2019 Line Taiwan Techpulse 心得筆記 @ Something in my little head

去年參加Line 研討會的筆記

整理文件時剛好看到

分享給所有需要相關資訊的人~

Line認為自己是一家AI公司
目前往 mini app方向前進
AI
- 機器做人可以做的事
- Clova Speaker Chatbot
- 最一開始的運用：客服小幫手，過多的訊息被檢舉，不可能交由人工查驗，交給人工智慧自動查驗
- OCR：辨識圖片中的文字功能
  - 運用：貼圖推薦
  - ex:打謝謝就跑出相關貼圖
- NLU
  - 運用於：Line Shopping搜尋服務、Line today內容推薦
- 資料使用的困境
  - Privacy隱私權條款：修改條款混淆資料
  - Data Governance大量資料：需要特徵工程來加以處理
- 員工內部人工智慧黑客松NO1：自動報帳系統，只需要拍照透過LINE的OCR文字辦識，從紙本單據中讀取出文字，再利用機器學習，讓系統自動找出報帳所需的關鍵資料，然後自行帶入表單，能讓原本30分鐘的工作縮短到1至2分鐘。
Line brain
- 韓國提供給台灣開發者使用的 AI 技術平台
- AutoML：自動化機器學習
- 將資料傳進去訓練就可以直接利用
- 優化中文的資料訓練(先前只支援日文、韓文、英文)
Clova Speaker Chatbot ：
- https://developers.line.biz/en/news/tags/clova/
- 利用NLP模型BERT等機器學習模型來進行預處理
  - 再提供4種自動優化用的機器學習模型
  - RNN模型
  - 分類器模型
  - Embeding模型
  - 多回合偵測模型
  - AutoML機制會自動調整這四種模型的參數，找出最佳參數
  - 最高分的就是最合適的回答
- 每隔一段時間自動比對企業或開發者新上傳的訓練語料
  - 若與原有資料集差異很大，就會自動啟動AutoML訓練，來自動優化對話能力
- 製作一個 AI 聊天機器人變得更簡單
- Clova Chatbot Builder已經完成內容管理系統
  - 只需要在介面(JSON架構)設定問答集即可
- 如果想讓聊天機器人更聰明，通常需要再開發一個自然語言理解模型
  - 去理解使用者訊息中可能的意圖，並進一步做自動回覆
  - 這通常是AI聊天機器人相對困難的部分，因為還要把運算資源也考量進去
  - 直接使用Clova Chatbot Builder就能快速完成訓練的部分
  - 大幅降低開發聊天機器人所需的開發能力
- 要讓chatbot engine更了解自然語言必須嵌入各種向量資訊
UXDX使用者經驗
- Approachable
  - 沒有加好友的限制
  - 免費打造Line chatbot
  - Get Usage API：更多功能的API可以做使用，
- Flexible
  - Flex Message updates
    - https://developers.line.biz/en/docs/messaging-api/using-flex-messages/
    - 有更多樣式與模板可以做選擇，ex：車票概念、地圖形象
    - Flex Message Simulator 有Beta版，更貼近使用者操作體驗的UI，打造友善介面
- Interactive
  - 了解使用者反饋
  - Rich Meau Batch：在聊天介面有更多圖形化的設計可以觸擊
    - 因為圖片>文字，影音>圖片
    - Video displayed /URL opened
  - Insight API：查看點擊連結的人潮輪廓(ex：性別、性別+年齡、地區等)
  - 還新增了許多功能ex：連結有沒有人點擊、剩餘推播次數(超過要收費，原本會一直需要進到後台觀看數據)
- LIFF(LINE Front-end Framework)
  - https://developers.line.biz/en/docs/liff/overview/
  - 一個可以在 LINE app 內運作的 web app 平台
  - 在對話視窗中，不需要另外加入 bot 就直接使用
  - 開始提供各式各樣的介面，ex：在聊天時選取gif圖檔、遊戲、付款
  - 支援各瀏覽器
  - 最近優化：
    - Hyper link:Line://變https://
      - 原本無法在瀏覽器打開
  - OpenID connect
    - https://developers.line.biz/en/docs/line-login/web/link-a-bot/
- 有中文版的開發者文件了!
  - https://developers.line.biz/zh-hant/docs/
- 2018：著重在新功能開發
- 2019：優化使用者體驗
資安：https://becks.io/
Microservices微服務
- Suite of small and loosely coupled service(Loose Coupling)
  - 低耦合力
- Each service serve single purpose(Single Purpose)
  - 服務單一化
- Each service encapsulates all related logic and data(High Cohesion)
  - 高內聚力
- 原本是Monolithic：通常合在一起，共用同個資料庫
- 微服務拆分成獨立運做的service，連DB都可以不一樣
  - 根據服務的不同就可以設定適當的load balance
- 優點：
  - Flexibility of Developent
    - 輕鬆加入元件
    - 簡單替換新應用
    - 更容易找到適合的服務
  - Easy to Maintain
    - 獨立部屬
    - 範圍集中
    - 容易找到問題點
- 缺點：
  - 分布式系統的複雜性
  - 當要增加新的服務時schema可能需要改變
- Apache Kafka
- API gateway
  - Client只要跟一個微服務溝，該服務專門為client處理
  - GraphQL
    - Data Graph
    - Single Endpoint(HTTP)
    - Consumer Centric
    - Transport Agnostic
    - Type Schema
    - https://ithelp.ithome.com.tw/m/articles/10202596
- 應用在Line Spot中
  - 結合線上線下服務，串接line本身的各個系統
搜尋優化：
- 利用詞嵌入育訓練模型
- 發掘隱藏在關鍵字背後的語意
- 加入Elasticsearch計算
UI Prototype：
- https://flutter.dev/
- 運用flutter建立line today服務的prototype
- 分類tab嘗試直立呈現
Line Music資料分析
- 探討用戶輪廓，提供相關洞見，增加黏著度
- 提出三大結論：
  - 目前音樂服務以15-20歲的年輕族群為主
  - 每個年齡層的分布女性使用者皆大於男性
  - 推測國高中時期接觸的到音樂會對較容易有記憶點，並認為影響自己很劇烈，故使用的鈴聲並不會以最新的音樂為主，反而2012-2015的音樂更受歡迎。