JP2018073343A

JP2018073343A - 感情推定方法

Info

Publication number: JP2018073343A
Application number: JP2016216219A
Authority: JP
Inventors: 海妍李; Kaiken Ri
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2016-11-04
Filing date: 2016-11-04
Publication date: 2018-05-10
Anticipated expiration: 2036-11-04
Also published as: JP6635004B2

Abstract

【課題】入力された文章の感情を精度良く推定する。【解決手段】入力文章が示す感情を推定する感情推定方法における感情語関係性辞書生成装置１００は、基準文章に対する正負の感情の指定を受け付け、基準文章の中から感情を示す感情語を抽出し、抽出した感情語と、基準文章の中の当該感情語から前後の所定数の単語のそれぞれとを関連付けて複数の単語の組合せを生成し、複数の組合せごとに指定された感情に基づく重み付けを行い、感情語関係性辞書４０として記憶装置に保存する。感情推定処理は、入力文章の中から複数の単語を抽出し、当該抽出した複数の単語を入力順に関連付け、感情語関係性辞書４０を参照し、入力順に関連付けられた単語の組合せに該当する重み付けを特定し、特定された重み付けを合算して、入力文章が示す感情を推定する。【選択図】図１

Description

本発明は、感情推定方法に関する。

特許文献１には、特定のＷｅｂページの内容が対象テーマに関連するか否かの評価をユーザが行い、当該Ｗｅｂページ内の単語を当該評価に基づいてポジティブ単語、ネガティブ単語又は共通単語に分類し、対象テーマとの関連度を算出することで、対象テーマにおける高精度な単語群を生成するための単語テーマ関連度算出装置が開示されている。

特開２０１１−８６０４３号公報

ところで、本願発明者は、入力された文章について感情を判定し、当該感情に対応する応答文章を生成する技術を開発している。

しかしながら、特許文献１にかかる技術は、対象テーマが明確に与えられた上で、対象テーマにより近いＷｅｂページの検索を支援するためのものであり、（隠れた感情が含まれた）人間の発話内容における感情を推定するためのものではない。

本発明は、このような問題を解決するためになされたものであり、入力された文章の感情を精度良く推定するための感情推定方法を提供することを目的とする。

本発明にかかる感情推定方法は、入力文章が示す感情を推定するものであって、基準文章に対する正負の感情の指定を受け付け、前記基準文章の中から感情を示す感情語を抽出し、前記抽出した感情語と、前記基準文章の中の当該感情語から前後の所定数の単語のそれぞれとを関連付けて複数の単語の組合せを生成し、前記複数の組合せごとに前記指定された感情に基づく重み付けを行い、感情語関係辞書として記憶装置に保存し、前記入力文章の中から複数の単語を抽出し、当該抽出した複数の単語を入力順に関連付け、前記感情語関係辞書を参照し、前記入力順に関連付けられた単語の組合せに該当する重み付けを特定し、前記特定された重み付けを合算して、前記入力文章が示す感情を推定する。

本発明によれば、入力された文章の感情を精度良く推定するための感情推定方法を提供することができる。

本発明の実施の形態１にかかる感情語関係性辞書生成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１にかかる感情語関係性辞書生成処理の流れを示すフローチャートである。本発明の実施の形態１にかかる文章から抽出された単語における感情の評価に基づく関連付けの例を示す図である。本発明の実施の形態１にかかる単語の組合せに対する重み付けの例を示す図である。本発明の実施の形態１にかか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１にかかる感情推定処理の流れを示すフローチャートである。本発明の実施の形態１にかかる感情語関係辞書の概念を説明するための図である。本発明の実施の形態１にかかる入力文章に対する感情推定の例を示す図である。

以下では、上述した各態様を含む本発明を適用した具体的な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。各図面において、同一要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略する。

＜発明の実施の形態１＞
ここで、対話技術における話者の感情を推定する際の課題について説明する。対話技術における、話者の感性（感情）により近付けた応答は、対話継続や満足度で大きい差があるため、その感情の推定の技術が必要である。そして、間違った感情推定での返答により、対話へ興味や集中力が減り、対話の継続が難しくなる。

ここで、テキストを用いた既存の感情推定技術においては、市販又は既存の感情辞書が利用されている。感情辞書には、例えば、「苦手：ネガティブ」、「楽しい：ポジティブ」、「行く：ニュートラル」といった「感情語：タグ」という形式で定義されている。このような感情辞書を用いて人間の発話における感情をロボットが推定し、推定した感情に応じた応答をロボットが行うと、例えば、以下のような会話になってしまう。

ユーザの発話：「私は苦手なんです。昔から子供の時から泳いだことないんです。何度か挑戦したけど駄目でした。泳ぎは苦手です。泳げると楽しいね。」
ロボットの応答：「それは、残念です。」

この例の場合、ユーザの発話中の単語を感情辞書に照らし合わせると、「苦手」「駄目」「苦手」というネガティブな感情を示すネガティブ単語が３回と、「楽しい」というポジティブな感情を示すポジティブ単語が１回検出される。そのため、ロボットは、ネガティブ単語の数が多いため、当該ユーザの発話がネガティブな感情を示すものと推定する。よって、ロボットは、ネガティブな感情に応じた「それは、残念です。」という応答を行ってしまう。

しかしながら、当該ユーザはおそらく、自分は泳げないけれども泳ぐことが楽しいのだろう、という「泳ぎ」に対するポジティブな感情を伝えたいものと考えられる。このように、人間の対話には文章中に存在しない言葉の合間にその感情や文脈を表すことも多く、文脈における感情の推定は困難である。すなわち、従来技術では、文章全体としてはポジティブな感情であるにもかかわらず、ネガティブな単語がポジティブな単語よりも多い場合などには、ネガティブな文章と判断してしまう場合がある。そのため、文章全体が持つ感情を推定することが困難であった。

そこで、本発明の実施の形態にかかる感情推定方法は、入力文章が示す感情を推定する感情推定方法であって、基準文章に対する正負の感情の指定を受け付け、前記基準文章の中から感情を示す感情語を抽出し、前記抽出した感情語と、前記基準文章の中の当該感情語から前後の所定数の単語のそれぞれとを関連付けて複数の単語の組合せを生成し、前記複数の組合せごとに前記指定された感情に基づく重み付けを行い、感情語関係辞書として記憶装置に保存し、前記入力文章の中から複数の単語を抽出し、当該抽出した複数の単語を入力順に関連付け、前記感情語関係辞書を参照し、前記入力順に関連付けられた単語の組合せに該当する重み付けを特定し、前記特定された重み付けを合算して、前記入力文章が示す感情を推定するものである。このように、単語間の関連性に紐付いた感情と重み付けとに基づき感情を推定することで、単語による感情の推定ではなく、文章による感情の推定を精度よく行うことができる。

続いて、本発明の実施の形態１にかかる感情語関係性辞書生成装置について説明する。図１は、本発明の実施の形態１にかかる感情語関係性辞書生成装置１００の構成を示すブロック図である。感情語関係性辞書生成装置１００は、入力器１０と、解析器２０と、学習器３０と、感情語関係性辞書４０とを備える。入力器１０は、音声入力１１やテキスト入力１２により文章の入力を受け付ける。例えば、入力器１０は、感情語関係性辞書４０を生成及び更新するための学習対象となる基準文章の入力を受け付ける。

解析器２０は、入力された文章について解析を行い、文章に含まれる単語と感情語とを抽出する。ここでは、解析器２０は、入力された文章についてテキスト化２１を行い、テキスト化された基準文章に対して形態素解析を行う。形態素解析により基準文章内の単語が抽出される。尚、テキスト入力１２により文章が入力された場合、テキスト化２１はスキップすることとなる。そして、解析器２０は、感情語辞書３２を参照し、抽出された単語の中から感情語を選出する学習対象抽出２３を行う。

学習器３０は、基準文章に対して評価者が正負の感情を判定した結果の教示３１の入力を受け付ける。感情語辞書３２は、上述した既存の感情語辞書である。重み付け手段３３は、選出された感情語を起点とした基準文章内の前後の単語と、感情語とを関連付ける。そして、重み付け手段３３は、関連付けられた単語の組合せごとに、教示された感情が示す正負の符号と、単語間の出現距離が示す重み付け値とを対応付けて、感情語関係性辞書４０に保存する。感情語関係性辞書４０は、記憶装置内に記憶され、上記単語の組合せと、感情を示す正負の符号と、重み付け値とが対応付けられたデータベースである。

図２は、本発明の実施の形態１にかかる感情語関係性辞書生成処理の流れを示すフローチャートである。図２は、上述した感情語関係性辞書生成処理を別の観点から説明したものである。以下の説明では、前提として、入力器１０は以下の基準文章Ｘの入力を受け付け、テキスト化済みであるものとする。
基準文章Ｘ：「私は苦手なんです。昔から子供の時から泳いだことないんです。何度か挑戦したけど駄目でした。泳ぎは苦手です。泳げると楽しいね。」

まず、学習器３０は、基準文章Ｘに対して感情の判定を行った人間から教示３１を受け付ける。すなわち、学習器３０は、基準文章に対する感情の評価を受け付ける（Ｓ１１）。ここでは、基準文章Ｘが「ポジティブ」との評価を受け付けたものとする。

これと並行して、解析器２０は、基準文章Ｘに形態素解析を行い、単語を抽出する（Ｓ１２）。例えば、「苦手」「昔」「子供」「泳ぎ」「挑戦」「する」「駄目」「泳ぎ」「苦手」「泳げる」「楽しい」といった単語が抽出される。尚、重複する単語を除外してもよい。

続いて、解析器２０は、抽出された単語から感情語を選出する（Ｓ１３）。ここでは、解析器２０は、感情語辞書３２を参照して、「駄目」「苦手」「楽しい」が選出される。そして、重み付け手段３３は、感情語と前後の所定数の単語とを関連付けて単語の組合せを生成する（Ｓ１４）。例えば、重み付け手段３３は、感情語と前後の２つまで隣接する単語とを関連付ける。また、重み付け手段３３は、単語の組合せごとに、ステップＳ１１で教示された正負の感情を「＋」又は「−」の符号によりタグ付けする。

図３は、本発明の実施の形態１にかかる文章から抽出された単語における感情の評価に基づく関連付けの例を示す図である。ここでは、基準文章Ｘの後半部分について、ステップＳ１３で選出された感情語のうち「駄目」「苦手」「楽しい」を起点として前後２つまで隣接する単語と感情「＋」のタグを付けて関連づけた例を示す。

そして、重み付け手段３３は、組合せごとに評価と単語間の距離に基づく重み付けを算出し、感情語関係性辞書４０として記憶する（Ｓ１５）。例えば、単語間の距離が１、つまり、単語同士が入力順で隣接する場合、重み付け値として「０．３」、単語間の距離が２、つまり、単語の間に別の単語が１つ存在する場合、重み付け値として「０．１」が付与されるものとする。

図４は、本発明の実施の形態１にかかる単語の組合せに対する重み付けの例を示す図である。ここでは、「泳げる」及び「楽しい」という単語の組合せに対して「＋０．３」の重み付けが算出され、対応付けて感情語関係性辞書４０に記憶されたことを示す。

尚、上述した重み付けの方法のアルゴリズムは一例であり、強化学習などの方法や、ニューラルネットワーク、単純なスコアリング方法等、様々な方法を適用することが可能である。

続いて、本発明の実施の形態１にかかる感情推定装置について説明する。図５は、本発明の実施の形態１にかかる感情推定装置２００の構成を示すブロック図である。感情推定装置２００は、入力器１０と、解析器２０ａと、推定器５０と、応答文生成器６０とを備える。入力器１０は、感情語関係性辞書生成装置１００と同様であるが、推定対象となる入力文章を受け付ける。解析器２０ａは、入力文章についてテキスト化２１を行い、テキスト化された文章に対して形態素解析を行う。そして、解析器２０ａは、抽出された単語を入力順に関連付けて判断対象抽出２４を行う。そして、推定器５０は、感情語関係性辞書４０を参照し、関連付けられた単語の組御あわせごとに、重み付けを特定し、特定された重み付けを合算する。正負判定器５１は、合算された値の正負から、入力文章が示す感情を推定する。その後、応答文生成器６０は、正負判定器５１により入力文章が正の感情を示すと判定された場合に、ポジティブ文の生成６１を行う。一方、応答文生成器６０は、正負判定器５１により入力文章が負の感情を示すと判定された場合に、ネガティブ文の生成６２を行う。応答文生成器６０により生成された応答文は外部に出力される。

図６は、本発明の実施の形態１にかかる感情推定処理の流れを示すフローチャートである。図６は、上述した感情推定処理を別の観点から説明したものである。まず、解析器２０ａは、入力文章の中から単語を抽出する（Ｓ２１）。次に、解析器２０ａは、抽出した単語を入力順に関連付けて単語の組合せを生成する（Ｓ２２）。そして、推定器５０は、関連付けられた単語の組合せごとに重み付けを特定する（Ｓ２３）。続いて、推定器５０は、特定された重み付けを合算する（Ｓ２４）。その後、正負判定器５１は、入力文章が示す感情を推定する（Ｓ２５）。

続いて、複数の基準文章から学習して感情語関係性辞書を生成し、入力文章に対して感情推定を行う例について示す。まず、以下の基準文章１から６について学習するものとする。
基準文章１：「私は苦手なんです。昔から子供の時から泳いだことないんです。何度か挑戦したけど駄目でした。」
基準文章２：「泳ぎは苦手です。泳げると楽しいね。」
基準文章３：「昔は女の子はあまり外で泳いじゃ駄目だったの。」
基準文章４：「孫がスイミングスクールに通うようになって、水が怖くなくなってるよ。いいことだね。」
基準文章５：「海外旅行でも海でもプールでも泳がないよ。楽しそうに泳ぐ人を見るのが好き。」
基準文章６：「オリンピックで日本はいっぱいメダルをとれたね。今の日本は泳ぐのが好きなんだね。私は見るのが好きかな。」

次に、評価者は、基準文章１から６に対して、以下の正負の感情を判定（評価）したものとする。
基準文章１：感情：−
基準文章２：感情：＋
基準文章３：感情：−
基準文章４：感情：＋
基準文章５：感情：＋
基準文章６：感情：＋

そして、解析器２０は、基準文章１から６に対して、感情語辞書３２を参照して次の感情語を選出することとなる。
基準文章１：「苦手」「駄目」
基準文章２：「苦手」「楽しい」
基準文章３：「駄目」
基準文章４：「怖い」「いいこと」
基準文章５：「楽しい」「好き」
基準文章６：「好き」「好き」

図７は、本発明の実施の形態１にかかる感情語関係辞書の概念を説明するための図である。図７は、上述した感情の判定結果と感情語を起点とした単語の組合せ、さらに各組合せにおける重み付け値の例を示している。具体的には、感情語「怖い」「いいこと」「駄目」「苦手」「楽しい」「好き」について、１つ又は２つ隣接する単語が関連付けられており、距離に応じた重み付け値が付されている。さらに、同じ単語の組合せが複数個所に登場する場合には、重み付け値が合算されている。

ここで、感情推定の対象とする入力文章を以下とする。
入力文章：「水が怖くて、泳ぐのが駄目です。海外旅行とかオリンピックとかで楽しそうに泳ぐの見るのが大好き」

この場合、解析器２０ａは、入力文章から以下の単語を抽出する。
抽出単語：「水」「怖い」「泳ぐ」「駄目」「楽しい」「泳ぐ」「見る」「好き」
そして、解析器２０ａは、抽出単語を入力順に関連付けて、推定器５０は、各組合せの重み付けを特定する。図８は、本発明の実施の形態１にかかる入力文章に対する感情推定の例を示す図である。つまり、入力順に関連付けられた抽出単語について、感情語関係性辞書４０を参照して特定された重み付け値の例である。

そして、推定器５０は、図８の例の場合、以下のように重み付け値を合算する。
ＳＵＭ＝＋０．３−０．４＋０．９＋０．６＝＋１．４
よって、正負判定器５１は、入力文章が示す感情を正、つまりポジティブと判定する。これによって、入力文章が示す感情に沿った応答文を生成し、出力できる。

ここで、上記入力文章の場合、感情語は「怖い」「駄目」のネガティブ語２つと、「楽しい」「好き」のポジティブ語２つである。そのため、既存の感情語辞書を用いて感情推定を行った場合、当該入力文章が示す感情はニュートラルと判定されてしまう。よって、既存の感情語辞書を用いるだけでは適切な応答文を生成できない。一方、本発明の実施形態の場合、上述した通り、入力文章に対してポジティブな応答文、例えば、「それはよかったですね」や「それはいいですね」などを生成及び出力することができる。

尚、解析器２０における感情語の選出は、既存の感情語辞書を用いなくても構わない。例えば、ソーシャルネットワーキングサービス（ＳＮＳ）の書込みから抽出された感情語を辞書として用いても構わない。

尚、上述した例では、重み付けを単純にスコアリングした例を示しているがこれに限定されない。また、学習文（基準文章）が増えれば増えるほど判定性能は向上できる仕組みとなっている。その学習の重み付け方法や関連付ける範囲が前後何語までかなどは、適宜変更して構わない。ここで、関連付ける範囲に関しては、情報量（データ量）とのトレードオフのため、対話システムのタスクにより、決定できる。上記では、既存の感情語辞書上にポジティブ又はネガティブのタグ付けされた言葉からの重み付けを行っているが、本発明の範囲は、その限りではない。

また、ターゲット（話題）が決まっていれば、その特徴的な言葉に同じような重み付け方法で、ネガティブ又はポジティブの重み付けを行い、正負を判断できる。このような仕組みは、対話システム、チャットなどの自動返答生成などに適用可能である。また、書込みなどのネガティブ文の抽出及び自動削除などの機能にも応用できる。

＜その他の実施の形態＞
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

また、上述の実施の形態では、本発明をハードウェアの構成として説明したが、本発明は、これに限定されるものではない。本発明は、任意の処理を、ＣＰＵ（Central Processing Unit）にコンピュータプログラムを実行させることにより実現することも可能である。

また、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

１００感情語関係性辞書生成装置
１０入力器
１１音声入力
１２テキスト入力
２０解析器
２１テキスト化
２２形態素解析
２３学習対象抽出
３０学習器
３１教示
３２感情語辞書
３３重み付け手段
４０感情語関係性辞書
２００感情推定装置
２０ａ解析器
２４判断対象抽出
５０推定器
５１正負判定器
６０応答文生成器
６１ポジティブ文を生成
６２ネガティブ文を生成

Claims

入力文章が示す感情を推定する感情推定方法であって、
基準文章に対する正負の感情の指定を受け付け、
前記基準文章の中から感情を示す感情語を抽出し、
前記抽出した感情語と、前記基準文章の中の当該感情語から前後の所定数の単語のそれぞれとを関連付けて複数の単語の組合せを生成し、
前記複数の組合せごとに前記指定された感情に基づく重み付けを行い、感情語関係辞書として記憶装置に保存し、
前記入力文章の中から複数の単語を抽出し、当該抽出した複数の単語を入力順に関連付け、
前記感情語関係辞書を参照し、前記入力順に関連付けられた単語の組合せに該当する重み付けを特定し、
前記特定された重み付けを合算して、前記入力文章が示す感情を推定する
感情推定方法。