本研究以「Joy Audio」（http://www.joyaudio.com.tw）音樂 CD 產品網 站的音樂資訊為基礎，以發展模糊語意音樂資訊推薦系統，此網站具有 實體店面且成立超過十年以上，著重優質音樂 CD 產品，強調每張音樂
CD 皆經過仔細篩選過後才上架，並十分注重與顧客間的溝通與分享，為 台灣知名的音樂進口代理商，是國內社團法人臺灣音響發展協會主要會 員之一，曾與眾多音響大廠合作舉辦過大型音樂展，許多如 MyAV 視聽 商情（http://www.myav.com.tw）及 Mobile01（http://www.mobile01.com）
等知名的大型社群網站都極力推薦之音樂 CD 產品網站。
研究主要以使用者與賣方認知的音樂 CD 分類來進行模糊比對，藉 此資訊推薦機制來幫助使用者在大量的音樂 CD 產品中找尋喜好的音樂
CD，並減少使用者在搜尋的時間。
本研究將以音樂 CD 產品資料庫當中，已建置完成特色屬性資料的
100 張音樂 CD 做為分析資料。
（一） 使用者語意資訊收集
語意資訊收集則是經由使用者在進入系統後填答語意量表，藉此可 收集到使用者對與產品的模糊偏好。假設某使用者（U1）於填答後，紀錄 資訊方式如表 3-4。
表 3-4. 使用者語意區間模糊數紀錄表範例
使用者
（U1）
題 1 題 2 題 3 題 4 題 5
1 3 4 2 5 0.5 0.6 0.7 0.2 0.3 0.4 0.4 0.5 0.6 0.5 0.6 0.7 0.2 0.3 0.4
題 6 題 7 題 8 題 9 題 10
2 1 2 5 1 0.4 0.5 0.6 0.8 0.9 1 0.2 0.3 0.4 0.5 0.6 0.7 0.6 0.7 0.8
使用者（U1）問項題 1 中，選擇 1（非常不同意），而對題 1 屬性語 意區間模糊數為 0.5 至 0.7，中間值為 0.6，其餘題項皆以此方式紀錄之，
主要以表示個人實際內心程度值。
（二） 資訊推薦運算
資訊推薦運算首先必須計算出目標使用者與產品間的感受差距值，
再以計算其離異程度。
範例分析中以使用者（U1）為目標使用者，並以產品（P1）作為感 受差距計算範例。
表 3-5 為計算使用者（U1）與產品（P1）各題項之感受差距值紀錄，
而以本範例分析為例，題項中的第 7 題感受差距值最大，代表其差異愈 大。
表 3-5. 使用者（U1）及產品（P1）感受差距值計算範例表
使用者（U1） 產品（P1） 感受模糊距離值
fd(U1,P1)
感受差距值 fd*(U1,P1)
題 1 0.5 0.6 0.7 0.3 0.4 0.5 0 0.2 0.4 0.2
題 2 0.2 0.3 0.4 0.6 0.7 0.8 -0.6 -0.4 -0.2 0.4
題 3 0.4 0.5 0.6 0.5 0.6 0.7 -0.3 -0.1 0.1 0.1
題 4 0.5 0.6 0.7 0.7 0.8 0.9 -0.4 -0.2 0 0.2
題 5 0.2 0.3 0.4 0.1 0.2 0.3 -0.1 0.1 0.3 0.1
題 6 0.4 0.5 0.6 0.2 0.3 0.4 0 0.2 0.4 0.2
題 7 0.8 0.9 1 0.1 0.2 0.3 0.5 0.7 0.9 0.7
題 8 0.2 0.3 0.4 0.2 0.3 0.4 -0.2 0 0.2 0
題 9 0.5 0.6 0.7 0.4 0.5 0.6 -0.1 0.1 0.3 0.1
題 10 0.6 0.7 0.8 0.7 0.8 0.9 -0.3 -0.1 0.1 0.1
在計算使用者（U1）與產品（P1）之間感受差距值後，在以感受差 距值為一權重值加入到離異度計算公式當中，依此公式計算後可求得使 用者（U1）與產品（P1）之間的離異度大小（Sd* = 2.07），詳細如表 3-6 所示。
問題
U1 & P1
表 3-6. 使用者（U1）及產品（P1）離異度計算範例表
表 3-7. 目標使用者（U1）及產品（Pn）離異度計算範例表
表 3-8. 推薦個數範例表
產品 P81
離異度 0.34
產品 P53
離異度 0.43
產品 P07
離異度 0.52
產品 P39
離異度 0.56
產品 P70
離異度 0.64
藉由離異度（Sd*（x,n)）來依序給予推薦資訊，本範例所呈現出的 CD 產品分別為編號 P81、P53、P07、P39及 P70，離異度愈小則代表與目標使 用者（U1）屬性偏好越相近。
第肆章 音樂推薦系統設計
本章節說明了推薦機制之內容分析與設計階段過程，也為了評估所 發展的推薦方法是否可行，本研究依照推薦機制建置了一套推薦系統，
其主要內容則是說明系統設計需求，同時以文件方式呈現，詳細而完整 地描述內容，並且定義推薦系統的各項功能，當完成各項系統需求與準 備工作後，逐步進行推薦系統之設計。
發展推薦系統之前，首要進行系統邏輯模型與建立資料模型等相關 工作，在本章節當中則將推薦系統之設計與建置階段分為系統目的、系 統架構、系統流程，並且展示主要系統操作頁面，在最後則進行實驗分 析。詳細之說明與各步驟內容，如下面所示。