Embed Size (px)
Citation preview
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-487
IT-P51
ระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคล Restaurant Search System with Personalized Analysis
จรรยา แหยมเจริญ บญุฤทธ์ิ รั่วส าราญ* และ วรยศ ค าลือ ภาควิชาวิทยาการคอมพิวเตอร์ คณะวทิยาศาสตร์ มหาวิทยาลยัสยาม
*ผู้ประสานงานหลัก อีเมล: [email protected]
บทคัดย่อ การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่จะน ามาวิเคราะห์เพื่อแนะน าร้านอาหารให้เหมาะกับบุคคลแต่ละบุคคล
(Personalized Recommender) โดยวิเคราะห์จากประเภทความชอบอาหารและวัตถุดิบอาหารที่ก่อให้เกิดอาการแพ้ในแต่ละบุคคลที่เหมือนกัน โดยศึกษาจากข้อมูลทดสอบ (Training Data Set) ที่รวมมาได้จากแบบสอบถามพฤติกรรมในการเลอืกรับประทานอาหาร ที่ค่าความเหมือน 1.98-2.00 และพัฒนาระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคล ที่แบ่งการท างานออกเป็น 3 ส่วน ประกอบด้วย ส่วนที่ 1 เป็นเว็บแอพพลิเคชัน ส าหรับผู้ดูแลระบบในการจัดการข้อมูลข้อมูลหลักที่ใช้ใน ส่วนที่ 2 เป็นแอนดรอยด์โมบายแอพพลิเคชัน ส าหรับผู้ใช้ที่เป็นร้านอาหาร และส่วนที่ 3 เป็นแอนดรอยด์โมบายแอพพลิเคชัน ส าหรับผู้ใช้ที่เป็นผู้บริโภค สามารถก าหนดข้อมูลส่วนตัวเพื่อใช้ในการวิเคราะห์ และค้นหาร้านอาหารที่เหมาะสมได้ ในการพัฒนาระบบแบ่งเป็น 2 ส่วน คือ 1. Backend System พัฒนาโดยใช้ภาษาจาวาสร้างฟังก์ชันรองรับการท างานของฝั่งโมบายแอพพลิเคชัน และจัดการฐานข้อมูลด้วย MySql และ 2. Frontend System เป็นโมบายแอพพลิเคชันท่ีท างานบนแพลตฟอร์มแอนดรอยด์ พัฒนาด้วย Android SDK ผ่านโปรแกรม Android Studio ค ำส ำคัญ: ร้านอาหาร, การวิเคราะหส์่วนบุคคล, การหาค่าความเหมือน Abstract
The objective of this research is to study the variables which will be analyzed to introduce the restaurant to the individual. The personalized recommendation is based on the type of the food preferences and the food ingredients that cause allergic reactions in the same person by the study from training data set is included from questionnaire at the similarity value is 1.98-2.00. And to develop the restaurant search system with personalized analysis. The system consists of three parts: Part one is a web application for administrator to manage the master data, Part two is an Android mobile application for restaurant users, and Part three is an Android mobile application for consumer users to define their personal data for analysis to find the right restaurant. The development of the system is divided into two parts: 1. Backend System developed by using Java to create functions for mobile applications and use MySql to be database management system and 2. Frontend System is a mobile application on the Android platform developed with Android SDK. Keywords: restaurant, personalized analysis, similarity value
บทน า ปัจจัยหนึ่งที่ส าคัญต่อมนุษย์คือ อาหาร ซึ่งในปัจจุบันมีอาหารให้เลือกรับประทานมากมายหลากหลายชนิด ธุรกิจร้านอาหารก็มีอัตราการเติบโตสูง ท าให้ผู้บริโภคมีทางเลือกมากมาย แต่มักจะเลือกร้านหรืออาหารได้ถูกใจบ้างและไม่ถูกใจบ้าง เนื่องจากไม่รู้ว่าร้านอาหารนั้นๆ มีรายการอาหารที่ช่ืนชอบ มีรายการอาหารที่ตนแพ้ไม่สามารถรับประทานได้หรือไม่ ประกอบกับเทคโนโลยีทางด้านโมบายในปัจจุบันมีอัตราการเติบโตสูง สามารถเข้าถึงเครือข่ายอินเทอร์เน็ตได้จากทุกท่ีทุกเวลา ท าให้อุปกรณ์โมบาย อาทิเช่น โทรศัพท์มือถือ หรือแท็บเล็ต เป็นอีกปัจจัยที่มีอิทธิพลต่อการด าเนินชีวิตของผู้ใช้หรือผู้บริโภค จึงเกิดแอพพลิเคชันที่ท างานบนอุปกรณ์ดังกล่าวมากมาย รวมถึงแอพพลิเคชันด้านการค้นหาและแนะน าร้านอาหาร เช่น wongnai, OpenRice, BumRes เป็นต้น ซึ่งแอพพลิเคชันดังกล่าวจะมีการ
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-488
ประยุกต์ใช้เทคโนโลยีสื่อสังคมออนไลน์ (Social Media) แต่ไม่มีการใช้ระบบแนะน าร้านอาหารจากการวิเคราะห์ส่วนบุคคล (Personalized Analysis) จึงเป็นที่มาในการพัฒนาระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคล โดยใช้ Personalized Recommender System เข้ามาช่วยในการพัฒนา ระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคลเป็นแอพพลิเคชันที่ช่วยในการตัดสินใจของผู้บริโภคในการเลือกร้านอาหารโดยแอพพลิเคชันจะวิเคราะห์พฤติกรรมของผู้บริโภค การแพ้อาหาร โดยใช้ Personalized Recommender System มาวิเคราะห์ความเป็นไปได้ว่าผู้บริโภคมีความน่าจะเป็นที่จะเลือกรับประทานอาหารประเภทใด ร้านใด แล้วแอพพลิเคชันจะจัดสรรเมนูอาหารและสถานที่รับประทานอาหารที่เหมาะสมให้กับผู้บริโภค โดยการหาค่าความเหมือน (Similarity) จากข้อมูลชองผู้ใช้ที่มีลักษณะเหมือนกัน เช่น แพ้อาหารประเภทเดียวกัน ชอบอาหารประเภทเดียวกัน เป็นต้น นอกจากนี้ในการแนะน าร้านอาหารยังวิเคราะห์จากต าแหน่งทางภูมิศาสตร์ของผู้ใช้ด้วยเทคโนโลยี Location Based Service (LBS) อีกด้วย ระบบแบ่งออกเป็น 3 ส่วนหลักๆ ดังนี้ ส่วนที่ 1 ส าหรับผู้ดูแลระบบในการจัดการข้อมูลร้านอาหารที่สมัครเข้ามาเป็นสมาชิก และข้อมูลหลักอื่นๆ ที่ใช้ในระบบ โดยพัฒนาเป็นเว็บแอพพลิเคชัน ส่วนที่ 2 ส าหรับผู้ใช้ที่เป็นร้านอาหาร สามารถสมัครเพื่อน าเสนอธุรกิจของตนได้ โดยพัฒนาเป็นโมบายแอพพลิเคชันที่ท างานบนแพลตฟอร์มแอนดรอยด์ และส่วนที่ 3 ส าหรับผู้ใช้ที่เป็นผู้บริโภค สามารถก าหนดข้อมูลส่วนตัวเพื่อใช้ในการวิเคราะห์ และค้นหาร้านอาหารที่เหมาะสมได้ รวมถึงสามารถให้คะแนนและท าการเช็คอินร้านอาหารได้ โดยพัฒนาเป็นโมบายแอพพลิเคชันที่ท างานบนแพลตฟอร์มแอนดรอยด์ ในการพัฒนาระบบแบ่งเป็น 2 ส่วน คือ Backend System ใช้ภาษาจาวาในการเขียนฟังก์ชันรองรับการท างานของฝั่งโมบายแอพพลิเคชัน และจัดการฐานข้อมูลด้วย MySql และ Frontend System เป็นโมบายแอพพลิเคชัน พัฒนาด้วย Android SDK ผ่านโปรแกรม Android Studio ซึ่งระบบนี้จะช่วยให้การค้นหาร้านอาหารตรงกับลักษณะส่วนบุคคลได้เหมาะสมมากขึ้น และยังช่วยในการโปรโมทธุรกิจร้านอาหารที่มาใช้บริการได้อีกด้วย วิธีด าเนินการวิจัย การวิจัยเรื่องระบบค้นหาร้านอาหารด้วยการวิเคราะหส์่วนบุคคล มวีิธีการวิจัยประกอบด้วยขั้นตอนดงัต่อไปนี ้
1. การเก็บรวบรวมข้อมลู ผู้ศึกษาได้ท าการเก็บรวบรวมข้อมูลโดยการศึกษาจากแอพพลิเคชันค้นหาร้านอาหารที่มีในปัจจุบันแล้วท าการหาจุดเด่นและจุด
ด้อยของแอพพลิเคชันดังกล่าว นอกจากน้ีได้ท ารวบรวมแนวทางในการเลือกร้านอาหารและรายการอาหารจากกลุ่มผู้บริโภค รวมถึงศึกษาและรวบรวมข้อมูลที่เกี่ยวข้อง อาทิเช่น ข้อมูลประเภทอาหาร ข้อมูลร้านอาหาร เป็นต้น จากนั้นท าการศึกษาเทคโนโลยีที่ใช้ในการพัฒนานะบบรวมถึงข้อมูลที่จะน ามาใช้ในการท าระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคล
ในการหาค่าความเหมือน ผู้ศึกษาได้จัดท าแบบสอบถามพฤติกรรมในการเลือกรับประทานอาหารจากกลุ่มเป้าหมายทางอีเมล์ เป็นจ านวน 100 คน เพื่อใช้เป็นชุดข้อมูลฝึกฝน (Training Data Set) ในการหาวิเคราะห์หาความเหมือน (Similarity) ด้วย สูตรทางคณิตศาสตร์ในการค้นหาความสัมพันธ์ของข้อมูลดังนี้ Cosine Similarity และ Simple Matching Coefficient (SMC)
2. การศึกษาทฤษฎีและเครื่องมือ ในการพัฒนาระบบค้นหาร้านอาหารด้วยการวิเคราะหส์่วนบุคคล ผูศ้ึกษาได้ท าการศึกษาทฤษฎีที่เกี่ยวข้อง ดังนี้ Location Based Service (LBS) (1) การบริการการบอกต าแหน่งทางภูมิศาสตร์ โดยใช้อุปกรณ์พกพา เช่น โทรศัพท์มือถือ
PDA หรืออุปกรณ์ต่างๆ ผ่านสัญญาณเครือข่ายของผู้ให้บริการต่างๆ การให้บริการต าแหน่งที่อยู่นั้น ต้องอาศัยอุปกรณ์เฉพาะในการเชื่อมต่อกับดาวเทียม โดยใช้ในระบบค้นหาร้านอาหารด้วยการวิเคราะห์ส่วนบุคคลส่วนหาร้านใกล้เคียง
Personalized Recommender System (2), (3, (4) เป็นระบบแนะน าข้อมูล ผลิตภัณฑ์หรือไอเทม ให้กับผู้ใช้ระบบโดยอ้างอิงจากสมมุติฐานการเรียนรู้ข้อมูลความชอบหรือความต้องการตามแต่ละบุคคล ด้วยสูตรทางคณิตศาสตร์ในการค้นหาความสัมพันธ์ของข้อมูลดังนี้ Cosine Similarity และ Simple Matching Coefficient (SMC) โดยมีสูตรในการค านวณ ดังนี้
Cosine Similarity = 𝑨⋅𝑩
‖𝑨‖‖𝑩‖
โดย A คือชุดข้อมูลของผู้ใช้ที่ระบบจะส่งร้านอาหารที่แนะน าให้ โดยท าการแปลงค่าข้อมูลมาเป็นตัวเลขโดยข้อมูล ดังกล่าวคือประเภทความชอบของอาหารที่สูงท่ีสุด 6 อย่าง B คือชุดข้อมูลของผู้ใช้ทั้งหมดในระบบท่ีจะท าการน ามาค านวณหาค่าความเหมือน โดยท าการแปลงค่าข้อมูล
มาเป็นตัวเลข โดยข้อมูลดังกล่าว คือ ประเภทความชอบของอาหารที่สูงท่ีสุด 6 อย่าง
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-489
Simple Matching Coefficient = 𝒏𝒖𝒎𝒃𝒆𝒓 𝒐𝒇 𝒎𝒂𝒕𝒄𝒉𝒊𝒏𝒈 𝒂𝒕𝒕𝒓𝒊𝒃𝒖𝒕𝒆𝒔
𝒏𝒖𝒎𝒃𝒆𝒓 𝒐𝒇 𝒂𝒕𝒕𝒓𝒊𝒃𝒖𝒕𝒆𝒔
โดย number of matching attributes คือ จ านวนของต าแหน่งของบูลลีนท่ีมีคา่เหมือนกันและเท่ากับ 1 number of attributes คือ จ านวนต าแหน่งของชุดข้อมูลที่น ามาค านวณ น าชุดข้อมูลวัตถุดิบที่ผู้ใช้แพ้ของผู้ใช้ทั้งหมดในระบบ โดยท าการแปลงค่าข้อมูลมาเป็น บูลลีน (Boolean) ที่มีค่า 1 และ 0 โดยข้อมูลประกอบไปด้วย อาหารทะเล ผัก ข้าวสาลี ถั่ว และไม่แพ้วัตถุดิบใดๆ จะได้ชุดข้อมูลบูลลีนของผู้ใช้แต่ละคน จากนนั้นท าการน ามามาค านวณด้วยสูตรทางคณิตศาสตร์
3. การวิเคราะห์และออกแบบระบบ จากการศึกษาและรวบรวมข้อมูล ได้น าข้อมูลมาท าการวิเคราะห์เพื่อให้ทราบถึงปัจจัยที่จะใช้ในการวิเคราะห์ และเพื่อให้ทราบถึง
ฟังก์ชันการท างานของระบบ โครงสร้างของฐานข้อมูล และน าเสนอด้วยแผนภาพต่างๆ ประกอบด้วย Use Case Diagram เพื่อทราบถึงขอบเขตของระบบโดยรวมและฟังก์ชันการท างานของระบบ Class Diagram เพื่อทราบถึงองค์ประกอบคลาสและความสัมพันธ์ระหว่างคลาส และ Entity Relationship Diagram เพื่อทราบถึงโครงสร้างของข้อมูลที่ใช้ในระบบโดยใช้สถาปัตยกรรมฐายข้อมูลเชิงสัมพันธ์ (Relation Database Architecture)
.
ภาพที่ 1 แสดงแผนภาพ Use Case Diagram
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-490
ภาพที่ 2 แสดงแผนภาพ Entity Relationship Diagram หลังจากท่ีท าการศึกษารวบรวามขอ้มูลต่างๆ และท าการวิเคราะห์ขอ้มูลแล้ว ในการออกแบบส่วนติดต่อกับผู้ใช้ ได้ยดึหลักของ Material Design เพื่อให้ความส าคัญกับระดับของความลึกท่ีจะแสดงระดับความเข้มของเงาแตกต่างกันของส่วนติดต่อกับผู้ใช้ เพื่อความสวยงามและความง่ายในการใช้งาน
ภาพที่ 3 หน้าจอเพิ่มร้านอาหาร
จากภาพที่ 3 เป็นหน้าจอส าหรับเพิ่มร้านอาหารเข้าสู่ระบบโดยผู้ดูแลระบบ ข้อมูลประกอบไปด้วย ช่ือร้านอาหาร ช่ือสาขา ประเภทร้านอาหาร ประเภทอาหาร ประเภทลูกค้า ช่วงราคา ที่ตั้งของร้านอาหาร ต าแหน่งทางภูมิศาสตร์ ประกอบด้วย ละติจูด และ ลองจิจูด เบอร์โทรศัพท์ อีเมล์ ช่วงเวลาเปิด-ปิด เว็บไซต์ร้านอาหาร เฟสบุ๊คร้านอาหาร อินสตราแกรมร้านอาหาร ไลน์ร้านอาหาร สิ่งอ านวยความสะดวกหรือประเภทอาหาร ได้แก่ แอลกอฮอล์ ที่จอดรถ สัญญาณอินเทอร์เน็ตไวไฟ จัดส่งแบบเดลิเวอรี่ รองรับการช าระเงินด้วยบัตรเครดิต ว่ามีให้บริการหรือไม่
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-491
ภาพที่ 4 หน้าจอแสดงข้อมูลร้านอาหาร
จากภาพท่ี 4 เป็นหน้าจอค้นหาร้านอาหารในระบบส าหรับผู้ดูแลระบบ ซึ่งประกอบด้วยข้อมูล ไอดีร้านอาหาร ช่ือร้านอาหาร ช่ือสาขา ประเภทของร้านอาหาร เบอร์โทรศัพท์ อีเมล์
ภาพที่ 5 หน้าจอแสดงรายละเอียดร้านอาหาร
จากภาพที่ 5 เป็นหน้าจอแสดงรายละเอียดข้อมูลของร้านอาหาร ใช้งานโดยผู้ดูแลระบบเท่านั้น ข้อมูลประกอบด้วย ช่ือร้านอาหาร ช่ือสาขา ประเภทร้านอาหาร ประเภทอาหาร ประเภทลูกค้า ช่วงราคา ที่ตั้งร้านอาหาร ต าแหน่งทางภูมิศาสตร์ เบอร์โทรศัพท์ อีเมล์ ช่วงเวลาเปิด-ปิด เว็บไซต์ร้านอาหาร เฟสบุ๊คร้านอาหาร อินสตราแกรมร้านอาหาร ไลน์ร้านอาหาร และสิ่งอ านวยความสะดวกเพิ่มเติมต่างๆ
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-492
ภาพที่ 6 หน้าจอแสดงกล่องข้อความ
จากภาพที่ 6 เป็นหน้าจอแสดงรายการข้อความที่ส่งเข้ามายังผู้ดูแลระบบ ประกอบด้วย หัวข้อของข้อความ รายละเอียดของข้อความ วันท่ีส่ง เวลาที่ส่ง ช่ือผู้ส่ง และรูปภาพของผู้ส่ง
ภาพที่ 7 หน้าจอแรกของฝั่งโมบายแอพพลิเคชัน
จากภาพที่ 7 เป็นหน้าแรกเมื่อผู้ใช้ที่เป็นร้านอาหารและผู้บริโภคเข้าสู่โปรแกรม โดยจะแสดงรายการร้านอาหารต่างๆ โดยจะเป็นข้อมูลร้านอาหารใหม่ หรือท่ีได้รับความนิยมจากการให้คะแนน
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-493
ภาพที่ 8 หน้าจอจัดการข้อมลูร้านอาหาร
จากภาพที่ 8 เป็นหน้าจอส าหรับผู้ใช้ที่เป็นร้านอาหาร จัดการข้อมูลรายละเอียดของร้านอาหาร ประกอบด้ วยข้อมูล ไอดี
ร้านอาหาร รูปภาพร้านอาหาร ช่ือร้านอาหารและเรตติ้งร้านอาหาร โดยลูกค้าท่ีเป็นเจ้าของร้านเป็นผู้ใช้งาน
ภาพที่ 9 หน้าจอจัดการประวัตสิ่วนตัวของผู้ใช้
จากภาพที่ 9 เป็นหน้าจอส าหรับผู้ใช้ที่เป็นผู้บริโภค ส าหรับจัดการข้อมูลประวัติส่วนตัว แก้ไขข้ อมูลส่วนตัว ส่งค าขอเปิดร้านอาหาร สร้างโหวตกลุ่มได้ ประกอบด้วยข้อมูล ไอดีผู้ใช้ ช่ือผู้ใช้ รูปภาพของผู้ใช้ จ านวนร้านอาหารที่กดถูกใจ จ านวนร้านอหารที่ เป็นเจ้าของร้าน
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-494
ภาพที่ 10 หน้าจอแนะน าร้านอาหารตามลักษณะบุคคล
จากภาพที่ 10 เป็นภาพหน้าจอส าหรับผู้บริโภคใช้ในการแนะน าร้านอาหารตามลักษณะบุคคล ข้อมูลประกอบไปด้วย ช่ือร้านอาหาร ระยะทาง เวลาเปิด-ปิด คะแนนของร้านอาหาร โดยแสดงรายการร้านอาหารตามที่ระบบแนะน า โดยวิเคราะห์ตามลักษณะความชอบและรายการอาหารที่แพ้ของแต่ละบุคคล โดยค านวณหาค่าความเหมือนกับชุดข้อมูลฝึกฝนที่มีอยู่แล้วในฐานข้อมูล
ภาพที่ 11 หน้าจอโหวตกลุ่มเพื่อเลือกร้านอาหาร
จากภาพที่ 11 เป็นหน้าจอส าหรับผู้บริโภคใช้ในการดูรายละเอียดการโหวตกลุ่ม ข้อมูลประกอบไปด้วย ผู้ใช้ที่อยู่ในกลุ่มโหวต ร้านอาหารที่อยู่ในกลุ่มโหวต และคะแนนโหวตของแต่ละร้านอาหาร โดยรองรับการเลือกร้านอาหารแบบเป็นกลุ่ม ว่าส่วนใหญ่ในกลุ่มต้องการไปรับประทานอาหารร้านใด จากรายการร้านอาหารที่ระบบแนะน า โดยวิเคราะห์ตามลักษณะของแต่ละคนในกลุ่ม ผลการวิจัยและอภิปรายผล ผู้ศึกษาได้ท าการพัฒนาระบบค้นหารา้นอาหารด้วยการวิเคราะห์สว่นบุคคล จากการวิเคราะห์ความเหมือนของบุคคล (Similarity Analysis) ด้วยสูตรทางคณิตศาสตร์ในการค้นหาความสมัพันธ์ของข้อมูล Cosine Similarity และ Simple Matching Coefficient (SMC) จากชุดข้อมูลฝึกฝน (Training Data Set) ที่รวบรวมมาได้จากแบบสอบถามพฤติกรรมในการเลือกรับประทานอาหาร และน ามาวิเคราะห์หาค่าความเหมือน ได้ค่าสูงสุดเท่ากับ 1.99 ประเมินโมเดลที่วิเคราะห์ได้ด้วยข้อมูลทดสอบ (Testing Data Set) พบว่าโมเดลที่ได้ในครั้งแรกเกิดปัญหา Over fitting เนื่องจากมีจ านวนตัวแปรมากเกินไปและจ านวนข้อมูลในชุดข้อมูลฝึกฝนน้อยไป จึงได้ท าการเก็บข้อมูลที่จะใช้เป็นชุดข้อมูลฝึกฝนเพิ่มและเลือกกลุ่มตัวอย่างที่มีความแตกต่างกัน จนได้โมเดลที่สามารถน าไปใช้งานได้ โดยมีค่าความเหมือนสูงสุด เท่ากับ 2.00 ผลการศึกษา ปัจจัยส่วนบุคคลที่ใช้ในการวิเคราะห์ ประกอบด้วย ประเภทความชอบอาหารและวัตถุดิบอาหารที่ก่อให้เกิดอาการแพ้ในแต่ละบุคคล ถ้าไม่มีความเหมือนเลยก็จะไม่แสดงค่าออกมา จากนั้นทดสอบโดยใช้ข้อมูลทดสอบของผู้ใช้ [email protected] ได้ผลลัพธ์ดังนี้ จากตารางที่ 1 หัวข้อรายการผู้ใช้แสดงถึง รายช่ือผู้ใช้ในระบบที่มีรายการอาหารที่ชอบและรายการอหารที่แพ้ใกล้เคียงกับผู้ ใช้ [email protected] มากที่สุด และค่าความเหมือน คือคะแนนที่ ได้จากการค านวณด้วยสูตรทางคณิตศาสตร์ว่าเข้าใกล้ ผู้ ใช้ [email protected] มากหรือน้อย โดยคะแนนจะสูงสุด เท่ากับ 2.0000 คือมีความใกล้เคียงมากที่สุด และคะแนนต่ าสุด เท่ากับ 0.8082 คือมีความใกล้เคียงน้อยที่สุด และผู้ศึกษาได้ใช้ผลลัพธ์ที่ได้นี้ ไปใช้ในการพัฒนาระบบต่อไป โดยในการวิเคราะห์เพื่อแนะน าร้านอาหาร จะวิเคราะห์ความเหมือนจากประเภทความชอบอาหารและวัตถุดิบอาหารที่ก่อให้เกิดอาการแพ้ในแต่ละบุคคลที่เหมือนกัน
การประชุมวิชาการระดับชาติ วิทยาศาสตร์และเทคโนโลยีระหวา่งสถาบัน ครั้งที่ 6 The 6th Academic Science and Technology Conference 2018
วันพุธที ่6 มิถุนายน 2561
IT-495
ตารางที่ 1 แสดงผลการทดสอบโดยใช้ข้อมูลทดสอบของผู้ใช้ [email protected] รายการผู้ใช ้ ค่าความหมือน
[email protected] 2.0000 [email protected] 1.9129 [email protected] 1.8165 [email protected] 1.8033 [email protected] 1.7071 [email protected] 1.5773 [email protected] 1.4082 [email protected] 1.3071 [email protected] 1.5774 [email protected] 1.1774 [email protected] 1.0082 [email protected] 0.8082
สรุป จากผลการวิจัย สรุปได้ว่า ในการพัฒนาระบบค้นหาร้านอาหารด้วยการวิเคราะห์สว่นบุคคล ปัจจัยส่วนบุคคลที่ใช้ในการวิเคราะห์เพื่อค้นหาและแนะน าร้านอาหารให้เหมาะสมกับบุคคล ประกอบด้วย ประเภทความชอบอาหารและวัตถุดิบอาหารที่ก่อให้เกิดอาการแพ้ ซึ่งแอพพลิเคชันส าหรับกลุ่มผู้บริโภคจะค้นหาและแนะน าร้านอาหารโดยวิเคราะห์ความเหมือนระหว่างข้อมูลส่วนตัวของผู้ใช้กับข้อมูลส่วนตัวของสมาชิกคนอื่นๆ ที่มีความเหมือนกัน ที่ระดับความเหมือนระหว่าง 1.98-2.00 ข้อจ ากัดของระบบ ปัจจัยที่ใช้ในการวิเคราะห์ความเหมือนมีเพียงสองปัจจัยคือ 1.ความชอบ 2. อาหารที่แพ้ ดังนั้นควรมีการศึกษาปัจจัยอื่นเพิ่มเติมเพื่อให้การวิเคราะห์ส่วนบุคคลได้ตรงความต้องการของผู้ใช้มากขึ้น งานวิจัยในอนาคต ใช้เทคโนโลยี AI (Artificial Intelligence) ในการวิเคราะห์พฤติกรรมของผู้ใช้ในเชิงลึกมากขึ้น และทางร้านอาหารสามารถจัดส่งอาหารให้กับผู้ใช้เพียงแค่กดเปิดแอพพลิเคชัน เอกสารอ้างอิง 1. CCM Systems Company Limited. Location base services. [อินเทอร์เน็ต]. 2560 [เข้าถึงเมื่อ วันที่ 13 พ.ย. 2560].เข้าถึงได้
จาก: https://www.ccm-systems.com/our-blog/lbs-location-based-service 2. รศ.ดร.สุรพงค์ เอื้อวัฒนามงคล. การท าเหมืองข้อมูล (Data Mining). กรุงเทพฯ: ส านักพิมพ์สถาบันบัณฑิตพัฒนบริหารศาสตร์; 2558. 3. Thanachart Ritbumroong. Collaborative Filtering. [อินเทอร์เน็ต]. 2559 [เข้าถึงเมื่อ วันที่ 30 ก.ย. 2560], เข้าถึงได้จาก:
https://developers.ascendcorp.com/สร้าง-recommendation-engine-จาก-collaborative-filtering-3d1d68849102 4. Wikipedia, the free encyclopedia. Recommender system. [อินเทอร์เน็ต]. 2560 [เข้าถึงเมื่อ 15 ก.ย. 2560], เข้าถึงได้จาก:
https://en.wikipedia.org/wiki/Recommender_system
