第二章 相關研究
2.5 資訊科技的評估探討
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
針對敘事創作提出一個Picture-Attribute-Note(PAN)架構的電腦輔助系統，其目的在於激 發使用者的敘事創意並協助創作者完成故事創作。而在過去幾年，由於網路蓬勃發展，
大家見證了人們數位媒體使用的快速轉型，各式的線上系統(線上相本、社群網絡…)提 供了創新的介面，讓非專業用戶可藉著上傳及評論，分享他們的多媒體，並成為數位內 容的生產者[21]。這些線上系統藉由人與人之間的連結，讓數位內容的傳播更為快速。
而這所謂的連結包含人際關系、事件、位置、時間等都可以成為社群之間重要的關聯。
C.-T. Ho et al. [22]提出一個construct influence trees的model，裡面提到社群網絡的傳播裡 有三種主要角色-使用者、發文者與推文者(Users, Posts, and Replies of posts)，這三種角 色的相互作用，會讓傳播速度變的更快。但互動敘事應用在電腦系統層面的，不只是傳 播與代理機制的關系，還有一個重要的部分就是回憶，例如 N. A. Van House [2]提及的 MMM2的系統，或是J. Gemmell [4]的MyLifeBits以及P. Appan [5]提出的Spatio-Temporal Evolution System都是藉著個人的數位相片當作媒介，在電腦系統中以使用者的回憶為基 礎製造互動敘事的效果。而在上一節有提到，在敘事模型裡，觀眾的反饋也是敘事過程 的一部分，因此，我們認為在電腦網路的世界中，蓬勃的社群網絡回饋與傳播的發展方 式，間接證明了我們提出的電腦輔助式的互動敘事回憶創作方法以及利用網路進行分享 的可行性。
2.5 資訊科技的評估探討
一個研究要符合科學的原則，必須具備科學的精神，並使用科學的方法。想要合理的測 量系統，就必須做量化研究。F. D. Davis [23]提出，評估一個網站系統的感受，可以由2 個方向測量，認知有用性(Perceived Usefulness)以及認知易用性(Perceived Ease of Use)。
因為使用者對於網站的感受往往是從主觀的使用感覺、對於網站正面和負面的想法，以 及使用網站的意願所構成。對於網站的認知有用性(Perceived Usefulness)以及認知易用
11
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
性(Perceived Ease of Use)可以定義成使用者認為使用這個網站易學易懂，且不需要花太 多努力就可以增加其工作績效(Lin & Lu, 2000)；使用者對於網站的喜好程度就是使用這 對於網站具有多大的興趣；而使用意向(Intention)則是使用者未來再度使用網站意願的 程度有多少。
而「使用態度」會受到「認知有用性」(Perceived Usefulness)與「認知易用性」(Perceived Ease of Use)兩個動機所影響，並且「認知易用性」會影響「認知有用性」進而間接影響
「使用態度」。F. D. Davis [23]將認知有用性定義為「使用者認同採用資訊系統可以增 加工作效率」；定義認知易用性為「使用者認同使用此資訊系統的易學程度」。科技接 受模式以精簡並且具彈性的理論模式，讓後續研究能夠利用科技接受模式廣泛預測資訊 科技相關的使用，都驗證了科技接受模式的有效性。本研究中所提出的互動敘事回憶平 台在驗證系統可行性評估設計時，是以F. D. Davis在[23]的設計問卷方法分別以有效性 及易用性的面向做不同問題評估設計。希望以量化的方法證明我們所提出的互動敘事回 憶平台是一個具有創新的激發創意代理機制輔助創作系統與改善數位相片應用的一個 方法。
根據上述的相關研究，可以了解到現今大量多媒體資料的產生，不只是專業的人才能製 造。而當人們開始有大量的數位資料在電腦裡時，就會開始思考如何組織這些多媒體資 料，尤其是數位相片。所以，本論文提出一個平台，是讓使用者在創作的過程中與系統 互動創作，不只可以協助使用者組識說故事的結構，將創作分享給不同觀眾的心情，更 可激發敘事創作的靈感，藉此達到回憶相片的樂趣。
本論文中實作平台是採用網站的方式讓使用者以回憶創作為中心。所以在建構此敘 事回憶平台時，訂定了三個主要的目標，第一個是提供相片檢索方法，第二個是互動式 的敘事創作，第三個則是驗證該系統平台的有效性。而該平台的互動敘事架構方法包含
12
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
了協助故事生成方法(generative approach)與溝通方法(communications approach)[18]。為 了使相片與敘事結合，本研究採取了關鍵字本位檢索(keyword-based retrieval)的方法做 為檢索的方式，因為內容本位檢索(content-based retrieval)主要是以相片本身的顏色或紋 理做為特徵，但這對於使用者較無語意上的特徵。而在下一章中，將會提出如何定義出 關鍵字的屬性，事件的分類、以及相似度模型等系統設計方法。
13
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三章
系統平台分析與設計
本系統主要是採用個人相片中的後設資料(metadata)來進行關鍵字標記、相片拍攝日期 以及相片拍攝位置等資訊的建立，再根據本章節中定義的三種相似度模型進行系統設計。
由於本系統的目的在於如何創造「有用的」、「敘事創作」、「回憶」平台，因此，在 設計此平台時有二個主要的目標，(1)提供相片故事版型檢索方法、(2)藉由電腦與使用 者互動輔助敘事創作。在此章節中，我們將會分析說明此回憶敘事創作平台架構與設計 方法，以達成此平台的設計目標。
3.1 相片資訊的萃取方法
由於系統需要相片資訊來建立分類的模型，而EXIF(EXchangeable Image File format)是專 門為數位照片設定的，可以記錄數位照片的屬性信息和拍攝數據[7]，所以，在EXIF包 含了標記、拍攝日期以及GPS(緯度,經度)的資訊，且EXIF可附加於JPEG、TIFF、RIFF 等文件中，與本系統中所使用的實驗相片是相同的格式(JPEG)。我們以程式將標記在相 片裡標記的關鍵字(tag)、相片日期、相片GPS位置萃取出來，記錄於資料庫中，以便於 後續分類模型的分析與建立。
3.2 敘事特徵分析與數位相片標記屬性定義
在建立個人經驗與敘事規則連結時，本研究利用在[5][6]所提到event model建立多媒體 的事件描述，所以將本研究中的相片屬性分為”人”、”事”、”時”、”地”、”物” ，這五種 特徵建立個人經驗的事件。”人”代表相片中的人物，”事”代表相片中發生的事件，”時”
14
‧
(feature)關鍵字 (tag)
型態 (type)
中文屬性 (Chinese
tag) (keyword) 2 friend Boolean 朋友
‧
(Emotion)
delight Boolean 喜
(Location)
31 longitude Double 經度
32 時(When) datetime Datetime 照片時間 時間模型
(Datetime)
yyyy/M
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
係根據資訊檢索的相關研究，將照片進行相似度分析，根據特徵屬性型別，分別出三種 相似度計算模型，並利用模型來設計不同的故事版型，為使用者進行說故事拼圖推薦。
下列則是本研究中定義的三種相似度模型說明。
關鍵字模型
此相似度模型是以”人”、”事”、”物”、”情感”這四種特徵的標記屬性為相片做定義。
所以在計算相似度時，我們會先將這四種特徵設定故事版型所需的參數，再與其 他的相片做相似度的計算，以此計算方法作為使用者推薦說故事相片的依據。其 公式定義如下：
𝑁𝑁𝑆𝑆𝑎𝑎 = S𝑎𝑎⁄(𝑆𝑆𝑎𝑎−𝑚𝑎𝑎𝑥 − 𝑆𝑆𝑎𝑎−𝑚𝑎𝑎𝑛𝑛)
(式 3-1) 𝑁𝑁𝑆𝑆𝑎𝑎 = 正規化後的關鍵字特徵相似度
(1) 首先，將相片的屬性關鍵字特徵轉換成一個空間向量，其中關鍵字特徵屬 性包含”人”(4)、”事”(8)、”物”(10)、”情感”(7)，總共 29 個屬性，將這 29 個屬性各視為一個維度，則每張照片總共有 29 個維度，即每張照片可用 1 個 29 維的向量做為特徵屬性的代表(𝑝𝑝𝑎𝑎𝑎𝑎)。
(2) 將每張照片轉換為 29 維的向量時，再利用向量內積公式，計算 2 個向量 的夾角計算(式 3-2)其相似度。計算出角度愈大，表示 2 張照片之間愈不 相似。角度愈小，表示愈相似。
S𝑎𝑎 = 𝑝𝑝𝑎𝑎𝑎𝑎∙ 𝑝𝑝𝑎𝑎𝑗𝑗
|𝑝𝑝𝑎𝑎𝑎𝑎|�𝑝𝑝𝑎𝑎𝑗𝑗�
(式 3-2) 𝑝𝑝𝑎𝑎i = (𝑣1, 𝑣2, 𝑣3… 𝑣29), 第 i 張相片的關鍵字屬性向量維度
𝑝𝑝𝑎𝑎j = (𝑣′1, 𝑣′2, 𝑣′3… 𝑣′29), 第 j 張相片的關鍵字屬性向量維度
17
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
S𝑎𝑎 = 𝑝𝑝𝑎𝑎𝑎𝑎與𝑝𝑝𝑎𝑎𝑗𝑗之間的屬性關鍵字相似度
(3) 最後，我們將相似度做正規化的計算。將計算出來的關鍵字特徵的相似度 (S𝑎𝑎)的範圍正規化於0到1之間(𝑁𝑁𝑆𝑆𝑎𝑎)，以利於與其他相似度模型比較判斷。
空間模型
此相似度模型是藉由GPS的經緯度資訊，可比較相片間的距離，利用距離與相似度 轉換公式，來計算出相片與相片的相似度數值。此模型可以讓使用者用空間的角 度來定義其故事版型，也可鎖定使用者利用空間限制來建立故事場地。其公式定 義如下:
𝑁𝑁𝑆𝑆𝑔𝑔 = S𝑔𝑔⁄�𝑆𝑆𝑔𝑔−𝑚𝑎𝑎𝑥 − 𝑆𝑆𝑔𝑔−𝑚𝑎𝑎𝑛𝑛�
(式 3-3) 𝑁𝑁𝑆𝑆𝑔𝑔 = 正規化後的空間特徵相似度
(1) 首先，我們取出每張照片的經緯度，將其定義為一個 2 維的向量(𝑝𝑝𝑔𝑔𝑎𝑎) 𝑝𝑝𝑔𝑔𝑎𝑎 = (𝛼𝛼𝑎𝑎 , 𝛽𝛽𝑎𝑎)
(式 3-4) 𝛼𝛼𝑎𝑎 = 第 i 張照片的緯度
𝛽𝛽𝑎𝑎 = 第 i 張照片的經度
(2) 利用 GPS 距離公式(Great-Circle Distance)7算出大圓距離。
𝑑𝑑𝑔𝑔 = 𝑅 ∗ arccos�sin 𝛼𝛼𝑎𝑎sin 𝛼𝛼𝑗𝑗 + cos 𝛼𝛼𝑎𝑎cos 𝛼𝛼𝑗𝑗cos�𝛽𝛽𝑗𝑗− 𝛽𝛽𝑎𝑎��
(式 3-5) R = 地球半徑
7 "Great-circle_distance," in http://en.wikipedia.org/wiki/Great-circle_distance 18
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝑝𝑝𝑔𝑔𝑎𝑎 = (𝛼𝛼i , 𝛽𝛽𝑎𝑎), 𝑝𝑝𝑔𝑔𝑗𝑗 = �𝛼𝛼𝑗𝑗 , 𝛽𝛽𝑗𝑗�
𝑝𝑝𝑔𝑔𝑎𝑎, 𝑝𝑝𝑔𝑔𝑗𝑗為i 與 j 2 張照片的緯經度 𝑑𝑑𝑔𝑔 = 大圓距離
(3) 由於照片的空間模型是以大圓距離來計算，所以當照片分佈於不同地區(洲) 或是南北極時，兩兩相比後，其距離值差異會非常的極端，所以我們將大 圓距離�𝑑𝑑𝑔𝑔�利用 log 函式，讓差異趨緩。當距離愈大，表示相似度愈低，
所以我們將其數值以倒數方式轉換成其空間模型下的相似度。
S𝑔𝑔 = � 1, 𝑑𝑑𝑔𝑔 = 0 1 log�𝑑𝑑⁄ 𝑔𝑔�, 𝑑𝑑𝑔𝑔 > 0
(式 3-6) 𝑆𝑆𝑔𝑔 = 𝑝𝑝𝑔𝑔1與𝑝𝑝𝑔𝑔2之間的位罝相似度
(4) 同樣的，我們將上面的相似度進行正規化的計算，使得相似度(𝑆𝑆𝑔𝑔)數值區 間可以落在0~1之間(𝑁𝑁𝑆𝑆𝑔𝑔)。
時間模型
此相似度模型主要是以時間區間做為相片檢索的條件限制，與空間模型一樣，目 的在於可讓使用者選擇所需的時間範圍下的相片做為故事的內容。所以我們會先 將每張相片的日期取出，比對出屬於檢索的時間區間內的照片，再以這些照片進 行相似度的計算，這個模型的目的希望達到使用者對於某個時期的相片進行故事 的創作，讓互動敘事與回憶之間結合更為貼近。其相似度公式定義如下:
𝑁𝑁𝑆𝑆t = S𝑡𝑡⁄(𝑆𝑆𝑡𝑡−𝑚𝑎𝑎𝑥− 𝑆𝑆𝑡𝑡−𝑚𝑎𝑎𝑛𝑛)
(式 3-7)
19
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
𝑁𝑁𝑆𝑆𝑡𝑡= 正規化後的時間特徵相似度
(1) 我們先將兩兩照片的日期換算成毫秒(ms)，相減後即為 2 張照片的時間距 離(D𝑡𝑡)。但時間距離愈近，表示照片與照片之間的時間相似度愈小，所以，
我們將其距離再以倒數計算，當作照片與照片之間的相似度(𝑆𝑆𝑡𝑡)。
𝐷𝐷𝑡𝑡 = �𝑃𝑃𝑃𝑃𝑃𝑃𝑎𝑎 − 𝑃𝑃𝑃𝑃𝑃𝑃𝑗𝑗� 第i 與 j 照片的時間距離
𝑆𝑆𝑡𝑡 = 1 𝐷𝐷𝑡𝑡
第i, j 照片之間的相似度
(式 3-8) 𝑃𝑃𝑃𝑃𝑃𝑃𝑎𝑎 第 i 張照片的日期毫秒
𝑃𝑃𝑃𝑃𝑃𝑃𝑗𝑗第j 張照片的日期毫秒
(2) 同樣，我們將照片之間的相似度(𝑆𝑆𝑡𝑡)進行正規化的轉換，將數值區間轉換 為 0 到 1 之間(𝑁𝑁𝑆𝑆t)，以便於我們後續相似度之間的比較。
3.4 圖型化網絡分析
根據上述的特徵定義，我們先將相片屬性資訊匯出，利用Gephi8這一個數據圖型化的網 絡分析工具將資料做相似度分析如圖 3.1，並藉由此工具產出的圖型來說明在設定特定 的特徵值為參考點時，數據中所呈現的群聚性是否達到系統設定的目標。
8 "Gephi," in https://gephi.org/
20
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 3.1 數據圖型化的網絡分析工具介面
圖 3.1 數據圖型化的網絡分析工具介面