• 沒有找到結果。

中 華 大 學

N/A
N/A
Protected

Academic year: 2022

Share "中 華 大 學"

Copied!
71
0
0

加載中.... (立即查看全文)

全文

(1)

中 華 大 學 碩 士 論 文

互動式個案導向之智慧型雲端服務推薦機制 Interactive and Intelligent Case Based Reasoning

for Cloud Services Recommendation

系 所 別:資訊管理學系碩士班 學號姓名:M09810022 葉家銓 指導教授:張文智 博士

王貞淑 博士

中 華 民 國 100 年 8 月

(2)

i

摘要

選擇一個符合自己需求的雲端服務軟體是缺乏結構的問題,對大部分的使用者而 言,其選擇雲端服務軟體策略大多是以免費為優先考量,再參考目前搜尋引擎所搜尋 出的雲端服務軟體,進而選擇符合需求之雲端服務軟體。而大部分的使用者也會依據 朋友或是同事好用的雲端服務軟體「經驗傳承」,例如:是否需要付費、還有哪些附 加功能等;進行最後雲端服務軟體的選擇。因此,針對選擇雲端服務軟體是否存在所 謂的最佳解都還有待商榷,也就很難以目前所知的結構化問題解決方法為使用者進行 雲端服務軟體推薦。

本 研 究 所 提 出 的 互 動 式 雲 端 服 務 軟 體 推 薦 機 制 (Interactive Cloud Services Recommendation,iCSR)是植基於案例式推理演算法。iCSR 的核心推論演算法是依照 使用者所輸入的查詢條件與權種值,先進行目標條件的相似度計算,再用同樣的計算 方式計算個案庫內的案例,最後就是找出相似度較高的案例推薦給使用者。為了找出 更貼近使用者需求的雲端服務軟體,使用者可以與 iCSR 系統互動,當 iCSR 推薦案 例給使用者時,使用者可以先勾選幾個較喜歡的個案,並且要求系統做更進一步的精 緻化推論,這時前一階段所勾選的個案會交由推論機制進行分析,分析後的結果就會 變成下一階段推薦個案的查詢條件。

關鍵字:案例式推論、推薦系統、雲端運算。

(3)

ii

Abstract

Selecting a cloud computing software is a matter of structural issue. For the majority of the people, the priority factor in selecting this software is based on whether or not it is free; only after that does the consideration for the need of evaluating current search engine of cloud service software come into play. The majority of users will also base their judgments on the cloud computing service software through viewing the experiences from their co-workers and friends, for example: does it require money, what other additional functions are present, etc. Finally, then the decision for whether or not they want to acquire the cloud service software is made. Therefore, whether or not choosing the cloud service software is the best option is still open for debate, and for now it is difficult to know whether this cloud service software is a good recommendation based on the issues and solutions revolving around the structural problems it poses.

The research lab proposed something called the Interactive Cloud Services Recommendation, also known as iCSR, it is an algorithm of deduction through an studying of many cases. The function of iCSR lies in its inferential algorithm gathered from the users’ input queries, which is then calculated and deduced based on similarly categorized target conditions. It then uses the same way of calculation to compute a certain case in the folder or file of cases stored. And finally, a case is selected based on the highest amount of similar traits with what was calculated before and given to the user. In order to select a cloud service software that more closely resembles the user, users can use iCSR as a way of vice-versa systematic interaction. When iCSR recommends to the user a case, the user can pick out several more likable cases, and request a further filtered batch of recommendations. At this time, the previous cases that were generated will also be analyzed and the result of this analysis will be available for the next query.

Keywords: Case Based Reasoning, Recommended System, Cloud Computing.

(4)

iii

誌謝

又到了畢業的季節了,每次到這個時候總會有些感傷,終於要結束學生生涯了,

回想起剛進研究所的無知與懵懂,總覺得好笑,本論文承蒙諸位師友的協助與鼓勵才 能順利的完成。首先誠摯的感謝指導教授張文智老師及王貞淑老師,在這兩年悉心的 教導,使我在這兩年中獲益匪淺。在研究過程中遇到困難時給予建議及指引,讓我得 以順利的完成本篇論文。指導教授不僅指導課業,更是鼓勵我們多考一些證照,在老 師的指導下順利的考取了 CCNA,在此感謝指導教授辛苦了!同時也感謝黃元巨老師 擔任口詴委員,以及應鳴雄老師給予的協助與鼓勵,使得本論文內容更為嚴謹完整。

兩年的研究生日子裡,實驗室裡共同生活的點滴,課業上的討論,都是我未來美 好的回憶,感謝永健、志峰、聖竣學長、毓潔、玉子學姊們不厭其煩的指出我研究中 的缺點,且總能在我迷惘時給予協助讓我解惑,也感謝俊毅、皓軒、梓蓁、秉正同學 的幫忙,及實驗室同仁的相互扶持與鼓勵,並且感謝阿 Q 學長在口詴期間給予的協 助,有你們的陪伴讓兩年的研究生生活變得絢麗多彩。

最後,僅將這份完成碩士學業的榮耀與喜悅獻給我最愛的家人,感謝他們總是給 予我支持與鼓勵,讓我沒有後顧之憂,使我能順利完成研究所的學業,願與您們共享 這份喜悅與榮耀。

家銓 謹誌於 中華大學 資訊管理研究所 中華民國 100 年 7 月

(5)

iv

目錄

摘要 ... i

Abstract ... ii

誌謝 ... iii

目錄 ... iv

圖目錄 ... vii

表目錄 ... ix

第一章 緒論 ... 1

第一節 研究背景與動機 ... 1

第二節 研究目的 ... 3

第三節 研究流程 ... 4

第四節 研究範圍 ... 5

第五節 研究限制 ... 5

第六節 論文架構 ... 6

第二章 文獻探討 ... 8

第一節 案例式推理 ... 8

第二節 雲端運算 ...11

第三節 推薦系統 ... 14

第三章 研究模型與方法 ... 17

第一節 研究問題定義 ... 20

第二節 研究模型 ... 23

一、推論流程 ... 25

二、雲端服務軟體資料庫 ... 26

三、會員資料庫 ... 27

四、權重標準化 ... 28

(6)

v

五、計算相似度 ... 29

六、Target 與個案庫內的個案比較 ... 29

七、列出清單 ... 29

八、修正查詢條件(含 unindex) ... 29

第三節 互動式推論演算法 ... 30

一、輸入目標條件 ... 30

二、相似度評估 ... 30

三、第一階段推薦 ... 31

四、例外推論 ... 32

五、使用者與系統間的互動式推論 ... 32

六、目標條件修正和完成推論 ... 33

第四章 系統實作與展示 ... 35

第一節 正常推論 ... 35

第二節 例外推論 ... 38

第三節 修正查詢條件展示 ... 40

第五章 實驗設計與分析結果 ... 44

第一節 資料來源 ... 44

第二節 實驗設計 ... 45

一、 iCSR 實驗施測 ... 47

二、 問卷設計 ... 50

第三節 實驗結果 ... 50

第六章 結論 ... 54

第一節 結論 ... 54

第二節 未來研究方向 ... 54

參考文獻 ... 56

(7)

vi

附錄一:衡量問卷 ... 59

(8)

vii

圖目錄

圖 1 研究流程 ... 4

圖 2 論文架構 ... 7

圖 3 CBR cycle ... 9

圖 4 雲端運算概觀 ... 12

圖 5 互動式雲端服務軟體推薦系統概念架構圖 ... 24

圖 6 推論機制流程 ... 25

圖 7 輸入目標條件 ... 30

圖 8 相似度評估 ... 31

圖 9 第一階段推薦 ... 31

圖 10 例外推論 ... 32

圖 11 使用者與系統間的互動式推論 ... 33

圖 12 目標條件修正和完成推論 ... 34

圖 13 修正查詢條件演算法 ... 34

圖 14 系統主畫面 ... 35

圖 15 系統查詢條件畫面 ... 36

圖 16 第一階段:列出清單系統畫面 ... 37

圖 17 第一階段:列出清單並勾選系統畫面 ... 37

圖 18 第二階段:列出清單系統畫面 ... 38

圖 19 情境二系統畫面:列出清單並勾選畫面 ... 39

圖 20 情境二系統畫面:列出清單個案相似度比較畫面 ... 39

圖 21 修正查詢條件:系統主畫面 ... 40

圖 22 修正查詢條件:列出清單並勾選頇付費軟體畫面 ... 41

圖 23 修正查詢條件:列出清單個案相似度比較畫面 ... 41

圖 24 修正查詢條件:列出清單並勾選免費軟體畫面 ... 42

(9)

viii

圖 25 修正查詢條件:最後推薦系統畫面 ... 43 圖 26 實驗組推薦次數分佈圖 ... 44 圖 27 指派任務人數分佈圖 ... 47

(10)

ix

表目錄

表 1 案例式推理相關研究彙整 ... 10

表 2 雲端運算相關研究彙整 ... 13

表 3 推薦系統相關研究彙整 ... 15

表 3 推薦系統相關研究彙整(續) ... 16

表 4 權重預設表 ... 18

表 5 相似度基準值預設表 ... 19

表 6 變數定義 ... 20

表 7 相似度基準表 ... 22

表 8 iCSR 雲端服務軟體資料庫 ... 27

表 9 iCSR 會員資料庫 ... 28

表 17 指派任務 ... 45

表 17 指派任務(續) ... 46

表 18 實驗統計 ... 49

表 19 敘述統計 ... 50

表 20 多變量檢定表 ... 51

表 21 變數對構面之多變量分析表 ... 52

表 22 查詢條件事後檢定 ... 53

表 23 先後順序事後檢定 ... 53

(11)

1

第一章 緒論

第一節 研究背景與動機

隨著網際網路與個人電腦的普及,許多新的技術與硬體也油然而生,在這幾年裡雲 端運算可以算是很常聽到的一種新名詞,可說是話題性十足。然而雲端這個詞指的就 是網路,這個名稱的由來是工程師在繪製示意圖的時候,都是用一朵雲來表示網路。

所以簡單來說,在我們日常生活中其實就已經常常在使用雲端運算了,像是 E-mail 的收發就可以算是雲端運算的一種應用。雲端運算並不是一種新技術,而是一種概念,

這種概念跟分散式運算(Distributed Computing)與網格運算(Grid Computing)很像,並 且隨著技術繼續的發展。許多企業逐漸看到雲端運算裡的龐大商機,所以都想搶先進 入這塊市場,以便取得先機賺取更多的利潤。

雲端服務可以算是雲端運算背後的龐大商機,由於許多科技大廠與網路服務商的加 入,讓越來越多人重視這個概念,並且相信這會是未來的趨勢,因此也吸引了更多的 廠商加入,想分食這塊大餅。依據雲端運算的概念及意涵,可將雲端運算服務分為下 列三種:(1) 基礎設施即服務(

Infrastructure as a Service

, IaaS)(2)帄台即服務(

Platform as a Service

, PaaS)(3)軟體即服務(

Software as a Service

, SaaS)[30]。其中軟體及服務 (SaaS)是目前最熱門的雲端運算服務應用,Saas 只要使用瀏覽器就可以使用服務提供 的功能,而且通常都不需要再安裝任何軟體就可以使用。而一般使用者在使用這些付 費的服務時,最為關心的就是付費的問題,雖然提供相同服務的供應商有很多,但是 相同服務有的需要付費有的則是免費,這都是可以讓使用者自己選擇的。而就企業使 用者最關心的資料安全性問題,相同產業的競爭對手極有可能會使用相同供應商提供 的相同服務,與競爭對手共用資料庫這是讓企業最擔心的。提供 SaaS 的公司會將重 要的資料保持在防火牆之內,只提供給特定的用戶端,這樣使用 SaaS 這項服務的企 業才會更安心。然而許多企業為了增加自己的競爭力,不斷的建制自己的資訊系統,

這不但要花費許多金錢與時間,而且新系統在上線前還必頇先經過一段時間的測詴,

(12)

2

這跟直接使用別人寫好的現成軟體相比,還是有段落差。而且必頇花費許多成本購買 新的電腦或其他設備,還必頇購買授權軟體,企業為了許多的電腦設備也必頇請更多 的 MIS 人員來維護。而且每隔幾年就會有電腦設備汰舊或是授權軟體升級,這是一 種惡性循環的迴圈,容易浪費許多企業成本。但是當雲端運算普及之後,企業就可以 省下許多購買較新設備的成本,維護電腦設備的 MIS 人員也可以跟著減少,因為只 要是可以上網的電腦就可以使用雲端服務並且電腦不需要配備太好,而且也可以省去 購買授權軟體的成本。

現今是個競爭激烈的社會,如果不想被淘汰就必頇不斷的增加自己的實力。所以企 業在面對自己內部每隔幾年就必頇花費一次龐大金額來進行電腦與設備的升級,又想 到其實絕大多數的電腦用途就只是操作非常簡單的表單作業。如果不是為了配合 windows 每隔幾年的升級,連帶硬體也需要跟著升級,然而若是每次軟硬體升級的費 用都可以省下,就可以將費用移作其他用途,不用每隔幾年就編一次軟硬體升級的費 用。所以使用雲端服務真的可以替許多企業解決這個煩惱。由於利潤與成本的關係,

業界與學術界均已對雲端運算服務有很大的興趣。經濟、簡單和便利這幾個主要因素,

讓雲端運算服務迅速竄起[28]。無論是企業或是個人如果要找到想要使用的軟體,就 必頇花上一些時間來過濾了,網路上雖然都找的到軟體,但是費用和軟體的一些附加 功能的這些問題還是得要自己一個一個去看去比較,才能找到那個軟體所提供的功能 是否可以符合自己想要的。這樣不但要浪費許多時間,找到的還不一定符合需求,故 本研究提出一個模型,讓使用者在找尋自己想要的服務時當作參考,進而找到符合使 用者需求的軟體服務。目前要搜尋雲端服務都必頇自己到搜尋網站輸入關鍵字後逐個 比對,並沒有將其整合比對,故本研究將許多雲端服務的軟體整合在系統中,方便使 用者搜尋與比對,進而找出符合需求的服務。

雲端服務儼然已經成為未來趨勢,非常有可能改變我們使用電腦軟體的習慣,雖然 目前要輕鬆找到符合需求的軟體服務還不太容易,故本研究提供的系統就是為了讓使 用者可以輕鬆找出符合需求的軟體服務。

(13)

3

第二節 研究目的

由於雲端運算已經是未來網路的主要趨勢了,而如何給使用者一個容易尋找雲端服 務軟體的方法已經日趨重要。而近年來有關雲端運算的討論大多是在停留在討論這些 服務是做什麼的,故本研究的針對雲端服務做出整理與提出整合雲端服務軟體的推薦 系統,以方便日後使用者於網路上搜尋服務的快速與方便性。

本研究能夠提供給使用者依照需求去勾選條件,進而搜尋適合的雲端服務軟體推薦 給使用者。而且使用者可以根據系統推薦給他的雲端服務軟體繼續勾選作第二次推薦,

這是為了找出使用者真正需求所做的互動。系統會根據使用者第二次勾選的雲端服務 軟體裡面的一些條件記錄下來,再將這些條件加以分析,將分析後的結果用在下一次 的推薦裡面。所以第三次推薦出來的雲端服務軟體就是依照使用者所勾選的雲端服務 軟體所推薦出來,在這種情況下,使用者與系統的互動,進而找出使用者真正的需求,

最後在反覆推薦之後找出使用者真正的需求,以滿足使用者。

將本研究之主要研究目標條列如下:

(一) 植基於案例式推理,提出互動式雲端服務軟體推薦機制(Interactive Cloud Services Recommendation, iCSR):案例式推理是一種以經驗來推理並且解決問題的方法,

透過相似度的計算,能找到較貼近使用者需求之雲端服務軟體。

(二) 互動式 iCSR 機制:本研究將發展 iCSR 系統中最核心的互動式的推論,允許讓 使用者對推薦後結果作更進一步的精緻化推論,讓推論的結果可以更進一步的找 到使用者內心真正符合需求的雲端軟體服務。

(14)

4

第三節 研究流程

本研究根據所關注的研究議題,進行相關之研究與探討,接著提出一個系統架構,

接著把雛型系統完成,利用雛型系統進行實驗與觀察使用者的使用狀況,並記錄下來,

將資料加以分析。

本研究之研究流程可分為八個階段,如圖 1 所示,其內容分別敘述如下:

圖 1 研究流程

一、擬定研究計畫:瞭解興趣所在,並從中挑選想要的研究與指導教授討論,確立所 要探討的研究問題與目的。

二、雲端服務軟體蒐集:為了讓使用者更迅速地找到符合需求的雲端服務軟體,就必 頇先蒐集目前網路上較常見或是較多人使用的雲端服務軟體,並整合其付費軟體 付款計價方式不一的情況,以便後續建置系統能根據這些需求內容提供資訊。

三、相關研究探討:根據所要探討之問題進行相關文獻之探討,並作為後續研究之理 論基礎。

(15)

5

四、雛型系統設計:為了讓使用者能更迅速找出符合需求之雲端服務軟體,本研究設 計出雛型系統之架構。

五、雛型系統建立:根據雛型系統架構,蒐集雲端服務軟體資料進行建置,並預設想 要的雲端服務軟體進行測詴。

六、實驗設計: 規劃實驗的程序及細節,並設計實驗之指派任務,以進行本研究發 展的「iCSR」之實證研究。

七、實驗與資料蒐集:正式進行實驗流程並蒐集實驗結果資料。

八、資料分析與論文撰寫:將實驗數據進行資料分析,並根據分析後資料作為論文系 統成效評估之依據。

第四節 研究範圍

本研究的研究範圍可大略歸納成以下二點:

一、本研究系統主要是解決使用者於搜尋引擎中要搜尋雲端軟體服務,是很不容易,

不過這樣就無法參考比較其他類似的雲端軟體服務,因此本研究之系統僅能提供 較重要的軟體資訊。

二、根據本研究之研究目的,並非是探討雲端運算之技術,因此不進行雲端運算的技 術討論。

第五節 研究限制

本研究的研究限制可大略歸納為考量到提供雲端服務軟體之供應商不斷的出現,

故以「雲端運算:改變線上工作與合作模式的網路式應用」這本書所提供的相關和常 使用的雲端服務軟體為主。由於這本書裡面有提到許多的雲端服務軟體,並且書裡提 到的雲端服務軟體都是較常被使用的,所以本研究主要以這本書所提到的雲端服務軟

(16)

6

體為主。

第六節 論文架構

本研究架構如圖 1.2 所示,包含 5 個章節,各章節內容概述如下:

第一章:說明研究背景、研究動機、研究目的、研究流程、研究範圍、研究限制以及 論文架構。

第二章:關於雲端服務軟體的相關文獻加以整理與探討,綜合文獻結果作為本研 究之理論基礎。

第三章:研究模型,清楚定義模型,並描述本研究之研究方法 第四章:系統實作與展示

第五章:實驗設計與結果分析 第六章:結論與未來研究方向

(17)

7

圖 2 論文架構

(18)

8

第二章 文獻探討

本研究由三個觀點,彙整過去相關研究,做為建立研究架構與系統架構的理論基 礎,包括:案例式推理、雲端雲算及推薦系統等主題進行探討。

第一節 案例式推理

案例式推理(Case-Based Reasoning, CBR),算是人工智慧(Artificial Intelligence, AI) 中一種解決問題的方法[25、33],強調以過去的解決問題的知識或經驗來推理並且解 決問題的方法[29],案例式推理一直被視為是解決問題的典範之一,且在知識的重新 利用上非常的成功[35],而且非常適合處理複雜又無結構之問題[21],在遇到問題時,

藉由先前發生最相似情況的經驗,來解決目前所面臨的問題。例如:就跟醫生診斷很 像,醫生會先問病人有甚麼症狀,從案例庫找出有這些症狀的案例,參考這些案例得 到解決的方法之後,再將此案例回存至案例庫中,隨著案例庫中的案例逐漸增加,所 能解決的問題就會越廣泛,而所提供的解答也會越正確。所以案例式推理不同於其他 方法,是能利用過去相似問題個案累積的經驗中推導出相關知識,藉以應用在相似的 新問題上,達到知識再利用的目的[25]。

案例式推理和專家系統很接近,都是用過去的經驗來解決新的問題。而專家系統 是使用規則來進行推理,就是需要建置大量的知識庫或是知識規則,最後才按照知識 庫或知識規則推理出結果。然而案例式推理是屬於較新的推理方法,是把過去的經驗 轉換成個案庫,然後透過個案間的比較,找出與新問題最接近的個案,這就成為新問 題的解決方法,然而案例式推理最難的地方就是如何建立個案庫。並且隨著個案庫的 擴增使得案例式推理系統的推理能力更為精確[26]。

案例式推理的循環運作過程共分為四個步驟如下圖 1 所示,四個步驟分別為擷取 (Retrieve)、再使用(Reuse)、修正(Revise)與回傳(Retain),說明如下[17]:

(19)

9

1. 案例擷取(Retrieve):從案例庫中找出相似度最高的案例給使用者。新案例與 案例庫裡的案例做相似度(Similarity)計算,接著從案例庫中找出相似度較高 的案例,藉以提供新案例最適的解決方案。

2. 案例再使用(Reuse):案例庫中的案例可以重覆使用。因為使用者勾選的案例 與案例庫中的案例完全符合的機率很小,所以使用者勾選的案例就會和擷取 出的案例結合,產生一個有新案例,藉以達到再使用的目的。

3. 案例修正(Revise):上一步驟所得到的解決方法進行修正,以便結果能更符 合使用者需求。

4. 回傳(Retain):如果系統提供給使用者的方法有效的話,將會把案例回存到 案例庫,藉以增加案例庫內的案例,方便後續使用者能夠更迅速地找到符合 自己需求的方法。

圖 3 CBR cycle 資料來源:[17]

(20)

10

表 1 案例式推理相關研究彙整

研究者 研究主題 研究內容

陳東興 (2006)

醫院建築維護之案例式推理 決策支援系統

本研究針對醫院設施管理、建築維護 決策系統與案例式推理維護系統等相 關文獻去做探討。

施鳳美 (2006)

應用案例式推理探討軟體技 術問題診斷之研究

本研究的目的在於建立一套軟體技術 問題的診斷帄台,紀錄問題的特徵及 解決的方法,並保存至案例庫中,且 可以反覆再使用,當遇到新案例即從 案例庫取回最相似的案例,以提供新 案例建議的解決方案。需要時,則修 改案例中的解決方案或新增新案例。

黃啟峰 (2005)

手機選單操作介面設計之案 例式推理系統建構及應用研 究

本研究以手機選單操作介面為主,利 用案例式推理軟體(CBR-Works)建構 一套手機選單操作介面設計之案例式 推理系統,並找一組設計團隊實際運 用本系統來輔助設計手機選單操作介 面。

(21)

11

表 1 案例式推理相關研究彙整(續)

研究者 研究主題 研究內容

許貴晴 (2009)

正規概念分析為基礎之案例 式數位學習資源推薦系統- 以企業倫理課程為例

本研究希望透過 Web2.0 下的民眾分 類法,實作一個由學習者定義學習資 源分類的學習資源推薦系統,提供正 式與非正式的學習環境,藉此讓師生 與同儕間互動交流,發掘出使用者可 能感到興趣的隱含資源,透過正規概 念分析與案例式推理的結合,提供一 個帄台可以讓使用者有效率的搜尋並 推薦有用的資源。

陳文妮 (2008)

正規概念分析為基礎之案例 式旅遊行程推薦系統

本研究利用正規概念分析以及案例式 推理的概念,建置一套旅遊行程推薦 系統,提供一個帄台讓使用者根據自 身的需求對旅遊行程的歷史案例做查 詢,並且建立一個回饋機制,藉此對 系統的推薦機制做修正,以期能為使 用者推薦最適合的行程。

(資料來源:本研究彙整)

第二節 雲端運算

雲端運算(Cloud computing)簡單來說就是分散式計算(Distributed Computing)的延 伸,就是服務供應商提供一些軟體服務,如:程式運算、軟體應用或是資料儲存的能 力,就是讓使用者可以簡單地透過網路就可以自由自在的存取個人資料。自從網路與

(22)

12

電腦越來越普及之後,使用者就開始想著要如何才可以有效利用電腦與網路來替自己 解決問題,所以雲端運算這個概念就油然而生,雲端這個名稱的由來是因為在繪製網 路配置示意圖時,工程師都會將網路用一朵雲來表示,所以網際網路可以當作為一大 朵雲,我們的最終目的,就是讓全部的使用者只要透過網際網路就可以做訊息的流通、

資料存取或是跟朋友分享任何資訊。如圖 4 所示,每台電腦代表每一位使用者,在茫 茫網海中有著許多的軟體,但是這些軟體在哪裡,使用者並不清楚,所以如果要找尋 符合需求之軟體,就必頇花時間找,為了讓使用者能更有效率地找到符合需求之軟體 就需要一個推薦機制。

圖 4 雲端運算概觀 (資料來源:維基百科)

因此為了使雲端服務商業化,雲端市場是必要的,隨著越來越多的雲端服務出現 在雲端市場之中,如何選擇最適合自己或是公司需求的問題就顯得越來越重要[34]。

(23)

13

表 2 雲端運算相關研究彙整

研究者 研究主題 研究內容

林冠宏 (2010)

區間值模糊層級分析法於雲 端運算服務之應用領域的可 行性評估研究

本研究從服務創新與服務價值的觀 點,建構雲端運算服務可行性評估的 影響構面及指標,以模糊理論為基 礎,藉由語意評估值及區間值模糊層 級分析法,建構系統化之雲端運算服 務的可行性評估模式。

王唯達 (2010)

SaaS 雲端運算之分散式異 質資源整合與研究:以台灣 文學館電子資源整合查詢為 例

本研究針對台文館異質系統現況與 需求,提出一套整合策略與實作方 案,並採用模組-介面-控制器架構發 展成一套電子資源整合查詢系統。

曹朱榜 (民 99)

利用雲端運算概念以包裝軟 體元件之研究

本研究在於雲端運算的概念之下,對 於軟體包裝規格之研究,針對軟體元 件使用對象以系統與一般使用者為 主,對於軟體元件在雲端運算概念之 下所必頇考慮問題。

游坤邦 (2010)

新一代 Thin Client 雲端運算 在電子化政府使用意願之研 究

由於政府 IT 基礎架構過於龐大與複 雜,加上員工使用電腦不當容易中 毒、軟體升級、資料安全等問題,可 能造成政府在 IT 建置上過多的成本 浪費。本研究之個案公司希望導入 Thin Client 至電子化政府業務以解決 上述問題。

(24)

14

表 2 雲端運算相關研究彙整(續)

研究者 研究主題 研究內容

張又文 (2009)

使用雲端運算實現生物分子 演算法來解決集合包裝的最 佳解

因 此 本 文 使 用 bio-molecular computing 的方式來取代傳統的運算 模式(以下稱為生物運算);生物運算 能 有 效 的 降 低 演 算 法 的 時 間 複 雜 度,並且充份利用 CPU 的運算資源。

(資料來源:本研究彙整)

第三節 推薦系統

推薦系統能夠根據使用者的相關記錄(如:個人資料或是購物記錄等等)加以分析,

提供使用者可能感興趣的資訊給使用者[27],以 Amazon 為例,Amazon 擁有會員過 去的歷史購買資訊,累積這些相關資訊並加以分析,就可以發現使用者購買商品之相 關性,這樣的相關性就成為 Amazon 推薦的主要依據。在這個資訊滿天飛的時代,有 許多的網站都想盡辦法要給使用者符合需求的資訊,推薦系統則是能找出符合使用者 需求的機制[31]並且可以有效降低資訊過量所產生的問題[18]。推薦系統可以協助使 用者在資訊爆炸的環境中做決策[19]。推薦系統是一種新的推薦來源,推薦系統結合 了資訊檢索和過濾,使用者模組、機械式學習和人機互動[24]。

在互動式推薦系統當中有學者提出了相關的研究,分別運用在嬰兒照護以及旅遊 排程上,基於案例式推理的方法透過互動的方式提供符合使用者的個案[22],在日常 生活中人類的決策過程(Decision Processes)是很複雜的,很容易因為外在的一些因素 而改變搜尋的條件,或是看到某些東西,就突然覺得這個樣子的好像也不錯,接著就 改變搜尋條件,所以很需要推薦系統來輔助,舉例來說:小明想要買一隻摺疊手機,

於是到了手機店,在店員的介紹下,小明突然覺得觸碰手機也很不錯,於是小明的需 求就改變了。所以更需要推薦系統來輔助,提供資訊,讓使用者可以透過這些資訊,

(25)

15

更迅速找到符合自己需求的東西。所以使用者的回饋可以幫助引導找到更好的推薦結 果[20]。

從表 3 為本研究所彙整推薦系統相關研究。可以發現推薦系統在各領域都有不少的 研究,像是應用在圖書館的情況,如:[6]。或是應用在網路上,如:[3、10、16]。

或是應用在線上購物的情況,如:[5]。

表 3 推薦系統相關研究彙整

研究者 研究主題 研究內容

余明哲 (2003)

圖書館個人化館藏推 薦系統

從使用者的借閱歷史檔案中,利用資料探勘 並加以分析,找出讀者與讀者間和館藏與館 藏間存在的關係,接著利用推薦系統中常用 的 協 力 式 過 濾 找出 給讀 者 的 推 薦 書 目 清 單,再以內容導向過濾的方法將推薦清單依 照讀者興趣推薦給讀者。

馮文正 (2001)

合作式網站推薦系統 本研究嘗詴將推薦系統應用在網站上,欲藉 由此機制幫助使用者尋找喜愛的網站,同時 盡力解決一般推薦系統所遇到的問題。

張哲銘 (2003)

以使用者偏好分類為 基礎之網際網路資源 推薦系統

在本論文中提出一個以個人偏好分類為基 礎的推薦方式,透過使用者在網路上的行為 紀錄,產生個人的偏好分類,接下來比對使 用者間偏好分類的相似程度,對於在偏好分 類結構具有部分相似的使用者,針對其中部 分相似結構中的分類節點進行相互的推薦。

(26)

16

表 4 推薦系統相關研究彙整(續)

研究者 研究主題 研究內容

王治帄 (2003)

客觀行為與主觀認知 在新產品推薦系統之 比較

本研究藉由兩組資料來源,針對同一個消費 者進行一對一的比較分析。研究方法則運用 層級貝式聯合分析法及 Probit Mode 的架 構,估計出消費者在每項產品屬性對其購買 機率的影響值,最後建構針對考慮集合內每 一項產品的購買機率的預測函數。

吳肇銘 (2004)

以消費者購買決策為 基礎之適性化推薦系 統

本研究共分為兩部分,第一部分為以消費者 購買決策為基礎,實作出一個適性化推薦系 統,本系統共分成三大模組,分別為方案建 議模組、消費者決策過程判斷模組、資訊深 化與方案內容適性模組。第二部分則是實施 一實地實驗,藉以測詴前述系統在方案建議 模組所用之推薦方法與消費者決策過程判 斷模組所用之涉入程度計算方式對推薦效 果/績效的影響。

(資料來源:本研究彙整)

(27)

17

第三章 研究模型與方法

雲端軟體服務是網路服務發展的一個趨勢與研究議題。由過去相關文獻探討與歸 納可以得知,以新興的雲端軟體服務作為公司或個人使用之軟體,能夠遵循使用者付 費的標準,不用一次就購買軟體的所有權,可以大大增加購買軟體服務的意願。畢竟 不像一次購買軟體的所有權要花費大筆金額,並且又有過了幾年就會有新版軟體出現,

舊版軟體不支援升級的困擾。但是,如何從茫茫網海之中找出符合自己需求的軟體服 務卻很少被提及,目前仍缺乏參考模型。所以本研究旨在探討如何應用案例式推論之 推薦系統協助使用者能更迅速找到符合需求之雲端軟體服務。

個案庫內的案例由屬性值組成,並且將這些屬性值分為索引特徵值(以下簡稱為 index)與非索引特徵值(以下簡稱為 unindex)[17],由於案例式推論不像是規則式推論 可以很快地將推薦結果推薦給使用者,所以案例式推論的資料庫內的個案主要是由 index 與 unindex 屬性值所組成,這可以加速推薦速度。適合拿來當作參照比較且為 使用者較為重視之屬性列為 index,其餘則列為 unindex。在過去的推論機制中,很少 對對 unindex 屬性進行比對處理,因為過去的推薦系統並沒有多階段,然而本研究認 為 unindex 還是有部分的參考價值,並不是完全不重要。

本研究將最常用之雲端服務軟體設定為 index 屬性,而這些雲端服務軟體裡面的 附加功能則設定為 unindex,將最常用之雲端服務軟體設為 index 主要是因為可以加 快收斂速度,讓使用者在使用 iCSR 時可以更快找出符合需求之軟體。而雲端服務軟 體裡的附加功能就像是使用者所隱含的查詢條件,由於使用者在選擇一個雲端服務軟 體時,大部分都會注意有哪些附加功能。但是一開始在找尋雲端服務軟體時,使用者 也不清楚那些附加功能是更符合需求的,所以 iCSR 系統在將結果推薦給使用者時也 會顯示這個軟體的附加功能有哪些,讓使用者方便做比較。當使用者勾選個案做精緻 化推論時,iCSR 就會將 unindex 加入,與 index 一起分析,藉此找出最符合使用者需 求之雲端服務軟體。

(28)

18

誠如研究動機及目的小節所述,本研究的主要目的在探討將案例式推論與推薦系 統的結合,並提出了一個概化參考模型,再輔以實驗法加以驗證在推薦系統內的 index 與 unindex 權重設置組合的不同。所推薦的雲端服務軟體也會有所差別,本研究會將 index 與 unindex 各以 0.5 來計算相似度,但是如果門檻值設為 80(門檻值的範圍為 0 至100)的話,可以從表 4 看得出來,在第二次推薦時所推薦的案例反而比第一次 推薦時還多了很多。所以門檻值設為 80 就會產生震盪,無法達到收斂,反觀門檻值 設為 90 時,在第二次推薦時所推薦的案例就剩 12 筆,跟其他權重值分配比較起來,

算是比較少的了,所以本研究將 index 與 unindex 各以 0.5 來計算相似度。

表 5 權重預設表

註 1:門檻值為 0~100,以十進位為主。

註 2:權重值斜線前為 index 權重,後面則為 unindex 權重。

註 3:表格內數字為推薦個案數。

本研究將先說明概化模型所納入使用的研究變數。在第二節中,則再提出本研究 概化參考模型,並以實驗法加以驗證後能提供給決策者做為參考之依據。第三節則提 出本研究之互動式推論演算法,並加以說明。

0.5/0.5 0.6/0.4 0.7/0.3 0.8/0.2

80 第一階段

第二階段含以上

23 54

23 23

23 23

23 23

90 第一階段

第二階段含以上

23 12

23 20

23 20

23 23

門檻值 權重

(29)

19

由於要考慮部分相似,所以目標條件與案例的相似度基準不可能為 0,相似度基 準值會選擇 0.5 和 0.7 來測詴,主要是因為 0.5 為一半,0.7 則為三分之二,所以主要 就以這兩個值測詴。從表 5 可以看到,不論相似度基準值為 0.5 或 0.7,所推薦出來 的個案數都相同,唯一不同的就是第一階段推薦的相似度,在第一階段相似度基準值 為 0.5 時所推薦的案例相似度會有 93.75 與 100 這兩種,但是當相似度基準值為 0.7 時,相似度就會有 90、96.25 及 100 這三種,所以可以知道當相似度基準值為 0.7 時,

可以將個案分的較仔細,但是如果相似度基準值預設超過 0.7 又太多了,所以 iCSR 系統就將相似度基準值預設為 0.7。

iCSR 系統在做相似度計算時,會先呼叫相似度基準表,由表內的值為基礎計算 案例相似度,是以目標條件與案例庫內的案例作比較,以功能做比較,若目標條件有 這個功能且案例也有這個功能相似度基準值則為 1,若目標條件沒有這個功能,案例 有這個功能相似度基準值則為 0.7,若目標條件有這個功能且案例沒有這個功能相似 度則為 0,若目標條件與案例都沒有這個功能相似度則為 0,如表 7 所示。

表 6 相似度基準值預設表

相似度基準值 第一階段推薦 第二階段推薦

相似度 個案數 相似度 個案數

0.5 93.75

100

36 100 25

0.7 90

96.25

100

36 100 25

(30)

20

第一節 研究問題定義

以案例式推論、推薦系統及雲端服務等綜合之文獻探討結果,本研究將嘗詴回答 下列問題:

1. 應用案例式推論找出符合使用者真正需求的雲端服務;

2. 並且,使用互動式推論加入推薦系統協助使用者,更有效率地找出符合需求的雲 端服務。

表格 6 是本研究所提出的變數定義:

表 7 變數定義 No. Variable Description

1

c

i 用以表示個案庫內的第 i 筆個案,i=1,2,…,n n:個案庫有 n 筆個案

2

T

使用者所勾選查詢條件

3

sug-case

i 為一 case 的集合,為 iCSR 最後推薦給使用者的個案集

合,i=1,2,…p

p:iCSR 系統推薦 p 筆個案給使用者

4

sel-Case

i 為一 case 的集合,由使用者在每一回合的互動推薦過

程中勾選的個案集合而成, iCSR 將依所勾選的個案再 繼續進階的推論,i=1,2,…q

q:使用者勾選 q 筆個案

(31)

21

表 5 變數定義(續) No. Variable Description

5

fet

用 以 描 述 個 案 庫 內 之 個 案 或 查 詢 目 標 的 特 徵 值 (feature),其中:

: 表示個案庫內第 i 個個案的第 j 個屬性 I=1,2,…,m; j=1,2,…,m

: 表示查詢目標的第 j’個特徵值, j’=1,2,…,k; k m

: 表示 iCSR 最終推薦給使用者的第 i 個個

案的第 j 個屬性, i=1,2,…,p; j=1,2,…,m

: 表示使用者在 iCSR 所推薦的中繼清單

(使用者還不想中止推論程序的情況下),中勾選的第 i 個案的第 j 個屬性, i=1,2,…,q j=1,2,…,m

6

True_num

用以表示使用者共勾選了幾筆個案

7

iL_ColumnSum

用以表示勾選個案之屬性值的加總

8

iL_ColumnFilter

用以表示 True_num 與 iL_ColumnSum 比較後的值

9

允許使用者設定第 j 個特徵值的重要性權重

(32)

22

表 5 變數定義(續) No. Variable Description

10 comp( ,

)

用於比較 , 的不同,針對每個 feature 來比較, 透過相似度基準表來決定該 feature 要用什麼值來計 算,例如第一個 feature,Target 有 Case 也有,相似度就 為 1,Target 沒有則 Case 有為 0.65,Target 有 Case 沒有 為 0,Target 沒有 Case 也沒有則相似度為 1,將回傳相度 度基準表中的某一個數值,相似度基準表如下表所示:

表 8 相似度基準表

有 無

有 1 0

無 0.7 1

11 (Standardization) 使用者設定第 z 個與第 x 個特徵值的重要性權重之標 準化,其算式如下:

12 sim( 表示個案庫內的第 j 個個案與使用者所輸入查詢之相 似度,其算式如下:

comp( ,

)*

(Standardization), as

13 Threshold 使用者所設定之最低相似度門榼值,做為相似度的比 對標準

Target Case

(33)

23

表 5 變數定義(續) No. Variable Description

14 agg-fet(sel-case,T) 為一 feature 的 聚合 函數 ,將依據使 用者 所勾選的 sel-case 集合中, 採用投票法修正查詢條件,其算式如 表 15 所示:

15 Inter-flag 為 ture/fasle 的布林變數,用以表示使用者是否確立了 iCSR 的推薦,其中:

Ture: 使用者未確立診斷,欲再進行進階互動診斷,將 呼叫 agg-fet 函數修正查詢標的,進行更進一步的推論 False:已確立診斷,iCSR 將 sug_case 集合展示給決策者 最為最後推論結果

第二節 研究模型

本研究能夠線上與使用者即時互動,根據雲端服務軟體資料庫進行最適的雲端服 務軟體推薦。本研究所提出的模型,能夠在推論過程中從使用者所勾選的案例之中分 析查詢條件,藉以找出更貼近使用者需求之雲端服務軟體,例如:消費者相要購買一 支手機,到了手機店,與消費者第一線的服務人員會展示許多手機供消費者參考,許 多的消費者在選購商品時,可能有預設的條件(也可能沒有),假定消費者一開始原 本是想買摺疊手機,可是忽然看到觸碰手機,也覺得很不錯。於是可能就修定了選購 條件,把目標放在觸碰手機了。因此,此參考模型會藉由使用者所勾選之個案,修改 一開始使用者所勾選之查詢條件,藉此找出更符合使用者需求之軟體。而所謂的互動 式是 iCSR 最大特色,係指使用者能夠對於及時所推薦的雲端服務軟體要求系統根據 個人現階段的選擇(就像上述例子,可能是看了系統的推薦後而有其他的發想等)或喜 好 , 要求 系統 不斷 精緻 化 所推 薦的 方案 ,因 此 前一 階段 的推 論結 論 (Reasoning

(34)

24

Conclusion)就會被當作下一階段的查詢條件,交由推論機制進一步更新推薦個案做為 選擇雲端服務軟體的參考。

圖 5 互動式雲端服務軟體推薦系統概念架構圖

找尋雲端服務軟體其實是相當適合以案例式推論進行推薦,主要是因為使用者在 面對尋找雲端服務軟體時的主要解決途徑也是透過網路搜尋或同事之間的口耳相傳。

因此也有一些研究學者開發了相關的推薦機制提供類似的服務,然而只是單純的推薦 機制,所推薦出來的又不一定能符合使用者需求。因為人類決策過程往往是多階段模 型且充滿了不確定性[17],因此需要多方面的資訊進行不同階段的決策,例如:系統 會視每一階段的回饋資訊再進行下一階段決策的調整,所以假設使用者隨機不定勾選,

就會產生震盪的情形,回饋資訊就會過於發散,而無法達到收斂效果。因此本研究認 為將目前的自動化推薦加入互動,將更適用於雲端服務軟體推薦。

(35)

25

圖 6 推論機制流程

上圖 6 為本研究所提出推論流程架構之中的推論代理人較詳細的流程,圖 6 中圈 圈註記 1 到 4 為第一階段推薦流程,圖 6 中圈圈註記 5 到 7 為第二階段推薦流程,第 一階段與第二階段推論流程整個加起來就會形成一個循環的迴圈,這裡就是本研究最 主要的互動式,推論流程詳述如下:

一、推論流程

iCSR 所提供雲端服務軟體推薦,圖 5 中圈圈註記 1 到 5 為推論流程,使用者可 以使用電腦或是相關通訊裝置(如:手機或是 PDA 可連網設備)進入互動介面,利用 勾選的方式及輸入權重設定想要讓系統進行推薦的雲端服務軟體條件,接著系統會把 相關查詢條件交由推論代理人來進行分析,然後由雲端軟體服務資料庫擷取最適合的 案例做為推薦方案。

(36)

26

當然任何正常推論程序中都有可能會遇到胡亂勾選的狀況,如果不給予任何限制 的話,推論結果就會一直震盪,由於胡亂勾選會造成推論結果過於發散,為了避免這 種狀況發生,iCSR 依照表 4,門檻值 90 較可以達到收斂,所以在第二階段後的推論 過程,系統會自動將門檻值設為 90。

二、雲端服務軟體資料庫

iCSR 能夠線上提供使用者互動式雲端服務軟體推薦,在表 7 雲端服務軟體資料 庫中,本研究將所有屬性分為 index 與 unindex,目的是為了能更使系統更快找出使 用者需求之雲端服務軟體,在第一階段推論時,主要是透過 index 來做推薦,但是到 了第二階段推論時,就會加入 unindex,而 unindex 所代表的就是使用者隱含的需求,

因為通常使用者在勾選查詢條件時,往往不太確定哪個服務才是真正符合自己需求的,

所以在第二階段推論過程中,使用者在勾選符合需求的個案同時,iCSR 就會將 unindex 加入,一起計算相似度,藉以找出更貼近使用者需求之雲端服務軟體。未來 希望能將推薦給使用者的個案讓使用者評分,當分數大於一定的門檻值,這個個案就 會回存到雲端服務軟體資料庫,之後若有使用者想找尋同類型的雲端服務軟體,iCSR 會優先將分數高的雲端服務軟體推薦給使用者。

(37)

27

表 9 iCSR 雲端服務軟體資料庫

三、會員資料庫

在表 8 會員資料庫這個部分,是 iCSR 還未做到的地方,當使用者要使用 iCSR 做雲端服務軟體推薦之前,每一位使用者都必頇要建立資料於會員資料庫中,使推論 代理人能夠在會員資料庫中找到使用者所用過之雲端服務軟體,以方便推薦,並且記 錄通常使用過這個雲端服務推薦軟體之後,通常會接著使用另一個雲端服務軟體。舉 例來說,假設小明今天使用 iCSR,找出他想使用的文字處理軟體 Google Docs,使用 完之後,小明想把這些資料做成投影片,接著又使用 iCSR 找尋簡報軟體,後來簡報 軟體小明就選擇了 Google Presentations,所以 iCSR 就會做一個記錄,之後若有會員,

同樣也是選擇了,Google Docs,在最後 iCSR 會做一個提醒,告知會員,通常使用完 Google Docs 後,會接著使用 Google Presentations 這個簡報軟體。因為網路速度會因 區域而有所不同,所以未來希望能記錄會員連上 iCSR 之 IP,會以會員的 IP 作為依 據,在推薦雲端服務軟體時會優先推薦與會員所在區域較近的雲端服務推薦軟體,假 設某會員的所在區域附近都沒有較近的雲端服務推薦軟體,那 iCSR 就會從雲端服務

(38)

28

軟體資料庫之中找出與該會員年齡相近並且都是相同類型的雲端服務軟體的個案,來 推薦給該會員當作參考。

表 10 iCSR 會員資料庫

四、權重標準化

權重標準化,是將使用者所勾選的查詢條件與使用者所輸入的初始權重先將權重 進行標準化,因為使用者在勾選查詢條件與輸入權重時,通常只會依照直覺輸入,所 以為了使每個屬性值的權重分配可以帄均,就需要權重標準化這個動作,在第一階段 推論時,就只有單純的看 index 屬性值,但是在第二階段推論時,因為使用者這時候 就是勾選個案進行推論了,這時候就會加入 unindex 屬性值來做標準化,會加入 unindex 屬性值的主要目的為因為使用者在表達自己需求的時候,通常都無法完全的 表達清楚,所以當使用者在勾選喜歡的案例時,就可以藉由這些案例的 unindex 屬性 值來找出使用者所隱含的需求,iCSR 希望可以藉由這個方式來找出更貼近符合使用 者需求之雲端服務軟體。

(39)

29

五、計算相似度

計算相似度,從使用者所勾選的查詢條件與初始權重再加上相似度基準表如表 6,

透過計算可以得到 Target 相似度的值,接著依照同樣的方法去計算案例庫內的案例,

就可以得到 Target 與每筆案例的相似度。

六、Target 與個案庫內的個案比較

Target 與個案庫內的個案比較,系統會將雲端服務軟體資料庫中的所以資料撈出 並暫存在一個暫存空間,依照前一個步驟可以得到 Target 的相似度,再用同樣的方法 計算雲端服務軟體內個案的相似度。

七、列出清單

列出清單,計算出每筆個案的相似度之後,撈出相似度高於使用者所輸入之門檻 值,列出清單在畫面上,供使用者勾選並且可做下次推薦之依據。

八、修正查詢條件(含 unindex)

修正查詢條件(含 unindex),在列出清單給使用著勾選時,會同時提供相似度很 接近但是不太一樣的案例給使用者,(例:有兩個相片供享的軟體,但是一個有聯絡 簿功能,另一個則沒有。)如果使用者看到其他符合需求的雲端軟體,在做推薦的過 程中,突然覺得另外一個雲端軟體更符合需求,於是勾選了跟初始查詢條件不同的案 例,這時候 iCSR 使用投票法,使用者勾選的案例之中,過半數案例的屬性就會被當 作新的查詢條件。舉例來說,使用者一開始想找可以做相片編輯的雲端軟體,但是在 推薦的過程中,系統同時也有列出相片分享社群與相片編輯應用的雲端軟體,使用者 在看到相片分享社群的雲端軟體時,就忽然覺得相片分享社群軟體可以更符合需求,

於是勾選了 2 個相片分享社群與 1 個相片編輯雲端軟體,透過投票法(多數決),iCSR

(40)

30

就會將相片分享社群軟體的屬性當作下一階段新的查詢條件,藉由這個動作希望能找 出使用者隱含的需求,推薦最符合需求的雲端服務軟體。

第三節 互動式推論演算法

本研究的互動式推論演算法為本研究之特色,更以互動式為主要特色,下表為本 研究的互動式推論演算法,共分為 6 個步驟:

一、輸入目標條件

第一步驟為輸入目標條件,如圖 7 所示,主要是讓使用者可以勾選查詢條件與輸 入目標權重,藉此讓系統分析使用者輸入的條件,並且可讓使用者輸入門檻值,系統 會推薦相似度高於門檻值的個案給使用者。

圖 7 輸入目標條件

Step 1: Input target requirement

if ( {} )

sug-case= , i=1,2,…,n

end if;

二、相似度評估

第二步驟為相似度評估,如圖 8 所示,是用使用者所勾選之查詢條件與輸入的目 標權重來計算目標相似度,也是用同樣的計算方式計算個案庫中客案的相似度,接著 再跟目標相似度做比較,撈出高於門檻值之個案。

(41)

31

圖 8 相似度評估

Step 2: Similarity evaluation

for i=1 to n

for j= 1 to m if ( {} )

(Standardization) = ;

end if;

next j;

sim( = comp( , )* (Standardization), as

next I;

三、第一階段推薦

第三步驟為第一階段推薦,如圖 9 所示,是藉由使用者所勾選之查詢條件與輸入 的目標權重計算出的目標相似度,再用同樣的算法計算個案庫內的個案相似度做比較,

當相似度高於使用者所輸入之門檻值,就會推薦給使用者。

圖 9 第一階段推薦

Step 3: Recommendation case generation

for i=1 to n

if ( sim( threshold )

sug-case = ++;

p++;

end if;

next i;

(42)

32

四、例外推論

假設使用者所輸入的門檻值太低,會造成系統推薦個案數過多,當資訊量過於龐 大就會造成發散,不易從中選出較符合需求之個案,為了避免這種狀況,iCSR 系統 在第二階段含以上的推薦結果,均會自動將門檻值設為 90,避免這種資訊發散的情 況產生,如圖 10 所示。

圖 10 例外推論

Step 4: Exception administration

If ( Threshold<90 )

Threshold =90

end if

五、使用者與系統間的互動式推論

第五步驟為使用者與系統間的互動式推論為 iCSR 之特色,主要是透過每一階段 列出之清單給使用者勾選個案,透過使用者所勾選之個案去分析,前一階段所勾選之 個案,透過推論機制分析後,就會產生新的查詢條件,而這新的查詢條件就會被當作 下一階段的查詢條件,列出新的個案給使用者,藉此反覆勾選個案的互動,希望能找 出更適之個案給使用者,如圖 11 所示。

(43)

33

圖 11 使用者與系統間的互動式推論

Step 5: interactive reasoning between decision maker and iCSR

show user sug-case set;

for i=1 to p

if ( .check=true)

sel-case= ++;

q++

end if;

next i;

六、目標條件修正和完成推論

第六步驟為目標條件修正和完成推論,如圖 12 所示,當完成推論過程後,按下 結束按鈕,就會將對於軟體更詳細的說明顯示在畫面上。而目標條件修正在系統中是 非常重要的,主要是在使用者勾選個案時,透過推薦機制去計算這些已勾選個案的屬 性值,這時推論機制會利用投票法來決定下一階段的查詢條件,計算出來後,系統會 使用新的值,s 當目標條件去計算相似度。簡單來說就是前一階段所勾選的個案,透 過推論機制的分析,就會變成下一階段的查詢條件,藉此找出使用者所隱含的需求。

圖 12 為修正查詢條件演算法。當使用者確定要更進一步做推薦時,就會呼叫查詢條 件修正演算法。

(44)

34

圖 12 目標條件修正和完成推論

Step 6: Target condition revision and reasoning completed

if ( inter-flag = true) & (k m)

T=Agg_fet(sel_case, T);

go step 2;

else

show user sug-case set;

reasoning completed;

end if;

圖 13 修正查詢條件演算法

Agg-fet function algorithm

Agg-fet (sel-case, T)

{

if iL_ColumnSum > true_num / 2 ) &

elseif ((iL_ColumnSum < true_num / 2)&

End f

next j;

(45)

35

第四章 系統實作與展示

本研究希望能建置一個具備互動式雲端服務軟體的推薦系統,使用案例式推論,

並且加入互動,希望讓使用者可以透過與系統的互動能更迅速找出更貼近需求的雲端 服務軟體,本研究以使用者 Lucas 的找尋雲端服務軟體情境為例,說明 iCSR 雲端服 務軟體推薦程序(Reasoning Process)。iCSR 會預設屬性值 index 與 unindex 各占相似度 的一半。

第一節 正常推論

因此以 Lucas 目前的狀況是,他需要用到一個相片編輯軟體,但是又不想花錢買 軟體,於是使用 iCSR 想找到符合自己需求的軟體,在圖 14 可以看到為 iCSR 主畫面,

Lucas 想找尋的相片編輯軟體,在雲端服務裡面,是包含在 SaaS(軟體即服務)中。所 以選擇 SaaS 並下按下位於右邊的確定,就會接著展開可讓使用者勾選的查詢條件與 輸入權重的地方,如圖 15 所示,依照情境 Lucas 勾選了多媒體(照片)並輸入權重 1,

門檻值輸入 90,按下推薦。

圖 14 系統主畫面

(46)

36

圖 15 系統查詢條件畫面

接著畫面就會列出個案清單給使用者勾選,如圖 16 所示,從圖 16 可以很清楚的 看到軟體名稱、類型、功能、費用及描述,功能表示為該軟體的主要功能,費用如果 為免費的話,iCSR 就用 0 來表示,然而如果需要費用的話,會以每個月多少錢或多 少傳輸量就要多少錢來表示,如 US$5/Month,而描述主要是敘述該軟體的簡單介紹 或是附加功能,假設 Lucas 勾選了軟體編號為 120、121 與 122 這三個軟體,並下按 下確定,由於 Lucas 都是選擇免費的軟體,如圖 17 所示。

(47)

37

圖 16 第一階段:列出清單系統畫面

圖 17 第一階段:列出清單並勾選系統畫面

(48)

38

所以在圖 18 中,第二階段推論很明顯的可以看到需要錢的軟體已經被 iCSR 給 剃除了,剩下的軟體全部都是免費的,但是剩下這些軟體因為功能相似,在計算上這 些軟體的相似度是一樣的,所以不管在勾選那幾個軟體,就只會出現這些,做完第二 階段之後找到符合需求之軟體,就可以利用網頁上提供的網址去使用該軟體。

圖 18 第二階段:列出清單系統畫面

第二節 例外推論

接著再說明情境二,假定 Lucas 在設定權重時,也亂輸入一個數字,從頭到尾都 毫無目標的胡亂勾選,如圖 19 所示,可以看到 Lucas 在門檻值的地方輸入 0,所以 系統就會將全數軟體列出,接著 Lucas 亂勾選了軟體編號為 190 的 SQL Azure、軟體 編號為 52 的 Zoho CRM 與軟體編號為 RegOnline 這三個雲端服務軟體,由於門檻值 設為 0,所以相似度只要大於或等於零的案例就會被全數列出,不管 Lucas 所設定的 初始權重為多少和不管勾選了幾個很相似的案例或是勾選了很多不相似的案例,全部

(49)

39

的個案還是會被列出,為了防止這種情況發生,系統會在第二階段推論時,自動將門 檻值設定為 90,避免這種震盪情況產生,為了讓這設定更明顯,所以在下列畫面中 會加入相似度欄位,以便能夠更明顯區分,如圖 20 所示。

圖 19 情境二系統畫面:列出清單並勾選畫面

圖 20 情境二系統畫面:列出清單個案相似度比較畫面

(50)

40

第三節 修正查詢條件展示

接著展示修正查詢條件的系統畫面,如圖 21 所示,假設現在使用者 William 勾 選了多媒體(相片)並且輸入了權重 0.8 與門檻值 90,為了讓這設定更明顯,所以在下 列圖中都會加入相似度欄位,以便能夠更明顯的區分,在圖 22 可以看到系統找出相 似度 100 的個案。

圖 21 修正查詢條件:系統主畫面

假設一開始 William 較喜歡付費的個案,所以如圖 22 所示,所以 William 勾選了 3 個頇付費的個案並且進入第二階段的推薦,這時可以看到頇付費的個案相似度就都 維持 100,但是免費的個案相似度就降低了,如圖 23 所示。

(51)

41

圖 22 修正查詢條件:列出清單並勾選頇付費軟體畫面

圖 23 修正查詢條件:列出清單個案相似度比較畫面

(52)

42

這時 William 忽然又覺得既然功能差不多那還是選擇免費的雲端服務軟體好了,

於是 William 又勾選了 3 個免費的個案,如圖 24 所示,這時因為一些 unindex 不同的 因素,所以使得頇付費軟體的相似度降至 90 以下,所以就不會被列出,於是都剩下 免費的雲端服務軟體,如圖 25 所示。

圖 24 修正查詢條件:列出清單並勾選免費軟體畫面

(53)

43

圖 25 修正查詢條件:最後推薦系統畫面

(54)

44

第五章 實驗設計與分析結果

本章將針對本研究所提出的研究架構,驗證系統的績效與滿意程度上是否有顯著 差異,本研究是採用實驗法(Experimentation)進行實驗的施測,採用 SPSS 統計軟體已 進行資料分析處理,實驗分為實驗組與對照組。

從圖 26 可以看的出來,在使用 iCSR 系統時,大多數的人通常在做第二次推薦 或第三次推薦時,就可以找出符合需求之雲端服務軟體,第二次與第三次推薦占了 94%的人數,所以可以了解到若系統可以跟使用者互動,將使用者所勾選的個案進行 分析,則可以迅速的收斂,讓使用者可以更快地找出符合需求之軟體。

圖 26 實驗組推薦次數分佈圖

第一節 資料來源

本研究的實驗資料來源主要以北部某大學與高中再加上幾位社會人士共計 30 位,

並採用實驗室實驗法進行 iCSR 系統執行指派任務,本實驗隨機將受測者分成實驗組 與對照組;實驗組為先使用 iCSR 系統完成指派任務再接著使用 Google 搜尋引擎完成 指派任務,對照組則相反是先使用 Google 搜尋引擎完成指派任務再接著使用 iCSR 系統完成指派任務,並於實驗結束後進行問卷訪談,由於問卷是於實驗結束後填寫,

0 5 10 15 20

1 2 3 4

人 數

推薦次數

實驗組

(55)

45

所以問卷回收率為 100%。iCSR 個案庫內的個案共有 190 筆,index 屬性值共有 7 個,

unindex 屬性值有 14 個。

第二節 實驗設計

為了能夠驗證 iCSR 帄台架構的可行性與執行效率,本研究採用實地實驗法將 iCSR 帄台進行實際開發以及驗證。相較於調查法,實驗法擁有更完整的控制能力與 解釋效果,而實地實驗法的概化能力又更優於傳統的實驗室實驗法,更能確保 iCSR 帄台後續的概化能力。本研究目前主要是以實驗室實驗法進行,以大學生和研究生為 主要研究對象,共 20 位,再加上 5 位高中生與 5 位 30 歲以上之社會人士,實驗分為 實驗組與對照組,性別比例分佈為男生為 16 人(53.3%)女生 14 人(46.6%)。因為 iCSR 帄台主要是遵循個案推導法予以開發實作,因此本研究將先為雲端服務軟體建置為個 案庫。在這個階段,即已初步的完成了研究目的之一的知識管理的部份功能。而後續 的 iCSR 實驗都將植基於這些個案庫的建立,加以驗證 iCSR 帄台的可行性與效率。

最後,本研究也將輔以個案法與焦點團體法,收集使用者的回饋,以彌補實驗法中意 見回饋不足的缺點。在質性訪談部份也將收集使用者在進行 iCSR 帄台操做的接受度 與心理情感及態度的轉變,供做後續 iCSR 帄台改良功能的依據。

表 11 指派任務 指派任務

任務 1 假設最近公司辦了員工旅遊,拍了許多的照片,想把照片分享給大家,但 是逐個複製又有點麻煩,所以公司決定使用相片共享的軟體,於是上司要 求你去尋找一個以相片共享為主的雲端軟體服務,但是要有聯絡簿功能

(56)

46

表 12 指派任務(續) 指派任務

任務 2 假設最近公司之前所買的文書處理軟體版本已經過舊,想換新一點的版 本,但是無奈最近公司經費不足,所以上司要求你去尋找一個以文書處理 為主的雲端軟體服務,但是要有 word 功能,而且要是免費的

任務 3 假設最近公司發現員工開會時間都會搞混,所以決定引進一個線上行事曆 或是線上排程的軟體,必且要有活動的功能,這樣在開會前一天這個軟體 就會自動寄信給員工提醒他們明天開會的細節

任務 4 假設最近公司要成立一個新的子公司,但是經費不足,所以子公司的電腦 買不起作業系統,所以上司就要求你去替公司找一個免費的雲端作業系統 任務 5 假設公司員工常常需要到別的地方去開會,但是又不是每一個人都有筆記

型電腦,所以大家建議公司使用一套網路式桌面的軟體,因為網路式桌面 的好處就是即使使用不同電腦,只要可以連上網路,依舊可以使用你的個 人化運算環境

任務 6 假設公司已經成長到某一個階段了,所以公司決定要購買雲端資料庫這個 服務,方便存取資料

任務 7 假設現在你的老闆給了你很多數據或是資料,叫你整理過後利用電腦將這 些數據或是資料給分析完,但是你的電腦硬體跑完這些資料必頇花費 1 個 禮拜,所以你就需要運算這個服務來幫助你

實驗施測之前本研究已經先預設好了 7 個指派任務供受測者抽籤決定個別要完 成的指派任務,如表 17 所示,表 17 中,粗體並且加底線的字為關鍵字,目的是幫助 受測者更能注意到關鍵字,圖 20 為每個指派任務共有多人抽到,可以從圖 27 看的出 來指派任務 3 較為多次,在實驗過程中,本研究發現受測者很容易抽中前一位受測者 所抽中的籤。指派任務 1 在 iCSR 資料庫中以免費為優先考量的話,可以找出 12 筆

(57)

47

個案,以下都將免費為優先考量;指派任務 2 在 iCSR 資料庫中可以找出 5 筆個案;

指派任務 3 在 iCSR 資料庫中可以找出 8 筆個案;指派任務 4 在 iCSR 資料庫中可以 找出 2 筆個案;指派任務 5 在 iCSR 資料庫中可以找出 6 筆個案;指派任務 6 在 iCSR 資料庫中可以找出 7 筆個案;指派任務 7 在 iCSR 資料庫中可以找出 1 筆個案。

圖 27 指派任務人數分佈圖

一、 iCSR 實驗施測

本研究以實地實驗法進行 iCSR 系統的可行性驗證(實驗一)、效率驗證(實驗二)。

在實驗一的可行性驗證中,本研究將先匯整常用的雲端服務軟體,並要求使用者以這 些情境進行實驗。受測的使用者將依照所抽到的模擬情境自行判斷檢索驗證特徵條件 與權重、門檻值輸入後,開始與 iCSR 系統進行推論。實驗一的整個受測過程將由同 一組中立的第三者(以減少衡量誤差)在旁記錄,記錄的資料包括了:受測者的操作情況、

系統操作時間、互動次數等數據,並報導最後成功找到符合需求之軟體,作為 iCSR 可行性衡量指標。由於受測者主要都為資管系的學生,對於雲端都有一定的認知,在 實驗一中將隨機分配的受測人數。

0 2 4 6 8 10 12 14

1 2 3 4 5 6 7

人 數

指派任務

參考文獻

相關文件

[r]

包括三維機械設計的所更的功能(SolidWorks 三維建模軟體)、資料管 理軟體 PDMWorks Client、以及用於設計交流的常用工具:eDrawings 專 業版(基於 e-mail 的設計交流工具),

機器人、餐飲服務、花藝、雲端運算、網路安全、3D 數位遊戲藝術、旅 館接待、行動應用開發、展示設計、數位建設

而使影像設計工具在操作時呈現非預設的結果。為此操作者可以利用重設 Photoshop 軟體

最後特別提出說明,本研究用戶端作業系統為 Win 2000 Professional,伺服 器端作業系統為 Windows 2000 Server 並啟動 Active Directory

實務上在應用 SPSS 軟體 run 完主 成分分析後,應該進一步進行因素 轉軸,在社會科學研究中,varimax 法為最常使用的,varimax

 附錄 2:在 Windows XP 中將 Tera Term 設定為預設 Telnet 用戶端..  附錄

(一)本中心進行微軟公司校園授權軟體 CA 簽約,微軟已將台灣通用之制式合約由 CA 3.4 版變更為 3.5 版;其中將原來的 office pro 更改為 office pro for Windows,即新版