國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
27
藉由設定不同的異動時間區隔，可以以此來觀察不同年代的異動資料，是否會對於 特定職位接替人選的預測準確率造成不同程度的影響；而職等參數的設定，則可以協助 我們將整體資料量極為龐大的政府官員異動資料庫劃分為事務官與政務官兩種層級進 行分析。
由於在目前現行的公務人員制度規範下，僅有事務官（如司長等）具有職等的規定，
且其所訂定的最高職等為 14 職等，所以在本研究中沿用[3]的制訂方式，以事務官的最 高職等（14 職等）為基準，賦予政務官以及各高階職務中未有職等規定的職務一虛擬職 等，如縣市長及其副官分別為 16 與 15 職等、各級部長及其秘書長為 16 職等、副部長 為 15 職等、各院會院長及其副院長分別為 18 與 17 職等、總統則為 19 職等；並選擇將 資料庫中 14 職等以下的職位歸類為事務官，而 15 職等以上的職位則歸類為政務官，以 各別進行預測分析；透過此種職等設計的方式，我們便可選擇以低於所期望預測職位職 等二職等的所有人員及其相關的異動資訊，來建構出系統進行預測時所需的人物異動網 路，以有效控制建置出的社會網路的規模大小，同時這也是考量到在一般情況下政府機 構中的人事調動，其在一次職位調動的過程中，通常較少出現一次跨越 3 職等以上的情 形；亦即當進行人事調動時，若其原先的職位職等為 12 職等，則調動後的職位職等通 常不會出現一次即調動至 15 職等以上的情形。
3.2 研究方法分析
為了探討特定職位的接替人選抉擇受到與歷任人物的職位歷程相似度的影響程度，
我們希望能夠以曾經擔任過該特定職位的所有人物集合為基礎，依序找出曾經擔任過的 職務歷程與前述人物極為相似的候選人物集合，經過綜合評比分析取出職務歷程相似度 值最高的前 n 名，以做為該特定職務的預測接任人選集合；其後若實際的接任人選確實 出現於預測接任人選集合中，則可依此推估當該特定職位產生空缺時，上位者在斟酌其
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
接任人選時會受到歷任人物的職位歷程的影響；換句話說也就是上位者在考量接替人選 時，會參考曾經擔任過該職位的所有人物他們曾經擔任過的職務歷程，並傾向於尋找職 務歷程與他們相似的人選以作為下一任的接替者。
而有鑑於連結預測理論相關演算法的共同設計概念同樣也是以相似度為核心，作為 其預測兩節點未來產生連結關係可能性的判斷準則；也就是若任何一原先並無連結關係 存在的對點，其彼此間的相似度較高，則該對點在未來某一時刻的社會網路結構中，彼 此間產生新連結關係的機會將會較高；由於此種設計概念恰可符合我們研究上期望尋找 與某特定職務的歷任人物的職務歷程相似度較高的人選，以作為後續可能接替該特定職 務的預測人選的需求，因而我們選擇以連結預測理論的相關演算法作為本研究的核心方 法。
其中，根據 3.1 節中的說明可以得知，經由政府官員異動資料庫建置而成的人物異 動網路，主要特性在於其是一同時包含有人物與職務兩種類型節點的 2-mode 網路，故 我們希望能夠尋找一可適用於 2-mode 網路且從網路結構分析的角度進行節點彼此間相 似度計算的演算法。其中由於 Simrank 演算法不同於多數連結預測演算法多以 1-mode 網路為應用領域，其不僅可同時應用於 1-mode 和 2-mode 網路，且其從網路結構分析的 角度，運用遞迴原理計算節點彼此間相似度的方式，切合人事異動網路的特性與研究需 求，故我們選擇以 Simrank 演算法作為接替人選預測系統的發展核心。
2.2.2 小節中所顯示的 Simrank 演算法相似度計算公式（亦即公式十六和十七），主 要是適用於 1-mode 網路之中，當欲將其運用至 2-mode 網路時，則須針對原先的計算公 式進行適當調整；公式十九所示即為適用於 2-moed 網路的 Simrank 相似度計算公式。
其中 A、B 與 c、d 分屬二種不同類型的節點，Γi(A)代表單一節點的所有鄰居節點所形成 的集合；而C1與C2則均為相似度遞減係數。
‧
亦即須計算出score(a, a)、score(a, b)、score(a, c)、score(a, e)以及 score(b, a)、 score(b, b)、
score(b, c)和score(b, e)的相似度值，再將之進行後續的加總計算處理，而這也就是如公 式 19 的第一部份計算公式所顯示；其後，為了能夠取得上述對點間的相似度，同樣也 是需要依序計算出每一對點的鄰居節點集合中彼此所有對點間的相似度，以欲取得上述
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
中的score(b, c)值為例，則需要進一步依序計算出 b 的鄰居節點集合{A, B}和 c 的鄰居節 點集合{B}彼此所有對點間的相似度，亦即score(A, B)和score(B, B)的相似度值，也就是 如公式 19 的第二部份計算公式所示。依此類推，藉由第一部份和第二部份計算公式不 斷的遞迴交替計算，直到達到所設定的遞迴次數，最後便可取得原先所希望計算的 A、B 兩節點間的相似度值。
圖 3-2 2-mode 網路 Simrank 演算法計算示意圖