JP2019144755A - 対話管理サーバ、対話管理方法、及びプログラム - Google Patents

Abstract

【課題】情報処理に関する負荷を低減でき、且つ、ユーザの意図の曖昧性を解消することで、より適切な対話の実現を図ることができる対話管理サーバ等を提供すること。【解決手段】対話管理サーバは、一つ又は複数の端末装置からの質問に回答する対話管理サーバ１であって、端末装置から質問の入力を受け付ける受付部１９と、入力された質問に対する第１回答を生成する回答生成部２７と、を備え、受付部１９は、画像情報であるスタンプの入力を更に受け付け、回答生成部２７は、スタンプに予め対応づけられた特定の意味に基づいて、入力されたスタンプに対する第２回答を生成する。【選択図】図１

Description

本発明は、対話管理サーバ、対話管理方法、及びプログラムに関する。

従来、企業が顧客に対してネットワーク上で提供するサービスで、低コストのＣＳ（Ｃｕｓｔｏｍｅｒ Ｓｕｐｐｏｒｔ）手段のひとつとして、チャットネットワークなどを利用した会話の自動応答による方法が知られている。

例えば、特許文献１には、複数ユーザに応答するネットワーク上でチャットサービスを提供するためのチャットボットシステムが記載されている（特許文献１）。

特開２００９−３５３３号公報

特許文献１に記載の従来システムにおいては、ユーザが入力した質問に対応するテキスト情報に基づいて、当該質問に適合する回答を生成しユーザに返答する。しかしながら、テキスト情報の解析には、形態素解析や構文解析等の複雑な情報処理が必要である上に解析の精度は高いとは言えず、適切な対話ができないおそれがあった。

そこで、本発明のいくつかの態様はかかる事情に鑑みてなされたものであり、情報処理に関する負荷を低減でき、且つ、ユーザの意図の曖昧性を解消することで、より適切な対話の実現を図ることのできる対話管理サーバ、対話管理方法、及びプログラムを提供することを目的とする。

本発明の一態様に係る対話管理サーバは、一つ又は複数の端末装置からの質問に回答する対話管理サーバであって、前記端末装置から前記質問の入力を受け付ける受付部と、入力された前記質問に対する第１回答を生成する回答生成部と、を備え、前記受付部は、画像情報であるスタンプの入力を更に受け付け、前記回答生成部は、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する。

上記対話管理サーバにおいて、前記質問と、当該質問に対する前記第１回答と、入力された前記スタンプと、当該スタンプに対する前記第２回答とを含む対話結果を対話ログデータベースに格納する対話結果管理部と、前記応答生成部は、前記対話結果として前記対話ログデータベースに格納された前記スタンプに対応づけられた前記特定の意味に基づいて、前記質問と、前記第１回答及び前記第２回答とのマッチングの重み付けを学習してもよい。

上記対話管理サーバにおいて、生成された前記第１回答を出力する出力制御部を更に備え、前記出力制御部は、前記質問に対する第１回答が複数生成された場合、当該質問に対する回答としてより適合する第１回答候補群を優先して出力するように制御してもよい。

上記対話管理サーバにおいて、前記出力制御部は、他の回答候補の出力を希望する旨と予め対応づけられた前記スタンプが入力された場合、前記第２回答として、前記第１回答候補群の次に適合する第２回答候補群を出力するように制御してもよい。

上記対話管理サーバにおいて、前記端末装置との間で前記質問及び当該質問に対する前記第１回答が所定の回数繰り返された場合であって、当該第１回答に対する応答として音声対話を希望する旨と予め対応づけられた前記スタンプが入力されたとき、当該ユーザとの間で音声対話が可能となるように管理する音声対話管理部を更に備えてもよい。

本発明の一態様に係る対話管理方法は、一つ又は複数の端末装置からの質問に回答する対話管理方法であって、前記端末装置から前記質問の入力を受け付けるステップと、入力された前記質問に対する第１回答を生成するステップと、を含み、前記受け付けるステップは、画像情報であるスタンプの入力を更に受け付け、前記生成するステップは、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する。

本発明の一態様に係るプログラムは、一つ又は複数の端末装置からの質問に回答するコンピュータに、前記端末装置から前記質問の入力を受け付ける受付部と、入力された前記質問に対する第１回答を生成する回答生成部と、して機能させ、前記受付部は、画像情報であるスタンプの入力を更に受け付け、前記回答生成部は、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する、プログラム。

なお、本発明において、「部」とは、単に物理的手段を意味するものではなく、その「部」が有する機能をソフトウェアによって実現する場合も含む。また、１つの「部」や装置が有する機能が２つ以上の物理的手段や装置により実現されても、２つ以上の「部」や装置の機能が１つの物理的手段や装置により実現されても良い。

本発明によれば、情報処理に関する負荷を低減でき、且つ、ユーザの意図の曖昧性を解消することで、より適切な対話の実現を図ることができる。

本発明の実施形態に係る対話管理システムの概略構成図（システム構成図）である。 一般のワープロや表計算ソフトにより作成された業務マニュアルデータ等の文書をＯＯＸＭＬ（Office Open XML）等の構造化文書へ変換する処理の一例を示す概念図である。 ＯＯＸＭＬ等の構造化文書から、本実施形態に特有の特定形式の構造化文書へ変換する処理の一例を示す概念図である。 本発明の実施形態に係るスタンプ情報の一例を示す概念図である。 本発明の実施形態に係る対話管理処理の一例を示すフローチャートである。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。 本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。

以下、添付図面を参照しながら本発明の実施の形態について説明する。以下の実施の形態は、本発明を説明するための例示であり、本発明をその実施の形態のみに限定する趣旨ではない。また、本発明は、その要旨を逸脱しない限り、様々な変形が可能である。さらに、各図面において同一の構成要素に対しては可能な限り同一の符号を付し、重複する説明は省略する。

＜第１実施形態＞
図１は、本発明の実施形態に係る対話管理システムの概略構成図（システム構成図）である。図１に示すように、対話管理システム１００は、例示的に、対話管理サーバ装置１（対話管理サーバ）、対話ログデータベース（ＤＢ）４、ユーザ端末装置６、及びオペレータ端末装置８を備えて構成されている。

対話管理サーバ装置１は、所定のネットワークＮ上における対話を管理するサーバ用コンピュータであり、例えば、一つ又は複数のユーザ端末装置６からの質問に自動的に回答する。対話管理サーバ装置１は、そのサーバ用コンピュータにおいて所定のサーバ用プログラムが動作することにより、サーバ機能を発現するものである。「ネットワークＮ上における対話」とは、ネットワークＮを介する、ユーザと対話管理サーバ装置１との間の対話、及び、ネットワークＮを介する、オペレータと対話管理サーバ装置１との間の対話のことをいう。例えば、「ネットワークＮ上における対話」は、ネットワークＮを介してユーザ端末装置６から対話管理サーバ装置１に入力された質問、当該質問に対応する、対話管理サーバ装置１により生成された回答、及び、当該回答に対するユーザの応答を含む。また、「ネットワークＮ上における対話」は、ネットワークＮを介してオペレータ端末装置８から対話管理サーバ装置１に入力された質問、当該質問に対応する、対話管理サーバ装置１により生成された回答、及び、当該回答に対するオペレータの応答を含む。

対話ログＤＢ４は、ユーザと対話管理サーバ装置１との間の対話、及び、オペレータと対話管理サーバ装置１との間の対話を記録するデータベースであり、例えば、ネットワークＮを介してユーザの端末装置６から対話管理サーバ装置１に入力された質問、当該質問に対応する、対話管理サーバ装置１により生成された回答、及び、当該回答に対するユーザの応答を含む対話ログ（対話結果）を記録する。なお、対話ログＤＢ４は、対話管理サーバ装置１に含まれてもよい。

ユーザ端末装置６及びオペレータ端末装置８は、対話の内容が出力される装置であり、例えば、ラップトップ又はノートブック型コンピュータ等の情報出力装置である。なお、ユーザ端末装置６及びオペレータ端末装置８は、例えばスマートフォンなどの携帯電話、タブレット端末等を含む情報出力装置であってもよい。

ネットワークＮは、例えばインターネット等を含む情報処理に係る通信回線又は通信網であり、その具体的な構成は、対話管理サーバ装置１、対話ログＤＢ４、ユーザ端末装置６及びオペレータ端末装置８の間でデータの送受信が可能なように構成されていれば特に制限されない。

対話管理サーバ装置１は、例示的に、所定のネットワークＮ上における対話を管理するための対話管理処理を実行する情報処理部１０、対話管理処理に必要な情報及び対話管理処理によって生成された情報を記録する記録部１１、文書が用いられる業界の専門用語が格納された専門用語辞書ＤＢ１２、及び単語の同義語が格納された同義語辞書ＤＢ１３を備えて構成される。

情報処理部１０は、例えば、機能的に、取得部１５、データ変換部１７、自然言語処理部２１、重みづけ設定部２３、回答生成部２７、対話結果管理部２９、出力制御部３１、音声認識処理部３３、及び音声対話管理部３５を含んで構成されている。

なお、情報処理部１０の上記各部は、例えば、メモリやハードディスク等の記憶領域を用いたり、記憶領域に格納されているプログラムをプロセッサが実行したりすることにより実現することができる。また、対話管理サーバ装置１の各ＤＢ１２及び１３は、プロセッサが実行することにより実現することができる。

取得部１５は、例えば、回答の対象となる文書を取得する。ここで、「文書」とは、例えば、業務で使用される業務マニュアルやＱ＆Ａ集などのテキスト文書、ワードプロセッサ・ソフト等で作成した文書及びプレゼンテーション・ソフトで作成した文書等を意味する。

データ変換部１７（変換部）は、文書の内容が編、章、節、項、小項目等の階層構造を有する文書のデータに基づいて、文書内の所定の単位に含まれるテキストデータのそれぞれを、当該各所定の単位に至る一又は複数の階層を特定可能な情報及び当該各単位に至る一又は複数の各階層の見出しと対応付けて構造化した形式の文書に変換する。所定の単位としては、例えば、階層構造の末端（最下層）に位置する項目としてもよい。その場合、階層構造の末端に位置する項目に含まれるテキストデータのそれぞれを、当該各項目に至る一又は複数の階層を特定可能な情報及び当該各項目に至る一又は複数の各階層の見出しと対応付けて構造化した形式の文書に変換する。

図２及び３を用いて、業務マニュアルやＱ＆Ａ集などの文書をもとに、本実施形態に特有の特定形式の構造化文書に変換する処理について説明する。ここでは、一般のワープロや表計算ソフトにより作成された業務マニュアルデータ等の文書をＯＯＸＭＬ（Office Open XML）等の構造化文書に変換した後、さらに、本実施形態の対話管理サーバ装置１で利用される特定形式の構造化文書に変換する例について説明する。しかしながら、業務マニュアル等の文書を本実施形態に特有の特定形式の構造化文書に変換する際に、必ずしもＯＯＸＭＬを経由する必要は無く、種々の変換処理を採用し得る。

図２は、一般のワープロや表計算ソフトにより作成された業務マニュアルデータ等の文書をＯＯＸＭＬ（Office Open XML）等の構造化文書へ変換する処理の一例を示す概念図である。図２に示すように、データ変換部１７は、ワードファイルの業務マニュアルデータを、ＯＯＸＭＬ（Office Open XML）で記述されているファイル集合体へ変換する。

図３は、ＯＯＸＭＬ（Office Open XML）等の構造化文書から、本実施形態に特有の特定形式の構造化文書へ変換する処理の一例を示す概念図である。図３に示すように、データ変換部１７は、ＯＯＸＭＬで記述されているファイル集合体へ変換された業務マニュアルデータについて、特定のＸＭＬ形式へ変換する。具体的に、データ変換部１７は、階層構造を有する業務マニュアルデータを、文書の構成単位（編、章、節、項、小項目等）ごとに参照可能なように抽出し、階層構造の末端に位置する構成単位（項目）に含まれるテキストデータ（図３においては、「●後記、…を行う。」）のそれぞれを、抽出された構成単位ごとに、当該構成単位の階層に関する情報と、各階層の見出しに関する情報とを対応付けて構造化した形式の文書に変換し、当該文書を後述する文書情報ＢＩ（文字情報）として記録部１１に記録する。

図１に戻り、受付部１９は、ユーザ端末装置６（端末装置）からの質問文（質問）の入力を受け付ける。また、受付部１９は、ユーザ端末装置６から、後述するスタンプの入力を受け付ける。

自然言語処理部２１は、例えば、文書内の文字情報及び入力された質問に含まれる文字情報を読み込んで形態素解析して単語ごとに切り出す。「形態素解析」とは、コンピュータの自然言語処理の一つであり、文法的な情報の注記のない自然言語のテキストデータから、対象言語の文法や、単語の品詞等の情報に基づいて、形態素の単位に区切り、形態素毎に品詞等を判別する解析処理をいう。また、自然言語処理部２１は、係り受け解析（構文解析）、つまり、品詞情報から文の修飾関係を調査することを実行してもよい。

重み付け設定部２３は、文書内の文字情報及び入力された質問に含まれる文字情報に含まれる単語の出現頻度を算出し、算出された単語の出現頻度に基づいて単語ごとの重み付けを設定する。

回答生成部２７は、入力された質問文及びスタンプに対する回答を生成する。例えば、回答生成部２７は、入力された質問文と、記録された文書情報の各項目に含まれるテキストデータとをマッチングして、質問文に関連する項目を複数抽出し、当該抽出された各項目に至る一又は複数の階層とその見出しとを含む回答（第１回答）を生成し、質問文の回答としてユーザに返す。また、回答生成部２７は、スタンプに予め対応づけられた特定の意味に基づいて、入力されたスタンプに対する回答（第２回答）を生成する。さらに、回答生成部２７は、後述する、対話ログデータベース４に格納された対話結果に基づいて、質問と回答とのマッチングの重み付けを学習してもよい。

対話結果管理部２９は、ユーザから入力された質問文、当該質問文に対応する回答（第１回答）、ユーザから入力されたスタンプ、及び、当該スタンプに対する回答（第２回答）を含む対話結果を対話ログデータベース４に格納する。対話結果管理部２９は、例えば、後述する音声認識処理部３３により認識された音声情報を、対話結果として対話ログデータベース４に格納する。

出力制御部３１は、ユーザから入力された質問文、当該質問文に対応する回答、ユーザから入力されたスタンプ、及び、当該スタンプに対する回答を、ユーザの端末装置６及びオペレータ端末装置８の表示部（不図示）において出力するように制御する（後述する図６〜図１１を参照）。

音声認識処理部３３は、ユーザとオペレータとの音声対話の音声情報を認識する。

音声対話管理部３５は、あるユーザとの間で質問及び当該質問に対する回答が所定の回数繰り返された場合、当該ユーザとの間で音声対話が可能となるように管理する。

記録部１１は、構造化された形式に変換された文書を文書情報ＢＩとして記録する。また、記録部１１は、ユーザから入力された質問文、当該質問文に対応する回答、ユーザから入力されたスタンプ、及び、当該スタンプに対する回答を含む対話結果情報ＴＩ（対話結果）を、ユーザごとに関連付けて記録する。さらに、記録部１１は、ネットワークＮを介して入力される情報であるスタンプ情報ＳＩを記録してもよい。

「スタンプ」とは、ネットワークＮを介して入力される、対話用の画像情報である。

図４は、本発明の実施形態に係るスタンプ情報の一例を示す概念図である。図４（Ａ）に示すように、スタンプは、例えばユーザの感情、意図や意思、伝えたいメッセージをイラストで表したものであり、テキストを含んでもよい。また、図４（Ｂ）に示すように、スタンプは、イラストと、回答の精度を示す得点（回答精度情報）、例えば１００点、７５点等を示すテキスト情報と、関連づけて含むものであってもよい。

記録部１１は、スタンプと特定の意味とを対応づけて記録する。例えば、スタンプＳＴは、「もう一度質問したい」という特定の意味に対応づけられて記録される。

なお、スタンプの入力は、ユーザの端末装置６のみならず、オペレータ端末装置８が実行してもよいし、回答生成部２７が生成する回答としてスタンプが利用されてもよい。

（対話管理処理）
図５〜図１０を参照して、本発明の実施形態に係る対話管理処理を説明する。図５は、本発明の実施形態に係る対話管理処理の一例を示すフローチャートである。

（ステップＳ１）
図１に示す取得部１５は、業務マニュアルやＱ＆Ａ集などの文書を取得する。

（ステップＳ３）
図１に示すデータ変換部１７は、図３に示すように、文書の内容が階層構造を有する文書のデータに基づいて、例えば、階層構造の末端に位置する構成単位、すなわち最下層のノードに含まれるテキストデータのそれぞれを、当該各構成単位に至る一又は複数の階層を特定可能な情報及び当該各構成単位に至る一又は複数の各階層の見出しと対応付けて構造化した形式の文書に変換する。

（ステップＳ５）
図１に示す記録部１１は、構造化した形式に変換された文書を文書情報ＢＩとして記録する。

（ステップＳ７）
図１に示す受付部１９は、ユーザからの質問文の入力を受け付ける。

図６は、本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図である。図６に示すように、図１に示すユーザ端末装置６の画面Ｇに表示されているとおり、受付部１９は、ユーザＵから入力された「本人確認書類で年金手帳を持参 住所の記載がない場合は有効？」という質問Ｔ１を受け付ける。なお、図６に示す、ユーザＵのアイコン及び対話管理サーバ装置１に対応するアイコンＴは一例であり、適宜変更が可能である。

（ステップＳ９）
図１に示す回答生成部２７は、入力された質問文と、記録された文書情報の各項目に含まれるテキストデータとをマッチングして、質問文に関連する項目を複数抽出し、当該抽出された各項目に至る一又は複数の階層とその見出しとを含む回答を生成し、質問文の回答としてユーザに返す。

図６に示すように、図１に示す回答生成部２７は、質問Ｔ１が入力された場合、入力された当該質問Ｔ１にマッチングする回答Ｔ３を生成し、画面Ｇにおいて提示する。以下では、回答生成処理をより具体的に説明する。

まず、図１に示す自然言語処理部２１は、例えば、質問Ｔ１「本人確認書類で年金手帳を持参 住所の記載がない場合は有効？」を読み込んで形態素解析して単語ごとに切り出す。自然言語処理部１９は、例えば「本人確認書類」、「本人」、「確認」、「書類」、「確認書類」、「本人確認」、「年金手帳」、「年金」、「手帳」、「持参」、「住所」、「記載」、及び「有効」等の少なくとも一以上の単語ごとに切り出す。この際に、自然言語処理部２１は、必要に応じて、専門用語辞書ＤＢ１２及び同義語辞書ＤＢ１３を参照してもよい。また、自然言語処理部２１は、形態素解析結果に基づく品詞情報を参照して、構文解析を実行する。

次に、重み付け設定部２３は、質問Ｔ１に含まれる単語の出現頻度を算出し、算出された単語の出現頻度に基づいて単語ごとの重み付けを設定する。重み付け設定部２３は、切り出された、「本人確認書類」、「本人」、「確認」、「書類」、「確認書類」、「本人確認」、「年金手帳」、「年金」、「手帳」、「持参」、「住所」、「記載」、及び「有効」…等の重み付けを設定する。重み付け設定部２３は、例えば、一つ又は複数の文書における、出現頻度の高い単語に対する重みをより大きく設定してもよい。また、重み付け設定部２３は、一つ又は複数の文書において出現頻度が低い単語に対する重みをより大きく設定してもよい。さらに、重み付け設定部２３は、より短い文書において出現回数が多い単語に対する重みをより大きく設定してもよい。なお、設定された単語ごとの重み付けを示す情報は、記録部１１において、文書情報ＢＩとして記録されてもよい。

回答生成部２７は、入力された当該質問Ｔ１「本人確認書類で年金手帳を持参 住所の記載がない場合は有効？」に含まれる単語「本人確認書類」、「本人」、「確認」、「書類」、「確認書類」、「本人確認」、「年金手帳」、「年金」、「手帳」、「持参」、「住所」、「記載」、及び「有効」等に対応する、重み付け設定部２３により設定された重み付けに基づいて、入力された質問Ｔ１に対する回答として適合する文章を図１に示す文書情報ＢＩから抽出する。回答生成部２７は、例えば、文書情報ＢＩに含まれる構成単位（編、章、節、項、小項目等）ごとに検索し、回答として適合する文章を抽出してもよい。

回答生成部２７は、例えば、質問Ｔ１に含まれる単語ごとに設定された重みに基づいて、文書情報ＢＩとして記録されている、文書データの階層構造の末端に位置する構成単位に含まれる各テキストデータのうち、より大きい重みが設定された一以上の単語をより多く含むテキストデータを、質問Ｔ１により適合するテキストデータとして抽出する。なお、マッチング処理は上記に限られず、種々のマッチング処理を採用し得る。

そして、回答生成部２７は、文書情報ＢＩから抽出した、質問Ｔ１により適合したテキストデータ、例えば、図５に示す「（１）管理編１章…」、「（２）為替編…」、及び「（３）管理編５章…」等に、「上位候補３つを表示します！どれを詳しく見る？」等のテンプレートを追加した回答Ｔ３を生成する。

この構成によれば、テンプレートを含む回答を生成することで、人間との会話に近い形式で自然な対話が可能となる。

図６に示すように、図１に示す出力制御部３１は、入力された質問に対する回答が複数生成された場合、当該質問に対する回答としてより適合する回答を優先して出力するように制御する。出力制御部３１は、例えば、当該質問Ｔ１に対する回答Ｔ３としてより適合する上位３つの回答群（第１回答群）、「（１）管理編１章…」、「（２）為替編…」、及び「（３）管理編５章…」を、表示部の画面Ｇにおいて上から順に出力するように制御してもよい。

この構成によれば、ある質問に対する回答としてより適合する回答をユーザが容易に把握することができるので、ユーザの利便性がより向上する。

そして、選択結果Ｔ５に示すように、画面Ｇにおいては、回答Ｔ３において「（１）管理編１章…」が選択されると、出力制御部３１は、回答詳細Ｔ７に示すように、「（１）管理編１章…」の具体的内容を出力するように構成される。具体的には、出力制御部３１は、選択された番号に基づいて、当該番号に対応する構成単位（編、章、節、項、小項目等）における小項目の説明文を、文書情報ＢＩから抽出して出力する。なお、回答Ｔ３における選択の態様に関しては、回答Ｔ３内の詳細を確認したい番号を画面Ｇ上におけるクリック動作によって選択してもよいし、詳細を確認したい番号を入力欄ＥＢにおいてテキスト入力することで選択してもよい。

（ステップＳ１１）
図１に示す記録部１１は、スタンプと特定の意味とを対応づけて記録する。

次に、図６に示すように、ユーザが画面ＧにおいてスタンプボタンＳＢを押下した場合、出力制御部３１は、一つ又は複数のスタンプＳＴを含むスタンプ選択画面ＳＧ１を出力する。

図７は、本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図であって、図６に示す対話の内容の続きを示す図である。図６に示すスタンプ選択画面ＳＧ１において、例えば、ユーザＵがスタンプＳＴ１をクリック動作等によって選択すると、図７に示すように、出力制御部３１は、ユーザの応答として、スタンプＳＴ１を画面Ｇにおいて出力する。

（ステップＳ１３，１５）
図１に示す受付部１９は、ユーザからのステップの入力を受け付ける。例えば、受付部１９が、スタンプＳＴ１の入力を受け付けた場合は、図１に示す回答生成部２７は、「もう一度質問をしたい」という特定の意味に対する回答Ｔ９「再質問だね！なんでも質問してね！」（第２回答）を生成し当該回答Ｔ９を画面Ｇ上に提示する。具体的に、回答生成部２７は、ユーザＵに対して追加の質問を促すような回答を返答する。このように、回答生成部２７は、スタンプＳＴ１「もう一度質問をしたい」というテキスト情報が入力された場合のように形態素解析や構文解析等の複雑な情報処理を実行することなく、当該テキスト情報が入力されたときと同等の回答を生成することができる。

図８は、本発明の実施形態に係るユーザ端末装置の表示部の画面の一例を示す図であって、ユーザが追加の質問をする場合の図である。図８に示すように、図１に示す回答生成部２７は、質問Ｔ１１「入院中の…必要か。」が入力された場合、上記したステップＳ９と同様な処理を実行することで、入力された当該質問Ｔ１１に対する回答Ｔ１３としてより適合する上位３つの回答候補群（第１回答候補群）、「（１）管理編１章…」、「（２）管理編２２章…」、及び「（３）管理編１９章…」を含む回答Ｔ１３（第１回答）を生成し、画面Ｇにおいて提示する。次に、ユーザが画面ＧにおいてスタンプボタンＳＢを押下した場合、出力制御部３１は、一つ又は複数のスタンプＳＴを含むスタンプ選択画面ＳＧ３を出力する。

図９は、図８に示す対話の内容の続きを示す図であって、第１回答候補群以外の回答候補群が新たに出力された図である。図８に示すスタンプ選択画面ＳＧ３において、例えば、ユーザＵがスタンプＳＴ３をクリック動作等によって選択すると、図９に示すように、出力制御部３１は、ユーザの応答として、他の回答候補の出力を希望する旨（特定の意味）と予め対応づけられたスタンプＳＴ３を画面Ｇにおいて出力する。そして、図１に示す回答生成部２７は、スタンプＳＴ３が入力された場合は、「もっと詳しく（他の回答候補の出力を希望する）」という特定の意味に基づいて、質問Ｔ１１に対する回答として第１回答候補群の次に適合する回答候補群（第２回答候補群）「（４）預金編４章…」、「（５）自動機カード編…」、及び「（６）預金編４章…」を含む回答Ｔ１５（第２回答）を生成し、出力制御部３１は、回答Ｔ１５を出力するように制御する。

次に、図１に示す対話結果管理部２９は、ユーザからの質問と、当該質問に対する回答（第１回答）と、入力されたスタンプと、当該スタンプの入力に対する回答（第２回答）とを含む対話結果を対話ログデータベース４に格納する。以下、対話結果管理部２９の処理を具体的に説明する。

図１０は、ユーザが第２回答群のうち所望の回答「（５）自動機カード編…」を選択し、回答の精度を示す回答精度情報を含むスタンプが入力された場合のユーザ端末装置の表示部の画面の一例を示す図である。図１０に示すように、回答の精度を示す得点（回答精度情報）「１００点」を含むスタンプＳＴ５が入力された後に、お気に入りボタンＨＩが選択されると、対話結果管理部２９は、対話の開始から終了まで、つまり、図６〜図１０に示すＴ１〜Ｔ１７のテキスト情報及びスタンプＳＴ１〜ＳＴ５を対話結果として対話ログデータベース４に格納する。ユーザＵにとって、例えば、回答候補群（第２回答候補群）「（４）預金編４章…」、「（５）自動機カード編…」、及び「（６）預金編４章…」に含まれる回答「（５）自動機カード編…」は、質問Ｔ１１「入院中の…必要か。」により適合した回答である。このように、対話結果管理部２９は、対話の開始から終了まで纏めて管理することで、対話管理サーバ装置１が入力された質問に対してより適合した回答であると評価して提示された回答、及び、実際にユーザが選択した（ユーザが所望する）回答を纏めて管理する。

具体的に、対話結果管理部２９は、対話結果として格納されたスタンプＳＴ１に基づいて、スタンプＳＴ１が入力された前の回答Ｔ７は質問Ｔ１に対する回答としては不適切だった（回答精度が低かった）と分析する。

また、対話結果管理部２９は、対話結果として格納されたスタンプＳＴ３に基づいて、質問Ｔ１１に対する回答候補として第１回答候補群は適切ではあるものの、ユーザにとって質問Ｔ１１により適合した回答が第２回答候補群に存在した（候補表示精度が低かった）と分析する。

さらに、対話結果管理部２９は、当該スタンプＳＴ５を含む対話結果を格納し、回答精度情報に基づいて当該対話結果を回答精度に応じて分類する。つまり、対話結果管理部２９は、入力された回答の精度を反映したスタンプとともに対話結果を繰り返し記録し、複数の対話結果を回答の精度ごとに分類し管理する。

回答生成部２７は、対話結果として対話ログデータベース４に格納されたスタンプに対応づけられた特定の意味に基づいて、入力された質問と、当該質問に対する回答（第１回答）及びスタンプに対する回答（第２回答）とのマッチングの重み付けを学習する。

例えば、回答生成部２７は、ユーザＵにとって、質問Ｔ１１には、第１回答候補群に対応する回答Ｔ１３（第１回答）よりも、スタンプＳＴ３の入力後に出力された、第２回答候補群に対応する回答Ｔ１５（第２回答）に含まれる回答「（５）自動機カード編…」がより適合する回答であることを分析し、回答「（５）自動機カード編…」の重み付けが他の回答に比べて上がるように制御する。例えば、回答生成部２７は、回答「（５）自動機カード編…」の重み付けをあげるとともに、回答Ｔ１３に含まれる回答「（１）管理編１章…」、「（２）管理編２２章…」、及び「（３）管理編１９章…」の重み付けを下げてもよい。このように、回答生成部２７は、対話ごとに管理された対話結果に基づいて繰り返し学習することで、入力される質問と回答とのマッチングの重み付けを学習する。

また、回答生成部２７は、対話結果としてスタンプＳＴ５（回答精度１００点）が含まれる場合、入力された質問に対する回答の精度が良好であったと判断され、スタンプＳＴ５が入力された前の回答については、他の回答に比べて重み付けを上げてもよい。他方で、回答精度が低いスタンプが含まれる場合、当該スタンプが入力された前の回答については、他の回答に比べて重み付けを下げてもよい。

以上、本発明の第１実施形態によれば、ネットワークＮを介する、ユーザ端末装置６と対話管理サーバ装置１との間の対話において、ユーザから入力される情報として特定の意味と対応づけられたスタンプを採用する。よって、テキスト情報が入力された場合のように形態素解析や構文解析等の複雑な情報処理を実行する必要がないので情報処理に関する負荷を低減でき、且つ、スタンプに予め対応づけられた特定の意味を把握することでユーザの意図の曖昧性を解消でき、より適切な対話の実現を図ることができる。また、特定の意味が付与されたスタンプを含む対話結果を分析することで回答正否や対話傾向をつかみやすくなる。

また、回答生成部２７は、対話ごとに管理された対話結果に基づいて繰り返し学習することで、入力される質問と回答とのマッチングの重み付けを学習する。

この構成によれば、質問と回答とのマッチングの重み付けを学習することができるので、回答の精度を向上させることができる。

さらに、対話結果管理部は、回答に対する応答として、回答の精度を示す得点を含むスタンプを受け付け、入力された質問文と、当該質問文に対応する回答と、当該スタンプとを含む対話結果を更に格納し、回答精度に基づいて当該対話結果を回答精度に応じて分類する。

この構成によれば、対話結果を回答精度ごとに分類し管理することにより、対話ログビッグデータ解析でのクラス分けに有効活用することができ、分析結果を企業における業務フローの最適化や効率化、従業員への教育等に用い易くすることが可能となる。

＜第２実施形態＞
図１１は、質問（又は応答）及び当該質問（又は応答）に対する回答が所定の回数繰り返された場合の、端末装置の表示部の画面の一例を示す図である。図１１に示すように、図１に示す音声対話管理部３５は、あるユーザＵとの間で質問及び当該質問に対する回答が所定の回数繰り返された場合であって、当該回答に対する回答として音声対話を希望する旨と予め対応づけられたスタンプＳＴ７が入力されたとき、当該ユーザＵとの間で音声対話が可能となるように管理する。例えば、音声対話管理部３５は、図１１のテキストＴ１１〜Ｔ１５及びスタンプＳＴ３に示すように、ユーザＵとの間で質問（又は応答）及び回答が例えば２回実行された場合、図１に示すオペレータと電話を介して対話可能となるように電話回線にアクセスできるように管理する。なお、所定の回数は、２回に限定されない。１回であってもよいし、３回以上であってもよい。

ユーザＵとの間で質問及び回答が例えば２回実行された場合であって、ユーザＵから電話のリクエスト（音声対話を希望する旨を示すスタンプＳＴ７の入力）があったとき、図１に示す出力制御部３１は、電話を許容するためのメッセージＴ２１を画面Ｇにおいて表示するように構成されてもよい。

電話による対話は、図１に示すユーザ端末装置６とオペレータのオペレータ端末装置８との間で実行もよいし、ユーザ端末装置６やオペレータ端末装置８とは異なる他の通話機器を介して実行されてもよい。ユーザとオペレータの音声情報は、ユーザ端末装置６、オペレータ端末装置８、当該他の通話機器が収集し、対話管理サーバ装置１に送信する。なお、画面Ｇは、ユーザ端末装置６の表示部とオペレータ端末装置８の表示部で共通して表示されてもよい。オペレータは、電話による対話までの画面Ｇ上での対話を踏まえて、電話による応答が可能となる。

ここで、図１に示す、対話管理サーバ装置１の音声認識処理部３３は、ユーザとオペレータとの音声対話の音声情報を認識し、対話結果管理部２９は、対話結果としてユーザごとに、認識された音声情報の登録又は更新を管理してもよい。

以上、本発明の第２実施形態によれば、音声対話管理部３５は、あるユーザとの間で質問及び当該質問に対する回答が所定の回数繰り返された場合であって、当該回答に対する回答として音声対話を希望する旨を示すスタンプＳＴ７が入力されたとき、当該ユーザとの間で音声対話が可能となるように管理する。よって、ユーザが簡単にオペレータに対して電話することを防ぐことでオペレータに対する電話の回数が減少するので、組織内の業務の効率化が図れる。

なお、上記各実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するものではない。本発明はその趣旨を逸脱することなく、変更／改良され得るとともに、本発明にはその等価物も含まれる。

図５に示すフローチャートの各ステップＳは、必ずしも上記したステップとおりに実行される必要はない。例えば、ステップＳ１、Ｓ３及びＳ５は、ステップＳ７の後に実行されてもよい。また、ステップＳ１１は、少なくともステップＳ１５の前に実行されていればよく、対話管理処理が実行される前提として、例えばステップＳ１が開始される前に予め実行されてもよい。

１…対話管理サーバ装置、４…対話ログＤＢ、６…ユーザ端末装置、８…オペレータ端末装置、１０…情報処理部、１１…記録部、１２…専門用語辞書ＤＢ、１３…同義語辞書ＤＢ、１５…取得部、１７…データ変換部、１９…受付部、２１…自然言語処理部、２３…重み付け設定部、２７…回答生成部、２９…対話結果管理部、３１…出力制御部、３３…音声認識処理部、３５…音声対話管理部、１００…対話管理システム

Claims (7)

1. 一つ又は複数の端末装置からの質問に回答する対話管理サーバであって、
   前記端末装置から前記質問の入力を受け付ける受付部と、
   入力された前記質問に対する第１回答を生成する回答生成部と、を備え、
   前記受付部は、画像情報であるスタンプの入力を更に受け付け、
   前記回答生成部は、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する、
   対話管理サーバ。
2. 前記質問と、当該質問に対する前記第１回答と、入力された前記スタンプと、当該スタンプに対する前記第２回答とを含む対話結果を対話ログデータベースに格納する対話結果管理部と、
   前記応答生成部は、前記対話結果として前記対話ログデータベースに格納された前記スタンプに対応づけられた前記特定の意味に基づいて、前記質問と、前記第１回答及び前記第２回答とのマッチングの重み付けを学習する、
   請求項１に記載の対話管理サーバ。
3. 生成された前記第１回答を出力する出力制御部を更に備え、
   前記出力制御部は、前記質問に対する第１回答が複数生成された場合、当該質問に対する回答としてより適合する第１回答候補群を優先して出力するように制御する、
   請求項１又は請求項２に記載の対話管理サーバ。
4. 前記出力制御部は、他の回答候補の出力を希望する旨と予め対応づけられた前記スタンプが入力された場合、前記第２回答として、前記第１回答候補群の次に適合する第２回答候補群を出力するように制御する、
   請求項３に記載の対話管理サーバ。
5. 前記端末装置との間で前記質問及び当該質問に対する前記第１回答が所定の回数繰り返された場合であって、当該第１回答に対する応答として音声対話を希望する旨と予め対応づけられた前記スタンプが入力されたとき、当該ユーザとの間で音声対話が可能となるように管理する音声対話管理部を更に備える、
   請求項１乃至４のいずれか一項に記載の対話管理サーバ。
6. 一つ又は複数の端末装置からの質問に回答する対話管理方法であって、
   前記端末装置から前記質問の入力を受け付けるステップと、
   入力された前記質問に対する第１回答を生成するステップと、を含み、
   前記受け付けるステップは、画像情報であるスタンプの入力を更に受け付け、
   前記生成するステップは、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する、
   対話管理方法。
7. 一つ又は複数の端末装置からの質問に回答するコンピュータに、
   前記端末装置から前記質問の入力を受け付ける受付部と、
   入力された前記質問に対する第１回答を生成する回答生成部と、
   して機能させ、
   前記受付部は、画像情報であるスタンプの入力を更に受け付け、
   前記回答生成部は、前記スタンプに予め対応づけられた特定の意味に基づいて、入力された前記スタンプに対する第２回答を生成する、
   プログラム。