DE60317130T2

DE60317130T2 - Vorrichtung und Verfahren zur Bereitstellung von Informationen mittels einer Sprachdialogschnittstelle

Info

Publication number: DE60317130T2
Application number: DE60317130T
Authority: DE
Inventors: Jeong-su 506-901 Manhyeon Maeul Hyun Kim; Yong-beom 222-1406 Hwa Suwon-city Lee; Jae-won 807 Seocho ESA 3-cha Apt. Lee; Hye-Jeong Lee; Chan-min 801-605 Jungsan Maeul Samsu Park; Hee-Kyoung Seo
Original assignee: Samsung Electronics Co Ltd
Current assignee: Samsung Electronics Co Ltd
Priority date: 2002-03-29
Filing date: 2003-03-28
Publication date: 2008-07-31
Anticipated expiration: 2023-03-29
Also published as: EP1349145B1; US7225128B2; KR20030078388A; JP2004005530A; KR100446627B1; EP1349145A3; DE60317130D1; US20030220799A1; EP1349145A2

Description

Die vorliegende Erfindung betrifft einen Konversationsagenten als Schnittstelle zwischen Mensch und Maschine. Insbesondere betrifft die vorliegende Erfindung ein System zur Bereitstellung von Information in Sprachsignalen, die vielseitige Dialoge unter Verwendung eines wissensbasierten Datenbanksystems ermöglichen, die gewünschte Information in Echtzeit aus dem Internet extrahieren können und Benutzerdialogaufzeichnungen und -neigungen und eine Anzahl von Dialogfällen speichern. Ferner betrifft die vorliegende Erfindung ein Verfahren zum Bereitstellen von Information in Sprachsignalen.
Bei herkömmlichen Verfahren zum Bereitstellen von Information in Sprachsignalen wurden Dialoge durch Steuerung der Zustandsübergangssteuerung zwischen einem Benutzerzustand und einem Systemzustand basierend auf der Erfassung eines Schlüsselworts oder durch einen Dialogmanager verwaltet, der Skripte verwendet, um Systemverhalten zu bestimmen, und eine Wissensdatenbank zum Verwalten der Dialoge wurde auf Offlinebasis aufgebaut. Da Information nicht in Echtzeit fortgeschrieben wird, ist das Bereitstellen von Information begrenzt. Da ferner nur Kurzzeitdialoge verwendet werden und sehr beschränkte und fast ähnliche Dialoge wiederholt werden, werden Interessen im System zum Bereitstellen von Information in Sprachsignalen nicht unterstützt, und deshalb ist die Anwendung des Systems begrenzt.
In "Example-based query generation for spontaneous speech" von H. Murao et al., 2001 IEEE Workshops an automatic speech recognition and understanding, 2001, Seiten 268 bis 271 wird Fragenerzeugung diskutiert. Eine gesprochene Anforderung erzeugt eine Datenbanksuche, die ein ähnliches Beispiel aus einer ersten Datenbank abruft. Die Anfrage wird entsprechend der eingegebenen Äußerung korrigiert, die dann für eine weitere Suche in einer zweiten Datenbank verwendet wird, um die Information für eine Antwort zu finden. Ein ähnliches Beispiel in der ersten Datenbank wird dann verwendet, um eine gesprochene Antwort zu konstruieren.
Die vorliegende Erfindung stellt ein System und ein Verfahren zur Bereitstellung von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge zur Verfügung, die Sprachsignale eines Benutzers analysiert und Information in Sprachsignalen als Antwort auf die Sprachsignale des Benutzers bereitstellt.
Ferner stellt die vorliegende Erfindung ein computerlesbares Aufzeichnungsmedium zur Verfügung, auf dem ein Programm zum Implementieren des oben beschriebenen Verfahrens eingebettet ist.
Gemäß einem Aspekt der vorliegenden Erfindung wird ein System zur Bereitstellung von Information gemäß Anspruch 1 zur Verfügung gestellt.
Gemäß einem anderen Aspekt der vorliegenden Erfindung wird ein Verfahren zur Bereitstellung von Information gemäß Anspruch 7 zur Verfügung gestellt.
Die obigen Aspekte und Vorteile der vorliegenden Erfindung werden besser ersichtlich durch eine ausführliche Beschreibung bevorzugter Ausführungsformen mit Bezug zu den begleitenden Zeichnungen, in denen:
1 ein Blockdiagramm eines Systems zur Bereitstellung von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung ist,
2 ein Flussbild eines Verfahrens zur Bereitstellung von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung ist,
3 ein detaillierteres Blockdiagramm des in 1 gezeigten Intentionsgenerators ist, und
4 ein Flussbild zur Erläuterung von Vorgängen des in 3 gezeigten Intentionsgenerators ist.
Eine bevorzugte Ausführungsform der vorliegenden Erfindung wird nun mit Bezug zu den 1 und 2 beschrieben. 1 ist ein Blockdiagramm eines Systems zur Bereitstellung von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung, und 2 ist ein Flussbild eines Verfahrens zum Bereitstellen von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge gemäß einer bevorzugten Ausführungsform der vorliegenden Erfindung.
Wenn ein Benutzer Sprachsignale übermittelt, empfängt eine Spracherkennungseinrichtung 110 die Sprachsignale, erkennt Sprache und wandelt die Sprachsignale in Sätze um (Schritt 210). Ein Satzanalysator 120 empfängt die von der Spracherkennungseinrichtung 110 transformierten Sätze oder Sätze, die durch eine Eingabeeinrichtung wie eine Tastatur eingegeben sind, und analysiert die Sätze in ihren Bedeutungsstrukturen (Schritt 220). Der Satzanalysator 120 beinhaltet einen morphologischen Analysator 121 zum Trennen der eingegebenen Sätze in ihre Morpheme und Identifizieren der abgetrennten Morpheme, einen Syntaxanalysator 123 zum Analysieren von Strukturelementen eines Satzes basierend auf der Beziehung zwischen den Morphemen, und einen Semantikanalysator 125 zum Bestimmen der Bedeutung der Strukturelemente eines Satzes und Transformieren derselben in Bedeutungsstrukturen.
Ein Dialogmanager 130 beinhaltet einen Intentionsanalysator 131 und einen Intentionsgenerator 133. Der Intentionsanalysator 131 empfängt die Bedeutungsstrukturen und analysiert die Art des Sprachakts oder der -intention beim Fragen, Anweisen, Vorschlagen, Anfordern usw., die in den Sprachsignalen des Benutzers enthalten ist (Schritt 230). Der Intentionsgenerator 133 erzeugt einen Systemsprachakt oder -intention, wie Antworten, Verneinen oder Annehmen als Antwort auf den analysierten Sprachakt oder die Intention des Benutzers (Schritt 240). Ein Informationsextraktor 140 empfängt Anfrageinformation und versieht den Intentionsgenerator 133 mit Information bezüglich der Anfrageinformation durch Suche nach Online-Information aus dem Internet oder einem anderen Netzwerk und Offline-Information aus einer Wissensdatenbank 145. Eine Benutzermodellierungseinheit 150 empfängt Information zu den Benutzerdialogen vom Intentionsanalysator 131, analysiert die Neigungen des Benutzers und stellt das Analyseergebnis dem Intentionsgenerator 133 zur Verfügung. Die Wissensdatenbank 145 speichert Aufzeichnungen von Dialogen zwischen dem Benutzer und dem System und die Neigungen des Benutzers.
Ein Satzgenerator 160 empfängt Information zu Sprachakten oder -intentionen des Systems und transformiert die Information zu Sprachakten oder -intentionen des Systems in Sätze (Schritt 250). Der Satzgenerator 160 beinhaltet einen Satzstrukturgenerator 161 zum Erzeugen von Satzstrukturen aus den Bedeutungsstrukturen bezüglich der Sprachakte oder -intentionen des Systems und einen morphologischen Generator 163 zum Empfangen der Satzstrukturen und Erzeugen von Morphemen zum Transformieren der Satzstrukturen in Sätze. Eine Sprachsyntheseeinrichtung 171 empfängt die Sätze, synthetisiert die Sätze in Sprache und gibt die synthetisierte Sprache aus (Schritt 260). Eine Zeichenanimationseinheit 173 empfängt die Sätze und gibt bewegte Bilder aus, so dass der Benutzer angesprochen wird, mit einem Zeichen in den bewegten Bildern zu kommunizieren, während der Benutzer Information erhält.
Der Intentionsgenerator 133 wird nun ausführlicher mit Bezug zu den 3 und 4 beschrieben. 3 ist ein detaillierteres Blockdiagramm des in 1 gezeigten Intentionsgenerators 133 und 4 ist ein Flussbild zur Erläuterung von Funktionen des in 3 gezeigten Intentionsgenerators 133.
Der Intentionsgenerator 133 beinhaltet eine Dialogfallsucheinheit 133-1, eine Intentionsartbestimmungseinheit 133-3 und eine Intentionsinhaltbestimmungseinheit 133-5. Die Dialogfallsucheinheit 133-1 empfängt Information zu Sprachakten und -intentionen des Benutzers und sucht nach zahlreichen Dialogfällen aus einer Dialogfalldatenbank (Schritt 410). Die Intentionsartbestimmungseinheit 133-3 errechnet Ähnlichkeiten zwischen Information zu Sprachakten und -intentionen des Benutzers und den Dialogfällen unter Verwendung von Information zu Neigungen des Benutzers (Schritt 420) und wählt den ähnlichsten Dialog aus und bestimmt einen Sprachakt oder eine -intention des Systems für eine Systemantwort (Schritt 430). Die Intentionsinhaltbestimmungseinheit 133-5 erzeugt Anfrageinformation zum Ergänzen des Inhaltsteils der gewählten Intentionsart (Schritt 440) und ergänzt die Information zu Sprachakten und -intentionen des Systems unter Verwendung der Suchergebnisse vom Informationsextraktor 170 (Schritt 450). Der Dialogfall weist ein Format auf, in dem die Benutzerintentionen und die Systemintentionen einander entsprechen und die Dialogfalldatenbank speichert eine Anzahl an Dialogfällen.
Die vorliegende Erfindung kann auf einem Aufzeichnungsmedium mit einem Kode implementiert sein, der von einem Computer lesbar ist. Das Aufzeichnungsmedium, das von einem Computer gelesen werden kann, kann jegliche Art von Aufzeichnungsvorrichtungen beinhalten, in denen Daten, die für einen Computer lesbar sind, gespeichert werden. Beispiele des Aufzeichnungsmediums beinhalten ROM, RAM, CD-ROM, Magnetband, Festplatte, Floppy-Disks, Flash-Speicher, optische Datenspeichereinrichtungen und sogar Trägerwellen, zum Beispiel Übertragung über das Internet. Darüber hinaus kann das Aufzeichnungsmedium über Computersysteme verteilt sein, die durch ein Netzwerk miteinander verbunden sind, und die vorliegende Erfindung kann als Kode in dem verteilten System gespeichert und implementiert sein.
Wie oben beschrieben, kann gemäß der vorliegenden Erfindung von einem Benutzer angeforderte Information in Echtzeit erfasst werden und durch eine Sprachschnittstelle mit vielseitigen und vertrauten Dialogen bereitgestellt werden, die auf den Neigungen des Benutzers basieren. Das heißt, da die Aufzeichnungen von Dialogen mit einem Benutzer gespeichert sind und eine angemessene Antwort auf eine Anfrage bereitgestellt wird, ist es möglich, das Interesse des Benutzers zu erhalten, ohne ähnliche Dialoge zu wiederholen. Da ferner eine Wissensdatenbank in Echtzeit aufgebaut werden kann, kann Information fortgeschrieben und in Echtzeit bereitgestellt werden.
Während die vorliegende Erfindung insbesondere mit Bezug zu bevorzugten Ausführungsformen gezeigt und beschrieben wurde, versteht es sich für die Fachleute, dass verschiedene Änderungen in Form und Details hierzu vorgenommen werden können, ohne den Rahmen der vorliegenden Erfindung zu verlassen, wie er in den beigefügten Ansprüchen definiert ist.

Claims

System zur Bereitstellung von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge umfassend: eine Spracherkennungseinrichtung (110), die so ausgebildet ist, dass sie Sprachsignale in Sätze umwandelt, einen Satzanalysator (120), der so ausgebildet ist, dass er die Sätze in ihren Bedeutungsstrukturen analysiert, einen Dialogmanager (130), der so ausgebildet ist, dass er Information zu Sprachakten oder -intentionen des Benutzers aus den Bedeutungsstrukturen extrahiert und Information zu Sprachakten oder -intentionen des Systems für eine Antwort auf die extrahierte Information zu den Sprachakten oder -intentionen des Benutzers erzeugt, einen Informationsextraktor (140) zum Extrahieren von Information unter Verwendung einer Frageninformation als Schlüsselwörter und einer Benutzermodellierungseinheit (150) zum Analysieren der Neigungen des Benutzers aus den Benutzerdialogen, einen Satzgenerator (160), der so ausgebildet ist, dass er Sätze basierend auf der Information zu Sprachakten oder -intentionen des Systems für die Antwort auf die Sprachsignale erzeugt, und eine Sprachsyntheseeinrichtung (171), die so ausgebildet ist, dass sie die erzeugten Sätze in Sprache synthetisiert, gekennzeichnet durch: eine Wissensdatenbank (145), die so ausgebildet ist, dass sie Aufzeichnungen von Dialogen zwischen dem Benutzer und dem System in Form von Information von der Benutzermodellierungseinheit (150) speichert, die bei einer Verarbeitung durch den Dialogmanager ermittelt ist, wobei die Information Information zu den Sprachakten oder -intentionen des Benutzers, die aus den Bedeutungsstrukturen extrahiert ist, und Information zu den Sprachakten oder -intentionen des Systems ist.
System nach Anspruch 1, wobei der Satzanalysator (120) einen morphologischen Analysator (121) zum Trennen der Sätze in ihre Morpheme und Identifizieren der abgetrennten Morpheme und einen Syntaxanalysator (123) zum Analysieren von Satzstrukturelementen basierend auf der Beziehung zwischen den Morphemen aufweist.
System nach Anspruch 1 oder 2, wobei der Satzanalysator (120) ferner einen Semantikanalysator (125) zum Umwandeln der von den Sprachsignalen umgewandelten Sätze in Bedeutungsstrukturen aufweist.
System nach Anspruch 1, 2 oder 3, wobei der Dialogmanager (130) einen Intentionsanalysator (131) zum Bestimmen von Sprachakten oder -intentionen des Benutzers aus den Bedeutungsstrukturen und einen Intentionsgenerator (133) zum Erzeugen von Sprachakten oder -intentionen des Systems für eine Antwort auf die Sprachakte oder -intentionen des Benutzers aufweist.
System nach einem der vorhergehenden Ansprüche, ferner umfassend einen Fragengenerator zur Erzeugen von Frageninformation basierend auf Information zu den Sprachakten oder -intentionen des Benutzers.
System nach einem der vorhergehenden Ansprüche, wobei der Satzgenerator einen Satzstrukturgenerator zum Empfangen der Information zu den Sprachakten oder -intentionen des Systems und Erzeugen von Satzstrukturen und einen Morphemgenerator zum Empfangen der Satzstrukturen und Erzeugen von Morphemen aufweist.
Verfahren zum Bereitstellen von Information unter Verwendung einer Schnittstelle für gesprochene Dialoge umfassend die Schritte: (a) Umwandeln (210) von Sprachsignalen in Sätze, (b) Analysieren (220) der Sätze in ihren Bedeutungsstrukturen, (c) Extrahieren (230) von Information zu Sprachakten oder -intentionen des Benutzers aus den Bedeutungsstrukturen und Erzeugen (240) von Information zu Sprachakten oder -intentionen des Systems für eine Antwort auf die extrahierte Information zu den Sprachakten oder -intentionen des Benutzers, (d) Erzeugen (250) von Sätzen basierend auf der Information zu den Sprachakten oder -intentionen des Systems für die Antwort auf die Sprachsignale, und (e) Synthetisieren (260) der erzeugten Sätze in Sprache, dadurch gekennzeichnet, dass der Schritt (c) umfasst: Speichern von Aufzeichnungen von Dialogen zwischen dem Benutzer und der Schnittstelle in Form von Information zu den Sprachakten oder -intentionen des Benutzers, die aus Bedeutungsstrukturen in eine Wissensdatenbank (145) extrahiert sind, und dass Schritt (c) zum Extrahieren von Information die Information zu den Sprachakten oder -intentionen und Neigungen des Benutzers verwendet, die in der Wissensdatenbank (145) gespeichert ist.
Verfahren nach Anspruch 7, wobei Schritt (b) umfasst: (b1) Trennen der Sätze in ihre Morpheme und Identifizieren der abgetrennten Morpheme und (b2) Analysieren von Strukturelementen eines Satzes basierend auf der Beziehung zwischen den Morphemen.
Verfahren nach Anspruch 7 oder 8, wobei Schritt (c) umfasst: (c1) Bestimmen von den Sprachakten oder -intentionen eines Benutzers aus den Bedeutungsstrukturen, (c2) Durchsuchen einer Dialogfalldatenbank basierend auf Information zu Sprachakten oder -intentionen des Benutzers, (c3) Errechnen von Ähnlichkeiten der erfassten Dialogfälle unter Verwendung von Information zu den Sprachakten oder -intentionen des Benutzers und Information zu den Neigungen des Benutzers, (c4) Auswählen des ähnlichsten Dialogfalls unter Verwendung von Information zu den Ähnlichkeiten und Bestimmen der Sprachakte oder -intentionen des Systems für eine Systemantwort, (c5) Erzeugen von Frageninformation für eine Antwort, und (c6) Empfangen von Suchergebnissen, die durch die Frageninformation ermittelt sind, und Fertigstellen der Sprachakte oder -intentionen des Systems.
Verfahren nach einem der Ansprüche 7 bis 9, wobei Schritt (b) ein Umwandeln der aus den Sprachsignalen umgewandelten Sätze in Bedeutungsstrukturen beinhaltet.
Verfahren nach einem der Ansprüche 7 bis 10, wobei Schritt (d) ein (d1) Erzeugen von Satzstrukturen basierend auf der Information zu den Sprachakten oder -intentionen des Systems und ein (d2) Erzeugen von Morphemen für eine Antwort beinhaltet.
Computerlesbares Aufzeichnungsmedium, das ein Programm für einen Computer zum Implementieren des in einem der Ansprüche 7 bis 11 beanspruchten Verfahrens speichert.