CN114036958A - 对话代理及响应语句生成方法 - Google Patents

Abstract

本发明提供一种对话代理及响应语句生成方法。本发明的对话代理，其接受用户的发言并向该用户返回响应，所述对话代理具备：取得单元，其取得针对实时提供的内容的用户的发言；搜索单元，其从微博客服务器搜索来自所述用户以外的其他用户的、与取得的所述用户的发言和所述内容相关的数据；语句制成单元，其基于所述搜索单元搜索到的数据和所述其他用户与所述用户之间的关联度，制成与取得的所述用户的发言相关的语句；响应单元，其使用由所述语句制成单元制成的语句，向所述用户进行响应；以及评价单元，其在所述用户进行发言之后，基于所述搜索单元搜索到的数据进行评价，确定多个所述其他用户的各自的与所述用户之间的关联度。

Description

对话代理及响应语句生成方法

本申请是申请日为2017年11月2日、申请号为201711063174.2、发明名称为“对话代理、响应语句生成方法、以及计算机可读取的非易失性存储介质”的专利申请的分案申请。

相关申请的交叉引用

对于本申请，要求以2016年12月6日提出申请的日本特愿2016-236930号为基础的优先权，并将该基础申请的内容全部援引到本申请中。

技术领域

本发明涉及一种接受用户的发言，并制成用于向该用户返回响应的响应语句的技术。特别涉及一种对实时的话题进行响应的技术。

背景技术

实施不具有特定的任务的开放领域(open domain)的聊天的聊天对话系统的开发正在进行。与具有特定的任务的对话系统相比，开放领域的聊天对话系统，用户的话语内容的变化格外广泛，因此，能人力预先构建为了制成适当的响应语句而所需的知识源是极为困难。

为了应对该问题，《用于使用了Twitter的非任务指向型对话系统的话语候选语句获得》(稻叶通将、神园彩香、高桥健一著、人工智能学会杂志29卷1号SP1-C，2014年)，公开了利用存在有大规模的语句的推特(注册商标)等微博客而生成话语语句的技术。此外，日本特开2015-45833号公报公开了从用户的话语内容提取表示话语内容的主题的单词，并通过将该单词代入模板从而制成话语语句的技术。日本特开2014-164582号公报公开了在使用自然语言与用户进行对话的系统中，利用微博客制成对话系统的话语候选的话语候选制成装置。

另一方面，也在开发接受用户的发言，而向该用户返回响应的、被称作对话代理或者私人助理的机器人。对话代理为，在用户的附近，成为若无其事的聊天的对象的机器人(例如，参照日本特开2017-123187号公报)。在对话代理还存在有在计算机内进行工作的没有实态的应用程序。

发明内容

发明所要解决的问题

但是，存在这样的问题：即使将从微博客取得的单词应用于预先准备的定型的模板来制成响应语句，观看和收听电视、收音机、直播流分发等内容的用户在将看到的该内容的感想、关联话题告诉给对话代理时，有无法返回适当的响应的情况。

本发明是为了减少上述问题而完成的，其目的在于，即使对于实时的话题也会生成适当的响应语句。

用于解决课题的方法

本发明的一方式为一种对话代理，其接受用户的发言并向该用户返回响应，所述对话代理具备：取得单元，其取得对于实时提供的内容的用户的发言；搜索单元，其从微博客服务器搜索与所述内容相关的数据；语句制成单元，其基于所述搜索单元搜索到的数据，制成与所述取得的用户的发言和所述内容相关的语句；以及响应单元，其使用由所述语句制成单元制成的语句，向所述用户进行响应。

发明效果

根据本发明，能够与用户所发出的发言相对应地，针对实时的话题生成响应语句。

附图说明

图1为实施方式1所涉及的对话系统的结构图。

图2为实施方式1所涉及的语句生成装置的物理的结构图。

图3为实施方式1所涉及的语句生成装置的功能结构图。

图4为实施方式1所涉及的语句生成装置的投稿数据搜索部的结构图。

图5为用于对投稿件数的分布进行说明的图。

图6为用于对搜索到的其他用户的投稿数据的示例进行说明的图。

图7为用于对其他用户的评价方法进行说明的图。

图8为实施方式1所涉及的语句生成装置的语句制成部的结构图。

图9为用于对模板的示例进行说明的图。

图10为用于对语句生成处理进行说明的流程图。

图11为用于对响应语句制成处理进行说明的流程图。

具体实施方式

参照图1对利用本实施方式所涉及的语句生成装置的对话系统1进行说明。在本实施方式中，对将语句生成装置100组装在作为与用户进行对话的私人助理(也称作对话代理)的一种的对话型的宠物机器人10上并进行使用的情况进行说明。当用户A对于宠物机器人10发言时，组装于宠物机器人10的语句生成装置100制成适应用户的发言的响应语句并输出。作为用户A对宠物机器人10说话的场景，对在用户A与所述宠物机器人10一起观看某些节目时，关于该节目而实时地将感想等朝向宠物机器人10进行发言的情况进行说明。

在图1所示的对话系统1中，语句生成装置100经由网络NW而与微博客服务器200实施通信，从而将用户A所发出的发言投稿至微博客服务器200。多个其他用户也会从各自的终端300将各自所发出的发言投稿至微博客服务器200。因此，在微博客服务器200中多个用户所发出的发言作为投稿数据而被蓄积。内置于宠物机器人10的语句生成装置100，通过由用户A实施的输入操作等取得用户A所视听的节目，并连接于微博客服务器200适合的公告牌。另外，语句生成装置100也可以从电视等取得电视节目信息。此外，语句生成装置100能够访问微博客服务器200，来取得微博客服务器200所蓄积的投稿数据。也就是说，能够取得多个其他用户所发出的发言。当用户A对于宠物机器人10进行发言时，组装在宠物机器人10的语句生成装置100访问微博客服务器200来对投稿至与用户A所视听的节目对应的公告牌的投稿数据(微博客数据)进行搜索。并且，语句生成装置100取得与用户A所发出的发言相关联的其他用户的投稿数据，并基于该投稿数据来制成响应语句。

在推特(注册商标)中，存在有锐推(转发)这样的较大的特征。在推特通常被定义为“引用其他的人所投稿的发言(推文)”。在对微博客服务器200的投稿数据进行搜索时，技术上能够实现包括锐推或省略锐推。此外，无论仅搜索英语的推文，还是搜索多个语言的推文均可。数投稿件数的情况也包括包含锐推的情况和不包含锐推的情况。此外，数投稿件数的情况也包括数用户A所在的国家的语言的推文的情况和还数其他的国家的语言的推文的情况。锐推的多少程度表示对于该发言的气氛高涨的高度，因此，基本上对锐推也进行搜索。此外，在对其他的国家的语言的推文进行搜索时，即使是相同的话题也不会被搜索查到，因此，对翻译后的推文进行搜索。通过对外国语的推文进行搜索，从而宠物机器人100能够进行像“在日本，现在好像东京奥运会的话题较多。”那样发言。

接下来，参照图2对语句生成装置100的物理的的结构进行说明。如图2所示，语句生成装置100具备控制部110、语音输入部111、文字输入部112、语音输出部113、显示部114、通信部115、存储部120。

控制部110由CPU(Central Processing Unit，中央处理单元)等构成，通过执行存储部120所存储的程序，从而实现后述的各部(取得部130、搜索部140、评价部150、语句制成部160)的功能。

语音输入部111由麦克风等语音输入装置和语音识别装置构成，并将用户A所发出的语音转换为文本数据。具体而言，语音输入部111的麦克风等语音输入装置将用户A所发出的语音转换为语音数据，语音识别装置对该语音数据进行语音识别并转换为文本数据。语音输入部111将所取得的文本数据供给至控制部110。

文字输入部112由键盘、触摸面板等构成。文字输入部112将用户A所输入的键输入作为文本数据而取得。文字输入部112将所取得的文本数据供给至控制部110。用户A能够从文字输入部112通过文本数据输入发言。此外，用户A能够从文字输入部112对后述的期间T1、T2进行设定。

语音输出部113由扬声器构成。语音输出部113对后述的语句制成部160所制成的响应语句进行语音输出。

显示部114由液晶显示器装置等构成。显示部114对后述的语句制成部160所制成的响应语句进行显示。

通信部115为，用于经由网络NW而与微博客服务器200进行通信的通信装置。例如，通信部115为，基于无线LAN(Local Area Network，局域网)标准来实施无线通信的通信装置。

存储部120由ROM(Read Only Memory，只读存储器)、RAM(Random Access Memory，随机存取存储器)等构成。在ROM中存储有供控制部110的CPU执行的程序、执行程序预先所需的数据。在RAM中存储有在程序执行中制成或变更的数据。

接下来，参照图3对控制部110的功能进行说明。如图3所示，控制部110具备取得部130、搜索部140、评价部150、语句制成部160。此外，存储部120具备主题语数据存储部121、关联语数据存储部122、关联用户数据存储部123。

取得部130从语音输入部111取得表示用户A所发出的发言的文本数据。此外，从文字输入部112取得表示用户A所输入的发言的文本数据。取得部130将所取得的文本数据供给至搜索部140。

搜索部140经由通信部115从微博客服务器200对包括用户A的发言的至少一部分的数据进行搜索。搜索部140具备搜索查询提取部170和投稿数据搜索部180。

搜索查询提取部170将用户A的发言的主题语以及与该主题语相关联的关联语作为搜索对象的文字列、即搜索查询进行提取。搜索查询提取部170具备主题语提取部171和关联语推定部172。

主题语提取部171从所取得的用户A的发言提取发言的主题语(也称作焦点语)。作为主题语提取部171从用户的发言提取发言的主题语的方法，例如使用参考文献1(BarbaraJ.Grosz，Scott Weinstein，and AravindK.Joshi.1995.Centering:A Framework forModeling the Local Coherence of Discourse.Computational Linguistics，21(2):203-225.)、参考文献2(Marilyn A.Walker，1998.Centering，Anaphora Resolution andDiscourse Structure Oxford University Press on Demand.)所记载的技术。概述的话，主题语提取部171将用户A的发言分解为名词、连接词、修饰词、动词等来实施词素分析，从而根据主语与谓语的关系等对主题语进行特定。

例如，在用户A的发言为“猫咪的睡颜特别可爱”的情况下，相当于主语的部分是“猫咪的睡颜”。在这种情况下，主题语提取部171作为主题语而提取“猫咪的睡颜”。

关联语推定部172对与主题语提取部171所提取的主题语相关联的关联语进行推定。作为关联语推定部172对关联语进行推定的方法，使用利用了分类词典的已知技术、或者使用利用了通过单词间的共现关系而对近义词进行推定的主题模型(Topic Model)的已知技术。

例如，关联语推定部172在主题语为“猫咪的睡颜”的情况下，将“猫咪的脸、猫咪的哈欠、猫咪的动作、猫、狗的脸、狗·····”等作为关联语进行推定。

搜索查询提取部170将主题语提取部171所提取的主题语以及关联语推定部172所推定的关联语作为搜索查询而进行设定。

投稿数据搜索部180从微博客服务器200对包括该搜索查询的投稿数据进行搜索。具体而言，投稿数据搜索部180经由通信部115对微博客服务器200进行访问，从而从微博客服务器200所具有的多个其他用户投稿的投稿数据中取得包括搜索查询的投稿数据。

而且，如图4所示，投稿数据搜索部180具备响应用搜索期间设定部181和评价用搜索期间设定部182。

响应用搜索期间设定部181对为了制成对于用户A所发出的发言的响应语句而搜索微博客数据的期间T1进行设定。响应用搜索期间设定部181基于来自由用户A实施的文字输入部112的输入操作取得该期间T1。语句生成装置100基于该期间T1内搜索到的其他用户的投稿数据，制成对于用户A的发言的响应语句。该期间T1越长越能够取得较多的投稿数据，因此，能够制成适合于用户A的发言的响应语句的概率变高。此外，当该期间T1变长时，到制成语句为止的时间变长。在于宠物机器人10上组装有语句生成装置100的情况下，宠物机器人10的响应速度由该期间T1确定。

如上所述，用户A能够根据从文字输入部112进行输入的情况对该期间T1进行设定。例如，能够将较快的响应速度用的期间T1设定为1秒，将普通的响应速度用的期间T1设定为3秒，将较慢的响应速度用的期间T1设定为10秒。或者，系统管理者等也可以通过实验求得期间T1与语句生成装置100的输出内容的关系，并预先在本系统的程序内设定期间T1。具体而言，多个人通过主观评价，对后述的过渡表达的多的程度、对于用户A的发言而制成的响应语句的适合度等进行评价。并且，系统管理者等也可以基于该评价结果，对期间T1进行设定。

评价用搜索期间设定部182对为了取得用于后述的关联用户的评价的投稿数据而搜索微博客数据的期间进行设定。另外，关联用户是指，多个其他用户中的、进行了与用户A所投稿的发言相关联的投稿的其他用户。

在用户A将某发言投稿至微博客的情况下，与该发言相关联的其他用户的投稿件数的分布例如如图5所示那样的分布。图5所示的曲线图的横轴为从用户A发言的时刻起的经过时间。此外，纵轴为，每单位时间(例如，1分钟)投稿的其他用户的投稿件数。通常，当用户A向微博客投稿某发言时，存在有与该发言有关的其他用户的投稿件数逐渐增加，在某种程度的期间后减少，并收敛为0件的趋势。

评价用搜索期间设定部182每预定时间(例如，1分钟)对搜索部140搜索到的投稿数据的件数进行测量。并且，评价用搜索期间设定部182在检测到测量到的投稿数据的件数少于预先设定的阈值(例如，3件/分)的情况下，将小于阈值的情况通知投稿数据搜索部180。接到该通知的投稿数据搜索部180停止微博客数据的搜索。将从用户A的发言时刻起到评价用搜索期间设定部182检测到投稿数据的件数成为阈值以下为止的期间设为期间T2。

将投稿数据搜索部180从微博客服务器200搜索到的其他用户的投稿数据中的、包括主题语的投稿数据存储在存储部120内的主题语数据存储部121中，将不包括主题语而仅包括关联语的投稿数据存储在关联语数据存储部122中。在图6中示出了投稿数据搜索部180从微博客服务器200搜索到的投稿数据的示例。例如，在用户A的发言为“猫咪的睡颜特别可爱”的情况下，关联用户ID＝ID0002的投稿数据包括作为主题语的“猫咪的睡颜”，因此被存储在主题语数据存储部121中。关联用户ID＝ID0001以及ID0003的投稿数据不包括作为主题语的“猫咪的睡颜”，而包括作为关联语的“小猫的睡颜、猫、狗”，因此被存储在关联语数据存储部122中。

返回图3，评价部150对所取得的投稿数据进行评价，并按照每个其他用户确定其他用户与用户A的关联度。评价部150基于与用户A的发言相关联的投稿的投稿次数，对关联度进行确定。具体而言，评价部150基于搜索部140连同包括搜索查询的投稿数据一起取得的对其他用户进行特定的数据，对其他用户的投稿次数进行测量。对其他用户进行特定的数据为，其他用户的URL、用户ID、博客上的绰号等。

评价部150按照每个其他用户对对于用户A的一次的发言而搜索部140搜索到的投稿数据进行计数。评价部150对于用户A的一次的发言在图5所示的期间T2实施该测量。并且，评价部150按照用户A每次发言实施该测量，并将测量到的计数数值依次相加而求得累积投稿次数。该累积投稿次数在每次用户A进行发言时，依次被更新。评价部150持续该累积投稿次数的测量直到该节目结束。

在图7中示出评价部150测量到的累积投稿次数的示例。图7所示的表格为，对由用户A实施的某投稿后的期间T2内所取得的投稿数据进行测量的示例。在图7所示的示例中，由关联用户ID为ID0001的其他用户实施的投稿次数，在相对于用户A此次的发言的期间T2内为一次。此外，从开始该电视节目的放映起的累积投稿次数为15次。由关联用户ID为ID0002的其他用户实施的投稿次数在此次的期间T2内为两次。此外，从开始该电视节目的放映起的累积投稿次数为九次。

另外，图7所示的表格按照向微博客服务器200投稿的每个用户、此外按照该用户所视听的每个节目形成。并且，各表格在每次该用户进行投稿时被更新。

评价部150基于该累积投稿次数，对其他用户与用户A的关联度进行确定。具体而言，评价部150提高该累积投稿次数较多的其他用户的关联度。评价部150将图7所示的评价数据存储在存储部120内的关联用户数据存储部123中。此外，后述的语句制成部160的投稿数据选择部161基于选择时的累积投稿次数对其他用户的投稿数据进行选择。

返回图3，语句制成部160基于搜索部140搜索到的投稿数据，制成响应用户A的发言的语句。具体而言，语句制成部160基于关联度从搜索部140搜索到的投稿数据之中对投稿数据进行选择，并制成响应用户A的发言的语句。此外，语句制成部160对表现宠物机器人10的虚拟性格的模板进行选择，并在该模板中应用所选择的投稿数据，制成响应用户A的发言的语句。如图8所示，语句制成部160具备投稿数据选择部161、模板选择部162、响应语句制成部163。以下对详细内容进行说明。

投稿数据选择部161，基于评价部150确定的关联度，从搜索部140在微博客服务器200中搜索到的投稿数据之中，对用于响应语句的投稿数据进行选择。例如，投稿数据选择部161，在存在有关联用户数据存储部123所存储的累积投稿次数为阈值(例如，10次)以上的其他用户的情况下，对累积投稿次数最多的其他用户的投稿数据进行选择。另外，投稿数据选择部161，在不存在累积投稿次数为阈值以上的其他用户的投稿的情况下，从搜索部140搜索到的投稿数据之中随机地对投稿数据进行选择。

例如，期间T1搜索到的投稿数据为图6所示的投稿数据，关联用户数据存储部123所存储的其他用户的累积投稿次数为图7所示的次数。在这种情况下，在图7所示的关联用户之中累积投稿次数为阈值(例如，10次)以上，累积投稿次数最多的其他用户为ID0001所表示的其他用户。因此，投稿数据选择部161从图6所示的投稿数据之中选择ID0001的其他用户投稿的投稿数据“小猫的睡颜好可爱”。

由于虚拟地表示响应的性格，因此，模板选择部162从预先在存储部20所存储的模板中选择用于响应的模板。

例如，形容词的表现方法具有表示该响应者的性格的特征。通过形容词的表现方法，例如，能够虚拟地表示坦率类型、夸张类型、冷静类型等响应者的性格。存储部20对表示各个性格的各种各样的模板进行存储。

图9中示出存储部20所存储的模板的示例。另外，响应的宠物机器人10的性格通过用户A从文字输入部112进行设定。此外，上述的性格为一个示例，存储部20也可以是对表现其他的性格的模板进行存储。模板选择部162对表示通过用户A进行设定的性格的模板进行选择。

响应语句制成部163在模板选择部162所选择的模板中应用投稿数据，制成响应用户A的发言的语句。例如，在作为宠物机器人10的虚拟性格选择了“夸张类型”，所选择的投稿数据为“小猫的睡颜好可爱”的情况下，响应语句制成部163制成响应语句“小猫的睡颜多么可爱呀”。并且，语句制成部160从语音输出部113语音输出“小猫的睡颜多么可爱呀”。此外，在显示部114上显示“小猫的睡颜多么可爱呀”。

接下来，参照图10和图11所示的流程图对具有上述的结构的语句生成装置100所执行的语句生成处理进行说明。以下，对在用户A观看宠物关系的节目时，朝向搭载了语句生成装置100的宠物机器人10，关于该节目发出感想等的情况进行说明。在观看某节目的用户A每次发言时，语句生成装置100将该发言投稿至微博客服务器200的该节目的公告牌。此外，观看相同的节目以及投稿至微博客服务器200的用户A的投稿数据的多个其他用户，将各自的发言从各自的终端300投稿至微博客服务器200的相同的公告牌。在此，对用户A通过语音向语句生成装置100输入发言，语句生成装置100通过语音输出响应语句的情况进行说明。期间T1通过用户A被预先设定，宠物机器人10的虚拟性格被设定为“夸张类型”。用户A通过经由通信部115使语句生成装置100与微博客服务器200连接，语句生成装置100将用户A的发言投稿至微博客服务器200从而开始图10所示的语句生成处理。

当用户A在视听宠物关联的节目的同时朝向宠物机器人10发言说出感想等时，搭载于宠物机器人10的语句生成装置100的语音输入部111将该发言转换为文本数据。语句生成装置100经由通信部115向微博客服务器200投稿用户A的发言。此外，取得部130通过文本数据从语音输入部111取得用户A的发言(步骤S1)，并供给至搜索部140。搜索部140的搜索查询提取部170从该文本数据提取搜索查询(步骤S2)。具体而言，主题语提取部171从文本数据提取主题语。此外，关联语推定部172对与主题语相关联的关联语进行推定。

例如，当用户A发言说出“猫咪的睡颜特别可爱”时，主题语提取部171作为主题语而提取“猫咪的睡颜”。此外，关联语推定部172作为关联语而对“猫咪的脸、猫咪的哈欠、猫咪的动作、狗的脸，·····”等进行推定。搜索查询提取部170将与该主题语和关联语作为搜索查询进行提取。

接下来，投稿数据搜索部180经由通信部115从微博客服务器200内的微博客数据中，对包括搜索查询提取部170所提取的搜索查询的投稿数据进行搜索(步骤S3)。投稿数据搜索部180在完成预先设定的期间T1的搜索为止(步骤S4:否)，持续步骤S3的搜索。例如，投稿数据搜索部180从微博客数据中搜索图6所示那样的包括主题语的投稿数据和包括关联语的投稿数据。并且，当完成期间T1的搜索时(步骤S4:是)，语句制成部160实施与用户A的发言相对应的响应语句的制成处理(步骤S5)。参照图11对响应语句制成处理进行说明。

当开始响应语句制成处理时，语句制成部160对是否搜索部140能够在期间T1内搜索到了包括搜索查询的投稿数据进行确认(步骤S21)。并且，在无法搜索该投稿数据的情况(步骤S21:否)下，语句制成部160制成包括“咦”、“是那样啊”、“是那样么”等不会给予用户不适感的过渡表达的语句(步骤S22)。具体而言，作为过渡表达进行输出的话语被存储在预先存储部120中，语句制成部160从存储部120取得过渡表达并应用于过渡表达用的模板而制成响应语句。过渡表达为，直至制成响应语句为止用于使会话不间断的语句。

在期间T1内搜索到了包括搜索查询的投稿数据的情况下(步骤S21:是)，语句制成部160的投稿数据选择部161从投稿了搜索到的投稿数据的其他用户之中，对是否存在累积投稿次数为阈值以上的其他用户进行确认(步骤S23)。具体而言，对是否存在关联用户数据存储部123所存储的其他用户的累积投稿次数为阈值(例如，10次)以上的其他用户进行确认。在不存在累积投稿次数为阈值以上的其他用户的情况下(步骤S23:否)，投稿数据选择部161从搜索部140搜索到的其他用户的投稿数据之中，例如随机地选择投稿数据(步骤S24)，向步骤S26转移。另一方面，在存在有累积投稿次数为阈值以上的其他用户的情况下(步骤S23:是)，投稿数据选择部161对累积投稿次数最多的其他用户的投稿数据(关联度最高的投稿数据)进行选择(步骤S25)。在图7所示的示例中，关联用户ID＝ID0001的累积投稿次数最多，因此，投稿数据选择部161从图6所示的投稿数据之中对关联用户ID＝ID0001的投稿数据“小猫的睡颜好可爱”进行选择。

并且，语句制成部160使用所选择的投稿数据制成响应语句(步骤S26)。具体而言，作为宠物机器人的性格设定了“夸张类型”，因此，模板选择部162选择图9所示的模板之中的“多么●●呀”。并且，响应语句制成部163将所选择的投稿数据“小猫的睡颜好可爱”应用于模板“多么●●呀”，从而制成响应语句“小猫的睡颜多么可爱呀”。并且，语句制成部160从语音输出部113语音输出“小猫的睡颜多么可爱呀”(步骤S27)。另外，语句制成部160在无法生成响应语句的情况下，语音输出步骤S22中所制成的过渡表达。

返回图10的步骤S6，搜索部140在语句制成部160没有制成响应语句的情况下(步骤S6:否)，对下一个期间T1进行设定(步骤S7)，并反复从步骤S3到步骤S6的处理。

另一方面，在语句制成部160制成了响应语句的情况下(步骤S6:是)，为了评价部150实施关联用户的评价处理，而在期间T1经过后还持续包括搜索查询的投稿数据的搜索(步骤S8)。与该搜索并行地，评价用搜索期间设定部182按照每预定时间(例如，1分钟)对搜索部140搜索到的投稿数据的件数进行测量(步骤S9)。搜索部140在评价用搜索期间设定部182测量到的投稿数据的件数为预先设定的阈值(例如，3件/分钟)以上的期间(步骤S10:是)，持续上述的搜索(从步骤S8到步骤S10)。也就是说，在图5所示的期间T2的期间，从微博客服务器200搜索包括搜索查询的投稿数据。并且，搜索部140在评价用搜索期间设定部182测量到的投稿数据的件数少于预先设定的阈值(例如，3件/分钟)的情况(步骤S10:否)下，停止上述的搜索。评价部150对在该期间T2进行了与用户A的发言相关联的投稿的其他用户进行评价(步骤S11)。具体而言，评价部150对期间T2内投稿的其他用户的投稿次数进行测量，对图7所示的“此次的投稿次数”进行测量。此外，评价部150在用户A每次发言时对从该节目开始起的累积投稿次数进行测量。评价部150将测量的累积投稿次数用作其他用户的关联度。

在以上的处理中，完成与用户的一次的发言相对应的响应语句制成处理和其他用户的评价处理。语句生成装置100根据向微博客服务器200的投稿状况等，对该节目是否结束进行确认(步骤S12)。语句生成装置100在判断为该节目未结束时(步骤S12:否)，持续从步骤S1到S11的处理。评价部150在每次反复该处理时对其他用户的投稿次数进行测量，并对图7所示的累积投稿次数进行更新。另一方面，语句生成装置100在判断为该节目结束时(步骤S12:是)，结束语句生成处理。另外，在变更用户A所视听的电视节目而切断了语句生成装置100与微博客服务器200的通信线路的情况下，语句生成装置100无法取得向微博客服务器200的投稿状况，因此，判断为该节目结束。

如以上所说明那样，语句生成装置100从用户A的发言中将其发言的主题语和其主题语的关联语设定为搜索查询。并且，语句生成装置100从微博客数据中对包括该搜索查询的其他用户的投稿数据进行搜索，并使用搜索到的投稿数据制成对于用户A的发言的响应语句。由此，语句生成装置100即使不预先将大量的响应语句存储在存储部120中，也能够制成适合于用户A的发言的响应语句。

此外，语句生成装置100从距用户A的发言时刻最近的期间T1所投稿的微博客数据之中，对包括搜索查询的其他用户的投稿数据进行搜索。并且，语句生成装置100不是使用用于制成预先准备的响应语句的有限的模式的响应语句制成用模板，而使用搜索到的投稿数据制成适合于用户A的发言的响应语句。由此，语句生成装置100能够避免制成像单调的响应语句、与用户A的发言关联较低的响应语句、人工的响应语句那样，用户A欲停止对话那样的响应语句。因此，语句生成装置100能够制成用户A欲持续对话那样的响应语句。

此外，语句生成装置100具备评价部150，其对搜索到的投稿数据进行评价，从而对投稿的其他用户与用户的关联度进行确定。并且，语句制成部160从搜索部140搜索到的数据之中，使用基于该关联度而选择的投稿数据来制成响应语句。由此，语句生成装置100能够提高使用观看与用户相同的视听对象(节目)的其他用户的投稿数据制成响应语句的概率。因此，能够提高制成适合于用户的发言的响应语句的概率。

此外，语句生成装置100具备模板选择部162，其对表现性格的模板进行选择。模板选择部162，例如对图9所例示那样的虚拟地表示要响应的宠物机器人10的性格的模板进行选择。由此，搭载于宠物机器人10的语句生成装置100能够制成可表现该宠物机器人10的虚拟性格的响应语句。

(变形例1)

在上述的说明中，除了用户A的发言的主题语以外，还对搜索包括与该主题语相关联的关联语的投稿数据进行说明。但是，也能够省略与关联语相关的搜索。在这种情况下，在图3所示的功能图中，能够省略关联语推定部172以及关联语数据存储部122。

在这种情况下，搜索查询提取部170仅将主题语作为搜索查询进行设定。并且，投稿数据搜索部180从微博客服务器200对包括该主题语的其他用户的投稿数据进行搜索。评价部150对搜索到的投稿数据的数量进行计数，并按照每个其他用户对累积投稿次数进行测量。并且，语句制成部160基于测量到的累积投稿次数对其他用户的投稿数据进行选择，制成对于用户A的发言的响应语句。

如此在省略与关联语相关的搜索的情况下，能够减少语句生成装置100的处理。另一方面，在较短的期间T1的期间内能够搜索包括主题语的投稿数据的概率下降。其结果，输出过渡表达的可能性提高。

(变形例2)

在上述的说明中，对评价部150对其他用户的关联度进行确定，语句制成部160基于该关联度从搜索部140搜索到的投稿数据之中选择用于响应语句的投稿数据的情况进行了说明。但是，能够省略评价部150。在这种情况下，在图3所示的功能图中，能够省略评价部150以及关联用户数据存储部123。此外，在图10所示的语句生成处理中，能够省略从步骤S8到步骤S11的处理。此外，在图11所示的响应语句制成处理中，能够省略步骤S23和步骤S25的处理。另一方面，当省略评价部时，使用在用户A发言的时间带(相同节目的相同场景)较多得投稿的其他用户的投稿数据制成响应语句的概率变低。也就是说，制成使用了具有与用户A的感受不同的感受的其他用户的投稿数据的响应语句的概率变高。其结果，存在有输出给予用户A不适感那样的响应语句的概率变高的可能性。

(变形例3)

在微博客(推特(注册商标)、照片墙(Instagram)(注册商标)、其他SNS等)中，存在有对现在高涨的话题、趋势词、急剧上升词、投稿词排名、搜索词排名等(作为代表而被称作趋势词)进行总结的功能。因此，即使不是用户的发言的主题语、该主题语的关联语，语句生成装置100也可以在响应语句中放入趋势词。例如，示出了语句生成装置100作为响应语句而制成了“小猫的睡颜特别可爱”的示例。当此时的趋势词为“酷热”时，语句生成装置100也可以在响应语句中放入作为趋势词的“酷热”，而制成成为“连酷热都忘记的程度，小猫的睡颜多么可爱”的响应语句。由此，能够扩大话题的范围。此外，当设为“焰火大会”时，语句生成装置100也可以制成“焰火也好看，但是小猫的睡颜多么可爱”那样的响应语句。社会上最成为话题的词也被用户注意的可能性较高，因此，能够关联到“这样说来，今晚，听说是焰火大会”那样的话题。此外，语句生成装置100在以话题不间断的方式制成包括过渡表达的语句的处理中，也可以发言说出趋势词。例如，语句生成装置100也可以将响应语句设为“是那样啊，对了，现在大家都在议论酷热”。

此外，例示了语句制成部160基于评价部150所确定的关联度，选择用于响应的投稿数据的方法。但是，语句制成部160选择用于响应的投稿数据的方法并不限于此。例如，语句制成部160也可以基于对于投稿至微博客的评论的锐推在推特数量或者回复数量、“不错啊”或者“好”的数量、评论数量等，对投稿数据进行选择。这是因为可以说上述数量越多，该话题越高涨。但是，在该情况下，优选语句生成装置100具备排除垃圾推文的过滤功能。

此外，也可以使宠物机器人10与用户A所视听的节目(内容)的分发源协作。例如，也可以是电视节目的分发源通过文字多重广播发送机器人用的信息而宠物机器人10进行接收，从而宠物机器人10能够取得该内容(节目)独自的信息那样的结构。或者也可以经由因特网使内容分发源与宠物机器人10进行协作。也可以通过因特网或者电话线路使宠物机器人10与用户A所视听的节目(内容)的分发源连接。在用户A所视听的节目(内容)中，作为协作信息也可以显示对于宠物机器人10的消息信息。消息信息为，特殊的记号、或插入到帧间，而人类不懂的信息。

另外，在上述的说明中，对语句生成装置100具备语音输入部111、文字输入部112、语音输出部113、显示部114、通信部115、存储部120进行了说明。但是，也可以将语音输入部111、文字输入部112、语音输出部113、显示部114、通信部115、存储部120作为语句生成装置100的外部装置。

此外，在上述的说明中，对将语句生成装置100搭载于宠物机器人10进行了说明，但是，本发明的范围并不限定于此。例如，将控制部110设置在云上的服务器内，在宠物机器人10中仅设置通信部115和输入输出部。并且，将从宠物机器人10的输入部取得的用户的发言经由通信部115而传输至云上的服务器。并且，也可以在云上的服务器内实施语句生成处理。

此外，在上述的说明中，对评价用搜索期间设定部182设定对于用户A的发言而对关联的投稿数据进行搜索的期间T2进行了说明。但是，用户A也能够从文字输入部112设定该期间T2。

此外，在上述的说明中，对评价用搜索期间设定部182在用户A每次发言时，限制评价投稿数据的期间的示例进行了说明。但是，替代具备评价用搜索期间设定部182，语句生成装置100也可以在节目持续时间中，对其他用户的关联度进行评价。例如，语句生成装置100也可以在放映时间为1小时的电视节目的情况下，连续1小时对其他用户的关联度进行测量。由此，语句生成装置100能够较多得取得视听相同的节目的其他用户的投稿数据，能够使输出过渡表达的频率下降。另一方面，语句生成装置100取得在与用户A发言的时间带(相同的节目的相同场景)不同的时间带较多的投稿的其他用户的投稿数据的概率提高。也就是说，语句生成装置100对使用了具有与用户A的感受不同的感受的其他用户的投稿数据的响应语句进行制成的概率提高。

此外，在上述的说明中，对评价部150按照每一个节目对其他用户的关联度进行评价的示例进行了说明。但是，其他用户的评价方法并不限定于此。例如，评价部150也可以在一个月期间等预定的期间内，持续评价。

具体而言，语句生成装置100对一天的关联用户的累积投稿次数进行测量，并每天持续该测量。并且，语句生成装置100也可以把将最近的30天的累积投稿次数相加得到的值作为最终的累积投稿次数而用于其他用户的评价。能够提高在于一个节目内确定关联度的情况下，语句生成装置100对持续视听相同的节目的其他用户的投稿数据进行搜索，而能够制成适合于用户A的发言的响应语句的概率。另一方面，当语句生成装置100并不是在一个节目中，例如而在经过一个月期间对其他用户的关联度进行确定时，能够提高能够选择总是响应用户A的投稿的发言而投稿的特定的其他用户的投稿数据的概率。由此，语句生成装置100能够制成与熟人聊天那样的响应语句。

此外，在上述的说明中，对模板选择部162选择用于通过形容词的表现方法来表现性格的模板的示例进行了说明，但是，用于制成表现虚拟性格的响应语句的模板并不限定于此。例如，模板选择部162也可以作为性格“急躁类型”用的模板，而选择制成较多得使用省略形式的响应语句那样的模板。此外，模板选择部162也可以作为性格“礼貌类型”用的模板，而选择制成几乎不使用省略形式的响应语句那样的模板。

此外，语句生成装置100也可以在使用图10进行说明的语句生成处理中，省略步骤S7的处理。也就是说，语句生成装置100也可以在无法搜索相当于期间T1的投稿数据的情况下，仅输出过渡表达。

此外，语句生成装置100也可以在使用图11进行了说明的响应语句制成处理中，在无法搜索到关联度为阈值以上的其他用户的投稿数据的情况下，制成包括过渡表达的语句。也就是说，替代步骤S24的处理，语句生成装置100也可以执行包括过渡表达的语句的制成处理。

此外，对在使用图11进行了说明的响应语句制成处理的步骤S25的处理中，在由累积投稿次数为阈值以上的其他用户实施的投稿数据有多个的情况下，对关联度最高的投稿数据进行选择的示例进行了说明，但是，语句生成装置100也可以从该多个投稿数据之中随机地进行选择。

此外，在上述的说明中，对如下示例进行了说明，即作为用于为了制成对于用户A所发出的发言的响应语句而对微博客数据进行搜索的期间T1为1秒到10秒。但是，无需将该期间T1限定在该期间内。例如，语句生成装置100也可以将期间T1设定为30秒、60秒。

此外，在上述的说明中，对通信部115为实施无线通信的通信装置的情况进行了说明，但是，通信部115也可以是实施光通信等有线通信的通信装置。

此外，在上述的说明中，对其他的用户从终端300向微博客服务器200投稿的示例进行了说明，但是，该终端300既可以是供用户A使用那样的组装有语句生成装置100的宠物机器人10，也可以是具有通信功能的通常的PC(Personal Computer，个人计算机)等计算机。

该发明的语句生成装置100的各功能也能够通过通常的PC等计算机来实施。具体而言，在上述实施方式中，对语句生成装置100实施的语句生成处理的程序被预先存储在存储部120的ROM中的情况进行了说明。但是，也可以将程序存储并分发在软盘、CD-ROM(Compact Disc Read Only Memory，压缩式光盘只读存储器)，DVD(Digital VersatileDisc，数字多功能光盘)或者MO(Magneto-Optical Disc，磁光盘)等计算机能够读取的记录介质中，通过在计算机中读取并安装该程序，从而能够构成实现上述的各功能的计算机。

以上，对本发明的优选的实施方式进行了说明，但是，本发明并不限定于所涉及的特定的实施方式，本发明中包括权利要求书所记载的发明和与其均等的范围。

Claims (15)

1.一种对话代理，其接受用户的发言并向该用户返回响应，

所述对话代理具备：

取得单元，其取得针对实时提供的内容的用户的发言；

搜索单元，其从微博客服务器搜索来自所述用户以外的其他用户的、与取得的所述用户的发言和所述内容相关的数据；

语句制成单元，其基于所述搜索单元搜索到的数据和所述其他用户与所述用户之间的关联度，制成与取得的所述用户的发言相关的语句；

响应单元，其使用由所述语句制成单元制成的语句，向所述用户进行响应；以及

评价单元，其在所述用户进行发言之后，基于所述搜索单元搜索到的数据进行评价，确定多个所述其他用户的各自的与所述用户之间的关联度。

2.如权利要求1所述的对话代理，其中，所述评价单元被构成为：

在所述用户进行发言之后，基于所述搜索单元搜索到的数据，按照每个所述其他用户，对与所述用户的发言相关联的投稿件数进行计数，

通过对自所述内容开始，按照每个所述其他用户，在所述用户每次发言时被计数的投稿件数进行累计，来更新每个所述其他用户的各自的累计投稿件数，

基于不断更新的所述累计投稿件数，确定每个所述其他用户与所述用户之间的关联度。

3.如权利要求1或2所述的对话代理，其中，

所述语句制成单元基于所述搜索单元在第一期间内搜索到的数据和所述其他用户与所述用户之间的关联度，制成与取得的所述用户的发言相关的语句，

所述评价单元在所述用户进行发言之后，基于所述搜索单元在第二期间内搜索到的数据进行评价，确定多个所述其他用户的各自的与所述用户之间的关联度。

4.如权利要求3所述的对话代理，其中，

所述第二期间为从所述用户进行发言的时刻起至由所述搜索单元检测出的来自多个所述其他用户的投稿件数成为第一阈值以下为止的期间。

5.如权利要求3所述的对话代理，其中，

在所述搜索单元无法在所述第一期间内搜索出来自所述其他用户的、与取得的所述用户的发言和所述内容相关的数据时，所述语句制成单元制成包括用于不会给予所述用户不适感的过渡表达的语句。

6.如权利要求5所述的对话代理，其中，

所述语句制成单元从所述微博客服务器取得趋势词，并制成包括所述过渡表达和所述趋势词的所述语句。

7.如权利要求3或者4所述的对话代理，其中，

即使所述语句制成单元已经完成所述语句的制成处理，若还在所述第二期间的范围内，所述评价单元继续进行所述评价。

8.如权利要求1至7中任一项所述的对话代理，其中，

所述语句制成单元从所述搜索单元搜索到的数据中，基于所述关联度选择用于所述语句的数据，并基于所述选择的数据制成所述语句。

9.如权利要求8所述的对话代理，其中，

所述语句制成单元在存在来自所述累积投稿件数在第二阈值以上的所述其他用户的投稿数据的情况下，基于该投稿数据制成所述语句。

10.如权利要求8所述的对话代理，其中，

所述语句制成单元在不存在来自所述累积投稿件数在第二阈值以上的所述其他用户的投稿数据的情况下，从所述搜索单元搜索到的投稿数据之中随机地选择投稿数据用于制成所述语句。

11.如权利要求1所述的对话代理，其中，

所述搜索单元从自所述用户的发言时刻起第一期间内投稿的微博客数据之中搜索来自所述其他用户的、与取得的所述用户的发言和所述内容相关的数据。

12.如权利要求1或者2所述的对话代理，其中，

所述对话代理从所述实时提供的内容的分发源接收协作信息，

在所述用户的发言与所述内容相关联的情况下，基于所述协作信息，制成所述语句。

13.如权利要求12所述的对话代理，其中，

所述对话代理经由通信线路与所述内容的分发源连接，所述对话代理经由所述通信线路取得所述协作信息。

14.如权利要求12所述的对话代理，其中，

所述对话代理不与所述内容的分发源连接，在所述分发的内容中包括对于所述对话代理的人不知道的消息信息，所述对话代理通过识別所述消息信息，从而取得所述协作信息。

15.一种响应语句生成方法，其中，

在该方法中，

取得针对实时提供的内容的用户的发言，

与微博客服务器相连接，

从所述微博客服务器搜索与取得的所述用户的发言和所述内容相关的数据，

基于所述搜索到的数据和投稿所述数据的用户与所述用户之间的关联度，制成与取得的所述用户的发言相关的语句，

基于搜索到的数据进行评价,对多个所述投稿所述数据的用户的各自的与所述用户之间的关联度进行确定。

Images