結合自然語言處理與語意檢索之智慧車次推薦系統

讓查詢車票變得簡單又智能

結合自然語言處理與語意檢索之智慧車次推薦系統

本專題結合自然語言處理 (NLP)、GPT生成模型及網路爬蟲技術，實現一個智能查票系統，幫助使用者快速查詢台鐵車票資訊。

主要目標

  • 解決傳統台鐵查票系統的使用不便
  • 提供更直覺的自然語言查詢介面
  • 整合多項AI技術提升查詢效率

核心特色

智能對話介面

支援自然語言輸入

即時資訊查詢

整合即時班次資料

智能推薦

根據需求推薦最佳方案

系統概覽

使用技術

GPT-4 模型

  • 理解使用者意圖
  • 生成自然語言回應
  • 處理複雜查詢邏輯
了解更多

自然語言處理

  • 意圖辨識
  • 實體抽取
  • 語意理解
了解更多

Playwright 爬蟲

  • 自動化擷取資料
  • 即時更新班次
  • 模擬使用者行為
了解更多

向量資料庫

  • 儲存語意向量
  • 快速相似度搜尋
  • 提升查詢效率
了解更多

語意嵌入

  • 將文字轉換為向量
  • 捕捉語意關係
  • 提升搜尋準確度
了解更多

RAG 技術

  • 結合檢索與生成
  • 提供準確回應
  • 優化回答品質
了解更多

系統設計與流程

1

使用者輸入

使用者以自然語言輸入查詢需求

2

意圖理解

NLP 模型解析使用者意圖

3

資料擷取

爬蟲系統獲取即時班次資訊

4

回應生成

GPT 模型生成自然語言回應

系統設計流程圖

系統展示

APP 版本

APP 版本功能展示

APP 版本使用案例

結構化查詢

2025/11/20 桃園到台中 12:00 出發的車次

搭乘推薦

系統推薦搭乘自強 123 車次，可以在12:32於桃園出發直達臺中

特殊需求

想要以最快時間抵達臺中

網頁版本

網頁版本功能展示

網頁版本使用案例

結構化查詢

2025/11/20 桃園到台中 12:00 出發的車次

搭乘推薦

系統推薦搭乘自強 123 車次，可以在12:32於桃園出發直達臺中

特殊需求

想要以最快時間抵達臺中

研究結果

實驗結果

系統查詢

19.89 秒

平均查詢時間

手動查詢

73.38 秒

平均查詢時間

結論與改進方向

專題成果

  • 成功整合多項 AI 技術
  • 提供直覺的使用者介面
  • 實現即時資訊查詢功能
  • 優化使用者體驗
  • 提升查詢效率

未來改進方向

  • 擴充支援更多查詢類型
  • 優化回應速度
  • 增加更多互動功能
  • 提升系統穩定性
  • 加入更多智能推薦功能

專題成員介紹

組長照片

施榮哲

組長

工作代號：ZE3

教授照片

邱昭彰 教授

指導教授

資訊管理系