JP6097707B2 - データ更新装置、方法、及びプログラム - Google Patents

Description

本発明は、データ更新装置、方法、及びプログラムに関する。

対話システムは大きく分けて二種類あり、タスク指向型対話システムと非タスク指向型対話システムに分けられる。前者は特定のタスクをシステムとの対話により達成するものであり、たとえば、フライトの予約システムや天気情報検索システムに用いられている。これらのシステムでは、予め話される内容が想定できるため、手作業で作り込んだ発話のデータベースを保持したり、データベースから抽出される天気情報などを手作業によるテンプレートに当てはめてシステムは発話を生成する（非特許文献１）。

非タスク指向型対話システムでは、目的のない対話を扱い、対話の内容はいわゆる雑談である。雑談はさまざまな話題が話されるため、予め話される内容は想定できない。そのため発話生成は非常に難しい課題である。ユーザの幅広い入力に対応するために、近年の従来技術では、マイクロブログの発言をデータベース化しておき、ユーザ発話に類似するものを選択することでシステム発話とするものがある（非特許文献２）。

雑談のような対話では、ユーザを飽きさせないため常に新しい情報を提示することが望ましい。非特許文献３では、ウェブサイトから取得したニュースを抽出し、ユーザに提示することで雑談を行う対話システムを提案している。

Ryuichiro Higashinaka，Katsuhito Sudoh，Mikio Nakano，"Incorporating Discourse Features into Confidence Scoring of Intention Recognition Results in Spoken Dialogue Systems"，Speech Communication，2006，Volume 48，Issues 3-4，p.417-436 別所史浩、原田達也、國吉康夫、「リアルタイムクラウドソーシングとTwitter 大規模コーパスを利用した対話システム」、情報処理学会研究報告、2012、Vol.2012-NL-206 No.13 水野淳太、乾健太郎、松本裕治、「ウェブニュースを利用した雑談対話システム」、人工知能学会研究会資料SIG-SLUD-55、2009、p.1-6

しかし、マイクロブログから発話をデータベース化（インデックス化）して発話を蓄え、ユーザの発話内容に類似したものを提示する場合、データベースの内容が古くなってしまうという問題がある。直近の発話のみからデータベースを構築すると、一般的な内容でデータベースに常に含めておくべきものまで含まれなくなってしまったり、データベースのサイズが小さくなることで発話の網羅性が低くなる。ニュースデータを発話する対話システムでは、ニュースもインデックス化され、この中から適切なニュースがユーザに提示されるが、どのニュースを提示して、どのニュースを提示しないかを適切に管理しないと、古いニュースをユーザに伝えてしまう。これによって、ユーザは誤った情報を受け取ったり、タイムリーではない情報によって対話システムとのやりとりを興味の無いものにしてしまう。

本発明は、上記の事情に鑑みてなされたものであり、データベースを適切な内容に更新することができるデータ更新装置、方法、及びプログラムを提供することを目的とする。

上記の目的を達成するために第１の発明に係るデータ更新装置は、予め定められた有効期限を経過したニュース情報から、特徴単語を抽出する特徴単語抽出部と、有効であるか無効であるかを示す情報が付与された複数の発話が登録された発話データベースに対し、前記特徴単語抽出部によって抽出された特徴単語を含む前記発話に対応する前記情報を、無効であることを示す情報に更新する発話無効化部と、を含んで構成されている。

また、第２の発明に係るデータ更新方法は、特徴単語抽出部、及び発話無効化部を含むデータ更新装置におけるデータ更新方法であって、前記特徴単語抽出部が、予め定められた有効期限を経過したニュース情報から、特徴単語を抽出するステップと、前記発話無効化部が、有効であるか無効であるかを示す情報が付与された複数の発話が登録された発話データベースに対し、前記特徴単語抽出部によって抽出された特徴単語を含む前記発話に対応する前記情報を、無効であることを示す情報に更新するステップと、を含んで構成されている。

また、第３の発明に係るデータ更新装置は、有効であるか無効であるかを示す情報が付与された複数のニュース情報が登録されたニュースデータベースに登録されている前記ニュース情報から、特徴単語を抽出する特徴単語抽出部と、発言時期が付与された複数の発話が登録された発話データベースに登録されている、前記発言時期が予め定められた期間内に含まれる発話における、前記特徴単語抽出部によって抽出された特徴単語の出現頻度に基づいて、前記ニュース情報に対応する前記情報を、無効であることを示す情報に更新するニュース無効化部と、を含んで構成されている。

また、第４の発明に係るデータ更新方法は、特徴単語抽出部、及びニュース無効化部を含むデータ更新装置におけるデータ更新方法であって、前記特徴単語抽出部が、有効であるか無効であるかを示す情報が付与された複数のニュース情報が登録されたニュースデータベースに登録されている前記ニュース情報から、特徴単語を抽出するステップと、前記ニュース無効化部が、発言時期が付与された複数の発話が登録された発話データベースに登録されている、前記発言時期が予め定められた期間内に含まれる発話における、前記特徴単語抽出部によって抽出された特徴単語の出現頻度に基づいて、前記ニュース情報に対応する前記情報を、無効であることを示す情報に更新するステップと、を含んで構成されている。

また、本発明に係るプログラムは、コンピュータを、第１の発明又は第３の発明に係るデータ更新装置の各部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、本発明のデータ更新装置、方法、及びプログラムによれば、有効期限を経過したニュース情報から特徴単語を抽出し、有効であるか無効であるかを示す情報が付与された複数の発話が登録された発話データベースに対し、特徴単語を含む発話に対応する有効・無効フラグを、無効であることを示す情報に更新することにより、発話データベースを適切な内容に更新することができる、という効果が得られる。

また、本発明のデータ更新装置、方法、及びプログラムによれば、ニュース情報から特徴単語を抽出し、発話データベースに登録されている、発言時期が予め定められた期間内に含まれる発話における特徴単語の出現頻度に基づいて、当該ニュース情報に対応する有効であるか無効であるかを示す情報を、無効であることを示す情報に更新することにより、ニュースデータベースを適切な内容に更新することができる、という効果が得られる。

本発明の実施の形態に係るデータ更新装置の一構成例を示すブロック図である。 ニュースインデックスと発話インデックスとの一例を示す図である。 本発明の実施の形態における発話インデックス更新処理の内容を示すフローチャートである。 本発明の実施の形態におけるニュースインデックス更新処理の内容を示すフローチャートである。

＜概要＞
まず、本発明の実施の形態の概要について説明する。

本発明の実施の形態では、ニュース情報に付与された配信終了時期（以下、有効期限と称する。）を用いて、マイクロブログから得られた発話インデックスの機能を無効化する。また、所定の期間のマイクロブログ中の単語情報に基づいて、ニュース情報から得られたニュースインデックスの機能を無効化する。

対話システムを作り込む場合、ニュース情報を人手で投入することが多い。この場合、有効期限を付与することがある。例えば、ある商品の販売がいついつまでであるというニュースがあった場合、その販売終了時期を当該ニュース情報の有効期限としたり、天気情報などであれば、その日のみを有効期限としたりする。週末のイベントについてであれば、日曜日までが有効期限となる。

このように、原則として、ニュース情報には有効期限が付与されているものとする。ニュース情報には有効期限が付与されていると、当該ニュース文に書かれた情報はその期間を過ぎれば古い情報になることが分かる。マイクロブログから得られた発話インデックスからこの古い情報を含む発話を削除又は無効化することで、対話システムはこの古い情報について言及せずに済む。

ウェブサイトなどから自動的にニュース情報を取得したときには、有効期限が付与されていない場合がある。そのような場合は、ニュース文に含まれる情報が、マイクロブログの発話インデックスにおいてどのように出現しているかを分析し、一定期間その情報が見られないのであれば、その話題については古くなったものとみなしてニュース情報を削除又は無効化する。こうすることで、対話システムは古いニュース情報をユーザに伝えなくて済む。

ニュース情報における各ニュース文を、単語又は単語列で表し、各ニュース文において特徴的な単語又は単語系列をそのニュース文の情報とする。そして、そのニュース文の有効期限が終了した場合、その単語又は単語系列を含む発話を発話インデックスから削除又は無効化すればよい。

有効期限が不明なニュース情報を削除又は無効化する際には、現在から遡って一定の期間に、その単語又は単語系列が含まれる発話の数を調べ、それらの発話数が所定の値を下回る場合にはその話題は古くなったとみなし、削除又は無効化すればよい。なお、発話インデックスの発話それぞれについては、その発言時期が付与されているものとする。

各ニュース文において特徴的な単語又は単語系列を取得する手法としては、各ニュース文に現れる単語の頻度情報を用い、特にそのニュース文に偏って現れるものを、特徴的な単語として取得すればよい。

以下では、出願人が作成した対話システムの発話情報源を、データ更新装置に適用した場合を例に説明する。

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。

＜データ更新装置のシステム構成＞
図１は、本発明の実施の形態に係るデータ更新装置１００を示すブロック図である。このデータ更新装置１００は、ＣＰＵと、ＲＡＭと、後述する発話インデックス更新処理ルーチン及びニュースインデックス更新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とを備えたコンピュータで構成され、機能的には次に示すように構成されている。

本実施の形態に係るデータ更新装置１００は、図１に示すように、ニュース情報入力部１０と、ニュースデータベース２０と、発話データベース構築部２５と、発話データ入力部３０と、発話データベース４０と、演算部５０とを備えている。

ニュース情報入力部１０は、複数のニュース情報を受け付ける。ニュース情報には、当該ニュース情報の配信開始時期及び有効期限と、有効であるか無効であるかの情報とが付与されている。具体的には、ニュース情報入力部１０は、人手によって入力されたニュース情報と、インターネット１２を介してウェブ上のニュースサイト１４から得られたニュース情報とを受け付ける。ウェブ上のニュースサイト１４からニュース情報を受け付ける場合には、ＲＳＳなどの配信機構によりニュース情報を自動的に取得することが可能である。ただし、配信機構によりニュース情報を自動的に取得する場合には、有効期限は不明となる。

ニュースデータベース２０には、ニュース情報入力部１０によって受け付けた複数のニュース情報が格納される。具体的には、ニュースデータベース２０には、複数のニュース情報の各々について、当該ニュース情報に対応するニュースＩＤ、トリガ単語、ニュース文、配信開始時期、有効期限、有効・無効フラグを１レコードとして格納したニュースインデックスが記憶されている。ニュースデータベース２０には、有効期限が付与されているニュース情報と、有効期限が付与されていないニュース情報とが混在して登録されている。

ここで、ニュースＩＤはニュース情報に自動的に振られる連番である。また、トリガ単語とは、ユーザが当該単語を発話した場合に、トリガ単語を含むニュース文が対話システムによって発話されうる条件となる単語のことである。なお、トリガ単語は無くてもよい。

また、有効・無効フラグは、ニュース情報が有効であるか無効であるかを示す情報であり、対話システムによって当該レコードのニュース情報を使用することが可能かどうかを示す二値の値である。配信開始時期については、必要があれば設定されるし、レコードが追加された時刻を、配信開始時期として設定してもよい。

図２（Ａ）に、ニュースインデックスの一例を示す。上記図２（Ａ）では例示のため３つしかレコードを載せていないが、実際のニュースインデックスにおいては数百から数千のレコードを保持する。

発話データベース構築部２５は、インターネット１２を介してマイクロブログサイト１６（具体的にはツイッター（Ｒ）サイトを使用）にアクセスし、マイクロブログサイト１６から複数の発話（ツイート）と当該発話の発言時期とを取得する。

発話データ入力部３０は、発話データベース構築部２５によって取得された複数の発話と発言時期とを受け付ける。

発話データベース４０には、有効であるか無効であるかを示す情報と発言時期とが付与された複数の発話が格納されている。具体的には、発話データベース４０には、複数の発話の各々について、当該発話に対応する発話ＩＤ、発話、発言時期、有効・無効フラグを１レコードとして格納した発話インデックスが記憶されている。また、発話データベース４０は、各発話について、全文検索が可能なように転置インデックスを記憶している。

発話データベース４０の構築には、一般的な全文検索エンジンのデータベースを構築する手順を踏めばよく、フリーソフトのＬｕｃｅｎｅやＮａｍａｚｕなどを用いて構築すればよい。本実施の形態ではＬｕｃｅｎｅを用いる。発話を発話データベース４０に格納する際は、発話に対して日本語の形態素解析エンジンを適用し、発話を単語に分割して格納する。本実施の形態では、形態素解析エンジンに出願人が開発したＪＴＡＧを用いる。

また、発話ＩＤは発話に振られる連番である。有効・無効フラグは、発話が有効であるか無効であるかを示す情報であり、対話システムによって当該レコードの発話を使用することが可能かどうかを示す二値の値である。図２（Ｂ）に、発話インデックスの一例を示す。上記図２（Ｂ）でも例示のため３つしかレコードを載せていないが、実際の発話インデックスでは数百万単位の発話を持つ発話インデックスを使用する．

演算部５０は、ニュースデータベース２０に格納されたニュースインデックス内の有効・無効フラグと、発話データベース４０に格納された発話インデックス内の有効・無効フラグとを更新する。演算部５０は、期限切れニュース抽出部５２と、特徴単語抽出部５４と、発話無効化部５６と、期限なしニュース抽出部５８と、特徴単語抽出部６０と、頻度算出部６２と、ニュース無効化部６４とを備えている。

期限切れニュース抽出部５２は、ニュースデータベース２０に格納されたニュースインデックスを走査し、現在時刻と有効期限とを比較して、有効期限を経過したニュース情報のレコードの各々を抽出する。ここで、期限切れニュース抽出部５２は、同時に、有効期限が経過しているニュース情報のレコードについては、有効・無効フラグを無効にする。これにより、有効期限が経過しているニュース情報のニュース文は、対話システムには用いられなくなる。

特徴単語抽出部５４は、ニュースデータベース２０に格納されているニュースインデックスのニュース情報の各々から、特徴単語を抽出する。

具体的には、特徴単語抽出部５４は、期限切れニュース抽出部５２によって抽出された有効期限を経過したニュース文の各々について、当該ニュース文から、特徴単語を抽出する。ここでの特徴単語は、有効期限を経過した当該ニュース文において特に偏って出現している単語である。より具体的には、特徴単語抽出部５４は、有効期限を経過したニュース文の各々について、ＪＴＡＧを用いて形態素解析処理を行い、当該ニュース文に含まれる単語列を取得する。ここで、特徴単語抽出部５４は、ニュース文内の単語の内容に着目するため、特に内容語を取り出す。内容語は、品詞が名詞、動詞、及び形容詞の単語、並びに未知語の単語とする。

例えば、ニュース文「お正月の三が日には浅草寺で御神酒が振る舞われるとのことです。」であれば、「お正月」「三が日」「浅草寺」「御神酒」「振る舞う」が内容語として取り出される。

そして、特徴単語抽出部５４は、抽出した単語そのもの、又は抽出した単語の組み合わせについて、当該ニュース文において特に偏って出現しているか否かを統計処理によって判定し、特徴単語を抽出する。本実施の形態では、抽出した単語そのものを特徴単語として用いる。統計処理の具体例としては、ＩＤＦを用いる。ここで、当該ニュース文をＸ、当該ニュース文Ｘの内容語をＷ、ニュースインデックス内のレコード数をＹ、Ｗを含むニュースインデックス内のレコード数をＺとすると、ＩＤＦの値は、ｌｏｇ（Ｙ／Ｚ）で表せる。そして、特徴単語抽出部５４は、ＩＤＦ値が一定値以上の内容語Ｗを、当該ニュース文Ｘの特徴単語として抽出する。実際には、当該ニュース文Ｘの特徴単語としてＷの集合が抽出される。

なお、特徴単語を抽出するための尺度として、尤度比検定やχ二乗検定といった手法を用いてもよい。これらの検定では、当該ニュース情報にある単語が出現する確率と、データ全体に当該単語が出現する確率を比較することで、当該ニュース情報に統計的に有意に偏って出現している単語を抽出することができる。これらの検定は、特定のデータに偏って出現している単語を抽出する際の一般的な手法である。

発話無効化部５６は、発話データベース４０に格納された発話インデックスに対し、特徴単語抽出部５４によって有効期限を経過したニュース情報から抽出された特徴単語を含む発話に対応する有効・無効フラグを、無効に更新する。

具体的には、発話無効化部５６は、特徴単語抽出部５４から特徴単語を受け取り、発話データベース４０に格納された発話インデックスのレコードの各々の発話を形態素解析する。そして、発話無効化部５６は、発話インデックスのレコードの各々の発話について、内容語を取り出し、有効期限を経過したニュース情報から抽出された特徴単語が含まれているかどうかをチェックする。もし、当該発話に特徴単語が含まれていれば、当該発話に対応するレコードの有効・無効フラグを無効にする。また、発話インデックス内の大量の発話に形態素解析を何度も行うことは困難な場合は、発話インデックスに形態素解析結果を含めるとよい。また、内容語を予め抽出しておいたり、内容語の組み合わせを予め求めておいてもよい。

期限なしニュース抽出部５８は、ニュースデータベース２０に格納されたニュースインデックスを走査し、有効期限が付与されていないニュース情報のレコードの各々を抽出する。

特徴単語抽出部６０は、期限なしニュース抽出部５８によって抽出された有効期限が付与されていないレコードのニュース情報の各々について、特徴単語抽出部５４と同様に、特徴単語を取得する。具体的には、特徴単語抽出部６０は、期限なしニュース抽出部５８によって抽出された有効期限が付与されていないニュース文の各々について、当該ニュース文から、特徴単語を抽出する。ここでの特徴単語は、有効期限が付与されていない当該ニュース文において特に偏って出現している単語である。

頻度算出部６２は、発話データベース４０に格納された発話インデックス内の、発言時期が予め定められた期間内（現在時刻から一定期間前まで）の発話の各々について（例えば、過去一ヶ月にインデックスされた発話について）、形態素解析を行い、特徴単語抽出部６０によって抽出された特徴単語が含まれているかをチェックする。

頻度算出部６２は、発話インデックス内の現在時刻から一定期間前までのレコードにおける特徴単語が含まれていたレコード数をＱ、現在時刻から一定期間前までの発話インデックス内のレコード数をＲ、発話インデックス内の全レコード数をＳ、発話インデックス内の全レコードにおける特徴単語が含まれていたレコード数をＴとして算出する。そして、頻度算出部６２は、算出したＱ、Ｒ、Ｓ、Ｔの値をニュースＩＤとセットにして、後述するニュース無効化部６４に出力する。ここで、Ｑ、Ｒ、Ｓ、Ｔのすべてを算出しなくてもよい。後述するニュース無効化部６４が実際に使用するもののみを算出すればよい。

ニュース無効化部６４は、頻度算出部６２によって算出された特徴単語の出現頻度Ｑに基づいて、ニュースデータベース２０に格納されているニュースインデックスの各レコードに対応する有効・無効フラグを、無効に更新する。具体的には、ニュース無効化部６４は、頻度算出部６２によって出力されたニュースＩＤと出現頻度Ｑの値とについて、以下の条件（１）を用いて当該ニュースＩＤのニュース情報を無効にするか否かを判定する。ニュース情報が無効と判定された場合は、当該ニュース情報のニュースＩＤの有効・無効フラグを無効にする。

（１）単純出現頻度の利用：予め定めた閾値をＡとすると、Ｑ＜Ａであれば、無効と判定する。

また、ニュース無効化部６４は、頻度算出部６２によって出力されたニュースＩＤとＱ、Ｒ、Ｓ、Ｔの値について、以下の条件（２）、（３）の何れかを用いて当該ニュースＩＤのニュース情報を無効にするか否かを判定してもよい。

（２）割合の利用：予め定めた閾値をＢとすると、Ｑ／Ｒ＜Ｂであれば、無効と判定する。
（３）全体との割合の比較：Ｑ／Ｒ＜Ｔ／Ｓであれば、無効と判定する。

また、ニュース無効化部６４は、その他の統計検定を用いて、一定期間内に特徴単語が有意に少なくなっているか否かを調査し、有意差がある場合に無効と判定してもよい。この場合には、例えば一定期間とそれ以外の期間について、特徴単語を含むレコード数の期待値を求め、実際の観測された値からこれらの期待値を引いた値を二乗し足し合わせたχ二乗値の値を元に、有意差を検定すればよい。また、有意差の検定に対数尤度比検定などを用いてもよい。ここで無効と判定されたニュースＩＤのニュース情報の有効・無効フラグが無効になる。

本発明の実施の形態は、対話システムの発話の情報源に関するものであるが、実際の対話システムとしての挙動についても簡単に説明しておく。

対話システムは、ユーザ発話を入力として受け取ると、ユーザ発話を形態素解析し、予め設定されたルールによって、話題となる単語を抽出する。例えば、「ジョン・レノンって知ってる？」であれば、固有名詞である「ジョン・レノン」を抽出する。話題となる単語が複数ある場合は、ランダムもしくは予め設定されたルールによって最も話題としてふさわしいと思われる単語を選ぶ。

次に、対話システムは、話題となる単語についてニュースインデックスを検索する。話題となる単語がトリガ部に一致し、かつ、有効・無効フラグが有効のものを抽出する。一致するものがあれば、そのニュース情報（複数あればいずれか）をユーザに発話する。なければ「ジョン・レノン」という単語を含む発話インデックスを検索し、該当するものがあればその発話文を発話する。発話インデックスに該当するものが無ければ予め設定された発話から何れかを選択し発話する。例えば、相槌の「はい」である。

＜データ更新装置の作用＞
次に、本実施の形態に係るデータ更新装置１００の作用について説明する。まず、ニュースデータベース２０に格納されているニュースインデックスに、ニュースサイト１４から得られた、又は人手により入力された複数のニュース情報が逐次登録され、発話データベース４０に格納されている発話インデックスに、マイクロブログサイト１６から得られた複数の発話と当該発話の発言時期とが逐次登録される。そして、一定期間（例えば、１日）が経過する毎に、データ更新装置１００によって、図３に示す発話インデックス更新処理ルーチンが実行される。

まず、ステップＳ１００において、期限切れニュース抽出部５２によって、ニュースデータベース２０に格納されたニュースインデックスを走査し、有効・無効フラグが有効であるニュース情報のレコードの各々について、現在時刻と有効期限とを比較して、有効期限を経過したニュース情報のレコードの各々を抽出する。また、期限切れニュース抽出部５２によって、同時に、有効期限が経過しているニュース情報のレコードについては、有効・無効フラグを無効にする。

ステップＳ１０２において、特徴単語抽出部５４によって、上記ステップＳ１００で抽出された有効期限を経過したニュース情報の各々について、当該ニュース情報から、特徴単語を抽出する。

ステップＳ１０４において、発話データベース４０に格納された発話インデックス内の有効・無効フラグが有効である発話のレコードのうち、１つのレコードを設定する。

ステップＳ１０６において、発話無効化部５６によって、上記ステップＳ１０４で設定された発話データベース４０に格納された発話インデックス内のレコードの発話に対し、形態素解析を行う。

ステップＳ１０８において、発話無効化部５６によって、上記ステップＳ１０２で抽出された特徴単語と、上記ステップＳ１０６での形態素解析結果とに基づいて、上記ステップＳ１０４で設定されたレコードの発話について内容語を取り出し、上記ステップＳ１０２で抽出された特徴単語が含まれているか否かを判定する。上記ステップＳ１０４で設定されたレコードの発話に上記ステップＳ１０２で抽出された特徴単語が含まれている場合には、ステップＳ１１０へ進む。一方、上記ステップＳ１０４で設定されたレコードの発話に上記ステップＳ１０２で抽出された特徴単語が含まれていない場合には、ステップＳ１１２へ移行する。

ステップＳ１１０において、発話無効化部５６によって、上記ステップＳ１０４で設定されたレコードの有効・無効フラグを、無効に更新する。

ステップＳ１１２において、発話データベース４０に格納された発話インデックス内の全てのレコードについて上記ステップＳ１０４〜Ｓ１１０の処理を実行したか否かを判定する。発話データベース４０に格納された発話インデックス内の全てのレコードについて上記ステップＳ１０４〜Ｓ１１０の処理を実行した場合には、発話インデックス更新処理ルーチンを終了する。一方、上記ステップＳ１０４〜Ｓ１１０の処理を実行していないレコードが発話インデックス内に存在する場合には、ステップＳ１０４へ戻る。

発話インデックス更新処理ルーチンを終了すると、次に図４に示すニュースインデックス更新処理ルーチンが実行される。

まず、ステップＳ２００において、期限なしニュース抽出部５８によって、ニュースデータベース２０に格納されたニュースインデックスを走査し、有効・無効フラグが有効であって、かつ、有効期限が付与されていないニュース情報のレコードの各々を抽出する。

ステップＳ２０２において、上記ステップＳ２００で抽出されたレコードの各々から、１つのレコードを設定する。

ステップＳ２０４において、特徴単語抽出部６０によって、上記ステップＳ２０２で設定されたレコードのニュース情報から、特徴単語を抽出する。

ステップＳ２０６において、頻度算出部６２によって、発話データベース４０に格納された発話インデックス内の、現在時刻から一定期間前までの間に発言時期が含まれる発話の各々について、形態素解析を行い、上記ステップＳ２０４で抽出された特徴単語が含まれているかをチェックする。

ステップＳ２０８において、頻度算出部６２によって、発話インデックス内の現在時刻から一定期間前までのレコードにおいて、特徴単語が含まれていたレコード数を出現頻度Ｑとして算出する。

ステップＳ２１０において、ニュース無効化部６４によって、上記ステップＳ２０８で得られた出現頻度Ｑの値と、上記条件（１）とに基づいて、出現頻度Ｑの値が閾値Ａより小さいか否かを判定する。出現頻度Ｑの値が閾値Ａより小さい場合には、ステップＳ２１２へ進む。一方、出現頻度Ｑの値が閾値Ａ以上の場合には、ステップＳ２１４へ移行する。

ステップＳ２１２において、ニュース無効化部６４によって、ニュースデータベース２０に格納されているニュースインデックスの上記ステップＳ２０２で設定されたレコードに対応する有効・無効フラグを、無効に更新する。

ステップＳ２１４において、ニュースデータベース２０に格納されているニュースインデックス内の全てのレコードについて上記ステップＳ２０２〜Ｓ２１２の処理を実行したか否かを判定する。ニュースデータベース２０に格納されたニュースインデックス内の全てのレコードについて上記ステップＳ２０２〜Ｓ２１２の処理を実行した場合には、ニュースインデックス更新処理ルーチンを終了する。一方、上記ステップＳ２０２〜Ｓ２１２の処理を実行していないレコードがニュースインデックス内に存在する場合には、ステップＳ２０２へ戻る。

そして、対話システムが、上記発話インデックス更新処理ルーチンによって更新された発話インデックスと、上記ニュースインデックス更新処理ルーチンによって更新されたニュースインデックスとを、システム発話の情報源として用いて、ユーザ発話に対して発話を行う。

以上説明したように、本実施の形態に係るデータ更新装置によれば、有効期限を経過したニュース情報から特徴単語を抽出し、有効・無効フラグが付与された複数の発話が登録された発話データベースに対し、特徴単語を含む発話に対応する有効・無効フラグを、無効に更新することにより、発話データベースを適切な内容に更新することができる。

また、ニュースデータベースに登録されているニュース情報から特徴単語を抽出し、発話データベースに登録されている、発言時期が予め定められた期間内に含まれる発話における特徴単語の出現頻度に基づいて、当該ニュース情報に対応する有効・無効フラグを、無効に更新することにより、ニュースデータベースを適切な内容に更新することができる。

また、対話システムが会話において、タイムリーな情報を提供できるようになり、ユーザの会話意欲が増す。それにより、システムのユーザビリティが改善したり、ユーザとの意思疎通がしやすくなることで、システムとユーザのインタラクションが円滑になる。

なお、本発明は、上述した実施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。

例えば、上記実施の形態では、ニュースデータベース２０、及び発話データベース４０を備えている場合について説明したが、例えばニュースデータベース２０、及び発話データベース４０の少なくとも１つがデータ更新装置１００の外部装置に設けられ、データ更新装置１００は、外部装置と通信手段を用いて通信することにより、ニュースデータベース２０、及び発話データベース４０の少なくとも１つを参照するようにしてもよい。

また、ニュースデータベース２０のニュースインデックスに登録されるニュース情報は、人手によって入力されたニュース情報と、インターネット１２を介してウェブ上のニュースサイト１４から得られたニュース情報とである場合を例に説明したが、これに限定されるものではなく、人手によって入力されたニュース情報、及びインターネット１２を介してウェブ上のニュースサイト１４から得られたニュース情報の何れか一方であってもよい。

また、ニュース無効化部６４は、上記の条件（１）、（２）、及び（３）の何れかを用いてニュース情報を無効にするか否かを判定する場合を例に説明したが、これに限定されるものではなく、上記の条件（１）、（２）、及び（３）の少なくとも２つの条件を組み合わせて、ニュース情報を無効にするか否かを判定してもよい。例えば、上記の条件の組み合わせの全てについて満たす場合に、無効と判定してもよい。または、上記の条件の組み合わせの少なくとも１つについて満たす場合に、無効と判定してもよい。

また、ニュースデータベース２０に格納されているニュースインデックスに複数のニュース情報が登録され、発話データベース４０に格納されている発話インデックスに複数の発話と当該発話の発言時期とが登録された後、登録から一定期間を経過すると、発話インデックス更新処理ルーチンが実行され、発話インデックス更新処理ルーチンが終了した後に、ニュースインデックス更新処理ルーチンが実行される場合を例に説明したがこれに限定されるものではない。

例えば、一定期間を経過する毎に、ニュースインデックス更新処理ルーチンが先に実行され、ニュースインデックス更新処理ルーチンが終了した後に、発話インデックス更新処理ルーチンが実行されてもよい。

また、発話インデックス更新処理ルーチンと、ニュースインデックス更新処理ルーチンとは、異なるタイミングで実行されるようにしてもよい。また、一定数以上のニュース情報又は発話がインデックスに登録される毎に、各処理ルーチンが実行されるようにしてもよい。

上述のデータ更新装置１００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。

１０ ニュース情報入力部
１２ インターネット
１４ ニュースサイト
１６ マイクロブログサイト
２０ ニュースデータベース
２５ 発話データベース構築部
３０ 発話データ入力部
４０ 発話データベース
５０ 演算部
５２ 期限切れニュース抽出部
５４，６０ 特徴単語抽出部
５６ 発話無効化部
５８ 期限なしニュース抽出部
６２ 頻度算出部
６４ ニュース無効化部
１００ データ更新装置

Claims (6)

1. 予め定められた有効期限を経過したニュース情報から、特徴単語を抽出する特徴単語抽出部と、
   有効であるか無効であるかを示す情報が付与された複数の発話が登録された発話データベースに対し、前記特徴単語抽出部によって抽出された特徴単語を含む前記発話に対応する前記情報を、無効であることを示す情報に更新する発話無効化部と、
   を含むデータ更新装置。
2. 有効であるか無効であるかを示す情報が付与された複数のニュース情報が登録されたニュースデータベースに登録されている前記ニュース情報から、特徴単語を抽出する特徴単語抽出部と、
   発言時期が付与された複数の発話が登録された発話データベースに登録されている、前記発言時期が予め定められた期間内に含まれる発話における、前記特徴単語抽出部によって抽出された特徴単語の出現頻度に基づいて、前記ニュース情報に対応する前記情報を、無効であることを示す情報に更新するニュース無効化部と、
   を含むデータ更新装置。
3. 特徴単語抽出部、及び発話無効化部を含むデータ更新装置におけるデータ更新方法であって、
   前記特徴単語抽出部が、予め定められた有効期限を経過したニュース情報から、特徴単語を抽出するステップと、
   前記発話無効化部が、有効であるか無効であるかを示す情報が付与された複数の発話が登録された発話データベースに対し、前記特徴単語抽出部によって抽出された特徴単語を含む前記発話に対応する前記情報を、無効であることを示す情報に更新するステップと、
   を含むデータ更新方法。
4. 特徴単語抽出部、及びニュース無効化部を含むデータ更新装置におけるデータ更新方法であって、
   前記特徴単語抽出部が、有効であるか無効であるかを示す情報が付与された複数のニュース情報が登録されたニュースデータベースに登録されている前記ニュース情報から、特徴単語を抽出するステップと、
   前記ニュース無効化部が、発言時期が付与された複数の発話が登録された発話データベースに登録されている、前記発言時期が予め定められた期間内に含まれる発話における、前記特徴単語抽出部によって抽出された特徴単語の出現頻度に基づいて、前記ニュース情報に対応する前記情報を、無効であることを示す情報に更新するステップと、
   を含むデータ更新方法。
5. コンピュータを、請求項１記載のデータ更新装置の各部として機能させるためのプログラム。
6. コンピュータを、請求項２記載のデータ更新装置の各部として機能させるためのプログラム。