Day 30 - [结論] 总整理与建议

台湾老年人口的比例越来越高,随之而来的便是民众对长照的需求。政府提出了长照 2.0 的计画,资源与服务众多,申请方式与条件却不见得大家都清楚。因此希望藉由 Zenbo 可爱的外型减少长者对 3C 产品的抗拒,语音对话的方式增加易用性,期盼透过「长照小帮手」建立一个让长者更友善取得长照资讯的方式。

研究统整

摘要心智图

  • 长照问答集:本研究蒐集网路上的问答资料,整理成问答集,实作并串接聊天机器人,让民众可以轻松的透过自然语言问答,得到相关的长照资讯。将问答组合分类,帮助使用者更准确地找到符合期待的问答组合。後端系统将词语与实体对应,也可以使程序比对问句时,更贴近使用者意图。

  • Zenbo:近年虽科技发展快速且教育普及,但仍有部分长者不识字或不习惯使用电子产品吸收资讯。为了解决这些长者的需求,因此本研究使用 Zenbo 机器人作为与使用者互动的介面,可爱的外型增加了亲切感,也设计了一套APP,使长者可以透过语音的方式与聊天机器人互动。一开始我们使用华硕的 Zenbo SDK 来做语音识别与输出的部分,但因为发现 Zenbo 无法清楚辨识指令与念错破音字的一些问题,所以改选用Android 提供的两个函式库 RecognizerIntent 与 TextToSpeech。

  • CKIP 断词工具:本研究比较两种断词方式,分别是来自中国的 Jieba 与中研院推出 CKIP,发现中研院的 CKIP 是较适合台湾长照相关资料的断词方式。

  • 爬虫:相比人工的方式,使用爬虫程序蒐集长照相关的问答资料集,可以自动化地快速撷取所需资料。

  • TF-IDF 演算法:我们使用 TF-IDF 演算法建立长照问答集的模型,使用余弦相似性比对使用者的问句和长照问答集。结合 CKIP 断词方式,实作了一套可以比对输入语句和资料集中问答组合的系统。

  • 回馈机制:使用者的问题各式各样,难免有对应不到的时候,所以我们也提供回馈机制,主动蒐集,使用者若无法找到自己想知道的问题时,便会自动记录资讯,当作以後扩增和优化的依据。

本研究亦搭配 API,让 APP 端可以方便取得最相似问答组合。使用者端的操作介面,以简单和大字型为重点,方便长者操作。机器人会自动将回覆内容念出来,就像有专人回答一样。最後,本研究的目标是期望「藉由科技,建立一个让长者更容易取得长照资讯的方式」。

给未来研究者的建议

  1. 因本系统在执行 API 时,每次都需要把整个断词和建立 TF-IDF 的模型的部分执行一遍,经过测试大约耗时 5~8 秒,对使用者体验不佳,未来可以针对这部分改善。
  2. 本研究尝试过使用 K-means 分类问答组合,但发现程序的分类方式并不一定适合人类。建议未来可尝试用其他人工智慧方式,让分类问答组合自动化,减少维运人员负担。
  3. 长者惯用语言多为台语,未来可加入台语的语音识别与输出,更方便长者使用。

铁人赛系列文章目录

铁人赛

结语

30 天铁人赛,终於完赛啦~~



<<:  Day29 假设我们生活在别人的AR世界 那我们是不是很有可能明天就被删除了!?

>>:  Day30:今天来聊一下如何使用 Azure Sentinel 搜捕威胁

Day 04:看看 Angular CLI 对我们做了什麽?认识专案架构

今天,我们要来看看在使用 Angular CLI 後,专案的架构会长什麽样? angular.jso...

TailwindCSS 从零开始 - 自订 addBase 套件

修改基底样式 addBase 专案会使用到很多的标题样式,在不同的页面都会出现,那我就可以订一个套...

[Day18]Tell me the frequencies!

上一篇介绍了Love Calculator,利用charAt()找出字母转换成的数字相加(这题也会用...

用python下载东西

其实不用安装requests就可以下载东西 python的urllib.request.urlope...

Jupyter Notebook 输入栏位设计(2)

前言 上一篇介绍 interact 基本的用法,可以设计使用者介面(UI),但无法取得输入值,本篇介...