如果現今網際網路看成是資料庫，那可以說是資料量與資料提供者皆最多的資料庫，那麼如何去挖掘這麼龐大的資料庫，已經是近幾年來的熱門研究議題，然而如何在廣大的資料庫中推薦給使用者合適的網頁，在推薦演算法相關研究中的內容導向或是協同過濾，都各有其缺點。本論文主要目的為探討如何結合避免內容導向以及協同過濾的缺點，卻又能達到相似的推薦效果，並且藉由分群演算法來改善以往推薦演算法因為使用者及推薦項目的增加，讓推薦計算的時間呈倍數成長的缺點。
    在本研究中，利用了瀏覽器工具列來搜集使用者瀏覽網路的資訊，並且透過工具列所記錄的使用者資訊，分析使用者的瀏覽行為，找出使用者的查詢關鍵字，利用查詢關鍵字透過搜尋引擎將相關網址找回，藉此建立關鍵字之間的相似度，以及擴展推薦系統的推薦項目，利用使用者的查詢關鍵字來建立使用者特徵向量，將使用者分群，再透過協同過濾的方法計算出該群組的推薦網頁，將網頁推薦給使用者。

This paper aims to explore how to combine content-oriented and avoid the shortcomings of collaborative filtering, it can achieve results similar to the recommendation. Because of hived off the clustering algorithms to improve the previous recommendation algorithms because users of the project and recommended an increase for the time recommended a multiple of calculating the growth of shortcomings.
		In this research, using a browser toolbar users to browse the Internet to collect the information and tools out through the records of user information. Toolbar through the records of user information, analysis of the user's browsing identify a user's query keywords. Through the use of keywords for search engine will find related url. Takes advantage of this between the establishment key words the similarity, and the expansion of the recommendation system recommended projects. Use of a user's query keywords to create a user eigenvector users Grouping. Penetrates the coordination filtration again the method of calculation to the group's recommendation page, the page will be recommended to the user.

目錄
第1章 緒論	1
1.1 研究動機與目的	1 
1.2 研究內容	3
1.3 論文內容大綱	5
第2章 背景知識與相關研究	6
2.1推薦系統	6
2.2推薦機制	10
2.2.1內容導向法	11
2.2.2協同過濾	13
2.2.3綜合法	19
2.3搜尋引擎系統與關鍵字	21
2.4網頁蒐集與中繼搜尋	25
第3章 系統架構圖與系統之設計	27
3.1系統架構	27
3.2使用者資料蒐集子系統	28
3.3查詢關鍵字網址延伸子系統	29
3.4查使用者分群子系統	30
3.5網頁查詢子系統	32
第4章 實作與討論	33
4.1 實作系統環境	33
4.2  實做介面	34
4.3  網頁推薦系統的效能評估	37
第5章 結論與未來研究	40
5.1 結論	40
5.2 未來研究方向	42
參考文獻：	43
附錄：	46

圖目錄
圖1.1 一般找尋相關文章使用情境示意圖	1
圖3.1 系統架構圖	27
圖3.2推薦系統介面圖	28
圖3.3關鍵字網址延伸子系統流程圖	29
圖4.1搜尋功能範例圖	34
圖4.2書籤功能範例圖	35
圖4.3翻譯功能範例圖	35
圖4.4取得推薦網頁畫面	36
圖4.5推薦時間比較圖	38
圖4.6推薦網頁滿意度圖	39

表目錄
表2.1 推薦演算法範例表	8
表2.2 推薦演算法表	10
表2.3 協同過濾之定義表	15
表2.4解決協同過濾問題的方法表	18
表4.1使用者分群列表	37
表4.2 推薦時間比較表	38

[1]	Google. http://www.google.com
[2]	Adomavicius, G. and Tuzhilin, A., “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions,”IEEE Transactions on Knowledge and Data Engineering, Vol. 17, No. 6, 2005, pp. 734-749.
[3]	Balabanovic, M. and Shoham, Y., “Fab: Content-based, Collaborative Recommendation,” Communications of the ACM, Vol. 40, No.3, 1997, pp. 66-72.
[4]	Niu, L., Yan, X. W., Zhang, C. Q. and Zhang, S. C., “Product Hierarchy-based Customer Profiles for Electronic Commerce Recommendation,” Proceedings of the First International Conference on Machine Learning and Cybernetics, Beijing, 2002, pp. 1075-1080.
[5]	Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P. and Riedl, J., “GroupLens: An Open Architecture for Collaborative Filtering of Netnews,” Proceedings of the 1994 Computer Supported Cooperative Work Conference, Chapel Hill, 1994, pp. 175-186.
[6]	Linden, G., Smith, B., and York, J., “Amazon.com Recommendations Item to Item Collaborative Filtering,” IEEE Internet Computing, Vol. 7, No. 1, 2003, pp. 76-80.
[7]	Burke, R., “Knowledge-based Recommender Systems”, A. Kent(ed.): Encyclopedia of Library and Information Systems, Vol. 69, Supplement 32, 2000.
[8]	Open Directory Project (ODP). http://www.dmoz.org
[9]	Yahoo. http://www.yahoo.com
[10]	DOM: Document Object Model  http://www.w3.org/DOM/
[11]	Suhit Gupta & Gail Kaiser & David Neistadt & Peter Grimm “DOM-bassed Content Extraction of  HTML” Documents  WWW 2003
[12]	Lan Yi & Bing Liu & Xiaoli Li “Eliminating Noisy Information in Web Pages for Data Ming”   SIGKDD 2003
[13]	Kevyn Collins-Thompson & Jamie Callan “A Language Modeling Approach to Predicting Reading Difficulty”
[14]	Ming-Feng Lu , “The Design of an Agent for Finding Related Web Pages and its Application to English Learning”, Department of Computer Science and Information Engineering of Tamkang University, June 2006
[15]	Chia-Chun Peng, “The Designing of a Web Page Recommendation System for ESL”, Department of Computer Science and Information Engineering of Tamkang University, January, 2007