JP2019087155A - 支援装置、システム、及びプログラム - Google Patents

Abstract

【課題】精度よくＱＯＬを推定し、かつ、ユーザを支援できる。【解決手段】ＱＯＬ推定部が、ユーザの発話、及び発話がされた文脈を表す文脈情報を入力として、ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザのＱＯＬのクラスの各々における推定値を推定する。応答生成部が、クラスの各々における推定値に基づいて、応答候補を生成する。【選択図】図１

Description

本発明は、支援装置、システム、及びプログラムに係り、特に、ＱＯＬを推定するための支援装置、システム、及びプログラムに関する。

従来より、生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）を計測する技術が知られている。

例えば、ＱＯＬに関連して、運動量と生活活動量の内訳を推定する技術がある（特許文献１参照）。

また、フリッカーを認知する度合いによって精神的疲労を推定する技術がある（特許文献２参照）。

また、ユーザ（とくに高齢者）とシステムとの傾聴対話の中からユーザのＱＯＬを推定する技術がある（特許文献３参照）。この技術では、ユーザ側の自発的な発話からＱＯＬを推定することで、ＱＯＬを測定することができる。ユーザ発話からイベントと、ＱＯＬの評価項目に含まれるイベントとを照合し、関連度を計算することで、ユーザのＱＯＬを計測している。

また、複数の生活データを管理センターに送信し、健康状態を評価する技術がある（特許文献４参照）。この技術により、独居高齢者の健康状態の悪化具合が軽度なうちに対処できるようにしている。

特開２００９−１９５２９５号公報 特開２００８−２２０６３９号公報 特開２０１７−１０２７７４号公報 特開２００３−２７５１８１号公報

しかし、特許文献１の技術では、人の内面の状態については、計測できていなかった。例えば、実際に外出していても「夏の外出は億劫だ」と感じていたり、食事をしていても「最近何を食べてもおいしくない」と感じている場合がある。

また、特許文献２の技術では、精神的疲労を感じている原因が特定できないため、ＱＯＬ向上のための支援内容を決定できるものではなかった。

また、特許文献３の技術では、詳しいＱＯＬの詳しい状態まで推定できず、高い精度でQOLを推定するのが難しいという課題があった。

また、特許文献４の技術では、高齢者の生活活動力を測定することはできるが、生活活動力以外のＱＯＬを推定することはしていなかった。

本発明は、上記事情を鑑みて成されたものであり、精度よくＱＯＬを推定し、かつ、ユーザを支援できる支援装置、システム、及びプログラム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、第１の発明に係る支援装置は、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、少なくとも二つ以上の観点で定められたクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、
前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部と、を含んで構成されている。

また、第２の発明に係る支援装置は、ユーザの発話、及び前記発話の文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部と、を含んで構成されている。

また、第３の発明に係る支援装置は、ユーザの発話、及び前記発話の文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬのクラスの各々における推定値を推定し、前記推定値の推定結果と前回の推定結果との差分を算出するＱＯＬ推定部、を含んで構成されている。

また、第４の発明に係る支援装置は、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、前記クラスの各々における推定値に基づいて、前記ユーザの前記ＱＯＬを向上させるための支援動作を生成する動作生成部と、を含んで構成されている。

また、第１の発明に係るプログラムは、コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、少なくとも二つ以上の観点で定められたクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部、として機能させるためのプログラムである。

また、第２の発明に係るプログラムは、コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部、として機能させるためのプログラムである。

また、第３の発明に係るプログラムは、コンピュータを、ユーザの発話、及び前記発話の文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬのクラスの各々における推定値を推定し、前記推定値の推定結果と前回の推定結果との差分を算出するＱＯＬ推定部、として機能させるためのプログラムである。

また、第４の発明に係るプログラムは、コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び前記クラスの各々における推定値に基づいて、前記ユーザの前記ＱＯＬを向上させるための支援動作を生成する動作生成部、として機能させるためのプログラムである。

本発明の支援装置、システム、及びプログラムによれば、ユーザの発話、及び発話がされた文脈を表す文脈情報を入力として、ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、少なくとも二つ以上の観点で定められたクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザのＱＯＬのクラスの各々における推定値を推定することにより、精度よくＱＯＬを推定し、かつ、ユーザを支援することができる。

本発明の第１の実施の形態に係る支援システムの構成を示すブロック図である。 ＱＯＬの評価項目を表すクラス（上位クラス）、及びＱＯＬの評価値を表すクラス（下位クラス）の一例を示す図である。 ＯＱＬの上位クラスを推定するための推定器を学習するための学習データの一例である。 ＱＯＬの上位クラスの推定器を構築する際の概念図の一例である。 ＯＱＬの下位クラスを推定するための推定器を学習するための学習データの一例である。 ＱＯＬの下位クラスの推定器を構築する際の概念図の一例である。 応答候補を他ユーザ端末に表示する場合の一例を示す図である。 応答候補を他ユーザ端末に表示する場合の一例を示す図である。 応答候補の生成に用いる学習データの一例を示す図である。 本発明の第１の実施の形態に係る支援システムの支援装置における支援処理ルーチンを示すフローチャートである。 本発明の第２の実施の形態に係る支援システムの構成を示すブロック図である。 ＱＯＬのコメントを表示する場合の一例を示す図である。 前回との差分を中心に表示する場合の一例を示す図である。 本発明の第２の実施の形態に係る支援システムの支援装置における支援処理ルーチンを示すフローチャートである。 本発明の第３の実施の形態に係る支援システムの構成を示すブロック図である。 生成する支援動作の対応表の一例を示す図である。 外出を自動的に推薦する支援動作のイメージ図を示す図である。 病院への通院を促すアドバイスを支援動作のイメージ図を示す図である。 本発明の第３の実施の形態に係る支援システムの支援装置における支援処理ルーチンを示すフローチャートである。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜本発明の実施の形態に係る概要＞

まず、本発明の実施の形態における概要を説明する。

例えば、生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関して、実際に外出していても「夏の外出は億劫だ」と感じていたり、食事をしていても「最近何を食べてもおいしくない」と感じている場合がある。このように人の内面を測らなければ分からないＱＯＬに関しても、心の鏡である発話を利用することで、推定できる。

また、ＱＯＬの評価項目を表すクラス（上位クラス）の推定とＱＯＬの評価値を表すクラス（下位クラス）の推定とを二段階で行うことによりＱＯＬをより精度よく推定できると考えられる。

ＱＯＬの上位クラスの推定は「生活活動力」「健康満足感」「人的サポート満足感」「経済的ゆとり満足感」「精神的健康」及び「精神的活力」といったいわば会話の話題（トピック）を推定する問題である。したがって、ユーザ発話だけでなく文脈も含めて自立語を抽出し、これらからクラスを推定することで、より高い精度でＱＯＬ上位クラスが推定できる。

また、ＱＯＬの下位クラスの推定は、positive/negative/neutralの推定で、発話の微妙な表現が表すニュアンスにより推定結果が異なる。したがって、ユーザ発話の自立語、及び付属語を利用することでより高い精度でＱＯＬの下位クラスが推定できる。

本発明は上記のＱＯＬを精度よく推定する手法を、以下の第１〜第３の実施の形態によって実現することにより、実施の形態に応じたそれぞれの効果が期待できる。

第１の実施の形態では、例えば、ＱＯＬの計測対象のユーザ１と、ユーザ１に関わるユーザ２が離れて生活している場合、普段のユーザ１の状態、すなわち日常のユーザ１の独り言や、ユーザ１が同居人とどのような会話をしているかなどを知らないため、ユーザ２はユーザ１の状態を踏まえたコミュニケーションが十分できなかった、という課題に対応する。第１の実施の形態では、日常の独り言や同居人との会話などからユーザ１のＱＯＬを推定し、ＱＯＬを加味した応答候補をユーザ２に提示することで、ユーザ１とユーザ２のコミュニケーションの質を向上させることができる。

第２の実施の形態では、例えば、日常の独り言や同居人との会話などからユーザ１のＱＯＬを推定し、その結果を、本人自身に提示したり、家族や専門家（カウンセラー、ケアマネージャ、医師、介護者など）に提示する。普段は客観的にとらえることができない自分自身のＱＯＬを知ることで、ユーザ１自身が自分自身のＱＯＬを客観的に認識できる。また、家族や専門家（カウンセラー、ケアマネージャ、医師、介護者など）が日常のＱＯＬの状態を知ることで、ＱＯＬに合わせたケアが実施できる。

第３の実施の形態では、日常の独り言や同居人との会話などからユーザ1のＱＯＬを推定し、対話ロボットや自動運転システムが推定結果を利用することで、ユーザ１のＱＯＬに合わせたシステム動作が実現できる。

以上のように、本発明の実施の形態では、コミュニケーション支援やＱＯＬ向上のための支援をすることが可能となる。

＜本発明の第１の実施の形態に係る支援システムの構成＞

次に、本発明の第１の実施の形態に係る支援システムの構成について説明する。図１に示すように、本発明の第１の実施の形態に係る支援システム１００は、支援装置２０と、ユーザ端末４０と、他ユーザ端末５０と、によって構成され、ネットワーク３を介して接続される。

ユーザ端末４０は、ユーザ１が保有する端末であり、入力部４２を備える。入力部４２により、取得したユーザ１の発話の各々、及び発話がされた文脈を表す文脈情報を支援装置２０に送信する。

ここでいうユーザ１の発話とは、ユーザ１の独り言、同居人とユーザ１の会話における発話、電話での会話における発話、メールやＳＮＳなどへの入力、対話ロボットとユーザ１との会話における発話、をさす。これらは、ユーザ１の自宅や車や車いすなどに設置されたマイクや、対話ロボットのマイク、時計や眼鏡などのマイクから入力される。また、メールやＳＮＳなどへの入力はメールやSNSのログから、対話ロボットとの会話は対話ロボットの対話ログから取得する。

また、文脈情報には、発話が入力されるに至った同居人との発話内容や電話相手の発話内容、また、それらの発話の話者情報（妻、夫、子ども、孫、友人、医師、など）が含まれる。また、文脈情報には、誰に向けた発話か（ひとりごと、家族、友人、医師、SNS（不特定多数）など）が含まれる。また、文脈情報として、発話された際の話者の行動の情報を言語化して取得する。行動とは、テレビを見ながら、食事の際、運転中、などの状況を、自宅や車内などに設置されたカメラから得られる情報である。その他に、文脈情報として、日時、現在地（住所情報、自宅や公園などの場所情報）、話者の属性（年齢や持病や趣味や家族構成の情報など）がある。これらは、上記に記述した「発話」と同様に取得する。

他ユーザ端末５０は、ユーザ２が保有する端末であり、表示部５２を備える。表示部５２は、支援装置２０から受け付けた応答生成部２６で生成された応答候補、及びＱＯＬ推定部２４による推定結果に基づく情報を表示させる。

支援装置２０は、通信部２２と、ＱＯＬ推定部２４と、応答生成部２６と、を含んで構成されている。

通信部２２は、ユーザ端末４０から送信された、ユーザ１の発話の各々、及び発話がされた文脈を表す文脈情報を受け付ける。

また、通信部２２は、応答生成部２６で生成された応答候補、及びＱＯＬ推定部２４による推定結果を他ユーザ端末５０に送信する。

ＱＯＬ推定部２４は、通信部２２で受け付けた、ユーザ１の発話の各々、及び文脈情報を入力として、ユーザ１のＱＯＬに関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、クラスに関する値を推定するための推定器（図示省略）に基づいて、ユーザ１のＱＯＬのクラスの各々における推定値を推定する。ここで、ＱＯＬは、図２に示すＱＯＬの評価項目を表すクラス（上位クラス）とＱＯＬの評価値を表すクラス（下位クラス）で区分された１２クラスからなる。ＱＯＬのクラスは非特許文献１を参考に決定したものである。なお、ＱＯＬの具体的な推定の内容については後述する。

［非特許文献１］太田壽城，芳賀博，長田久雄，田中喜代次，前田清，嶽崎俊郎，関奈緒，大山泰雄，中西好子，石川和子，「地域高齢者のためのQOL質問表の開発と評価」，日本公衛誌，第48巻，第4号，2001．

ＱＯＬ推定部２４は、入力解析部３０と、ＱＯＬ上位クラス推定部３２と、ＱＯＬ下位クラス推定部３４とを含んで構成されている。

入力解析部３０は、受け付けたユーザ１の発話の各々の自立語及び付属語を解析する。例えば、発話が「肩が痛くて洗濯を干すのも一苦労になってしまったよ」であれば、自立語として、「肩，痛い，洗濯，干す，一苦労，なる」を抽出する。また、自立語及び付属語として、「肩，が，痛い，て，洗濯，を，干す，の，も，一苦労，に，なる，て，しまう，た，よ」を抽出する。

ＱＯＬ上位クラス推定部３２は、解析された発話の自立語、及び文脈情報に基づいて、予め学習されたＱＯＬの評価項目を表すクラスを推定するための推定器を用いて、トピックに対応するＱＯＬの評価項目を表すクラスのうち、発話が属するＱＯＬの評価項目を表すクラス（上位クラス）を推定する。なお、ＱＯＬ上位クラス推定部３２では、図３に示すような学習データを用いて、予め上位クラスを推定するための推定器を学習しておき、学習した推定器を用いて上位クラスを推定する。上位クラスの推定器の学習は、具体的には、図４に示すように、「文脈情報＋ユーザ１の発話に含まれる自立語」と、学習データの「正解出力データ（ＱＯＬ上位クラス）」との関係を学習して上位クラスの推定器を構築する。上位クラスの正解データは人手などで作成し、上位クラスの推定器の学習には、関係性学習モデルにニューラルネットワークなどを用いる。

ＱＯＬ上位クラス推定部３２の上位クラスの推定の結果としては、例えば、以下に示すように、発話のそれぞれについて、上位クラスが推定される。なお、文頭の括弧内の情報は文脈情報に含まれる行動の情報である。

（テレビを見ながら）腰が痛いな ⇒ <健康満足感>
（テレビを見ながら）最近暑いな ⇒ 該当クラスなし
（テレビを見ながら）プロ野球調子いいな ⇒ <精神的活力>
（食事の際に）最近食欲ないな ⇒ <健康満足感><精神的活力>
（食事の際に）おいしくないな ⇒ <精神的健康>
（テレビを見ながら）温泉でも行きたいな ⇒ <精神的活力>
（テレビを見ながら）いつもの番組やってないのか ⇒ 該当クラスなし
（食事の際に）毎日つまんないな ⇒ <精神的活力>

ＱＯＬ下位クラス推定部３４は、解析された発話の自立語及び付属語、及び文脈情報に基づいて、ＱＯＬの評価項目を表すクラスのそれぞれについて予め学習されたＱＯＬの評価値を表すクラスを推定するための推定器を用いて、推定されたＱＯＬの評価項目を表すクラスに対するＱＯＬの評価値を表すクラスのうち、発話が属するＱＯＬの評価値を表すクラス（下位クラス）を推定する。

ＱＯＬ下位クラス推定部３４による下位クラスの推定は、上位クラスに対する、positive/negative/neutralの推定であり、発話の微妙な表現が表すニュアンスにより推定結果が異なる。したがって、ユーザ発話の自立語及び付属語を利用することでより高い精度で下位クラスを推定する。図５に示すような学習データを用いて、上位クラスのそれぞれについて、予め下位クラスを推定するための推定器を学習する。また、図６に示すように、上位クラスのそれぞれに対応した下位クラスを推定するための推定器の学習には、関係性学習モデルにニューラルネットワークなどを用いる。

ＱＯＬ下位クラス推定部３４の下位クラスの推定の結果としては、例えば、以下に示すように、推定された上位クラスに対する下位クラスの推定結果が得られる。

（テレビを見ながら）腰が痛いな ⇒ <健康満足感,negative>
（テレビを見ながら）最近暑いな ⇒ 該当クラスなし
（テレビを見ながら）プロ野球調子いいな ⇒ <精神的活力,positive>
（食事の際に）最近食欲ないな ⇒ <健康満足感，negative><精神的活力，negative>
（食事の際に）おいしくないな ⇒ <精神的健康，negative>
（テレビを見ながら）温泉でも行きたいな ⇒ <精神的活力，negative>
（テレビを見ながら）いつもの番組やってないのか ⇒ 該当クラスなし
（食事の際に）毎日つまんないな ⇒ <精神的活力，negative>

ＱＯＬ推定部２４では、上記の結果を、一発話１点として、発話の各々について推定された上位クラスと下位クラスとの組み合わせごとに加算してカウントし、下記のように推定値を算出する。

<精神的活力,negative> 3
<健康満足感,negative> 2
<精神的活力,positive> 1
<精神的健康,negative> 1

以上が、ＱＯＬ推定部２４の各部の処理についての説明である。

応答生成部２６は、ＱＯＬ推定部２４で推定されたユーザのＱＯＬの評価項目を表すクラスの各々と、ＱＯＬの評価値を表すクラスとの組み合わせにおける推定値に基づいて、ユーザに関する応答候補を生成する。

応答生成部２６では、例えば、上記のＱＯＬ下位クラス推定部３４の推定結果から、ユーザ１のＱＯＬを上げるための応答の対象とするＱＯＬの評価項目を表すクラスを決定する。ここでの決定方法は、（１）ＱＯＬの値をより効果的に向上させるためにnegativeの中でもっとも得点の高いクラスを選択するか、（２）良いところに目を向けることによりユーザ１の気分を向上させるためにpositiveの中でもっとも得点の高い上位クラスを選択するか、のいずれかを選択することができ、本実施の形態では、点数の高い方とする。なお、ＱＯＬ推定部２４において、前回とＱＯＬクラスの推定結果の推定値との差分を算出しておき、応答生成部２６では、差分が最も大きいnegative又はpositiveのＱＯＬの評価項目を表すクラスを応答の対象に決定して応答候補を生成するようにしてもよい。

（１）の場合は、上位クラス及び下位クラスが<精神的活力,negative>の発話を対象として応答を生成する。具体的には、「（食事の際に）最近食欲ないな」「（テレビを見ながら）温泉でも行きたいな」「（食事の際に）毎日つまんないな」を対象として応答候補を生成する。仮に「一緒に温泉に行かない？」という家族の応答候補を生成されると、他ユーザ端末５０の表示部５２には、図７に示すように“「一緒に温泉に行かない？」と連絡してみてはいかがですか？”と応答候補が表示される。

また（２）の場合は、上位クラス及び下位クラスが<精神的活力,positive>の発話を対象として応答を生成する。具体的には、「（テレビを見ながら）プロ野球調子いいな」を対象として応答を生成する。他ユーザ端末５０の表示部５２には、図８に示すように「最近プロ野球調子よくていいよね！一緒に球場に行かない？」という家族の応答候補が表示させる。

なお、応答候補の生成は図９のような学習データを用いて、応答候補を生成するための生成器、予めニューラルネットワークのsequence2sequenceの枠組みなどを使って学習して実現する。

＜第１の実施の形態に係る支援システムの作用＞

次に、第１の実施の形態に係る支援システム１００における支援装置２０の作用について説明する。ユーザ端末４０から送信されたユーザ１の発話の各々、及び発話がされた文脈を表す文脈情報を通信部２２で受け付けると、支援装置２０は、図１０に示す支援処理ルーチンを実行する。

まず、ステップＳ１００では、ユーザ１の発話を選択する。

次に、ステップＳ１０２では、入力解析部３０は、受け付けたユーザ１の当該発話の自立語及び付属語を解析する。

ステップＳ１０４では、ＱＯＬ上位クラス推定部３２は、ステップＳ１０２で解析された発話の自立語、及び文脈情報に基づいて、予め学習されたＱＯＬの評価項目を表すクラスを推定するための推定器を用いて、トピックに対応するＱＯＬの評価項目を表すクラスのうち、当該発話が属するＱＯＬの評価項目を表すクラス（上位クラス）を推定する。

ステップＳ１０６では、ＱＯＬ下位クラス推定部３４は、解析された発話の自立語及び付属語、及び文脈情報に基づいて、ＱＯＬの評価項目を表すクラスのそれぞれについて予め学習されたＱＯＬの評価値を表すクラスを推定するための推定器を用いて、推定されたＱＯＬの評価項目を表すクラスに対するＱＯＬの評価値を表すクラスであって、当該発話が属するＱＯＬの評価値を表すクラス（下位クラス）を推定する。具体的には、推定されたＱＯＬの評価項目を表すクラスの各々についてのＱＯＬの評価値を表すクラスの和集合を当該発話のクラスの推定結果とする。

ステップＳ１０８では、全ての発話について処理を終了したか否かを判定し、処理を終了していればステップＳ１１０へ移行し、処理を終了していなければステップＳ１００に戻って次の発話を選択して処理を繰り返す。

ステップＳ１１０では、ＱＯＬ推定部２４は、一発話１点として、発話の各々について推定された上位クラスと下位クラスとの組み合わせごとに点数をカウントして、クラスの推定値を算出する。

ステップＳ１１２では、応答生成部２６は、ステップＳ１１０で求められた、発話の各々について推定された上位クラスと下位クラスとの組み合わせごとの推定値に基づいて、ユーザに関する応答候補を生成する。

ステップＳ１１４では、通信部２２により、ステップＳ１１０で求められたクラスの推定値と、ステップＳ１１２で生成された応答候補とを他ユーザ端末５０に送信し、処理を終了する。

以上説明したように、第１の実施の形態に係る支援システムによれば、ユーザの発話、及び発話がされた文脈を表す文脈情報を入力として、ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザのＱＯＬのクラスの各々における推定値を推定し、クラスの各々における推定値に基づいて、応答候補を生成することにより、精度よくＱＯＬを推定し、かつ、ユーザを支援することができる。

＜本発明の第２の実施の形態に係る支援システムの構成＞

次に、本発明の第２の実施の形態に係る支援システムの構成について説明する。なお、第１の実施の形態と同様の構成になる部分については同一符号を付して説明を省略する。

図１１に示すように、本発明の第２の実施の形態に係る支援システム２００は、支援装置２２０と、ユーザ端末２４０と、によって構成され、ネットワーク３を介して接続される。

ユーザ端末４０は、ユーザ１が保有する端末であり、入力部４２と、表示部２５２とを備える。表示部５２は、支援装置２２０から受け付けたＱＯＬ推定部２２４による推定結果に基づく情報を表示させ、かつ、算出された差分に基づいて、予め定めた閾値以上となるクラスを識別可能に表示させる。

支援装置２２０は、通信部２２２と、ＱＯＬ推定部２２４と、を含んで構成されている。

通信部２２２は、ＱＯＬ推定部２２４による推定結果、及び算出された差分を他ユーザ端末５０に送信する。

ＱＯＬ推定部２２４は、通信部２２で受け付けた、ユーザ１のユーザの発話の各々、及び発話の文脈情報を入力として、ユーザ１のＱＯＬに関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザ１のＱＯＬのクラスの各々における推定値を推定し、推定値の推定結果と前回の推定結果との差分を算出する。

また、ＱＯＬ推定部２２４は、第１の実施の形態と同様に、発話の各々について推定された上位クラスと下位クラスとの組み合わせごとに推定値を算出する。

ＱＯＬ推定部２２４は、入力解析部３０と、ＱＯＬ上位クラス推定部３２と、ＱＯＬ下位クラス推定部３４と、差分算出部２３６とを含んで構成されている。

差分算出部２３６は、推定値が算出された上位クラスと下位クラスとの組み合わせごとに、前回の推定結果との差分を算出する。差分の算出は、例えば、positiveを１加算、negativeを１減算などとすればよい。

ユーザ端末２４０の表示部２５２の表示の方法としては、例えば、図１２に示すように、ＱＯＬが高いところや低いところを中心にコメントを表示したり、図１３に示すように、前回との差分を中心に表示したりすること、を任意に選択することができる。ここでは、前回との差が大きいクラスをハイライト表示させたり、差が閾値以上のクラスだけを表示させるなど等、識別可能に表示させる。

なお、第２の実施の形態の他の構成については第１の実施の形態と同様であるため、説明を省略する。

＜第２の実施の形態に係る支援システムの作用＞

次に、第２の実施の形態に係る支援システム２００における支援装置２２０の作用について説明する。なお、第１の実施の形態と同様の部分については同一符号を付して説明を省略する。

ユーザ端末２４０から送信されたユーザ１の発話の各々、及び発話がされた文脈を表す文脈情報を通信部２２２で受け付けると、支援装置２２０は、図１４に示す支援処理ルーチンを実行する。

ステップＳ２００では、差分算出部２３６は、ステップＳ１１０で推定値が算出された上位クラスと下位クラスとの組み合わせごとに、前回の推定結果との差分を算出する。

ステップＳ２０２では、通信部２２２により、ステップＳ１１０で求められたクラスの推定値と、ステップＳ２００で算出された差分とをユーザ端末２４０に送信し、処理を終了する。

なお、第２の実施の形態の他の作用については第１の実施の形態と同様であるため説明を省略する。

以上説明したように、第２の実施の形態に係る支援システムによれば、ユーザの発話、及び発話がされた文脈を表す文脈情報を入力として、ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスを含むクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザのＱＯＬのクラスの各々における推定値を推定し、クラスの各々における推定値に基づいて、前回の推定結果との差分を算出することにより、精度よくＱＯＬを推定し、かつ、ユーザを支援することができる。

＜本発明の第３の実施の形態に係る支援システムの構成＞

次に、本発明の第３の実施の形態に係る支援システムの構成について説明する。なお、第１の実施の形態と同様の構成になる部分については同一符号を付して説明を省略する。

図１５に示すように、本発明の第３の実施の形態に係る支援システム３００は、支援装置３２０と、ユーザ端末４０と、支援実行装置３６０とによって構成され、ネットワーク３を介して接続される。

支援実行装置３６０は、実行部３６２を備える。実行部３６２により、支援装置３２０から送信された支援動作に基づいて、ユーザ１の支援を実行する。

支援装置３２０は、通信部３２２と、ＱＯＬ推定部２４と、動作生成部３２６とを含んで構成されている。

通信部３２２は、動作生成部３２６によって生成されたユーザ１のＱＯＬを向上させるための支援動作を、支援実行装置３６０に送信する。

動作生成部３２６は、ＱＯＬ推定部２４で推定されたクラスの各々における推定値に基づいて、ユーザ１のＱＯＬを向上させるための支援動作を生成する。生成する支援動作は、図１６に示す、対応表に基づいて決定する。

支援動作の生成及び実行の例としては、例えば、精神的活力が落ちている場合（例えば、上位クラス＜精神的活力＞，下位クラス＜negative＞の点数が3以上の場合等）には、図１７に示すように、外出を自動的に推薦する支援動作を生成し、支援実行装置３６０に送信し、支援動作を実行させる。この場合の支援実行装置３６０は、自動運転車として、自動的にユーザ１の元まで自動運転者を手配し、外出を支援する。また、健康満足感が落ちている場合（例えば、上位クラス＜健康満足感＞、下位クラス＜negative＞の点数が3以上の場合等）には、図１８に示すように、病院への通院を促すアドバイスを支援動作として生成し、支援実行装置３６０に送信し、支援動作を実行させる。この場合の支援実行装置３６０は、アドバイス表示するデバイスとして通院を促すように支援する。

なお、第２の実施の形態の他の構成については第１の実施の形態と同様であるため、説明を省略する。

＜第３の実施の形態に係る支援システムの作用＞

次に、第３の実施の形態に係る支援システム２００における支援装置２２０の作用について説明する。なお、第１の実施の形態と同様の部分については同一符号を付して説明を省略する。

ユーザ端末４０から送信されたユーザ１の発話の各々、及び発話がされた文脈を表す文脈情報を通信部３２２で受け付けると、支援装置３２０は、図１９に示す支援処理ルーチンを実行する。

ステップＳ３００では、動作生成部３２６は、ステップＳ１１０で算出されたクラスの各々における推定値に基づいて、ユーザのＱＯＬを向上させるための支援動作を生成する。

ステップＳ３０２では、通信部３２２により、ステップＳ３００で生成された支援動作を支援実行装置３６０に送信し、処理を終了する。

なお、第３の実施の形態の他の作用については第１の実施の形態と同様であるため説明を省略する。

以上説明したように、第３の実施の形態に係る支援システムによれば、ユーザの発話、及び発話がされた文脈を表す文脈情報を入力として、ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、クラスに関する値を推定するための推定器に基づいて、ユーザのＱＯＬのクラスの各々における推定値を推定し、クラスの各々における推定値に基づいて、支援動作を生成することにより、精度よくＱＯＬを推定し、かつ、ユーザを支援することができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、上述した第２の実施の形態では、ユーザ１本人の端末に対して、前回とのＱＯＬの差分を表示させる場合を例に説明したが、これに限定されるものではなく、ユーザ２などの本人以外の端末に前回とのＱＯＬの差分を表示させるようにしてもよい。

３ ネットワーク
２０、２２０、２３０ 支援装置
２２、２２２、３２２ 通信部
２４、２２４ ＱＯＬ推定部
２６ 応答生成部
３０ 入力解析部
３２ ＱＯＬ上位クラス推定部
３４ ＱＯＬ下位クラス推定部
４０、２４０ ユーザ端末
４２ 入力部
５０ 他ユーザ端末
５２、２５２ 表示部
１００、２００、３００ 支援システム
２３６ 差分算出部
３２６ 動作生成部
３６０ 支援実行装置
３６２ 実行部

Claims (14)

1. ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、少なくとも二つ以上の観点で定められたクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、
   前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部と、
   を含む支援装置。
2. ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスを含むクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、
   前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部と、
   を含む支援装置。
3. 前記ＱＯＬ推定部は、
   前記発話の自立語及び付属語を解析する入力解析部と、
   前記解析された前記発話、及び前記文脈情報に基づいて、トピックに対応する、前記ＱＯＬの評価項目を表すクラスを推定するＱＯＬ上位クラス推定部と、
   前記解析された前記発話、及び前記文脈情報に基づいて、前記推定された前記ＱＯＬの評価項目を表すクラスに対する前記ＱＯＬの評価値を表すクラスを推定するＱＯＬ下位クラス推定部と、
   を含んで構成される請求項１又は請求項２に記載の支援装置。
4. 請求項１〜請求項３の何れか１項に記載の前記支援装置と、
   前記支援装置の前記応答生成部で生成された前記応答候補、及び前記ＱＯＬ推定部による推定結果に基づく情報を表示させる表示部を備える端末と、
   を含む支援システム。
5. ユーザの発話、及び前記発話の文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスを含むクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬのクラスの各々における推定値を推定し、前記推定値の推定結果と前回の推定結果との差分を算出するＱＯＬ推定部、
   を含む支援装置。
6. 請求項５に記載の前記支援装置と、
   前記支援装置の前記ＱＯＬ推定部による推定結果に基づく情報を表示させ、かつ、前記算出された差分に基づいて、予め定めた閾値以上となる前記クラスを識別可能に表示させる表示部を備える端末と、
   を含む支援システム。
7. ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部と、
   前記クラスの各々における推定値に基づいて、前記ユーザの前記ＱＯＬを向上させるための支援動作を生成する動作生成部と、
   を含む支援装置。
8. 請求項７に記載の前記支援装置と、
   前記支援装置の前記動作生成部で生成された前記支援動作に基づいて、前記ユーザの支援を実行する実行部を含む支援実行装置と、
   を含む支援システム。
9. 前記文脈情報は、前記発話に至った経緯、前記発話の相手、前記発話がされたときの前記ユーザの行動、前記発話をしたユーザの属性、前記発話がされた日時、及び前記発話がされた場所を含む請求項１、２、３、５、及び７の何れか１項に記載の支援装置。
10. 前記文脈情報は、前記発話に至った経緯、前記発話の相手、前記発話がされたときの前記ユーザの行動、前記発話をしたユーザの属性、前記発話がされた日時、及び前記発話がされた場所を含む請求項４、６、及び７の何れか１項に記載の支援システム。
11. コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、少なくとも二つ以上の観点で定められたクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び
    前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部、
    として機能させるためのプログラム。
12. コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び
    前記推定された前記ユーザの前記クラスの各々における推定値に基づいて、前記ユーザに関する応答候補を生成する応答生成部、
    として機能させるためのプログラム。
13. コンピュータを、ユーザの発話、及び前記発話の文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬのクラスの各々における推定値を推定し、前記推定値の推定結果と前回の推定結果との差分を算出するＱＯＬ推定部、
    として機能させるためのプログラム。
14. コンピュータを、ユーザの発話、及び前記発話がされた文脈を表す文脈情報を入力として、前記ユーザの生活の質を表すＱＯＬ（Ｑｕａｌｉｔｙ ＯＦ Ｌｉｆｅ）に関する、前記ＱＯＬの評価項目を表すクラス及びその評価値を表すクラスの各々について予め学習された、前記クラスに関する値を推定するための推定器に基づいて、前記ユーザの前記ＱＯＬの前記クラスの各々における推定値を推定するＱＯＬ推定部、及び
    前記クラスの各々における推定値に基づいて、前記ユーザの前記ＱＯＬを向上させるための支援動作を生成する動作生成部、
    として機能させるためのプログラム。