iPAS 考題解析
Graph Database 中「按讚行為」應如何儲存？
中級 大數據處理分析與應用
難度：進階 ★★★★
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 大數據處理技術
- 能力指標
- 數據儲存與管理（L22202）
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「大數據處理技術」範疇， 對應的能力指標為「數據儲存與管理」，涵蓋資料庫架構、儲存機制、模型訓練等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
Graph Database 中「按讚行為」應如何儲存？
- A. 按讚作為獨立節點
- B. 按讚資訊作為邊的屬性(Property) ✓ 正確答案
- C. 按讚直接寫入節點屬性
- D. 用關聯式資料庫的按讚紀錄表
詳細解析
正確答案：B. 按讚資訊作為邊的屬性(Property)
圖資料庫中，使用者和貼文是節點，按讚是兩者之間的關係（邊）。按讚的時間、類型等資訊作為這條邊的屬性最自然。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 按讚作為獨立節點 （不正確）
按讚是一種關係，不是獨立實體，不應該作為節點
C. 按讚直接寫入節點屬性 （不正確）
寫入節點屬性會讓節點臃腫，且無法表達「誰對誰按讚」的關係
D. 用關聯式資料庫的按讚紀錄表 （不正確）
用關聯式資料庫是可以但不是 Graph Database 的做法
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
研究團隊接下來想要將Year欄位轉換為整數型態，以便後續進行年份趨勢分析。考慮到資料中可能包含缺失值（NaN），請選出最合適的轉換方式。 A) data['Year'] = data['Year'].astype(int) B) data['Year'] = data['Year'].fillna(0).astype(int) C) data['Year'] = data['Year'].fillna(1).astype(int) D) data['Year'] = data['Year'].astype('Int64')
中級 大數據處理分析與應用 難度 ★★☆ 114 年
分析師在載入vgsales.csv資料後（欄位包含Name、Platform、Year、Genre、Publisher、NA_Sales、EU_Sales、JP_Sales、Other_Sales、Global_Sales），檢視Year欄位的資料型態，發現它是float64，而非一般年份常用的整數。下列哪些原因可能導致這種狀況？ 原因A：CSV檔中Year欄位有缺失值（NaN），導致Pandas自動將整欄轉為浮點數。 原因B：CSV檔中的年份資料原本是字串（如"2006"），Pandas轉換時出錯而變成浮點數。 原因C：Pandas預設會將所有數值型態讀取為float64，不論資料是否為整數。 原因D：CSV檔中的年份資料可能包含小數點（例如2006.0），因此被視為浮點數。
中級 大數據處理分析與應用 難度 ★★☆ 114 年
在圖形資料庫（Graph Database）中建模社群平台資料時，若每筆「按讚」行為都包含時間戳記（Timestamp）與裝置類型（Device Type）等資訊。若希望同時保留使用者與貼文之間的互動關係，並能有效查詢「按讚」的行為屬性，下列哪一種設計方式最為合適？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍，需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師中級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。