第四章 評估方法與結果
4.4 實驗結果與分析
[(1+18)*18/2]/18*3=28.5
中括弧部份內代表的是把這 18 道菜的排名都加起來的總名次(也就是 1 加到 18)，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
然後除以 18 為只點一道菜的理論排名，之後因為我們每輪點 3 道菜，所以乘以 3。
每一輪選 3 道餐點，共做 9 輪，也就是 28.5*9=256.5，這是 A 餐廳的 9 輪理論排 名總和。
因為每一輪都會有 10 位使用者從 10 間餐廳點菜，每輪餐點的數量是一樣多的，所 以可以將 10 間餐廳 9 輪排名總和相加，除以 9 輪來得到每輪理論排名總和 406.5。
趨勢線是使用 Excel 內建的趨勢線功能，將原本味覺偏好推薦資料數據代入，來取 得與原數值最接近的趨勢線。
由趨勢線和理論排名總和比較，可以看出味覺偏好推薦的總和名次有隨著輪數增加 而逐漸下降，由於名次總和越小表示推薦的越準確，所以表示在味覺偏好推薦的方法上，
累積資料能對於推薦有幫助。趨勢線起始點的位置與理論排名總和非常接近，也表示了 僅有少量資料的時候推薦僅和隨機推薦的期望值差不多。
‧
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 17:群眾推薦名次範例
這張圖為第一階段問卷於 B 餐廳所獲得的結果，第一欄為餐點名稱，第二欄為被點 選次數，如要計算名次為海鮮豆腐鍋 1，大腸臭臭鍋 2，腸旺鴨血鍋和醬燒牛肉鍋並列 第 3，泡菜鍋和醬燒豬肉鍋並列第 5，以此類推。
但是並列的情況實際上為腸旺鴨血鍋和醬燒牛肉鍋占據了 3、4 名，泡菜鍋和醬燒 豬肉鍋占據了 5、6 名，所以名次必須做加權調整，調整過的值為(3+4)/2=3.5，
(5+6)/2=5.5，也就是腸旺鴨血鍋和醬燒牛肉鍋實際名次各為 3.5 名，泡菜鍋和醬燒豬 肉鍋實際名次各為 5.5 名，而海鮮豆腐鍋和大腸臭臭鍋因為沒有並列排名的問題，所以 仍然是 1、2 名。
每一輪皆有 10 位使用者點選了共 30 道餐點，將這 30 道餐點於各自餐廳的名次加 權值總和相加即為該輪名次總和。將 9 輪數據以折線圖表示則為群眾推薦數據線。
群眾推薦趨勢線是使用 Excel 內建的趨勢線功能，將原本群眾推薦資料數據代入，
來取得與原數值最接近的趨勢線。趨勢線呈現的是向上的趨勢，也就是做越多輪群眾推 薦越不準確。但是實際上我們在群眾推薦的每一輪的條件上並未做改變(而味覺推薦的 方法每一輪皆會有更多資料累積進入資料庫，每一輪條件不同)，所以群眾推薦的趨勢
‧
‧
‧
(9009*1+4095*2+455*3)/18564=1 為 A 餐廳的每輪理論命中期望值。
將 10 間餐廳的理論命中期望值總和相加乘以 9 輪，則為整體理論命中期望值。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.4.8 末 3 輪命中數比較
圖 22:末三輪命中數比較
在末 3 輪的資料比較方面，由於使用者已經累積了一些味覺資料於資料庫內，所以推薦 結果也更加準確一些。由圖中可以看出末三輪時，味覺偏好推薦和味覺比例推薦的命中 數皆超過理論期望值，其中味覺偏好推薦的命中數仍是大於味覺比例推薦，顯示出在命 中數方面味覺偏好和味覺比例推薦皆有助於命中使用者想點選的餐點，而味覺偏好推薦 的方法則優於味覺比例推薦。
0 5 10 15 20 25 30 35
味覺偏好 味覺比例 理論期望值 隨機推薦
末三輪命中數
末三輪命中數 (命中數)
(方法)