JP2019012439A - 生成装置、生成方法及び生成プログラム - Google Patents
生成装置、生成方法及び生成プログラム Download PDFInfo
- Publication number
- JP2019012439A JP2019012439A JP2017129056A JP2017129056A JP2019012439A JP 2019012439 A JP2019012439 A JP 2019012439A JP 2017129056 A JP2017129056 A JP 2017129056A JP 2017129056 A JP2017129056 A JP 2017129056A JP 2019012439 A JP2019012439 A JP 2019012439A
- Authority
- JP
- Japan
- Prior art keywords
- response
- utterance
- user
- generation
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 99
- 230000004044 response Effects 0.000 claims abstract description 373
- 230000008569 process Effects 0.000 claims description 65
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000010187 selection method Methods 0.000 claims 2
- 238000012545 processing Methods 0.000 description 74
- 239000000284 extract Substances 0.000 description 19
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 230000009118 appropriate response Effects 0.000 description 14
- 235000010724 Wisteria floribunda Nutrition 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000010365 information processing Effects 0.000 description 10
- 238000000605 extraction Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000008035 Back Pain Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】本生成装置は、受付部と、選択部と、生成部とを備える。受付部は、発話の入力をユーザから受け付ける。選択部は、発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、受付部によって受け付けられた発話の内容に応じた複数の応答モデルを選択する。生成部は、選択部によって選択された複数の応答モデルを用いて、受付部によって受け付けられた発話に対する応答を生成する。
【選択図】図3
Description
まず、図1を用いて、本願に係る生成装置である生成装置100が実行する生成処理の一例について説明する。図1は、実施形態に係る生成装置100が実行する処理の一例を示す図である。なお、以下の説明では、生成装置100が実行する処理として、ユーザU1の発話に対する応答を生成する生成処理の一例について説明する。すなわち、実施形態では、生成装置100は、ユーザU1との対話を実現する対話処理に関する処理を行う。
図1に示す生成装置100は、インターネット等の所定のネットワークを介して、ユーザ端末10と通信可能な情報処理装置であり、例えば、サーバ装置である。なお、生成装置100は、ネットワークを介して、任意の数のユーザ端末10と通信可能であってよい。
ここで、生成装置100が実行する対話処理の基本的な流れについて説明する。なお、以下の説明は、実施形態を限定するものではなく、生成装置100は、以下に説明するスロットフィリングの技術を用いてユーザU1の発話に対する応答を生成するのであれば、以下に説明する対話処理以外にも、任意の態様で応答の生成を行ってよい。
上記のような対話応答処理は、例えば、属性情報がラベル付けされた語句を学習データとして学習したモデルにより実現される。具体的には、生成装置100は、「東京」や「渋谷」が、「地名」や「駅名」であるという属性情報が対応付けられた(ラベル付けされた)学習データを学習することで、モジュールに設定された処理を実行することや、ユーザU1への応答を生成することのできるモデルを生成することができる。
次に、図2を用いて、実施形態に係る生成装置100が含まれる生成処理システム1の構成について説明する。図2は、実施形態に係る生成処理システム1の構成例を示す図である。図2に例示するように、実施形態に係る生成処理システム1には、ユーザ端末10と、生成装置100が含まれる。これらの各種装置は、ネットワークN(例えば、インターネット)を介して、有線又は無線により通信可能に接続される。なお、図2に示した生成処理システム1には、複数台のユーザ端末10が含まれてもよい。
次に、図3を用いて、実施形態に係る生成装置100の構成について説明する。図3は、実施形態に係る生成装置100の構成例を示す図である。図3に示すように、生成装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、生成装置100は、生成装置100を利用する管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。かかる通信部110は、ネットワークNと有線又は無線で接続され、ネットワークNを介して、ユーザ端末10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図3に示すように、記憶部120は、モデルデータベース121と、知識データベース123と、キャッシュデータベース124とを有する。
モデルデータベース121は、各種モデルを記憶する。ここで、図4に、実施形態に係るモデルデータベース121の一例を示す。図4は、実施形態に係るモデルデータベース121の一例を示す図である。図4に示した例では、モデルデータベース121は、「モデル種別」、「ドメイン」、「実行処理」、「スロット名」、「属性情報」といった項目を有する。
知識データベース123は、各種知識データを記憶する。図3に示すように、知識データベース123は、辞書データ123A、対応付けデータ123B、Q&Aデータ123Cといったデータテーブルを有する。
辞書データ123Aは、生成装置100が有する辞書データの情報を記憶する。ここで、図5に、実施形態に係る辞書データ123Aの一例を示す。図5は、実施形態に係る辞書データ123Aの一例を示す図である。図5に示した例では、辞書データ123Aは、「知識データ種別」、「語句ID」、「語句」、「品詞」、「属性情報」といった項目を有する。
対応付けデータ123Bは、生成装置100が有する対応付けデータの情報を記憶する。対応付けデータとは、ある語句に対して予め対応付けされたデータを示す。例えば、ユーザが有名なランドマークを発話した場合には、生成装置100は、対応付けデータ123Bを参照し、かかるランドマークに対応付けされた情報を取得し、取得した情報に基づいて生成処理を行うことができる。
Q&Aデータ123Cは、生成装置100が有するQ&Aデータの情報を記憶する。Q&Aデータとは、質問と回答とのペアである。Q&Aデータは、例えば、生成装置100の管理者等によって入力されたり、ウェブ上の質問サイト等において、あるユーザが投稿した質問に対して任意のユーザが回答した内容に基づいて生成されたりする。例えば、ユーザが発話した文字列が自明な語句でない場合(辞書データ123A等に保持されていない文字列である場合等)には、生成装置100は、Q&Aデータ123Cを参照し、かかる文字列に対応した回答を取得し、取得した情報に基づいて生成処理を行うことができる。
キャッシュデータベース124は、生成装置100が取得した情報のキャッシュを記憶する。キャッシュデータベース124は、例えば、生成装置100が外部サーバ等から取得した情報や、ユーザから取得したフィードバックに関する情報等が適宜記憶する。具体的には、キャッシュデータベース124は、ユーザの発話のパターンに対して、どの複数の応答モデルを選択したかといった履歴情報や、また、選択した応答モデルが正解であったか不正解であったか等の学習データ等を記憶する。
制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、生成装置100内部の記憶装置に記憶されている各種プログラム(生成プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
受付部131は、各種情報を受け付ける。例えば、受付部131は、ユーザ端末10から送信される発話の入力を受け付ける。なお、受付部131は、発話に限らず、ユーザ端末10から送信される文字列(テキストデータ)を受け付けてもよい。
選択部132は、発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、受付部131によって受け付けられた発話の内容に応じた複数の応答モデルを選択する。なお、図1で説明したように、選択部132は、発話を受けた時点で複数の応答モデルを選択するのではなく、以下に説明する処理の過程において、一つの応答モデルによる応答よりも適切な応答が生成可能と判定した場合に、複数の応答モデルを選択する。
生成部133は、選択部132によって選択された複数の応答モデルを用いて、受付部131によって受け付けられた発話に対する応答を生成する。
送信部134は、生成部133によって生成された応答をユーザに送信する。すなわち、送信部134は、生成された応答をユーザ端末10に送信し、ユーザとの対話処理を実現させる。なお、送信部134は、応答をテキストデータで送信してもよいし、音声データで送信してもよい。
学習部135は、送信部134によって送信された応答を受信したユーザからフィードバックを取得し、取得した情報に基づいて学習処理を行う。具体的には、学習部135は、応答を受信したユーザのその後の行動情報を取得し、取得した情報に基づいて応答が正例であったか負例であったかを判定することで、選択部132に係る選択処理や生成部133に係る生成処理に関する学習を行う。
次に、図8及び図9を用いて、実施形態に係る生成装置100による処理の手順について説明する。図8は、実施形態に係る処理手順を示すフローチャート(1)である。
上述した生成装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、生成装置100の他の実施形態について説明する。
上記実施形態では、生成装置100が、2つの応答モデルに対応する処理を実行して、ユーザに対する応答を生成する例を示した。ここで、生成装置100は、3つ以上の応答モデルに対応する処理を実行してユーザに対する応答を生成してもよい。
上記実施形態では、生成装置100が、第1の応答モデルに入力させるための情報を得るために第2の応答モデルから出力を得る処理を例として示した。ここで、生成装置100は、必ずしも第1の応答モデルを用いてユーザへの応答を生成することを要しない。すなわち、生成装置100は、入力されたスロット値の適性度や、生成された応答の評価値によっては、第1の応答モデルによる応答ではなく、第2の応答モデルや第3の応答モデルによって応答を生成してもよい。すなわち、生成装置100は、応答を生成する応答モデルのうち、より適切な応答モデルが存在する場合には、最初の発話に基づいて選択された第1の応答モデルによって応答を生成せず、他の応答モデルを利用して応答を生成してもよい。
上述した実施形態では、生成装置100が、例えば音声認識モデルを利用して、ユーザの発話を文字列に変換して処理を行う例を示した。この場合、発話の変換に用いる音声認識モデルは、例えばドメインごとに、ある発話を入力した際に、その発話を行ったユーザの意図を出力するようにモデルの学習を行うことで実現可能であり、このような学習手法については、任意の学習技術が採用可能である。
上述した生成装置100は、いわゆるスロットフィリングの結果を用いて応答を生成した。しかしながら、実施形態は、これに限定されるものではない。例えば、生成装置100は、ユーザの発話の意図を特定し、特定した意図からユーザとの対話の状況を判定し、判定した状況に応じた応答を生成するといった処理により、ユーザとの応答を生成するといった対話処理を実行する場合がある。このような対話処理において、生成装置100は、ユーザの発話の意図を特定する際に、上述したスロットフィリングの技術を適用し、スロットフィリングの結果に応じて、ユーザとの対話の状況を判定し、判定した状況に応じた応答を生成してもよい。すなわち、生成装置100は、ユーザの発話からユーザの意図を反映させたスロット値を得るのであれば、他の任意の処理と組み合わせて、発話に対する応答を生成してよい。
上述した実施形態では、生成装置100が、知識データベース123に保持された情報を用いて対話処理を行う例を示した。ここで、生成装置100は、ネットワークを介して利用されるいわゆるクラウドサーバ等を介して取得した知識データを利用して、上述した生成処理を実行してもよい。また、生成装置100は、クラウドサーバのように、必ずしもクラウドのように広域ネットワークを前提とするものでなくてもよい。例えば、ローカルネットワーク等に接続された各サーバから知識データを取得してもよい。
上述した実施形態では、生成装置100が、経路検索モジュールに対応した第1応答モデルと、Q&Aモジュールに対応した第2応答モデルとを利用して、ユーザに対する応答を生成する例を示した。
上述してきた実施形態に係る生成装置100やユーザ端末10は、例えば図10に示すような構成のコンピュータ1000によって実現される。以下、生成装置100を例に挙げて説明する。図10は、生成装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態において説明した各処理のうち、自動的に行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行うこともでき、あるいは、手動的に行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行うこともできる。この他、上記文書中や図面中で示した処理手順、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。例えば、各図に示した各種情報は、図示した情報に限られない。
上述してきたように、実施形態に係る生成装置100は、受付部131と、選択部132と、生成部133とを有する。受付部131は、発話の入力をユーザから受け付ける。選択部132は、発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、受付部131によって受け付けられた発話の内容に応じた複数の応答モデルを選択する。生成部133は、選択部132によって選択された複数の応答モデルを用いて、受付部131によって受け付けられた発話に対する応答を生成する。
10 ユーザ端末
100 生成装置
110 通信部
120 記憶部
121 モデルデータベース
123 知識データベース
124 キャッシュデータベース
130 制御部
131 受付部
132 選択部
133 生成部
134 送信部
135 学習部
Claims (11)
- 発話の入力をユーザから受け付ける受付部と、
発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、前記受付部によって受け付けられた発話の内容に応じた複数の応答モデルを選択する選択部と、
前記選択部によって選択された複数の応答モデルを用いて、前記受付部によって受け付けられた発話に対する応答を生成する生成部と、
を備えたことを特徴とする生成装置。 - 前記選択部は、
第1の応答モデルのみを用いて前記受付部によって受け付けられた発話に対する応答を生成する場合の適性度を判定し、適性度が所定の閾値を超えないと判定した場合に、第2の応答モデルを選択する、
ことを特徴とする請求項1に記載の生成装置。 - 前記選択部は、
前記第1の応答モデルを用いて前記受付部によって受け付けられた発話に対する応答を生成した場合の生成結果、応答を生成する際に実行した検索結果、又は、生成した応答に対するユーザの反応の少なくともいずれか一つに基づいて、前記適性度を判定する、
ことを特徴とする請求項2に記載の生成装置。 - 前記選択部は、
前記受付部によって受け付けられた発話に含まれる所定の文字列であって、第1の応答モデルのスロットに入力される候補である文字列に基づいて、第2の応答モデルを選択する、
ことを特徴とする請求項1〜3のいずれか一つに記載の生成装置。 - 前記選択部は、
前記受付部によって受け付けられた発話に含まれる所定の文字列が応答モデルのスロットに入力された場合の適性度を判定し、当該所定の文字列が前記第1の応答モデルのスロットに入力された場合の適性度が所定の閾値よりも低い場合に、当該所定の文字列が入力された場合の適性度が所定の閾値よりも高くなるスロットを有する前記第2の応答モデルを選択する、
ことを特徴とする請求項2〜4のいずれか一つに記載の生成装置。 - 前記生成部は、
前記選択部によって選択された複数の応答モデルのうち、第2の応答モデルから出力された回答結果を前記第1の応答モデルに入力することで、前記発話に対する応答を生成する、
ことを特徴とする請求項2〜5のいずれか一つに記載の生成装置。 - 前記生成部は、
前記受付部によって受け付けられた発話が前記第1の応答モデルに入力された場合に出力される第1の回答の評価値に応じて、当該第1の回答をユーザに応答するか、あるいは、前記第2の応答モデルから出力された回答結果を当該第1の応答モデルに新たに入力して出力される第2の回答をユーザに応答するかを判定する、
ことを特徴とする請求項2〜6のいずれか一つに記載の生成装置。 - 前記生成部は、
前記第1の回答もしくは前記第2の回答を受信したユーザの反応に基づいて、当該第1の回答もしくは当該第2の回答に対する評価値を更新する、
ことを特徴とする請求項7に記載の生成装置。 - 前記選択部は、
前記生成部によって生成された応答を受信したユーザの過去の反応に基づいて、前記受付部によって受け付けられた発話の内容に応じた複数の応答モデルを選択する、
ことを特徴とする請求項1〜8のいずれか一つに記載の生成装置。 - コンピュータが実行する生成方法であって、
発話の入力をユーザから受け付ける受付工程と、
発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、前記受付工程によって受け付けられた発話の内容に応じた複数の応答モデルを選択する選択工程と、
前記選択工程によって選択された複数の応答モデルを用いて、前記受付工程によって受け付けられた発話に対する応答を生成する生成工程と、
を含んだことを特徴とする生成方法。 - 発話の入力をユーザから受け付ける受付手順と、
発話が属する分野に応じて選択されるモデルであって、発話への応答の生成に用いられるモデルである応答モデルとして、前記受付手順によって受け付けられた発話の内容に応じた複数の応答モデルを選択する選択手順と、
前記選択手順によって選択された複数の応答モデルを用いて、前記受付手順によって受け付けられた発話に対する応答を生成する生成手順と、
をコンピュータに実行させることを特徴とする生成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017129056A JP6408080B1 (ja) | 2017-06-30 | 2017-06-30 | 生成装置、生成方法及び生成プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017129056A JP6408080B1 (ja) | 2017-06-30 | 2017-06-30 | 生成装置、生成方法及び生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6408080B1 JP6408080B1 (ja) | 2018-10-17 |
JP2019012439A true JP2019012439A (ja) | 2019-01-24 |
Family
ID=63855294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017129056A Active JP6408080B1 (ja) | 2017-06-30 | 2017-06-30 | 生成装置、生成方法及び生成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6408080B1 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020101610A (ja) * | 2018-12-20 | 2020-07-02 | トヨタ自動車株式会社 | 制御装置、音声対話装置、音声認識サーバ及びプログラム |
WO2020261944A1 (ja) * | 2019-06-27 | 2020-12-30 | ソニー株式会社 | 情報処理装置および情報処理方法 |
WO2021079597A1 (ja) * | 2019-10-23 | 2021-04-29 | ソプラ株式会社 | 情報出力装置、情報出力方法、及び情報出力プログラム |
CN114610845A (zh) * | 2022-03-02 | 2022-06-10 | 北京百度网讯科技有限公司 | 基于多系统的智能问答方法、装置和设备 |
JP2023121087A (ja) * | 2022-02-18 | 2023-08-30 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
US12038953B2 (en) | 2019-06-27 | 2024-07-16 | Sony Group Corporation | Information processing apparatus and information processing method |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229275A (ja) * | 2013-05-27 | 2014-12-08 | 株式会社Nttドコモ | 質問応答装置、及び質問応答方法 |
-
2017
- 2017-06-30 JP JP2017129056A patent/JP6408080B1/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014229275A (ja) * | 2013-05-27 | 2014-12-08 | 株式会社Nttドコモ | 質問応答装置、及び質問応答方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020101610A (ja) * | 2018-12-20 | 2020-07-02 | トヨタ自動車株式会社 | 制御装置、音声対話装置、音声認識サーバ及びプログラム |
WO2020261944A1 (ja) * | 2019-06-27 | 2020-12-30 | ソニー株式会社 | 情報処理装置および情報処理方法 |
US12038953B2 (en) | 2019-06-27 | 2024-07-16 | Sony Group Corporation | Information processing apparatus and information processing method |
WO2021079597A1 (ja) * | 2019-10-23 | 2021-04-29 | ソプラ株式会社 | 情報出力装置、情報出力方法、及び情報出力プログラム |
JP2021068399A (ja) * | 2019-10-23 | 2021-04-30 | ソプラ株式会社 | 情報出力装置、情報出力方法、及び情報出力プログラム |
CN114586021A (zh) * | 2019-10-23 | 2022-06-03 | 聪丰罗株式会社 | 信息输出装置、信息输出方法以及信息输出程序 |
CN114586021B (zh) * | 2019-10-23 | 2022-12-09 | 聪丰罗株式会社 | 信息输出装置、信息输出方法以及记录介质 |
US11599536B2 (en) | 2019-10-23 | 2023-03-07 | Soppra Corporation | Information output device, information output method, and information output program |
JP2023121087A (ja) * | 2022-02-18 | 2023-08-30 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7372372B2 (ja) | 2022-02-18 | 2023-10-31 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
CN114610845A (zh) * | 2022-03-02 | 2022-06-10 | 北京百度网讯科技有限公司 | 基于多系统的智能问答方法、装置和设备 |
CN114610845B (zh) * | 2022-03-02 | 2024-05-14 | 北京百度网讯科技有限公司 | 基于多系统的智能问答方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
JP6408080B1 (ja) | 2018-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6408080B1 (ja) | 生成装置、生成方法及び生成プログラム | |
US10909969B2 (en) | Generation of language understanding systems and methods | |
JP6960914B2 (ja) | ダイアログ・システムにおけるパラメータ収集および自動ダイアログ生成 | |
CN112270925B (zh) | 用于创建可定制对话系统引擎的平台 | |
CN107330120B (zh) | 询问应答方法、询问应答装置及计算机可读存储介质 | |
US9711141B2 (en) | Disambiguating heteronyms in speech synthesis | |
US20200098352A1 (en) | Techniques for model training for voice features | |
JP6370962B1 (ja) | 生成装置、生成方法および生成プログラム | |
US10963495B2 (en) | Automated discourse phrase discovery for generating an improved language model of a digital assistant | |
US10698654B2 (en) | Ranking and boosting relevant distributable digital assistant operations | |
US10929613B2 (en) | Automated document cluster merging for topic-based digital assistant interpretation | |
JP2019503526A5 (ja) | ||
US20190139537A1 (en) | Dialogue system and dialogue method | |
JP6224857B1 (ja) | 分類装置、分類方法および分類プログラム | |
US10176171B1 (en) | Language agnostic command-understanding digital assistant | |
US10854189B2 (en) | Techniques for model training for voice features | |
JP7058574B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US11043215B2 (en) | Method and system for generating textual representation of user spoken utterance | |
JP6884722B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2020187282A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6205039B1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6462784B2 (ja) | 学習装置、情報処理装置、学習方法及び学習プログラム | |
WO2021098876A1 (zh) | 一种基于知识图谱的问答方法及装置 | |
US10490189B2 (en) | Support system, support method, and memory medium | |
JP6898064B2 (ja) | 対話決定システム、対話決定方法、対話決定プログラム、及び端末装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180821 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180919 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6408080 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |