大家好，其实这个长照小帮手是我的论文题目，所以这系列的多文章，会有一大部分来自简化的论文内容，再加上一些没有收录进论文的研究心得。

聊天机器人整套系统都是我一个人开发的，所以这系列文章应该会分为 Zenbo、爬虫、TF-IDF、API、Android APP 几个部分来介绍，之後会有一篇介绍整体系统架构。

背景

台湾人口老化问题越来越严重，预估在 2025 年将进入「超高龄社会」（国家发展委员会，2020）。试着想像全台湾每五人就有一人是老人，比例真的很高，这也造成患有慢性病或失能等长者的照顾需求跟着提升。

• 图片取自（中华民国人口推估(2020 至2070 年)简报, 2020）
  

动机

政府提供了很多长照资源，但除了电视和邻里长的宣传，长者比较难有管道了解其他适合自己的长照资源。根据统计（财团法人台湾网路资讯中心，2019），台湾有10.8%的民众未使用网路，且以60岁以上的年龄层居多，其中「对电脑恐惧或不熟悉」的理由就占了27%。

• 民众未使用网路的原因，数据整理自 2019 台湾网路报告（财团法人台湾网路资讯中心，2019）
  

再加上，内政部统计（内政部统计处，2021），民国 109 年全国不识字的人口还有大概 20 万，其中有 93% 是 65 岁以上长者。而不识字的老年人口约占全部老年人口的 5%。

• 不识字人口，数据来自於内政部统计处
  

当前的问题

我们有人口老化的问题，还有长者「对 3C 产品不熟悉」和「不识字比例高」，那我们该如何让长者有机会了解政府提供的长照服务呢？

因此我们决定选择华硕推出的Zenbo机器人。Zenbo 可爱的外型与简易口令的操作方式，可以降低长者对电子产品的恐惧。还有这次设计的聊天机器人特别加入语音控制功能，可以用语音输入问句，机器人也会用语音回答。所以就算是不识字的长辈也能操作。

同时，我们也找到另一份文献（Mary C. Gilly & Valarie A. Zeithaml, 1985），他说老人传统上被认为是比较抗拒改变的，但是当技术满足他们的需求，并得到有效的沟通时，老年消费者确实愿意改变。

走错路的过程

研究的过程中难免会写到一半发现不合用的状况嘛，所以整理一下不同技术的优缺，和我最後使用某个技术的原因。在後续的文章中可能会有比较详细的说明?。

语音输入与输出 - Zenbo SDK vs Android Library

一开始我使用的是 Zenbo SDK，为了让 Zenbo 的语音、用字更符合台湾用法，华硕自行建立语音资料库。但使用的过程中发现，Zenbo SDK 好像不太能处理破音字问题，加上念句子会跳字(某些字跳过没念)。所以我後来改用 Android 内建的 RecognizerIntent 和 TextToSpeech，虽然在句子比较复杂的时候，还是有机会念错破音字，但机率上好很多。

语料模型 - DDE vs DialogFlow vs TF-IDF

最一开始是使用 ASUS 提供的 DDE 工具，优点是安装到 Zenob 比较方便，不须外另外串接 API。缺点是每个句子的 rule 都要手动建立，如果 rule 太宽松，input 可能会同时符合多个 rule，但是太严格，又可能 input 比对不到任何句子。

再来考虑 Engati、DialogFlow 这类可以串接常用通讯软件的平台，但是发现每个句子都还是要手动建立，我有快 500 个句子，会死掉吧。但是 DialogFlow 提供模糊比对，算是解决了 DDE rule 规划的问题。如果你的句子不多，且又有条件判断，那 DialogFlow 还是可以推，只是它不符合我这里的使用。

最後就剩自己建模型的路罗?，我的模型最後是选用 TF-IDF，主要程序码是参考 MorvanZhou/NLP-Tutorials，再经过自己的修改。主要是因为研究 NLP 的时候发现主要都是关於句子生成的主题比较多，但我要的是比对句子的相似性，所以 TF-IDF 比较符合我的需求。

断字系统 - Jieba vs CKIP

Jieba 来自中国，CKIP 来自中研院，在使用内建断词字典的状况下，有一些台湾的专有名词或简称，CKIP 表现的比 Jieba 比较好。

参考资料

• 国家发展委员会（2020）。中华民国人口推估(2020 至2070 年)报告。台北：国家发展委员会。检自：https://pop-proj.ndc.gov.tw/upload/download/%E4%B8%AD%E8%8F%AF%E6%B0%91%E5%9C%8B%E4%BA%BA%E5%8F%A3%E6%8E%A8%E4%BC%B0(2020%E8%87%B32070%E5%B9%B4)%E5%A0%B1%E5%91%8A.pdf。
• 国家发展委员会（2020）。中华民国人口推估(2020 至 2070 年)简报。检自：https://pop-proj.ndc.gov.tw/upload/download/%E4%B8%AD%E8%8F%AF%E6%B0%91%E5%9C%8B%E4%BA%BA%E5%8F%A3%E6%8E%A8%E4%BC%B0(2020%E8%87%B32070%E5%B9%B4)%E7%B0%A1%E5%A0%B1.pdf。
• 财团法人台湾网路资讯中心（2019）。2019 台湾网路报告。财团法人台湾网路资讯中心。检自：https://report.twnic.tw/2019/。
• Mary C. Gilly & Valarie A. Zeithaml. (1985). The Elderly Consumer and Adoption of Technologies. Journal of Consumer Research, 12(3), 353-357. DOI:10.1086/208521
• 内政部统计处（2021）。 15 岁以上教育程度─按区域别、年龄别分. 内政统计查询网。检
  自：https://statis.moi.gov.tw/micst/stmain.jsp?sys=100。

• 本文同步发布在: https://dreambo4.github.io/2021/09/02/%E7%B7%92%E8%AB%96-%E9%95%B7%E7%85%A7%E5%B0%8F%E5%B9%AB%E6%89%8B%E7%9A%84%E8%83%8C%E6%99%AF%E8%88%87%E5%8B%95%E6%A9%9F/