國 立 交 通 大 學
管理學院資訊管理學程碩士班
碩 士 論 文
企業部落格文章之自動化分類與推薦
Automatic Classification and Recommendation
of Enterprise Blog Articles
研 究 生: 蔡 曉 菁
指導教授: 劉 敦 仁 博士
企
業
部
落
格
文
章
之
自
動
化
分
類
與
推
薦
Automatic Classification and Recommendation
of Enterprise Blog Articles
研 究 生：蔡曉菁 Student: Shiao-Jing Tsai 指導教授：劉敦仁 Advisor: Dr. Duen-Ren Liu
國立交通大學
管理學院資訊管理學程碩士班 碩士論文
A Thesis
Submitted to Institute of Information Management College of Management
National Chiao Tung University in Partial Fulfillment of the Requirements
for the Degree of Master of Science
in
Information Management July 2010
Hsinchu, Taiwan, the Republic of China
研究生：蔡曉菁 指導教授：劉敦仁 博士 國立交通大學管理學院資訊管理學程碩士班
摘要
企業競爭已經進入以知識為基礎之後知識經濟時代，不斷創新及持續學習成為組 織決勝的關鍵。建立企業組織知識價值觀並透過良好的知識分享和知識管理的機制， 才能有效提昇組織價值和能力。 近年來，文件自動化分類與推薦方法已成功應用於知識管理和知識分享，自動化 分類文件可幫助文件有效管理與取用；透過分析使用者興趣，預測使用者對知識的偏 好，主動推薦使用者有興趣、相關知識文件，可加速組織內知識的傳遞、分享與使用。 本研究針對企業內部部落格文章設計分類與推薦兩大機制。分類是透過文件與類 別特徵檔相似度概念進行分類；推薦機制包含社群分析與文件推薦兩模組，社群分析 考量使用者興趣與個人屬性檔相關性，進行使用者多社群分析。文件推薦是結合多社 群與混合式過濾推薦，並使用四種推薦方法「社群最大分數法」、「社群興趣最大分數 法」、「使用者權重最大分數法」、「使用者權重興趣最大分數法」。依比例混合之內容式 推薦（使用者對文章興趣程度）與協同式推薦（鄰居使用者是否點閱該文章、與目標 使用者相似度、使用者權重、鄰居使用者對文章興趣指數）得出文件預測興趣分數、 推薦清單。 實驗結果顯示，本研究所提分類法可有效率將文件自動化分類，且社群分析時考 量使用者相關性可有效提高文件推薦準確率。 關鍵字：知識管理、分類、虛擬社群、推薦Automatic Classification and Recommendation
of Enterprise Blog Articles
Student: Shiao-Jing Tsai Advisor: Dr. Duen-Ren Liu
Master Program of Institute of Information Management College of Management
National Chiao Tung University
Abstract
In the area of knowledge economics, enterprises need innovation and learning ability to compete. Efficient knowledge sharing and management mechanism can help organizations to gain value and competitive advantages. Recently, Automatic document classification and personalized recommendation methods have been applied to knowledge management and sharing. Efficient recommendation based on knowledge preferences can speed up knowledge spread in organizations.
This research proposes document classification and recommendation mechanisms for enterprise blog articles. Blog articles are classified based on the similarity of article profiles and category profiles. The proposed recommendation mechanisms cluster users into multi-communities based on users’ interests and personal attributes. Based on the multi-communities of users, four hybrid approaches which combine community-based approach, content-based filtering and collaborative filtering, are proposed to make article recommendations. Experimental evaluations are conducted to evaluate the effectiveness of the proposed approaches.
誌謝
首先，感謝劉敦仁教授的細心指導，在論文研究過程中，犧牲許多休假時間 指導我們專班學生論文研究，給予許多建議與方向，讓我能順利口試過關，完成 碩士學位。另外，感謝口試委員王朝煌教授、李瑞庭教授、羅濟群教授的寶貴意 見指導，讓我的論文研究更加完整、完善。 這兩年的在職專班進修雖然辛苦，期間學到許多新的知識、認識許多不同領 域同學，非常感謝實驗室同學献祥、居逸，論文研究緊張之餘總是有你們笑話紓壓， 一起努力、口試過關；還有瓊雯、秋霞、子翔的陪伴，每當遇到問題時，大家都能 一起討論、互相幫忙、彼此激勵，謝謝你們豐富了我這兩年的求學生涯，給予我 許多珍貴意見。 還要感謝在求學期間，職場上協助我的好同事們，沒有你們的協助，我無法 在兩年的時間內就能順利取得碩士學位，還能同時兼顧工作。 最後，感謝我的家人、朋友一直默默的支持和陪伴，還有男友志昇這段時間 載我桃園、新竹兩頭跑，犧牲休假時間陪我一起閉關做論文，鼓勵我、爲我打氣， 讓我能夠順利完成兩年的碩班學位。 蔡曉菁 2010/07目錄
1. 緒論 ...1 1.1. 研究背景 ...1 1.2. 研究動機 ...2 1.3. 研究目的 ...3 1.4. 論文組織架構 ...4 2. 文獻探討...5 2.1. 資訊檢索與資訊過濾...5 2.1.1. 以文件為基礎之資訊檢索與資訊過濾 ...5 2.1.2. 關鍵字權重...6 2.2. 分類...7 2.3. 社群...8 2.4. 分群方法 ...9 2.5. 推薦方法 ...10 2.6. 企業部落格 ...13 3. 企業部落格之自動化分類與推薦方法...15 3.1. 企業部落格之自動化分類與推薦方法之架構 ...15 3.2. 文件前置處理、文件特徵檔分析...17 3.3. 分類...21 3.3.1. 類別特徵檔分析...21 3.3.2. 文件、類別相似度計算 ...22 3.4. 社群分析 ...23 3.4.1. 使用者特徵檔分析 ...24 3.4.2. 使用者相似度計算 ...25 3.4.3. 知識社群分群...29 3.5. 推薦...323.5.1. 多社群文件推薦...32
3.5.2. 社群最大分數法（Community Max Score - CMS）...34
3.5.3. 社群興趣最大分數法（Community Interest Max Score - CIMS） ...36
3.5.4. 使用者權重最大分數法（User Weight Max Score - UWMS）...38
3.5.5. 使用者權重興趣最大分數法（User Weight Interest Max Score - UWIMS） 40 4. 實驗與評估 ...43 4.1. 實驗資料 ...43 4.2. 評估標準 ...43 4.3. 實驗工具 ...44 4.4. 實驗結果與評估...45 4.4.1. 分類 ...45 4.4.2. 推薦 ...47 5. 結論與未來方向 ...56 5.1. 結論...56 5.2. 未來方向 ...57 REFERENCE...59
表目錄
表 2–1 知識部落格應用模組...14 表 3–1 文件特徵檔 ...20 表 3–2 文件 Di 和 類別 Cj 之特徵檔範例...23 表 3–3 使用者特徵檔轉換...26 表 3–4 使用者特徵檔範例...27 表 3–5 使用者 u1 和 u2 的特徵檔範例 ...28 表 3–6 知識工作者相似度矩陣 ...30 表 3–7 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表...36 表 3–8 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表...38 表 3–9 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表...40 表 3–10 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表...42 表 4–1 部落格有效分類表...45 表 4–2 分類實驗結果 ...46 表 4–3 推薦實驗資料 ...47圖目錄
圖 2–1 兩文件在空間向量中的表示 ...6 圖 3–1 企業部落格之自動化分類與推薦方法整體架構 ...15 圖 3–2 企業部落格之自動化分類方法之架構...16 圖 3–3 企業部落格之自動化推薦方法之架構...17 圖 3–4 文件前置處理模組...18 圖 3–5 實作斷詞功能系統...19 圖 3–6 文件特徵檔分析流程...22 圖 3–7 社群分析流程 ...24 圖 3–8 使用者特徵檔分析流程 ...25 圖 3–9 社群特徵檔分析流程...31 圖 4–1 Precision–CMS ...48 圖 4–2 Precision–CIMS...50 圖 4–3 Precision–UWMS ...51 圖 4–4 Precision–UWIMS ...53 圖 4–5 Precision - Total ...551. 緒論
1.1. 研究背景
對於企業組織而言，員工是公司最重要的資產，組織智慧是來自於員工知識創造， 故企業如何使員工主動將其內涵之知識萃取出來，形成知識創造、分享的機制，為組 織智慧資產累積的重要關鍵。且知識分享的平台除了單向的貢獻知識內容外，最重要 的是更希望組織其他使用者能夠透過平台的互動、討論、評價，透過這樣的互動過程， 才能建立組織中知識的流通和知識分享的循環機制。故企業開始導入 Web 2.0 之概 念，企圖藉由開放性、個人化之企業內部部落格平台，引發員工自發性的紀錄個人工 作歷程、專業知識、個人相關喜好…等，亦或以組織為單位之組織部落格、工作業務 導向之 CFT（Cross Function Team）部落格、興趣社群（社團）部落格，加深組織內 部互動與員工向心力。 隨著資訊科技快速的進步，組織中資訊累積的速度不斷快速增加，企業組織中的 知識內容也隨著快速巨量累積。對組織競爭力而言，便利的平台、工具，使得組織快 速的累積資訊愈趨容易，組織開始面臨另一大挑戰，如何在巨量資訊中發掘有價值的 資訊，並能及時將資訊快速地傳遞到對的同人手中，讓知識水平擴散、分享、應用， 加快組織的反應速度與解決問題之能力，以獲得最大效益。目前與多組織之都面臨， 當員工試圖從組織龐大的知識庫中，獲得所需的知識文件時，往往會耗費相當多的時 間，甚至無法搜尋到適合文件，因此陸續有資訊過濾（Information Filter）和資訊擷取 （Information Extraction）的概念提出，並有相關方法開始被提出應用，初期主要的概 念是透過關鍵字比對的查詢搜尋，以找到所需的知識內容。然而此類方式無法解決同 義詞相關問題，耗費使用者時間且無法判斷文件相關性。故文件推薦的概念開始被提2
出探討，其中又以『協同過濾推薦』（collaborative filter recommendation）推薦方法最 常被應用於個人化文件推薦方法中，其主要概念是根據目標使用者（target user）對其 閱讀過的知識文件，進行知識興趣分析，再根據其他使用者的閱讀行為，找到和目標 使用者興趣相似的鄰居群（neighborhood），再透過該群內成員對閱讀過的知識文件的 興趣程度、評分資料（rating），進而預測目標使用者對各知識文件的興趣程度、評分 分數。 以此為基礎之個人化推薦應用領域非常的廣泛，例如 Knowledge Pump[7]，根據 使用者對文章的興趣，找出相同知識領域的群體及文件加以推薦。GroupLens[10]，根 據使用者閱讀的新聞內容，找出共同新聞閱讀興趣的鄰居，並推薦未看過，但目標使 用者可能有興趣的其他新聞。數位圖書館近年也是大量使用個人化文件推薦，根據目 標讀者對書籍或文章閱讀的分類內容，分析出具共同興趣的讀者，再推薦該群體亦感 興趣的其他書藉文章給目標使用者。其他相關應用還包括網路書店、電子商務、音樂 推薦等。
1.2. 研究動機
對組織而言，伴隨著資訊科技的進步及網路世界的發達，各種資訊透過網路達到 無遠弗屆的力量，更累積了大量的資訊及知識。組織內部欲藉由導入 Web 2.0 之概念 之企業內部部落格來強化員工知識保存，提供組織內外部知識評價機制、提高知識分 享與應用效率，故需解決部落格之多站台結構下，知識有效管理與分享機制。故本研 究希望可以提供文件自動化分類功能，能跨部落格定義出組織分類，有效將知識文件 分門別類，有助於部落格知識管理與應用。在資訊爆炸的情況下，推薦系統的重要性也相對的提高，本研究應用協同過濾推 薦方法進行推薦研究，協同過濾推薦概念為找尋具擁有共同興趣的社群，社群是由一 群擁有共同興趣的人所組成的，群內的成員可以相互分享共同領域的專業知識、工作 經驗和文件。在以往的研究中，知識文件推薦系統都只針對個人的單一興趣進行分析， 然而使用者的興趣是多元化，因此本研究希望可以找出各種領域的知識，滿足使用者 多元興趣的知識需求。並將知識文件推薦給對其領域有相當興趣的使用者。另外，本 研究考量組織內員工特徵檔屬性，希望在考量組織員工本身興趣社群關係之外，亦加 入員工基本屬性分析員工屬性間相關程度，將此元素加入社群分析，因而形成不同目 標知識社群，藉以分析文件推薦與員工屬性之間的關係。透過社群建立與推薦機制， 可以有效滿足使用者的知識興趣需求，並提昇組織中知識分享機制的運作效能。
1.3. 研究目的
本研究主要針對組織知識需求，定義出相關的知識分類，透過監督式學習方式， 分析各知識文件特徵檔，透過 Cosine 相似度計算新文件與已分類文件之相似度，建立 一自動化分類機制，協助組織有效管理各部落格之知識文件，並幫助組織員工有效、 快速取得需要的知識文件。另外，本論文提出四種混合式推薦方法計算文件預測「興趣分數」，分別是「社群最大分數法（Community Max Score）」、「社群興趣最大分數法
（Community Interest Max Score）」、「使用者權重最大分數法（User Weight Max
Score）」、「使用者權重興趣最大分數法（User Weight Interest Max Score）」，首先針對
組織中使用者的知識興趣需求進行分析，根據使用者知識興趣相似度與使用者個人屬 性相似度，自動分析建立各種知識興趣內容的社群，知識工作者可參與多個社群。接
4 著，根據每種相似度得到分群結果，四種混合式推薦方法會透過調整內容式推薦與協 同式推薦比例計算出文件預測「興趣分數」，得到推薦清單。 在本研究中，特別提出使用者屬性特徵檔的概念，根據組織使用者之間會有個人 屬性特性參與不同的知識領域內容為基礎，在計算使用者相似度時，加入此元素形成 單一、複合兩種使用者相似度，藉以分析員工屬性檔與社群知識興趣相關性。本研究 主要貢獻兩大部分，分別為（一）自動化分類機制（二）自動化多社群推薦機制。
1.4. 論文組織架構
本篇論文共有五個章節，第二章主要說明本研究參考之相關文獻，內容包括資訊 過濾與資訊檢索、分類、社群、分群以及推薦方法、企業部落格介紹。第三章的部份 則是詳細說明本研究提出方法之架構、內容和流程，第四章為實驗結果及評估，第五 章則為研究的結論和未來研究方向說明。2. 文獻探討
本章節中，主要是介紹跟本研究相關的參考文獻，其中包括資訊過濾與資訊檢索、 分類、社群、分群以及推薦方法、企業部落格介紹。2.1. 資訊檢索與資訊過濾
隨著網際網路和電腦科技的快速發展，資訊存在的形式也日益複雜，包括影音、圖 片、文字、動畫等等形式，以致目前在資訊檢索實作上愈趨複雜。本研究主要針對文字 型式的資料內容進行自動化分類與推薦機制研究，因所使用工具限制，本研究使用繁體 中文文件作為研究對象，希望透過資訊檢索和資訊過濾的技術，從文件中擷取出該文章 的重要關鍵特徵，形成文件的關鍵字特徵檔。再藉由文件關鍵字特徵檔概念，延伸到類 別、使用者、社群等實體。2.1.1. 以文件為基礎之資訊檢索與資訊過濾
資訊檢索（Information Retrieval）是指因應使用者之資訊需求提供查詢的方法以及 查詢的過程，帶領使用者找到符合他們需求的資訊[13]，透過自動化的資訊檢索系統解 決資訊超載（Information overload）的問題，幫助使用者從超載的資源中獲得能夠解決 或管理問題的資訊。 目前資訊檢索[3][11]主要的技術有四種，分別為布林模式（Boolean model）、向量 空間模式（vector space model）及機率檢索模式（probabilistic retrieval model）、推理網6 法[17]，向量空間模型最早由 Gerard 提出[15]。在此模型中，一個文件被描述成由一系 列關鍵詞（Term）組成的向量，如圖 2-1 所示： 圖 2–1 兩文件在空間向量中的表示 文件透過模型計算關鍵詞權重，可將文件關鍵詞權重組合視為空間向量來表示，當 使用者透過查詢語找尋資訊時，則比較文件和查詢語之間的相似程度，最後將相似度高 的文件以重要性高至低的排序方式，或以設定門檻值的方式，將檢索結果回饋給資訊需 求者。 資訊過濾是過濾掉不相關的資訊，強調的是主動、長期與個人化的資訊服務，如何 對使用者進行長期學習而找出使用者資訊需求，進而找出符合使用者需求的資訊文件 [9]。故資訊過濾著重在使用者特徵檔學習的技術和演算法。目前資訊過濾濾技術大致可 分 為 內 容 式 資 訊 過 濾 (Content-based Information Filtering) 及 協 同 式 資 訊 過 濾 (Collaborative Information Filtering)、混合式資訊過濾(Hybrid Information Filtering)三種。
2.1.2. 關鍵字權重
以 TF-IDF (Term Frequency/Inverse Document Frequency)應用最為廣泛[16]。TF-IDF 包含 兩個部份，(1) TF(Term Frequency)，字詞頻率，表示字詞在文章中出現的次數，若出現 次數愈高，則表示重要性愈大。 (2) IDF (Inverse Document Frequency)，反文件頻率，指 字詞在其他文章中出現的次數，若出現次數愈高，則其鑑別率會愈低，即公式 2-1 中的 IDF。例如，介係詞「的」時常出現在許多文件，則此 字詞對該篇文件的重要性即會 降低。 TF-IDF 的計算方式如下： i j i i j i j i n N TF IDF TF W, , , log (公式 2-1) j i W, ：關鍵字權重，字詞 i 在文章 j 中的重要性。 j i TF, ：字詞頻率，字詞 i 在文章 j 出現的次數。 j i IDF, ：反文件頻率，字詞 i 出現在其他文件集中的次數。 N：文件集中全部的文件數目 i n ：文件集中包含字詞 i 的文件數目
2.2. 分類
文件分類的目的，在對文件進行分門別類的加值處理， 使得文件易於管理、利用。 協助使用者可以更快速、正確的取得所需要的文件，增加文件的使用率。由於資訊技術 普及運用，組織內的知識文件不斷快速累積，難以有效的管理與利用， 人工分類又會8 因使用者個體而有所不同，使得分類無統一的定義，降低分類一致性，加上人工分類相 當耗時。文件自動化分類的需求也就因應而生。 本研究之自動化文件分類是透過監督式學習法來建立分類模型。預先定義好文件的 分類項目，蒐集訓練文件由專家進行類別分析後，將文件歸屬至對應類別，再將分類完 之訓練資料提供給分類器作為訓練資料，進行分類演算法學習，建立出分類的模型，接 著再將新文件透過分類模型分析歸屬類別。目前較常使用文件分類演算法[17]為 KNN （K-Nearest Neighbor）[6]與 SVM（Support Vector Machine）[5]演算法，本研究爲考量 資料量與演算效能，提出類別特徵檔概念，類別特徵檔是透過各類別之訓練文件特徵檔 形成，新未分類文件則透過其文件特徵檔與各類別特徵檔進行相似度計算，作為分類模 型，將新文件歸類到與其相似度最高之類別。目前文件常見之相似度計算方法[18]包含 Pearson correlation coefficients、Cosine-based Similarity、Adjusted Cosine Similarity。
2.3. 社群
社群概念近年來陸續被重視，且廣泛的應用於各種領域上。關於社群定義，Rheingold （1993）提出，「虛擬社群是社會的集合體，當足夠數量的群眾，在網路上進行了足夠 的討論，並付出足夠的情感，以發展人際關係的網路，則虛擬社群因而形成」。Shafer （1999）則提出，「社群為有著相同的興趣或目標，並隨著時間加深相互間瞭解的一群 人」。社群關係可分為直接與間接關係，直接關係如共同工作專案團隊，間接關係則是 透過第三者間接發掘的，例如使用者 u1 和 u2 雖然沒有直接關係，但分別跟 u3 為有共 同興趣之直接關係，則 u1 和 u2 為非正式關係之社群[2]。在本研究中，社群泛指由一 群對特定之領域、專業知識、工作內容、具有共同興趣或共同經驗的關係的人所組成，組織希望透過社群的建置，開發共同興趣資訊的平台，提供組織內員工交換知識或資訊 流通的環境，有效發展知識管理和知識分享的機制。
2.4. 分群方法
本研究目的為多社群自動化推薦文件，組織中包含了大量的知識和資訊，需要一社 群分析的過程，分析組織知識中有多少種類社群知識存在，因本研究在社群分析過程無 法預知有多少種類社群知識存在，故不事先設定社群種類與個數，將透過分群的演算法 來達到多社群分析。 分群（clustering）[1]是一種將資料分類成群的方法，其主要的目的乃在於找出資料 中較相似的幾個群聚（clusters），一般而言，分群法主要分為兩大類，分別是階層式分 群法（hierarchical clustering）與分割式分群法（partitional clustering）兩類，另外還有以 格子為基礎的群聚演算法。針對不同的需求和資料特性，需應用不同的分群方法來分析 處理，本研究提出的是多社群推薦概念，採用的是以格子為基礎的 CLIQUE 分群方法。 以下三種方法說明如下： （一）階層式分群法（hierarchical clustering）： 群數（number of clusters）可以由大變小，或是由小變大，來進群聚的合併或分裂， 最 後 再 選 取 最 佳 的 群 數 。 階 層 式 又 分 成 群 聚 分 析 (Agglomerative) 和 分 割 分 析 (Divisive)，其中有四個基本的分群法，即 Single-link、Complete-Link、Average-Link 和 Ward’s，這些方法主要的差別在於對於群和群之間距離的計算方法。10
（二）分割式分群法（partitional clustering）：
先指定群數後，再用一套疊代的數學運算法，找出最佳的分群方式以及相關的群中 心，目的是希望盡量減小每個群聚中，每一點與群中心（cluster center）的距離平
方差（square error）。常見的方法有 mode-seeking、Squared Error、Nearest Neighbor
Clustering 和 K-means 等分群方法，其中 K-means 經常用來處理文件分群。
（三）CLIQUE： CLIQUE 分群方法是以格子為基礎之分群法，優點能處理高維度之資料，且富彈性。 格子基礎的群聚演算法主要是將資料空間量化成許多格子，以格子為單位進行群聚 運算，如此可以大量的減少群聚的時間。格子基礎群聚演算法很容易受到其格子大 小的影響，若是格子太大則所找出的群聚外型會比較粗糙，故使用者必須輸入適當 切割間隔值，如此才能分割出適當的格子。本研究選擇 Clique 分群方法主要有下列 原因，第一，此分群法不需預先設定分群數，而是可以根據內容自動判斷。第二， 每個物件可以被分到多群。第三，群內任兩點皆具大於門檻的相似度，即可完全代 表一主題內容。
2.5. 推薦方法
在資訊爆炸時代，系統越來越講求個人化服務，故推薦系統(recommender system) 的應用與發展越來越快速、完善。使用者以往需要花費許多時間在眾多知識中尋找有 用、適合的知識，瀏覽許多文件，才能找到自己有興趣的文件。有此陸續有學者開始研 究自動化推薦的方法，如何藉由個人特徵、行為模式等，發展出個人化模型，進而提供個人化的資訊與服務。企業也可透過文件推薦方法，提高組織知識使用率，讓知識快速 正確的傳遞給對的人員，使知識分享的機制更加完善且有效率，有助於組織知識管理和 分享。 協同過濾推薦最早是 1992 由 Goldberg 等學者所提出的 Tapestry[8]，為解決員工電 子郵件過量的問題，讓員工決定自己的感興趣的郵件類型，以便有效過濾符合使用者興 趣之電子郵件。1994 又有 GroupLens[10]被提出，此系統主要是應用在新聞的過濾篩選， 提供讀者其感興趣的新聞，透過讀者看過內容後給一個評比的分數，以讀者對過去感興 趣的新聞內容在未來也會有興趣之假設為前提，結合同ㄧ項目不同使用者之評分資料以 進行新聞的推薦。協同過濾推薦方法廣泛的應用在各領域，例如，Siteseer[14]利用相鄰 使用者的書籤(bookmark)進行推薦，Knowledge Pump[7]對使用者感興趣之文章進行推 薦，Ringo[19]對音樂進行推薦，MovieLens 電影推薦系統、YouTube，其他包括亞馬遜 網路書局之電子商務應用等。 推薦方法有三個，即以內容式基礎推薦方法（Content-based recommendation）、協同
過 濾 推 薦 方 法 Collaborative filtering recommendation ）、 混 合 式 推 薦 （ Hybrid recommendation）方法，簡要說明如下：
（一）內容式過濾推薦（Content-based filtering recommendation）[4][12]：
針對項目內容分析，計算該目標使用者對項目的喜好程度，進而找出目標使用者喜歡的 項目。因為內容式推薦是針對項目內容去做分析，會導致以下問題：
（a）分析物品只能用特徵集合，對於聲音、圖片、藝術品、影像、文字等沒辦法被 特徵化的內容無法處理。
12
（b）無法找出與和目標使用者過去喜好不同但目標使用者可能有興趣之項目，會失 去許多的潛在推薦的可能性。
（c）對於內容品質無法透過群體力量有效的分辨。
（二）協同式過濾推薦（Collaborative filtering recommendation）：
協同過濾推薦為目前應用較廣泛的方法，主要是利用具有共同興趣、共同經驗之群體的 喜好，來推薦目標使用者其可能感興趣的資訊，強調個人透過合作的機制，藉由過去的 行為紀錄，進而分析使用者之間的行為偏好相似度，找出與目標使用者相似度接近的鄰 居，透過相似鄰居的行為建議，給予目標使用者資訊推薦，亦可推薦使用者之前尚未發 現過卻有興趣的資訊。協同過濾式推薦可分成二大步驟，第一，利用相似度計算方法分 析群體之間使用者彼此的相似程度，以尋找相似鄰居，並進行分群。第二，預測目標使 用者對項目興趣分數，以相似鄰居為對項目的興趣程度為基礎，利用協同過濾推薦方 法，預測目標使用者對該項目之喜好分數[11]。喜好分數愈高代表愈符合使用者興趣， 可推薦給使用者。協同過濾推薦解決了內容導向推薦方法的缺點： （a）不需要分析項目內容。 （b）可找出與和目標使用者過去喜好不同但目標使用者可能有興趣之項目，添加潛 在推薦的可能性。 （c）可透過群體力量（評分、點閱）分片內容品質。 但協同過濾推薦仍有許多限制如下： （a）冷起始（cold start），指在系統上完全沒有任何使用的紀錄、使用紀錄過少的目
標使用者，或是尚未有點閱、交易、評價等紀錄的項目，會無法正確且有效率的推薦， 本研究即過透過加入員工屬性檔計算員工相似度以解決新使 用者問題。 （b）稀疏性（sparsity），當使用者所接觸到的物件大部分都只佔系統非常小的比例。 當產品與使用者兩者的比例差距十分懸殊時，系統就沒有辦法找到適合的推薦者來進 行推薦。 （三）混合式推薦（Hybrid recommendation）： 為了改進內容式過濾推薦與協同式過濾推薦的缺點，合併雙方的優點，結合兩種方法的 推 薦 系 統 就 很 自 然 而 然 的 產 生 出 來 。 這 就 是 所 謂 的 混 合 式 推 薦 （ Hybrid recommendation）。使用內容式過濾技術建立的使用者 profiles，用以計算使用者之間的 相似度，然後再使用協同過濾的技術，分析相似的使用者閱讀、購買行為，將相似使用 者之高興趣項目推薦給目標使用者。
2.6. 企業部落格
隨著科技不斷的進步，企業競爭已經進入以創新思考、協同合作思維，1996 年「經 濟合作開發組織」（OECD, 1996）正式指出，全球經濟發展型態也轉為以知識為基礎之 後知識經濟時代，不斷創新及持續學習成為組織決勝的關鍵。員工是組織最重要資產， 企業如何開發員工潛力、創意、增進協同合作，並建立全新的知識價值觀並落實知識分 享文化，加深員工對組織的向心力、認同感。因此，結合了知識儲存、團隊學習、社群、 訂閱特色的部落格議題已逐漸被重視與應用。Fortune Magazine 認為部落格是 2005 年最 新科技趨勢；Harvard Business Review 將企業部落格列為 2005 年最具突破性的發明之14
一，可見部落格已成為後知識經濟的趨勢新議題。
部落格一詞最早出現於 1997 年，部落格是 weblog 的簡稱；而 weblog 一詞中的 web 是指網路，log 則指紀錄檔，亦隨著部落格軟體技術的發展愈趨多元化。 企業部落格朝知識部落格方向發展，希望透過此平台，提供組織未來在知識工作者 的例行工作、專案經驗儲存、協同知識分享與互動，發掘有價知識，助於組織員工協同 合作、團隊學習、知識管理與即時溝通，若能將知識價值與工作績效整合，可提升組織 知識品質與平台績效[22]。目前組織知識平台可分為下列應用： 表 2–1 知識部落格應用模組 知識工作者部落格 協同合作部落格 （CEO 日誌） （組織合作部落格） （高階主管日誌） （團隊合作部落格） （知識專家日誌） （專案合作部落格） （知識工作者日誌） （供應鏈合作部落格） 專案部落格 創新部落格 （專案管理日誌） （創意點子部落格） （專案經理日誌） （創新部落格） （客服日誌）
3. 企業部落格之自動化分類與推薦方法
此章節主要介紹本研究提出企業部落格之自動化分類與推薦方法。整體架構圖如 下圖3–1所示： 圖 3–1 企業部落格之自動化分類與推薦方法整體架構3.1. 企業部落格之自動化分類與推薦方法之架構
本章節主要介紹提出之企業部落格之自動化分類與推薦方法之架構。企業部落格 之自動化分類與推薦方法分成兩大模組，一為分類模組，另一為推薦模組。為了達到 文件分類與推薦的目的，必須分析組織中的文件知識內容，針對知識工作者閱讀過的 所有知識文件做前置處理，將知識文件的內容以文件特徵檔表示，將在3.2文件前置處 理章節中介紹。16 章節3.3分類，針對類別特徵檔形成與分類機制作介紹。分類模組主要是針對文件 作單一類別之分類，透過各類別之類別特徵檔形成，計算新文件與各類別之相似度已 達到文件自動化分類機制，分類方法架構如下： 圖 3–2 企業部落格之自動化分類方法之架構 推薦模組又分為兩個部份，第一個部份是建構組織知識社群，參與社群的成員會 對社群所代表的興趣知識具相當程度的興趣，但不代表該成員的全部興趣。第二個部 份透過知識社群做文件推薦。多社群文件推薦方法的流程如圖3-3：
圖 3–3 企業部落格之自動化推薦方法之架構 接續章節3.4、3.5將介紹推薦機制，第一部份是產生知識社群，分成四個主要步驟； 第一步驟以知識工作者閱讀過的文件內容為基礎產生知識工作者知識興趣的特徵檔； 第二步驟是根據知識工作者感興趣特徵檔計算知識工作者間的相似度；第三步驟計算 知識工作者之個人屬性檔相似度；第四步驟是運用兩種工作者相似度，結合知識工作 者感興趣特徵檔與知識工作者個人屬性檔來計算知識工作者間的相似度(複合)，找出 組織中各種不同知識領域的知識社群，每位知識工作者可參與多個知識社群。第二部 份文件推薦，結合多知識社群分析與混合式濾推薦的方法，產生符合目標知識工作者 知識興趣的推薦清單。
3.2. 文件前置處理、文件特徵檔分析
本研究透過空間向量概念來表示知識文件內容，經過文件前置處理的程序，將知18 識文件統一轉換成由關鍵字和權重分數表示的文字特徵檔，進而運用此特徵檔於分 類、推薦機制。圖3-4是文件前置處理、特徵檔分析流程，透過前置處理的步驟，刪除 重複或不重要的文字，降低特徵檔中不必要資訊的出現，以減少在應用過程中的複雜 度。 圖 3–4 文件前置處理模組 (一) 格式轉換 本研究使用部落格平台上之知識文件，這類知識文件皆為WEB HTML格式內 容，故在使用知識內容之前，需要清除不必要之HTML Tag（<html></html>、<a></a>）， 且部落格文件內容隨技術演變，涵蓋內容越趨多元化，如圖檔、動畫、影片檔、外部 嵌入元件（影片、Flash）等，無法涵蓋在本研究之空間向量表示範圍內，故須排除掉 此類元素。將上述格式轉換處理後，可以萃取出知識文件之真正內容，以便進行後續 分析處理。 (二) 斷詞
本研究針對中文內容之知識文件進行分類與推薦，以中文為例，詞為最小單位， 是最小有意義且可以自由使用的語言單位。本研究使用中研院之CKIP斷詞服務進行本 文內容之斷詞，如圖3-5。CKIP為一具有新詞辨識能力並附加詞類標記的選擇性功能 之中文斷詞系統。有拾萬詞的詞彙庫及附加詞類、詞頻、詞類頻率、雙連詞類頻率等 資料。分詞依據為此一詞彙庫及定量詞、重疊詞等構詞規律及線上辨識的新詞，並解 決分詞歧義問題，並提供該詞所對應中研院定義出一套”平衡語料庫詞類標記集”之詞 類。 圖 3–5 實作斷詞功能系統 但CKIP限定僅能針對繁體中文之內容進行斷詞處理，故本研究僅針對企業部落 格上繁體中文文件進行研究。此服務目前之斷詞正確率約為 95 %-96%[23]。 (三) 停用字過濾
20 在知識文件中，有些字詞經常性被的大量使用，但這些字詞無法代表文章的關鍵 字，例如代名詞、be動詞或是冠詞。本步驟的目的即是移除此類字詞，根據研究學者 提出的停用字列表，將文件中有出現在停用字列表的字詞移除。 (四) 複合名詞 中文名詞會有復合名詞情形發生，例如”金融”、”海嘯”，應為複合性名詞金融海 嘯，此複合詞才具有文件內容代表性意義，故本研究會針對此類重要複合性名詞進行 名詞合併動作。 (五) TF-IDF TF-IDF主要是計算字詞在文 件中的權重分 數，TF是指字詞出現的頻率(Term Frequency)，一字詞在文章中出現愈多次，表示重要性愈高，IDF是指字詞的反文件頻 率(Inverted Document Frequency)，表示字詞出現在其他文章的頻率，若某字詞在很多 文件出現頻率都很高，即表示該字詞對於單篇文件的代表性並不高。 (六) 特徵詞選擇 根據TF-IDF計算各篇文件的字詞權重分數後，將字詞依權重降幕排序取Top N的 方式挑選代表知識文件的特徵辭。如下表3-1所示： 表 3–1 文件特徵檔 Term Weight 太陽能 3.17545 市場 2.74075 能源 1.6394 多晶矽 1.23640
面板 0.97437 此表用來表示某文件之文件特徵檔，各文件由其特徵詞與特徵辭權重組成二維度的矩 陣，以供後續分類、推薦分析。
3.3. 分類
本研究之分類模型使用監督式學習法，分類器透過已分類之訓練資料進行學習， 建構出各類別特徵檔，再將文件與各類別特徵檔以Cosine相似度計算法運算，求得該 文件之歸屬類別。3.3.1. 類別特徵檔分析
各類別特徵檔取得流程如圖3-6，計算類別內文件之特徵詞對類別的重要性，計 算計算方式如公式3-1所述，計算完各特徵詞之權重之後，再依特徵詞權重降幕排序取 TOP N 做為該類別之特徵檔。22 圖 3–6 文件特徵檔分析流程 c D d d i i c
D
w
CW
c
, , (公式 3-1) CWc,i： 在類別c中，字詞 i 的權重分數 Dc： 類別c中所有文件集合 wi,d： 字詞 i 在文件d中的權重分數 Dc： 類別c中所有文件總數3.3.2. 文件、類別相似度計算
本研究是透過文件特徵檔與各類別特徵檔之間進行相似度計算，將文件歸屬至相 似度分數最高之類別。本研究採用Cosine相似度進行計算。Cosine相似度計算方式為 公式3-2：
k t Cj t k t Di t k t Cj t Di t Cj Diw
w
w
w
COS
1 2 , 1 2 , 1 , , , (公式 3-2) COSDi,Cj： 以cosine方式計算，文件Di 與類別Cj之相似度分數 wt,Di： 字詞 t 在文件 Di 特徵檔中的權重分數 wt,Cj： 字詞 t 在類別 Cj 特徵檔中的權重分數相似度計算範例如下：
表 3–2 文件 Di 和 類別 Cj 之特徵檔範例
Di Cj
Term Weight Term Weight
太陽能 0.4468 太陽能 0.8529 價格 0.3135 電池 0.801 建築 0.2327 地球日 0.4373 多晶矽 0.2285 多晶矽 0.4332 薄膜 0.2203 能源 0.3325 面板 0.1824 地球 0.3013 下跌 0.1563 產能 0.2556 跌幅 0.1285 夏普 0.2389 FPD 0.0821 面板 0.237 市場 0.0627 二氧化碳 0.1893 399 . 0 0.1824 0.0627 0.0821 0.1285 0.1563 0.2203 0.2285 0.2327 0.3135 4.2468 2 2 2 2 2 2 2 2 2 2 1 2 1 ,
n t u t w 1637 . 2 1893 . 0 237 . 0 2389 . 0 2556 . 0 3013 . 0 3325 . 0 4332 . 0 4373 . 0 8010 . 0 8529 . 0 2 2 2 2 2 2 2 2 2 2 1 2 2 ,
n t u t w 385 . 0 1637 . 2 399 . 0 2389 . 0 1285 . 0 3325 . 0 2285 . 0 8010 . 0 3135 . 0 2 , 1 u u COS3.4. 社群分析
24 使用者特徵檔代表該使用者感興趣的知識內容，依據使用者相似程度，進行Clique 分群，形成多知識社群，並依據社群內成員特徵檔分析社群特徵檔，完成社群分析。 另外在使用者相似度計算，除了採用興趣相似度，加入個人屬性檔考量；將興趣相似 度與使用者個人屬性相似度依權重調配計算後，形成複合相似度作為分群依據。 圖 3–7社群分析流程
3.4.1. 使用者特徵檔分析
使用者特徵檔代表該使用者感興趣的知識內容，此步驟如圖3-8，取出使用者閱 讀過之文件的特徵檔，針對每個特徵詞權重作加總平均計算，計算方式為公式3-3。依 計算後之權重排序，取出Top N 候選詞作為該使用者之特徵詞集合，形成使用者之特 徵檔，詳細說明如下：圖 3–8 使用者特徵檔分析流程 u D d d i i u
D
w
UW
u
, , (公式 3-3) UWu,i： 字詞 i 對使用者 u 的權重分數 Du： 使用者 u 曾經閱讀過的文件集合 wi,d： 字詞 i 在文件d中的權重分數 Du： 使用者 u 閱讀過的文件總數3.4.2. 使用者相似度計算
在協同過濾推薦的方法中，相同興趣的使用者分析是重要的關鍵，透過知識興趣 相似使用者的行為進而預測目標使用者的喜好。因本研究主要針對企業部落格文件探 討，在探討使用者相似度計算，除考量使用者特徵檔(知識興趣)部份，更加入組織使 用者之個人屬性，例如組織流程相關性強的群組，對特定領域知識內容應較感興趣，26 或是新進同仁會對新手知識等內容較感興趣。故本研究取得下列五項個人屬性特質， 並根據專家定義將各屬性的特徵值依連續、不連續做正規轉換如表3-3，左側欄位為各 屬性原始值，右側欄位為轉換過後之屬性值。 表 3–3 使用者特徵檔轉換 （一）使用者屬性檔相似度計算 將使用者各屬性轉換後之值視為空間向量表示，利用空間向量距離的觀念，計算 出兩點向量距離並將距離值正規化至0～1，兩使用者之相似度即為1- distance(U1,U2)，使用者屬性檔相似度公式3-4詳細說明如下： 1) Sim (0 , 1 _ _ 5 1 _ _ 5 1 _ _ 5 1 _ _ ) 1 , 0 ( 5 1 2 , 1 2 , 1 2 1 2 1 2 1 2 1 2 , 1 u u u u u u Dis Sim u a u a u y u y u t u t u s u s dept Dis (公式 3-4) Disu1 u, 2：使用者 u1 與 u2 向量距離 dept(0,1)：使用者 u1 與 u2 部門是否相同，同為0，不同為1 s_u、1 s_u2：使用者 u1 與 u2 性別屬性轉換後之值
t_u、1 t_u2：使用者 u1 與 u2 職級屬性轉換後之值 y_u、1 y_u2：使用者 u1 與 u2 年資屬性轉換後之值 a_u、1 a_u2：使用者 u1 與 u2 年齡屬性轉換後之值 Simu1 u, 2：使用者 u1 與 u2 相似度 使用者屬性檔相似度計算範例如下： 32 . 0 ) 2 1 5 1 2 1 5 1 2 1 5 1 1 2 0 ( 5 1 2 , 1u u Dis 68 . 0 32 . 0 1 2 , 1u u Sim 68 . 0 ) 5 1 5 1 5 1 5 1 5 1 5 1 2 2 1 ( 5 1 5 , 1u u Dis 32 . 0 68 . 0 1 2 , 1u u Sim 76 . 0 ) 5 2 5 1 5 2 5 1 5 2 5 1 2 1 1 ( 5 1 2 5 , 2u u Dis 24 . 0 76 . 0 1 2 , 1u u Sim 表 3–4 使用者特徵檔範例 （二）使用者特徵檔相似度計算 將使用者特徵檔以Cosine相似度計算方式為公式3-5：
28
k t u t k t u t k t u t u t u uw
w
w
w
COS
1 2 2 , 1 2 1 , 1 2 , 1 , 2 , 1 (公式 3-5) COSu1 u, 2： 以cosine方式計算，使用者 u1 與使用者 u2 相似度分數 wt,u：1 字詞 t 在使用者 u1 特徵檔中的權重分數 wt,u：2 字詞 t 在使用者 u2 特徵檔中的權重分數 使用者特徵檔相似度計算範例如下： 表 3–5 使用者 u1 和 u2 的特徵檔範例 U1 U2Term Weight Term Weight
股市 0.4468 物價 0.8529 太陽能 0.3135 太陽能 0.801 指數 0.2327 消費卷 0.4373 矽晶圓 0.2285 手機 0.4332 交易所 0.2203 矽晶圓 0.3325 股票 0.1824 台股 0.3013 下跌 0.1563 團購 0.2556 面板 0.1285 面板 0.2389 分析家 0.0821 利空 0.237 股海 0.0627 優惠 0.1893
399 . 0 0.1824 0.0627 0.0821 0.1285 0.1563 0.2203 0.2285 0.2327 0.3135 0.4468 2 2 2 2 2 2 2 2 2 2 1 2 1 ,
n t u t w 1637 . 2 1893 . 0 237 . 0 2389 . 0 2556 . 0 3013 . 0 3325 . 0 4332 . 0 4373 . 0 8010 . 0 8529 . 0 2 2 2 2 2 2 2 2 2 2 1 2 2 ,
n t u t w 385 . 0 1637 . 2 399 . 0 2389 . 0 1285 . 0 3325 . 0 2285 . 0 8010 . 0 3135 . 0 2 , 1 u u COS 本研究針對兩項使用者相似度，按權重加總而得一複合使用者相似度，分別使用 單一(興趣特徵值相似度)、複合兩種相似度進行知識社群分群、推薦，比較兩項參數 對結果差異性。3.4.3. 知識社群分群
知識社群分析，主要目的是將使用者分群，本研究透過使用者相似度當做分群依 據，並以每位使用者應擁有多項知識興趣為前提，可參與一至多個知識社群，分群後 之每個知識社群代表某種特定領域、組合的知識興趣內容；我們透過Clique分群技術 進行知識社群分析，分群完之後，再依據群內的使用者特徵檔，分析出各社群的特徵 檔。 (一) Clique分群 根據使用者的特徵檔分析知識社群。知識社群有兩大特性，第一，群內差異小： 每一個社群代表某一特定的知識內容，可能為單一主題或由多個主題所組成的，且社 群內的成員興趣相近，且具有共同的興趣。第二，使用者可能有多個興趣知識領域， 因此一個使用者可能參與多個知識社群。本研究利用使用者相似度，設定一門檻值， 透過Clique分群方法將使用者分群。以下為Clique分群範例：30 範例： 為找出組織中的知識社群，先計算所有使用者彼此相似度如下表3-6，設定相似度 門檻值為0.4。接著透過Clique分群，找出所有的社群組合，分群的步驟說明如下： 表 3–6 知識工作者相似度矩陣 A B C D E A － 0.1315 0.6147 0.4143 0.2911 B 0.1315 － 0.0428 0.9774 0.9087 C 0.6147 0.0428 － 0.4021 0.1429 D 0.4143 0.9774 0.4021 － 0.9637 E 0.2911 0.9087 0.1429 0.9637 － 步驟一：找出相似度超過門檻值(>0.4)的所有組合。根據知識工作者為間的相似度，找 出相似度大於0.4之使用群。
{A,C} {A,D} {B,D} {B,E} {C,D}{D,E}
步驟二：往上第三層、第四層…續找共同群，一直到最後一層。
{A,C} {A,D}{C,D}→{ACD}
{B,D} {B,E}{D,E}→{BDE}
步驟三：刪除重複的群
{A,C} {A,D} {B,D} {B,E} {C,D}{D,E}
在此範例中最後分成兩個知識社群ACD及BDE，群內的使用者相似度高，群間的相似 度低。且可看到使用者D會參與兩個社群，社群內的成員相互具有高度相關的興趣內 容，每一個社群皆可代表著一個特定知識興趣。 (二) 社群特徵檔 社群特徵檔代表該社群所代表之興趣知識內容，此步驟如圖3-9，根據社群內成 員的使用者特徵檔，將成員特徵詞權重作加總平均計算。針對每個特徵詞權重作加總 平均計算，計算方式如公式3-6。依計算後之權重排序，取出Top N 候選詞作為該社群 之特徵詞集合，形成社群之特徵檔，詳細流程說明如下： 圖 3–9 社群特徵檔分析流程 g U u u i i g
U
w
GW
g
, , (公式 3-6) GWi,j：字詞 i 對社群 g 的權重分數 Ug：社群 g 所含的所有使用者集合32 wi,u：字詞 i 對使用者 u 的權重分數 Ug ：社群 g 所含的所有使用者人數
3.5. 推薦
本章節中，我們將會詳細介紹本研究提出以多社群為基礎之推薦步驟與方法，透 過兩種相似度─知識興趣相似度與個人屬性相似度，按不同比例加總平均計算，每一 種權重比例計算出的使用者相似度組合經過Clique分群法後都可獲得不同的分群結 果。針對每一種分群結果，本研究使用混合式推薦法進行推薦，內容式推薦分析使用 者知識興趣與文件的相關程度計算出「興趣指數」，本論文提出四種混合式推薦方法計算文件預測「興趣分數」，分別是「社群最大分數法（Community Max Score）」、「社群
興趣最大分數法（Community Interest Max Score）」、「使用者權重最大分數法（User
Weight Max Score）」、「使用者權重興趣最大分數法（User Weight Interest Max Score）」，
四種方法皆會透過調整內容式推薦與協同式推薦比例計算出文件預測「興趣分數」，得 到推薦清單。
3.5.1. 多社群文件推薦
多社群之文件推薦分成三大步驟，首先選擇工作者參與的知識社群，接著預測知 識工作者對文章的喜好分數，最後根據此分數產生推薦清單。各步驟說明如下: (一) 社群選擇 社群選擇即是從所有的知識社群中，挑選出使用者參與的所有社群。使用者有可能參與一個以上的社群，即擁有多元的興趣領域。 (二) 「興趣分數」預測 本研究是採用混合式過濾推薦為基礎之推薦方法，內容式推薦過濾部分藉由計算 使用者感興趣之知識內容與該文件特徵檔相似程度，作為使用者對該文件的預測「興 趣指數」。使用者對文件之興趣指數是透過用文件與使用者相似度計算，計算方式如公 式3-7所述：
k t Uj t k t Di t k t Uj t Di t Uj Diw
w
w
w
COS
1 2 , 1 2 , 1 , , , (公式 3-7) COSDi,Uj： 以cosine方式計算，文件 Di 與使用者 Uj 之興趣指數
wt,Di： 字詞 t 在文件 Di 特徵檔中的權重分數 wt,Uj： 字詞 t 在使用者 Uj 特徵檔中的權重分數 協同過濾推薦部分藉由與目標使用者相似度高的鄰近使用者，以其興趣、喜好、 閱讀行為來預測目標使用者對文件的興趣程度，故預測時會考量相似鄰居和目標使用 者的相似度。此步驟會根據上一步驟選出的興趣社群，分別將各社群內的成員對所有 知識文件的興趣指數計算出來，並考慮社群內成員與目標使用者的相似度。最後混合 內容式推薦「興趣指數」計算出預測「興趣分數」，以預測目標使用者在各知識領域中， 對文件的興趣程度。
34
(三) 推薦清單
根據所預測之目標使用者對文件的興趣程度由高至低做排序作為推薦清單中。本
研究以多社群為基礎，提出四種混合式文件推薦方法：「社群最大分數法（Community
Max Score）」、「社群興趣最大分數法（Community Interest Max Score）」、「使用者權重
最大分數法（User Weight Max Score）」、「使用者權重興趣最大分數法（User Weight
Interest Max Score）」，以下四小節將介紹這四種推薦方法。
3.5.2. 社群最大分數法（Community Max Score - CMS）
社群最大分數法主要目的是為滿足知識工作者多元的興趣知識，針對目標使用者 感興趣的所有領域，分別預測使用者對該文章落於每一領域時的「興趣分數」，進而從 各社群中產生滿足工作者興趣之推薦清單。在本研究中，由於知識工作者參與的知識 社群不單只有一個，在預測「興趣分數」時，會有一篇文章在多個知識社群中出現且 具有不同預測「興趣分數」。 例如，預測目標使用者對一篇「太陽能未來十年分析」議題文章的分數，由於根 據目標工作者參與「太陽能產業分析」和「健康醫療」兩個知識社群，因而會產生一 篇文章有兩個預測「興趣分數」。最後選擇最高的「興趣分數」代表文件的「興趣分數」， 意為「興趣分數」越高，表示在該知識興趣領域中，此知識文件是目標知識工作者感 興趣的，且代表此文件與此知識社群相關性也較高，最後根據「興趣分數」高低進行 文件推薦。 社群最大分數法之「興趣分數」計算方式如公式3-8所述，以目標使用者所屬的各 知識社群為主，找出有點閱該文件之相似使用者，計算其與目標使用者相似度加總平
均，做為該社群鄰居使用者對此文件整體興趣程度，搭配特定比例之目標使用者對此 文件「興趣指數」，計算出最後文件預測「興趣分數」。分別計算目標使用者在不同社 群中對文件的預測「興趣分數」，最後挑選出分數最高的文件預測「興趣分數」，代表 知識工作者u的文件d的預測「興趣分數」：
d r G i i u d u UG G d u G SIM II MAX P rd , , , , , ) 1 ( ˆ (公式 3-8) Pˆu,d : 知識工作者 u 對文件 d 的預測「興趣分數」 UG: 使用者 u 參與的所有社群 混合式推薦中內容式推薦比例（0~1） : IIu,d : 使用者 u 對文件 d 的興趣指數 Gr, d : 社群 G 中有點閱文件 d 之使用者集合 SIMu,i: 使用者 u 和相似使用者 i 的相似度 透過上述公式3-8計算出目標使用者對文件的預測「興趣分數」，在不同興趣社群中， 每一篇知識文件會得到不同的預測「興趣分數」。範例說明如下： 預測使用者U1對文件D1的「興趣分數」，首先選擇U1有參與的知識興趣社群，有 G1、G2，如表3-7所示，計算各成員與目標使用者U1的相似度及分析各成員對D1點閱 行為。由於不同社群分別代表著不同興趣知識內容，故同一文件D1對目標使用者在不36 同知識社群會得到不同的「興趣分數」。 表 3–7 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表 G1 G2 U1 U2 U3 U1 U3 U4 D1（興趣指數） 0.2 0.7 0.2 0.2 0.8 0.4 ifRead - 1 0 - 1 1 SIM（與使用者 U1 相似度） 1 0.5 0.4 1 0.5 0.6 UW（使用者與社群相似度） 0.33 0.6 0.5 0.33 0.7 0.8 利用公式計算目標使用者 U1 對文件 D1 預測分數，當α=0.3，結果如下所示：
0.41 ，0.445
0.445 2 6 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ， 1 5 . 0 7 . 0 2 . 0 3 . 0 ˆ , MAX MAX Pud 最後選擇G1和G2的最大預測「興趣分數」，即0.445為目標使用者U1對文件D1的 預測「興趣分數」。3.5.3. 社群興趣最大分數法（Community Interest Max Score - CIMS）
社群興趣最大分數法與社群最大分數法主要差異在於協同推薦部份，多加入分析
相似使用者本身對該文件興趣程度（「興趣指數」），提高內容式推薦混合比例。此方法
亦可滿足知識工作者多元的興趣知識，針對目標使用者感興趣的所有領域，分別預測
使用者對該文章落於每一領域時的「興趣分數」，進而從各社群中產生滿足工作者興趣
社群興趣最大分數法之「興趣分數」計算方式如公式3-9所述，以目標使用者所屬 的各知識社群為主，找出有點閱該文件之相似使用者，計算相似使用者對該文件「興 趣指數」、其與目標使用者相似度後加總平均，做為該社群鄰居使用者對此文件整體興 趣程度，搭配特定比例之目標使用者對此文件「興趣指數」，計算出最後文件預測「興 趣分數」。分別計算目標使用者在不同社群中對文件的預測「興趣分數」，最後挑選出 分數最高的文件預測「興趣分數」，代表知識工作者u的文件d的預測「興趣分數」：
d r G i d i i u d u UG G d u G II SIM II MAX P rd , , , , , , ) 1 ( ˆ (公式 3-9) Pˆu,d : 知識工作者 u 對文件 d 的預測「興趣分數」 UG: 使用者 u 參與的所有社群 混合式推薦中內容式推薦比例（0~1） : IIu,d : 使用者 u 對文件 d 的興趣指數 Gr,d : 社群 G 中有點閱文件 d 之使用者集合 SIMu,i: 使用者 u 和相似使用者 i 的相似度 IIi,d : 相似使用者 i 對文件 d 的興趣指數 透過上述公式3-9計算出目標使用者對文件的預測「興趣分數」，在不同興趣社群中， 每一篇知識文件會得到不同的預測「興趣分數」。範例說明如下：38 預測使用者U1對文件D1的「興趣分數」，首先選擇U1有參與的知識興趣社群，有 G1、G2，如表3-8所示，計算各成員與目標使用者U1的相似度及分析各成員對D1點閱 行為。由於不同社群分別代表著不同興趣知識內容，故同一文件D1對目標使用者在不 同知識社群會得到不同的「興趣分數」。 表 3–8 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表 G1 G2 U1 U2 U3 U1 U3 U4 D1（興趣指數） 0.2 0.7 0.2 0.2 0.8 0.4 ifRead - 1 0 - 1 1 SIM（與使用者 U1 相似度） 1 0.5 0.4 1 0.5 0.6 UW（使用者與社群相似度） 0.33 0.6 0.5 0.33 0.7 0.8 利用公式計算目標使用者 U1 對文件 D1 預測分數，當α=0.3，結果如下所示：
0.305 ，0.248
0.305 2 4 . 0 6 . 0 8 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ， 1 7 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ˆ , MAX MAX Pud 最後選擇G1和G2的最大預測「興趣分數」，即0.305為目標使用者U1對文件D1的 預測「興趣分數」。3.5.4. 使用者權重最大分數法（User Weight Max Score - UWMS）
使用者權重最大分數法與社群最大分數法不同點主要是使用者權重最大分數法多 考量社群內成員與該社群的相關性，故多加入計算社群內成員與社群相似度，當作預 測目標使用者「興趣分數」參數之ㄧ。由於目標使用者可參與一個以上的知識社群，
則一篇文章在不同社群會有不同預測分數，最後選擇最大之預測分數來當成文件的「興 趣分數」。將所有文件預測「興趣分數」排序列出對目標知識工作者最後推薦清單。使 用者權重最大分數法文件的分數預測計算方式如公式3-10所述：
d r G i G i i u d u UG G d u G UW SIM II MAX P rd , , , , , , ) 1 ( ˆ (公式 3-10) Pˆu,d : 知識工作者 u 對文件 d 的預測「興趣分數」 UG: 使用者 u 參與的所有社群 混合式推薦中內容式推薦比例（0~1） : IIu,d : 使用者 u 對文件 d 的興趣指數 Gr,d : 社群 G 中有點閱文件 d 之使用者集合 SIMu,i: 使用者 u 和相似使用者 i 的相似度 UWi,G: 相似使用者 i 在社群 G 的權重 (以使用者和該社群之相似度表示) 上述公式中的G是指所有目標使用者有參與的知識社群，先針對每一社群內所有 相似使用者，根據每位相似使用者與目標使用者相似度，乘上此相似使用者在此社群 中的權重，再做一正規化處理得出群內相似使用者對文件推薦興趣程度。最後再與目 標使用者本身對該文件的「興趣指數」以權重調整加總後計算出最後使用者對文件預 測「興趣分數」。範例說明如下： 預測使用者U1對文件D1的「興趣分數」，首先選擇U1有參與的知識興趣社群，有40 G1、G2，如表3-9所示，計算各成員與目標使用者U1的相似度及分析各成員對D1點閱 行為。由於不同社群分別代表著不同興趣知識內容，故同一文件D1對目標使用者在不 同知識社群會得到不同的「興趣分數」。 表 3–9 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表 G1 G2 U1 U2 U3 U1 U3 U4 D1（興趣指數） 0.2 0.7 0.2 0.2 0.8 0.4 ifRead - 1 0 - 1 1 SIM（與使用者 U1 相似度） 1 0.5 0.4 1 0.5 0.6 UW（使用者與社群相似度） 0.33 0.6 0.5 0.33 0.7 0.8 利用公式計算目標使用者 U1 對文件 D1 預測分數，當α=0.3，結果如下所示：
0.27 ，0.3505
0.3505 2 8 . 0 6 . 0 7 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ， 1 6 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ˆ , MAX MAX Pud 最後選擇G1和G2的最大預測「興趣分數」，即0.3505為目標使用者U1對文件D1的 預測「興趣分數」。3.5.5. 使用者權重興趣最大分數法（User Weight Interest Max Score -
UWIMS）
使用者權重興趣最大分數法與使用者權重最大分數法主要差異在於協同推薦部
份，多加入分析相似使用者本身對該文件興趣程度（「興趣指數」），提高內容式推薦混
領域，分別預測使用者對該文章落於每一領域時的「興趣分數」，進而從各社群中產生 滿足工作者興趣之推薦清單。使用者權重興趣最大分數法文件的分數預測計算方式如 公式3-11所述：
d r G i d i G i i u d u UG G d u G II UW SIM II MAX P rd , , , , , , , ) 1 ( ˆ (公式 3-11) Pˆu,d : 知識工作者 u 對文件 d 的預測「興趣分數」 UG: 使用者 u 參與的所有社群 混合式推薦中內容式推薦比例（0~1） : IIu,d : 使用者 u 對文件 d 的興趣指數 Gr, d : 社群 G 中有點閱文件 d 之使用者集合 SIMu,i: 使用者 u 和相似使用者 i 的相似度 UWi,G: 相似使用者 i 在社群 G 的權重 (以使用者和該社群之相似度表示) IIi,d : 相似使用者 i 對文件 d 的興趣指數 上述公式中的G是指所有目標使用者有參與的知識社群，先針對每一社群內所有 相似使用者，根據每位相似使用者與目標使用者相似度，乘上此相似使用者在此社群 中的權重、該相似使用者對該文件的「興趣指數」，再做一正規化處理得出群內相似使42 用者對文件推薦興趣程度。最後再與目標使用者本身對該文件的「興趣指數」以權重 調整加總後計算出最後使用者對文件預測「興趣分數」。範例說明如下： 預測使用者U1對文件D1的「興趣分數」，首先選擇U1有參與的知識興趣社群，有 G1、G2，如表3-9所示，計算各成員與目標使用者U1的相似度及分析各成員對D1點閱 行為。由於不同社群分別代表著不同興趣知識內容，故同一文件D1對目標使用者在不 同知識社群會得到不同的「興趣分數」。 表 3–10 目標使用者 U1 所屬社群 G1 及社群 G2 資訊表 G1 G2 U1 U2 U3 U1 U3 U4 D1（興趣指數） 0.2 0.7 0.2 0.2 0.8 0.4 ifRead - 1 0 - 1 1 SIM（與使用者 U1 相似度） 1 0.5 0.4 1 0.5 0.6 UW（使用者與社群相似度） 0.33 0.6 0.5 0.33 0.7 0.8 利用公式計算目標使用者 U1 對文件 D1 預測分數，當α=0.3，結果如下所示：
0.207 ，0.2252
0.2252 2 4 . 0 8 . 0 6 . 0 8 . 0 7 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ， 1 7 . 0 6 . 0 5 . 0 7 . 0 2 . 0 3 . 0 ˆ , MAX MAX Pud 最後選擇G1和G2的最大預測「興趣分數」，即0.2252為目標使用者U1對文件D1的 預測「興趣分數」。4. 實驗與評估
在本章節中，我們利用企業部落格之實際的資料，以驗證本研究所提出之自動化 分類與推薦方法，的確能協助企業提昇知識管理品質與知識文件使用率。以下就實驗 資料、評估標準、實驗工具、實驗結果說明。4.1. 實驗資料
本研究所使用之實驗資料，是取自某企業部落格平台，截至本實驗資料蒐集完成 階段，共有350部落格，有效持續經營之部落格約有100個，另外單月平均點閱人次約 有6000～7000人，資料月份涵蓋2009年全年，各部落格設有權限控管機制，本研究實 驗資料僅取用繁體中文文件內容。本研究分為分類、推薦兩模組，各模組使用資料將 於實驗敘述中說明。4.2. 評估標準
本研究採用之評估標準分別為Precision。Precision是指查準率。以自動化分類模組 為例，即計算由系統自動分類文件中，其符合正確分類之文件的比例。分子為系統分 類正確的文件數，分母為系統分類之所有文件數。計算方式如公式4-1所述： documents classified total of documents classified correctly of ecision _ _ # _ _ # Pr (公式 4-1) 例如若系統分類100篇文章，其中70篇為分類正確，則Precision為0.7。44 推薦之評估標準為計算推薦的文章中，其符合使用者興趣範圍相關文件的比例， 以分析系統推薦文章的準確性。分子為系統推薦且符合使用者需求的文章數，分母為 系統推薦的文章數。計算方式如公式4-2所述： documents d recommende total of documents d recommende correctly of ecision _ _ # _ _ # Pr (公式 4-2) 本研究針對推薦驗證方式，是採用使用者歷史點閱記錄進行Precision驗證，因為 本研究所提出之混合式過濾法，其中協同過濾推薦部份之特性即為發掘、推薦目標使 用者未發現之領域的文件，在本研究之企業部落格中，因部落格數量多，且部分文件、 站台有權限卡控機制，即使系統所推薦之文件是目標使用者知識興趣相關，但在目標 使用者歷史點閱紀錄中，仍有可能該目標使用者不知該篇文件的存在，抑或對該文件 不具有存取權限，故即使系統推薦之文件符合目標使用者知識興趣，驗證Precision之 歷史點閱紀錄中，該目標使用者仍無此文件之點閱紀錄，導致實驗分析驗證時出現 Precision低估現象。針對上述現象，本研究之Precision評估法會有以下前提，系統推薦 之文件，若為使用者未曾點閱過之部落格所屬文件，將此推薦文件移除不納入Precision 評估，避免因推薦文件為使用者無權限、未知站台相關文件導致Precision低估。透過 此評估方法，可藉由實際歷史點閱紀錄，驗證本研究所提出之自動化文件推薦方法精 準度。
