JP3848154B2 - 相性診断システム及び相性診断方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、人間間の相性を診断する相性診断システム及び相性診断方法に関する。
【０００２】
【従来の技術】
近年からの人間間の相性は、パーソナルコンピュータを用いて診断することができる。このパーソナルコンピュータを用いて行う相性診断は、自己のデータ（例えば、性格、職業、年齢など）と相手方のデータとを比較し、比較した結果、自己のデータが相手方のデータと一致している割合が大きい場合は、両者間の相性が合っていると診断するものである。
【０００３】
これにより、他の人間との相性を診断したい者は、自己のデータと他人のデータをパーソナルコンピュータに入力するだけで容易に相手方との間の相性を診断することができる。
【０００４】
【発明が解決しようとする課題】
しかしながら、上記パーソナルコンピュータによる相性診断は、各人間間のデータの共通性に基づいて各人間間の診断を行っているが、この共通するデータは特定のキーワード（例えば、趣味；サッカーなど）しか用いておらず、そのキーワードを特徴付ける感情度を用いていなかった。
【０００５】
このため、従来では、例えば、一方の各人間がサッカーというキーワードを入力した場合であっても、そのサッカーに対する感情、例えばとても好きなのか、単に好きなのかを含めて、各人間間の相性を診断することができず、より正確な相性を診断することができなかった。
【０００６】
そこで、本発明は以上の点に鑑みてなされたもので、相性診断を行う各人間間の心理的な感情をも含めて各人間間の相性をより正確に診断することのできる相性診断システム及び相性診断方法を提供する。
【０００７】
【課題を解決するための手段】
本願に係る発明は、上記課題を解決すべくなされたものであり、利用者から入力された文字列を認識し、キーワードをその属性毎に分類し、分類されたキーワード群とその属性とを対応付ける属性テーブルを記憶し、認識された前記文字列に基づいて、該文字列に含まれる所定のキーワード及び該キーワードの属性を、前記属性テーブルと照合することにより前記利用者毎に抽出し、抽出された各前記キーワードを含む各前記文字列に基づいて、該各キーワードに対する各前記利用者の感情の度合いを示す感情度をそれぞれ認識し、認識された各前記利用者の前記感情度に基づいて、各前記利用者間の相性を前記キーワードの属性毎にランク付し、ランク付けられたランクに応じて各前記利用者間の相性を診断することを特徴とするものである。
【０００８】
このような本願に係る発明によれば、端末が、各利用者から入力された文字列に含まれる所定のキーワードを前記利用者毎に抽出し、抽出した各前記キーワードを含む各前記文字列に基づいて、該各キーワードに対する各前記利用者の感情の度合いを示す感情度を認識し、認識した各前記利用者の前記感情度に基づいて、各前記利用者間の相性を判断するので、端末は、各利用者が入力（例えば、音声入力、文字入力など）した文字列に含まれるキーワード（例えば、サッカー）に対する感情度（例えば、とても好き、好き、嫌い、とても嫌いなど）に基づいて各利用者間の相性を診断することができ、前記キーワードのみに基づく各利用者間の相性診断よりも精度良く診断することができる。
【０００９】
尚、端末は、各前記利用者の音声情報を取得し、取得した前記音声情報に基づいて、該音声情報に対応する文字列を認識するものであってもよい。これにより、利用者は、端末に向かって発話すれば、発話した内容が端末に入力されるので、逐一文字を操作手段を通じて入力する必要がなくなる。
【００１０】
また、本願に係る発明は、認識された前記感情度を所定の符号に変換し、抽出された前記利用者毎の各前記キーワードと該各キーワードに対応する各前記符号とを関連付けて、前記キーワードの属性毎に蓄積し、蓄積された各前記利用者間で共通する各前記キーワードに関連付けられた前記利用者毎の各前記符号を取得し、取得された前記利用者毎の各前記符号に基づいて、前記利用者間についての該各符号間の差分を算出し、算出された前記差分に基づいて、該差分の大きさに応じて各前記利用者間の相性を前記属性毎にランク付けすることを特徴とするものである。
【００１１】
このような本願に係る発明によれば、端末が、前記キーワードに関連付けられた各利用者の感情度を所定の符号に変換し、この変換した前記各符号に基づいて該各符号間の差分を算出し、算出された前記差分に基づいて該差分の大きさに応じて前記利用者間の相性を前記属性毎にランク付けするので、端末は、算出された前記差分に基づいて、各利用者間についてのあるキーワードにおける感情度の差により各利用者間の相性を診断することができる。
【００１２】
また、本願に係る発明は、抽出された前記キーワードが含まれる前記文字列に基づいて、該キーワードに対する前記感情度が発生した時期を認識し、取得された前記利用者毎の各前記符号に基づいて、各前記利用者間についての該各符号間の差分を前記時期毎に算出し、算出した前記時期毎の前記差分に基づいて、前記時期毎に対応する前記差分の変化状況に応じて各前記利用者間の相性を前記属性毎にランク付することを特徴とするものである。
【００１３】
このような本願に係る発明によれば、端末が、上記より算出した前記時期毎の前記差分に基づいて、前記時期毎に対応する前記差分の変化状況に応じて各前記利用者間の相性を前記属性毎にランク付するので、端末は、各利用者が入力した文字列に含まれるキーワードに対する感情度が発生した時期に基づいて各利用者間の相性を診断することができ、各利用者間における前記キーワードに関連付けられた感情度の変化を踏まえて各利用者間の相性を診断することができる。
【００１４】
尚、端末は、前記差分の変化状況が小さいときは各前記利用者間の相性を良い段階にランク付し、前記差分の変化状況が大きいときは各前記利用者間の相性を悪い段階にランク付することができる。
【００１５】
尚、端末は、前記文字列を入力した各前記利用者に対応するそれぞれのキャラクターを生成し、ランク付けられたランクに応じて各前記キャラクター間、又は前記キャラクターと該キャラクターの相手方のキャラクターに対応する前記利用者との間の相性を診断することができるものであってもよい。これにより、各利用者の相性診断の結果がでるまでは、各利用者は、画面上に表示されている各キャラクターとの間等で相性が診断されていくので、ゲーム感覚で相性診断を行うことができる。
【００１６】
【発明の実施の形態】
［相性診断システムの基本構成］
本発明に係る相性診断システムについて図面を参照しながら説明する。図１は、本実施形態に係る相性診断システムの概略構成図である。
【００１７】
同図に示すように、相性診断システムは、各利用者が入力した文字列から各利用者の感情の度合いを示す感情度を推論し、推論した各利用者の感情度に基づいて、各利用者間の相性を診断する端末１００を有するものである。尚、この端末１００は、例えば、パーソナルコンピュータ、携帯電話機などが挙げられる。
【００１８】
端末１００は、本実施形態では、入力部１０１と、音声認識部１０２と、音声認識辞書記憶部１０３と、推論エンジン１０４と、会話履歴データベース１０５と、出力部１０６とを有している。
【００１９】
入力部１０１は、利用者の音声情報を取得する取得手段である。具体的に入力部１０１は、利用者の音声情報を取得し、取得した音声情報を音声信号として音声認識部１０２に出力する。音声認識部１０２は、入力部１０１で取得した音声情報に基づいて、その音声信号に対応する文字列を特定する音声認識手段である。 具体的には、音声信号が入力された音声認識部１０２は、入力された音声信号を解析し、解析した音声信号に対応する文字列を、音声認識辞書記憶部１０３に格納されている辞書を用いて特定し、特定した文字列を文字列信号として推論エンジン１０４に出力する。
【００２０】
音声認識辞書記憶部１０３は、標準的な音声信号に対応する辞書を格納しているものである。出力部１０６は、推論エンジン１０４からの指示に対応する命令を出力するものであり、例えば、ディスプレイ、スピーカ等が挙げられる。具体的には、例えば推論エンジン１０４から音声命令信号が入力された出力部１０６は、入力された音声命令信号に対応する音声を出力する。
【００２１】
尚、音声認識部１０２は、利用者が操作部（例えば、キーボード）を通じて入力した文字列を特定する文字認識手段でもある。更に、音声認識辞書記憶部１０３は、利用者が操作部を通じて入力した文字列に対応する辞書を格納するものでもある。これにより、各利用者は、端末１００に対して発話するだけでなく、操作部から文字を入力することによっても、端末１００から所定の相性診断の結果を取得することができる。
【００２２】
会話履歴データベース１０５は、感情判定部１０４ｅ（キーワード抽出手段）で抽出された利用者毎の各キーワードと、該各キーワードに対応する各符号とを関連付けて、キーワードの属性毎に蓄積するキーワード蓄積手段である。
【００２３】
この会話履歴データベース１０５は、例えば、ハードディスク、ＣＤ−ＲＯＭなどが挙げられる。ここで、会話履歴データベース１０５には、図６に示すように、各利用者の発話内容を所定の属性毎に分類した「属性テーブル」を有しており、例えば、利用者間のスポーツについての共通性を調べるための「スポーツテーブル」、利用者間の読書についての共通性を調べるための「読書テーブル」、利用者間の性格についての共通性を調べるための「性格テーブル」、利用者間の趣味についての共通性を調べるための「趣味テーブル」などを有している。
【００２４】
具体的に、上記各テーブルは、図７に示すように、本実施形態では、推論エンジン１０４で抽出されたキーワードとそのキーワードに対する利用者の感情度（符号化したもの）又は時制とを相互に関連付けしたものを、前記キーワードの属性毎に蓄積している。これらの内容についての詳述は後述する。
【００２５】
前記推論エンジン１０４は、各利用者の感情度に基づいて、各利用者間の相性をキーワードの属性毎にランク付し、ランク付に応じて各利用者間の相性を診断するものである。
【００２６】
即ち、推論エンジン１０４は、音声認識部１０２で特定した文字列に基づいて各利用者が抱く感情度又はその感情度が発生した時期（時制）を特定し、特定した感情度又はその感情度が発生した時制に関連付けられたキーワードを利用者毎に抽出し、抽出した該キーワードの中から、利用者間で共通するキーワードを検出して、検出したキーワードに関連付けられた感情度又は時制に基づいて各利用者間の相性を診断するものである。
【００２７】
ここで、時制とは、文字列に含まれる感情度が発生した時期を意味するものである。この時制は、本実施形態では、過去、現在、未来を用いるものとする。尚、推論エンジン１０４は、本実施形態では、利用者間で行われる会話を進行させるための司会役を務めるものでもあり、例えば、利用者間に共通する属性（例えば、スポーツ）を推論し、推論した属性の範囲内で司会進行役を務めることができる。
【００２８】
これにより、推論エンジン１０４は、利用者間で行われる会話を進行させることにより、ある属性において、各利用者から入力された文字列に基づいてその文字列に含まれるキーワードと、文字列を構成する時制を特定し、特定したキーワードと時制とに基づいて各利用者の相性を診断することができる。
【００２９】
この推論エンジン１０４は、本実施形態では、文脈を解読するための文脈辞書、言語の類似関係を調べるための類似関係辞書、日本語文節解析に関する辞書、日本語の形態素解析（各品詞、活用形、属性、連接）に関わる辞書を有しており、これらの辞書を基に、利用者が発話した日本語の意味内容を解読し、解読した意味内容から各利用者に共通する属性を推論し、推論した属性に基づいて、利用者間で会話を進行させるための適切な文を作成する。
【００３０】
即ち、日本語の意味内容を解読した推論エンジン１０４は、解読した意味内容に基づいて、解読された意味の結束性、話題の変化、利用者の感情を形成する言語、今までの会話の統計などにより、利用者に共通する属性を推論し、推論した属性に基づいて利用者間で会話を進行させるための適切な文を作成する。
【００３１】
また、推論エンジン１０４は、人工知能、ニューラルネットワークによって構成されているものでもあり、利用者との間で交わされた言語（単語、文など）をニューラルネットに学習させ、その学習された言語に基づいて利用者間で会話を進行させるための適切な文を作成する。
【００３２】
更に、推論エンジン１０４は、解読した日本語の意味内容が曖昧な表現であると判断した場合は、ファジー機能を用いて、曖昧な表現に対応した質問内容をも作成することもできる。尚、推論エンジン１０４に有する上記機能の実行は、後述するＡＩ推論部１０４ｆ、解析部１０４ｇが主に担っている。
【００３３】
具体的には、音声認識部１０２から文字列信号が入力された推論エンジン１０４は、入力された文字列信号に対応する文字列を構成する要素に基づいて、利用者の感情、利用者がその感情を抱いた時期、文字列に含まれるキーワードを判別する。これらの”利用者の感情”、”利用者がその感情を抱いた時期（時制）”、”文字列に含まれるキーワード”は、本実施形態では、感情情報を意味するものとする。
【００３４】
ここで、「利用者の感情」には、例えば、関心／無関心、喜ぶ／つまらない等が挙げられる。また、「利用者の感情」には、キーワードに対する利用者が抱く感情の度合いを示す「感情度」も含まれているものであり、例えば、すごく関心がある／関心がある／関心がない／全く関心がない等が含まれている。
【００３５】
この「感情の程度」（感情度）は、本実施形態では、利用者がプラス的な感情を強く持っている場合をＰ２（Ｐ；Positive）〔例えば、とても関心がある〕（このＰ２は、数値（符号）で表現すると”２”）、利用者がプラス的な感情を単に持っている場合をＰ１〔例えば、関心がある〕（このＰ１は、数値で表現すると”１”）、利用者がマイナス的な感情を単に持っている場合をＮ１（Ｎ；Negative）〔例えば、関心がない〕（このＮ１は、数値で表現すると”−１”）、利用者がマイナス的な感情を強く持っている場合をＮ２〔例えば、全く関心がない〕（このＮ２は、数値で表現すると”−２”）と表現する。
例えば、推論エンジン１０４が出力部１０６を通じて各利用者に対し、”何か好きなスポーツはありますか？”と質問した場合に、一の利用者（以後、一の利用者は、「利用者Ａ」と省略する）が”私はサッカーをして遊ぶのがとても好きです”と返事をした場合は、推論エンジン１０４は、上記発話された内容から、サッカー（キーワード）に対応する感情度が”とても好きだ”と判断し、図５の対応表より数値化（符号化）された感情度を”２”であると判断し、”〜です”の文言から、キーワードに対応する感情度が発生した時期を”現在”であると判断する。
【００３６】
その後、推論エンジン１０４は、利用者Ａがサッカーのキーワードを発話していることから、各利用者はスポーツの属性について共通する話題があるのでは、と推論し、他の利用者（以後、他の利用者は「利用者Ｂ」と省略する）に対して、”利用者Ｂさんは何かスポーツをやっていますか”と質問する。
【００３７】
この場合、利用者Ｂが”私はサッカーをして遊ぶことがとても嫌いです”と発話した場合は、推論エンジン１０４は、上記発話された内容から、サッカー（キーワード）に対応する感情度が”とても嫌いだ”と判断し、同図の対応表により数値化された感情度を”−２”であると判断し、”〜です”の文言から、キーワードに対応する感情度が発生した時期を”現在”であると判断する。
【００３８】
各利用者に対して様々な質問をし、各キーワードに対応する感情度を判断した推論エンジン１０４は、判断した各キーワードに対応する「感情の度合い（感情度）」を、時制毎・利用者毎に会話履歴データベース１０５に蓄積する（図７参照）。
【００３９】
その後、推論エンジン１０４は、利用者間で共通するキーワードに関連付けられた感情度と時制とを会話履歴データベース１０５から取得する。両者に共通するキーワードを取得した推論エンジン１０４は、各キーワードに関連付けられた各感情度に基づいて、両感情度にどれくらいの差があるかについて計算する。
【００４０】
例えば、上記より推論エンジン部１０４は、利用者Ａ及び利用者Ｂの数値化された感情度がそれぞれ”２””−２”であることから、両感情度の差が”４”であると計算することができる。
【００４１】
これにより、利用者間の両感情度の差が”４”であり、利用者間の感情度には大きな差があることから、推論エンジン１０４は、両者との間には”サッカーについての話題は適さず、サッカーについての共通性はないな、と診断することができる。
【００４２】
この利用者間の感情度の計算は、時制（過去、現在、未来）毎に行うことができ、推論エンジン１０４は、各時制における利用者間の感情度の差を計算し、計算した感情度の変化に応じて両者間の相性（共通性）を診断することができる。これらの診断についての詳述は後述する。
【００４３】
上記推論エンジン１０４は、本実施形態では、図２に示すように、文節認識部１０４ａと、時制解釈部１０４ｂと、類別部１０４ｃと、強調語検出部１０４ｄと、感情判定部１０４ｅと、ＡＩ推論部１０４ｆと、解析部１０４ｇとを有している。
【００４４】
文節認識部１０４ａは、文を解析し、解析した文に基づいて、文から把握される言葉の意味空間を認識するものである。ここで、文の解析とは、文の形態要素、例えば品詞、活用形、属性、連接関係を解析することを意味する。言葉の意味空間は、文脈、文の類似関係、文の学習パターンから把握するものである。
【００４５】
更に、文節認識部１０４ａは、上記認識により、文と文との間を認識するものである。具体的には、文から把握される言葉の意味空間を認識した文節認識部１０４ａは、入力された文字列信号に基づいて文と文との間を認識する。
【００４６】
この認識は、本実施形態では、文と文との間にはある程度の時間間隔があるので、その時間間隔に基づいて文と文との間を区別するものである。例えば、文字信号に対応する文が、”今日は暑いな・・・アイスを食べよう”というものである場合は、文節認識部１０４ａは、上記文の中で時間間隔がある部分”・・・”を文の区切りと認識し、”今日は暑いな”と”アイスを食べよう”との文に分けることを行う。
【００４７】
文と文との間を認識した文節認識部１０４ａは、文を１文毎に区分けして、１文毎に区分けした文を文体信号として時制解釈部１０４ｂ、類別部１０４ｃ、強調語検出部１０４ｄ、感情判定部１０４ｅに出力する。
【００４８】
類別部１０４ｃは、文字列から利用者の感情の種類を判別するものである。具体的には、文節認識部１０４ａから文体信号が入力された類別部１０４ｃは、入力された文体信号に対応する文に基づいて、文に含まれる要素から感情に関係するフレーズを抜き出し、この抜き出したフレーズがどのような感情の類別に属するものであるかを特定する。
【００４９】
この感情の類別は、本実施形態では、例えば図３に示す「感情類別テーブル」に従って類別する。感情類別テーブルは、例えば、利用者がプラス的な感情要素を意味していることを示す「プラス要素Ｐ（Ｐ；Positive）」、利用者がマイナス的な感情要素を意味していることを示す「マイナス要素Ｎ（Ｎ；Negative）」を有している。
【００５０】
このプラス要素Ｐには、例えば、いいね、良い、ほっとする、最高、喜ぶ、気になる等が含まれる。また、マイナス要素Ｎには、例えば、だめ、悪い、まいる、最低、つまらない、気にならない（無関心）等が含まれる。類別部１０４ｃは、上記の「感情類別テーブル」に基づいて、１文の中からどのような感情が含まれているのかを類別し、この類別した結果を類別信号として感情判定部１０４ｅに出力する。
【００５１】
強調語検出部１０４ｄは、文字列から感情の強弱を特徴付ける要素を抽出するものである。具体的には、文節認識部１０４ａから文体信号が入力された強調語検出部１０４ｄは、入力された文体信号に対応する文に基づいて、その文を構成する要素の中に、強調語があるか否かを検出する。
【００５２】
この強調語の検出は、本実施形態では、例えば図４に示す「強調語テーブル」に従って行うことができる。この「強調語テーブル」には、同図に示すように、例えば、すげー、ちょー、うひょー、わおー、ひえー、めっちゃ、すごく、とても、かなり等の副詞、感嘆詞が含まれる。
【００５３】
強調語検出部１０４ｄは、上記の「強調語テーブル」に基づいて、１文の中にある強調語を検出し、検出した強調語を強調語検出信号として感情判定部１０４ｅに出力する。
【００５４】
感情判定部１０４ｅは、キーワードをその属性毎に分類し、分類されたキーワード群とその属性とを対応付ける属性テーブルを記憶する記憶手段である。また、感情判定部１０４ｅは、文節認識部１０４ａで認識された文字列に基づいて、該文字列に含まれる所定のキーワード及び該キーワードの属性を、前記属性テーブルと照合することにより前記利用者毎に抽出するキーワード抽出手段でもある。
【００５５】
更に、感情判定部１０４ｅは、抽出した各キーワードを含む各文字列に基づいて、各キーワードに対する各利用者の感情の度合いを示す感情度を認識する感情度認識手段である。更に、感情判定部１０４ｅは、認識した感情度を所定の符号に変換する符号変換手段でもある。
【００５６】
具体的には、類別部１０４ｃ、強調語検出部１０４ｄ、文節認識部１０４ａから類別信号、強調語検出信号、文体信号が入力された感情判定部１０４ｅは、入力された類別信号、強調語検出信号、文体信号に基づいて、利用者の感情の程度（感情度）を判定する。
【００５７】
この感情の程度の判定は、本実施形態では、例えば図５に示す「感情度テーブル」に従って行うことができる。この「感情度テーブル」には、例えば、同図に示すように、判定要素（利用者の感情）と、「感情の程度」とを有している。
【００５８】
判定要素は、利用者の感情を左右するフレーズを意味するものであり、例えば、同図に示すように、関心／無関心、喜ぶ／つまらない、最高／最低、ほっとする／まいる等が挙げられる。この判定要素は、上述した「利用者の感情」と同義の意味である。
【００５９】
例えば、「感情の程度」は、上述の如く、同図に示すように、判定要素が「関心／無関心」である場合は、感情の程度は、すごく関心がある（Ｐ２）｛数値２｝、関心がある（Ｐ１）｛数値１｝、関心がない（Ｎ１）｛数値（−１）｝、全く関心がない（Ｎ２）｛数値（−２）｝と類別することができる。
【００６０】
感情判定部１０４ｅは、類別信号に対応する「感情の類別」、強調語検出信号に対応する強調語に基づいて、上記「感情度テーブル」を参照し、１文から把握される利用者の感情がどの程度なのかを判定し、判定した結果（Ｐ２、Ｐ１、Ｎ１、Ｎ２）を感情判定信号としてＡＩ推論部１０４ｆに出力する。
【００６１】
例えば、文体信号に対応する文字列が”私はサッカーで遊ぶのがとても好きです”である場合は、類別部１０４ｃは、”好きです”という文字列を検出し、強調語検出部１０４ｄは、”とても”という文字列を検出する。感情判断部１０４ｅは、類別部１０４ｃで検出された”好きです”と、強調語検出部１０４ｄで検出した”とても”とに基づいて、図５のテーブルを参照し、利用者の感情の度合いをＰ２（数値２）であると判断する。
【００６２】
また、感情判定部１０４ｅは、文節認識部１０４ａで認識された文字列に基づいて、文字列に含まれる所定のキーワードを利用者毎に抽出する。具体的に、感情判定部１０４ｅは、例えば、記憶部（図示せず）に記憶されている「属性テーブル」と文字列とを照合することにより、文字列を構成する重要な要素である”サッカー”というキーワードを抽出し、その抽出したキーワードとそのキーワードに対応する「感情の程度」とを含む感情情報を感情情報信号としてＡＩ推論部１０４ｇに出力する。
【００６３】
時制解釈部１０４ｂは、利用者が入力した文字列から、文字列に含まれるキーワードに対応する感情度が発生した時期（時制）を認識する時期認識手段である。具体的には、文節認識部１０４ａから文体信号が入力された時制解釈部１０４ｂは、入力された文体信号に対応する文字列に基づいて、その文字列に含まれる事象がどの時制（時点）に該当するのかを解釈する。この時制は、過去、現在、未来により構成されるものである。
【００６４】
尚、時制は、過去、現在、未来から構成されるだけではなく、アスペクト、テンス、ムードからも構成されるものであってもよい。ここで、アスペクトとは、既にある事象が完了していることを示す完成相と、利用者の発話時においてもある事象が継続していることを示す継続相とから構成されるものである。
【００６５】
また、テンスとは、非過去時制と、過去時制とから構成されるものである。更に、ムードとは、叙述法（断定法、推量法）と、実行法（意志・勧誘、命令）とから構成されるものである。
【００６６】
例えば、時制解釈部１０４ｂは、”私はサッカーで遊ぶのがとても好きです”という文字列を解釈する場合は、”〜です”の文字から現在における時制であると判断する。そして、この判断を行った時制解釈部１０４ｂは、判断した時制を時制信号としてＡＩ推論部１０４ｆに出力する。
【００６７】
もし、時制解釈部１０４ｂは、例えば、文字列が”〜だった”である場合は、”過去”における時制であると判断し、文字列が”〜をしたい”である場合は、”現在”における時制であると判断する。
【００６８】
ＡＩ推論部１０４ｆは、感情判定部１０４ｅで判定された利用者の「感情の度合い（感情度）」、文字列の「キーワード」、「時制」から、利用者間に共通する話題を推論する。具体的には、感情判定部１０４ｅから感情情報信号が入力されたＡＩ推論部１０４ｆは、入力された感情情報信号に対応する感情情報に基づいて、例えば上記結果よりキーワードが”サッカー”である場合は、各利用者はサッカーについて共通の話題があるかも、と推論する。
【００６９】
尚、ＡＩ推論部１０４ｆは、例えば、文字列のキーワードを用いて前記キーワードに相当する属性が図６に示す「属性テーブル」の中にあるか否かを調べ、調べた結果、前記キーワードに相当する属性が「属性テーブル」の中にあれば、キーワードに相当する属性に話題の共通性があると推論することができる。
【００７０】
ＡＩ推論部１０４ｆは、上記推論により、共通性のある属性（分野）について更に質問内容を深めていき、時制解釈部１０４ｂ、又は感情判定部１０４ｅから入力された利用者が抱いている感情度（符号に変換したもの）とその感情度が発生した時期（時制）と両者に関連付けられたキーワードを、利用者毎・属性毎に会話履歴データベース１０５に蓄積する（図７参照）。
【００７１】
尚、ＡＩ推論部１０４ｆは、各利用者間に共通する属性を推論せず、単に利用者が抱いている感情度（符号に変換したもの）とその感情度が発生した時期（時制）と両者に関連付けられたキーワードを、利用者毎・属性毎に会話履歴データベース１０５に蓄積するものであっても良い。
【００７２】
解析部１０４ｇは、会話履歴データベース１０５に蓄積された各利用者間で共通する各キーワードに関連付けられた利用者毎の各符号を取得する取得手段である。また、解析部１０４ｇは、会話履歴データベース１０５から取得した各符号に基づいて各利用者間における各符号間の差分を算出する第一算出手段である。
【００７３】
また、解析部１０４ｇは、会話履歴データベース１０５から取得した利用者毎の各符号に基づいて、各利用者間についての各符号間の差分を時期毎に算出する第二算出手段である。また、解析部１０４ｇは、算出した差分に基づいて、差分の大きさに応じて利用者間の相性を属性毎にランク付する差分ランク付手段である。また、解析部１０４ｇは、ランク付に応じて各利用者間の相性を診断する相性診断手段である。
【００７４】
具体的には、ＡＩ推論部１０４ｆから解析命令信号が入力された解析部１０４ｇは、会話履歴データベース１０５に蓄積されている時制毎のキーワードに基づいて、利用者間における過去の会話内容を解析する。
【００７５】
尚、ＡＩ推論部１０４ｆが、各利用者との間で会話が途切れたと判断したとき、又は各利用者が会話を始めてから所定の時間が経過したときに、利用者間の相性を解析させるための解析命令信号を解析部１０４ｇに出力する。
【００７６】
ここで、会話履歴データベース１０５には、図７に示すように、過去、現在、未来に属された各キーワードにおける各利用者（Ａさん、Ｂさん）の感情度が各テーブル毎に蓄積されている。解析部１０４ｇは、本実施形態では、「スポーツテーブル」における利用者間の相性を診断するものとする。
【００７７】
同図に示すように、利用者Ａ及び利用者Ｂが、”私はバスケットが好きだった”と発話した場合は、感情判定部１０４ｅは、”好き”という文言から、利用者Ａ及び利用者Ｂの感情度が（１）｛図５参照｝であると判断し、更に、発話した内容と「属性テーブル」とを照合することにより”バスケット”の文言がキーワードであると判断する。
【００７８】
また、時制解釈部１０４ｂは、”〜だった”の文言から、利用者Ａの感情度が発生した時期が（過去）であると判断し、ＡＩ推論部１０４ｆは、上記各部で判断された結果を会話履歴データベース１０５に蓄積（同図に示す”ｇ２”の箇所）する。
【００７９】
同様にして、利用者Ａが、”私は現在バスケットで遊ぶのが嫌いなんだ”と発話した場合は、感情判定部１０４ｅは、”嫌い”という文言から、利用者Ａの感情度が（−１）であると判断し、更に上記と同様に”バスケット”がキーワードであると判断し、時制解釈部１０４ｂは、”現在”又は”〜なんだ”という文言から、利用者Ｂの感情度が発生した時期が”現在”であると判断し、ＡＩ推論部１０４ｆは、これらを会話履歴データベース１０５に蓄積する。
【００８０】
一方、利用者Ｂが、”私は現在バスケット（バスケ）で遊ぶのが好きなんだ”と発話した場合は、感情判定部１０４ｅは、”好き”という文言から、利用者Ｂの感情度が（１）であると判断し、更に上記と同様に”バスケット”という文言がキーワードであると判断し、時制解釈部１０４ｂは、”現在”又は”〜なんだ”という文言から、利用者Ｂの感情度が発生した時期が”現在”であると判断し、ＡＩ推論部１０４ｆは、これらを会話履歴データベース１０５に蓄積（同図に示す”ｇ３”の箇所）する。
【００８１】
会話履歴データベース１０５に蓄積される内容は、上記と同様の手順により蓄積されるものであるので、他の各内容（同図に示す”ｇ１、ｇ４、ｇ５”）についての説明は、省略する。
【００８２】
解析部１０４ｇは、各利用者の数値化された感情度の差分を、キーワード毎に算出することを行う。具体的には、図７に示すように、ｇ２に示す箇所においては、バスケに対応する各利用者の数値化された感情度がそれぞれ”１”であるので、解析部１０４ｇは、それぞれの数値化された感情度を減算し、減算した結果（０）を”差分”として会話履歴データベース１０５に蓄積する。但し、この”差分”は、本実施形態では、絶対値であるものとする。
【００８３】
解析部１０４ｇは、算出した差分に基づいて、その差分に応じた相性をランク付する。具体的には、上記より差分を算出した解析部１０４ｇは、図８に示すように、本実施形態では、差分の大きさを４つに区切り、各区切られた大きさに対応するランク付を決定し、決定したランク付を出力部１０６に出力する。例えば、解析部１０４ｇは、算出した差分が”０”である場合は、同図より利用者間の相性は最も合うとランク付し、このランク付した結果を出力部１０６に出力する。
【００８４】
これにより、解析部１０４ｇが、上記差分（利用者間の感情度の差）に基づいて、利用者間の相性をランク付（診断）することができるので、単にキーワードの共通性のみで相性を判断するよりも、より正確に利用者間の相性を診断することができる。
【００８５】
尚、解析部１０４ｇは、各利用者間で共通するキーワードに関連付けられた各利用者の数値化された感情度の差分を、時制毎に計算するものであってもよい。これにより、解析部１０４ｇが時制毎に各利用者の感情度の差分を計算するので、解析部１０４ｇは、利用者間の相性を、現在のみならず、過去又は未来における相性をも診断することができる。
【００８６】
また、解析部１０４ｇは、時期毎の差分に基づいて、時期毎に対応する差分の変化状況に応じて各利用者間の相性を属性毎にランク付することもできる。即ち、解析部１０４ｇは、本実施形態では、例えば、時期毎に算出した上記差分を、該差分に対応する前記キーワードに関連付けて、該差分に対応する時期毎に点をプロットし、該プロットした点と該点に関連付けられたキーワードと共通するキーワードに関連付けられた点との間を線で結び、該線が時期からなる軸との間でなす角度を算出し、算出した角度に基づいて、該角度の大きさに（差分の変化状況）応じて利用者間の相性を属性毎にランク付することができる。
【００８７】
具体的には、上記より、”差分”を算出した解析部１０４ｇは、算出した”差分”に基づいて、テーブル毎にグラフ化する。図９に示すように、このグラフの横軸は、時制（時期；過去、現在、未来）、縦軸は、”差分”であるものとする。
【００８８】
図７に示すように、ｇ１の箇所では、”差分”が”４”、時制が”現在”であるので、解析部１０４ｇは、現在に対応する差分”４”の箇所に点をプロットする。解析部１０４ｇが、上記と同様の手順をｇ２〜ｇ５についても行うと、ｇ２〜ｇ５についての点の配置は図９のようになる。
【００８９】
グラフ上に各点をプロットした解析部１０４ｇは、共通するキーワードを構成する各点を結ぶことを行う。具体的には、ｇ２とｇ３のキーワードは”バスケ”である点で共通するので、解析部１０４ｇは、グラフ上にあるｇ２とｇ３の点を結ぶ。同様にして、ｇ４とｇ５のキーワードは”卓球”である点で共通するので、解析部１０４ｇは、グラフ上にあるｇ４とｇ５の点を結ぶ。ここで、グラフ上にある角度θは、点と点とを結んだ直線が時期からなる横軸となす角度を意味するものである。以上が図１０となる。
【００９０】
各点を結んだ解析部１０４ｇは、点と点とを結んだ直線とその直線が横軸となす角度θとを抽出し、この抽出した角度θにより利用者間の相性をランク付けすることができる。
【００９１】
具体的には、ｇ２とｇ３とを結んだ直線をｋ１、このｋ１が横軸となす角度をθ１とし、ｇ４とｇ５とを結んだ直線をｋ２、このｋ２が横軸となす角度をθ２とすると、これらを抽出した直線と角度は、図１１に示すものになる。
【００９２】
ここで、これらの直線に対応する角度は、角度が小さければ小さい程、利用者Ａ、利用者Ｂとの間の各時制における感情度に余りずれがないことを意味するので、両者間の相性は、合う方向にあることを意味する。一方、角度が大きければ大きい程、利用者Ａ、利用者Ｂとの間の各時制における感情度にずれがあることを意味するので、両者間の相性は、合わない方向にあることを意味する。
【００９３】
従って、解析部１０４ｇは、本実施形態では、”差分”の変化状況に基づいて、その変化状況が小さいときは各利用者間の相性を良い段階にランク付し、”差分”の変化状況が大きいときは各利用者間の相性を悪い段階にランク付することができる。
【００９４】
このランク付は、本実施形態では、例えば図１２に示す対応表により行うことができる。具体的には、図１０に示すように、過去から現在向かう線分ｇ２−ｇ3の傾きの角度θ１が”３０度”である場合は、解析部１０４ｇは、図１２に示す対応表により、ランク７であることの評価を導き、利用者Ａ、利用者Ｂとの間の相性で、過去から現在向かう時制についてのスポーツにおける”バスケ”の分野は、過去においては最も合うが徐々に合わない方向にあると評価し、この評価した結果を出力部１０６に出力する。
【００９５】
また、図１０に示すように、現在から未来に向かう線分ｇ４−ｇ５の傾きの角度θ２が３０度である場合は、解析部１０４ｇは、図１２に示す対応表により、ランク７であることの評価を導き、利用者Ａ、利用者Ｂとの間の相性で、現在から未来に向かう時制についてのスポーツにおける”卓球”の分野は、現在は合わないものの将来的には合う方向にあると評価し、この評価した結果を出力部１０６に出力する。
【００９６】
尚、本実施形態では、時制を現在、過去、未来で表現しているが、各時制は、上記３つに限定されるものではなく、各時制を複数（例えば、現在と未来の中間など）にすることができるものである。これにより、各線分と横軸との間でなす角度は、本実施形態では、図１２に示すように０〜９０度の範囲内を細かく取ることができる。尚、上記ランク付の方法は、本実施形態に限定されるものではない。
【００９７】
これにより、解析部１０４ｇは、各時制における利用者の感情度の変化を考慮して、利用者間の相性を診断することができる。例えば、利用者Ａと利用者Ｂとの趣味が過去においては合う場合でも、現在においては合わない場合があるので、解析部１０４ｇは、かかる変化が生じた場合であっても、両者間の相性を正確に診断することができる。
【００９８】
尚、上記実施形態では、各利用者が端末１００にある入力部１０１を通じて発話、又は文字入力（例えば、チャット形式など）することで、推論エンジン１０４が利用者間の相性を診断していたが、各利用者が予め自己のデータ（例えば、性格、特技、職業、環境、学歴、診断を行う他の利用者との関係、他の利用者に対する心理的感情、その心理的感情が発生した時期（時制）など）を入力することで、推論エンジン１０４が他の利用者と自己との間の相性を診断することもできる。
【００９９】
これにより、各利用者が会話を行うことなく、単に相手方のデータと自己のデータとを入力すれば、推論エンジン１０４が両者間の相性を診断してくれるので、各利用者は、相手方である利用者に会うことができなくても、その相手方との間の相性を診断することができる。
【０１００】
また、各利用者が各利用者のデータを入力した場合は、推論エンジン１０４は、入力された各利用者のデータに基づいて、各データに対応した特定のキャラクター（本人代理のキャラクター）を生成し、生成したキャラクターを画面上に表示させた後に、表示させたキャラクター間の相性を診断することもできる。
【０１０１】
これにより、各利用者の相性診断の結果がでるまでは、各利用者は、画面上に表示されているキャラクターの動きを見て楽しむことができ、相性診断の結果がでるまでの時間を楽しく過ごすことができる。尚、キャラクターの生成は、キャラクター生成手段が、所定のキャラクターを予め複数蓄積している蓄積手段から取得することにより行うことができる。
【０１０２】
また、推論エンジン１０４は、利用者間との間の相性診断を行うものだけではなく、架空のキャラクターと利用者との間で相性の診断を行うこともできる。これは、推論エンジン１０４が、架空のキャラクターとして利用者との間で会話を行い、推論エンジン１０４と利用者との間の相性を判断するものである。この内部的な処理は、上述した如く、推論エンジン１０４と同様の処理で行うことができる。
【０１０３】
これにより、利用者は、端末１００に会話を行うことで、端末１００にある特定のキャラクターとの間の相性を診断することができるので、ゲーム感覚で楽しく架空のキャラクターとの間の相性を診断することができる。
【０１０４】
更に、上記本人代理のキャラクター同士が電子メールを通じて自動的に感情に関する情報を交換することができるものであってもよい。この場合、片方だけがキャラクターであってもよい。また、キャラクターは、利用者の知っているキャラクターであってもよい。
【０１０５】
これにより、本人代理のキャラクター同士の情報交換を通じて、本人代理のキャラクター間の情報が相互に蓄積されていくので、そのキャラクターの本人は、その蓄積された相手方のデータを見ることで、相手方との相性を判断することができる。尚、この判断は、推論エンジン１０４が行うものであってもよい。
【０１０６】
尚、上記実施形態における相性診断システムは、インターネットを含めて構成することができ、例えば、端末１００の内部にある各部の間を、インターネットを媒介して構成させたり、又は分散オブジェクトの仕組みで実装されるＷｅｂエージェントを用いて構成させたりすることができる。
【０１０７】
［相性診断システムを用いた相性診断方法］
上記構成を有する相性診断システムによる相性診断方法は、以下の手順により実施することができる。図１３は、本実施形態に係る相性診断方法の手順を示すフロー図である。先ず、入力部１０１が利用者の音声情報を取得するステップを行う（Ｓ１０１）。具体的に入力部１０１は、利用者の音声情報を取得し、取得した音声情報を音声信号として音声認識部１０２に出力する。
【０１０８】
次いで、音声認識部１０２が入力部１０１で取得した音声情報に基づいて、その音声情報に対応する文字列を特定するステップを行う（Ｓ１０２）。具体的には、音声信号が入力された音声認識部１０２は、入力された音声信号を解析し、解析した音声信号に対応する文字列を、音声認識辞書記憶部１０３に格納されている辞書を用いて特定し、特定した文字列を文字列信号として推論エンジン１０４に出力する。
【０１０９】
次いで、推論エンジン１０４が、音声認識部１０２で特定した文字列に基づいて各利用者が抱く感情度とその感情度が発生した時期（時制）とを特定し、特定した感情度と時制とに関連付けられたキーワードを利用者毎に抽出し、抽出した該キーワードの中から、利用者間で共通するキーワードを検出して、検出したキーワードに基づいて各利用者間の相性を診断するステップを行う（Ｓ１０３）。ここで行う処理は、図１４に基づいて説明する。
【０１１０】
推論エンジン１０４では、先ず、図１４に示すように、文節認識部１０４ａが、文を解析し、解析した文に基づいて、文から把握される言葉の意味空間を認識するステップを行う（Ｓ２００）。次いで、文節認識部１０４ａが上記認識により文と文との間を認識するステップを行う（Ｓ２０１）。具体的には、文から把握される言葉の意味空間を把握した文節認識部１０４ａは、入力された文字信号に基づいて、文字信号に対応する文と文との間を認識する。
【０１１１】
この認識は、本実施形態では、文と文との間にはある程度の時間間隔があるので、その時間間隔に基づいて文と文との間を区別するものである。例えば、文字信号に対応する文が、”今日は暑いな・・・アイスを食べよう”というものである場合は、文節認識部１０４ａは、上記文の中で時間間隔がある部分”・・・”を文の区切りと認識し、”今日は暑いな”と”アイスを食べよう”との文に分けることを行う。
【０１１２】
文と文との間を認識した文節認識部１０４ａは、文を１文毎に区分けして、１文毎に区分けした文を文体信号として時制解釈部１０４ｂ、類別部１０４ｃ、強調語検出部１０４ｄ、感情判定部１０４ｅに出力する。
【０１１３】
次いで、類別部１０４ｃが、文字列から利用者の感情の種類を判別するステップを行う（Ｓ２０２）。具体的には、文節認識部１０４ａから文体信号が入力された類別部１０４ｃは、入力された文体信号に対応する文に基づいて、文に含まれる要素から感情に関係するフレーズを抜き出し、この抜き出したフレーズがどのような感情の類別に属するものであるかを特定する。
【０１１４】
この感情の類別は、本実施形態では、例えば図３に示す「感情類別テーブル」に従って類別する。感情類別テーブルは、例えば、利用者がプラス的な感情要素を意味していることを示す「プラス要素Ｐ（Ｐ；Positive）」、利用者がマイナス的な感情要素を意味していることを示す「マイナス要素Ｎ（Ｎ；Negative）」を有している。
【０１１５】
類別部１０４ｃは、上記の「感情類別テーブル」に基づいて、１文の中からどのような感情が含まれているのかを類別し、この類別した結果を類別信号として感情判定部１０４ｅに出力する。
【０１１６】
次いで、強調語検出部１０４ｄが、文字列から感情の強弱を特徴付ける要素を抽出するステップを行う（Ｓ２０３）。具体的には、文節認識部１０４ａから文体信号が入力された強調語検出部１０４ｄは、入力された文体信号に対応する文に基づいて、その文を構成する要素の中に、強調語があるか否かを検出する。
【０１１７】
この強調語の検出は、本実施形態では、例えば図４に示す「強調語テーブル」に従って行うことができる。この「強調語テーブル」には、同図に示すように、例えば、すげー、ちょー、うひょー、わおー、ひえー、めっちゃ、すごく、とても、かなり等の副詞、感嘆詞が含まれる。
【０１１８】
強調語検出部１０４ｄは、上記の「強調語テーブル」に基づいて、１文の中にある強調語を検出し、検出した強調語を強調語検出信号として感情判定部１０７に出力する。
【０１１９】
次いで、感情判定部１０４ｅが、利用者が抱く感情の程度を判定するステップを行う（Ｓ２０４）。具体的には、類別部１０４ｃ、強調語検出部１０４ｄ、文節確認部１０４ａから類別信号、強調語検出信号、又は文体信号が入力された感情判定部１０４ｅは、入力された類別信号、強調語検出信号、又は文体信号に基づいて、利用者の感情の程度（感情度）を判定する。
【０１２０】
この感情の程度の判定は、本実施形態では、例えば図５に示す「感情度テーブル」に従って行うことができる。この「感情度テーブル」には、例えば、同図に示すように、判定要素（利用者の感情）と、「感情の程度」とを有している。
【０１２１】
例えば、「感情の程度」は、上述の如く、同図に示すように、判定要素が「関心／無関心」である場合は、感情の程度は、すごく関心がある（Ｐ１）、関心がある（Ｐ２）、関心がない（Ｎ１）、全く関心がない（Ｎ２）と類別することができる。
【０１２２】
感情判定部１０４ｅが、類別信号に対応する「感情の類別」、強調語検出信号に対応する強調語に基づいて、上記「感情度テーブル」を参照し、１文から把握される利用者の感情がどの程度なのかを判定し、判定した結果（Ｐ１、Ｐ２、Ｎ１、Ｎ２）を感情判定信号としてＡＩ推論部１０４ｆに出力する。
【０１２３】
具体的には、文字列信号に対応する文字列が”昔はサッカーを楽しくやっていたよ”である場合は、類別部１０４ｃは、”やっていた”という文字列を検出し、強調語検出部１０４ｄは、”楽しく”という文字列を検出する。感情判断部１０４ｅは、類別部１０４ｃで検出された”やっていた”と、強調語検出部１０４ｄで検出した”楽しく”とに基づいて、図５のテーブルを参照し、利用者の感情の度合いをＰ１であると判断する。
【０１２４】
また、感情判定部１０４ｅは、文字列を構成する重要な要素である”サッカー”というキーワードを検出し、検出結果とその検出結果に対応する「感情の程度」とを含む感情情報を感情情報信号としてＡＩ推論部１０４ｆに出力する。
【０１２５】
次いで、ＡＩ推論部１０４ｆが、各利用者間との間で共通する属性について質問内容を深めていき、時制解釈部１０４ｂ、又は感情情報判定部１０４ｅから入力された利用者が抱いている感情度（符号に変換したもの）とその感情度が発生した時期（時制）と両者に関連付けられたキーワードとを、利用者毎・属性毎に会話履歴データベース１０５に蓄積する。
【０１２６】
このＡＩ推論部１０４ｆは、各利用者との間で会話が途切れたと判断したとき、又は各利用者が会話を始めてから所定の時間が経過したときに、利用者間の相性を解析させるための解析命令信号を解析部１０４ｇに出力する。
【０１２７】
次いで、解析部１０４ｇが、会話履歴データベース１０５に蓄積されている各利用者のデータに基づいて、各利用者間の相性を診断するステップを行う（Ｓ２０５）。具体的には、ＡＩ推論部１０４ｆから解析命令信号が入力された解析部１０４ｇは、先ず、会話履歴データベース１０５に蓄積されている各利用者の数値化された感情度の差分を、キーワード毎に算出することを行う。図７に示すように、ｇ２に示す箇所においては、バスケに対応する各利用者の数値化された感情度がそれぞれ”１”であるので、解析部１０４ｇは、それぞれの数値化された感情度を減算し、減算した結果（０）を”差分”として会話履歴データベース１０５に蓄積する。但し、この”差分”は、本実施形態では、絶対値であるものとする。
【０１２８】
そして、解析部１０４ｇは、算出した差分に基づいて、その差分に応じた相性をランク付する。具体的には、上記より差分を算出した解析部１０４ｇは、図８に示すように、本実施形態では、差分の大きさを４つに区切り、各区切られた大きさに対応するランク付を決定し、決定したランク付を出力部１０６に出力する。例えば、解析部１０４ｇは、算出した差分が”０”である場合は、同図より利用者間の相性は最も合うとランク付し、このランク付した結果を出力部１０６に出力する。
【０１２９】
また、解析部１０４ｇは、時期毎に算出した上記差分を、該差分に対応する前記キーワードに関連付けて、該差分に対応する時期毎に点をプロットし、該プロットした点と該点に関連付けられたキーワードと共通するキーワードに関連付けられた点との間を線で結び、該線が時期からなる軸との間でなす角度を算出し、算出した角度に基づいて、該角度の大きさに応じて利用者間の相性を属性毎にランク付することもできる。
【０１３０】
具体的には、上記より、”差分”を算出した解析部１０４ｇは、算出した”差分”に基づいて、テーブル毎にグラフ化する。図９に示すように、このグラフの横軸は、時制（過去、現在、未来）、縦軸は、”差分”であるものとする。
【０１３１】
図７に示すように、ｇ１の箇所では、”差分”が”４”、時制が”現在”であるので、解析部１０４ｇは、現在に対応する差分”４”の箇所に点をプロットする。解析部１０４ｇが、上記と同様の手順をｇ２〜ｇ５についても行うと、ｇ２〜ｇ５についての各点の配置は、図９のようになる。
【０１３２】
次いで、グラフ上に各点をプロットした解析部１０４ｇは、共通するキーワードを構成する各点を結ぶことを行う。具体的には、ｇ２とｇ３のキーワードは”バスケ”である点で共通するので、解析部１０４ｇは、グラフ上にあるｇ２とｇ３の点を結ぶ。同様にして、ｇ４とｇ５のキーワードは”卓球”である点で共通するので、解析部１０４ｇは、グラフ上にあるｇ４とｇ５の点を結ぶ。
【０１３３】
次いで、各点を結んだ解析部１０４ｇは、点と点とを結んだ直線とその直線が横軸となす角度θとを抽出し、抽出した直線が横軸となす角度θにより利用者間の相性をランク付けする。具体的には、ｇ２とｇ３とを結んだ直線をｋ１、このｋ１が横軸となす角度をθ１とし、ｇ４とｇ５とを結んだ直線をｋ２、このｋ２が横軸となす角度をθ２とすると、これらを抽出した直線と角度は、図１１に示すようなものになる。
【０１３４】
ここで、これらの直線に対応する角度は、角度が小さければ小さい程、利用者Ａ、利用者Ｂとの間の各時制における感情度に余りずれがないことを意味するので、両者間の相性は、合う方向にあることを意味する。一方、角度が大きければ大きい程、利用者Ａ、利用者Ｂとの間の各時制における感情度にずれがあることを意味するので、両者間の相性は、合わない方向にあることを意味する。
【０１３５】
次いで、解析部１０４ｇは、ある直線をなす角度θに基づいて、図１２に示す対応表により、利用者間の相性をランク付けする。具体的には、角度θ１が”３０度”である場合は、解析部１０４ｇは、同図に示す対応表により、ランク７であることの評価を導き、利用者Ａ、利用者Ｂとの間の相性で、スポーツにおける”バスケ”は、過去においては最も合うが徐々に合わない方向にあると評価し、この評価した結果を出力部１０６に出力する。
【０１３６】
また、角度θ２が３０度である場合は、解析部１０４ｇは、同図に示す対応表により、ランク７であることの評価を導き、利用者Ａ、利用者Ｂとの間の相性で、スポーツにおける”卓球”は、現在は会わないものの将来的には合う方向にあると評価し、この評価した結果を出力部１０６に出力する。
【０１３７】
［相性診断システム及び相性診断方法による作用及び効果］
このような本実施形態に係る発明によれば、解析部１０４ｇが、上記差分（利用者間の感情度の差）に基づいて、利用者間の相性をランク付（診断）することができるので、単にキーワードの共通性のみで相性を判断するよりも、より正確に利用者間の相性を診断することができる。
【０１３８】
また、解析部１０４ｇは、各時制における各利用者の感情度の変化を考慮して、利用者間の相性を診断することができるので、例えば、利用者Ａと利用者Ｂとの趣味が過去においては合う場合でも、現在においては合わない場合があるので、かかる変化が生じた場合であっても、その変化を踏まえて両者間の相性を診断することができる。
【０１３９】
尚、上記実施形態において、スポーツを例にとり説明したが、その他、芸術、時事、政治、経済など、どのような分野における事項についての会話により相性診断を行うことができることは言うまでもない。
【０１４０】
【発明の効果】
以上説明したように本発明によれば、相性診断を行う各利用者間の心理的な感情をも含めて各利用者間の相性を診断することができる。この結果、本発明は、各利用者間に共通するキーワードとそのキーワードについての感情を含めて各利用者間の相性を診断するので、各利用者間に共通するキーワードのみを用いた相性診断よりも、より正確に各利用者間の相性を診断することができる。
【図面の簡単な説明】
【図１】本実施形態に係る相性診断システムの概略構成を示すブロック図である。
【図２】本実施形態における推論エンジンの内部構造を示すブロック図である。
【図３】本実施形態における類別部で格納している感情類別テーブルの内容を示した図である。
【図４】本実施形態における強調語検出部で格納している強調語テーブルの内容を示した図である。
【図５】本実施形態における感情判定部で格納している感情度テーブルの内容を示した図である。
【図６】本実施形態における会話履歴データベースに蓄積されている属性テーブルの内容を示した図である。
【図７】本実施形態における会話履歴データベースに蓄積されているスポーツテーブルの内容を示した図である。
【図８】本実施形態における解析部が感情度の”差分”に基づいて各利用者間の相性をランク付するランク付テーブルの内容を示した図である。
【図９】本実施形態における解析部がスポーツテーブルに蓄積されているデータをグラフ上にプロットした図を示したものである。
【図１０】本実施形態における解析部がグラフ上にプロットしてある各点を、所定の条件に基づいて結んだ図である。
【図１１】本実施形態における解析部が所定の条件に基づいて各点を結んだ直線を抽出した図である。
【図１２】本実施形態における解析部がグラフ上にある直線と横軸との間のなす角度に基づいて各利用者間の相性をランク付けをするためのテーブルの内容を示した図である。
【図１３】本実施形態に係る相性診断方法の手順を示したフロー図である。
【図１４】本実施形態における推論エンジンの内部で処理されている手順を示したフロー図である。
【符号の説明】
１００…端末、１０１…入力部、１０２…音声認識部、１０３…音声認識辞書記憶部、１０４…推論エンジン、１０４ａ…文節認識部、１０４ｂ…時制解釈部、１０４ｃ…類別部、１０４ｄ…強調語検出部、１０４ｅ…感情判定部、１０４ｆ…ＡＩ推論部、１０４ｇ…解析部、１０５…会話履歴データベース、１０６…出力部

Claims (10)

1. 利用者から入力された文字列を認識する文字認識手段と、
   キーワードをその属性毎に分類し、分類されたキーワード群とその属性とを対応付ける属性テーブルを記憶する記憶手段と、
   前記文字認識手段で認識された前記文字列に基づいて、該文字列に含まれる所定のキーワード及び該キーワードの属性を、前記属性テーブルと照合することにより前記利用者毎に抽出するキーワード抽出手段と、
   前記キーワード抽出手段で抽出された各前記キーワードを含む各前記文字列と、感情度テーブルに基づいて、該各キーワードに対する各前記利用者の感情の度合いを示す感情度をそれぞれ推論エンジンが関連付け会話履歴データベースに蓄積し、前記会話履歴データベースに蓄積されているキーワードに基づいて利用者間における会話内容および感情度を前記推論エンジンにより認識する感情度認識手段と、
   前記感情度認識手段で認識された各前記利用者の感情度の差分を予め区分された差分値と比較し、各前記利用者間の相性を前記キーワードの属性毎にランク付するランク付手段と、
   前記ランク付手段でランク付けられたランクに応じて各前記利用者間の相性を前記差分の大きさに基づき診断する相性診断手段とを有するシステムであり、
   さらに、上記システムは、
   前記会話履歴データベースに蓄積されたキーワードの認識に基づき、利用者間で共通する前記属性から前記感情度認識手段が各利用者の感情を認識するための会話を進行させる質問文を前記推論エンジンが作成する作成手段と、
   前記感情度認識手段で認識された前記感情度を前記推論エンジンにより所定の符号または数値に変換する符号変換手段と、
   前記キーワード抽出手段で抽出された前記利用者毎の各前記キーワードと、該各キーワードに対応する各前記所定の符号または数値とを関連付けて、前記キーワードの属性毎、前記会話履歴データベースに蓄積するキーワード蓄積手段とを有し、
   前記相性診断手段は、前記キーワード蓄積手段に蓄積された各前記利用者間で共通する各前記キーワードに関連付けられた前記利用者毎の各前記所定の符号または数値を前記推論エンジンにより取得する取得手段と、
   前記取得手段で取得された前記利用者毎の各前記所定の符号または数値に基づいて、前記利用者間についての該各所定の符号または数値間の差分を算出する第一算出手段と、
   前記第一算出手段で算出された前記差分に基づいて、該差分の大きさに応じて各前記利用者間の相性を前記属性毎に前記差分の大きさに基づきランク付けする差分ランク付手段とを有し、
   さらに、
   前記キーワード抽出手段で抽出された前記キーワードが含まれる前記文字列の事象を時制解釈部がどの時期で発生したものであるかを判断し、該キーワードに対する前記感情度が発生した時期を認識する時期認識手段と、
   前記取得手段で取得された前記利用者毎の各前記所定の符号または数値に基づいて、各前記利用者間についての該各所定の符号または数値間の差分を前記時期毎に算出する第二算出手段とを有し、
   前記差分ランク付手段は、前記第二算出手段で算出した前記時期毎の前記差分に基づいて、前記時期毎に対応する前記差分の変化状況を横軸に前記時期、縦軸に前記差分とした座標軸に算出結果をプロットし、同一のキーワードの各前記プロット点同士を結ぶ線分の傾き角度を角度区分とランクの数値を対応させたテーブルに当てはめ小さいか大きいかで求め、前記変化状況に応じて各前記利用者間の相性を前記属性毎にランク付することを特徴とする相性診断システム。
2. 請求項１に記載の相性診断システムであって、
   前記差分ランク付手段は、前記第二算出手段で算出した時期毎の前記差分の変化状況が小さいときは各前記利用者間の相性を良い段階にランク付することを特徴とする相性診断システム。
3. 請求項１に記載の相性診断システムであって、
   前記差分ランク付手段は、前記第二算出手段で算出した時期毎の前記差分の変化状況が大きいときは各前記利用者間の相性を悪い段階にランク付することを特徴とする相性診断システム。
4. 請求項１乃至請求項３のいずれかに記載の相性診断システムであって、
   前記文字認識手段は、各前記利用者の音声情報を取得し、取得した前記音声情報に基づいて、該音声情報に対応する文字列を特定し、音声認識辞書記憶部に格納されている辞書を用いて前記文字列を認識することを特徴とする相性診断システム。
5. 請求項１乃至請求項４のいずれかに記載の相性診断システムであって、
   前記文字列を入力した各前記利用者のデータに基づいて、前記推論エンジンで各データに対応した特定のキャラクターを生成し、生成したキャラクターを画面上に表示させるキャラクター生成手段を有し、
   前記相性診断手段は、前記ランク付手段でランク付けられたランクに応じて各前記キャラクターとの間、又は前記キャラクターと該キャラクターの相手方のキャラクターに対応する前記利用者との間の相性を診断することを特徴とする相性診断システム。
6. 文字認識手段が、利用者から入力された文字列を認識するステップと、
   記憶手段が、キーワードをその属性毎に分類し、分類されたキーワード群とその属性とを対応付ける属性テーブルを記憶するステップと、
   キーワード抽出手段が、認識された前記文字列に基づいて、該文字列に含まれる所定のキーワード及び該キーワードの属性を、前記属性テーブルと照合することにより前記利用者毎に抽出するステップと、
   感情度認識手段が、抽出された各前記キーワードを含む各前記文字列と、感情度テーブルに基づいて、該各キーワードに対する各前記利用者の感情の度合いを示す感情度をそれぞれ推論エンジン処理により関連付け会話履歴データベースに蓄積し、前記会話履歴データベースに蓄積されているキーワードに基づいて利用者間における会話内容および感情度を前記推論エンジン処理により認識するステップと、
   ランク付手段が、認識された各前記利用者の感情度の差分を予め区分された差分値と比較し、各前記利用者の前記感情度に基づいて、各前記利用者間の相性を前記キーワードの属性毎にランク付するステップと、
   相性診断手段が、ランク付けられたランクに応じて各前記利用者間の相性を前記差分の大きさに基づき診断するステップとを有する方法であり、
   さらに、上記方法は、
   推論エンジンが前記会話履歴データベースに蓄積されたキーワードの認識に基づき、利用者間で共通する前記属性から前記感情度認識手段が各利用者の感情を認識するための会話を進行させる質問文を作成するステップと、
   符号変換手段が、認識された前記感情度を前記推論エンジン処理により所定の符号または数値に変換するステップと、
   キーワード蓄積手段が、抽出された前記利用者毎の各前記キーワードと、該各キーワードに対応する各前記所定の符号または数値とを関連付けて、前記キーワードの属性毎、前記会話履歴データベースに蓄積するステップと、
   取得手段が蓄積された各前記利用者間で共通する各前記キーワードに関連付けられた前記利用者毎の各前記所定の符号または数値を前記推論エンジン処理により取得するステップと、
   第一算出手段が、取得された前記利用者毎の各前記所定の符号または数値に基づいて、前記利用者間についての該各符号または数値間の差分を算出するステップと、
   差分ランク付手段が、算出された前記差分に基づいて、該差分の大きさに応じて各前記利用者間の相性を前記属性毎に前記差分の大きさに基づきランク付けするステップとを有し、
   さらに、
   時期認識手段が、抽出された前記キーワードが含まれる前記文字列の事象を時制解釈処理がどの時期で発生したものであるかを判断し、該キーワードに対する前記感情度が発生した時期を認識するステップと、
   第二算出手段が、取得された前記利用者毎の各前記所定の符号または数値に基づいて、各前記利用者間についての該各所定の符号または数値間の差分を前記時期毎に算出するステップと、
   前記差分ランク付手段が、算出された前記時期毎の前記差分に基づいて、前記時期毎に対応する前記差分の変化状況を横軸に前記時期、縦軸に前記差分とした座標軸に算出結果をプロットし、同一のキーワードの各前記プロット点同士を結ぶ線分の傾き角度を角度区分とランクの数値を対応させたテーブルに当てはめ小さいか大きいかで求め、前記変化状況に応じて各前記利用者間の相性を前記属性毎にランク付するステップと、を有することを特徴とする相性診断方法。
7. 請求項６に記載の相性診断方法であって、
   前記ランク付け手段が、前記第二算出手段で算出した時期毎の前記差分の変化状況が小さいときは各前記利用者間の相性を良い段階にランク付するステップを有することを特徴とする相性診断方法。
8. 請求項６に記載の相性診断方法であって、
   前記ランク付け手段が、前記第二算出手段で算出した時期毎の前記差分の変化状況が大きいときは各前記利用者間の相性を悪い段階にランク付するステップを有することを特徴とする相性診断方法。
9. 請求項６乃至請求項８のいずれかに記載の相性診断方法であって、
   前記文字認識手段が、各前記利用者の音声情報を取得し、取得した前記音声情報に基づいて、該音声情報に対応する文字列を特定し、音声認識辞書記憶部に格納されている辞書を用いて前記文字列を認識するステップを有することを特徴とする相性診断方法。
10. 請求項６乃至請求項９のいずれかに記載の相性診断方法であって、
    キャラクタ生成手段が、前記文字列を入力した各前記利用者のデータに基づいて、前記推論エンジン処理で各データに対応した特定のキャラクターを生成し、生成したキャラクターを画面上に表示させるステップと、
    前記相性診断手段が、ランク付けられたランクに応じて各前記キャラクターとの間、又は前記キャラクターと該キャラクターの相手方のキャラクターに対応する前記利用者との間の相性を診断するステップと、を有することを特徴とする相性診断方法。

Images