108 年 國立政治大學圖書資訊與檔案學研究所圖書資訊學組《計算機概論》

這題主要考驗考生對圖書資訊學領域相關的基礎計算機科學名詞的理解程度。

(1) 鏈結開放資料 (linked open data, LOD)
LOD 是一種透過網際網路連結結構化資料的方法。它遵循幾個關鍵原則：使用 URI 作為名稱（名稱空間），使用 RDF（資源描述框架）作為資料模型，並提供連結到其他相關資料的連結。其核心目標是讓不同來源的資料能夠互相連結，形成一個龐大的、可查詢的知識圖譜，進而促進資料的互通性和再利用。在圖書館領域，LOD 可以用來連結書目資料、作者資訊、主題標目等，豐富館藏資訊並提供更深入的探索途徑。
【答案】

(2) 自然語言處理 (natural language processing, NLP)
NLP 是計算機科學、人工智能和語言學領域的一個分支，專注於讓計算機能夠理解、解釋和生成人類語言。它涉及許多技術，例如：分詞（tokenization）、詞性標註（part-of-speech tagging）、句法分析（parsing）、命名實體識別（named entity recognition）、情感分析（sentiment analysis）等。在圖書館領域，NLP 可用於自動化文獻摘要、主題分析、智慧搜尋系統、聊天機器人客服等。
【答案】

本題主要考驗對排序演算法、中位數（或百分位數）概念的理解，以及基本的程式設計能力。題目要求找出成績在第 50%（即中位數）以上的考生成績，並由高至低輸出。

核心觀念：

1. 排序 (Sorting)：為了找出第 50% 的考生成績，我們需要將所有考生的成績由高至低排序。
2. 中位數/百分位數 (Median/Percentile)：第 50% 的考生成績即為成績排序後的中位數。所有成績高於或等於中位數的考生，都通過初試。
3. 資料結構：可以使用陣列 (array) 或串列 (list) 來儲存考生人數和成績。

解題步驟：

1. 輸入考生人數：讀取使用者輸入的考生人數 $N$ (人數需小於等於 100)。
2. 輸入考生成績：讀取使用者輸入的 $N$ 個考生成績，並將這些成績儲存到一個陣列或串列中。
3. 排序成績：將儲存的考生成績由高至低進行排序。
4. 找出中位數 (第 50% 分位數)：
   • 如果考生人數 $N$ 是奇數，中位數就是排序後位於正中間的那個成績。例如，若有 5 位考生，排序後為 $s_1, s_2, s_3, s_4, s_5$，則中位數是 $s_3$。通過初試的考生是成績大於或等於 $s_3$ 的考生。
   • 如果考生人數 $N$ 是偶數，通常中位數是排序後中間兩個成績的平均值。但題目定義「位於第 50% 之考生成績」，且要求「由高至低列印出通過初試的考生成績」，這暗示我們需要找出一個「門檻分數」。最直觀的解釋是，從最高分開始，取到剛好能涵蓋至少一半考生（或最接近一半）的分數。
     • 例如，若有 4 位考生，排序後為 $s_1, s_2, s_3, s_4$。第 50% 的成績可以理解為 $s_2$ 或 $s_3$。
     • 執行範例 2：輸入 4 人，成績 66, 88, 50, 70。排序後為 88, 70, 66, 50。通過的成績是 88, 70。這表示中位數的門檻分數是 70。也就是說，如果成績大於等於 70 的都通過。
     • 這意味著，對於 $N$ 個成績，排序後，我們需要輸出從最高分開始，直到第 $\lceil N/2 \rceil$ 個成績（包含該成績）為止的所有成績。
     • 對於 $N=5$ (奇數)，$\lceil 5/2 \rceil = 3$。輸出前 3 個成績：95, 88, 70。符合範例 1。
     • 對於 $N=4$ (偶數)，$\lceil 4/2 \rceil = 2$。輸出前 2 個成績：88, 70。符合範例 2。

本題主要探討擴增實境 (AR)、虛擬實境 (VR) 和混合實境 (MR) 這三種沉浸式技術在圖書館創新服務中的應用。考生需要理解它們的定義、差異、技術原理以及潛在的安全問題。

核心觀念：

• VR, AR, MR 的定義與區別：理解它們如何將真實世界與虛擬世界融合。
• AR 的技術類型：Marker-based, Markerless, Location-based 的原理。
• 沉浸式技術的應用：如何將這些技術應用於圖書館的服務。
• VR 的潛在風險：在沉浸式體驗中可能遇到的安全問題。

---

(1) 請比較說明VR、MR與 AR 在特性上有何差異? (5%)

這三種技術的差異主要在於它們對真實世界與虛擬世界的融合程度不同，可以大致想像成一個連續的光譜：

• 虛擬實境 (Virtual Reality, VR)：

  • 定義：VR 是一種完全取代使用者真實世界的技術，將使用者帶入一個完全由電腦生成的虛擬環境。使用者透過頭戴式顯示器（HMD）等設備，與虛擬世界進行互動，感覺彷彿身歷其境。
  • 特性：
    • 完全沉浸：隔絕真實世界，提供全新的、虛擬的感官體驗。
    • 取代真實：使用者在 VR 環境中，看不到也感受不到真實世界的任何事物。
    • 互動性：使用者可以與虛擬環境中的物件進行互動。
  • 設備：頭戴式顯示器 (如 Oculus Rift, HTC Vive)、手部追蹤控制器。

• 擴增實境 (Augmented Reality, AR)：

  • 定義：AR 是將電腦生成的虛擬資訊（如圖像、聲音、文字）疊加到真實世界的影像上，以增強使用者對真實世界的感知。AR 並不取代真實世界，而是「增強」它。
  • 特性：
    • 部分沉浸/疊加：真實世界仍然是主要的背景，虛擬資訊被疊加其上。
    • 增強真實：提供關於真實世界額外的、虛擬的資訊。
    • 互動性：使用者可以與疊加的虛擬資訊互動，或虛擬資訊與真實世界互動。
  • 設備：智慧手機、平板電腦、AR 眼鏡（如 Google Glass, HoloLens 的部分模式）。

• 混合實境 (Mixed Reality, MR)：

  • 定義：MR 是介於 VR 和 AR 之間的一種技術。它不僅將虛擬物件疊加到真實世界，更進一步讓虛擬物件能夠與真實世界進行更深層次的互動和融合。虛擬物件可以感知真實世界的表面、光照，並做出相應的反應，彷彿它們真實存在於物理空間中。
  • 特性：
    • 真實與虛擬的融合：虛擬物件不僅疊加，還能與真實環境進行互動（例如，虛擬球可以「滾」在真實的桌子上）。
    • 雙向互動：使用者可以與真實世界和虛擬物件同時互動。
    • 感知真實環境：MR 系統需要感知真實世界的深度、表面和空間關係。
  • 設備：通常需要更先進的設備，如 Microsoft HoloLens。

總結差異：

特性	VR (虛擬實境)	AR (擴增實境)	MR (混合實境)
對真實世界的關係	完全取代	疊加資訊	融合互動
沉浸程度	完全沉浸	部分沉浸/增強	深度融合，虛實皆可互動
感知真實環境	不感知	部分感知（用於疊加）	深度感知（用於互動融合）
典型設備	HMD (Oculus, Vive)	手機, 平板, AR 眼鏡	HoloLens

【答案】

(2) 承題(1),請說明寶可夢(Pokemon GO)是屬於上面那一種應用?為什麼? (5%)

寶可夢 (Pokemon GO) 屬於擴增實境 (AR) 的應用。

原因：
Pokemon GO 的核心玩法是讓玩家在真實世界的環境中，透過手機螢幕看到疊加的虛擬寶可夢。遊戲並沒有取代玩家所處的真實環境，而是將虛擬的寶可夢「放置」在真實世界的地圖上，例如公園、街道等。玩家可以看到真實的街景，同時手機螢幕上出現了虛擬的寶可夢，玩家可以與之互動（捕捉）。

雖然 Pokemon GO 的 AR 技術相對簡單，通常是將 2D 或 3D 模型疊加在手機相機拍攝的影像上，但它符合 AR 的基本定義：在真實世界之上疊加電腦生成的虛擬資訊，以增強使用者對真實世界的感知。 它並沒有讓玩家進入一個完全虛擬的環境（VR），也沒有讓虛擬寶可夢與真實世界的物理細節（如光照、碰撞）進行複雜的互動（MR）。

【答案】

(3) 請說明 Marker-based AR、Markerless-based AR 與 Location-based AR 在感知原理上有何差異? (5%)

這三種 AR 技術的差異在於它們如何「感知」並將虛擬內容精確地定位在真實世界中：

• Marker-based AR (標記式擴增實境)：

  • 感知原理：系統依賴於辨識預先定義好的、具有獨特視覺特徵的「標記」（Marker）。這些標記可以是二維碼（QR Code）、特定的圖像（如書本封面、海報上的圖案）或三維圖形。AR 應用程式透過攝影機捕捉影像，並使用電腦視覺演算法（如特徵點提取、模式匹配）來偵測和識別這些標記。一旦標記被辨識，系統就能計算出標記的空間位置和方向，並在該位置精確地疊加虛擬內容。
  • 關鍵：需要有實體的、可辨識的標記作為虛擬內容的錨點。
  • 例子：掃描一本雜誌上的特定廣告圖案，手機螢幕上會出現該產品的 3D 模型或動畫。

• Markerless-based AR (無標記式擴增實境)：

  • 感知原理：這種 AR 技術不需要預先定義的標記。

核心觀念

本題考查三種樹的表示方式：

1. 決策樹（decision tree）：內部節點代表判斷特徵，分支代表特徵值，葉節點代表分類結果。
2. 鏈結串列表示一般樹：每個節點除了儲存資料，還要能串接其所有子節點。
3. 一般樹轉二元樹：採用「左子樹—右兄弟」（left-child right-sibling, LCRS）表示法：
   • left 指向第一個子節點。
   • right 指向下一個兄弟節點。

本題的分類結果是「是否購買筆記型電腦」，葉節點只有「是」與「否」。

---

解題方法

先觀察資料：

年齡	婚姻	收入	購買
<30	單身	高	否
<30	單身	中	否
>=30	已婚	高	是
>=30	單身	低	是
>=30	已婚	高	是
>=30	已婚	低	否

以「年齡」作為根節點：

• 年齡 <30 的兩人，結果皆為「否」。
• 年齡 >=30 的四人，仍需進一步依照婚姻狀況判斷：
  • 單身者：購買「是」。
  • 已婚者：
    • 收入高：購買「是」。
    • 收入低：購買「否」。

因此可得到完全正確分類六位客戶的決策樹。

---

（1）決策樹

                    [年齡]
                  /         \
               <30          >=30
                |              |
               否            [婚姻]
                            /       \
                         單身       已婚
                           |           |
                          是         [收入]
                                    /      \
                                  高        低
                                  |          |
                                 是         否

逐筆驗證：

1. 王大銘：<30 → 否
2. 陳倩茹：<30 → 否
3. 張明雄：>=30、已婚、高 → 是
4. 田信程：>=30、單身 → 是
5. 何偉業：>=30、已婚、高 → 是
6. 林葳婷：>=30、已婚、低 → 否

六筆資料皆被正確分類。

---

（2）以鏈結串列表示此決策樹

表示方法

每一個節點可設計為：

Node {
    data       // 節點內容，例如「年齡」或「是」
    branch     // 從父節點到此節點的分支條件
    firstChild // 指向第一個子節點
    nextSibling // 指向下一個兄弟節點
}

其中：

• firstChild 用來串接子節點。
• nextSibling 用來串接同一父節點下的其他子節點。
• 葉節點的 data 為「是」或「否」。
• 分支條件可記錄在子節點，例如 <30、>=30、單身、已婚、高、低。

本題的鏈結關係

年齡
└── <30 : 否
    └── nextSibling → >=30
                       └── 單身 : 是
                           └── nextSibling → 已婚
                                              └── 高 : 是
                                                  └── nextSibling → 低 : 否

以指標表示如下：