[結論] 總整理與建議
台灣老年人口的比例越來越高，隨之而來的便是民眾對長照的需求。政府提出了長照 2.0 的計畫，資源與服務眾多，申請方式與條件卻不見得大家都清楚。因此希望藉由 Zenbo 可愛的外型減少長者對 3C 產品的抗拒，語音對話的方式增加易用性，期盼透過「長照小幫手」建立一個讓長者更友善取得長照資訊的方式。
研究統整
長照問答集：本研究蒐集網路上的問答資料，整理成問答集，實作並串接聊天機器人，讓民眾可以輕鬆的透過自然語言問答，得到相關的長照資訊。將問答組合分類，幫助使用者更準確地找到符合期待的問答組合。後端系統將詞語與實體對應，也可以使程式比對問句時，更貼近使用者意圖。
Zenbo：近年雖科技發展快速且教育普及，但仍有部分長者不識字或不習慣使用電子產品吸收資訊。為了解決這些長者的需求，因此本研究使用 Zenbo 機器人作為與使用者互動的介面，可愛的外型增加了親切感，也設計了一套APP，使長者可以透過語音的方式與聊天機器人互動。一開始我們使用華碩的 Zenbo SDK 來做語音識別與輸出的部分，但因為發現 Zenbo 無法清楚辨識指令與唸錯破音字的一些問題，所以改選用Android 提供的兩個函式庫 RecognizerIntent 與 TextToSpeech。
CKIP 斷詞工具：本研究比較兩種斷詞方式，分別是來自中國的 Jieba 與中研院推出 CKIP，發現中研院的 CKIP 是較適合台灣長照相關資料的斷詞方式。
爬蟲：相比人工的方式，使用爬蟲程式蒐集長照相關的問答資料集，可以自動化地快速擷取所需資料。
TF-IDF 演算法：我們使用 TF-IDF 演算法建立長照問答集的模型，使用餘弦相似性比對使用者的問句和長照問答集。結合 CKIP 斷詞方式，實作了一套可以比對輸入語句和資料集中問答組合的系統。
回饋機制：使用者的問題各式各樣，難免有對應不到的時候，所以我們也提供回饋機制，主動蒐集，使用者若無法找到自己想知道的問題時，便會自動記錄資訊，當作以後擴增和優化的依據。
本研究亦搭配 API，讓 APP 端可以方便取得最相似問答組合。使用者端的操作介面，以簡單和大字型為重點，方便長者操作。機器人會自動將回覆內容唸出來，就像有專人回答一樣。最後，本研究的目標是期望「藉由科技，建立一個讓長者更容易取得長照資訊的方式」。
給未來研究者的建議
- 因本系統在執行 API 時，每次都需要把整個斷詞和建立 TF-IDF 的模型的部分執行一遍，經過測試大約耗時 5~8 秒，對使用者體驗不佳，未來可以針對這部分改善。
- 本研究嘗試過使用 K-means 分類問答組合，但發現程式的分類方式並不一定適合人類。建議未來可嘗試用其他人工智慧方式，讓分類問答組合自動化，減少維運人員負擔。
- 長者慣用語言多為台語，未來可加入台語的語音識別與輸出，更方便長者使用。
鐵人賽系列文章目錄
結語
30 天鐵人賽，終於完賽啦~~