某企業需分析半結構化的系統日誌（JSON格式），以提取關鍵的時序特徵供故障預測模型使用。考量日誌結構複雜且包含巢狀欄位（Nested Fields），下列哪一種策略最有效且實務可行？
iPAS 考題解析
某企業需分析半結構化的系統日誌（JSON格式），以提取關鍵的時序特徵供故障預測模型使用。考量日誌結構複雜且包含巢狀欄位（Nested Fields），下列哪一種策略最有效且實務可行？
- A. 先將JSON資料平化轉成CSV，再對欄位計算統計量（如均值、次數）作為特徵
- B. 使用遞歸神經網路（RNN）直接輸入原始JSON字串進行時序特徵抽取
- C. 設計遞迴函式展開巢狀欄位，並基於時間窗口（Time Window）進行聚合與特徵萃取 ✓ 正確答案
- D. 只保留時間戳記欄位，忽略其他巢狀內容以簡化特徵工程
詳細解析
對於巢狀JSON日誌，使用遞迴函式系統性展開巢狀結構，再以時間窗口進行聚合統計（如異常計數、平均值、最大值），能有效萃取時序特徵且保留完整資訊，是最實務有效的方法。
出題年份：114 難度：★★☆