CN109791551A - 信息处理系统、信息处理装置、信息处理方法、及存储介质 - Google Patents

信息处理系统、信息处理装置、信息处理方法、及存储介质 Download PDF

Info

Publication number
CN109791551A
CN109791551A CN201780060050.0A CN201780060050A CN109791551A CN 109791551 A CN109791551 A CN 109791551A CN 201780060050 A CN201780060050 A CN 201780060050A CN 109791551 A CN109791551 A CN 109791551A
Authority
CN
China
Prior art keywords
dialogue
information
user
response
information processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201780060050.0A
Other languages
English (en)
Inventor
金子祐纪
田中康成
筱崎政久
梅木秀雄
吉田久子
松井蓝
金谷建良
久保田启司
井越一穗
岩崎元一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Digital Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Digital Solutions Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Digital Solutions Corp filed Critical Toshiba Corp
Publication of CN109791551A publication Critical patent/CN109791551A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

实施方式的信息处理系统拥有存储部、多个对话部、选择部。所述存储部存储表示对话中的发言的生成规则的规则信息。所述多个对话部基于所述规则信息，分别进行与用户的对话。所述选择部选择所述多个对话部中的一部分或全部，使它们进行对话。

Description

信息处理系统、信息处理装置、信息处理方法、及存储介质
技术领域
本发明的实施方式涉及信息处理系统、信息处理装置、信息处理方法、及存储介质。
背景技术
存在下述系统，该系统使用信息处理技术，搜索对于来自用户的询问的解答，提示给用户。但是，在现有技术中，在对于询问不存在明确的解答的情况或希望从系统进行提案的情况等情况下，有时仅能进行统一的最合适的解答或提案。
现有技术文献
专利文献
专利文献1：日本特表2008-512789号公报
发明内容
发明要解决的课题
本发明要解决的课题是提供能够对于用户的发言进行多样的应答的信息处理系统、信息处理装置、信息处理方法及程序。
用于解决问题的手段
实施方式的信息处理系统拥有存储部、多个对话部、选择部。所述存储部存储表示对话中的发言的生成规则的规则信息。所述多个对话部基于所述规则信息，分别进行与用户的对话。所述选择部选择所述多个对话部中的一部分或全部使它们进行对话。
附图说明
图1是表示第1实施方式涉及的信息处理系统的概要的图。
图2是表示该实施方式涉及的信息处理系统的结构的框图。
图3是表示该实施方式涉及的终端装置的结构的框图。
图4是表示该实施方式涉及的应答控制装置的结构的图。
图5是表示该实施方式涉及的场景信息的数据结构的图。
图6是表示该实施方式涉及的履历信息的数据结构的图。
图7是表示该实施方式涉及的由信息处理系统进行的处理的流程的流程图。
图8是表示该实施方式涉及的由信息处理系统进行的应答的提示例的图。
图9是表示第2实施方式涉及的应答控制装置的结构的框图。
图10是表示该实施方式涉及的场景类别顺位信息的数据结构的图。
图11是表示第3实施方式涉及的应答控制装置的结构的框图。
图12是表示该实施方式涉及的代理属性信息的数据结构的图。
图13是表示该实施方式涉及的用户信息的数据结构的图。
图14是表示第4实施方式涉及的应答控制装置的结构的框图。
图15是表示第5实施方式涉及的终端装置的结构的框图。
图16是表示该实施方式涉及的应答控制装置的结构的框图。
具体实施方式
下面，参照附图对实施方式的信息处理系统、信息处理装置、信息处理方法及程序进行说明。
(第1实施方式)
对第1实施方式涉及的信息处理系统1的概要进行说明。
图1是表示信息处理系统的概要的图。
如图1所示，信息处理系统1是根据用户的发言返回发言或意见、选项等的系统。下面，将信息处理系统1对于用户的发言返回的回答称作“应答”。下面，将用户的发言与信息处理系统1生成的发言的交互称作“对话”。输入至信息处理系统1的来自用户的发言或从信息处理系统1输出的应答不限定于声音，也可以是文本等。
信息处理系统1设置有用于生成应答的结构。下面，将能够独立地生成应答的结构的单位称作“代理”。信息处理系统1具有多个代理。各代理具有不同的个性。下面，“个性”是指影响应答的倾向、应答的内容、应答的表达方法等的要素。例如，各代理的个性是由下述要素决定的，即，为了生成应答而使用的信息(例如，机器学习的教师数据、下述的履历信息、用户信息等)的内容、应答的生成中的逻辑展开、在应答的生成中使用的算法等。代理的个性的赋予可以由任意的方法进行。这样，信息处理系统1提示由个性不同的多个代理生成出的应答，因此能够对于用户提出多样的观点或选项，辅助用户的决断。
在本实施方式中，作为一个例子，设为存在2种代理。
第1种代理是生成伴随意见或感想等主张的应答的代理。下面，将第1种代理称作“对话代理”。
第2种代理是在用户与信息处理系统1之间的对话中作为窗口起作用的代理。下面，将第2种代理称作“传达员”。传达员具有用于使得能够对于用户的发言进行适当的应答的功能。例如，传达员对用户进行用于明确用户的发言意图的提问，确定对话的场景(场面)。场景是指用户的发言的背景或局面的种类，也称作状况。
传达员根据场景选择实际进行应答的对话代理。
换句话说，传达员根据场景变更对话代理中的实际进行应答的对话代理。下面，有时将对话代理中的实际进行应答的对话代理称作“应答用代理”。“实际进行应答”是指实际生成提示给用户的应答。即，应答用代理所生成的应答被提示给用户。与此相对，并非应答用代理的对话代理可以不生成应答，也可以生成应答。并非应答用代理的对话代理所生成的应答不提示给用户。这样，信息处理系统1根据场景筛选应答用代理，因此易于仅提示适合场景的应答。
接下来，对信息处理系统1的结构进行说明。
图2是表示信息处理系统1的结构的框图。
信息处理系统1具有多个终端装置10－1、10－2、…和应答控制装置30。下面，只要不特别进行区分，则将多个终端装置10－1、10－2、…总称为终端装置10。终端装置10与应答控制装置30经由网络NW以能够通信的方式连接。
终端装置10是具有计算机系统的电子设备。具体地说，终端装置10是个人计算机、手机、平板电脑、智能手机、PHS(个人手持式电话系统：Personal Handy-phone System)终端装置、游戏机等。终端装置10受理来自用户的输入，对于用户进行信息的提示。
应答控制装置30是具有计算机系统的电子设备。具体地说，应答控制装置30是服务器装置等。应答控制装置30安装代理。在本实施方式中，作为一个例子，对代理是通过人工智能实现的情况进行说明。人工智能是指模仿学习、推理、判断等人类的智能的功能的计算机系统。用于实现人工智能的算法可以是任意的。具体地说，人工智能可以通过神经网络、范例推理等实现。
在这里，对由信息处理系统1进行的处理的流程的概要进行说明。
终端装置10从用户受理发言的输入。终端装置10将表示用户的发言的信息发送至应答控制装置30。应答控制装置30从终端装置10接收表示用户的发言的信息。应答控制装置30参照表示用户的发言的信息，生成表示与用户的发言对应的应答的信息。应答控制装置30将表示应答的信息发送至终端装置10。终端装置10从应答控制装置30接收表示应答的信息。终端装置10参照表示应答的信息，通过显示或声音提示应答的内容。
接下来，对终端装置10的结构进行说明。
图3是表示终端装置10的结构的框图。
终端装置10具有通信部11、输入部12、显示部13、声音输出部14、存储部15、控制部16。
通信部11与应答控制装置30等连接于网络NW的其他的装置进行各种信息的发送接收。通信部11包含通信用IC(集成电路：Integrated Circuit)等。
输入部12受理各种信息的输入。例如，输入部12受理由用户进行的发言的输入、对话的场景的选择。输入部12可以通过文字输入、声音输入、指向等任意的方法受理来自用户的输入。输入部12包含鼠标、键盘、触摸传感器、麦克风等。
显示部13显示各种信息。例如，显示部13显示用户的发言的内容、代理的应答的内容等。显示部13包含液晶显示面板、有机EL(电致发光：Electro－Luminescence)显示面板等。
声音输出部14播放各种音源。例如，声音输出部14对应答的内容等进行声音输出。声音输出部14包含扬声器、低音扬声器等。
存储部15存储各种信息。例如，存储部15存储能够由终端装置10具有的CPU(中央处理器：Central Processing Unit)执行的程序、该程序参照的信息等。存储部15包含ROM(只读存储器：Read Only Memory)、RAM(随机存取存储器：Random Access Memory)等。
控制部16对终端装置10具有的各种结构进行控制。例如，控制部16是通过终端装置10具有的CPU执行存储于存储部15的程序而实现的。控制部16具有对话处理部161。
对话处理部161对用于对话的输入输出处理进行控制。例如，对话处理部161执行用于提供用于对话的用户界面的处理。例如，对话处理部161对与应答控制装置30之间的表示用户的发言的信息或表示应答的信息的发送接收进行控制。
接下来，对应答控制装置30的结构进行说明。
图4是表示应答控制装置30的结构的框图。
应答控制装置30具有通信部31、存储部32、控制部33。
通信部31与终端装置10等连接于网络NW的其他的装置进行各种信息的发送接收。通信部31包含通信用IC等。
存储部32存储各种信息。例如，存储部32存储能够由应答控制装置30具有的CPU执行的程序，或该程序参照的信息等。
存储部32包含ROM、RAM等。存储部32具有传达员结构信息存储部321、1个以上的对话代理结构信息存储部322－1、322－2、…、场景信息存储部323、履历信息存储部324。下面，只要不特别进行区分，则将对话代理结构信息存储部322－1、322－2、…总称为对话代理结构信息存储部322。
传达员结构信息存储部321存储传达员结构信息。传达员结构信息是指表示后述的传达员执行部34的结构的信息。例如，在传达员执行部34是通过神经网络实现的情况下，传达员结构信息包含机器学习的结果，例如包含由于机器学习而变动的激活函数的参数等信息。传达员结构信息是表示对话中的应答的生成规则的信息的一个例子。
对话代理结构信息存储部322存储对话代理结构信息。对话代理结构信息是指表示后述的对话代理执行部35的结构的信息。例如，在对话代理执行部35是通过神经网络实现的情况下，对话代理结构信息包含机器学习的结果，例如包含由于机器学习而变动的激活函数的参数等信息。对话代理结构信息是表示对话中的应答的生成规则的信息的一个例子。
在传达员执行部34或对话代理执行部35是通过人工智能以外的方法实现的情况下，传达员信息、对话代理结构信息例如可以是唯一地关联了发言和对于发言的应答的信息等。
场景信息存储部323存储场景信息。场景信息是指关联场景和对话代理的信息。
在这里，对场景信息的数据结构的例子进行说明。
图5是表示场景信息的数据结构的图。
场景信息是将场景识别信息(图5中的“场景”)、类型信息(图5中的“类型”)、子类型信息(图5中的“子类型”)、对话代理识别信息(图5中的“对话代理”)彼此关联所得的信息。
场景识别信息是指用于唯一地识别场景的信息。类型信息是指表示场景的大分类的信息。子类型信息是指表示场景的小分类的信息。对话代理识别信息是指用于唯一地识别对话代理的信息。在场景信息中，对于1个场景识别信息，可以关联1个以上的对话代理识别信息。
这样，在场景信息中，场景与对话代理相关联。因此，终端装置10和应答控制装置30能够通过参照场景信息从而选择与场景对应的对话代理。
返回至图4，继续对应答控制装置30的结构进行说明。
履历信息存储部324存储履历信息。履历信息是指表示用户与信息处理系统1之间的对话的履历的信息。履历信息可以针对每个用户而进行管理。
在这里，对履历信息的数据结构的例子进行说明。
图6是表示履历信息的数据结构的图。
履历信息是将话题识别信息(图6中的“话题”)、场景识别信息(图6中的“场景”)、肯定关键字信息(图6中的“肯定关键字”)、否定关键字信息(图6中的“否定关键字”)彼此关联所得的信息。
话题识别信息是指用于唯一地识别对话的信息。肯定关键字信息是指，表示在对话中用户示出了肯定的反应的关键字的信息。否定关键字信息是指表示在对话中用户示出了否定的反应的关键字的信息。在履历信息中，对于1个场景识别信息可以关联1个以上的肯定关键字信息、否定关键字信息。
这样，履历信息表示对话的履历。即，通过参照履历信息，从而能够根据履历信息掌握对各用户而言的优选的应答的倾向。因此，终端装置10和应答控制装置30能够通过参照履历信息，从而防止进行用户难以接受的提案，进行用户容易接受的提案。
返回至图4，继续对应答控制装置30的结构进行说明。
控制部33对应答控制装置30具有的各种结构进行控制。例如，控制部33是通过应答控制装置30具有的CPU执行存储于存储部32的程序而实现的。控制部33具有对话处理部331、传达员执行部34、1个以上的对话代理执行部35－1、35－2、…。下面，只要不特别进行区分，则将对话代理执行部35－1、35－2、…总称为对话代理执行部35。
对话处理部331对用于对话的输入输出处理进行控制。对话处理部331是与终端装置10的对话处理部161对应的应答控制装置30侧的结构。例如，对话处理部331对与终端装置10之间的表示用户的发言的信息或表示应答的信息的发送接收进行控制。
传达员执行部34作为传达员起作用。传达员执行部34是基于传达员结构信息实现的。传达员执行部34具有对话部341、场景判断部342、代理选择部343、学习部344、履历管理部345。
对话部341生成传达员对于用户的发言的应答。
场景判断部342基于来自用户的对话开始请求的方式而对对话的场景进行判断。例如，场景判断部342可以基于由用户进行的场景的选择而对对话的场景进行判断。在该情况下，可以在对话开始时，在显示部13显示出场景的种类使得能够对其进行选择，从用户受理场景的选择。例如，场景判断部342可以基于用户的发言对场景进行判断。在该情况下，预先准备出关联了关键字和场景的信息。并且，场景判断部342可以根据包含于用户的发言的关键字与场景的对应关系而对场景进行判断。对于传达员执行部34，可以预先使其对发言与场景的对应关系进行机器学习，基于该机器学习的结果和用户的发言而对场景进行判断。这样，场景判断部342可以通过任意的方法对对话的场景进行判断。
代理选择部343选择与场景对应的对话代理。代理选择部343参照场景信息，确定与由场景判断部342确定出的场景相关联的对话代理。换句话说，代理选择部343使用场景判断部342判断出的场景检索场景信息，确定应答用代理的候选。代理选择部343从确定出的对话代理中选择应答用代理。从候选中进行的应答用代理的选择可以不加干涉地进行，也可以以规定的顺序进行。由此，代理选择部343能够选择与场景对应的对话代理。
在这里，代理选择部343可以选择规定数量的对话代理，也可以选择与对话对应的数量的对话代理。例如，可以在场景信息中预先针对每个场景设定出应答用代理的数量，选择与场景对应的数量的代理。例如，可以设为在对话的开始时或对话中从用户受理对话代理的数量的指定，选择用户指定的数量的对话代理。
代理选择部343可以基于履历信息选择应答用代理。例如，代理选择部343可以根据对话的履历，优先地选择用户进行了肯定的发言的对话代理。这样，代理选择部343可以参照履历信息，推定用户与对话代理的匹配性，将与用户的匹配性优良的对话代理选择为应答用代理。
代理选择部343在1个对话中，可以多次选择应答用代理。换句话说，代理选择部343可以再次选择应答用代理。即，代理选择部343可以针对1个对话中的每个会话选择应答用代理。例如，代理选择部343在下述情况下，重新再次选择与选择完成的应答用代理不同的对话代理作为应答用代理，上述情况是指在用户的发言中要求了区别于提示完成的应答的应答。
例如，代理选择部343可以在对话不完结的情况下，再次选择应答用代理。例如，代理选择部343可以在从对话的开始进行了规定次数的发言的情况下、在从对话的开始经过了规定时间的情况下、或用户不对提示完成的应答进行肯定的发言的情况下，判断为对话不完结。例如，代理选择部343可以在替换了对话的场景的情况下，再次选择应答用代理。这样，通过使应答用代理的再次选择变得可能，从而信息处理系统1能够提示更多样的应答。
代理选择部343可以选择在场景信息中并未与场景判断部342所判断出的场景对应的对话代理作为应答用代理。即，代理选择部343可以选择不与场景对应的对话代理。例如，代理选择部343选择1个至2个左右的不与场景对应的对话代理作为应答用代理。
这样的对话代理有可能会进行与场景不相称的应答，但另一方面，有可能能够进行与其他应答用代理大幅不同的应答。
这样，代理选择部343将一部分应答用代理设为与场景对应的对话代理，将其他应答用代理设为与场景无关的对话代理。由此，信息处理系统1能够提示用户容易接受的应答，同时使应答多样化。
学习部344进行用于实现传达员执行部34的功能的机器学习。
学习部344能够执行在用户的利用开始前进行的机器学习，和根据对话中的用户的评价的机器学习的2种机器学习。由学习部344进行的机器学习的结果反映于传达员结构信息。下面，将“评价”作为表示对用户而言的应答的精度或准确程度的指标而进行说明。
由学习部344进行的机器学习所使用的教师数据可以针对每个传达员的功能进行准备。例如，在用于应答的生成的机器学习中，教师数据是关联了用户的发言、应答、评价的数据。例如，在用于场景的判别的机器学习中，教师数据是关联了用户的发言、场景、评价的数据。例如，在用于对话代理的选择的机器学习中，教师数据是关联了场景、对话代理、评价的数据。通过使用这样的教师数据反复进行学习，从而传达员执行部34变得能够生成应答，辨别场景，选择对话代理。
履历管理部345管理履历信息。例如，履历管理部345在用户的发言包含有肯定的语句的情况下，确定与该语句对应的用户的发言的关键字，或应答的关键字，登记至肯定关键字信息。例如，履历管理部345在用户的发言包含有否定的语句的情况下，确定与该语句对应的用户的发言的关键字，或应答的关键字，登记至否定关键字信息。这样，履历管理部345配合履历信息的数据结构，进行履历信息的追加、编辑、删除等。
对话代理执行部35－1、35－2、…分别作为不同的对话代理起作用。对话代理执行部35－1、35－2、…是基于存储于对话代理结构信息存储部322－1、322－2、…的对话代理结构信息实现的。对话代理执行部35－1、35－2、…具有对话部351－1、351－2、…和学习部352－1、352－2、…。下面，将对话部351－1、351－2、…总称为对话部351。下面，将学习部352－1、352－2、…总称为学习部352。
对话部351生成对话代理对于用户的发言的应答。
学习部352进行用于实现对话代理执行部35的功能的机器学习。学习部352能够执行在用户的利用开始前进行的机器学习，和根据对话中的用户的评价的机器学习的2种类的机器学习。由学习部352进行的机器学习的结果反映于对话代理结构信息。
由学习部352进行的机器学习所使用的教师数据是关联了用户的发言、应答、评价的数据。通过使用这样的教师数据反复进行学习，从而对话部351变得能够生成与用户的发言对应的应答。
接下来，对信息处理系统1的动作进行说明。
图7是表示由信息处理系统1进行的处理的流程的流程图。
(步骤S100)应答控制装置30例如基于由用户进行的场景的选择对场景进行判断。之后，信息处理系统1将处理前进至步骤S102。
(步骤S102)应答控制装置30基于步骤S100中的场景的判断结果选择应答用代理。之后，信息处理系统1将处理前进至步骤S104。
(步骤S104)信息处理系统1通过应答用代理与用户进行对话。应答控制装置30通过应答用代理生成对于用户的发言的应答。终端装置10将用户的发言和应答用代理根据该发言生成的应答提示给用户。之后，信息处理系统1将处理前进至步骤S106。
(步骤S106)应答控制装置30基于对话结果进行传达员及对话代理的机器学习。对话结果是指用户对于提示出的应答的反应或对话的总括等，表示对于应答用代理的选择或应答用代理的应答的评价。之后，信息处理系统1结束图7所示的处理。
步骤S106中的用于机器学习的用户的评价可以根据用户的发言确定，也可以在对话后使用户输入。评价可以以肯定和否定的2值输入，也可以以3阶段以上的值输入，也可以从自然文转换为值。评价可以基于对话进行。例如，对话中的用户的发言的数量、应答的数量、对话的长度等表示对话是活跃的。因此，可以将对话中的用户的发言的数量、应答的数量、对话的长度作为评价的指标。
评价对象可以是全部的代理，也可以是代理的一部分。例如，对于对话整体的评价可以反映于参加了对话的全部代理。对于应答的评价可以仅反映于进行了该应答的代理。可以仅对传达员的一部分的功能反映评价。例如，传达员的功能中，可以仅对场景的判断反映评价，也可以仅对对话代理的选择反映评价。
图7所示的处理也可以以与图7所示的顺序不同的顺序进行。例如，步骤S100、S102、S106的处理可以作为步骤S104的处理的一部分进行。在该情况下，可以在对话的开始，传达员对于用户的发言进行应答，在该对话中，进行步骤S100、S102的处理。信息处理系统1可以省略步骤S106的处理。
接下来，对对话中的应答的提示方式进行说明。
图8是表示由信息处理系统1进行的应答的提示例的图。
在图8所示的例子中，信息处理系统1根据用户的“感到发热…”这一发言的“感到发热”这一关键字，判断场景是“医疗咨询”。并且，信息处理系统1选择与“医疗咨询”的场景对应的4个对话代理a1～a4作为应答用代理。各应答用代理对于“感到发热…”这一发言分别生成了独立的应答。并且，终端装置10排列各应答用代理的应答而进行表示，而且关联各应答与应答用代理的属性而进行表示。由此，用户能够一次性确认应答用代理和该应答用代理生成的应答。
如上所述，本实施方式涉及的信息处理系统1(信息处理系统的一个例子)具有存储部32(存储部的一个例子)、多个对话部351(对话部的一个例子)、代理选择部343(选择部的一个例子)。存储部32存储表示对话中的发言的生成规则的对话代理结构信息(规则信息的一个例子)。对话部351基于对话代理结构信息，分别进行与用户的对话。代理选择部343选择多个对话部351中的一部分或全部而使它们进行对话。
由此，信息处理系统1通过多个对话部351中的选择出的对话部351生成发言，进行对话。例如，信息处理系统1对于用户的1个发言并行地生成多个应答。因此，信息处理系统1能够对于用户的发言进行多样的应答。
信息处理系统1具有场景判断部342(场面判断部的一个例子)。场景判断部342基于来自用户的1个会话的对话开始请求的方式而判断对话的场面。代理选择部343使用场景判断部342判断出的场面，检索关联了场面与1个以上的对话部351的场景信息(场面类别对应信息的一个例子)，选择多个对话部351中的一部分或全部。
由此，信息处理系统1根据对话的场面选择对话部351。即，信息处理系统1针对每个场面切换进行应答的对话部351。因此，信息处理系统1能够对于用户的发言进行与场面对应的适合的应答。
在信息处理系统1中，对话部351能够参照与用户之间过去进行过的对话的履历而生成发言。
由此，信息处理系统1基于过去的对话生成发言。例如，信息处理系统1能够从对话的履历中确认用户拒绝过的发言，确认用户偏好的发言。因此，信息处理系统1能够对于用户的发言进行与用户对应的适合的应答。
(第2实施方式)
对第2实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第2实施方式涉及的信息处理系统1A(未图示)与信息处理系统1同样地是进行由多个对话代理进行的应答的系统。但是，信息处理系统1基于场景与对话代理的预先确定的对应关系选择应答用代理，与此相对，信息处理系统1A基于每个场景的对话代理的评价选择应答用代理这一点不同。
对信息处理系统1A的结构进行说明。
信息处理系统1A取代信息处理系统1具有的应答控制装置30而具有应答控制装置30A。
图9是表示应答控制装置30A的结构的框图。
应答控制装置30A的存储部32具有场景类别顺位信息存储部325A。应答控制装置30A的传达员执行部34具有评价管理部346A。应答控制装置30A的传达员执行部34取代应答控制装置30的传达员执行部34具有的代理选择部343而具有代理选择部343A。
场景类别顺位信息存储部325A存储场景类别顺位信息。场景类别顺位信息是指表示每个场景的对话代理的评价的信息。场景类别顺位信息是针对每个场景而进行管理的。
在这里，对场景类别顺位信息的数据结构的例子进行说明。
图10是表示场景类别顺位信息的数据结构的图。
场景类别顺位信息是将顺位信息(图10中的“顺位”)、对话代理识别信息(图10中的“对话代理”)、评价值信息(图10中的“评价值”)彼此关联所得的信息。
顺位信息是指表示应答用代理的选择中的对话代理的优先顺位的信息。评价值信息是指表示对话代理的评价值的信息。在图10所示的例子中，设定为评价值越高对话代理的优先顺位越高。
这样，在场景类别顺位信息中，应答用代理的选择中的优先顺位和对话代理针对每个场景相关联。因此，终端装置10和应答控制装置30能够通过参照场景类别顺位信息，从而选择在各场景中评价高的对话代理作为应答用代理。
返回至图9，继续对应答控制装置30A的结构进行说明。
评价管理部346A管理场景类别顺位信息。例如，评价管理部346A可以基于用户对于对话的评价使场景类别顺位信息中的应答用代理的评价值增减。例如，评价管理部346A可以基于对话中的用户的发言使场景类别顺位信息中的应答用代理的评价值增减。
具体地说，可以在用户对于应答用代理的应答进行了肯定的发言的情况下，使该应答用代理的评价值增加规定量。评价管理部346A可以在用户对于应答用代理的应答进行了否定的发言的情况下，使该应答用代理的评价值减少规定量。并且，评价管理部346A根据评价值的增减，更新优先顺位与对话代理的对应关系。
代理选择部343A与代理选择部343同样地，从对话代理中选择应答用代理。但是，代理选择部343A能够参照场景类别顺位信息而选择应答用代理这一点与代理选择部343不同。例如，代理选择部343A可以按照场景类别顺位信息中的优先顺位高的顺序选择对话代理。例如，代理选择部343A可以根据优先顺位将对话代理分组，从各组选择规定数量的对话代理作为应答用代理。这样，参照了场景类别顺位信息的应答用代理的选择方法可以是任意的。
如上所述，信息处理系统1A(信息处理系统的一个例子)具有评价管理部346A(评价部的一个例子)。评价管理部346A进行针对每个的场面的对于多个对话部351的评价。代理选择部343A(选择部的一个例子)基于表示针对每个场面的对于多个对话部351的评价的场景类别顺位信息(场面別评价信息的一个例子)，选择多个对话部351中的一部分或全部。
由此，信息处理系统1A基于每个场面的评价选择对话部351。例如，信息处理系统1A优先地选择在各场面中被高度评价的对话部351。因此，信息处理系统1A能够对于用户的发言进行与场面对应的适当的应答。
(第3实施方式)
对第3实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第3实施方式涉及的信息处理系统1B(未图示)与信息处理系统1同样地，是进行由多个对话代理进行的应答的系统。但是，信息处理系统1基于场景与对话代理的预先确定的对应关系选择应答用代理，与此相对，信息处理系统1B基于用户与对话代理的关系性选择应答用代理这一点不同。
接下来，对信息处理系统1B的结构进行说明。
信息处理系统1B取代信息处理系统1具有的应答控制装置30，具有应答控制装置30B。
图11是表示应答控制装置30B的结构的框图。
应答控制装置30B的存储部32具有代理属性信息存储部326B、用户信息存储部327B。应答控制装置30B的传达员执行部34取代应答控制装置30的传达员执行部34具有的代理选择部343而具有代理选择部343B。
代理属性信息存储部326B存储代理属性信息。代理属性信息是指表示对话代理的属性的信息。
在这里，对代理属性信息的数据结构的例子进行说明。
图12是表示代理属性信息的数据结构的图。
代理属性信息是将对话代理识别信息(图12中的“对话代理”)、对话代理类型信息(图12中的“类型”)、对话代理子类型信息(图12中的“子类型”)、对话代理性格信息(图12中的“性格”)彼此关联所得的信息。
对话代理类型信息是指表示对话代理的大分类的信息。对话代理子类型信息是指表示对话代理的小分类的信息。对话代理性格信息是指表示对话代理的性格，即发言的倾向的信息。
这样，在代理属性信息中，对话代理与其属性相关联。换句话说，代理属性信息表示对话代理的个性。因此，终端装置10和应答控制装置30能够通过参照代理属性信息，从而确认对话代理的个性。
返回至图11，继续对应答控制装置30B的结构进行说明。
用户信息存储部327B存储用户信息。用户信息是指表示用户的属性的信息。
在这里，对用户信息的数据结构的例子进行说明。
图13是表示用户信息的数据结构的图。
用户信息是将用户识别信息(图13中的“用户”)、年龄信息(图13中的“年龄”)、性别信息(图13中的“性别”)、嗜好信息(图13中的“嗜好”)、用户性格信息(图13中的“性格”)彼此关联所得的信息。
用户识别信息是指用于唯一地识别用户的信息。年龄信息是指表示用户的年龄的信息。性别信息是指表示用户的性别的信息。嗜好信息是指表示用户的嗜好的信息。用户性格信息是指表示用户的性格的信息。
这样，在用户信息中，用户与其属性相关联。换句话说，用户信息表示用户的个性。因此，终端装置10和应答控制装置30能够通过参照用户信息，从而确认用户的个性。
返回至图11，继续对应答控制装置30B的结构进行说明。
代理选择部343B与代理选择部343同样地，从对话代理中选择应答用代理。但是，代理选择部343B能够参照代理属性信息和用户信息而选择应答用代理这一点与代理选择部343不同。
代理选择部343B可以基于代理属性信息与用户信息的关联性而选择应答用代理。例如，代理选择部343B可以参照代理属性信息和用户信息，选择接近用户的个性的对话代理作为应答用代理。由此，使用户的个性和应答用代理的个性配合，因此能够选择进行用户容易接受的提案的应答用代理。
代理选择部343可以基于代理属性信息和用户信息的多样性选择应答用代理。例如，代理选择部343B可以参照代理属性信息和用户信息，选择具有与用户不同的个性的对话代理作为应答用代理。由此，能够选择进行用户难以想到的提案的应答用代理。
这样，参照代理属性信息和用户信息的应答用代理的选择方法可以是任意的。
表示用户的个性和对话代理的个性的远近，即属性的对应关系的信息可以预先确定。
代理选择部343B可以参照场景信息而选择应答用代理，也可以不参照场景信息而选择应答用代理。在参照场景信息的情况下，代理选择部343B可以选择下述对话代理，即，在场景信息中与场景相关联的对话代理中的与用户个性接近，或与用户个性不同的对话代理。
如上所述，在信息处理系统1B(信息处理系统的一个例子)中，代理选择部343B(选择部的一个例子)基于表示进行对话的用户的属性的用户信息(用户属性信息的一个例子)与表示对话部351的属性的代理属性信息(对话部属性信息的一个例子)的关联性、多样性，选择多个对话部351中的一部分或全部。
由此，信息处理系统1B基于用户的属性和对话部351的属性选择对话部351。即，信息处理系统1B对与用户属性接近的或不同的对话部351进行区分，选择对话部351。换句话说，信息处理系统1B基于用户与对话部351的关系性选择对话部351。因此，信息处理系统1B能够进行与用户对应的适当的应答。
传达员执行部34和对话代理执行部35分别可以在应答时参照用户信息。由此，传达员执行部34和对话代理执行部35即使是对于相同的发言的应答，也可以针对每个用户生成不同的应答。
可以将用户信息(用户属性信息的一个例子)设为仅可被规定的传达员执行部34及对话代理执行部35参照。换句话说，可以限制多个对话部341及对话部351中的一部分对用户信息的参照。即，可以仅多个对话部341及对话部351中的一部分对话部能够参照用户信息而生成应答。
特别地，在将对话代理执行部35利用于向多个用户的应答的情况下，在向某一用户的应答中会反映向其他用户的机器学习的结果。如果该机器学习包含其他用户的个人信息，则生成出的应答包含个人信息，用户的个人信息有可能会泄露。关于这一点，通过限制用户信息的参照，从而应答不再包含个人信息。这样，已在实施方式中说明的任意的信息的利用可以通过来自用户的指定或初期设定限制。
(第4实施方式)
对第4实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第4实施方式涉及的信息处理系统1C(未图示)与信息处理系统1同样地是进行由多个对话代理进行的应答的系统。但是，信息处理系统1基于场景与对话代理的预先确定的对应关系选择应答用代理，与此相对，信息处理系统1C基于每个用户的对话代理的评价选择应答用代理这一点不同。换句话说，信息处理系统1C基于用户与对话代理的亲和度选择应答用代理。
接下来，对信息处理系统1C的结构进行说明。
信息处理系统1C取代信息处理系统1具有的应答控制装置30而具有应答控制装置30C。
图14是表示应答控制装置30C的结构的框图。
应答控制装置30C的存储部32具有用户类别顺位信息存储部328C。应答控制装置30C的传达员执行部34具有评价管理部346C。应答控制装置30C的传达员执行部34取代应答控制装置30的传达员执行部34具有的代理选择部343而具有代理选择部343C。
用户类别顺位信息存储部328C存储用户类别顺位信息。用户类别顺位信息是指表示每个用户的对话代理的评价的信息。用户类别顺位信息是针对每个用户而进行管理的。用户类别顺位信息可以在针对每个用户的基础上，还针对每个场景进行管理。用户类别顺位信息的数据结构例如可以与已使用图10进行了说明的场景类别顺位信息的数据结构相同。
通过这样地构成用户类别顺位信息，从而能够通过用户类别顺位信息，针对每个用户关联应答用代理的选择中的优先顺位与对话代理。因此，终端装置10和应答控制装置30能够通过参照用户类别顺位信息，从而选择来自各用户的评价高的对话代理作为应答用代理。
评价管理部346C管理用户类别顺位信息。例如，评价管理部346C可以基于用户对于对话的评价，使用户类别顺位信息中的应答用代理的评价值增减。例如，评价管理部346C可以基于对话中的用户的发言，使用户类别顺位信息中的应答用代理的评价值增减。具体地说，可以在用户对于应答用代理的应答进行了肯定的发言的情况下，使该应答用代理的评价值增加。评价管理部346C可以在用户对于应答用代理的应答进行了否定的发言的情况下，使该应答用代理的评价值减少。并且，评价管理部346C根据评价值的增减更新优先顺位与对话代理的对应关系。
代理选择部343C与代理选择部343同样地从对话代理中选择应答用代理。但是，代理选择部343C能够参照用户类别顺位信息而选择应答用代理这一点与代理选择部343不同。例如，代理选择部343C可以以用户类别顺位信息中的优先顺位高的顺序选择对话代理。例如，代理选择部343C可以根据优先顺位将对话代理分组，从各组选择规定数量的对话代理作为应答用代理。这样，参照用户类别顺位信息的应答用代理的选择方法可以是任意的。
代理选择部343C可以参照场景信息而选择应答用代理，也可以不参照场景信息而选择应答用代理。在参照场景信息的情况下，代理选择部343C可以从在场景信息中与场景相关联的对话代理中，以用户类别顺位信息中的优先顺位高的顺序选择对话代理。
如上所述，信息处理系统1C(信息处理系统的一个例子)具有评价管理部346C(评价部的一个例子)。评价管理部346C进行针对每个用户的对于多个对话部351的评价。代理选择部343C(选择部的一个例子)基于表示每个用户的多个对话代理执行部35(对话部的一个例子)的评价的用户类别顺位信息(用户类别评价信息的一个例子)，选择多个对话代理执行部35中的一部分或全部。
由此，信息处理系统1C基于每个用户的评价选择对话部351。例如，信息处理系统1A优先选择进行了发言的用户所高度评价的对话部351。因此，信息处理系统1C能够进行与用户对应的适当的应答。
(第5实施方式)
对第5实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第5实施方式涉及的信息处理系统1D(未图示)与信息处理系统1同样地是进行由多个对话代理进行的应答的系统。但是，在信息处理系统1中使应答控制装置30拥有传达员的功能，与此相对，在信息处理系统1D中，使用户的终端装置侧拥有传达员的功能这一点不同。
对信息处理系统1D的结构进行说明。
信息处理系统1D取代信息处理系统1具有的终端装置10和应答控制装置30而具有终端装置10D和应答控制装置30D。
图15是表示终端装置10D的结构的框图。
终端装置10D的存储部15具有传达员结构信息存储部151D、场景信息存储部152D、履历信息存储部153D。终端装置10D的控制部16具有传达员执行部17D。传达员执行部17D具有对话部171D、场景判断部172D、代理选择部173D、学习部174D、履历管理部175D。
传达员结构信息存储部151D是与传达员结构信息存储部321相同的结构。场景信息存储部152D是与场景信息存储部323相同的结构。履历信息存储部153D是与履历信息存储部324相同的结构。传达员执行部17D是与传达员执行部34相同的结构。
传达员执行部17D是与传达员执行部34相同的结构。对话部171D是与对话部341相同的结构。场景判断部172D是与场景判断部342相同的结构。代理选择部173D是与代理选择部343相同的结构。学习部174D是与学习部344相同的结构。履历管理部175D是与履历管理部345相同的结构。
图16是表示应答控制装置30D的结构的框图。
应答控制装置30D的存储部32不具有应答控制装置30的存储部32具有的传达员结构信息存储部321和场景信息存储部323。应答控制装置30D的控制部33不具有传达员执行部34。
如上所述，在信息处理系统1D(信息处理系统的一个例子)中，终端装置10D具有传达员执行部17D。这样，可以具有分离为分体的装置的上述的各实施方式中的任意的结构，也可以进行组合。
在上述实施方式中，各种信息的数据结构不限定于上述的数据结构。
各信息的关联可以直接地进行，也可以间接地进行。可以省略处理所不必须的信息，也可以追加类似的信息而进行处理。例如，作为用户信息可以包含用户的住所或职业等。例如，履历信息可以像上述实施方式一样，不汇总对话的内容，而是记录了对话自身的信息。
在上述实施方式中，应答的提示方式不限定于上述的提示方式。例如，各发言可以按时间序列提示。例如，可以不明确进行应答的应答用代理而提示应答。
在上述各实施方式中，将控制部16、控制部33设为软件功能部，但也可以是LSI(大规模集成：Large Scale Integration)等硬件功能部。
根据已在上面说明的至少一个实施方式，能够通过拥有多个对话部351，从而进行多样的应答。
可以通过下述方式进行作为终端装置10、10D，应答控制装置30、30A～30D的处理，即，将用于实现上述终端装置10、10D，应答控制装置30、30A～30D的功能的程序存储至计算机能够读取的存储介质，使计算机读入存储于该存储介质的程序而执行。在这里，“使计算机读入存储于存储介质的程序而执行”包含将程序安装于计算机系统。在这里所说的“计算机系统”包含OS或外围设备等硬件。
“计算机系统”可以包含经由包含互联网或WAN、LAN、专用线路等通信线路的网络连接的多个计算机装置。
“计算机能够读取的存储介质”是指软盘、磁光碟、ROM、CD-ROM等可移动介质，是指内置于计算机系统的硬盘等存储装置。这样，存储了程序的存储介质可以是CD-ROM等非暂时性的存储介质。存储介质还包含，为了发布该程序而能够从发布服务器访问的设置于内部或外部的存储介质。在发布服务器的存储介质中存储的程序的代码可以与能够在终端装置中执行的形式的程序的代码不同。即，只要能够从发布服务器下载而以能够在终端装置执行的形式安装，则不管在发布服务器存储的形式。可以是将程序分割为多个，分别在不同的定时下载后在终端装置合并的结构，或发布各个分割出的程序的发布服务器不同。进而“计算机能够读取的存储介质”包含像在经由网络发送了程序的情况下的作为服务器或客户端的计算机系统内部的易失存储器(RAM)一样，保持程序一定时间的存储器。上述程序可以是用于实现上述的功能的一部分的程序。并且，可以是能够由与已存储于计算机系统的程序的组合实现上述的功能的程序，即差异文件(差异程序)。
上述的终端装置10、10D，应答控制装置30、30A～30D的功能的一部分或全部可以作为LSI等集成电路实现。上述的各功能可以个别地处理器化，也可以将一部分或全部集成而处理器化。集成电路化的手法不限定于LSI也可以由专用电路或通用处理器实现。
在由于半导体技术的进步而出现了代替LSI的集成电路化的技术的情况下，也可以使用由该技术得到的集成电路。
对本发明的几个实施方式进行了说明，但这些实施方式是作为例子提出的，不旨在限定发明的范围。这些实施方式能够以其他的各种各样的形态实施，能够在不脱离发明的要旨的范围内进行各种省略、置换、变更。这些实施方式和其变形与包含于发明的范围和要旨同样地，包含于记载于专利申请的范围的发明及其等同的范围。

Claims (10)

1.一种信息处理系统，具有：
存储部，存储表示对话中的发言的生成规则的规则信息；
多个对话部，基于所述规则信息，分别进行与用户的对话；以及
选择部，选择所述多个对话部中的一部分或全部而使它们进行对话。
2.如权利要求1所述的信息处理系统，
还具有场面判断部，基于来自所述用户的1个会话的对话开始请求的方式，判断对话的场面
所述选择部，使用所述场面判断部判断出的场面，检索关联了场面与1个以上的所述对话部的场面类别对应信息，选择所述多个对话部中的一部分或全部。
3.如权利要求1或2所述的信息处理系统，
还具有评价部，针对每个场面对所述多个对话部进行评价，
所述选择部基于针对每个场面对所述多个对话部进行评价所得的场面类别评价信息，选择所述多个对话部中的一部分或全部。
4.如权利要求1或2所述的信息处理系统，
还具有评价部，针对每个用户对所述多个对话部进行评价，
所述选择部基于针对每个用户对所述多个对话部进行评价所得的用户类别评价信息，选择所述多个对话部中的一部分或全部。
5.如权利要求1所述的信息处理系统，其中，
所述选择部基于表示进行所述对话的用户的属性的用户属性信息与表示所述对话部的属性的对话部属性信息的关联性，选择所述多个对话部中的一部分或全部。
6.如权利要求1所述的信息处理系统，其中，
所述选择部基于表示进行所述对话的用户的属性的用户属性信息与表示所述对话部的属性的对话部属性信息之间的多样性，选择所述多个对话部中的一部分或全部。
7.如权利要求5所述的信息处理系统，其中，
所述多个对话部中的一部分对话部是被限制了对所述用户属性信息的参照的对话部。
8.一种信息处理装置，具有：
多个对话部，基于规则信息分别进行与用户的对话，所述规则信息预先存储于存储部，表示对话中的发言的生成规则；以及
选择部，选择所述多个对话部中的一部分或全部，使它们进行对话。
9.一种信息处理方法，
其是具有存储部和多个对话部的信息处理系统中的信息处理方法，所述存储部存储表示对话中的发言的生成规则的规则信息，所述多个对话部基于所述规则信息分别进行与用户的对话，
该信息处理方法包含下述步骤，即，所述信息处理系统选择所述多个对话部中的一部分或全部，使它们进行对话。
10.一种存储介质，存储有程序，
该程序用于使计算机作为多个对话部及选择部起作用，
所述多个对话部基于规则信息分别进行与用户的对话，所述规则信息预先存储于存储部，表示对话中的发言的生成规则，
所述选择部选择所述多个对话部中的一部分或全部，使它们进行对话。
CN201780060050.0A 2016-09-28 2017-09-13 信息处理系统、信息处理装置、信息处理方法、及存储介质 Pending CN109791551A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016190399A JP2018054850A (ja) 2016-09-28 2016-09-28 情報処理システム、情報処理装置、情報処理方法、及びプログラム
JP2016-190399 2016-09-28
PCT/JP2017/033061 WO2018061774A1 (ja) 2016-09-28 2017-09-13 情報処理システム、情報処理装置、情報処理方法、及び記憶媒体

Publications (1)

Publication Number Publication Date
CN109791551A true CN109791551A (zh) 2019-05-21

Family

ID=61760638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780060050.0A Pending CN109791551A (zh) 2016-09-28 2017-09-13 信息处理系统、信息处理装置、信息处理方法、及存储介质

Country Status (4)

Country Link
US (1) US10984794B1 (zh)
JP (1) JP2018054850A (zh)
CN (1) CN109791551A (zh)
WO (1) WO2018061774A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210316757A1 (en) * 2018-08-03 2021-10-14 Nec Corporation Information processing apparatus, information processing method, and information processing program
CN110874201B (zh) * 2018-08-29 2023-06-23 斑马智行网络(香港)有限公司 交互方法、设备、存储介质和操作系统
JP7135887B2 (ja) * 2019-01-24 2022-09-13 トヨタ自動車株式会社 促し発話装置、促し発話方法及びプログラム
JP2020119412A (ja) * 2019-01-28 2020-08-06 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
JP7175221B2 (ja) * 2019-03-06 2022-11-18 本田技研工業株式会社 エージェント装置、エージェント装置の制御方法、およびプログラム
JP7245695B2 (ja) * 2019-03-27 2023-03-24 本田技研工業株式会社 サーバ装置、情報提供システム、および情報提供方法
KR20200116688A (ko) * 2019-04-02 2020-10-13 현대자동차주식회사 대화 처리 장치, 이를 포함하는 차량 및 대화 처리 방법
CN111028837B (zh) * 2019-12-16 2022-10-04 深圳云之家网络有限公司 语音会话方法、语音识别系统及计算机存储介质
US20220229994A1 (en) * 2021-01-21 2022-07-21 Servicenow, Inc. Operational modeling and optimization system for a natural language understanding (nlu) framework

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268901A (ja) * 2001-03-06 2002-09-20 Sony Corp エージェントシステム、エージェント取り扱い方法及び情報提供装置及びプログラム並びに情報記録媒体
CN1842787A (zh) * 2004-10-08 2006-10-04 松下电器产业株式会社 对话支援装置
CN101510197A (zh) * 2008-02-15 2009-08-19 冲电气工业株式会社 信息检索系统
JP2010186237A (ja) * 2009-02-10 2010-08-26 Nippon Telegr & Teleph Corp <Ntt> 多人数思考喚起型対話装置、多人数思考喚起型対話方法、多人数思考喚起型対話プログラム並びにそのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN103780965A (zh) * 2012-10-19 2014-05-07 三星电子株式会社 显示设备、控制所述显示设备的方法和信息处理器
US20150019217A1 (en) * 2005-08-05 2015-01-15 Voicebox Technologies Corporation Systems and methods for responding to natural language speech utterance
CN104902065A (zh) * 2014-03-06 2015-09-09 歌乐株式会社 对话历史记录管理装置、对话装置和对话历史记录管理方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4193300B2 (ja) * 1999-08-17 2008-12-10 株式会社エクォス・リサーチ エージェント装置
JP2001188784A (ja) * 1999-12-28 2001-07-10 Sony Corp 会話処理装置および方法、並びに記録媒体
JP2002312377A (ja) 2001-04-18 2002-10-25 Nec Corp 検索装置、検索用サーバ、検索システム、検索方法およびそのプログラム
JP2002358092A (ja) * 2001-06-01 2002-12-13 Sony Corp 音声合成システム
US7606714B2 (en) 2003-02-11 2009-10-20 Microsoft Corporation Natural language classification within an automated response system
JP2005003926A (ja) * 2003-06-11 2005-01-06 Sony Corp 情報処理装置および方法、並びにプログラム
US8265939B2 (en) * 2005-08-31 2012-09-11 Nuance Communications, Inc. Hierarchical methods and apparatus for extracting user intent from spoken utterances
KR100755677B1 (ko) * 2005-11-02 2007-09-05 삼성전자주식회사 주제 영역 검출을 이용한 대화체 음성 인식 장치 및 방법
US9318108B2 (en) * 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
JP2008090545A (ja) * 2006-09-29 2008-04-17 Toshiba Corp 音声対話装置および音声対話方法
US8073681B2 (en) * 2006-10-16 2011-12-06 Voicebox Technologies, Inc. System and method for a cooperative conversational voice user interface
US20120185275A1 (en) * 2011-01-15 2012-07-19 Masoud Loghmani System and method of automated data analysis for implementing health records personal assistant with automated correlation of medical services to insurance and tax benefits for improved personal health cost management
EP2665059B1 (en) * 2011-10-25 2016-02-10 Olympus Corporation Endoscope operation system
KR102081925B1 (ko) * 2012-08-29 2020-02-26 엘지전자 주식회사 디스플레이 디바이스 및 스피치 검색 방법
US9230560B2 (en) * 2012-10-08 2016-01-05 Nant Holdings Ip, Llc Smart home automation systems and methods
US20140142948A1 (en) * 2012-11-21 2014-05-22 Somya Rathi Systems and methods for in-vehicle context formation
KR102072826B1 (ko) * 2013-01-31 2020-02-03 삼성전자주식회사 음성 인식 장치 및 응답 정보 제공 방법
US20130326375A1 (en) * 2013-08-07 2013-12-05 Liveperson, Inc. Method and System for Engaging Real-Time-Human Interaction into Media Presented Online
US10181322B2 (en) * 2013-12-20 2019-01-15 Microsoft Technology Licensing, Llc Multi-user, multi-domain dialog system
US20160203523A1 (en) * 2014-02-21 2016-07-14 Lithium Technologies, Inc. Domain generic large scale topic expertise and interest mining across multiple online social networks
WO2016044321A1 (en) * 2014-09-16 2016-03-24 Min Tang Integration of domain information into state transitions of a finite state transducer for natural language processing
US10431214B2 (en) * 2014-11-26 2019-10-01 Voicebox Technologies Corporation System and method of determining a domain and/or an action related to a natural language input
US10614799B2 (en) * 2014-11-26 2020-04-07 Voicebox Technologies Corporation System and method of providing intent predictions for an utterance prior to a system detection of an end of the utterance
US20180190266A1 (en) * 2015-02-03 2018-07-05 Dolby Laboratories Licensing Corporation Conference word cloud
US9953648B2 (en) * 2015-05-11 2018-04-24 Samsung Electronics Co., Ltd. Electronic device and method for controlling the same
US10331784B2 (en) * 2016-07-29 2019-06-25 Voicebox Technologies Corporation System and method of disambiguating natural language processing requests
US10559309B2 (en) * 2016-12-22 2020-02-11 Google Llc Collaborative voice controlled devices
US10699708B2 (en) * 2018-04-24 2020-06-30 Accenture Global Solutions Limited Robotic agent conversation escalation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002268901A (ja) * 2001-03-06 2002-09-20 Sony Corp エージェントシステム、エージェント取り扱い方法及び情報提供装置及びプログラム並びに情報記録媒体
CN1842787A (zh) * 2004-10-08 2006-10-04 松下电器产业株式会社 对话支援装置
US20150019217A1 (en) * 2005-08-05 2015-01-15 Voicebox Technologies Corporation Systems and methods for responding to natural language speech utterance
CN101510197A (zh) * 2008-02-15 2009-08-19 冲电气工业株式会社 信息检索系统
JP2010186237A (ja) * 2009-02-10 2010-08-26 Nippon Telegr & Teleph Corp <Ntt> 多人数思考喚起型対話装置、多人数思考喚起型対話方法、多人数思考喚起型対話プログラム並びにそのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN103780965A (zh) * 2012-10-19 2014-05-07 三星电子株式会社 显示设备、控制所述显示设备的方法和信息处理器
CN104902065A (zh) * 2014-03-06 2015-09-09 歌乐株式会社 对话历史记录管理装置、对话装置和对话历史记录管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邬晓钧等: "基于主题森林结构的对话管理模型", 《自动化学报》 *

Also Published As

Publication number Publication date
WO2018061774A1 (ja) 2018-04-05
JP2018054850A (ja) 2018-04-05
US10984794B1 (en) 2021-04-20

Similar Documents

Publication Publication Date Title
CN109791551A (zh) 信息处理系统、信息处理装置、信息处理方法、及存储介质
Kim et al. Acceptance of mobile technology by older adults: a preliminary study
US11295221B2 (en) Learning user preferences in a conversational system
KR102050334B1 (ko) 언어 모델을 사용한, 메시지들에서 수신되는 이미지들에 대한 자동적인 제안 응답들
US10079013B2 (en) Sharing intents to provide virtual assistance in a multi-person dialog
JP6753707B2 (ja) コミュニケーションを支援する人工知能システム
US10096316B2 (en) Sharing intents to provide virtual assistance in a multi-person dialog
US8473440B2 (en) Observation-based user profiling and profile matching
KR101932876B1 (ko) 연락 센터용 지능형 자동 에이전트
CN110223698A (zh) 训练数字助理的说话人识别模型
CN107111475A (zh) 管理用于输入理解确定的用户交互
CN107580704A (zh) 上下文人物推荐
CN105453082A (zh) 意图感知的键盘
Deepika et al. Jollity Chatbot-a contextual AI assistant
WO2012135229A2 (en) Conversational dialog learning and correction
CN109074397B (zh) 信息处理系统和信息处理方法
CN108134876A (zh) 对话分析方法、装置、存储介质及移动终端
CN108109618A (zh) 语音交互方法、系统以及终端设备
CN112840628A (zh) 人机交互的通信的证据记录
CN109791571A (zh) 信息处理系统、信息处理装置、信息处理方法及存储介质
CN115344119A (zh) 用于健康请求的数字助理
US20120221965A1 (en) Discussion Enlivenment Assistance Device, Discussion Enlivenment Assistance Method, and Computer Program Therefore
Lapierre Smartphones and loneliness in love: Testing links between smartphone engagement, loneliness, and relational health.
CN112148850A (zh) 动态交互方法、服务器、电子设备及存储介质
CN116235164A (zh) 聊天机器人的范围外自动转变

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190521