JP2006106962A - インタラクション制御システムおよび端末装置並びにインタラクション制御方法 - Google Patents

Abstract

【課題】パーソナライズサービスを行う上で必要な情報を獲得することできるインタラクション制御システムおよび端末装置並びにインタラクション制御方法を提供することを目的とする。
【解決手段】端末装置に、獲得するユーザ情報を設定するユーザ情報設定手段と、シチュエーションに基づいて抽出されたユーザの興味の対象を示すトピックから、ユーザ情報までを関連するキーワードを経由して遷移させるルートを作成するルート作成手段と、作成されたルートに基づいて、キーワードに関する質問を決定し、質問を行う質問実行手段と、質問に対する応答を分析し、ユーザ情報を獲得する応答分析手段を備えることにより達成される。
【選択図】図２

Description

本発明は、対話を通じてユーザ情報を獲得するマン・マシン・インタラクションを行うインタラクション制御システムおよび端末装置並びにインタラクション制御方法に関する。

ユーザに適した情報やサービスを提供するパーソナライズサービスを実現するためには、ユーザのシチュエーション（状況）や好み、属性（プロフィール）を獲得することが必要である。

例えば、ユーザに意識させることなく、履歴情報から自動的にユーザのシチュエーションや好み、属性を獲得する方法は、ユーザにとっては負担のない方法であるが、この方法により獲得された情報にはユーザの主観的な判断が入らない。このため、履歴情報から自動的に獲得される情報は、ユーザの真意までを反映したものではない可能性がある。また、プロフィールなどは履歴情報から獲得できるものではない。

ここでは、ユーザの明示的な情報の入力により獲得できる情報を対象とする。

明示的な情報の入力によりユーザの好みや属性を獲得する手段としては、アンケートやユーザ登録などの方法が一般的である。また、自動的に獲得した情報が正しいか否かをユーザに確認し、ユーザの判断に基づいて情報を確立する方法も多い。これらのユーザの関与を必要とする方法では、ユーザの負担を軽減し、より多くの情報を獲得する機会を増やすことが重要である。

また、ユーザのインタラクションへの負担を軽減する方法としては、物理的（身体的）負担を軽減する方法と、心理的負担を軽減する方法とがある。

物理的（身体的）負担を軽減する方法とは、ユーザの手間を少なくする方法である。この方法には、入力のために必要とされる打鍵数を減少させる方法を採るものが多い。例えば、予測変換（例えば、非特許文献１参照）や、入力候補を提示してユーザに選択させ、時間短縮を行う方法が採られる。また、音声入力などの方法により、ユーザが人同士でコミュニケーションをとる手段と同様の方法を導入しているものも多い。

一方、心理的負担を軽減する方法では、適切なタイミングで、適切な内容について、適切な表現で尋ねるようにすることが必要である。

人間同士のインタラクションにおいても、インタラクション相手の状況を見極め、開始することが大切である。ユーザが入力困難な状況や、入力に対して心理的に余裕がない状況で余計なタスクを課した場合、必要とする情報の入力が望めないばかりか、入力を求めること自体に嫌悪感を抱かれ、その後の問い合わせに対して一切入力が行われないことがある。このため、例えば、環境側とデバイスに設置されたセンサにより、ユーザの状況を推定する。この場合、インタラクションを開始するタイミングとしては、センサにより測定された値の変化をトリガーとする。

Ｐｕｓｈ型の情報提示のタイミング制御に関する研究には位置情報を利用したものが多い。位置情報のレベルには様々なものがあるが、例えばユーザがある部屋に入室したことを検知し、その部屋に関する情報をメールで送信する。また、ユーザの顔の方向を追跡し、一定期間同一の場所をユーザが見ていると判断した場合、その同一の場所の展示に関する情報を携帯端末に表示する（例えば、非特許文献２参照）。

また、ユーザのタスク実行状態を考慮し、周辺情報の提示タイミングを制御する研究もされている。この研究では、文書編集タスクを想定し、時間当たりのキーボードの打鍵数からユーザのタスク実行状態を判定し、打鍵数が少ない場合に情報を提示する（例えば、非特許文献３参照）。

情報の内容に関しては、突然全く無関係な事柄に関することを表示されたり、尋ねられたりした場合、ユーザは不快、不審に思うばかりでなく、鬱陶しく感じる。つまり、ユーザの関心が向いている内容や、その場にあった内容を聞くことが必要である。Ｍｉｃｒｏｓｏｆｔ（登録商標）のＯｆｆｉｃｅ（登録商標）のアシスタント機能では、ユーザの機能利用、操作履歴からユーザに必要なヘルプ（情報）を提示する。

また、メーラやスケジューラと連動した秘書エージェントでは、ユーザが現在入力しているキーワードに関した内容について、それが何であるかをその場で尋ねる。尋ねる内容はタスク、操作など入力内容に直接関連した事柄であるため、ユーザの関心はそれらに向いていると考えられ、心理的負担が少ない。

また、表示に関しては、ユーザのタスクの妨げとならず、かつユーザに分かりやすく、操作をし易いことが必要である。例えば、視線の動きを考慮したボタンの配置、注目されやすい表示サイズおよび配色など人間工学的なユーザビリティに基づいてインタフェースを設計するアプローチがある（例えば、非特許文献４参照）。
増井俊之、"ペンを用いた高速文章入力手法，田中二郎（編）, インタラクティブシステムとソフトウェアIV: 日本ソフトウェア科学会 WISS'96, pp. 51-60. 近代科学社, December 1996 矢谷、石川他、"Pi_book:博物館における展示支援ツール"、インタラクション 2003；pp。51-52, 2003 石田、倉本、渋谷、辻野：ユーザの状態に応じて提示タイミングを動的に変化させる周辺情報の提示法、HIシンポジウム2003,pp．101-104(2003) Jef Raskin, "The Humane Interface: New Directions for Designing Interactive Systems", Addison-Wesley, 29 March 2000 石崎俊、"言語と記憶のシステムモデル"， Computer Today, Vol. 103, pp. 24-30, 2001.5

しかしながら、上述した背景技術には以下の問題がある。

上述した背景技術では、ユーザのタスクの実行を妨げることなく、ユーザの関心があると考えられる、そのタスクに直接関係する事柄について入力を促すことができる。しかし、パーソナライズサービスを行う上で必要な情報はそのタスクと直接関係する事柄だけではない。したがって、そのタスクと直接関係しない事柄を含むパーソナライズサービスを行う上で必要な情報を、ユーザの心理的な負担を少なく獲得することできない問題がある。

そこで、本発明の目的は、パーソナライズサービスを行う上で必要な情報を獲得することできるインタラクション制御システムおよび端末装置並びにインタラクション制御方法を提供することを目的とする。

上記課題を解決するため、本発明のインタラクション制御システムは、ユーザ情報を獲得するインタラクション制御システムにおいて、シチュエーションの情報を獲得するシチュエーション獲得手段と、前記シチュエーションに基づいて、ユーザの興味の対象を示すトピックを抽出するトピック抽出手段と、インタラクションに対して、ユーザが応答する可能性を示す応答可能性パラメタを算出する応答可能性パラメタ算出手段と、応答可能性パラメタに基づいて、インタラクションを行うか否かを判定するインタラクション開始判定手段と、獲得するユーザ情報を設定し、トピックから、ユーザ情報までを関連するキーワードを経由して遷移させるルートを作成し、作成されたルートに基づいて、キーワードに関する質問を決定し、質問を行うトピック遷移制御手段と、質問に対する応答を分析し、ユーザ情報を獲得する応答分析手段とを備える。

このように構成することにより、現在のタスクに直接関係のあるトピックから、関連するキーワードを経由することにより、獲得するユーザの情報に関する質問をユーザに対して行うことができる。

また、本発明にかかる端末装置は、ユーザ情報を獲得する端末装置において、獲得するユーザ情報を設定するユーザ情報設定手段と、シチュエーションに基づいて抽出されたユーザの興味の対象を示すトピックから、ユーザ情報までを関連するキーワードを経由して遷移させるルートを作成するルート作成手段と、作成されたルートに基づいて、キーワードに関する質問を決定し、質問を行う質問実行手段と、質問に対する応答を分析し、ユーザ情報を獲得する応答分析手段とを備える。

このように構成することにより、現在のタスクに直接関係のあるトピックから、関連するトピックを経由することにより、獲得するユーザの情報に関する質問をユーザに対して行うことができる。

また、本発明にかかるインタラクション制御方法は、ユーザ情報を獲得するインタラクション制御方法において、シチュエーションに基づいて、ユーザの興味の対象を示すトピックを抽出するステップと、獲得するユーザ情報を設定するステップと、トピックから、獲得するユーザ情報までを、関連するキーワードを経由して遷移させるルートを作成するステップと、作成されたルートに基づいて、キーワードに関する質問を決定するステップと、決定された質問を行うステップと、質問に対する応答を分析し、ユーザ情報を獲得するステップとを有する。

このようにすることにより、現在のタスクに直接関係のあるトピックから、関連するトピックを経由することにより、獲得するユーザの情報に関する質問をユーザに対して行うことができる。

本発明の実施例によれば、パーソナライズサービスを行う上で必要な情報を獲得することできるインタラクション制御システムおよび端末装置並びにインタラクション制御方法を実現できる。

次に、本発明の実施例について図面を参照して説明する。
なお、実施例を説明するための全図において、同一機能を有するものは同一符号を用い、繰り返しの説明は省略する。

本発明の実施例にかかるインタラクション制御システムについて、図１および図２を参照して説明する。

本実施例にかかるインタラクション制御システムは、端末装置１００と、センサ２００とを備える。端末装置１００は、例えばＰＣ、サーバにより構成され、Ｗｅｂブラウザやメーラ、メディアプレイヤ、後述するインタラクション制御装置１１０などを備え、様々なタスク処理を行う。また、センサ２００は、環境側に配置されたセンサにより構成される。また、端末装置１００とセンサ２００とは通信網５０により接続される。また、端末装置１００にセンサを配置してもよい。

インタラクション制御装置１１０は、図２に示すように、シチュエーション獲得部１２０と、シチュエーション獲得部１２０と接続された履歴管理部１４０と、履歴管理部１４０と接続されたトピック抽出部１３０、インタラクション制御部１５０およびトピック遷移制御部１６０と、応答分析部１９０と、応答分析部１９０と接続されたユーザ情報ＤＢ１８０とを備える。

また、シチュエーション獲得部１２０は、環境側やデバイスに備えられたセンサからの情報が入力される状況取得部１２２を備える。また、トピック抽出部１３０は、環境側やデバイスに備えられたセンサからの情報が入力されるテキスト出現頻度算出部１３２およびメタデータ項目重要度算出部１３４とを備える。また、履歴管理部１４０は、状況取得部１２２、テキスト出現頻度算出部１３２およびメタデータ項目重要度算出部１３４と接続されたシチュエーション・トピック保存部１４２と、シチュエーション・トピック保存部１４２と接続された応答可能性パラメタ算出手段としてのユーザ応答履歴パラメタ算出部１４４とを備える。

また、インタラクション制御部１５０は、シチュエーション・トピック保存部１４２と接続されたシチュエーション一致判定部１５２と、シチュエーション一致判定部１５２と接続されたインタラクション開始判定部１５４と、インタラクション開始判定部１５４およびシチュエーション・トピック保存部１４２と接続された関連トピック抽出部１５６とを備える。

また、トピック遷移制御部１６０は、シチュエーション・トピック保存部１４２およびインタラクション開始判定部１５４と接続されたユーザ情報設定手段としての目標設定部１６１と、目標設定部１６１と接続されたルート作成部１６４および獲得項目ＤＢ１６２と、ルート作成部１６４と接続された最適ルート選出部１６８と、獲得項目ＤＢ１６２および最適ルート選出部１６８と接続された質問実行手段としての質問フレーズ決定部１６３とを備える。ルート作成部１６４は、目標設定部１６１と接続されたキーワード抽出手段としての概念トピック抽出部１６５と、概念トピック抽出部１６５と接続された属性データ記憶手段としての概念辞書１６６およびルート検索部１６７とを備える。最適ルート選出部１６８は、ルート検索部１６７と接続されたノード数算出部１６９および重み付け算出部１７０と、ノード数算出部１６９および重み付け算出部１７０と接続されたルート評価算出部１７１と、ルート評価算出部１７１および質問フレーズ決定部１６３と接続された最適ルート決定部１７２とを備える。また、重み付け算出部１７０は、関連トピック抽出部１５６と接続される。

本実施例にかかるインタラクション制御装置１１０は、インタフェースを介してユーザと対話し、対話を通じてユーザ情報を獲得する。この場合、インタラクション制御装置１１０は、ユーザの心理的な負担を少なくして、パーソナライズサービスを行う上で必要な情報を獲得するために、現在のタスクに関係した事柄から獲得したい情報まで、その場にあった話題を経由し、できるだけ少ないインタラクションで獲得したい情報を獲得する。具体的には、インタラクション制御装置１１０は、ユーザ情報を獲得するインタラクションを実現するために、ユーザのシチュエーション（状況）を考慮してインタラクションを開始し、現在のトピックと獲得したい情報との差に関して、ユーザの関心がある事項について質問を行う。

このように、現在のタスクに直接関係のない情報を獲得するために、現在のタスクに直接関係のあるトピックから、以前の類似するシチュエーションで出現したトピックを経由することで、場（シチュエーション）を考慮し、ユーザの関心とも離れない内容をユーザに尋ねることができる。

状況取得部１２２は、ユーザが現在おかれているシチュエーションの情報を獲得する。具体的には、センサ２００を用いて、シチュエーションの情報を獲得する。また、端末装置１００にセンサを備え、そのセンサからシチュエーションの情報を獲得するようにしてもよい。また、状況取得部１２２は、獲得したシチュエーションの情報をシチュエーション・トピック保存部１４２に記憶する。シチュエーションの情報は、例えば、場所、時間、利用アプリケーション、周辺物・対象および曜日の５つの項目（パラメタ）で構成される。

各項目の獲得方法、獲得されるシチュエーションの情報の具体的内容について説明する。

場所の情報については、場所のＩＤを有するタグが環境、例えば部屋に配置され、リーダにより構成されたセンサ２００がそれらのタグの情報を読み取ることにより獲得する。この場合、場所を示す情報のレベルとしては、リビング、台所、会議室、電車などが挙げられる。また、情報のレベルは、狭い範囲として室内に配置された椅子のうち座った椅子の情報、広い範囲として市町村などの地域情報としてもよい。また、ＧＰＳ(Global positioning system)により検知される位置情報としてもよい。

時間の情報については、システムに内蔵された時計による時刻情報とする。また、例えば、所定の時間間隔、例えば２時間程度の単位で分割し、意味付けを行い、分割した時間範囲に対応する意味情報を時間情報として獲得するようにしてもよい。この場合、例えば、早朝を４：００〜６：００、朝を６：００〜８：００、午前を８：００〜１２：００、昼を１２：００〜１３：００、午後を１３：００〜１６：００、夕刻を１６：００〜１８：００、夜を１８：００〜２３：００、深夜を２３：００〜４：００と意味付けを行い、時間情報に対応する意味情報を獲得する。また、午前、午後に分割し時間情報を獲得するようにしてもよいし、曜日＋時刻の情報を時間情報として獲得するようにしてもよい。

利用アプリケーションの情報については、端末において起動されているアプリケーションのＩＤにより獲得する。例えば、メーラ、ブラウザ、スケジューラ、メディアプレイヤ等のアプリケーションの情報を獲得する。

周辺物・対象の情報については、周辺に配置されている物に、その物の情報を有するタグが埋め込まれており、リーダにより構成されたセンサ２００がタグの情報を読み取ることにより獲得する。また、対象、例えば周辺にいる人については、アドレス帳に名前がある人が周囲に存在するか否かの情報を獲得する。具体的には、各ユーザが持つ端末装置１００にＩＤ情報を有するタグが搭載されており、リーダにより構成されるセンサがそれらのタグの情報を読み取ることにより獲得する。また、メールに関しては、送信相手、受信相手についての情報を獲得する。

曜日の情報については、端末装置１００に内蔵されたカレンダより取得する。

上述したシチュエーションの情報は、シチュエーションが変化した場合に獲得される。例えば、シチュエーションの情報を構成する項目のうち、１項目でも変化した場合に再獲得するようにしてもよいし、予めシチュエーションを再獲得するトリガーとなる項目数を決めておき、その項目数を超えてシチュエーションが変化した場合に再獲得するようにしてもよい。また、予めシチュエーションを獲得する周期を決めておき、その周期に応じて獲得するようにしてもよい。

テキスト出現頻度算出部１３２は、ユーザが利用しているアプリケーションのコンテンツ、例えばＷｅｂブラウジングの場合であればＷｅｂページ、メールの場合であればメール文から、処理を行っているタスクに関係があると考えられるテキストを抽出し、その出現頻度を算出し、その頻度の高い方から所定順位のテキストをトピックＴｏｐｉｃＮとして出力する。また、テキスト出現頻度算出部１３２は、トピックＴｏｐｉｃＮをシチュエーション・トピック保存部１４２に記憶する。

例えば、テキスト出現頻度算出部１３２は、センサ２００から送信されたＷｅｂページやメールの情報を参照し、本文に含まれるテキストから、文字列、例えば名詞を抽出し、出現頻度に基づいてランク付けを行う。ランク付けは、例えば、出現回数１回を１ポイントに換算し、ページやメールのタイトルに含まれる名詞に関しては、そのＷｅｂページ、メールの内容を直接示すものであるので、２ポイントに換算し、抽出した各名詞のポイント数を算出する。この場合、同じ意味を示す文字列、例えば「ドック」と「犬」は、表記を統一し、同一のものとしてポイント換算するほうが望ましい。例えば、概念辞書の同義概念を利用し、同じ意味を示す文字列の表記を統一し、同一のものとする。ここで、概念辞書とは、単語辞書、対訳辞書、共起辞書の各辞書から参照される概念を規定するための辞書である（例えば、非特許文献５参照）。

テキスト出現頻度算出部１３２は、算出したポイント数に基づいて、抽出した各名詞のランキングを求め、所定の順位の名詞をユーザの現タスクにおけるトピックＴｏｐｉｃＮとする。例えば、ポイント数が上位から１０の名詞に関して、ユーザの現タスクのトピックＴｏｐｉｃＮとする。

なお、ランク付けを行う方法は上述した方法に限らず、他の方法を用いてもよい。

メタデータ項目重要度算出部１３４は、センサ２００から送信されたアプリケーションのコンテンツの情報を参照し、処理を行っているタスクに関係があると考えられるキーワードの出現頻度を算出し、その出現頻度の高い方から所定順位のキーワードをトピックＴｏｐｉｃＮとして出力する。例えば、音楽を聴いたり、動画像を見たりしている場合に、利用しているメディアファイルから、処理を行っているタスクに関係があると考えられるキーワードを抽出する。また、端末装置１００が備えるセンサから入力されるアプリケーションのコンテンツの情報を参照して、同様の処理を行うようにしてもよい。

例えば、メタデータに記載されているアーティスト名、ファイル名、会社名など、メディアの特徴を示すキーワードの出現頻度を算出し、ランク付けを行い、ランキングの高い方から所定順位のキーワードをトピックＴｏｐｉｃＮとする。例えば、出現頻度が上位から１０のキーワードをトピックＴｏｐｉｃＮとする。メタデータ項目重要度算出部１３４は、トピックＴｏｐｉｃＮをシチュエーション・トピック保存部１４２に記憶する。

なお、ランク付けを行う方法は上述した方法に限らず、他の方法を用いてもよい。

ユーザ応答履歴パラメタ算出部１４４は、ユーザが対話に応じる可能性を示す応答可能性パラメタＰ＿ｉｎｔ（０≦Ｐ＿ｉｎｔ≦１）を算出する。シチュエーションに応じて、ユーザが対話に応じる可能性が異なるため、ユーザ応答履歴パラメタ算出部１４４は、過去の実績に基づいて応答可能性パラメタの算出を行う。すなわち、過去に、同様のシチュエーションにおいて、ユーザが応答したか否かに基づいて応答可能性パラメタの算出を行う。例えば、応答可能性パラメタは、シチュエーションに対して設定される。すなわち、応答可能性パラメタは、シチュエーションの情報を構成する項目の組み合わせに対して設定される。応答可能性パラメタの算出は、例えば予めデフォルト値を決め、実際にそのシチュエーションにてユーザが質問に対して応答した場合にデフォルト値に所定の値を加算し、応答しなかった場合デフォルト値から所定の値を減算する。例えば、デフォルトを０．８と設定し、実際にそのシチュエーションにてユーザが質問に対して応答した場合０．１を加算し、応答しなかった場合０．１を減算する。

なお、応答可能性パラメタＰ＿ｉｎｔを算出する方法は上述した方法に限らず、他の方法を用いてもよい。例えば、対話を開始してからユーザが応答するまでの応答時間に応じて重み付けを行うようにしてもよい。この場合、応答時間が短い場合の重みを大きくする。

シチュエーション・トピック保存部１４２は、状況取得部１２２において取得されたシチュエーションの情報、テキスト出現頻度算出部１３２およびメタデータ項目重要度算出部１３４において抽出されたトピックＴｏｐｉｃＮ、ユーザ応答履歴パラメタ算出部１４４にて算出された応答可能性パラメタを格納する。例えば、トピックＴｏｐｉｃＮ、応答可能性パラメタを、シチュエーションの情報と関連付けて格納する。

シチュエーション一致判定部１５２は、ユーザのタスクを妨げる状態であるか否かを判断し、ユーザのタスクを妨げないと判断した場合にシチュエーション・トピック保存部１４２に格納されたシチュエーションの情報を参照し、現在のシチュエーションと同じシチュエーションが格納されているかいないかを調査する。

インタラクション開始判定部１５４は、インタラクションを開始するか否かを判定する。例えば、シチュエーション一致判定部１５２において同一シチュエーションが存在しない場合と、同一シチュエーションでの応答可能性パラメタＰ＿ｉｎｔの値が所定の値以上である場合、インタラクションを行うと判断する。例えば、同一シチュエーションでの応答可能性パラメタＰ＿ｉｎｔの値が０．５以上の場合、インタラクションを行うと判断する。

関連トピック抽出部１５６は、インタラクションを開始すると判断された場合に、シチュエーション・トピック保存部１４２を参照し、現在のシチュエーションと類似するシチュエーションの情報を抽出する。例えば、シチュエーションの情報を構成するパラメタ（項目）のうち、所定数のパラメタが一致するシチュエーションを類似シチュエーションとする。例えば、シチュエーションの情報を構成する５つのパラメタのうち、３つのパラメタが一致するシチュエーションを類似シチュエーションとする。この場合、類似シチュエーションが複数存在する場合には、シチュエーションの情報を構成する５つのパラメタに対し優先順位を予め決めておき、優先順位の高いパラメタが一致するシチュエーションを類似シチュエーションとするようにしてもよい。

また、関連トピック抽出部１５６は、類似シチュエーションと関連付けて格納されているテキストおよびキーワードから構成されるトピックＴｏｐｉｃＮを抽出し、トピックＴｏｐｉｃＮの出現回数を算出し、重みＷｎ＿ｗｅｉｇｈｔとする。

なお、重みＷｎ＿ｗｅｉｇｈｔの計算方法は上述した方法に限らず、他の方法を用いてもよい。例えば、トピックの出現した時期に基づいて重み付けを行うようにしてもよい。この場合、最近出現したトピックに対する重みを大きくする。

獲得項目ＤＢ１６２は、図３に示すように、ユーザの情報、例えばプロフィール、嗜好に関して、獲得したい項目と、この項目を獲得するための質問と、質問に付随する質問とを予め記録しておく。

目標設定部１６１は、獲得するユーザ情報の項目ＴｏｐｉｃＧの決定を行う。例えば、目標設定部１６１は、獲得項目ＤＢ１６２の中から、まだ獲得できていないユーザ情報の項目を、ＴｏｐｉｃＧとして選択する。例えば、サービス情報提供者側が欲しい情報や、現在のトピックに近い情報を選択する。

概念辞書１６６は、単語辞書、対訳辞書、共起辞書の各辞書から参照される概念を規定するための辞書である。また、概念辞書１６６として、刺激語から上位概念、下位概念、環境概念、部分材料概念、属性概念、類義観念および動作概念として収集される連想概念辞書を用いてもよい（例えば、非特許文献５参照）。

概念トピック抽出部１６５は、概念辞書１６６を参照し、現在のトピックの上位概念や下位概念、同位概念だけではなく、材料概念や類義概念、動作概念などの属性データに含まれるキーワードを選択し、次のトピックとして抽出する。このようにすることにより、関連するトピックを多くの関係から抽出することができる。また、親子関係だけではなく、属性データからの情報を用いることにより、多様なトピックを抽出することができるため、目的の情報へと経由するトピックを少なくすることができる。

ルート検索部１６７は、ＴｏｐｉｃＮから、概念トピック抽出部１６５において抽出されたキーワードのうち、ランダムに様々なキーワードを経由し、ＴｏｐｉｃＧをキーワードとして含むところまでルート検索を行う。このように、様々な概念を用いて、ルートを作成することにより、ＴｏｐｉｃＮからＴｏｐｉｃＧまでの様々なルートを検索することができる。この場合、予め経由する項目数の限界となる限界項目数を決めておくようにしてもよい。例えば、限界項目数を２０とした場合、２０項目以上、すなわちＴｏｐｉｃＮから２０のキーワードを経由してもＴｏｐｉｃＧに到達できない場合は、そこで検索をやめ、他のルートを探すようにする。このようにすることにより、ルート検索処理にかかる時間を短縮でき、質問項目が多いため、目的の情報にたどり着く前にユーザがインタラクションを止めてしまう可能性を低くすることができる。

ノード数算出部１６９は、ルート検索部１６７において検索された各ルートについて、経由するキーワード数をノード数として算出し、ルート評価算出部１７１に入力する。

重み付け算出部１７０は、ルート検索部１６７において検索された各ルートについて経由するキーワードに対する重みの合計を算出し、ルート評価算出部１７１に入力する。例えば、関連トピック抽出部１５６において、算出されたトピックＴｏｐｉｃＮに対応する重みＷｎ＿ｗｅｉｇｈｔを参照して、ルート間で経由するキーワードの重みの合計を算出する。

ルート評価算出部１７１は、ノード数算出部１６９により入力されたノード数および重み付け算出部１７０により入力された重みの合計に基づいて、各ルートの評価値を算出する。例えば、入力されたノード数Ｎおよびトピックの重みの合計Ｍを用いて、例えば、Ｍ／Ｎをルート評価値として算出する。

なお、他の方法により求めた値をルート評価値としてもよい。

最適ルート決定部１７２は、ルート評価算出部１７１において算出されたルート評価値に基づいて、最も場（シチュエーション）に適した話題（キーワード）を遷移し、獲得したい情報までの話題の経由数が少ないルートを選択する。例えば、ルート評価値が高いルートを選択する。

質問フレーズ決定部１６３は、決定されたルートに基づいて、ユーザに行う質問フレーズを決定し、質問を行う。例えば、獲得項目ＤＢ１６２を参照し、決定されたルートにしたがって、所定のキーワードにおいてその前後のキーワードを含む質問を検索する。この場合、前後両方のキーワードを含む質問がない場合は、一方のキーワードを含む質問を選択するようにしてもよい。また、ＹＥＳ／ＮＯで回答できる質問に関しては、同様のキーワードを含む話題で質問を継続して行う。この場合、同じキーワードを含む質問がない場合には、獲得したいユーザ情報の項目の質問に付随する質問を行う。

また、獲得項目ＤＢ１６２に記憶された質問において、それらに含まれる言葉は単語に分解され、分割された単語を変更して使用することもできる。例えば、「海外に行ったことがありますか」において、「海外」の部分は変更することができる。また、一度利用し、獲得されたユーザ情報の項目に対する質問フレーズは削除するようにしてもよい。

ユーザ情報ＤＢ１８０は、対話の中で得られたユーザ情報、例えば生年月日、血液型、趣味などを記憶する。

応答分析部１９０は、ユーザの応答を分析し、ユーザの情報をユーザ情報ＤＢ１８０に格納する。例えば、ユーザの応答を単語に分割し、ユーザ情報の項目を示す単語を抽出しユーザ情報ＤＢ１８０に格納する。

次に、本実施例にかかるインタラクション制御装置１１０を備える端末装置１００の動作について、図４〜図８を参照して説明する。

本実施例においては、原則的にユーザのタスクの妨害を行わないという制約を踏まえた上で、場の再現性に注目したインタラクションを行う。

また、本実施例においては、類似するシチュエーションで出現したトピック（内容）を利用してインタラクションを行う。このようにすることにより、類似するシチュエーションで出現したトピックはそのシチュエーションにおいて不適切なトピックではないため、ユーザに対し以前行ったそのトピックに関することを思い出させることができ、そのトピックに対し興味を抱かせることができると考える。

最初に、シチュエーション獲得部１２０の状況取得部１２２は、センサ２００からシチュエーションの情報を獲得する（シチュエーション表現項目取得）（ステップＳ４０２）。例えば、環境側に配置されたセンサ２００からの情報と、端末装置１００の機能により、例えば５つのパラメタの値を獲得する。

また、トピック抽出部１３０のテキスト出現頻度算出部１３２およびメタデータ項目重要度算出部１３４は、ユーザが利用しているアプリケーションのコンテンツから、そのタスクに関係があると考えられる、トピックＴｏｐｉｃＮを取得する（ステップＳ４０４）。

次に、シチュエーションの情報を示すパラメタと、取得されたトピックとを履歴管理部１４０のシチュエーション・トピック保存部１４２に格納する（ステップＳ４０６）。この場合、格納するシチュエーションと同一のシチュエーションがシチュエーション・トピック保存部１４２に格納されているか調査し、格納されている場合にはそのシチュエーションに対応する応答可能性パラメタの値を取得する（ステップＳ４０８）。

次に、シチュエーション一致判定部１５２は、ユーザが現在行っているタスクを妨害するか否かを判断する（ステップＳ４１０）。例えば、所定時間内における打鍵数および処理の内容に基づいて判断する。例えば、所定時間内における打鍵数が大きい場合および文字変換が行われている場合にはタスクを妨害すると判断する。また、メールの作成画面がアクティブの場合や、マウスポイントの移動がある場合も同様にタスクを妨害すると判断する。

ユーザのタスクを妨げないと判断できない場合（ステップＳ４１０：ＮＯ）、インタラクションを開始せずに終了する。一方、ユーザのタスクを妨げないと判断できる場合（ステップＳ４１０：ＹＥＳ）、インタラクション開始判定部１５４はインタラクションを開始してよい状況か否かを判断する（ステップＳ４１２）。例えば、応答可能性パラメタに基づいて判断する。すなわち、応答可能性パラメタＰ＿ｉｎｔの値が０．５以上であるか否かを判断する。

インタラクションを開始してよい状況でないと判断した場合、すなわち応答可能性パラメタＰ＿ｉｎｔが０．５以下の場合（ステップＳ４１２：ＮＯ）、インタラクションを開始せずに終了する。一方、インタラクションを開始してよい状況であると判断した場合、すなわち応答可能性パラメタＰ＿ｉｎｔが０．５以上の場合（ステップＳ４１２：ＹＥＳ）、シチュエーション一致判定部１５２は、シチュエーション・トピック保存部１４２を参照し、過去のシチュエーションを検索し、現在のシチュエーションと一致するシチュエーションがあるか否かを判定する（ステップＳ４１４）。

次に、関連トピック抽出部１５６は、シチュエーション・トピック保存部１４２から現在のシチュエーションと類似するシチュエーションにおいて抽出されたトピックを払い出す（ステップＳ４１６）。この場合、払い出した各トピックの出現回数に応じて重みＷｎ＿ｗｅｉｇｈｔをつけていく。

次に、目標設定部１６１は、獲得するユーザ情報の項目ＴｏｐｉｃＧを決定する（ステップＳ４１８）。

ＴｏｐｉｃＧが決定されると、現在のトピックＴｏｐｉｃＮからＴｏｐｉｃＧを意味的に結ぶルートを生成する（ステップＳ４２０）。

次に、選定された最適ルートに基づいて、質問文を選択し、ユーザとの対話を行う（ステップＳ４２２）。例えば、獲得項目ＤＢ１６２から、最適ルートに基づいて、所定のキーワード前後のキーワードを含む質問を検索する。前後両方のキーワードに関連する質問がない場合には、一方のキーワードを含む質問を選択する。また、ＹＥＳ／ＮＯで回答できる質問に関しては、話題を継続する。

次に、応答分析部１９０は、質問に対するユーザの応答を分析し（ステップＳ４２４）、ユーザ情報ＤＢ１８０に格納する（ステップＳ４２６）。

このようにすることにより、現在のタスクの処理を行いつつ、獲得したいユーザ情報を、ユーザの関心のあるキーワードを含む質問を介して獲得することができる。

次に、ユーザ応答履歴パラメタ算出部１４４における応答可能性パラメタＰ＿ｉｎｔの算出フローについて、図５を参照して説明する。

最適ルートを選択するまでの動作は、図４を参照して説明した動作と同様の動作であるため、その説明を省略する。

質問フレーズ決定部１６３は、獲得項目ＤＢ１６２を参照して、質問を選択し（ステップＳ５０２）、選択した質問をユーザに提示する（ステップＳ５０４）。

次に、提示した質問に対し、ユーザからの入力が行なわれたか否かについて判断する（ステップＳ５０６）。

ユーザからの入力が行なわれた場合（ステップＳ５０６：ＹＥＳ）、インタラクションの開始の判定が「可」である旨の登録を行う。例えば、応答可能性パラメタＰ＿ｉｎｔに所定の値、例えば０．１を加算する（ステップＳ５０８）。

一方、ユーザからの入力が行なわれない場合（ステップＳ５０６：ＮＯ）、インタラクションの開始の判定が「不可」である旨の登録を行う。例えば、応答可能性パラメタＰ＿ｉｎｔから所定の値、例えば０．１を減算する（ステップＳ５１０）。

このようにして、応答可能性パラメタを算出し、シチュエーション・トピック保存部１４２に記憶することにより、ユーザのインタラクションが可能であるシチュエーションを記録でき、ユーザ毎のインタラクションの開始タイミングを図ることができる。

次に、質問項目を選択するフローについて、図６を参照して説明する。

関連トピック抽出部１５６が、シチュエーション・トピック保存部１４２から現在のシチュエーションと類似するシチュエーションにおいて抽出されたトピックを払い出すまでの動作は、図４を参照して説明したフローと同様であるため、その説明を省略する。

目標設定部１６１は、獲得するユーザ情報の項目ＴｏｐｉｃＧ（ゴール）を決定する（ステップＳ６０２）。

次に、ルート作成部１６４は、現在のトピックＴｏｐｉｃＮからＴｏｐｉｃＧを意味的に結ぶルートを生成する（ステップＳ６０４）。

次に、最適ルート選出部１６８は、生成したルートを評価するためのルート評価値を算出し（ステップＳ６０６）、算出したルート評価値に基づいて最適ルートの選択を行う（ステップＳ６０８）。

次に、選択した最適ルートに基づいて、獲得項目ＤＢ１６２を参照し、質問フレーズを決定し（ステップＳ６１０）、ユーザに問い合わせを行う（ステップＳ６１２）。

次に、図６を参照して説明した質問項目を選択するフローにおけるルート選出処理（ステップＳ６０４）について、図７を参照して説明する。

最初に、ランダムに様々なキーワードを遷移するトピック遷移を行い（ステップＳ７０２）、遷移先のデータ（キーワード）を参照する（ステップＳ７０４）。

次に、ノード追跡、すなわち遷移先のデータ（キーワード）から関連するキーワードへ遷移し（ステップＳ７０６）、キーワードの設定を行う（ステップＳ７０８）。例えば、図８に示すように、単語の意味的上下概念と、各概念に付随する属性データを利用する。概念辞書１６６により抽出されるキーワードには、上位概念、下位概念、環境概念、部分材料概念、属性概念、類義観念および動作概念が含まれる。ＴｏｐｉｃＮからランダムに様々なキーワードを遷移し、ＴｏｐｉｃＧをキーワードとして含むところまでルート検索を行う。

次に、限界項目数、すなわち遷移するキーワードの数が所定の値、例えば２０項目以内か否かについて判断する（ステップＳ７１０）。遷移するキーワードの数が２０項目以内でない場合（ステップＳ７１０：ＮＯ）、終了する。一方、遷移するトピックの数が２０項目以内である場合（ステップＳ７１０：ＹＥＳ）、ゴールにたどり着いたか否かについて判断する（ステップＳ７１２）。

ゴールにたどり着いていない場合（ステップＳ７１２：ＮＯ）、ステップＳ７０２に戻る。一方、ゴールにたどり着いている場合（ステップＳ７１２：ＹＥＳ）、終了する。

このように、限界項目数が所定の値、例えば２０以上となってもゴールに到達できない場合は、そこで検索をやめ、他のルートを探ようにする。このようにすることにより、質問項目が多くなり、目的の情報にたどり着く前にユーザがインタラクションを止めてしまう可能性を低下させることができる。

次に、図６を参照して説明した質問項目を選択するフローにおけるルート評価処理（ステップＳ６０６）について、図９を参照して説明する。

最初に、選択されたルート内におけるノード数Ｎをカウントする（ステップＳ９０２）。

次に、選択されたルート内におけるトピックの重みの和Ｍを算出する（ステップＳ９０４）。次に、ルート評価値Ｐを算出する。例えば、Ｍ／Ｎを算出し、ルート評価値とする（ステップＳ９０６）。次に、選択されたルートについて全てのルート評価値が算出されたか否かについて判定する（ステップＳ９０８）。

選択されたルートの全てのルート評価値が算出されていない場合（ステップＳ９０８：ＮＯ）、ステップＳ９０２に戻る。一方、選択されたルートの全てのルート評価値が算出された場合（ステップＳ９０８：ＹＥＳ）、算出されたルート評価値Ｐの比較を行い（ステップＳ９１０）、Ｐが最大となるルートを選択する（ステップＳ９１２）。

例えば、図１０示すように、トピックＮからトピックＧへのルートが検索された場合について説明する。

ルートＡにおいて、トピックＮからトピックＧへのノード数は４、トピックの重みの合計は３である。また、ルートＢにおいて、トピックＮからトピックＧへのノード数は６、トピックの重みの合計は８である。また、ルートＣにおいて、トピックＮからトピックＧへのノード数は５、トピックの重みの合計は７である。

各ルートのルート評価値（重み／ノード数）を算出すると、ルートＡ、ルートＢおよびルートＣについてそれぞれ３／４、８／６および７／５となる。したがって、最適ルートはルート評価値の最も高いルートＣとなる。

このようにすることにより、最も場に適した話題を遷移し、かつ獲得したい情報までの話題の経由数が少ないルートを選択することができる。

次に、具体例について、図１１を参照して説明する。

例えば、朝の通勤電車の中でスポーツ速報を見ているユーザについて、トピックＴｏｐｉｃＮとして、「野球」、「選手」、「サッカー」、「北島」．．．が獲得され、獲得したいユーザ情報ＴｏｐｉｃＧは「今後行きたい国」とする。

ルート作成部１６４は、トピックＴｏｐｉｃＮからトピックＴｏｐｉｃＧへのルートを作成する。

作成されたルートは、図１１に示すように、例えば４種類得られる。

１つ目のルート（Ｒｏｕｔｅ（１））は、ＴｏｐｉｃＮ（「野球」）から、有名な選手として「イチロー」へ遷移し、その後、彼の所属する野球チーム「マリナーズ」へ遷移し、その本拠地「シアトル」へ遷移し、その都市が存在する国「アメリカ」へ遷移する。国名が出た時点で、「アメリカに行ったことがあるか？」など「今後行きたい国」（ＴｏｐｉｃＧ）のユーザ情報の項目を獲得するための質問へ遷移する。

２つ目のルート（Ｒｏｕｔｅ（２））は、ＴｏｐｉｃＮ（「サッカー」）から、その上位概念の「スポーツ」へ遷移し、「スポーツ」の祭典として「オリンピック」へ遷移し、「オリンピック」の開催地である「アテネ」へ遷移し、その都市から国名「ギリシャ」へ遷移し、「ギリシャに行ったことがあるか？」、「今後行きたい国」（ＴｏｐｉｃＧ）のユーザ情報の項目を獲得するための質問へ遷移する。

３つ目のルート（Ｒｏｕｔｅ（３））は、ＴｏｐｉｃＮ（「サッカー」）から、その発祥地「イギリス」へ遷移し、「イギリスに行ったことがあるか？」、「今後行きたい国」（ＴｏｐｉｃＧ）のユーザ情報の項目を獲得するための質問へ遷移する。

４つ目のルート（Ｒｏｕｔｅ（４））は、ＴｏｐｉｃＮ（「北島」）から、「金メダル」へ遷移し、「メダル獲得数」へ遷移し、「中国」へ遷移し、「中国に行ったことがあるか？」、「今後行きたい国」（ＴｏｐｉｃＧ）のユーザ情報の項目を獲得するための質問へ遷移する。

これらのルートの中から、最適なものを選択する。

各ルートで経由する各トピックの重みは、図１１に示すように、「野球」は１、「イチロー」は１、「サッカー」は１、「スポーツ」は１、「オリンピック」は６、「アテネ」は３、「北島」は３、「金メダル」は４、「中国」は１である。最近、朝、オリンピックに関するニュースを見ていたため、「オリンピック」や「メダル」の出現回数が多い。その他のスポーツは、夜にチェックしていたため、出現回数が少ない。

したがって、ノード数およびノードの重みの合計に基づいて算出される各ルートのルート評価値は次のようになる。

Ｒｏｕｔｅ（１）：５ノード、重み ２ ルート評価値 ２／５＝０．４
Ｒｏｕｔｅ（２）：５ノード、重み１１ ルート評価値 １１／５＝２．２
Ｒｏｕｔｅ（３）：２ノード、重み １ ルート評価値 １／２＝０．６
Ｒｏｕｔｅ（４）：４ノード、重み ８ ルート評価値 ８／４＝２．０
これにより、Ｒｏｕｔｅ（２）が選択される。

選択されたルートにしたがって、話題を遷移させる回数が多くても、その場に適している話題が選択される。また、これらのキーワードを元に、質問集の中から質問表現が探し出される。

次に、他の具体例について説明する。

この例では、ユーザ情報として「誕生日」を獲得する場合について説明する。

現在、ユーザはレストランの検索をしており、ＴｏｐｉｃＮとして、「レストラン」、「イタリアン」、「地図」、「メニュー」、「カフェ」、「バー」などが獲得される。

ルート作成部１６４は、トピックＴｏｐｉｃＮからトピックＴｏｐｉｃＧへのルートを作成する。

あるルートとして、ＴｏｐｉｃＮ（「レストラン」）から、その属性として「誕生日得点」へ遷移し、その流れで「誕生日」を尋ねる。

また、他のルートとしては、ＴｏｐｉｃＮ（「メニュー」）から、「デザート」へ遷移し、「ケーキ」へ遷移し、「誕生日ケーキ」へ遷移し、「誕生日」を尋ねる。

また、ＴｏｐｉｃＮ（「バー」）から、「お酒」へ遷移し、「ワイン」へ遷移し、「乾杯」へ遷移し、「パーティ」へ遷移し、「誕生日パーティ」へ遷移し、「誕生日」を尋ねる。

これらのルートの中から、最適なものを選択する。上述した評価と同様の評価を行い、最適なルートを選択する。

以上説明したように、本発明の実施例によれば、シチュエーションを考慮して、話題の遷移を行うことができ、ユーザの心理的負担が少ない話題を選択することができる。それにより、ユーザの情報獲得の機会を増加させることができる。

上述した実施例においては、ユーザ情報を獲得する端末装置がインタラクション制御装置を備える場合について説明したが、インタラクション制御装置を備えるサーバを用意し、インタラクション制御装置を備えない端末装置に対してユーザ情報を獲得するためのインタラクションを行うようにしてもよい。このようにすることにより、端末装置に対する負荷を低減することができる。

本発明にかかるインタラクション制御システムおよび端末装置並びにインタラクション制御方法は、対話を通じてユーザ情報を獲得するマン・マシン・インタラクションを行うシステムに適用できる。

本発明の一実施例にかかるインタラクション制御システムを示すブロック図である。 本発明の一実施例にかかるインタラクション制御装置を示すブロック図である。 ユーザ獲得リスト、質問集を示す説明図である。 本発明の一実施例にかかるインタラクション制御システムの動作を示すフローチャートである。 本発明の一実施例にかかるインタラクション制御システムの動作を示すフローチャートである。 本発明の一実施例にかかるインタラクション制御システムの動作を示すフローチャートである。 本発明の一実施例にかかるインタラクション制御システムの動作を示すフローチャートである。 概念辞書内のトピック遷移を示す説明図である。 本発明の一実施例にかかるインタラクション制御システムの動作を示すフローチャートである。 ルート評価を示す説明図である。 ルート評価の具体例を示す説明図である。

符号の説明

５０ 通信網
１００ 端末装置
２００ センサ

Claims (9)

1. ユーザ情報を獲得するインタラクション制御システムにおいて：
   シチュエーションの情報を獲得するシチュエーション獲得手段；
   前記シチュエーションに基づいて、ユーザの興味の対象を示すトピックを抽出するトピック抽出手段；
   インタラクションに対して、ユーザが応答する可能性を示す応答可能性パラメタを算出する応答可能性パラメタ算出手段；
   前記応答可能性パラメタに基づいて、インタラクションを行うか否かを判定するインタラクション開始判定手段；
   獲得するユーザ情報を設定し、前記トピックから、前記ユーザ情報までを関連するキーワードを経由して遷移させるルートを作成し、前記作成されたルートに基づいて、前記キーワードに関する質問を決定し、質問を行うトピック遷移制御手段；
   前記質問に対する応答を分析し、ユーザ情報を獲得する応答分析手段；
   を備えることを特徴とするインタラクション制御システム。
2. 請求項１に記載のインタラクション制御システムにおいて：
   所定の単語に対する概念を示す属性データを記憶する属性データ記憶手段；
   前記属性データから、前記トピックに関するキーワードを抽出するキーワード抽出手段；
   前記トピックから前記抽出されたキーワードを経由し、前記ユーザ情報までのルートを検索するルート検索手段；
   を備えることを特徴とするインタラクション制御システム。
3. 請求項１または２に記載のインタラクション制御システムにおいて：
   前記作成されたルートに対して所定の評価を行い、前記シチュエーションに適したキーワードを遷移し、かつ前記ユーザ情報まで経由するキーワード数が少ないルートを選出する最適ルート選出手段；
   を備えることを特徴とするインタラクション制御システム。
4. ユーザ情報を獲得する端末装置において：
   獲得するユーザ情報を設定するユーザ情報設定手段；
   シチュエーションに基づいて抽出されたユーザの興味の対象を示すトピックから、前記ユーザ情報までを関連するキーワードを経由して遷移させるルートを作成するルート作成手段；
   前記作成されたルートに基づいて、前記キーワードに関する質問を決定し、質問を行う質問実行手段；
   前記質問に対する応答を分析し、前記ユーザ情報を獲得する応答分析手段；
   を備えることを特徴とする端末装置
5. 請求項４に記載の端末装置において：
   前記作成されたルートに対して所定の評価を行い、前記シチュエーションに適したキーワードを遷移し、かつ前記ユーザ情報まで経由するキーワード数が少ないルートを選出する最適ルート選出手段；
   を備えることを特徴とする端末装置。
6. 請求項４または５に記載の端末装置において：
   インタラクションに対して、ユーザが応答する可能性を示す応答可能性パラメタを算出する応答可能性パラメタ算出手段；
   前記応答可能性パラメタに基づいて、インタラクションを行うか否か判定するインタラクション開始判定手段；
   を備えることを特徴とする端末装置。
7. 請求項６に記載の端末装置において：
   ユーザのシチュエーションの情報を獲得するシチュエーション獲得手段；
   前記シチュエーションに基づいて、ユーザの興味の対象を示すトピックを獲得するトピック獲得手段；
   前記シチュエーションの情報および前記トピックを記憶するシチュエーション・トピック保存手段；
   所定のシチュエーションに関連して獲得されたトピックを抽出する関連トピック抽出手段；
   を備え、
   前記応答可能性パラメタ算出手段は、前記シチュエーションにおける、ユーザの過去の応答に基づいて、応答可能性パラメタを算出し、
   前記最適ルート選出手段は、前記シチュエーションに関連して獲得されたトピックに基づいて、前記作成されたルートの評価を行うことを特徴とする端末装置。
8. 請求項７に記載の端末装置において、
   前記トピック獲得手段は、ユーザが利用しているアプリケーションのコンテンツから、処理を行っているタスクに関係する文字列およびキーワードのうち少なくとも一方を抽出することを特徴とする端末装置。
9. ユーザ情報を獲得するインタラクション制御方法において：
   シチュエーションに基づいて、ユーザの興味の対象を示すトピックを抽出するステップ；
   獲得するユーザ情報を設定するステップ；
   前記トピックから、前記獲得するユーザ情報までを、関連するキーワードを経由して遷移させるルートを作成するステップ；
   前記作成されたルートに基づいて、前記キーワードに関する質問を決定するステップ；
   前記決定された質問を行うステップ；
   前記質問に対する応答を分析し、ユーザ情報を獲得するステップ；
   を有することを特徴とするインタラクション制御方法。

Images