还记得前几天用爬虫蒐集到的问答集吗? 今天我们要来帮这些问答组合分类哦!

名词定义:
问答组合: 指一组问题+回答，和其他有关於这个问答的相关资讯(来源URL、编号、分类)。
问答集: 多个「问答组合」组成问答集。

Why 为什麽要分类?

我们为什麽要把问答组合分类呢?
因为他可以帮助我们更精准地找到期望的问答组合。

例如，同样输入「我要申请长照」，如果没有选择分类，那就会找到「我家人急着要使用辅具，我可以先买再提出申请补助吗？」，可能的原因是，「长照」这个词已经在整个问答集里面出现太多次了，所以就变得不那麽重要。如果是选择「长照服务介绍与申请」分类，就会找到「如何申请长照服务及流程为何？」，比较符合我们想问的问题。可见将问答组合分类可以提高找到更相符问答组合的机会。

What 分成那些类?

经过整理问答组合可分为五类，分别是长照据点与机构、长照服务介绍与申请、辅具服务、外籍看护相关规范、长照人员培训与相关规范。使用者可事先选择要找哪一类的问题，系统会针对该类别的问答组合做搜寻，可找到与使用者输入的句子更相符的问题。经过分类後，各类别问答组合的数量，请参考表格。

类别的分法，是有个资料来源是「台中市辅具资源整合网」，所以有很多辅具相关的问题，因此把他们分作一类。外籍看护相关规范的分类是因为生活经验中，常听到长辈在讨论相关问题，所以特别分出来。其他的分类则参考卫福部常见问题的分类。

How 如何分类?

目前都是采人工分类

单一类别与多个类别比较

分类过程中会发现有些题目可能同时属於两个甚至多个类别。为了比较两种分类方式，本研究将资料集复制了两份，一份只有单一类别，并尽量以问题的主要意图分类；另一份则是列出与问题相关的所有类别。

问答集:

• 单一分类: https://gitlab.com/graduate_lab415/nlp/-/blob/dev/docs/fixed_file_1622789141_remove_duplicate_labeled_renumber.csv
• 多个分类: https://gitlab.com/graduate_lab415/nlp/-/blob/Feature/multi-categories/docs/fixed_file_1622789141_remove_duplicate_labeled_renumber.csv

分别以两个问句在单一类别与多个类别时，搜寻到的结果做比较。本研究选择两个不同场景可能会出现的问句，比对结果请参考下表。

1. 「我想借辅具」，比较可能是由长者或其家属提出，且依常理可预期使用者询问时，会选择第 3 类别（辅具服务），而此类别在单一类别和多个类别搜寻结果是一样的。

   问句: 我想借辅具

说明: 比对结果的问句後方括号内是该问句的类别，若有多个类别则以分号（；）区隔。

2. 「已死亡，还可以申请辅具请款吗」，这问题有两种情况，一是家属不确定长者死亡後，原预计申请的辅具是否还能请领补助款；二是长照相关人员不确定，当长者死亡是否还能核定申请。此时不同身分者选择的类别可能不相同，家属可能会选择第 3 类别（辅具服务），而长照相关人员则可能选择第 5 类别（长照人员培训与相关规范）。在这种状况下，多个类别的分类方式确实可让使用者在第 5 类别找到答案。

   问句: 已死亡，还可以申请辅具请款吗

说明: 比对结果的问句後方括号内是该问句的类别，若有多个类别则以分号（；）区隔。
补充: 民众若需要申请辅具补助，应先提出申请，取得核定公文後，购买辅具才可补助。若有急需可先找辅具资源中心租借。（台中市辅具资源整合网, 2015）

有两个原因，使本研究最後选择「单一类别」的分类方式。

1. 选择「所有类别」的时候可以发现，其实有蛮大的机率可以找到预期的问题，所以我们较推荐不知道如何选择分类时，可以选择「全部」（所有分类）。
2. 分类过程中发现，虽然一个问题可能同时属於多个类别，但还是会比较偏向某个类别。以上述例子为例，「已死亡，还可以申请辅具请款吗」与辅具补助款相关，依旧比较偏向第 3 类别。

Why Not 为什麽不自动分类?

先说结论，我们试用过 K-means 自动分类问答组合，但机器的分类方式不一定适合人类。

K-means 又叫「K-平均演算法」，是一种常见的非监督式分类演算法。可以将点（资料）分为几个聚类，而每个点都属於离它最近的均值点的聚类（k-平均演算法, 2021）。

尝试使用微软的 Machine Learning Studio 将全部的问答组合分成 2、3、5 类，发现大概分成 2~3 类应该是比较刚好的，但因为人工分类时是分成五类，所以也把 K-means 分五类的效果拿来比较。

下图中可以看到，最左边这栏（全部）是人工分类的结果。

• 分两类，可以发现 K-means 的 Cluster 0，差不多是人工分类的第5 类、一半的第 2 类、第 3 类；cluster 1 大概是人工的第 1 类、一半的第 2 和第 4 类。
• 分三类，K-means 把人工分类的第 5 类，拆分到 Cluster 0、Cluster 1；人工分类的第 2 类则分散在三个 Cluster 里。
• 分五类的状况就更分散了，几乎每个人工分类的类别都被打散到各个 Cluster 中。

虽然 K-means 也能分类，但是程序是依据句子中词语的相似性分类的，这种分类方式不一定适合人类。我们也发现我们只能称呼 K-means 的类别做 Cluster 0、Cluster 1，而很难以文字给一个 Cluster 订下名称。

当然 AI 技术如此发达，要做这种分类应该也是有方法，但本研究中，就只以 K-means 做测试。

参考资料

• 台中市辅具资源整合网（2015）。常见问题。检自：https://www.tatrc-taichung.com.tw/QuestionAnswer?SearchForm.QuestionAnswerType=%e5%b8%b8%e8%a6%8b%e5%95%8f%e9%a1%8c。
• 维基百科（2021）。K-平均演算法。检自：https://zh.wikipedia.org/wiki/K-%E5%B9%B3%E5%9D%87%E7%AE%97%E6%B3%95。

• 本文同步发布在: https://dreambo4.github.io/2021/09/23/%E8%AA%9E%E6%96%99%E5%BA%AB%E6%A8%A1%E5%9E%8B-02-%E5%95%8F%E7%AD%94%E7%B5%84%E5%90%88%E5%88%86%E9%A1%9E%E6%96%B9%E5%BC%8F/