近年來音樂產品蓬勃發展，產品可供選擇的種類琳瑯滿目，而在選擇 大量增加之下，常導致消費者在找尋音樂及挑選所想要的音樂產品時，
需耗費相當多時間與精神在收集所要的資訊並處理掉雜訊，也相對不容 易做出購買決定，究其主要的原因就是來自於過多的資訊供給量，這也 就是所謂資訊超載（Information overload）現象。而此資訊超載現象使得 人們隨時隨地都處於一個資訊過多的環境，為解決資訊超載問題，許多 研究開始以資訊推薦技術進行資料的篩選與過濾，相關研究實證中也表 示資訊推薦系統可有效減少使用者個人在尋找喜好產品上所耗費的時 間，更可推薦出使用者有興趣的產品（Schafer, Konstan & Riedl, 1999；
Berkovsky, Kuflik & Ricci, 2005）。基於上述內容，本研究主要在尋找適當 的資訊推薦方法與程序，以解決音樂 CD 產品在挑選上所產生的資訊超 載問題。
資訊推薦系統研究大致可分為三種推薦方式機制，分別為內容導向式 推薦系統（Content-based recommendation system）、協同合作式推薦系統
（Collaborative recommendation system）及混合式推薦系統（Hybrid-based recommendation system）。內容導向式推薦系統其主要概念源自於資訊檢 索（Information retrieval）所延伸出來的技術，其方法是系統先收集使用
者在過去使用資訊，如偏好、習慣等，在獲得使用者喜好後，進而推薦 使用者相似度高的資訊（Basu, Haym & Cohen, 1998）。協同合作式推薦系 統則是利用相似組群（Group）的概念，透過一群具有相同興趣偏好的使 用者，計算分析出各使用者之間的相似度，藉此找出一群與自己偏好最 相似的最近鄰居（Nearest neighbors），再根據最近鄰居內的共同特性，推 薦高程度相近的項目資訊給使用者（Resnick et al., 1994）。混合式推薦系 統依字面上解釋，也就是採用兩種或數種推薦機制。混合式推薦系統亦 可針對不同的問題，結合多種推薦系統及演算法來補足單一推薦系統無 法解決的問題。研究實證顯示，混合式推薦系統可保有內容導向式與協 同合作式推薦系統個別之優點，在推薦品質上也比單一推薦系統有較佳 的表現。
而資訊推薦系統若能提供給使用者準確率高且符合使用者所想要的 推薦結果，將可有效的解決資訊量龐大所產生的資訊超載問題，並可協 助使用者快速的獲得資訊及做出決定。推薦系統所推薦出的結果是否符 合與準確率是否良好將是由使用者本身來評比及判斷，為此，一個好的 推薦系統最主要的關鍵因素仍然是使用者的偏好。
目前音樂推薦系統（Music recommendation system）大都以擷取音樂 特徵值或屬性做為匹配、過濾、分類之依據。此方式在目前繁多音樂推 薦機制中佔有良好的推薦效果，但卻少有相關研究提及使用者偏好與音
樂特徵屬性之間的關聯。而對於使用者來說，音樂可能不單只是一項商 品，也是另一種自我生活型態的表現與詮釋，所以音樂是相對主觀的，
但對於一般使用者而言，每項音樂特徵屬性的偏好及感受都不盡相同，
因此若能更貼近使用者，加入使用者偏好，將可改進現行音樂推薦的單 方向問題。故此，本研究進一步考慮以模糊語意法，先獲取消費者的購 買偏好，再進行音樂特性的比對，以增進音樂資訊推薦的品質。
模糊語意法（Fuzzy linguistic）為模糊理論相關研究之一，相關研究 指出，人類的思維想法、認知邏輯與行為皆存在著模糊不確定之特質，
如以傳統的二分法來進行決策思考及設計分析，較無法反映出事實的真 相。而模糊語意法在資料的收集上是以模糊語意問卷（Fuzzy linguistic
scale）來進行，其主要是能真實完整地保留填答者對於語意措詞的感受，
以呈現內心真實想法與意見，而其優點為語意區間的模糊資料可用語意 性措詞來表示，可降低在填答模糊問卷時的困難度（李來錫、蔡耀德，
2006）。
然而，如上研究內容所述，人的內心皆存在著模糊不確定之特質，使 用者的偏好常會受到許多因素影響，如當下的環境背景、本身的喜好、
心情的變化等等，但是在目前許多推薦系統的研究當中，所著重的通常 只是使用者直接表達的資訊，如使用者操作檔案中的歷史紀錄等，常常 缺少及忽略掉不易收集和使用者沒有直接表達的部分。因此，本研究將
對於使用者偏好做更加深入的研究及了解，嘗試以模糊語意法（Fuzzy
linguistic analysis）去分析與考量使用者內心真實的感受，並且運用在音 樂 CD 資訊推薦上，期望藉由此方法提供給使用者一種更直接貼近內心 感受的個人化方式，來推薦出喜愛的音樂 CD 產品，並相對減少在資訊 搜尋上所耗費的時間。