由於現代人生活型態改變，因而出現?多睡眠問題。失眠問題尤其嚴重，失眠症除了會出現難以入睡、睡不著、太早醒來等困擾，如處理不當更會造成憂鬱、肥胖和心血管疾病等風險增加。現今的治療多半還是採用藥物治療，使得病患出現藥物濫用、副作用等狀況，而在非藥物治療方面，聲音對於睡眠的研究或是治療已有一定的研究基礎，但由於聲音相當主觀的感受，怎麼樣的聲音才是適合怎樣人的睡眠始終無法得知，因而無法有效應用於失眠症上。現今人工智慧多元發展，較少透過實際的產品或服務針對失眠者進行實驗。另外隨著手機的應用相當廣泛，對於使用者的感受也需多加探討。 因此基於上述，本研究設計一款白噪音音樂串流推薦系統應用程式，並採用基於基於項目的協同過濾，推薦合適的白噪音給失眠患者，用以改善失眠者的睡眠品質。最終我們成?建置出該套系統原型，並對16位輕度失眠患者運用隨機對照法，進行五天的睡眠評估實驗，驗證該系統的有效性。使用無母數進行統計實驗組與對照組的深度睡眠平均分別為25 4%和21 7%，而快速動眼期的平均則為27 4%和23 4%，能有助於提升失眠者穩定的深層睡眠與快速動眼期。同時我們也藉由SUS系統使用性量表和半結構式訪談，對8位失眠者進行使用性評估，了解該系統之使用性與意願度，結果顯示該系統使用性評分為85分，屬於使用性良好狀態。最終研究結果表明，所提出的機器學習推薦白噪音方案，能夠幫助失眠患者在良好的使用體驗中，找到合適的白噪音，並且有助於改善他們的睡眠品質。 本研究的宗旨在於設計能夠改善失眠患者的白噪音推薦系統，協助改善失眠問題，最終本研究所帶來的成果，在未來可提供給日後聲音與睡眠、人機互動、機器學習等相關研究參考之用。
Applying Machine Learning to Design and Evaluate the White Noise Recommendation System for Insomniacs
乃文, 張. (Author). 2021
學生論文: Doctoral Thesis