Web 2.0的精神係透過社群的集體力量，創造、分享並評論屬於使用者自身或他人觀點的內容。本研究的目的是以Web 2.0為概念設計適合高中生閱讀學習之英文文章推薦系統。使用的語料庫分別是「全民英文能力分級檢定測驗(GEPT)」六級單字字彙庫、智慧型互動式網路語言學習社群(Intelligent Web-based Interactive Language Learning，簡稱IWiLL)中，高中生所發表的文章、高中英文課本的課文(SHSETs)、網路上收集的英文新聞文章(Web News)及PyDict英漢字典。首先將IWiLL、SHSETs及Web News語料庫做資料前置處理，並結合GEPT六級英文單字字彙庫做文章難易度計算，並將文章中連續3個單字(Trigram)的字彙或片語與PyDict比對並進行翻譯供學習者記憶與學習。
本研究透過與Facebook的結合，讓學習者只需要使用Facebook帳戶登入系統，再加上使用Facebook Social Plugins元件等，讓學習者將喜歡的文章或是對文章所發表的內容感受，除了在系統中可以呈現顯示外，也可以讓Facebook上的朋友知道，學習者彷彿置身於Facebook中，有如使用Facebook應用程式一般，可以和Facebook上的朋友產生互動、分享與推薦的效果，且不受限於戶內使用學習，也可以在戶外利用使用智慧型行動裝置上網來學習，以達到無所不在的學習。

The spirit of Web 2.0 is through the collective power of communities to create, share and comment on the opinions of the user and others. The purpose of this study is to use the concept of Web 2.0 to design an English article recommendation system for senior high school students who are reading and learning. Five different databases of English vocabularies are utilized in this work. They are the GEPT level six, Intelligent Web-based Interactive Language Learning (IWiLL), senior high school English textbooks (SHSETs), the Web News collected on the Internet and PyDict English-Chinese dictionary. First, IWiLL, SHSETs and Web News Corpus are used for data pre-processing. Then they are combined with the GEPT level six to do article difficulty calculation. Lastly, phrases  of three words in the article are compared with PyDict dictionary to translate into Chinese for learners to remember and learn.
In this study, the system is combined with Facebook; therefore, learners only need to use a Facebook account to log on to the system with the use of Facebook Social Plugins components so that learners who like  the article may share and recommend it to friends on Facebook. This is not  limited to studying indoors, as learners can also use smart mobile devices outdoors to connect to the Internet in order to achieve ubiquitous learning.

目錄	III
圖目錄	VI
表目錄	IX
第一章	緒論	1
1.1	研究動機	1
1.2	研究目的	2
1.3	研究內容	2
1.4	論文內容與大綱	4
第二章	背景知識與相關研究	6
2.1	Web 2.0	6
2.2	Facebook	8
2.3	推薦系統	12
2.3.1	內容過濾	13
2.3.2	協同過濾	14
2.3.3	混合式方法	16
2.4	輸入假設理論	17
2.5	語料庫	18
2.5.1	GEPT	18
2.5.2	SHSETs	19
2.5.3	Web News	20
2.5.4	PyDict	20
2.6	IWiLL	21
2.7	NLTK	24
第三章	系統架構與設計	26
3.1	系統登入運作	28
3.1.1	使用Facebook帳號登入	28
3.1.2	推薦清單產生方式	32
3.1.3	回饋機制	34
3.1.4	使用者與Facebook互動	37
3.2	Web News蒐集	39
3.2.1	RSS	39
3.2.2	News蒐集機制	41
3.3	資料前置處理	44
3.3.1	縮寫字置換	46
3.3.2	詞類標記	48
3.3.3	詞性還原	50
3.3.4	N-gram	51
3.4	文章難易度評量及分級	53
3.4.1	Boolean.Freq	53
3.4.2	文章分級	55
第四章	系統實作與結果	56
4.1	系統介面與功能	57
4.2	實驗結果與討論	71
第五章	結論與未來研究方向	72
5.1	結論	72
5.2	未來研究方向	73
參考文獻	75
附錄-英文論文	80

圖目錄
圖2-1 Web 2.0相關主題與理念的標籤雲	7
圖2-2 台灣Facebook使用人數	9
圖2-3 IWiLL首頁截圖	22
圖2-4 NLTK下載畫面	24
圖3-1 系統架構圖	26
圖3-2 系統功能圖	27
圖3-3 Login With Facebook順序圖	28
圖3-4 Facebook應用程式管理畫面	29
圖3-5 取得使用者程度等級	30
圖3-6 系統與Facebook認證運作機制圖	31
圖3-7 推薦清單產生方式流程	32
圖3-8 評分流程圖	36
圖3-9 使用者與Facebook互動	37
圖3-10 RSS ICON	39
圖3-11 Web News蒐集架構	41
圖3-12 Taiwan News網站各類型新聞RSS Feeds列表	42
圖3-13 Taiwan News類型RSS Feeds訂閱	43
圖3-14 Taiwan News類型RSS Feeds XML格式內容	43
圖3-15 語料庫前置處理	44
圖3-16 縮寫字模型做置換處理結果	47
圖3-17 詞性標記範例圖	49
圖3-18 詞性還原範例圖	50
圖3-19 連續3個字的詞彙或片語	52
圖3-20 使用Boolean.Freq計算文章難易值	53
圖4-1 系統功能圖	57
圖4-2 系統首頁畫面	58
圖4-3 Facebook帳戶登入畫面	58
圖4-4 授權存取畫面	59
圖4-5 學習者首頁(Home)畫面	59
圖4-6 測驗(Quiz)畫面	60
圖4-7 推薦(Recommend)畫面	61
圖4-8 點選推薦-BUSINESS類別畫面	61
圖4-9 文章內容截圖畫面	62
圖4-10 Triple詞彙或片語	62
圖4-11 加入系統粉絲團按鈕	63
圖4-12 對文章表示「讚」的按鈕	63
圖4-13 按「讚」確認畫面	64
圖4-14 按「讚」的敘述並確認發佈到Facebook畫面	64
圖4-15 推薦本系統按鈕畫面	65
圖4-16 按「推薦」推薦本系統確認畫面	65
圖4-17 推薦本系統發佈到Facebook確認畫面	66
圖4-18 對文章做評分功能畫面(四)	66
圖4-19 文章中全民英檢六級字彙分布	67
圖4-20 回應視窗畫面(一)	67
圖4-21 回應視窗畫面(二)	68
圖4-22 學習者學習歷程(Study History)畫面	68
圖4-23 學習者Facebook上朋友的學習歷程(Friends)畫面(一)	69
圖4-24 學習者Facebook上朋友的學習歷程(Friends)畫面(二)	69
圖4-25 學習者Facebook上的塗鴉牆畫面	70
圖4-26 推薦給學習者Facebook上朋友	70

表目錄
表2-1 台灣Facebook使用人數性別分布	9
表2-2 台灣Facebook使用人數年齡分布	10
表2-3 GEPT六級字彙個數	19
表2-4 在NLTK中重要的模組列表	25
表3-1 顯性回饋和隱性回饋之差異	35
表3-2 評分機制表	36
表3-3 RSS版本的比較	40
表3-4 縮寫字處理模型	46
表3-5 部分Treebank和WordNet Tag對應說明	49
表3-6 N-gram切字表	51
表3-7 文章分級表	55

[1]	陳敦源, 潘競恆, "政府就是「我們」：Web 2.0 時代民主治理的希望或幻夢？" 研考雙月刊, vol. 35, pp. 23-35, 2011/08, 2011. 
[2]	Web 2.0, Available from http://zh.wikipedia.org/wiki/Web2.0.
[3]	Facebook, Available from http://www.facebook.com. 
[4]	Facebook普及率, Available from http://www.checkfacebook.com. 
[5]	P. Resnick and H. R. Varian. Recommender systems. Commun ACM 40(3), pp. 56-58. 1997. Available from http://doi.acm.org/10.1145/245108.245121.
[6]	J. B. Schafer, J. A. Konstan and J. Riedl. E-commerce recommendation applications. Data Mining and Knowledge Discovery 5(1), pp. 115-153. 2001.
[7]	Nichols, Implicit Rating and Filtering. Proceedings of the 5th DELOS Workshop on Filter and Collaborative Filtering, pp. 31-36. 
[8]	羅健銘.協同過濾於網站推薦之研究. 台北科技大學商業自動化與管理研究所碩士論文 (2001年), 2001. 
[9]	A. M. Rashid, I. Albert, D. Cosley, S. K. Lam, S. M. McNee, J. A. Konstan and J. Riedl. Getting to know you: Learning new user preferences in recommender systems. Presented at Proceedings of the 7th International Conference on Intelligent User Interfaces. 2002, Available: http://doi.acm.org/10.1145/502716.502737. 
[10]	K. Lang. Newsweeder: Learning to filter netnews. Presented at In Proceedings of the Twelfth International Conference on Machine Learning. 1995, . 
[11]	D. Goldberg, D. Nichols, B. M. Oki and D. Terry. Using collaborative filtering to weave an information tapestry. Commun ACM 35(12), pp. 61-70. 1992. 
[12]	P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom and J. Riedl. GroupLens: An open architecture for collaborative filtering of netnews. Presented at Proceedings of the 1994 ACM Conference on Computer Supported Cooperative Work. 1994, . 
[13]	Amazon, Available from http://www.amazon.com. 
[14]	S. D. Krashen, "The input hypothesis : issues and implications," 1985. 
[15]	輸入假設理論, Available from http://tw.myblog.yahoo.com/et-2005/article?mid=175&next=174&l=f&fid=17. 
[16]	GEPT ( The General English Proficiency Test ), Available from  https://www.gept.org.tw/. 
[17]	LTTC ( The Language Training & Testing Center ), Available from  http://www.lttc.ntc.edu.tw. 
[18]	CNN, Available from  http://www.cnn.com. 
[19]	China Post, Available from  http://www.chinapost.com.tw/. 
[20]	BBC, Available from  http://www.bbc.co.uk/news/. 
[21]	Taiwan News, Available from http://www.taiwannews.com.tw. 
[22]	Daniel Gau, PyDict 英漢簡明字典, Available from http://sourceforge.net/projects/pydict/cube.iwillnow.org. 
[23]	IWiLL (Intelligent Web-based Interactive Language Learning ), Available from http://cube.iwillnow.org. 
[24]	NLTK ( Natural Language Tolkit), Available from http://nltk.org/.
[25]	陳士杰, 陳俊光, 鄭雅方, 廖柏鈞, 蔡國慶, 張彥杰. 以優先性資訊融合機制為基礎之整合性個人化模糊推薦方法. 國立聯合大學資訊管理學系
[26]	黃天賜. 交錯雜綜的 RSS 演進史. iTHome 202 期, pp. 66. 2005. 
[27]	Meara,p. & Jones, G..(1987). Tests of vocabulary size in English as a foreign language. Potyglot, 8(1), p1-40.
[28]	William H. DuBay, The Principles of Readability, Costa. Mesa, CA：Impact Information., 2004. Available form http://www.impact-information.com. 
[29]	J.S. Chall, & E. Dale, (1995). Readability revisited: The New ale-Chall Readability Formula. Cambridge, MA: Brookline Books.
[30]	K. Collins?Thompson and J. Callan. Predicting reading difficulty with statistical language models. J. Am. Soc. Inf. Sci. Technol. 56(13), pp. 1448-1462. 2005. Available: http://onlinelibrary.wiley.com/doi/10.1002/asi.20243/full. 
[31]	P. I. Pfefferle, E. Van den Stock and A. Nauerth. The LEONARDO-DA-VINCI pilot project “e-learning-assistant” – situation-based learning in nursing education. Nurse Educ. Today 30(5), pp. 411-419. 2010. 
[32]	Y. Y. Shih and D. R. Liu. Product recommendation approaches: Collaborative filtering via customer lifetime value and customer demands. Expert Syst. Appl. 35(1-2), pp. 350-360. 2008. 
[33]	X. Su and T. M. Khoshgoftaar. A survey of collaborative filtering techniques. Advances in Artificial Intelligence 2009pp. 4. 2009. 
[34]	吳仁弘. 英文閱讀書籍推薦系統. 暨南大學資訊工程學系學位論文 (2010年), 2010. 
[35]	呂敏源. 運用分群演算法之關係式網頁推薦系統. 淡江大學資訊工程學系碩士班學位論文 (2007年), 2007. 
[36]	張俐旋. 適合高中生閱讀學習之英文文章推薦機制設計. 淡江大學資訊工程學系碩士在職專班學位論文 (2011年), 2011. 
[37]	張毓倫. 個人化顯隱性知識推薦方法之研究. 成功大學資訊管理研究所學位論文 (2003年), 2003. 
[38]	彭家俊. 設計輔助英語學習之網頁推薦系統. 淡江大學資訊工程學系碩士班學位論文 (2007年), 2007. 
[39]	曾鼎雲. 非刻意語言學習：透過歌詞學習字彙. 淡江大學資訊工程學系碩士班學位論文 (2011年), 2011. 
[40]	林國揚. 以歌詞實現遊戲式英語學習工具. 淡江大學資訊工程學系碩士班學位論文 (2011年), 2011. 
[41]	楊子儀. 基於代理人技術之適性化英文閱讀文章推薦系統. 長榮大學資訊管理研究所學位論文 (2009年), 2009. 
[42]	羅子文. Web 2.0 概念的圖書館個人化推薦系統. 2007. 
[43]	鄧力維. 設計網路文章推薦系統於電腦輔助英語教學. 淡江大學資訊工程學系碩士班學位論文 (2005年), 2005. 
[44]	黃良鈞. 以模糊理論為基礎之個人化英文文章推薦系統. 成功大學工程科學系碩博士班學位論文 (2009年), 2009. 
[45]	協同過濾, Available from http://zh.wikipedia.org/wiki/協同過濾.
[46]	黃智偉, 塗鴉牆的秘密 : Facebook Graph API實戰開發手冊. 臺北市: 佳魁資訊公司, 2011.