交大機器人dcard的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列特價商品、必買資訊和推薦清單

運用字根與詞彙改善智慧問答系統

為了解決交大機器人dcard的問題，作者吳兆庭 這樣論述：

現代社會中社交軟體與個人行動裝置蓬勃發展，人與人之間的溝通漸漸地已經不用面對面的對話，透過行動裝置中的社交軟體就能隨時隨地的與人進行溝通，同時，許多店家開始藉由社交軟體進行宣傳，甚至將實體的店面轉換為電子商店。而大多的電子商店都會使用智慧問答系統來服務顧客，而這些智慧問答系統大多為檢索式的問答系統，這類型的問答系統若不更新資料庫或是擴充資料庫，容易產生回應錯誤。然而，若只一昧的增加資料不進行資料的整理，則會導致回應時間拉長的問題，因此本論文目的在於藉由資料分類結合分群的方式，並結合過往研究較少應用於問答系統的字根轉換，來改善問答系統。在本研究中針對社群軟體中的Dcard論壇進行對話資料的獲取

並建立對話資料集，藉由5W1H分類先進行資料處理再將字詞轉換為部首後採用Dynamic K-MEANS分群進行資料處理，最後透過判斷檢索產生的答案是否與原始答案是否為相同群集來進行正確率評估。並另外將整理完成的資料以LSTM模型進行訓練並應用於生成式問答系統，透過模型的混淆度及問卷請進行人工的評估。研究結果顯示，經由5W1H的分類，並轉換部首後進行Dynamic K-MEANS分群，能降低檢索式問答系統所花費的時間；準確度與傳統分群相比也有較為優秀的表現。