JP2010020390A - 感情推定装置及び感情推定プログラム - Google Patents

Abstract

【課題】文から感情及び感情極性を推定する際に、複数の方法による推定結果を精度よく統合して誤りを削減する感情推定装置及びプグラムを提供する。
【解決手段】感情推定装置は、文に形態素解析を行って単語に分解する形態素解析部１２と、前記分解された単語と、単語の感情極性を定義した感情極性語辞書２７と前記文に含まれる各単語の感情極性から感情極性を推定するルールとに基づいて、前記文の第１の感情極性を判定する第１の感情極性判定部２１と、前記分解された単語から単語特徴を抽出し、抽出した単語特徴と学習により得られた単語特徴と単語の感情極性を対応させた学習データとに基づいて、前記文の第２の感情極性を判定する第２の感情極性判定部２２と、前記第１の感情極性と前記第２の感情極性が同じ場合には該感情極性と決定し、前記第１の感情極性と前記第２の感情極性が異なる場合にはニュートラルと決定する感情極性決定部２３とを備えている。
【選択図】図１

Description

本発明は、ユーザ発話の意味する感情極性及び感情を推定する感情推定装置及び感情推定プログラムに関する。

雑談などにおいて、ユーザ感情に基づいてユーザ発話に対する応答を生成する場合、ユーザ発話からユーザの感情や感情極性を推定する。このように入力された文に基づいて感情極性を推定する技術として、「美しい」、「ベタベタ」などのように予め辞書に登録してある単語に基づいて感情極性ポジティブかネガティブかを推定する情報処理装置（例えば、特許文献１参照。）が提案されている。また、感情に関する大量の事例から感情推定モデルを学習し、これに基づいて感情を推定する方法もある。このように、感情及び感情極性を推定する方法として、辞書ベースによる推定と学習ベースによる推定との２通りの方法が知られている。
特開２００３−１５７２５３号公報

しかしながら、特許文献１の辞書ベースの情報処理装置では、ポジティブを示す単語とネガティブを示す単語の両方が含まれる場合も、何れかの感情極性を推定して出力する。また、学習ベースによって推定する方法では、感情推定の確信度が低い場合も何らかの感情を推定して出力する。即ち、推定結果の確信度が低い場合にも推定結果を出力するため、感情推定の誤りが生じ易くなるという問題点がある。更に、辞書ベースによる推定と学習ベースによる推定の両方を用いて、感情及び感情極性を精度よく推定する方法が明らかではないという問題点もある。

本発明は、上記問題点を解決するために成されたものであり、入力文に基づいて感情及び感情極性を推定する際の誤りを削減すると共に、複数の推定方法による推定結果を精度よく統合する感情推定装置を提供することを目的とする。

上記目的を達成するために、請求項１記載の感情推定装置は、入力された文に形態素解析を行って前記文を単語に分解する形態素解析手段と、前記形態素解析手段により分解された単語と、単語の感情極性がポジティブ、ネガティブ及び不明の何れであるかを定義した感情極性語辞書と、前記文に含まれる各単語の感情極性から感情極性を推定する推定ルールとに基づいて、前記文の感情極性がポジティブ、ネガティブ及び不明の何れであるかを示す第１の感情極性を判定する第１の感情極性判定手段と、前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と、学習により得られた単語特徴と、単語の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを対応させた学習データとに基づいて、前記文の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを示す第２の感情極性を判定する第２の感情極性判定手段と、前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情極性と前記第２の感情極性判とが異なる場合にはニュートラルと決定する感情極性決定手段と、を備えている。

請求項１記載の発明によれば、辞書ベースで推定した感情極性と学習ベースで推定した感情極性とを統合することによって、精度よく入力文から感情極性を推定することができる。

請求項２記載の感情推定装置は、請求項１記載の感情推定装置において、前記第１の感情極性判定手段は、前記文に含まれる単語の何れかの感情極性がポジティブであり他の全ての感情極性がネガティブでない場合にポジティブと判定し、前記文に含まれる単語の何れかの感情極性がネガティブであり他の全ての感情極性がポジティブでない場合にネガティブと判定し、その他の場合には不明と判定する推定ルールを用いる。

請求項２記載の発明によれば、辞書ベースで感情極性を推定する場合に、入力文にポジティブ及びネガティブの両方の単語が含まれる場合には不明と判定するので、致命的な誤りを防止することができる。

請求項３記載の感情推定装置は、請求項１記載の感情推定装置において、前記第１の感情極性判定手段は、前記文に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がポジティブである単語の数の割合が閾値以上である場合にポジティブと判定し、前記文に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がネガティブである単語の数の割合が前記閾値以上である場合にネガティブと判定し、その他の場合には不明と判定する。

請求項３記載の発明によれば、辞書ベースで感情極性を推定する場合に、確信度が高い場合のみ感情極性を推定するので、致命的な誤りを防止することができる。

請求項４記載の感情推定装置は、請求項１記載の感情推定装置において、前記第２の感情極性判定手段は、前記抽出した単語特徴がポジティブである度合いを示す値が第１の閾値以上である場合にポジティブと判定し、前記値が第１の所定値よりも低い第２の閾値以下である場合にネガティブと判定し、その他の場合にはニュートラルと判定する。

請求項４記載の発明によれば、学習ベースで感情極性を推定する場合に、確信度が高い場合のみ感情極性を推定するので、致命的な誤りを防止することができる。

請求項５記載の感情推定装置は、請求項１から請求項４の何れか１項記載の感情推定装置において、前記形態素解析手段により分解された単語と、感情語が表す感情を定義した感情語辞書と、単語から感情を推定するルールとに基づいて、第１の感情を判定する第１の感情判定手段と、前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と学習により得られた単語特徴と感情とを対応させた学習データとに基づいて、第２の感情を判定する第２の感情判定手段と、前記第１の感情と前記第２の感情とが同じ場合には該感情と決定し、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性が異なる場合にはニュートラルと決定する感情決定手段と、を更に備えている。

請求項５記載の発明によれば、感情極性に加えて、辞書ベースで推定した感情と学習ベースで推定した感情とを統合することによって、精度よく入力文から感情を推定することができる。

請求項６記載の感情推定装置は、請求項５記載の感情推定装置において、前記第１の感情判定手段は、前記文が感情極性の異なる単語を含む場合にはニュートラルと判定し、前記文が感情極性が同じで感情が異なる複数の単語を含む場合には予め定めた感情の包含関係に基づいてより上位の感情と判定する。

請求項６記載の発明によれば、辞書ベースで感情を推定する場合に、前記文が感情極性の異なる単語を含む場合にはニュートラルと判定し、前記文が感情極性が同じで感情が異なる複数の単語を含む場合にはより上位の感情と判定することにより、確実な感情を推定することができる。

請求項７記載の感情推定装置は、請求項５記載の感情推定装置において、前記第２の感情判定手段は、前記抽出した単語特徴から判定される感情が該感情である度合いを示す値が第３の閾値以上である場合に該感情を出力し、その他の場合には前記感情極性統合手段により決定された感情極性を出力する。

請求項７記載の発明によれば、学習ベースで感情を推定する場合に、確信度が高い場合のみ感情を推定するので、致命的な誤りを防止することができる。

請求項８記載の感情推定装置は、請求項５から請求項７の何れか１項記載の感情推定装置において、前記感情決定手段は、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性とが同じ場合には、予め定めた第１の感情と第２の感情との包含関係に基づいて、より上位の感情に決定する。

請求項８記載の発明によれば、辞書ベースで推定した第１の感情と学習ベースで推定した第２の感情とを統合する際に、第１の感情と第２の感情が異なり且つ両感情の感情極性が同じ場合にはより上位の感情と判定することにより、確実な感情を推定することができる。

請求項９記載の感情推定プログラムは、コンピュータを、請求項１から請求項８の何れか１項記載の感情推定装置を構成する各手段として機能させる。

請求項９記載の発明によれば、精度よく入力文から感情極性及び感情を推定することができる。

請求項１０記載の感情推定プログラムは、コンピュータを、入力された文に形態素解析を行って前記文を単語に分解する形態素解析手段と、前記形態素解析手段により分解された単語と、単語の感情極性がポジティブ、ネガティブ及び不明の何れであるかを定義した感情極性語辞書と、前記文に含まれる各単語の感情極性から感情極性を推定する推定ルールとに基づいて、前記文の感情極性がポジティブ、ネガティブ及び不明の何れであるかを示す第１の感情極性を判定する第１の感情極性判定手段と、前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と、学習により得られた単語特徴と、単語の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを対応させた学習データとに基づいて、前記文の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを示す第２の感情極性を判定する第２の感情極性判定手段と、前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情極性と前記第２の感情極性判とが異なる場合にはニュートラルと決定する感情極性決定手段と、して機能させる。

請求項１０記載の発明によれば、精度よく入力文から感情極性を推定することができる。

以上説明したように、本発明によれば、入力文から感情極性及び感情を推定する際に、致命的な誤りを防止して、確実に推定することができるという効果が得られる。

以下、本発明の実施の形態について図面を参照しながら詳細に説明する。

図１は、本発明の実施の形態に係る感情推定装置の構成を示すブロック図である。同図に示すように、感情推定装置は、入力部１１と、形態素解析部１２と、感情極性判定部１３と、感情判定部１４と、出力部１５と、感情極性語辞書２７と、感情語辞書２８と、を備えている。

入力部１１は、マイク、キーボードや音声認識装置からユーザ発話を受理して認識する。 形態素解析部１２は、入力されたユーザ発話を品詞などの形態素情報を出力する。

感情極性判定部１３は、形態解析された単語に基づいて、ユーザ発話の意味する感情極性を推定する。また、感情極性判定部１３は、第１の感情極性判定部２１と、第２の感情極性判定部２２と、感情極性決定部２３とを含んで構成される。

第１の感情極性判定部２１は、形態素解析された単語と、予め感情極性語辞書２７に登録された感情極性語及び推定ルールに基づいて感情極性がポジティブ、ネガティブ及び不明の何れであるかを判定する。

第２の感情極性判定部２２は、学習ベースにより入力されたユーザ発話の特徴が示す感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを判定する。例えば、ユーザ発話の特徴の１つである形態素解析された単語の特徴の持つ概念から判断するなど、周知の技術を用いることができる。

感情極性決定部２３は、第１の感情極性判定部２１による判定結果と第２の感情極性判定部２２による判定結果を、統合ルールに基づいて統合して感情極性を決定する。

感情判定部１４は、形態素解析された単語に基づいて、ユーザ発話の意味する感情を推定する。また、また、感情判定部１４は、第１の感情判定部２４と、第２の感情判定部２５と、感情決定部２６とを含んで構成される。

第１の感情判定部２４は、形態素解析された単語と、予め感情語辞書２８に登録された感情極性語及び推定ルールに基づいて感情を判定する。

第２の感情判定部２５は、学習ベースにより入力されたユーザ発話の特徴が示す感情を判定する。

感情決定部２６は、第１の感情判定部２４による判定結果と第２の感情判定部２５による判定結果を、統合ルールに基づいて統合して感情を決定する。

出力部１５は、スピーカやディスプレイにより、感情極性及び感情の推定結果を出力する。

感情極性語辞書２７は、単語とその単語が表す感情極性（ポジティブ又はネガティブ）とが対で登録された辞書である。

感情語辞書２８は、単語とその単語が表す感情（感情極性を含む）とが対で登録された辞書である。

以上のように構成された感情推定装置は、入力されたユーザ発話を解析することにより、ユーザ発話が示す感情極性及び感情を推定する。図２は、感情推定装置の作用の流れを示すフローチャートである。

ステップ１００では、入力部１１がユーザ発話を受理する。本ケースでは、ユーザ発話として「家族で旅行に行かない」が入力された場合を説明する。

ステップ１１０では、形態素解析部１２が、ユーザ発話として入力された文の形態素解析を行う。図３は、形態素解析の結果を示す。同図に示すように、ユーザ発話は、「家族（名詞）」、「で（助詞）」、「旅行（名詞）」、「に（助詞）」、「行く（動詞）」、「ない（助詞）」と単語に分解される。

ステップ１２０では、第１の感情極性判定部２１が、ユーザ発話に含まれる単語と、感情極性語辞書２７と、感情極性推定ルールとに基づいて感情極性を判定する。図４は感情極性語辞書２７を、図５は否定表現を、図６は感情極性推定ルールを示す。

図６の感情極性推定ルールにおいては、１行目で、ポジティブの単語数が１以上、かつ、ネガティブの単語数が０、かつ、否定表現なしの場合には感情極性はポジティブとなる。

３行目で、ポジティブの単語数が０、かつ、ネガティブの単語数が１以上、かつ、否定表現なしの場合には感情極性はネガティブとなる。

５行目で、ポジティブの単語数が１以上、かつ、ネガティブの単語数が０、かつ、否定表現ありの場合には感情極性はネガティブとなる。

７行目で、ポジティブの単語数が０、かつ、ネガティブの単語数が１以上、かつ、否定表現ありの場合には感情極性はポジティブとなる
本ケースでは、ユーザ発話に含まれる単語で図４の感情極性語辞書２７に登録されているのは「家族＝ポジティブ」のみであり、図５の否定表現語「ない」を含んでいる。従って、図６の感情極性推定ルールの５行目にマッチし、ユーザ発話の感情極性はネガティブと判定される。

なお、図６の感情極性推定ルールでは、ユーザ発話に含まれる単語の何れかの感情極性がポジティブであり他の全ての感情極性がネガティブでない場合にポジティブと、ユーザ発話に含まれる単語の何れかの感情極性がネガティブであり他の全ての感情極性がポジティブでない場合にネガティブと判定しているが、感情極性推定ルールはこれに限定するものではない。例えばユーザ発話に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がポジティブである単語の数の割合が閾値以上である場合にポジティブと判定し、ユーザ発話に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がネガティブである単語の数の割合が閾値以上である場合にネガティブと判定してもよい。

ステップ１３０では、第２の感情極性判定部２２が、学習ベースにより、入力されたユーザ発話の特徴に基づいて感情極性を判定する。学習ベースによる感情極性の判定は、周知の如何なる方法でもよいが、本実施の形態では、図７に示す感情極性学習元ＤＢ３０を用いて判定する。

図７に示すような感情極性学習元ＤＢ３０を得るためには、まず、対話中のユーザの顔画像を撮影して得られる画像データ及び発話に基づく音声データを取得する。音声データと画像データとは略同時に取得される。また、音声データ及び画像データが取得された際のユーザの感情極性をユーザに対してヒアリングするなどして得ておく。

画像データについては、エッジ処理などの画像処理を施して表情を認識するなどして画像特徴Ｉを抽出する。音声データについては、音声認識処理によりテキストデータに変換し、変換したテキストデータから、例えば、「ので」、「ため」などの手がかり語を用いた方法で感情極性状態を示す感情極性語をテキスト特徴Ｔとして抽出する。同一の音声データについて、韻律を分析するなどして韻律特徴Ｒを抽出する。なお、本実施の形態では、画像特徴Ｉ、テキスト特徴Ｔ及び韻律特徴Ｒの少なくとも１つの特徴を抽出する。

この画像特徴Ｉ、テキスト特徴Ｔ、及び韻律特徴Ｒをまとめて１つの特徴３２とし、これらの特徴が抽出された画像データ及び音声データが取得された際の人物の感情極性３４と特徴３２とを対応付けて１つの学習データ３６とする。上述の音声データ及び学習データと、音声データ及び学習データが取得された際の感情極性とを大量に取得しておき、学習データ３６を大量に生成することで感情極性学習元ＤＢ３０を構築する。

なお、感情極性学習元ＤＢ３０は、ユーザから取得される情報から抽出される特徴と感情極性とを対応付けた学習データから構成されていればよく、取得するデータの種類、抽出される特徴の種類、特徴の抽出方法などは上記の内容に限定されるものではない。感情極性学習元ＤＢ３０は、感情推定装置内の記憶装置に構築してもよいし、他の外部装置に構築してもよい。

次に、本実施の形態における感情極性推定モデル生成について説明する。
まず、感情極性学習元ＤＢ３０を取得して、これに基づいて学習処理を実行する。学習処理を実行する。学習処理では、感情極性毎に感情極性学習元ＤＢ３０の学習データ３６を１つずつ学習していく。ここでは、学習の手法としてＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）手法を用いる。まず、１つ目の学習データ３６の感情極性３４が「ポジティブ」か否かを判断し、「ポジティブ」の場合には正例として学習を行い、そうでない場合には負例として学習を行う。同様にして、感情極性学習元ＤＢ３０のすべての学習データ３６について学習を繰り返す。この学習処理により、感情極性モデルが生成される。図８に示すように、感情極性モデルが配列された感情極性推定モデルが構築される。

このように学習によって生成された感情極性モデルに基づいて、第１の感情極性判定部２１が、ユーザ発話の感情極性の判定処理を行う。第１の感情極性判定部２１は、判定処理を行うにあたって、入力データの特徴としてユーザ発話を形態素解析して得られた単語のテキスト特徴Ｔｏを求める。

次に、第１の感情極性判定部２１は、求めたテキスト特徴Ｔｏが感情極性推定モデルに含まれる感情極性モデルに対応する感情極性に該当するか否かを、感情極性モデルを生成した際の手法に対応した手法を用いて判断する。この結果、感情極性モデルの出力したスコアがポジティブの閾値以上の場合はポジティブと、ネガティブの閾値以下の場合はネガティブと、それ以外の場合はニュートラルと、感情極性が推定される。ここで、本実施の形態では、ユーザ発話のテキスト特徴から、感情極性「ネガティブ」が推定されたとする。

なお、上述の判断を行うに際して、各感情極性モデルに対する当てはまりの度合いを示すスコアを算出し、このスコアが予め定めた閾値以上の場合に当該感情極性と推定してもよい。スコアの算出には、感情極性モデルを生成した際の手法に対応した手法を用いる。例えば、ＳＶＭ手法では、正例の学習データと負例の学習データとの分離超平面上をスコア０とし、入力データの特徴が分離超平面から離れるほどスコアの絶対値を大きくし、正例側に離れるのであればプラス、負例側に離れるのであればマイナスとなるようにスコアを算出することができる。この閾値を高く設定することにより、確信度が高い場合にのみ「ポジティブ」、「ネガティブ」の感情極性を推定し、確信度が低い場合には「ニュートラル」とすることができる。

ステップ１４０では、感情極性決定部２３が、第１の感情極性判定部２１による辞書及びルールベースの判定結果と第２の感情極性判定部２２による学習ベースの判定結果を、統合ルールに基づいて統合して感情極性を決定する。図９は、感情極性の統合ルールを示す表である。上述のように、感情極性の判定結果は何れも「ネガティブ」であるので「ネガティブ」と決定される。

ステップ１５０では、第１の感情判定部２４が、ユーザ発話に含まれる単語と、感情語辞書２８と、感情推定ルールとに基づいて感情を判定する。図１０は感情語辞書を、図１１は感情推定ルールを示す。

図１１の感情推定ルールにおいては、１行目で、ユーザ発話が否定表現を含む場合は、判定結果は当該感情極性（感情極性決定部２３で決定した感情極性）となる。

５行目で、ユーザ発話が否定表現を含まず、かつ、異なる感情を持つ単語が複数存在し、かつ、該複数の感情の感情極性が異なる場合には、判定結果は当該感情極性（感情極性決定部２３で決定した感情極性）となる。

８行目で、ユーザ発話が否定表現を含まず、かつ、異なる感情を持つ単語が複数存在し、かつ、該複数の感情の感情極性が同じ、かつ、該複数の感情で最も曖昧な感情（後述の図１６に示す感情の曖昧性に関するルールによる最も曖昧な感情）が一意に決定する場合は、判定結果は当該最も曖昧な感情となる。

１０行目で、ユーザ発話が否定表現を含まず、かつ、異なる感情を持つ単語が複数存在し、かつ、該複数の感情の感情極性が同じ、かつ、該複数の感情で最も曖昧な感情が一意に決定しない場合は、判定結果は該複数の感情の中で過去の判定結果と同じ感情、又は該複数の感情からランダムに選択した感情となる。

１２行目で、ユーザ発話が否定表現を含まず、かつ、異なる感情を持つ単語が複数存在しない場合は、判定結果は１つしか存在しない当該感情となる。

ユーザ発話に含まれる単語で感情語辞書２８への登録があるのは「家族＝安心」だけだが、否定表現「ない」を含むので、図１１の感情推定ルールの１行目にマッチする。従って、ユーザ発話の感情は当該感情極性（この場合はネガティブ）と判定される。

ステップ１６０では、第２の感情判定部２５が、学習ベースにより、入力されたユーザ発話の特徴に基づいて感情を判定する。学習ベースによる感情の判定は、前述の学習ベースによる感情極性の判定と同様の方法で行う。即ち、図１２に示す感情学習元ＤＢ４０を用いて判定する。

図１２に示すような感情学習元ＤＢ４０を得るためには、感情極性学習元ＤＢ３０の場合と同様に、対話中のユーザの画像データ及び音声データを取得し、音声データ及び画像データが取得された際のユーザの感情をユーザに対してヒアリングするなどして得ておく。なお、感情は、「嫌」、「嬉しい」、「残念」、「楽しい」、「恐い」、「安心」、「不安」、「寂しい」、「腹立たしい」、「悲しい」の１０種類とする。なお、感情の種類は、１１以上であっても、９以下であってもよい。

感情極性学習元ＤＢ３０の場合と同じく、ユーザ発話の画像特徴Ｉ、テキスト特徴Ｔ、及び韻律特徴Ｒをまとめて１つの特徴４２とし、これらの特徴が抽出された画像データ及び音声データが取得された際の人物の感情４４と特徴４２とを対応付けて１つの学習データ４６とする。上述の音声データ及び学習データと、音声データ及び学習データが取得された際の感情とを大量に取得しておき、学習データ４６を大量に生成することで感情学習元ＤＢ４０を構築する。

次に、本実施の形態における感情推定モデル生成について説明する。

まず、感情学習元ＤＢ４０を取得して、感情学習元ＤＢ４０に含まれる学習データ４６の感情の示す感情極性に基づいて分類する。例えば、前述の感情の種類のうち、「嬉しい」、「楽しい」及び「安心」をポジティブ、「嫌」、「残念」、「恐い」、「不安」、「寂しい」、「腹立たしい」及び「悲しい」をネガティブとする。

次に、１つ目の学習データ４６の感情４４が「嬉しい」か否かを判断し、「嬉しい」の場合には正例として学習し、そうでない場合には負例として学習を行う。同様にして、感情学習元ＤＢ４０のすべての学習データ４６について学習を繰り返す。この学習処理により、１つ目の感情「嬉しい」についての感情モデルが生成される。同様にして、他の感情についての感情モデルを生成することにより、図１３に示すように、各感情モデルが４８配列された感情推定モデルが構築される。なお、感情推定モデルの学習の際、ポジティブの感情モデルの学習についてはポジティブの事例のみ、ネガティブの感情モデルの学習についてはネガティブの事例のみを用いる。具体的には、「嬉しい」のモデルを学習する場合にはポジティブのみを対象として「嬉しい」の場合には正例として学習し、そうでない場合には負例として学習を行う。「嫌」のモデルを学習する場合には、ネガティブの事例のみを対象として「嫌」の場合には正例として学習し、そうでない場合には負例として学習を行う。同様にして、他の感情についての感情モデルも生成する。

このように学習によって生成された感情モデル４８に基づいて、第２の感情判定部２５が、ユーザ発話の感情の判定処理を行う。第２の感情判定部２５は、感情極性決定部２３によって決定された感情極性に基づいて、ポジティブの場合にはポジティブ極性の感情モデルに該当するか否か、ネガティブの場合にはネガティブ極性の感情モデルに該当するか否かを判定する。また、第２の感情判定部２５は、第２の感情極性判定部２２による感情極性の判定と同様の手法で、この判定を行う。

本実施の形態では、感情極性決定部２３によって感情極性は「ネガティブ」と決定されたので、図１３に示す各感情モデル４８のうち、感情極性がネガティブである「嫌」、「残念」、「恐い」、「不安」、「寂しい」、「腹立たしい」、「悲しい」の各感情モデルのどれに該当するかを判断する。第２の感情判定部２５は、この判断を行うに際して、各感情モデルに対する当てはまりの度合いを示すスコアを算出する。スコアの算出は、第２の感情極性判定部２２による感情極性の判定の場合と同様に行う。そして、上述の「嫌」〜「悲しい」の７つの感情モデルのうち、スコアが最も高いものを選択する。本実施の形態では、「残念」のスコアが最も高くなったとすると、第２の感情判定部２５は、「残念」のスコアが予め定めた閾値以上であるか判定し、閾値以上の場合は「残念」と判定し、閾値未満の場合には「ネガティブ」と判定する。この閾値を高く設定することにより、確信度が高い場合にのみ「残念」等の特定の感情を推定し、確信度が低い場合には特定の感情ではなく「ネガティブ」とすることができる。

ステップ１７０では、感情決定部２６が、２つの判定結果、即ち、第１の感情判定部２４による辞書及びルールベースの判定結果と第２の感情判定部２５による学習ベースの判定結果を、統合ルールに基づいて統合して感情を決定する。図１４は感情統合ルールを示し、図１５は該ルールを表で示したものである。

図１４の感情統合ルールにおいては、２行目で、２つの判定結果が異なり、かつ、判定結果の一方がニュートラルの場合は、統合結果は判定結果の感情のうちニュートラル以外の感情となる。

５行目で、２つの判定結果が異なり、かつ、判定結果の何れもニュートラルでなく、かつ、２つの判定結果の感情の感情極性が異なる場合は、統合結果はニュートラルとなる。

８行目で、２つの判定結果が異なり、かつ、判定結果の何れもニュートラルでなく、かつ、２つの判定結果の感情の感情極性が同じ、かつ、判定結果の感情で最も曖昧な感情（後述の図１６に示す感情の曖昧性に関するルールによる最も曖昧な感情）が一意に決定する場合は、統合結果は当該最も曖昧な感情となる。

１０行目で、２つの判定結果が異なり、かつ、判定結果の何れもニュートラルでなく、かつ、２つの判定結果の感情の感情極性が同じ、かつ、判定結果の感情で最も曖昧な感情が一意に決定しない場合は、統合結果は判定結果の感情の中で過去の統合結果と同じ感情、又は該複数の感情からランダムに選択した感情となる。

１２行目で、２つの判定結果が同一場合は、統合結果は当該同一の感情となる。

本ケースでは、第１の感情判定部２４による判定結果が「ネガティブ」であり、第２の感情判定部２５による判定結果が「残念」であるとすると、図１４の統合ルールの８行目のルールにマッチして、感情は「残念」の１つだけであるので、感情は「残念」と決定される。

このように感情が１つである場合には感情は当該感情に決定されるが、ユーザ発話に含まれる複数の単語から複数の感情が判定される場合がある。かかる場合には、図１６に示す感情の曖昧性に関するルール（感情の包含関係）を予め定めておき、該ルールに基づいて、より曖昧な（より上位の）感情を選択する。

ステップ１８０では、出力部１５が、感情極性決定部２３による感情極性の推定結果及び感情決定部２６による感情の推定結果を出力する。本実施の形態では、感情極性は「ネガティブ」、感情は「残念」と出力される。

以上のように、本実施の形態に係る感情推定装置では、「家族で旅行に行かない」というユーザ発話に対して感情推定の確信度が高い場合には「残念」という感情を推定する。この推定結果を、例えば、共感対話システムへの応用を考えた場合、システム応答として「残念ですね」を生成する。しかし、「残念」の確信度が低く、「ネガティブ」と推定された場合には、共感対話システムは、応答としてネガティブに共感する音声で「そうですか」と応答する。このように、仮に感情推定結果が間違った場合でも、より汎用的な応答を生成することができる。

次に、ユーザ発話として「夏祭りの準備が忙しいそうだ」が入力された場合を図２のフローチャートに沿って説明する。

ステップ１００では、入力部１１がユーザ発話「夏祭りの準備が忙しいそうだ」を受理する。
ステップ１１０では、形態素解析部１２が、ユーザ発話として入力された文の形態素解析を行う。図１７は、形態素解析の結果を示す。同図に示すように、ユーザ発話は「夏祭り（名詞）」、「の（助詞）」、「準備（名詞）」、「が（助詞）」、「忙しい（形容詞）」、「そう（接尾）」、「だ（助動詞）」と単語に分解される。
ステップ１２０では、第１の感情極性判定部２１が、ユーザ発話に含まれる単語と、感情極性語辞書２７と、感情極性推定ルールとに基づいて感情極性を判定する。

ユーザ発話に含まれる単語で図４の感情極性語辞書２７に登録されているのは、「夏祭り＝ポジティブ」と「忙しい＝ネガティブ」である。従って、図５の感情極性推定ルールの１、３、５、７行目の何れにもマッチしないので、ユーザ発話の感情極性は不明（Ｕｎｋｎｏｗｎ）と推定される。

ステップ１３０では、第２の感情極性判定部２２が、学習ベースにより、入力されたユーザ発話の特徴に基づいて感情極性を判定する。本ケースでは、第２の感情極性判定部２２がネガティブと判定したと仮定する。

ステップ１４０では、感情極性決定部２３が、第１の感情極性判定部２１による辞書及びルールベースの判定結果と第２の感情極性判定部２２による学習ベースの判定結果を、統合ルールに基づいて統合して感情極性を決定する。上述のように、第１の感情極性判定部２１による判定結果は「不明」で、第２の感情極性判定部２２による判定結果は「ネガティブ」であるので、図９の統合ルールによって感情極性は「ネガティブ」と決定される。

ステップ１５０では、第１の感情判定部２４が、ユーザ発話に含まれる単語と、感情語辞書２８と、感情推定ルールとに基づいて感情を判定する。

ユーザ発話に含まれる単語で図１０の感情語辞書２８への登録があるのは「夏祭り＝楽しい（ポジティブ）」と、「忙しい＝嫌（ネガティブ）」である。従って、異なる感情を持つ単語が複数存在し、かつ、感情極性が異なるので、図１１の感情推定ルールの５行目にマッチし、ユーザ発話の感情は当該感情極性（この場合はネガティブ）と判定される。

ステップ１６０では、第２の感情判定部２５が、学習ベースにより、入力されたユーザ発話の特徴に基づいて感情を判定する。上述のように、感情極性決定部２３により、ユーザ発話の感情極性はネガティブと決定されているので、図１３のネガティブ極性の感情モデル４８のどれに該当するかを判断する。本ケースでは、第２の感情判定部２５は、各感情モデルに対する当てはまりの度合いを示すスコアを算出し、スコアが最も高いもの感情として「嫌」を選択するが、「嫌」のスコアが予め定めた閾値未満であると仮定する。この場合には、第２の感情判定部２５は、「ネガティブ」と判定する。

ステップ１７０では、感情決定部２６が、第１の感情判定部２４による辞書及びルールベースの判定結果と第２の感情判定部２５による学習ベースの判定結果を、統合ルールに基づいて統合して感情を決定する。本ケースでは、第１の感情判定部２４による判定結果が「ネガティブ」であり、第２の感情判定部２５による判定結果も「ネガティブ」であるので、図１４の統合ルールの１３行目のルールにマッチして、感情は「ネガティブ」決定される。

以上のように、本実施の形態に係る感情推定装置では、「夏祭りの準備が忙しいそうだ」というユーザ発話に対して感情推定の確信度が低い場合には「ネガティブ」という感情を推定する。このように特定の感情である「嫌」の確信度が低く、「ネガティブ」と推定された場合には、共感対話システムは「そうですか」と応答することで、より汎用的な応答を生成することができる。

なお、本発明は、上述の実施の形態に限定されるものではなく、特許請求の範囲に記載された範囲内で設計上の変更をされたものにも適用可能である。

例えば、感情極性及び感情の推定は、信頼度（辞書・ルールベースや学習ベースの判定結果にどの程度の信頼性があるか）や重み（辞書・ルールベースと学習ベースとのどちらにどの位の重みをつけるか）を用いることで、統合結果を変えることもできる。図９及び図１６は、重みを等価にした場合の一例である。

本発明の実施の形態に係る感情推定装置の構成を示すブロック図である 本発明の実施の形態に係る感情推定装置の作用の流れを示すフローチャートである。 ユーザ発話の形態素解析の結果を示す図（その１）である。 感情極性語辞書を示す図である。 否定表現を示す図である。 感情極性推定ルールを示す図である。 感情極性学習元ＤＢを示す図である。 感情極性推定モデルを示す図である。 感情極性の統合ルールを示す表である。 感情語辞書を示す図である。 感情推定ルールを示す図である。 感情学習元ＤＢを示す図である。 感情推定モデルを示す図である。 感情の統合ルールを示す図である。 感情の統合ルールを示す表である。 感情の曖昧性に関するルールを示す図である。 ユーザ発話の形態素解析の結果を示す図（その２）である。

符号の説明

１１ 入力部
１２ 形態素解析
１３ 感情極性判定部
１４ 感情判定部
１５ 出力部
２１ 第１の感情極性判定部
２２ 第２の感情極性判定部
２３ 感情極性決定部
２４ 第１の感情判定部
２５ 第２の感情判定部
２６ 感情決定部
２７ 感情極性語辞書
２８ 感情語辞書

Claims (10)

1. 入力された文に形態素解析を行って前記文を単語に分解する形態素解析手段と、
   前記形態素解析手段により分解された単語と、単語の感情極性がポジティブ、ネガティブ及び不明の何れであるかを定義した感情極性語辞書と、前記文に含まれる各単語の感情極性から感情極性を推定する推定ルールとに基づいて、前記文の感情極性がポジティブ、ネガティブ及び不明の何れであるかを示す第１の感情極性を判定する第１の感情極性判定手段と、
   前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と、学習により得られた単語特徴と、単語の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを対応させた学習データとに基づいて、前記文の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを示す第２の感情極性を判定する第２の感情極性判定手段と、
   前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情極性と前記第２の感情極性判とが異なる場合にはニュートラルと決定する感情極性決定手段と、
   を備えた感情推定装置。
2. 前記第１の感情極性判定手段は、前記文に含まれる単語の何れかの感情極性がポジティブであり他の全ての感情極性がネガティブでない場合にポジティブと判定し、前記文に含まれる単語の何れかの感情極性がネガティブであり他の全ての感情極性がポジティブでない場合にネガティブと判定し、その他の場合には不明と判定する推定ルールを用いる請求項１記載の感情推定装置。
3. 前記第１の感情極性判定手段は、前記文に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がポジティブである単語の数の割合が閾値以上である場合にポジティブと判定し、前記文に含まれて感情極性がポジティブ又はネガティブである単語の数に対して感情極性がネガティブである単語の数の割合が前記閾値以上である場合にネガティブと判定し、その他の場合には不明と判定する請求項１記載の感情推定装置。
4. 前記第２の感情極性判定手段は、前記抽出した単語特徴がポジティブである度合いを示す値が第１の閾値以上である場合にポジティブと判定し、前記値が第１の所定値よりも低い第２の閾値以下である場合にネガティブと判定し、その他の場合にはニュートラルと判定する請求項１記載の感情推定装置。
5. 前記形態素解析手段により分解された単語と、感情語が表す感情を定義した感情語辞書と、単語から感情を推定するルールとに基づいて、第１の感情を判定する第１の感情判定手段と、
   前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と学習により得られた単語特徴と感情とを対応させた学習データとに基づいて、第２の感情を判定する第２の感情判定手段と、
   前記第１の感情と前記第２の感情とが同じ場合には該感情と決定し、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性が異なる場合にはニュートラルと決定する感情決定手段と、
   を更に備えた請求項１から請求項４の何れか１項記載の感情推定装置。
6. 前記第１の感情判定手段は、前記文が感情極性の異なる単語を含む場合にはニュートラルと判定し、前記文が感情極性が同じで感情が異なる複数の単語を含む場合には予め定めた感情の包含関係に基づいてより上位の感情と判定する請求項５記載の感情推定装置。
7. 前記第２の感情判定手段は、前記抽出した単語特徴から判定される感情が該感情である度合いを示す値が第３の閾値以上である場合に該感情を出力し、その他の場合には前記感情極性決定手段により決定された感情極性を出力する請求項５記載の感情推定装置。
8. 前記感情決定手段は、前記第１の感情と前記第２の感情とが異なり且つ前記第１の感情極性と前記第２の感情極性とが同じ場合には、予め定めた第１の感情と第２の感情との包含関係に基づいて、より上位の感情に決定する請求項５から請求項７の何れか１項記載の感情推定装置。
9. コンピュータを、請求項１から請求項８の何れか１項記載の感情推定装置を構成する各手段として機能させるための感情推定プログラム。
10. コンピュータを、
    入力された文に形態素解析を行って前記文を単語に分解する形態素解析手段と、
    前記形態素解析手段により分解された単語と、単語の感情極性がポジティブ、ネガティブ及び不明の何れであるかを定義した感情極性語辞書と、前記文に含まれる各単語の感情極性から感情極性を推定する推定ルールとに基づいて、前記文の感情極性がポジティブ、ネガティブ及び不明の何れであるかを示す第１の感情極性を判定する第１の感情極性判定手段と、
    前記形態素解析手段により分解された単語から単語特徴を抽出し、抽出した単語特徴と、学習により得られた単語特徴と、単語の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを対応させた学習データとに基づいて、前記文の感情極性がポジティブ、ネガティブ及びニュートラルの何れであるかを示す第２の感情極性を判定する第２の感情極性判定手段と、
    前記第１の感情極性と前記第２の感情極性とが同じ場合には該感情極性と決定し、前記第１の感情極性と前記第２の感情極性判とが異なる場合にはニュートラルと決定する感情極性決定手段と、
    して機能させるための感情推定プログラム。

Images