第二章 文獻探討
第二節 生命紀錄(Life Logging)
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 11 -
的效度。並且所有成功的 Crowdsourcing 公司都有共同通，就是讓群眾認為產出 的東西是屬於自己的，而公司的只是屬於這個社群中的成員之一而已(Howe, 2009)。
最有名的例子就是早期是來自於攝影同好的社群網站：iStockphoto。這個網 站提供線上的交易平台，圖片來源來自於社群上的成員，於是能夠得到非常低價 的圖片，也讓許多專業的攝影師的照片都無法再以高價出售照片。於是當 iStockphoto 的會員越來越多，並且為了能夠讓自己的作品被看見而賣出的會員就 會開始在 iStockphoto 的網站上開始為自己的照片加上正確的標籤，而越來越多 的使用者都加上了正確的標籤，於是資料庫裡面的標籤就越來越完整(Howe, 2009)。
第二節 生命紀錄(Life Logging)
微軟研究員 Gemmell, Bell, Lueder, Drucker & Wong (2002)曾進行一項「我的 生命位元(MyLifeBits)」的研究計畫，將所有的書藉與紙張文件都掃描成為電子 檔案予以存放，認為如此可以節省下辦公室許多的實體空間。Bell(2010)認為人 類的生物記憶是不可靠的，對於發生過的事情，人類是使用曾經發生的相關的事 實藉由說故事的方式加以述說，而並非如同錄影檔案重新放映的方式來陳述事件 的經過。於是他把所有看過的網頁也存成 PDF 檔案，使用了 SenseCam 把每天生 活的都加以照相存檔。並且提倡把人的一生在日常生活上所有發生的事件都予以 數位化收藏，稱之成為電子記憶。他希望的方式是所有的數位資料都不要刪除，
而是透過建立一個有效率的資料庫存放，能夠隨時將自己想要找出來的資料快速 的檢索。
雖然把全部的數位化檔案都丟在硬碟裡對於使用者而言是件很簡單又方便
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 12 -
的方式，但是對於資料的檢索並沒有幫助。照片檢索的目的在於能夠在自己回想 起某個事件的時候，就能夠快速的找出自己想要的檔案。於是在 MyLifeBits 研 究計畫的資料庫，其使用者前端介面是以時間河流的概念呈現 (如圖 2-1)，讓使 用者可以依照日期的事件分類達到快速檢索的目的。
並且為了要達到快速檢索的目的，Bell 建議除了在檔案命名使用時，就要使 用長檔名來記載的越詳細越好，而且還要能夠為檔案加入適合的 Metadata，如此 都成能為日後建立良好的搜尋條件。而 Bell(2010)更預測，大約到了 2020 年，人 的一生都將傳到網路上，可供使用者搜尋。
圖 2-1 以時間流的方式呈現照片資料庫，圖片來源：Gemmell et al. (2002)
Byrne(2007)也曾使用感應拍(SenseCam)隨時拍攝人們在日常生活上的各種 影像。透過 SenseCam 的拍攝，每天大約會產生三千多張照片，一個禮拜就會有 兩萬張，於是推算出人的一生如果配戴 SenseCam 將會有五千萬張的照片。由此 可知，如此龐大的照片資料量如果不經過處理將會造成日後照片檢索的困難。為 了方便日後加快搜尋照片的速度，他使用全球衛星定位與藍芽訊號分析出情境資
‧
Logging 實驗工具的研究。Hamm, Stone, Belkin & Dennis(2012)收集了智慧型手機 的照片、錄音、GPS 地理資訊、加速度計等資訊做低階擷取，並定義了 19 種記 錄生活的標籤，然後比較以六種不同的演算法自動加註標籤的精確度。結果發現 以 SVM-HMM 演算法的自動註記精確度最好(如表 2-1 所示)，但是在他們研究中 存在著 GPS 在室內無法接收到資訊的問題。表 2-1 使用智慧型手機自動加註標籤之演算法比較
Non-temporal Temporal
Tag MNB LogReg SVM HMM CRF SVM-HMM
Activity
other activity walk
drive/inside a vehicle eat/drink
talk/chat/discuss chores
(cook/clean/laundry/etc) tend to baby
use a computer
read/write on paper/board
0.774±0.177 0.941±0.058 0.904±0.091 0.837±0.100 0.726±0.106 0.846±0.150 0.798±0.200 0.798±0.113 0.782±0.168
0.804±0.168 0.968±0.037 0.966±0.055 0.896±0.081 0.797±0.112 0.981±0.039 0.946±0.091 0.873±0.099 0.934±0.121
0.806±0.173 0.969±0.040 0.973±0.049 0.895±0.082 0.798±0.113 0.984±0.039 0.954±0.089 0.875±0.100 0.937±0.127
0.784±0.204 0.943±0.060 0.883±0.151 0.845±0.150 0.771±0.139 0.772±0.222 0.747±0.275 0.826±0.144 0.703±0.272
0.769±0.230 0.950±0.061 0.972±0.045 0.857±0.137 0.824±0.155 0.947±0.097 0.893±0.150 0.837±0.164 0.885±0.147
0.801±0.225 0.973±0.042 0.977±0.047 0.921±0.094 0.870±0.120 0.985±0.039 0.955±0.089 0.905±0.108 0.940±0.129
Place
other place my home my office
classroom/meeting room other’s office
restaurant/café outdoor
0.838±0.138 0.866±0.105 0.837±0.097 0.850±0.103 0.834±0.143 0.929±0.062 0.945±0.053
0.940±0.092 0.898±0.117 0.891±0.088 0.930±0.081 0.937±0.104 0.954±0.053 0.971±0.033
0.941±0.093 0.898±0.123 0.894±0.089 0.930±0.083 0.939±0.099 0.958±0.049 0.972±0.034
0.815±0.177 0.891±0.115 0.883±0.127 0.837±0.150 0.777±0.229 0.976±0.032 0.946±0.061
0.913±0.134 0.890±0.161 0.908±0.123 0.903±0.163 0.902±0.137 0.948±0.093 0.951±0.064
0.942±0.099 0.935±0.139 0.941±0.079 0.928±0.104 0.947±0.089 0.985±0.025 0.978±0.028
People other people my family colleague(s)
0.685±0.136 0.778±0.173 0.767±0.114
0.728±0.131 0.827±0.199 0.812±0.102
0.729±0.133 0.825±0.206 0.812±0.100
0.732±0.187 0.768±0.180 0.816±0.137
0.731±0.178 0.840±0.193 0.867±0.130
0.763±0.175 0.835±0.227 0.894±0.100 Average 0.828±0.070 0.898±0.072 0.899±0.073 0.827±0.077 0.884±0.063 0.920±0.063 資料來源：Hamm, Stone, Belkin & Dennis (2012)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
- 14 -