達美樂199訂購的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

基於自然語言處理技術整合維基百科 (Wiki) 之圖書館參考諮詢機器人建置與使用評估

為了解決達美樂199訂購的問題，作者黃丰嘉 這樣論述：

自2016年起，聊天機器人 (Chatbot) 的風潮崛起且應用遍地開花，舉凡股市理財投資(Line @微股力ScanTrader)、旅遊搜尋推薦(Facebook Messenger @Skyscanner)、披薩訂購(Google Dialogflow @達美樂Domino) …等皆能看到聊天機器人的身影。聊天機器人的出現，提供使用者客製化、不受時空限制的服務體驗，在大大節省客服人力資源之餘，也提高處理重複性工作的效率。如今，隨著語意分析(semantic analysis)、機器學習…等技術的大幅躍進，聊天機器人不再是簡單的「關鍵字觸發」任務，而是從大量語料中透過對字詞、句型、句法結構

的分析來理解使用者的詢問目的(意圖)，也就是所謂的自然語言理解(NLU, Natural Language Understanding)技術。圖書館作為重要的知識典藏機構，應當思考如何運用新興科技提供讀者一個更加行動化、個人化與智慧化的參考諮詢介面，從而發展出一套便捷、友善、效能的服務模式，是個值得期待的嘗試。因此，本研究以圖書館為應用場景、LINE為圖書館線上參考諮詢的系統介面，實際建置一個解答館務問題和提供學科知識服務的參考諮詢機器人—FJCU Lib DialogSys。有別於「規則式」的制定問句的問法，本研究的貢獻在於讓讀者與系統之間的對話得以彈性，經由下列三種方式達成：其一，利用「維

基百科(Wikipedia)」更新即時、詞彙描述淺顯多樣以及內容豐富且持續成長…等特性，協助問句進行查詢擴展(Query Expansion)、作為斷詞(Word Segmentation)程序的擴增語彙集，以及用以回應讀者學科知識諮詢。其二，在問句的處理上，運用「自然語言處理(NLP, Natural Language Processing)」技術來幫助判斷讀者的詢問意圖，進而獲得切合其資訊需求的答覆。其三，在界定詢問意圖的顆粒度方面，本研究使用基於密度的DBSCAN分群演算法藉由參數的調整將具有類似問法的訓練語料歸為同一個意圖，並儲存於MongoDB內。而後，若有增加其他意圖的必要性時，也

能輕易地擴充訓練語料，有助於後續的維護與利用。