對於慢性病患者而言，如何由眾多的網路食譜中挑出適合本身情況的食譜是一件困難的任務。目前許多健康食譜推薦機制都僅基於每人每日熱量需求來評估食譜的適合與否，對於個別患者之食材限制無法提供進一步的分辨機制。因此，本研究希望能夠協助慢性病患者在資訊大海中，有效率地找到美味且健康的食譜。本研究由網際網路中隨機抽樣蒐集食譜資料，並由樣本食譜所包含之食材應用「點互資訊」分析計算食材間之關聯性，並據以建立食材的社會網路。進而應用社會網路分析找出關鍵性食材並以這些食材為中心，依據台灣食品營養成分資料庫與飲食原則計算食材組合的健康分數。根據健康分數的排序，使用者可以依其喜好挑選合適的食材組合，作為網路搜尋的依據。本研究之實驗結果顯示，應用本研究方法能有效過濾食譜搜尋結果，協助使用者找到針對其本身慢性病的健康食譜。

Finding a suitable recipe from Internet is not an easy task for chronic patients. Most of healthy recipe recommendation techniques are deigned only on daily intake of energy without considering personal dietary restrictions. The purpose of this thesis is to help chronic patients find proper recipes from Internet. This study first randomly selects recipes from Internet as a sample set. The associations among ingredients are measured by the pointwise mutual information algorithm based on the sampled recipes. An ingredient social network is then constructed according to the obtained ingredient associations. By using social network analysis to explore the structure of the ingredient network and the Taiwanese Food Nutrient Database and Dietary Guideline to compute healthy scores of ingredients, key ingredients are identified and used as suggesting keywords for Internet recipe search. Referring to the ranks of ingredients’ healthy scores, users could choose their preferred ingredients as searching keywords. Our experiments reveal that the searched recipes are efficient and effective by using the proposed approach.

目錄
圖目錄	vi
表目錄	vii
第一章  緒論	1
1.1.	研究背景	1
1.2.	研究動機	1
1.3.	研究問題與目的	2
1.4.	論文內容簡述	3
第二章  文獻探討	4
2.1.	台灣國人健康狀態現況	4
2.2.	健康與飲食	4
2.3.	台灣食品營養成分資料庫	5
2.4.	推薦系統	6
2.5.	社會網路分析理論	8
第三章 研究方法	11
3.1.	研究架構	12
3.2.	資料處理	14
3.2.1.	抽取資料	14
3.2.2.	轉換資料	15
3.2.2.1.	食材編碼與名稱處理	15
3.2.2.2.	食材與食譜關聯處理	15
3.2.2.3.	食材用途分類	15
3.2.2.4.	食材價值	16
3.2.3.	裝載資料	17
3.3.	建立食材網路	20
3.3.1.	食材間的關聯度計算	20
3.4.	食材社會網路分析	22
3.4.1.	核心食材判定	22
3.4.2.	焦點食材健康分數計算	23
3.4.3.	食材社會網路分析法演算流程	24
3.5.	食譜評估	29
3.5.1.	食譜搜尋	29
3.5.2.	食譜處理與擴充	29
3.5.3.	食譜評估與推薦	29
第四章  實驗設計與成果	31
4.1.	開發環境與工具	31
4.2.	樣本資料檢視	32
4.2.1.	主食材與調味食材分佈狀況	32
4.2.2.	食材的程度中心性分佈狀況	33
4.2.3.	食材的18大分類分佈狀況	34
4.3.	實驗設計	35
4.3.1.	系統參數設定	35
4.3.2.	系統操作步驟	36
4.3.3.	實驗方式	40
4.4.	實驗結果	41
4.4.1.	食譜搜尋效率比較	41
4.4.2.	食譜搜尋效果比較	41
4.4.2.1.	代謝症候群患者飲食實驗	43
4.4.2.2.	腎臟病患者飲食實驗	44
4.4.3.	應用食材社會網路分析法的限制	45
第五章  結論與建議	46
5.1.	研究結論與發現	46
5.2.	研究貢獻	46
5.3.	未來研究方向及建議	47
參考文獻	48
附錄 常用食材內容	50


圖目錄
圖 3-1 食材網路示意圖	11
圖 3-2 研究架構	13
圖 3-3 食材社會網路分析範例-食材網路	25
圖 3-4 食材社會網路分析範例-食材分數與關聯度	27
圖 4-1 整體樣本食材網路	32
圖 4-2 系統步驟-輸入患者疾病狀態	36
圖 4-3 系統步驟-第一組健康食材選項列表	37
圖 4-4 系統步驟-第二組健康食材選項列表	38
圖 4-5 系統步驟-第三組健康食材選項列表	38
圖 4-6 系統步驟-搜尋食譜	39


表目錄
表格 2-1 食品營養成分之18大分類	5
表格 3-1 食材價值與慢性疾病狀態對應示意表	16
表格 3-2 食材分數等級對應表	17
表格 3-3 健康食譜推薦系統資料庫之資料表	17
表格 3-4 資料庫之食譜資料表	18
表格 3-5 資料庫之食材名稱對應資料表	18
表格 3-6  資料庫之食材與食譜關聯資料表	18
表格 3-7 資料庫之食材資料表	19
表格 3-8 食材社會網路分析範例-樣本食譜內容	25
表格 3-9 食材社會網路分析範例-核心食材	26
表格 3-10 食譜健康分數計算範例	30
表格 4-1 系統開發軟硬體環境	31
表格 4-2 樣本食材網路-依程度中心性之食材的分佈狀況	33
表格 4-3 樣本食材網路-依食品18大分類分佈狀況	34
表格 4-4 實驗設計之食材等級分數	35
表格 4-5 系統步驟-健康食材選項列表畫面說明	37
表格 4-6 實驗總結果	42
表格 4-7 代謝症候群之實驗結果	43
表格 4-8 腎臟病限鉀飲食之實驗結果	44

[1]王光旭（2015）。社會網絡分析在公共行政領域研究的應用. 調查研究-方法與應用，（34），67-134。
[2]呂耀茹（2015）。由食譜資料探勘料理特徵樣式。國立政治大學資訊科學系碩士在職專班碩士論文。
[3]花蓮慈濟醫院-腎臟內科慢性腎臟病照中心（2014年9月）。自主健康保腎手冊，3 版。取自https://health99.hpa.gov.tw/educZone/edu_detail.aspx?CatId=21970
[4]陳榮靜與林詠達（2012）。以本體為基準結合背包演算法之慢性病患飲食推薦。資訊科技國際期刊，6（2），155-167。
[5]衛生福利部（民106年10月）。民國105年死因統計年報電子書，3。取自https://dep.mohw.gov.tw/DOS/lp-3352-113.html
[6]衛生福利部食品藥物管理局。台灣食品營養成分資料庫，2016N5版。取自https://consumer.fda.gov.tw/Food/TFND.aspx?nodeID=178
[7]衛生福利部國民健康署（民96年1月）。代謝症候群防治工作手冊。取自http://health99.hpa.gov.tw/educZone/edu_detail.aspx?Catid=21704
[8]衛生福利部國民健康署（民107年3月）。每日飲食指南，2版。取自https://www.hpa.gov.tw/Pages/EBook.aspx?nodeid=1208
[9]衛生福利部國民健康署（民105年4月）。預防代謝症候群學習手冊。取自http://health99.hpa.gov.tw/EducZone/edu_detail.aspx?CatId=21809
[10]Ahn, Y. Y., Ahnert, S. E., Bagrow, J. P., & Barabasi, A. L. (2011). Flavor network and the principles of food pairing. Scientific reports, 1, 196.
[11]Bouma, G. (2009). Normalized (pointwise) mutual information in collocation extraction. Proceedings of GSCL, 31-40.
[12]Burt, G., Nachtigall, P., van Kaam, P., & Wijgergangs, L. (2011, February). A personalized recipe advice system to promote healthful choices. In Proceedings of the 16th international conference on Intelligent user interfaces (pp. 437-438). ACM.
[13]Burt, R. S. (2009). Structural holes: The social structure of competition. Harvard university press.
[14]Dagan, I., Marcus, S., & Markovitch, S. (1993, June). Contextual word similarity and estimation from sparse data. In Proceedings of the 31st annual meeting on Association for Computational Linguistics (pp. 164-171). Association for Computational Linguistics.
[15]Freeman, L. C. (1978). Centrality in social networks conceptual clarification. Social networks, 1(3), 215-239.
[16]Freyne, J., & Berkovsky, S. (2010). Recommending food: Reasoning on recipes and ingredients. In International Conference on User Modeling, Adaptation, and Personalization (pp. 381-386). Springer, Berlin, Heidelberg.
[17]Hanneman, R. A., & Riddle, M. (2005). Introduction to social network methods.
[18]Harvey, M., & Elsweiler, D. (2015, September). Automated recommendation of healthy, personalised meal plans. In Proceedings of the 9th acm conference on recommender systems (pp. 327-328). ACM.
[19]Kamieth, F., Braun, A., & Schlehuber, C. (2011, July). Adaptive implicit interaction for healthy nutrition and food intake supervision. In International Conference on Human-Computer Interaction (pp. 205-212). Springer, Berlin, Heidelberg.
[20]Knoke, D., & Kuklinski, J. H. (1982). Network analysis, 18-21.
[21]Krackhardt, D., & Kilduff, M. (1990). Friendship patterns and culture: The control of organizational diversity. American anthropologist, 92(1), 142-154.
[22]Rashid, A. M., Albert, I., Cosley, D., Lam, S. K., McNee, S. M., Konstan, J. A., & Riedl, J. (2002, January). Getting to know you: learning new user preferences in recommender systems. In Proceedings of the 7th international conference on Intelligent user interfaces (pp. 127-134). ACM.
[23]Shannon, C. E. (1948). A Mathematical Theory of Communication, Bell System Technical Journal, vol. 27, 379-423 & 623-656, July & October.
[24]Shidochi, Y., Takahashi, T., Ide, I., & Murase, H. (2009, October). Finding replaceable materials in cooking recipe texts considering characteristic cooking actions. In Proceedings of the ACM multimedia 2009 workshop on Multimedia for cooking and eating activities (pp. 9-14). ACM.
[25]Teng, C. Y., Lin, Y. R., & Adamic, L. A. (2012, June). Recipe recommendation using ingredient networks. In Proceedings of the 4th Annual ACM Web Science Conference (pp. 298-307). ACM.Wang, L, Li, Q., Li, N., Dong, G., & Yang, Y. (2008, April). Substructure similarity measurement in chinese recipes. In Proceedings of the 17th international conference on World Wide Web (pp. 979-988). ACM.