民國114年 高考三級 檔案管理 文書及檔案資訊化
第3題
請結合數位典藏與資訊科技應用的趨勢，說明如何運用「自然語言處理 （NLP）」與「知識圖譜（knowledge graph）」於檔案描述與關聯分析作 業。請舉例說…
題目
請結合數位典藏與資訊科技應用的趨勢，說明如何運用「自然語言處理 （NLP）」與「知識圖譜（knowledge graph）」於檔案描述與關聯分析作 業。請舉例說明其對於檔案檢索與應用服務的具體效益與限制。（25 分）
參考解答（AI 生成，非官方）
- 一、趨勢背景與問題意識：數位典藏已由「量的累積」轉向「質的描述與關聯」，面對全文、影像、影音等多元資料，傳統人工撰寫案卷描述與人名權威控制的方式難以因應。自然語言處理（Natural Language Processing, NLP）與知識圖譜（Knowledge Graph, KG）結合，可將非結構化文本轉化為可運算的結構化知識網絡，成為檔案描述與關聯分析的新工具。
- 二、NLP 於檔案描述之運用：可運用斷詞、命名實體辨識（Named Entity Recognition, NER）、關鍵詞擷取、自動摘要與文本分類等技術，從公文本文、簽稿與會議紀錄中擷取人名、機關、地名、日期、主題與業務功能類別，自動產生題名、內容摘要與主題詞，並輔助判斷保存年限與移轉類別，降低人工描述負荷並提升一致性。
- 三、知識圖譜於關聯分析之運用：以實體（人、機關、事件、法規、案卷）為節點，以關係（簽核、隸屬、引用、同一事件、前後案）為邊，建立具語意推論能力的網絡。可支援多跳查詢，例如追查某項政策自簽呈、函稿到後續執行案卷的完整脈絡，或視覺化呈現跨機關、跨年代的業務關聯，補足傳統階層式目錄之不足。
- 四、檢索與應用服務效益：結合語意搜尋與向量檢索，可處理同義詞、異體字與自然語言提問，提升召回率與精確率；知識圖譜可提供關聯推薦、時序瀏覽與主題聚類，支援研究者、機關承辦人與民眾之加值應用，並可與開放資料平台、典藏展示網站介接，發展故事化敘事與數位人文研究。
- 五、限制與配套建議：NLP 模型對公文特殊用語、古地名與手寫文書辨識率有限，且存在誤判與偏誤；知識圖譜之建構須依賴本體（ontology）設計與權威控制，維護成本高。建議採人機協作模式，建立標註語料、品質檢核與版本管理機制，並注意著作權、個人資料與機敏資訊保護，避免模型輸出被誤認為檔案原始內容。
AI 依官方試題文字產生的參考解答，非考選部公告答案，內容僅供備考參考。