JP2024031110A - プログラム、方法、およびシステム - Google Patents
プログラム、方法、およびシステム Download PDFInfo
- Publication number
- JP2024031110A JP2024031110A JP2022134450A JP2022134450A JP2024031110A JP 2024031110 A JP2024031110 A JP 2024031110A JP 2022134450 A JP2022134450 A JP 2022134450A JP 2022134450 A JP2022134450 A JP 2022134450A JP 2024031110 A JP2024031110 A JP 2024031110A
- Authority
- JP
- Japan
- Prior art keywords
- question
- likelihood
- user
- category
- answer
- 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 description 26
- 230000006399 behavior Effects 0.000 claims abstract description 73
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000013145 classification model Methods 0.000 claims description 75
- 238000011156 evaluation Methods 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 33
- 238000010586 diagram Methods 0.000 abstract description 20
- 230000004044 response Effects 0.000 description 72
- 238000012545 processing Methods 0.000 description 39
- 230000006870 function Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 13
- 239000002131 composite material Substances 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 7
- 230000002452 interceptive effect Effects 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 238000012559 user support system Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】本開示のプログラムは、プロセッサに、ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出するステップと、算出された第1尤度、およびユーザの行動ログに基づいて、質問文が該当するカテゴリを選定するステップと、選定されたカテゴリに紐づけられた回答パターンを、ユーザ端末に表示させるステップと、を実行させる。
【選択図】図8
Description
例えば、特許文献1には、カテゴリ毎に複数用意された質問パターンを学習データとして機械学習された機械学習モデルを備えた自動応答システムが開示されている。
この自動応答システムでは、ユーザから入力された質問文が、機械学習モデルにより特定のカテゴリに分類され、分類されたカテゴリに対して紐づけられた回答パターンが、回答文としてユーザに対して出力される。
図1は、本発明の自動応答システム1の概要を説明する図である。
図1に示すように、本実施形態に係る自動応答システム1は、質問パターンおよび回答パターンが記憶されたデータベースを用いて、対話形式のテキスト入力インタフェースによる応答システムとしての処理を実行するシステムである。
例えば、類似する質問文による質問でも、質問の直前にユーザが行った操作(滞在しているサイト)の違いにより、ユーザが求めている回答が異なることが想定される。このため、自動応答システム1では、ユーザの操作ログを入力情報として利用することで、自動応答システム1の識別性能を向上することを目的としている。
以下の説明では、まず自動応答システム1の構成について説明した後に、自動応答システム1を用いた回答処理について詳述する。
本実施形態に係る自動応答システム1の全体構成について説明する。
図1に示すように、自動応答システム1は、複数の質問者(図1では、質問者が使用するユーザ端末10A、10B、以下総称して「ユーザ端末10」という)と、質問回答サーバ20と、を含む。複数のユーザ端末10と質問回答サーバ20とは、ネットワーク80を介して相互に通信可能に接続されている。ネットワーク80は、有線又は無線ネットワークにより構成される。
図1に示すように、ユーザ端末10は、通信IF(Interface)12と、入力装置13と、出力装置14と、メモリ15と、記憶部16と、プロセッサ19とを備える。
入力装置13は、ユーザからの入力操作を受け付けるための装置(例えば、キーボードや、タッチパネル、タッチパッド、マウス等のポインティングデバイス等)である。
メモリ15は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばDRAM(Dynamic Random Access Memory)等の揮発性のメモリである。
プロセッサ19は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。
質問回答サーバ20は、ネットワーク80に接続されたコンピュータである。質問回答サーバ20は、通信IF22と、入力装置23と、出力装置24と、プロセッサ25と、メモリ26と、ストレージ27とを備える。
入力装置23は、管理者からの入力操作を受け付けるための装置(例えば、キーボードや、タッチパネル、タッチパッド、マウス等のポインティングデバイス等)である。
出力装置24は、管理者に対し情報を提示するための装置(ディスプレイ、スピーカ等)である。
メモリ26は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばDRAM(Dynamic Random Access Memory)等の揮発性のメモリである。
ストレージ27は、データを保存するための記憶装置であり、例えばフラッシュメモリ、HDD(Hard Disc Drive)である。
図2は、自動応答システム1を構成するユーザ端末10の機能的な構成を示すブロック図である。ユーザ端末10としては、例えば、ユーザサポートにおいて、不明な点の問合せを行おうとする一般ユーザが扱う端末が想定される。
音声処理部140は、例えば音声処理用のプロセッサによって実現される。マイク141は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部140へ与える。スピーカ142は、音声処理部140から与えられる音声信号を音声に変換して当該音声をユーザ端末10の外部へ出力する。
図3は、自動応答システム1を構成する質問回答サーバ20の機能的な構成を示す図である。質問回答サーバ20は、例えば、ユーザサポートにおいて、問合せ対応を行うサポート管理者が扱う端末が想定される。図3に示すように、質問回答サーバ20は、通信部201と、記憶部202と、制御部203としての機能を発揮する。
・ユーザデータベース2021(ユーザDB2021)
・質問回答データベース2022(質問回答DB2022)
・操作ログデータベース2023(操作ログDB2023)
・学習用データデータベース2024(学習用データDB2024)
・質問分類モデル2025
・行動分類モデル2026
各データベースについて詳述する。なお、質問分類モデル2025および行動分類モデル2026の詳細については後述する。
ユーザDB2021は、ユーザに関する情報を記憶するデータベースである。図4は、記憶部202が記憶するユーザDB2021の具体例を示す図である。
図4に示すように、ユーザDB2021は、項目「ユーザID」と、項目「氏名」と、項目「個人情報」と、項目「会員情報」と、項目「端末情報」と、を備えている。ユーザDB2021は、例えば、ユーザの会員登録の際に、新たなレコードが記録される。
なお、図4に示すユーザDB2021の構造はあくまで例示であり、その他の項目を管理してもよい。また、記憶部202は、ユーザDB2021を記憶していなくてもよい。
図3に示す質問回答DB2022は、質問パターンと回答パターンとを対応付けて記憶するデータベースである。図5は、記憶部202が記憶する質問回答DB2022の具体例を示す図である。
図5に示すように、質問回答DB2022には、ある1つのカテゴリに対して、タイトルと1つの回答パターンが対応づけられ、1つのカテゴリに対して想定される1又は複数の質問パターンが記憶されている。すなわち、カテゴリに対して回答パターンおよび質問パターンが紐づけられている。質問回答DB2022は、例えば、自動応答システム1の運用開始前に予め記憶部202に記憶されている。
項目「カテゴリ」には、質問のカテゴリを示すタイトルが格納される。カテゴリのタイトルとは、例えば、質問の内容を端的に示す情報である。
なお、質問回答DB2022は、カテゴリのタイトルを階層的に管理した構造を備えてもよい。
図3に示す操作ログDB2023は、ユーザの操作ログを記憶するデータベースである。図6は、記憶部202が記憶する操作ログDB2023の具体例を示す図である。
図6に示すように、操作ログDB2023は、項目「操作ログID」と、項目「ユーザID」と、項目「操作情報」と、項目「操作対象」と、項目「操作日時」と、を備えている。操作ログDB2023は、ユーザからの操作を受け付けるたびに、新たなレコードとして記録される。
なお、図6に示す操作ログDB2023の構造はあくまで例示であり、その他の項目を管理してもよい。
図3に示す学習用データDB2024は、ユーザの行動特性を学習するための学習用データを記憶するデータベースである。図7は、記憶部202が記憶する学習用データDB2024の具体例を示す図である。
図7に示すように、学習用データDB2024は、項目「データID」、項目「操作ログID」と、項目「回答カテゴリ」と、項目「評価スコア」と、を備えている。
なお、図7に示す学習用データDB2024の構造はあくまで例示であり、その他の項目を管理してもよい。
図3に示す制御部203は、質問回答サーバ20のプロセッサ29が、プログラムに従って処理を行うことにより、各種の機能モジュールとしての機能を発揮する。
各種の機能モジュールとしては、送受信制御モジュール2031、質問文取得モジュール2032、第1尤度算出モジュール2033、第2尤度算出モジュール2034、カテゴリ選定モジュール2035、回答出力モジュール2036、アンケート取得モジュール2037、および学習用データ選定モジュール2038を含む。
第1尤度算出モジュール2033は、質問分類モデル2025に対して、質問文を入力することで、複数のカテゴリそれぞれの第1尤度を算出する。
類似度の算出では、例えば、自然言語処理により計算することが可能である。具体的には、質問パターンと質問文からキーワードをそれぞれ抽出しておき、キーワードの一致度をキーワード毎の重みなども用いて類似度とすることが考えられる。他にも、質問パターンと質問文をそれぞれベクトル化し、コサイン類似度を用いて類似度を算出することも可能である。このように、類似度を用いて質問文がどの質問パターン群に類似するか算出することで、質問回答DB2022に記憶されている質問パターンと同一でなくとも、回答パターンを選択することが可能となる。
具体的には、例えば行動ログとして、質問文を入力した時点、又はその直前に開いているウェブサイトのページの情報を用いる場合には、行動分類モデル2026は、当該ページを開いているユーザが過去に行った質問について、その後に回答されたそれぞれのカテゴリに関する確立分布を算出し、当該ウェブサイトのページに対応するカテゴリごとの第2尤度とすることができる。
この場合には、例えば行動ログとして、質問文を入力した時点、又はその直前に開いているウェブサイトのページの情報を用いる場合において、当該ページを開いているユーザが過去に行った質問のうち、回答後のアンケートで肯定的な評価を得られた割合について、回答されたそれぞれのカテゴリを変数とする確立分布を算出し、当該ウェブサイトのページに対応するカテゴリごとの第2尤度としてもよい。
カテゴリ選定モジュール2035は、評価指標の上位n件のカテゴリを選択してもよい。
回答出力モジュール2036は、評価指標の上位n件の回答文を、カテゴリとともにユーザ端末10に出力し、ユーザに最も適切な回答を選択させてもよい。
・ユーザが抱える課題が解決したどうか
・回答したカテゴリおよび回答が妥当であったかどうか
アンケートへの回答形式は、Yes/Noといった択一的な回答形式であってもよいし、5段階評価のような定量的な回答形式であってもよい。
すなわち、学習用データ選定モジュール2038は、ユーザから高評価を得た回答が紐づけられたカテゴリと、その時の質問に至った一連の行動ログと、を学習用データとして選別して、学習用データDB2024に記憶させる。
次に、自動応答システム1の処理について説明する。自動応答システム1は、対話形式のテキスト入力インタフェースによる応答システムとしての処理を実行する。すなわち、自動応答システム1は、対話形式のテキスト入力インタフェースを用いて、ユーザサポートの問い合わせ画面におけるチャットボットとしての役割を担う。
対話形式のテキスト入力インタフェースによる応答システムでは、まず、システム設定の準備として、対話形式のテキスト入力インタフェースによる応答システムとして使用する会話カードの登録を行う。会話カードには、ユーザに対して質問のテキスト入力を促すための案内文が含まれる。これにより、問い合わせ画面にアクセスしたユーザに対して、メッセージによる案内を行う準備が整った状態となる。
図8に示すように、自動応答システム1の処理では、まず、ユーザがユーザ端末10のキーボード131から、質問内容をテキスト入力する(ステップS101)。ユーザ端末10の制御部170は、入力されたテキスト情報をデータ処理部173の処理に従って、送受信部172を介して質問回答サーバ20に送信する。
具体的には、質問回答サーバ20の質問文取得モジュール2032が、ユーザ端末10から送信された質問に関するテキスト情報を取得する。
具体的には、質問回答サーバ20の第1尤度算出モジュール2033は、質問に関するテキスト情報を質問分類モデル2025に入力することで、質問回答DB2022に記憶された複数のカテゴリについて、それぞれにおける第1尤度を算出する。
図9に示すように、カテゴリ選定の処理では、質問回答サーバ20は、それぞれのカテゴリにおける第2尤度を算出する(ステップS2031)。
具体的には、質問回答サーバ20の第2尤度算出モジュール2034は、行動分類モデル2026に対してユーザの行動ログを入力することで、第2尤度を算出する。
具体的には、質問回答サーバ20のカテゴリ選定モジュール2035は、第1尤度の値と第2尤度の値とを乗じることで、それぞれのカテゴリにおける評価指標を算出する。ここで、カテゴリ選定モジュール2035は、第1尤度の値と第2尤度の値とを乗じて得た値に対して、予め設定された任意の正規化を行って評価指標の値としてもよい。
なお、評価指標の計算方法としては、この例に限られない。例えば、第1尤度および第2尤度の少なくとも一方に重みづけを行ったうえで、加算又は乗算により評価指標を算出してもよい。また、第1尤度と第2尤度とを変数とする評価指標を算出する関数を予め設定してもよい。
具体的には、質問回答サーバ20のカテゴリ選定モジュール2035は、質問回答DB2022に設定された複数のカテゴリのうち、評価指標が最も高い評価となるカテゴリを選択する。この際、カテゴリ選定モジュール2035は、評価指標の上位n件のカテゴリを選択してもよい。
これにより、図8に示すカテゴリの選定の処理(ステップS203)が終了する。
具体的には、質問回答サーバ20の回答出力モジュール2036は、質問回答DB2022を参照し、カテゴリ選定モジュール2035により選定されたカテゴリに紐づけられた回答パターンを特定し、テキストデータとしてユーザ端末10に回答する。
具体的には、ユーザ端末10の制御部170は、回答に関するテキスト情報を、ディスプレイ132に出力する。これにより、ユーザに対して、入力した質問への質問回答サーバ20からの回答が提示される。
具体的には、質問回答サーバ20のアンケート取得モジュール2037は、回答の妥当性に関する評価の入力を受け付けるアンケートをユーザ端末10に対して送信する。
具体的には、ユーザ端末10の制御部170は、回答の妥当性に関するアンケートを、ディスプレイ132に出力する。これにより、ユーザに対して、回答の妥当性に関するアンケートが提示される。
具体的には、ユーザ端末10の制御部170は、アンケートへのユーザからの回答の入力を受け付け、データ処理部173の処理に従って、送受信部172を介して質問回答サーバ20に送信する。
具体的には、質問回答サーバ20の送受信制御モジュール2031は、ユーザ端末10から送信されたアンケートへの回答に関する情報を取得する。
以上により、対話形式のテキスト入力インタフェースによる自動応答の処理が終了する。
質問回答サーバ20における学習用データ選定モジュール2038は、管理からの操作を受け付け、行動分類モデル2026に学習される学習用データの選定を行う。管理者は、行動分類モデル2026の識別性能(第2尤度の妥当性)を維持、向上するために、行動分類モデル2026に再学習させるデータを準備する。
なお、質問回答サーバ20により選定された行動分類モデル2026への学習用データは、再学習への利用に限定されず、その後に新たに生成される行動分類モデル2026の機械学習に用いてもよい。
具体的には、質問回答サーバ20の学習用データ選定モジュール2038は、操作ログDB2023を参照して、蓄積された操作ログのうち、自動応答システム1を用いて質問をした操作に関する操作ログ、および直前の操作に関する操作ログを抽出する。
具体的には、質問回答サーバ20の学習用データ選定モジュール2038は、以下の情報を抽出する。
・抽出した操作による質問において入力された質問文
・当該質問文に対して、質問回答サーバ20が選定したカテゴリおよび出力した回答文
・質問回答サーバ20からの回答に対するユーザからのアンケート結果
具体的には、質問回答サーバ20の学習用データ選定モジュール2038は、抽出したアンケート結果を参照して、以下の情報を特定する。
・ユーザから肯定的な評価を受けた回答について、当該回答を得るために入力された質問に関する操作ログ
・肯定的な評価を受けた回答の内容(回答文およびカテゴリ)
具体的には、質問回答サーバ20の学習用データ選定モジュール2038は、特定した操作ログと、当該操作ログに係る質問に対して選定されたカテゴリと、を学習用データとして選定する。学習用データ選定モジュール2038は、選定した操作ログに関する操作ログIDを、学習用データDB2024における項目「操作ログID」に記録し、選定したカテゴリを学習用データDB2024における項目「回答カテゴリ」に記録する。この際、データIDが新たに割り振られ、学習用データDB2024における新たなレコードが記録される。
以上により、質問回答サーバ20による学習用データの選定の処理が終了する。
以上説明したように、自動応答システム1では、質問回答サーバ20が、質問文から算出された第1尤度、およびユーザの行動ログに基づいて、質問文が該当するカテゴリを選定する。すなわち、自動応答システム1では、従来のように質問文と予め設定された質問パターンとの比較だけではなく、ユーザの行動ログを考慮して、質問文に対して回答するべきカテゴリを選定する。このため、質問文の内容に加えて、ユーザの行動傾向を考慮してカテゴリを選定することができ、効率的に機械学習モデルの識別性能を向上することができる。
そして、行動分類モデル2026は、複数のユーザの行動ログを入力データとし、複数のユーザの行動ログそれぞれに対応する回答パターンが紐づけられた複数のカテゴリを正解出力データとする学習用データを用いた機械学習により作成されている。このため、第2尤度の算出を高い精度を行うことができる。
このため、ユーザによる自動応答システム1の利用により蓄積された操作ログおよびアンケート結果を用いて、行動分類モデル2026を再学習することができ、行動分類モデル2026の識別性能を効率的に向上することができる。
自動応答システム1としての処理は、他の処理を行ってもよい。
例えば、カテゴリ選定モジュール2035は、カテゴリを選定する処理において、第1尤度、およびユーザの行動ログに加えて、ユーザの属性に基づいて、カテゴリを選定してもよい。このような変形例に係る自動応答システム1の構成および処理について詳述する。図11は、変形例に係る自動応答システム1の質問回答サーバ20Bの機能的な構成を示す図である。
具体的には、属性分類モデル2027は、過去に質問を行ったユーザのユーザ属性と、回答されたそれぞれのカテゴリに関する確立分布を算出し、当該ユーザ属性に対応するカテゴリごとの第3尤度とすることができる。
また、属性分類モデル2027は、ユーザが過去に行った質問のうち、回答後のアンケートで肯定的な評価を得られた割合について、回答されたそれぞれのカテゴリを変数とする確立分布を算出し、当該ユーザ属性に対応するカテゴリごとの第3尤度としてもよい。
この場合には、学習用データ選定モジュール2038は、過去に質問を行ったユーザのユーザ属性と、ユーザ属性に対応する回答カテゴリのうち、評価が高かった組み合わせを、学習用データとして選別してもよい。
すなわち、質問回答サーバ20は、行動ログとユーザ属性の両方を用いて、質問が、あるカテゴリに該当する尤もらしさを示す第4尤度を算出し、第1尤度と第4尤度に基づいて、回答するべきカテゴリを選定してもよい。
この場合には、第4尤度を算出する分類モデル(行動・属性分類モデル)として、行動ログおよびユーザ属性の入力に対して、第4尤度を出力する機械学習モデルを採用することができる。行動・属性分類モデルは、行動ログおよびユーザ属性を入力データとし、当該行動ログおよびユーザ属性に該当する質問への適切な回答カテゴリを盛夏期学習データとした機械学習により作成される。
その他の変形例として、質問回答DB2022は、コンピュータにプログラムを実装するサーバにより実現されてもよい。質問回答サーバ20を構成する各部は、複数のコンピュータに分散して実現されていても構わない。
また、質問回答サーバ20は、第3尤度を算出することなく、第1尤度、およびユーザのユーザ属性に基づいて、質問文が該当するカテゴリを選定してもよい。
本発明の内容を以下に付記する。
プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、プログラムは、プロセッサに、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出するステップ(ステップS202)と、
算出された第1尤度、およびユーザの行動ログに基づいて、質問文が該当するカテゴリを選定するステップ(ステップS203)と、
選定されたカテゴリに紐づけられた回答パターンを、ユーザ端末に対して出力するステップ(ステップS205)と、を実行させる、プログラム。
第1尤度を算出するステップ(ステップS203)では、
複数の質問パターンを入力データとし、複数の質問パターンそれぞれが該当するカテゴリを正解出力データとする学習用データを用いた機械学習により作成された質問分類モデル2025に対して、質問文を入力することで、複数のカテゴリそれぞれについて、第1尤度を算出する、付記1に記載のプログラム。
カテゴリを選定するステップ(ステップS203)では、
質問分類モデル2025に対して変更を加えることなく、質問分類モデル2025から算出された第1尤度および行動ログに基づいて、カテゴリを選定する、付記2に記載のプログラム。
カテゴリを選定するステップ(ステップS203)では、プロセッサに、
行動ログに基づいて、記憶部に記憶された複数のカテゴリそれぞれについて、行動ログから推定される行動ログとの関連の度合いを示す第2尤度を算出するステップ(ステップS2031)と、
第1尤度および第2尤度に基づいて、質問文が該当するカテゴリを選定するステップ(ステップS2033)と、を実行させる、付記1から3のいずれかに記載のプログラム。
第2尤度を算出するステップ(ステップS2031)では、
複数のユーザの行動ログを入力データとし、行動ログそれぞれの後に行われた質問に対して適切な回答とされるカテゴリを正解出力データとする学習用データを用いた機械学習により作成された行動分類モデル2026に対して、行動ログを入力することで、複数のカテゴリそれぞれについて、第2尤度を算出する、付記4に記載のプログラム。
プロセッサに、
過去のユーザからの質問文の入力に関する一連の行動ログと、当該質問文に対して選定されたカテゴリについてのユーザからの評価結果を用いて、一連の行動ログに対応して回答されたカテゴリを、行動分類モデル2026への学習用データとして選別するステップ(ステップS214)を実行させる、付記5に記載のプログラム。
第1尤度および第2尤度に基づいて、カテゴリを選定するステップ(ステップS203)では、
第1尤度に対して第2尤度を乗じて得た評価指標に基づいて、カテゴリを選定する、付記4から6のいずれか1項に記載のプログラム。
カテゴリを選定するステップ(ステップS203)では、
算出された第1尤度、およびユーザの行動ログに加えて、ユーザの属性に基づいて、カテゴリを選定する、付記1から7のいずれかに記載のプログラム。
プロセッサと、メモリとを備えるコンピュータが実行するための方法であって、方法は、プロセッサが、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出するステップ(ステップS202)と、
算出された第1尤度、およびユーザの行動ログに基づいて、質問文が該当するカテゴリを選定するステップ(ステップS203)と、
選定されたカテゴリに紐づけられた回答パターンを、ユーザ端末に対して出力するステップ(ステップS205)と、を実行する、方法。
プロセッサと、メモリとを備えるコンピュータにより実現されるシステムであって、システムは、プロセッサが、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出する手段と、
算出された第1尤度、およびユーザの行動ログに基づいて、質問文が該当するカテゴリを選定する手段と、
選定されたカテゴリに紐づけられた回答パターンを、ユーザ端末に対して出力する手段と、を備える、システム。
10 ユーザ端末
20、20B 質問回答サーバ
202 記憶部
2021 ユーザデータベース
2022 質問回答データベース
2023 操作ログデータベース
2024 学習用データデータベース
2025 質問分類モデル
2026 行動分類モデル
2027 属性分類モデル
203 制御部
2031 送受信制御モジュール
2032 質問文取得モジュール
2033 第1尤度算出モジュール
2034 第2尤度算出モジュール
2035 カテゴリ選定モジュール
2036 回答出力モジュール
2037 アンケート取得モジュール
2038 学習用データ選定モジュール
2039 第3尤度算出モジュール
Claims (10)
- プロセッサと、メモリとを備えるコンピュータに実行させるためのプログラムであって、前記プログラムは、前記プロセッサに、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、前記記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、前記質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出するステップと、
算出された前記第1尤度、および前記ユーザの行動ログに基づいて、前記質問文が該当する前記カテゴリを選定するステップと、
選定された前記カテゴリに紐づけられた前記回答パターンを、前記ユーザ端末に対して出力するステップと、を実行させる、プログラム。 - 前記第1尤度を算出するステップでは、
複数の前記質問パターンを入力データとし、複数の前記質問パターンそれぞれが該当する前記カテゴリを正解出力データとする学習用データを用いた機械学習により作成された質問分類モデルに対して、前記質問文を入力することで、複数の前記カテゴリそれぞれについて、前記第1尤度を算出する、請求項1に記載のプログラム。 - 前記カテゴリを選定するステップでは、
前記質問分類モデルに対して変更を加えることなく、前記質問分類モデルから算出された前記第1尤度および前記行動ログに基づいて、前記カテゴリを選定する、請求項2に記載のプログラム。 - 前記カテゴリを選定するステップでは、前記プロセッサに、
前記行動ログに基づいて、前記記憶部に記憶された複数の前記カテゴリそれぞれについて、前記行動ログから推定される前記行動ログとの関連の度合いを示す第2尤度を算出するステップと、
前記第1尤度および前記第2尤度に基づいて、前記質問文が該当する前記カテゴリを選定するステップと、を実行させる、請求項1に記載のプログラム。 - 前記第2尤度を算出するステップでは、
複数のユーザの行動ログを入力データとし、前記行動ログそれぞれの後に行われた質問に対して適切な回答とされる前記カテゴリを正解出力データとする学習用データを用いた機械学習により作成された行動分類モデルに対して、前記行動ログを入力することで、複数の前記カテゴリそれぞれについて、前記第2尤度を算出する、請求項4に記載のプログラム。 - 前記プロセッサに、
過去のユーザからの前記質問文の入力に関する一連の行動ログと、当該質問文に対して選定された前記カテゴリについての前記ユーザからの評価結果を用いて、前記一連の行動ログに対応して回答された前記カテゴリを、前記行動分類モデルへの前記学習用データとして選別するステップを実行させる、請求項5に記載のプログラム。 - 前記第1尤度および前記第2尤度に基づいて、前記カテゴリを選定するステップでは、
前記第1尤度に対して前記第2尤度を乗じて得た評価指標に基づいて、前記カテゴリを選定する、請求項4から6のいずれか1項に記載のプログラム。 - 前記カテゴリを選定するステップでは、
算出された前記第1尤度、および前記ユーザの行動ログに加えて、前記ユーザの属性に基づいて、前記カテゴリを選定する、請求項1に記載のプログラム。 - プロセッサと、メモリとを備えるコンピュータが実行するための方法であって、前記方法は、前記プロセッサが、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、前記記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、前記質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出するステップと、
算出された前記第1尤度、および前記ユーザの行動ログに基づいて、前記質問文が該当する前記カテゴリを選定するステップと、
選定された前記カテゴリに紐づけられた前記回答パターンを、前記ユーザ端末に対して出力するステップと、を実行する、方法。 - プロセッサと、メモリとを備えるコンピュータにより実現されるシステムであって、前記システムは、前記プロセッサが、
ユーザ端末からユーザが入力した質問文と、記憶部に記憶された質問パターンと、に基づいて、前記記憶部に記憶され、回答パターンが紐づけられた複数のカテゴリそれぞれについて、前記質問文から推定される当該質問文との関連の度合いを示す第1尤度を算出する手段と、
算出された前記第1尤度、および前記ユーザの行動ログに基づいて、前記質問文が該当する前記カテゴリを選定する手段と、
選定された前記カテゴリに紐づけられた前記回答パターンを、前記ユーザ端末に対して出力する手段と、を備える、システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022134450A JP7266261B1 (ja) | 2022-08-25 | 2022-08-25 | プログラム、方法、およびシステム |
JP2023062464A JP2024031780A (ja) | 2022-08-25 | 2023-04-07 | プログラム、方法、およびシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022134450A JP7266261B1 (ja) | 2022-08-25 | 2022-08-25 | プログラム、方法、およびシステム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023062464A Division JP2024031780A (ja) | 2022-08-25 | 2023-04-07 | プログラム、方法、およびシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7266261B1 JP7266261B1 (ja) | 2023-04-28 |
JP2024031110A true JP2024031110A (ja) | 2024-03-07 |
Family
ID=86144044
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022134450A Active JP7266261B1 (ja) | 2022-08-25 | 2022-08-25 | プログラム、方法、およびシステム |
JP2023062464A Pending JP2024031780A (ja) | 2022-08-25 | 2023-04-07 | プログラム、方法、およびシステム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023062464A Pending JP2024031780A (ja) | 2022-08-25 | 2023-04-07 | プログラム、方法、およびシステム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7266261B1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016081401A (ja) * | 2014-10-21 | 2016-05-16 | 株式会社日立製作所 | 情報検索提示装置、及び情報検索提示方法 |
JP6442807B1 (ja) * | 2018-06-15 | 2018-12-26 | カラクリ株式会社 | 対話サーバ、対話方法及び対話プログラム |
JP2019028646A (ja) * | 2017-07-28 | 2019-02-21 | Hrソリューションズ株式会社 | 情報提供装置、方法およびプログラム |
JP2021015460A (ja) * | 2019-07-12 | 2021-02-12 | カラクリ株式会社 | 質問回答表示サーバ、質問回答表示方法及び質問回答表示プログラム |
JP2021015599A (ja) * | 2020-06-15 | 2021-02-12 | カラクリ株式会社 | 質問回答表示サーバ、質問回答表示方法及び質問回答表示プログラム |
-
2022
- 2022-08-25 JP JP2022134450A patent/JP7266261B1/ja active Active
-
2023
- 2023-04-07 JP JP2023062464A patent/JP2024031780A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016081401A (ja) * | 2014-10-21 | 2016-05-16 | 株式会社日立製作所 | 情報検索提示装置、及び情報検索提示方法 |
JP2019028646A (ja) * | 2017-07-28 | 2019-02-21 | Hrソリューションズ株式会社 | 情報提供装置、方法およびプログラム |
JP6442807B1 (ja) * | 2018-06-15 | 2018-12-26 | カラクリ株式会社 | 対話サーバ、対話方法及び対話プログラム |
JP2021015460A (ja) * | 2019-07-12 | 2021-02-12 | カラクリ株式会社 | 質問回答表示サーバ、質問回答表示方法及び質問回答表示プログラム |
JP2021015599A (ja) * | 2020-06-15 | 2021-02-12 | カラクリ株式会社 | 質問回答表示サーバ、質問回答表示方法及び質問回答表示プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2024031780A (ja) | 2024-03-07 |
JP7266261B1 (ja) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11334635B2 (en) | Domain specific natural language understanding of customer intent in self-help | |
US11468241B2 (en) | Techniques to add smart device information to machine learning for increased context | |
US20160162794A1 (en) | Decision tree data structures generated to determine metrics for child nodes | |
CN105139237A (zh) | 信息推送的方法和装置 | |
US11650979B2 (en) | Assigning a new entigen to a word group | |
CN111813905B (zh) | 语料生成方法、装置、计算机设备及存储介质 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN113821612A (zh) | 信息查找方法以及装置 | |
CN115191002A (zh) | 匹配系统、匹配方法以及匹配程序 | |
JP7266261B1 (ja) | プログラム、方法、およびシステム | |
CN114218364A (zh) | 问答知识库扩充方法与装置 | |
JP6983672B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US11823785B2 (en) | Methods and systems for calculating nutritional requirements in a display interface | |
US11914657B2 (en) | Machine learning aided automatic taxonomy for web data | |
Joshi et al. | Multilingual sentiment analysis for android mobile application (Bandhu) for aged people | |
US20240037339A1 (en) | Domain-specific named entity recognition via graph neural networks | |
JP2023142286A (ja) | プログラム、方法、およびシステム | |
CN116127023A (zh) | 意图识别模型的训练方法、应答处理方法及相关装置 | |
CN117786086A (zh) | 答复文本生成方法、装置、计算机设备和可读存储介质 | |
CN117349417A (zh) | 信息查询方法、装置、电子设备及存储介质 | |
JP2023004580A (ja) | プログラム、方法、およびシステム | |
KR20220142896A (ko) | 학습 레벨을 이용한 영어 교육 방법 및 그를 위한 서비스 시스템 | |
CN116932704A (zh) | 智能问答方法及系统 | |
CN116975083A (zh) | 信息搜索方法、装置、计算机设备和存储介质 | |
CN116737767A (zh) | 一种数据库切换方法、系统、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221024 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221024 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230202 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7266261 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |