JP5834468B2 - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

Description

本技術は、情報処理装置、情報処理方法、及び、プログラムに関し、曖昧語を柔軟に変換することで、ミスコミュニケーションを、容易に防止することができるようにする情報処理装置、情報処理方法、及び、プログラムに関する。

ユーザどうしの対話において、程度が曖昧な曖昧語が含まれることに起因して生じるミスコミュニケーションを防止し、円滑なコミュニケーションを支援する対話支援装置が提案されている（例えば、特許文献１を参照）。

従来の対話支援装置では、対話を行う対話者Ａ及びＢそれぞれについて、曖昧語と、その曖昧語が表す程度の具体的数値の範囲とを対応付けた変換テーブルが用意される。

さらに、従来の対話支援装置では、対話者Ａ又はＢの発話から、曖昧語が検出され、変換テーブルを参照して、対話者Ａが曖昧語に対して想定する具体的数値の範囲と、対話者Ｂが曖昧語に対して想定する具体的数値の範囲とが検出される。

そして、従来の対話支援装置では、対話者Ａが曖昧語に対して想定する具体的数値の範囲と、対話者Ｂが曖昧語に対して想定する具体的数値の範囲とに、隔たりがある場合には、対話者ＡとＢとの間で、誤解（ミスコミュニケーション）が生じるおそれがあるとして、警告メッセージが発せられる。

特開2008-083753号公報

従来の対話支援装置では、ある対話者に注目すると、曖昧語を含むフレーズについて、注目対話者の変換テーブルを参照して、注目対話者が想定する、フレーズに含まれる曖昧語が表す程度の具体的数値（の範囲）が求められる。

したがって、従来の対話支援装置では、注目対話者については、同一のフレーズに対して、同一の具体的数値が求められる。

しかしながら、同一のフレーズに含まれる曖昧語であっても、場合によっては、注目対話者が想定する、曖昧語が表す程度の具体的数値が異なることがあり得る。

従来の対話支援装置では、上述のように、注目対話者について、同一のフレーズに含まれる曖昧語に対しては、同一の具体的数値が求められるため、曖昧語の、具体的数値への変換を柔軟に行うことが困難である。

本技術は、このような状況に鑑みてなされたものであり、曖昧語を柔軟に変換することができるようにし、これにより、ミスコミュニケーションを、容易に防止することができるようにするものである。

本技術の一側面の情報処理装置、又はプログラムは、ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語を検出する曖昧語検出部と、前記入力情報に含まれるキーワードに基づいて、前記曖昧語が係る係り先に関係するタスクを判定するタスク判定部と、センサデータを用いて前記ユーザの行動解析を行い、前記行動解析の結果に基づいて行動情報を決定する行動情報決定部と、前記ユーザの位置情報と前記ユーザの行動情報と前記タスクから予測遅延時間を算出することにより、前記曖昧語が表わす程度を具体的数値として推定する曖昧語推定部とを備える情報処理装置、又は、情報処理装置として、コンピュータを機能させるためのプログラムである。

本技術の一側面の情報処理方法は、ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語を検出し、前記入力情報に含まれるキーワードに基づいて、前記曖昧語が係る係り先に関係するタスクを判定し、センサデータを用いて前記ユーザの行動解析を行い、前記行動解析の結果に基づいて行動情報を決定し、前記ユーザの位置情報と前記ユーザの行動情報と前記タスクから予測遅延時間を算出することにより、前記曖昧語が表わす程度を具体的数値として推定するステップを含む情報処理方法である。

以上のような一側面においては、ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語が検出され、入力情報に含まれるキーワードに基づいて、曖昧語が係る係り先に関係するタスクが判定され、センサデータを用いて前記ユーザの行動解析が行われて前記行動解析の結果に基づいて行動情報が決定され、前記ユーザの位置情報と前記ユーザの行動情報とタスクから予測遅延時間が算出されることにより、前記曖昧語が表わす程度が具体的数値として推定される。

なお、情報処理装置は、独立した装置であっても良いし、１つの装置を構成している内部ブロックであっても良い。

また、プログラムは、伝送媒体を介して伝送することにより、又は、記録媒体に記録して、提供することができる。

本技術の一側面によれば、曖昧語を柔軟に変換することができる。

本発明を適用した情報処理システムの一実施の形態の構成例を示す図である。 情報処理システムの処理の概要を説明する図である。 携帯端末１１の構成例を示すブロック図である。 携帯端末１１の処理の概要を説明する図である。 曖昧語情報を示す図である。 タスク情報を示す図である。 相手クラス情報を示す図である。 目的情報を示す図である。 重要度情報を示す図である。 位置情報を示す図である。 携帯端末１１の処理を説明するフローチャートである。 学習データを示す図である。 携帯端末１１の他の構成例を示す図である。 携帯端末１１の処理の概要を説明する図である。 携帯端末１１の処理を説明するフローチャートである。 学習データを示す図である。 携帯端末１１のユーザＡが送信（作成）したメールの例を示す図である。 携帯端末１１のユーザＡが作成したブログのコメント（ブログコメント）と、ユーザＡが送信したメールの例を示す図である。 本技術を適用したコンピュータの一実施の形態の構成例を示すブロック図である。

［本技術を適用した情報処理システムの一実施の形態］

図１は、本技術を適用した情報処理システム（システムとは、複数の装置が論理的に集合した物をいい、各構成の装置が同一筐体中にあるか否かは、問わない）の一実施の形態の構成例を示す図である。

図１において、情報処理システムは、携帯端末１１及び１２を有する。

携帯端末１１及び１２は、例えば、携帯電話機や、スマートフォン、タブレット端末等である。

なお、本実施の形態では、携帯端末１１及び１２は、例えば、メール（電子メール）をやりとりするメール機能を、少なくとも有することとする。

図２は、図１の情報処理システムの処理の概要を説明する図である。

携帯端末１１のユーザＡが、携帯端末１１を操作することにより、例えば、携帯端末１２のユーザＢ宛に送信するメールを作成した場合に、メールに、曖昧語（曖昧表現）が含まれているときには、携帯端末１１において、メールに含まれる曖昧語が、その曖昧語が表す程度の具体的数値としての、ユーザＡが想定しているであろう具体的数値に変換される。

そして、携帯端末１１では、メールに含まれる曖昧語から得られた（曖昧語から変換された）具体的数値が、メールに追加され（あるいは、曖昧語と置換され）、メールが送信される。

図２では、ユーザＡが、ユーザＢ宛に、曖昧語「少し」を含むメール（メッセージ）「少し遅れるかも」を送信しているが、その際、携帯端末１１において、曖昧語「少し」が、ユーザＡが想定している具体的数値である「１５分」に変換され、メールに追加されている。

したがって、メールを受け取ったユーザＢは、メールに含まれる曖昧語「少し（遅れる）」の程度が、「１５分」であることを認識することができ、ユーザＢが、曖昧語「少し」を、例えば、「５分」等の、ユーザＡが想定する１５分と大きく異なる時間に想定してしまうことによるミスコミュニケーションを防止することができる。

［携帯端末１１の構成例］

図３は、図１の携帯端末１１の構成例を示すブロック図である。

図３において、携帯端末１１は、辞書記憶部２１、曖昧語DB２２、タスクDB２３、相手クラスDB２４、目的DB２５、重要度DB２６、位置情報DB２７、制御部３１、ユーザI/F３２、メール記憶部３３、自然言語解析部３４、曖昧語検出部３５、タスク判定部３６、相手クラス判定部３７、目的推定部３８、重要度判定部３９、数値変換部４０、識別器記憶部４１、送受信部４２、位置検出部４３、タスク達成判定部４４、学習データ生成部４５、学習データ記憶部４６、及び、学習部４７を有する。

そして、制御部３１ないし学習部４７は、バスを介して相互に接続されており、必要なデータ（情報）をやりとりすることができるようになっている。

辞書記憶部２１は、自然言語解析部３４が行う自然言語解析で参照される、例えば、単語辞書や、文法等の辞書を記憶している。

曖昧語DB２２は、曖昧語検出部３５が行う曖昧語の検出で参照される曖昧語情報を記憶している。

タスクDB２３は、タスク判定部３６が行うタスクの判定で参照されるタスク情報を記憶している。

相手クラスDB２４は、相手クラス判定部３７が行う相手クラスの判定で参照される相手クラス情報を記憶している。

目的DB２５は、目的推定部３８が行う目的の推定で参照される目的情報を記憶している。

重要度DB２６は、重要度判定部３９が行う重要度の判定で参照される重要度情報を記憶している。

位置情報DB２７は、タスク達成判定部４４が行うタスクが達成されたかどうかの判定で参照される位置情報を記憶している。

制御部３１は、バスに接続されている各ブロックとしてのユーザI/F３２ないし学習部４７を制御する。

ユーザI/F３２は、ユーザが操作可能な操作部（図示せず）や、ユーザに提示する情報を表示する表示部（図示せず）等を有する。

ユーザは、ユーザI/F３２（の操作部）を操作することにより、例えば、メールの作成やコマンドの入力等を行うことができる。また、例えば、ユーザI/F３２を操作することにより作成されたメールや、携帯端末１１で受信されたメール、その他の必要な情報は、ユーザI/F３２（の表示部）で表示される。

メール記憶部３３は、ユーザがユーザI/F３２を操作することにより作成（して送信）したメールや、送受信部４２で受信されたメールを記憶する。また、メール記憶部３３は、その他、メール機能で必要な情報（例えば、アドレス帳）を記憶する。

自然言語解析部３４は、辞書記憶部２１に記憶された辞書を参照し、メール記憶部３３に記憶されたメールについて、形態素解析や構文解析等の自然言語解析を行う。

曖昧語検出部３５は、曖昧語DB２２に記憶された曖昧語情報や、自然言語解析部３４によるメールの自然言語解析の結果を参照し、メール記憶部３３に記憶された、ユーザがユーザI/F３２を操作することにより作成したメールから、曖昧語を検出する。

タスク判定部３６は、タスクDB２３に記憶されたタスク情報や、自然言語解析部３４によるメールの自然言語解析の結果から、ユーザがユーザI/F３２を操作することにより作成したメールに含まれる、曖昧語検出部３５で検出された曖昧語が係る係り先に関係するタスクを判定する。

相手クラス判定部３７は、相手クラスDB２４に記憶された相手クラス情報や、自然言語解析部３４によるメールの自然言語解析の結果から、タスク判定部３６で得られたタスクの相手（対象）のカテゴリである相手クラスを判定する。

目的推定部３８は、目的DB２５に記憶された目的情報や、自然言語解析部３４によるメールの自然言語解析の結果から、タスク判定部３６で得られたタスクの目的を推定する。

重要度判定部３９は、重要度DB２６に記憶された重要度情報や、自然言語解析部３４によるメールの自然言語解析の結果を参照し、相手クラス判定部３７で得られたタスクの相手クラスや、目的推定部３８で得られたタスクの目的に基づいて、タスクの重要度を判定する。

数値変換部４０は、識別器記憶部４１に記憶された識別器に対して、曖昧語検出部３５で検出された曖昧語を、重要度判定部３９で得られたタスクの重要度とともに入力として与えることにより、その曖昧語を、具体的数値に変換する。

識別器記憶部４１は、タスクの重要度と曖昧語とを入力として、曖昧語が表す程度に対応する具体的数値を出力する識別器を記憶する。

識別器としては、例えば、マルチクラスSVM(Support Vector Machine)や、ニューラルネットワーク、線形回帰モデル、その他の任意の関数を採用することができる。

送受信部４２は、ユーザがユーザI/F３２を操作することにより作成したメールを送信する。また、送受信部４２は、携帯端末１２（図１）等から送信されてくる、携帯端末１１のユーザＡ宛のメールを受信する。

位置検出部４３は、例えば、GPS(Global Positioning System)センサで構成され、携帯端末１１の現在位置としての緯度及び経度を検出する。

タスク達成判定部４４は、位置情報DB２７に記憶された位置情報や、位置検出部４３で検出された現在位置から、タスク判定部３６で得られたタスクが達成された（完了した）かどうかを判定する。

学習データ生成部４５は、タスク達成判定部４４においてタスクが達成されたと判定されたことに対応して、識別器の学習（更新）に用いる学習データを生成する。

学習データ記憶部４６は、学習データ生成部４５で生成された学習データを記憶する。

学習部４７は、学習データ記憶部４６に記憶された学習データを用いて、識別器記憶部４１に記憶された識別器の学習（更新）を行う。

図４は、図３の携帯端末１１の処理の概要を説明する図である。

携帯端末１１では、曖昧語検出部３５において、ユーザの入力情報としての、例えば携帯端末１１のユーザＡが作成したメールから、程度が曖昧な曖昧語が検出される。

さらに、携帯端末１１では、タスク判定部３６において、ユーザの入力情報としての、例えば、メール記憶部３３に記憶されたメールから、曖昧語が係る係り先に関係するタスクが判定され、重要度判定部３９において、そのタスクの重要度が判定される。

そして、携帯端末１１では、数値変換部４０において、識別器記憶部４１に記憶された識別器に対して、曖昧語を、重要度とともに入力として与えることにより、曖昧語が、具体的数値に変換される。

例えば、いま、携帯端末１１のユーザＡと、携帯端末１２のユーザＢとの間で、図４に示すようなメールM#1及びM#2のやりとりが行われたとする。

メールM#1は、2011年1月11日に、ユーザＡ（の携帯端末１１）から送信され、ユーザＢ（の携帯端末１２）が受信したメールであり、翌日の1月12日の（午後）2時に、新宿のアルタ前での待ち合わせを提案するメッセージ「んじゃ明日は２時にアルタ前で待ち合わせということで！」が記述されている。

メールM#2は、2011年1月11日に、ユーザＢから送信され、ユーザＡが受信した、メールM#1に対する返信のメールであり、メールM#1による待ち合わせの提案を了承するメッセージ「りょーかい」が記述されている。

メールM#3は、待ち合わせ当日である2011年1月12日の13時45分に、ユーザＡから送信され、ユーザＢが受信したメールであり、待ち合わせの時刻（2時）に遅れることを連絡するメッセージ「ちょっと遅れるかもー（約９分±３分）」が記述されている。

すなわち、例えば、ユーザＡが、待ち合わせ当日である2011年1月12日の13時45分頃に、渋谷にいて、新宿のアルタでの待ち合わせの時刻である14時（午後2時）に間に合いそうにないため、ユーザＡが、携帯端末１１のユーザI/F３２を操作して、ユーザＢ宛に、メッセージ「ちょっと遅れるかもー」を本文とするメールM#3を作成したとする。

この場合、携帯端末１１では、曖昧語検出部３５において、ユーザＡが作成したメールM#3（の本文「ちょっと遅れるかもー」）から、曖昧語「ちょっと」が検出される。

さらに、携帯端末１１では、タスク判定部３６において、メールM#3、さらには、必要に応じて、そのメールM#3に関連するメールである関連メール、すなわち、例えば、メールM#3の宛先であるユーザＢとの間でやりとりしたメールM#1及びM#2から、曖昧語「ちょっと」が係る係り先「遅れるかもー」に関係するタスクが、待ち合わせ（集合）のタスク（待ち合わせタスク）であることが判定される。

また、重要度判定部３９において、メールM#3等から判定された待ち合わせタスクの重要度が判定される。

そして、携帯端末１１では、数値変換部４０において、識別器記憶部４１に記憶された識別器に対して、曖昧語「ちょっと」を、重要度判定部３９で求められた待ち合わせタスクの重要度とともに入力として与えることにより、待ち合わせの時刻に遅れる時間の程度を表す曖昧語「ちょっと」が、具体的数値である「９分」に変換される。

さらに、制御部３１において、ユーザＡが作成したメールM#3に、曖昧語「ちょっと」を変換した具体的数値「９分」が追加され、その具体的数値「９分」が追加されたメールM#3が、送受信部４２から送信される。

ここで、図４では、メールM#3に、曖昧語「ちょっと」を変換した具体的数値「９分」、すなわち、待ち合わせの時刻に遅れる具体的な時間「９分」とともに、その時間のマージンとしてのマージン時間「±３分」も記述されている。

以上のように、携帯端末１１では、ユーザＡが作成したメールM#3に、曖昧語「ちょっと」を変換した具体的数値「９分」が追加されるので、メールM#3を見たユーザＢは、待ち合わせの時刻に遅れる時間の程度を表す曖昧語「ちょっと」が、具体的に、９分程度であることを認識することができ、ユーザＡとＢとの間で、ミスコミュニケーションが生じることを防止することができる。

なお、ユーザＡからのメールM#3を受信するユーザＢの携帯端末１２は、一般的なメール機能を有していればよく、携帯端末１１と同様に構成されている必要はない（但し、携帯端末１１と同様に構成されていてもよい）。

図５は、図３の曖昧語DB２２に記憶されている曖昧語情報の例を示す図である。

曖昧語情報では、曖昧語としての単語（単語表記）と、その曖昧語の意味クラス、及び、係り先キーワードとが対応付けられている。

曖昧語情報において、曖昧語の意味クラスは、曖昧語の意味を分類するクラスであり、曖昧語の係り先キーワードは、その曖昧語が係る係り先となり得る単語である。

曖昧語検出部３５では、例えば、自然言語解析部３４によるメールの自然言語解析の結果を用いて、メールを構成する単語の中から、表記と意味とが、曖昧語情報が有する単語表記と意味クラスにマッチする単語を、曖昧語の候補として検出する。

曖昧語検出部３５は、メールから、曖昧語の候補を検出することができた場合、その曖昧語の候補がマッチする単語表記と意味クラスを有する曖昧語情報（以下、マッチ曖昧語情報ともいう）が有する係り先キーワードが、メールにおいて、曖昧語の候補の係り先として存在するかどうかを判定する。

マッチ曖昧語情報が有する係り先キーワードが、メールにおいて、曖昧語の候補の係り先として存在しない場合、曖昧語検出部３５は、メールには、曖昧語がないと認識する。

また、マッチ曖昧語情報が有する係り先キーワードが、メールにおいて、曖昧語の候補の係り先として存在する場合、曖昧語検出部３５は、曖昧語の候補を、メールに含まれる曖昧語として検出（認識）する。

例えば、メールに、メッセージ「ちょっと遅れるかもー」が記述されている場合、曖昧語検出部３５では、メールから、「ちょっと」が、曖昧語の候補として検出される。

メッセージ「ちょっと遅れるかもー」が記述されているメールにおいて、曖昧語の候補「ちょっと」の係り先は、単語「遅れる」であり、単語「遅れる」は、図５において、「ちょっと」の係り先キーワードに存在する。

この場合、曖昧語検出部３５では、メールから、「ちょっと」が、曖昧語として検出される。

図６は、図３のタスクDB２３に記憶されているタスク情報の例を示す図である。

タスク情報では、キーワードと、条件カテゴリとが対応付けられている。

タスク情報において、キーワードは、曖昧語検出部３５で検出された曖昧語が係る係り先に関係するタスクを判定するのに用いられる単語であり、条件カテゴリは、キーワードの属性を表す。

タスク判定部３６では、曖昧語検出部３５で曖昧語が検出されたメール（以下、検出メールともいう）、さらには、必要に応じて、検出メールに関連する関連メールから、タスク情報が有するキーワードを抽出し、そのキーワードの条件カテゴリに基づいて、曖昧語が係る係り先に関係するタスクを判定する。

すなわち、タスク判定部３６は、各タスクについて、条件カテゴリのテンプレートを有している。

例えば、待ち合わせタスクについては、テンプレート「日時：場所：目的：」が用意されており、タスク判定部３６は、検出メール、及び、関連メールから、（待ち合わせの）日時を表す条件カテゴリのキーワード、（待ち合わせの）場所を表す条件カテゴリのキーワード、及び、目的を表す条件カテゴリのキーワードの抽出を試みる。

例えば、いま、検出メールが、図４のメールM#3である場合、タスク判定部３６では、そのメールM#3、及び、関連メールであるメールM#1及びM#2から、日時を表す条件カテゴリのキーワードとして、待ち合わせの日時である「（2011年）1月12日の14時（午後2時）」が抽出され、場所を表す条件カテゴリのキーワードとして、待ち合わせの場所である「（新宿の）アルタ」が抽出される。

タスク判定部３６は、キーワードを抽出すると、そのキーワードを、テンプレートに埋め込む。いまの場合、キーワードが、テンプレート「日時：場所：目的：」に埋め込まれることにより、テンプレート「日時：1月12日の14時，場所：「新宿アルタ」，目的：特になし」が得られる。

待ち合わせタスクのテンプレート「日時：場所：目的：」について、少なくとも、「日時」と「場所」に、キーワードが埋め込まれると、タスク判定部３６では、検出メールから検出された曖昧語が係る係り先に関係するタスクが、待ち合わせタスクであると判定される。

図７は、相手クラスDB２４に記憶されている相手クラス情報の例を示す図である。

相手クラス情報では、人物IDと相手クラスとが対応付けられている。

相手クラス情報において、人物IDは、人物（ここでは、メールの宛先となる相手）を特定する情報であり、例えば、その人物の名前等を採用することができる。相手クラスは、人物IDによって特定される人物のカテゴリ（クラス）を表す。

相手クラス情報は、例えば、ユーザに、手動で入力してもらうことができる。

具体的には、例えば、メール機能のアドレス帳に登録されている名前を、人物IDとして採用し、各人物IDによって特定される人物の相手クラスを、ユーザに、手動で入力してもらうことができる。

ここで、人物IDによって特定される人物は、その人物宛のメールの文体の情報としての、例えば、敬語の使用率等や、メールのやりとりの頻度（親しさ）等を尺度にクラスタリングすることが可能であり、そのクラスタリングによるクラスタリング結果を、相手クラスとして採用することが可能である。

また、ユーザが手動で入力した相手クラスは、上述のようなクラスタリングによるクラスタリング結果に応じて補正することが可能である。

相手クラス判定部３７では、相手クラス情報において、例えば、検出メールの宛先になっている相手の人物IDに対応付けられている相手クラス（例えば、「（親しい）友人」等）が、タスク判定部３６で得られたタスクの相手（対象）の相手クラスであると判定される。

なお、携帯端末１１において、相手クラスを判定するのは、検出メールの宛先になっている相手によって、言葉の重みが変わるであろうという仮説に基づく。

すなわち、例えば、同一のメッセージ「少し長引きます」のメールであっても、会社の上司へのメールと、親しい友人へのメールとでは、そのメールに含まれる曖昧語「少し」が表す程度の具体的数値が異なると予想される。そこで、携帯端末１１では、同一のフレーズであっても、相手クラスによって、そのフレーズに含まれる曖昧語が表す程度の具体的数値として、異なる数値を得ることができるように、相手クラスが判定される。

図８は、目的DB２５に記憶されている目的情報の例を示す図である。

目的情報では、キーワードと、そのキーワードが表す目的のカテゴリ（目的カテゴリ）とが対応付けられている。

目的推定部３８では、例えば、検出メール、及び、関連メールから、目的情報が有するキーワードが抽出され、キーワードが抽出されるごとに、そのキーワードに対応付けられている目的カテゴリの出現頻度がカウントアップされる。

そして、目的推定部３８では、目的カテゴリの出現頻度に基づき、例えば、出現頻度が最も高い目的カテゴリが、タスク判定部３６で得られたタスクの目的として推定される。

なお、すべての目的カテゴリの出現頻度が０回である場合、タスクの目的はない（「目的：特に無し」）と推定される。

また、タスクの目的の推定の方法としては、上述したようなキーワードに対応付けられている目的カテゴリの出現頻度をカウントする方法の他、大量のメールをマイニングし、SVMなどの機械学習の手法を用いて識別器を生成し、クラスタリングをするなどする方法を採用することができる。

ここで、携帯端末１１において、タスクの目的を推定するのは、タスクの目的によって、曖昧語が表す程度（尺度）が変わるであろうという仮説に基づく。

すなわち、例えば、同一の友人を宛先とする、同一のメッセージ「ちょっと遅れる」のメールであっても、買い物を目的とするときのメールと、時間が決まっている映画やコンサートを目的とするメールとでは、そのメールに含まれる曖昧語「ちょっと」が表す程度の具体的数値が異なると予想される。そこで、携帯端末１１では、同一のフレーズであっても、タスクの目的によって、そのフレーズに含まれる曖昧語が表す程度の具体的数値として、異なる数値を得ることができるように、タスクの目的が推定される。

図９は、重要度DB２６に記憶されている重要度情報の例を示す図である。

重要度情報では、カテゴリと、そのカテゴリの重要度とが対応付けられている。

ここで、重要度情報が有するカテゴリには、少なくとも、タスクの目的と、タスクの相手クラスとが含まれる。

また、図９の重要度情報では、カテゴリには、キーワードが含まれている。

重要度判定部３９では、重要度情報において、相手クラス判定部３７で得られた相手クラスに一致するカテゴリに対応付けられている重要度（以下、相手クラスの重要度ともいう）、及び、目的推定部３８で得られた目的に一致するカテゴリに対応付けられている重要度（以下、目的の重要度ともいう）を検出する。

そして、重要度判定部３９では、相手クラスの重要度と、目的の重要度とを加算し、その結果得られる加算値を、タスク判定部３６で得られたタスクの重要度に判定する。

なお、重要度判定部３９では、その他、例えば、相手クラスの重要度と、目的の重要度とのそれぞれに係数（重み）を乗算して、線形結合し、その線形結合の結果を、タスクの重要度に判定することができる。

また、重要度判定部３９では、重要度情報が有するカテゴリとしてのキーワードを、検出メール、及び、関連メールから抽出し、重要度情報において、検出メール、及び、関連メールから抽出することができたカテゴリとしてのキーワードに対応付けられている重要度を、相手クラスの重要度や、目的の重要度と同様に用いて、タスクの重要度の判定を行うことができる。

タスクの重要度は、例えば、待ち合わせタスクであれば、ユーザが、待ち合わせの時刻に遅れてはいけないと意識する（であろう）レベルに相当する。

図１０は、位置情報DB２７に記憶されている位置情報の例を示す図である。

位置情報では、場所を表すキーワードと、そのキーワードが表す場所の緯度及び経度とが対応付けられている。

タスク達成判定部４４は、例えば、待ち合わせタスクについて、待ち合わせの場所の緯度及び経度を、位置情報を参照することで認識する。

そして、タスク達成判定部４４は、位置検出部４３で検出される現在位置としての緯度及び経度と、待ち合わせの場所の緯度及び経度とに基づいて、現在位置と待ち合わせ場所との距離を求め、その距離が、所定の閾値THメートル以内であれば、待ち合わせタスクが達成された（完了した）と判定する。

［携帯端末１１の処理］

図１１は、図３の携帯端末１１の処理を説明するフローチャートである。

ステップＳ１１において、制御部３１は、ユーザＡから、メールの入力があったかどうか、すなわち、ユーザＡが、ユーザI/F３２を操作することにより、メールを作成し、さらに、そのメールを送信するように、ユーザI/F３２を操作したかどうかを判定する。

ステップＳ１１において、ユーザＡから、メールの入力がなかったと判定された場合、処理は、ステップＳ１１に戻る。

また、ステップＳ１１において、ユーザＡから、メールの入力があったと判定された場合、制御部３１は、そのユーザＡからのメールを、メール記憶部３３に記憶させて、処理は、ステップＳ１２に進む。

ここで、メール記憶部３３には、ユーザＡから入力されたメールの他、送受信部４２で受信された、ユーザＡ宛のメールも記憶される。

ステップＳ１２では、自然言語解析部３４は、直前に、メール記憶部３３に記憶された、ユーザＡから入力されたメールを、注目する注目メールとして、その注目メールの自然言語解析を行い、処理は、ステップＳ１３に進む。

ステップＳ１３では、曖昧語検出部３５は、曖昧語DB２２に記憶された曖昧語情報（図５）や、自然言語解析部３４による注目メールの自然言語解析の結果を参照することにより、注目メールから、曖昧語を検出して、処理は、ステップＳ１４に進む。

ステップＳ１４では、制御部３１は、曖昧語検出部３５において、注目メールから、曖昧語が検出されたかどうかを判定する。

ステップＳ１４において、注目メールから、曖昧語が検出されなかったと判定された場合、すなわち、注目メールに、曖昧語が含まれていないか、又は、曖昧語が含まれていても、その曖昧語の係り先がない場合、処理は、ステップＳ１５に進み、送受信部４２は、注目メールを（無線で）送信して、処理は、ステップＳ１１に戻る。

したがって、注目メールから、曖昧語が検出されなかった場合、ユーザＡが入力したメール（注目メール）は、そのまま送信される。

一方、ステップＳ１４において、注目メールから、曖昧語が検出されたと判定された場合、処理は、ステップＳ１６に進み、自然言語解析部３４は、メール記憶部３３に記憶されているメールのうちの、注目メールに関連する関連メールの自然言語解析を行う。

すなわち、自然言語解析部３４は、メール記憶部３３に記憶されたメールから、宛先や差出人が、注目メールの宛先に一致するメールや、件名が、注目メールの件名を含むメール等を、注目メールに関連する関連メールとして選択する。

そして、自然言語解析部３４は、関連メールの自然言語解析を行って、処理は、ステップＳ１６からステップＳ１７に進む。

ステップＳ１７では、タスク判定部３６は、タスクDB２３に記憶されたタスク情報（図６）や、自然言語解析部３４による注目メール、及び、関連メールの自然言語解析の結果を参照することにより、注目メールの曖昧語（例えば、図４のメールM#3の「ちょっと」）の係り先（例えば、図４のメールM#3の「遅れる」）に関係するタスクを判定し、処理は、ステップＳ１８に進む。

ステップＳ１８では、制御部３１は、タスク判定部３６において、注目メールの曖昧語の係り先に関係するタスク（以下、関係タスクともいう）を判定することができたかどうかを判定する。

ステップＳ１８において、関係タスクを判定することができなかったと判定された場合、処理は、ステップＳ１５に進み、送受信部４２は、注目メールを送信して、処理は、ステップＳ１１に戻る。

したがって、関係タスクを判定することができなかった場合、ユーザＡが入力したメール（注目メール）は、そのまま送信される。

一方、ステップＳ１８において、関係タスクを判定することができたと判定された場合、処理は、ステップＳ１９に進み、相手クラス判定部３７は、相手クラスDB２４に記憶された相手クラス情報（図７）等を参照することにより、関係タスクの相手クラスを判定し、処理は、ステップＳ２０に進む。

ここで、以下では、説明を簡単にするため、関係タスクが、待ち合わせタスクであることとする。

ステップＳ２０では、目的推定部３８は、目的DB２５に記憶された目的情報（図８）や、自然言語解析部３４による注目メール、及び、関連メールの自然言語解析の結果を参照することにより、関係タスクである待ち合わせタスクの目的を推定し、処理は、ステップＳ２１に進む。

ステップＳ２１では、重要度判定部３９は、重要度DB２６に記憶された重要度情報（図）や、自然言語解析部３４によるメールの自然言語解析の結果を参照することにより、関係タスクである待ち合わせタスクの相手クラスや目的等に基づいて、その待ち合わせタスクの重要度を判定して、処理は、ステップＳ２２に進む。

ステップＳ２２では、制御部３１は、識別器記憶部４１に記憶された識別器が、既に、学習済みであるかどうかを判定する。

ステップＳ２２において、識別器記憶部４１に記憶された識別器が、既に、学習済みであると判定された場合、処理は、ステップＳ２３に進み、数値変換部４０は、識別器記憶部４１に記憶された識別器、曖昧語検出部３５で検出された曖昧語、及び、重要度判定部３９で得られた待ち合わせタスクの重要度を用いて、曖昧語検出部３５で検出された曖昧語を、具体的数値に変換する。

すなわち、ステップＳ２３では、数値変換部４０は、識別器記憶部４１に記憶された識別器に対して、曖昧語検出部３５で検出された曖昧語を、重要度判定部３９で得られた待ち合わせタスクの重要度とともに入力として与えることにより、その曖昧語を変換した具体的数値を、識別器の出力として得る。

そして、制御部３１は、数値変換部４０で得られた具体的数値を、メール記憶部３３に記憶された注目メールに追加することにより反映し、処理は、ステップＳ２３からステップＳ２４に進む。

ステップＳ２４では、送受信部４２は、注目メールを送信して、処理は、ステップＳ２５に進む。

この場合、ユーザＡが入力したメール（注目メール）は、そのメールに含まれる曖昧語を変換した具体的数値が追加された状態で送信される。

一方、ステップＳ２２において、識別器記憶部４１に記憶された識別器が、学習済みでないと判定された場合、処理は、ステップＳ２３をスキップして、ステップＳ２４に進み、送受信部４２は、注目メールを送信して、処理は、ステップＳ２５に進む。

この場合、ユーザＡが入力したメール（注目メール）は、そのまま送信される。

ステップＳ２５では、タスク達成判定部４４は、位置情報DB２７に記憶された位置情報（図１０）や、位置検出部４３で検出されている現在位置を参照することにより、タスク判定部３６で得られた待ち合わせタスクが達成されたかどうかを判定する。

ステップＳ２５において、待ち合わせタスクが達成されていないと判定された場合、例えば、数秒待機して、処理は、ステップＳ２５に戻る。

また、ステップＳ２５において、待ち合わせタスクが達成されたと判定された場合、すなわち、例えば、待ち合わせタスクにおける待ち合わせの場所と、現在位置との距離が、所定の閾値THメートル以内であり、ユーザＡが待ち合わせの場所に到着したとみなせる場合、処理は、ステップＳ２６に進み、学習データ生成部４５は、識別器記憶部４１に記憶された識別器の学習（更新）に用いる学習データを生成する。

すなわち、学習データ生成部４５は、待ち合わせタスクが達成された時刻から、待ち合わせタスクにおける待ち合わせの時刻を減算することにより、ユーザＡが、待ち合わせの場所に到着するのに、実際に遅れた遅れ時間（以下、実遅延時間ともいう）を求める。

具体的には、例えば、待ち合わせの時刻（待ち合わせ時刻）が、14時（00分00秒）であり、ユーザＡが待ち合わせの場所（待ち合わせ場所）に到着した時刻が、14時11分15秒であるとすると、実遅延時間としては、11分15秒（＝14時11分15秒−14時）が求められる。

そして、学習データ生成部４５は、注目メールから検出された曖昧語、待ち合わせタスクの重要度、及び、実遅延時間を、学習データとして、学習データ記憶部４６に記憶させ、処理は、ステップＳ２６からステップＳ２７に進む。

ステップＳ２７では、学習部４７が、学習データ記憶部４６に記憶された学習データを用いて、識別器記憶部４１に記憶された識別器の学習（更新）を行い、処理は、ステップＳ１１に戻る。

すなわち、学習部４７は、学習データとしての曖昧語、待ち合わせタスクの重要度、及び、実遅延時間のうちの、曖昧語と、待ち合わせタスクの重要度とを、識別器の入力として与えるとともに、実遅延時間を、識別器の出力として与えて、識別器の学習を行う。

識別器としては、上述したように、例えば、マルチクラスSVMや、ニューラルネットワーク、線形回帰モデルを採用することができる。

識別器として、線形回帰モデルを採用する場合、例えば、曖昧語ごとに、線形回帰モデルを用意し、待ち合わせタスクの重要度の入力に対して、実遅延時間（に近い値）を、出力として得られるような線形回帰モデルの係数（待ち合わせタスクの重要度と係数との積和演算を行う線形一次式の係数）が求められる。

この場合、数値変換部４０では、ステップＳ２３において、注目メールから検出された曖昧語に対する線形回帰モデルが選択され、その線形回帰モデルに、待ち合わせタスクの重要度を入力として与えることによって、線形回帰モデル（としての線形一次式）の演算結果が、注目メールから検出された曖昧語に対する具体的数値として求められる。

また、識別器として、マルチクラスSVMや、ニューラルネットワークを採用する場合、マルチクラスSVMやニューラルネットワークの入力として、曖昧語、及び、待ち合わせタスクの重要度を用いるとともに、マルチクラスSVMやニューラルネットワークの出力として、実遅延時間を用いて、機械学習が行われる。

この場合、数値変換部４０では、ステップＳ２３において、注目メールから検出された曖昧語と、待ち合わせタスクの重要度とが、マルチクラスSVMやニューラルネットワークの入力として与えられ、その入力に対するマルチクラスSVMやニューラルネットワークの出力が、注目メールから検出された曖昧語に対する具体的数値として求められる。

なお、識別器に対する入力としては、曖昧語と、待ち合わせタスクの重要度の他、例えば、曖昧語DB２２に記憶された曖昧語情報（図５）において、曖昧語と対応付けられている意味クラス等を用いることができる。

図１２は、学習データ生成部４５によって生成され、学習データ記憶部４６に記憶される学習データの例を示す図である。

学習データ生成部４５では、待ち合わせタスクが達成されるごとに、注目メールから検出された曖昧語、待ち合わせタスクの重要度、及び、実遅延時間からなる学習データが生成され、学習データ記憶部４６に記憶される。

そして、そのような学習データを用いた識別器の学習（更新）が繰り返されることにより、ユーザＡが使用する曖昧語について、頑健（ロバスト）で、正確な具体的数値を出力する識別器が構成されていく。

なお、識別器として、例えば、線形回帰モデルを採用する場合には、線形回帰モデルの出力と、学習データとして与えられる実遅延時間との差（誤差）の最大値や最小値を求めておき、その最大値や最小値を、図４で説明したマージン時間として用いることができる。

また、識別器として、例えば、マルチクラスSVMを採用する場合には、そのマルチクラスSVMのクラスの上限値と下限値を、図４で説明したマージン時間として用いることができる。

以上のように、携帯端末１１では、ユーザから入力される入力情報としての注目メールから、曖昧語（例えば、「ちょっと」）が検出され、さらに、ユーザから入力される入力情報としての注目メールや関連メールから、曖昧語が係る係り先に関係する関係タスク（例えば、待ち合わせタスク）が判定される。

また、携帯端末１１では、待ち合わせタスクの重要度が、待ち合わせタスクの相手クラスや目的等に基づいて判定され、待ち合わせタスクの完了（達成）に応じて、曖昧語「ちょっと」が表す程度に対応する具体的数値としての実遅延時間が求められる（生成される）。

そして、携帯端末１１では、待ち合わせタスクの重要度、曖昧語、及び、具体的数値としての実遅延時間を用いて、識別器の学習が行われる。

したがって、識別器においては、曖昧語について、待ち合わせタスクの重要度、つまり、待ち合わせの相手や目的等の場合に応じて、ユーザが実際に遅れた時間（実遅延時間）が獲得される。

さらに、携帯端末１１では、そのような識別器に対して、曖昧語を、待ち合わせタスクの重要度とともに入力として与えることにより、曖昧語を具体的数値に変換した値が求められる。

したがって、ユーザＡの同一のフレーズに含まれる曖昧語であっても、場合によって、すなわち、例えば、待ち合わせの相手（例えば、仕事先の相手であるのか、友達であるのか）や、待ち合わせの目的（待ち合わせ時刻に遅れても問題ないような待ち合わせであるのかどうか）によって、曖昧語を、異なる値の具体的数値に、柔軟に変換することができ、ミスコミュニケーションを防止することができる。

また、特許文献１に記載の従来の対話支援装置では、曖昧語と、その曖昧語が表す程度の具体的数値の範囲とを対応付けた変換テーブルを、手作業で作成する必要があるが、携帯端末１１では、待ち合わせタスクの重要度、曖昧語、及び、具体的数値としての実遅延時間を用いて、識別器の学習が行われるので、従来の対話支援装置のように、手作業で、変換テーブルを作成する必要がない。したがって、ユーザは、ミスコミュニケーションを容易に防止することができる。

さらに、識別器の学習が進行することにより（多数の学習データを用いた識別器の学習が行われることにより）、識別器において、様々な関係タスクについて、関係タスクの相手クラスや目的に対して、ユーザが使用する曖昧語が表す程度の具体的数値が獲得されるので、識別器による、曖昧語の具体的数値への変換の精度を向上させることができる。すなわち、ユーザが使用する曖昧語を、そのユーザが想定している具体的数値に、正確に変換することができる。

また、識別器は、タスクの重要度、曖昧語、及び、具体的数値が得られるたびに学習（更新）されるので、ユーザが、ある曖昧語について想定している具体的数値が、時間の経過（年齢の変化）に従って変化しても、その変化に追従した、曖昧語の具体的数値への変換を行うことができる。

さらに、識別器を用いることにより、例えば、「ちょっと待って」や、「あと少しで終わる」等の、行動（例えば、「待って」や「終わる」）に関する曖昧語を含むようなメッセージについて、手作業では、曖昧語が表す程度の具体的数値を、正確に入力することが困難な曖昧語を、比較的正確な具体的数値に変換することができる。

なお、上述の場合には、待ち合わせタスクの重要度を、その待ち合わせタスクの相手クラスと目的との両方に基づいて求めることとしたが、待ち合わせタスクの重要度は、その待ち合わせタスクの相手クラスだけや目的だけに基づいて求めることが可能である。

さらに、携帯端末１２を、携帯端末１１と同様に構成するとともに、携帯端末１１での学習によって得られる、ユーザＡが使用する曖昧語を具体的数値に変換する識別器（ユーザＡの識別器）を、ユーザＢの携帯端末１２に提供（送信）し、携帯端末１２において、ユーザＡの識別器を用いて、ユーザＡからのメールに含まれる曖昧語を、具体的数値に変換することが可能である。

また、携帯端末１１において、識別器は、一つの関係タスクごとに用意することもできるし、複数の関係タスクごとに用意することもできる。

また、識別器は、標準的な識別器である標準識別器を、識別器記憶部４１に記憶させておき、その標準識別器を、学習データを用いて更新していくことができる。

標準識別器は、例えば、インターネット等のネットワーク上のサーバにおいて、複数のユーザから、学習データを収集し、その学習データを用いて、識別器の学習を行うことで生成することができる。

ユーザＡが、携帯端末１１を購入した直後においては、識別器の学習が行われていないため、上述のように、ネットワーク上のサーバにおいて、標準識別器を生成し、携帯端末１１において、その標準識別器をダウンロードすることで、携帯端末１１の購入直後から、曖昧語の変換が可能となるホットスタートを実現することができる。

なお、ネットワーク上のサーバでは、ユーザを、ユーザのプロファイルによって、幾つかのカテゴリに分類し、カテゴリごとに、そのカテゴリに属するユーザからの学習データを用いて標準識別器を生成することができる。

この場合、ネットワーク上のサーバでは、携帯端末１１に対して、その携帯端末１１のユーザＡのプロファイルから得られるユーザＡのカテゴリの標準識別器を提供することができる。

［携帯端末１１の他の構成例］

図１３は、図１の携帯端末１１の他の構成例を示すブロック図である。

なお、図１３において、図３の場合と対応する部分については、同一の符号を付してあり、以下では、その説明は、適宜省略する。

図１３の携帯端末１１は、辞書記憶部２１ないし位置情報DB２７、及び、制御部３１ないし学習部４７を有する点で、図３の場合と共通し、加速度センタ６１、行動解析部６２、行動ログ記憶部６３、及び、数値補正部６４を有する点で、図３の場合と相違する。

加速度センサ６１は、携帯端末１１（を所持するユーザＡ）の加速度を検出する。

行動解析部６２は、位置検出部４３で検出されるユーザＡの現在地や、加速度センサ６１で検出されるユーザＡの加速度に基づいて、ユーザＡの行動解析を行い、その行動解析の結果として、ユーザが、どのような行動をとっているかを表す行動情報を求める。

ここで、行動情報とは、例えば、ユーザＡが、歩いている、走っている、電車に乗っている、自動車に乗っている等の情報である。

行動ログ記憶部６３は、行動解析部６２で得られる行動情報のログ（行動ログ）を記憶する。

数値補正部６４は、数値変換部４０において、曖昧語を変換することにより得られる具体的数値を用いて、数値補正を行う。

図１４は、図１３の携帯端末１１の処理の概要を説明する図である。

いま、携帯端末１１のユーザＡが、新宿のアルタで、14時に、携帯端末１２のユーザＢと待ち合わせをしており、ユーザＡが、電車で、待ち合わせ場所である新宿（のアルタ）に向かっているとする。

また、ユーザＡが、渋谷駅を出発した電車内で、待ち合わせ時刻に遅れる旨のメッセージ「少し遅れる」を、13時55分にメールで、ユーザＢ宛に送信したとする。

この場合、図１３の携帯端末１１では、ユーザＡがユーザＢ宛に送信したメールを、注目メールとして処理が行われる。

すなわち、携帯端末１１では、行動解析部６２において、加速度センサ６１で検出されるユーザの加速度等から、ユーザＡが電車に乗っていること、つまり、ユーザＡの（現在の）移動手段が、電車であることが認識される。

さらに、携帯端末１１では、行動解析部６２が、位置検出部４３で検出される現在位置と、ユーザＡの移動手段が電車であること、及び、注目メールとその関連メールから認識される待ち合わせ場所である新宿（のアルタ）に基づき、待ち合わせ場所に到着するのに要する予測される予測所要時間を求める。

ここで、ユーザＡが電車で移動している場合の予測所要時間は、例えば、インターネット上のサーバで提供されている、乗り換えの案内等を行う乗り換え案内API(Application Program Interface)に問い合わせること等によって求めることができる。

図１４では、13分が、予測所要時間として求められている。

行動解析部６２は、現在時刻に、予測所要時間を加算することで、待ち合わせ場所に到着すると予測される予測到着時刻を求める。

図１４では、現在時刻である13時55分に、予測所要時間である13分を加算することで、14時08分が、予測到着時刻として求められる。

行動解析部６２は、予測到着時刻から、待ち合わせ時刻を減算することで、待ち合わせ時刻に遅れる遅延時間の予測値である予測遅延時間を求める。

図１４では、予測到着時刻である14時08分から、待ち合わせ時刻である14時を減算することで、8分が、予測遅延時間として求められる。

その後、ユーザＡが、待ち合わせ場所に、14時05に、実際に到着したこととする。

ユーザＡが、待ち合わせ場所に到着したかどうかは、図１１で説明したように、タスク達成判定部４４において、待ち合わせ場所と、現在位置との距離が、所定の閾値THメートル以内であるかどうかによって判定される。

ここで、ユーザＡが、待ち合わせ場所に、実際に到着した時刻を、実到着時刻ともいう。

行動解析部６２は、実到着時刻から、待ち合わせ時刻を減算することで、待ち合わせ時刻に、実際に遅れた時間である実遅延時間を求める。

図１４では、実到着時刻である14時05分から、待ち合わせ時刻である14時を減算することで、5分が、実遅延時間として求められる。

行動解析部６２は、実遅延時間から、予測遅延時間を減算することで、予測遅延時間を補正する補正値（の具体的数値）を求める。

図１４では、実遅延時間である5分から、予測遅延時間である8分を減算することで、-3分が、予測遅延時間を補正する補正値として求められる。

また、図１３の携帯端末１１では、図３の場合と同様にして、ユーザＡがユーザＢに送信した13時55分のメール「少し遅れる」から、曖昧語「少し」が検出されるとともに、関係タスクが待ち合わせタスクであること、及び、待ち合わせタスクの重要度が求められる。

図１３の携帯端末１１では、以上のようにして、ユーザＡの移動手段、予測遅延時間を補正する補正値、曖昧語「少し」、及び、待ち合わせタスクの重要度が求められると、学習部４７において、識別器の学習（更新）が行われる。

なお、図３の携帯端末１１では、曖昧語、及び、待ち合わせタスクの重要度を、識別器の入力とするとともに、具体的数値としての実遅延時間を、識別器の出力として、識別器の学習が行われるが、図１３の携帯端末では、曖昧語、待ち合わせタスクの重要度、及び、ユーザＡの移動手段を、識別器の入力とするとともに、具体的数値としての補正値を、識別器の出力として、識別器記憶部４１に記憶された識別器の学習（更新）が行われる。

そして、図１３の携帯端末１１において、識別器の学習が行われた後、再び、図１４で説明したような待ち合わせが、ユーザＡとＢとの間で行われた場合、上述した場合と同様にして、ユーザＡの移動手段、予測遅延時間、曖昧語「少し」、及び、待ち合わせタスクの重要度が求められる。

そして、数値変換部４０は、識別器記憶部４１に記憶された識別器に対して、曖昧語、待ち合わせタスクの重要度、及び、ユーザＡの移動手段を、入力として与えることにより、識別器が出力する、予測遅延時間を補正する補正値を求める。

そして、数値補正部６４は、予測遅延時間に、数値変換部４０で求められた補正値を加算することで、予測遅延時間を補正し、制御部３１は、補正後の予測遅延時間（以下、補正遅延時間）を、曖昧語を変換した具体的数値として、メールに追加する。

［携帯端末１１の処理］

図１５は、図１３の携帯端末１１の処理を説明するフローチャートである。

図１５では、ステップＳ５１ないしＳ６１において、図１１のステップＳ１１ないしＳ２１とそれぞれ同様の処理が行われ、これにより、注目メールに含まれる曖昧語、関係タスクが待ち合わせタスクであること、及び、待ち合わせタスクの重要度が求められ、処理は、ステップＳ６２に進む。

ステップＳ６２では、行動解析部６２が、ユーザＡの行動解析を行うことにより、ユーザＡの移動手段が求められる。さらに、行動解析部６２は、図１４で説明したようにして、予測遅延時間を求め、処理は、ステップＳ６２からステップＳ６３に進む。

ステップＳ６３では、制御部３１は、識別器記憶部４１に記憶された識別器が、既に、学習済みであるかどうかを判定する。

ステップＳ６３において、識別器記憶部４１に記憶された識別器が、既に、学習済みであると判定された場合、処理は、ステップＳ６４に進み、数値変換部４０は、識別器記憶部４１に記憶された識別器、注目メールに含まれる曖昧語、待ち合わせタスクの重要度、及び、ユーザＡの移動手段を用いて、曖昧語を、予測遅延時間を補正する補正値の具体的数値に変換する。

すなわち、ステップＳ６４では、数値変換部４０は、識別器記憶部４１に記憶された識別器に対して、注目メールに含まれる曖昧語を、待ち合わせタスクの重要度、及び、ユーザＡの移動手段とともに入力として与えることにより、注目メールに含まれる曖昧語を補正値に変換した具体的数値を、識別器の出力として得る。

その後、処理は、ステップＳ６４からステップＳ６５に進み、数値補正部６４は、行動解析部６２によって求められた予測遅延時間を、数値変換部４０で得られた補正値によって補正する。そして、制御部３１は、数値補正部６４が、予測遅延時間を補正値によって補正することにより得られる補正遅延時間（の具体的数値）を、メール記憶部３３に記憶された注目メールに追加することにより反映し、処理は、ステップＳ６５からステップＳ６６に進む。

ステップＳ６６では、送受信部４２は、注目メールを送信して、処理は、ステップＳ６７に進む。

この場合、ユーザＡが入力したメール（注目メール）は、そのメールに含まれる曖昧語が補正遅延時間に変換された具体的数値が追加された状態で送信される。

一方、ステップＳ６３において、識別器記憶部４１に記憶された識別器が、学習済みでないと判定された場合、処理は、ステップＳ６４及びＳ６５をスキップして、ステップＳ６６に進み、送受信部４２は、注目メールを送信して、処理は、ステップＳ６７に進む。

この場合、ユーザＡが入力したメール（注目メール）は、そのまま送信される。

ステップＳ６７では、タスク達成判定部４４は、図１１のステップＳ２５と同様に、位置情報DB２７に記憶された位置情報（図１０）や、位置検出部４３で検出されている現在位置を参照することにより、タスク判定部３６で得られた待ち合わせタスクが達成されたかどうかを判定する。

ステップＳ６７において、待ち合わせタスクが達成されていないと判定された場合、例えば、数秒待機して、処理は、ステップＳ６７に戻る。

また、ステップＳ６７において、待ち合わせタスクが達成されたと判定された場合、すなわち、例えば、待ち合わせタスクにおける待ち合わせの場所と、現在位置との距離が、所定の閾値THメートル以内であり、ユーザＡが待ち合わせの場所に到着したとみなせる場合、処理は、ステップＳ６８に進み、学習データ生成部４５は、識別器記憶部４１に記憶された識別器の学習（更新）に用いる学習データを生成する。

すなわち、学習データ生成部４５は、待ち合わせタスクが達成された時刻から、待ち合わせタスクにおける待ち合わせの時刻を減算することにより、ユーザＡが、待ち合わせの場所に到着するのに、実際に遅れた遅れ時間（実遅延時間）を求める。

さらに、学習データ生成部４５は、実遅延時間から、行動解析部６２が求めた予測遅延時間を減算することで、予測遅延時間を補正する補正値を求める。

そして、学習データ生成部４５は、注目メールに含まれる曖昧語、待ち合わせタスクの重要度、ユーザＡの移動手段、及び、補正値を、学習データとして、学習データ記憶部４６に記憶させ、処理は、ステップＳ６８からステップＳ６９に進む。

ステップＳ６９では、学習部４７が、学習データ記憶部４６に記憶された学習データを用いて、識別器記憶部４１に記憶された識別器の学習（更新）を行い、処理は、ステップＳ５１に戻る。

すなわち、学習部４７は、学習データとしての曖昧語、待ち合わせタスクの重要度、ユーザＡの移動手段、及び、補正値のうちの、曖昧語、待ち合わせタスクの重要度、及び、ユーザＡの移動手段を、識別器の入力として与えるとともに、補正値を、識別器の出力として与えて、識別器の学習を行う。

図１６は、図１３の学習データ生成部４５によって生成され、学習データ記憶部４６に記憶される学習データの例を示す図である。

学習データ生成部４５では、待ち合わせタスクが達成されるごとに、注目メールに含まれる曖昧語、待ち合わせタスクの重要度、（ユーザＡの）移動手段、及び、予測遅延時間を補正する補正値からなる学習データが生成され、学習データ記憶部４６に記憶される。

そして、そのような学習データを用いた識別器の学習（更新）が繰り返されることにより、ユーザＡが使用する曖昧語について、頑健（ロバスト）で、正確な具体的数値を出力する識別器が構成されていく。

以上のように、図１３の携帯端末１１では、識別器の入力として、ユーザＡの移動手段を与え、その移動手段を使用した場合の予測遅延時間を補正値を求めるので、ユーザＡが使用する移動手段にかかわらず、曖昧語を、ユーザが想定している具体的数値に、正確に変換することができる。

なお、以上においては、ユーザからの入力情報として、メールを用いたが、ユーザからの入力情報としては、メールの他、例えば、ユーザの対話を音声認識した音声認識結果や、ユーザが使用している電子的なスケジュール帳、ユーザのブログ等を採用することができる。

また、関係タスクは、待ち合わせ（集合）タスクに限定されるものではない。

ここで、図３において（図１３でも同様）、辞書記憶部２１は、比較的アクセス頻度が高いデータベースであり、識別器記憶部４１及び学習データ記憶部４６は、比較的高頻度で更新される、いわば動的なデータベースである。また、相手クラスDB２４は、ユーザごとに個別のデータベースである。

一方、曖昧語DB２２、タスクDB２３、目的DB２５、重要度DB２６、及び、位置情報DB２７は、ユーザに共通で、比較的更新頻度が低い、いわば静的なデータベースである。

静的なデータベースである曖昧語DB２２、タスクDB２３、目的DB２５、重要度DB２６、及び、位置情報DB２７は、携帯端末１１ではなく、例えば、インターネット等のネットワーク上のサーバに設けることができる。

この場合、携帯端末１１は、ネットワーク上のサーバにアクセスして、曖昧語DB２２、タスクDB２３、目的DB２５、重要度DB２６、及び、位置情報DB２７を参照する。

サーバにおいて、曖昧語DB２２、タスクDB２３、目的DB２５、重要度DB２６、及び、位置情報DB２７を、適宜更新することにより、携帯端末１１では、最新のデータを参照することができる。

［曖昧語の具体的数値への変換の他の例］

図１７は、携帯端末１１のユーザＡが送信（作成）したメールの例を示す図である。

メールM#11は、2011年3月9日に、ユーザＡ（の携帯端末１１）から、ユーザＡの会社の、ユーザＡと同じ課のＸさんに送信されたメールであり、メッセージ「内部向けリリースの案件ですが、もうしばらくかかる見込みです。」が記述されている。

メールM#12は、2011年3月20日に、ユーザＡから、Ｘさんに送信されたメールであり、メッセージ「現在作業中の案件について、完了しましたので報告します。」が記述されている。

携帯端末１１では、メールM#11及びM#12の自然言語解析が行われ、その結果、メールM#12により、メールM#11での「内部向けリリースの案件」の作業（タスク）が完了したことが認識される。さらに、携帯端末１１では、メールM#11での曖昧語「もうしばらく」に対する具体的数値が、メールM#11の日付の2011年3月9日から、メールM#12の日付の2011年3月20日までの期間である11日であることが認識される。

また、携帯端末１１では、メールM#11及びM#12の宛先（相手クラス）が、同じ課（課内）の人間であり、メッセージの話題（タスクの目的）が会社の内部向けの話題になっていることから、タスクの重要度として、例えば、比較的低い値が求められる。

そして、携帯端末１１では、メールM#11での曖昧語「もうしばらく」、タスクの重要度、及び、曖昧語「もうしばらく」に対する具体的数値である11日を、学習データとして、識別器の学習が行われる。

一方、メールM#21は、2010年3月8日に、ユーザＡから、取引先のＹさんに送信されたメールであり、メッセージ「3/9納品予定の案件ですが、もうしばらくお待ちいただけますでしょうか。」が記述されている。

メールM#22は、2010年3月14日に、ユーザＡから、Ｙさんに送信されたメールであり、メッセージ「予定より遅れまして申し訳ありません。本日納品させていただきます。」が記述されている。

携帯端末１１では、メールM#21及びM#22の自然言語解析が行われ、その結果、メールM#22により、メールM#21での「3/9納品予定の案件」の作業（タスク）が完了したことが認識される。さらに、携帯端末１１では、メールM#21での曖昧語「もうしばらく」に対する具体的数値が、メールM#21の日付の2010年3月8日から、メールM#22の日付の2010年3月14日までの期間である6日であることが認識される。

また、携帯端末１１では、メールM#21及びM#22の宛先（相手クラス）が、取引先（社外）の人間であり、メッセージの話題（タスクの目的）が会社の外部向けの話題になっていることから、タスクの重要度として、例えば、比較的高い値が求められる。

そして、携帯端末１１では、メールM#21での曖昧語「もうしばらく」、タスクの重要度、及び、曖昧語「もうしばらく」に対する具体的数値である6日を、学習データとして、識別器の学習が行われる。

以上のような学習が行われた識別器によれば、同一の曖昧語「もうしばらく」に対して、メールの宛先（相手クラス）が、課内か、社外かによって、また、メールのメッセージの話題（タスクの目的）が、会社の内部向けか、外部向けかによって、異なる具体的数値が出力される。

なお、携帯端末１１において、識別器の学習は、メールM#11及びM#12の宛先のＸさんと、メールM#21及びM#22の宛先のＹさんとのそれぞれごとに、識別器を用意し、別個に行うことができる。

図１８は、携帯端末１１のユーザＡが作成したブログのコメント（ブログコメント）と、ユーザＡが送信したメールの例を示す図である。

ブログコメントC#1は、ユーザＡが、居酒屋である店AAに、同僚との飲み会で訪れたことについて記述したコメントであり、コメント「評価：4.0 、目的：同僚と飲み会、レビュー文：店AAはすごくおいしい」が記述されている。

ブログコメントC#2は、ユーザＡが、フレンチのレストランである店BBに、デートで訪れたことついて記述したコメントであり、コメント「評価：4.1 、目的：デート、レビュー文：店BBはまぁまぁ」が記述されている。

携帯端末１１では、ブログコメントC#1及びC#2の自然言語解析が行われる。

そして、携帯端末１１では、ブログコメントC#1については、レビュー文の「すごく」に対する具体的数値が、評価4.0であると認識される。

さらに、携帯端末１１では、ブログコメントC#1が、居酒屋を対象（相手クラス）とするコメントであり、その居酒屋が、同僚との飲み会を目的（タスクの目的）として訪れた店であることから、タスクの重要度として、例えば、中程度の値が求められる。

そして、携帯端末１１では、ブログコメントC#1での曖昧語「すごく」、タスクの重要度、及び、曖昧語「すごく」に対する具体的数値である評価4.0を、学習データとして、識別器の学習が行われる。

また、携帯端末１１では、ブログコメントC#2については、レビュー文の「まぁまぁ」に対する具体的数値が、評価4.1であると認識される。

さらに、携帯端末１１では、ブログコメントC#2が、フレンチのレストランを対象（相手クラス）とするコメントであり、そのフレンチのレストランが、デートを目的（タスクの目的）として訪れた店であることから、タスクの重要度として、例えば、比較的高い値が求められる。

そして、携帯端末１１では、ブログコメントC#2での曖昧語「まぁまぁ」、タスクの重要度、及び、曖昧語「まぁまぁ」に対する具体的数値である評価4.1を、学習データとして、識別器の学習が行われる。

メールM#31は、ユーザＢ（の携帯端末１２）から、ユーザＡ（の携帯端末１１）に送信されたメールであり、メッセージ「今度、課の人と飲み会するんだけどいい店ない？」が記述されている。

メールM#32は、メールM#31に対する返信として、ユーザＡ（の携帯端末１１）が、ユーザＢ（の携帯端末１２）に送信しようとしているメールであり、メッセージ「○○は、すごくおいしかったよ」が記述されている。

携帯端末１１では、メールM#31及びM#32に基づいて、タスクの重要度として、例えば、中程度の値が求められる。

さらに、携帯端末１１では、ブログコメントC#1及びC#2から得られた学習データを用いて学習が行われた識別器に対して、メールM#32に含まれる曖昧語「すごく」と、タスクの重要度が入力として与えられ、その識別器が出力する、例えば、評価4.0が、曖昧語「すごく」に対する具体的数値として求められる。

そして、携帯端末１１では、図１８に示すように、メールM#32に、曖昧語「すごく」に対する具体的数値である評価4.0が追加されて送信される。

なお、ユーザＡの携帯端末１１では、ユーザＢとの間でやりとりしたメールを用いて、ユーザＢが使用する曖昧語を、具体的数値に変換する識別器の学習を行うことができる（スケーラビリティ）。この場合、ユーザＢが使用する曖昧語の程度を、ユーザＡが勘違いすることによるミスコミュニケーションを防止することができる。

また、携帯端末１１において、曖昧語を具体的数値に変換する機能は、例えば、言葉に対する概念の近さをキーにして行う相性診断のアプリケーションに利用することができる。

すなわち、例えば、携帯端末１１において、ユーザＡが使用する曖昧語を、具体的数値に変換する識別器FAの学習と、ユーザＢが使用する曖昧語を、具体的数値に変換する識別器FBの学習とを行っておく。

その後、携帯端末１１において、曖昧語を含む表現である、例えば、「ちょっと待って」に含まれる曖昧語「ちょっと」を、識別器FA及びFBのそれぞれによって、具体的数値に変換する。

そして、識別器FAが出力する、曖昧語「ちょっと」に対する具体的数値と、識別器FBが出力する、曖昧語「ちょっと」に対する具体的数値とが、それぞれ、例えば、20秒と30分のように、大きく離れていれば、携帯端末１１では、ユーザＡとＢとの相性が悪いと判断される。

一方、識別器FAが出力する、曖昧語「ちょっと」に対する具体的数値と、識別器FBが出力する、曖昧語「ちょっと」に対する具体的数値とが近ければ、携帯端末１１では、ユーザＡとＢとの相性が良いと判断される。

［本技術を適用したコンピュータの説明］

次に、上述した一連の処理は、ハードウェアにより行うこともできるし、ソフトウェアにより行うこともできる。一連の処理をソフトウェアによって行う場合には、そのソフトウェアを構成するプログラムが、汎用のコンピュータ等にインストールされる。

そこで、図１９は、上述した一連の処理を実行するプログラムがインストールされるコンピュータの一実施の形態の構成例を示している。

プログラムは、コンピュータに内蔵されている記録媒体としてのハードディスク１０５やROM１０３に予め記録しておくことができる。

あるいはまた、プログラムは、リムーバブル記録媒体１１１に格納（記録）しておくことができる。このようなリムーバブル記録媒体１１１は、いわゆるパッケージソフトウエアとして提供することができる。ここで、リムーバブル記録媒体１１１としては、例えば、フレキシブルディスク、CD-ROM(Compact Disc Read Only Memory)，MO(Magneto Optical)ディスク，DVD(Digital Versatile Disc)、磁気ディスク、半導体メモリ等がある。

なお、プログラムは、上述したようなリムーバブル記録媒体１１１からコンピュータにインストールする他、通信網や放送網を介して、コンピュータにダウンロードし、内蔵するハードディスク１０５にインストールすることができる。すなわち、プログラムは、例えば、ダウンロードサイトから、ディジタル衛星放送用の人工衛星を介して、コンピュータに無線で転送したり、LAN(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送することができる。

コンピュータは、CPU(Central Processing Unit)１０２を内蔵しており、CPU１０２には、バス１０１を介して、入出力インタフェース１１０が接続されている。

CPU１０２は、入出力インタフェース１１０を介して、ユーザによって、入力部１０７が操作等されることにより指令が入力されると、それに従って、ROM(Read Only Memory)１０３に格納されているプログラムを実行する。あるいは、CPU１０２は、ハードディスク１０５に格納されたプログラムを、RAM(Random Access Memory)１０４にロードして実行する。

これにより、CPU１０２は、上述したフローチャートにしたがった処理、あるいは上述したブロック図の構成により行われる処理を行う。そして、CPU１０２は、その処理結果を、必要に応じて、例えば、入出力インタフェース１１０を介して、出力部１０６から出力、あるいは、通信部１０８から送信、さらには、ハードディスク１０５に記録等させる。

なお、入力部１０７は、キーボードや、マウス、マイク等で構成される。また、出力部１０６は、LCD(Liquid Crystal Display)やスピーカ等で構成される。

ここで、本明細書において、コンピュータがプログラムに従って行う処理は、必ずしもフローチャートとして記載された順序に沿って時系列に行われる必要はない。すなわち、コンピュータがプログラムに従って行う処理は、並列的あるいは個別に実行される処理（例えば、並列処理あるいはオブジェクトによる処理）も含む。

また、プログラムは、１のコンピュータ（プロセッサ）により処理されるものであっても良いし、複数のコンピュータによって分散処理されるものであっても良い。さらに、プログラムは、遠方のコンピュータに転送されて実行されるものであっても良い。

なお、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。

また、本技術は、以下のような構成をとることができる。

１１，１２ 携帯端末， ２１ 辞書記憶部， ２２ 曖昧語DB， ２３ タスクDB， ２４ 相手クラスDB， ２５ 目的DB， ２６ 重要度DB， ２７ 位置情報DB， ３１ 制御部， ３２ ユーザI/F， ３３ メール記憶部， ３４ 自然言語解析部， ３５ 曖昧語検出部， ３６ タスク判定部， ３７ 相手クラス判定部， ３８ 目的推定部， ３９ 重要度判定部， ４０ 数値変換部， ４１ 識別器記憶部， ４２ 送受信部， ４３ 位置検出部， ４４ タスク達成判定部， ４５ 学習データ生成部， ４６ 学習データ記憶部， ４７ 学習部， ６１ 加速度センサ， ６２ 行動解析部， ６３ 行動ログ記憶部， ６４ 数値補正部， １０１ バス， １０２ CPU， １０３ ROM， １０４ RAM， １０５ ハードディスク， １０６ 出力部， １０７ 入力部， １０８ 通信部， １０９ ドライブ， １１０ 入出力インタフェース， １１１ リムーバブル記録媒体

Claims (9)

1. ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語を検出する曖昧語検出部と、
   前記メッセージに含まれるキーワードに基づいて、前記曖昧語が係る係り先に関係するタスクを判定するタスク判定部と、
   センサデータを用いて前記ユーザの行動解析を行い、前記行動解析の結果に基づいて行動情報を決定する行動情報決定部と、
   前記ユーザの位置情報と前記ユーザの行動情報と前記タスクから予測遅延時間を算出することにより、前記曖昧語が表わす程度を具体的数値として推定する曖昧語推定部と
   を備える情報処理装置。
2. 前記入力情報に含まれるキーワードに基づいて、前記タスクの重要度を判定する重要度判定部をさらに備え、
   前記曖昧語推定部は、前記タスクの重要度と前記曖昧語と前記行動情報を入力として、推定された前記予測遅延時間の補正値を出力する識別器であって、前記重要度、前記曖昧語、及び前記行動情報、並びに、過去に推定した予測遅延時間と実遅延時間との差を用いて学習される前記識別器に対して、前記曖昧語を、前記重要度、及び前記行動情報とともに入力として与えることにより、前記曖昧語を、前記補正値に変換する
   請求項１に情報処理装置。
3. 前記曖昧語推定部は、前記行動情報に基づいて判定された前記タスクの完了に応じて、推定した前記予測遅延時間と前記実遅延時間との差を生成し、前記重要度、前記曖昧語、及び前記行動情報、並びに前記差を用いて、前記識別器の学習を行う
   請求項２に記載の情報処理装置。
4. 前記入力情報としてのメッセージの宛先に基づいて、前記タスクの相手のクラスである相手クラスを判定する相手クラス判定部と、
   前記入力情報としてのメッセージに含まれるキーワードに基づいて、前記タスクの目的を推定する目的推定部と
   をさらに備え、
   前記重要度判定部は、前記相手クラス、及び、前記タスクの目的に基づいて、前記タスクの重要度を判定する
   請求項２または３に記載の情報処理装置。
5. 前記識別器は、SVM(Support Vector Machine)、ニューラルネットワーク、又は、線形回帰モデルである
   請求項２から４のいずれかに記載の情報処理装置。
6. 前記入力情報としてのメッセージの宛先に基づいて、前記タスクの相手のクラスである相手クラスを判定する相手クラス判定部をさらに備え、
   前記重要度判定部は、前記相手クラスに基づいて、前記タスクの重要度を判定する
   請求項２または３に記載の情報処理装置。
7. 前記入力情報としてのメッセージに含まれるキーワードに基づいて、前記タスクの目的を推定する目的推定部をさらに備え、
   前記重要度判定部は、前記タスクの目的に基づいて、前記タスクの重要度を判定する
   請求項２または３に記載の情報処理装置。
8. 情報処理装置の情報処理方法において、
   前記情報処理装置による、
   ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語を検出し、
   前記入力情報に含まれるキーワードに基づいて、前記曖昧語が係る係り先に関係するタスクを判定し、
   センサデータを用いて前記ユーザの行動解析を行い、前記行動解析の結果に基づいて行動情報を決定し、
   前記ユーザの位置情報と前記ユーザの行動情報と前記タスクから予測遅延時間を算出することにより、前記曖昧語が表わす程度を具体的数値として推定する
   ステップを含む情報処理方法。
9. ユーザから入力される入力情報としてのメッセージから、程度が曖昧な曖昧語を検出する曖昧語検出部と、
   前記入力情報に含まれるキーワードに基づいて、前記曖昧語が係る係り先に関係するタスクを判定するタスク判定部と、
   センサデータを用いて前記ユーザの行動解析を行い、前記行動解析の結果に基づいて行動情報を決定する行動情報決定部と、
   前記ユーザの位置情報と前記ユーザの行動情報と前記タスクから予測遅延時間を算出することにより、前記曖昧語が表わす程度を具体的数値として推定する曖昧語推定部と
   して、コンピュータを機能させるためのプログラム。

Images