第一章 緒論
1.1 研究背景與動機
網路的發展改變了人們閱讀的習慣，近幾年變成民眾獲得資訊的主要來源，
2010 年網路觀看新聞的人數已經超越了報紙，隨著閱讀方式轉變，廣告管道轉 向網路，在網路廣告的花費也超越報紙(Pew Research Center, PRC, 2010)，另外，
從電視獲取資訊的民眾也不斷減少，特別是年輕族群的觀眾(News Consumption Survey, 2012)。傳統報章雜誌、書籍等傳播方式呈現的資訊有限，且只能透過圖 文靜態呈現，電視傳播透過畫面能更生動地提供資訊，但資訊內容仍然由電視台 來主導，網路能夠彌補傳統傳播的不足，民眾有更高的自主權選擇資訊內容，進 而快速有效率獲得資訊。網路快速、便利及選擇性高的特性，使企業、學校以及 政府機關將資訊轉移到網路上，開始 e 化作業。
科技的進步使得傳統資訊紛紛數位化，造成網路上資訊爆炸，在面對成千上 萬的資訊中，如何找到目標資訊是一門學問，相對的，網站需要考量如何呈現訊 息，才能讓民眾快速找到目標資訊。雖然民眾擁有更高的自主權選擇想要的資訊，
但也表示需要花更多成本去找尋、去選擇。資訊 e 化後，網站不會有專業人員指 引，民眾必須靠自己的理解行動，就像問路及查地圖的差別，因此，在資料量急 速增加的環境中，網站需要作出適當的引導。
為了讓網站能夠引導使用者瀏覽，設計網站時不能忽視網站架構，但網站並 沒有最佳化架構，架構設計不當或連結錯誤，會造成找不到目標資訊的情況。任 何架構及呈現方式都可能不符合使用者需求，網站若能夠依照使用者的瀏覽特性 調整，作出合適的引導，即能夠降低資訊查詢成本，維持使用者對網站的滿意度。
現在已經有許多網站針對使用者進行不同調整，來達到各自的需求，知名網 站 Amazon 從顧客以往點選、購物等瀏覽記錄進行分析，透過其自身的推薦系統
2
進一步推測使用者可能有興趣的資訊，並呈現在網站中，此推薦系統為 Amazon 增加不少營收，在 2012 年第二季財務總營收相較於去年同一時期成長了 29%。
呈現適合的資訊給使用者能夠提升瀏覽效率，為此網站需要能夠進行調整，調整 可以由使用者決定，也可以由網站進行。以 Google 為例，為了讓資訊更符合需 求，提供選擇工具及資訊的功能，使用者可以自行決定如何調整，並依喜好拖拉 區塊來調整呈現。雖然由使用者調整或填寫資訊能夠明確知道需求，但大多數使 用者會跳過這個階段，直接找尋資料(Schwarzkoph, 2001)。適性化網站(adaptive web site)能夠彌補這個缺點，自動分析使用者瀏覽特性，並改善網站以呈現符合 需求的內容(Perkowitz and Etzioni, 1997)，調整型態分為兩種，第一種為客製化 (customization)，針對個別使用者進行網頁的調整，第二種為最適化(optimization)，
調整網站本身，讓整體使用者瀏覽時擁有更好的引導。
網際網路分為三類：資訊提供型(informational)、網路交易型(transactional) 及網路作業型(operational)(Koh and Baltazard, 1997)，網路的快速及便利使網路交 易蓬勃發展，許多作業也進行電子化並轉移到網路，但目前多數公司及公家機關 的網站仍屬於資訊提供型，網站負責蒐集、彙整、管理特定資訊，並提供給使用 者，雖然功能簡單卻仍然會不符合使用者需求，原因可能是網站最初設計不當，
或是使用者的需求改變，最常見到的處理方式為提供動態表單快速連結到熱門頁 面。資訊提供型網站中，民眾瀏覽網站只為了找尋特定資料，而非長時間瀏覽，
較少擁有登入需求，而且使用者人數多但瀏覽頻率並不高，大多使用者並沒有足 夠的瀏覽記錄以供分析，若採用客製化調整，無法提供合適的調整。因此本研究 針對資訊提供型網站採用最適化調整，以整體使用者的需求為目標來改善網站，
雖然最適化所推薦的網頁無法完全符合所有使用者的需求，但可以改善網頁整體 的表現，幫助首次瀏覽網站或不熟悉網站架構的使用者有效率地找到資訊。
適性化調整能讓網站自動找出適合推薦的網頁，但調整之間不會相互影響，
經過長期調整也無法自行改善調整情形。本研究之網站調整不只以單次資料進行
3
運算，而是將每次的調整連結，並從中學習，因此採用增強式學習(reinforcement learning)，讓網站得知每次調整所造成的影響，並直接學習如何調整。增強式學 習起源於心理學，解釋動物及孩童的學習過程，透過與環境不斷的互動，能夠找 到正確的行為，如同嬰兒學習走路時，沒有人教導如何站立如何移動，藉由環境 的回饋訊息，例如跌倒，慢慢探索出如何使力才能夠站立及走路。由此可知增強 式學習屬於非監督式學習，不需要指導者監督及教學，透過試誤(trial-and-error) 機制，僅憑著與環境的互動進行學習，每次的行動會影響後續的狀態及行動，經 過一連串學習後，找出符合現況的最佳策略。
在資訊發達的現代，網路成為找尋資料的重要來源。由於網路上的資料量大 且繁雜，即使在一個網站中也難以快速找到想要的資訊。因此網站需要能夠依照 使用者需求提供資訊，以提升瀏覽效率。為了隨著不斷變動的使用者需求進行調 整，網站需要進一步擁有學習能力，並透過以往的經驗改善推薦。
1.2 研究目的
本研究主要以伺服器中，記錄使用者瀏覽情況的日誌檔為依據，透過網頁探 勘從歷史資訊中分析出使用者的瀏覽特性，接著將增強式學習與網站結合，找出 各瀏覽型態對於網頁推薦的重要性，讓網站持續從每次調整中學習，自動進行網 頁推薦的最適化調整。本研究具體目的為以下所述：
1. 透過伺服器日誌檔，分析整體使用者的瀏覽習慣及特性
2. 利用增強式學習使網站透過過去調整經驗學習，並依照使用者需求推薦 3. 透過瀏覽推薦減少找到資訊所需要的路徑長度
4. 瞭解網頁各瀏覽特徵對於推薦之重要性
4
1.3 研究流程
本研究之流程圖如圖 1-1 所示，首先闡述本研究的背景與動機，從目前網路 發展情況發現網站所面對的問題，並提出明確的目的來改善。接著探討過去相關 研究，文獻資料分別討論網頁使用探勘、適性化網站以及增強式學習，並以文獻 為基礎確定研究目標，訂定出以增強式學習為基礎的推薦模式。推薦模式中，首 先在網頁瀏覽特徵萃取階段藉由網頁使用探勘找出使用者的瀏覽習慣及特性；第 二階段，網頁瀏覽權重學習則利用增強式學習使網站能夠透過過去的經驗調整各 參數之權重；最後依照使用者之瀏覽需求推薦網頁。本研究透過模擬網站運行的 實驗方式測試此推薦模式之減少路徑效果，最後藉由實證結果與評估成果進行討 論與總結，並提供後續研究發展的方向。
圖 1-1 研究流程圖 確定研究動機與目的
文獻探討
研究方法
實證研究與評估
實驗結果與討論
結論
網頁使用探勘 適性化網站 增強式學習
網頁瀏覽特性萃取 網頁推薦權重學習 推薦表單呈現調整
實驗設計 評估方式
5
1.4 論文架構
本論文內容架構分為五章，依序內容如下：
第一章 緒論：說明研究背景與動機、研究目的及研究流程。