• 沒有找到結果。

系統 系統 系統實作 系統 實作 實作與 實作 與 與 與實驗 實驗 實驗 實驗模擬結果分析 模擬結果分析 模擬結果分析 模擬結果分析

第四章 第四章

第四章 系統 系統 系統實作 系統 實作 實作與 實作 與 與 與實驗 實驗 實驗 實驗模擬結果分析 模擬結果分析 模擬結果分析 模擬結果分析

飲食保健療法推薦機制(Dietary Therapy Recommendation Mechanism, DTRM) 為一個五步驟的研究架構。主要是針對使用者本身具有多種疾病的情境或是有多 種想進行預防之疾病進行分析與推論後,推薦最適合使用者本身疾病需求的飲食 保健療法。

本 論 文 並 利 用 飲 食 保 健 療 法 推 薦 機 制(Dietary Therapy Recommendation

Mechanism, DTRM)去設計一個系統雛型,藉以進行系統實作與評估,作為推薦

最適合使用者需求的飲食保健療法的實際範例。在這一個章節,首先分別介紹系 統實作的架構、流程及功能,接著將收集好的飲食保健療法資料進行測試。並為 了證明本機制的有良好的一般化程度,將以兩種不同的飲食保健療法分類方式,

分作兩個不同的資料測試集,進行實驗結果的評估。

4.1 系統 系統 系統 系統實作 實作 實作 實作

飲食保健療法推薦機制(Dietary Therapy Recommendation Mechanism, DTRM) 主要分為兩大模組(Components),包括:語意推論模組、飲食保健療法推論模組,

兩大模組如圖16分述如下。

圖 16、飲食保健療法推薦機制(Dietary Therapy Recommendation Mechanism,

DTRM)架構圖

54

以 下 , 將 飲 食 保 健 療 法 推 薦 機 制(Dietary Therapy Recommendation

Mechanism, DTRM)中的兩個實作模組:語意推論模組、飲食療法推論模組利用

圖例進行詳細描述,語意推論模組如圖17所示、飲食療法推論模組如圖18所示。

語意推論模組

資料前處理

Brute Force Algorithms

Medical Hierarchical Architecture Medical Classification

Medical Conception Retrieval 醫療動態本體論 1.飲食保健療法資料

2.飲食療法專家建議 飲食療法詞幹處理機制 資料正規化

Suffix Stripping Algorithms

圖 17、語意推論模組架構圖

圖 18、飲食保健療法推論模組架構圖

55

4.2 實驗 實驗 實驗 實驗模 模 模擬結果分析 模 擬結果分析 擬結果分析 擬結果分析

4.2.1 實驗環境與限制 實驗環境與限制 實驗環境與限制 實驗環境與限制

本論文收集一共 9 位中國飲食保健療法專家的建議來進行飲食保健療法推 薦機制(Dietary Therapy Recommendation Mechanism, DTRM)的訓練,資源來源為 各個醫生或是醫學專家所寫下的之著作資料為主,每份訓練資料中包含有各個療 法的正向療效、負向療效和專家來源。

也由於飲食保健療法推薦機制(Dietary Therapy Recommendation Mechanism, DTRM)是 根 據 領域 本體 論(Domain Ontology)的 基 礎 建構 出 醫療動 態 本 體 論 (Medical Dynamic Ontology, MDO)再進行資料分類去針對使用者本身具有多種 疾病的情境或是有多種想進行預防之疾病進行分析與推論,推薦最適合使用者疾 病需求的飲食保健療法種類。

因為領域本體論大多數都只會使用單一領域的知識來建構,如果本體論中同 時擁有不只一個領域的知識會造成建構本體論上的錯誤。因此,本實驗的限制是 實驗資料只能採用中國飲食保健療法為主的資料,先經由人工方式,判斷資料內 容是否大部份都是中國飲食保健療法,並判斷是否包含過多的其他另類療法的資 訊,如:芳香療法、西醫療法等。如有上述等非中國飲食保健療法的資料,將不 予以納入實驗數據中,避免產生出來的實驗結果不準確。

而系統實驗平台環境如下所示:

 CPU:AMD Phenom II X3 720

 主機板:GigaByte MA78GPM-UD2H

 RAM:A-DATA DDR2 800 2G*2

4.2.2 實驗設計 實驗設計 實驗設計 實驗設計

本研究實驗採用醫療動態本體論(Medical Dynamic Ontology, MDO)、潛在語 意分析(Latent Semantic Analysis, LSA)、自組織映射圖網路(Self-Organizing Maps, SOM)演算法等方法進行飲食保健療法種類推薦,再驗證結果準確與否。

驗證準確與否的方法,是採用一般資訊檢索領域(Information Retrieval)常見

的準確率(Precision)。如下列圖19所示,A代表最適合使用者需求的飲食保健療

法種類,即藍線圓形的區域;B代表利用飲食保健療法推薦機制(Dietary Therapy

Recommendation Mechanism, DTRM)推薦給使用者的飲食保健療法種類,即紅線

圓形的區塊;而中間的交集部份,就是所有利用飲食保健療法推薦機制(Dietary Therapy Recommendation Mechanism, DTRM)推薦之最適合使用者需求的飲食保

56

健療法種類。

準確率(Precision)在本實驗中定義為當利用飲食保健療法推薦機制(Dietary

Therapy Recommendation Mechanism, DTRM)推薦給使用者的飲食保健療法結果,

其飲食保健療法種類其所可以治癒的疾病屬性與使用者實際患有的疾病屬性相 同時,即為預測正確。

圖 19、準確率(Precision)

在系統實作成功之後,可以針對每筆資料分別進行交叉訓練和測試評估。論 文的實驗將進行交叉測試四次,假設資料有256筆,首先取出64筆資料為測試 資料,其他192筆資料就用以進行訓練。當訓練結束後,再將測試資料輸入進行 評估,並以推薦準確率(Precision)當成實證模擬之評估正確率的方法。依上述方 式將每筆資料進行測試,累計重覆執行四次。

準確率的評估方法,就是當準確率(Precision)愈高時,就表示利用飲食保健 療法推薦機制(Dietary Therapy Recommendation Mechanism, DTRM)推論的推薦 品質也就愈好。以下就用兩個小節來說明兩種不同的飲食保健療法分類方式的實 驗結果,也說明得到的結果之好壞。

4.2.3 實驗一 實驗一 實驗一: 實驗一 : : :針對羹湯類飲食保健療法進行推薦 針對羹湯類飲食保健療法進行推薦 針對羹湯類飲食保健療法進行推薦 針對羹湯類飲食保健療法進行推薦

中國飲食文化歷史悠久,中國飲食療法經過歷代千百年的演化、創新、集大 成,到現代己經形成種類繁多具有民族特色的保健防病、延年益壽的一系列食譜。

在現代人們的生活中,中國飲食療法經由了推廣得到了空前的普及。由於中國飲 食療法種類繁多,可按性狀分類、烹飪製作方法分類、治療作用等三大方面分類。

[44]

= ∑

的次數 種

推薦

的正確次數 種

) 推薦

準確率( 飲食保健療法 類

飲食保健療法

Precision