應用資料探勘技術於用戶折價券推薦系統之研究~以某網路公司為例

A Study about the Recommendation System of Data Mining on User Coupon - Based on the Network Company

陳尔榮(Erh-Jung Chen)

指導教授 ： 吳泰熙

國立臺北大學/商學院/企業管理學系/碩士(2013年)

摘要

網路的蓬勃發展，加上智慧型手機、平版設備等熱銷，讓資訊取得更為方便，也讓交易的方
法產生很大的變化，如何能吸引客戶的目光，讓其停留在其所提供的網頁上，提供用戶個性化的
服務，不再是所有用戶都是一樣的服務內容，因此個性化也成為電子商務中的一個熱門趨勢。然
而能否在用戶之間挖掘出有效資訊，發展出一套推薦機制，可依客戶的偏好與品味來提供其所需
要的服務內容，呈現在客戶所瀏覽頁面上，讓用戶對所推薦的內容產生興趣，進而刺激購買慾望，
提升用戶的購買意願。
本論文使用資料探勘技術建置推薦系統進行研究，主要內容包括資料變數篩選及預測模型建
立。在資料變選篩選方面，運用主成份分析（Principal Component Analysis, PCA）將變數維度縮
減，再結合奇異值分解（Singular Value Decomposition, SVD）與 k-平均法（k-means method）分
群技術對資料進行資料分析，篩選出代表性的變數。在建立模型方面，透過資料探勘演算法，包
括群集演算法（Clustering Algorithm）、關聯規則演算法（Association Algorithm），並與 PCA 結
合 SVD 形成預測模式再與傳統直接使用群集與關聯法則進行比較。
實驗資料以某網路公司的用戶折價卷瀏覽記錄為例，利用變數篩選與模型建立來架構推薦系
統之預測模型。結果發現 PCA 結合 SVD 的預測方式較直接使用關聯法則的預測方式來得有效；
PCA 結合 SVD 後的群集分群更能有效找到偏好相似的用戶群，也較直接使用群集演算法的分群
效果來得明顯。

關鍵字

資料探勘 ； 推薦系統 ； 主成份分析 ； 奇異值分解

並列摘要

The vigorous development of the Internet, plus common usage of smartphone, tablet pc or pad
equipment do make information spread more conveniently; meanwhile, it also impact ways of
transactions dramatically. How to catch the eyeballs of customers, push them to stay longer on the pages
is the key point. Therefore, providing users personalized service, not just one content fits all is the current
trend for e-commerce. For the concept, providers wish to excavate effective information between users to
develop a set of recommended mechanisms, which can allow them to provide services based on
customers’ preferences and tastes, recommend certain contents to generate interests in order to stimulate
the desire, even create the user's willingness to buy.
This study uses data mining techniques to build recommender system for research, the main contents
include data variables screening and establishing prediction model. Variable selected screening using
Principal Component Analysis (PCA) to the variable dimension reduction, combined with the Singular
Value Decomposition (SVD) and k-means method clustering techniques for data analysis, screening a
representative variable. Modeling, through data mining algorithms, includes cluster algorithm of
Association Algorithm, and combined with PCA SVD form the prediction mode cluster with association
rules are compared with traditional direct use.
The example used in the research is about coupon browsing history of an Internet company by using
of the variables screening model to structure prediction model of the recommendation system. It is found
that PCA combined SVD forecast of association rules more effective than direct use; the cluster grouping
after the PCA combined SVD preferences more effective to find similar user base than directly using the
cluster algorithm clustering effect is more significant.

並列關鍵字

Data mining ； Recommendation system ； Principal component analysis ； Singular value decomposition

參考文獻

Berry, M. J. A., & Linoff, G. (2004). Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Hoboken, NJ: Wiley.

王佳鳳、黃正聰、郭柏村（2008）。運用資料採礦於台灣觀光資訊入口網站瀏覽行爲分析。商業現代化學刊，4(3)，55-66。

林文揚、張耀升（2008）。線上關聯規則採掘之資料方體挑選。電子商務學報，10(4)，849-883。

林安裕（2009）。SVD應用於系統模式與影像簡化之研究。建國科大學報，28(3)，1-17。

林祥生、劉益豪（2008）。應用資料採礦探討國際線航空旅客之線上購票行為。運輸計劃季刊，37(2)，197-235。