第三章 研究方法與系統架構
3.1 研究架構
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章 研究方法與系統架構
由於 Flickr 網路相簿提供使用者分享自己與家人朋友相片的服務，同時亦提供 Flickr Tags 來做為描述相片的內容、或者提供額外的上、下文以及語義備註資訊。本文將探討 如何利用 Flickr API 分析歸納出代表各城市特色之 Flickr Tags，並將這些 Tags 結果利用 權重來分析與了解使用者如何標記這些相片和 Tags，從而提出一套 Tags 資料庫來進行 分析、整合和評估。
本章節說明進行研究設計之流程與各階段所使用的方法，探討Flickr網路相簿與世界 城市的概念輪廓與連結的研究方法與系統架構部分；首先是針對研究架構（3.1），接著 是Flickr資料處理步驟（3.2）、研究工具（3.3）、資料庫建置（3.4）及權重加權分析（3.5），
希望能對本研究相關的資料有更完整的了解，以建立系統架構。
3.1 研究架構
圖 3.1 研究架構 資料庫分析
POS詞性分析 詞頻分析 權重分析
區域分群
America Europe Asia Oceania
雜訊分析
語言問題 詞幹分析 義同詞異合併 抑制雜訊 重複城市濾除
Flickr API抓取城市Tags 還原UTF-8
定義41個城市
GNC 旅遊網站輔助分析 其他考量因素(購買力、人口數、GDP) Flickr Tags架構
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.1.1 資料來源
Flickr 是由 Ludicorp 公司所開發設計，該公司於 2002 年設立於加拿大溫哥華，之 後來才於 2004 年發表 Flickr 網站。在早期 Flickr 是一個具有即時交換相片功能的多人聊 天室的形態出現，可供相片分享，當時名為「FlickrLive」；但因後來研發工作都專注在 使用者上傳和歸檔功能，故聊天室才漸漸被忽略（Wikipedia, 2013）。本文利用 Flickr 透 過使用者彼此間的關係，產生 Flick Tags 彼此相互關聯，如此一來搜尋者可很快的找到 想要的相片。例如：指定拍攝地點或相片的主題，而創作者也能很快了解相同標籤（Tags）
下有哪些由其他人所分享的相片，Flickr 也會挑選出最受歡迎的 Tags 名單，以縮短搜尋 相片的時間。另外 Flickr 也讓使用者能將相片編入相片集（Sets），這個概念是透過 Google 的 Gmail 服務中的 Tags（labels）功能應用於相同標題開頭的相片結成群組。而此相片 集比起傳統方式來的更為便利也更有彈性，使用者可依照自己的方式編排相片、歸類自 己所上傳之相片。
3.1.1.1 Flickr API擷取資料介紹
在 Flickr API 開發工具利用 Flickr API 所提供各種不同搜尋程式，透過
flickr.places.getTopPlacesList（P1,…），其中 P1 代表 2012-01-01…，將日期設定在一個區 間內，在 100 個地理位置內，篩選出 41 個與本文所要探討的城市;接著再運用
flickr.photos.search 將 41 城市的 Tag 相片編號整理出來後，最後則使用
flickr.photos.getInfo 相片編號收集 URL、TAG、相片日期等資訊，將程式導入 My SQL 的資料庫中，運用正規化處理產出所要的資訊，分析統計區從 2004 年 1 月 1 日至 2012 年 12 月 31 日共計 9 年，資料筆數共計 7,603,593 筆。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
3.1.1.2 選擇 41 個城市分析
Derudder and Taylor（2005）運用 The cliquishness of world cities 文章中定義限制的情 況下，分析某個城市與任何其他城市共同的公司，以便觀察其元素的連結具有關連性。
而大多數資料與這些全球網路連線可以是相當大的數據。以 London 為例將最大計算連 接作為城市連線比例資料為 1 的共同變數，在從將資料規模從 0 到 1 之間作為本文的 參考依據，並以 London 的 Absolute GNC 值為分母其他的城市為分子便可算出各城市 Relative GNC 值，因此從 50 個城市搭配其他考量因素，從中挑選 41 個重要城市作為本 研究對象（表 3.1 城市 GNC 數量及權重）。
表 3.1 城市 GNC 數量及權重
NO City AbsoluteGNC RelativeGNC NO City AbsoluteGN C
RelativeGN C 1 London 63399 1.000 26 KualaLumpur 28200 0.445 2 New York 61895 0.976 27 Stockholm 28185 0.445 3 Hong Kong 44817 0.707 28 Bangkok 27726 0.437 4 Paris 44323 0.699 29 Prague 27493 0.434 5 Tokyo 43781 0.691 30 Dublin 27244 0.430 6 Singapore 40909 0.645 31 Shanghai 27120 0.428 7 Chicago 39025 0.616 32 Barcelona 27053 0.427 8 Milan 38265 0.604 33 Atlanta 27052 0.427 9 LosAngeles 38009 0.600 34 Moscow 26734 0.422 10 Toronto 37698 0.595 35 Istanbul 26659 0.420 11 Madrid 37690 0.594 36 Beijing 26608 0.420 12 Amsterdam 37414 0.590 37 Washington 26522 0.418 13 Sydney 36671 0.578 38 Auckland 26478 0.418 14 Frankfurt 35964 0.567 39 Vienna 26408 0.417 15 Brussels 35321 0.557 40 Warsaw 26405 0.416 16 SaoPaulo 34295 0.541 41 Seoul 26281 0.415 17 SanFrancisco 32178 0.508 42 Lisbon 26269 0.414
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
18 Mexico 30812 0.976 43 Johannesburg 26232 0.414 19 Zurich 30737 0.485 44 Copenhagen 26163 0.413 20 Taipei 30247 0.477 45 Budapest 26032 0.411 21 Mumbai 30216 0.477 46 Manila 25871 0.408 22 Jakarta 30214 0.477 47 Montreal 25242 0.398 23 Buenos Aires 30208 0.476 48 Hamburg 25017 0.395 24 Melbourne 29617 0.467 49 Munich 24630 0.388 25 Miami 29341 0.463 50 Dusseldorf 24628 0.388
3.1.1.3
區域分群
區域分群（City Cluster）主要是將在各洲的一些大城市（首都）和大都市地區的 Tag 聯繫在一起，同時觀察各城市硬體設施和人文、藝術、經濟的相互關係以及資訊網路等。
在各洲區域分群中，Flickr Tag 可以微觀各城市間與其他鄰近城市間互相連接的地球村 的觀念。一個重要城市多由硬體方面來分析歸類，通常評估其高速公路、鐵路、機場或 者港口等重要建設，而其他相伴隨考量的，則是人文、藝術與經濟。而以一個國家為主 的聚集則由相當多大城市所構成，連帶影響整個地區和周圍的城市、鄉鎮、村莊的發展，
可作為衛星的大型城市指標。大多數這些城市被發現其中，大城市發揮重大的影響力不 僅在城市地區，但也是整個國家，因此將 41 個城市透過分群方式分類 America、Europe、
Asia 及 Oceania 城市，藉此分析出各洲之間的特色或者習慣。
在 Flickr 城市選擇分析中，主要是利用 Derudder and Taylor et al. （2005）定義選出 本文實驗的 41 個對象城市，藉由分群方式分析 America、Europe、Asia 及 Oceania 城市，
以便了解各地區城市的變化，粗體字同時兼具該國首都共計 20 個，約占 41 個城市的 49%；
由此可見首都通常指一個國家的中央政府所在的首要行政中心城市，也是政治活動的中 心城市、各類國家級機關集中駐紮地、國家主權的象徵城市。首都是國家最大的城市也 具有一定的經濟規模，相對 Flickr 使用者標註的機會也就提升（表 3.2 區域分群介紹）。
‧
America Northern America
United States New York、Chicago、Los Angeles、San Francisco、Miami、Atlanta、Washington Canada Toronto、Montreal 10
Mexico
Mexico city
Southern America Brazil Sao Paulo 1
Europe
Northern Europe Sweden
Stockholm
DenmarkCopenhagen
2Eastern Europe Russia
Moscow
1Western Europe
United Kingdom
London
5 Netherlands
Amsterdam
Belgium Bruxelles France
Paris
IrelandDublin
Southern EuropeSpain
Madrid、Barcelona
4 Italy Milan
Turkey Istanbul
Central Europe
Austria
Vienna
7 Czech Republic
Prague
Germany Frankfurt、Hamburg、Munich Hungary
Budapest
Switzerland Zurich
Asia
Eastern Asia
China Shanghai、Beijing、Hong Kong Taiwan
Taipei
6South Korea
Seoul
JapanTokyo
Southeast AsiaMalaysia
Kuala Lumpur
3 Singapore
Singapore city
Thailand
Bangkok
Oceania Oceania Australia Sydney、Melbourne 2