隨著醫療技術的進步，社會大眾愈來愈重視健康養生的觀念，人類的平均壽命不斷增加，台灣老年人口的比例更是穩定增加，步入老齡化的社會。台灣人口分布往老齡化偏移，目前是全世界老化速度最快的國家。再加上少子化浪潮，老年和青壯年的人口差距漸漸拉大，人口逐漸失衡，照顧年長者的負擔越來越重，專業的照護單位和人力更是供不應求。政府和社會大眾要一起協力迎接高齡的台灣。論文提出適用於老人居家照護的共享知識的對話服務平台，利用人工智慧技術與虛擬對話機器人建構一個對話的平台，服務居家生活的年長者。系統提供讓客戶自行設定屬於自己的提醒事項，並協助每天記錄健康手帳。這也是一個共享知識的對話服務平台，銀髮族或用戶日常生活的任何問題都可以在平台上發問，虛擬的機器人與用戶簡單的對談後，透過演算法尋找專業人士來回答問題，進一步提供實質的服務。另一方面，平台上用戶也可以幫忙回答問題，互助助人。服務平台上廣納銀髮族、一般人、年輕人、專業廠商和專家等，專業廠商結合各行各業的廠商。商業模式是一個讓組織持續正常運作的邏輯，描述組織創造、傳遞及獲取價值的手段與方法。論文中我們以商業模式九宮格的方式來審視，評估系統使否可以成為一個可行的商業模式，以期未來可以成功的運作，服務廣大的銀髮族群。

With the advance of medical technology, the average life expectancy of human beings increases continuously. The population proportion of the elder in Taiwan increased drastically in the past decade. Taiwan has become an aging society since 2018 and the speed of aging is the top one ranking in the world at present. The professional nursing staffs and nursing agencies for elder people are in short supply and caring the elder people imposes a heavy burden on our society. The aging related issues are big social problems in Taiwan and we need to face and solve them seriously. A dialogue service platform concept based on artificial intelligences and virtual dialogue robot technologies in home-care scenarios for the elder is proposed in this paper. Users can interact with the proposed system by text messages and set various daily reminders such as measuring the blood pressure or body temperature. The proposed system can proactively remind users on the right time and record the health status every day. It is also a sharing knowledge platform. Any questions of daily life can be asked on the platform. After a simple conversation, the proposed system will try to find domain experts to answer the questions. The target users will be the elder, publics, youths, domain experts, and members from various companies. By the way, a right model allows a company to deliver values to customers continuously, thus in this paper the business model is also discussed by nine matrices. In a near future, by the proposed dialogue system it is desired to help more and more home-cared elder people.

參考文獻
中文文獻
Alexander Osterwalder & Yves Pigneur執筆，Alan Smith, The Movement設計，尤傳莉譯(2012)。獲利世代(初版)。早安財經文化。
Donald A. Norman著，陳宜秀譯(2014)。設計的心理學。遠流出版。
大塊文化。家有長輩要照顧？這樣做善用長照服務，減輕居家照護重擔。2018年12月19日。取自：https://www.top1health.com/Article/110/71300。
大數據文摘。IBM Watson 醫療部門大裁 70% 員工，AI 醫療遇上了什麼瓶頸。2018年4月22日。取自：https://buzzorange.com/techorange/2019/04/22/ibm-watson-lay-off/。
內政部網站。取自：https://www.moi.gov.tw/chi/chi_news/news_detail.aspx?type_code=02&sn=13723
王儷玲。健康大數據，讓長照2.0再升級。2019年1月3日。取自：https://www.gvm.com.tw/article.html?id=55445 。
未央网。和缓医疗李宇：创业者需要完成的三个命题。2018年1月3日。取自：https://www.weiyangx.com/315990.html。
伊雲谷。實現真正的物聯網價值。2019年4月20日。取自：https://www.ecloudvalley.com/zh-hant/the-real-value-of-iot/。
刘升平。基于知识图谱的人机对话系统 | 公开课笔记。2018年11月8日。取自：https://cloud.tencent.com/developer/article/1361566。
克雷頓．克里斯汀生著，李明、應小瑞、侯秀琴、潘東傑、羅耀宗、許瑞宗、洪慧芳譯(2016)。精讀柯里斯汀生。遠見天下文化。
呂宜瑾。淺析台灣人工智慧醫療之發展。2019年5月28日。取自：https://portal.stpi.narl.org.tw/index/article/10499。
李仕雄和杨竹星。銀髮族照護：當銀髮族遇上人工智慧和物聯網。2019年6月1日。取自：http://3smarket-info.blogspot.com/2018/09/blog-post_936.html。
李沃牆。高齡的台灣 老年危機變成銀髮商機。2018年4月16日。取自：https://www.npf.org.tw/1/18490。
李泓叡(民94)。RFID日常飲食記錄於居家健康照護之應用。亞洲大學電腦與通訊學系碩士班碩士論文，未出版。
李樹人，拖老命工作 65歲以上老人逾5成仍在拚賺錢。2018年12月21日。取自：https://ubrand.udn.com/ubrand/story/11816/3541886。
村田裕之。從老年人消費的現狀，解讀日本超老齡社會。2016年5月6日。取自：https://www.nippon.com/hk/in-depth/a04902/。
明日科技。Google：人工智慧能比醫師更早診斷出肺癌。2019年5月15日。取自：https://tomorrowsci.com/technology/google-%e4%ba%ba%e5%b7%a5%e6%99%ba%e6%85%a7-%e9%86%ab%e5%b8%ab-%e6%9b%b4%e6%97%a9%e8%a8%ba%e6%96%b7-%e8%82%ba%e7%99%8c/ 。
林佳誼。11億銀髮族，如何改寫全球經濟。2019年4月22日。取自：https://www.schroders.com/zh-TW/sysglobalassets/staticfiles/campaigns/taiwan/cobrand-retirement/subject-aging-article03.html。
林秉曄(民94)。無線健康整合服務系統應用於失智老人之照護。長庚大學資訊工程研究所碩士論文，未出版。
邱大洲(民105)。應用深度學習於行動裝置之居家行為辨識。國立臺北科技大學自動化科技研究所碩士論文，未出版。
邱玉珍。科技、AI人工智慧翻轉老人照護。2018年3月1日。取自：https://www.aurora.com.tw/aurora-monthly/560/0i057590949914466090。
約瑟夫‧F‧柯佛林著，許恬寧譯(2018)。銀光經濟(第一版)。遠見天下文化。
苑守慈、王詩翔、張瑋倫。智慧型老人居家照護—以替換調適模式之案例式推理為基礎。資訊管理學報第十五卷第二期。
孫永年。人工智慧的醫療照護應用。2019年3月22日。取自：https://scitechvista.nat.gov.tw/c/sTkT.htm。
張榮龍、陳博智(未知)。一個應用於老人居家照護系統的本體論設計。國立聯合大學資訊管理學系，未出版。
許家禎。2019夯職業／科技廠跨界搞智慧醫療凸顯需求急迫。2019年2月9日。取自：https://www.nownews.com/news/20190209/3118933/。
陳泳丞。AI加持健康照護市場規模攀升。2019年6月20日。取自：https://ctee.com.tw/news/tech/107622.html
陳婷。將銀髮商機做成一條產業鏈。2015年6月29日。取自：https://kknews.cc/finance/xl5q9jo.html。
陳慧菱。台灣高齡化速度冠全球 銀髮經濟時代來臨。2017年12月9日。取自：https://fnc.ebc.net.tw/FncNews/Content/16259。
傑瑞米．里夫金著，陳儀，陳琇玲譯(2014)。物聯網革命。商周出版。
曾誰我，李嘉浤(2017)。以服務體驗洞察觀點形塑銀髮族居家人際互動裝置需求。福祉科技與服務管理學刊，5(3)，219-230。
湯朝強(民97)。無線遠距居家健康照護系統開發。南開科技大學福祉科技與服務管理所碩士論文，未出版。
黃毓瑩。銀髮族的需求確實存在！產業的4大商機。2017年11月8日。取自：https://www.commonhealth.com.tw/article/article.action?nid=76132。
腦極體。萬物皆可IoT：日本養老啟示錄。2019年3月10日。取自：https://www.techbang.com/posts/67604-everything-can-be-iot-the-apocalypse-of-japanese-old-age。
裴有恆、陳冠伶(民106)。改變世界的力量，台灣物聯網大商機，博碩文化
劉雨靈。機構VS.社區VS.居家　需求大不同。2018年1月23日。取自：https://www.asmag.com.tw/showpost/10996.aspx。
劉家勇(2015)。日本銀髮族養生保健產業發展： 需求面觀點的分析。長庚人文社會學報，8:2，301-345。
鄧天心。谷歌大神 Jeff Dean 親自總結 2018 年 Google 重大突破。2019年1月17日。取自：https://buzzorange.com/techorange/2019/01/17/jeff-dean-2018-google-big-issue/?fbclid=IwAR3OfiB7WwC1VJBJ5ojQ1GcFtzjLKUPCwoBVLHSkUbMWX8sYixJ-NZ6Z3Lw。
盧傑瑞。人工智慧即將衝擊與改變現有醫療方式。2018年5月16日。取自：https://udn.com/news/story/6903/3143335。
簡惠茹。科技防疫再升級，聊天機器人「疫止神通」上線。2020年4月8日。取自：https://health.ltn.com.tw/article/breakingnews/3126930
 
英文文獻
Chandra Khatri, Behnam Hedayatnia, Anu Venkatesh, Jeff Nunn, Yi Pan, Qing Liu, Han Song, Anna, Gottardi, Sanjeev Kwatra, Sanju Pancholi, et al. Advancing the state of the art in open domain dialog systems through the alexa prize. arXiv preprint arXiv:1812.10757, 2018.
F ́abio Souza, Rodrigo Nogueira, and Roberto Lotufo. Portuguese Named Entity Recognition using BERT-CRF. arXiv preprint arXiv:1909.10649v2, 2020.
Ian Tenney, Dipanjan Das, and Ellie Pavlick. BERT Rediscovers the Classical NLP Pipeline. arXiv preprint arXiv:1905.05950, 2019.
Jacob Devlin, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv preprint arXiv:1810.04805, 2018.
Li Zhou, Jianfeng Gao, Di Li, and Heung-Yeung Shum. The Design and Implementation of XiaoIce, an Empathetic Social Chatbot. arXiv preprint arXiv:1812.08989, 2019.
Linkai Luo, and Yue Wang. EmotionX-HSU: Adopting Pre-trained BERT for Emotion Classification. arXiv preprint arXiv:1907.09669, 2019.
Liu, P. J., Saleh, M., Pot, E., Goodrich, B., Sepassi, R., Kaiser, L., and Shazeer, N. Generating wikipedia by summarizing long sequences. arXiv preprint arXiv:1801.10198, 2018.
Matthew E. Peters, Mark Neumann, Mohit Iyyer, Matt Gardner, Christopher Clark, Kenton Lee, and Luke Zettlemoyer. Deep contextualized word representations. arXiv preprint arXiv:1802.05365, 2019.
Minlie Huang, Xiaoyan Zhu, and Jianfeng Gao. Challenges in building intelligent open-domain dialog systems. arXiv preprint arXiv:1905.05709, 2019.
Mostafa Dehghani, Stephan Gouws, Oriol Vinyals, Jakob Uszkoreit, and Łukasz Kaiser. UNIVERSAL TRANSFORMERS. arXiv preprint arXiv:1807.03819v3, 2019.
Qian Chen, Zhu Zhuo, and Wen Wang. BERT for Joint Intent Classification and Slot Filling. arXiv preprint arXiv:1902.10909v1, 2019.
Raphael Tang, Yao Lu, Linqing Liu, Lili Mou, Olga Vechtomova, and Jimmy Lin. Distilling Task-Specific Knowledge from BERT into Simple Neural Networks. arXiv preprint arXiv:1903.12136, 2019.
Sean Welleck, Ilia Kulikov, Stephen Roller, Emily Dinan, Kyunghyun Cho, and Jason Weston. Neural Text Generation with Unlikelihood Training. arXiv preprint arXiv:1908.04319, 2019.
Suncong Zheng, Feng Wang, Hongyun Bao, Yuexing Hao,Peng Zhou, and Bo Xu. Joint Extraction of Entities and Relations Based on a Novel Tagging Scheme. Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics, pp. 1227–1236, 2017.
Zhenzhong Lan, Mingda Chen, Sebastian Goodman, Kevin Gimpel, Piyush Sharma, and Radu Soricut. ALBERT: A Lite BERT for Self-supervised Learning of Language Representations. arXiv:1909.11942, 2019.