JP5623345B2 - 会話データ解析装置、方法、及びプログラム - Google Patents

Description

本発明は、会話データ解析装置、方法、及びプログラムに係り、特に、誰が何時、何を話したかが記された複数人による会話データを解析する会話データ解析装置、方法、及びプログラムに関する。

従来、会話データ解析として、会話とタスク成功率との関連を調べる手法（例えば、非特許文献１参照）や、会話データから単語使用分布を推定する手法（例えば、非特許文献２参照）が提案されている。

また、会話の際、姿勢や表情、声の大きさなど、会話相手と同じ行動を取り易くなる現象が知られている。この現象は、エントレインメントと呼ばれ、話者間の影響度や信頼度、共感度を表すと言われている。

A. Nenkova and A. Gravano, J. Hirschberg, "High frequency word entrainment in spoken dialogue," ACL ’08: HLT, 169-172, 2008 G. Ji, J. Bilmes, "Multi-speaker language modeling," HLT-NAACL ’04, 133-136, 2004

しかしながら、上記非特許文献１及び２の手法では、話者間の影響度を推定していないため、会話の状態を適切に把握することや、影響力の強い人や影響を受けやすい人を特定すること、信頼、共感関係の強い話者ペアを抽出することなど、上述のエントレインメントと呼ばれる現象を考慮した適切な会話データの解析が行えない、という問題点がある。

本発明は上記問題点に鑑みてなされたものであり、話者間の影響度を適切に推定することができる会話データ解析装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、本発明の会話データ解析装置は、複数の単語からなる単語列、及び各単語を使用した話者を示すデータを含む会話データに基づいて、前記単語列における各単語が使用された時点毎の各話者の該時点以前の単語の使用頻度を示す単語分布を推定する単語分布推定手段と、前記単語分布推定手段により推定された時点毎の各話者の単語分布に基づいて、一方の話者が使用した単語が他方の話者が使用する単語に与える影響を示す話者間の影響度を推定する影響度推定手段と、前記影響度推定手段により推定された話者間の影響度の前記会話データに対する尤もらしさを示す尤度を計算する尤度計算手段と、前記尤度計算手段により計算された尤度が収束するまで、前記影響度の推定及び前記尤度の計算を繰り返すように、前記影響度推定手段及び前記尤度計算手段を制御すると共に、前記尤度が収束したときの前記影響度を出力する制御手段と、を含んで構成されている。

本発明の会話データ解析装置によれば、単語分布推定手段が、複数の単語からなる単語列、及び各単語を使用した話者を示すデータを含む会話データに基づいて、単語列における各単語が使用された時点毎の各話者の該時点以前の単語の使用頻度を示す単語分布を推定する。そして、影響度推定手段が、単語分布推定手段により推定された時点毎の各話者の単語分布に基づいて、一方の話者が使用した単語が他方の話者が使用する単語に与える影響を示す話者間の影響度を推定する。時点毎の各話者の単語分布を用いることで、ある話者が使用した単語が他の話者に使用され易い等の話者間の影響度を推定することができる。

そして、尤度計算手段が、影響度推定手段により推定された話者間の影響度の会話データに対する尤もらしさを示す尤度を計算し、制御手段が、尤度計算手段により計算された尤度が収束するまで、影響度の推定及び尤度の計算を繰り返すように、影響度推定手段及び尤度計算手段を制御すると共に、尤度が収束したときの影響度を出力する。

このように、時点毎の各話者の単語分布を推定して、話者間の影響度を推定し、影響度の会話データに対する尤もらしさを示す尤度が収束するまで影響度の推定を繰り返すことにより、話者間の影響度を適切に推定することができる。

また、前記尤度計算手段は、前記会話データ内において、前記尤度を、前記影響度推定手段により推定された影響度の高い話者が使用した単語の使用頻度が高い場合、または前記影響度の低い話者が使用した単語の使用頻度が低い場合に高くなるように計算することができる。

また、前記影響度推定手段は、前記各話者の単語分布、及び予め設定された初期の影響度または前記影響度推定手段により前回推定された影響度に基づいて、各単語が各話者の影響に依る確率を計算し、該確率及び前記他方の話者が使用する単語に基づいて、前記影響度を推定することができる。

また、本発明の会話データ解析方法は、単語分布推定手段と、影響度推定手段と、尤度計算手段と、制御手段とを含む会話データ解析装置における会話データ解析方法であって、前記単語分布推定手段は、複数の単語からなる単語列、及び各単語を使用した話者を示すデータを含む会話データに基づいて、前記単語列における各単語が使用された時点毎の各話者の該時点以前の単語の使用頻度を示す単語分布を推定し、前記影響度推定手段は、一方の話者が使用した単語が他方の話者が使用する単語に与える影響を示す話者間の影響度を、前記単語分布推定手段により推定された時点毎の各話者の単語分布、及び予め設定された初期の影響度または前回推定した影響度に基づいて計算される各単語が各話者の影響に依る確率と、前記他方の話者が使用する単語と、前記各話者の単語分布とに基づいて推定し、前記尤度計算手段は、前記影響度推定手段により推定された話者間の影響度の前記会話データに対する尤もらしさを示す尤度を、前記影響度推定手段により推定された影響度の高い話者が使用した単語の使用頻度が高い場合、または前記影響度の低い話者が使用した単語の使用頻度が低い場合に高くなるように計算し、前記制御手段は、前記尤度計算手段により計算された尤度が収束するまで、前記影響度の推定及び前記尤度の計算を繰り返すように、前記影響度推定手段及び前記尤度計算手段を制御すると共に、前記尤度が収束したときの前記影響度を出力する方法である。

また、本発明の会話データ解析プログラムは、コンピュータを、上記の会話データ解析装置を構成する各手段として機能させるためのプログラムである。

以上説明したように、本発明の会話データ解析装置、方法、及びプログラムによれば、時点毎の各話者の単語分布を推定して、話者間の影響度を推定し、影響度の会話データに対する尤もらしさを示す尤度が収束するまで影響度の推定を繰り返すことにより、話者間の影響度を適切に推定することができる、という効果が得られる。

本実施の形態の会話データ解析装置の機能的構成を示すブロック図である。 本実施の形態の会話データ解析装置における会話データ解析処理ルーチンの内容を示すフローチャートである。 単語分布集合推定処理ルーチンの内容を示すフローチャートである。 影響度集合推定処理ルーチンの内容を示すフローチャートである。 影響度の推定結果の一例を示す図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

本実施の形態に係る会話データ解析装置１０は、ＣＰＵ（Central Processing Unit）と、ＲＡＭ（Random Access Memory）と、後述する会話データ解析処理ルーチンを実行するためのプログラムを記憶したＲＯＭ（Read Only Memory）とを備えたコンピュータで構成されている。このコンピュータは、機能的には、図１に示すように、記憶部２０、単語分布推定部３０、及び影響度推定部４０を含んだ構成で表すことができる。

記憶部２０には、会話データ（ｗ，ｓ）が記憶される会話データ記憶部２１、単語分布集合Ｐが記憶される単語分布集合記憶部２２、及び影響度集合Λが記憶される影響度集合記憶部２３が設けられている。

単語分布推定部３０は、更に、会話データ読込部３１、初期化部３２、分布計算部３３、及び単語分布集合書込部３４を含んだ構成で表すことができ、会話データを用いて、時点毎の各話者の単語分布を推定する。

会話データ読込部３１は、会話データ記憶部２１に記憶された会話データ（ｗ，ｓ）を読み込む。会話データ（ｗ，ｓ）は、ｗ＝｛ｗ_１，・・・，ｗ_ｔ，・・・，ｗ_Ｔ｝、ｓ＝｛ｓ_１，・・・，ｓ_ｔ，・・・，ｓ_Ｔ｝で与えられる。ここで、ｗ_ｔはｔ番目の単語、ｓ_ｔはｔ番目の単語の話者、Ｔは会話データに含まれる単語数を示し、ｗ_ｔ∈｛１，・・・，Ｗ｝、ｓ_ｔ∈｛１，・・・，Ｍ｝であり、Ｗは会話データに含まれる語彙数、Ｍは会話データが示す会話に参加している話者数を表す。なお、会話データは、人手で書き起こされたものに限らず、音声認識システムにより自動的に得られたものでもよい。

初期化部３２は、後述する分布計算部３３で単語分布を計算する際に用いるハイパーパラメータβ、及び影響期間τを初期化する。影響期間τは、現時点からどのくらい前までの発言が、現時点で使用する単語に影響を与えるかを示す期間である。初期化する値としては、例えば、ハイパーパラメータβは、β＝１０^−８のような十分小さな値、影響期間τは、τ＝∞のような十分大きな値を設定する。

分布計算部３３は、各時点ｔ＝１，・・・，Ｔにおける各話者ｍ＝１，・・・，Ｍの過去の単語分布を推定する。時点ｔにおける話者ｍの過去の単語分布は、時点ｔ−１までの話者ｍの会話データを用いて計算することができる。例えば、話者ｍの時点ｔにおける過去に単語ｗを使用した確率を単語毎に下記（１）式により計算して、時点ｔにおける話者ｍの過去の単語分布を計算することができる。

ここで、δ（ｘ，ｙ）は、クロネッカーのデルタであり、もしｘ＝ｙならば、δ（ｘ，ｙ）＝１、そうでなければ０、を表す。（１）式の確率は、過去ｔ−τの時点からｔ−１の時点までの期間において、話者ｍが単語ｗを使用した数に比例する。

単語分布集合書込部３４は、分布計算部３３により、話者毎及び時点毎に計算された単語分布の集合（単語分布集合Ｐ）を、単語分布集合記憶部２２に格納する。

影響度推定部４０は、更に、単語分布集合読込部４１、初期化部４２、確率推定部４３、影響度推定部４４、尤度計算部４５、判定部４６、及び影響度集合書込部４７を含んだ構成で表すことができ、単語分布推定部３０によって得られた単語分布集合Ｐ、及び会話データ（ｗ，ｓ）を用いて、話者間の影響度を推定する。本実施の形態では、ＥＭアルゴリズムを用いて、話者間の影響度を推定する。

ここで、話者間の影響度を考慮した時点毎の各話者の単語分布は、自分自身も含めた話者間の影響度、各話者の過去の単語分布、及び一般的な単語分布に依存すると考える。例えば、話者ｎの時点ｔでの単語ｗを使用する確率は、下記（２）式で計算することができる。

ここでＰ_Ｇ（ｗ）は会話や文書集合等における単語の使用頻度を示す一般的な単語分布、λ_ｎｍは話者ｍの話者ｎへの影響度を表す。影響度推定部４０では、このλ_ｎｍを推定する。

単語分布集合読込部４１は、単語分布推定部３０により推定され、単語分布集合記憶部２２に記憶された単語分布集合Ｐを読み出す。また、会話データ記憶部２１に記憶された会話データ（ｗ，ｓ）を読み出す。

初期化部４２は、影響度集合Λ＝｛λ_ｎ｝_ｎ＝１ ^Ｍ、λ_ｎ＝｛λ_ｎｍ｝_ｍ＝０ ^Ｍを、λ_ｎｍ≧０、 Σ_ｍ＝０ ^Ｍλ_ｎｍ＝１を満たすようにランダムに初期化する。ここでλ_ｎ０＝１−Σ_ｍ＝１ ^Ｍλ_ｎｍである。また、後述する影響度推定部４４で影響度を計算する際に用いるハイパーパラメータαを初期化する。例えば、α＝１とすることができる。

また、一般的な単語分布Ｐ_Ｇ（ｗ）も初期化する。例えば、他の会話データや文書データから推定した単語分布を用いてもよいし、Ｐ_Ｇ（ｗ）＝１／Ｗのような一様分布を用いてもよい。

確率推定部４３は、各時点ｔ＝１，・・・，Ｔ、及び各話者ｍ＝１，・・・，Ｍについて、ｔ番目の単語が話者ｍの影響に依る確率を計算する。この確率は、ｔ番目の単語ｗ_ｔ、ｔ番目の話者ｓ_ｔへの話者ｍの影響度、各話者のｔ−１時点までの単語分布を入力として取り、これらの値を考慮したものとすることができる。例えば、ｔ番目の単語が話者ｍの影響に依る確率Ｐ（ｍ｜ｔ）は、下記（３）式により計算することができる。

影響度推定部４４は、話者各々を一方の話者ｎ＝１，・・・，Ｍとした場合、及び他方の話者ｍ＝０，・・・，Ｍとした場合において、話者ｎへの話者ｍの影響度（話者間の影響度）λ_ｎｍを推定する。影響度λ_ｎｍは、より具体的には、話者ｍが使用した単語が話者ｎの使用する単語へ与える影響度である。この影響度は、確率推定部４３において計算したｔ番目の単語が話者ｍの影響に依る確率Ｐ（ｍ｜ｔ）、話者ｎの使用単語、話者ｍの単語分布を入力として取り、これらの値を考慮したものとすることができる。例えば、影響度λ_ｎｍは、下記（４）式により計算することができる。

尤度計算部４５は、影響度推定部４４で推定した影響度がどのくらい会話データを尤もらしく説明できているかを表す尤度を計算する。影響度の高い話者の単語をよく使用している場合、影響度の低い話者の単語をあまり使用していない場合、尤度は高くなる。例えば、下記（５）式を尤度として用いることができる。

ここで、Ｐ_Ｃ（ｗ｜ｗ_ｔ−τ ^ｔ−１，ｍ＝０）≡Ｇ（ｗ）は、これまでの会話には依存しない一般的な単語分布を表す。

なお、尤度として、（５）式の第一項のみのものや、事後確率を用いてもよい。

判定部４６は、尤度計算部４５で計算された尤度が収束したか否かを判定し、収束していなければ、確率推定部４３及び影響度推定部４４での処理が繰り返されるように制御する。尤度が収束していれば、繰り返し処理を終了する。

尤度が収束したか否かの判定は、例えば、１つ前の影響度推定部４４の推定結果に基づいて計算された尤度と、今回の影響度推定部４４の推定結果に基づいて計算された尤度との差が、所定の閾値以下となった場合に、尤度が収束したと判定することができる。また、１つ前に推定された影響度と今回推定された影響度との差が、全ての影響度において所定の閾値以下になった場合に、尤度が収束したと判定するようにしてもよい。また、確率推定部４３〜尤度計算部４５の処理の繰り返し回数が、予め定めた閾値に到達した場合に、尤度が収束したと判定するようにしてもよい。また、計算時間が予め定めた閾値に到達した場合に、尤度が収束したと判定するようにしてもよい。

なお、尤度計算部４５及び判定部４６が、本発明の制御手段の一例である。

影響度集合書込部４７は、判定部４６において尤度が収束したと判定されたときの影響度推定部４４の推定結果である影響度の集合（影響度集合Λ）を影響度集合記憶部２３に格納する。

次に、図２を参照して、本実施の形態の会話データ解析装置１０において実行される会話データ解析処理ルーチンについて説明する。

ステップ１００で、会話データ記憶部２１に記憶された会話データ（ｗ，ｓ）を読み込む。次に、ステップ２００で、後述する単語分布集合推定処理を実行し、次に、ステップ３００で、後述する影響度集合推定処理を実行する。次に、ステップ４００で、推定された影響度集合Λを出力して、処理を終了する。

次に、図３を参照して、単語分布集合推定処理ルーチンについて説明する。

ステップ２０２で、ハイパーパラメータβ、及び影響期間τを初期化する。例えば、ハイパーパラメータβは、β＝１０^−８のような十分小さな値、影響期間τは、τ＝∞のような十分大きな値を、初期値として設定する。

次に、ステップ２０４で、各時点に対応する変数ｔ、各話者に対応する変数ｍ、及び各単語に対応する変数ｗに各々１をセットする。

次に、ステップ２０６で、話者ｍの時点ｔにおける過去に単語ｗを使用した確率Ｐ_Ｃ（ｗ｜ｗ_ｔ−τ ^ｔ−１，ｍ）を、例えば、（１）式により計算する。

次に、ステップ２０８で、ｗがＷになったか否かを判定することにより、話者ｍの時点ｔにおいて、全ての単語について確率Ｐ_Ｃ（ｗ｜ｗ_ｔ−τ ^ｔ−１，ｍ）を計算したか否かを判定する。ｗ≠Ｗの場合には、ステップ２１０へ移行して、ｗを１インクリメントしてステップ２０６へ戻り、次の単語ｗについての確率を計算する。ｗ＝Ｗの場合には、全ての単語について計算された確率Ｐ_Ｃ（ｗ｜ｗ_ｔ−τ ^ｔ−１，ｍ）を、話者ｍの時点における単語分布として得て、ステップ２１２へ移行する。

ステップ２１２では、ｍがＭになったか否かを判定することにより、時点ｔにおける全ての話者についての単語分布を計算したか否かを判定する。ｍ≠Ｍの場合には、ステップ２１４へ移行して、ｗを１にセットすると共に、ｍを１インクリメントしてステップ２０６へ戻り、次の話者についての時点ｔにおける単語分布を計算する。ｍ＝Ｍの場合には、ステップ２１６へ移行する。

ステップ２１６では、ｔがＴになったか否かを判定することにより、会話データの全ての時点について、各話者の単語分布を計算したか否かを判定する。ｔ≠Ｔの場合には、ステップ２１８へ移行して、ｍ及びｗを１にセットすると共に、ｔを１インクリメントしてステップ２０６へ戻り、次の時点について、各話者の単語分布を計算する処理を繰り返す。ｔ＝Ｔの場合には、計算された各時点における各話者の単語分布集合Ｐを単語分布集合記憶部２２へ格納して、リターンする。

次に、図４を参照して、影響度集合推定処理ルーチンについて説明する。

ステップ３０２で、単語分布集合記憶部２２に記憶された単語分布集合Ｐ、及び会話データ記憶部２１に記憶された会話データ（ｗ，ｓ）を読み出す。また、影響度集合Λ＝｛λ_ｎ｝_ｎ＝１ ^Ｍ、λ_ｎ＝｛λ_ｎｍ｝_ｍ＝０ ^Ｍを、λ_ｎｍ≧０、 Σ_ｍ＝０ ^Ｍλ_ｎｍ＝１を満たすようにランダムに初期化する。また、ハイパーパラメータαを、例えば、α＝１などの値で初期化する。さらに、一般的な単語分布Ｐ_Ｇ（ｗ）も、例えば、他の会話データや文書データから推定した単語分布や、Ｐ_Ｇ（ｗ）＝１／Ｗのような一様分布を用いて初期化する。

次に、ステップ３０４で、時点（何番目の単語か）に対応する変数ｔ、及び各話者に対応する変数ｍを各々１にセットする。

次に、ステップ３０６で、ｔ番目の単語ｗ_ｔ、ｔ番目の単語の話者ｓ_ｔへの話者ｍの影響度、各話者のｔ−１時点までの単語分布を入力として取り、例えば、（３）式により、ｔ番目の単語が話者ｍの影響に依る確率Ｐ（ｍ｜ｔ）を計算する。

次に、ステップ３０８で、ｍがＭになったか否かを判定することにより、ｔ番目の単語について、全ての話者の影響による確率Ｐ（ｍ｜ｔ）を計算したか否かを判定する。ｍ≠Ｍの場合には、ステップ３１０へ移行して、ｍを１インクリメントしてステップ３０６へ戻り、確率Ｐ（ｍ｜ｔ）の計算を繰り返す。ｍ＝Ｍの場合には、ステップ３１２へ移行する。

ステップ３１２では、ｔがＴになったか否かを判定することにより、会話データの全ての時点（全ての単語）について、確率Ｐ（ｍ｜ｔ）を計算したか否かを判定する。ｔ≠Ｔの場合には、ステップ３１４へ移行して、ｍを１にセットすると共に、ｔを１インクリメントしてステップ３０６へ戻り、次の単語について、確率Ｐ（ｍ｜ｔ）の計算を繰り返す。ｔ＝Ｔの場合には、ステップ３１６へ移行する。

ステップ３１６では、一方の話者に対応する変数ｎに１、他方の話者に対応する変数ｍに０をセットする。

次に、ステップ３１８で、上記ステップ３０６で計算したｔ番目の単語が話者ｍの影響に依る確率Ｐ（ｍ｜ｔ）、話者ｎの使用単語、話者ｍの単語分布を用いて、例えば、（４）式により、話者ｎへの話者ｍの影響度λ_ｎｍ計算する。

次に、ステップ３２０で、ｍがＭになったか否かを判定することにより、一方の話者ｎに対して、話者ｎ自信を含む他の全ての話者を他方の話者とした場合の影響度λ_ｎｍの計算が終了したか否かを判定する。ｍ≠Ｍの場合には、ステップ３２２へ移行して、ｍを１インクリメントしてステップ３１８へ戻り、影響度λ_ｎｍの計算を繰り返す。ｍ＝Ｍの場合には、ステップ３２４へ移行する。

ステップ３２４では、ｎがＭになったか否かを判定することにより、全ての話者を一方の話者として、他の話者との影響度を計算したか否かを判定する。ｎ≠Ｍの場合には、ステップ３２６へ移行して、ｍを０にセットすると共に、ｎを１インクリメントしてステップ３１８へ戻り、影響度λ_ｎｍの計算を繰り返す。ｎ＝Ｍの場合には、ステップ３２８へ移行する。

ステップ３２８では、上記ステップ３１８で計算した影響度λ_ｎｍがどのくらい会話データを尤もらしく説明できているかを表す尤度Ｌを、例えば、（５）式により計算する。そして、次に、ステップ３３０で、上記ステップ３２８で計算した尤度Ｌが収束したか否かを判定し、収束していない場合には、ステップ３０４へ戻り、計算された影響度λ_ｎｍの集合Λを用いて、確率Ｐ（ｍ｜ｔ）の計算、影響度λ_ｎｍの計算、尤度Ｌの計算及び収束判定を繰り返す。尤度Ｌが収束した場合には、ステップ３３２へ移行して、直近のステップ３１８で計算された影響度集合Λを、影響度集合記憶部２３へ格納して、リターンする。

以上説明したように、本実施の形態の会話データ解析装置によれば、各時点における各話者の単語分布を推定し、この各話者の単語分布に基づいて話者間の影響度を推定し、この推定処理を、会話データに対する尤もらしさを示す尤度が収束するまで繰り返すことにより、エントレインメントを考慮した会話データの解析に有用な情報となる話者間の影響度を適切に推定することができる。

また、このように適切に推定された話者間の影響度を用いて、例えば、（２）式に示すような各話者の単語分布を推定することにより、話者の単語使用分布（言語モデル）の予測精度を上げることができ、音声認識、自動翻訳、情報検索などの言語処理システムの性能向上に利用することができる。

なお、上記実施の形態では、単語分布推定部において、全時点ｔ＝１，・・・，Ｔの単語分布の推定を行った後に、影響度推定部の確率推定部の処理を行う場合について説明したが、単語分布推定部において、時点ｔにおける単語分布の推定を行った後に、確率推定部において、時点ｔにおける確率推定を行い、次に、単語分布推定部において、時点ｔ＋１における単語分布の推定を行う、というように、時点毎に単語分布推定及び確率推定を行ってもよい。

また、上記実施の形態では、ＥＭアルゴリズムに基づいて影響度推定を行う場合について説明したが、これに限定されず、例えば、変分ベイズ法やマルコフ連鎖モンテカルロ法などを用いてもよい。

また、本発明は、上記実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

また、上述の会話データ解析装置は、内部にコンピュータシステムを有しているが、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。

ここで、本発明を評価するため、実会話データを用いた実験について説明する。

実会話データとして、日本語の会話データＮＴＴ、及び英語の会話データＲＴ０７を用いた。それぞれの概要を表１に示す。

セッション数は、会話データを区切り毎に分割した１単位であるセッションの数、話者数の最小及び最大は、セッション毎の話者数の最小値及び最大値、発話数の最小及び最大は、セッション毎の単語数の最小値及び最大値、語彙数は、会話データ全体に含まれる語彙の数である。

上記の会話データに対して、本発明を適用して推定された影響度を図５に示す。図５において、各円は話者を表し、矢印の太さは影響度の大きさを表す（λ_ｎｍ ＞０．１のみ表示）。一般的に、自分自身からの影響が高く、過去に自分が使用した単語と同じ単語を使用し易い傾向があることが分かる。また、話者間の影響もある。例えば、ＲＴ０７のセッション７の話者１は、他者への影響度が高く、ＲＴ０７のセッション６の話者２は他者からの影響を受け易い。このように、本発明を用いることにより、話者間の影響度を適切に推定することができる。

また、定量比較のため、以下の６つの手法の比較を行った。

ＣＣ： 話者共通の過去の単語分布、話者共通の影響度
ＯＣ： 話者自身のみの過去の単語分布、話者共通の影響度
ＩＣ： 話者毎の過去の単語分布、話者共通の影響度
ＣＩ： 話者共通の過去の単語分布、話者毎の影響度
ＯＩ： 話者自身のみの過去の単語分布、話者毎の影響度
ＩＩ： 話者毎の単語分布、話者毎の影響度（本発明）
上記各手法による単語の予測誤差を表すパープレキシティを表２に示す。

全てのセッションにおいて、本発明（ＩＩ）の予測誤差が最も低い。この結果は、本発明を適用して、話者毎の単語分布を用いて話者毎の影響度を推定することにより、より高い精度で各話者の使用単語を予測できることを示す。

１０ 会話データ解析装置
２０ 記憶部
２１ 会話データ記憶部
２２ 単語分布集合記憶部
２３ 影響度集合記憶部
３０ 単語分布推定部
３１ 会話データ読込部
３２ 単語分布推定部の初期化部
３３ 分布計算部
３４ 単語分布集合書込部
４０ 影響度推定部
４１ 単語分布集合読込部
４２ 影響度推定部の初期化部
４３ 確率推定部
４４ 影響度推定部
４５ 尤度計算部
４６ 判定部
４７ 影響度集合書込部

Claims (3)

1. 複数の単語からなる単語列、及び各単語を使用した話者を示すデータを含む会話データに基づいて、前記単語列における各単語が使用された時点毎の各話者の該時点以前の単語の使用頻度を示す単語分布を推定する単語分布推定手段と、
   一方の話者が使用した単語が他方の話者が使用する単語に与える影響を示す話者間の影響度を、前記単語分布推定手段により推定された時点毎の各話者の単語分布、及び予め設定された初期の影響度または前回推定した影響度に基づいて計算される各単語が各話者の影響に依る確率と、前記他方の話者が使用する単語と、前記各話者の単語分布とに基づいて推定する影響度推定手段と、
   前記影響度推定手段により推定された話者間の影響度の前記会話データに対する尤もらしさを示す尤度を、前記影響度推定手段により推定された影響度の高い話者が使用した単語の使用頻度が高い場合、または前記影響度の低い話者が使用した単語の使用頻度が低い場合に高くなるように計算する尤度計算手段と、
   前記尤度計算手段により計算された尤度が収束するまで、前記影響度の推定及び前記尤度の計算を繰り返すように、前記影響度推定手段及び前記尤度計算手段を制御すると共に、前記尤度が収束したときの前記影響度を出力する制御手段と、
   を含む会話データ解析装置。
2. 単語分布推定手段と、影響度推定手段と、尤度計算手段と、制御手段とを含む会話データ解析装置における会話データ解析方法であって、
   前記単語分布推定手段は、複数の単語からなる単語列、及び各単語を使用した話者を示すデータを含む会話データに基づいて、前記単語列における各単語が使用された時点毎の各話者の該時点以前の単語の使用頻度を示す単語分布を推定し、
   前記影響度推定手段は、一方の話者が使用した単語が他方の話者が使用する単語に与える影響を示す話者間の影響度を、前記単語分布推定手段により推定された時点毎の各話者の単語分布、及び予め設定された初期の影響度または前回推定した影響度に基づいて計算される各単語が各話者の影響に依る確率と、前記他方の話者が使用する単語と、前記各話者の単語分布とに基づいて推定し、
   前記尤度計算手段は、前記影響度推定手段により推定された話者間の影響度の前記会話データに対する尤もらしさを示す尤度を、前記影響度推定手段により推定された影響度の高い話者が使用した単語の使用頻度が高い場合、または前記影響度の低い話者が使用した単語の使用頻度が低い場合に高くなるように計算し、
   前記制御手段は、前記尤度計算手段により計算された尤度が収束するまで、前記影響度の推定及び前記尤度の計算を繰り返すように、前記影響度推定手段及び前記尤度計算手段を制御すると共に、前記尤度が収束したときの前記影響度を出力する
   会話データ解析方法。
3. コンピュータを、請求項１または請求項２記載の会話データ解析装置を構成する各手段として機能させるための会話データ解析プログラム。