JP2021144633A - ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 - Google Patents
ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP2021144633A JP2021144633A JP2020044600A JP2020044600A JP2021144633A JP 2021144633 A JP2021144633 A JP 2021144633A JP 2020044600 A JP2020044600 A JP 2020044600A JP 2020044600 A JP2020044600 A JP 2020044600A JP 2021144633 A JP2021144633 A JP 2021144633A
- Authority
- JP
- Japan
- Prior art keywords
- dialogue
- vocabulary
- user
- marker
- interest
- 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 19
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 8
- 239000003550 marker Substances 0.000 claims abstract description 67
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 25
- 239000000284 extract Substances 0.000 claims description 10
- 230000001815 facial effect Effects 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 230000008921 facial expression Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000238558 Eucarida Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000000216 zygoma Anatomy 0.000 description 1
Images
Abstract
Description
また、話題毎にキーワードリストを対応付けた上で、ユーザの発話文の中から形態素解析によって複数のキーワードを抽出し、キーワードリストと所定関係(類似関係及び上下関係)にある話題で対話を継続させる技術もある(例えば特許文献2参照)。この技術によれば、キーワードと関係がない対話に対しては、予め用意された対話シナリオに沿って対話を進行させる。
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出する語彙抽出手段と、
抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書作成手段と、
対話中のユーザに基づくマルチメディアデータを取得するユーザデータ取得手段と、
マルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する対話学習エンジン選択手段と、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させるマーカー語彙移動制御手段と
を有することを特徴とする。
語彙及び対話シナリオは、意味属性的に近いほど距離が近くなるようにベクトル表現されており、
シソーラス辞書作成手段は、語彙同士のベクトルの距離が近いほど同一のクラスタに分類する
ことも好ましい。
マーカー語彙移動制御手段は、関心度が低いほどマーカー語彙との距離が遠いクラスタに属する語彙へ、マーカーを移動させる
ことも好ましい。
複数の対話学習エンジンは、汎用対話学習エンジンに加えて、時事用対話学習エンジン、テレビ用対話学習エンジン、及び/又は、専門用対話学習エンジンを含む
ことも好ましい。
対話装置は、カメラに接続されており、
マルチメディアデータは、カメラによって撮影されたユーザの顔画像の特徴量であり、
関心度推定エンジンは、学習段階として、顔画像の特徴量とユーザの関心度とを対応付けて学習したものであり、推定段階として、マルチメディアデータとしての顔画像の特徴量を入力し、ユーザの関心度を出力する
ことも好ましい。
関心度推定エンジンにおける顔画像の特徴量は、顔表情、視線及び/又は仕草に基づくものである
ことも好ましい。
対話装置は、マイクに接続されており、
マルチメディアデータは、マイクによって収音されたユーザの発話音声から音声認識された発話文であり、
関心度推定エンジンは、学習段階として、ユーザにおける発話文の特徴量とユーザの関心度とを対応付けて学習したものであり、推定段階として、マルチメディアデータとしての発話文の特徴量を入力し、ユーザの関心度を出力する
ことも好ましい。
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出する語彙抽出手段と、
抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書作成手段と、
対話中のユーザに基づくマルチメディアデータを取得するユーザデータ取得手段と、
マルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する対話学習エンジン選択手段と、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させるマーカー語彙移動制御手段と
してコンピュータを機能させることを特徴とする。
装置は、
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出し、抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書と、
対話中のユーザに基づくマルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと
を有し、
対話中のユーザに基づくマルチメディアデータを取得する第1のステップと、
関心度推定エンジンを用いて、取得したマルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する第2のステップと、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させる第3のステップと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する第4のステップと、
を繰り返し実行することを特徴とする。
対話装置1は、対話用のユーザインタフェースの入出力デバイスとして、マイク及びスピーカを搭載する。マイクによってユーザの発話音声を収音し、スピーカによって対話音声をユーザへ発声する。
また、対話用のユーザインタフェースの入出力デバイスとして、キー及びディスプレイを搭載したものであってもよい。ユーザのキー入力によって発話文を取得し、ディスプレイによって対話文をユーザへ明示するものであってもよい。
<第1の実施形態:ユーザの顔画像を撮影するカメラの場合>
<第2の実施形態:ユーザの声を収音するマイク場合>
(マイクは、対話用のユーザインタフェースと同様)
対話装置1は、異なる複数の対話学習エンジン101〜10nを備える。対話学習エンジン10はそれぞれ、特有の「対話シナリオ」を記憶している。対話学習エンジン10は、ユーザからの発話文に応じて、対話シナリオを辿りながら対話を進行する。
対話シナリオとは、対話文を含む対話ノードを、ユーザの発話文に応じてツリー状に辿るように構成したものである。例えば、ユーザの入力に対する応答パターンを記述するFST(Finite State Transducer)のスクリプトファイルで記述されたものであってもよい。
汎用対話学習エンジンは、例えば日常的な対話を進行する対話シナリオを記憶する。例えばクラウドソーシングによって構築された一般的な人間同士の対話を想定したものである。
(時事用対話学習エンジン)
時事用対話学習エンジンは、例えばニュースの話題に基づく対話を進行する対話シナリオを記憶する。例えばSNS(Social Networking Service)上で話題になっているニュースや、そのニュースに対するコメント(ツイート等)に基づく対話を進行する。
(テレビ用対話学習エンジン)
テレビ用対話学習エンジンは、例えばテレビの番組コンテンツに基づく対話を進行する対話シナリオを記憶する。例えば現在放送中の番組コンテンツのメタデータ(例えば電子番組表や、ナレーションの字幕など)に基づく話題を進行する。
(専門用対話学習エンジン)
専門用対話学習エンジンは、例えば科学技術のような特定の専門分野に基づく対話を進行する対話シナリオを記憶する。
その他、様々な性質を持つ対話学習エンジンを備えることが好ましい。
語彙抽出部11は、全ての対話学習エンジン101〜10nから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙(有効単語の群)を抽出する。対話シナリオは、ユーザの発話文に対する応答文を記述したものであって、テキスト群である。
語彙抽出部11は、これら対話シナリオの大量のテキスト群から、形態素解析によって一般名詞を抽出する(図3参照)。抽出された多数の一般名詞は、シソーラス辞書作成部12へ出力される。
シソーラス辞書作成部12は、抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス(thesaurus)辞書を作成する。
「Word2vec」とは、単語の意味や文法を捉えるために単語をベクトル表現化して次元を圧縮する技術をいう。2つの語彙について、類似度が高いほどベクトル間距離は短くなり、類似度が低いほどベクトル間距離は長くなる。当然、同一カテゴリに属する語彙同士は、類似度が高くなる(ベクトル間距離は短くなる)。
語彙の類似度は、以下のようにコサイン類似度で表される。
S(a,b)=cosθ=(Va・Vb)/(|Va||Vb|)
Va:第1の語彙の特徴ベクトル
Vb:第2の語彙の特徴ベクトル
S(a,b):0〜1(類似度が高いほど1に近づく)
本発明のシソーラス辞書は、各語彙のベクトルのユークリッド距離が近い(同義語又は関連語)ほど、同一のクラスタに分類するようにする。例えばk-meansのようなクラスタリング手法を用いて、多数の語彙を複数のクラスタに分類する。図3によれば、1つのカテゴリに複数の語彙が含まれている。同じクラスタに属する語彙同士は、ベクトルのユークリッド距離が近いものとなる。
尚、シソーラス辞書は、Wordnetを用いて、各カテゴリ階層の下に複数の語彙を置くサブ・ツリー構造に分類されたものであってもよい。
カテゴリ「国内」=>語彙「政治」「社会」「人」
カテゴリ「国際」=>語彙「中韓露」「米EU」「・・・」
・・・・・・・
例えば、語彙「政治」「社会」「人」のベクトル間距離は、比較的近くなる。また、語彙「中韓露」「米EU」のベクトル間距離も、比較的近くなる。一方で、語彙「社会」と語彙「中韓露」とのベクトル間距離は、比較的遠くなる。
また、カテゴリも、ベクトル表現される。例えばカテゴリ「国内」のベクトルは、語彙「政治」「社会」「人」のベクトルの平均値としてもよい。
これによって、語彙、カテゴリ及び対話シナリオは、意味属性的に近いほど距離が近くなるようにベクトル表現される。
[ユーザデータ取得部13]
ユーザデータ取得部13は、対話中のユーザに基づくマルチメディアデータを取得する。第1の実施形態におけるマルチメディアデータは、カメラによって撮影された顔画像となる。
顔画像認識部131は、インカメラによって撮影されたユーザの顔画像(映像)を入力し、各画像からユーザ毎の顔領域を検出する。顔領域は、顔の特徴から作成されたテンプレートと一致する画像部分が検索される。例えば、顔のパーツの相対位置や大きさ、目や鼻やほお骨やあごの形を用いる。
そして、顔画像認識部131は、時系列の各画像から、顔パラメータの時系列変化を特徴量として抽出する。顔画像の時系列の特徴量は、顔表情、視線及び/又は仕草に基づくものである。尚、顔認識アルゴリズムとしては、様々な既存の方法がある(例えば非特許文献2参照)。
そして、顔画像の時系列の特徴量は、関心度推定エンジン14へ出力される。
関心度推定エンジン14は、マルチメディアデータ(顔画像の特徴量)から、現在の対話内容に対するユーザの関心度を推定する。
学習段階における教師データの顔画像として、例えばIMDb(Internet Movie Database)のデータセット(例えば45,723枚)を用いることができる。各顔画像から時系列の特徴量を抽出し、その特徴量には、ユーザの関心度が付与されている。例えば目を見開いている顔画像の特徴量には、比較的高い関心度が付与されており、伏し目がちな顔画像の特徴量には、比較的低い関心度が付与されている。これら、顔画像の特徴量とユーザの関心度とが対応付けられた教師データを、例えば畳み込みニューラルネットワークに基づいて学習させる。
その後、推定段階として、関心度推定エンジン14は、ユーザの顔画像の特徴量を入力することによって、推定した関心度を出力する。推定した関心度は、マーカー語彙移動制御部15へ出力される。
対話学習エンジン選択部16は、複数の対話学習エンジンの中から、いずれか1つの対話エンジンを選択する。このとき、シソーラス辞書の「マーカー語彙」と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する。
時事用対話学習エンジン <->カテゴリ「国内」「国際」
経済用対話学習エンジン <->カテゴリ「経済」
テレビ用対話学習エンジン<->カテゴリ「エンタメ」「スポーツ」
技術用対話学習エンジン <->カテゴリ「IT」「科学」
汎用対話学習エンジン <->カテゴリ「ライフ」
地域用対話学習エンジン <->カテゴリ「地域」
シソーラス辞書によれば、複数の「語彙」が属する各カテゴリは、ベクトル表現されている。また、各対話学習エンジン10の対話シナリオ全体についても、ベクトル表現される。この場合、各カテゴリを、ベクトル表現としても最も類似する対話シナリオを持つ対話学習エンジン10に紐付けることができる。
結果的に、「マーカー語彙」に対して、類似度が最も高い対話シナリオを持つ対話学習エンジン10を選択することができる。
マーカー語彙移動制御部15は、関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙(同義語又は関連語)へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙(反義語又は無関連語)へ、マーカーを移動させる。
(S11)対話装置1は、経過時点t0で、シーケンス辞書におけるマーカーを、語彙「ゲーム」に付しているとする。図5によれば、語彙「ゲーム」は、カテゴリ「エンタメ」に属し、テレビ用対話学習エンジンが選択されているとする。
(S12)マーカー語彙「ゲーム」のカテゴリ「エンタメ」に対して、テレビ用対話学習エンジンが選択されている(図5参照)。テレビ用対話学習エンジンは、対話シナリオの中から「ゲーム」に適する対話文「ゲームは、AAAが今、流行ってるね!」を出力している。
(S13)これに対し、対話装置1は、ユーザの顔画像(マルチメディアデータ)を撮影する。その顔画像から、ユーザの関心度0.9が推定されたとする。例えば、閾値0.7以上は、関心度が高いと判定することができる。
(S14)このとき、対話装置1は、経過時点t1で、シーケンス辞書におけるマーカーを、関連度に応じたベクトル距離で、同じカテゴリ(クラスタ)に属する語彙「テレビ」へ移動させる(図5参照)。
(S15)マーカー語彙「テレビ」のカテゴリ「エンタメ」に対して、テレビ用対話学習エンジンが選択されている。テレビ用対話学習エンジンは、ユーザの発話文「僕は、BBBが好きだけど」を取得し、対話シナリオの中から「テレビ」「BBB」に適する対話文「BBBは、芸人Xが得意だって!」を出力している。
(S21)図6(a)のS11と同様。
(S22)図6(a)のS12と同様。
(S23)これに対し、対話装置1は、ユーザの顔画像(マルチメディアデータ)を撮影する。その顔画像から、ユーザの関心度0.2が推定されたとする。例えば、閾値0.3以下は、関心度が低いと判定することができる。
(S24)このとき、対話装置1は、経過時点t1で、シーケンス辞書におけるマーカーを、関連度に応じたベクトル距離で、別のカテゴリ(クラスタ)に属する語彙「ヘルス」へ移動させる(図5参照)。
(S25)マーカー語彙「ヘルス」のカテゴリ「ライフ」に対して、汎用対話学習エンジンが選択されている。汎用対話学習エンジンは、ユーザの発話文「・・・」を取得し、対話シナリオの中から「ヘルス」に適する対話文「毎日、運動はしてますか?」を出力している。
対話実行部171は、対話学習エンジン選択部16によって選択された対話学習エンジンを用いて、ユーザに対する対話文を出力する。
音声変換部172は、対話実行部171から出力された対話文を、音声合成によって音声信号に変換し、その音声信号をスピーカへ出力する。
このようにして、対話装置1は、ユーザとの間で、音声によって対話を進行していく。
第1の実施形態によれば、ユーザに基づくマルチメディアデータが、カメラによって撮影されたユーザの顔画像であるとして説明した。
これに対して、第2の実施形態によれば、ユーザに基づくマルチメディアデータが、マイクによって収音されたユーザの声であるとする。この場合、図2によれば、ユーザデータ取得部13は、音声認識部132として機能する。
音声認識部132は、マイクによって収音されたユーザが発話した声から音声認識によって、発話文を出力する。
この場合、関心度推定エンジン14は、学習段階として、発話文の特徴量とユーザの関心度とを対応付けて学習したものとなる。また、関心度推定エンジン14は、推定段階として、マルチメディアデータとしての発話文を入力し、ユーザの関心度を出力する
尚、被験者実験の結果、政治やスポーツなどの幅広い話題に対して、従来技術における対話装置に対して、本発明の対話装置は、雑談のような対話を、2〜3倍の時間の長さで継続することができた。
10 対話学習エンジン
11 語彙抽出部
12 シソーラス辞書作成部
13 ユーザデータ取得部
131 顔画像認識部
132 音声認識部
14 関心度推定エンジン
15 マーカー語彙移動制御部
16 対話学習エンジン選択部
171 対話実行部
172 音声変換部
Claims (9)
- 複数の対話学習エンジンから選択した対話学習エンジンを用いて、ユーザと対話する対話装置において、
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出する語彙抽出手段と、
抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書作成手段と、
対話中のユーザに基づくマルチメディアデータを取得するユーザデータ取得手段と、
マルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する対話学習エンジン選択手段と、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させるマーカー語彙移動制御手段と
を有することを特徴とする対話装置。 - 語彙及び対話シナリオは、意味属性的に近いほど距離が近くなるようにベクトル表現されており、
シソーラス辞書作成手段は、語彙同士のベクトルの距離が近いほど同一のクラスタに分類する
ことを特徴とする請求項1に記載の対話装置。 - マーカー語彙移動制御手段は、関心度が低いほどマーカー語彙との距離が遠いクラスタに属する語彙へ、マーカーを移動させる
ことを特徴とする請求項1又は2に記載の対話装置。 - 複数の対話学習エンジンは、汎用対話学習エンジンに加えて、時事用対話学習エンジン、テレビ用対話学習エンジン、及び/又は、専門用対話学習エンジンを含む
ことを特徴とする請求項1から3のいずれか1項に記載の対話装置。 - 対話装置は、カメラに接続されており、
マルチメディアデータは、カメラによって撮影されたユーザの顔画像の特徴量であり、
関心度推定エンジンは、学習段階として、顔画像の特徴量とユーザの関心度とを対応付けて学習したものであり、推定段階として、マルチメディアデータとしての顔画像の特徴量を入力し、ユーザの関心度を出力する
ことを特徴とする請求項1から4のいずれか1項に記載の対話装置。 - 関心度推定エンジンにおける顔画像の特徴量は、顔表情、視線及び/又は仕草に基づくものである
ことを特徴とする請求項5に記載の対話装置。 - 対話装置は、マイクに接続されており、
マルチメディアデータは、マイクによって収音されたユーザの発話音声から音声認識された発話文であり、
関心度推定エンジンは、学習段階として、ユーザにおける発話文の特徴量とユーザの関心度とを対応付けて学習したものであり、推定段階として、マルチメディアデータとしての発話文の特徴量を入力し、ユーザの関心度を出力する
ことを特徴とする請求項1から6のいずれか1項に記載の対話装置。 - 複数の対話学習エンジンから選択した対話学習エンジンを用いて、ユーザと対話する装置に搭載されたコンピュータを機能させるプログラムにおいて、
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出する語彙抽出手段と、
抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書作成手段と、
対話中のユーザに基づくマルチメディアデータを取得するユーザデータ取得手段と、
マルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する対話学習エンジン選択手段と、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させるマーカー語彙移動制御手段と
してコンピュータを機能させることを特徴とするプログラム。 - 複数の対話学習エンジンから選択した対話学習エンジンを用いて、ユーザと対話する装置の対話方法において、
装置は、
全ての対話学習エンジンから対話シナリオを取得し、全ての対話シナリオから所定条件に基づく複数の語彙を抽出し、抽出された複数の語彙を、意味属性的に類似するクラスタに分類したシソーラス辞書を作成すると共に、現在の対話内容に対応する語彙にマーカーを付すシソーラス辞書と、
対話中のユーザに基づくマルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する関心度推定エンジンと
を有し、
対話中のユーザに基づくマルチメディアデータを取得する第1のステップと、
関心度推定エンジンを用いて、取得したマルチメディアデータから、現在の対話内容に対するユーザの関心度を推定する第2のステップと、
関心度が高いほどマーカー語彙と同じクラスタに属する他の語彙へ、関心度が低いほどマーカー語彙と異なるクラスタに属する語彙へ、マーカーを移動させる第3のステップと、
シソーラス辞書のマーカー語彙と類似度が最も高い対話シナリオを持つ対話学習エンジンを選択する第4のステップと、
を繰り返し実行することを特徴とする装置の対話方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020044600A JP7221902B2 (ja) | 2020-03-13 | 2020-03-13 | ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020044600A JP7221902B2 (ja) | 2020-03-13 | 2020-03-13 | ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021144633A true JP2021144633A (ja) | 2021-09-24 |
JP7221902B2 JP7221902B2 (ja) | 2023-02-14 |
Family
ID=77766874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020044600A Active JP7221902B2 (ja) | 2020-03-13 | 2020-03-13 | ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7221902B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102493600B1 (ko) * | 2021-12-21 | 2023-01-31 | (주)웅진씽크빅 | 아이 트래킹을 이용한 독서 토론 지원 시스템 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007047488A (ja) * | 2005-08-10 | 2007-02-22 | Nippon Telegr & Teleph Corp <Ntt> | 対話方法、対話装置、対話プログラムおよび記録媒体 |
JP2008254122A (ja) * | 2007-04-05 | 2008-10-23 | Honda Motor Co Ltd | ロボット |
JP2010225115A (ja) * | 2009-03-25 | 2010-10-07 | Toshiba Corp | コンテンツ推薦装置及び方法 |
US20170060994A1 (en) * | 2015-08-24 | 2017-03-02 | International Business Machines Corporation | Topic shift detector |
JP2017067851A (ja) * | 2015-09-28 | 2017-04-06 | 株式会社デンソー | 対話装置及び対話方法 |
JP2020166839A (ja) * | 2019-03-29 | 2020-10-08 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 関連付け関心点に基づく文推奨方法及び装置 |
-
2020
- 2020-03-13 JP JP2020044600A patent/JP7221902B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007047488A (ja) * | 2005-08-10 | 2007-02-22 | Nippon Telegr & Teleph Corp <Ntt> | 対話方法、対話装置、対話プログラムおよび記録媒体 |
JP2008254122A (ja) * | 2007-04-05 | 2008-10-23 | Honda Motor Co Ltd | ロボット |
JP2010225115A (ja) * | 2009-03-25 | 2010-10-07 | Toshiba Corp | コンテンツ推薦装置及び方法 |
US20170060994A1 (en) * | 2015-08-24 | 2017-03-02 | International Business Machines Corporation | Topic shift detector |
JP2017067851A (ja) * | 2015-09-28 | 2017-04-06 | 株式会社デンソー | 対話装置及び対話方法 |
JP2020166839A (ja) * | 2019-03-29 | 2020-10-08 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 関連付け関心点に基づく文推奨方法及び装置 |
Non-Patent Citations (3)
Title |
---|
別所 克人 外4名: "雑談対話における話題継続願望判定の検討", 第74回 言語・音声理解と対話処理研究会資料 (SIG−SLUD−B501), JPN6023003411, 15 July 2015 (2015-07-15), JP, pages 1 - 6, ISSN: 0004975825 * |
堀内 理沙 外3名: "雑談システムにおける話題転換", 言語処理学会第15回年次大会発表論文集, JPN6023003410, 2 March 2009 (2009-03-02), JP, pages 312 - 315, ISSN: 0004975824 * |
栂井 良太 外4名: "非言語音響情報を利用した話題誘導を行う情報収集対話システム", FIT2017 第16回情報科学技術フォーラム 講演論文集 第2分冊 選奨論文・一般論文 データベー, JPN6023003412, 5 September 2017 (2017-09-05), pages 171 - 172, ISSN: 0004975826 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102493600B1 (ko) * | 2021-12-21 | 2023-01-31 | (주)웅진씽크빅 | 아이 트래킹을 이용한 독서 토론 지원 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7221902B2 (ja) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A persona-based neural conversation model | |
US20180314689A1 (en) | Multi-lingual virtual personal assistant | |
WO2020082560A1 (zh) | 文本关键词提取方法、装置、设备及计算机可读存储介质 | |
CN107451126B (zh) | 一种近义词筛选方法及系统 | |
Kamper et al. | Visually grounded learning of keyword prediction from untranscribed speech | |
CN110717017A (zh) | 一种处理语料的方法 | |
Tariq et al. | A context-driven extractive framework for generating realistic image descriptions | |
CN114830148A (zh) | 可控制有基准的文本生成 | |
WO2018045646A1 (zh) | 基于人工智能的人机交互方法和装置 | |
CN111819625A (zh) | 用于语言模型个性化的系统和方法 | |
CN106446018B (zh) | 基于人工智能的查询信息处理方法和装置 | |
CN108345612A (zh) | 一种问题处理方法和装置、一种用于问题处理的装置 | |
CN112151015A (zh) | 关键词检测方法、装置、电子设备以及存储介质 | |
Harwath et al. | Zero resource spoken audio corpus analysis | |
Tiwari et al. | Ensemble approach for twitter sentiment analysis | |
Zhang et al. | Research on keyword extraction of Word2vec model in Chinese corpus | |
KR101545050B1 (ko) | 정답 유형 자동 분류 방법 및 장치, 이를 이용한 질의 응답 시스템 | |
Gil et al. | Combining machine learning techniques and natural language processing to infer emotions using Spanish Twitter corpus | |
Zhang et al. | Transfer hierarchical attention network for generative dialog system | |
CN113705315A (zh) | 视频处理方法、装置、设备及存储介质 | |
CN112347339A (zh) | 一种搜索结果处理方法及装置 | |
JP7169770B2 (ja) | 人工知能プログラミングサーバおよびそのプログラム | |
JP7221902B2 (ja) | ユーザの関心度に応じて対話内容を切り替える対話装置、プログラム及び方法 | |
TWI734085B (zh) | 使用意圖偵測集成學習之對話系統及其方法 | |
US20210337274A1 (en) | Artificial intelligence apparatus and method for providing visual information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220118 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221227 |
|
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: 20230130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7221902 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |