問題的答案無所不包論文書籍站
實踐大學 資訊科技與管理學系碩士班 黃耀賢所指導 劉冠妤的 基於聊天機器人之運動智能助理研究與開發 （2017），提出植健身教練ptt關鍵因素是什麼，來自於聊天機器人、運動智能助理、序列對序列、LINE、美國運動醫學會。
基於聊天機器人之運動智能助理研究與開發
為了解決植健身教練ptt 的問題，作者劉冠妤 這樣論述：
現代人忙於工作、家庭生活與人際關係，鮮有時間去照顧自己的健康，甚至有越來越多人的生活方式是長時間坐著使用 3C 產品而不活動，因此在現今繁忙的社會中，利用科技來提升大眾對於健康福祉的關心是十分必要的。隨著人工智慧的快速發展，各種相關科技應用讓我們的生活更為便利，例如：藉由人工智慧結合社群媒體開發出聊天機器人，能夠在社群媒體上立即提供客戶各種解答或是解決方案。有鑑於此，本論文結合人工智慧、社群媒體與序列對序列（sequence-to-sequence, Seq2seq）模型，開發一個聊天機器人，內建運動智能助理（Smart Sports Agent, SSA）系統來增加使用者的身體活動量並維持
健康。本研究開發的聊天機器人植基於 LINE 平台上。首先SSA 系統利用 Word2vec 來分類使用者的意圖傾向，判斷是需要專業運動諮詢或者是運動相關閒聊內容。若使用者的意圖與運動、減重、增肌或量測生理數值有高度相關，便將對話導入規則式架構，此時的聊天機器人會依據設定好的流程進行對話，搜集並計算使用者輸入的運動量與生理數據，最後給予符合美國運動醫學會（American College of Sport Medicine, ACSM）標準的運動處方，運動處方包含適合使用者的運動種類、運動時間與運動強度，以達到減重或增肌之目的；反之，使用者的意圖與減重、增肌、量測生理數值低度相關或不相關，則導
入生成式架構，利用序列對序列模型生成回應，回覆給使用者。序列對序列模型採用網路爬蟲下載批踢踢實業坊（PTT）的真人中文對話語料作為訓練樣本，以實作出智能虛擬健身教練。在架構上，模型利用編碼器將使用者輸入的句子讀入，並編碼成固定維度的向量，再由解碼器將向量轉成相對應的回應句。此階段中，編碼器與解碼器由長短期記憶（long short-term memory, LSTM）或門閘遞迴單元（gated recurrent unit, GRU）所組成，透過實驗結果可以得知編碼器與解碼器使用兩層門閘遞迴單元顯著地提升了實際對話的表現，因此 SSA 系統中的生成式架構最終採用兩層門閘遞迴單元作為編碼器與解碼
器。 SSA 系統的完成，讓每個使用者都可以透過即時的中文對話式服務來實現自己的健康目標，並有效改善身體健康。