本研究主要是在建構一個虛擬社群討論內容之知識分享的知識結 構，各虛擬社群成員可以透過虛擬社群討論區，將彼此的心得做知識分 享與交流，其中最重要的是透過旅遊資訊協同式推薦系統，主動推薦更 符合虛擬社群成員需求的相關資訊。在此旅遊資訊系統架構下，社群成 員、虛擬社群討論區以及旅遊資訊協同式推薦系統之關係如圖4-5 旅遊資 訊系統架構圖所示。
圖 4-5 旅遊資訊系統架構圖
二、旅遊資訊協同式推薦流程圖
本研究之旅遊虛擬社群的旅遊資訊協同式推薦流程，主要有文章資 料蒐集、文章內容屬性分析、FCA 分析，接著依虛擬社群成員的選擇進 入相同分類主題或更多相關主題。當虛擬社群成員選擇相同分類主題 時，則系統將推薦更多相同分類主題的文章給虛擬社群成員，若選擇更
虛擬社群成員
旅遊資訊協同式推薦系統 虛擬社群討論區
多相關主題時，則系統將透過正規化概念矩陣圖經由資訊推薦運算後，
找出由上往下主要節點路徑表，推薦更多相關主題的文章給虛擬社群成 員，其細部說明如下圖4-6 旅遊資訊協同式推薦流程圖所示：
圖4-6 旅遊資訊協同式推薦流程圖 文章內容屬性分析
FCA 分析
相同分類主題
文章資料蒐集
文章推薦 是否 接受
更多相關主題
相同分類主題 文章推薦
更多相關主題 文章推薦 資訊推薦運算
否
是
步驟一：文章資料蒐集
本研究擷取「背包客棧自助旅行論壇」裡，虛擬社群成員所有發表 和回應的文章。
步驟二：文章內容屬性分析
將所蒐集的文章，根據發文和所有回文之文章內容所提到的議題，
給予「金錢」、「住宿」、「飲食」、「交通」、「行程」的屬性標示，因此，
當文章主題的發文與所有回文只有提及一項議題時，文章主題就只被標 示為一個屬性，如圖4-7 在文章主題為「大疑問~~超正的咖啡及辣椒醬~」
的發文和所有回文內容中只提及「飲食」的議題，因此，將此篇文章的 屬性標示為「飲食」的文章。若文章主題的發文與所有回文提及多項議 題時，就會被標示為多個屬性，如圖4-8~10 在文章主題為「蜜月旅行：
捷奧 16 天或捷克單國 請幫忙看看」的發文和所有回文內容中提及「住 宿」、「飲食」、「交通」、「行程」等議題，因此，將此篇文章的屬性標示 為「住宿」、「飲食」、「交通」、「行程」等四項議題交集的文章。
圖4-7 「大疑問~~超正的咖啡及辣椒醬~」主題的發文和回文 資料來源(http://www.backpackers.com.tw/forum/showthread.php?t=65617)
「飲食」議題
「飲食」議題
「飲食」議題
圖4-8 「蜜月旅行：捷奧 16 天或捷克單國 請幫忙看看」主題的發文 資料來源(http://www.backpackers.com.tw/forum/showthread.php?t=98517)
「住宿」和「行程」議題
「住宿」議題
「行程」議題
圖4-9 「蜜月旅行：捷奧 16 天或捷克單國 請幫忙看看」主題的第一、
二篇回文
資料來源(http://www.backpackers.com.tw/forum/showthread.php?t=98517)
「住宿」和「交通」議題
圖4-10 「蜜月旅行：捷奧 16 天或捷克單國 請幫忙看看」主題的第三、
四篇回文
資料來源(http://www.backpackers.com.tw/forum/showthread.php?t=98517)
「飲食」議題
步驟三：FCA 分析
將所有文章主題都依其內容所提及的議題標示完屬性後，以 FCA 來 做分析，其過程如本文第三章所提的正規化概念分析製程，先完成 FCA 正規化概念表，再經由軟體繪製成正規化概念矩陣圖。由於旅遊虛擬社 群裡的文章，會隨著虛擬社群成員不定時的發文或回文而增加文章主題 的篇數，此外，文章主題先前所被標示的屬性，也可能因為之後的回覆 文章中再提及其他的議題而增加文章主題被標示的屬性，所以每當虛擬 社群成員在發文或回文後，推薦系統就必須做一次FCA 分析，以呈現正 規化概念矩陣圖最新的動態變化結果。
步驟四：「相同分類主題」與「更多相關主題」的文章推薦
本研究之協同式文章推薦機制是以「相同分類主題的文章」和「更 多相關主題的文章」為社群成員做推薦。
1. 相同分類主題：是根據社群成員當前閱讀之文章所屬的議題類別，再 推薦更多相同於此議題的文章給社群成員閱讀。
2. 更多相關主題：是除了社群成員當前閱讀之文章所屬的議題外，再加 入一項新議題，並擷取原議題與新議題交集之屬性的文章來做推薦，而 這項新議題是經由FCA 分析後之正規化概念矩陣圖所得的由上往下主要 節點路徑表，來決定下一個要加入的新議題，此外，由上往下主要節點
路徑表的路徑選擇是透過資訊推薦運算來決定下一個節點路徑。
步驟五：文章推薦
若虛擬社群成員接受協同式推薦的文章，則結束推薦程序，若不接 受協同式推薦的文章，或虛擬社群成員想再閱讀更多其他議題或議題交 集之屬性的文章，可再利用協同式推薦機制，來為虛擬社群成員推薦文 章。
三、旅遊資訊協同式推薦機制
每當社群成員發表或回覆文章時，推薦系統就會做一次正規化概念 分析，根據分析後的正規化概念矩陣圖，經由旅遊資訊協同式推薦機制 來挑選由此層節點所延展出下一層的各個節點中百分比為最大值的節 點，亦即由推薦機制來挑選出下一層的主要路徑節點，並將此路徑設為 主要路徑，以此發展成為由上往下主要節點路徑表。其主要步驟如下：
步驟一：輸入節點
首先，將輸入的節點設為 ord(Pi,Qj)，且 1≦i≦m，1≦j≦n，其中，
Pi為正規化概念分析所得之正規化概念矩陣圖中的上層節點，而 m 為正 規化概念分析所得之正規化概念矩陣圖中的節點總個數；另外，Qj 為由 上層節點 Pi所延展下來的下層節點，而n 為由上層節點 Pi所延展下來的
下層節點總個數。
步驟二：挑選最大值
從上層節點 Pi所延展下來的下層所有1≦j≦n 節點 Qj中，挑選Qj值 最大的節點並設為max(Pi,Qj)作為主要路徑，並以此作為第一次的旅遊資 訊推薦。
步驟三：重覆步驟一與步驟二
再以 max(Pi,Qj)為開端，重覆步驟一與步驟二，藉此作為後續的旅遊 資訊推薦。
當旅遊虛擬社群的使用者選擇從「五大議題分類」來閱讀的文章時，
系統會根據過去使用者發表或回覆之文章內容的記錄，利用由上往下主 要路徑表推薦適當的相關文章，提供使用者做進一步的相關資料閱讀。
其中，由上往下主要路徑表是經由 FCA 分析後所得的正規化概念矩陣 圖，如圖 4-11 背包客論壇之正規化概念矩陣圖所示，從圖中選取各節點 延展下來佔比重較高的節點設為主要路徑，並發展成為由上而下主要節 點路徑表，如下表4-2 由上往下主要節點路徑表所示。如第一層以「金錢」
議題的路徑為開始，由「金錢」議題向下延展至第二層的議題分別是「金 錢」與「住宿」議題的交集(佔 42%)、「金錢」與「飲食」議題的交集(佔 29%)、「金錢」與「交通」議題的交集(佔 62%)、「金錢」與「行程」議 題的交集(佔 20%)，其四項延展的交集議題當中，以「金錢」與「交通」
議題的交集所佔的比率 62%為最高，因此第二層的「金錢」與「交通」
表4-2 由上往下主要節點路徑表