未來研究建議

本研究提出適合申請資訊推薦機制架構，並以進行中之文具申請系統進行實 例應用，但對於提出之機制及方法仍然有改進的空間，本研究建議未來之研究方 向為：

（1）增加推薦參考之屬性：

申請者常會因為許多不確定因素而隨時改變申請的習慣，但如何能洞悉申請 者之變化，就必須加入影響申請習慣之變數進行分析，若系統無法在最快的 時間內察覺申請者申請習慣之改變，則會導致推薦之正確率降低。因此，本 研究建議可增加推薦參考之屬性，由多方向來對於申請者資訊推薦之機制提 供參考之依據，以提昇資訊推薦之正確率。

（2）申請推薦資訊之關聯法則的改良：

本研究所提出之申請資訊推薦探勘機制屬於典型的利用資料探勘技術中之 Apriori演算法，而目前有相當多改良的演算法，因此，未來可將這些改良的 演算法納入本推薦機制，進行比較分析的研究，以增加申請資訊推薦之效率。

參考文獻

中文部分

【1】朱國光，1998，「網路輔助學習系統之研究」。台南師範學院資訊教育研 究所碩士論文。

【2】陳明溥、莊良寶，1997，「知識圖建構對網路化學習的影響」。ICCAI 論 文集第八屆。http://acbe.tku.edu.tw/main.htm，第356頁。

【3】陳明溥，1997，「以網頁建構做為電腦知能表示工具之成效研究」。ICCAI 論文集第八屆。http://acbe.tku.edu.tw/main.htm，第143頁。

【4】黃明祥，1997，「系統分析與設計」。松崗電腦圖書資料股份有限公司出 版。

【5】黃政傑、林珮璇，1996，「合作學習」。五南圖書出版有限公司。

【6】賴榮裕，1995，「從人因面探討使用者介面之設計」。國立中山大學資訊 管理研究所碩士論文。

【7】葉怡成，1999，「類神經網路模式應用與實作」。儒林資訊發行。

【8】胡玉城，1992，「暢談類神經網路」。倚天資訊股份有限公司出版。

【9】傅心家，1993，「神經網路導論」。第三波資訊發行。

【10】林建廷，2000，「類神經網路在無線通訊市場消費區隔與預測之應用研究」。

【11】曾義光，2000，「網站經營利器：掌握潛在顧客以網際探勘(Web Mining) 幫助決策判斷」。網際先鋒出版。

【12】程左一，2000，「台大資訊管理研究所」。台大資訊管理研究所網站。

【13】林幸怡，1997，「擴充先前知識以輔助資料探勘」。國立政治大學資訊管 理研究所碩士論文。

【14】樓玉玲，1998，「以資料探勘技術分析政大通識課程」。國立政治大學資 訊管理研究所碩士論文。

【15】林常平，1999，「再談類神經網路」。自動化科技論壇。

【16】游崇智，1996，「應用類神經網路模擬多變量計量模式於台灣股市之分析 與預測」。私立中原大學企管研究所碩士論文。

英文部分

【17】Yang,C.C.（2000）,”Intelligent Internet Searching Agent Based on Hybrid

Simulated Annealing”,Decision Support Systems,Vol.28, Issue:3,pp.269-277.

【 18 】 Etzioni O.and D.S.Weld （ 1995 ） ,”IntelligentAagents on the Internet:

Fact,Fiction,and forecast”,IEEE Expert,Vol.104,pp.44-49.

【 19 】 Adorf,H.M. （ 1995 ） ,”Resource Discovery on the Internet”,Vistas in

Astronomy,Vol.39,Issue:2,pp.243-253.

【20】Cheung,D.W.,B.Kao and J.Lee（1998）,”Discovering User Access Pattern on the

World Wide Web”,Knowledge-Based Systems,Vol.1,pp.463-470.

【21】Lieberman,H.（1997）,”Autonomous Interface Agents”,”Proceedings of CHI’97,

ACM Press,pp.67-74.

【22】Grupe,F.H.and Owrang,M.M. .（1999）, “Data Base Mining Discovering New

Knowledge and Coperative Advantage”,”Information Systems Management, Vol.12,No.4.Fall,pp.35-41.

【23】Fayyad,U.,Piatetsky-Shapiro,G.,and Smyth,P. （1996）,”From Data Mining to

Knowledge Discovery: A overview”,In advances in Knowledge Discovery and Data Mininig,pp.471-493,

【 24】Han,J.（1999）,“ Data Mining,” in J. Urban and P. Dasgupta

(eds.),Encyclopedia of Distributed Computing, Kluwer Academic

Publishers.

【 25 】 Han,J.,and Kamber （ 2001 ） ,Data Mining: Concepts and

Techniques,Morgan Kanfmann Publishers.

【26】Han,J（2000）,“Mining Frequent Patterns without C a n d i d a t e

G e n e r a t i o n , ” P r o c e e d i n g s o f 2 0 0 0 A C M - S I G M O D

International Conference Management of Data (SIGMOD'00),pp. 1-12.

【27】Holmberg,B.（1995）, Theory and practice of distance education.

London : Routledge.

【 28 】 Keegan,D. （ 1993 ） , Theoretical principles of distance

education. Lodon: Routledge.

【29】Kishore,L. A.,and Chang,T. （1997）,“Feature Recognition using ART2:

a Self-Organizing Neural Network,” Journal of Intelligent

Manufacturing,Vol. 8,pp.203-214.

【30】Lieberman,H.（1997）,“Autonomous Interface Agents,” Proceedings

of CHI’97,ACM Press,pp. 67-74.

【 3 1 】 L o c k w o o d , F . （1995）, O p e n a n d d i s t a n c e l e a r n i n g t o d a y .

L o n d o n : Routledge.

附錄 A

網路文具申請系統資訊推薦分析系統功能說明

（依照第三、四章之分析及規劃開發）

1. 基本資料轉換（INIT_TRN_PR.asp）

將分析之資料整理並轉為分析之格式。

【INIT_TRN_PR.asp】

（1） 轉入操作者交易資料並轉為分析格式

（TRN_TRAN_DATA.asp），轉入資料表（HNN_TRN）。

將操作者進入系統後一次申請之文具以陣列之方式串聯，以作 為分析之依據。

【TRN_TRAN_DATA.asp】

【HNN_TRN】

（2） 轉出文具項目至文具資料集並轉為分析格式

（TRN_FlowSet.asp），轉入資料表（TRAN_ARR）。

將分析之資料以文字陣列之方式表達以作為分析之依據。

【TRN_FlowSet.asp】

【TRAN_ARR】

2. Apriori 探勘(文具/文具探勘)（Apriori_TRN_PR.asp）。

探勘各種申請組合之資訊並計算支持度及信賴度。

【Apriori_TRN_PR.asp】

（1） 計算各文具之申請次數（Count_ItemSet_Support.asp），轉入 資料表（ITEMSET）。

計算單一文具申請支持度。

（2） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set1) 並 轉 入 資 料 庫

（TRN_ITEM_SET1.asp），轉入資料表（ITEMSET1）。

計算單一文具申請支持度，並作為兩項文具申請之依據。

（3） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set2) 並 轉 入 資 料 庫

（TRN_ITEM_SET2.asp），轉入資料表（ITEMSET2）。

計算兩項文具申請支持度及信度，並作為三項文具申請之依 據。

【TRN_ITEM_SET2.asp】

【ITEMSET2】

（4） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set3) 並 轉 入 資 料 庫

（TRN_ITEM_SET3.asp），轉入資料表（ITEMSET3）。

計算三項文具申請支持度及信度，並作為四項文具申請之依 據。

【TRN_ITEM_SET3.asp】

【ITEMSET3】

（5） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set4) 並 轉 入 資 料 庫

（TRN_ITEM_SET4.asp），轉入資料表（ITEMSET4）。

計算四項文具申請支持度及信度，並作為五項文具申請之依 據。

【TRN_ITEM_SET4.asp】

【ITEMSET4】

（6） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set5) 並 轉 入 資 料 庫

（TRN_ITEM_SET5.asp），轉入資料表（ITEMSET5）。

計算五項文具申請支持度及信度，並作為六項文具申請之依 據。

【TRN_ITEM_SET5.asp】

【ITEMSET5】

（7） Apriori 探 勘 ( 文 具 對 文 具 探 勘 Item Set6) 並 轉 入 資 料 庫

（TRN_ITEM_SET6.asp），轉入資料表（ITEMSET6）。

計算六項文具申請支持度及信度，並作為七項文具申請之依 據。

【TRN_ITEM_SET6.asp】