JP2016071068A - 通話解析装置、通話解析方法および通話解析プログラム - Google Patents

Abstract

【課題】詐欺電話の検知精度を向上する通話解析装置、通話解析方法および通話解析プログラムを提供する。
【解決手段】通話解析装置１０は、第１のグループに属する者の音声である第１の音声データを記憶する。第１のグループに属さず、第２のグループに属する者の音声である第２の音声データを記憶する。そして、電話端末から通話中の音声データを取得する。その後、取得された通話中の音声データと第１の音声データとを照合し、通話中の音声データと第２の音声データとを照合して、通話中の相手が第１のグループに属するか否かを判定する。
【選択図】図２

Description

本発明は、通話解析装置、通話解析方法および通話解析プログラムに関する。

近年、電話を用いた振り込め詐欺の件数や被害額は、数年前と比較しても増加傾向にある。振り込め詐欺の対策として、会話を録音する旨のメッセージを事前に再生する機能や迷惑電話のリストにある電話番号からの着信を拒否する機能などを有する電話機等がある。

また、電話端末が、電話中の音声を録音してサーバに送信し、サーバが、過去の詐欺犯罪者の音声リストと電話端末から受信した音声とを比較して、詐欺か否かを判定する詐欺防止システムも知られている。

特開２００８−２１００８５号公報

しかしながら、上記技術では、日々進化する詐欺手法に対応することが難しい。近年では、海外を経由した手口、新たな詐欺手法、詐欺か否かの判断が難しい巧妙な手口が日々生まれ、詐欺犯罪者も増加傾向にある。したがって、上記技術では、過去の犯罪者の音声リストが膨大になるとともに当該音声リストの更新が頻繁になり、効果的ではない。

開示の技術は、上記に鑑みてなされたものであって、詐欺電話の検知精度を向上させることができる通話解析装置、通話解析方法および通話解析プログラムを提供することを目的とする。

本願の開示する通話解析装置は、一つの態様において、第１のグループに属する者の音声である第１の音声データを記憶する第１記憶部と、前記第１のグループに属さず、第２のグループに属する者の音声である第２の音声データを記憶する第２記憶部と、電話端末から通話中の音声データを取得する取得部と、前記取得部によって取得された前記通話中の音声データと前記第１の音声データとを照合し、前記通話中の音声データと前記第２の音声データとを照合して、前記通話中の相手が前記第１のグループに属するか否かを判定する判定部とを有する。

本願の開示する通話解析装置、通話解析方法および通話解析プログラムの一つの態様によれば、詐欺電話の検知精度を向上させることができる。

図１は、実施例１に係るシステムの全体構成例を示す図である。 図２は、実施例１に係る通話解析装置の機能構成を示す機能ブロック図である。 図３は、テキストＤＢに記憶される情報の例を示す図である。 図４は、電話端末側で実行される処理の流れを示すフローチャートである。 図５は、通話中処理の流れを示すフローチャートである。 図６は、通話後処理の流れを示すフローチャートである。 図７は、通話後処理の流れを示すフローチャートである。 図８は、音声認識と比較処理の具体例を説明する図である。 図９は、比較処理と学習処理の具体例を説明する図である。 図１０は、実施例２に係る通話解析装置の機能構成を示す機能ブロック図である。 図１１は、ストーリー辞書ＤＢに記憶される情報の例を示す図である。 図１２は、ストーリー辞書を用いた判定処理の流れを示すフローチャートである。 図１３は、ストーリーの学習例を説明する図である。 図１４は、複数人の音声データからストーリーを学習する例を説明する図である。 図１５は、ハードウェア構成例を説明する図である。

以下に、本願の開示する通話解析装置、通話解析方法および通話解析プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

［全体構成］
図１は、実施例１に係るシステムの全体構成例を示す図である。図１に示すように、このシステムは、家庭１と通話解析システムを有する。家庭１は、ユーザの家庭内ネットワークであり、電話端末２、ＳＤカード３、モジュラー４、ブロードバンドルータ５、無線ＬＡＮ（Local Area Network）ルータ６、サービスアダプタ７、端末８を有する。

電話端末２は、音声通話を実行する端末である。ＳＤカード３は、電話端末２に挿入されたＳＤカードであり、ＷｉＦｉ（Wireless Fidelity）機能を有し、無線通信可能な装置である。

ＳＤカード３は、電話端末２から音声データを取得して通話解析装置１０に送信する装置であり、電話端末２に挿入されている。例えば、ＳＤカード３は、電話端末２から通話中の音声データを随時取得して通話解析装置１０に随時送信することもでき、電話端末２から通話中の音声データを取得して一定時間蓄積した後、通話解析装置１０に送信することもできる。また、ＳＤカード３は、電話端末２から通話中の音声データを取得して蓄積しておき、通話終了後、通話中に蓄積した音声データを通話解析装置１０に送信することもできる。

モジュラー４は、電話回線と接続する端子である。ブロードバンドルータ５は、インターネットに接続するルータである。無線ＬＡＮルータ６は、無線ＬＡＮを構築するルータであり、ＳＤカード３を含む家庭１内の端末８に無線ＬＡＮを提供する。サービスアダプタ７は、各種システム間を連携するアダプタであり、家庭内ネットワークと通話解析システムとをＬ２ＶＰＮ（レイヤ２ Virtual Area Network）９を接続する。端末８は、パソコン、携帯端末、情報家電などの情報処理装置である。

通話解析システムは、少なくとも１台の通話解析装置１０を有するシステムである。通話解析装置１０は、電話端末２を用いてやり取りされる音声データを、Ｌ２ＶＰＮ９を介して、ＳＤカード３から取得する。

このような状況において、通話解析装置１０は、第１のグループに属する者の音声である第１の音声データを記憶する。通話解析装置１０は、第１のグループに属さず、第２のグループに属する者の音声である第２の音声データを記憶する。そして、通話解析装置１０は、電話端末１から通話中の音声データを取得する。その後、通話解析装置１０は、取得された通話中の音声データと第１の音声データとを照合し、通話中の音声データと第２の音声データとを照合して、通話中の相手が第１のグループに属するか否かを判定する。

例えば、通話解析装置１０は、電話端末２から通話中の音声データを取得して、通話相手が詐欺を企てる悪意のある第三者１００か否かを判定する。そして、通話解析装置１０は、通話相手が悪意のある第三者１００であると判定した場合、各種警告を出力する。したがって、通話解析装置１０は、詐欺電話の検知精度を向上させることができる。

また、通話解析装置１０は、第三者１００からの電話であると判定した場合、警告処理を実行することができる。例えば、通話解析装置１００は、第三者１００が家族内のいずれかの名前を名乗った場合、名乗られた家族１１０の電話番号に発信して、本人が電話中であるか確認する。また、通話解析装置１００は、通話終了後に、家庭１の電話端末２に発信して、注意を促すこともできる。

［機能構成］
図２は、実施例１に係る通話解析装置の機能構成を示す機能ブロック図である。図２に示すように、通話解析装置１０は、通信制御部１１、記憶部１２、制御部１３を有する。

通信制御部１１は、他の装置との通信を制御する処理部であり、例えば無線ＬＡＮインタフェースや有線インタフェースなどである。記憶部１２は、制御部１３が実行するプログラムや各種データを記憶する記憶装置であり、例えばハードディスクやメモリなどである。この記憶部１２は、ホワイトリストＤＢ１２ａ、ブラックリストＤＢ１２ｂ、テキストＤＢ１２ｃ、電話番号ＤＢ１２ｄを有する。

ホワイトリストＤＢ１２ａは、悪意のある第三者１００以外の音声データをホワイトリストとして記憶するデータベースであり、例えば家庭１の家族の各音声データを記憶する。なお、ホワイトリストＤＢ１２ａは、家族内の各個人に対応付けて、複数の音声データを記憶することができる。この結果、各個人について、健康な時の音声データ、風邪気味の時の音声データ、通話品質が悪い時の音声データなど様々な音声データを記憶することができるので、家族からの通話を適切に特定することができ、システムの信頼性低下を抑制できる。

ブラックリストＤＢ１２ｂは、悪意のある第三者１００の音声データを記憶するデータベースであり、例えばいわゆる振り込め詐欺を行った犯罪者の音声データをブラックリストとして記憶する。

テキストＤＢ１２ｃは、家庭１の住民（家族）の会話の特徴に基づいて生成された第１のテキストデータを記憶するデータベースであり、例えばホワイトリストＤＢ１２ａに記憶される音声データから生成されたテキストデータを記憶する。

図３は、テキストＤＢに記憶される情報の例を示す図である。図３に示すように、テキストＤＢ１２ｃは、「登録名、分析対象、特徴、辞書、信頼度」を対応付けて記憶する。「登録名」は、テキストデータの対象者を示し、「分析対象」は、テキストデータの分析対象を示し、「特徴」は、話し方の特徴を示す。「辞書」は、特徴的な表現やキーワードを示し、「信頼度」は、分析対象の信頼度を示す。なお、ここで例示した分析対象や特徴は、あくまで一例であり、任意に追加変更することができる。

図３の例では、各登録者に対して呼称分析、語尾・癖分析、声違和感分析を行う情報が記憶されている。例えば、タロウについて、会話時に家庭１の家族を呼ぶ際の特徴が「お母さんの××、お母さんから××、お母さんと××」であり、この呼称と一致しない場合は信頼度を「−１０」することを示す。また、タロウの会話時の語尾の特徴が「○○したのよ、□□したのよ、△△したからね」であり、この語尾の特徴と一致しない場合に信頼度を「−５」することを示す。また、「声がいつもと・・・、風邪で喉が・・・」が声違和感分析のキーワードとして登録されており、このキーワードと一致した場合に信頼度を「−２０」することを示す。

電話番号ＤＢ１２ｄは、家庭１の家族の電話番号を記憶するデータベースであり、例えばタロウの電話番号、ジロウの電話番号、ハナコの電話番号などを記憶する。

制御部１３は、通話解析装置１０全体の処理を司る処理部であり、例えばプロセッサなどである。この制御部１３は、ＶＰＮ接続部１４、音声取得部１５、音声認識部１６、照合部１７、警告部１８、学習部１９を有する。このＶＰＮ接続部１４、音声取得部１５、音声認識部１６、照合部１７、警告部１８、学習部１９は、例えばプロセッサが有する電子回路などの一例やプロセッサが実行するプロセスなどの一例である。

ＶＰＮ接続部１４は、家庭１と通話解析装置１０とをＶＰＮ接続する処理部である、例えば、ＳＤカード３からのＶＰＮ接続要求に応答して、家庭１と通話解析装置１０とをＶＰＮで接続する。

音声取得部１５は、家庭１のＳＤカード３から、電話端末２でやり取りされる音声データを取得する。例えば、音声取得部１５は、家庭１の住民が電話端末２を介して通話している通話中の通話相手の音声データを、ＳＤカード３から取得する。この音声取得部１５は、取得した音声データを照合部１７通知する。

音声認識部１６は、音声取得部１５によって取得された音声データを音声認識してテキストデータを生成する処理部である。この音声認識部１６は、生成したテキストデータを照合部１７に通知する。

照合部１７は、電話端末２の通話中の相手が悪意のある第三者か否かを検出する処理部であり、音声照合部１７ａとテキスト照合部１７ｂを有する。

音声照合部１７ａは、音声取得部１５によって取得された音声データとホワイトリストＤＢ１２ａに記憶される音声データとを照合し、音声取得部１５によって取得された音声データとブラックリストＤＢ１２ｂに記憶される音声データとを照合する処理部である。

例えば、音声照合部１７ａは、通話中の音声データとホワイトリストの各音声データとを声紋認証し、通話中の音声データとブラックリストの各音声データとを声紋認証し、その結果を警告部１８や学習部１９に出力する。

一例をあげると、音声照合部１７ａは、音声照合部１７ａは、ブラックリストに一致する場合は信頼度「−５０」、ホワイトリストに一致しない場合は信頼度「−５０」とし、合計「−１００」を警告部１８や学習部１９に出力する。また、音声照合部１７ａは、ブラックリストに一致する場合は信頼度「−５０」、ホワイトリストに一致する場合は信頼度「＋５０」とし、合計「０」を警告部１８や学習部１９に出力する。

また、音声照合部１７ａは、音声データとブラックリストが一致した場合、当該音声データにラベル「他人」を付加する。同様に、音声照合部１７ａは、音声データとブラックリストおよびホワイトリストとが不一致の場合、当該音声データにラベル「他人」を付加する。一方、音声照合部１７ａは、音声データとホワイトリストが一致した場合、当該音声データにラベル「家族」を付加する。

テキスト照合部１７ｂは、音声認識部１６が生成したテキストデータと、テキストＤＢ１２ｃに記憶されるテキストデータとを照合する処理部である。また、テキスト照合部１７ｂは、音声認識部１６が生成したテキストデータにラベルを付加する。例えば、テキスト照合部１７ｂは、音声認識部１６が生成したテキストデータから名乗り「タロウ」を抽出し、この名乗り「タロウ」が電話番号ＤＢ１２ｄに登録されている場合、当該テキストデータにラベル「タロウ（家族）」を付加する。一方、テキスト照合部１７ｂは、名乗り「タロウ」が電話番号ＤＢ１２ｄに登録されていない場合、当該テキストデータにラベル「タロウ（他人）」を付加する。

続いて、テキスト照合部１７ｂは、音声認識部１６が生成したテキストデータにラベル「タロウ」を付加すると、テキストＤＢ１２ｃから登録名「タロウ」に対応付けられたデータを読み込む。

その後、テキスト照合部１７ｂは、ラベル「タロウ」が付加された照合対象のテキストデータから、呼称分析に対応付けられている特徴や語尾・癖分析に対応付けられている特徴が、照合対象のテキストデータに登場するか否かを判定する。また、テキスト照合部１７ｂは、ラベル「タロウ」が付加された照合対象のテキストデータから、声違和感分析の辞書と同じフレーズが登場するかを判定する。

そして、テキスト照合部１７ｂは、一致した分析対象の信頼度を加算し、その加算した結果を警告部１８や学習部１９に出力する。例えば、テキスト照合部１７ｂは、呼称分析および語尾・癖分析が不一致で、声違和感分析も不一致である場合、信頼度「−１０」と「−５」とを加算した「−１５」を警告部１８や学習部１９に出力する。また、テキスト照合部１７ｂは、呼称分析が一致、語尾・癖分析が不一致、声違和感分析が一致の場合、信頼度「−５」と「−２０」とを加算した「−２５」を警告部１８や学習部１９に出力する。

警告部１８は、信頼度に応じて各種警告処理を実行する処理部である。例えば、警告部１８は、ラベルの一致・不一致による信頼度と、音声照合部１７ａから通知された信頼度と、テキスト照合部１７ｂから通知された信頼度とを合計した信頼度から、通話相手の危険度を算出する。そして、警告部１８は、危険度が閾値以上の場合、警告処理を実行する。

例えば、警告部１８は、ラベルの不一致による信頼度が「−２０」、音声照合部１７ａから通知された信頼度が「−１００」、テキスト照合部１７ｂから通知された信頼度「−５０」である場合、合計信頼度「−１７０」と算出する。この場合、警告部１８は、合計信頼度「−１７０」の絶対値「１７０」を通話相手の危険度として算出する。

そして、警告部１８は、危険度「１７０」が閾値「１００」を超える場合、警告処理を実行する。例えば、警告部１８は、電話番号ＤＢ１２ｄに登録されている家族に電話ＡＰＩ（Application Programming Interface）を使用した警告、メール送信等を実行する。一例をあげると、警告部１８は、通話相手がタロウと名乗ったことにより、音声データにラベル「タロウ」が付加されている場合、電話番号ＤＢ１２ｄからタロウの電話番号を特定して発信する。

ここで、警告部１８は、タロウが発信に応答した場合、通話相手がタロウではないことが確認できるので、電話端末２に対して、通話終了後に先ほどの通話相手が詐欺の疑いが高いことを示すメッセージ送信して、詐欺への注意を促す。

学習部１９は、ホワイトリストやブラックリストを学習する処理部である。具体的には、学習部１９は、ホワイトリスト、ブラックリストの一致不一致、危険度の数値などに基づいて、ホワイトリスト、ブラックリスト、テキストＤＢ１２ｃなどを更新する。

一例を挙げると、学習部１９は、通話中の音声データがホワイトリストＤＢ１２ａの音声データと一致せず、通話中の音声データから生成されたテキストデータの警告度が閾値以上の場合、ブラックリスト未登録者からの電話と判定する。そして、学習部１９は、通話中の音声データを新たなブラックリストとして、ブラックリストＤＢ１２ｂに登録する。

なお、学習部１９は、通話中の音声データがブラックリストＤＢ１２ｂの音声データと一致せず、通話中の音声データから生成されたテキストデータの警告度が閾値未満の場合、ホワイトリスト未登録者からの電話と判定して、通話中の音声データを新たなホワイトリストとして、ホワイトリストＤＢ１２ａに登録することもできる。

［処理の流れ］
次に、実施例１に係るシステムで実行される各種処理について説明する。ここでは、電話端末２で実行される処理と通話解析装置で実行される処理とについて説明する。

（電話端末の処理）
図４は、電話端末側で実行される処理の流れを示すフローチャートである。図４に示すように、電話端末２は、通話を開始すると（Ｓ１０１：Ｙｅｓ）、通話解析サービスを開始する（Ｓ１０２）。

続いて、電話端末２に挿入されているＳＤカード３は、未処理の通話データがある場合（Ｓ１０３：Ｙｅｓ）、通話解析装置１０に未処理の通話データの取得依頼を送信する（Ｓ１０４）。なお、ＳＤカード３は、未処理の通話データがない場合（Ｓ１０３：Ｎｏ）、Ｓ１０４を実行せずにＳ１０５を実行する。

そして、ＳＤカード３は、Ｌ２ＶＰＮ９が未接続中の場合（Ｓ１０５：Ｎｏ）、ＶＰＮ接続を実施してから（Ｓ１０６）、Ｓ１０７を実行し、Ｌ２ＶＰＮ９が接続中の場合（Ｓ１０５：Ｙｅｓ）、そのままＳ１０７を実行する。

その後、ＳＤカード３は、通話途中の音声データをコピーできる場合（Ｓ１０７：Ｙｅｓ）、Ｌ２ＶＰＮ９を介して、通話中の音声データを通話解析装置１０に送信する（Ｓ１０８）。一方、ＳＤカード３は、通話途中の音声データをコピーできない場合（Ｓ１０７：Ｎｏ）、通話中の音声データを蓄積する（Ｓ１０９）。

そして、ＳＤカード３は、通話中の間（Ｓ１１０：Ｙｅｓ）、Ｓ１０３以降を繰り返す。一方、ＳＤカード３は、通話が終了すると（Ｓ１１０：Ｎｏ）、通話後処理を実行する（Ｓ１１１）。なお、通話後処理については後述する。

（通話中の処理）
図５は、通話中処理の流れを示すフローチャートである。図５に示すように、通話解析装置１０の音声取得部１５が、通話中の音声データを取得すると（Ｓ２０１：Ｙｅｓ）、音声照合部１７ａが、ブラックリストＤＢ１２ｂに記憶されるブラックリストの音声と声紋認証を実行する（Ｓ２０２）。

そして、音声照合部１７ａが、通話中の音声データがブラックリストと一致すると判定した場合（Ｓ２０３：Ｙｅｓ）、警告部１８が、警告処理を実行する（Ｓ２０４）。

一方、音声照合部１７ａが、通話中の音声データがブラックリストと一致しないと判定した場合（Ｓ２０３：Ｎｏ）、ホワイトリストＤＢ１２ａに記憶されるホワイトリストの音声と声紋認証を実行する（Ｓ２０５）。

そして、音声照合部１７ａは、通話中の音声データがホワイトリストの音声と一致する場合（Ｓ２０６：Ｙｅｓ）、通話中の音声データに、一致したホワイトリストの家族名のラベルを付ける（Ｓ２０７）。一方、音声照合部１７ａは、通話中の音声データがホワイトリストの音声と一致しない場合（Ｓ２０６：Ｎｏ）、通話中の音声データに、他人ラベルを付ける（Ｓ２０８）。

その後、テキスト照合部１７ｂは、通話中の音声データを文字列化してテキストデータを生成する（Ｓ２０９）。続いて、テキスト照合部１７ｂは、テキストデータから通話冒頭の名乗りを特定する（Ｓ２１０）。

続いて、テキスト照合部１７ｂは、Ｓ２１０で特定した名乗りのラベルを、通話中の音声データのテキストデータに付ける（Ｓ２１１）。

その後、警告部１８は、付加された２つのラベルから、通話相手が詐欺の疑いがあるか否かを判定する（Ｓ２１２）。具体的には、警告部１８は、音声データのラベルが「他人」かつテキストデータのラベルが「家族名」である場合、詐欺の疑いありと判定する。

そして、警告部１８は、詐欺の疑いがある場合（Ｓ２１２：Ｙｅｓ）、ラベルされた名乗りに該当する家族に、電話発信する（Ｓ２１３）。そして、警告部１８は、発信先から応答があった場合（Ｓ２１４：Ｙｅｓ）、警告処理を実行する（Ｓ２１５）。

一方、警告部１８は、詐欺の疑いがない場合（Ｓ２１２：Ｎｏ）、または、発信先から応答がない場合（Ｓ２１４：Ｎｏ）、処理を終了する。

（通話後の処理）
図６と図７は、通話後処理の流れを示すフローチャートである。なお、この処理は図４のＳ１１１で実行される処理である。また、ここでは、蓄積された音声データを対象に説明するが、これに限定されるものではなく、通話中の音声データを取得して随時実行することもでき、通話解析装置１０で音声データを蓄積してから実行することもできる。

図６に示すように、通話解析装置１０の音声取得部１５が、通話中の音声データを取得すると（Ｓ３０１：Ｙｅｓ）、音声照合部１７ａが、ブラックリストＤＢ１２ｂに記憶されるブラックリストの音声と声紋認証を実行する（Ｓ３０２）。

そして、音声照合部１７ａが、通話中の音声データがブラックリストと一致すると判定した場合（Ｓ３０３：Ｙｅｓ）、警告レベルを上げる（Ｓ３０４）。具体的には、音声照合部１７ａは、ブラックリストの一致に対応付けられている信頼度を加算する。

その後、音声照合部１７ａは、ホワイトリストＤＢ１２ａに記憶されるホワイトリストの音声と声紋認証を実行する（Ｓ３０５）。なお、音声照合部１７ａは、通話中の音声データがブラックリストと一致しないと判定した場合（Ｓ３０３：Ｎｏ）、Ｓ３０４を実行することなく、Ｓ３０５を実行する。

そして、音声照合部１７ａは、通話中の音声データがホワイトリストの音声と一致する場合（Ｓ３０６：Ｙｅｓ）、通話中の音声データに、一致したホワイトリストの家族名のラベルを付ける（Ｓ３０７）。一方、音声照合部１７ａは、通話中の音声データがホワイトリストの音声と一致しない場合（Ｓ３０６：Ｎｏ）、通話中の音声データに、他人ラベルを付ける（Ｓ３０８）。

その後、テキスト照合部１７ｂは、取得した音声データを文字列化してテキストデータを生成する（Ｓ３０９）。続いて、テキスト照合部１７ｂは、テキストデータから通話冒頭の名乗りを特定する（Ｓ３１０）。

続いて、テキスト照合部１７ｂは、Ｓ３１０で特定した名乗りのラベルを、対象の音声データのテキストデータに付ける（Ｓ３１１）。

そして、警告部１８は、音声データのラベルとテキストデータのラベルとが一致しない場合（Ｓ３１２：Ｎｏ）、警告レベルを上げた後（Ｓ３１３）、Ｓ３１４を実行する。一方、警告部１８は、音声データのラベルとテキストデータのラベルとが一致する場合（Ｓ３１２：Ｙｅｓ）、Ｓ３１３を実行することなく、Ｓ３１４を実行する。

その後、テキスト照合部１７ｂは、名乗りのラベルでテキストデータを読み込む（Ｓ３１４）。例えば、テキスト照合部１７ｂは、ラベル「タロウ」に該当するテキストデータをテキストＤＢ１２ｃから特定して読み込む。

そして、テキスト照合部１７ｂは、音声データにおける自分の呼称とテキストＤＢ１２ｃ内の自分の呼称とが一致するかを判定する（Ｓ３１５）。

続いて、テキスト照合部１７ｂは、音声データにおける自分の呼称とテキストＤＢ１２ｃ内のテキストデータにおける自分の呼称とが一致しない場合（Ｓ３１６：Ｎｏ）、警告レベルを上げた後（Ｓ３１７）、Ｓ３１８を実行する。一方、テキスト照合部１７ｂは、音声データにおける自分の呼称とテキストデータにおける自分の呼称とが一致する場合（Ｓ３１６：Ｙｅｓ）、Ｓ３１７を実行することなく、Ｓ３１８を実行する。

例えば、テキスト照合部１７ｂは、ラベルで特定されたテキストデータの呼称分析の特徴に登録されている文字列が、音声データから生成されたテキストデータに含まれるか否かを判定し、含まれていない場合、呼称分析に対応付けられる信頼度を加算する。

その後、図７に示すように、テキスト照合部１７ｂは、音声データにおける相手の呼称とテキストデータにおける相手の呼称とが一致するかを判定する（Ｓ３１８）。

続いて、テキスト照合部１７ｂは、音声データにおける相手の呼称とテキストデータにおける相手の呼称とが一致しない場合（Ｓ３１９：Ｎｏ）、警告レベルを上げた後（Ｓ３２０）、Ｓ３２１を実行する。一方、テキスト照合部１７ｂは、音声データにおける相手の呼称とテキストデータにおける相手の呼称とが一致する場合（Ｓ３１９：Ｙｅｓ）、Ｓ３２０を実行することなく、Ｓ３２１を実行する。

その後、テキスト照合部１７ｂは、音声データにおける通話相手の語尾とテキストデータにおける通話相手の語尾とが一致するかを判定する（Ｓ３２１）。

例えば、テキスト照合部１７ｂは、ラベルで特定されたテキストデータの語尾・癖分析の特徴に登録されている文字列が、音声データから生成されたテキストデータに含まれるか否かを判定し、含まれていない場合、語尾・癖分析に対応付けられる信頼度を加算する。

続いて、テキスト照合部１７ｂは、音声データにおける通話相手の語尾とテキストデータにおける通話相手の語尾とが一致しない場合（Ｓ３２２：Ｎｏ）、警告レベルを上げた後（Ｓ３２３）、Ｓ３２４を実行する。一方、テキスト照合部１７ｂは、音声データにおける通話相手の語尾とテキストデータにおける通話相手の語尾とが一致する場合（Ｓ３２２：Ｙｅｓ）、Ｓ３２３を実行することなく、Ｓ３２４を実行する。

その後、テキスト照合部１７ｂは、音声データから声違和感の言葉を抽出する（Ｓ３２４）。例えば、テキスト照合部１７ｂは、音声データから生成されたテキストデータ内に、声違和感の分析対象として予め登録されている文字列を検出する。

そして、テキスト照合部１７ｂは、Ｓ３２４で抽出された文字列がテキストデータの言葉と一致する場合（Ｓ３２５：Ｙｅｓ）、警告レベルを上げる（Ｓ３２６）。一方、Ｓ３２４で抽出された文字列がテキストデータの言葉と一致しない場合（Ｓ３２５：Ｎｏ）、Ｓ３２６を実行することなく、Ｓ３２７が実行される。

そして、警告部１８は、処理対象の音声データがブラックリストに登録されているか否かを判定する（Ｓ３２７）。ここで、警告部１８は、処理対象の音声データがブラックリストに登録されている場合（Ｓ３２７：Ｙｅｓ）、警告処理を実行して（Ｓ３２８）、処理を終了する。

一方、処理対象の音声データがブラックリストに登録されていない場合（Ｓ３２７：Ｎｏ）、警告部１８は、算出した警告レベルを用いて危険度を算出し（Ｓ３２９）、危険度が閾値以上である場合（Ｓ３３０：Ｙｅｓ）、警告処理を実行する（Ｓ３３１）。

その後、学習部１９は、付加されるラベルが両方とも家族の名前である場合（Ｓ３３２：Ｙｅｓ）、そのまま処理を終了する。具体的には、通話解析装置１０は、音声データがホワイトリストにも登録されているにも関わらず、発言内容が家族の内容とは異なる場合、警告処理のみを実行し、学習処理を実行しない。なお、通話解析装置１０は、このように判定した場合、家族と特定された音声データをブラックリストに登録してもよい。

一方、学習部１９は、いずれかのラベルが家族ではない場合（Ｓ３３２：Ｎｏ）、ブラックリストを更新する（Ｓ３３３）。つまり、学習部１９は、音声データのラベルが他人で、テキストデータのラベルが家族であり、音声データがブラックリストにもホワイトリスト登録されていない状態で、発言内容が詐欺者と判断される場合、新たな詐欺者の音声と判断して、音声データをブラックリストに登録する。

また、Ｓ３３０において、危険度が閾値未満である場合（Ｓ３３０：Ｎｏ）、学習部１９は、付加されるラベルが両方とも家族か否かを判定する（Ｓ３３４）。

ここで、学習部１９は、付加されるラベルが両方とも家族の名前であると判定した場合（Ｓ３３４：Ｙｅｓ）、テキストＤＢ１２ｃのテキストデータを更新する（Ｓ３３５）。つまり、学習部１９は、音声データおよびテキストデータのラベルが家族であり、音声データがホワイトリストにのみ登録されている状態で、発言内容が家族と判断される場合、図３に示した家族の癖等を更新する。

具体的には、学習部１９は、音声認識された会話のテキストデータのうち、当該テキストデータに付加されたラベルに対応づけてテキストＤＢ１２ｃに登録されていないテキストデータを、テキストＤＢ１２ｃに登録する。例えば、学習部１９は、タロウと特定されたテキストデータに含まれる「〜しちゃってさ」がテキストＤＢ１２ｃに登録されていない場合、タロウの新たな特徴として「〜しちゃってさ」を語尾・癖分析対象に登録する。

一方、学習部１９は、いずれかのラベルが家族ではないと判定した場合（Ｓ３３４：Ｎｏ）、ホワイトリストおよびテキストＤＢ１２ｃのテキストデータを更新する（Ｓ３３６）。つまり、学習部１９は、音声データのラベルが他人で、テキストデータのラベルが家族であり、音声データがブラックリストにもホワイトリストにも登録されていない状態で、発言内容が家族と判断される場合、新たなホワイトリストとして音声データを登録するとともに、テキストＤＢ１２ｃに発言の癖等を登録する。

このとき、学習部１９は、発言内容等から特定した名乗りに対応するデータがホワイトリストに存在する場合は、当該名乗りの新たな音声データとして追加し、名乗りに対応するデータがホワイトリストに存在しない場合は、新たな名乗りの音声データとして新規登録する。同様に、学習部１９は、発言内容等から特定した名乗りに対応するデータがテキストＤＢ１２ｃに登録されている場合は、当該名乗りの新たな発言内容として該当する項目に追加し、名乗りに対応するデータがテキストＤＢ１２ｃに未登録の場合は、新たな名乗りの発言内容として新規登録する。

［具体例］
次に、上述した各種処理の具体例について説明する。ここでは、音声認識からテキストデータとの比較処理と、学習処理とについて説明する。

（比較処理）
図８は、音声認識と比較処理の具体例を説明する図である。図８に示すように、通話解析装置１０は、電話端末２から取得した音声データとブラックリストおよびホワイトリストとマッチングし、ブラックリストと一致かつホワイトリストと不一致の音声であることを特定する。この結果、通話解析装置１０は、信頼度を「−１００＝（−５０）＋（−５０）」と算出する。また、音声データがブラックリストに登録されていることから、通話解析装置１０は、この音声データにラベル「他人」を付加する。

続いて、通話解析装置１０は、電話端末２から取得した音声データを音声認識して、テキストデータ「もしもし、俺だけど。えっ？タロウ。うん。タロウ。 風邪気味で声がいつも違うけど、母さんも元気？俺は元気だけど、事故しちゃってさ、お金が必要なんだよ。・・・」を生成する。

続いて、通話解析装置１０は、テキストデータの冒頭から相手が「タロウ」と名乗ったことを特定し、このテキストデータにラベル「タロウ（家族）」を付加する。ここで、通話解析装置１０は、音声データのラベル（他人）とテキストデータのラベル（タロウ（家族））とが不一致であることから、信頼度を「−２０」を加算する。その後、通話解析装置１０は、テキストＤＢ１２ｃから、「タロウ」に対応付けられているテキストデータ（タロウ参照テキスト）を抽出する。

そして、通話解析装置１０は、認識後のテキストデータに含まれる「声がいつもと」がタロウ参照テキストの声違和感分析の辞書に登録されている文字列と一致することから、信頼度「−２０」を加算する。

続いて、通話解析装置１０は、認識後のテキストデータにおいて通話相手が相手を呼ぶときの呼び方が「母さん」であることを特定する。そして、通話解析装置１０は、この呼称「母さん」がタロウ参照テキストの呼称分析の特徴に登録されている「お母さん」と異なることから、信頼度「−１０」を加算する。

さらに、通話解析装置１０は、認識後のテキストデータにおいて通話相手の会話の語尾が「しちゃってさ」や「なんだよ」であることを特定する。そして、通話解析装置１０は、この語尾「〜しちゃってさ、〜なんだよ」がタロウ参照テキストの語尾・癖分析の特徴に登録されている「〜したのよ、〜したからね」と異なることから、信頼度「−５」を加算する。

そして、通話解析装置１０は、リスト判定、声違和感分析、呼称分析、語尾・癖分析の結果で特定された信頼度の合計「−１００＋（−２０）＋（−２０）＋（−１０）＋（−５）＝−１３５」を算出する。この結果、通話解析装置１０は、危険度を「１５５」と算出し、閾値（１００）を超えることから、警告処理を実行する。

（学習処理）
図９は、比較処理と学習の具体例を説明する図である。図９に示すように、通話解析装置１０は、電話端末２から取得した音声データとブラックリストおよびホワイトリストとマッチングし、ブラックリストと不一致かつホワイトリストと一致の音声であることを特定する。この結果、通話解析装置１０は、信頼度を「０」と算出する。また、音声データがホワイトリストに登録されていることから、通話解析装置１０は、この音声データにラベル「家族」を付加する。

続いて、通話解析装置１０は、電話端末２から取得した音声データを音声認識して、テキストデータ「もしもし、俺だけど。えっ？タロウ？うん。タロウ。お母さんも元気？俺は元気だけど、事故しちゃってさ、お金が必要なんだよ。・・・」を生成する。

続いて、通話解析装置１０は、テキストデータの冒頭から相手が「タロウ」と名乗ったことを特定し、このテキストデータにラベル「タロウ（家族）」を付加する。ここで、通話解析装置１０は、音声データのラベル（家族）とテキストデータのラベル（タロウ（家族））とが一致することから、信頼度を「０」を加算する。その後、通話解析装置１０は、テキストＤＢ１２ｃから、「タロウ」に対応付けられているテキストデータ（タロウ参照テキスト）を抽出する。

そして、通話解析装置１０は、参照テキストの声違和感分析の辞書に登録されている文字列と一致する文字列が含まれていないことから、信頼度「−２０」を加算対象から除外する。

続いて、通話解析装置１０は、認識後のテキストデータにおいて通話相手が相手を呼ぶときの呼び方が「お母さん」であることを特定する。そして、通話解析装置１０は、この呼称「お母さん」がタロウ参照テキストの呼称分析の特徴に登録されている「お母さん」と一致することから、信頼度「−１０」を加算対象から除外する。

さらに、通話解析装置１０は、認識後のテキストデータにおいて通話相手の会話の語尾が「しちゃってさ」や「なんだよ」であることを特定する。そして、通話解析装置１０は、この語尾「〜しちゃってさ、〜なんだよ」がタロウ参照テキストの語尾・癖分析の特徴に登録されている「〜したのよ、〜したからね」と異なることから、信頼度「−５」を加算する。

そして、通話解析装置１０は、リスト判定、声違和感分析、呼称分析、語尾・癖分析の結果で特定された信頼度の合計「−５」を算出する。この結果、通話解析装置１０は、危険度を「５」と算出し、閾値（１００）を超えないことから、警告処理を実行しない。

また、通話解析装置１０は、比較した音声データの危険度が小さいことから、当該音声データは安全な通話相手の声と判断できる。さらに、通話解析装置１０は、当該音声データがホワイトリストにも登録されていないことから、安全な通話相手と判断できる当該音声データは新たにホワイトリストＤＢ１２ａに登録する。さらに、通話解析装置１０は、タロウの語尾の特徴に「○○しちゃってさ、○○なんだよ」を追加する。

［効果］
上述したように、通話解析システムは、音声データをサーバ側で様々なデータと照合し、文字ベースでの内容も分析を行うことができるので、高い確度で詐欺電話であることを検知できる。また、通話解析システムは、詐欺と判定された音声データは集合値として蓄積され、他の利用者に対するフィルターとして利用するので、検出精度の低下を抑制し、高い検出精度を維持することができる。

ところで、実施例１では、通話相手が話した単語を抽出して詐欺か否かを判定する例を説明したが、これに限定されるものではない。例えば、通話解析装置１０は、話者が話した単語から話者が展開するストーリーを特定し、ストーリーによって詐欺か否かを判定することもできる。

そこで、実施例２では、実施例１による判定手法に加えて、ストーリーによって詐欺者を特定する例を説明する。

［機能構成］
図１０は、実施例２に係る通話解析装置の機能構成を示す機能ブロック図である。図１０に示すように、通話解析装置１０は、実施例１と同様、通信制御部１１、記憶部１２、制御部１３を有する。ここでは、実施例１とは異なるストーリー辞書ＤＢ１２ｅとストーリー照合部１７ｃとについて説明するが、その他の処理部等は、実施例１と同様の処理を実行するので、詳細な説明は省略する。

ストーリー辞書ＤＢ１２ｅは、詐欺のストーリーと判断できる言葉（文字）の出現順を記憶するデータベースである。このストーリー辞書ＤＢ１２ｅは、通話解析装置１０の管理者が予め登録することもでき、学習部１９が随時更新することもできる。

図１１は、ストーリー辞書ＤＢに記憶される情報の例を示す図である。図１１に示すように、ストーリー辞書ＤＢ１２ｅは、「種別、ストーリー辞書、信頼度」を対応付けて記憶する。「種別」は、話者の人数を特定する情報であり、「ストーリー辞書」は、ストーリーを特定する言葉の出現順を特定する情報であり、「信頼度」は、分析対象の信頼度を示す。

図１１の例では、種別「単数」のストーリーとして、「携帯、なくした、かばん、電車、わすれて、小切手」が順に登場した場合、詐欺に該当すると判定し、信頼度を「１０」減算することを示す情報が登録されている。また、種別「複数」のストーリーとして、「駅または駅員、警察署または県警または派出所、弁護士または弁護士事務所」が順に登場した場合、詐欺に該当すると判定し、信頼度を「１０」減算することを示す情報が登録されている。

ストーリー照合部１７ｃは、話者の音声データからストーリー辞書に登録されているストーリーを検出する処理部である。具体的には、ストーリー照合部１７ｃは、音声認識部１６からテキストデータを取得する。続いて、ストーリー照合部１７ｃは、ストーリー辞書ＤＢ１２ｅに登録されているストーリー辞書を読み込む。

その後、ストーリー照合部１７ｃは、読み込んだストーリー辞書と一致する言葉および登場順を、話者の音声データから生成されたテキストデータから検索する。そして、ストーリー照合部１７ｃによってテキストデータからストーリーと一致する言葉等が検索された場合、警告部１８は、一致したストーリーに対応付けられる信頼度を加算する。

また、別の手法としては、ストーリー照合部１７ｃは、音声認識部１６からテキストデータを取得した後、予め指定されている危険用語辞書などを読み込む。なお、危険用語辞書は、詐欺ストーリーに使用される可能性が高い文字を登録したＤＢであり、記憶部１２等に格納される。

その後、ストーリー照合部１７ｃは、話者の音声データから生成されたテキストデータから、危険用語辞書に登録されている文字を抽出する。そして、ストーリー照合部１７ｃは、抽出した文字および登場順がストーリー辞書に登録されているストーリーと一致するか否かを判定することもできる。

［処理の流れ］
次に、ストーリー辞書ＤＢ１２ｅを用いた判定処理の流れを説明するが、音声データの取得、文字認識、他の判定方法は、実施例１と同様なので、詳細な説明は省略する。なお、ここで説明する処理は、実施例１で説明した判定処理の前でも後でも任意の順番で実行することができる。

図１２は、ストーリー辞書を用いた判定処理の流れを示すフローチャートである。図１２に示すように、ストーリー照合部１７ｃは、音声認識部１６からテキストデータを取得し、通話相手の人数を特定する（Ｓ４０１）。そして、ストーリー照合部１７ｃは、取得したテキストデータから単語や動詞などの言葉を出現順に抽出する（Ｓ４０２）。例えば、ストーリー照合部１７ｃは、上記危険用語辞書に登録されている言葉を抽出する。

そして、ストーリー照合部１７ｃは、ストーリー辞書ＤＢ１２ｅに登録されているストーリーを検出するか否かを判定する（Ｓ４０３）。例えば、ストーリー照合部１７ｃは、通話相手が１人の場合、種別「単数」のストーリー辞書を用いて検出を実行し、通話相手が複数人の場合、種別「複数」のストーリー辞書を用いて検出を実行する。

その後、ストーリー照合部１７ｃがストーリー辞書ＤＢ１２ｅに登録されているストーリーを検出した場合（Ｓ４０３：Ｙｅｓ）、警告部１８は、一致したストーリーに対応付けられる信頼度を加算する（Ｓ４０４）。一方、ストーリー照合部１７ｃがストーリー辞書ＤＢ１２ｅに登録されているストーリーを検出しない場合（Ｓ４０３：Ｎｏ）、警告部１８は、一致したストーリーに対応付けられる信頼度を加算しない（Ｓ４０５）。

［学習例１］
次に、ストーリーの学習例を説明する。図１３は、ストーリーの学習例を説明する図である。図１３に示すように、通話解析装置１０は、電話端末２から取得した音声データとブラックリストおよびホワイトリストとマッチングし、ブラックリストと一致かつホワイトリストと不一致の音声であることを特定する。

続いて、通話解析装置１０は、電話端末２から取得した音声データを音声認識して、テキストデータ「もしもし、俺だけど。えっ？タロウ？うん。タロウ。風邪気味で声がいつも違うけど、母さんも元気？俺は元気だけど、事故しちゃってさ、お金が必要なんだよ。すぐにお金を払えば示談で済むんだよ。そっちに宅急便（登録商標）が向かうから、２００万円を渡してくれない？」を生成する。

このような状態において、通話解析装置１０は、実施例１と同様の判定手法を行って、テキストデータにラベル「タロウ」を添付し、声違和感分析が一致し、呼称分析と語尾・癖分析が不一致と判定する。さらに、通話解析装置１０は、上記ストーリー分析を行って、ストーリー未検出と判定する。この結果、通話解析装置１０は、危険度を「１３５」と算出し、閾値（１００）を超えることから、警告処理を実行する。

その後、通話解析装置１０は、警告処理が実行されたにも関わらず、未検出のストーリーであったことから、ストーリーの学習を実行する。具体的には、通話解析装置１０は、危険用語辞書を参照して、テキストデータから危険用語である「事故、お金、必要、すぐに、示談、宅急便」を順に抽出する。

そして、通話解析装置１０は、抽出した「事故→お金→必要→すぐに→示談→宅急便」を新たなストーリーとしてストーリー辞書ＤＢ１２ｅに登録する。このとき、通話解析装置１０は、この新たなストーリーを一人の話者の音声データから抽出したので、種別を「単数」として、ストーリーを登録する。

［学習例２］
次に、複数の音声データからストーリーを学習する例を説明する。つまり、１回の電話において通話相手が複数人であった場合の学習例を説明する。図１４は、複数人の音声データからストーリーを学習する例を説明する図である。

図１４に示すように、通話解析装置１０は、電話端末２から通話相手Ａの音声データＡと通話相手Ｂの音声データＢと含む音声データを取得する。そして、通話解析装置１０は、音声データとブラックリストおよびホワイトリストとマッチングし、ブラックリストと一致かつホワイトリストと不一致の音声であることを特定する。

続いて、通話解析装置１０は、通話相手Ａの音声データＡを音声認識して、テキストデータＡ「もしもし、俺だけど。えっ？タロウ？うん。風邪気味で声がいつもと違うけど、タロウ。お母さんも元気？俺は元気だけど、娘の○○が芸能界でデビューするんだけど、お金が必要なんだよ。今担当者に代わるね。」を生成する。

同様に、通話解析装置１０は、通話相手Ｂの音声データＢを音声認識して、テキストデータＢ「もしもしタレント事務所の××です。お孫さんのデビューおめでとうございます。これからレッスン等で２００万ほど必要になります。振り込みが確認できないとデビューがなくなりますので、すぐに振り込んで頂けないでしょうか？・・・」を生成する。

このような状態において、通話解析装置１０は、各音声データおよび各テキストデータに対して、実施例１と同様の判定手法を行って、危険度を算出して警告処理を実行したとする。その後、通話解析装置１０は、警告処理が実行されたにも関わらず、未検出のストーリーであったことから、ストーリーの学習を実行する。

具体的には、通話解析装置１０は、危険用語辞書を参照して、テキストデータＡから危険用語である「芸能界、デビュー、お金」を順に抽出する。同様に、通話解析装置１０は、危険用語辞書を参照して、テキストデータＢから危険用語である「タレント事務所、振り込み」を順に抽出する。

そして、通話解析装置１０は、抽出した「芸能界→デビュー→お金→タレント事務所→振り込み」を新たなストーリーとしてストーリー辞書ＤＢ１２ｅに登録する。このとき、通話解析装置１０は、この新たなストーリーを複数人の話者の音声データから抽出したので、種別を「複数」として、ストーリーを登録する。

［効果］
このように、実施例２に係る通話解析装置１０は、詐欺用語が含まれる、だけでなく詐欺に使われるストーリー（展開）に近い場合、警告レベルを上げることができるので、詐欺犯罪の見落としを強固に抑制できる。

また、通話解析装置１０は、通話相手の話す内容から詐欺を特定できるので、個人だけでは検知できない詐欺に対しても高い検出精度で検出することができる。また、通話解析装置１０は、一人一人の会話が少ない場合であっても、複数人の会話から詐欺を特定することができる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。

［判定順］
通話解析装置１０が実行する判定処理の順序は、実施例１や実施例２で説明したものに限定されず、任意に設定変更することができる。例えば、通話解析装置１０は、ブラックリストとの照合よりもホワイトリストの照合を先に実行してもよく、各種照合においてもどの照合を最初に判定してもよく、一番初めにストーリー照合を実行してもよい。

［ネットワーク］
上記実施例では、家庭１と通話解析装置１０がＬ２ＶＰＮ９で接続される例を説明したが、これに限定されるものではない。例えば、一般的なインターネット、専用線、他のセキュアな回線など任意のネットワークで接続されていてもよい。

［照合対象］
通話解析装置１０は、電話端末２において通話中の両方の音声データについて、上記解析処理を実行することもできる。また、通話解析装置１０は、ネットワークを介して電話端末２に入力される音声データ、いわゆる通話相手の音声データに対して、上記解析処理を実行することもできる。

［学習手法］
上記実施例では、通話解析装置１０が１回の電話の音声データから学習例を説明したが、これに限定されるものではない。例えば、通話解析装置１０は、過去の電話の音声データを履歴として保持し、現在通話中の音声データと声紋が類似する複数の過去の音声データを用いて、上記特徴やストーリーを学習することもできる。この結果、通話解析装置１０は、頻繁に電話をかけてくる怪しい通話中の特徴を過去に遡って抽出して学習できるので、学習効率が高く、検出精度が向上する。

［システム］
また、図示した装置の各構成は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、任意の単位で分散または統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵ（Central Processing Unit）および当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともでき、あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［ハードウェア］
図１５は、ハードウェア構成例を説明する図である。図１５に示すように、通話解析装置１０は、通信インタフェース１０ａ、ＨＤＤ（Hard Disk Drive）１０ｂ、メモリ１０ｃ、ＣＰＵ１０ｄを有する。また、図１５に示した各部は、バス等で相互に接続される。なお、ここで示したハードウェアは一例であり、例えばグラフィックインタフェースやマウスなどの他のハードウェアを有していてもよい。

通信インタフェース１０ａは、他の装置との通信を制御するインタフェースであり、例えばネットワークインタフェースカードや無線カードである。ＨＤＤ１０ｂは、図２等に示した機能を動作させるプログラムや各種ＤＢを記憶する。

ＣＰＵ１０ｄは、図２等に示した各処理部と同様の処理を実行するプログラムをＨＤＤ１０ｂ等から読み出してメモリ１０ｃに展開することで、図２等で説明した各機能を実行するプロセスを動作させる。

すなわち、このプロセスは、通話解析装置１０が有する各処理部と同様の機能を実行する。具体的には、ＣＰＵ１０ｄは、ＶＰＮ接続部１４、音声取得部１５、音声認識部１６、照合部１７、警告部１８、学習部１９等と同様の機能を有するプログラムをＨＤＤ１０ｂ等から読み出す。そして、ＣＰＵ１０ｄは、ＶＰＮ接続部１４、音声取得部１５、音声認識部１６、照合部１７、警告部１８、学習部１９と同様の処理を実行するプロセスを実行する。

このように通話解析装置１０は、プログラムを読み出して実行することで通話解析方法を実行する情報処理装置として動作する。また、通話解析装置１０は、媒体読取装置によって記録媒体から上記プログラムを読み出し、読み出された上記プログラムを実行することで上記した実施例と同様の機能を実現することもできる。なお、この他の実施例でいうプログラムは、通話解析装置１０によって実行されることに限定されるものではない。例えば、他のコンピュータまたはサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本発明を同様に適用することができる。

１０ 通話解析装置
１１ 通信制御部
１２ 記憶部
１２ａ ホワイトリストＤＢ
１２ｂ ブラックリストＤＢ
１２ｃ テキストＤＢ
１２ｄ 電話番号ＤＢ
１２ｅ ストーリー辞書ＤＢ
１３ 制御部
１４ ＶＰＮ接続部
１５ 音声取得部
１６ 音声認識部
１７ 照合部
１７ａ 音声照合部
１７ｂ テキスト照合部
１７ｃ ストーリー照合部
１８ 警告部
１９ 学習部

Claims (11)

1. 第１のグループに属する者の音声である第１の音声データを記憶する第１記憶部と、
   前記第１のグループに属さず、第２のグループに属する者の音声である第２の音声データを記憶する第２記憶部と、
   電話端末から通話中の音声データを取得する取得部と、
   前記取得部によって取得された前記通話中の音声データと前記第１の音声データとを照合し、前記通話中の音声データと前記第２の音声データとを照合して、前記通話中の相手が前記第１のグループに属するか否かを判定する判定部と
   を有することを特徴とする通話解析装置。
2. 前記第２のグループに属する者の会話の特徴に基づいて生成された第１のテキストデータを記憶する第３記憶部をさらに有し、
   前記判定部は、前記取得部によって取得された前記通話中の音声データを音声認識した第２のテキストデータと前記第１のテキストデータとを照合した照合結果をさらに用いて、前記通話中の相手が前記第１のグループに属するか否かを判定することを特徴とする請求項１に記載の通話解析装置。
3. 前記第３記憶部は、前記第２のグループに属する者の会話の特徴から抽出された名乗り方、呼称、会話の語尾、会話の癖を含む前記第１のテキストデータを記憶し、
   前記判定部は、前記第１の音声データ、前記第２の音声データ、前記名乗り方、前記呼称、前記会話の語尾、前記会話の癖それぞれに設定された信頼度を用いて、前記通話中の相手が前記第１のグループに属するか否かを判定することを特徴とする請求項２に記載の通話解析装置。
4. 前記通話中の音声データが前記第１の音声データと一致せず、前記通話中の音声データから生成された前記第２のテキストデータと前記第１のテキストデータとを比較した結果によって、前記通話中の相手が前記第１のグループに属すると判定された場合、前記通話中の音声データを新たな第１の音声データとして前記第１記憶部に追加する学習部をさらに有することを特徴とする請求項３に記載の通話解析装置。
5. 前記通話中の音声データが前記第１の音声データおよび前記第２の音声データと一致せず、前記通話中の音声データから生成された前記第２のテキストデータと前記第１のテキストデータとを比較した結果によって、前記通話中の相手が前記第２のグループに属すると判定された場合、前記通話中の音声データを新たな第２の音声データとして前記第２記憶部に追加する学習部をさらに有することを特徴とする請求項３に記載の通話解析装置。
6. 前記第１のグループに属する者が使用する言葉を、使用する順番で組み合わせたストーリー辞書を記憶する第４記憶部をさらに有し、
   前記判定部は、前記第２のテキストデータに含まれる言葉を出現順に抽出して前記ストーリー辞書と照合し、前記第２のテキストデータに含まれる言葉の出現順が前記ストーリー辞書と一致する場合、前記通話中の相手が前記第１のグループに属すると判定することを特徴とする請求項２に記載の通話解析装置。
7. 前記通話中の音声データと前記第１の音声データと照合結果、前記通話中の音声データと前記第２の音声データとの照合結果、前記通話中の音声データを音声認識した前記第２のテキストデータと前記第１のテキストデータと照合結果に基づいて、前記第１のグループに属すると判定された場合、前記第２のテキストデータに含まれる言葉を出現順に抽出して、新たなストーリー辞書として前記第４記憶部に追加する学習部をさらに有することを特徴とする請求項６に記載の通話解析装置。
8. 前記通話中の音声データまたは前記第２のテキストデータから通話相手が特定できた場合、当該通話相手に発信する発信部をさらに有し、
   前記判定部は、前記通話相手への発信によって、前記通話中の相手が正当な利用者である確認がとれなかった場合、前記通話中の相手が前記第１のグループに属すると判定することを特徴とする請求項２に記載の通話解析装置。
9. 前記判定部によって前記通話中の相手が前記第１のグループに属すると判定された場合、通話終了後に、前記電話端末に発信して詐欺被害の注意メッセージを警告する警告部をさらに有することを特徴とする請求項１から８のいずれか一つに記載の通話解析装置。
10. コンピュータが、
    電話端末から通話中の音声データを取得し、
    前記取得部によって取得された前記通話中の音声データと、第１のグループに属する者の音声である第１の音声データとを照合し、前記通話中の音声データと前記第１のグループに属さず、第２のグループに属する者の音声である第２の音声データとを照合して、前記通話中の相手が前記第１のグループに属するか否かを判定する
    処理を含むことを特徴とする通話解析方法。
11. コンピュータに、
    電話端末から通話中の音声データを取得し、
    前記取得部によって取得された前記通話中の音声データと、第１のグループに属する者の音声である第１の音声データとを照合し、前記通話中の音声データと前記第１のグループに属さず、第２のグループに属する者の音声である第２の音声データとを照合して、前記通話中の相手が前記第１のグループに属するか否かを判定する
    処理を実行させることを特徴とする通話解析プログラム。

Images