[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

摘要心智圖

  • 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

  1. 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。
  2. 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。
  3. 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

鐵人賽

結語

30 天鐵人賽,終於完賽啦~~