根據 Baeza-Yates 等人[38]所述，資訊檢索是：「關於資訊項目 (Information Item) 的 表 示 (Representation) 、 儲 存 (Storage) 、 組 織 (Organization)與存取(Access)，而資訊項目的表示與組織需能夠讓使 用者根據其資訊需求(Information Need)進行簡易存取」。狹義的資訊 檢索可以定義為[39]：「從大量未結構化的文件集合中(通常儲存在電 腦)，取出符合資訊需求的文件資料」。而資訊檢索的演進[40]，可說 自 1940 年代 Bush 所發表的開創性文章“As We May Think＂後，便 產生自動存取大量儲存知識的想法，接下來如利用電腦尋找文字、使 用單字作為文件的索引與檢索系統評估工具 SMART (System for the Mechanical Analysis and Retrieval of Text) 的開發等研究，持續為資訊 檢索領域注入顯著的發展；而 1990 年代由美國政府相關機構所贊助 支持研究大量文件集合的 TREC(Text REtrieval Conference)，則發展 出了許多資訊檢索領域的分支，包含如口語資料的檢索、非英語系語 言的檢索、資訊過濾，以及使用者與檢索系統間之互動等。現在資訊 世界不可或缺的網頁搜尋功能，便是由資訊檢索的演算法所達成。
2.3.1 資訊檢索系統
從資訊檢索的定義可延伸而知，資訊檢索系統是：「從大量未結 構化的文件中，取出符合使用者資訊需求之文件的系統」，但如何讓 電腦系統知道「使用者資訊需求」？以搜尋引擎的搜尋為例，若一個 使用者的資訊需求為：「找出所有資訊檢索的研究資料，這些資料中 需包含資訊檢索的定義，且必須是台灣研究者所發表的文章」，以現 在搜尋引擎的技術而言仍無法直接按照使用者語句取得資料，必須將 該使用者的資訊需求轉化為搜尋引擎查詢語句，此查詢語句一般稱為
中找出相關資料。資訊檢索系統的目標就是將使用者有需要或有相關 的資料取出，其運作可簡略描述如圖 11 所示[41]，其中系統的輸入是 使用者檢索(Queries)與文件(Documents)，經檢索處理後的輸出為相關 的文件，並回饋給使用者。
圖 11 資訊檢索系統 資料來源：Van Rijsbergen[41]
至於如何從未結構化的文件集合中取出符合資訊需求的文件資 料？常用的方式就是用一組關鍵字來代表文件集合中的某份文件 [41]，再透過辨識文件的關鍵字來快速確認此份文件是否符合資訊需 求。一般對於未結構化文件的關鍵字處理如圖 12 所示[38]，文件經 過斷詞切字、去除停用字(Stopwords)、去除名詞組(Noun Groups)、
詞幹處理(Stemming)與索引(Indexing)等文件處理步驟後，即可取得代 表此文件的關鍵字。
大部分資訊檢索系統的建置都是使用轉置檔(Inverted Files)的資 料結構，轉置檔中存放的為關鍵字在於哪些文件中，並且包含其他相 關的資訊[40]。文件處理中的索引步驟，就是在產生、建立與儲存文 件特徵，而索引也就是對關鍵字進行處理，故經索引處理後產生的轉 置檔稱為轉置索引(Inverted Index)[40]。使用轉置索引方式的優點是 比較容易建置，且檢索效能好；而缺點是有額外儲存空間的負擔，且 更新或重組索引的成本高[42]。
圖 12 文件轉化出關鍵字的邏輯檢視圖 資料來源：Baeza-Yates [38]
以本研究而言，事件診斷步驟中的新事件訊息可視為資訊需求，
需從已發生的歷史事件訊息資料中做檢索，取出符合所需的歷史事件 資訊。本研究環境中會遭遇事件含有中文字的情況，中文字無空白符 號作為斷詞切字的依據，如將每個中文字單字作為關鍵字，會出現較 多無相關但卻有相似字的狀況，若只以標點符號做為斷詞切字的依 據，關鍵字詞則會包含過多中文單字，比對時容易遺失可能的相似資 料，故若採用 N-gram 斷詞切字方法則可改善上述狀況[43]。在 N-gram 中，將相鄰的任意兩個字組合起來成為一個詞稱為 Bigram，任意三 個字的組合稱為 Trigram，依此類推，任意 N 個字的組合便為 N-gram。
2.3.2 向量空間模型(Vector Space Model, VSM)
早期的資訊檢索系統是使用布林模式(Boolean Model)作為檢索 模式，布林模式是一種以布林代數與集合理論為基礎的簡易檢索模 式，其主要概念，即考慮檢索關鍵字是否存在於文件中。此模式允許 使用者利用 AND、OR 與 NOT 等布林運算元建構出想要查詢語句，
使用者感覺較能控制整個檢索處理，但不足的地方是[40]，(1) 無法
對取得文件做相關性排序，(2) 一般使用者不容易組合出適合的查詢 語句。
向量空間模型是解決布林模式不足之處的一個替代方案[44]，在 此資訊檢索模型中[45]，若文件空間中包含文件Di，則有一個以上的 關鍵字Tj來代表此文件Di，這些關鍵字會根據其重要性被指定權重 (Weight)等級，再轉化為向量表示。如圖 13，為三維的文件向量空間 表示法，每一個文件都有三個不同的關鍵字代表。若將圖 13 擴展為t 維 度 ( t 個 不 同 的 關 鍵 字 ) ， 每 個 文 件 Di 的 表 示 方 式 為 Di=(di1,di2,...,dit)，其中dij表示第 j個關鍵字在Di的權重。若將使用者 的查詢語句也做文件向量處理，兩向量之間的夾角角度，則代表兩向 量之間的相異性，夾角愈小代表兩向量愈相似，一般會用此夾角的餘 弦(Cosine)作為量化相似度的依據[40]，因餘弦數值介於 1.0 到 0.0，
而兩向量餘弦值為 1.0 代表兩向量完全相似，反之餘弦值為 0.0 代表 兩向量完全不相似，故便可依此進行查詢語句與文件空間中各文件的 相似度(Similarity)比對。
圖 13 文件空間向量表示方式 資料來源：Salton [45]
2.3.3 相似度(Similarity) 一般用來作為資訊檢索的相似度衡量的 Cosine coefficient、Dice coefficient、與 Jaccard coefficient 等[41]，皆有考量到關鍵字詞總數的 部份，基本概念是利用文件之間共同擁有的關鍵字個數來計算相似度 [46]，相似度的計算數值稱為係數(Coefficient)，範圍為 0.0 到 1.0 之 間，1.0 的值代表完全相似的狀況，二元向量(Binary Vectors)相似度公 式如下所示。
Jaccard coefficient
|
相似度計算公式中[46] [47]，Dice 係數及 Jaccard 係數比較偏集 合的交集與聯集觀點，兩向量關鍵字詞交集數愈多，其相似度愈高，
若是相同交集數之下，Dice 係數則比 Jaccard 係數有更高相似度值。
在 ITIL 事件管理模組流程中，事件診斷步驟是由服務台人員取 得新事件相關資訊後，查找歷史相類似問題與解決方案，再經由所取 得的解決方案來進行事件的處理與 IT 服務回復動作。本研究中將使 用資訊檢索觀念，協助將事件管理診斷步驟自動化，新事件資訊將作 為查詢文件，歷史事件知識資料庫作為比對檢出的文件集合，然後經 文件邏輯處理步驟，進行去除符號字元與停用字的處理步驟，並建置 新事件與歷史事件知識資料庫中的轉置索引，最後經由相似度計算公 式，計算新事件與歷史知識事件的相似程度。本研究將會把事件檢索 用於協助事件診斷，依相似度由高至低排序後取得的前三筆歷史事件 資料，採用 Jaccard 相似度計算方式，從資料庫中找出相類似事件，
呈現於前端 Web 介面供服務台於發現事件時，同時可取得事件解決 方案。
三、 系統架構與設計
本章將闡述本論文所設計之自動化 ITIL 事件管理系統的架構與 運作模式。第一節介紹整體系統架構與設計，第二節說明事件偵測的 設計，第三節說明組態管理的設計，第四節敘述事件關聯的設計，第 五節介紹本系統的事件資訊檢索設計。