第三章 系統平台與分析
3.7 小結
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.7 小結
最後，回顧此章節中系統分析與設計的重點。在本章的一開始，我們定義了本系統的相 片敘事結構是使用數位相片中的「標記」、「拍攝日期」與「相片位置」做為敘事分類 模式。再透過對資料屬性的分析，定義了三種相似度模型：(1)關鍵字模型、(2)空間模 型、(3)時間模型，並根據這三種資料模型設定相似度公式。接下來，系統設計的部分，
則是說明如何利用上述的三種模型定義相片故事版型的檢索的方法、故事版型靜態參考 點的定義、與互動參考點設定以及計算相片相似度公式說明。在下一章中，我們將開始 說明，如何此敘事回憶平台的架構與建置方法。
37
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四章 系統架構與建置
本論文在第三章中，我們描述了系統目標與設計方法，在本章節中我們將進一步描述系 統架構。
4.1 故事版型定義
在系統設計中，我們將每張照片視為多維空間上的一個點，而這個點的組合是由該相片 的屬性所構成，所以我們利用點與點的屬性相似度當作互相連結之間的邊的強弱度。以 這樣的方式可將照片庫中的每張相片連結起來成為一張大的網路圖，如圖 4.1。當透過 設定好相似度模型的故事版型檢索過濾後，這張大的網路圖裡面的點將會過濾至符合此 故事版型所需的故事素材的點，再將剩下節點的屬性向量再做一次相似度的計算，就會 變成符合該故事版型的一個小型網絡圖，而這個小型網路圖即為系統中為此故事版型定 義的故事關聯圖(圖 4.2)。例如，資料庫中總共有241張的照片，將故事版型設定為只有 風景照的故事版型，出現的結果總共有90張照片，每張皆為與風景相關，如圖 4.311。
11 礙於版面大小，僅顯示前 25 張相似度最高的照片
38
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.1 照片庫的網絡圖
圖 4.2 經過故事版型過濾後的網絡圖
39
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.3 風景照相關的故事版型
4.2 故事版型參數定義 (config.XML)
本研究將故事版型的設定方式，定義於 xml 的設定檔中，如圖 4.4 所示。在表 4-1 中，
我們將說明此設定檔所有標籤定義。config.xml 完整的格式範例可參照[附錄一]。
圖 4.4 故事版型定義格式(config.xml)
40
‧
startdate
檢索日期範圍-開始時間
yyyy/MM/dd 否 但 type 為 date 為必要 欄位。
41
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Enddate
檢索日期範圍-結束時間
yyyy/MM/dd 否 但 type 為 date 為必要 欄位。
在表 4-1 中，說明了每個標籤的基本屬性定義，接下來，我們將進行標籤內容的說明。
正、負向條件屬性(<positive>、<negative>)
這兩個標籤是代表檢索中的關鍵字正負向條件，而表 3-1 中定義了 29 個關鍵字。在 此，我們也定義了這 29 個屬性關鍵字(如表 4-2)。因此，在輸入條件時，將條件名稱 以逗號分隔即可。
表 4-2 正負向條件屬性定義 編號
(No.)
特徵(feature) 關鍵字 (tag)
屬性名稱
1 人(who) family FAMILY
2 friend FRIEND
3 child CHILD
4 me ME
5 事(what) tour TOUR
6 visit VISIT
7 urban_activity URBAN_ACTIVITY
8 dining DINING
9 party PARTY
10 advertise ADVERTISE
11 outdoor_activity OUTDOOR_ACTIVITY
42
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
12 rest REST
13 物(which) pets PETS
14 wildlife WILDLIFE
15 herb HERB
16 forest FOREST
17 religion RELIGION
18 design DESIGN
19 artwork ARTWORK
20 food FOOD
21 scenery SCENERY
22 street STREET
23 情感(Emotion) delight DELIGHT
24 anger ANGER
25 sadness SADNESS
26 happy HAPPY
27 amazement AMAZEMENT
28 peaceful PEACEFUL
29 serious SERIOUS
關鍵字特徵屬性分數
<who>、<what>、<which>、<emotion>這四個標籤各代表著人、事、物、感覺的四個 特徵，而這四個特徵中擁有如表 4-2 中的 29 個關鍵字。由於這四個標籤的屬性數量 不同，我們所設定的分數為該屬性於此特徵中的比例，所以我們將依照屬性的數量做
43
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
為每個特徵屬性的分數的上限。這樣設計的原因在於，當系統將此設定轉換為座標時，
所有的屬性值都已正規化，不會有極端值的產生。所以每個特徵標籤，只要依照表 4-3 中的順序，以逗號分隔，分別給予分數即可。
表 4-3 關鍵字特徵標籤定義 編號
(No.)
特徵 代表關鍵字 分數上下限(Limits)
1 人(who) family 0.0~4.0
2 friend 0.0~4.0
3 child 0.0~4.0
4 me 0.0~4.0
1 事(what) tour 0.0~8.0
2 visit 0.0~8.0
3 urban_activity 0.0~8.0
4 dining 0.0~8.0
5 party 0.0~8.0
6 advertise 0.0~8.0
7 outdoor_activity 0.0~8.0
8 rest 0.0~8.0
1 物(which) pets 0.0~10.0
2 wildlife 0.0~10.0
3 herb 0.0~10.0
4 forest 0.0~10.0
44
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
5 religion 0.0~10.0
6 design 0.0~10.0
7 artwork 0.0~10.0
8 food 0.0~10.0
9 scenery 0.0~10.0
10 street 0.0~10.0
1 情感(emotion) delight 0.0~7.0
2 anger 0.0~7.0
3 sadness 0.0~7.0
4 happy 0.0~7.0
5 amazement 0.0~7.0
6 peaceful 0.0~7.0
7 serious 0.0~7.0
GPS位置設定<GPS>
此設定為地理位置的範圍，GPS 給予的值一樣使用十進位的標準 GPS 標示，順序是 緯度(latitude)，再來是經度(longitude)，一樣使用逗號分隔即可。
開始時間<startdate>、結束時間<enddate>
這 2 個標籤是用來設定檢索的日期區間，格式為西元年/月/日。
4.3 敘事創作回憶平台架構
根據第三章的系統設計，本研究提出下列的敘事回憶平台架構，如圖 4.5。在圖 4.5中，
45
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
可以看到此系統架構有兩個主要的模組：(1)相似度模組(Similarity Module)、(2)創作記 錄模組(Storytelling Recording Module)。相似度模組在此架構裡負責實現相片推薦的方法，
而創作記錄模組則是負責記錄以及產生使用者在敘事創作中的歷程與結果。這兩個模組 為此系統的核心。
圖 4.5 敘事回憶平台架構圖
46
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
4.3.1 模組介紹
相似度模組(Similarity Module)
在此模組中，我們實作第三章系統設計中定義的三種不同相似度模組(關鍵字模組、
空間模組、日期模組)的演算法、以及敘事創作平台所需的靜態參考點、互動動態參 考點與使用者創作意向修正-分頁推薦(Next)與故事轉折點(Skip)的計算方法。在實作 此系統模組時，我們將每張相片的屬性以向量的方式記錄於記憶體中，並根據使用者 選擇的故事版型，開始進行故事相片過濾。系統一開始會判斷是否為第一次進入檢索，
如果是的話，會先使用設定檔裡設定故事屬性的參考點進行相似度計算，若非第一次 進入檢索，則會根據使用者上一次的選擇，進行新的參考點設定，再重新進行相似度 計算。最後再將相似度排序，取出相似度最高的五張照片當作推薦相片，讓使用者進 行相片敘事創作的選擇。
故事創作記錄模組(Storytelling Recording Module)
在此模組中，我們定義了五種功能-新增、讀取、更新、刪除、發送結果(CRUDS-Create、
Read、Update、Delete、Send)。當使用者在說故事時，CRUD 用於資料記錄的功能。
而當使用者完成創作時，系統將會把結果以 Email 的方式，將創作結果的網頁連結寄 送至創作者的電子郵件，以便使用者可以分享或再度瀏覽其創作。在實作的方法上，
當使用者進入相片敘事創作時，系統會產生一組屬於這個故事的唯一值(Primary Key)，
目的是要儲存使用者此次的編輯記錄。當使用者創作結束後，系統會將此次的創作轉 譯成一份 xml 文件，這份文件裡會包含使用者創作的開始與結束時間、電子信箱以及 此次創作所使用到的照片與故事描述(如附錄二)。
4.3.2 系統功能介紹
在此章節中，我們將此敘事回憶平台架構裡的相似度模組實作設計成故事版型(Story
47
‧
Template)與搜尋功能(Query Function)，將故事創作記錄模組設成故事編輯(Story Editing) 與分享瀏覽結果(Story Sharing)等四大項主要的系統功能圖 4.6)所示。
“MEMOTORY”
Platform
Story
Template
• Keyword-based template
• Date-based template
• Location-based template
Query Function
• Stroy Template Query Function
• Dynamically Adjusted Query Function
• "NEXT" Query Function
• "SKIP" Query Function
Story Editing
• Content Editing
• Layout Arrangement
Story Sharing
• Scroll's Result
• Review Result
48
‧
(1) 關鍵字型態故事版型(Keyword-Based Story Template)
在系統設計上，每張照片擁有的特徵：人、事、物、感情是利用關鍵字(tag)用來
‧
<type> Keyword
<positive> URBAN_ACTIVITY,DINING,ADVERTISE,RELIGION,D ESIGN,ARTWORK,FOOD
<negative> SCENERY_ACTIVITY
<who> 4.0,4.0,4.0,4.0
<what> 0.5,5.0,1.0,1.0,5.0,1.0,0.0,1.0
<which> 1.0,2.0,5.0,1.0,1.0,1.0,1.0,6.0,3.0,0.0
<emotion> 1.0,1.0,1.0,5.0,5.0,5.0,1.0
50
‧
Filter Attribute Vector = (0,0,0,0,0,0,1,1,0,1,0,0,0,0,0,0,1,1,1,1,−1,0,0,0,0,0,0,0,0) (式 4-2)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.7 關鍵字型態故事版型結果-城市主題
(2) 時間型態故事版型(Date-Based Story Template)
利用時間區間(上、下限)的設定，代表該故事版型所想檢索的時間範圍，做為過濾時 間照片的參考，再將相片以線性排列的方式，由近到遠作為故事版型的相片，如圖 4.8，
是以2010/1/1到2012/1/1為檢索時間區間的結果。
52
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.8 時間型態故事版型結果(2010/1/1~2012/1/1)
(3) 地點型態故事版型(Location-Based Story Template)
利用地球經緯度的設定，代表該故事版型所想檢索的地理位置參考點，以該位置 做為該故事版型的相似度條件，距離愈近則相似度愈高，再以線性排序的方式推 薦。如圖 4.9是以日本東京GPS座標(35.700802,139.690361)為檢索條件所產生的結 果。
53
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4.9 以地點型態的故事版型結果-(35.700802,139.690361)
檢索方法(Query Function)
同樣是實現第三章中的系統設計中的參考點與相似度的計算方法。
(1) 版型檢索(Template Query Function)
根據檢索條件，套用版型中的設定，利用(式 3-12) S𝑝𝑝 = �𝑤𝑤𝑎𝑎𝑁𝑁𝑆𝑆𝑎𝑎+ 𝑤𝑤𝑔𝑔𝑁𝑁𝑆𝑆𝑔𝑔+ 𝑤𝑤𝑡𝑡𝑁𝑁S𝑡𝑡�δ𝑝𝑝
過濾多餘的相片後開始計算相似度。但相似度模型中權重條件會因版型套用不同 的權重比例。
I. 關鍵字型態(Keyword-Based Type)：該型態的檢索，代表相似度模型的 𝑤𝑤𝑎𝑎權重較高。
II. 地點型態(Location-Based Type)：該型態的檢索，代表相似度模型的𝑤𝑤𝑔𝑔權 重較高。
III. 時間型態(Date-Based Type)：該型態的檢索，代表相似度模型的𝑤𝑤𝑡𝑡權重 較高。
54
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(2) 動態檢索(Dynamically Adjustive Query Function)
使用者在進行相片敘事時，檢索的過程是一個動態的循環模型，如圖 4.10。使用 者在與系統互動的過程中，系統會根據使用者的行為做動態的調整敘事的方向。
圖 4.10 動態檢索循環模型
(3) 分頁推薦(NEXT Query Function)
此功能是為實作3.6小節所提到的使用者創作意向修正中的「分頁推薦(Next)」。
該功能與檢索網頁上「下一頁」的功能是相同的意思。我們實作的方式是將目前 系統推薦的相片，給予一個遞減函數。(式 3-12)中每張照片都有其遞減函數(δ)，
該函數如同降低目前推薦的這組相片的權重，則其他類似型態的照片得以進入候 選相片區，但檢索方向不變。
(4) 故事轉折點檢索(SKIP Query Function)
此功能是為實作3.6小節所提到的使用者創作意向修正中的「故事轉折點(Skip)」 ， 實作時，套用(式 3-14)計算出故事轉折點，再重新計算照片間的相似度，重新推 薦改變敘事檢索方向的照片。如圖 4.11，我們選擇了以城市為主題的故事版型，
Query
reference New User
Feedback
55
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
前2張照片皆選擇食物為說故事相片(Run1,Run2)，在Run3時，覺得不想要食物/
餐廳相關的照片，所以就按下了Skip按鈕，Run4的推薦相片就轉換成其他城市屬 性的相關照片。
圖 4.11 skip 的變換效果
創作相片故事(Story Editing)
56
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
(1) 編輯故事內容(Content Editing)
系統提供文字輔助敘述，加強敘事的生動性。
(2) 調整故事情節(Layout Arrangement)
系統提供刪除相片、拖拉相片改變位置，以供使用者修潤故事的順暢度。
分享展示相片故事(Story Sharing) (1) 滑動展示(Scroll’s show)
系統提供滑動式的展示方法讓使用者可以像瀏覽故事書一面一面的閱覽。
(2) 回顧展示(Review result)
每當創作結束後，系統會直接寄出此次創作的連結。目的為提供回顧展示連 結給予使用者，提高創作結果的分享性。
4.4 實作系統環境配置與介紹
在此小節中，我們將開始介紹系統平台的環境配置以及如何實作 4.1 小節的系統架構。
由於此平台是建構於「回憶」和「互動敘事」，所以，我們將此系統平台取名
為”MEMOTORY”，是取自回憶的英文”MEMORY”和敘事的英文”STORYTELLING”的結
為”MEMOTORY”，是取自回憶的英文”MEMORY”和敘事的英文”STORYTELLING”的結