採用深度增強學習的個人化數位助理之設計與實作：摘要，優先順序和建議

現今大眾皆大量的使用許多的數位媒介應用程式如電子郵件 (Gmail, Yahoomail, Outlook)，社群媒介(Google+, Facebook)，微部落客(Twitter, Tumblr)，行動社群網路(LINE, WeChat)，影音串流(YouTube, Youku)等等，來相互的聯繫。人們已經習慣使用數位媒介資料(如數位文字，聲音或影像)來與大眾分享自己的感覺、想法、意見以及評論。由於人們對於數位媒介應用的依賴與日俱增，大家面對一個沒有一種有效率的方法將這些大量數位內容逐一檢視的問題(將花費大量的時間)。現行的摘要技術因為受限於原始文字內容，它面臨著原文詞彙太過簡短、原文資訊不足(需上下文才能正確了解)以及相同文字不斷重複問題。雖然數位助理(例如Siri, Google Now, and Cortana)已採用了人工智慧技術來幫助人們分析數位媒介內容，但它們對於表達以及萃取原始文件，並且能夠進一步給出一個簡要的回覆文字以及建議的能力仍然有限。此外根據數位媒介資料的內容，讓數位助理能夠將它們依重要性與否排出順序，那又是難上加難的挑戰。就我們所知，我們是世界上第一個嘗試要研究，如何利用人工智慧技術來讓數位助理能夠分辦事情的重要性。也因此產生我們提出以實作出一個「具智慧的個人化數位助理」的研究計畫，它將能夠幫助人們摘要資料、排出優先順序以及給出合適的回覆文字建議。計畫中我們將基於今年的科技部一年期計畫所研究之基礎，採取深度神經網路(DNN)以及深度增強學習(DRL)之方法來開發此個人化數位助理，它將包含摘要、排列優先順序以及回覆建議三個部份。在摘要部份我們將採用以深度增強學習為基礎的長短期記憶方法(DRL-LSTM)，並對非文字的部份使用DRL-CNN方法。在排列優先順序部份我們將採用Watson workspace的API，並結合DRL-LSTM及DRL-CNN。在回覆建議部份我們將採用DRL-LSTM及DRL-CNN以及獎勵回饋之方，由使用者來協助訓練。同時為了訓練個人化數位助理，我們將開發一個雲端伺服器來訓練數位個人助理，此伺服器將包含CNN模組，每日郵件資料集以及紐約時報、中國時報、自由時報資料集，來協助個人化數位助理之開發。

系統編號:PB10708-2132
原計畫編號:MOST107-2221-E182-072