A Recommender System for Weight Loss Activity applying Ontological Knowledge-Based

ปองพล นิลพฤกษ, กีรติบุตร กาญจนเสถียร


Nowadays, the behavior of human life has been changed continuously and many people encounter the problems about health especially in fat reducing. This research presents how knowledge-based combined with rules can be used to develop the recommender system for weight loss activity to help the people for recommendations and produce a fat reducing plan. The question is how to automatically create a suitable plan and recommendation for weight loss activity, because the plan and recommendation should be compatible with individual people. Thus, the knowledge-based and rules in this research are proposed to solve the problems. There are three objectives of this research including 1) creating the ontology to represent the conceptual knowledge-based for activities of fat reducing and related information such as fat reducing activities, food, and disease, 2) creating the rules combined with proposed knowledge-based, and 3) developing the prototype system using proposed knowledge-based and rules to evaluate this approach. The accuracy is in the good level (average score = 0.73 (73%)). It is calculated using accuracy metrics by predictions with real users’ preferences and domain experts from real environment, 2 months.


Weight Loss Activity, Recommender System, Ontological Knowledge-Based, Rules

Full Text:



ลักขณา ยอดกลกิจ และ ฐิตวันต์ หงษ์กิตติยา นนท์. พฤติกรรมสุขภาพและพฤติกรรมเส่ียงต่อ สุขภาพของนักศึกษามหาวิทยาลัยราชภัฏ. การ ประชุมวิชา การระดับชาติมหาวิทยาลัยราชภัฏ สวนสุนันทา การวิจัยเพ่ือการพัฒนาที่ยั่งยืน. 2558.

พรพรรณ วรสิงหะ, เปรมวดี คฤหเดช และ กนิษฐ์ โง้วศิริ. ภาวะสุขภาพและปัจจัยเสี่ยงต่อ โรคไม่ติดต่อเร้ือรังของบุคลากรมหาวิทยาลัย ราชภัฏสวนสุนันทา. การประชุมวิชาการ ระดับชาติมหาวิทยาลัยราชภัฏสวนสุนันทา การ วิจัยเพื่อการพัฒนาที่ย่ังยืน. 2558.

Statista. Number of smartphone users worldwide from 2014 to 2019. 2016.

P. Nilaphruek and N. Witthayawiroj.

Automatic Course Planning System using Rule-based ontological knowledge base. International Journal of the Computer, the Internet and Management. 2015; vol.23 no.1: pp.16-23.

N. Suksom, M. Buranarach, Y. Myat Thein and et al. A Knowledge-based Framework for Development of Personalized Food Recommender System. The Fifth International Conference on Knowledge, Information and Creativity Support Systems, Chiang Mai, Thailand, 2010.

C. Pacione and S. Menke. System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability. U.S. Patent. 2013; vol.8: pp. 398-546.

P. Hitzler, M. Krotzsch and S. Rudolph. Foundations of Semantic Web Technologies. CRC Press; 2009.

F. Arvidsson and A. Flycht-Eriksson. Ontologies I. 2008.

W3C Member. A Semantic Web Rule Language Combining OWL and RuleML. 2004.

F. Hernandez del Olmo and E. Gaudioso. Evaluation of recommender systems: A new approach. Expert Systems with Applications. 2008; vol.35, no.3: pp.790- 804.

W3schools. Introduction to OWL. [Online]. 2011. [Accessed 2016 May [6]. Available from: http://www.w3schools.com/rdf/rdf _owl.asp.

สํานักงานกองทุนสนับสนุนการสร้างเสริม สุขภาพ.การลดน้ําหนัก. [ออนไลน์]. 2558. [เข้าถึงเมื่อ 8 ธันวาคม 2559]. เข้าถึงได้จาก: https://www.moph.go.th/.

OWLGrEd. OWLGrEd. [Online]. 2016. [Accessed 2016 May]. Available from: http://owlgred.lumii.lv/.

Stanford Center for Biomedical Informatics Research. Protégé. [Online]. 2016. [Accessed 2016 April]. Available from: http://protege.stanford.edu/.