數預測之應用（碩士論文）。暨南國際大學。
[3] 洪令莊（2016）。應用文本探勘、谷歌趨勢關鍵字與最小二乘向量迴歸於股價之預測（碩士論文）。暨南國際大學。
[4] 王武吉（2016）。關鍵字搜尋量應用於郵輪艙位訂購預測之研究（碩士論文）。交通大學。
[5] 黃柏雄（2016）。以關鍵詞選擇用谷歌趨勢及ARIMAX於預測銷售（碩士論文）。暨南國際大學。
[6] 李郁涵（2015）。谷歌關鍵字搜索預測賣座電影趨勢之研究（碩士論文）。高雄師範大學。
[7] 林應龍（2015）。應用關鍵字差異分析於立委選舉得票率預測之研究（碩士論文）。元智大學。
[8] 黃浚紘（2013）。Google 是否能預測台灣股票報酬率？（碩士論文）。臺灣大學。
[9] 洪慧儒（2011）。基於使用者目前瀏覽網頁之查詢關鍵字預測方法及其應用（碩士論文）。臺灣大學。
二、英文文獻
[1] IZA DP No. 4201: Google Econometrics and Unemployment Forecasting. Nikos Askitas, Klaus F. Zimmermann(2009).