JP3576116B2 - 音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 - Google Patents
音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 Download PDFInfo
- Publication number
- JP3576116B2 JP3576116B2 JP2001082632A JP2001082632A JP3576116B2 JP 3576116 B2 JP3576116 B2 JP 3576116B2 JP 2001082632 A JP2001082632 A JP 2001082632A JP 2001082632 A JP2001082632 A JP 2001082632A JP 3576116 B2 JP3576116 B2 JP 3576116B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- user request
- voice
- request
- confirmation
- 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.)
- Expired - Fee Related
Links
Images
Description
【発明の属する技術分野】
本発明は、音声対話装置に関し、詳しくは、音声によるやりとりによってユーザの要求を確認し、ユーザの要求を処理するにあたり、ユーザとのやりとりの回数(ターン数)を少なくする技術に関する。
【0002】
【従来の技術】
音声対話装置では、通常、ユーザの発話内容は音声認識を経て理解され、ユーザの要求内容を決定していく。しかしながら、音声認識には限界があり、認識結果には誤りが含まれている可能性がある。したがって、音声対話装置がユーザの要求内容を確定するためには、音声認識結果だけに頼らずに、装置が理解した発話内容をユーザに確認する必要がある。
【0003】
また、音声対話装置が受け付け可能な語彙・言い回しとユーザの発話に齟齬がある場合などには、装置に伝わった範囲の情報では、仮にすべてを確認し終えたとしても、ユーザの要求内容がはっきりしない場合がある。こういった場合には、音声対話装置はユーザに対して情報を要求することが必要となる。
【0004】
このような音声対話装置からの確認や情報の要求によって発生する装置とユーザとの間の一連のやりとりは確認対話と呼ばれる。処理できる内容(タスク)が変われば、確認対象も変わる。タスクが変更された場合でも、対話のやりとりの回数を増やさずに確認を行う方法が必要である。
【0005】
従来、タスクが変更された場合でも、対話のやりとりの回数を増やさずに動作する音声対話装置では、受け付け可能な要求が1つに限定されていた。
【0006】
また、他の従来技術としては、少ない手間で対話を行い、複数の要求を受けつけるものがあった。しかし、タスクが変更された場合に人手により規則を記述する必要があり、タスクが変更された場合に自動的に対話のやりとりの回数(ターン数)を増やさないような確認手順に適応できるものではなかった。
【0007】
【発明が解決しようとする課題】
このように、従来の技術でタスクが変更された場合でも、ユーザの手間を増やさずに確認を行うためには、予め処理できるユーザの要求内容の種類を1つに定めておく必要があった。しかし、実際にはこういった制約があると実用的ではない。
【0008】
例えばビデオ管理を音声対話装置を用いて行う場合には、少なくとも「予約」、「予約の変更」、「予約の確認」程度は行えなければならない。これらだけでもすでに3つの要求を受けつけることができなければならないことになる。受け付け可能な要求が複数になった場合には、要求によって確認する内容が異なってくるので、事前に決めておいた手順で確認するわけにはいかない。
【0009】
また、複数の要求を受け付け可能で少ない手間で対話を行える従来技術は、タスクを変更した場合には人手で規則を記述する必要があった。
【0010】
本発明の目的は、これら従来技術の制限をなくし、複数の処理内容を受けつけることができる音声対話装置において、タスクが変更された場合であっても、少ない対話のターン数で、利用者の要求を把握できるタスク適応型高率対話処理を実現することにある。
【0011】
【課題を解決するための手段】
本発明による音声対話装置は、装置で扱えるすべて要求の種類について、ユーザ要求を特定のものに仮定した場合のユーザ要求確認終了までの期待ターン数と、各時点における装置の理解状態に対するユーザ要求の確率分布を利用して、対話終了までの期待ターン数ができるだけ小さくなるように装置の行動を決定することを主要な特徴とするものである。
【0012】
音声対話装置の理解状態は属性(項目名、「曜日」「場所」「面会相手」など)と値(「月曜日」「第三会議室」「山田課長」など)およびその値の確からしさの集合で表わされているとし、このときの属性のことをスロットと呼ぶ。ユーザ要求確認終了までの期待ターン数を得るために、特定スロット群を確認するための期待ターン数を推定する。このターン数はスロット認識率という特定のスロット群について確認をしている際の音声認識率を利用して求まる。
【0013】
たとえ確率の高いユーザ要求があったとしても、その確認のために必要なターン数が膨大であるのであれば、多少確率が低くても短いターン数で確認をし終えることのできる要求があるのであれば、まずその要求についての確認を行うことは、たとえ結果的にユーザの要求が異なっていたとしても、対話終了までの期待ターン数は短くすることができる場合がある。本発明では、各ユーザ要求の確率と各ユーザ要求までのターン数の期待値を使って、すべての確認順序の中で、もっとも期待ターン数が小さくなるような確認内容を選択できる。さらに、本発明では、タスクが変わった場合でも、設計者は新たに規則を記述する必要はない。
【0014】
【発明の実施の形態】
以下、本発明の一実施例について図面により具体的に説明する。
図1は、本発明にかかる音声対話装置の一実施例の機能ブロック図を示す。本音声対話装置はタスク仕様データベース100、音声認識部110、言語理解部120、ユーザ要求内容確率分布推定部130、スロット認識率推定部140、特定ユーザ要求確定までの期待ターン数推定部150、確認内容決定部160、出力部170などにより構成される。なお、実際には、本音声対話装置は、CPUやメモリ装置、入出力装置等の、いわゆるコンピュータシステムにより実現されるものである。
【0015】
通常、音声対話装置では1つのタスクで受け付けることのできるユーザの要求は複数ある。例えば、スケジュール管理を行う音声対話装置であれば、スケジュールの追加、変更、確認といった複数のユーザ要求が最低でも必要である。本音声対話装置でも、複数のユーザ要求の種類があるタスクを取り扱うことができる。
【0016】
図2は本音声対話装置の処理フローチャートを示したものである。図2により本音声対話装置の全体的な処理の流れを説明する。なお、ステップ230はステップ250の次でもよい。
【0017】
タスク仕様データベース100には、装置が現存処理することができるタスク仕様が記述格納されている。タスクの仕様は大きく二つの情報群からなる。一つ目は、装置で扱うことのできるユーザ要求の種類と、各ユーザ要求で必要な項目(スロット)とそのスロットに入り得る語彙の値域であり、二つ目は語彙の依存関係である。このタスク仕様データベース100の具体的記述例については後述する。
【0018】
音声対話装置は、人(ユーザ)と音声による会話をしながら特定の仕事(タスク)を実行する。音声認識部110は、ユーザの要求等を表わす音声を入力し(ステップ200)、音声認識して文字列に変換する(ステップ210)。言語理解部120は、音声認識部110によって得られた文字列を装置の理解状態に変換する(ステップ220)。理解状態は属性(項目名)と値および値の確からしさの集合で表わされ、このときの属性のことをスロットと呼ぶことにする。
【0019】
ユーザ要求内容確率分布推定部130は、言語理解部120によって得られた理解状態を用いてユーザ要求の確率分布を推定する(ステップ230)。ここでは、タスク仕様データベース100に記述されたタスク仕様の各ユーザ要求と理解状態との関連度を算出して近似的に確率値とする。
【0020】
スロット認識率推定部140は、タスク仕様データベース100から、言語理解部120によって得られた理解状態の確認対象(スロット)の語彙を入力して、音声認識部110の現確認最中での期待される認識率を推定する(ステップ240)。この推定された認識率のことをスロット認識率と呼ぶことにする。特定ユーザ要求確定までの期待ターン数推定部150は、言語理解部120から理解状態、スロット認識率推定部140からスロット認識率を入力として、タスク仕様データベース100のタスク仕様をもとに、装置が扱えるすべてのユーザ要求種類について、ユーザ要求を特定のものと仮定した場合のそれぞれの期待ターン数を推定する(ステップ250)。
【0021】
確認内容決定部200は、ユーザ要求内容確率分布推定部130からのユーザ要求の確率分布(現理解状態と各ユーザ要求の関連度)と期待ターン数推定部150からの各ユーザ要求確認終了までの期待ターン数を入力として、装置の次の確認内容を決定する(ステップ260)。出力部170は、確認内容決定部160で決定された確認内容(確認/要求)を音声に変換して出力する(ステップ270)。
【0022】
上記ステップ200〜270を、ユーザと会話しながら所望の回数繰り返して特定の仕事(タスク)が終了となるが、本音声対話装置では、各時点における理解状態に対するユーザ要求の確率分布と各ユーザ要求確認終了までの期待ターン数を用いて次の確認/要求を決定しているため、対話終了までのターン数が小さくなる。
【0023】
なお、図2に示すような処理手順をコンピュータに実行させるためのプログラムは、フロッピーやCD−ROM、その他、コンピュータで読み取り可能な記録媒体に記録して提供することが可能である。このような記録媒体に記録されたプログラムをコンピュータにロードすることにより、図1の各部の所期の機能が達成される。
【0024】
次に、本音声対話装置の各構成について詳述する。
〔音声認識部110〕
ユーザは音声によって本音声対話装置へ要求内容を伝達する。ユーザからの音声は、音声認識部110によって文字列に変換される。この音声認識部110は既存の物を利用することができる。
【0025】
〔言語理解部120〕
音声認識部110より得られた文字列は、言語理解部120によって理解状態に変換される。この言語理解部120も既存の物を利用することができる。理解状態に必要な値の確からしさは、例えばHMMベースの音声認識器の音響スコアなどを使うことができる。
【0026】
〔ユーザ要求内容確率分布推定部〕
ユーザ要求内容確率分布推定部130では、ある時点での装置の理解状態を用いて、ユ−ザ要求の確率分布を推定する。
実際に確率分布を得ることは困難なため、ここでは、タスク仕様データベース100のタスク仕様をもとに、タスク(装置)で取り扱うことができる各ユーザ要求と理解状態との関連度を定め、近似的に確率値とする方法を考える。
【0027】
いま、理解状態のスロットsiの値をviと表し、その値の確からしさをciとする。装置が確認を終えたスロットの確からしきは1とする。確認対象となっているユーザ要求Gjにおいて必要なスロットの数をNGjとする。スロットの値viが値域となりうるユーザ要求の数をMviとしたとき、その時点で理解状態Sとユーザ要求Gjとの関連度Rel(S,Gj)を、以下のように定める。
Gjの値域として認められている値が入っているviについて、
【数1】
とする。
【0028】
〔スロット認識率推定部140〕
本音声対話装置は、対話の局面に応じて必要な語彙を切り換える。例えば、装置がユーザに対して「何曜日の予定ですか?」と問合せたとする。この場合に認識することが必要となる語彙は、「月曜日」「火曜日」など曜日に言及する語彙と、「はい」「いいえ」など対話を進める上で一般的に必要となる語彙である。一方、「何曜日にどこで打ちあわせですか?」と問合せたとする。この場合に必要と思われる語彙は前述の語彙に加えて「第三会議室」「応接室」など場所に言及する語彙が必要となる。一般に語彙数が増えると音声認識部110での認識誤りの可能性が増える。
【0029】
スロット認識率推定部140では、装置が確認対象としているスロット(複数でも良い)が与えられた場合に、確認の最中で期待される音声認識率を推定する。この推定された認識率のことを「スロット認識率」と呼ぶ。
【0030】
ある語彙数nbのときの認識率rbは分かっているとする。対象スロット群に入り得る語彙数はnbであるとする。ここでは、この条件下で、スロット認識率rを推定するような方法を2つ挙げる。
【0031】
(方法1)
認識誤り率は、語彙数の平方根に比例するという経験則が知られている。この経験則を利用し、
【数2】
とする。
【0032】
(方法2)
一つの単語の尤度に対して、別の単語の尤度がその尤度を越える確率がpのとき、n個の単語の全てがその尤度を越えない確率は、(1−p)のn剰である。語彙がnbのときの認識率をrbとしたので、
【数3】
が成り立つはずなので、n語の時の認識率を
【数4】
とする。
【0033】
〔特定ユーザ要求確定までの期待ターン数推定部150〕
特定ユーザ要求確定までの期待ターン数推定部150では、装置で扱えるユーザ要求種類について、ユーザ要求の推定を正確に行えたと仮定した場合の、その特定のユーザ要求についての確認を終了するまでの期待ターン数を推定する。
この状況を、スケジュール管理を行う音声対話装置の例でたとえれば、ユーザはスケジュールの確認やその他のことではなくスケジュールの追加を行いたいのだ、ということが正確に判明している時点で、曜日やスケジュールの内容などを音声対話装置が把握するまでにかかるターン数を推定することに相当する。
【0034】
そのために、まず、スロット認識率が与えられた場合の、一回の確認/要求完了するまでの期待ターン数を推定する方法を考える。
ユーザは音声対話装置からの確認に対しては、最低でもYes/No相当を装置伝えるとし、しかもYes/Noは装置に必ず正確に伝わると仮定すれば、スロット認識率がrのときに、確認/要求に必要な期待ターン数を以下のように求めることができる。
確認が終了するまでに必要な期待ターン数tconf
【数5】
要求が終了するまでに必要な期待ターン数treq
【数6】
複数のスロットを同時に確認あるいは要求する場合に必要な期待ターン数も同様に考えることができる。
【0035】
次に、スロット認識率が与えられた場合の、特定ユーザ要求確定までの期待ターン数を推定する方法を考える。
ある時点での音声対話装置の理解状態において、特定のユーザ要求の確定までに必要な行動は、スロットの名前とそのスロットについて必要な行動(確認なのか要求なのか)の対の集合で表すことができる。この必要な行動対の集合が決まった場合の、その中で最小の期待ターンを返す確認の順序を考えることができる。なぜなら、必要な行動の集合のすべての分け方の、すべての順列には期待ターン数を考えることができるからである。この最小の期待ターン数を返すものを、今の状態から必要な行動対の集合を与えたユーザ要求までの期待ターン数とする。
【0036】
〔確認内容決定部160〕
確認内容決定部160では、各時点において装置は次にどれとどれを確認/要求すれば良いかを決定する。確認内容決定部160からの出力は、スロット名(一般には複数)と確認なのか要求なのかという情報である。
【0037】
確認内容決定部160は、入力として、ユーザ要求の確率分布(各ユーザ要求と理解状態の関連度)と、各ユーザ要求までの期待ターン数を受け付け、対話終了までの期待ターン数を小さくするような確認内容を決定する。入力として、ユーザ要求の確率分布と、各ユーザ要求までの期待ターン数を受け付ける理由は、どんなに確認終了までのターン数が小さなユーザ要求であっても、その可能性が非常に小さいのであれば、そのユーザ要求が正しいかどうかを確認するのは、結局、対話全体のターン数を大きくすることになりかねないからである。
【0038】
真のユーザの要求がGiである確率をpGi,Giまでの期待ターン数をtGiと表す。装置が仮定したユーザの要求が真のユーザの要求とは異なるということが分かるまでのターン数が、ユーザ要求確定までの期待ターン数と同じであるという仮定を置く。この場合、例えば可能なユーザ要求が2つの装置でG1,G2の順に対話をすすめていった場合の対話終了までの期待ターン数は
【数7】
と考えることができ、逆にG2、G1の順に対話をすすめていった場合の対話終了までの期待ターン数は、
【数8】
であると考えることができる。
【0039】
一般に音声対話装置が、複数のユーザ要求を受け付けることができる場合でも、
【数9】
がもっとも小さくなるようなユーザ要求の選択順a(1),a(2),…a(n)を選択する。この選択順の先頭であるGa(1)というユーザ要求を仮定した場合に、特定ユーザ要求確定までの期待ターン数推定部150が出力する、確認内容を確認内容決定部160の出力とする。
【0040】
〔出力部170〕
出力部170は、確認内容決定部160によって出力されたスロット名と確認/要求の種類を入力として受け取り、音声を出力する。この出力部170は、例えば、既存のテンプレートべースの言語生成器と、既存の音声合成器の組み合わせによって実現することができる。
【0041】
以下に、本音声対話装置における処理の具体例を示す。
ここでは会社の秘書タスクを想定し、ユーザ要求の種類としては「社内便の手配」「社員の呼び出し」「コピー受け付け」「買物内容の確認」が扱えるとし、それぞれに必要な情報は、以下の通りであるとする。
(i)「社内便の配送受け付け」
商品名(社内にあるもの)、目的部署名(全部署)、目的人名(全員)、数量(1−10)
(ii)「社員の呼び出し」
部署名(関連部署)、人名(関連人員)、日を表す数(1−30)
(iii)「コピー受け付け」
コピーの対象(書類のどれか)、部数(1−100)
(iv)「買物内容の確認」
メーカー名(カタログにある全メーカー)、商品名(カタログにある商品)、数量(1−50)
部署は全体で100、人名の種類は1000、商品名の種類は500、書類名は50、メーカー名の種類は100、「はい」「いいえ」などを含む一般的に対話に必要な語彙数を100とする。また、認識部110の基本性能として、語彙数が500であれば0.8の確率で認識に成功するとする。
【0042】
〔タスク仕様データベース100〕
タスク仕様データベース100には大きく、次の2つの情報が記述してある。
(1)各ユーザ要求で必要なスロットとそのスロットに入り得る語彙の値域
(2)語彙の依存関係
【0043】
ここでは、(1)の例としては、次のような情報が記述されることになる。
(i)「社内便の配送受け付け」
商品名(社内にあるもの)、目的部署名(全部署)、目的人名(全員)、数量(1−10)
(ii)「社員の呼び出し」
部署名(関連部署)、人名(関連人員)、日を表す数(1−30)
(iii)「コピー受け付け」
コピーの対象(書類のどれか)、部数(1−100)
(iv)「買物内容の確認」
メーカー名(カタログにある全メーカー)、商品名(カタログにある商品)、数量(1−50)
【0044】
また、(2)の例としては、次のような情報が記述される。
所属が(営業部)→名前は(杉山、阿部、近藤、岡、鈴木)のいずれか
所属が(企業部)→名前は(阿部、勝野、小林、安藤)のいずれか
所属が(研究部)→名前は(相川、中野、垣添、安藤、鈴木)のいずれか
所属が(総務部)→名前は(中野、小林、鈴木、永井)のいずれか
名前が(杉山)→所属は(営業部)
名前が(阿部)→所属は(営業部、企画部)のいずれか
名前が(近藤)→所属は(営業部)
名前が(岡)→所属は(営業部)
名前が(鈴木)→所属は(営業部、研究部、総務部)のいずれか
名前が(勝野)→所属は(企画部)
名前が(小林)→所属は(企画部、総務部)のいずれか
名前が(安藤)→所属は(企画部、研究部)のいずれか
名前が(相川)→所属は(研究部)
名前が(中野)→所属は(研究部、総務部)のいずれか
名前が(垣添)→所属は(研究部)
名前が(永井)→所属は(総務部)
【0045】
〔音声認識部110〕
音声認識部110ではユーザの発生した音声を受け取り、文字列を出力する。今、ユーザは「石元さんに送りたい」と言ったとする。これは適切に認識されるとは限らず、「石元さん、日本通…」と誤まった認識結果(文字列)を出力することがある。
以後の記述は、この誤った出力の場合の動作例を示したものである。
【0046】
〔言語理解部120〕
言語理解部120では、認識部110からの文字列を入力し、理解状態を出力する。理解状態は(スロット名、値、確からしさの集合)で表わされる。
いま、「石元さん、日本通…」の認識結果、理解部120では、
(名前=石元、確からしさ=0.8)
(メーカー=日本通、確からしさ=0.7)
といった装置の理解状態を出力したとする。
【0047】
〔ユーザ要求内容確率分布推定部130〕
ユーザ要求内容確率分布推定部130では、現在の理解状態から推定される、ユーザ要求の確率を算出するが、ここでは、装置で扱える各ユーザ要求と理解状態との関連度を(1)式で算出する。
【0048】
現在の理解状態は、(名前=石元、確からしさ=0.8)および(メーカー=日本通、確からしさ=0.7)である。
ユーザ要求「社内便の配送受け付け」で必要なスロット数は商品名、目的部署名、目的人名、数量の4つなので、N_{G_j}=4となる。
一方、「名前=石元」という値域が認められるのは社内便と、呼び出しの2つなので、M_{名前=石元}=2となる。
【0049】
よって、現在の理解状態と社内便との関連度は
Rel{S,G_{社内便}}=1/4*0.8/2=0.1
となる。同様にして、
Rel{S,G_{呼び出し}}=1/3*0.8/2=0.13
Rel{S,G_{コピー}}=0
Rel{S,G_{買物}}=1/3*0.7/1=0.23
となる。さらに、確率値の和が1になるように各関連度を正規化する。これにより、各ユーザ要求の確率は次のようになる。
「社内便の手配」=0.22
「社員の呼び出し」=0.28
「コピー受け付け」=0
「買物内容の確認」=0.5
【0050】
〔スロット認識率推定部140〕
スロット認識率推定部140では、確認対象の語彙が与えられた場合に、音声認識部110がどの程度の確率で正しく認識を行えるかどうかを推定する。ここでは、(2)式あるいは(4)式を用いてスロット認識率rを算出する。
【0051】
いま、今理解状態の中に確定した情報がない中で、スロット「名前」を装置が尋ねる場合に必要な語彙数は
1000(名前)+(一般的な語彙)=1100
となる。
【0052】
方法(1)を使った場合
r=1−(1−0.8)*sqrt(1100)/sqrt(500)=0.703
となる。また、方法(2)を使った場合
r=0.8の(1100/500)剰=0.61
となる。
【0053】
〔特定ユーザ要求確定までの期待ターン数推定部150〕
ここでは、装置が扱えるすべてのユーザ要求種類について、ユーザ要求の推定を正確に行えたと仮定して、特定ユーザ要求確定までの期待ターン数を算出する。出力はターン数と、その際の行動(確認/要求)である。
【0054】
例えば、ユーザ要求「社内便配送受け付け」を仮定した場合、現在の理解状態
(名前=石元、確からしさ=0.8)
(メーカー=日本通、確からしさ=0.7)
から、必要な行動は、
(商品名、要求)(目的部署名、要求)(目的人名、確認)(数量、要求)
となる(メーカーは無視される)。
【0055】
ここで、情報要求と確認を同時に行えないとすれば、行動の組み合わせは
A.(商品)(部署)(人名)(数量)
B.(商品 部署)(人名)(数量)
C.(商品 数量)(部署)(人名)
D.(商品)(部署 数量)(人名)
E.(商品 部署 数量)(人名)
(同じかっこ内の項目を同時に確認する)
の5通りとなる。
【0056】
さらに、それぞれについて「どの順序で確認あるいは要求を行うのか」が
A.4!=24
B.3!=6
C.3!=6
D.3!=6
E.2!=2
の44通りとなる。
これら、44通りの行動の組合せそれぞれについて、ユーザ要求内容確定までにどれくらいのターン数が必要かどうかを推定する。
【0057】
例えば、(人名)→(部署 数量)→(商品)という行動系列での期待ターン数を考える。
(人名)の部分での期待ターン数は、語彙数(人名の種類+一般的な語彙)から、スロット認識率推定部140によって出力された認識率r_1から、1/r_1と推定できる。
(部署 数量)の部分での語彙数は、先に(人名)が確定したはずであり、人名が定まっていれば部署は全部署を対象とするのではなく、「石元」という名前の人が所属する部署にだけ語彙を絞ることができる。この時の語彙数から、スロット認識率推定部140によって推定された認識率r_から、(部署 数量)を確定するために必要なターン数は、1/r_2と推定できる。
【0058】
同様に(商品)の部分での認識率r_3も、語彙数(商品の数+一般的な語彙)から推定でき、必要なターン数は1/r_3と推定できる。
よって、(人名)→(部署 数量)→(商品)に必要な期待ターン数は、1/r_1+1/r_2+1/r_3となる。
【0059】
同様の計算を44通りの組合せすべてについて行う。この中で最も小さい値となる組合せが、この特定要求までの期待ターン数推定部150の出力となる。
【0060】
〔確認内部決定部160〕
ここでは、特定ユーザ要求確定までの期待ターン数推定部150が出力したターン数と、ユーザ要求内部確率分布推定部130が出力した確率分布から、次に装置が何を確認あるいは情報要求するのかを決定する。
【0061】
いま、特定ユーザ要求確定までの期待ターン数推定部150、ユーザ要求内容確率分布推定部130の出力として、
「社内便の手配」8ターン、0.22
「社員の呼び出し」10ターン、0.28
「コピー受け付け」12ターン、0
「買物内容の確認」5ターン、0.5
というターン数と確率分布が得られたとする。
【0062】
仮に、次の順序で確認をするとする。
1.ユーザの要求内容は「社内便の手配」なのかどうかを8ターンかけて確認。成功すればおしまい。失敗すれば元の理解状態を仮定して2へ。
2.ユーザの要求内容は「社員の呼び出し」なのかどうかを8ターンかけて確認。成功すればおしまい。失敗すれば元の理解状態を仮定して3へ。
3.ユーザの要求内容は「コピー受け付け」なのかどうかを8ターンかけて確認。成功すればおしまい。失敗すれば元の理解状態を仮定して4へ。
4.ユーザの要求内容は「買物内容の確認」以外にありえないので、「買物内容の確認」の要求内容を8ターンかけて確認。
【0063】
この場合の期待ターンを、
0.22*8+0.28*(8+10)+0*(8+10+12)+0.5*(8+10+12+5)
とする。
【0064】
以上の計算を「社内便の手配」「社員の呼び出し」「コピー受け付け」「買物内容の確認」の順序を入れかえた4!=24通り、すべてについて行う。これが最も小さくなるような順序を選び、その際に最初に確認すべきユーザ要求内容について、特定ユーザ要求確定までの期待ターン数推定部150が出力した行動を出力する。
【0065】
行動は、スロット名と要求あるいは確認およびスロット値であり、例えば、「部署、要求、なし」あるいは「人名、確認、石元」などとなる。
【0066】
〔出力部170〕
出力部170では、確認内容決定部160の出力を入力としてユーザに音声を出力する。
たとえば、「部署、要求、なし」が入力された場合には、「部署名を教えてください」と出力する。また、「人名、確認、石元」が入力された場合には、「お名前は石元さまでよろしいですね?」と出力する。
【0067】
なお、従来の音声対話装置であれば、予め決められた確認手順を取ることになる。たとえば、
1.理解状態中の未確認のものには1つずつ確認する
という確認手順であれば、「石元さんですね?」と確認することになるし、
2.理解状態中の未確認のものはまとめて確認する
という確認手順であれば、「石元さん、日本通ですね?」と確認することになるし、
3.ユーザの関求内容を特定できるまでは、予め決められた順序でユーザに発話を要請する、
という確認手順であれば、「姓は何ですか?」といったことを聞くことになる。いずれにしても、対話終了までの対話のやりとりの回数の増加はまぬがれないものである。
【0068】
【発明の効果】
以上説明したように、本発明による音声対話装置を用いると、タスクが変更されても少ない対話のやりとりの回数で確認を行い、対話終了までの対話のやりとりの回数を小さくすることが可能である。
【図面の簡単な説明】
【図1】本発明の音声対話装置の一実施例のブロック図である。
【図2】図1の処理フローチャートである。
【符号の説明】
100 タスク仕様データベース
110 音声認識部
120 言語理解部
130 ユーザ要求内容確率分布推定部
140 スロット認識率推定部
150 特定ユーザ要求確定までの期待ターン数推定部
160 確認内容決定部
170 出力部
Claims (5)
- 利用者(ユーザ)と音声によるやりとりによってユーザの要求を確認し、ユーザの要求を処理する、ユーザ要求の種類が複数扱える音声対話装置であって、
ユーザの音声を入力し、音声認識して文字列に変換する手段と、
前記文字列を装置内部の理解状態に変換する手段と、
前記理解状態を入力として、現理解状態と装置で扱える各ユーザ要求との関連度を求めることで、ユーザ要求の確率分布を推定する手段と、
前記理解状態の確認対象の語彙を入力し、特定の項目に関しての確認の最中での期待される音声認識率を推定する手段と、
前記理解状態と前記推定された音声認識率を入力として、装置で扱える各ユーザ要求種類について、ユーザ要求を特定のもと仮定した場合の期待ターン数を推定する手段と、
前記推定したユーザ要求の確率分布と期待ターン数を入力として、装置の次の確認あるいは要求を表わす確認内容を決定する手段と、
前記確認内容を音声に変換して出力する手段と、
を有することを特徴とする音声対話装置。 - 請求項1記載の音声対話装置において、装置が処理することのできるタスクの仕様として、少なくともユーザ要求の種類と各ユーザ要求で必要な項目とその項目に入り得る語彙の値域および語彙の依存関係を記述したデータベースを有することを特徴とする音声対話装置。
- 音声対話装置が利用者(ユーザ)と音声によるやりとりによってユーザの要求を確認し、ユーザの要求を処理する、ユーザ要求の種類が複数扱える音声対話処理方法であって、
ユーザの音声を入力し、音声認識して文字列に変換するステップと、
前記文字列を装置内部の理解状態に変換するステップと、
前記理解状態を入力として、現理解状態と装置で扱える各ユーザ要求との関連度を求めることで、ユーザ要求の確率分布を推定するステップと、
前記理解状態の確認対象の語彙を入力し、特定の項目に関しての確認の最中での音声認識の認識率を推定するステップと、
前記理解状態と前記推定された音声認識の認識率を入力として、装置で扱える各ユーザ要求種類について、ユーザ要求を特定のもと仮定した場合の期待ターン数を推定するステップと、
前記推定したユーザ要求の確率分布と期待ターン数を入力として、装置の次の確認あるいは要求を表わす確認内容を決定するステップと、
前記確認内容を音声に変換して出力するステップと、
を有することを特徴とする音声対話処理方法。 - 請求項3記載の音声対話処理方法の処理をコンピュータで実行させるためのプログラム。
- 請求項3記載の音声対話処理方法の処理をコンピュータで実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001082632A JP3576116B2 (ja) | 2001-03-22 | 2001-03-22 | 音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 |
US10/059,884 US7251595B2 (en) | 2001-03-22 | 2002-01-29 | Dialogue-type information providing apparatus, dialogue-type information providing processing method, and program and recording medium for the same |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001082632A JP3576116B2 (ja) | 2001-03-22 | 2001-03-22 | 音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002278589A JP2002278589A (ja) | 2002-09-27 |
JP3576116B2 true JP3576116B2 (ja) | 2004-10-13 |
Family
ID=18938551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001082632A Expired - Fee Related JP3576116B2 (ja) | 2001-03-22 | 2001-03-22 | 音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3576116B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11367441B2 (en) | 2018-11-01 | 2022-06-21 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US11842735B2 (en) | 2018-11-01 | 2023-12-12 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8086462B1 (en) * | 2004-09-09 | 2011-12-27 | At&T Intellectual Property Ii, L.P. | Automatic detection, summarization and reporting of business intelligence highlights from automated dialog systems |
JP5341548B2 (ja) * | 2009-02-18 | 2013-11-13 | トヨタ自動車株式会社 | 音声認識装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06308996A (ja) * | 1993-04-23 | 1994-11-04 | Nippon Telegr & Teleph Corp <Ntt> | 質問応答型の対話装置におけるコマンドの要求およびコマンドの認識結果の確認のためのプロンプトの作成方法 |
JPH07152723A (ja) * | 1993-11-30 | 1995-06-16 | Nippon Telegr & Teleph Corp <Ntt> | 対話処理装置 |
JPH09326856A (ja) * | 1996-06-03 | 1997-12-16 | Mitsubishi Electric Corp | 音声認識応答装置 |
JPH1091188A (ja) * | 1996-09-17 | 1998-04-10 | Nippon Telegr & Teleph Corp <Ntt> | 音声対話手順生成装置 |
JP3424188B2 (ja) * | 1997-03-14 | 2003-07-07 | 日本電信電話株式会社 | 音声自動応答装置における音声対話手順生成設定装置 |
JP3933813B2 (ja) * | 1999-04-08 | 2007-06-20 | 三菱電機株式会社 | 音声対話装置 |
-
2001
- 2001-03-22 JP JP2001082632A patent/JP3576116B2/ja not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11367441B2 (en) | 2018-11-01 | 2022-06-21 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
US11842735B2 (en) | 2018-11-01 | 2023-12-12 | Samsung Electronics Co., Ltd. | Electronic apparatus and control method thereof |
Also Published As
Publication number | Publication date |
---|---|
JP2002278589A (ja) | 2002-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7747438B2 (en) | Multi-slot dialog systems and methods | |
US7184539B2 (en) | Automated call center transcription services | |
US8064573B2 (en) | Computer generated prompting | |
US7020607B2 (en) | Dialogue processing system and method | |
US7966171B2 (en) | System and method for increasing accuracy of searches based on communities of interest | |
US8725492B2 (en) | Recognizing multiple semantic items from single utterance | |
US9424838B2 (en) | Pattern processing system specific to a user group | |
JP4155854B2 (ja) | 対話制御システム及び方法 | |
US7251595B2 (en) | Dialogue-type information providing apparatus, dialogue-type information providing processing method, and program and recording medium for the same | |
JP2002538534A (ja) | 音声認識システムの動的意味論的制御 | |
US20060287868A1 (en) | Dialog system | |
JP7230806B2 (ja) | 情報処理装置、及び情報処理方法 | |
JP2006146262A (ja) | 自動スピーチ認識サービス提供方法及びシステム並びに媒体 | |
US20180308481A1 (en) | Automated assistant data flow | |
CN109801631A (zh) | 基于语音识别的录入方法、装置、计算机设备及存储介质 | |
US20240176957A1 (en) | Systems and methods for inserting dialogue into a query response | |
JPH0863478A (ja) | 言語処理方法及び言語処理装置 | |
JP3576116B2 (ja) | 音声対話装置、音声対話処理方法、音声対話処理プログラムおよびその記録媒体 | |
JP3878147B2 (ja) | 端末装置 | |
JP3776341B2 (ja) | 音声対話方法および、この方法を実施する装置、プログラム、このプログラムを記録した記録媒体 | |
JP7377668B2 (ja) | 制御装置、制御方法及びコンピュータプログラム | |
KR102280453B1 (ko) | 화자 식별을 통한 전자문서 데이터 제공 방법 및 장치 | |
KR20100101086A (ko) | 전화 주문을 처리하기 위한 방법 | |
JP2002288155A (ja) | 単語属性推定装置、単語属性推定方法、そのプログラムおよび記録媒体 | |
JPH07282081A (ja) | 音声対話型情報検索装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040217 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040419 |
|
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: 20040706 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040706 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080716 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080716 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090716 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090716 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100716 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100716 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110716 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120716 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130716 Year of fee payment: 9 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |