技術論文本質

技術論文是軟體知識中非常重要的部份。技術論文可能提供全新的概念、新 的技術、特定議題的解決方案等，對軟體開發的效率與軟體成品都有非常大的影 響。了解技術論文的特性，將有助於建構有效率的知識分類方法，進而讓使用者 快速取得有幫助的技術論文。

從知識產生的目的來看，技術論文產生的目的大都是解決特定的問題，不論 是傳統的演算法、資料結構乃至於發展迅速的無線網路、多媒體，技術論文的產

生都是針對技術上的問題提供解法。常見的型態包括提供較現有技術更有效率的

Fabrizio Sebastiani 的”Machine learning in automated text categorization”

[31] ， 這 個 標 題 中 ， machine learning 是 他 提 出 的 解 法 ， 而 automated text categorization 則是他要處理的問題，格式是名詞+in+名詞，故在這裡第一個名詞 是 解 法 ， 第 二 個 名 詞 是 問 題 。 但 另 一 篇 David F. Bacon 的 ”Compiler transformations for high-performance computing”[32]，看起來跟前一篇標題格 式頗為類似，但其實這篇論文的內容是在處理 multiprocessors 以及 superscalar processors 機器上的 compiler optimization 問題，利用 compiler transformation 解 決，而採用了dependence analysis 以及 locality 等技術來解決，這時前一個名詞 變成解法，第二個名詞則是問題所在領域。這兩篇標題型式如此類似的論文，其 代表的意義卻相差非常多。此外論文的標題由於沒有規定的格式，因此各種型式 的標題都可能出現，舉例而言，Weiyi Meng 的”Building efficient and effective metasearch engines”[33]，從標題上只能看出這篇論文要建構有效率的 metasearch engine，看不出其提出的解法，且格式是採用動詞+名詞的方式，跟前兩篇不同；

又如 Jin Jing 的”Client-server computing in mobile environments”[34]，標題看起 來 跟 第 一 篇 類 似 ， 都 是 以 名 詞+in+ 名 詞 做 為 標 題 ， 但 在 這 裡 第 一 個 名 詞

（Client-server computing）並非解法，而是這篇論文處理的問題，其他尚有更難

判斷的例子，如 Steffen Heinz 的”Burst tries: a fast, efficient data structure for string keys”[35]，這篇的格式是名詞+：+形容詞+名詞+for+名詞，但其實讀了內 容後會發現這篇論文在講的是text database 中的 string data structure 問題，而提 出了Burst tries 做為解法。又如 Chang H. and Iyengar S. S 的”Efficient algorithms to globally balance a binary search tree”[36]，格式是名詞+to+動詞+名詞，而這 些名詞卻不能完全代表這論文的意義，讀完論文後會發現這篇論文處理的是 Binary search tree 中的 improve worst case 問題，採用了 sequential balancing &

parallel balancing 的解法。

由上述的例子，可發現論文的標題有非常多不同的語法，由於自然語言並非

Fabrizio Sebastiani 的”Machine learning in automated text categorization”，

這 篇 論 文 中 定 義 了 三 個 關 鍵 字 ：Machine learning、text categorization、text classification，而 text categorization 與 text classification 其實是同義字，這樣的關 鍵字是很簡單的，text categorization 是問題，而 machine learning 是解法，至於

machine learning 所運用的技術就無法從關鍵字得知。另一篇 David F. Bacon 的”Compiler transformations for high-performance computing”，則定義了較多 的 關 鍵 字 ：compilation 、 dependence analysis 、 locality 、 multiprocessors 、 optimization 、 parallelism 、 superscalar processors 等 ， 這 些 關 鍵 字 中 ， 有 些

（parallelism、superscalar processors、multiprocessors）是問題的領域，有些是問 題（compilation、optimization），有些則是解法運用的技術（dependence analysis、

locality），若使用者想找superscalar 的介紹，也可能找到這一篇，想找 dependence analysis 的介紹，也可能找到這一篇，想找 compiler optimization 的方法，也可能 找到這一篇，但其實這篇都不符合上述三項需求，足見雜亂關鍵字帶來的不良影 響。又如 Steffen Heinz 的”Burst tries: a fast, efficient data structure for string keys”，定義了 Binary trees、splay trees、string data structures、text databases、tries、

vocabulary accumulation 等關鍵字，同樣的，這些關鍵字有些是領域，有些是問 題，有些是解法及運用的技術，這樣雜亂無章讓使用者難以快速掌握論文的重 點，也無法真正達到索引的功能。再如 Jin Jing 的”Client-server computing in mobile environments”的，定義了非常多的關鍵字：application adaptation、cache invalidation、caching、client/server、data dissemination、disconnected operation、

mobile applications、mobile client/server、mobile computing 等等，幾乎只要論文 有提到的相關內容都定義為關鍵字，完全無法由關鍵字看出論文的意義。

誠如上述，技術論文是「問題導向」的，故其探討的內容是針對單一領域中 的特定問題，且會提出對應的解決方案，而這個解決方案可能運用或改進了其他 論文中所使用的技術。是以我們可以將關鍵字分為四類，即「領域」、「問題」、「解 法」、「技術」：

(1) 領域（Domain）：技術論文的關鍵字中有部份是用來表示此知識所在的領 域類別。例如前述的 parallelism、superscalar processors、multiprocessors 等。

(2) 問題（Problem）：指的是此知識所探討的主要問題，論文一般是提供某特 定問題（如Traveling Salesman Problem）的解答，將問題獨立出來有助於 找尋問題的解法。

(3) 解法 (Approach)：對於特定的問題，知識可能會提供解法。各個論文若 都將其提出的解法做為關鍵字，則使用者能夠快速地進行同問題間解法的 比 較 。 例 如 某 個 做 法 是 利 用 Greedy ， 而 另 一 個 是 利 用 Dynamic Programming，這就能夠讓使用者對此知識有基本概念，也能有個簡單比 較的基礎。

(4) 技術（Technique）：一個特定解法可能是運用了某些技術，而這個部份也 是很有價值的。使用者不明白解法時，可以籍其所運用的技術有個概括性 的了解，例如前述的dependence analysis、locality、splay trees 等。

因此，論文關鍵字可以圖 3 - 1 表示：

Domain

Problem

Approach Use Use Use

Technique Technique Technique

圖 3 - 1 論文關鍵字示意圖

這樣的分類是依據技術論文的「問題導向」本質而定的。由於技術論文的本

質即是根據特定的「問題」提出「解決方案」，因此只要能夠描述「問題」與「解 圖學相關內容不熟悉的讀者而言，光看到travel salesman problem 或是 Steiner tree problem 等關鍵字是無法聯想到實際的問題。或者對 binary search tree 不熟悉的 讀者而言，看到某一論文使用了Hibbard's algorithm 或是 Knuth's algorithm 也很 難知道這是什麼樣的演算法。但技術論文的特性便是其深入地探討一個問題，因 此會去閱讀論文的讀者應該可以假設對此議題有基本認識，否則應該先從基本的 入門書籍開始了解。當使用者對特定領域中的議題有基本認識時，對於這些相關 的關鍵字其實都不會陌生，且軟體技術知識有其精確性，每項技術均有其定義清 楚（well-defined）的內容，例如排序法（sorting）的 bubble sort、quick sort、insertion sort 等，其實用一個關鍵字就能夠代表相當多的意義。這也是為何目前關鍵字仍 是最常被用來做為論文索引的原因。而透過上述的分類，這些關鍵字除了能代表 其本身軟體技術的知識外，尚能代表在論文中的意義，是屬於論文的領域、問題、

解法抑或技術，更能加強對論文的描述及索引的效率。

再以之前提到的論文為例，Steffen Heinz 的”Burst tries: a fast, efficient data structure for string keys” 論文定義了 Binary trees 、 splay trees 、 string data structures、text databases、tries、vocabulary accumulation 等關鍵字，其內容是處 理text database 領域中的 string data structure 問題，他提出了稱為 burst tries 的解 法，此解法運用了splay trees、tries、binary trees、hash table 等技術，因此我們

對其關鍵字稍加修改，可將之表示如圖 3 - 2：

圖 3 - 2 論文關鍵字表示法範例（burst tries）

Fabrizio Sebastiani 的”Machine learning in automated text categorization”論

文定義了machine learning、text categorization、text classification 三個關鍵字，但 這樣的定義不足以描述這篇論文的內容。這篇論文是在探討information retrieval 的text categorization 問題，採用了 machine learning 做為解法，並分別採用了兩 種技術：train-and-test 以及 k-fold cross-validation，這篇論文可表示如下圖：

圖 3 - 3 論文關鍵字表示法範例（text categorization）

David F. Bacon 的 ”Compiler transformations for high-performance

computing”論文定義了相當多的關鍵字：compilation、dependence analysis、

locality、multiprocessors、optimization、parallelism、superscalar processors 等，這 些關鍵字中，parallelism、multiprocessors、superscalar processors 是領域，compiler

Domain text database Problem

string data structure Approach

burst tries Technique

information retrieval Domain

text categorization Problem

machine learning Approach

train-and-test Technique

k-fold cross-validation Technique binary tree

Technique Technique Technique splay tree tries hash table

optimization 是 問 題 ， 這 篇 論 文 的 解 法 是 compiler transformation ， 採 用 了 dependence analysis、locality 等技術，故其關鍵字可表示成圖 3 - 4：

圖 3 - 4 論文關鍵字表示法範例（complier optimization）

Jin Jing 的”Client-server computing in mobile environments”論文中定義了

非常多的關鍵字，只要論文有提到的內容都定為關鍵字，包括：application adaptation 、 cache invalidation 、 caching 、 client/server 、 data dissemination 、 disconnected operation、mobile applications、mobile client/server、mobile computing 等等，其實讀了這篇論文可發現主要是在說明mobile client/server 的問題，提到 了三種解法：mobile-aware adaptation、extended client/server model 以及 mobile data access 等，各自有其運用技術，可表示如圖 3 - 5：

Domain

圖 3 - 5 論文關鍵字表示法範例（mobile client/server）

mobile client/server Problem

mobile data access Approach

application adaptation Technique

caching Technique mobile computing

Domain

extended client/server model Approach

mobile-aware adaptation Approach

data dissemination Technique

superscalar processors

compiler optimization Problem

compiler transformation Approach

dependence analysis Technique

multiprocessors Domain

Technique locality

由上面的例子可看出技術論文的「問題導向」本質，籍由「領域」、「問題」、

「解法」、「技術」四類關鍵字便能對其內容做一簡單的描述及索引，這樣的表示 方法不像論文標題無法解析，也改善了傳統關鍵字缺乏定義的弱點，上述的例子 有database、information retrieval、multiprocessors、mobile computing 等各種不同 領域的論文，但都能籍此共通的「問題導向」本質來描述，足見此方法的可行性。