工研院揭4项大资料技术应用，不只商品、歌曲能个人化推荐，连FB按赞数也能预测！

专门研究与推动大资料技术的工研院巨量资讯科技中心，已经成立两年多，今日（11/26）对外发表了4项国内大资料技术应用，分为智慧推荐及智慧预测两大应用类别，在智慧推荐技术应用上，包括可应用于电子商城的混合式商品推荐，以及行动音乐平台的混合式个人化歌曲推荐，两项技术应用分别有momo购物网、台哥大my Music率先导入。另外在智慧预测应用，则发表了大宗商品动态价格预测技术，以及粉丝页案赞数预测。

国内的电子商城momo购物网在去年导入工研院所发表的混合式商品推荐技术，运用大资料分析技术及多项算法，momo购物网可以在2秒内，从上百万件商品中，找出会员最需要的商品，并提供精准的商品推荐讯息。工研院侦测线上、现下的顾客使用情境，依据使用者的浏览习惯、消费行为与偏好，设定个人化的购物首页、商品页、EDM等，经由线下资料的批次分析，再进行线上模组化，做动态的资料分析，进而提供商品推荐，momo购物网表示，采用这项大资料技术应用后，购物网的商品点击率提升1倍，营收更增加了1成左右。

而在数位媒体领域，工研院发表混合式个人化歌曲推荐，并以台湾大哥大的myMusic行动音乐平台作为第一个导入案例，不只是根据使用者的个人资讯、听歌习惯与偏好，比对歌手资讯、歌曲的类型和曲风，也能针对使用者所在环境，依据不同时间、地点、及活动类型，来推荐歌曲，更贴近使用者的生活情境。

巨量资讯科技中心副主任郑仁杰表示，台湾大哥大采用的歌曲推荐技术应用，与知名的Spotify音乐平台提供的歌曲推荐功能看起来类似，技术上可能差不多，但实际上，由于台湾大哥大本身也是行动装置业者，因此除了App本身所能搜集到的资讯外，他们还可以借由装置本身，来搜集并结合更多的外部资料，做两层的加值。郑仁杰也表示，这些技术应用之后会越做越细致，也能整合物联网穿戴装置，来搜集更多的资讯，做出更适当的歌曲推荐。

另外在智慧预测应用方面，工研院发表结合外部因子的动态价格预测分析，应用自然语言处理及类神经网络，结合时间序列算法，进行动态的价格预测，工研院表示，以石化原料为例，运用近三年内的的外部事件与价格资料建立出来的预测模型，其精准度达93％，除了大宗商品如石化原料的价格预测之外，这些技术也可用于主题乐园的来客数预测。另一项用于社群领域的按赞数预测，可以分析脸书用户的个人资料、关注话题与偏好等资讯，结合过去浏览或搜寻过的文章，进行交叉分析，预测出新PO文的按赞数量。

经济部今年开始与国内多家业者、资讯服务业者合作，计划先锁定零售与制造两大产业，协助至少7家零售业者，扶植半导体系统整合厂商，导入大资料技术应用，并协助国内IT业者加值开发大资料运算、储存系统以及一体机。经济部在推动大资料技术应用上有两大策略，包括要以大资料技术协助产业应用智慧化，并打造大资料产业链。而工研院与资策会都是其中主要负责研究与推动的单位。

工研院在两年半前成立巨量资讯科技中心，是国内第一个以资料分析、大资料应用为主要研究方向的国家级研究单位，主要目的是要推动国内产业的大资料应用，并提供解决方案与技术资源。

郑仁杰表示，巨量资讯科技中心的资料运算与分析平台分两阶段打造，第一阶段采用丛集运算平台来做资料分析，第二阶段导入Hadoop大资料运算平台，目前他们的团队约有将近200人，并从虚拟情境的大资料应用出发，与资策会在同一个计划架构之下，分别针对不同领域进行大资料技术研究，他也说，工研院目前锁定制造及零售两大产业，将从两方向来进行大资料技术应用的推动，一方面是直接与业界大厂合作，打造应用案例，另一方面，则会和资讯软件服务供应商合作，由他们将技术更进一步推动到产业之中。

大资料应用1：电子商城的混合式商品推荐

运用大资料分析技术及多项算法，momo购物网可以在2秒内，从上百万件商品中，找出会员最需要的商品，并提供精准的商品推荐讯息。工研侦测线上、现下的顾客使用情境，依据使用者的浏览习惯、消费行为与偏好，设定个人化的购物首页、商品页、EDM等，经由线下资料的批次分析，再进行线上模组化，做动态的资料分析，进而提供商品推荐。

大资料应用2：行动音乐平台的混合式个人化歌曲推荐

工研院发表混合式个人化歌曲推荐，并以台湾大哥大的myMusic行动音乐平台作为第一个导入案例，不只是根据使用者的个人资讯、听歌习惯与偏好，比对歌手资讯、歌曲的类型和曲风，也能针对使用者所在环境，依据不同时间、地点、及活动类型，来推荐歌曲，更贴近使用者的生活情境。

大资料应用3：大宗商品动态价格预测

工研院发表结合外部因子的动态价格预测分析，应用自然语言处理及类神经网络，结合时间序列算法，进行动态的价格预测，工研院表示，以石化原料为例，运用近三年内的的外部事件与价格资料建立出来的预测模型，其精准度达93％，除了大宗商品如石化原料的价格预测之外，这些技术也可用于主题乐园的来客数预测。

大资料应用4：脸书粉丝页案的按赞数预测

工研院发表可应用于社群领域的按赞数预测，借由分析脸书用户的个人资料、关注话题与偏好等资讯，结合过去浏览或搜寻过的文章，进行交叉分析，预测出新PO文的按赞数量。