JP2000250591A - テレビ番組自動検索システム - Google Patents

Abstract

(57)【要約】 【課題】 利用者の自然言語による通話でテレビ番組が
指定できるようにする。 【解決手段】 利用者から通話リクエストを受けて、第
１出力を出す言語認識装置と、前記第１出力を処理して
単語リストを生成する意味分析装置と、単語リストを複
数の情報片と比較するテキストパターン一致化装置とで
構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、インターラクテイ
ブ型テレビに関し、詳述すれば、利用者がリクエストを
発話することによりテレビチャンネルが選択できるよう
にするテレビ番組自動検索システムに関する。

【０００２】

【従来の技術】インターラクテイブ型テレビでは、視聴
者と視聴者の所有するテレビ受像器とが双方向通話でき
るようになっている。この技術の開発はまだ未熟段階で
はあるが、デジタル技術ではチャンネル帯域を一層効率
的に利用できることから、デジタルテレビが盛んになれ
ばインターラクテイブ型テレビが大いに期待できる。つ
まり、デジタル技術を利用することで、放送局としては
著しく大量の番組を、配給網(例えば、ケーブルや衛星)
の割当て帯域に詰め込むことができる。

【０００３】

【発明が解決しようとする課題】このような新しいイン
ターラクテイブ型デジタルテレビ技術を利用すれば視聴
者ばかりではなくて、放送局も多大な恩恵にあずかるこ
とができるが、斯かる技術には問題はないとは言えな
い。同時に視聴できるチャンネルが２００か、それ以上
もあれば、視聴者のみならず、放送局としても当惑せざ
るを得なくなるのは明らかである。従来の電子式スクリ
ーン上番組案内では、視聴者が見たい番組を見つけるに
は適当なものとは言えないようである。インターラクテ
イブ型デジタルテレビでは、視聴者がデジタルテレビの
リソースを大いに利用できるようになれば、高度な対話
システムが必要になる。

【０００４】本発明は、利用者が自然言語で語りかける
ことにより所望の番組内容を指定することのできる発話
型インターラクテイブシステムを提供するのを目的とし
ている。このシステムでは、利用者の発話からキーワー
ドと意味論的内容とを抽出するが、それでも意味が明確
でない場合ではその利用者に対して情報を追加するよう
に促すようになっている。

【０００５】その後、システムは複数チャンネルにおけ
るクローズドキャプション情報を同時にモニターして、
利用者のリクエストに一致する情報を放送しているチャ
ンネルへアクティブなチャンネルチューナ又は補助チュ
ーナを切り換えるようになっている。このようなモニタ
ーしてもクローズドキャプションが見つからない場合で
は、システムは代替策として、モニターしているチャン
ネルのオーディオ信号上の音声認識を行う。チャンネル
がこのように切り換えられると、チャンネル上の番組が
全画面モード、又は、分割画面モード、或いは、P-in-P
(画面中の小画面)モードで表示されるか、又は、後での
視聴に備えて記録される。

【０００６】音声認識システムは、番組内容を説明する
音声と、システムに対するメタ命令(meta-command)とを
弁別する意味分析器を利用して作用する。システムは、
入力発話の意味のみならず、そのキーワードやフレーズ
を抽出することで、発話された単語がクローズドキャプ
ションのテキスト内容と全く同じでなくても一致する内
容を見つけることができる。

【０００７】

【発明の実施の形態】以後、添付図面を参照しながら本
発明の好ましい実施の形態を詳述する。先ず図１におい
て、本発明によるインターラクテイブ型番組検索システ
ムは、テレビ受像器１０又は据置き型筐体(set top bo
x)１２に組み込まれるようになっている。何れにして
も、本発明のシステムは、現に視聴されていないチャン
ネルを一つか、それ以上モニターして、利用者が以前に
発話したリクエストに一致する、クローズドキャプショ
ンのテキストないし音声チャンネルの音声を検出する。

【０００８】図１には、アクティブなチューナ１４や複
数の補助チューナ１６を含めて、沢山のチューナを図示
してある。図示の実施の形態では、補助チューナとして
はｎ個(但し、ｎは０以外の整数)あるものと想定してい
る。しかし、簡単な実施の形態では補助チューナを一個
利用するだけでもよい。

【０００９】アクティブなチャンネルチューナ１４は利
用者が設定したチャンネルに同調されており、従って利
用者がテレビ受像器１０で現に視聴しているチャンネル
に設定されている(従って、このアクティブなチューナ
を、以後「使用チューナ」と称する)。所望によっては、
一個かそれ以上の補助チューナでテレビ受像器１０に番
組内容が同時に表示されていてもよい。図１では、補助
チューナｎが使用チューナ１４と同時にテレビ受像器１
０へ番組内容を供給すべく接続されているものとして示
してある。

【００１０】現在のチューナ技術を用いて使用チューナ
１４と補助チューナ１６とが、ＲＦ信号を帯域フィルタ
ーに通してそれぞれに対応する周波数帯を選択すること
により、所望のチャンネルを選択する。本発明はこの種
のチューナを利用しても実現できるが、その他のデジタ
ル式「チャンネル」選択方式を想定しており、この選択方
式により、デジタルドメインにおけるビデオデータ列(s
tream)から所望の番組内容を抽出している。本発明を実
現するためには、チャンネル選択の態様はテレビ信号が
符号化されて放送される態様に応じて変わる。

【００１１】番組を放送するのに使われる信号の形式が
どのようなものであっても、各補助チューナ１６は異な
った番組チャンネルをモニターするように設定されてい
るから、クローズドキャプションテキスト情報と音声信
号とがシステムによりモニターされることになる。利用
者は、スクリーン上選択メニューか、又は、発話メタ命
令の何れかを利用してモニターすべきチャンネルを選択
する。

【００１２】システムには音声認識装置１８が備わって
いて、利用者は適当なマイク２０を介してこの音声認識
装置１８と通話することができる。マイク２０として
は、テレビ受像器又は据置き型筐体に組み込んであって
もよいが、本実施の形態では、手許操作型リモコン装置
２２に組み込んで、例えば赤外線ないし接続線の如くの
適当なリンク網を介してテレビ受像機ないし据置き型筐
体と通話できるようにしている。

【００１３】音声認識装置１８は発話を、システムが認
識する可能性の最も大きい候補単語ないし候補フレーズ
(又は、候補文字)に対応するテキストに変換する。本実
施の形態では、音声認識装置１８から、利用者の各発話
内容につき、Ｎ個の最良の候補文を出力するようになっ
ている。認識装置は各文に対して、当該文が発話内容に
対応している可能性を表す確実度(probability score)
を生成する。最上のＮ個の候補が選ばれて、単語選択器
・意味分析器ブロック２６に供給されて処理される。

【００１４】単語選択器・意味分析器ブロック２６は幾
つかの機能を実行する。第１に、ブロック２６は、Ｎ個
の最良認識候補の中でどの候補が利用者が実際に意図し
たものかを解く。第２に、ブロック２６は、利用者の全
ての発話の意味論的内容を分析して、個々の単語からで
は集めることのできない利用者のリクエストについての
追加情報を判定する。第３に、意味分析器は、利用者の
入力を分析して、認識エラーを解消すると共に、利用者
からの発話入力が番組内容を説明したものか、或いは、
システムに動作を行わせる指示を意図したメタ命令かど
うかを判定する。

【００１５】単語選択器・意味分析器は、Ｎ個の最良候
補から正しい候補を選択するに当たり、また、意味論的
分析を行うに当たり、ローカル兼グローバル解析器(com
bined local parser and global parser)を利用する。
この解析器の構成部品については後述する。単語選択器
・意味分析器は、利用者に対して番組内容か、又は、メ
タ命令を特定する追加情報を出すように促すことで矛盾
を解消するダイアログマネジャー２８と協働する。

【００１６】ダイアログマネジャー２８は、利用者に対
して情報の追加を促すに当たってテキストか、又は、音
声でそれを行う。テキストによる催促は、ビデオ信号に
適宜詰め込んでスクリーン上に表示する英数文字テキス
トとして生成される。音声による催促は、ダイアログマ
ネジャーに内蔵の音声合成器から供給されるもので、テ
レビ受像器のスピーカから伝わるように音声信号列に詰
め込んでもよい。

【００１７】所望によっては、単語履歴データ貯蔵装置
３０を利用して、以前に解した単語上の矛盾の記録を保
存するようにしてもよい。このように保存することで、
システムが利用者の視聴癖を「学習」することになって、
後で単語認識上に矛盾が発生した場合に単語選択器がそ
れを速やかに解することができる利点がある。

【００１８】単語選択器・意味分析器は、チャンネル選
択についての利用者のリクエストに隠されている意味を
抽出するように構成されていて、該当する同義語を自動
的に選択してテキスト一致処理を向上させている。従っ
て、単語選択器・意味分析器が利用者はフットボールを
観戦したがっていると判断すれば、例えば「タッチダウ
ン」や「キックオフ」、「ＮＦＬ」、「スーパーボウル」など
の如くの同義語や関連語を単語選択器の同義語データベ
ース３２から抽出する。

【００１９】このように抽出した単語は、利用者が最初
に発話した単語と共に、テキスト一致処理器３６のダイ
ナミック辞書として利用される単語リストバッファー３
４に送られる。テキスト一致処理器３６は補助チューナ
１６から、クローズドキャプションテキストデータと音
声データの何れか一方、又は両方のデータ列が生放送さ
れてそれぞれのチューナにより選択されることから、当
該情報を受信する。音声データが補助チューナから供給
されたのであれば、テキスト一致処理器３６は音声認識
装置１８の作用を利用して、音声信号列をテキストデー
タに変換する。

【００２０】テキスト一致処理器３６は、補助チューナ
１６から入力した各テキスト列を単語リストバッファー
３４に含まれている単語と比較する。比較の結果一致が
検出されると、処理器３６はチャンネル切換器３８に信
号を送って、該チャンネル切換器をして、利用者が設定
したモードに応じて異なった作用を実行させる。

【００２１】第１モードでは、使用チャンネルチューナ
１４にチャンネル切換器３８から命令が送られ、それに
より使用チャンネルチューナ１４が、単語の一致が検出
されたチャンネルに直ちに切り替わる。従って、利用者
は、以前にリクエストした内容が含まれているチャンネ
ルに直ちに切り換えられることになる。

【００２２】第２モードでは、チャンネル切換器３８が
何れかの補助チューナ(例えばチューナｎ)を、単語一致
を実行するチャンネルに切り換える。このモードにあっ
ては、視聴者は使用チャンネルを視聴し続けているが、
同時に、検出した他のチャンネルがP-in-P画面又は分割
画面に表示される。

【００２３】第３モードでは、チャンネル切換器３８
が、例えばＤＶＤ記録装置の如くの記録装置４０を起動
して、単語一致に起動されたチューナ上の番組を記録す
る。このモードにあっても視聴者は使用チャンネルを視
聴し続けているが、同時に、他の選択したチャンネルが
記録されているので、当該他のチャンネルを後で視聴す
ることができる。

【００２４】本発明の単語認識システムの心臓部である
音声認識装置は、好ましくは番組内容を説明するのに最
もよく使われる単語の文字テンプレートと、話者とは独
立した単語とを表す一群のスピーチモデル２４が備わっ
ているのが望ましい。しかし、システムに余分の融通を
もたせるためにも、モデル訓練処理器４２を設けて、個
々の利用者がスピーチモデル辞書に単語を追加できるよ
うにするのが望ましい。この場合、モデル訓練処理器４
２には、二つの情報が入力されるようになっている。即
ち、（ａ）利用者が辞書に追加したがっている新単語に
対応する音声情報と、(ｂ)この新単語の綴りを表すテキ
スト情報とが入力される。

【００２５】音声情報は、音声情報が認識装置１８に供
給されるのと同じ方法でマイク２０を介して入力され
る。他方、テキスト情報は、キーボード４４かその他の
適当なテキスト入力装置、例えばリモコン装置２２のキ
ーパッド釦を利用したスクリーン上テキスト入力システ
ムなどを介して入力されるようにしてもよい。

【００２６】このテキスト情報を入力させる別の手段と
しては、音声認識装置１８を利用してもよい。この場
合、話者はマイク２０に向かって新単語を吹き込むと共
に、その綴りをも吹き込むことになる。すると、音声認
識装置１８は、マイクに吹き込まれた綴りに該当するス
ピーチモデルを利用して、入力単語を解釈すると共に、
その単語を、単語そのものを表している発話との相関を
取る。その後、モデル訓練処理器４２が、最初に供給さ
れたスピーチモデルのもとになったのと同一モデルパラ
メータを利用してスピーチモデルを構成する。

【００２７】単語選択器・意味分析器２６は、利用者に
よる自然言語での入力が自然なもの(sense)となるよう
にする重要な機能を行う。単語選択器・意味分析器のこ
のような機能は、音声認識したテキスト列でキーワード
を一つずつ見つけていくのと比べて一層複雑である。分
析器は重要なキーワードを抽出するばかりではなくて、
これらの単語の文脈も抽出するから、発話による入力の
意味論的内容ないし意味が判断できるのである。この単
語選択器・意味分析器には、そのために二重解析システ
ムが用いられており、その構成を図２に概略的に示す。

【００２８】図２において、分析器は、タスクによる複
数のフレームないしテンプレートが記憶されているフレ
ームデータ記憶装置５０を保持している。これらのテン
プレートのデータ構造を５２を以て概略的に示す。各フ
レームは複数のスロット５４からなり、各スロット５４
には、単語選択器・意味分析器が動作するに伴って抽出
したキーワードが置かれる。

【００２９】ローカル解析器５６は、ＬＲ文法５８に基
づいて、音声認識装置１８(図１)から送られたテキスト
列６０を解析する。ＬＲ文法により、ローカル解析器
が、単語リストバッファー３４(図１)を充実化する単語
を選択するのに使われる重要キーワードを含むテキスト
列における断片文章(sentence fragments)を検出してラ
ベル付けすることができる。例えば、ローカル解析器５
６には、「今晩はフットボール試合を見たい」なる文章か
らキーワードとなる「フットボール」を抽出するためにＬ
Ｒ文法が含まれている。

【００３０】このＬＲ文法を用いて、ローカル解析器
は、上記文章の構文を調べることで当該文章を解読し
て、当該文章の目標(object)が「フットボール試合」であ
ると判断すると共に、利用者は時間フレームパラメータ
として「今晩」を指定していると判断する。

【００３１】その後、ローカル解析器５６は、キーワー
ドタグ６２のデータ記憶装置にアクセスして、キーワー
ドとフレーズとから意味を抽出する。キーワードタグデ
ータ記憶装置としては、各フレーズないし単語毎にフレ
ームタグとスロットタグ識別子を与えるように構成され
ていてもよい。「フットボール」なるキーワードには、
「スポーツ」のフレームタグと「スポーツ種類」のスロット
タグがついている。これらのキーワードタグがあるか
ら、ローカル解析器が、データ記憶装置５２内のどのフ
レームを利用すべきか、また、識別したフレーズないし
キーワードをどのスロット５４に割り当てるべきかを判
断することができるのである。

【００３２】フレームデータ記憶装置５０内の各フレー
ムは目的指向されている(goal-oriented)。即ち、各フ
レームは異なったメディア内容選択タスクないしシステ
ム動作タスクに対応している。タスクの範囲は利用者の
所望に従って変えることができる。消費者向けに適した
典型的な実施の形態では、得られる各システム動作命令
及び種々の典型的な番組内容リクエストに対応する予め
定義付けしたフレーム群がシステムに備わっている。従
って、利用者としては、例えば使用チャンネルチューナ
を介して識別した番組を表示する代わりに当該番組を記
録するようにシステムに指示するとか、システムに対し
てシステム命令を実行するように通話することができる
のである。例えば利用者の命令が「明日の晩は『セイン
フェルド』の再放送を記録したい」であれば、システム
が記録モードに設定される。又、この命令はローカル解
析器で解析されて、利用者が番組内容として「セインフ
ェルド」の再放送をリクエストしたものと識別される。

【００３３】同様に、利用者が「『セインフェルド』の
再放送を今見たい」と言えば、システムは直ちに「セイン
フェルド」の放送を行っているチャンネルに切り換える
ことになる。

【００３４】場合によっては、ローカル解析器のＬＲ文
法では利用者からの入力を矛盾なく解釈することができ
ないようなことがある。これは、文脈から逸れて幾つか
の意味を帯びた断片文章をローカル解析器が識別する場
合に発生する。例えば、「『セインフェルド』を見たい
し、それを記録したい(I want to watch Seinfeld and
record it)」との通話が入力された場合、ローカル解析
器は、利用者がリクエストした番組は（ａ）「セインフ
ェルド(Seinfeld)」か、(ｂ)「セインフェルドとそれを記
録(Seinfeld And Record It)」との何れかであると、ど
ちらも等しく判断してしまう。

【００３５】前述のような矛盾を解消するには、もう一
つの解析器、即ち、グローバル解析器７０をシステムに
設ければよい。このグローバル解析器７０も、ローカル
解析器から入力を受けるばかりではなくて、テキスト列
をモニターする。グローバル解析器７０には、前例の如
くの矛盾を解消するのに利用する複数の決定ツリー７２
が備わっている。

【００３６】詳述すれば、グローバル解析器７０には、
各意味毎に一つの決定ツリー７２が備わっているのであ
る。各決定ツリーは、出された意味における矛盾点を解
消する役目をになっている。各決定ツリーは二値化ツリ
ー構造であって、根ノードと中間ノードに、イエスかノ
ーで答えられるような質問が含まれている。与えられた
質問に答えることで、次の下位ノードへと、応答がイエ
スかノーかに応じて左方か、右方へ分岐する。最終ノー
ドないし葉ノードには、表現された意味の判定が含まれ
ている。システムはこの判定情報を利用して、フレーム
データ記憶装置５０から適切なフレームを選択するに当
たり、また、キーワードと適切なスロットに割り当てる
に当たって矛盾を解消するのである。

【００３７】ローカル解析器とグローバル解析器とによ
りフレームデータ記憶装置が埋め尽くされると(populat
ed)、単語選択モジュール７４がデータ記憶装置５０に
アクセスして、単語リストバッファー３４に送るキーワ
ードの該当するリストを得る。この選択モジュールは、
電子シーソラス７６の作用を利用して同義語ないし付加
的単語を生成することで、単語リストバッファーに供給
するキーワードリストを充実化するようにしてもよい。

【００３８】単語リスト選択モジュールは、例えばフレ
ームデータ記憶装置５０から「フットボール」なる単語を
抽出して、シーソラス７６から「タッチダウン」とか、
「グリーンベイパッカーズ」、「ＮＦＬ」とかの付加的単語
を得ている。この点に関する限り、選択される付加的単
語は、辞書の意味で(in the dictionary sense)必ずし
も同義語をなすものでなくてもよい。むしろ、付加的単
語は、利用者指定キーワードの主題に関わる自然言語で
の発話に屡々見られる付加的単語ないし関連単語をなし
ていてもよい。

【００３９】

【発明の効果】ここまでの説明から、本発明の自動検索
機構で、沢山の情報チャンネルにアクセスできるテレビ
システムにおいてテレビ番組を指定するのが容易になる
のは明らかである。

【図面の簡単な説明】

【図１】 本発明の好ましい実施の形態のブロック図。

【図２】 本発明の好ましい実施の形態における単語選
択器・意味解析器装置でのデータの流れを示す説明図。

【符号の説明】

１０ テレビ受像器 １２ 据置き型
筐体 １４ 使用チャンネルチューナ １６ 補助チュ
ーナ １８ 言語認識装置 ２０ マイク ２２ リモコン装置 ２４ スピーチ
モジュール ２６ 単語選択器・意味分析器 ２８ ダイアロ
グマネジャー ３０ 単語履歴データ記憶装置 ３２ 同義語デ
ータベース ３４ 単語リストバッファー ３６ テキスト
一致処理器 ３８ チャンネル切換器 ４０ 記録装置 ４２ モデル訓練処理器 ５０ フレーム
データ記憶装置 ５６ ローカル解析器 ５８ ＬＲ文法 ６０ テキスト列 ６２ キーワー
ドタグ ７０ グローバル解析器 ７２ 決定ツリ
ー ７４ 単語選択モジュール ７６ シーソラ
ス

Claims (9)

【特許請求の範囲】
1. 【請求項１】 遠隔通信施設から複数の情報片を有する
   入力信号を受けて、表示装置に情報を表示するシステム
   であって、 利用者から通話リクエストを受けて、第１出力を出す言
   語認識装置と、 前記第１出力を処理して単語リストを生成する意味分析
   装置と、 単語リストを複数の情報片と比較するテキストパターン
   一致化装置とからなるシステム。
2. 【請求項２】 請求項１に記載のものであって、複数の
   デジタルチューナを設けて、入力信号を情報片に解析す
   ることよりなるシステム。
3. 【請求項３】 請求項２に記載のものであって、前記言
   語認識装置は複数のスピーチモデルを有しており、各ス
   ピーチモデルはサブ単語ユニットないし文字テンプレー
   トを表していることよりなるシステム。
4. 【請求項４】 請求項３に記載のものであって、意味分
   析器には、同義語、つづられた単語、システム命令の内
   の少なくとも一つを認識する自然言語分析器を備えてな
   るシステム。
5. 【請求項５】 請求項４に記載のものであって、前記言
   語認識装置は、複数の考えられるリクエストを提供し、
   単語選択器が単語リストにおけるどのリクエストを検索
   に使用するかを判定することよりなるシステム。
6. 【請求項６】 請求項５に記載のものであって、意味分
   析器には、履歴情報ないし過去の検索が記憶されている
   と共に、単語リストからどの単語を検索すべきかを判断
   するに当たって履歴情報を利用することよりなるシステ
   ム。
7. 【請求項７】 請求項５に記載のものであって、単語選
   択器・意味分析器にローカル解析器とグローバル解析器
   が含まれていなるシステム。
8. 【請求項８】 請求項５に記載のものであって、単語選
   択・意味分析器がテキスト一致化装置に検索用語の同義
   語を供給することよりなるシステム。
9. 【請求項９】 請求項５に記載のものであって、テキス
   ト一致化装置が、単語リストを複数のチューナからのデ
   ータと比較することよりなるシステム。