第五章 結論及建議
5.3 限制及未來發展
本研究中主要是利用關聯規則來進行書籍類別的探勘動作，但是資料探勘的 技術有許多種，相同的資料在不同資料探勘的技術下，結合不同的方法，所產生 的結果也會不盡相同，因此推薦的書籍類別間也會有更多不同的組合產生，在這 之中可能也會發現更有趣的類別關系，如此一來可以推薦讀者更多元化的書籍。
本研究所開發之 PDA 手機平台，主要是提供讀者較便利的使用方式，讓使 用者可以無所不在去操作使用，透過書籍唯一識別號ISBN，利用手機照相之功 能進行拍攝後加以辨識來做館藏查詢，去做預約的動作，而目前在功能上僅有雛 型之概念，且在書籍上的資料也較無法詳細的描述，使用者得知書籍的資訊也較 不齊全，若未來可以將其他的查詢條件和查詢的資訊加入其中，提供更多不同的 查詢方式，以及獲得更多的書籍資訊，便可以提昇使用者操作系統的便利性，進 而提高使用者對操作此行動平台的滿意度。
目前主要是透過書籍唯一識別碼 ISBN 為查詢的關鍵，但一維條碼的資料 量僅有15個文數字，遠低於現今二維條碼 (蘇昱霖，2009)所能蘊藏的資訊 ，而 行動條碼 (Quick response code；QR Code)主要流行在日本，但是目前國內也有 相當多的單位和公司，開始去做運用的工作，如目前農委會實施農產品產銷履歷 (臺灣農產品安全追溯資訊網，2009) ，消費者經由手機照相功能拍攝行動條碼，
透過軟體解讀與辨識後即可獲得該條碼內含的資訊。由於行動條碼所能記載的資 料量較多，如：數字、字母、中文字甚至到圖片都可以蘊藏在一個小小的條碼中，
且其辨識度也較高，較不會受到污損而無法辨識，若未來在書籍上也可使用行動 條碼時，將可以讓書籍資訊的取得更加完整與快速，而圖書館在建構資料庫時也 可較節省時間，只要透過二維條碼的辨識，便可以將書籍完整的資料做輸入，便 可以大大的節省人力資源，而提供給圖書館使用者查詢的方式也能更多元化。
另外，因為在發放滿意度問卷時，使用者大都是短暫的使用行動圖書館書籍
推薦系統，可能造成使用者大部份的記憶都是目前比較常見的圖書檢索系統，而 目前一般的圖書檢索系統在行動圖書館書籍推薦系統執行各項操作越不會有無 法顯示畫的情形跟行動圖書館書籍推薦系統越可以提升使用者快速找到書籍資 料這兩部分是比較不足的，因此才會呈現負向關係，但結果顯示此兩者是有關 係，所以如果系統長時間的給使用者使用，這兩條關係就可能會變成正向的關係。
本次主要是以分類號的方法來做推薦，是因為受到資料量的限制，無法直接 對單本書籍去產生關聯規則去做推薦，在未來希望可以藉由不同的資料來源，可 以做到直接推薦單本書籍的推薦，這樣的書籍的關連性也會較高。而分群的資料 也因為受到資料來源的限制，所做的分群推薦方式只能以學群作為區別，無法去 做更仔細的使用者分群，未來亦可以在使用者資料中加入更多讀者的個人資料，
例如年齡、系所、借閱習慣、偏好等，利用不同的特性來進行使用者的分群，再 去做出更適合使用者的館藏推薦，本實驗也主要是提供一個推薦的機制，所以在 做滿意度分析時便沒有只針對特定的學生來做，期望在未來能用更廣的資料來針 對更廣大的群眾來做推薦，而在書籍的應用上也可以去做較不同的區別，例如可 以區分為研究用書與休閒用書，因為借閱的方向中專業書籍和一般用書的需求對 使用者來說可能會有所不同，若能加以區分，可能會讓推薦的結果更符合使用者 的需求。本研究將讀者透過手機平台進行查詢之相關交易進行記錄，未來也可以 針對個別讀者的查詢習慣或瀏覽習慣去加以分析或進行探勘，以做為未來平台功 能擴增之依據。
參考文獻
中文部份：
1. 卜小蝶（2002）。「使用者導向之圖書分類關聯分析研究」。圖書資訊學刊，
17，81-94。
2. 卜小蝶（2007）。「網路自動分群搜尋引擎之使用者評估研究」。圖書資訊 學研究 ，2(1)，55-80。
3. 尹相志 (2006) 。「Microsoft SQL Server 2005
資料採礦聖經」
。台北市：學貫行銷股份有限公司。
4. 尹相志 (2007) 。「Microsoft SQL Server 2005 Data Mining
資料採礦與
Office2007 資料採礦增益集」
。台北市：精誠資訊股份有限公司。5. 王毓菁（2002）。「圖書館閱覽者群組潛在特性探勘資訊系統」。未出版之 碩士論文，華梵大學工業管理研究所，台北縣。
6. 余明哲（2002）。「圖書館個人化館藏推薦系統」。未出版之碩士論文，國 立交通大學資訊科學研究所，新竹市。
7. 吳安琪（2001）。「利用資料探勘的技術及統計的方法增強圖書館的經營與 服務」。未出版之碩士論文，國立交通大學資訊科學研究所，新竹市。
8. 林湧順(2006)。「書目探勘讀者使用圖書館之行為」。教育資料與圖書館學 44 (1)， (Fall 2006) : 35-60。
9. 林佳純(2009)。「應用資料探勘技術於行動商務之個人化圖書推薦系統」。
中華大學資訊管理學研究所，新竹市。
10. 柯皓仁、楊雅雯、吳安琪、戴玉旻（2002）。「個人化及群體化圖書館資訊 服務初探」。國家圖書館館刊，91（1），161-195。
11. 曹健華（2002）。「應用資料探勘技術於數位圖書館之個人化服務及管理」。
未出版之碩士論文，南華大學資訊管理研究所，嘉義縣。
12. 莊宛螢(2005)。「加權移動視窗模式之圖書資料探勘」。未出版之碩士論文，
明新科技大學資訊管理研究所，新竹縣。
13. 陳建銘（2001）。「類神經網路於Web Mining 之應用」。未出版之碩士論 文，國立台北科技大學商業自動化與管理研究所，台北市。
14. 陳建佑(2008)。「改良k-means演算法發掘讀者適性化之書籍推薦」。未出版之 碩士論文，南台科技大學資訊管理研究所，台南市。
15. 國家通訊傳播委員會 NCC (2010) 。99
年
行動通信業務客戶統計數。來源：http://www.ncc.gov.tw/chinese/show_file.aspx?table_name=news&file_sn=1861 2，[2010/05/25]。
16. 張紹勳 (2000)，「研究方法」，滄海書局。
17. 黃維良 (2007)，「具有“隨時間變異的顧客購買興趣”預測能力之多階層協同 式推薦系統」，國立高雄第一科技大學資訊管理研究所碩士論文。
18. 楊展岳(2010)，「2010 年第一季我國行動上網觀測」，資策會 FIND/經濟部工 業局。
19. 經濟部商業司(1996)，條碼科技網。
20. 經濟部商業司(1996)，GS1 Taiwan，EAN 條碼。
21. 曾勇森（2002）。「利用資料探勘技術增進圖書館之服務效益」。未出版之 碩士論文，南台科技大學資訊管理研究所，台南縣。
22. 賴雨廷（2002）。「利用資料探勘技術應用於圖書館新書推薦之研究」。未 出版之碩士論文，國立中山大學資訊管理研究所，高雄市。
23. 戴玉旻（2001）。「圖書館借閱記錄探勘系統」。未出版之碩士論文，國立 交通大學資訊科學研究所，新竹市。
24. 劉崇汎、林瑞堂、許智威、曾新穆、蘇家輝、蕭欽元 (2005)。「智慧型個人 化多媒體推薦系統之建置」，第五屆數位典藏技術研討會。
25. 羅子文(2009)，「Web 2.0 概念的圖書館個人化推薦系統」。未出版之碩士論 文，國立交通大學資訊科學研究所，新竹市。
英文部分：
1. Agrawal, R., and Srikant, R., (1994), “Fast algorithms for mining association rules”, Proceedings of the 20th VLDB Conference Santiago, Chile, pp.487-499.
2. Agarwal, R., and Prasad, J. “Are Individual Differences Germane to the Acceptance of New Information Technology,” Decision Sciences (30:2), 1999, pp.361-391.
3. Bailey, J.E., and Pearson, S.W., (1983), “Development of a tool for measuring and analyzing computer user satisfaction.” Management Science, 29(5), pp.530-545.
4. Balabanovic, M., and Shoham, Y., (1997), “Fab: content-based collaborative recommendation.” Communications of the ACM, 40(3), pp.66-72.
5. Breese, J.S., Heckerman, D. and Kadie, C., (1998), “Empirical analysis of predictive algorithms for collaborative filtering.” In proceedings of the 14th
annual conference on uncertainty in artificial intelligence, pp.43-52.
6. Chau, P. Y. K., and Hu, P. J. H., (2001), “Information Technology Acceptance by Individual Professionals: A Model Comparison Approach,” Decision Sciences
32(4), pp.699-719.
7. Churchill, G.A., and Surprenant, C., (1982), “An investigation into the determinants of customer satisfaction.” Journal of Marketing Research, 19(4), pp.491-504.
8. Chen, Y.L., Cheng, L.C., and Chuang, C.N., (2008), “A group recommendation system with consideration of interactions among group members.” Expert
Systems with Applications, 34(3), pp.2082-2090.
9. Cyert, R.M., and March, J.G., (1963), “A behavioral theory of the firm.”
Prentice-hall, englewood cliffs, NJ.
10. Davis, F. D., (1986), “A Technology Acceptance Model for Empirically Testing New End-UserInformation Systems: Theory and Resul”, Doctorial Dissertation,
MIT Sloan School of Management, Cambridge, MA.
11. Davis, F. D., (1989), “Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology,” MIS Quarterly 13(3), pp.319-340.
12. DeLone, W.H., and McLean, E.R., (1992), “Information system success: the quest for the dependent variable.” Information Systems Research, 3(1), pp.60-95.
13. DeLone, W.H., and McLean, E.R., (2003), “The deLone and mcLean model of information systems success: a ten-year update.” Journal of Management
Information Systems, 19(4), pp.9-30.
14. Doll, W.J., and Torkzadeh, G., (1988), “The measurement of end-user computing satisfaction.” MIS quarterly, 12(2), pp.259-274.
15. Engle, J.F., Blackwell, R.D., and Miniard, P.W., (1993), “Consumer behavior.”
7th ed., NY: Rinehart & Winston.
16. Ezeife, C. I., and Su. YUE (2002), “Mining Incremental Association Rules with Generalized FP-Tree”, Canadian Conference on AI, 2338, pp.147-160.
17. Fornell, C., (1992), “A national customer satisfaction barometer: the swedish experience.” Journal of marketing, 56(1), pp.6-21.
18. Fayyad, U., Piatetsky-Shapiro, G., and Smyth, P., (1996),“ From Data Mining to Knowledge Discovery In Database” , AI Magazine, 17, pp.37-54.
19. Goldberg, D., Nichols, D., Oki B.M. and Terry, D., (1992), “Using collaborative filtering to weave an information tapestry.” Communications of the ACM, 35(12), pp.61-70.
20. Hill, W., Stead, L., Rosenstein, M., and Furnas, G., (1995), “Recommending and evaluating choices in a virtual community of use.” In proceedings of the
conference on human factors in computing systems, pp.194-201.
21. Hong, W., Thong, J. Y. L., Wong, W. M., and Tam, K. Y., (2002), “Determinants of User Acceptance of Digital Library: An Empirical Examination of Individual Differences and System Characteristics,” Journal of Management Information
Systems 18(3),pp.97-124.
22. Ives, B., Olson, M.H., and Baroudi, J.J., (1983), “The measurement of user information satisfaction.” Communications of the ACM, 26(10), pp.785-793.
23. Ives, B., and Olson, M.H., (1984), “User involvement and MIS success a review of research.” Management Science, 30(5), pp.586-603.
24. Jain, A.K., and Dubes, R.C., (1988), “Algorithms for clustering data.” Prentic
Hall.
25. Kano, N., (1984), “Attractive quality and must-be quality.” The Journal of the
Japanese Society for Quality Control, 14(2), pp.39-48.
26. Kaufman, L., and Rousseeuw, P.J., (1990), “Finding groups in data: an introduction to cluster analysis.” John Wiley and Sons.
27. Kaiser, H., (1958), “The varimax criterion for analysis rotation in factor analysis.” Psychometrika, 23(3), pp.189-200.
28. Kim, B.D., and Kim, S.O., (2001), “A new recommender system to combine content-based and collaborative filtering systems.” The Journal of Database
Marketing, 8(3), pp.244-252.
29. Konstan, J., Miller, B., Maltz, D., Herlocker, J., Gordon, L., and Riedl, J., (1997),
“GroupLens：Applying collaborative filtering to usenet news.” Communications
of ACM, 40(3), pp.77-87.
30. Kotler, P., (1999), “Marketing management analysis.” Prentice Hall Inc.,
Englewood Cliffs, NJ.
31. Kotler, P., (2003), “Marketing management.” Prentice Hall, NY.
32. Krulwich, B., and Burkey, C., (1996), “Learning user information interests through extraction of semantically significant phrases.” In proceedings of the
AAAI Spring symposium on Machine Learning in Information Access, Stanford, CA.
33. Lang, K., (1995), “Newsweeder: learning to filter netnews.” In proceedings of the
Machine Learning conference, pp.331-339.
34. Lee, H.J., and Sung Joo Park., (2007), “MONERS: a news recommender for the mobile web.” Expert Systems with Applications, 32(1), pp.143-150.
35. Li, E.Y., (1997), “Perceived importance of information system success factors: a meta analysis of group differences.” Information & Management, 32(1), pp.15-28.
36. Linden, G., Smith, B., and York, J., (2003), “Amazon.com recommendations:
item-to-item collaborative filtering.” Internet Computing, IEEE, 7(1), pp.76-80.
37. Liu, C., and Arnett, K.P., (2000), “Exploring the factors associated with web site success in the context of electronic commerce.” Information & Management, 38(1), pp.23-33.
38. Lucas, A., (1996), “What in the world is electronic commerce.” Sales and
Marketing Management, 148(6), pp.24-29.
39. MacQueen, J., (1967), “Some methods for classification and analysis of multivariate observations.” In proceedings of the Fifth Berkeley Symposium on
Mathematical Statistics and Probability, pp.281-297.
40. Martensen, K., Martensen, A., and Gronholdt, L., (2000), “Customer satisfaction measurement at post denmark: results of application of the european customer satisfaction index methodology.”
Total Quality Management,
11(7), pp.1007-1015.41. McLeod, R. Jr., (1990), “Management information systems.” Macmillan
Publishing Company, NY.
42. McNee, S.M., Albert, I., Cosley, D., Gopalkrishnan, P., Lam, S.K., Rashid, A.M., Konstan J.A., and Riedl J., (2002), “On the recommending of citations for research papers.” In proc.of the 2002 ACM conference on Computer Supported
Cooperative Work, pp.116-125.
43. Meteren, R.V., and Someren, M.V., (2000), “Using content-based filtering for recommendation.” In proceedings of ECML Workshop: Machine Learning in New
Information Age, pp.47-56.
44. Miller H., (1996), “The multiple dimensions of information quality.” Software
and Technology, 13(2), pp.79-82.
45. Mock, K.J., and Vemuri, V.R., (1997), “Information filtering via hill climbing, wordnet, and index patterns.” Information Processing & Management, 33(5), pp.633-644.
46. Neumann, A., Geyer-Schulz, A., Hahsler, M., and Thede, A., (2003). “An architecture for behaviorbased library recommender systems.” Information
Technology and Libraries, 22(4), pp.433-454.
47. Nunnally, J.C., (1967), “Psychometric theory.” McGraw-Hill, NY.
48. Oliver, R.L., (1981), “Measurement and evaluation of satisfaction processes in retailing setting.” Journal of Retailing, 57(3), pp.25-48.
49. Oliver, R.L., and Rust, R.T., (1994). “Service quality: insights and managerial implication from the frontier.” Sage Publications, NY.
50. Patrick du Boucher-Ryan., and Derek Bridge., (2006), “Collaborative recommending using formal concept analysis.” Knowledge-Based Systems 19(5), pp.309-315.
51. Pare, G., Aubry, D., Lepanto, L., and Sicotte, C., (2005), “Evaluating PACS success: a multidimensional model.” In proceedings of the 38th Hawaii
International Conference on System Sciences.
52. Porcel, C., Moreno, J.M., and Herrera-Viedma, E., (2009), “A multi-disciplinar recommender system to advice research resources in University Digital Libraries”,
Expert Systems With Applications 36(10), pp. 12520-12528.
53. Ricci, F., and Nguyen, Q.N., (2007), “Acquiring and revising preferences in a critique-based mobile recommender system.” IEEE Intelligent Systems, 22(3), pp.
22-29.
54. Salton, G., and McGill, M.J., (1983), “Introduction to modern information retrieval.” McGraw-Hill, NY.
55. Sarwar, B.M., Karypis, G., Konstan, J.A., and Riedl, J.T., (2000), “Analysis of recommendation algorithms for e-commerce.” ACM Conference on Electronic
Commerce, pp.158-167.
56. Schafer, J.B., Konstan J.A., and Riedl, J., (2001), “E-commerce recommendation applications.” Data Mining and Knowledge Discovery, 5(1-2), pp.11-32.
57. Seddon, P. B., (1997) “A Respecification and Extension of the DeLone and McLean Model of IS Success,” Information Systems Research 8(3), pp.240-253.
58. Shardanand, U., and Maes, P., (1995), “Social snformation filtering: algorithms for automating ‘Word of Mouth’.” In proceedings of the Conference on Human
Factors in Computing Systems, pp.210-217.
59. Srinivasan, A., (1985), “Alternative measures of system effectiveness:
associations and implications.” MIS Quarterly, 9(3), pp.243-253.
60. S. R. Ranganathan., (1931), ”The Five Laws of Library Science “，The Madras
Library Association.
61. Swanson, E.B., (1974), “Management information systems: appreciation and involvement.” Management Science, 21(2), pp.178-188.
62. Trujillo, M., Millan, M., and Ortiz, E., (2007),” A recommender system based on multi-features.” International Conference on Computational Science and Its
Applications (ICCSA), pp.370-382.
63. The New Media Consortium (2008), The Horizon Report (2008 Edition).
64. Van der Heijden, H., (2003) “Factors Influencing the Usage of Websites: The Case of a Generic Portal in the Netherlands,” Information and Management (40), pp.541-549.
65. Venkatesh, V., and Morris, M. G., (2000), “Why Don’t Men Ever Stop to Ask for Directions? Gender,Social Influence, and Their Role in Technology Acceptance and Usage Behavior,” MIS Quarterly 24(1), pp.15-139.
66. Wilson, D.C., Smyth, B., and O’Sullivan, D., (2003), “Sparsity reduction in collaborative reconnendation: a case-based approach.” International Journal of
Pattern Recognition and Artificial Intelligence, 17(5), pp.863-884.
67. Woodside, A.G., Frey, L.L., and Daly, R.T., (1989), “Linking service quality, customer satisfaction and behavioral intentions.” Journal of Health Care
Marketing, 9(4), pp.5-17.
68. Wu. C. H., (2003), “Data mining applied to material acquisition budget allocation for libraries: Design and development”. Expert Systems with Applications, 25(3), pp.401-411.
69. Yang, W., Waug, Z., and You, M., (2004), “An improved collaborative filtering method for recommendations’ generation.” In proc. of IEEE Int. Conf. on Systems,
Man and Cybernetics, Hague, Netherlands, 5, pp.4135-4139.
70. Yuan, S.T., and Tsao, Y.W., (2003), “A recommendation mechanism for contextualized mobile advertising.” Expert Systems with Applications, 24(4), pp.399-414.
附錄 附錄 附錄 附錄 A
您好：
本人為中華大學資訊管理研究所學生，目前正在進行行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統方面之研究，其目的在於瞭解使用者對 於行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統所提供推薦功能是否符合使用者的需求以及滿意的程度。
本研究僅作為學術研究之用，對外完全保密並不作個人資料披露，請放心作答，再次致上最誠摯的敬意！
中華大學資訊管理系研究所 研究生 陳弘霖 敬上
◎ 行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統行動圖書館書籍推薦系統是指利用行動裝置(PDA、NB 和手機)，可隨時連接網際網路接收推薦和瀏覽書籍資訊等服 務。
◎ 如果您對於本研究結果感興趣，請留下聯絡資料，待本研究結束後，會將研究報告寄給您參考，再次感謝您的參與！
姓名：＿＿＿＿＿ E-mail：________________________ 地 址：___________＿＿＿＿___________
1. 性 別： 男 女
2. 年 齡： 20 歲以下 21-25 歲 26-30 歲 31-35 歲 36 歲以上
3. 部 別： 研究所 大學部 進修在職專班
4. 系 所： 企業管理系 經營管理系 行銷管理系 資訊管理系 國際企業系 會計系
財務管理系 財務金融系 財務法律系 應用中文系 應用英語系 應用日語系
幼兒保育系 休閒管理系 多媒體與遊戲發展學系 其他
5.請問您使用手機的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上
6.請問您使用手機照相的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上
7.請問您使用手機上網的經驗： 1 年內 1-3 年 3-5 年 5-7 年 7 年以上
8.請問您使用圖書館網站的頻率： 每天 每週幾次 偶爾使用 幾乎不常 從沒用過
非常
認
同
5
認
同 4
普
通 3
不
同 意 2
非常不認同
1 1. 我認為行動圖書館書籍推薦系統很可靠 ...
2. 我認為行動圖書館書籍推薦系統設有帳號密碼，所以很安全...
3. 我認為行動圖書館書籍推薦系統執行各項操作時，不會發生當機情形 ...
4. 我認為行動圖書館書籍推薦系統執行各項操作，不會有無法顯示畫面的情形 ...
5. 行動圖書館書籍推薦系統提供整潔美觀的頁面呈現方式 ...
6. 行動圖書館書籍推薦系統會即時提供我適當的服務 ...
7. 行動圖書館書籍推薦系統可以提供我個人化的服務 ...
8. 整體而言，行動圖書館書籍推薦系統會提升圖書館服務的品質 ...
一、請您針對下列各個問題，在適當的「□」中打「」。
二、以下是衡量行動行動圖書館書籍行動行動圖書館書籍圖書館書籍圖書館書籍推薦系統推薦系統推薦系統推薦系統中有與品質屬性相關問題，請您依據認 同程度，在適當的 內打 。其中 1 表示非常不認同；5 表示非常認同。