自公連立政權的運作與限制 : 以安全保障關連法案的決策過程為例 - 政大學術集成

全文

(1)國立政治大學資訊科學系 Department of Computer Science National Chengchi University 碩士論文 Master’s Thesis 政治. 大. 立. ‧. ‧ 國. 學. 基於使用者個性與偏好之線上行程安排系統. y. Nat. er. io. sit. Online Travel Arrangement System Based on. n. al Personality and Preference v i n Ch engchi U 研究生：邱煥鈞指導教授：李蔡彥. 中華民國一百零七年七月 July 2018. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(2) 基於使用者個性與偏好之線上行程安排系統 Online Travel Arrangement System Based on Personality and Preference. 研究生：邱煥鈞. Student：Chiu, Huan-Chun. 治指導教授：李蔡彥政 Advisor：Li, Tsai-Yen 大. 學. ‧ 國. 立. 國立政治大學. ‧. 資訊科學系碩士論文. er. io. sit. y. Nat. al. A Thesis. n. v i n Ch submitted to Department Science i U e n g cofhComputer National Chengchi University. in partial fulfillment of the Requirements for the degree of Master in Computer Science 中華民國一百零七年七月 July 2018. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(3) 摘要. 目前的行程安排工具，多是藉由地點熱門程度或是已經被設計好的行程來做景點與 POIs 的推薦，但以這樣的方式所推薦出的景點或 POIs，往往不見得能貼近使用者的偏好和需求。另外，在目前許多的行程規劃與景點推薦的相關研究中，利用使用者偏好. 治政大（Personality）的相似程度來當作 POI 推薦的考量因素，卻極少被提及。在本論文的研立究中，我們提出了一個由心理學上的「人格特質」反映至旅遊層面上旅客的「個性」（User Preference）來推薦適合景點已有許多的探討，但是以使用者個性. ‧ 國. 學. 方法，並使用此方法所得出的旅客個性參數搭配使用者偏好，再利用推薦方法中的協同過濾方式，來進行旅遊景點與 POI 的推薦。同時我們也實作了一個線上行程安排系. ‧. 統，藉由收集網路上的使用者每一次進行操作後的推薦結果，進行實驗與分析。實驗. n. al. er. io. sit. y. Nat. 結果顯示，本論文所提出的基於使用者個性與偏好之推薦方法，有不錯的推薦成效。. Ch. engchi. i n U. v. i. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(4) Abstract In many of the travel planning tools, sites or POIs are usually recommended by their rankings or if they are in the well-designed routes. However, the recommendation may not usually fit what people's actual needs. On the other hand, in most researches on travel recommendation algorithm user preference are usually taken as an important factor, user personalities are. 政治大 concept of “Personality” from Psychology for travel recommendation and uses it as a main 立 parameter in site recommendation together with user preferences in the method of. usually not accounted for. In this work, we proposed a new point of view which brings in the. ‧ 國. 學. collaborative filtering. In addition, we have built an online travel arrangement system which realizes the new recommendation function with personality. We have also conducted. ‧. experiments to invite subjects to use the system and record how they use it. The experimental results reveal that our system can provide better travel recommendation services then the. y. Nat. n. er. io. al. sit. original one without taking personality into account.. Ch. engchi. i n U. v. ii. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(5) 誌謝辭. 在政大念書及 IMLab 做研究的這段時間，絕對是我人生中最重要且會時時刻刻回憶起的一段時間。在宿舍認識了來自各國的好朋友，使我的國際視野大幅增長；在 IMLab 認識了許多出色的學長姐、學弟妹，大家一起在蔡彥老師的指導下互相砥礪、. 政治大. 學習，以及在課餘時間一起運動、休閒玩樂，這些記憶至今都還鮮明。. 立. 感謝指導教授李蔡彥老師，沒有老師的指導，就沒有今天我的畢業論文。感謝兩. ‧ 國. 學. 位口試委員江佩穎老師和廖峻鋒老師，兩位老師在最後我的口試中給了許多寶貴的建議以及論文的修改方向，使我受益良多。感謝一路支持我的家人。感謝每一位在政治. ‧. 大學幫助過我的人們。感謝一直鞭策、激勵我的 IMLab 好朋友們，大家平常一起摸魚. y. Nat. 打混，但是該認真的時候還是會盡力的互相幫忙。感謝在最後一哩路幫忙我做實驗的. n. al. er. io. 人做實驗。. sit. 大家，尤其是在最後的實驗階段，特別感謝快要變成瘦達的胖達，非常努力的幫我找. Ch. 終於也解鎖碩士這項人生成就。. engchi. i n U. v. 感恩，合十。. 煥鈞 2018/08/28. iii. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(6) 目錄. 摘要 ............................................................................................................................................ I ABSTRACT .............................................................................................................................. II 誌謝辭 ...................................................................................................................................... III. 治政大目錄 .......................................................................................................................................... IV 立. 圖目錄 .................................................................................................................................... VII. ‧ 國. 學. 表目錄 ......................................................................................................................................IX. ‧. 第 1 章導論 ............................................................................................................................ 1 研究動機 .................................................................................................................... 2. 1.2. 問題描述 .................................................................................................................... 3. 1.3. 研究目的 .................................................................................................................... 4. 1.4. 論文貢獻 .................................................................................................................... 4. 1.5. 論文架構描述 ............................................................................................................ 5. n. al. er. io. sit. y. Nat. 1.1. Ch. engchi. i n U. v. 第 2 章相關研究 .................................................................................................................... 6 2.1. 推薦系統 .................................................................................................................... 6. 2.2. 旅行相關推薦系統 .................................................................................................... 7. 2.3. 旅遊相關網站的資料呈現 ........................................................................................ 8. 2.4. 介面設計 .................................................................................................................... 9. 第 3 章基於使用者個性與偏好之推薦系統設計 .............................................................. 11 3.1. 人格特質 .................................................................................................................. 11. iv. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(7) 3.1.1 「人格」與「個性」 .......................................................................................... 13 3.2. 相似度度量 .............................................................................................................. 15. 3.2.1 餘弦相似性 .......................................................................................................... 15 3.2.2 基於使用者偏好的協同過濾 .............................................................................. 17 3.3. 推薦方法 .................................................................................................................. 17. 3.3.1 推薦流程 .............................................................................................................. 18 第 4 章系統設計 .................................................................................................................. 22 4.1. 系統介面設計 .......................................................................................................... 22. 政治大. 4.1.1 介面元件 .............................................................................................................. 23. 立. 4.1.2 使用者「個性」量表 .......................................................................................... 32 系統操作流程 .......................................................................................................... 34. 4.3. 系統實作 .................................................................................................................. 36. ‧. ‧ 國. 學. 4.2. 第 5 章實驗設計與結果分析 .............................................................................................. 38. Nat. y. 實驗設計與對象 ...................................................................................................... 38. sit. 5.1. er. io. 5.1.1 使用者個性推薦效率實驗設計 .......................................................................... 38. al. 5.1.2 問卷設計 .............................................................................................................. 39. n. v i n Ch 5.2 實驗結果分析 .......................................................................................................... 40 engchi U 5.2.1 使用者個性與偏好推薦成效 .............................................................................. 40 5.2.2 系統推薦效度問卷分析 ...................................................................................... 43 5.2.3 系統易用性量表分析 .......................................................................................... 44 第 6 章結論與未來發展 ...................................................................................................... 48 6.1. 研究結論 .................................................................................................................. 48. 6.2. 未來發展 .................................................................................................................. 48. 參考文獻 .................................................................................................................................. 50 附錄 1 SUS 原始題目 .............................................................................................................. 54. v. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(8) 附錄 2 SUS 本研究修訂之中文題目 ...................................................................................... 55 附錄 3 SUS 第一階段問卷評估 .............................................................................................. 56 附錄 4 SUS 第二階段問卷評估 .............................................................................................. 58 附錄 5 個性量表 ...................................................................................................................... 60. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. vi. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(9) 圖目錄. 圖 2.1 Overview of the WSDM phases. ................................................................................... 10 圖 3.1 向量夾角餘弦值 ........................................................................................................... 16 圖 3.2 推薦排序虛擬程式碼 ................................................................................................... 20. 政治大圖 4.1 工具面板 .................................................................................................................. 24 立圖 4.2 登入及註冊連結 ........................................................................................................... 24. 圖 3.3 推薦步驟流程圖 ........................................................................................................... 21. ‧ 國. 學. 圖 4.3 會員登入後顯示身份識別 ........................................................................................... 25 圖 4.4 全螢幕按鈕 .................................................................................................................. 25. ‧. 圖 4.5 按下全螢幕按鈕，畫面進入全螢幕狀態 ................................................................... 25. sit. y. Nat. 圖 4.6 操作說明對話框 ........................................................................................................... 26. io. er. 圖 4.7 搜尋操作面板 ............................................................................................................... 27 圖 4.8 錯誤提示對話框 ........................................................................................................... 27. al. n. v i n 圖 4.9 推薦列表 .................................................................................................................. 28 Ch engchi U 圖 4.10 主要顯示區塊 ............................................................................................................. 30 圖 4.11 操作按鈕，提供新增（插入）與刪除 ..................................................................... 30 圖 4.12 插入模式，板手圖示會變色提示使用者 ................................................................. 31 圖 4.13 Google Map ................................................................................................................. 31 圖 4.14 個性量表 ..................................................................................................................... 32 圖 4.15 系統註冊畫面 ............................................................................................................. 33 圖 4.16 系統登入畫面 ............................................................................................................. 33 圖 4.17 尚未開始進行規劃之畫面 ......................................................................................... 35 圖 4.18 使用流程 ..................................................................................................................... 35. vii. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(10) 圖 5.1 A comparison of the adjective ratings, acceptability scores, and school grading scales, in relation to the average SUS score......................................................................................... 46. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. viii. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(11) 表目錄. 表 3.1 五大人格特質 ............................................................................................................... 12 表 3.2 由旅遊相關社群網站收集回來的問題 ....................................................................... 13 表 3.3 經過專家評估可設計為個性題目之問題 ................................................................... 14. 治政大表 5.2 未使用個性相似度推薦之行程資料 ........................................................................... 41 立表 5.3 使用個性相似度推薦之行程資料 ............................................................................... 42. 表 5.1 系統推薦效度調查 ....................................................................................................... 39. ‧ 國. 學. 表 5.4 未使用個性相似度之系統推薦效度調查 ................................................................... 44 表 5.5 使用個性相似度之系統推薦效度調查 ....................................................................... 44. ‧. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. ix. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(12) 第1章導論. 根據中華民國交通部觀光局的統計，近十年來（至 106 年止）來台旅客及國民出國人次變化，呈現大幅上升的趨勢（已達到 15,654,579 人次），近十年來的國人旅遊總旅. 政治大年的全球旅遊意向調查顯示人們國外旅程越來越短，旅遊次數越來越多。Visa 調查，立全球於 2016 及 2017 年的平均旅程 8 晚，較 2013 年的平均 10 晚時間短，但人們卻計劃. 次，也來到了（190,376 千人次）[1]。另外根據國際信用卡發卡組織 Visa.com 於 2017. ‧ 國. 學. 展開更多旅行，從過去平均 2.5 次，未來兩年計劃提高平均 2.7 次；此外，有高達 88% 的旅客在旅行途中會使用網路存取資訊[2]。以上種種資料顯示，未來不論是在台灣亦. ‧. 或是全球，人們可以進行旅遊或是觀光活動的時間會越來越多，次數也會越來越頻. y. sit. io. er. 間。. Nat. 繁，而網路存取以及旅遊相關的網站以及 APP 使用，會幫助旅客們更有效率的節省時. al. 不論是在旅遊開始前的行程規劃與安排，旅遊地點相關資料的收集與準備；旅遊進. n. v i n Ch 行中的旅途路徑紀錄，行程中的活動分享，旅遊地點周遭相關的興趣點（Points of engchi U Interest, POIs）、特殊活動推薦；或是旅遊結束後的回憶與紀錄，遊記編寫與分享，旅 1. 遊照片整理分享；正確的使用旅行相關工具更能夠讓旅客們專注在享受旅遊行程中所帶來的豐富體驗，而達到身心靈滿足。要實際開始一趟旅行前，大多數的人會選擇上網搜尋相關的旅遊景點與資訊。各大旅行社網站紛紛提供了相當豐富的行程路線參考與相關景點的介紹；而個人旅遊部落. 1. 依照中文維基百科之定義，乃是電子地圖上的某個地標、景點，用以標示出該地所代表的政府部門、. 各行各業之商業機構（加油站、百貨公司、超市、餐廳、酒店、便利商店、醫院等）、旅遊景點（公園、公共廁所等）、古蹟名勝、交通設施（各式車站、停車場、超速照相機、速限標示）等處所[3] 維基百科. 興趣點. Available: https://zh.wikipedia.org/wiki/%E8%88%88%E8%B6%A3%E9%BB%9E。. 1. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(13) 客（Blogger）或是一般個人遊客也大多會在社群網站或是旅遊相關的網站以及個人部落格（Blog）上提供許多景點相關資訊、照片，甚至是完整的旅遊路線、當地交通資訊、自己的行程安排分享。然而諸如此類的資訊一但過多且雜亂，就會讓旅客們難以正確選擇出自己真正有興趣前往的地點或興趣點（下稱 POI），而且不論是由旅行代理人（旅行社，Travel Agent）、旅遊部落客或是一般旅客所提供的行程路線、景點安排，也多是一般大眾旅客或是只是該旅遊部落客、旅客有興趣且個人所推薦的行程或地點，未必適用於所有人。所以一直以來有許多行程規劃與景點推薦的相關研究[49]，而應用使用者偏好（User Preference）來分析與推薦合適的景點，也一直是許多研究的重心。. 立. 研究動機. 學. ‧ 國. 1.1. 政治大. ‧. 行程規劃與安排是旅客們進行一趟旅行的開始，不論是線上或線下的旅行代理人多能提供成套的旅遊行程讓人們參考與挑選，這讓許多旅客們在一趟旅遊成行前不必為. Nat. sit. y. 了費心挑選旅遊景點、規劃交通路線以及安排前往該地點所需要的交通工具而感到煩. er. io. 惱，但是相對的，卻也必須花費大量時間在眾多行程資料中找尋到適合自己的套裝行. al. v i n Ch 安排交通、住宿的自由行旅客。根據中華民國交通部觀光局的統計資料，104 年來台的 engchi U n. 程。相對於會選擇跟團，另外一類的旅客是選擇自己安排行程、挑選旅遊地區景點，. 國際旅客當中，有高達七十・七七％的旅客是採取自由行（非觀光團體）的方式抵. 台，相較於 101 年人數成長了十一％；數據顯示不論是國人亦或是外籍旅客會選擇自由行的旅客人數佔比很高，所以相對的對於自由行的旅客來說，一趟旅遊開始之前的資料收集、景點安排與路線規劃就更顯重要。目前網際網路上相關的行程規劃工具，其實也非常的多，但是大部分的安排模式都非常的雷同。舉例來說，大部分的線上行程安排工具網站，會讓使用者首先選擇或是輸入一個想去的地點（國家、地區），然後推薦出與此地點可能相關的其他景點或是 POI，再讓使用者自行決定是否選擇該推薦的目標景點或 POI 加入行程安排中，其所列舉出來的目標，可能是藉由該地點熱門程度、其他旅客或是相關旅遊網站、旅行社所. 2. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(14) 設計好的行程來推薦，優點是這些被推薦出來的地點都是相對熱門，且能夠被大部分旅客所接受的景點，但以這樣的方式所列出來的目標景點或 POI，不見得能夠達到符合使用者的旅遊偏好和需求條件的目的。為了解決上述的問題，我們希望所設計的系統推薦出來的 POIs 能夠更貼近使用者的旅遊偏好。許多在「智慧代理人」的研究中「使用者偏好學習」（User Preference Learning）的方法上已有許多相關的探討，但是由使用者的個性（Personality）的相似程度之異同來當作推薦旅遊 POI 的其中一個考量因素卻鮮少為人所討論。所以我想藉由本論文的研究，來探討加入使用者個性與偏好，是否能夠更準確的篩選出令使用者更感興趣以及更為貼近使用者的實際需求之. 政治大. POI。於此同時，我也實際設計了一個基於使用者個性與偏好的線上行程安排系統。. 立. 問題描述. 學. ‧ 國. 1.2. ‧. 當我們在考量「個性」（Personality）這個面向時，更多的聯想是由心理學層面上的「人格」（Personality）衍生而來。要如何將「個性」反映在旅遊的層面上，將會是. Nat. sit. y. 此研究第一個面臨到的問題。再者是，要實際將「個性」使用在 POI 的推薦上，我們. er. io. 要如何定義兩個人之間的「個性」相似程度。. al. v i n Ch 濾（Collaborative Filtering）方法，儘管協同過濾方法時常與其他如：Knowledgeengchi U n. 旅遊偏好的策略選擇方面，我們採用在推薦系統上面扮演了非常重要角色的協同過. based、Content-based、Social 的過濾方法一起使用[10]。. 另外在此線上行程安排系統的介面設計上，我們首先要考量如何使系統簡單、易用，又同時能夠顯示最低必要的旅遊景點與 POI 的相關資訊，讓使用者能夠有參考與選擇、修改的機會。因為過多且繁雜的旅遊景點與 POI 資訊，不但無法讓使用者容易選擇，反而會造成資訊過於雜亂而影響使用者作出選擇與判斷；然而過少的旅遊景點與 POI 資訊，也無法讓使用者清楚且果斷的做出是否安排此 POI 至行程中的選擇。因此在介面上我們將採用時間軸的方式呈現，並簡化景點資訊，讓使用者對自己安排的行程能夠一目瞭然。. 3. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(15) 1.3. 研究目的. 本論文的主要研究目的，在於探討與評估加入使用者「個性」當作推薦旅遊景點與 POI 的其中一項條件，並且結合使用者偏好來進行推薦，是否有較以往單純使用偏好來推薦較為有效。另外也希望能夠實際應用這些推薦方法，來設計出一套可讓社會大眾實際使用之線上行程安排系統。. 論文貢獻. 政治大本論文有以下幾點主要之貢獻：立. 學. ‧ 國. (1) 以心理學角度的「人格」（Personality）特質為出發點，導入旅遊層面評估每. ‧. 個使用者的「個性」（Personality），進而引導出另一種可用來當作旅遊景點與 POI 推薦的可能性。. sit. y. Nat. io. (2) 實際開發出一套可供使用之線上行程安排系統，搭配精簡過後的使用者介面，. n. al. er. 1.4. i n U. v. 以及簡易的操作方式，來進行以地點為主的單一地點推薦，更進一步能夠藉由. Ch. engchi. 使用者反覆的操作選取系統所推薦出來的地點，而安排出一個完整的旅遊行程。. (3) 針對系統易用性，以及本論文提出之導入使用者個性與偏好的推薦方法，設計出一問卷，其中包含了系統易用性量表（SUS, System Usability Scale）的評估，以及讓使用者主觀的回饋關於本系統使用個性與偏好的推薦結果是否能夠確實提供貼近系統使用者實際的喜好結果。我們將能夠依據使用者的問卷資料收集，調整系統推薦的權重參數，進而改善本系統的推薦結果。. 4. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(16) 1.5. 論文架構描述. 本章節已經詳述本論文的研究動機，以及研究目的與主要的論文貢獻。於第 2 章節中，將會針對行程安排以及 POI 推薦相關的研究進行介紹，並且簡單分析一般行程安排系統相關的介面設計與資訊呈現。第 3 章為系統設計部分，包含了系統架構介紹，操作流程、介面設計。第 4 章將詳細介紹我們如何把心理學上的「人格」映射在旅行中成為使用者「個性」，以及將使用者個性與偏好應用於本系統的推薦方法。第 5 章則會將使用者實際操作本線上行程安排系統安排一個實地旅遊行程後，所填寫的問卷. 政治大進行客觀的比較與分析。第 6立章為結論部分，總結本論文設計之行程安排系統的特色. 資料進行分析；並且也會將系統於使用者操作時所記錄的每一次選取推薦地點的資訊. ‧. ‧ 國. 學. 與研究貢獻以及提出未來可改進之系統功能與後續可能之研究方向。. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 5. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(17) 第2章相關研究. 本章將探討有關推薦系統的相關研究，以及推薦系統如何用於旅遊景點與 POIs 上的推薦，同時簡單探討行程安排系統相關的介面設計，與資料呈現方式。. 推薦系統. 立. 學. ‧ 國. 2.1. 政治大. 推薦系統（Recommend System, RS）是一種信息過濾系統，用於預測使用者對於物品或是特殊資訊的「喜好」或是「評價」；推薦系統的相關研究與進展，伴隨著網際. ‧. 網路的發展而蓬勃演進，也由於此原因，推薦系統加上了藉由社群網路（Social. Nat. sit. y. Network）收集而來的許多使用者的在地以及個人資訊（Local and Personal. er. io. Information），也已經被大量應用在各種商品或是資訊的推薦上，例如：電影、音. al. 樂、書籍、笑話、收集查詢、網站、旅遊地點、數位學習、電子商務…等[10]。. n. v i n Ch 一般來說，信息（Information）的收集可以被分為顯性（explicitly）或是隱性 engchi U （implicitly）；顯性的收集方式，例如：收集使用者對於某些事物的評價分數，而隱性的收集方式，通常是藉由監控使用者的行為，例如：平常聽什麼歌曲、拜訪什麼類型的網站、閱讀什麼種類的書⋯等。推薦系統也會收集一些使用者特徵，例如：年齡、國籍、性別；在社群網站中，收集人際交往資訊，例如：追隨者、被追隨者、發表過什麼文章；甚至是任何個人相關的資訊，例如：所在地理位置、健康資訊⋯等。這些透過各種方法收集而來的信息，會被適當的分類、歸納與分析，進而提供給使用者適當的預測資訊或者是推薦資料。推薦系統產生推薦列表的方式，基本有以下兩種[11]：. 6. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(18) (1) 協同過濾（Collaborative Filtering）. 協同過濾方法，除了根據使用者自己以往做過的決定，也依據過去的經驗或知識，結合其他人的相似決策來建立模型。利用協同過濾方法所建立出來的模型，可以用來預測使用者可能對哪些物品或內容感興趣（或者是感興趣的程度）[12]。. (2) 基於內容（Content-based）. 政治大. 基於內容的推薦方法，是依據使用者所做的選擇來推薦（例如：在電子商務網. 立. 站上，當使用者買過某種類的商品，則推薦他同一種類的其他商品），也可以. ‧ 國. 學. 利用分析物件內容（例如：文件、聲音、影像），找出離散的特徵，並用這些特徵來推薦出具有相似性質的類似物件[13, 14]。. ‧. y. Nat. 就如同電子商務網站上（Amazon、樂天市場、PCHome…等），遍佈了成千上萬的. io. sit. 商品，在網際網路上存在了太多了選擇，極需要被過濾、分析並且將相關的訊息呈現. n. al. er. 給使用者；推薦系統藉由搜尋與過濾大量動態產生的資訊，解決了這個問題，並且將個人化的資訊以及服務提供給使用者[15]。. 2.2. Ch. engchi. i n U. v. 旅行相關推薦系統. 將推薦系統應用於旅行相關領域，前人已經累積了非常多的相關研究，例如，在 2009 年人工智慧期刊與研討會（Artificial Intelligence Journals and Conferences）中，就已經有對智慧 E 化旅遊推薦（Smart e-Tourism Recommenders）進行過完整的報告 [16]。在網際網路中，有許多大量的旅遊相關資訊散佈在網際網路上，這些資訊中的一部分或許對某一個正在安排一趟旅行的使用者來說，可以是有非常有用的參考資料，例如，與目的地有關的資訊：住宿地點、餐廳、博物館或是特殊活動等等。然而，光是由搜尋引擎中找出來的關鍵字名單就非常的長，要讓計畫旅行的人自行逐一過濾， 7. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(19) 將是非常複雜，且耗費時間的事情；所以能夠藉由推薦系統來幫助旅客進行初步資料的篩選與推薦，將會是一大幫助。 Lee[17]等人，以台南市本身的旅遊景點、POI，再配合旅遊路徑，使用多重代理人來進行台南當地旅遊推薦，並且以 Google Map 的方式顯示於網站上，是屬於應用 Content-based 相關的推薦系統。而 Jiang[6]等人則是建立了一個作者主題模型（Author Topic Model），記錄了使用者的偏好主題，例如：文化、城市、地標，並使用地理標籤（geo-tag, 即 GPS 位置），利用協同過濾的方法來推薦個人化景點。他們的 Author Topic Model 能夠改善 Collaborative Filtering 中的離散問題（Sparsity Problem）。. 政治大如：Kurashima[8]等人和 Lee[4]等人的相關研究。另外也有 Hinze[9]等人，利用在移動立. 除了推薦景點或 POI 外，也有研究利用照片中的地理位置來進行旅遊路徑的推薦，. 設備上的使用者所提供的個人檔案（如：偏好活動、到訪過的地點、針對某景點的回. ‧ 國. 學. 饋⋯⋯等等），來進行旅遊推薦。. 一趟行程除了路線、景點及 POI 以外，進行的時間也會是人們考量的其中一個因. ‧. 素，相關的研究包含：Fu[7]、Zhang[5]等人，利用行程安排的時間軸為線索，來進行. y. sit er. io. 旅遊相關網站的資料呈現 a. n. 2.3. Nat. 更精確的推薦。. iv l C n hengchi U. 存在於網際網路上的旅遊相關網站很多，以過去的研究來說，我們可以簡單將其分為幾種主要的形式[18, 19]；. (1) 電子商務型的旅遊網站. 一般旅行社的官方網站，線上訂房網站，機票或交通票卷訂購網站，乃至於近幾年開始流行的販售目的地旅遊形式的電子商務網站。我們一般所謂的 OTA （Online Travel Agent，線上旅遊代理）皆可歸於電子商務的範疇。. 8. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(20) (2) 以內容為導向的旅遊網站. 提供豐富的旅遊相關資訊，如：各地景點詳細資料、交通資訊、行程規劃參考、特殊民俗風情或季節性活動⋯⋯等等。. (3) 社群式的旅遊網站. 此類型網站注重社群功能，比如說讓使用者分享自己的旅遊經驗、行程安排、對於某些旅遊景點或 POI 的評價與回饋，並藉由使用者的參與和討論，提供給. 政治大. 其他社群使用者參考。社群式的旅遊網站，也符合某些網友想在網路上尋求旅. 立. 伴的需求。. ‧ 國. 學. 但總體來說，現今的旅遊相關網站，已漸漸不再區分這麼明顯，多為複合式的功. ‧. 能。不同類型的旅遊網站，主要想呈現給使用者的資訊也有會些微的不同，而在這些. y. Nat. 類型的網站內容中，我們要找出想自行安排行程的使用者比較在意的資訊，才能夠在. io. sit. 我們的線上行程安排系統中捨去相對較不重要且繁雜的內容，進而保留下必要、精簡. n. al. er. 的資訊。依據 Yang[20]在國內以大學生為對象，探討其對線上旅遊資訊搜尋之需求的. i n U. v. 研究，我們簡單分析為，POI 基本資料、位置、相距時間，另外研究資料也顯示對於. Ch. engchi. 親友或他人評價的相關資訊，也是大家會積極搜尋的。. 2.4. 介面設計. 以用戶為中心的設計（User-centered Design, UCD）是一個在設計系統的每一階段，即專注在考慮使用者會如何使用此一系統的設計方式。Abras[21]等人，形容 UCD 是一個專注在系統使用者並將其納入設計考量的普遍性的思想和方法，並且也提出了一些驗證方法來支持 UCD，其中包含可用性測試（Usability Testing）、可用性工程（Usability Engineering）、啟發式評估（Heuristic Evaluation）、折扣評估（Discount. 9. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(21) Evaluation）以及參與式設計（Participatory Design），在開發階段就讓使用者參與設計或是提供反饋，以進行快速的評估，已被證明可有效地開發出更令人滿意的系統。 Troyer 及 Leune[22]提出了一個以使用者為中心的網站設計方法，稱為 WSDM（The Web Site Design Method），其將網站的設計步驟分為四個階段（如圖 2.1），第一階段聚焦在定義網站的使用者，以及發覺使用者需求；第二階段的目的在於將發掘出來的需求化為正式的模組，並建立不同使用者的概念模組；第三階段為設計開發模式；最後則是進行實際的開發工作。我們將採用 UCD 的系統設計方式，在本系統一開始設計的階段，就讓部份未來的. 政治大的回饋進行修正，然後再次進行第二階段的系統易用性評估。立. 學. ‧ 國. 使用者（周遭親友）參與設計思考，系統上線之後，也會以網路使用者第一階段問卷. User Classification. ‧. User Modeling. y. sit. io. Object Modeling. n. al. Ch. i. e. er. Nat. User Class Description. i n U. v. Conceptual Design. n gDesign ch Navigational. Implementation Design Implementation Web Site 圖 2.1 Overview of the WSDM phases.. 10. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(22) 第3章基於使用者個性與偏好之推薦系統設計. 基於使用者個性與偏好的推薦方法，是本論文的研究重心。以下將介紹我們如何應用心理學的人格特質設計出個性量表，且如何應用此個性量表的相似程度於推薦方法上。. 政治大量方法，對應到幾個旅遊問題上，以藉此定義出旅遊層面上的旅客「個性」立. 在本論文推薦方法的實作上，我們首先會將心理學上的「人格」（Personality）評. （Personality）。再使用餘弦相似度度量（Similarity Measure）方法，來計算兩人間的. ‧ 國. 學. 「個性」相似程度，並利用此結果為本論文所提出之推薦方法的其中一項參數，另外. y. sit. io. er. 人格特質. Nat. 3.1. ‧. 同時採用系統中其他使用者曾經安排過的行程 POIs，來調整欲推薦的 POIs 列表權重。. al. v i n Ch Factor Model, FFM），是現代心理學中描述最高級組織層次的五個方面的人格特質。 engchi U n. 五大人格特質（Big Five Personality Traits），又被稱為五大性格模型（The Five. 這五大人格特質構成了人的主要性格。. 在心理學上，人格評量的方式有很多，且因為使用的因素分析方法也不盡相同，所以在不同學者的研究中能夠得出人格特質的數目也不不盡相同。但總體上可以被分為五大性格[23]。如表 3.1 所示. (1) 經驗開放性（Openness to Experience）. (2) 勤勉審慎性（Conscientiousness）. 11. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(23) (3) 外向性（Extraversion）. (4) 親和性（Agreeableness）. (5) 情緒不穩定性（Neuroticism）. “根據 Schreurs、Druart、Proost、和 Witte（2009），過去這十年來，這人格五因素論已經被証明是相當健全的（robust），這五大人格面向確實被認定應用在不同的工具. 政治大捕捉到大部分人格的差異性。”—— 引述自「王秀美、李長燦，五大人格特質量表中文立（instruments），不同的文化，和不同的課程。更進一步，這五大（Big Five）被認為. ‧ 國. 學. 版之信效度研究。2010」[24]. 形容詞. 心胸寬大、大膽的、冒險的、不喜歡熟悉或例行公事. al. er. io. sit. 經驗開放性（Openness to Experience）. y. 特質. Nat. ‧. 表 3.1 五大人格特質. v i n Ch e n g 有組織、有計畫、勤奮、和成就取向 chi U 包含謹慎、小心、思慮週到、負責、. 外向性（Extraversion）. 包括善交際的、群居性的、愛說話. n. 勤勉審慎性（Conscientiousness）. 的、和活躍的親和性（Agreeableness）. 指禮貌、可彈性、信任的、和藹的、合作、寬恕和心. 情緒不穩定性（Neuroticism）. 低自尊、容易緊張、過分擔心、缺乏安全感、較不擅長控制自己情緒、憂鬱、挫折、罪惡感、並有非理性的想法，身心困擾及無效的行為因應. 12. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(24) 3.1.1 「人格」與「個性」. 要將心理學的人格特質，映射到本論文中所定義的旅客個性上，我們將仿照心理學上評量人格的方法設計出一精簡的個性量表。在進行個性量表的設計時，我們先在國內幾個指標性的旅遊社群網站收集了一些大家與旅伴在旅遊上遇到比較會在意的問題，並且請教世新大學社會心理學系的專家幫忙分析這些問題，並且將其中較明顯可. 治政大在評量人格的方法中，我們會先模擬出一個情境，請受測者依照問題逐一回答他們立在遇到所描述的狀況時，會有怎麼樣的反應。所以我們虛擬了一個旅遊情境，再請使投射於前述五大人格特質的問題標註出來。. ‧ 國. 學. 用者填答，答題方式是使用李克特量表，依照不同程度分為 7 點，所設計出的個性量表參考附錄 5。. ‧. 我們由旅遊相關社群網站收集回來的問題，共有 16 題（參見表 3.2）。其中有 7 題. sit. y. Nat. 經過專家的評估，可設計為實際的個性題目。另外我們為了要保持五大格人特質皆有. io. er. 內控、外控各一題，所以請專家幫我們補足了另外三題（表 3.3）。關於內部控制與外部控制，我們參考中文維基百科的定義[25]；內部控制傾向將事件的結果歸因於他們自. n. al. Ch. i n U. v. 己的控制、將行動的結果認為是自己的努力所成就的，屬於“事在人為、人定勝天”的. engchi. 類型；外部控制傾向將事件的結果歸因於外部環境，這類型的人相信生活中所發生的事情是早就決定好的，甚至自身的行為也受外部因素影響（如：命運、運氣、具有強大能力或威權的他人），屬於“謀事在天”的類型。. 表 3.2 由旅遊相關社群網站收集回來的問題題號. 原始問題. 1. 規劃與實際發生差異時. 2. 是否願意嘗試新活動或食物. 3. 與朋友（旅伴）間對談表達方式. 13. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(25) 4. 同一時段拜訪景點數. 5. 旅程中預算執行精準度. 6. 分別行動佔總行動時間. 7. 每餐的餐飲品質接受度. 8. 對約定時間的遵守度. 9. 對住宿環境接受程度. 10. 生活衛生整潔要求程度. 11. 常態下每天睡眠時間. 12. 一天中走路最多可佔時間比例. 政治大十天行程必帶物品數量立. 13. 單一景點攝影照相所佔用時間比例旅程中網路或電子設備使用時間. Nat. y. ‧. 16. ‧ 國. 15. 旅程中購物行程所佔時間比例. 學. 14. 五大人格特質. n. al. er. io. 題號（對照表 4.1）. sit. 表 3.3 經過專家評估可設計為個性題目之問題. iv. 內控或外控. 2. n U engchi 外向性（Extraversion）. 3. 親和性（Agreeableness）. 內控題. 6. 外向性（Extraversion）. 外控題. 8. 勤勉審慎性（Conscientiousness）. 內控題. 10. 勤勉審慎性（Conscientiousness）. 外控題. 11. 情緒不穩定性（Neuroticism）. 內控題. 17（新增題目）. 經驗開放性（Openness to Experience）. 外控題. 18（新增題目）. 親和性（Agreeableness）. 外控題. 19（新增題目）. 經驗開放性（Openness to Experience）. 內控題. 1. Ch. 情緒不穩定性（Neuroticism）. 外控題內控題. 14. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(26) 3.2. 相似度度量. 相似度度量（Similarity Measure），是資料探勘、推薦引擎中的基本問題，例如在推薦系統（Recommender System, RS）中計算待推薦物品（Items）相似度，又或是用於用戶（Users）之間，以期獲得品味（Tastes）相似的用戶，均需要使用到相似度計量的方法。相似度計算方式的較多，也各有其優缺點。於本論文中，計算使用者「個性」是否相似時，我們選用餘弦（Cosine）相似度度量。餘弦相似度度量，是最常被使用的相似度計量方法之一。. 立. ‧ 國. 學. 3.2.1 餘弦相似性. 政治大. ‧. 餘弦相似性（Cosine Similarity）[26]，為透過計算兩個向量夾角的餘弦值（Cosine）來度量它們之間的相似程度。0 度角的餘弦值是 1，其他任何角度的餘弦值. Nat. sit. y. 都不大於 1，且其最小值為-1。我們利用兩向量角度的餘弦值來確定兩個向量是否大致. al. er. io. 指向相同的方向。當兩個向量有相同的指向時，餘弦相似度的值為 1；兩向量夾角為. v. n. 90 度時，其餘弦相似度的值為 0；而當兩個向量完全相反方向時，其餘弦相似度的值則為-1（如圖 3.1 所示）。. Ch. engchi. i n U. 兩向量間的餘弦值可以透過歐幾里得點積（Euclidean Dot Product，有時也被稱為內積）公式求出，透過在歐氏空間中引入笛卡爾座標系，向量之間的點積可以藉由引入兩個向量的長度和角度等幾何概念來求解。在歐幾里得空間中，點積的公式定義為：. 𝛼 ∙ 𝛽 = ‖𝛼‖‖𝛽‖ cos 𝜃. 15. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(27) ‖𝜒‖表示為向量𝜒的長度，𝜃則表示兩向量間的角度。這樣一來兩個互相垂直的向量點積恆為 0，若是𝛼⃑和𝛽⃑ 是單位向量（長度為 1），則此兩向量的點積就是其夾角的餘弦值，如此我們可以推導出餘弦相似度公式，如下：. 𝐶𝑜𝑠𝑖𝑛𝑒 𝑆𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 = cos 𝜃 =. 𝛼∙𝛽 ‖𝛼‖‖𝛽‖. 再來我們考慮在高維度空間中的情況，最後的公式為. 治 ∑ 𝛼𝛽 政 𝐶𝑜𝑠𝑖𝑛𝑒 𝑆𝑖𝑚𝑖𝑙𝑎𝑟𝑖𝑡𝑦 = cos 𝜃 = 大 ∑ 𝛼 ∑ 立. 𝛽. ‧ 國. 學. 在下一小節中，我們應用此公式以及在 4.1 節中定義的使用者個性量表分數，來進. ‧. 行使用者協同過濾的推薦方法。. er. io. sit. y. Nat cos(90° ) = 0. n. al. cos(180° ) = −1. Ch. engchi. i n U. cos(0° ) = 1. v. cos(60° ) = 0.5. 圖 3.1 向量夾角餘弦值. 16. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(28) 3.2.2 基於使用者偏好的協同過濾. 在本章第 1 小節中，我們已經將人格心理學上的五大人格特質分析，用於在我們由各大旅遊社群網站及旅遊討論區中，所收集回來的問題上，而產生了一個使用者個性的量表。此量表共有 10 個題目，我們採用李克特 7 點量表讓使用者填答，每題作答分數分別為 1 到 7 分。1 分代表使用者對此問題的在意程度較低，7 分則代表使用者對此問題的在意程度較高。將每一道題目看作是一個維度，則每一個使用者會得到一組個性向量。. 政治大個維度，由負 3 到正 3 的向量；此時即可使用餘弦相似度的高維度公式，來計算任意立. 在實際套用餘弦相似度的公式前，我們先把每題的得分減 4，會得到一組一共有 10. 兩個使用者之間的個性相似分數。. ‧ 國. 學. 接下來在每一次進行推薦時，我們會先取得一組可接續於使用者上一輪所選擇的. ‧. POI 之後的 POIs 陣列，接下來跑一個迴圈，根據陣列中每一個 POI 在資料庫中尋找是否有其他使用者的行程安排中，也有排入這一個即將被推薦出去的 POI（有被排入行. Nat. sit. y. 程中的 POI，我們就認為這個 POI 是使用者偏好探訪的地點），如果找到的話，則計. er. io. 算出目前正在安排行程的使用者，與安排過此 POI 在自己的行程中的使用者，兩人的. al. 相似度分數。得到此分數後，會再將它乘以一個比例的權重（可用於調整推薦優先順. n. v i n Ch 序，定義於後），與其他條件一起計算出此的排序分數，隨後推薦系統會依據此 e n gPOI h c i U 分數將陣列中所有 POIs 做排序，分數由高到低顯示給使用者挑選。. 3.3. 推薦方法. 我們的推薦方法，共計考慮三個面向，. (1) 使用者自我設定的條件. 在系統搜尋操作介面上設定的條件，如果此 POI 符合. 17. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(29) a. 使用者自我設定之優先推薦至下一點 POI 分類 b. 使用者自我設定之優先推薦至下一點交通時間. (2) 基於個性與偏好算出來的相似度分數. 此分數採用於 3.2.2 節基於使用者偏好的協同過濾，最終得出之分數為參數. (3) 一般大眾給予的客觀評價分數. 政治大. 使用由 Google Places API 所取回之 POI 評價分數. 立. ‧ 國. 學. 3.3.1 推薦流程. ‧. 本系統的作法，是依據使用者所選擇的一個 POI，來產生可接續在此 POI 後的任何. y. Nat. 可能選項，然後由使用者自由選擇有興趣的 POI 後，再一次通過運算而產生下一輪的. n. al. er. io. 流程步驟如下：. sit. 推薦列表。如此反覆推薦直到使用者完成一個滿意的行程安排。. Ch. engchi. i n U. v. (1) 首先，我們先假設使用者已經先選擇過一個起始 POI，我們會先使用 Google Geocoding API 取得此點的地理編碼（經度與緯度）。. (2) 得到此 POI 的地理編碼後，再呼叫 Google Distance Matrix API，取得可接續於此 POI 後的所有候選 POIs 列表。. (3) 第三步驟，我們將上一步驟取得的所有 POIs，於系統中逐一搜尋出是否有其他使用者也安排過相同的 POI，若有則運算此兩個使用者的個性相似度分數（𝑆. ，介於 -1～1）。. 同時於此步驟中，我們會檢查使用者於此輪運算是否有輸入自訂條件，1 優. 18. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(30) 先推薦至下一興趣點分類（𝐶 ），2 優先推薦下一點交通時間（𝐶 ），符合一項即於本面向得到 0.5 分，兩項皆符合則得到 1 分。再來使用 Google Places API 取得 POI 的使用者評價分數（Ｇ），將之除以 5（滿分為 5 分）。至此我們將得到三個面向的分數，如下：（𝑊 為不同權重，可依照實際使用情況做調整，本論文中所使用之權重為𝑊 = 100，𝑊 = 100，𝑊 = 300）. i. 使用者自我設定的條件分數（U）. 立. 𝑈= 𝐶 治 +𝐶 ∗𝑊 政大. ii. 基於個性與偏好算出來的相似度分數. ∗𝑊. ‧. ‧ 國. 學. 𝑆=𝑆. ÷ 5) ∗ 𝑊. er. io. al. 𝑅 = (𝐺. sit. y. Nat. iii. 一般大眾給予的客觀評價分數乘. n. v i n Ch 將 i，ii ，iii 三者分數相加再除以三個權重總和，即會得到此 POI 的排序分 engchi U 數。. 𝑅𝑠 = (𝑈 + 𝑆 + 𝑅 ) ÷ (𝑊 + 𝑊 + 𝑊 ) (4) 依照上一步驟的排序分數將所有 POIs 排序後，輸出結果。. 圖 3.2 為以上流程之虛擬程式碼（Pseudo Code）。. 19. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(31) 1. foreach ($recommends as $poi) {. 2. // rank point. 3. $rankPoi = w1 * ($poi->rank_poi_type + $poi->rank_poi_direction);. 4. // rank similar. 5. $rankSimilar = w2 * $poi->rank_similar;. 6. // rank other. 7. $rankOther = w3 * ($poi->rank_other / 5);. 8. // total rank. 9. if ($checkSimilar) {. 治政大 / (w1 + w2 + w3); $totalRank = ($rankPoi + $rankSimilar + $rankOther) 立 } else {. 10 11. $totalRank = ($rankPoi + $rankOther) / (w1 + w3);. 13. }. 14. push ( $returns, $poi ); return sort($returns);. io. y. sit. 16. 圖 3.2 推薦排序虛擬程式碼. n. al. er. }. Nat. 15. ‧. ‧ 國. 學. 12. Ch. engchi. i n U. v. 20. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(32) 取得候選列表. 開始. 運算. 結果輸出. 依據上一步驟所運算得出的分數做排序. 治政眾給予大. 使用者. 基於個. 自我設. 性與偏. 定的條. 好算出. 立的客觀. 件分數. 來的相. 評價分. 似度分. 數. 學. ‧ 國. ㇐般大. ‧. 數. n. al. er. io. sit. y. Nat. 圖 3.3 推薦步驟流程圖. Ch. engchi. i n U. v. 21. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(33) 第4章系統設計. 我們於上一章節，已詳細介紹了基於使用者個性與偏好的推薦算法，接下來將於本章介紹我們的系統設計，以及實作方式。. 系統介面設計. 立. 學. ‧ 國. 4.1. 政治大. 在決定本線上行程安排系統的介面要有哪一些元件之前，我們首先要考慮的是，有. ‧. 哪一些旅遊景點或 POIs 的相關資訊對於即將使用一個行程安排系統的使用者來說是必要或是最想看到的。在前面的研究中[18-20]，我們了解到使用者在實際規劃一個行程. Nat. er. io. sit. y. 時，所在意的有以下幾點：. (1) 旅遊景點或 POIs 資料. n. al. Ch. engchi. i n U. v. 地點名稱、照片，通常是必要資訊，人是視覺的動物，一個有照片的地點和一個沒有照片的地點相較起來，有照片的地點往往會佔據較多的使用者目光。至於該地點的說明或介紹資料，有時候過多的文字敘述往往容易被人忽略，也因為我們的目標是朝向一個簡單且讓人容易選擇的方式來設計，所以在本系統中將不呈現過多的詳細資訊。. (2) 時間. 一般來說行程安排是一連串的點到點的路徑，所以對於使用者來說，每個點之間的交通時間和移動方式也是安排規劃時重要的考慮因素；由於我們所設計的 22. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(34) 系統是基於使用者上一個所選取加入行程中的旅遊景點或 POI 再依據使用者於搜尋操作面板所設定的條件進行下一輪的 POIs 推薦，所以在時間的顯示方面，我們會於推薦列表的 POIs 中顯示距離上一被選擇點的交通時間。在行程安排的主要畫面呈現上，參考現有網路上多數行程安排網站或工具的規劃，採取以時間軸為主的顯示方式。. (3) 位置. 政治大. 旅遊景點或 POI 的實際地理位置，也是多數人作為行程安排和路線規劃的重要. 立. 參考之一，所以我們會將使用者所選取的 POI 利用 Google Map 呈現出來，讓. ‧ 國. 學. 使用者可以了解目前所選擇的地點，實際上位於地圖上的哪個地方。. ‧. (4) 大眾評價資訊. y. Nat. sit. 網際網路資料流通快速且發達，很多人在即將去到一個自己不熟悉或陌生的地. n. al. er. io. 方時，總是習慣上網搜尋相關的地點資料，先參考別人的實際經驗、主觀或客. i n U. v. 觀的評價，再決定是否要將其納入自己的選項之一。所以我們在被系統推薦. Ch. engchi. POI 列表上呈現一般大眾對此 POI 的評價分數（Google Map Rank，滿分 5 分），並且在被選擇的景點資訊上，呈現最多數則最新的使用者評價，藉此讓使用者能有其他參考的依據。. 4.1.1 介面元件. 本線上行程安排系統，主要分為四個顯示區域，分別為：上方工具面板、搜尋操作面板、推薦列表、主要顯示區塊。接下來，我們將此線上行程安排系統的主要介面元件拆解，並做一個詳細的介紹，如下：. 23. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(35) (1) 上方工具面板. 在上方的工具面板（圖 4.1）中，我們設計了一個用於本系統的登入登出功能，由於我們需要辨識登入的使用者，進而依據他所填寫的「個性」量表，來進行推薦，所以系統中設計有會員登入及登出功能（圖 4.2、圖 4.3）；另外本系統在上方的工具面板中設置了一個可以將畫面放大為全螢幕顯示的功能，以方便螢幕較為狹小的使用者進行操作（圖 4.4、圖 4.5）。工具面板下方，我們設計了一個可切換到填寫個性量表的連結按鈕。同時. 政治大供了一個簡易的操作說明，以系統彈出式對話框的方式呈現，讓使用者可以隨立時查閱（圖 4.6）。為了方便使用者在第一次使用本系統時，得到簡單的系統功能介紹，我們也提. ‧. ‧ 國. 學. n. al. y er. io. sit. Nat. 圖 4.1 工具面板. Ch. engchi. i n U. v. 圖 4.2 登入及註冊連結. 24. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(36) 立. 政治大. 圖 4.3 會員登入後顯示身份識別. ‧. ‧ 國. 學 y. Nat. n. er. io. al. sit. 圖 4.4 全螢幕按鈕. Ch. engchi. i n U. v. 圖 4.5 按下全螢幕按鈕，畫面進入全螢幕狀態. 25. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(37) 政治大立圖 4.6 操作說明對話框. ‧ 國. 學. (2) 搜尋操作面板. ‧ sit. y. Nat. 在搜尋操作面板中，我們配置了本系統主要的條件輸入與搜尋功能。其中包含. io. n. al. er. 了以下四個表單元件（圖 4.7）：. i n U. a. 由使用者自行輸入的“地點／關鍵字”欄位. Ch. engchi. v. b. “優先推薦至下一點的交通模式”下拉選單 c. “優先推薦下一興趣點分類”下拉選單 d. “優先推薦至下一點交通時間”可輸入欄位. 26. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(38) 立. 政治大. ‧ 國. 學圖 4.7 搜尋操作面板. ‧ sit. y. Nat. “地點／關鍵字”欄位，可輸入實際的 POI 名稱，或是使用者想找的目標關. io. er. 鍵字，如使用者尚未選擇過任何 POI，則第一個地點必須自行輸入，否則會有系統錯誤提示對話框顯示於系統右上角（圖 4.8）。如果於上一次的推薦結果. n. al. Ch. i n U. v. 中，使用者已經有選擇過系統推薦的其中一個 POI，則此欄位會自動帶入前一. engchi. 個被選擇的 POI 名稱，且在不改變其他自訂條件的情況下自動進行下一次推薦結果的計算。. 圖 4.8 錯誤提示對話框. 27. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(39) 在搜尋操作面板中，使用者所選擇的交通模式、興趣點分類、交通時間，皆為選擇性輸入，其中只有“優先推薦至下一點的交通模式”有預設值；由於在本論文所設計的推薦方法中，這些條件皆為軟性條件（Soft Constraint），所以只會影響推薦的優先程度，並不會被當成資訊排除的目標。. (3) 推薦列表. 由系統推薦產生的 POIs 會依照其 Ranking 分數之順序列於推薦列表中。推薦列. 治政大交通時間（圖 4.9）。為了不要讓使用者等待過久，所以將推薦列表設計為分立頁形式，每次只顯示 20 筆資料，列表上方有下一頁的按鈕，以及載入進度表中的 POIs 會顯示名稱、照片（如有）、大眾評價分數、距離上一輪選擇的. ‧. ‧ 國. 學. io. sit. y. Nat. n. al. er. 條。. Ch. engchi. i n U. v. 圖 4.9 推薦列表. 28. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(40) (4) 主要顯示區塊. 主要顯示區塊是本系統所有元件中畫面占比最大的一塊區域，方便使用者進行各項操作，以及檢視 POI 相關資訊（圖 4.10）。本區塊為一時間軸模式設計，在每一個 POI 的一開始，提供了由上一個 POI 至當前 POI 的時間資訊，目的是希望能夠讓使用者在進行行程安排時對其所選取的 POIs 走訪順序能夠一目瞭然；而設計為雙邊時間軸模式排列，以減少顯示空間的浪費。本區域的上方，. 治政大享行程的需求，我們設計了一個隨機產生的行程編碼，使用者們可以簡單地藉立由分享此行程編碼給予朋友，而達到分享行程的目的。可以讓使用者自行輸入其行程規劃開始的日期及時間。另外考量到許多人有分. ‧ 國. 學. 在時間軸線上，我們也提供了簡易且直覺的操作按鈕，當使用者滑鼠指標移動到“板手”的圖示上，會開啟其餘可操作選項，分別是“新增”與“刪除”圖示. ‧. （圖 4.11、圖 4.12），讓操作者可以任意刪除或者插入一個 POI，當使用者使. sit. y. Nat. 用了新增功能，則行程安排模式會轉變為插入模式，同時時間軸線上的板手圖. io. er. 示，會改變顏色以提醒使用者，目前 POI 的插入位置。. 另外 POI 的相關資訊呈現上，每一點的開始會顯示距離上一點的交通時. n. al. Ch. i n U. v. 間，在內容部分除了有顯示名稱，照片，也提供一個停留時間讓使用者自行輸. engchi. 入，並且列出此點最新數筆的評價與分數，以供檢視。而在使用者在意的 POI 位置部分，我們則設計了一個可額外顯示的視窗，單獨顯示 Google Map 且將此 POI 標註其上（圖 4.13）。. 29. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(41) 立. 政治大. ‧. ‧ 國. 學. n. Ch. engchi. er. io. sit. y. Nat. al. 圖 4.10 主要顯示區塊. i n U. v. 圖 4.11 操作按鈕，提供新增（插入）與刪除. 30. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(42) 政治大. 圖 4.12 插入模式，板手圖示會變色提示使用者. 立. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4.13 Google Map. 31. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(43) 4.1.2 使用者「個性」量表. 除了主要的行程安排介面，由於本系統也同時需要收集使用者的「個性」資料，所以我們也額外設計了一個表格形式的個性量表，填答的方式採用李克特 7 點量表，藉由 HTML 選單常見的 Radio Group 來呈現（圖 4.14）。. 4.1.3 其他畫面. 政治大系統所收集的資料其實不用太複雜，所以我們也簡單的設計了註冊和登入的畫面。在立. 任何需要辨別使用者個人資料的系統，皆會需要有會員功能，在考量到本行程安排. Web 2.0 的時代，大部分網站的註冊與登入畫面之 UI 設計，已漸漸偏向簡化，且使用. ‧ 國. 學. 者也越來越不喜歡在還沒開始使用一個系統之前就填寫一堆資料（往往容易造成使用者感到厭煩而不想使用）；由於以上的原因所以在註冊本系統時，只需要填寫暱稱、. ‧. 電子郵件、密碼，其中我們使用電子郵件為 User Primary Key（資料庫主鍵）。（圖. n. al. er. io. sit. y. Nat. 4.15、圖 4.16）. Ch. engchi. i n U. v. 圖 4.14 個性量表. 32. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(44) 立. 政治大圖 4.15 系統註冊畫面. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 圖 4.16 系統登入畫面. 33. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(45) 4.2. 系統操作流程. 本線上行程安排系統的詳細使用流程圖，可參考圖 4.18。要使用本系統實際安排一個行程的時候，首先在一開始沒有任何的地點被選擇，所以使用者會看到主要顯示區塊只有上方的時間、日期以及行程編碼（圖 4.17）。當使用者輸入第一個想去的地點並送出後，系統會於推薦列表中顯示依據其輸入的關鍵字搜尋所返回的結果（POIs）列表。第二步驟，使用者由推薦列表中選取其中一個想要安排進行程中的 POI，被選擇的. 政治大列表中被選擇後，系統會使用此被選取的 POI 以及搜尋操作面板中的使用者自訂優先立. POI 會放大顯示於主要顯示區塊中，並且附帶進一步的操作功能。當一個 POI 由推薦. ‧ 國. 學. 推薦條件（如果有輸入），再次開始一輪新的推薦。. 假如在某一輪的推薦中，使用者選擇不到自己想要的 POI，則可以再次自行輸入關. 套用搜尋操作面板中的條件，產生符合的 POIs 於推薦列表。. Nat. y. ‧. 鍵字於“地點／關鍵字”欄位，系統會自動依據該規劃中行程的上一個地點為準，再次. sit. 使用者可以藉由時間軸上的工具按鈕，隨意加入或刪除 POI 於主要顯示畫面，當按. er. io. 下新增（插入）按鈕，則會啟動插入模式，此時在時間軸之上的工具按鈕會變色用以. al. v. n. 提醒使用者，其接下來所選取的 POI 皆會插入於此點之後（圖 4.12）。. i n C 如此反覆直到使用者完成一個自己滿意的行程安排。 hengchi U. 34. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(46) 立. 政治大. 圖 4.17 尚未開始進行規劃之畫面. ‧. ‧ 國. 學輸入地點／關鍵字. Nat. io. sit. y. 進行推薦運算. 否. n. al. Ch. er. 開始. 是. iv. n U i e n g c h使用者選擇 POI. 圖 4.18 使用流程. 35. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(47) 4.3. 系統實作. 以往在開發類似系統的時候，令開發者會感到困擾的因素之一，不可否認的一定是旅遊景點或 POIs 相關資料的收集；感謝近十幾年來網路資訊的爆炸性成長，許多資料與內容我們都可以直接由網路取得，而且在資訊科技上領先的大公司們（如： Google、Facebook、Microsoft⋯等），也紛紛提供了好用的開放性 API（Application Programming Interface），合理且有效的使用這些工具，將會具體提升我們的系統實作速度。本線上行程安排系統是架構於 Google 的 APIs 上，主要使用的幾個 API 簡單羅. 政治大. 列於下：. 立. (1) Google Places API. ‧ 國. 學. 用來收集旅遊景點或 POIs 的詳細相關資料。. ‧ sit. y. Nat. (2) Google Geocoding API. n. al. er. io. 用來取得旅遊景點或 POIs 的地理資訊編碼（經度和緯度）。. Ch. (3) Google Distance Matrix API. engchi. i n U. v. 用來取得系統推薦給使用者的相關地點的交通時間與距離資訊。. (4) Google Map API 用來將使用者選取的地點標示在 Google Map 上。. 本行程安排系統是一個以 Web 為基礎，架構在網際網路上提供給大眾使用的線上系統（Online System），我們使用目前通用的網站架設相關的技術來實現，系統主要. 36. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(48) 運行環境為：伺服器作業系統 Ubuntu 16.04 版本、網站伺服器 Nginx 1.13.3、主要程式語言 PHP-FPM 7.0.22、前端介面框架 Vue 2.0、資料庫系統 MySQL 5.7.21。. 立. 政治大. ‧. ‧ 國. 學. n. er. io. sit. y. Nat. al. Ch. engchi. i n U. v. 37. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(49) 第5章實驗設計與結果分析. 我們的線上行程系統實驗分為兩個部分，第一個部分是要評估當我們加入個性這個因素後再融合使用者偏好的協同過濾方法，是否能夠比只運用使用者偏好的協同過濾方. 政治大評估我們基於使用者為中心的設計方式，是否能夠使本系統更為易於使用。立. 法，更能夠推薦出貼近使用者所想要去的 POI。第二個部分，利用系統易用性量表來. ‧ 國. 學. 5.1. 實驗設計與對象. ‧. 由於本研究目的之一是要設計出一套線上行程安排系統，所以我們將我們的系統部. Nat. sit. y. 署於雲端上，讓網路上的使用者來操作使用，藉此紀錄使用者在每一次的推薦和實際. al. er. io. 所做的選擇。我們將實驗分成兩個階段，每一個階段預計收集 25 以上，一共會有 50. n. 人次的系統使用數據，以及問卷。. Ch. engchi. i n U. v. 5.1.1 使用者個性推薦效率實驗設計. 首先在實驗設計方面，考量到如果交由使用者任意安排一個目的地行程，會讓目標過於分散，系統中可能找不到其他使用者有安排過類似地點，進而導致推薦失敗；而太小的目的地，又可能由於 POI 相對集中，或是能夠選擇的太少，而使我們的結果不夠顯著；所以我們會請使用者實際安排一個以澎湖為目的地的一趟旅程，起點假設為澎湖機場開始，使用我們的線上行程安排系統規劃出自己理想的一日行程。. 38. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(50) 在第一個階段，我們先不使用個性這個因素於我們的推薦系統中來做推薦，所以系統只會依照（1）使用者自我設定的條件（2）一般大眾給予的客觀評價分數，來做每一次的推薦運算。當使用者行程安排完畢後，會請他填寫一個相關問卷。第二階段的實驗中，我們將會基於個性與偏好運算出來的相似度分數加入本系統，當作推薦時的一個參數。當使用者同樣安排完一個行程後，會請他填寫與第一階段中一樣的問卷。此兩個階段的使用者為不重複之使用者。接下來我們將會針對不同階段的問卷資料做整體評估與分析。. 5.1.2 問卷設計. 立. 政治大. 在問卷的設計方面，我們將評估使用者主觀上是否覺得本研究的線上行程推薦系統. ‧ 國. 學. 能夠推薦出貼近其較為感興趣的 POIs，所以我們設計了四個問題，關於系統推薦效度和使用者是否認為個性與偏好能影響其選擇 POI 的決定（如表 5.1），題目採用李克特. ‧. 5 點量表，選項由非常不同意到非常同意分為五種不同程度，並將同意程度化為數值 1. y. sit. io. n. al. er. 準差的分析。. Nat. ～5，分數越高則代表使用者對於這個問題的同意程度越高，之後將數值做平均值與標. Ch. i n U. 表 5.1 系統推薦效度調查. engchi. v. 問題探討目的. 問卷題目. 系統推薦效度. 1. 本系統所推薦的地點符合你的期待. 系統推薦效度. 2. 本系統所推薦的地點能快速讓你選擇出想去的地方. 個性與偏好使否. 3. 社群以及其他使用者的評價分數，是影響你選擇欲安排的地點. 影響使用者選擇. 的重要參考. 個性與偏好使否. 4. 你會優先參考與你個性相近的人所選擇的旅遊地點. 影響使用者選擇. 39. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(51) 另外，在系統易用度分析上，我們採用 John Brooke[27]於 1996 年所提出的系統易用性量表（SUS - A quick and dirty usability scale），SUS 從被創建到現在一直被廣泛的應用在快速測試產品系統介面、桌面程式與網站介面上，John[28]於 2013 年提出的回顧，已經證明 SUS 被用於進行可行性評估時，是一個非常簡單和可靠的工具。原始的問題如附錄 1，而被我們修改過的中文版本問題，如附錄 2。. 5.2. 實驗結果分析. 政治大行程安排系統中所記錄的使用者每一次操作資料，來分別分析使用和不使用個性相似立. 在實驗結果的分析方面，我們同樣分為兩個部分來探討。第一個部分是應用本線上. 度的推薦成效。. ‧ 國. 學. 第二個部分我們將使用前述所提到的 SUS 量表，來計算我們的系統易用程度。. ‧. 5.2.1 使用者個性與偏好推薦成效. sit. y. Nat. io. er. 當使用者在操作我們的系統安排一個行程時，我們記錄每一次推薦出去的 POI 被使用者所選擇的排序位置，然後計算此使用者每一次的選擇落點平均在第幾個 POI 上；. al. n. v i n 接下來比較第二階段開啟個性相似度為推薦參數的使用者們，其平均選擇的 POI 落 Ch engchi U 點，是否較第一階段沒有使用個性相似度為推薦參數的使用者，他們的總體平均選擇排序更為前面。第一階段和第二階段的使用者為不重複之使用者。. 舉例來說，有一個使用者，第一次選了推薦列表中第 1 個 POI，第二次選擇了推薦列表中第 2 個 POI，第三次選擇了推薦列表中第 4 個 POI；則其最後選擇的 POI 排序總和為1 + 2 + 4 = 7，總共安排的 POI 數為 3，選擇的 POI 排序平均落點為7 ÷ 3 = 2.33。分析資訊時，我們會先排除行程內未滿 3 個 POIs 的資料，因為這類行程安排的 POIs 太少，可能不為一個完整的行程；再來每一個使用者可能使用本線上行程安排系. 40. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(52) 統安排多個行程，我們只會取其中一個包含最多 POI 數目的行程，所以在本實驗數據分析中，每一個使用者和行程皆不重複。第一階段的使用者數據如表 5.2. 表 5.2 未使用個性相似度推薦之行程資料使用者編號. 選擇的 POI 排. 總共安排 POI 數. 選擇的 POI 排序平均. 標準差. 落點. 序總和 1. 52. 13. 2. 32. 6. 3. 499. 4. 8. 5. 5.38. 5. 1.6. 0.49. 241. 13. 18.54. 6. 56. 4. 14. 11.51. 7. 102. 8. 12.75. 8. 125. 14. 8.93. 12.81. 9. 71. 7. 10.14. 10. 9. 6. 1.5. 11. 181. 12. io. sit. Nat. al. er. ‧ 國. 37.49. 學. 45.36. y. 7.59. ‧. 立 11. 政治 45.33大. 25.71 9.82 6.83. 5. 9.6. 6.53. 13. 80. 14. 5.71. 4.79. 14. 28. 7. 4. 2.73. 15. 135. 10. 13.5. 24.06. 16. 27. 5. 5.4. 5.95. 17. 29. 5. 5.8. 6.34. 18. 9. 6. 1.5. 0.76. 19. 78. 9. 8.67. 5.33. 20. 15. 4. 3.75. 2.59. 21. 45. 9. 5. 6.04. n. 0.76. 48. v i n C 9 U h e n g c h i 20.11. 23.27. 41. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(53) 22. 65. 6. 10.83. 8.11. 23. 39. 5. 7.8. 6.58. 24. 59. 6. 9.83. 7.29. 檢視表 5.2 資料中，最快被選擇的 POI 平均排序是 1.5，表示此使用者在安排一個行程時，其每次會由系統推薦給他的前 1.5 個 POIs 內就做出選擇。反觀行程編號 3，其選擇的 POI 平均排序落點在第 45.36，則表示推薦系統推薦給此使用者的 POIs 相對較不貼近他的喜好，所以會在推薦列表的很後面才做出選擇。接下來，我們來看第二階段的使用者資訊，如表 5.3. 政治大. 立. 表 5.3 使用個性相似度推薦之行程資料. ‧ 國. POI 選擇的排. 總共安排 POI 數. 標準差. 41. 27. 25. 28. 135. 29. 41. 30. 11. 31. 124. 11. 32. 6. 33. io. n. 17.2. 15. 2.73. 10. 2.5. 14. 9.64. 6. 6.83. C 6 h. engchi. 17.7 2.11. sit. 26. al. 5. ‧. 86. Nat. 25. y. 均落點. er. 序總和. 選擇的 POI 排序平. 學. 使用者編號. i n 1.83 U. v. 4.96 6.7 7.9 0.9. 11.27. 5.86. 4. 1.5. 0.5. 39. 6. 6.5. 5.62. 34. 115. 10. 11.5. 6.65. 35. 273. 14. 19.5. 15.21. 36. 53. 4. 13.25. 7.43. 37. 42. 5. 8.4. 5.43. 38. 106. 9. 11.78. 7.22. 39. 18. 5. 3.6. 3.07. 40. 41. 7. 5.86. 4.22. 42. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(54) 41. 28. 11. 2.55. 2.9. 42. 113. 9. 12.56. 8.13. 43. 11. 5. 2.2. 0.98. 我們檢視表 5.3 資料中，不難看出所有的行程中，最快被選擇的 POI 平均排序依然是 1.5，但另一方面，平均被選擇的 POI 排序最後面的行程，是行程編號 35，其使用者於系統推薦的列表內選出 POI 的平均排序落在第 19.5 位。綜合第一階段和第二階段的數據來看，兩個階段的推薦方式中，最快被選擇的 POI 排序平均皆為 1.5，但是有使用個性相似度參與運算的行程中最慢被選擇的 POI 排序平. 政治大. 均是 19.5，而沒有使用個性相似度參與運算的行程中最慢被選擇的 POI 排序平均為. 立. 45.36；另外以第一階段和第二階段的所有行程平均值來看，第一階段所有被選擇的. ‧ 國. 學. POIs 排序平均落點為 9.74（小數點第二位後四捨五入），標準差為 9.09（小數點第二位後四捨五入），第二階段的所有被選擇的 POIs 平均排序落點為 7.69（小數點第二位. ‧. 後四捨五入），標準差為 5.45（小數點第二位後四捨五入），此數據顯示在沒有使用. y. Nat. 個性相似度來做推薦的行程中，其安排行程的使用者平均會選擇在推薦列表中的第. io. sit. 9.74 個 POI，而有使用個性相似度來做推薦的行程中，其使用者則平均會在第 7.69 個. n. al. er. POI 就做出選擇。結果表示我們使用個性相似度來做推薦的方法，的確能夠將比較貼近使用者喜好的 POI 優先排序在推薦列表前。. Ch. engchi. i n U. v. 5.2.2 系統推薦效度問卷分析. 表 5.4 表 5.5 我們依據沒有使用個性相似度推薦和有使用個性相似度推薦的問卷所做出來的統計資料。在第 1 題與第 2 題的部分，是用來評估在使用者的主觀判斷上，我們的推薦是否有效，由問卷數據來看，加入個性相似度的推薦結果，比沒有加入個性相似度的推薦結果，能夠較為快速的讓使用者選出想去的地方。第 3 題以及第 4 題，則是我們想要了解使用者們是否認為加入了個性與偏好的推薦能夠影響他們在行程安排時的決定。有趣的是，雖然大部分的人皆認為依據個性與偏好的推薦是他們會當作參考的因素，但是在參考大眾的客觀評價部分（第 3 題）的標 43. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.

(55) 準差較參考個性相近的使用者部分的標準差還大，表示其實比起參考大眾的客觀評價，似乎大部分的人更認為依據與自己個性相近的人所產生的推薦更具參考價值。. 表 5.4 未使用個性相似度之系統推薦效度調查問題. 平均值. 標準差. 1. 本系統所推薦的地點符合你的期待. 3.21. 0.738. 2. 本系統所推薦的地點能快速讓你選擇出想去的地方. 3.32. 0.772. 3.36. 1.026. 3.61. 0.916. 政治大. 3. 社群以及其他使用者的評價分數，是影響你選擇欲安排的地點的重要參考. 立. 4. 你會優先參考與你個性相近的人所選擇的旅遊地點. ‧. ‧ 國. 學. 表 5.5 使用個性相似度之系統推薦效度調查. 平均值. 標準差. 3.21. 0.820. v i n 3. 社群以及其他使用者的評價分數，是影響你選擇欲安排的地 Ch engchi U 點的重要參考. 3.36. 0.822. 3.79. 1.023. 4. 你會優先參考與你個性相近的人所選擇的旅遊地點. 3.79. 0.893. 1. 本系統所推薦的地點符合你的期待. io. 2. 本系統所推薦的地點能快速讓你選擇出想去的地方. n. al. er. sit. y. Nat. 問題. 5.2.3 系統易用性量表分析. SUS 的題目選項，也是採用李克特 5 點量表。選項由非常不同意到非常同意，分數也是依照同意程度分為 1～5 分，但是個別的題目分數是沒有意義的，加總後的分數才是 SUS 的分數。. 44. DOI:10.6814/THE.NCCU.EMCS.010.2018.B02.