112 地方特考四等 圖書資訊管理類科 資訊系統與資訊檢索概要 考古題詳解

核心觀念

主題分析是圖書資訊組織與資訊檢索中的一項內容分析工作：分析者閱讀或檢視文獻，判斷其主要論題、涵蓋範圍及重要概念，再以適當的主題詞、分類號或其他標引語言加以表達，使文獻能被納入檢索系統，也使使用者能依主題找到相關資料。

主題分析不只是找出文獻中出現頻率高的詞語，而是要辨識文獻真正討論的內容。分析時通常須兼顧：

• 文獻主題：文獻主要探討的對象或問題。
• 概念間的關係：概念之間的作用、比較、因果、隸屬等關係。
• 文獻的範圍與觀點：涵蓋的對象、時間、地區、方法或特定立場。
• 標引表達：依採用的分類表、主題詞表或索引典，選用一致且適切的標引語。

解題方法

作答可依「先說明定義，再說明重要性，最後列出注意事項」的次序組織。如此能分別回應題目所問的三個部分，並呈現主題分析從理解內容到形成標引的完整脈絡。

實際進行主題分析時，可採下列步驟：

1. 檢視文獻內容：閱讀題名、摘要、目次、前言、結論及正文等，不能只憑題名判斷主題。
2. 辨識主要概念：找出文獻的核心對象、研究問題及主要論點，區分核心主題與次要內容。
3. 分析概念關係與範圍：確認概念彼此的關係，並辨明文獻的涵蓋範圍及觀點。
4. 選擇標引語：依機構採用的分類表、主題詞表或索引典，選用規範化且能代表文獻內容的詞語或類號。
5. 檢核標引結果：確認標引語能忠實表達文獻主題，並符合系統的標引規則與一致性要求。

主題分析的重要性

• 提升檢索效果：將自然語言內容轉換為可檢索的主題標引，使用者可用主題查找資料，不必知道文獻題名或作者。
• 提高檢索一致性：同一概念若以多種用語表達，主題詞表或索引典可協助統一用語，減少漏查與查得不全。
• 支援資料組織與瀏覽：以分類號或主題標引組織文獻，便於依主題集中、瀏覽及比較相關資料。
• 促進資源共享與互通：採用一致的標引規則，有助於不同館藏、資料庫間的檢索與紀錄交換。

核心觀念

布林邏輯檢索以文件是否符合查詢條件為判斷基礎，主要使用三種邏輯運算子：

• AND（交集）：文件須同時含有兩個檢索詞，縮小檢索範圍。例如「圖書館 AND 自動化」。
• OR（聯集）：文件含有任一檢索詞即可，擴大檢索範圍。例如「期刊 OR 雜誌」。
• NOT（差集）：排除含有特定檢索詞的文件。例如「資訊檢索 NOT 網路」。

系統依布林運算結果，將文件判定為符合或不符合查詢條件；符合者列入檢索結果，不符合者排除。

解題方法

作答分成兩部分：先說明布林邏輯如何組合檢索詞，再指出其排序缺點及權重排序的作法。

布林檢索採精確匹配。例如查詢「圖書館 AND 自動化」，只有同時包含「圖書館」與「自動化」的文件才符合；若查詢為「圖書館 OR 自動化」，含有任一詞的文件都符合。檢索者可用括號設定運算順序，例如「（圖書館 OR 資訊中心）AND 自動化」，先求括號內的聯集，再與「自動化」取交集。

布林檢索的主要缺點是結果通常只有「符合／不符合」的二元判斷，系統無法依文件與查詢的相關程度高低排序。當符合條件的文件很多時，使用者仍須逐筆瀏覽；而 AND 條件過嚴也可能漏掉有用文件，OR 條件過寬則可能帶入大量不相關文件。

權重如何改善排序

可為檢索詞、欄位或文件設定權重，依文件符合查詢的程度計算相關分數，再按分數由高至低排列。一般概念式如下：

核心觀念

傳統的查全率（Recall）與查準率（Precision）通常用來評估一組未排序的檢索結果；但在排序檢索中，文件的位置也會影響使用者體驗。MRR、MAP 與 NDCG 都將排序資訊納入評量，適用情境各有不同：

• MRR（Mean Reciprocal Rank，平均倒數排名）：看每個查詢的「第一筆相關文件」排第幾名，適合每次查詢只要找到一筆相關答案的情境。
• MAP（Mean Average Precision，平均平均查準率）：看所有相關文件在排序清單中的位置，適合希望完整找出多筆相關文件的情境。
• NDCG（Normalized Discounted Cumulative Gain，正規化折損累積增益）：可處理相關程度分級，並對排名較後的文件折損，適合相關性有高低差異的情境。

解題方法與公式

為方便計算，假設某查詢的排序結果為：

其中 0 代表不相關，1、2、3 代表相關程度由低至高；此例共有 3 篇相關文件。

一、MRR：第一筆相關文件出現得多早

對單一查詢，若第一筆相關文件排名為 $r$，其倒數排名為 $1/r$。對 $Q$ 個查詢取平均：

以上例而言，第 1 名即為相關文件，故此查詢的倒數排名為 $1/1=1$。若第一筆相關文件排在第 4 名，則倒數排名為 $1/4=0.25$。

MRR 只看第一筆相關文件；第一筆之後還有多少相關文件、它們排在哪裡，都不影響此查詢的 MRR。

二、MAP：相關文件整體排得如何

先計算每個相關文件所在排名的查準率，再將這些查準率取平均。若相關文件出現在排名集合 $R_q$，則單一查詢的平均查準率（AP）為：

其中：

• $P_q(k)$ 是前 $k$ 名的查準率，即前 $k$ 名中相關文件數除以 $k$。
• $\mathrm{rel}_q(k)$ 為第 $k$ 名文件是否相關；相關為 1，不相關為 0。
• $|R_q|$ 是該查詢的相關文件總數。

MAP 是所有查詢 AP 的平均：

以上例的相關文件位於第 1、3、5 名：

• 第 1 名：$P(1)=1/1=1$
• 第 3 名：$P(3)=2/3$
• 第 5 名：$P(5)=3/5$

因此：

核心觀念

本題是申論題，考查兩個相連的面向：一是人工智慧（Artificial Intelligence, AI）的主要研究領域；二是如何把這些技術運用於圖書館實務工作，形成支援讀者服務與館務作業的資訊系統。

人工智慧是研究如何使電腦執行通常需要人類智慧的工作，例如學習、推理、理解語言、辨識影像、解決問題及規劃行動。作答時應先概述研究領域，再把領域與具體圖書館業務相連，說明系統的用途。

解題方法

可依「研究領域 → 圖書館應用 → 實務效益」的順序作答。研究領域不宜只列名詞，應簡要說明各領域處理的問題；應用部分則以圖書館常見的資源組織、資訊檢索、讀者服務及館務管理為主，舉出實際系統及其功能。

人工智慧的研究領域可整理如下：

1. 機器學習與資料探勘：讓系統從資料中找出規律，進行分類、預測或推薦。
2. 自然語言處理：使電腦能分析、理解或產生人類語言，包含文字分析、問答、摘要與機器翻譯。
3. 知識表示與推理：以規則、知識庫、本體或語意網描述知識，並據以推論答案或建立概念關係。
4. 搜尋、問題解決與規劃：從大量候選方案中尋找符合目標的結果，或安排適當的行動步驟。
5. 專家系統：把特定領域的知識與規則納入系統，模擬專家提供判斷或建議。
6. 電腦視覺與語音處理：辨識影像、文字、聲音或語音，支援影像檢索、語音輸入及語音互動。
7. 機器人與智慧代理人：使系統能感知環境、執行任務並與使用者互動；在圖書館可用於館藏搬運、盤點或導覽。

人工智慧在圖書館實務工作的資訊系統

1. 智慧檢索與問答系統 結合自然語言處理、知識表示及搜尋技術，理解讀者以日常語言提出的問題，協助查找館藏目錄、資料庫或館內知識。系統可提供相關資源、摘要或答案，改善傳統只依賴關鍵字比對的限制。

2. 圖書推薦與個人化服務系統 運用機器學習分析讀者的借閱、瀏覽或查詢紀錄，推薦可能感興趣的圖書、電子資源或主題。推薦結果應配合讀者需求與館藏目標，並注意個人資料及借閱紀錄的隱私。