由於科技的高速發展與自助旅遊的盛行，網路上各種旅遊資訊也越來越豐富，透過日漸普及的行動網路也能在旅途中找尋到景點的資訊。但是，過於龐大的網路資料使得人們無法快速的搜尋到需要的資訊，所以推薦系統便因此而生。
如今，我們已經擁有了許多方便的網站來查詢景點，但在現在的推薦系統當中，當我們面對像是賞櫻或賞楓這種時間多變的狀況時，一般的推薦系統並無法滿足我們的需求，需要倚靠人力自行推估與篩選合適的景點，還要花時間一個一個的調查，對寶貴的旅遊時間實在是浪費。因此本論文的主要研究目標在於如何讓使用者快速的找到合適的賞櫻景點，並為了因應人口高齡化與退休旅遊的族群，加入了高齡者的選項，讓這套推薦系統是用於更多更為豐富的人群。
本篇論文加入了常見於規劃旅遊容易碰到的困難點與需要考慮的要點，首先我們蒐集了需要的現實中的景點資訊，並將他們配予了各種特性的特徵值，藉此讓使用者能夠獲取到合適的景點。
再來就是我們的計算公式，透過大量的公式與權重調整來給予系統分數，就是為了達到客製化的效果，避免使用者繁複的操作，花費時間查詢太多無用的資料。另外，為了讓系統可以針對賞櫻的行程來做規劃，我們也加入了櫻花花期的計算。所以我們擁有了不少公式與權重的調整方式，藉此讓系統能更為精確的推薦出使用者期待的結果。

Due to the progressive technology and the prevalence of backpacking , there are more and more traveling information on the Internet. However, too much  information is causing people not able to get the needed information quickly. That is the reason why the recommendation system is needed. 
    Nowadays, we already have a lot of convenient website to search for the traveling places, but the recommendation system today still cannot fulfilled the needed of tourists when facing the time-varied situations such as cherry blossom viewing.
    Therefore, the main goal of this research is to let users find the suitable places for cherry blossom viewing. To provide more traveling information for the elderly, we have added the option of senior citizens, and make this recommendation system suitable for more people.
    In this paper, we have considered the difficulty when planning a travel and the special needs of different groups of people. In order to make a plan especially for cherry blossom viewing, we have also added the calculations for the blossoming period of cherry blossom. Hence, we have a lot of modulation method and formula to make the recommendation system to provide more satisfied and accurate results.

目錄
目錄	IV
圖目錄	VI
表目錄	VII
第一章	緒論	1
1.1	前言	1
1.2	動機與目的	2
1.3	論文章節架構	4
第二章	背景知識與相關文獻	5
2.1	智慧推薦系統	5
2.2	資料分析	6
2.3	推薦機制	8
2.4	櫻花花期	11
第三章	應用於賞櫻行程的智慧型景點推薦模組	14
3.1	智慧型推薦模組設計	15
第四章	實驗內容與數據分析	26
4.1	實驗流程	26
4.2	實驗模擬	29
4.3	實驗數據與分析	49
第五章	結論與未來展望	50
參考文獻	52

圖目錄
圖 2.1、日本氣象廳各地櫻花標本木位址	12
圖 4.1、Walker網站畫面	26
圖 4.2、Import.io操作畫面	27
圖 4.3、景點資訊Excel示意圖	27
圖 4.4、Google Map交通時間示意	28
圖 4.5、情侶組合推薦雷達圖	33
圖 4.6、朋友組合推薦雷達圖	33
圖 4.7、情侶組合比較圖	34
圖 4.8、朋友組合比較圖	34
圖 4.9、一般家庭推薦雷達圖	40
圖 4.10、高齡家族推薦雷達圖	40
圖 4.11、一般家庭比較圖	41
圖 4.12、高齡家族比較圖	41

表目錄
表 2.1、直接平均季節指數法範例	11
表 3.1、人員資訊層範例	17
表 3.2、地點類型層範例	23
表 4.1、情侶與朋友在系統的輸入設定	30
表 4.2、情侶組合的系統輸出(依照輸出排名排序)	31
表 4.3、朋友組合的系統輸出(依照輸出排名排序)	32
表 4.4、一般家庭與高齡家族在系統的輸入設定	37
表 4.5、一般家庭的系統輸出(依照輸出排名排序)	38
表 4.6、高齡家族的系統輸出(依照輸出排名排序)	39
表 4.7、情侶與朋友在系統的花期設定	43
表 4.8、情侶的系統輸出與排名(依照輸出排名排序)	44
表 4.9、朋友的系統輸出與排名(依照輸出排名排序)	45
表 4.10、一般家庭與高齡家族在系統的花期設定	46
表 4.11、一般家庭的系統輸出與排名(依照輸出排名排序)	47
表 4.12、高齡家族的系統輸出與排名(依照輸出排名排序)	48

[1]	Aleksandra Gruca,“Improvement of FP-Growth Algorithm for Mining Description-Oriented Rules”,ICMMI 2013:183-192.
[2]	http://www.hansshih.com/post/85896228250/%E6%9D%8E%E5%85%8B%E7%89%B9%E9%87%8F%E8%A1%A8-likert
[3]	李智堯(Chih-Yao Lee)、馬成珉(Cherng-Min Ma), ”親子參與高齡保健旅遊之研究”, 醫療資訊雜誌；23卷3期 2014
[4]	Mcdonald, D.W., (2003) Ubiquitous Recommendation Systems, Computer, Vol. 36, No. 10, pp. 111-112.
[5]	Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu. “A density-based algorithm for discovering clusters in large spatial databases with noise”, In Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96).
[6]	Sotiris B. Kotsiantis, “Supervised Machine Learning: A Review of Classification Techniques”, Informatica (Slovenia) 31(3): 249-268 (2007).
[7]	Rakesh Agrawal, RamakrishnanSrikant, “Fast algorithms for mining association rules in large databases”, in Proceedings of the 20th International Conference on Very Large Data Bases (VLDB),Santiago, Chile, September 1994.
[8]	M. J. Zaki, “Scalable algorithms for association mining”, IEEE Transactions on Knowledge and Data Engineering 12 (3): 372–390.(2000).
[9]	Aleksandra Gruca,“Improvement of FP-Growth Algorithm for Mining Description-Oriented Rules”,ICMMI 2013.
[10]	葉家銓、李俊毅、王貞淑, “植基於常識推論之互動式課程推薦系統架構” , 電腦與網路科技在教育上的應用研討會(CNTE2009), 2009.
[11]	李俊毅、葉家銓、王貞淑, “植基於常識推論演算法之智慧型互動式旅遊行程推薦機制” ,第十五屆資訊管理暨實務研討會(IMP), 2009.
[12]	Chen-Shu Wang, and Chun-Yi Li, (2010). “Intelligence Traveling Schedule Recommender Based on Commonsense Reasoning Algorithm＂,International Conference on Computer and Communication Engineering(ICCCE 2010).
[13]	Chen-Shu Wang, and Chun-Yi Li, “Integrated Baby-Care Recommender Platform based on Hybrid Commonsense Reasoning and Case-Based Reasoning Algorithms＂, 6th International Conference on Networked Computing and Advanced Information Management(NCM 2010).
[14]	邱瓊瑤、劉敦仁, ” 採用線上評論之旅遊景點推薦”, 國立交通大學畢業論文, 2014
[15]	蔡文豪, “基於公眾傾向探勘及社群影響分析技術之社群感知推薦方法研發-以景點推薦為例”, 成功大學資訊工程學系學位論文； 2014
[16]	江怡岑, “使用魚群演算法之旅遊景點推薦機制”, 成功大學博碩士論文, 2013
[17]	曹文豪, “基於含有地理位置及標籤的網路相片的旅遊景點推薦系統”, 國立交通大學畢業論文, 2013
[18]	章仲毅, “以使用者個人行車與景點類型偏好”, 朝陽科技大學學位論文, 2013
[19]	Meng-Kuan Chen, Hsin-Wen Wei, Wei-Tsong Lee, “Intelligent POIs Recommender System based on Time Series Analysis with Seasonal Adjustment” , NETs2016.
[20]	http://wiki.mbalib.com/zh-tw/%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90
[21]	http://wiki.mbalib.com/zh-tw/%E5%AD%A3%E8%8A%82%E8%B6%8B%E5%8A%BF%E9%A2%84%E6%B5%8B%E6%B3%95
[22]	桜.jp
[23]	http://pansci.asia/archives/115553
[24]	https://pansci.asia/archives/115136
[25]	http://nekotabi.com.hk/283/%E6%AB%BB%E8%8A%B1%E5%B0%8F%E7%9F%A5%E8%AD%98%EF%BC%8D%E8%AE%93%E4%B8%8D%E6%87%82%E6%97%A5%E8%AA%9E%E7%9A%84%E4%BD%A0%E4%B9%9F%E8%83%BD%E7%9C%8B%E6%87%82%E6%AB%BB%E8%8A%B1%E9%A0%90%E5%A0%B1/
[26]	https://home.gamer.com.tw/creationDetail.php?sn=2575814
[27]	https://linshibi.com/?p=1608
[28]	http://www.data.jma.go.jp/sakura/data/sakura003_06.html