108 地方特考四等 圖書資訊管理 資訊系統與資訊檢索概要 考古題詳解

核心觀念

本題考查數位圖書館與網頁搜尋引擎的服務定位，並要求從「資料、用戶、服務」三個面向比較。數位圖書館以有組織、經選擇與管理的數位資源為核心，提供保存、取用與知識服務；網頁搜尋引擎則以大規模探索、索引及檢索網頁為核心，協助使用者從開放網路中找到相關資訊。

解題方法

依題目指定的三個面向逐項對照，並掌握兩者的核心差異：數位圖書館重視資源的品質、組織與長期管理；搜尋引擎重視網路內容的廣泛涵蓋、快速更新與相關性排序。

核心觀念

本題考查資訊檢索系統如何保存並取回使用者的查詢歷程，關鍵在於區分「未登入」與「已登入」兩種情境：

• 未登入時，系統沒有可直接辨識使用者的帳號，通常以瀏覽器端的 Cookie 或伺服器端的 Session 暫時識別同一使用者，並將查詢條件記錄下來。
• 已登入時，系統可用使用者帳號識別身分，將查詢條件與帳號建立關聯並保存，之後再依帳號取回其過去的查詢紀錄。

本題是系統設計與資訊檢索應用題，無須援引特定法條或計算公式。

解題方法

依「系統是否能辨識使用者」分別回答：

1. 系統沒有要求登入 使用者送出查詢時，系統可在瀏覽器設定 Cookie，或建立伺服器端 Session ID，作為該次瀏覽期間的識別代碼。每筆查詢連同識別代碼、查詢時間等資訊記錄於伺服器端日誌或查詢紀錄資料表；使用者再次查詢時，系統依 Cookie 或 Session ID 找回先前紀錄。

核心觀念

本題考查資訊檢索的查準率與查全率，並比較兩套系統對同一查詢詞 $T$ 的檢索成效。

• 查準率（Precision）：系統檢出的文件中，相關文件所占比例，反映檢索結果的準確程度。

$\text{查準率}=\frac{\text{檢出且相關的文件數}}{\text{檢出文件總數}}$

• 查全率（Recall）：所有相關文件中，系統成功檢出的比例，反映系統找出相關文件的完整程度。

$\text{查全率}=\frac{\text{檢出且相關的文件數}}{\text{相關文件總數}}$

題目已知資料庫共有一萬筆文件，但未要求計算精確率或其他以資料庫總筆數為基礎的指標；計算查準率與查全率時，使用題目提供的檢出筆數及相關文件總數即可。

解題方法

已知與查詢詞 $T$ 相關的文件共有 $5$ 筆。

A 系統

A 系統檢出 $10$ 筆，其中第 $1、3、9、10$ 筆相關，因此檢出且相關的文件有 $4$ 筆。

$\text{查準率}_A=\frac{4}{10}=0.4=40\%$

$\text{查全率}_A=\frac{4}{5}=0.8=80\%$

B 系統

核心觀念

本題考查資訊檢索中「詞彙權重如何影響文件排序」。檢索系統會依文件與查詢詞的權重計算相關程度，再據此排列文件。四種方式的差異，在於是否只看詞彙有無出現、詞彙在單篇文件中的出現頻率，或詞彙在整個文件集合中的普遍程度。

設詞彙 $T$ 在文件 $D$ 中出現 $f_{T,D}$ 次，在 $N$ 篇文件中出現於 $n_T$ 篇，則：

• 布林權重：$T$ 出現在 $D$ 中給 $1$，未出現給 $0$。
• TF（詞頻）：以 $T$ 在 $D$ 中出現的次數或正規化頻率表示。
• IDF（逆文件頻率）：依 $T$ 出現於多少篇文件衡量其區辨力；常見概念形式為 $\frac{N}{n_T}$，實務上也常取對數或加平滑。
• TF×IDF：以文件內詞頻乘上詞彙的逆文件頻率：

$w_{T,D}=\mathrm{TF}_{T,D}\times\mathrm{IDF}_{T}$

解題方法

本題指定各文件文長近似，因此比較排序時，著重兩個因素：詞彙在單篇文件中的頻率，以及詞彙在整個語料中的稀有程度。逐一判斷四種權重分別提供了多少排序資訊即可。

四種權重對排序的影響

一、布林權重

布林權重只區分詞彙有無出現。凡是含有 $T$ 的文件權重都是 $1$，不含 $T$ 的文件都是 $0$。

因此，它可以把含查詢詞的文件排在不含查詢詞的文件之前，但所有含詞文件彼此同分，無法再依出現次數或詞彙的稀有程度排序。若查詢涉及多個詞彙，系統可用布林邏輯判斷是否符合條件，但單一詞的二元權重本身不表達相關程度差異。

二、TF

TF 衡量 $T$ 在單篇文件中出現的頻率。若其他條件相同，$T$ 出現越多次，該文件的 TF 越高，通常會獲得較高排序。

TF 能區分「都含有查詢詞、但出現次數不同」的文件；但它不考慮詞彙在整體文件集合中的普遍程度。若某詞在幾乎所有文件都很常見，單靠 TF 仍可能使大量文件取得高分，區辨力有限。TF 也可能受文件長度影響；