實驗參數

國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

範例中準確率的部份為找出的 720 個月份當中，有多少為判斷正確的月份；而範例中召 回率的部份為該職官實際於歷史上總共出現 715 個月份中，有多少個月份是為判斷正確 者。本研究於實驗部分便藉由上述方法進行準確率以及召回率之評估。

4.3 實驗結果

4.3.1 實驗參數

關於實驗參數的部份，共有四個參數以及其預設值如下表 4.1 所示，α為探勘區間頻繁 項目集的最小支持度，預設為 60%；β為候選人名在實驗當中與職官名稱的平均距離，

預設為 6，代表距離超過 6 個字以上則視為該過濾掉的非人名；γ為填入任期時允許任 期重疊的月數，預設為 5，代表門檻值定為允許最多 5 個月的任期重疊；δ為候選人名 與多少其他候選人名有重疊，預設為 3，代表 僅保留和 3 個以內候選人名有任期重疊者。

由於本研究方法主要為進行探勘以及填入任期兩大部分，因此影響因素的參數為α和 γ，在實驗的部分將針對上述兩參數進一步分析與觀察，而參數β與δ是對於過濾非人 名以及候選人名的部分，在此便不針對此部分做實驗分析。

表 4.1：參數說明 參數名稱 數值 目的

α 60% 探勘時的最小支持度 β 6 與職官名稱的平均距離 γ 5 最多允許任期重疊的月數

δ 3 最多允許與多少候選人名任期重疊

最小支持度α的設定將影響探勘時的頻繁區間判斷，當α愈高則頻繁區間愈不容易

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

延續，代表頻繁項目集之頻繁區間判斷的愈嚴格，換句話說，候選人名之任期時間有可 能被切得更短。圖 4.2、圖 4.3 和圖 4.4 分別是針對探勘時的最小支持度α根據 30%、50%

與 70%三種值產生的實驗結果數據，其餘參數部份則保持表 4.1 中的預設值，以總督的 結果為例，觀察最小支持度值α變化帶來的影響。實驗結果得知最小支持度α為 30%時 的召回率為 0.56，準確率為 0.52；最小支持度α為 50%時的召回率為 0.69，準確率為 0.60；最小支持度α為 70%時的召回率為 0.62，準確率為 0.66。明顯可看出當最小支持 度α從 30%至 50%時，其召回率和準確率皆有所提升，而當最小支持度α從 50%升為 70%時，召回率下降了約 0.07 左右，準確率的部份則提升 0.06 左右。由此可知，將最 小支持度α設定較低時會使得頻繁區間判斷條件較為寬鬆，可能造成部份候選人名之任 期範圍隨之變大，導致填入任期時的重疊情況較嚴重，且隨著最小支持度α值的提升準 確率也跟著提升，因此相對較高的最小支持度可得到較佳的準確率。

其中，圖 4.4 最小支持度α為 70%時，山西總督的召回率和準確率皆變為 0，但α 為 30%和 50%時卻無此情形，主要原因為當α較小時，頻繁區間的判斷相較α高時寬 鬆，因此原先α為 30%和 50%時可以找出的人名白秉真，在α為 70%時則無法符合最小 支持度。而山西總督在整個史料中僅出現 5 句，能找出的正確人名只有白秉真，所以便 造成最小支持度α為 70%時，山西總督找不出任何正確的人名，使召回率和準確率皆變 為 0 的情況。另外，圖 4.2、圖 4.3 和圖 4.4 的雲南總督其召回率與準確率皆為 0，表示 不論範圍在職官的任期或者本方法所判斷出的任期之內，皆完全沒有判斷正確的月份。

針對此項結果，根據進一步的追蹤發現在史料文本《清聖祖實錄》當中，記載擔任雲南 總督為趙廷臣與鄂善兩人，而錢實甫的《清代職官年表》中是記載卞三元為雲南總督，

換句話說，我們所採用文本所記載的官員與《清代職官年表》一書所記載的答案有所差 異，因此在這樣的情況下，使得雲南總督的召回率與準確率皆為 0。

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

0 0.2 0.4 0.6 0.8 1

Precision Recall

圖 4.2：α = 30%的實驗結果17

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Precision Recall

圖 4.3：α = 50%的實驗結果18

‧

‧

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Precision Recall

圖 4.7：γ = 7 的實驗結果22

圖 4.8：預設參數之實驗結果23

針對職官為總督、巡撫以及布政使的實驗結果，如圖 4.8 所示，這裡將一些因參數 的改變造成數據極端的變化，或採用之史料與標準答案記載相異而造成影響等因素之職 官排除在外，像是上述提及的山西總督或雲南總督等，以得到較平均的實驗結果。若將

‧ 國

立 政 治 大 學

‧

Na tiona

l Ch engchi University

上述職官不予考量，可得到總督之召回率與準確率分別為 0.7 和 0.72，巡撫之召回率與 準確率為 0.66 和 0.83，布政使之召回率與準確率為 0.23 和 0.43。

其中，關於布政使在實驗數據上相對較差之情況，我們進一步觀察瞭解到，除了職 官在史料當中出現次數的多寡會影響探勘之外，尚有另一影響探勘的重要因素，也就是 同一個人名在職官資料庫當中出現的頻繁程度，舉例來說，若職官在史料中出現次數相 當多，使得該職官資料庫的資料筆數較多，直覺上對於探勘是有利的條件，但是其中同 一個人名若不夠頻繁伴隨職官名稱，甚至在出現的每一筆資料當中所伴隨職官名稱的人 名皆不同，會造成無法探勘出頻繁伴隨著職官名稱的人名。

史料裡面某些職官在記載時，每位官員的名稱僅和該職官伴隨出現一次，換句話 說，藉由該職官所能瞭解的資訊除了每位官員的一筆記錄之外，沒有再額外記載每位官 員於任期內之各項事件，然而，布政使在史料當中的記載方式便屬於此種情形，同一個 人名伴隨職官出現的次數太過少次，即使各布政使於史料裡出現至少有 15 次以上，表 示職官資料庫至少有 15 筆以上的資料可以探勘，但同一個人名卻僅出現 1 至 2 次，較 難構成頻繁的條件而被探勘出來。此種情形除了布政使較為明顯之外，在總督和巡撫也 有部份職官有此情況，是影響召回率與準確率重要因素之一，此因素導致實驗部份結果 不彰，屬於史料文本本身記載上的局限。從圖 4.2 至圖 4.7 實驗結果當中，在職官名稱 於史料中出現次數較多，以及同一個人名常伴隨職官名稱一起出現之兩條件皆成立之 下，例如廣東廣西總督、四川陝西總督、直隸巡撫、山西巡撫、江蘇巡撫、安徽布政使…

等，可以得到 0.7 至 0.9 的召回率與準確率。