電子賀卡自助式設計系統－以互動演化式計算為基礎 - 政大學術集成

全文

(1)國立政治大學資訊管理學系. 博士學位論文指導教授：楊亨利博士. 立. 政治大. ‧ 國. 學. 電子賀卡自助式設計系統－以互動演化式計算. ‧ y. sit. Nat. 為基礎. n. er. io. The development of self-design system for greeting al v computing cards based on interactive evolutionary i n Ch engchi U. 研究生：楊筱芳中華民國 103 年 6 月.

(2) 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(3) 國立政治大學資訊管理學系. 博士學位論文指導教授：楊亨利博士. 立. 政治大. ‧ 國. 學. 電子賀卡自助式設計系統－以互動演化式計算. ‧ y. sit. Nat. 為基礎. n. er. io. The development of self-design system for greeting al v computing cards based on interactive evolutionary i n Ch engchi U. 研究生：楊筱芳中華民國 103 年 6 月.

(4) 謝辭整整九年，歷經資格考、休學、復學、計劃書提報、公開演講與學位考試，都是在學習如何獨立研究。一開始的研究方向是讓我最頭痛的問題，但在多次與指導教授楊亨利博士反覆討論後，從諸多不可行的議題和小論文實作後，經過層層過濾與篩選，終於在計劃書提報後完成研究議題的確認。從計劃書的提報到最後的學位考試，委員們給了筱芳很多幫助。余千智教授與王貞淑教授針對論文撰寫的脈絡與流程給予諸多建議，許芳誠教授與林文修教授在研究方法上指出許多可改進的方向，洪朝富教授則是畫龍點睛般的點出研究的價值所在。每次提報，指導教授楊亨利博士都不厭其煩的與筱芳確認委員們所提的意見和討論論文的改進地方。努力不放棄是我唯一能堅持的事情，宗教信仰與妹妹欣佳的支持是自己低潮時的最大支撐，另外與亦兄亦姐的蔡明汶、杜憶寧同學的聚餐是我補充研究能量的最佳選擇。行政程序所需的文件與研究實驗所需的人力，謝謝趙逢毅學弟、林木花學妹與曹祐嘉學妹的協助，讓筱芳在忙亂中不至於慌了手腳。最後，筱芳想對我的母親，王和秀女士，致上最深的敬意。因為您，筱芳才可以無後顧之憂的取得博士學位，謝謝您，我最愛的母親。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(5) 摘要企業製程走向模組化，資訊技術持續進步，市場競爭激烈，產品生命週期縮短，市面上充斥著各式各樣的產品（資訊過載）。行銷 3.0 的年代又稱之為參與者的年代，消費者開始要求互動與共創價值（創意），以用戶為中心的產品設計逐漸受到重視，特別是數位設計。與系統互動的過程中，可能會面臨人們的需求改變（需求不明確）與需求無法明確描述（資料稀少）的問題。因此，本論文以互動演化式計算為核心，以自助式概念提出一個賀卡設計系統（名為 SDGCS），用以解決資訊過載、資料稀少與需求不明確的創意設計問題。在資料處理階段，SDGCS 提出新的影像處理方式，結合質性與量化的資料，讓影像能夠進行更精準的比對。在進入系統的操作階段，SDGCS 以專家設計的影像布置，讓非專家的使用者能輕鬆設計。在互動階段，SDGCS 提供使用者多種自助模式（如影像拖曳、影像多種幅度的改變），讓使用者在有了明確設計方向後，可以自己主導與更快完成設計。為確保兩組受測者的同質性，本論文以問卷評測進行分組，然後才進入實驗。本論文比較傳統互動演化式計算的系統（名為 GCS）與 SDGCS 受測者的系統操. 立. 政治大. ‧. ‧ 國. 學. 作內容與系統使用的認同度（問卷），實驗結果指出：一、SDGCS 的使用者比 GCS 的使用者更投入在賀卡內容的設計，二、不論是 SDGCS 或是 GCS，專家提供的賀卡布置讓使用者能夠很快就完成賀卡封面設計，三、SDGCS 的使用者可以在短的搜尋次數裡找到合用的影像來進行賀卡封面設計，四、GCS 或 SDGCS 都能取得使用者的認同，但是 GCS 的使用者渴望使用賀卡封面內物件的變化（也就是 SDGCS 所提供的功能）。五、多數受測者滿足 SDGCS 所提供的自助功能，. sit. y. Nat. n. al. er. io. 少數受測者追求更精緻的自助功能。本論文以自助概念嵌入互動演化式計算的系統解決資訊過載、資料稀少與需求不明確的創意設計問題，但是數位產品的設計不只是只有影像組合，未來的研究應該可以更深入的探討文字的意涵與風格等問題。. Ch. engchi. i n U. 關鍵字：互動演化式計算、自助、賀卡、創意設計. v.

(6) Abstract Business manufacturing processes are moving towards modularity. Because of continuing advances in information technology and market competition, there is a tendency of shortened product life cycles, and a wide variety of products can be seen in the market (i.e. information overload). Marketing 3.0 is also known as the age of the participant's age. Consumers started to request interaction with designers to create the value (creativity) of a product. User-centered product designs have attracted more and more attention, especially digital designs. In the course of interacting with the system, designers may face some issues, such as changes in people's demands (i.e. unclear demands) and insufficient descriptions of people’s demands (i.e. data scarcity). Therefore, in order to solve the problems of information overload, creativity, and data scarcity, the thesis research was done to offer a self-design greeting card system (SDGCS) by the use of interactive evolutionary computing. In the stage of processing the data, the SDGCS provides a new way of image processing that combines qualitative and quantitative data. It allows images to be. 立. 政治大. ‧. ‧ 國. 學. more accurately found. In the operational stage, the SDGCS provides professional design layouts, and make it easy for non-professional users to design. In the interaction stage, the SDGCS offers users a variety of self-design modes, such as movement of images, changes in levels of image. It allows users to have a better idea of designing a card and can complete their designs in an autonomous way more quickly. Before carrying out the experiment, in order to ensure the homogeneity of the. sit. y. Nat. n. al. er. io. two groups of participants, participants were grouped based on questionnaire results. Then, the researcher moved on to do the experiment. The researcher used a questionnaire to compared participants’ operation and experiences of using traditional interactive evolutionary computing system (GCS) and SDGCS. Research results indicate that, first, the participants of the SDGCS group were more engaged in than the participants of the GCS group were. Second, both the SDGCS and the GCS groups can quickly complete a greeting card cover design, using the professional greeting card layout provided. Third, participants of the SDGCS can find suitable images for greeting card cover design in only a limited times of search. Fourth, Both the GCS or the SDGCS are acceptable to participants of the research. However, the. Ch. engchi. i n U. v. GCS groups claimed to prefer to have various designs in card image, which is one of the featured functions provided by the SDGCS). Fifth, a lot of people satisfy functions provided by the SDGCS; a few peoples pursue elaborate self-design functions. In this paper, the researcher used self-design based interactive evolutionary computing to solve the problems of information overload, creativity, and data scarcity in digital designing. However, the design of digital products is more than the.

(7) integration of images. Future research can be conducted to explore what messages the texts of a greeting card intend to convey, the style of a greeting card, and so on. Keywords: interactive evolutionary computing, do-it-yourself, greeting card, creative design.. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v.

(8) 目次圖目錄............................................................................................................................ I 表目錄.......................................................................................................................... III 縮寫及符號對照表......................................................................................................IV 第一章緒論................................................................................................................ 5 第一節研究背景與動機.................................................................................... 5 第二節研究問題與研究目的............................................................................ 5 第二章文獻探討........................................................................................................ 8 第一節決策制定模型與減緩資訊過載的過濾技術........................................ 8 第二節大量客製化模式.................................................................................. 11 第三節互動演化式計算.................................................................................. 16 第四節文獻小結.............................................................................................. 23 第三章研究方法...................................................................................................... 25 第一節資料收集與研究個案主題的確認...................................................... 25. 立. 政治大. ‧. ‧ 國. 學. 第二節系統架構.............................................................................................. 27 第四章實驗設計...................................................................................................... 35 第五章實驗結果分析.............................................................................................. 37 第一節樣本結構分析...................................................................................... 37 第二節使用者操作系統的資料分析.............................................................. 39 第三節量表信度分析...................................................................................... 39 第四節資料檢定.............................................................................................. 40. sit. y. Nat. n. al. er. io. 第五節使用者行為資料分析.......................................................................... 42 第六章結論.............................................................................................................. 46 第一節研究討論與結論.................................................................................. 46 第二節研究貢獻.............................................................................................. 46 第三節研究限制.............................................................................................. 47 第四節未來研究方向建議.............................................................................. 47 參考書目...................................................................................................................... 48 附錄一實驗組系統操作說明.................................................................................. 57 附錄二對照組系統操作說明.................................................................................. 68 附錄三電子賀卡網站介紹...................................................................................... 71. Ch. engchi. i n U. v. 附錄四實驗前問卷.................................................................................................. 74 附錄五實驗後問卷.................................................................................................. 75.

(9) 圖目錄圖1 圖2 圖3 圖4 圖5 圖6 圖7 圖8 圖9. 內容過濾與協同過濾的運作原理..................................................................... 10 遺傳演算法循環................................................................................................. 17 傳統的遺傳演算法結構..................................................................................... 17 染色體於輪盤的機率......................................................................................... 18 單點交配............................................................................................................. 18 雙點交配............................................................................................................. 19 以人為基遺傳演算法......................................................................................... 20 在不同心理層次的體認..................................................................................... 21 互動演化式計算使用者的評分......................................................................... 21. 圖 10 圖 11 圖 12 圖 13. 在模型裡找出潛在變數................................................................................... 22 賀卡種類統計 ................................................................................................... 25 影像描述........................................................................................................... 25 賀卡元素與染色體結構的對應....................................................................... 26. 圖 14 圖 15 圖 16 圖 17 圖 18 圖 19 圖 20. 系統架構圖....................................................................................................... 27 影像標籤的二維矩陣....................................................................................... 28 三種 RGB 色彩 ................................................................................................ 29 影像的二維矩陣區塊與一維轉置結果........................................................... 31 統計軟體 IBM SPSS 相似度計算參數設置 ................................................... 32 統計軟體 IBM SPSS 相似度計算方式參數設置 ........................................... 32 染色體單點交配............................................................................................... 33. 圖 21 圖 22 圖 23 圖 24 圖 25 圖 26 圖 27 圖 28 圖 29 圖 30. 賀卡外的影像拖曳模式................................................................................... 34 系統以受測者提供的影像與改變幅度進行搜尋........................................... 34 系統介面－會員註冊與會員登入................................................................... 57 系統介面－壽星資料填寫............................................................................... 57 系統介面－賀卡一封面底色挑選................................................................... 58 系統介面－賀卡封面底色挑選完成............................................................... 58 實驗組系統介面－賀卡內頁設計................................................................... 59 實驗組系統介面－賀卡封面設計之門檻設罝............................................... 59 實驗組系統介面－賀卡封面設計之六張賀卡組合結果............................... 59 實驗組系統介面－賀卡封面設計之分數填入............................................... 60. 圖 31 圖 32 圖 33 圖 34 圖 35 圖 36. 實驗組系統介面－賀卡封面設計之系統隨意組合....................................... 60 實驗組系統介面－我自己來 DIY 之賀卡內影像拖曳 ................................. 61 實驗組系統介面－我自己來 DIY 之賀卡外影像拖曳 ................................. 61 實驗組系統介面－影像變化幅度 30% .......................................................... 62 實驗組系統介面－卡片清單........................................................................... 62 實驗組系統介面－卡片清單之賀卡回顧....................................................... 63. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. I. i n U. v.

(10) 圖 37 實驗組系統介面－賀卡回復........................................................................... 63 圖 38 圖 39 圖 40 圖 41 圖 42 圖 43 圖 44 圖 45 圖 46 圖 47. 實驗組系統介面－賀卡放棄回復................................................................... 64 實驗組系統介面－賀卡封面挑選................................................................... 64 實驗組系統介面－賀卡封面挑選與確認....................................................... 65 實驗組系統介面－賀卡內頁設計................................................................... 65 實驗組系統介面－賀卡內頁設計之內框選擇............................................... 66 實驗組系統介面－賀卡內頁設計之賀詞填入............................................... 66 實驗組系統介面－問卷填寫........................................................................... 67 對照組系統介面－賀卡封面設計................................................................... 68 對照組系統介面－賀卡封面設計之六張賀卡組合結果............................... 68 對照組系統介面－賀卡封面設計之分數填入............................................... 69. 圖 48 圖 49 圖 50 圖 51. 對照組系統介面－賀卡封面設計之系統隨意組合....................................... 69 對照組系統介面－填寫問卷........................................................................... 70 伊卡島電子賀卡瀏覽與挑選介面................................................................... 71 伊卡島電子賀卡基本功能............................................................................... 71. 圖 52 圖 53 圖 54 圖 55 圖 56 圖 57. 伊卡島電子賀卡賀詞輸入介面....................................................................... 72 伊卡島電子賀卡選擇郵票介面....................................................................... 72 臺北市教育入口網電子賀卡瀏覽與挑選介面............................................... 72 臺北市教育入口網電子賀卡基本功能介面................................................... 73 賀卡城電子賀卡瀏覽與挑選介面................................................................... 73 賀卡城電子賀卡基本功能介面....................................................................... 73. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. II. i n U. v.

(11) 表目錄表1 表2 表3 表4 表5 表6 表7 表8 表9. 推薦技術一覽表................................................................................................... 9 個人化、客製化和客製化研究的框架............................................................. 12 大量客製化的層級............................................................................................. 15 影像數量一覽..................................................................................................... 26 二位元實例 i 與 j 的 OTUs 表達式................................................................... 31 獨立樣本檢定－描述統計................................................................................. 35 獨立樣本檢定..................................................................................................... 36 實驗參數............................................................................................................. 36 受測者性別結構................................................................................................. 37. 表 10 表 11 表 12 表 13. 受測者年齡結構............................................................................................... 37 受測者教育程度結構 ....................................................................................... 37 受測者職業結構............................................................................................... 38 獨立樣本檢定－描述統計............................................................................... 38. 表 14 表 15 表 16 表 17 表 18 表 19 表 20. 獨立樣本檢定................................................................................................... 38 獨立樣本檢定－描述統計............................................................................... 39 獨立樣本檢定................................................................................................... 39 量表信度（實驗組）....................................................................................... 39 量表－功能面信度（實驗組）....................................................................... 40 量表總信度（對照組）................................................................................... 40 量表－功能面信度（對照組）....................................................................... 40. 表 21 表 22 表 23 表 24 表 25 表 26 表 27 表 28 表 29 表 30. 獨立樣本檢定－描述統計............................................................................... 41 獨立樣本檢定................................................................................................... 41 單一樣本檢定（對照組）............................................................................... 42 單一樣本檢定（實驗組）............................................................................... 42 系統功能使用頻率（對照組）....................................................................... 43 系統功能使用頻率（實驗組）....................................................................... 44 獨立樣本檢定－功能點擊行為....................................................................... 44 點擊行為與問卷同意度獨立樣本檢定........................................................... 45 資訊能力問項................................................................................................... 74 自助（DIY）意願與能力問項 ....................................................................... 74. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 表 31 美工設計經驗與能力問項............................................................................... 74 表 32 實驗組問卷....................................................................................................... 75 表 33 對照組問卷....................................................................................................... 76. III.

(12) 縮寫及符號對照表縮寫. 中文. 英文. ANN. 類神經網路. CF. 協同過濾. collaborative filtering. 3C. 3C 產品. computer, communication, consumer electronics. DIY. 自助. CBF. 內容過濾. EC. 演化式計算. evolutionary computation. EP. 演化式程式規劃. evolutionary programming. ES. 演化式策略. evolutionary strategy. GA. 遺傳演算法. GP. 遺傳程式規劃. IEA. 互動演化式演算法. genetic algorithm(s) 治政 genetic programming 大. IEC. 互動演化式計算. IEP. 互動演化式規劃. IGA. 互動式遺傳演算法. MC. 大量客製化. artificial neural networks. do-it-yourself content-based filtering. interactive evolutionary algorithm(s) interactive evolutionary computation. 學. interactive evolutionary programming interactive genetic algorithm(s). ‧. ‧ 國. 立. mass customization. SDGCS 自助式電子賀卡系統 self-design greeting card system. n. er. io. sit. y. Nat. al. Ch. engchi. IV. i n U. v.

(13) 第一章. 緒論. 第一節研究背景與動機民國前三年亨利‧福特（Henry Ford）推出 Model T，引進移動式裝配線（moving assembly belts），是大量生產（mass production）時代的來臨。然而，大量生產是沒有彈性的，因為產品是非常相似的，當供需開始平衡甚至是供過於求的市場環境時，競爭情勢開始朝向產品個人化（individualization）、買方市場（buyer market）甚至是一人市場（markets of one）。 Alvin Toffler 於「未來的衝擊」（Future Shock）一書中提出一種全新的生產方式，以類似於標準化和大規模生產的成本和時間，提供客戶特定需求的產品和服務。Davis 在「完美的未來」（Future Perfect）一書中首次將這種生產方式稱為「大量客製化」（mass customization, MC）（Davis, 1987）。大量客製化利用資訊科技的能力，以大量生產的成本，生產個人化的產品，符合每個顧客的特殊需求，從行銷觀點來看，此模式能夠達到以便宜、迅速的方式生產多樣化的產品與服務（Kotler, 1989）。. 立. 政治大. ‧. ‧ 國. 學. 運輸及電信等基礎設備的進步，網際網路（Internet）的興起，企業產能不斷增加，面對嚴峻的市場環境，企業壓縮產品生命週期，爭取更快的取得市場先機。從生產、銷售、行銷、策略行銷到現在的關係行銷，企業不再將焦點放在產品線上，而是轉移到顧客身上（Hogan, Lemon, & Rust, 2002），以用戶為中心的產品設計逐漸受到重視。行銷 3.0（Kotler, Kartajaya, & Setiawan, 2010）是社群與數位的時代，其行銷概念是價值，這個時代的消費者，以追求價值為本，對於產品不再只是有就好，人們需要更多能符合他們所需與真切的感受到產品的好，以. sit. y. Nat. n. al. er. io. 往由物質思考的模式正在悄悄轉變到以尋求快樂、感官刺激及享受經驗的模式。網際網路（Internet）無遠弗屆的連結能力使得一群志同道合的顧客可以互相交換想法和感受，消費者的專業知識與常識豐富後，消費行為開始改變。首先是挑剔、其次是個性，再來是評論與傳播，最後是自主。電子商務（electronic commerce）技術與環境成熟發展後，消費者有更多的選擇，如同 Maslow（1943）需求層次理論（Maslow’s hierarchy of needs）所指，當低層次需求被滿足時，人們會開始追求社交、尊重與自我實現等高層次的需求。自拍（selfie）、產品上的個人標誌、Nike ID 運動鞋設計、隨身碟樣式、杯子、郵票、音樂、3D 列印，都是高層次需求的一種行為模式。換句話說，消費者開始要求互動和共創價值，尤其是數位客製設計。. Ch. engchi. i n U. v. 第二節研究問題與研究目的壹、產品客製化的需求不確定性 Rosenberg（1982）指出顧客在使用產品後需求可能會改變，von Hippel（1986）指出顧客無法清楚描述他們的需求，多數市場皆假設顧客知道他們想要的產品與內在需求，然而這並不是真的，即使顧客對產品有不錯的知識，但是他們仍不能 5.

(14) 完美的預測他們自己的選擇（Riquelme, 2001）。使用者一般不確切知道哪個產品或元件是他們想要擁有的（Mandl, Felfernig, & Tiihonen, 2011），即便人們知道他們想要的是什麼，但是通常他們無法清楚的或完整的將這樣的資訊（規格）轉換給製造商（Thomke & von Hippel, 2002）。在涉及專業領域時，顧客在表達自己內在的需求時，通常是模糊的。貳、資訊處理能力有限與資訊過載 John von Neuman 與 Oskar Morgenstem 在賽局理論（game theory）一書裡對經濟決策制定描述一個數學基礎，就像之前的大多數理論一樣，他們視決策者是理性的（rational）和一致的（consistent）。直至 Simon 在「Models of Man: Social and Rational」一書中提出有限理性（bounded rationality）一詞（Simon, 1957），指出人類的決策能力並不完美，此時，決策理論朝向協助人類的方向前進。民國 68 年，Amos Tversky 與 Daniel Kahneman 在展望理論（Prospect theory，也作前景理論）著作裡，驗證了經濟理性模型無法描述人們在真實生活裡面臨不確定性時所制定的決策。Albert Camus 曾說過一句話，生活是你所有選擇的加總（Life is the sum of all your choices），間接指出決策存在風險和不確定性且需要被協助. 立. 政治大. ‧. ‧ 國. 學. （Buchanan & O'Connell, 2006）。有限理性說明在有限的時間和不夠的腦計算能力，決策者無法處理過多的資訊。社群、智慧型手機，加速資訊分享與傳遞的速度，資訊過載（information overload）、海量資料（big data）已經是現在的資訊時代現象。海量資料時代的來臨，如何快速找到相關資料，是很重要的研究議題。雖然顧客可以接收過載的資訊，但是他們不願被過載，顧客渴望採取不同資訊處理策略來過濾出對他們有. sit. y. Nat. n. al. er. io. 用的資訊（Jacoby, 1984）。. Ch. i n U. v. 參、數位產品客製化的問題 myVU 是一個以互動演化式演算法（interactive evolutionary algorithms, IEA）為核心的推薦系統（recommender system）（Geyer-Schulz, Hahsler, & Jahn, 2000），它觀察顧客的瀏覽行為，經過一系列的計算，來推薦資訊產品給會員。然而，在資料稀少的情況下，myVU 的推薦精準度可能會有問題。Rodriguez、Diago 與 Hagiwara（2010）所提出的建築物外牆色彩推薦系統，是以互動遺傳演算法（interactive genetic algorithms, IGA）與類神經網路（artificial neural networks, ANN）為核心的系統。系統收集使用者的對建築物色彩的評比資料，來推測使. engchi. 用者喜歡的建築物外牆色彩，同樣的，系統也面臨資料稀少的推薦精準度問題。系統在客製數位產品時，除了資料稀少的推薦精準度問題外，還有可能面臨過度限定的問題（overspecialization）（Kim, Lee, & Ahn, 2011），也就是推薦的項目過於相似，讓使用者覺得創意、多樣性不足的問題。肆、研究問題與研究目的 6.

(15) 綜合上述，本論文的研究問題為需求不確定、資訊過載（解答空間大）、資料稀少的數位產品客製與創意設計問題，此問題難以被單一機制所解決，因此，本論文提出一個系統來解決此問題，並達到以下的研究目的。一、加入專家的設計概念，刺激使用者，解決模糊需求問題。二、加入自助式概念，解決使用者對產品客製化需求與需求改變的問題。三、加強資料過濾與分類技術，降低系統與使用者的資訊搜尋與資訊比對時間，解決資訊過載的問題。四、以互動式演化式計算為核心，解決資料稀少、創意問題。五、以二位元與尺度型計算影像相似度，解決數位產品的內容分析問題。六、以數位賀卡設計探討系統實務應用可行性。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 7. i n U. v.

(16) 第二章. 文獻探討. 本章組織如下，第一節是決策制定模型與減緩資訊過載的過濾技術，第二節是大量客製化模式，第三節是互動演化式計算，第四節是文獻小結。第一節決策制定模型與減緩資訊過載的過濾技術 Simon 從情報（Intelligence）、設計（Design）、選擇（Choice）描述決策制定的四個階段（Simon, 1960），後來在提及此決策模型時，常以 IDC 模型稱之。決策程序的第一個階段稱為情報活動：搜索亟需決策的新情況；第二個階段稱為設計活動：發掘、構想和分析可能的措施；第三個階段稱為選擇活動：在各種措施中作一選擇；第四個階段稱為回饋活動：評估過去的選擇。一般而言，情報活動先於設計，而設計活動又先於選擇。然而，每一個決策階段，本身就是一個複雜的決策過程，也就是說，在任何一個階段都可能從大問題中滋生出小問題，而這些小問題又各有其情報、設計和選擇之階段。情報活動所蒐集到的資料量會隨著問題的複雜度增加而增加，此時倚賴不同的資訊處理策略來降低資料量。資訊處理策略的資訊技術有二類：資訊萃取（information retrieval）與資訊過濾（information filtering）。資訊萃取重視的是資訊的正確，資訊過濾重視的是符合個人需求（Belkin & Croft, 1992），也比較適合產品客製化議題。資訊過濾技. 立. 政治大. ‧ 國. 學. sit. y. Nat. 壹、推薦系統. ‧. 術後來被廣泛用於推薦系統（Resnick & Varian, 1997）內，在商業應用上，書籍（Amazon.com）、電影（Netflix.com）、音樂（TiVo.com）已有不錯的成效。. n. al. er. io. Goldberg、Nichols、Oki 和 Terry（1992）提出 Tapestry 系統解決電子郵件過載的問題，讓使用者透過建立查詢（query）的方式來過濾出自己有興趣的電子郵件。Tapestry 系統除了使用內容過濾（content-based filtering, CBF）的技術外，還使用了協同過濾（collaborative filtering, CF）的技術，後被視為推薦系統的最早應用。資訊過濾技術整合至推薦系統內，後應用於多個領域（Park, Kim, Choi, & Kim, 2012; Yuliana、Giner, Guillermo, & Alejandro, 2013），如書籍、文件、影像、電影、音樂、醫學、電子商務、美食（gastronomy）、娛樂（entertainment）、數位學習（e-learning）等，皆取得不錯成效。推薦系統的定義，以「People provide recommendations as inputs, which the. Ch. engchi. i n U. v. system then aggregates and directs to appropriate recipients」（Resnick & Varian, 1997）與「Any system that produces individualized recommendations as output or has the effect of guiding the user in a personalized way to interesting or useful objects in a large space of possible opinions」（Burke, 2002）被廣為採用，且指出推薦的三個重要元素：「個人的（individualized）、有趣（interesting）和有用的（useful）」。. 8.

(17) 貳、常見的推薦系統技術推薦系統至今也發展出不同的模型，本論文依據年代先後，以調查型（survey）的論文為主，整理如表 1 所示。表 1 推薦技術一覽表模型. 文獻. CBF、CF、混合過濾（hybrid filtering）. Balabanović 與 Shoham（1997）. 記憶為基（memory-based）、塑模（model）為基. Breese、Heckerman 與 Kadie（1998）. 非個人化的（non-personalized）、屬性為基、項目對項目關連（item-to-item correlations）與人對人（people-to-people） CBF、推薦支援、社會式資料採礦（social data mining）與. Schafer、Konstan 與 Riedl（1999）. Terveen 與 Hill（2001）. CF. 政治大. CF、CBF、人口統計學（demographic）、效用（utility）為. Burke（2002）. 基與知識（knowledge）為基. 立. 項目對項目協同過濾. Linden、Smith 與 York（2003）. CBF、CF、混合過濾、人口統計學、知識為基、效用為基 1. 特徵（characteristic）為基與社會為基. Rao 與 Talwar（2008） Ochi、Rao、Takayama 與 Nass（2010） Zhang、Zhou 與 Zhang（2011）. 塑模為基、記憶為基（或啟發式為基）. ‧. 標籤為基. 2. Adomavicius 與 Tuzhilin（2005）. 學. ‧ 國. 記憶為基協同過濾、塑模為基協同過濾. Adomavicius 與 Zhang（2012）. Nat. Bobadilla、Ortega、Hernando 與. 基. Gutiérrez（2013）. sit. er. io. al. 資料來源：本論文整理. y. 記憶為基、內容為基、社會為基、脈絡依存（context）為. n. v i n Ch 表 1 裡的推薦技術、模型或方法，簡介其特色如下： U i e h n c g 一、內容過濾基於用戶過去購物記錄來進行商業活動（例如促銷）。二、協同過濾基於用戶之間的消費、嗜好相似性來進行交叉（cross）推薦。三、混合過濾是結合內容過濾與協同過濾兩種機制的推薦（Balabanović & Shoham, 1997）。四、記憶為基利用評比值矩陣（ratings matrix）來比較使用者之間的相似度，記憶為基最常使用 kNN（k-Nearest Neighbors）的演算法，以 k 個最相似的鄰居資訊來推薦項目予使用者，而其相似度的計算以皮爾森（Pearson）相關或餘弦（cosine）相關為主。五、塑模為基以評比值矩陣建構使用者的行為模式來預測使用者對其他項目的評比值。六、非個人化的推薦根據其他所有顧客的推薦資訊來進行推薦，因此推薦的 1 2. 特徵為基包含內容為基、效用為基、知識為基。社會為基包含協同與人口統計學。 9.

(18) 產品與個人無關，每個人所得到的推薦是一樣的。七、屬性為基推薦，顧客自行以關鍵字進行搜尋，系統根據關鍵字與產品的特徵進行比對，然後進行推薦。八、項目對項目關連與內容過濾相似，當顧客對某些產品感興趣時，系統會推薦與這些產品相關的其他產品。九、人對人與 CF 相似，系統找到與顧客有相似品味的其他顧客，藉由其他顧客的消費資訊來進行推薦。十、推薦支援不自動進行推薦，此類型系統是分享推薦，當有人進行推薦時，系統會將此推薦進行推廣。十一、社會式資料採礦系統從社會活動裡（例如訊息、系統使用紀錄、引用或超連結）去探索隱藏偏好，然後將這些結果視覺化出來。十二、社會為基與社會式資料採礦概念相似，都是去分析分享的資訊，例如標籤資訊。十三、脈絡為基則重視使用者目前的情境，例如所在位置、健康資訊、 RFID 等。不同的資料特性，不同資料處理技術的推薦系統被提出，Bobadilla 等人（2013）. 立. 政治大. ‧. ‧ 國. 學. 提出三層框架來整理多個推薦技術，這三個層次從上到下分別是脈絡層次、社會層次與內容層次，其個別代表性的過濾技術分別是脈絡依存為基過濾、協同過濾與內容過濾。雖然多個資訊過濾技術被提出，但被應用最廣的過濾技術約為三種，即 CBF、CF 與混合過濾（Adomavicius & Tuzhilin, 2005; Resnick & Varian, 1997）。圖 1 是 CBF 與 CF 的運作方式，CBF 以顧客 A 所喜歡的產品 X，找到相似的產品 Y 來推薦。CF 以顧客 A 為基準，找到有相似嗜好的其他顧客 X、顧客 Y、顧. sit. y. Nat. n. al. er. io. 客 Z，然後找到顧客 X、顧客 Y 與顧客 Z 喜歡的產品 Y，再推薦回給顧客 A。. Ch. engchi. i n U. v. 圖 1 內容過濾與協同過濾的運作原理資料來源：Blecker、Friedrich、Kaluza、Abdelkafi 與 Kreutler（2005）. 參、推薦系統的研究議題推薦系統的應用與技術已經相對的廣泛與成熟，然而，仍存有一些問題尚未解決。例如過度限定、多媒體（如影像、影片）資料特徵萃取、稀疏評比、冷啟動（cold start）、使用者偏見、隱私等問題（Adomavicius & Tuzhilin, 2005; Bobadilla et al., 2013; de Campos, Fernández-Luna, Huete, & Rueda-Morales, 2010; Kim et al., 10.

(19) 2011; Ochi et al., 2010; Pérez-Gallardo, Alor-Hernández, Cortes-Robles, & Rodríguez-González, 2013; Schein, Popescul, Ungar, & Pennock, 2002）。過度限定指的是過於推薦相關的內容，例如，使用者買了哈利波特第一集，推薦系統會接著推薦哈利波特第二集。稀疏評比指的是使用者對項目的評比資料少，例如知名的 Netflix3與 Movielens410M 個別只有 2%與 3%的資料被評比。冷啟動的問題指出的是資料稀少的問題，進一步可以區隔為新使用者（rame-up）、新項目（item）或新系統的問題（Park & Chu, 2009）。新使用者指的是剛加入網站的使用者，所以不存在產品購買資料。新項目指的是剛上市的新產品，因為與其他項目的關聯低，所以資料稀少。新系統指的是剛使用的系統，所以資料庫相關資料稀少。使用者偏見（bias）指的是個人對於項目的評比值差異大，因此無法取得使用者真實的偏好。資料越稀疏，推薦精確度愈差（Cacheda, Carneiro, Fernández, & Formoso, 2011）因此，資料稀疏是推薦系統最被重視的問題。資料稀疏問題的解決方法很多，像是可以結合其他資料來產生推薦清單（雖然個人化的程序會降低，但是可以等到資料比較豐富時再來改善），例如使用人口統計資料（Nguyen, Denos, & Berrut, 2007; Lam, Vu, Le, & Duong, 2008）或是. 立. 政治大. ‧. ‧ 國. 學. 項目特徵資料，如電影的標題、演員陣容（Melville, Mooney, & Nagarajan, 2002）。或是以社會網絡的觀點來延伸至間接關聯找到更多鄰居（Papagelis, Plexousakis, & Kutsuras, 2005），還可以利用 query expansion 技術來擴增使用者的輪廓（Formoso, Fernández, & Cacheda, 2013）。其他做法如 Movielens 要求使用者對電影評比，取得資料後再進行推薦。洪飛恭（2011）透過與專家會談、模糊理論，建立消費者需求與產品功能特徵關聯評價法則，接著，利用此關聯評價法則找出最佳模組產品，做為提供消費者選購產品之建議。另外，推薦應該協助顧客找到. sit. y. Nat. n. al. er. io. 和發現新、相關且有趣的項目（Linden et al., 2003），且應避免推薦太相似的內容， Kim、Ha、Lee、Jo 與 El-Saddik（2011）建議使用短期興趣資料來推薦。推薦系統的相似度計算概念對於產品搜尋與客製有很大幫助，下一節本論文探討大量客製化的模式。. Ch. engchi. i n U. v. 第二節大量客製化模式每人擁有的財富與對奢華的需求開始增加，這是後現代時期（postmodern era）的社會現象，也就是追求改變和新穎（novelty）。而客製化也是目前的商業趨勢，多數企業提供網站協助顧客進行客製化商品製作。例如耐吉（Nike）的 Nike ID 客製化服務，顧客能選擇自己喜愛的顏色、鞋款、尺寸、材質或加上自己的名字；汽車業對於同款車型推出色彩豐富的外殼，或是提供多樣功能配件；飲料業推出多種口味，如低糖、低脂、少冰等；金融保險業提供組合性商品；手機業內建的應用程式服務設定。然而，大量客製化產品應先符合顧客偏好，其效率才能提升（Franke, Keinz, & Schreier, 2008）。 3 4. Netflix，https://www.netflix.com/，提供線上影片出租服務的公司。 MovieLens，http://movielens.org/，推薦電影的網站。 11.

(20) 壹、大量客製化的定義大量客製化的定義是以高敏捷、彈性、整合的製程提供具設計的個人化產品給消費者（da Silveira, Borenstein, & Fogliatto, 2001）。個人化的根源是關係（relationship）行銷管理（Sunikka & Bragge, 2012），個人化（Riemer & Totz, 2001）的同義詞有客製化、大量客製化（Davis, 1987; Pine II, 1993）、區隔（Smith, 1956）、目標、輪廓（profile）、一對一行銷（Peppers & Rogers, 1993），至今，個人化尚無明確定義（Wind & Rangaswamy, 2001）。個人化日趨重要（Hicks, 2003），個人化有時是參照客製化或模組化（modification）。Tam 與 Ho 提出三種型態的個人化（Tam & Ho, 2006）：使用者驅動（user-driven）、交易驅動與內容驅動。使用者驅動以提供使用者工具，讓使用者陳述他們的需求與呈現的形式。交易驅動以線上模式產生個人化布局和內容。內容驅動則是為每個個體進行個人化內容和布局。個人化的目標可以是內容、使用者介面、功能或通路／途徑（channel），個人化可以由系統「明確的」（explicit）或由使用者「隱含的」（implicit）所引導，. 立. 政治大. ‧. ‧ 國. 學. Fan 與 Poole 認為個人化需要強大的電腦能力（Fan & Poole, 2006）。個人化、客製化與大量客製化的差異（Sunikka & Bragge, 2012），可以參考表 2 的框架，此框架針對無形與有形的產品來描述個人化、客製化與大量客製化的差異。. n. al. Ch. er. io. Intangibles (web context, service). sit. PERSONALIZATION. Individual. i n U. Group. v. e n g c h i Mass. System initiated One-to-one personalization User initiated. y. Nat. 表 2 個人化、客製化和客製化研究的框架. (Web) customization. personalization Collaborative customization. Tangibles (products). Individual and group. Mass customization. 資料來源：Sunikka 與 Bragge（2012）. 客製化是個人化另一個常用的詞，然而因客製化常與大量客製化混為一談，因此，談到客製化也會談到低成本。但是部分學者認為個人化與客製化在概念上仍是不同的，因此，Sunikka 與 Bragge（2012）以文獻整理方式來探討個人化與客製化的相似處與差異性。Sunikka 與 Bragge 發現眾多文獻以為個人化是由賣方所驅動，至於客製化由買方所驅動。最後，Sunikka 與 Bragge 分析個人化與客製化的文獻趨勢，發現，客製化研究開始涉及服務領域（domain），也開始涉及無形（non-tangible）產品。 12.

(21) 本論文採用 Davis（1987）對客製化的定義，也就是利用資訊科技的能力，生產個人化的產品，而能確實符合每個顧客的特殊需求（暫時不考慮製程與成本問題）。貳、大量客製化的方法與種類 Pine II（1993）針對研發、設計、生產、行銷、配送等五個企業活動闡述實行大量客製化的五種方法。這五種方法是從最簡單到困難，所增加給顧客的價值也愈來愈多，所創造的競爭優勢也愈來愈持久，且這五種方法並非互斥，而是有許多重疊部份的，一個公司也可能同時採用好幾個方法。一、提供客製化服務於現有標準化產品或服務上，增添顧客化的色彩；在現有標準化的服務及產品附加客製化的服務，標準化產品可以經修改、增加功能、與其他產品組合在一起，並在行銷或運送上提供可以滿足個人需求的服務。二、創造可客製化的產品與服務，大量生產的產品能夠很容易適應個別顧客的需求，實行這個方法，有賴於研發與行銷合作，行銷單位找出消費者最希望個人化的產品特質，而研發單位將此特質設計在產品中，交由生產單位以大量生產的標準生產方式大量生產之。如感應人臉曲面弧度的吉列（Gillette）刮鬍刀，以及感應衣服質料及顏色而自動修正的松下. 立. 政治大. ‧ 國. 學. ‧. （Matsushita）洗衣機。三、銷售點客製化、傳送過程的客製化：知道顧客真實需求的最佳方法，就是在銷售點請顧客說出來，然後就在銷售點生產，或者將產品標準化的部份在中心工廠製造，而個人化部份則在傳送時或銷售時生產，來加速. sit. y. Nat. n. al. er. io. 反應消費者的需求，如油漆業的配色。四、提供快速反應的價值鏈、提供迅速的反應及回饋：縮短企業價值鏈的時間，可增加更多樣化的產品並增強快速反應滿足顧客需求的能力，如馬特爾（Mattel）的客製化娃娃。五、以模組化零件提供客製化產品與服務、將關鍵要素模組化：經由開發可以組成多樣化產品或服務的模組組件，是達成客製化的最佳方法。如戴爾電腦（DELL）。客製化還有軟（soft）客製化與硬（hard）客製化（Coates & Wolff, 1995; Piller, 2000）的區隔，Coates 與 Wolff 提的軟客製化與硬客製化與 Piller 所提的概念是不同的，Coates 與 Wolff 所描述的軟客製化指的是顧客面臨的企業提供有限選擇. Ch. engchi. i n U. v. 的產品；硬客製化描述的是顧客擁有更多的主動權，可以參與產品的設計過程。 Piller 所提的軟客製化是在完全標準化的製程後進行，因此顧客對生產過程沒有直接影響，至於硬客製化，因為開始於製程中，因此顧客可以提供需求來達到產品客製化。根據價值鏈（value chain）的四個階段，設計、組建（fabrication）、裝配（assembly）和配送（distribution），可以區分出五種客製化（Lampel & Mintzberg, 13.

(22) 1996）：一、純粹標準化（pure standardization）：從設計、製造、裝配和配送活動都是標準化的，生產者或經銷商都不執行客製化的活動，消費者必須自行去適應產品，並且對設計、生產甚至配送都缺乏直接的影響力。例如消費者至大賣場購買成衣，就是屬於此類型態。【相似於 Pine II（1993）的創造可客製化的產品與服務。】二、區隔的（segmented）標準化：消費者對於設計、製造、裝配並沒有直接的影響力，但是可以決定配送的流程，例如交貨時間和地點規劃等。例如在網路上向商家訂購成衣，指定交貨時間及地點，便屬於此類型態。【相似於 Pine II（1993）的銷售點客製化、傳送過程的客製化。】三、客製的標準化：設計、製造活動是標準化的，但裝配及配送是客製化的。消費者可以從標準組件清單作選擇，組合成滿足其獨特需求的最終產品。這也可稱作為模組化製造，例如電腦組裝就是一個典型的例子。【相似於 Pine II（1993）的模組化零件提供客製化產品與服務。】四、裁縫的（tailored）客製化：設計活動是標準化的，但製造、裝配及配送. 立. 政治大. ‧. ‧ 國. 學. 是客製化的。企業提供產品的一般原型給消費者，然後根據顧客個人化的喜好和需求去做調整。例如服裝的訂作、顏色的挑選就是屬於此類。【相似於 Pine II（1993）的提供快速反應的價值鏈、提供迅速的反應及回饋。】五、純粹客製化：從設計、製造、裝配和配送活動都是客製化的。產品實施真正接單後才生產的模式，甚至在設計階段中，顧客影響整個生產過程。例如蛙王菲爾普斯（Michael Fred Phelps II）所穿著的泳衣，是用鯊魚. sit. y. Nat. n. al. er. io. 皮製作，就是從設計到配送活動都客製化的例子。產品實施真正接單後才生產的模式，甚至在設計階段中，顧客喜好幾乎影響整個生產過程。根據產品改變、產品不改變與產品外在（representation）改變與產品外在不改變可以區分出四種客製化（Gilmore & Pine II, 1997）：一、適應性的（adaptive）客製化：產品與產品外在都不改變的是適應性的客製化，這類型的客製化有兩種產出類型，一是可客製化的（customizable），另一是客製（customizing）。可客製化的類型提供顧客很多選擇，其中某些選擇會滿足顧客的需要；客製的類型則是直接適應於顧客，例如吉列感應器（Gillette sensor）。【相似於 Pine II（1993）的創造可客製化的產品與服務。】. Ch. engchi. i n U. v. 二、透明性的（transparent）客製化：在不打擾顧客前提下改變產品來滿足顧客的需求，這類型的客製化需要收集顧客的資料並進行分析，才能設計出符合顧客需求的產品。三、合作性的（collaborative）客製化：直接與顧客互動來製造產品滿足顧客的需求，因此，產品的內在與外在都因應顧客的需求而調整。【相似於 Lampel 與 Mintzberg（1996）的純粹客製化。】 14.

(23) 四、裝飾性的（cosmetic）客製化：產品外在改變，它提供單一、標準化的產品，但是以不同的包裝方式呈現給特定外在需求的消費者。【相似於 Pine II（1993）提供客製化服務於現有標準化產品或服務上。】 MacCarthy、Brabazon 與 Bramham（2003）從產品設計、訂單的重複性與資源的觀點下提出五種客製化，分別是目錄式（catalogue）、固定資源之隨訂單設計（fixed resource design-per-order）、彈性資源之隨訂單設計、固定資源之 call-off 與彈性資源之 call-off。 da Silveira 等人（2001）整理 Pine II（1993）、 Lampel 與 Mintzberg（1996）、 Gilmore 與 Pine II（1997）的研究，提出大量客製化共有八個層級（見表 3）。表 3 大量客製化的層級. Collaborative, transparent. 立. 7. Fabrication. ‧ 國. Customized standardization. Modular production. Point of delivery customization. io. Customized services; providing quick response. Cosmetic. 2. Usage. Adaptive. y. al. n. 3. Package and distribution. 1. Standardization. 政治大. Nat. 4. Additional services. Types of customization. Pure customization Tailored customization. ‧. 5. Additional custom work. Stage of MC. 學. 6. Assembly. MC strategies. sit. 8. Design. MC approaches. Segmented standardization. Ch. engchi. Pure standardization. er. MC generic levels. i n U. v. Assembling standard components into unique configurations Performing additional custom work Providing additional services Customizing packaging. Embedded customization. 資料來源：da Silveira 等人（2001）. 大量客製化的類型、策略與模型很多，最高層次的設計層次，其重點在於與顧客合作與蒐集相關的資訊來滿足顧客的需求。參、大量客製化之與消費者共創價值近十年有關大量客製化的論文研究指出網路支援大量客製化的情形變多（Fogliatto, da Silveira, & Borenstein, 2012），而顧客與製造者的互動有四個步驟，從建立產品類別（catalog）、訂單的組合（order configuration）到訂單轉移與製造，並指出未來研究應著重於快速製造（rapid manufacturing）、大量客製化價值、品質控制、擔保（warranty）與實證驗證（empirical validation）。企業現在勢必面對比傳統市場區隔更複雜、更細微的差異性，而一人一區隔 15.

(24) 的思維只做對了一半，因為那仍是把消費者看成行銷目標，也就是把產品賣給單一顧客的概念（Prahalad & Ramaswamy, 2004）。企業以低成本提供產品和服務給單一顧客，於是消費者選擇增加，這種客製化只是配合公司的供應鏈，而不是迎合消費者特別的願望和偏好。過去在開發產品時，供應商（supplier）所承接的任務較多，現今，顧客開始參與（Thomke & von Hippel, 2002）。傳統作法，產品開發有 4 個步驟，進階開發、設計、建置和測試，消費者負責產品的測試，並回饋產品使用心得給供應商，但是在新的作法時，顧客可以參與產品設計、建模的活動，這樣的作法增加產品開發速度與效率。von Hippel（2005）的研究指出約 9.8%~37.8%的使用者在個人產品使用上有開發和建置創新的能力，可見使用者是能夠進行產品客製的能力。所以顧客應該被視為價值創造的夥伴，共創價值過程類似於自助（或稱，同義於產銷者（prosumer）， do-it-yourself, DIY）的概念（Tang & Meersman, 2012）也就是顧客在生產程序提供有價值的輸入（input）。網際網路讓企業與顧客雙方進行更寬廣的活動，企業可以收集到更多有關於消費者的資訊。顧客擁有產品開發者所需要的資訊，這類資訊又被稱為粘資訊. 立. 政治大. ‧. ‧ 國. 學. （sticky information），要區分出與顧客需求有關的資訊需要產品開發者與顧客多次互動後才能得知，尤其要促成消費者消費驚艷的多樣化。問題的解決，必要的資訊與問題解決能力都是不可或缺的（Jeppesen, 2005），當企業提供給顧客很多元化的產品時，顧客是沒有能力在這樣的環境下制定最佳決策，這就是人類的有限理性（Simon, 1957）。下一節將探討有限理性的限制下，互動演化式計算（interactive evolutionary computation, IEC）技術的協助與相關的研究議題。. sit. y. Nat. n. al. er. io. 第三節互動演化式計算快速的資訊傳播速度與資訊過載的情況下，消費者可能無法清楚描述他們的需求，也不能完美的預測他們自己的選擇，甚至不確切知道哪個產品或元件是他們想要擁有的（von Hippel, 1986; Rosenberg, 1982; Riquelme, 2001; Mandl et al., 2011）。互動演化式計算繼承演化式計算的核心技術，改以人類取代適應函數（fitness function），因此，互動演化式計算除了可以找到創新的方案外，還可以回應使用者偏好的改變。. Ch. engchi. i n U. v. 壹、演化式計算演化式計算（Takagi, 2001）是自然界生物演化的人工智慧計算技術，包含遺傳演算法、演化式策略（evolutionary strategy, ES）、遺傳程式規劃（genetic programming, GP）、演化式程式規劃（evolutionary programming, EP）。遺傳演算法，它模擬達爾文的物競天擇學說，是一種適應性的方法，過去被用來在大的搜尋空間裡找到最佳化方案的問題。遺傳演算法的搜尋方式是基於模仿演化（適者生存）來進行，每次的演化都保留最佳方案集合，如同真實演化般，最佳方案集合會進行交配（crossover）和突變（mutation），所以差的方案也會有出現在下一 16.

(25) 代的存活機率。遺傳演算法的步驟為產生初始族群（population）、根據目標函數（或稱適應函數）挑選個體，然後進行交配、突變，反覆操作直到找到最佳解（或滿足停止條件為止）（見圖 2 與圖 3）。. 圖 2 遺傳演算法循環. 政治大. 資料來源：Man、Tang 與 Kwong（2001）. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 3 傳統的遺傳演算法結構資料來源：Man 等人（2001）. 要執行遺傳演算法之前有許多事情要完成，如編碼（coding）、染色體的結構設計，至於演化參數（許芳誠，2000），如適應函數（fitness function）、族群大小（population size）、代數（generations）、天擇（selection）、交配、突變、交配率、突變率、結束規則等。常見的天擇機制為輪盤法（roulette wheel）、均勻法（uniform）、競賽法（tournament）與菁英法（elitism）。輪盤法，在輪盤中為每一個染色體分配一個相對於適應值比率的角度大小 17.

(26) （見圖 4），然後任意的讓輪盤轉動（隨機產生一個 0 至 1 的機率值），當輪盤停止後（判斷機率值的落點），來選擇選中的染色體來進行繁殖。圖 4 的染色體 B 佔據輪盤較大的角度，因此，它被選中的機率就比其它染色體高。. 圖 4 染色體於輪盤的機率. 政治大. 均勻法，每個染色體被選擇到的機率都是一樣的。競賽法，從族群裡隨機挑選二個染色體，然後將適應值較高的染色體送至交配池中，重複的挑選、競賽，直到交配池中的染色體個數與族群大小相同。菁英法，強迫在每一代的演化中保留適應值最高的染色體至下一代，避免沒有被挑選到而消失，因為菁英法對於演化的績效有顯著的影響，因此，菁英法常與其他天擇機制搭配使用。常見的交配模式有單點（one-point）與雙點（two-point）兩種。單點交配是從父代染色體選擇一個交配點，將父代染色體所選擇的交配點後的所有基因進行對調（見圖 5）。雙點交配則是選擇二個交配點，選擇後，將父代染色體被二個. 立. ‧. ‧ 國. 學. n. Ch. engchi. 圖 5 單點交配. 18. er. io. al. sit. y. Nat. 交配點包圍的基因進行對調（見圖 6）。. i n U. v.

(27) 圖 6 雙點交配. 結束規則如「達到所設定的演化代數（例如 10）」、「染色體的適應值達到目標設定值（例如 8 以上）」、「族群內的染色體同質性已達預先設定的水準」等。遺傳演算法可以有效率的求得最佳解，然而如果問題的適應函數若無法明確被定義時（例如人類的偏好），遺傳演算法就無法找到解答。互動式遺傳演算法（interactive genetic algorithms, IGA）一詞出現在 Dawkins 著作的書籍「盲眼的鐘錶匠」（The Blind Watchmaker），其以人取代適應函數的作法讓此問題得到新. 立. 的解決方向。. 政治大. ‧ 國. 學. ‧. 貳、互動式遺傳演算法學者 Caldwell 與 Johnston（1991）的指認嫌疑犯論文是實務問題的解決應用，目擊者根據自己的記憶來判斷與引導電腦提供的影像是否正確，透過多次互動來找到與嫌疑犯高度相似的影像。人透過和機器的互動，電腦以預先設計好的物件（例如眉毛、眼睛、髮型等. sit. y. Nat. n. al. er. io. 樣式）來組合成一個方案給使用者評分，使用者只要根據內心對此樣式的感覺（或喜好程度），用分數（或排名）來告訴電腦。電腦收集使用者的分數（或排名）進行天擇、交配與突變，即可以在使用者引導的基礎上，進行搜尋，偶爾還可以產生少許的創意來得到理想的方案。互動式遺傳演算法的應用很廣泛，有旅遊行程（許芳誠，2000）、時裝設計（Cho, 2002; Gong, Yao, & Yuan, 2009）、影像處理（Jaksa & Takagi, 2003）、心智健康衡量（Takagi, Takahashi, & Aoki, 2004）、微電子系統設計（Kamalian, Zhang, Takagi, & Agogino, 2005）、助聽器調整（Takagi & Ohsaki, 2007）、人體工學椅子設計（Brintrup, Ramsden, Takagi, & Tiwari, 2008）、回收廠設備佈置（Garcia-Hernandez, Salas-Morera, & Arauzo-Azofra, 2012）、網頁佈置（Sorn &. Ch. engchi. i n U. v. Rimcharoen, 2013）等。互動式遺傳演算法在旅遊行程、時裝設計、網頁佈置的應用研究，除了固有的偏好問題外，也隱含創意設計的概念。參、互動演化式計算的研究議題互動式遺傳演算法後被納入到互動演化式計算，之後被廣泛應用於多個領域，也產生了許多值得研究的議題。互動式遺傳演算法與遺傳演算法最主要的差異在 19.

(28) 於族群的大小，遺傳演算法的族群大小可以是成千上萬，但是互動式遺傳演算法受限於電腦螢幕的大小，可能只有數十個，因此，在同樣的解答空間大小情況下，遺傳演算法的搜尋次數與時間與互動式遺傳演算法相比較下可能差了上百倍，也因此人類的疲勞問題在互動式遺傳演算法裡被視為主要的問題。為了解決疲勞問題，相關的研究做法（Takagi, 2001）如使用低尺度的評量工具、預測解答的適應值、改變個體出現的次序或改變介面的設計、在使用者評估時讓電腦能夠做點其他需要計算的事情、降低人類的操作時間、結合其他機器學習（machine learning）技術、讓使用者參與做點事、改善搜尋技術。大量客製化一節裡提到消費者慢慢的不再滿足於單方面的接受產品，他（她）們希望能參與設計，von Hippel（2005）的研究也指出近三成的使用者具有開發產品與建置創新的能力。如果能將使用者的這項能力整合至互動演化式計算裡，應該能對解答的搜尋與設計有幫助。在這之前，Kosorukoff（2001）曾提出相似的概念，也就是以人為基遺傳演算法（human based genetic algorithm, HBGA）。以人為基遺傳演算法將遺傳操作（天擇、交配、突變）以外包（outsourcing）給人處理（見圖 7），然而，當遭遇. 立. 政治大. ‧. ‧ 國. 學. 使用者偏重天擇機制時，會讓整個遺傳循環極度不平衡。因為天擇、交配與突變的交互使用，才能創造多樣性的方案（Goldberg, 2002），因此加入計算模組來平衡整個演化機制。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 7 以人為基遺傳演算法資料來源：Kosorukoff（2001）. 一篇以色彩為實驗例子的論文，比較了互動式遺傳演算法與以人為基的遺傳演算法（Cheng & Kosorukoff, 2004），實驗結果指出，以人為基的遺傳演算法其以人為自主的選擇操作優於互動式遺傳演算法。肆、互動演算式計算近年研究有別於傳統互動演化式計算，超互動演化式計算（hyperinteractive evolutionary computation, HIEC）增加使用者的參與度，允許使用者自行操作交配、複製（duplicate）、刪除、隨機、突變的機制（Bush & Sayama, 2011）。Koga、 20.

(29) Inoue 與 Fukumoto（2013）所提的音樂創作系統也讓使用者參與，系統先呈現音樂，然後讓使用者決定是否修正。若使用者決定修正，需要對修正後的音樂進行評估，評估後再決定是否滿意，若不滿意，則進行遺傳機制，如此反覆操作，直到完成音樂創作。 Tanaka 等人（2010）的研究在於取得重要設計變數空間維度（縮小搜尋空間），他們比較了互動遺傳演算法與 Amazon 的推薦結果，研究結果指出互動遺傳演算法能產生與 Amazon 相似的推薦，而且能產生更貼近受測者需求的推薦。 Takagi（2012）從感知觀點來探討互動演化式計算，感知有四個層次（見圖 8），sensory、perceptual、cognitive 與感知（kansei）。感知是人類擁有對輸入的主觀價值的掌控能力與功能，互動演化式計算可以收集人類對輸入的主觀價值，藉由不同的方法與學習機制（見圖 9、圖 10）可以解讀人類的感知機制，例如類神經網路、模糊（fuzzy）或是統計方法。. 立. 政治大. ‧. ‧ 國. 學 y. Nat. 圖 8 在不同心理層次的體認. n. er. io. al. sit. 資料來源：Takagi（2012）. Ch. engchi. i n U. 圖 9 互動演化式計算使用者的評分資料來源：Takagi（2012）. 21. v.

(30) 圖 10 在模型裡找出潛在變數資料來源：Takagi（2012）. Sun、Yang、Gong 與 Li（2012）從群體智慧（collective intelligence）觀點來操作互動演化式計算，他們收集其他使用者的資料後，利用 k-means 判別使用者的群集，利用群集裡的資訊來產生方案，降低使用者無先備知識與疲勞的問題。 Sumi、Oinuma、Arakawa 與 Harashima（2012）著重處理互動演化式計算的初始族群設計，作法上要求多位使用者先操作此系統，然後取得相當數量的資料後，將此資料進行 k-means 集群，當新使用者操作此系統時，可提供各群集內較. 立. 政治大. ‧. ‧ 國. 學. 優秀的方案。 Jung 等人（2013）則以眼睛注視影像的時間長度與次數取代使用者評估分數，降低使用者疲勞的問題，並提出互動演化式規劃（interactive evolutionary programming, IEP）服裝推薦系統。研究結果指出系統能更精準估計使用者的偏好，而且推薦的衣服更貼近使用者的偏好。近年來，互動演化式計算仍偏重在資料蒐集與預測，較少讓使用者參與，然. sit. y. Nat. n. al. er. io. 而就如同上面章節所論述的現象，使用者參與是時代趨勢，雖然使用者參與會帶來疲勞問題，但是這是值得去研究與解決的議題。因為本論文主要探討的是數位產品，下一節次將探討互動演化式計算於數位產品的相關研究。. Ch. engchi. i n U. v. 伍、互動演化式計算於數位產品的研究 Geyer-Schulz 等人（2000）設計一個資訊產品推薦系統，名為 myVU，解決使用者適應函數評比的瓶頸問題與群集異質問題。myVU 觀察顧客的瀏覽行為，計算與建構顧客的適應函數與輪廓，從顧客的瀏覽行為去判定顧客的層級（新手、一般、進階或專家），以顧客的層級來找到與之相似的群集，避免推薦異質性的資訊給使用者。myVU 的技術核心有二，一是天擇，另一是突變。myVU 裡的天擇機制，基於顧客行為交易資料，計算顧客的資訊產品適應值、建構顧客的輪廓，以排名的方式呈現並推薦資訊產品；myVU 裡的突變機制，以曾經被購買或曾經被使用的概念，來隨機推薦資訊產品。分析三個月的會員使用系統功能的資料，天擇機制的推薦服務約有 20%的使用率，突變機制的推薦服務約有 4%的使用率，顯示會員對這樣的推薦服務是滿意的。Geyer-Schulz 等人的研究讓使用者參與設計，但面臨資料稀少無法做出精準推薦的問題。 22.

(31) Rodriguez 等人（2010）的建築物外牆色彩設計系統，利用設計概念做為規則來限制色彩的組合，技術上採用類神經網路。系統內部的遺傳操作有交配與突變，在進行遺傳操作前，色彩需要先進行分群。交配操作時，系統會從個別群裡挑選染色體至交配池內，然後再進行交配；突變操作時，系統採取挑選相同特質的基因。每次顧客對影像評分後，資料會轉由 ANN 來訓練，建構顧客的適應函數，然後再推薦影像，實驗結果指出設計概念組合出的影像更受顧客喜愛。 Kim 等人（2011）結合互動演化式計算與內容過濾的音樂推薦系統，解決內容過濾過度限定問題。前處理階段，先以 CLAM5工具萃取音樂特徵，再以 k-means 方法集群。使用者評估階段，系統收集使用者對音樂的評估資料。互動演化式操作階段，因為突變存在解答出軌（deviate）的機率，因此系統只採用天擇與交配機制。研究結果指出互動演化式計算能協助取得合適項目進行推薦，另外，採取 k-means 的作法可以降低系統計算時間。 Kim 與 Ahn（2012）結合內容過濾與互動演化式計算的音樂推薦系統，在互. 政治大. 動演化式計算部分只使用截斷式（truncation）天擇與 BLX-交配機制。研究結果指出系統優於傳統內容過濾，另外對於資料稀疏問題亦有減緩作用。 Kant 與 Bharadwaj（2013）結合 reclusive、互動遺傳演化法，以 MovieLens. 立. ‧. ‧ 國. 學. 設計一個系統。前處理階段，以項目特徵與高斯（Gaussian）計算項目與項目之間的相似度、以 k-means 進行項目的集群、然後計算項目推薦分數。內部運算程序，初始族群來自項目推薦分數，遺傳操作只有天擇與交配（研究者認為突變會破壞解答的結構）。研究結果指出內含互動遺傳演算法程序能適時反應使用者偏好，且結合模糊內容的方法對於項目推薦品質有明顯改善。互動演化式計算於數位產品的研究在遺傳機制的使用上更為謹慎，也同樣面. sit. y. Nat. n. al. er. io. 臨資料稀少、使用者需求模糊與疲勞的問題。另外，也尚未深入探討影像本身所傳遞的訊息對使用者的意義。. Ch. engchi. i n U. v. 第四節文獻小結資訊過濾重視的是符合個人需求（Belkin & Croft, 1992），應用最廣的過濾技術約為三種，即內容過濾、協同過濾與混合過濾（Adomavicius & Tuzhilin, 2005; Resnick & Varian, 1997），相似度的計算以皮爾森、餘弦為主。推薦是以搜尋的方式來進行個人化服務，與高層次客製化關聯度低，然而推薦除了滿足顧客找到關聯項目之外，應該協助顧客找到和發現新、相關且有趣的項目（Linden et al., 2003），因此，本論文納入互動演化式計算技術來達到此一目的。Goldberg（2002）於創新設計（the design of innovation）一書中說出創新是建立在舊有的事物上，更指出遺傳演算法的重組（recombination）結合天擇的機制等於創新、天擇結合突變的機制等於改進（improvement），可見互動演化式計算的方法對於找到和發現新、相關且有趣的項目的問題是有幫助的。 von Hippel（2005）的研究指出約 9.8%~37.8%的使用者在個人產品使用上有 5. CLAM，http://clam-project.org/，聲音、音樂的分析工具。 23.

(32) 開發和建置創新的能力，顧客可以參與產品設計、建模的活動，這樣的作法增加產品開發速度與效率。互動演化式計算已經被用於多個領域，其中旅遊行程（許芳誠，2000）、時裝設計（Cho, 2002）、網頁佈置（Sorn & Rimcharoen, 2013）等應用研究都對產品進行數位化程序，讓顧客進行客製化活動，這也使得產品解答空間變大。資訊過載會讓使用者的決策品質受到影響，資訊決策制定流程與資訊技術協助變得重要。除此之外，互動演化式計算用於數位產品設計的問題尚有遺傳機制配置使用與即時回應使用者需求改變的問題。本論文參考 Simon（1960）的決策制定程序，將自助概念、影像處理技術整合於互動演化式計算內，提出一個系統框架。一開始，用標籤擴展影像內容，進行影像處理與分析，再以相似度計算項目的關聯性，協助系統進行更有效率的搜尋。系統並引進自助化概念，讓使用者自由使用類似遺傳機制的交配、突變功能來設計產品，提升客製化層級，更詳細的系統設計會在下一章進行說明。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. 24. i n U. v.

(33) 第三章. 研究方法. 第一節資料收集與研究個案主題的確認賀卡主題的選擇，本論文從伊卡島電子賀卡6、賀卡城7、公共電視賀卡中心 8 、新絲路電子賀卡中心9、臺北市教育－電子賀卡10蒐集各網站提供的賀卡資訊，整理如圖 11 所示。圖 11 裡，位居前五名的賀卡類型為情人卡、新年卡、教師卡、聖誕卡與生日卡，考慮到普遍性，選擇以生日卡為本論文的研究對象。. 學. ‧ 國. 立. 政治大圖 11 賀卡種類統計. ‧. 確認賀卡的組成元素，本論文陸續從各個賀卡網站與 Google 影像收集賀卡來進行下一階段的影像內容分析。賀卡收集時間自民國 102 年 7 月 9 日至民國 102 年 9 月 5 日，共收集 459 張賀卡。每一張賀卡先進行簡單的描述（見圖 12），統計前五名的概念分別是文字、蛋糕、禮盒、人物、裝飾與植物。除此之外，東. sit. y. Nat. n. al. er. io. 方國家的文化，十二生肖對於生日而言，是有深遠意義的，這在所蒐集的 459 張賀卡裡也常見到，這些資訊都對於建置染色體（見圖 13）有幫助。. Ch. engchi. i n U. v. 圖 12 影像描述. 6. 伊卡島，http://www.e-card.com.tw/，電子賀卡網站。賀卡城，http://ecard.epochtimes.com/，電子賀卡網站。 8 公共電視賀卡中心，http://web.pts.org.tw/php/ecard/main.php，電子賀卡網站。 9 新絲路電子賀卡中心，http://ecard.silkera.net/，電子賀卡網站。 10 臺北市教育－電子賀卡，http://www.tp.edu.tw/ecard/，電子賀卡網站。 25 7.