|
人際關係和推薦行為是目前日常生活中重要的關係和普遍存在的行為。身處於資訊超載的時代，雖然有著資訊搜尋的機制，卻因為使用者本身對於目標的不夠明確而使得搜尋的結果無法滿足讀者的需求。另外，隨著電子商務的蓬勃發展，網站的個人化與顧客導向需求成為一種趨勢，使得許多不同的推薦技術應運而生，推薦的型態也越來越多元。在眾多被提出的推薦方法之中以內容推薦方法(content-based
recommendation approach) 和協同過濾推薦方法(collaborative filtering
recommendation
approach)是最成功且最常被採用的推薦技術。但是內容推薦方法沒有辦法辨別推薦項目之間的好與壞，只要項目的內容物組成份子相似，系統就會進行推薦。除了這些推薦技術本身存在著一些待克服的問題之外，現行的大部分推薦方法之中甚少利用人際關係這項因素來進行推薦，因此我們提出數個社會網路推薦方法
(social network-based recommendation
approach)，利用推薦項目背後所隱藏的社會網路因素來判斷這些項目的相關性。我們將這些方法實證在文獻資料庫上的結果證明，當使用者現有感興趣的文章有高度內容相似性時，社會網路推薦方法能夠比內容推薦方法得到更準確的預測；但若使用者現有感興趣的文章內容迥異的話，則內容推薦方法可以得到較好的推薦結果。此外，利用社會網路的推薦方法可以避免前述內容推薦方法無法識別推薦項目好壞的問題。由於內容推薦方法和社會網路推薦方法所推薦的項目有相當的差異，實驗結果顯示，發展一個融合兩個方法的新方法可能可以得到更佳的推薦效果。 |
