第一章、 緒論
1.1 研究動機
由於市場白熱化的競爭，越來越多的企業利用網路來從事服務或商品行 銷，除了商品本身品質的提升外，服務的品質更是成為關注的焦點，如何留住 既有的客戶以及尋找潛在的客戶，更是成為當前主要的議題。網際網路逐漸成 為現代人取得資訊的重要管道之一，且無時無刻都有新的資訊產生。網路上充 斥著大量的資訊與資料，資訊超載(Information Overload)的問題日趨嚴重，而 推薦系統可從大量的資訊裡篩選出使用者有興趣的項目，進而推薦給使用者。
常見的推薦系統主要有內容導向式推薦(Content-Based Filtering)、協同式推薦 (Collaborative-Filtering)以及混合式推薦 (Hybrid Recommendation Method)，而 協同式推薦技術相關研究近來更是成為推薦系統發展的主流。
協同式推薦的方法通常是利用使用者的輪廓(User Profile)，收集使用者的 所有資訊(例如使用者曾經瀏覽過的網站，網站屬性) ，記錄著使用者個人的 背景與相關興趣等等，再經由不同的推薦機制，推薦合適的產品給使用者。不 同的推薦機制皆有各自的優缺點，大多是利用使用者的喜好來做為推薦的依 據。當使用者的輪廓(User Profile)和/或適用的資料集具有高訊息密度時，推薦 系統所推薦給使用者的產品通常是正確而且是有效率的。但是當使用者輪廓或 適 用 的 資 料 集 資 訊 不 完 整 時 這 些 推 薦 機 制 卻 都 有 著 相 同 的 冷 啟 始 問 題 (Cold-Start problem)，亦即系統中存在著「新使用者」與「新推薦項目」。
冷啟始問題於電影的推薦中更是一個需要被關注的議題，因「新使用者」
與「新推薦項目」情況的產生在電影推薦系統上是屢見不鮮的。當新的影片被 存入系統時，由於新的影片沒有被使用者評分過，所以系統無法進行有效的推 薦。而新進使用者在一開始進入系統時，由於系統並不知道新進使用者的喜 好，所以無法正確推薦影片給使用者。
一般而言，改善新進使用者於推薦系統正確率不高的方法是採取隨機推薦 的方式，即先隨機挑選幾部影片讓使用者試看，使用者在看過系統所挑選的影 片過後可以給予評分，得以讓系統瞭解使用者的影片種類的喜好，再根據評分
2
結果推薦影片給使用者。或是利用分類法則將產品分類定找出使用者有興趣相 類似的產品進行推薦[1] [2]。或是使用資料探勘中關聯規則(Association rules) 的技術更進一步來擴大使用者輪廓資訊[3]。雖然關聯規則可以找出於使用者輪 廓資訊內產品間潛在的關係，但其仍會因為信賴度門檻定義選擇的問題而使得 某些規則遺失使得推薦正確率降低。
而改善新推薦項目的問題，大多是採用問卷方式來調查使用者的興趣，再 根據問卷收集結果依照最新加入或最熱門...等方式做推薦，來吸引使用者。
不過此種方是牽涉到問卷設計與問卷發放與回收的機制，由推薦的時效性方面 來看似乎是緩不濟急。
1.2 研究目的
根據上述研究動機，本論文預期達成的目的可歸納為下列二項：
(1) 提供更正確的使用者輪廓(User Profile)資訊擴大方式，避免因為關聯規則 信賴度門檻定義選擇的問題而使得某些規則遺失使得推薦正確率降低。
(2) 鼓勵使用者對於新項目(影片)進行評比，避免因為一個新的物件或產品，
因大多數的人都不願意第一個去嘗試，進而使得新產品被推薦的機會不 高。使用者與推薦系統產生良性互動，透過正確率移轉價值方式結合使用 者利益與推薦系統利益，此方式可增加使用者轉換成本進而產生鎖定效果
（Lock-in Effect）。
3
1.3 論文架構
本文共分為五個章節，第二章為文獻探討，說明目前推薦系統的類型與相 關文獻的討論；第三章為研究架構與方法，說明本論文所提出的方法；第四章 分析實驗數據之結果；第五章結論，總結本論文所提出的論點與未來研究方向。
圖 1研究步驟示意圖
相關 文獻收集與探討
推薦系統 文獻收集與探討
關聯規則 文獻收集與探討
貝氏網路 文獻收集與探討
使用者輪廓 資訊拓展
關聯規則 與 貝氏網路架構 激勵理論
代理問題
個人理性 誘因相容
實證研究 與 說明
產生資料
建構貝氏網路
鼓勵使用者評比
績效比較與說明
4