專題構想
I-BAR智慧型酒吧系統 結合物聯網、人工智能、雲端技術、大數據分析,達到I-bar倡導之新形態飲酒概念
隨著5Gg新時代的來臨,物聯網及雲端技術興起,人工智慧(AI)與機器學習(ML)也開始活躍;飲酒模式也期待產生新的改變。
I-BAR智慧型酒吧系統,即是結合物聯網、人工智能和雲端技術的新形態飲酒概念,透過輕量級的快速布點模式,消費者可更容易使用社交軟體找到飲酒據點,經由大數據的智能畫推薦,消費者也更容易獲得更屬於自己喜愛的酒品。
再搭配其他例如匿名聊天等方式,可以更容易找到酒友,不再因現實社交環境受限,更簡易、更輕鬆、更智能,這就是I-Bar所倡導的新型態飲酒生活模式。
前端前言
Line在台灣目前有2100萬使用者,滲透率高達九成,因此專題使用賴聊天機器人做前端呈現,利用此網頁做介紹成員、開發簡介及心得。
實作成果
實作用到大量Flex Message、Quick Reply 以及LIFF
Flex Message:
巢狀結構結合多個bubble container成為一個carousel container
變成左右滑動的對話格式
Quick Reply:
視窗下方灰色小型按鈕,可滑動,作為點擊風味標籤button(點擊後消失)
要重新傳送文字訊息觸發Quick Reply
LINE Front-end Framework (LIFF):
LINE app 內運作的 web app 平台 嵌入式網頁
未來展望:
透過LIFF在網址後方建立jquery增設評論回傳給後端server在做風味、評分模組調整分析
圖文選單
使用者點擊後可直接觸發動作 作為按鈕甚至觸發文字...等功能 讓使用者可大致上知曉機器人功能
威士忌推薦
使用者點擊後可直接觸發動作 作為按鈕甚至觸發文字...等功能 讓使用者可大致上知曉機器人功能
酒吧地圖
通過Google Map API獲取資訊利用Html/CSS/Java Script 架構網頁,推薦使用者利用此頁面找尋100公尺內酒吧位置,加上Google評分防雷
關鍵字搜尋
配合利用Radis連結MySQL資料庫大量減少時間,讓使用者可以更迅速找到自己需要的資訊。使用者輸入關鍵字搜尋到酒名後會推播一個Bubble視窗給使用者,若輸入相關風味會提供一個Carousel輪播式滑動視窗,讓使用者在機器人操作上,可以進行簡易搜索獲取更詳細資訊。
熱門排行
經過後端評論分析後評分,取出正面詞前五名作為熱門排行
匿名聊天室
常常喝酒找不到酒伴,可以透過此頁面匿名聊天式認識不同年齡層、朋友圈共同熱愛酒類的酒友們
後端前言
本班主要程式語言用Python作開發架構,透過各項學習結合網路資源完成此專題
爬蟲
使用Requets套件
•相較於urllib套件更便捷 •配合Beautiful Soup進行網頁解析
異步訪問
•aio-http 異步訪問 •Asyncio非同步訪問 •multiprocessing 執行多個process
Scrapy 異步爬蟲框架: 調整訪問次數使用Proxy代理伺服器,大幅減少資料爬蟲時間(三天縮短至1.5小時)
資料預處理
透過spacy套件
1.轉換小寫 2.移除非法字元、標點符號 3.斷字斷詞 4.詞性還原 5.詞性標註
6.離群值篩選 7.空值處理
分群建模
關鍵字篩選
1.RE統計字詞 1.保留形容詞及名詞
2.Spacy比對字詞相似性 2.TF-IDF詞頻分析
3.word2Vec 運用scikit Learn之TF-IDF模組
訓練文字模型 集結同種酒款中所有評論並取得其特徵矩陣
情感分析
1. Sentiment analysis(情感分析) 2. Classification(分類)
透過emoji套件將表情符號轉換成文字
樸素貝葉斯法(NTLK):
穩定的分類效率,常用於文本分類,準確度高速度快,可批次增量訓練
邏輯斯迴歸:
計算量非常小,存儲資源低,速度快適合二分類問題,可結合L2正則化解決多重共線性問題
評論收集
利用 Linebot /樹莓派 串接 Kafka 收集使用者評論傳至後端Server資料庫,改善風味矩陣以及結合ELK以Kibana作呈現
推薦系統
推薦-ALS矩陣分解模型
採用的是SPARK MLlib的ALS演算法,SPARK .ML使用最小二乘法學習這些潛在因素 ,那運算過程中我們需要先經過資料預處理,Stringindexer function將左邊原始資料中的字串轉為右邊這張表格中的ID整數,
我們將訓練完成的模型放置HDFS上,可以看到右邊的圖示,取得用戶的ID,推薦用戶其他酒款。在這邊的結果也進行stringindex function後輸出,同時我們也蒐集新用戶的喜好,定時訓練模型,推薦符合用戶需求的酒款。
建議/評論
提供意見
若有任何問題意見提供可傳至開發者Gmail
Tibame_EB102_愛心組