JP5681504B2 - 質問予測装置および質問予測方法 - Google Patents
質問予測装置および質問予測方法 Download PDFInfo
- Publication number
- JP5681504B2 JP5681504B2 JP2011006374A JP2011006374A JP5681504B2 JP 5681504 B2 JP5681504 B2 JP 5681504B2 JP 2011006374 A JP2011006374 A JP 2011006374A JP 2011006374 A JP2011006374 A JP 2011006374A JP 5681504 B2 JP5681504 B2 JP 5681504B2
- Authority
- JP
- Japan
- Prior art keywords
- question
- state
- user
- prediction
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
質問予測装置を構成する各ブロックの機能を説明する。
質問入力部101は、ユーザが入力した質問を取得する。図3は、ユーザが手動で質問を入力するためのユーザインターフェースの例である。同図では、「何について」、「何を教えて」の2つの質問構成を選択、もしくは自由入力するインタフェースになっている。複雑な質問を受け付ける際には、ユーザが自然文を入力するようにしてもよい。また、質問を音声で入力してもよい。この場合、音声認識でユーザの質問文を認識し、形態素解析を用いて質問構成を特定する。
質問モデル蓄積部102は、質問入力部101に入力された質問の内容から質問IDを特定する。図4に、質問モデル蓄積部102に蓄積された質問モデルを示す。質問IDは質問を特定するユニークな識別記号、質問構成は質問を構成する要素、質問文はユーザに質問を提示する際の表記内容を表している。ユーザが質問入力部101に質問を入力した際は、入力された質問を質問モデルと照らし合わせ、該当する質問IDを探す。該当する質問IDが無い場合は、新しい質問IDを追加して入力された質問を登録する。質問文を自由入力する場合は表記ゆれなどが発生するため、類義語辞書を用いて正規化を行う。質問モデルは、より多くの質問構成を持つようにしてもよい。例えば、図5のように質問構成として5W1Hの情報を持ち、最終的に質問したい質問構成をユーザに選択させてもよい。
質問対応表蓄積部104は、質問モデル蓄積部102が特定した質問IDと状態取得部103が取得したユーザの状態遷移列とを対応付ける。図6に、質問対応表蓄積部104が蓄積した質問対応表を示す。質問対応表は、状態遷移列(本実施形態では、1つ前、現在、次の状態遷移列)、状態遷移列に対応付けられた質問の質問ID、各状態遷移列におけるその質問の質問回数、質問の回答コストを構成要素に持つ。回答コストは、その質問の回答に要するコストを表しており、本実施形態では回答生成に要した時間長(ms)を用いる。質問内容が「状態遷移列に依存せずよく行われるもの」である場合は、図示のように、状態遷移列に個別の状態ではなく「<any>」等のマークを保持してもよい。質問対応表蓄積部104は、ユーザが質問を行い、その後状態が変化した際に、質問対応表を更新する。ユーザの状態遷移列およびユーザの質問IDが質問対応表に合致する場合は、該当する項の質問回数を1つ増加させる。一方、質問対応表に合致する項がない場合は、新しい項を追加し、質問回数を1、回答コストをunknownに初期化する。いずれの場合も、後述する回答生成部110で回答コストが得られた場合は、回答コストを更新する。
状態取得部103は、GPSや加速度センサ、Bluetoothなどの近接センサ(図示なし)の情報からユーザの状態を取得する。例えば、特許文献2に示すラベリング技術を用いることで、GPSや加速度センサからユーザの位置が屋内か屋外かを示す「場所」、ユーザの近辺いる人に関する情報を示す「近接者」、ユーザが静止しているのか移動中なのかを示す「移動状態」に関するユーザのプリミティブ状態を取得できる。センサ情報から取得できるプリミティブ状態を図7に示す。例えば、属性が「場所」に関するプリミティブ状態については、GPSやWifiなどのセンサを用いて「屋内」か「屋外」かの2状態を判別する。この際、補足情報として現在地の詳細情報、現在地クラス(例えば、居酒屋に居る際のクラスは居酒屋)を保持する。さらに状態取得部103は、図8に例示するような状態決定表を保持し、プリミティブ状態の条件からユーザの現在の状態を特定する。条件は上から順に合致するかどうかをチェックし、合致したものがあった場合に対応する状態をユーザの現在の状態とする。同図において、プリミティブ状態の場所が「0(屋内)」、現在地クラスが「居酒屋」、近接者が「0(いる)」の場合、ユーザの現在の状態は「宴会中」となる。なお、状態取得部103は、現在地クラス(現在地の詳細情報)も特定することから、「一次会の宴会が終わった後、二次会の宴会に行った」というような状況であっても、「宴会中」→「宴会中」という状態の変化を検出できる。
遷移確率更新部105は、状態取得部103が取得したユーザの状態を利用して遷移確率を更新する。ここで、遷移確率とは、ユーザの状態がある状態から他の状態へ遷移する確率を表したものである。図9に本実施形態の遷移確率表(遷移確率を保持した表)を示す。この遷移確率表は、1つ前と現在の2つの状態から次の状態の候補に遷移する確率を表している。遷移確率の初期化時には、各状態から可能な遷移が等確率で起こると仮定して初期化するか、または考えられる尤もらしい確率を予め割り当てればよい。
状態予測部106は、状態取得部103で取得されたユーザの状態と遷移確率更新部105で更新された遷移確率を用いてユーザの次の状態およびその状態を含む状態遷移列の信頼度を予測する。例えば、状態取得部103で取得された1つ前および現在の状態が「仕事中」→「宴会中」で遷移していた場合、遷移確率更新部105の遷移確率表からこれに該当する項を探す。図9の遷移確率表では、該当する次の状態の候補とその遷移確率は、宴会中(0.7)、帰宅(0.2)、宿泊(0.05)、買い物(0.05)となる。したがって、状態予測部106は、この4つに対応した状態遷移列を、予測された次の状態を含む状態遷移列として出力する。また、状態予測部106は、各状態の候補への遷移確率を状態遷移列の信頼度として出力する。該当する状態遷移列の数が多い場合は、遷移確率が高い上位K件を予測結果として出力すればよい。
状態予測部106が、スケジュールを利用してユーザの次の状態を予測する方法について説明する。ユーザの行動を過去の状態遷移列のみから予測する方法では、遷移確率が高い(頻度が高い)次の状態の候補のみが選択され、ユーザが普段と違う行動をとる場合に対応できない。ユーザが普段と違う行動をとる場合は、その情報が予めスケジュールとして登録されていることがある。そこで、状態予測部106は、スケジュール取得部112で取得したスケジュールを利用することで、ユーザが普段と違う行動をとる場合の次の状態を予測する。例えば、取得されたスケジュールのうち、現在時刻以降一番時間の近いものが、「次の日の8:00-10:00 打合せ(場所: 本社)」であったとする。状態予測部106は、スケジュール取得部112で取得されたスケジュールの開始時間および場所を自然言語解析で抽出し、その場所へその時間に移動する際に必要となる次の状態を予測する。例えば、「予定が9時以前に開始する場合は、前日の23時までに「帰宅」」といったヒューリスティクスを予め設定しておき、これを利用して次の状態を予測する。この例の場合、次の日の朝8時から打ち合わせがあるため、今日の23時までに帰宅しなければならないことになる。そのため、状態予測部106は、次の状態のうち「帰宅」の信頼度を上げ、その他の信頼度を下げる。例えば、「帰宅」の信頼度に固定値0.7を割り当て、残り(1.0-0.7=0.3)は、1つ前および現在の状態が共通する他の状態の候補に、その遷移確率に応じて振りなおす。図9の場合、帰宅(0.7)、宴会中(0.3/(1.0-0.2)×0.7=0.26)、宿泊(0.3/(1.0-0.2)×0.05=0.019)、買い物(同様に0.019)となる。上述したヒューリスティクスは、ユーザのプロファイルとして最初に設定することができる。スケジュール取得部112が取得するスケジュールは、質問予測装置を実装した端末内のスケジュール帳機能などに登録されたものでもWebサービス上のスケジュール帳に登録されたものでもよい。Webサービス上のスケジュールの場合は、質問予測装置が随時スケジュールの同期処理(ローカルに近い日時のスケジュールデータのダウンロード)を行っておくことで、高速に次の状態を予測できる。
状態予測部106が、現在時刻を利用してユーザの次の状態を予測する方法について説明する。現在時刻を利用して次の状態を予測する際に使用する遷移確率表を図10に示す。この遷移確率表は、現在時刻に関する条件(現在時刻条件)と、その条件に合致した場合の遷移確率(条件合致時の遷移確率)とを新たに保持する。状態取得部103で取得された状態遷移列が「仕事中」→「宴会中」のとき、遷移確率表から「仕事中、宴会中」の項を探し、更にその中から現在時刻条件が記載されたものを探す。現在時刻条件が記載されたもののうち、現在時刻に合致するものがあれば、その状態の遷移確率を条件合致時の遷移確率に置き換える。例えば、図10において現在時刻が23:30であった場合、次の状態の候補が「宿泊」の項が現在時刻の条件に合致するため、「仕事中、宴会中、宿泊」の遷移確率を0.7に置き換える。残り(1.0-0.7=0.3)については、スケジュールを用いる場合と同様な方法で他の項に割り当てればよい。
状態予測部106が、ユーザの質問を利用してユーザの次の状態を予測する方法について説明する。ここでは、ユーザが現在時刻から過去にさかのぼる一定時間内に質問を行っていた場合、その質問と回答の内容に応じて次の状態を予測する。簡単な方法としては、過去1時間以内にされた質問、およびその回答の内容から形態素解析を用いて名詞句を抽出し、tf-idfを用いて内容中の名詞句の重要度を算出する。そして、重要度の高い名詞句と次の状態の候補が一致した場合、その状態の遷移確率を上げる。例えば、過去1時間以内にされた質問が「Todoは何?」であり、回答が「買い物、宿題」であったとする。ここから重要度が高い名詞として「買い物」が抽出された場合、次の状態の候補のうち「買い物」の遷移確率を上げる。遷移確率の更新には、上述と同様な方法を用いる。なお、ユーザの質問および回答の内容は、後述する質問提示部111から取得する。
質問予測部107は、状態予測部106で予測されたユーザの次の状態を含む状態遷移列およびその信頼度と質問対応表蓄積部104に蓄積された質問対応表を用いてユーザに提示する質問を予測する。状態予測部106の出力が図9の「仕事中、宴会中、宴会中(0.7)」、「仕事中、宴会中、帰宅(0.2)」、「仕事中、宴会中、宿泊(0.05)」、「仕事中、宴会中、買い物(0.05)」であった場合を考える。括弧内の数字は、状態遷移列の信頼度を表している。質問予測部107は、質問対応表蓄積部104の質問対応表から状態遷移列が「仕事中、宴会中、宴会中」、「仕事中、宴会中、帰宅」、「仕事中、宴会中、宿泊」、「仕事中、宴会中、買い物」、「仕事中、宴会中、<any>」となっている項を探索する。そして、これらの項が持つ質問IDをユーザに提示する質問とし、その状態遷移列の信頼度を質問IDの信頼度とする。例えば、質問ID xx1の信頼度は、予測された「仕事中、宴会中、宴会中」という状態遷移列の信頼度(0.7)と同じ値とする。なお、複数の状態遷移列に対して同じ質問IDが割り当てられている場合は、各状態遷移列の信頼度の和をその質問IDの信頼度とする。また、質問対応表の次の状態の候補の項が「<any>」となっている状態遷移列の信頼度は1.0とする。
予測質問蓄積部108は、質問予測部107によって予測された質問を蓄積する。図11に、予測質問蓄積部108が蓄積した質問を示す。本実施形態では、質問ID、信頼度、質問回数、回答コスト、回答状態(回答生成済、回答生成中、未着手の3状態)、回答開始時刻、回答情報を保持する。このうち、信頼度は質問予測部107から取得し、質問回数および回答コストは質問予測部107を介して質問対応表蓄積部104の質問対応表から取得する。回答状態は蓄積された質問の回答状況を、回答開始時刻は後述する回答生成部110での回答開示時刻を、回答情報は後述する質問提示部111で提示する質問の回答とそのビューの情報を表している。回答状態は「未着手」、回答開示時刻および回答情報は「null」で初期化する。
回答方法蓄積部109は、後述する回答生成部110において、質問に対する回答を生成する際の方法(回答方法)を蓄積している。図12に、回答方法蓄積部109に蓄積された回答方法を示す。回答方法は、質問IDと、この質問の回答生成に利用するデータベースと、そのデータベースに発行するクエリが組になって保存される。データベースには、ローカルに保存されるデータベースとインターネット上に存在する外部データベース120がある。回答方法のデータベースは、図13のように、データベースへアクセスする際のURIと組みで定義される。URIは、同図の"{lat}"などのように、実際のクエリが入る部分を置換可能な形で保持しておく。例えば、図12の質問ID xx7の場合、対応するデータベースのURIは、”http://ggg.hhh/?from={poi-name}&to={poi-name}&time={time}”である。また、クエリは、”query(現在地|最寄駅)、loc(自宅最寄駅)、time(現在時刻)”であるので、URI中の最初の{poi-name}には現在地の名前(この場合は現在いる、もしくは近くの駅の名前)を、次の{poi-name}には自宅最寄駅の名前を、最後の{time}には現在時刻を入れる。こうして、データベースにアクセスするURIとして“http://ggg.hhh/?from=川崎駅&to=鶴見駅&time=201008231124"を得る。なお、自宅最寄駅の名前は、ローカルに保存されたユーザのプロファイルから取得できる。図12の質問ID xx3では、データベースが「行動履歴データベース」、クエリが「loc(現在地) OR query(現在地)」となっている。また、図13の行動履歴データベースの例では、詳細クエリという項が追加されている。これは、AND条件やOR条件を指定するためのクエリの生成方法に関する情報である。xx3の質問IDの答えを作るには、loc(現在地)と詳細クエリを照らし合わせて「loc:川崎駅」という文字列、query(現在地)と詳細クエリを照らし合わせて「kw:川崎駅」という文字列を得る。これを「loc(現在地) OR query(現在地)」に当てはめ、「loc:川崎駅 OR kw:川崎駅」という文字列を得る。更にこの文字列をURIの"{*}"に当てはめ、外部データベース120にアクセスするためのURI "localdb://lifelog/?q=loc:川崎駅 OR kw:川崎駅" が得られる。
回答生成部110は、後述する質問提示部111でユーザから質問が選択される前に、予測質問蓄積部108から回答状態が「未着手」の質問を取り出し、回答方法蓄積部109に蓄積された回答方法に従って回答生成を開始する。この際、回答生成部110は、回答生成開始時に予測質問蓄積部108の回答開始時刻を現在時刻に設定し、回答状況を「回答生成中」に更新するよう指示する。質問の回答生成は、予測質問蓄積部108に蓄積された信頼度、質問回数、回答コスト、が高いものから順に行う。回答コストが高い順に回答を生成するのは、回答コストが低い質問はユーザが実際に質問をしてから回答を生成してもユーザの待ち時間が短くて済むが、回答コストが高い質問はユーザの質問後に回答を生成していてはユーザの待ち時間が長くなるからである。例えば、まず信頼度の高い順に質問をソートし、信頼度が同値のものは質問回数が多い順にソートする。さらに、質問回数が同値のものについては回答コストが高い順にソートすることができる。その他にも、信頼度、質問回数、回答コストの重み付線形和で各質問にスコア付けして、スコアの高いものから回答を生成する、といった方法が考えられる。
質問提示部は、ユーザの要求に応じて予測質問蓄積部108に蓄積されている質問の一覧を表示する。図14に、予測した質問をユーザに提示する画面の例を示す。「回答生成済」の質問については「今答えられる質問は…」の後に、「回答生成中」もしくは「未着手」の質問は「今準備中の質問は…」の後に表示するなど、すぐに答えられる質問とそうでない質問を分けて表示する。さらに、質問回数が一定値以上(もしくは提示する質問の平均値以上など)のものについては、「★」マークなどを付与し、よくされる質問であることを明示する。また、現在時刻、および予測質問蓄積部に保存されている回答開始時刻、回答コストから、回答生成中の質問があと何秒で「回答生成済」になるかを計算し表示する。これにより、ユーザの待ち時間に対する心理的ストレスを軽減できる。なお、質問の文面には、質問モデル蓄積部102に蓄積された質問モデルの質問文を用いる。
本実施形態にかかる質問予測装置の処理の流れについて説明する。図15は、ユーザが入力した質問とユーザの状態遷移列の対応付けの流れを示すフローチャートである。まず、質問予測装置は、質問入力部101からユーザの質問(Qabc)を取得する(ステップS1)。そして、質問取得後、状態取得部103から1つ前の状態(Sa)と現在の状態(Sb)を取得する(ステップS2)。そして、状態取得部103で取得される状態が変化するまで待ち、変化後の状態(Sc)を取得する(ステップS3)。質問予測装置は、質問対応表蓄積部104の質問対応表に変化後の状態遷移列(「Sa 、Sb 、Sc」)とユーザが入力した質問(Qabc)の対応付けが登録されているか否かを判別する(ステップS4)。登録されている場合は、ユーザが入力した質問(Qabc)の質問回数を1つ増加させる(ステップS5)。登録されていない場合は、この状態遷移列と質問の対応付けを質問対応表に新たに登録する(ステップS6)。
このように、本実施形態にかかる質問予測装置は、ユーザの過去および現在の状態からユーザの次の状態を予測し、予測された状態を含む状態遷移列を利用してユーザに提示する質問を予測している。これにより、質問予測装置は、ユーザの様々な状況を想定した上でユーザに提示する質問を予測できる。
本実施形態の質問予測装置は、1つ前と現在の状態から次の状態を予測している。予測する次の状態はこれに限定されるものではなく、未来について2個以上の状態を予測してもよい。また、過去について2個以上の状態を利用してもよい。
102 質問モデル蓄積部
103 状態取得部
104 質問対応表蓄積部
105 遷移確率更新部
106 状態予測部
107 質問予測部
108 予測質問蓄積部
109 回答方法蓄積部
110 回答生成部
111 質問提示部
112 スケジュール取得部
120 外部データベース
Claims (9)
- 質問を予測する質問予測装置であって、
ユーザの状態を取得する状態取得手段と、
当該状態取得手段で取得されたユーザの状態を用いて遷移確率を更新する遷移確率更新手段と、
前記状態取得手段で取得されたユーザの状態と前記遷移確率更新手段で更新された遷移確率とを用いてユーザの次の状態を予測する状態予測手段と、
質問と状態遷移列とを対応付けた質問対応表を蓄積する質問対応表蓄積手段と、
前記状態予測手段で予測されたユーザの次の状態を含む状態遷移列と前記質問対応表蓄積手段に蓄積された質問対応表とを用いてユーザの質問を予測する質問予測手段と、
を備える質問予測装置。 - 前記状態予測手段がスケジュールを用いてユーザの次の状態を予測する請求項1記載の質問予測装置。
- 前記状態予測手段が時刻情報を用いてユーザの次の状態を予測する請求項1記載の質問予測装置。
- 前記質問予測手段で予測された質問の回答を生成する回答生成手段をさらに備え、
前記状態予測手段がユーザの質問及び前記回答生成手段で生成された質問に対する回答に基づいてユーザの次の状態を予測する請求項1記載の質問予測装置。 - 前記質問予測手段で予測された質問をユーザに提示する質問提示手段をさらに備え、
当該質問提示手段が前記質問予測手段で予測された質問と当該質問の頻度とをユーザに提示する請求項1記載の質問予測装置。 - 前記質問予測手段で予測された質問をユーザに提示する質問提示手段と、
前記質問予測手段で予測された質問の回答を生成する回答生成手段と、をさらに備え、
前記回答生成手段は、前記質問予測手段で予測された質問のうち回答生成が要求された質問が確定する前に前記予測された質問の回答の生成を開始し、
前記質問提示手段は、前記質問予測手段で予測された質問を前記回答生成手段での回答生成の状況と共にユーザに提示する請求項1記載の質問予測装置。 - 前記回答生成手段が、前記質問予測手段で予測された質問の回答生成に必要となるコストに基づいて、前記予測された質問の回答を生成する順番を制御し、
前記質問提示手段が前記質問予測手段で予測された質問と共に前記コストを提示する請求項6記載の質問予測装置。 - 質問を予測する質問予測方法であって、
ユーザの状態を取得する状態取得工程と、
当該状態取得工程で取得されたユーザの状態を用いて遷移確率を更新する遷移確率更新工程と、
前記状態取得工程で取得されたユーザの状態と前記遷移確率更新工程で更新された遷移確率とを用いてユーザの次の状態を予測する状態予測工程と、
前記状態予測工程で予測されたユーザの次の状態を含む状態遷移列と、質問と状態遷移列とを対応付けた質問対応表とを用いてユーザの質問を予測する質問予測工程と、
を備える、コンピュータが実行する質問予測方法。 - 質問を予測する質問予測装置に、
ユーザの状態を取得する状態取得工程と、
当該状態取得工程で取得されたユーザの状態を用いて遷移確率を更新する遷移確率更新工程と、
前記状態取得工程で取得されたユーザの状態と前記遷移確率更新工程で更新された遷移確率とを用いてユーザの次の状態を予測する状態予測工程と、
前記状態予測工程で予測されたユーザの次の状態を含む状態遷移列と、質問と状態遷移列とを対応付けた質問対応表とを用いてユーザの質問を予測する質問予測工程と、
を実現させるための質問予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011006374A JP5681504B2 (ja) | 2011-01-14 | 2011-01-14 | 質問予測装置および質問予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011006374A JP5681504B2 (ja) | 2011-01-14 | 2011-01-14 | 質問予測装置および質問予測方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015001909A Division JP5816385B2 (ja) | 2015-01-07 | 2015-01-07 | 質問予測装置、質問予測方法および質問予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012150524A JP2012150524A (ja) | 2012-08-09 |
JP5681504B2 true JP5681504B2 (ja) | 2015-03-11 |
Family
ID=46792738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011006374A Active JP5681504B2 (ja) | 2011-01-14 | 2011-01-14 | 質問予測装置および質問予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5681504B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015162960A1 (ja) * | 2014-04-25 | 2015-10-29 | ソニー株式会社 | 情報処理装置、制御方法、およびプログラム |
JP6264215B2 (ja) * | 2014-07-18 | 2018-01-24 | トヨタ自動車株式会社 | 質疑応答装置および質疑応答装置の制御方法 |
CN108536852B (zh) * | 2018-04-16 | 2021-07-23 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
JP6624539B1 (ja) * | 2019-10-01 | 2019-12-25 | 株式会社トレードワークス | クラス分類と回帰分類を組み合わせたaiチャットボットの構築方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4156080B2 (ja) * | 1998-06-30 | 2008-09-24 | 株式会社デンソー | 要求推定装置 |
JP4707524B2 (ja) * | 2005-10-05 | 2011-06-22 | 中国電力株式会社 | 顧客別問合せ対応支援システム |
JP5060978B2 (ja) * | 2008-01-25 | 2012-10-31 | オリンパス株式会社 | 情報提示システム、プログラム、情報記憶媒体及び情報提示システムの制御方法 |
JP5215099B2 (ja) * | 2008-09-17 | 2013-06-19 | オリンパス株式会社 | 情報処理システム、デジタルフォトフレーム、プログラム及び情報記憶媒体 |
-
2011
- 2011-01-14 JP JP2011006374A patent/JP5681504B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012150524A (ja) | 2012-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7213206B2 (ja) | インテリジェント自動アシスタント | |
US20200111486A1 (en) | Parameter collection and automatic dialog generation in dialog systems | |
US20200012721A1 (en) | Conversational agent | |
JP2019503526A5 (ja) | ||
EP3648032A1 (en) | Information inputting method, information inputting device, and information inputting system | |
JP2009237750A (ja) | 情報検索支援装置及び情報検索支援方法 | |
CN105354199B (zh) | 一种基于场景信息的实体含义识别方法和系统 | |
JPWO2008152765A1 (ja) | ナビゲーション装置 | |
JP5681504B2 (ja) | 質問予測装置および質問予測方法 | |
JP5816385B2 (ja) | 質問予測装置、質問予測方法および質問予測プログラム | |
US20200243074A1 (en) | Information processor, information processing method, and program | |
WO2011142308A1 (ja) | データ処理装置、入力支援方法及びプログラム | |
JP2019159883A (ja) | 検索システム、検索方法 | |
JP2010092368A (ja) | 端末装置、コンピュータプログラム及び文字列変換方法 | |
CN105869631B (zh) | 语音预测的方法和装置 | |
US20160026644A1 (en) | Motor vehicle infotainment system with automatic search term completion | |
JP2011039185A (ja) | 音声対話装置及び音声対話プログラム | |
JP5019367B2 (ja) | 電子機器およびその制御方法 | |
CN107851110B (zh) | 信息处理装置以及信息提示系统 | |
US20190005014A1 (en) | Information input method, information input apparatus, and information input system | |
JP6171906B2 (ja) | 作業集計装置、作業集計プログラム及び作業集計方法 | |
JP2007199987A (ja) | 特許情報検索システム | |
JP2008027348A (ja) | 電子機器およびその制御方法 | |
JP2008310561A (ja) | 電子機器およびその制御方法 | |
JP2008276618A (ja) | 電子機器およびその制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131025 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140620 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140627 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140826 |
|
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: 20141212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150109 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5681504 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |