JP2018004976A - 音声対話方法、音声対話装置及び音声対話プログラム - Google Patents

Abstract

【課題】ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる音声対話方法、音声対話装置及び音声対話プログラムを提供する。【解決手段】音声対話方法は、誤認識訂正辞書を参照し、テキストデータに含まれる単語である認識単語のうち誤認識単語と合致する訂正対象単語を特定し、誤認識訂正辞書を参照し、訂正対象単語に対応付けられている正解単語である訂正候補単語を特定し、ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かを判断し、訂正対象単語を訂正候補単語に置換すると判断した場合、置換した訂正候補単語を含む第１応答文のテキストデータを出力し、訂正対象単語を訂正候補単語に置換しないと判断した場合、訂正対象単語を含む第２応答文のテキストデータを出力する。【選択図】図６

Description

本開示は、ユーザの発話に対する応答文を出力する音声対話方法、音声対話装置及び音声対話プログラムに関するものである。

近年、家電において音声認識処理を利用したサービスが検討されている。このようなサービスの一例として、音声入力を用いて買い物用のメモを作成するサービスがある。例えば冷蔵庫にこのようなサービスが搭載されていれば、ユーザは冷蔵庫の庫内を確認しながら不足している商品名を発話することにより買い物用のメモを作成できる。しかし、現状の音声認識処理では少なからず誤認識が発生するため、誤認識を訂正する必要がある。

例えば、特許文献１では、ユーザが誤認識を訂正した場合に、誤認識した単語とユーザが訂正した正解の単語とを対応付けて記憶しておき、次に同じ誤認識が発生した場合に記憶されている正解の単語を提示する技術が開示されている。

特開２００４−３３３７０３号公報

しかしながら、ある機会には誤認識として判断された単語であっても、別の機会には商品名として登録したい場合もあることから、誤認識した単語を訂正するか否かをより適切に判定することが求められる。

本開示は、上記の問題を解決するためになされたもので、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる音声対話方法、音声対話装置及び音声対話プログラムを提供することを目的とするものである。

本開示の一態様に係る音声対話方法は、ユーザの発話に対する応答文を出力する音声対話装置における音声対話方法であって、前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信し、過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定し、前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定し、前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断し、前記訂正対象単語を前記訂正候補単語に置換すると判断した場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断した場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する。

本開示によれば、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる。

本実施の形態における音声対話システムが提供するサービスの全体像を示す図である。 本実施の形態において機器メーカがデータセンタ運営会社に該当する例を示す図である。 本実施の形態において機器メーカ及び管理会社の両者又はいずれか一方がデータセンタ運営会社に該当する例を示す図である。 本実施の形態１における音声対話システムの構成を示す図である。 本実施の形態１における音声対話サーバ及び第１の機器の詳細な構成を示すブロック図である。 本実施の形態１における誤認識訂正辞書の一例を示す図である。 本実施の形態１におけるメモ登録情報リストの一例を示す図である。 本実施の形態１における音声対話システムの動作の一例を示すフローチャートである。 図６のステップＳ６における誤認識訂正処理の動作を示すフローチャートである。 図７のステップＳ２２の訂正候補単語抽出処理を説明するためのフローチャートである。 図７のステップＳ２４における誤認識訂正実施判断処理の動作を示すフローチャートである。 図６のステップＳ１４における登録処理の動作を示すフローチャートである。 図６のステップＳ１５における辞書更新処理の動作を示すフローチャートである。 本実施の形態２における音声対話サーバの詳細な構成を示すブロック図である。 本実施の形態２における商品在庫リストの一例を示す図である。 図７のステップＳ２４における誤認識訂正実施判断処理の動作を示すフローチャートである。 第１の変形例における音声対話システムの構成を示す図である。 第２の変形例における音声対話システムの構成を示す図である。 第３の変形例における音声対話システムの構成を示す図である。 サービスの類型１（自社データセンタ型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。 サービスの類型２（ＩａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。 サービスの類型３（ＰａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。 サービスの類型４（ＳａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。

（本開示の基礎となった知見）
音声をテキストに変換する音声認識技術を用いて、ユーザの発話を記録したメモを作成するサービスの提供が検討されている。このようなシステムは、雑音が含まれる可能性も高い生活環境での利用が想定されていることから、音声の誤認識による誤入力が少なからず発生すると考えられる。そのため、誤認識を訂正するための技術が求められる。

誤認識を訂正するための手法として、事前に想定される入力単語について実際に音声認識を適用して得られた結果に基づいて、誤認識された単語を正解単語として認識できるように予め辞書を構築することが考えられる。しかし、想定される入力単語は、例えば食品に限定したとしても数千語におよぶことから、事前に辞書を構築するには膨大な工数が必要となる。また、誤認識の傾向には個人差があることから、全ての誤認識をカバーするのは困難であると言える。

そのため、自動的に誤認識を学習し、訂正する手法が必要となる。そのような手法として、実際にユーザがサービスを利用中に誤認識を訂正した際に、誤認識と判断された単語と訂正された後の正解単語とを対応付けて記憶させておき、次に同じ誤認識単語が認識された場合、記憶されている正解単語に自動的に変換する手法がある。例えば、ユーザが「きゅうり」と発話した際に「有利」と誤認識され、ユーザが再度「きゅうり」と発話して訂正されたとする。この場合、システムは、「有利」という誤認識単語と「きゅうり」という正解単語とを対応付けて記憶しておく。そして、次に、システムは、「有利」という単語を認識した際には、記憶しているデータから「有利」は「きゅうり」の誤認識であると判断し、自動的に「有利」を「きゅうり」へと変換する。このようにして、システムは、誤認識を自動的に訂正できる。

しかしながら、例えば、「きゅうり」が「キウイ」と誤認識され、ユーザが「キウイ」を「きゅうり」に訂正した場合を考える。この場合、別の機会にユーザが実際に「キウイ」を意図して発話した場合でも、システムは「キウイ」を「きゅうり」の誤認識と判断して変換してしまい、ユーザの利便性を損なう可能性がある。

このような課題を解決するために、本開示の一態様に係る音声対話方法は、ユーザの発話に対する応答文を出力する音声対話装置における音声対話方法であって、前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信し、過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定し、前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定し、前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断し、前記訂正対象単語を前記訂正候補単語に置換すると判断した場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断した場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する。

この構成によれば、ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータが受信される。過去にユーザにより訂正された単語である誤認識単語と誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書が参照され、テキストデータに含まれる単語である認識単語のうち誤認識単語と合致する訂正対象単語が特定される。誤認識訂正辞書が参照され、訂正対象単語に対応付けられている正解単語である訂正候補単語が特定される。ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断される。訂正対象単語を訂正候補単語に置換すると判断された場合、訂正対象単語が訂正候補単語に置換され、訂正候補単語を含む第１応答文のテキストデータが出力される。訂正対象単語を訂正候補単語に置換しないと判断された場合、訂正対象単語を含む第２応答文のテキストデータが出力される。

したがって、ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断されるので、過去に誤認識と判断されて訂正された単語であっても、必ずしも置換されるのではなく、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる。

また、上記の音声対話方法において、前記訂正対象単語を前記訂正候補単語に置換するか否かの判断において、前記履歴テーブルに基づいた所定の計算方法により、前記訂正候補単語が前記単語一時記録テーブルに登録される確からしさを示す第１値を算出し、前記履歴テーブルを参照し、前記認識単語のうち、過去に前記単語一時記録テーブルに登録された登録単語を特定し、前記所定の計算方法により、前記登録単語が前記単語一時記録テーブルに登録される確からしさを示す第２値を算出し、前記第１値と前記第２値とを比較してもよい。

この構成によれば、訂正対象単語を訂正候補単語に置換するか否かの判断において、履歴テーブルに基づいた所定の計算方法により、訂正候補単語が単語一時記録テーブルに登録される確からしさを示す第１値が算出される。履歴テーブルが参照され、認識単語のうち、過去に単語一時記録テーブルに登録された登録単語が特定される。所定の計算方法により、登録単語が単語一時記録テーブルに登録される確からしさを示す第２値が算出される。第１値と第２値とが比較される。

したがって、訂正候補単語が単語一時記録テーブルに登録される確からしさを示す第１値と、過去に単語一時記録テーブルに登録された登録単語が単語一時記録テーブルに登録される確からしさを示す第２値とが比較されるので、比較結果に応じて訂正対象単語を訂正候補単語に置換するか否かを判断することができる。

また、上記の音声対話方法において、前記第２値が前記第１値より大きい場合、前記訂正対象単語を前記訂正候補単語に置換しないと判断し、前記第２値が前記第１値以下である場合、前記訂正対象単語を前記訂正候補単語に置換すると判断してもよい。

この構成によれば、第２値が第１値より大きい場合、訂正対象単語を訂正候補単語に置換しないと判断され、第２値が第１値以下である場合、訂正対象単語を訂正候補単語に置換すると判断される。

したがって、登録単語が単語一時記録テーブルに登録される確からしさを示す第２値が、訂正候補単語が単語一時記録テーブルに登録される確からしさを示す第１値以下である場合に、訂正対象単語が訂正候補単語に置換されるので、訂正対象単語を訂正候補単語に置換するか否かを容易に判断することができる。

また、上記の音声対話方法において、複数の訂正候補単語を特定した場合、前記複数の訂正候補単語のそれぞれに対して前記第１値を算出し、前記複数の訂正候補単語のうちの前記第１値が最も大きい前記訂正候補単語を、前記置換に用いる単語として選択してもよい。

この構成によれば、複数の訂正候補単語が特定された場合、複数の訂正候補単語のそれぞれに対して第１値が算出される。複数の訂正候補単語のうちの第１値が最も大きい訂正候補単語が、置換に用いる単語として選択される。

したがって、複数の訂正候補単語が特定された場合でも、どの訂正候補単語に置換すべきかを適切に選択することができる。

また、上記の音声対話方法において、前記訂正候補単語に対応する前記認識単語が前記単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の前記訂正候補単語に対応する前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔で除算した値を、前記第１値として算出し、前記登録単語に対応する前記認識単語が前記単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の前記登録単語に対応する前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔で除算した値を、前記第２値として算出してもよい。

この構成によれば、訂正候補単語に対応する認識単語が単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の訂正候補単語に対応する認識単語が単語一時記録テーブルに登録される平均的な時間間隔で除算した値が、第１値として算出される。登録単語に対応する認識単語が単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の登録単語に対応する認識単語が単語一時記録テーブルに登録される平均的な時間間隔で除算した値が、第２値として算出さる。

したがって、認識単語が単語一時記録テーブルに登録される過去の傾向を用いて、訂正対象単語を訂正候補単語に置換するか否かを判断することができる。

また、上記の音声対話方法において、前記単語一時記録テーブルに登録される前記認識単語は前記ユーザが購入すべき商品の商品名を示す単語であり、前記ユーザが保有する商品の商品名の一覧を示すリスト情報に前記登録単語が含まれない場合、前記第２値を算出してもよい。

この構成によれば、単語一時記録テーブルに登録される認識単語はユーザが購入すべき商品の商品名を示す単語である。ユーザが保有する商品の商品名の一覧を示すリスト情報に登録単語が含まれない場合、第２値が算出される。

したがって、ユーザが保有していない商品は購入される可能性が高いため、ユーザが保有する商品の商品名の一覧を示すリスト情報の中に、登録単語が含まれない場合に、第２値が算出され、訂正対象単語を訂正候補単語に置換するか否かを判断することができる。

また、上記の音声対話方法において、前記第１応答文に含まれる前記訂正候補単語又は前記第２応答文に含まれる前記訂正対象単語を承認する旨の前記ユーザによる指示を受信した場合、前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録してもよい。

この構成によれば、第１応答文に含まれる訂正候補単語又は第２応答文に含まれる訂正対象単語を承認する旨のユーザによる指示が受信された場合、訂正候補単語又は訂正対象単語が単語一時記録テーブルに登録される。

したがって、ユーザによって承認された場合、訂正候補単語又は訂正対象単語を単語一時記録テーブルに登録することができる。

また、上記の音声対話方法において、前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録した場合、前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録した時刻を前記履歴テーブルに記憶し、前記単語一時記録テーブルに登録した前記訂正候補単語又は前記訂正対象単語と同一の認識単語の前記履歴テーブルに記憶されている時刻に基づき、同一の前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔を算出してもよい。

この構成によれば、訂正候補単語又は訂正対象単語が単語一時記録テーブルに登録された場合、訂正候補単語又は訂正対象単語を単語一時記録テーブルに登録した時刻が履歴テーブルに記憶され、単語一時記録テーブルに登録された訂正候補単語又は訂正対象単語と同一の認識単語の履歴テーブルに記憶されている時刻に基づき、同一の認識単語が単語一時記録テーブルに登録される平均的な時間間隔が算出される。

したがって、訂正候補単語又は訂正対象単語が単語一時記録テーブルに登録された場合に履歴テーブルを更新することができる。

また、上記の音声対話方法において、前記第１応答文に含まれる前記訂正候補単語又は前記第２応答文に含まれる前記訂正対象単語を訂正単語に訂正するための前記ユーザによる指示を受信した場合、前記訂正単語に基づき前記誤認識訂正辞書を更新してもよい。

この構成によれば、第１応答文に含まれる訂正候補単語又は第２応答文に含まれる訂正対象単語を訂正単語に訂正するためのユーザによる指示を受信した場合、訂正単語に基づき誤認識訂正辞書が更新される。

したがって、訂正候補単語又は訂正対象単語を訂正単語に訂正するためのユーザによる指示が受診された場合、訂正単語に基づき誤認識訂正辞書が更新されるので、誤認識訂正辞書に正解単語を登録することができる。

また、上記の音声対話方法において、前記訂正単語と、前記訂正候補単語又は前記訂正対象単語の少なくとも一方とを対応付けた組合せが前記誤認識訂正辞書に記憶されているか否かを判断し、記憶されていないと判断した場合、前記訂正候補単語又は前記訂正対象単語の少なくとも一方を前記誤認識単語とし、前記訂正単語を前記正解単語としてそれぞれを対応付けて前記誤認識訂正辞書に記憶してもよい。

この構成によれば、訂正単語と、訂正候補単語又は訂正対象単語の少なくとも一方とを対応付けた組合せが誤認識訂正辞書に記憶されているか否かが判断される。記憶されていないと判断された場合、訂正候補単語又は訂正対象単語の少なくとも一方を誤認識単語とし、訂正単語を正解単語としてそれぞれを対応付けて誤認識訂正辞書に記憶される。

したがって、誤認識単語と正解単語とを誤認識訂正辞書に新たに登録することができる。

本開示の他の態様に係る音声対話装置は、ユーザの発話に対する応答文を出力する音声対話装置であって、前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信する受信部と、過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定する第１特定部と、前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定する第２特定部と、前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断する判断部と、前記訂正対象単語を前記訂正候補単語に置換すると判断された場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断された場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する出力部と、を備える。

この構成によれば、ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータが受信される。過去にユーザにより訂正された単語である誤認識単語と誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書が参照され、テキストデータに含まれる単語である認識単語のうち誤認識単語と合致する訂正対象単語が特定される。誤認識訂正辞書が参照され、訂正対象単語に対応付けられている正解単語である訂正候補単語が特定される。ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断される。訂正対象単語を訂正候補単語に置換すると判断された場合、訂正対象単語が訂正候補単語に置換され、訂正候補単語を含む第１応答文のテキストデータが出力される。訂正対象単語を訂正候補単語に置換しないと判断された場合、訂正対象単語を含む第２応答文のテキストデータが出力される。

したがって、ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断されるので、過去に誤認識と判断されて訂正された単語であっても、必ずしも置換されるのではなく、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる。

本開示の他の態様に係る音声対話プログラムは、ユーザの発話に対する応答文を出力する音声対話プログラムであって、コンピュータを、前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信する受信部と、過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定する第１特定部と、前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定する第２特定部と、前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断する判断部と、前記訂正対象単語を前記訂正候補単語に置換すると判断された場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断された場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する出力部として機能させる。

この構成によれば、ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータが受信される。過去にユーザにより訂正された単語である誤認識単語と誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書が参照され、テキストデータに含まれる単語である認識単語のうち誤認識単語と合致する訂正対象単語が特定される。誤認識訂正辞書が参照され、訂正対象単語に対応付けられている正解単語である訂正候補単語が特定される。ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断される。訂正対象単語を訂正候補単語に置換すると判断された場合、訂正対象単語が訂正候補単語に置換され、訂正候補単語を含む第１応答文のテキストデータが出力される。訂正対象単語を訂正候補単語に置換しないと判断された場合、訂正対象単語を含む第２応答文のテキストデータが出力される。

したがって、ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、訂正対象単語を訂正候補単語に置換するか否かが判断されるので、過去に誤認識と判断されて訂正された単語であっても、必ずしも置換されるのではなく、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができる。

以下添付図面を参照しながら、本開示の実施の形態について説明する。なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、構成要素、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また全ての実施の形態において、各々の内容を組み合わせることもできる。

（提供するサービスの全体像）
まず、本実施の形態における音声対話システムが提供するサービスの全体像について説明する。

図１Ａは、本実施の形態における音声対話システムが提供するサービスの全体像を示す図である。音声対話システムは、グループ１１００、データセンタ運営会社１１１０及びサービスプロバイダ１１２０を備える。

グループ１１００は、例えば企業、団体又は家庭等であり、その規模を問わない。グループ１１００は、第１の機器及び第２の機器を含む複数の機器１１０１及びホームゲートウェイ１１０２を備える。複数の機器１１０１は、インターネットと接続可能な機器（例えば、スマートフォン、パーソナルコンピュータ（ＰＣ）又はテレビ等）、及びそれ自身ではインターネットと接続不可能な機器（例えば、照明、洗濯機又は冷蔵庫等）を含む。複数の機器１１０１は、それ自身ではインターネットと接続不可能であっても、ホームゲートウェイ１１０２を介してインターネットと接続可能となる機器を含んでもよい。また、ユーザ１０１０は、グループ１１００内の複数の機器１１０１を使用する。

データセンタ運営会社１１１０は、クラウドサーバ１１１１を備える。クラウドサーバ１１１１は、インターネットを介して様々な機器と連携する仮想化サーバである。クラウドサーバ１１１１は、主に通常のデータベース管理ツール等で扱うことが困難な巨大なデータ（ビッグデータ）等を管理する。データセンタ運営会社１１１０は、データの管理、クラウドサーバ１１１１の管理、及びそれらを行うデータセンタの運営等を行っている。データセンタ運営会社１１１０が行っている役務の詳細については後述する。

ここで、データセンタ運営会社１１１０は、データの管理又はクラウドサーバ１１１１の管理のみを行っている会社に限らない。例えば、図１Ｂに示すように、複数の機器１１０１のうちの一つの機器を開発又は製造している機器メーカが、データの管理又はクラウドサーバ１１１１の管理等を行っている場合は、機器メーカがデータセンタ運営会社１１１０に該当する。また、データセンタ運営会社１１１０は一つの会社に限らない。例えば、図１Ｃに示すように、機器メーカ及び管理会社が共同又は分担してデータの管理又はクラウドサーバ１１１１の管理を行っている場合は、両者又はいずれか一方がデータセンタ運営会社１１１０に該当する。

サービスプロバイダ１１２０は、サーバ１１２１を備える。ここで言うサーバ１１２１とは、その規模は問わず、例えば、個人用ＰＣ内のメモリ等も含む。また、サービスプロバイダ１１２０がサーバ１１２１を備えていない場合もある。

なお、上記の音声対話システムにおいて、ホームゲートウェイ１１０２は必須ではない。例えば、クラウドサーバ１１１１が全てのデータ管理を行っている場合等は、ホームゲートウェイ１１０２は不要となる。また、家庭内の全ての機器がインターネットに接続されている場合のように、それ自身ではインターネットと接続不可能な機器は存在しない場合もある。

次に、上記の音声対話システムにおける情報の流れを説明する。

まず、グループ１１００の第１の機器又は第２の機器は、各ログ情報をデータセンタ運営会社１１１０のクラウドサーバ１１１１にそれぞれ送信する。クラウドサーバ１１１１は、第１の機器又は第２の機器のログ情報を集積する（図１Ａの矢印１１３１）。ここで、ログ情報とは、複数の機器１１０１の例えば運転状況又は動作日時等を示す情報である。例えば、ログ情報は、テレビの視聴履歴、レコーダーの録画予約情報、洗濯機の運転日時、洗濯物の量、冷蔵庫の開閉日時、又は冷蔵庫の開閉回数などを含むが、これらの情報に限らず、種々の機器から取得が可能な種々の情報を含んでもよい。なお、ログ情報は、インターネットを介して複数の機器１１０１自体から直接クラウドサーバ１１１１に提供されてもよい。また、ログ情報は、複数の機器１１０１から一旦ホームゲートウェイ１１０２に集積され、ホームゲートウェイ１１０２からクラウドサーバ１１１１に提供されてもよい。

次に、データセンタ運営会社１１１０のクラウドサーバ１１１１は、集積したログ情報を一定の単位でサービスプロバイダ１１２０に提供する。ここで、一定の単位とは、データセンタ運営会社１１１０が集積した情報を整理してサービスプロバイダ１１２０に提供することのできる単位でもよいし、サービスプロバイダ１１２０が要求する単位でもよい。また、一定の単位で提供するとしているが、一定の単位でなくてもよく、状況に応じて提供する情報量が変化してもよい。ログ情報は、必要に応じてサービスプロバイダ１１２０が保有するサーバ１１２１に保存される（図１Ａの矢印１３２）。

そして、サービスプロバイダ１１２０は、ログ情報をユーザに提供するサービスに適合する情報に整理し、ユーザに提供する。情報が提供されるユーザは、複数の機器１１０１を使用するユーザ１０１０でもよいし、外部のユーザ１０２０でもよい。ユーザ１０１０，１０２０への情報提供方法としては、例えば、サービスプロバイダ１１２０から直接ユーザ１０１０，１０２０へ情報が提供されてもよい（図１Ａの矢印１１３３，１１３４）。また、ユーザ１０１０への情報提供方法としては、例えば、データセンタ運営会社１１１０のクラウドサーバ１１１１を再度経由して、ユーザ１０１０に情報が提供されてもよい（図１Ａの矢印１１３５，１１３６）。また、データセンタ運営会社１１１０のクラウドサーバ１１１１は、ログ情報をユーザに提供するサービスに適合する情報に整理し、サービスプロバイダ１１２０に提供してもよい。

なお、ユーザ１０１０は、ユーザ１０２０と異なっていても同一であってもよい。

（実施の形態１）
本実施の形態１では、ユーザが音声入出力機能を持つ機器を利用して、ユーザの発話を記録した買い物用のメモを作成する例を示す。

本実施の形態１では、ユーザの過去のメモ登録傾向から得た、ある商品名をメモに登録してから次に同じ商品名をメモに登録するまでの平均的な時間間隔に対する、最後にその商品名をメモに登録してから現在までの期間の比率を、その商品名が現時点でメモに登録される確度として算出し、算出した確度に基づいて認識結果を訂正すべきか否かを判断する。

図２は、本実施の形態１における音声対話システムの構成を示す図である。音声対話システムは、グループ１１００内の第１の機器２０１１と、データセンタ運営会社１１１０内の音声対話サーバ２１００とを含む。第１の機器２０１１と、音声対話サーバ２１００とはネットワーク２０２０を経由して接続されている。ネットワーク２０２０は、光ファイバ、無線又は公衆電話回線など任意のネットワークを使用してもよいし、それらを組み合わせてもよい。

グループ１１００は、第１の機器２０１１を含む。第１の機器２０１１は、例えば冷蔵庫等の家電機器であり、音声入力によるメモ記録機能が搭載された機器である。

以下、各機器の構成及び動作の一例を詳細に説明する。

図２に示すように、第１の機器２０１１は、音声入力部２１１１及び音声出力部２１１２を備える。音声入力部２１１１は、ユーザの発話音声を含む周辺の音声を取得する。音声入力部２１１１は、例えば、指向性マイクなどであり、機器内に組み込まれてもよい。また、音声入力部２１１１は、例えば、ハンドマイク、ピンマイク又は卓上マイクなど任意の集音デバイスでもよく、有線又は無線で第１の機器２０１１に接続されてもよい。また、音声入力部２１１１は、スマートフォン又はタブレット型コンピュータなどの集音及び通信機能を持つデバイスを用いて音声を取得してもよい。音声出力部２１１２は、例えばスピーカであり、ユーザの発話に対する音声対話システムの応答音声を出力する。音声出力部２１１２は、機器に組み込まれていてもよいし、有線又は無線によって機器に接続されてもよく、少なくとも１つ以上接続されていればよい。

音声対話サーバ２１００は、クラウドサーバ１１１１の一つであり、音声認識部２１０１、誤認識訂正部２１０２及び誤認識訂正辞書２１０３を備える。音声対話サーバ２１００は、ユーザの発話音声を認識し、得られたテキストを必要に応じて訂正し、ユーザへの応答を決定する。また、認識結果をユーザが承認した場合、音声対話サーバ２１００は、認識結果である商品名を買い物メモ２１０４（単語一時記録テーブル）に登録する。

音声認識部２１０１は、ユーザの発話音声データに音声認識処理を適用し、１以上の認識単語からなるテキストデータに変換する。誤認識訂正部２１０２は、誤認識訂正辞書２１０３を用いて、認識単語を訂正するか否かを判断し、訂正すると判断した場合には、認識単語を訂正する。誤認識訂正辞書２１０３には、過去にユーザが認識単語を訂正した際の、訂正される前の認識単語（誤認識単語）と、訂正された後の認識単語（正解単語）とが、対応付けられて記載されている。誤認識訂正辞書２１０３は、過去にユーザにより訂正された単語である誤認識単語と、誤認識単語から置換された単語である正解単語とを対応付けている。

なお、誤認識訂正辞書２１０３は、互いに異なる複数のユーザのそれぞれに応じた複数の誤認識訂正辞書を含んでもよい。この場合、音声対話サーバ２１００は、音声データとともに、ユーザを識別するためのユーザＩＤを受信し、ユーザＩＤに対応する誤認識訂正辞書を用いてもよい。

図３は、本実施の形態１における音声対話サーバ及び第１の機器の詳細な構成を示すブロック図である。

音声対話サーバ２１００は、音声認識部２１０１、誤認識訂正部２１０２、データ更新部２１０５、応答生成部２１０６、通信部２１０８及び記憶部２１１０を備える。記憶部２１１０は、誤認識訂正辞書２１０３、買い物メモ２１０４及びメモ登録情報リスト２１０７を備える。

データ更新部２１０５は、ユーザが誤認識を訂正した場合、又はメモに登録する商品名が確定した場合に、その内容に合わせて誤認識訂正辞書２１０３、買い物メモ２１０４及びメモ登録情報リスト２１０７の情報を更新する。

メモ登録情報リスト２１０７は、ユーザによる発話に含まれる単語を買い物メモ２１０４に登録した履歴を示す。メモ登録情報リスト２１０７は、買い物メモ２１０４に登録された各商品名について、その商品名が最後に買い物メモ２１０４に登録された日、及びその商品名が買い物メモ２１０４に登録される頻度に関する情報を記憶している。

通信部２１０８は、ユーザによる発話の音声データを第１の機器２０１１から受信する。また、通信部２１０８は、応答音声データを第１の機器２０１１へ送信する。

また、誤認識訂正部２１０２は、訂正候補抽出部２１２１及び訂正実施判断部２１２２を含む。訂正候補抽出部２１２１は、音声認識部２１０１で取得した認識単語を利用して誤認識訂正辞書２１０３から訂正候補となる商品名を抽出する。訂正候補抽出部２１２１は、誤認識訂正辞書を参照し、テキストデータに含まれる単語である認識単語のうち誤認識単語と合致する訂正対象単語を特定する。また、訂正候補抽出部２１２１は、誤認識訂正辞書を参照し、訂正対象単語に対応付けられている正解単語である訂正候補単語を特定する。

訂正実施判断部２１２２は、メモ登録情報リスト２１０７の情報などを基に、認識単語を訂正するか否かを判断する。すなわち、訂正実施判断部２１２２は、メモ登録情報リスト２１０７に基づき、訂正対象単語を訂正候補単語に置換するか否かを判断する。

訂正実施判断部２１２２は、メモ登録情報リスト２１０７（履歴テーブル）に基づいた所定の計算方法により、訂正候補単語が買い物メモ２１０４に登録される確からしさを示す第１の登録確度（第１値）を算出する。訂正実施判断部２１２２は、メモ登録情報リスト２１０７（履歴テーブル）を参照し、認識単語のうち、過去に買い物メモ２１０４に登録された登録単語を特定する。訂正実施判断部２１２２は、所定の計算方法により、登録単語が買い物メモ２１０４に登録される確からしさを示す第２の登録確度（第２値）を算出する。訂正実施判断部２１２２は、第１の登録確度（第１値）と第２の登録確度（第２値）とを比較する。

訂正実施判断部２１２２は、第２の登録確度（第２値）が第１の登録確度（第１値）より大きい場合、訂正対象単語を訂正候補単語に置換しないと判断する。また、訂正実施判断部２１２２は、第２の登録確度（第２値）が第１の登録確度（第１値）以下である場合、訂正対象単語を訂正候補単語に置換すると判断する。

訂正実施判断部２１２２は、複数の訂正候補単語を特定した場合、複数の訂正候補単語のそれぞれに対して第１の登録確度（第１値）を算出し、複数の訂正候補単語のうちの第１の登録確度（第１値）が最も大きい訂正候補単語を、置換に用いる単語として選択する。

訂正実施判断部２１２２は、訂正候補単語に対応する認識単語が買い物メモ２１０４に最後に登録されたときから現在までの期間を、同一の訂正候補単語に対応する認識単語が買い物メモ２１０４に登録される平均的な時間間隔で除算した値を、第１の登録確度（第１値）として算出する。また、訂正実施判断部２１２２は、登録単語に対応する認識単語が買い物メモ２１０４に最後に登録されたときから現在までの期間を、同一の登録単語に対応する認識単語が買い物メモ２１０４に登録される平均的な時間間隔で除算した値を、第２の登録確度（第２値）として算出する。

応答生成部２１０６は、音声認識部２１０１及び誤認識訂正部２１０２で特定したユーザの発話内容を基に、ユーザに対する応答音声データを生成する。応答生成部２１０６は、訂正対象単語を訂正候補単語に置換すると判断された場合、訂正対象単語を訂正候補単語に置換し、訂正候補単語を含む第１応答文のテキストデータを出力する。また、応答生成部２１０６は、訂正対象単語を訂正候補単語に置換しないと判断された場合、訂正対象単語を含む第２応答文のテキストデータを出力する。

データ更新部２１０５は、第１応答文に含まれる訂正候補単語又は第２応答文に含まれる訂正対象単語を承認する旨のユーザによる指示を受信した場合、訂正候補単語又は訂正対象単語を買い物メモ２１０４に登録する。また、データ更新部２１０５は、訂正候補単語又は訂正対象単語を買い物メモ２１０４に登録した場合、訂正候補単語又は訂正対象単語を買い物メモ２１０４に登録した時刻をメモ登録情報リスト２１０７に記憶し、買い物メモ２１０４に登録した訂正候補単語又は訂正対象単語と同一の認識単語のメモ登録情報リスト２１０７に記憶されている時刻に基づき、同一の認識単語が買い物メモ２１０４に登録される平均的な時間間隔を算出する。

また、データ更新部２１０５は、第１応答文に含まれる訂正候補単語又は第２応答文に含まれる訂正対象単語を訂正単語に訂正するためのユーザによる指示を受信した場合、訂正単語に基づき誤認識訂正辞書２１０３を更新する。さらに、データ更新部２１０５は、訂正単語と、訂正候補単語又は訂正対象単語の少なくとも一方とを対応付けた組合せが誤認識訂正辞書２１０３に記憶されているか否かを判断する。データ更新部２１０５は、記憶されていないと判断した場合、訂正候補単語又は訂正対象単語の少なくとも一方を誤認識単語とし、訂正単語を正解単語としてそれぞれを対応付けて誤認識訂正辞書２１０３に記憶する。

第１の機器２０１１は、音声入力部２１１１、音声出力部２１１２、通信部２１１３及び訂正受付部２１１４を備える。

通信部２１１３は、ホームゲートウェイ１１０２を経由して、音声入力部２１１１で取得したユーザによる発話の音声データを音声対話サーバ２１００へ送信する。また、通信部２１１３は、ホームゲートウェイ１１０２を経由して、音声対話サーバ２１００によって生成された応答音声データを受信する。

訂正受付部２１１４は、応答音声データに対して、ユーザが訂正を要求するための操作を受け付ける。第１の機器２０１１は、例えば、訂正の要求を受け付けるためのボタンを備えてもよく、ボタンが押された場合に訂正操作を受け付けてもよい。また、訂正受付部２１１４は、簡易の音声認識機能を備えてもよく、「ＯＫ」又は「いいえ」といった意図を示す発話が入力された場合に、訂正操作を受け付けてもよい。

図４は、本実施の形態１における誤認識訂正辞書の一例を示す図である。

誤認識訂正辞書２１０３は、ユーザの発話を認識して得られたが、誤認識として訂正された単語である誤認識単語と、誤認識単語を訂正した結果である正解単語とを含む。

例えば、ユーザが「きゅうり」と発話した際に誤認識が発生し、認識単語として「キウイ」が得られたとする。その後、ユーザが「キウイ」を「きゅうり」と訂正して買い物メモ２１０４に登録された場合、誤認識訂正辞書２１０３の誤認識単語として「キウイ」が記録され、当該誤認識単語に対応する正解単語として「きゅうり」が記録される。

また、誤認識訂正辞書２１０３は、誤認識単語を正解単語に訂正したことを示す適用済フラグを含む。

図５は、本実施の形態１におけるメモ登録情報リストの一例を示す図である。

メモ登録情報リスト２１０７は、過去に買い物メモ２１０４に登録された商品名と、その商品名が最後に買い物メモ２１０４に登録された年月日を示す最終メモ登録日と、その商品名が買い物メモ２１０４に登録される頻度を示す平均登録間隔とを含む。

例えば、ユーザが買い物メモ２１０４に「きゅうり」という商品名を登録した場合、メモ登録情報リスト２１０７の商品名として「きゅうり」が登録される。その時点で最終メモ登録日が更新される。また、過去に、「きゅうり」が買い物メモ２１０４に登録されてから、次の機会に「きゅうり」が買い物メモ２１０４に登録されるまでの間隔（日数）の平均値が平均登録間隔として記録される。平均登録間隔は、例えば、１人のユーザの買い物履歴を基に求めてもよいし、同様のサービスを利用しているユーザ全体の買い物履歴を基に求めてもよい。

また、メモ登録情報リスト２１０７は、商品名が買い物メモ２１０４に登録された回数を記憶してもよい。データ更新部２１０５は、商品名が買い物メモ２１０４に登録された回数と、既に記憶されている平均登録間隔と、前回登録されてから今回登録されるまでの登録間隔とに基づいて、平均登録間隔を新たに算出してもよい。

また、記憶部２１１０は、買い物メモ２１０４に登録された全ての商品名と登録日とを記憶してもよい。データ更新部２１０５は、記憶部２１１０に記憶されている商品名及び登録日に基づいて、平均登録間隔を新たに算出してもよい。

また、本実施の形態１では、通信部２１０８が、ユーザによる発話の音声データを受信し、音声認識部２１０１が、通信部２１０８によって受信された音声データを１以上の単語からなるテキストデータに変換しているが、本開示は特にこれに限定されず、通信部２１０８が、ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信してもよい。この場合、音声対話サーバ２１００は、音声認識部２１０１を備えていなくてもよい。

図６は、本実施の形態１における音声対話システムの動作の一例を示すフローチャートである。

まず、第１の機器２０１１の音声入力部２１１１は、ユーザの発話を検出したか否かを判断する（ステップＳ１）。ここで、ユーザの発話を検出していないと判断した場合（ステップＳ１でＮＯ）、音声入力部２１１１は、ユーザの発話を検出するまで待機する。

一方、ユーザの発話を検出したと判断した場合（ステップＳ１でＹＥＳ）、音声入力部２１１１は、ユーザの発話音声データを取得する（ステップＳ２）。例えば、第１の機器２０１１は冷蔵庫であり、ユーザは第１の機器２０１１の音声入力機能を起動し、「きゅうり」と発話したとする。このとき、音声入力部２１１１は、「きゅうり」と発話したユーザの発話音声データを取得する。

次に、通信部２１１３は、発話音声データを音声対話サーバ２１００へ送信する（ステップＳ３）。

次に、音声対話サーバ２１００の通信部２１０８は、第１の機器２０１１によって送信された発話音声データを受信する（ステップＳ４）。

次に、音声認識部２１０１は、発話音声データに対して音声認識処理を実施し、発話音声データをテキストデータに変換する（ステップＳ５）。音声認識処理の結果、音声認識部２１０１は、発話音声データに含まれる「きゅうり」という単語をテキストデータに変換することにより、「キウイ」という認識単語を取得したとする。

次に、誤認識訂正部２１０２は、認識単語に対して誤認識訂正処理を実施する（ステップＳ６）。誤認識訂正処理の詳細は後述するが、ここでは、認識単語「キウイ」が「きゅうり」に訂正されたとする。その結果、誤認識訂正部２１０２は、ユーザの発話内容を「きゅうり」に特定する。

次に、応答生成部２１０６は、応答音声データを生成する（ステップＳ７）。ここで、応答生成部２１０６は、訂正対象単語を訂正候補単語に置換した場合、訂正候補単語を含む第１応答文のテキストデータを生成し、テキストデータを応答音声データに変換する。また、応答生成部２１０６は、訂正対象単語を訂正候補単語に置換しなかった場合、訂正対象単語を含む第２応答文のテキストデータを生成し、テキストデータを応答音声データに変換する。応答音声データは、例えば「きゅうりを買い物メモに登録します」等の、上述の処理で特定したユーザの発話内容を確認する音声データである。

次に、通信部２１０８は、応答音声データを第１の機器２０１１に送信する（ステップＳ８）。

次に、第１の機器２０１１の通信部２１１３は、音声対話サーバ２１００によって送信された応答音声データを受信する（ステップＳ９）。

次に、音声出力部２１１２は、通信部２１１３によって受信された応答音声データを音声出力する（ステップＳ１０）。

次に、訂正受付部２１１４は、出力された応答音声に対してユーザによる訂正を受け付けたか否かを判断する（ステップＳ１１）。訂正受付部２１１４は、例えば、応答内容を承認するための承認ボタンと、応答内容を訂正するための訂正ボタンとのユーザによる押下を受け付けてもよい。訂正受付部２１１４は、訂正ボタンが押下された場合、ユーザによる応答内容の訂正を受け付けたと判断し、承認ボタンが押下された場合、ユーザによる応答内容の訂正を受け付けなかったと判断してもよい。

ここで、ユーザによる応答内容の訂正を受け付けなかったと判断された場合、すなわち、応答内容がユーザにより承認されたと判断された場合（ステップＳ１１でＮＯ）、通信部２１１３は、応答文に含まれる単語を承認するための承認信号を音声対話サーバ２１００へ送信する（ステップＳ１２）。

次に、音声対話サーバ２１００の通信部２１０８は、第１の機器２０１１によって送信された承認信号を受信する（ステップＳ１３）。

次に、データ更新部２１０５は、応答文に含まれる単語を商品名として買い物メモ２１０４に登録する登録処理を行う（ステップＳ１４）。ここでは、データ更新部２１０５は、「きゅうり」を買い物メモ２１０４に登録する。また、データ更新部２１０５は、メモ登録情報リスト２１０７も同時に更新する。

次に、データ更新部２１０５は、誤認識訂正辞書２１０３を更新する辞書更新処理を行う（ステップＳ１５）。上記の例では、ユーザによる認識単語の訂正を受け付けていないため、データ更新部２１０５は、誤認識訂正辞書２１０３を更新しない。

一方、ステップＳ６の誤認識訂正処理において、認識単語「キウイ」が訂正されなかった場合について説明する。この場合、応答生成部２１０６は、例えば「キウイを買い物メモに登録します」という応答音声データを生成する。応答音声データを聞いたユーザは、応答文に含まれる「キウイ」という単語を承認せず、応答文に含まれる単語を訂正する操作を行った後、訂正した単語を発話する。

すなわち、ユーザによる応答内容の訂正を受け付けたと判断された場合（ステップＳ１１でＹＥＳ）、ステップＳ１の処理に戻り、音声入力部２１１１は、ユーザの発話を検出したと判断し、ユーザの発話音声データを再度取得する。以降、先述と同様の処理を実施する。ここで、訂正された発話音声データは、正しく「きゅうり」と認識される。応答生成部２１０６は、例えば「きゅうりを買い物メモに登録します」という応答音声データを生成する。ユーザが応答文に含まれる単語を承認すると、ステップＳ１５の辞書更新処理において、データ更新部２１０５は、「キウイ」を「きゅうり」に訂正するルールを誤認識訂正辞書２１０３に登録する。すなわち、データ更新部２１０５は、「キウイ」を誤認識単語とし、「きゅうり」を正解単語として、両者を対応付けて誤認識訂正辞書２１０３に記録する。

以上の処理により、ユーザによる誤認識の訂正内容を自動的に学習し、ユーザは同じ誤認識を繰り返し訂正する必要がなくなるため、ユーザの利便性を向上させることができる。

次に、図６のステップＳ６における誤認識訂正処理の詳細を説明する。図７は、図６のステップＳ６における誤認識訂正処理の動作を示すフローチャートである。

まず、音声対話サーバ２１００の訂正候補抽出部２１２１は、図６のステップＳ５の音声認識処理において得られた認識単語が、誤認識訂正辞書２１０３内に誤認識単語として登録済みであるか否かを判断する（ステップＳ２１）。ここで、認識単語が誤認識訂正辞書２１０３内に登録済みであると判断した場合（ステップＳ２１でＹＥＳ）、訂正候補抽出部２１２１は、誤認識訂正辞書２１０３に登録されている誤認識単語に対応付けられた正解単語を、訂正候補単語として抽出する訂正候補単語抽出処理を行う（ステップＳ２２）。

ここで、図７のステップＳ２２の訂正候補単語抽出処理について説明する。図８は、図７のステップＳ２２の訂正候補単語抽出処理を説明するためのフローチャートである。

まず、訂正候補抽出部２１２１は、認識単語に対応する未参照の組合せが誤認識訂正辞書２１０３に存在するか否かを判断する（ステップＳ３１）。ここで、訂正候補抽出部２１２１は、誤認識訂正辞書２１０３にテーブル形式で記載されている誤認識単語と正解単語との複数の組合せを１行目から順番に参照し、認識単語と一致する誤認識単語を含む組合せが存在するか否かを判断する。

認識単語に対応する未参照の組合せが誤認識訂正辞書２１０３に存在しないと判断し場合（ステップＳ３１でＮＯ）、訂正候補抽出部２１２１は、訂正候補単語抽出処理を終了する。ステップＳ３１では、訂正候補抽出部２１２１は、誤認識訂正辞書２１０３内の全ての組合せについて、認識単語と一致する誤認識単語を含む組合せが存在するか否かの判断が終了すると、訂正候補単語抽出処理を終了する。

一方、認識単語に対応する未参照の組合せが誤認識訂正辞書２１０３に存在すると判断した場合（ステップＳ３１でＹＥＳ）、当該組合せに適用済フラグが付与されているか否かを判断する（ステップＳ３２）。

当該組合せに適用済フラグが付与されていると判断した場合（ステップＳ３２でＹＥＳ）、ステップＳ３１の処理に戻る。

一方、当該組合せに適用済フラグが付与されていないと判断した場合（ステップＳ３２でＮＯ）、訂正候補抽出部２１２１は、当該組合せにおける正解単語を訂正候補単語として抽出する（ステップＳ３３）。その後、ステップＳ３１の処理に戻る。

図７に戻って、訂正候補抽出部２１２１は、１以上の訂正候補単語が抽出されたか否かを判断する（ステップＳ２３）。ここで、訂正候補単語が抽出されていないと判断した場合（ステップＳ２３でＮＯ）、ステップＳ２８の処理へ移行する。

一方、１以上の訂正候補単語が抽出されたと判断した場合（ステップＳ２３でＹＥＳ）、音声対話サーバ２１００の訂正実施判断部２１２２は、認識単語について、誤認識の訂正を実施するか否かを判断するとともに、誤認識の訂正を実施するのであれば訂正候補単語の内のいずれに訂正するかを決定する誤認識訂正実施判断処理を行う（ステップＳ２４）。なお、誤認識訂正実施判断処理の詳細については後述するが、訂正実施判断部２１２２は、認識単語をそのまま商品名として買い物メモ２１０４に登録するか、抽出した訂正候補単語のいずれかに認識単語を訂正して買い物メモ２１０４に登録するかをメモ登録情報リスト２１０７の情報等を利用して判断する。

次に、訂正実施判断部２１２２は、認識単語の訂正が必要であるか否かを判断する（ステップＳ２５）。

ここで、認識単語の訂正が必要であると判断した場合（ステップＳ２５でＹＥＳ）、応答生成部２１０６は、ステップＳ２４の誤認識訂正実施判断処理で判断した訂正結果である訂正候補単語を含む応答文を作成する（ステップＳ２６）。

次に、データ更新部２１０５は、誤認識訂正辞書２１０３において、訂正した認識単語に一致する誤認識単語と、正解単語との組合せに適用済フラグを付与する（ステップＳ２７）。

一方、認識単語の訂正が不要であると判断した場合（ステップＳ２５でＮＯ）、又は訂正候補単語が抽出されていないと判断した場合（ステップＳ２３でＮＯ）、応答生成部２１０６は、認識単語をそのまま含む応答文を作成する（ステップＳ２８）。

以上により、認識単語をそのまま買い物メモ２１０４に登録するか、又は過去の誤認識訂正内容を基に認識単語の誤認識を訂正して買い物メモ２１０４に登録するかを判断し、判断結果に基づいてユーザへの応答音声データを生成する。これにより、一度誤認識として訂正されたテキストを、訂正することなく商品名として登録したい場合でも、ユーザの意図に反して訂正されてしまう可能性を低減し、ユーザの利便性を向上させることができる。

図９は、図７のステップＳ２４における誤認識訂正実施判断処理の動作を示すフローチャートである。

まず、訂正実施判断部２１２２は、図７のステップＳ２２の訂正候補単語抽出処理で抽出された１つ以上の訂正候補単語が買い物メモ２１０４に登録される確からしさを示す第１の登録確度を算出する（ステップＳ４１）。

ここで、第１の登録確度の具体的な算出方法について説明する。本実施の形態１においては、訂正実施判断部２１２２は、ある商品名の訂正候補単語が買い物メモ２１０４に登録される第１の登録確度を、その商品名の訂正候補単語が買い物メモ２１０４に登録される平均的な時間間隔と、実際に前回その商品名の訂正候補単語が買い物メモ２１０４に登録されたときから現在までの時間間隔とに基づいて算出する。すなわち、ある商品名の訂正候補単語についてメモ登録情報リスト２１０７に記録された最終メモ登録日から現在までに経過した未登録期間をＰ１とし、平均登録間隔をＩ１とすると、訂正候補単語が買い物メモ２１０４に登録される第１の登録確度Ｒ１は、下記の式（１）を用いて算出される。
Ｒ１＝Ｐ１／Ｉ１・・・（１）

第１の登録確度Ｒ１の値が大きいほど、未登録期間Ｐ１が平均登録間隔Ｉ１に近く、今回買い物メモ２１０４に登録される第１の登録確度Ｒ１が高いと考える。

次に、訂正実施判断部２１２２は、認識単語がメモ登録情報リスト２１０７内に商品名として登録されているか否かを判断する（ステップＳ４２）。認識単語が商品名としてメモ登録情報リスト２１０７内に登録されていると判断した場合（ステップＳ４２でＹＥＳ）、訂正実施判断部２１２２は、認識単語が買い物メモ２１０４に登録される確からしさを示す第２の登録確度を算出する（ステップＳ４３）。

ここで、第２の登録確度の具体的な算出方法について説明する。本実施の形態１においては、訂正実施判断部２１２２は、ある商品名の認識単語が買い物メモ２１０４に登録される第２の登録確度を、その商品名の認識単語が買い物メモ２１０４に登録される平均的な時間間隔と、実際に前回その商品名の認識単語が買い物メモ２１０４に登録されたときから現在までの時間間隔とに基づいて算出する。すなわち、ある商品名の認識単語についてメモ登録情報リスト２１０７に記録された最終メモ登録日から現在までに経過した未登録期間をＰ２とし、平均登録間隔をＩ２とすると、認識単語が買い物メモ２１０４に登録される第２の登録確度Ｒ２は、下記の式（２）を用いて算出される。
Ｒ２＝Ｐ２／Ｉ２・・・（２）

次に、訂正実施判断部２１２２は、認識単語の第２の登録確度と１以上の訂正候補単語の第１の登録確度とを比較し、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度より高いか否かを判断する（ステップＳ４４）。

ここで、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度より高いと判断された場合（ステップＳ４４でＹＥＳ）、訂正実施判断部２１２２は、認識単語の訂正は不要であると判断して処理を終了する。

一方、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度以下であると判断された場合（ステップＳ４４でＮＯ）、訂正実施判断部２１２２は、１以上の訂正候補単語のうち、第１の登録確度が最も高い訂正候補単語を、置換に用いる訂正候補単語として選択し（ステップＳ４５）、処理を終了する。また、認識単語が商品名としてメモ登録情報リスト２１０７に登録されていないと判断した場合（ステップＳ４２でＮＯ）、認識単語の第２の登録確度が算出できないため、訂正実施判断部２１２２は、１以上の訂正候補単語のうち、第１の登録確度が最も高い訂正候補単語を、置換に用いる訂正候補単語として選択し（ステップＳ４５）、処理を終了する。

上述の第１の登録確度及び第２の登録確度の算出処理について、具体例を用いて説明する。まず、図６のステップＳ５の音声認識処理で得られた認識単語が「キウイ」であったとする。また、誤認識訂正辞書２１０３及びメモ登録情報リスト２１０７は、それぞれ図４及び図５のような内容であり、ユーザが発話した日付は２０１６年２月４日であるとする。

このとき、まず、誤認識訂正辞書２１０３が参照され、認識単語である「キウイ」に対応付けられた正解単語「きゅうり」が訂正候補単語として抽出される。そして、「キウイ」はメモ登録情報リスト２１０７の商品名として登録されており、最終メモ登録日が２０１６年２月１日であることから、買い物メモ２１０４に登録されていない未登録期間Ｐ２は３日となる。また、平均登録間隔Ｉ２は７日であることから、認識単語の第２の登録確度Ｒ２は３／７となる。

一方、訂正候補単語である「きゅうり」はメモ登録情報リスト２１０７の商品名として登録されており、最終メモ登録日が２０１６年２月２日であることから、買い物メモ２１０４に登録されていない未登録期間Ｐ１は２日となる。また、平均登録間隔Ｉ１は３日であることから、訂正候補単語の第１の登録確度Ｒ１は２／３となる。この場合、訂正候補単語の第１の登録確度が認識単語の第２の登録確度より高いため、訂正実施判断部２１２２は、「きゅうり」に対応する第１の登録確度がより高いと判断し、「きゅうり」を訂正結果として確定する。

なお、音声対話システムの使用を開始した当初など、過去の買い物メモ２１０４への登録傾向が正しく求められない場合も考えられるため、未登録期間の長さのみを使用して認識単語を訂正候補単語に置換するか否かを決定してもよい。この場合、直近で買い物メモ２１０４に登録された単語が再び買い物メモ２１０４に登録される可能性は低い。そのため、訂正実施判断部２１２２は、認識単語の未登録期間が訂正候補単語の未登録期間より長い場合、認識単語を訂正候補単語に置換しないと判断し、認識単語の未登録期間が訂正候補単語の未登録期間以下である場合、認識単語を訂正候補単語に置換すると判断してもよい。

また、本実施の形態１では、未登録期間Ｐ１，Ｐ２を平均登録間隔Ｉ１，Ｉ２で除算することで第１の登録確度Ｒ１（Ｒ１＝Ｐ１／Ｉ１）及び第２の登録確度Ｒ２（Ｒ２＝Ｐ２／Ｉ２）を算出しているが、本開示は特にこれに限定されず、平均登録間隔Ｉ１，Ｉ２から未登録期間Ｐ１，Ｐ２を減算することで第１の登録確度Ｒ１（Ｒ１＝Ｉ１−Ｐ１）及び第２の登録確度Ｒ２（Ｒ２＝Ｉ２−Ｐ２）を算出してもよい。この場合、訂正実施判断部２１２２は、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度より低いか否かを判断する。認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度より低いと判断された場合、訂正実施判断部２１２２は、認識単語の訂正は不要であると判断して処理を終了する。一方、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度以上であると判断された場合、訂正実施判断部２１２２は、１以上の訂正候補単語のうち、第１の登録確度が最も低い訂正候補単語を、置換に用いる訂正候補単語として選択する。

続いて、図６のステップＳ１４の登録処理の詳細について説明する。図１０は、図６のステップＳ１４における登録処理の動作を示すフローチャートである。

まず、音声対話サーバ２１００のデータ更新部２１０５は、ユーザによって承認された単語（商品名）を買い物メモ２１０４に登録する（ステップＳ５１）。

次に、データ更新部２１０５は、メモ登録情報リスト２１０７において、買い物メモ２１０４に登録した商品名に対応する最終メモ登録日を現在の日付に更新する（ステップＳ５２）。

次に、データ更新部２１０５は、メモ登録情報リスト２１０７において、買い物メモ２１０４に登録した商品名に対応する平均登録間隔を更新する（ステップＳ５３）。

続いて、図６のステップＳ１５における辞書更新処理の動作について説明する。図１１は、図６のステップＳ１５における辞書更新処理の動作を示すフローチャートである。

まず、データ更新部２１０５は、商品名が買い物メモ２１０４に登録されるまでの一連の処理において、ユーザにより応答文に含まれる単語を訂正する発話があったか否かを判断する（ステップＳ６１）。

ユーザにより単語を訂正する発話があったと判断された場合（ステップＳ６１でＹＥＳ）、データ更新部２１０５は、訂正された結果として買い物メモ２１０４に登録された商品名と、訂正前の認識単語（誤認識単語）との組が、誤認識訂正辞書２１０３に未登録であるか否かを判断する（ステップＳ６２）。

買い物メモ２１０４に登録された商品名と誤認識単語との組が誤認識訂正辞書２１０３に未登録であると判断された場合（ステップＳ６２でＹＥＳ）、データ更新部２１０５は、買い物メモ２１０４に登録された商品名を正解単語とし、正解単語とした商品名と誤認識単語との組を誤認識訂正辞書２１０３に新規に登録する（ステップＳ６３）。

これにより、ユーザによる誤認識訂正の内容を、次回の発話以降、音声対話システムが自動的に反映させることが可能になる。

次に、データ更新部２１０５は、誤認識訂正辞書２１０３内の適用済フラグを全て初期化する（ステップＳ６４）。

一方、ユーザにより単語を訂正する発話がなかったと判断された場合（ステップＳ６１でＮＯ）、又は買い物メモ２１０４に登録された商品名と誤認識単語との組が誤認識訂正辞書２１０３に既に登録されていると判断された場合（ステップＳ６２でＮＯ）、データ更新部２１０５は、誤認識訂正辞書２１０３を更新せずに処理を終了する。

（実施の形態２）
本実施の形態２に係る音声対話システムについて説明する。なお、以下の実施の形態２では、実施の形態１と重複する説明は省略し、主に相違点を説明する。本実施の形態２では、音声対話サーバ２１００は、さらに、ユーザが所有する商品の在庫の有無を示す商品在庫リストを記憶し、商品在庫リストと第１の登録確度と第２の登録確度とを組み合わせて誤認識訂正の実施を判断する。

図１２は、本実施の形態２における音声対話サーバの詳細な構成を示すブロック図である。音声対話サーバ２１００の記憶部２１１０は、ユーザが商品を保有しているか否かの情報を記載した商品在庫リスト２１０９をさらに記憶する。商品の在庫状況に関する情報は、ユーザが商品を購入したり使用したりした際にユーザにより入力を受け付けてもよいし、例えば冷蔵庫内にカメラを設置し、商品を出し入れした際に自動的に入力されてもよい。

図１３は、本実施の形態２における商品在庫リストの一例を示す図である。商品在庫リスト２１０９は、商品の名称を示す商品名と、当該商品についてのユーザの在庫の有無を示す情報とを含む。図１３に示す商品在庫リスト２１０９の例では、商品名としてきゅうり及びキウイが記載されており、きゅうりの在庫はあり、キウイの在庫はないことが記載されている。なお、商品在庫リスト２１０９に記載する情報は、図１３の例のように商品の在庫の有無のみを示してもよいし、より詳細な商品の残量を示してもよい。

買い物メモ２１０４に登録される認識単語はユーザが購入すべき商品の商品名を示す単語である。訂正実施判断部２１２２は、ユーザが保有する商品の商品名の一覧を示す商品在庫リスト２１０９（リスト情報）に登録単語が含まれない場合、第２の登録確度（第２値）を算出する。

図１４は、図７のステップＳ２４における誤認識訂正実施判断処理の動作を示すフローチャートである。なお、誤認識訂正実施判断処理以外の処理は、実施の形態１と同様である。図１４における処理は、図９に示す誤認識訂正実施判断処理に対してステップＳ７１及びステップＳ７３の処理が追加されており、以下では、追加部分を中心に説明する。

まず、訂正実施判断部２１２２は、商品在庫リスト２１０９を参照し、１以上の訂正候補単語の中から、在庫のない商品名に対応する訂正候補単語のみを抽出する（ステップＳ７１）。すなわち、在庫のある商品よりも、在庫のない商品の方が購入する優先度が高いと予想される。

次に、訂正実施判断部２１２２は、抽出した訂正候補単語が買い物メモ２１０４に登録される確からしさを示す第１の登録確度を算出する（ステップＳ７２）。なお、第１の登録確度の算出方法は先述の実施の形態１と同様である。また、ステップＳ７１で在庫のない商品名に対応する訂正候補単語が抽出されなかった場合、訂正実施判断部２１２２は、訂正候補単語の第１の登録確度を０と算出してもよい。

次に、訂正実施判断部２１２２は、商品在庫リスト２１０９を参照し、認識単語に対応する商品の在庫がないか否かを判断する（ステップＳ７３）。ここで、認識単語に対応する商品の在庫がないと判断した場合（ステップＳ７３でＹＥＳ）、訂正実施判断部２１２２は、認識単語がメモ登録情報リスト２１０７内に商品名として登録されているか否かを判断する（ステップＳ７４）。認識単語が商品名としてメモ登録情報リスト２１０７内に登録されていると判断した場合（ステップＳ７４でＹＥＳ）、訂正実施判断部２１２２は、認識単語が買い物メモ２１０４に登録される確からしさを示す第２の登録確度を算出する（ステップＳ７５）。なお、第２の登録確度の算出方法は先述の実施の形態１と同様である。

次に、訂正実施判断部２１２２は、認識単語の第２の登録確度と、抽出した訂正候補単語の第１の登録確度とを比較し、認識単語の第２の登録確度が、抽出した訂正候補単語の第１の登録確度より高いか否かを判断する（ステップＳ７６）。

ここで、認識単語の第２の登録確度が１以上の訂正候補単語の第１の登録確度より高いと判断された場合（ステップＳ７６でＹＥＳ）、訂正実施判断部２１２２は、認識単語の訂正は不要であると判断して処理を終了する。

一方、認識単語に対応する商品の在庫があると判断された場合（ステップＳ７３でＮＯ）、認識単語が商品名としてメモ登録情報リスト２１０７に登録されていないと判断した場合（ステップＳ７４でＮＯ）、又は認識単語の第２の登録確度が、抽出した訂正候補単語の第１の登録確度以下であると判断された場合（ステップＳ７６でＮＯ）、訂正実施判断部２１２２は、抽出した訂正候補単語のうち、第１の登録確度が最も高い訂正候補単語を、置換に用いる訂正候補単語として選択し（ステップＳ７７）、処理を終了する。

本実施の形態２における誤認識訂正実施判断処理の具体例を、図４、図５及び図１３の例を用いて説明する。ユーザの発話に対する認識単語が「キウイ」であったとする。図４に示す誤認識訂正辞書２１０３より、訂正実施判断部２１２２は、訂正候補単語として「きゅうり」を抽出する。次に、訂正実施判断部２１２２は、商品在庫リスト２１０９を参照し、抽出した１以上の訂正候補単語の中から、在庫のない商品名に対応する訂正候補単語のみを抽出する。図１３の例では、「きゅうり」は在庫があるため、訂正候補単語「きゅうり」は抽出されず、「きゅうり」の第１の登録確度は算出されない。

一方、認識単語である「キウイ」は在庫がなく、かつメモ登録情報リスト２１０７内に登録されているため、「キウイ」の第２の登録確度は算出される。その結果、訂正実施判断部２１２２は、認識単語である「キウイ」の第２の登録確度が、抽出した訂正候補単語の第１の登録確度（訂正候補単語は抽出されなかったため、第１の登録確度は０とする）より高いと判断し、誤認識を訂正する必要はないと判断し、処理を終了する。

なお、訂正候補単語に対応する商品の在庫があり、かつ認識単語に対応する商品の在庫がある場合、すなわち、ステップＳ７１で在庫のない商品名に対応する訂正候補単語が抽出されず、かつステップＳ７３で認識単語に対応する商品の在庫があると判断された場合は、図９に示す誤認識訂正実施判断処理を行ってもよい。

（変形例）
なお、上記実施の形態１，２において説明された技術は、例えば以下の構成によっても実現されうる。

図１５は、第１の変形例における音声対話システムの構成を示す図である。

図１５に示す音声対話システムは、家電機器である第１の機器２０１１とは独立に、音声入力部２１１１及び音声出力部２１１２を備えた音声対話モジュール２０１２を備える。音声対話モジュール２０１２は、音声対話サーバ２１００と通信する。このような構成により、第１の機器２０１１が、音声入出力機能、及び音声対話サーバ２１００との通信機能を有していなくとも、ユーザは、音声対話システムを利用することができる。

図１６は、第２の変形例における音声対話システムの構成を示す図である。

図１６に示す音声対話システムは、ホームゲートウェイ１１０２をさらに備える。第１の機器２０１１は、宅内のネットワーク２０２１を介してホームゲートウェイ１１０２と通信可能に接続され、ホームゲートウェイ１１０２は、宅外のネットワーク２０２０を介して音声対話サーバ２１００と通信可能に接続されている。第１の機器２０１１は、ホームゲートウェイ１１０２を介して音声対話サーバ２１００と通信する。このような構成により、第１の機器２０１１が単体でインターネットに接続不可能な機器であっても、音声入力によるメモへの記録を実現することができる。

図１７は、第３の変形例における音声対話システムの構成を示す図である。

図１７に示す音声対話システムは、ホームゲートウェイ１１０２をさらに備え、音声対話サーバ２１００を備えていない。ホームゲートウェイ１１０２は、音声認識部２１０１、誤認識訂正部２１０２、誤認識訂正辞書２１０３及び買い物メモ２１０４等を備える。なお、ホームゲートウェイ１１０２は、図３に示す音声対話サーバ２１００の構成を備える。第１の機器２０１１は、宅内のネットワーク２０２１を介してホームゲートウェイ１１０２と通信可能に接続される。このような構成により、インターネットに接続していない環境であっても、音声入力によるメモへの記録を実現することができる。

また、音声対話装置が、図３に示す第１の機器２０１１の構成のうちの通信部２１１３以外の構成と、図３に示す音声対話サーバ２１００の構成のうちの通信部２１０８以外の構成とを備えてもよい。

なお、上記実施の形態において説明された技術は、例えば、以下のクラウドサービスの類型において実現されうる。しかし、上記態様において説明された技術が実現されるクラウドサービスの類型はこれらに限られるものでない。

（サービスの類型１：自社データセンタ型クラウドサービス）
図１８は、サービスの類型１（自社データセンタ型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。本類型では、サービスプロバイダ１１２０がグループ１１００から情報を取得し、ユーザに対してサービスを提供する。本類型では、サービスプロバイダ１１２０が、データセンタ運営会社の機能を有している。すなわち、サービスプロバイダ１１２０が、ビッグデータを管理するクラウドサーバ１２０３を保有している。したがって、データセンタ運営会社は存在しない。

本類型では、サービスプロバイダ１１２０は、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、オペレーティングシステム（ＯＳ）１２０２及びアプリケーション１２０１を管理する。サービスプロバイダ１１２０は、サービスプロバイダ１１２０が管理するＯＳ１２０２及びアプリケーション１２０１を用いてサービスを提供する（矢印１２０４）。

（サービスの類型２：ＩａａＳ利用型クラウドサービス）
図１９は、サービスの類型２（ＩａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。ここで、ＩａａＳとは、インフラストラクチャー・アズ・ア・サービスの略であり、コンピュータシステムを構築及び稼動させるための基盤そのものを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。

本類型では、データセンタ運営会社１１１０が、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、ＯＳ１２０２及びアプリケーション１２０１を管理する。サービスプロバイダ１１２０は、サービスプロバイダ１１２０が管理するＯＳ１２０２及びアプリケーション１２０１を用いてサービスを提供する（矢印１２０４）。

（サービスの類型３：ＰａａＳ利用型クラウドサービス）
図２０は、サービスの類型３（ＰａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。ここで、ＰａａＳとは、プラットフォーム・アズ・ア・サービスの略であり、ソフトウェアを構築及び稼動させるための土台となるプラットフォームを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。

本類型では、データセンタ運営会社１１１０は、ＯＳ１２０２を管理し、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、アプリケーション１２０１を管理する。サービスプロバイダ１１２０は、データセンタ運営会社１１１０が管理するＯＳ１２０２及びサービスプロバイダ１１２０が管理するアプリケーション１２０１を用いてサービスを提供する（矢印１２０４）。

（サービスの類型４：ＳａａＳ利用型クラウドサービス）
図２１は、サービスの類型４（ＳａａＳ利用型クラウドサービス）における音声対話システムが提供するサービスの全体像を示す図である。ここで、ＳａａＳとは、ソフトウェア・アズ・ア・サービスの略である。ＳａａＳ利用型クラウドサービスは、例えば、データセンタ（クラウドサーバ）を保有しているプラットフォーム提供者が提供するアプリケーションを、データセンタ（クラウドサーバ）を保有していない会社又は個人などの利用者がインターネットなどのネットワーク経由で使用できる機能を有するクラウドサービス提供モデルである。

本類型では、データセンタ運営会社１１１０は、アプリケーション１２０１を管理し、ＯＳ１２０２を管理し、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、データセンタ運営会社１１１０が管理するＯＳ１２０２及びアプリケーション１２０１を用いてサービスを提供する（矢印１２０４）。

以上、いずれのクラウドサービスの類型においても、サービスプロバイダ１１２０がサービスを提供する。また、例えば、サービスプロバイダ又はデータセンタ運営会社は、ＯＳ、アプリケーション又はビックデータのデータベース等を自ら開発してもよいし、また、第三者に外注させてもよい。

本開示において、ユニット、装置、部材又は部の全部又は一部、又はブロック図の機能ブロックの全部又は一部は、半導体装置、半導体集積回路（ＩＣ）、又はＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）を含む一つ又は複数の電子回路によって実行されてもよい。ＬＳＩ又はＩＣは、一つのチップに集積されてもよいし、複数のチップを組み合わせて構成されてもよい。例えば、記憶素子以外の機能ブロックは、一つのチップに集積されてもよい。ここでは、ＬＳＩやＩＣと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（Ｖｅｒｙ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、若しくはＵＬＳＩ（Ｕｌｔｒａ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）と呼ばれるものであってもよい。ＬＳＩの製造後にプログラムされる、Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ（ＦＰＧＡ）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができるＲｅｃｏｎｆｉｇｕｒａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅも同じ目的で使うことができる。

さらに、ユニット、装置、部材又は部の全部又は一部の機能又は操作は、ソフトウエア処理によって実行することが可能である。この場合、ソフトウエアは一つ又は複数のＲＯＭ、光学ディスク、ハードディスクドライブなどの非一時的記録媒体に記録され、ソフトウエアが処理装置（Ｐｒｏｃｅｓｓｏｒ）によって実行されたときに、そのソフトウエアで特定された機能が処理装置（Ｐｒｏｃｅｓｓｏｒ）および周辺装置によって実行される。システム又は装置は、ソフトウエアが記録されている一つ又は複数の非一時的記録媒体、処理装置（Ｐｒｏｃｅｓｓｏｒ）、及び必要とされるハードウエアデバイス、例えばインターフェース、を備えていてもよい。

本開示に係る音声対話方法、音声対話装置及び音声対話プログラムは、ユーザの意図に反して訂正される可能性を低減し、ユーザの利便性を向上させることができ、ユーザの発話に対する応答文を出力する音声対話方法、音声対話装置及び音声対話プログラムとして有用である。

１０１０，１０２０ ユーザ
１１００ グループ
１１０１ 複数の機器
１１０２ ホームゲートウェイ
１１１０ データセンタ運営会社
１１１１ クラウドサーバ
１１２０ サービスプロバイダ
１１２１ サーバ
１２０１ アプリケーション
１２０２ ＯＳ
１２０３ データセンタ
２０１１ 第１の機器
２０１２ 音声対話モジュール
２０２０，２０２１ ネットワーク
２１００ 音声対話サーバ
２１０１ 音声認識部
２１０２ 誤認識訂正部
２１０３ 誤認識訂正辞書
２１０４ 買い物メモ
２１０５ データ更新部
２１０６ 応答生成部
２１０７ メモ登録情報リスト
２１０８ 通信部
２１０９ 商品在庫リスト
２１１０ 記憶部
２１１１ 音声入力部
２１１２ 音声出力部
２１１３ 通信部
２１１４ 訂正受付部
２１２１ 訂正候補抽出部
２１２２ 訂正実施判断部

Claims (12)

1. ユーザの発話に対する応答文を出力する音声対話装置における音声対話方法であって、
   前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信し、
   過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定し、
   前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定し、
   前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断し、
   前記訂正対象単語を前記訂正候補単語に置換すると判断した場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、
   前記訂正対象単語を前記訂正候補単語に置換しないと判断した場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する、
   音声対話方法。
2. 前記訂正対象単語を前記訂正候補単語に置換するか否かの判断において、
   前記履歴テーブルに基づいた所定の計算方法により、前記訂正候補単語が前記単語一時記録テーブルに登録される確からしさを示す第１値を算出し、
   前記履歴テーブルを参照し、前記認識単語のうち、過去に前記単語一時記録テーブルに登録された登録単語を特定し、
   前記所定の計算方法により、前記登録単語が前記単語一時記録テーブルに登録される確からしさを示す第２値を算出し、
   前記第１値と前記第２値とを比較する、
   請求項１記載の音声対話方法。
3. 前記第２値が前記第１値より大きい場合、前記訂正対象単語を前記訂正候補単語に置換しないと判断し、前記第２値が前記第１値以下である場合、前記訂正対象単語を前記訂正候補単語に置換すると判断する、
   請求項２記載の音声対話方法。
4. 複数の訂正候補単語を特定した場合、前記複数の訂正候補単語のそれぞれに対して前記第１値を算出し、前記複数の訂正候補単語のうちの前記第１値が最も大きい前記訂正候補単語を、前記置換に用いる単語として選択する、
   請求項２記載の音声対話方法。
5. 前記訂正候補単語に対応する前記認識単語が前記単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の前記訂正候補単語に対応する前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔で除算した値を、前記第１値として算出し、
   前記登録単語に対応する前記認識単語が前記単語一時記録テーブルに最後に登録されたときから現在までの期間を、同一の前記登録単語に対応する前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔で除算した値を、前記第２値として算出する、
   請求項２記載の音声対話方法。
6. 前記単語一時記録テーブルに登録される前記認識単語は前記ユーザが購入すべき商品の商品名を示す単語であり、
   前記ユーザが保有する商品の商品名の一覧を示すリスト情報に前記登録単語が含まれない場合、前記第２値を算出する、
   請求項２記載の音声対話方法。
7. 前記第１応答文に含まれる前記訂正候補単語又は前記第２応答文に含まれる前記訂正対象単語を承認する旨の前記ユーザによる指示を受信した場合、前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録する、
   請求項１記載の音声対話方法。
8. 前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録した場合、前記訂正候補単語又は前記訂正対象単語を前記単語一時記録テーブルに登録した時刻を前記履歴テーブルに記憶し、前記単語一時記録テーブルに登録した前記訂正候補単語又は前記訂正対象単語と同一の認識単語の前記履歴テーブルに記憶されている時刻に基づき、同一の前記認識単語が前記単語一時記録テーブルに登録される平均的な時間間隔を算出する、
   請求項７記載の音声対話方法。
9. 前記第１応答文に含まれる前記訂正候補単語又は前記第２応答文に含まれる前記訂正対象単語を訂正単語に訂正するための前記ユーザによる指示を受信した場合、前記訂正単語に基づき前記誤認識訂正辞書を更新する、
   請求項１記載の音声対話方法。
10. 前記訂正単語と、前記訂正候補単語又は前記訂正対象単語の少なくとも一方とを対応付けた組合せが前記誤認識訂正辞書に記憶されているか否かを判断し、
    記憶されていないと判断した場合、前記訂正候補単語又は前記訂正対象単語の少なくとも一方を前記誤認識単語とし、前記訂正単語を前記正解単語としてそれぞれを対応付けて前記誤認識訂正辞書に記憶する、
    請求項９記載の音声対話方法。
11. ユーザの発話に対する応答文を出力する音声対話装置であって、
    前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信する受信部と、
    過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定する第１特定部と、
    前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定する第２特定部と、
    前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断する判断部と、
    前記訂正対象単語を前記訂正候補単語に置換すると判断された場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断された場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する出力部と、
    を備える音声対話装置。
12. ユーザの発話に対する応答文を出力する音声対話プログラムであって、
    コンピュータを、
    前記ユーザによる発話の音声データから変換された、１以上の単語からなるテキストデータを受信する受信部と、
    過去に前記ユーザにより訂正された単語である誤認識単語と前記誤認識単語から置換された単語である正解単語とを対応付けた誤認識訂正辞書を参照し、前記テキストデータに含まれる単語である認識単語のうち前記誤認識単語と合致する訂正対象単語を特定する第１特定部と、
    前記誤認識訂正辞書を参照し、前記訂正対象単語に対応付けられている正解単語である訂正候補単語を特定する第２特定部と、
    前記ユーザによる発話に含まれる単語を単語一時記録テーブルに登録した履歴を示す履歴テーブルに基づき、前記訂正対象単語を前記訂正候補単語に置換するか否かを判断する判断部と、
    前記訂正対象単語を前記訂正候補単語に置換すると判断された場合、前記訂正対象単語を前記訂正候補単語に置換し、前記訂正候補単語を含む第１応答文のテキストデータを出力し、前記訂正対象単語を前記訂正候補単語に置換しないと判断された場合、前記訂正対象単語を含む第２応答文のテキストデータを出力する出力部として機能させる、
    音声対話プログラム。

Images