JP2003162524A

JP2003162524A - 言語処理装置

Info

Publication number: JP2003162524A
Application number: JP2001359758A
Authority: JP
Inventors: Tsukasa Shimizu; 司清水
Original assignee: Toyota Central R&D Labs Inc
Current assignee: Toyota Central R&D Labs Inc
Priority date: 2001-11-26
Filing date: 2001-11-26
Publication date: 2003-06-06
Anticipated expiration: 2021-11-26
Also published as: JP4220151B2

Abstract

(57)【要約】【課題】話者の言い直しや言い淀み等に対して意味処
理方式が頑健で、意味理解能力が高く、かつ、計算コス
トの低い音声対話装置を実現する。【解決手段】意味理解部の単語抽出部（ステップ３２
０）では、誤認を含む文字列「中区じゃ中区って、千種
区のレストランで。」を単語列”中区／じゃ／中区／っ
て／、／千種区／の／レストラン／で／。”に変換す
る。単語カテゴリー同定部（ステップ３４０）では、期
待されるスロットの値と成り得る単語（中区，中区，千
種区，レストラン）を上記の単語列から取り出し、カテ
ゴリーを同定する。次に、単語選択部（ステップ３６
０）では、実際に採択すべきスロット値を決定する。例
えば住所のスロットに該当する３つの値（中区，中区，
千種区）からは、話者が最後に発音した「千種区」を実
際に採択すべきスロット値に決定する。これにより、頑
健、高精度、高速、低コストの意味処理が実現できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば表現のし直
し等の訂正表現等を含んだ文を入力して、その入力文に
基づいて表現者の意図を選択的にくみ取る言語処理装置
に関する。したがって、本発明は、話者の言い直しや言
い淀み等に対して意味処理方式が頑健で計算コストの低
い音声対話装置等に、大いに有用であり、例えば、カー
ナビゲーション・システム等の運転支援システムや音声
対話ロボット等を始めとして、音声対話型のマンマシン
・インターフェイスを有する任意のコンピュータ・シス
テムに適用することができる。また、本発明は、相手に
対話形式で応答することを前提としない自動翻訳装置や
自動議事録生成装置、或いは、音声入力することを前提
としない例えば利用者がキーボード等から入力する文字
列入力型の言語処理装置等に応用することも可能であ
る。

【０００２】

【従来の技術】音声対話装置に関する従来技術として
は、例えば、公開特許公報「特開平１０−７８９６１：
発話解析装置」（以下、「文献１」と言う。）に記載さ
れている技術や、公開特許公報「特開平１０−９７５３
５：音声言語解析装置」（以下、「文献２」と言う。）
に記載されている技術等が一般に広く知られている。

【０００３】上記の文献１に記載の技術は、例えば「バ
スで三鷹まで、いや、吉祥寺まで出て下さい」等の様な
所謂言い直し発話に対して、通常の構文規則の他に、言
い直しを扱うための追加的な文法規則を導入するもので
あり、この従来技術においては、これらの規則に従う複
雑な構文解析処理にて言い直し部を同定することによ
り、音声言語（特に言い直し文等）の意味理解処理を行
っていた。

【０００４】また、上記の文献２に記載の技術は、発話
コーパスから得られた各部分構文木が別の単語にかかる
時の依存確率と、部分構文木間の接続制約に基づいて、
音声言語（特に言い直し文等）の意味理解処理を行うも
のであり、全体としては構文解析が困難な発話について
も、その部分的な構文の解析結果に基づいて、発話全体
の構文解析を押し進める所に特徴がある。

【０００５】例えば上記の文献１や文献２の様に、従来
は、複雑な構文解析手法に基づいて意味理解処理を行う
音声対話装置が殆どであり、これらの従来装置は、発話
が正しく音声認識されることを前提として構成されてい
る。

【０００６】

【発明が解決しようとする課題】しかしながら、現在の
音声認識処理に関する技術水準では、発話が全て正しく
音声認識されることは期待できない。即ち、現在の音声
認識技術を前提とした場合、例えば上記文献１や文献２
等の従来の音声対話装置には、高い精度の意味解析処理
が期待できない。

【０００７】例えば、従来の音声対話装置を用いた場
合、話者の発話に対する以下の様な音声の誤認例があ
る。《実際の対話》対話装置：「中区の何のお店ですか？」話者返答：「中区じゃなくって、千種区のレストランで
す。」《誤認識の例》誤認例１：「中区じゃ中区って、千種区のレストラン
で。」誤認例２：「中区なって、千種区のレストランです。」誤認例３：「中区って、千種区レストラン。」

【０００８】本発明は、上記の課題を解決するために成
されたものであり、その目的は、例えば表現のし直し等
の訂正表現等を含んだ文を入力して、その入力文に基づ
いて表現者の意図をくみ取る際に、それらの訂正表現等
に対して意味処理方式が頑健で計算コストの低い言語処
理装置を実現することである。また、例えば上記の様
に、特に、本発明の言語処理装置が音声入力手段を備え
る場合には、本発明は、話者の言い直しや言い淀み等に
対して意味処理方式が頑健で計算コストの低い言語処理
装置を実現することをも、更なる目的とする。

【０００９】

【課題を解決するための手段、並びに、作用及び発明の
効果】上記の課題を解決するためには、以下の手段が有
効である。即ち、第１の手段は、入力文字列から所望の
カテゴリーに属する目的のキーワードを抜き出す意味理
解部を有する言語処理装置において、この意味理解部
に、キーワードの候補となる候補単語を入力文字列から
抽出する候補単語抽出部と、候補単語のカテゴリーを同
定する単語カテゴリー同定部とを設け、この意味理解部
にて、入力文字列中に同一カテゴリーに属する候補単語
が複数有る場合に、キーワード、又はキーワードの選択
優先順位を上記の候補単語の自然言語的出現順序に基づ
いて決定することである。

【００１０】したがって、本発明の上記の第１の手段に
より構成可能となる、本発明の言語処理装置は、その構
成要素として、必ずしも音声入力手段や、或いは音声出
力手段を必要とするものではない。即ち、文字入力や画
面出力を行う装置も本発明の範疇に有り得る。

【００１１】以下、本発明の作用・効果等についても説
明する。例えば「中区」と「千種区」等の様な同一のカ
テゴリー（この場合、”所在”）に属する単語が複数出
現した場合に、例えば、それらの中から最後に出現した
単語（この場合、「千種区」）を表現者（話者、文字入
力者等の使用者）が本意とする正しい単語と仮定する。
この時、上記の第１の手段を用いれば、前記の誤認例１
〜３の何れの場合においても、レストランの所在は一意
に「千種区」に確定又は仮定される。

【００１２】即ち、本発明の手段によれば、処理方式の
原理が単純なため、例えば現在の音声認識技術を前提と
した場合でも、意味解析不能等の望ましくない解析結果
に帰着する可能性を低く抑制した形の頑強な処理方式が
実現できる。即ち、同一カテゴリーの単語が複数有る時
は、発音順序（自然言語的出現順序）に基づいて採択単
語を決定すると言う単純なルールによるものなので、入
力された文字列や、音声認識により解析的に得られた文
が意味を成さない文であった場合にも、回答として必要
とされるカテゴリーの単語さえ認識されていれば、その
後も処理を継続することができる。

【００１３】また、本発明の手段によれば、例えば上記
の例の様に高い精度の意味解析の処理結果が期待でき
る。また、前記の従来装置で行われている構文解析で
は、構文規則等を有する大規模なデータが必要とされる
が、上記の本発明の手段によれば、それらの複雑な構文
解析処理が必要とされないため、ＣＰＵ使用時間、メモ
リー使用量、プログラム開発コスト等の各側面で高い効
率が期待できる。

【００１４】また、第２の手段は、上記の第１の手段の
意味理解部において、上記の自然言語的出現順序が最後
の候補単語をキーワードとして選択することである。即
ち、この第２の手段は、上記に例示した「それらの中か
ら最後に出現した単語（この場合、「千種区」）を話者
が本意とする正しい単語と仮定する」手段のことであ
る。

【００１５】この第２の手段は、同一カテゴリーの単語
が複数有る時は、最後に発音されたものを採択すると言
う単純なルールによるものなので、音声認識結果として
得られた文が意味を成さない文であった場合にも、回答
として必要とされるカテゴリーの単語さえ認識されてい
れば、その後も処理を継続することができる。また、実
際に、検索処理や目的地設定処理等における多数の対話
を観察した結果、言い直し等の発言が含まれる対話で
は、同一カテゴリーを有する単語の中では、発音順が最
後のものが話者が本意とする単語であることが殆どであ
った。このことからも、上記の第２の手段によれば、よ
り高い精度で正確に意味理解処理を実行することができ
る。

【００１６】また、第３の手段は、上記の第１の手段の
意味理解部において、選択優先順位を上記の自然言語的
出現順序の逆順とすることである。例えば、最後の単語
を選択することが誤りだった場合には、その一つ前に発
音された同一のカテゴリーの単語を話者が本意とする該
当カテゴリーの単語として採用することができる。これ
により、例えば、意味理解部が上記の誤認例３における
「中区って、千種区レストラン。」成る文字列を受け取
った場合、その後、例えば以下の様な対話を継続するこ
とが可能となる。

【００１７】《継続される対話例》対話装置：「千種区のレストランですね？」話者返答：「いいえ。」対話装置：「中区のレストランですか？」話者返答：「はい。」

【００１８】例えばこの様に、カテゴリーが重複した複
数の単語を優先順位を付けて全て記憶しておくことによ
り、正解確率がより高いと推定される方から順次採用し
ていくことができ、高いヒット率を確保できると同時
に、万一誤った選択をした場合にも、例えば「どちらの
お店ですか？」等と言った同じ質問を何度も繰り返す必
要が無くなる。また、話者は、この作用によりその後、
該当するカテゴリーの単語（この場合、”所在”）を繰
り返し発音する必要が無くなる。したがって、話者はよ
り簡単な返答（例：はい。／いいえ。等）で、対話を継
続することが可能となる。勿論、同じカテゴリーの単語
が３語以上含まれていた場合にも同様に、発音順の逆順
に優先的に該当カテゴリーの単語を採用することができ
る。

【００１９】尚、以上の本発明の作用・効果は、日本語
処理に限定されることなく、任意の自然言語処理に対し
て有効である。また、本発明は、上記の作用原理からも
判るように、言語処理におけるキーワードの決定基準に
特徴を有するものであり、必ずしも音声入力や音声出力
を前提とするものではない。即ち、本発明は、使用者に
対して実時間応答や対話型応答をすることを前提としな
い自動翻訳装置や自動議事録生成装置、或いは、音声入
力することを前提としない例えば利用者がキーボード等
から入力する文字列入力型の言語処理装置等に応用する
ことも可能である。以上の本発明の手段により、前記の
課題を効果的、或いは合理的に解決することができる。

【００２０】

【発明の実施の形態】以下、本発明を具体的な実施例に
基づいて説明する。ただし、本発明は以下に示す実施例
に限定されるものではない。（実施例）図１は、本発明の実施例に係わる音声対話装
置１００の論理的な構成を例示する構成図である。音声
対話装置１００は、主に、音声入力部１１０と、音声認
識部１２０と、意味理解部１４０と、データベース１５
０と、対話制御部１６０と、応答文生成部１８０と、音
声出力部１９０等から構成されている。勿論、音声対話
装置１００は、物理的なハードウエア構成としては、周
知の音声対話装置と同様に、音声入力部１１０が有する
マイクや、音声出力部１９０が有するスピーカー等のマ
ンマシン・インターフェイス部を備えたコンピュータ・
システムにより具現されている。

【００２１】（１）音声認識部１２０音声認識部１２０は、話者の発話音声を文字列として認
識する。即ち、マイク（音声入力部１１０）から入力さ
れた音声情報を、音声認識用辞書（認識用言語辞書や認
識用音響辞書等）を用いた音声認識処理により文字列に
変換する。

【００２２】（２）意味理解部１４０意味理解部１４０は、主に、単語抽出部１４２、単語カ
テゴリー同定部１４４、及び単語選択部１４６等から構
成されている。これらにより、上記の文字列の中から必
要なキーワード（スロット値となる単語）を抽出し、そ
の単語のカテゴリーを同定し、スロット値として保持す
る。

【００２３】（ａ）単語抽出部１４２音声認識結果として出力された文字列から、スロット値
となる様な単語を単語辞書等を利用して抽出する。（ｂ）単語カテゴリー同定部１４４抽出された単語のカテゴリーを単語辞書、或いはスロッ
ト値候補単語リスト１５４（図４）等を利用して同定す
る。カテゴリーとしては、例えば、住所、地名、施設の
種類、店名、業種、施設名、ランドマーク名、或いはユ
ーザ設定名等の任意の属性を定義することができる。（ｃ）単語選択部１４６単語カテゴリーを同定した単語を所定のスロットの値と
して保持する。その際に、同一カテゴリーに属する単語
が複数存在していれば、話者の発声順序に基づいて、採
用対象とすべき単語を１語選択する。

【００２４】（３）データベース１５０データベース１５０は、主に、音声認識用辞書、単語辞
書、スロット値候補単語リスト１５４（図４）、及び音
声合成用辞書等から構成されている。（ａ）音声認識用辞書認識用言語辞書や認識用音響辞書等からなる。（ｂ）単語辞書カテゴリー、関連カテゴリー、その他の属性、発音情報
等を有する。（ｃ）スロット値候補単語リスト１５４図４に例示される候補単語リスト。単語とその単語のカ
テゴリーの対から構成されたテーブル。（ｄ）音声合成用辞書発話の抑揚、単語接続、間などに関する音声合成用の発
音規則を有する。

【００２５】（４）対話制御部１６０次に尋ねるべき質問項目又は確認項目を決定し、対話の
流れを制御する。（５）応答文生成部１８０利用者（話者）に対する応答文（確認応答文や質問応答
文等）を生成し、更に、その応答文（単語列）を音響的
なデジタル信号（音声情報）に変換・合成する。ただ
し、この変換・合成処理は、以下に例示する様に、音声
出力部１９０が行う用にしても良い。

【００２６】図２は、上記の音声対話装置１００が実行
する処理の手順を例示するフローチャートである。本手
順では、まず最初に、ステップ２１０により初期処理を
実行する。本処理では、データベース１５０の中から使
用頻度が高いと予期されるプログラム及びデータを、比
較的アクセス速度の高いメモリー上にローディングして
おく等の初期処理を実行する。例えば、音声対話装置１
００がディスプレイ装置（図略）を有する場合等には、
例えば初期メニュー画面を表示する等のその他の初期処
理を行っても良い。

【００２７】ステップ２２０では、前記の音声認識部１
２０にて、話者の発話音声を文字列として認識する。即
ち、マイク（音声入力部１１０）から入力された音声情
報を、音声認識用辞書（認識用言語辞書や認識用音響辞
書等）を用いて、文字列に変換する。

【００２８】ステップ２３０では、前記の意味理解部１
４０にて、上記の文字列の中から必要な単語（スロット
値となる単語）を抽出し、その単語のカテゴリーを同定
し、スロット値として保持する。尚、この意味理解部１
４０の処理については、図３を用いて後から詳しく述べ
る。ステップ２４０では、前記の対話制御部１６０に
て、次に尋ねるべき質問項目又は確認項目を決定し、対
話の流れを制御する。

【００２９】ステップ２５０では、前記の応答文生成部
１８０にて、利用者（話者）に対する応答文（確認応答
文や質問応答文等）を生成し、次のステップ２６０に制
御を渡すと同時に、ステップ２２０の内部処理における
音声入力待ち状態に入る。ステップ２６０では、前記の
音声出力部１９０にて、その応答文（単語列）を音響的
なデジタル信号（音声情報）に変換・合成し、スピーカ
ーに出力する。

【００３０】図３は、音声対話装置１００の意味理解部
１４０が実行する処理の手順を例示するフローチャート
である。以下、本フローチャートを用いて、意味理解部
１４０の具体的な作用について例示的に説明する。次の
文は、前述の《誤認識の例》の１つ目の例を示すもので
ある。誤認例１：「中区じゃ中区って、千種区のレストラン
で。」

【００３１】例えばこの様な文字列を音声認識部１２０
から受け取った場合、意味理解部１４０の単語抽出部１
４２は、図３のステップ３２０を実行する。即ち、ステ
ップ３２０では、音声認識結果である文字列を以下の様
な単語列に変換する。（単語列）中区／じゃ／中区／って／、／千種区／の／
レストラン／で／。／ただし、上記単語列内のスラッシュ記号”／”は、単語
（句読点を含む）を区切って示すための記号であり、必
ずしも実際のコンピュータ・システム上に記憶されてい
る必要はない。

【００３２】次に、ステップ３４０では、単語カテゴリ
ー同定部１４４の処理を実行する。即ち、このステップ
３４０では、上記の単語列から期待されるスロットの値
と成り得る単語を取り出し、そのカテゴリーを同定す
る。本実施例では、この処理にスロット値候補単語リス
ト１５４（図４）を利用する。これらの処理により、各
スロット値は、以下の形で保持される。（スロット値の保持形式）所在：中区，中区，千種区業種：レストラン

【００３３】次に、ステップ３６０では、単語選択部１
４６の処理を実行する。即ち、このステップ３６０で
は、スロット値候補単語の中から実際に採択すべきスロ
ット値を決定する。例えば、前述の本発明の第２又は第
３の手段を適用する場合には、”所在”をカテゴリーと
する上記の３語の単語の中から、話者が最後に発音した
「千種区」を実際に採択すべきスロット値に決定する。
この処理により、上記のスロット値は、以下の形で対話
制御部１６０へ出力される。（スロット値の出力形式）所在：千種区業種：レストラン

【００３４】例えば、以上の様な意味理解部１４０の処
理によれば、従来から多用されて来た大規模な構文解析
用のデータ（例：構文規則や文テンプレート等）が必要
ないため、この音声対話装置１００は、従来よりも少な
いメモリ使用量で、上記の音声対話機能を実現すること
ができる。また、上記の音声対話装置１００によれば、
構文規則や文テンプレートとのマッチング処理や、尤度
判定処理等の複雑な処理が一切必要なくなるため、計算
コストを大きく削減することができる。

【００３５】また、上記の音声対話装置１００によれ
ば、同一カテゴリーの単語が複数有る時は、最後に発音
されたものを採択すると言う単純なルールによるものな
ので、音声認識結果として得られた文が意味を成さない
文であった場合にも、回答として必要とされるカテゴリ
ーの単語さえ認識されていれば、その後も処理を継続す
ることができる。従って、本発明によれば、頑健な意味
理解処理を実現することが可能又は容易である。

【００３６】また、意味理解部の単語選択部により、採
択優先順位を話者の発声順序の順に決定する方式も有用
な場合がある。例えば、この方式は、話者からの複数回
答に対応する際に用いることができ、例えば、この複数
回答に関するスロット値の択一権が話者から音声対話装
置の側に委ねられた場合等に有用なことがある。即ち、
前記の採択優先順位を話者の発声順序の順に決定する方
式においても、本発明の作用・効果が得られる場合があ
る。

【図面の簡単な説明】

【図１】本発明の実施例に係わる音声対話装置１００の
論理的な構成を例示する構成図。

【図２】音声対話装置１００が実行する処理の手順を例
示するフローチャート。

【図３】意味理解部１４０が実行する処理の手順を例示
するフローチャート。

【図４】単語カテゴリー同定部１４４が使用するテーブ
ル（スロット値候補単語リスト１５４）の概念図。

【符号の説明】

１００ … 音声対話装置１１０ … 音声入力部１２０ … 音声認識部１４０ … 意味理解部１４２ … 単語抽出部１４４ … 単語カテゴリー同定部１４６ … 単語選択部１５０ … データベース１５４ … スロット値候補単語リスト１６０ … 対話制御部１８０ … 応答文生成部１９０ … 音声出力部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ｇ１０Ｌ 15/22 Ｇ１０Ｌ 3/00 ５７１Ｕ５３７Ｚ

Claims

【特許請求の範囲】

【請求項１】入力文字列から所望のカテゴリーに属する
目的のキーワードを抜き出す意味理解部を有する言語処
理装置において、前記意味理解部は、前記キーワードの候補となる候補単語を前記入力文字列
から抽出する候補単語抽出部と、前記候補単語のカテゴリーを同定する単語カテゴリー同
定部とを有し、前記意味理解部は、前記入力文字列中に
同一カテゴリーに属する前記候補単語が複数有る場合
に、前記キーワード、又は前記キーワードの選択優先順位
を、前記候補単語の自然言語的出現順序に基づいて決定
することを特徴とする言語処理装置。
【請求項２】前記意味理解部は、前記自然言語的出現順
序が最後の前記候補単語を前記キーワードとして選択す
ることを特徴とする請求項１に記載の言語処理装置。
【請求項３】前記意味理解部は、前記選択優先順位を前
記自然言語的出現順序の逆順とすることを特徴とする請
求項１に記載の言語処理装置。
【請求項４】前記入力文字列の代わりに、利用者が話す
音声を入力し、入力された前記音声に基づいて、前記入力文字列を自ら
生成する音声認識手段を有することを特徴とする請求項
１乃至請求項３の何れか１項に記載の言語処理装置。
【請求項５】前記入力文字列の内容に対応する応答画面
又は応答文の、種類、構成又は意味を決定する対話制御
手段を有することを特徴とする請求項１乃至請求項４の
何れか１項に記載の言語処理装置。
【請求項６】前記応答文を一連の出力文字列として生成
する応答文生成手段を有することを特徴とする請求項５
に記載の言語処理装置。
【請求項７】前記応答文を音声に変換して出力する音声
出力手段を有することを特徴とする請求項５又は請求項
６に記載の言語処理装置。