iPAS 考題解析
知識圖譜(Knowledge Graph)的模型設計最適合用什麼結構？
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
- 機率統計基礎
- 能力指標
- 敘述性統計與資料摘要技術（L22101）
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「機率統計基礎」範疇， 對應的能力指標為「敘述性統計與資料摘要技術」，涵蓋數據的集中趨勢、離散程度與分佈型態、數據清理與剖析等核心知識點。 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
知識圖譜(Knowledge Graph)的模型設計最適合用什麼結構？
- A. 僅節點加邊
- B. RDF 三元組 (Subject-Predicate-Object) ✓ 正確答案
- C. 文件型資料庫搭配 Tag
- D. 關聯式資料庫搭配預建索引
詳細解析
正確答案：B. RDF 三元組 (Subject-Predicate-Object)
RDF 三元組用「主語-謂語-賓語」（如「台灣-首都是-台北」）來表達知識，是知識圖譜（Knowledge Graph）最標準的資料模型。
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. 僅節點加邊 （不正確）
只有節點和邊太簡單，缺少邊上的語意標籤
C. 文件型資料庫搭配 Tag （不正確）
文件型資料庫不擅長表達實體間的複雜關係
D. 關聯式資料庫搭配預建索引 （不正確）
關聯式資料庫不適合表達動態的圖結構
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。
比較兩條產線良率差異應使用什麼檢定？
中級 大數據處理分析與應用 難度 ★★★★
異常值偵測使用 IQR（Interquartile Range）法時，下列哪一種範圍外的數值會被視為異常？
中級 大數據處理分析與應用 難度 ★★☆ 114 年
請參考下列虛擬程式碼（pseudocode），最可能是在描述何種驗證法？ for i from 1 to N: test_set = data[i] # 第i筆資料作為測試集 train_set = data except data[i] # 其餘N-1筆作為訓練集 model.fit(train_set) evaluate(model, test_set) return average(all_metrics)
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。