JP6218057B1 - 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム - Google Patents

自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム Download PDF

Info

Publication number
JP6218057B1
JP6218057B1 JP2017138423A JP2017138423A JP6218057B1 JP 6218057 B1 JP6218057 B1 JP 6218057B1 JP 2017138423 A JP2017138423 A JP 2017138423A JP 2017138423 A JP2017138423 A JP 2017138423A JP 6218057 B1 JP6218057 B1 JP 6218057B1
Authority
JP
Japan
Prior art keywords
response
chat
input
knowledge data
fragment
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
Application number
JP2017138423A
Other languages
English (en)
Other versions
JP2019020995A (ja
Inventor
敏秀 金
敏秀 金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JE International Corp
Original Assignee
JE International Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JE International Corp filed Critical JE International Corp
Priority to JP2017138423A priority Critical patent/JP6218057B1/ja
Application granted granted Critical
Publication of JP6218057B1 publication Critical patent/JP6218057B1/ja
Priority to KR1020180001638A priority patent/KR101938790B1/ko
Priority to MX2019015040A priority patent/MX2019015040A/es
Priority to US16/300,364 priority patent/US10997371B2/en
Priority to CN201880028811.9A priority patent/CN110582762A/zh
Priority to RU2019136488A priority patent/RU2745632C1/ru
Priority to BR112019024578A priority patent/BR112019024578A2/pt
Priority to SG11201912957UA priority patent/SG11201912957UA/en
Priority to EP18832858.7A priority patent/EP3654211A4/en
Priority to PCT/JP2018/021857 priority patent/WO2019012872A1/ja
Priority to CA3069568A priority patent/CA3069568A1/en
Priority to TW107123857A priority patent/TW201908992A/zh
Publication of JP2019020995A publication Critical patent/JP2019020995A/ja
Priority to PH12019502894A priority patent/PH12019502894A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
    • H04M3/493—Interactive information services, e.g. directory enquiries ; Arrangements therefor, e.g. interactive voice response [IVR] systems or voice portals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]

Abstract

【課題】人工知能における学習処理のために必要とされる計算機への投資を軽減しながら、チャットの自動応答を実現する、応答システムを提供する。【解決手段】端末装置は、チャットにおける入力である入力断片と当該入力断片に対する応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、生成されたチャットパターンに基づいて、入力断片に対応する入力テキストと応答断片との関係の学習処理を行い、学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、チャットパターン生成部で生成された前記チャットパターンに含まれる応答断片に基づく応答用知識データを自動応答サーバー装置に送信する応答用知識データ送信部と、学習処理部から出力された入力解釈用知識データを自動応答サーバー装置に送信する入力解釈用知識データ送信部と、を備える。【選択図】図１

Description

本発明は、自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラムに関する。
比較的短いメッセージをやりとりすることによって対話するタイプのシステムが広く普及している。そのようなシステムにも様々な形態や呼び方があるが、ここでは代表として「チャットシステム」と呼ぶ。このようなチャットシステムは、個人間のコミュニケーションにも多用されるが、事業用に利用することも考えられる。事業者は、チャットシステムを広報・宣伝等の目的や、一部の顧客サービスの目的に利用することができる。ここで、一部の顧客サービスとは、顧客からの問合せに応えたり、顧客への情報提供を行ったりする活動である。
一方、人工知能（Artificial Intelligence）の技術が、益々高度化し、益々広く応用されている。
上記のチャットサービスの技術と人工知能の技術とを組み合わせることによって、顧客が持つ様々な疑問や、情報提供への要望に、迅速に対応することが可能となる。
特許文献１には、人工知能を用いることによって、入力信号を基にユーザーの意図を取得し、そのユーザーの意図に対応する信号を出力するヒューマン・マシン間のチャットの方法が記載されている。
特開２０１７−０１０５１７号公報
人工知能を用いてチャットの処理を行う場合、チャットの入出力を司るモデルを最適に調整するための学習処理と、学習済のモデルを用いてチャットの入出力を実行する処理との、両方を行う必要がある。
スムーズで的確なチャットを実現するために、事前に行っておく学習処理が重要である。特に、頻繁に学習処理を行うことが求められる適用分野では、入出力の実行の処理だけではなく、学習の処理にも充分な計算資源（ＣＰＵ時間等）を割り当てる必要がある。
しかしながら、チャットの入出力の実行の処理と学習の処理との両方を充分に行うためには、大規模で高価な計算機を用いる必要がある。特に、学習処理は、多大な計算資源を消費するものである。つまり、構築すべきシステムが高コストなものになるという問題があった。
本発明は、上記の課題認識に基づいて行なわれたものであり、人工知能における学習処理のために必要とされる計算機への投資を軽減することのできる自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラムを提供しようとするものである。
［１］上記の課題を解決するため、本発明の一態様による応答システムは、自動応答サーバー装置と、複数の端末装置とを具備する応答システムであって、前記端末装置は、チャットにおける前記自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、を具備し、前記自動応答サーバー装置は、前記端末装置の前記応答用知識データ送信部から送信された前記応答用知識データを記憶する応答用知識データ記憶部と、前記端末装置の前記入力解釈用知識データ送信部から送信された前記入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける前記入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、を具備する、ことを特徴とする。
［２］また、本発明の一態様は、上記の応答システムにおいて、前記チャットパターンの原型であるプロトタイプを記憶するプロトタイプ記憶部を備えたプロトタイプデータベースサーバー装置、をさらに具備し、前記チャットパターン生成部は、前記プロトタイプデータベースサーバー装置から取得した前記プロトタイプに基づいて、前記チャットパターンの情報を生成する、ことを特徴とする。
［３］また、本発明の一態様は、上記の応答システムにおいて、前記プロトタイプデータベースサーバー装置は、前記プロトタイプが属する分野の情報を管理する分野情報管理部、を具備し、前記プロトタイプは、前記分野と関連付けて管理される、ことを特徴とする。
［４］また、本発明の一態様は、上記の応答システムにおいて、前記端末装置は、前記学習処理部による前記学習処理が完了すると、当該学習処理の結果が反映されるチャットにアクセスするためのアクセス情報を取得するアクセス情報取得部、をさらに具備する、ことを特徴とする。
［５］また、本発明の一態様は、上記の応答システムにおいて、前記自動応答サーバー装置は、光学的に読み取り可能な前記アクセス情報を含んだ画像情報を生成するアクセス情報生成部、をさらに具備し、前記アクセス情報取得部は、前記アクセス情報生成部によって生成された光学的に読み取り可能な前記アクセス情報を含んだ画像情報を取得する、ことを特徴とする。
［６］また、本発明の一態様は、上記の応答システムにおいて、前記推論エンジン部は、利用者間のチャットのサービスを提供するチャットサーバー装置に接続することにより、前記チャットサーバー装置を経由して一般利用者端末装置との間でのチャットを実行するものであり、チャットにおける前記入力テキストは、前記一般利用者端末装置から前記チャットサーバー装置を経由して前記推論エンジン部に送られるものであり、チャットにおける前記応答は、前記推論エンジン部によって出力され、前記チャットサーバー装置を経由して前記一般利用者端末装置に送られるものである、ことを特徴とする。
［７］また、本発明の一態様は、上記の応答システムにおいて、前記チャットサーバー装置を経由して前記推論エンジン部にチャットにおける前記入力テキストを送信するとともに、前記推論エンジン部から出力された前記応答を前記チャットサーバー装置を経由して受信する一般利用者端末装置、をさらに具備することを特徴とする。
［８］また、本発明の一態様は、上記の応答システムにおいて、前記端末装置における前記アクセス情報取得部が取得した前記アクセス情報を、光学的な読取手段によって読み取るとともに、読み取った前記アクセス情報に基づいて前記チャットにアクセスし、前記チャットサーバー装置を経由して前記推論エンジン部にチャットにおける前記入力テキストを送信するとともに、前記推論エンジン部から出力された前記応答を前記チャットサーバー装置を経由して受信する一般利用者端末装置、をさらに具備することを特徴とする。
［９］また、本発明の一態様は、自動応答サーバー装置と、複数の端末装置とを用いた応答方法であって、前記端末装置において、チャットパターン生成部が、チャットにおける前記自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンの情報を生成し、学習処理部が、前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力し、応答用知識データ送信部が、前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信し、入力解釈用知識データ送信部が、前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信し、また、前記自動応答サーバー装置において、応答用知識データ記憶部に、前記端末装置の前記応答用知識データ送信部から送信された前記応答用知識データを記憶させ、入力解釈用知識データ記憶部に、前記端末装置の前記入力解釈用知識データ送信部から送信された前記入力解釈用知識データを記憶させ、推論エンジン部が、チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける前記入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する、ことを特徴とする応答方法である。
［１０］また、本発明の一態様は、チャットにおける自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、を具備することを特徴とする端末装置である。
［１１］また、本発明の一態様は、外部の端末装置において生成されたチャットパターンに基づいて、チャットにおける入力である入力断片に対する応答である応答断片を、応答用知識データとして記憶する応答用知識データ記憶部と、前記端末装置における学習処理によって生成された入力解釈用知識データであって、前記チャットパターンにおける前記入力断片に対応する入力テキストと、前記入力断片に対応する応答断片との関係に関して前記学習処理の結果として得られた入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、を具備することを特徴とする自動応答サーバー装置である。
［１２］また、本発明の一態様は、コンピューターを、チャットにおける自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、として機能させるためのプログラムである。
［１３］また、本発明の一態様は、コンピューターを、外部の端末装置において生成されたチャットパターンに基づいて、チャットにおける入力である入力断片に対する応答である応答断片を、応答用知識データとして記憶する応答用知識データ記憶部と、前記端末装置における学習処理によって生成された入力解釈用知識データであって、前記チャットパターンにおける前記入力断片に対応する入力テキストと、前記入力断片に対応する応答断片との関係に関して前記学習処理の結果として得られた入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、を具備する自動応答サーバー装置として機能させるためのプログラムである。
本発明によれば、自動応答サーバー装置に、学習処理のための重い負荷をかけることなく、人工知能の学習を行い、学習結果に基づいてチャットの自動応答を実現することが可能となる。
また、本発明によれば、加盟者端末装置の使用者は、チャットパターンを作成することによって、手軽に、自事業用にカスタマイズされた応答システムを構築することが可能となる。
特に、本発明の一態様によれば、加盟者端末装置の使用者は、プロトタイプデータベースサーバー装置から、事前に準備されたチャットパターンのプロトタイプをダウンロードする。そして、加盟者端末装置の使用者は、そのプロトタイプに基づいて、入力（例えば、質問）に対する応答（例えば、その質問に対する回答）を設定するなどして、チャットパターンを作成する。これにより、より一層手軽に、自事業用にカスタマイズされた応答システムを構築することが可能となる。ここで、チャットパターンのプロトタイプとは、例えば、代表入力や類似入力の例を含むものである。
本発明の第１実施形態による応答システム１の概略機能構成を示すブロック図である。 同実施形態におけるチャット断片（入力断片、応答断片）の構成例を示す概略図である。 同実施形態において用いるチャットパターンの第１例を示す概略図である。 同実施形態において用いるチャットパターンの第２例を示す概略図である。 同実施形態において用いるチャットパターンの第３例を示す概略図である。 同実施形態において用いるチャットパターンの第４例を示す概略図である。 同実施形態において用いるチャットパターンの第５例を示す概略図である。 同実施形態において用いる分野ツリーの例を示す概略図である。 同実施形態による加盟者端末装置３の概略機能構成を示すブロック図である。 同実施形態による加盟者端末装置３において、チャットパターンを登録するための画面の例を示す概略図である。 同実施形態による加盟者端末装置３において、類義語辞書を編集・登録するための画面の例を示す概略図である。 同実施形態による一般利用者端末装置７と自動応答サーバー装置２における仮想利用者との間で行われるチャットの画面表示の実例を示す概略図であり、また、一般利用者端末装置７が、印刷されたアクセス情報を読み取ることによってチャットサーバー装置５における特定のチャットサービスにアクセスする流れをも示す。 本発明の第２実施形態による応答システム１０１の概略機能構成を示すブロック図である。 本発明の第３実施形態による応答システム１０１の概略機能構成を示すブロック図である。
以下、図面を参照しながら、本発明の実施形態について説明する。
［第１実施形態］
図１は、第１実施形態による応答システムの概略機能構成を示すブロック図である。図示するように、応答システム１は、自動応答サーバー装置２と、加盟者端末装置３（端末装置）と、プロトタイプデータベースサーバー装置４と、チャットサーバー装置５と、一般利用者端末装置７とを含んで構成される。なお、自動応答サーバー装置２と、加盟者端末装置３と、プロトタイプデータベースサーバー装置４と、チャットサーバー装置５とは、有線または無線の通信回線等を介して相互に通信可能である。この通信においては、例えば、インターネットプロトコル（Internet Protocol）が用いられる。
図１に示す各装置の機能は、例えば、電子回路を用いて実現される。また、各機能は、必要に応じて、半導体メモリーや磁気ハードディスク装置などといった記憶手段を内部に備えてよい。また、各機能を、コンピューターおよびソフトウェアによって実現するようにしてもよい。
本実施形態において、自動応答サーバー運営事業者は、自動応答サーバー装置２とプロトタイプデータベースサーバー装置４とを保持し、運用する。
また、自動応答サーバーのサービスを利用する加盟者は、加盟者端末装置３を保持し、利用する。なお、加盟者端末装置３において稼働するソフトウェアの一部を、自動応答サーバー運営事業者が提供するようにしてもよい。
また、チャットサービス運営事業者は、チャットサーバー装置５を保持し、運用する。なお、チャットサービス運営事業者が上記の自動応答サーバー運営事業者と同一であってもよい。
また、一般利用者は、一般利用者端末装置７を用いてチャットサーバー装置５にアクセスし、サービスを受ける。一般利用者は、不特定の多数であってもよい。
応答システム１における各装置の概略は、次の通りである。
自動応答サーバー装置２は、チャットサービスを介して入力されるデータを受け取り、その入力に対して適切な応答を返す機能を実装した装置である。自動応答サーバー装置２は、複数の加盟者のためのサーバーとして運営される。加盟者とは、例えば、店舗や、レストランや、金融機関や、その他の事業者等である。
加盟者端末装置３は、加盟者が使用する端末装置である。加盟者端末装置３は、単に「端末装置」とも呼ばれる。加盟者端末装置３は、例えば、ＰＣ（パーソナルコンピューター）や、タブレット型端末装置や、スマートフォンなどで実現される。加盟者端末装置３は、プロトタイプデータベースサーバー装置４から、チャットパターンのプロトタイプを取得する。また、加盟者端末装置３は、取得したプロトタイプに基づいて、チャットパターンを編集し、登録するための機能を有する。また、加盟者端末装置３は、登録されたチャットパターンのデータに基づいて学習処理を行い、学習結果である知識データを自動応答サーバー装置２に提供する。なお、加盟者端末装置３が自動応答サーバー装置２に提供する知識データには、入力解釈用知識データと、応答用知識データとが含まれる。これらの知識データについては、後で説明する。
プロトタイプデータベースサーバー装置４は、チャットパターンのプロトタイプのデータを保持する。プロトタイプデータベースサーバー装置４は、例えば、サーバー型コンピューターとデータベース管理システム（ＤＢＭＳ）のソフトウェアとを用いて実現される。プロトタイプデータベースサーバー装置４は、また、分野ツリーを管理する。チャットパターンや分野ツリーについては、後で図面を参照しながら詳細に説明する。
チャットサーバー装置５は、チャットサービスを提供する。チャットサーバー装置５は、例えば、サーバー型コンピューターと、チャットサービスを実施するためのソフトウェアを用いて実現される。
チャットサーバー装置５は、２つの利用者間でチャットを行うための機能を提供する。応答システム１においては特に、チャットサーバー装置５は、一般利用者端末装置７と、自動応答サーバー装置２によって実行される仮想利用者との間のチャットの実施を可能とする。チャットサーバー装置５を用いたチャットは、テキスト以外のタイプのデータ（マルチモーダルデータ）を用いて行うこともできるが、ここでは、テキストのデータのみを用いて行われるチャットについて説明する。一般的には、チャットサーバー装置５は、利用者Ａと利用者Ｂとの間のチャットを実現する。利用者Ａによって入力されたテキストデータと、利用者Ｂによって入力されたテキストデータは、両利用者が共有するチャットルーム（仮想的な部屋）において表示される。利用者Ａおよび利用者Ｂは、このチャットルームで交わされるテキストによる対話を画面等に表示させることができる。応答システム１においては、チャットを利用者の一方が、自動応答サーバー装置２上の仮想的な利用者である。具体的には、自動応答サーバー装置２のプログラムは、ＡＰＩ（アプリケーション・プログラム・インターフェース）を介して、チャットルーム内のテキストデータを取得したり、チャットルームにテキストデータを送信したりする。これにより、一般利用者端末装置７（利用者Ａ）と自動応答サーバー装置上の仮想的な利用者（利用者Ｂ，プログラム）との間のチャットを行うことができる。
一般利用者端末装置７は、一般利用者が利用する端末装置である。一般利用者端末装置７は、例えば、ＰＣや、タブレット型端末装置や、スマートフォンなどで実現される。一般利用者端末装置７は、チャットサービスを利用するためのクライアントソフトウェアを搭載する。このクライアントソフトウェアは、例えば、汎用のウェブブラウザー、あるいは専用のチャットクライアントソフトウェアである。
図１に示す自動応答サーバー装置２は、推論エンジン部２１と、入力解釈用知識データ記憶部２２と、応答用知識データ記憶部２３と、入力解釈用知識データ取得部２４と、応答用知識データ取得部２５とを含んで構成される。これらの各部は、例えば、コンピュータープログラムとメモリーとを用いて実現される。これらの各部の機能は、次の通りである。
推論エンジン部２１は、チャットサーバー装置５を介して、一般利用者端末装置７との間のチャットを実行する機能を有する。言い換えれば、推論エンジン部２１は、一般利用者端末装置７との間でチャットを行う仮想的な利用者として動作する機能を有する。具体的には、推論エンジン部２１は、チャットサーバー装置５から、入力テキストＴｉｎｐｕｔを受信する。この入力テキストＴｉｎｐｕｔは、一般利用者端末装置７側から送信されたテキストである。次に、推論エンジン部２１は、受信した入力テキストＴｉｎｐｕｔに基づいて、入力の解釈を行い、解釈された入力に最も適した応答を推定する。推論エンジン部２１は、この推定された最適応答を一般利用者端末側に返す。具体的には、推論エンジン部２１は、入力テキストＴｉｎｐｕｔが与えられたとき、下の式（１）で表される正解を推定する。
ａｒｇｍａｘ（ｉ）｛Ｐ（ＲＥＳＰｉ｜Ｔｉｎｐｕｔ；θ）｝ ・・・（１）
式（１）において、ｉは、応答ＲＥＳＰの指標番号である。また、ＲＥＳＰｉは、指標番号ｉを有する応答である。また、θは、Ｐ（ＲＥＳＰｉ｜Ｔｉｎｐｕｔ；θ）を計算するためのパラメーター値群である。Ｐ（ＲＥＳＰｉ｜Ｔｉｎｐｕｔ；θ）は、Ｔｉｎｐｕｔを前提としたときのＲＥＳＰｉの条件付き確率である。ただし、Ｐ（ＲＥＳＰｉ｜Ｔｉｎｐｕｔ；θ）は、パラメーター値群θに依存する。パラメーター値群θは、教師データを用いた学習処理により、適切に調整される。つまり、パラメーター値群θは、人工知能技術（機械学習技術）における知識データ（入力解釈用の知識データ）である。この入力解釈用知識データは、入力解釈用知識データ記憶部２２に記憶されている。
前述の通り、推論エンジン部２１は、人工知能技術を用いて実現してよい。一例としては、推論エンジン部２１は、ルールベースと、多層構造のニューラルネットワークとを用いて実現される。ただし、人工知能分野における他の形態を用いて実現するようにしてもよい。ニューラルネットワークを用いる場合、上記のパラメーター値群θは、ニューロン間の接続における重みの値を含む。
入力テキストＴｉｎｐｕｔに基づいて最適である正解応答が推定されると、推論エンジン部２１は、推定された最適応答に応じた出力テキストを生成するためのデータを、応答用知識データ記憶部２３から読み出す。応答用知識データは、例えば、応答用テキストそのものである。あるいは、応答用知識データは、変数を含む応答用知識データと、その変数の具体的な値を取得するためのメソッドとの組である。そして、読み出した応答用知識データに基づいて、推論エンジン部２１は、応答のテキストデータを生成する。前述の通り、応答のテキストデータは、穴埋めのための変数を含んでいてよい。そのとき、推論エンジン部２１は、上記メソッドを実行させることによりその変数の具体的な値を、適宜、不図示のデータベースから読み出すことができる。一例として、生成すべき応答が、銀行口座の残高を答えるものである場合、応答のテキストデータは「口座の残高は＜ｘ＞円でございます。」というものである。ここで応答のテキスト内に含まれる＜ｘ＞は変数である。変数＜ｘ＞の具体的な値を、推論エンジン部２１は、当該利用者（口座保有者であることに関して、別途認証処理が行われる）の口座の残高の数値を、不図示の口座データベースから読み出す。変数の具体的な値のデータを取得するための手続は、メソッドとして記述可能である。メソッドについては、後でも説明する。そして、推論エンジン部２１は、具体的な数値で変数＜ｘ＞を置換したテキストを応答として出力する。具体例としては、「口座の残高は12,345,678円でございます。」と言うテキストが出力される。推論エンジン部２１は、チャットサーバー装置５を介して、生成した応答のテキストを一般利用者端末装置７に返す。
つまり、推論エンジン部２１は、チャットにおける入力の特徴と、入力解釈用知識データ記憶部２２に記憶された入力解釈用知識データとに基づき、応答用知識データ記憶部２３に記憶されている応答用知識データのうち、最適なもの（最適な応答断片）を推定し、推定された応答断片に基づいてチャットの出力テキストを出力する。ここで、推論エンジン部２１は、チャットにおける入力テキストから、チャットにおける入力の特徴を抽出する。例えば、チャットにおける入力の特徴は、入力テキストにおける特徴語群である。他に、チャットにおける入力の特徴として、入力テキストにおける構文の特徴や、その他の特徴を用いてもよい。ここで、入力テキストにおける構文の特徴とは、構文木における各ノード間の関係を表す情報である。その情報は、例えば、特定の語と他の特定の語との間の、構文木内における相互の位置関係や相互の距離の情報等である。つまり、推論エンジン部２１は、チャットにおける入力テキストと、入力解釈用知識データ記憶部２２に記憶された入力解釈用知識データとに基づき、応答用知識データ記憶部２３に記憶されている応答用知識データのうち、当該チャットにおける入力テキストに対応する最適な応答断片を推定し、推定された応答断片に対応する応答用知識データを応答用知識データ記憶部２３から読み出すことによってチャットの応答を出力する。
なお、入力と応答との連鎖の関係を表すチャットパターンとしては、単純な「入力→応答」の対だけではなく、様々な形態があってよい。チャットパターンの形態の実例については、後で説明する。
なお、推論エンジン部２１は、多数の一般利用者端末装置７との間のチャットを、相互に独立に並行して（コンカレントに）実行することができる。言い換えれば、推論エンジン部２１は、多数のチャットルームにおける対話を同時並行的に行うことができる。
なお、推論エンジン部２１は、一般利用者端末装置７と自己との間でやりとりされるチャットの全記録を蓄積し、保存するためのデータベースを内部に備えていてもよい。このデータベースは、チャットがテキストのみで行われる場合には、一般利用者端末装置７側から推論エンジン部２１側に送られてくるテキストのデータと、推論エンジン部２１側から一般利用者端末装置７側に送られるテキストデータとのすべてを格納する。また、チャットが、テキストデータ以外のマルチモーダルデータを含む場合（例えば、音声データや、静止画データや、動画データや、その他のデータを含む場合）それらのマルチモーダルデータのすべてが推論エンジン部２１内のデータベースに格納される。なお、推論エンジン部２１のデータベースを、自動応答サーバー装置２の外の装置に設けてもよい。
このように、チャットの記録を残すことにより、自動応答サーバー装置２は、データベースに格納されたデータを、ビッグデータとして、分析対象として活用することができるようになる。
入力解釈用知識データ記憶部２２は、推論エンジン部２１に含まれる人工知能が用いるための知識データを記憶する。知識データの一例は、前述のパラメーター値群θである。また、言い換えれば、入力解釈用知識データ記憶部２２が記憶する知識データとは、一般利用者端末装置７から渡される入力テキストに対応して、応答断片の集合内の最適な応答断片を推定するためのパラメーター値群である。
入力解釈用知識データ記憶部２２は、加盟者端末装置３の入力解釈用知識データ送信部３５から送信された入力解釈用知識データを記憶する。
応答用知識データ記憶部２３は、応答断片のデータを記憶する。応答断片のデータは、例えば、応答断片を一意に識別するための情報と、応答テキスト（変数を含む場合もある）と、応答テキストが変数を含む場合にはその変数を解決するためのメソッドとを含む。
応答用知識データ記憶部２３は、加盟者端末装置３の応答用知識データ送信部３３から送信された応答用知識データを記憶するものである。
知識データ（入力解釈用知識データ、および応答用知識データ）の元となるチャットパターンの具体例については、後で、図２から図７までを参照しながら説明する。
入力解釈用知識データ取得部２４は、加盟者端末装置３から、入力解釈用知識データを取得し、その入力解釈用知識データを入力解釈用知識データ記憶部２２に書き込む。
応答用知識データ取得部２５は、加盟者端末装置３から、応答用知識データを取得し、その応答用知識データを応答用知識データ記憶部２３に書き込む。
加盟者端末装置３側における処理等の詳細と、知識データおよびチャットパターンの更新（書き込み）のタイミング等については、後で説明する。
また、図１に示すプロトタイプデータベースサーバー装置４は、プロトタイプ記憶部４１と、分野ツリー管理部４２と、を含んで構成される。
プロトタイプ記憶部４１は、プロトタイプのデータを記憶する。ここで、プロトタイプとは、チャットパターンの原型となるデータである。プロトタイプは、チャットパターンと同様の形式を持つサンプルデータである。プロトタイプは、分野ツリー管理部４２が管理する分野ツリーにおいて１つの分野を識別するための分野識別子に関連付けられる。
分野ツリー管理部４２（分野情報管理部）は、分野ツリーのデータを記憶し、管理する。分野ツリーは、分野を表すラベルと、その分野を一意に識別するための識別子とを含む。分野ツリーは、ツリー構造で分野を管理する。なお、分野ツリーの実例については、後で図面を参照しながら説明する。
つまり、分野ツリー管理部４２は、プロトタイプが属する分野の情報を記憶し、管理する。
次に、チャットパターンについて説明する。チャットパターンは、チャット断片の連鎖である。チャット断片として、入力断片と応答断片の２種類が存在する。入力断片を単に「入力」と呼び、応答断片を単に「応答」と呼ぶことがある。入力断片は、自動応答サーバー装置２への入力である。応答断片は、自動応答サーバー装置２から出力される応答である。つまり、チャットパターンは、自動応答サーバー装置２への入力と、その入力に対する自動応答サーバー装置２からの応答とで構成されるパターンを表すデータである。つまり、チャットパターンは、入力断片と応答断片の連鎖として表現されるデータである。
チャットパターンは、自動応答サーバー装置２が一般利用者端末装置７との間で行うチャットのパターンを表すデータである。チャットパターンは、自動応答サーバー装置２への入力と、自動応答サーバー装置２からの応答との関係を表すパターンである。また、チャットパターン含まれる入力は、その入力の特徴を表すための特徴語群と関連付けられる場合がある。
チャットパターンは適切な形式のデータとして表現可能である。一例として、チャットパターンは、ＸＭＬ（拡張マークアップ言語，extensible markup language）で表現可能である。
図２は、チャット断片の構成を示す概略図である。同図の（ａ）および（ｂ）は、入力断片の構成の例を示す。また、同図の（ｃ）および（ｄ）は、応答断片の構成の例を示す。
同図（ａ）は、入力断片の一例を示す。図示するように、（ａ）の入力断片は、テキストの情報を含む。このテキストは、チャットにおいて一般利用者端末装置7側から入力されるテキストに対応するものである。
同図（ｂ）は、入力断片の他の例を示す。図示するように、（ｂ）の入力断片は、テキストの情報に加えて、特徴語群への参照情報を含む。つまり、入力断片は、特徴語群に関連付けられていてよい。特徴語群は、その入力断片を特徴づける単数の語、または複数の語の群である。
同図（ｃ）は、応答断片の例を示す。図示するように、（ｃ）の応答断片はテキストの情報を含む。このテキストは、チャットにおいて、自動応答サーバー装置２の推論エンジン部２１が一般利用者端末装置７に向けて出力するテキストに対応するものである。
同図（ｄ）は、応答断片の他の例を示す。図示するように、（ｄ）の応答断片は、テキストの情報に加えて、メソッドを含む。メソッドは、外部（例えば外部のデータベース）から情報を取得するための手続き（あるいは、関数）である。応答のテキスト内に変数を含む場合に、その変数に対応するメソッドを定義することが可能である。メソッドが外部から取得したデータが、変数の実際の値としてテキスト内に埋め込まれる。具体的な一例として、出力テキストが「あなたの口座の残高は＜Ｘ＞円です。」（ここで、＜Ｘ＞は変数）であるとき、変数＜Ｘ＞に対応するメソッドが、所定の口座管理データベースを参照し、適切な条件（例えば、ユーザーの口座番号の条件等）を用いて＜Ｘ＞の値を取得する。例えば＜Ｘ＞の値が１，０００，０００である場合、上記の出力テキスト内の変数が置換され、「あなたの口座の残高は１，０００，０００円です。」というテキストに変換される。
図３から図７までにおいて、チャット断片の連鎖のしかたの様々な例を説明する。
図３は、チャットパターンの第１例を示す概略図である。第１例は、１個の入力（Ｆ１）と、１個の応答（Ｆ２）とから成るチャットパターンである。入力Ｆ１には、特徴語群が関連付けられている。この例では、一般利用者端末装置７から入力Ｆ１に相当する入力があったとき、自動応答サーバー装置２は、入力Ｆ１を取得し、入力Ｆ１への応答として、応答Ｆ２を出力する。この応答Ｆ２は、一般利用者端末装置７に届けられる。
なお、一般利用者端末装置７から入力されるテキストデータは、入力Ｆ１に紐付けられている特徴語群が表す特徴によって、入力Ｆ１に当たるものであると推定される。
図４は、チャットパターンの第２例を示す概略図である。この第２例は、入力と応答との対が２個以上連続するチャットパターンである。つまり、このチャットパターンにおいて、自動応答サーバー装置２は、入力Ｆ１１を取得し、入力Ｆ１１への応答として、応答Ｆ１２を出力する。さらに、自動応答サーバー装置２は、入力Ｆ１３を取得し、入力Ｆ１３への応答として、応答Ｆ１４を出力する。以下も続く。このチャットパターンにおいて、入力Ｆ１１とＦ１３は、それぞれ、特徴語群に関連付けられている。
図５は、チャットパターンの第３例を示す概略図である。この第３例は、入力Ｆ２１で始まり応答Ｆ６０で終わるパターンであり、途中の応答Ｆ３０からの固定パターンを含んでいる。途中の固定パターンは、チャット内での一連の流れが固定されている。つまり、この固定パターン内に含まれている入力には、特徴語群が関連付けられていない。例えば、入力Ｆ３１には特徴語群が関連付けられていないため、任意の入力テキストが入力Ｆ３１に当たると判定されることがない。そして、この入力Ｆ３１の状態に到達するのは、応答Ｆ３０を自動応答サーバー装置２が出力した後のみである。入力Ｆ３３についても、入力Ｆ３１と同様である。つまり、自動応答サーバー装置２と一般利用者端末装置７との間で行われるチャットが、この固定パターンの途中に流入することはない。このような固定パターンは、自動応答サーバー装置２が、一般利用者端末装置７との間での複数回のやりとりによって一連の情報を獲得する目的で利用可能である。具体的には、固定されたシナリオに沿って自動応答サーバー装置２が一般利用者端末装置７から情報を得る目的で、このような固定パターンを利用することが可能である。一例として、商品の注文を受け付ける店舗が、注文者の氏名と、注文者の住所と、注文者の電話番号と、注文商品を識別する番号と、注文商品の個数とを、チャット内での一連のやりとりで獲得する場合に、このような固定パターンを利用することができる。
図６は、チャットパターンの第４例を示す概略図である。この第４例は、代表入力からの系列と、類似入力からの系列とが、ともに共通の応答に合流するパターンを含む。入力Ｆ７１ａとＦ７１ｂとＦ７１ｃと（以下も続く）は、応答Ｆ７２につながる入力であるという点においては共通であるが、それぞれが異なる特徴語群に関連付けられている。本実施形態の応答システム１は、これらの入力の中で、入力Ｆ７１ａを代表入力として扱う。また、これらの入力の中で、代表入力以外の入力（Ｆ７１ｂ，Ｆ７１ｃ，・・・）は類似入力である。このようなチャットパターンは、ある一つのコンテキストにおいて、入力における複数の表層を扱うために利用することができる。一例として、銀行業のサービスにおいて普通預金口座を新たに開設するためのやりとりを自動応答サーバー装置２に行わせようとした場合、次の２通りの入力テキストを、それぞれ、代表入力および類似入力として扱うことができる。即ち、「口座を開きたい」という入力を代表入力（入力Ｆ７１ａ）とし、「通帳を作りたい」（入力Ｆ７１ｂ）という入力を類似入力とする。それぞれの入力に対して特徴語群を紐付けることができ、それら両者が互いに大きく異なっていてもよい。
図７は、チャットパターンの第５例を示す概略図である。この第５例は、入力の内容に応じて応答が枝分かれするパターンを含む。図示するように、このチャットパターンでは、入力Ｆ８１→応答Ｆ８２→入力Ｆ８３と続く。そして、入力Ｆ８３の内容（実際の入力テキスト）に応じて、応答Ｆ８４ａに進むか応答Ｆ８４ｂに進むかを分岐させることができる。具体的には、チャットパターン内に、入力テキストに対するルールを記述できるようにする。そして、そのルール内における条件に応じて、異なる応答を記述できるようにする。一例として、銀行業のサービスにおいて定期預金口座に関するサービスを自動応答サーバー装置２で実現しようとする場合、新たな定期預金を設定するか既存の定期預金を解約するかに依って、自動応答サーバー装置２の応答を変えたい場合がある。このような場合に、第５例として示したチャットパターンを利用することができる。
なお、図３から図７までにおいて例示した複数のパターンを組み合わせてチャットパターンを構成するようにしてもよい。図５に示した固定パターンを含み、且つ図７に示した分岐を含むようなチャットパターンを構成してもよい。他の組み合わせについても同様である。
作成されたチャットパターンは、適切なデータで表現され、自動応答サーバー装置２内の応答用知識データ記憶部２３に記憶される。チャットパターンは、入力と応答との連鎖を含み、また流れの分岐（図７）や、流れの統合（図６）を含む場合もある。また、入力は、特徴語群のデータに関連付けられる。このような性質を持つチャットパターンのデータは、例えば、ＸＭＬで表現することができるが、データの表現形態は特に限定されない。
次に、分野ツリーについて説明する。
図８は、分野ツリーの例を示す概略図である。図示するように、分野ツリーは、多階層（図示する例では４階層）のツリー構造を有する。分野ツリーの各ノードが、チャットの分野に対応するものである。あるノードから見て、上位のノード（親ノード等）は分野の上位概念に対応し、下位のノード（子ノード等）は分野の下位概念に対応する。
図示する分野ツリーの例では、最上位の階層（深さレベル１）において、「飲食店」、「家電製品」、「化粧品」、などといった分野のノードが含まれる。深さレベル１のノードのうちの「飲食店」の子ノードとして、次の階層（深さレベル２）において、「店のご紹介」、「料理のご案内」、「ご予約方法」、「アクセス」、などといった分野のノードが含まれる。深さレベル２のノードのうちの「料理のご案内」の子ノードとして、次の階層（深さレベル３）において、「きつねうどん」、「天ぷらうどん」、「激辛ラーメン」、「豚骨ラーメン」、などといった分野のノードが含まれる。深さレベル３のノードのうちの「豚骨ラーメン」の子ノードとして、次の階層（深さレベル４）において、「材料の原産地」、「アレルギー情報」、「おいしい食べ方」、「相性が合う別の料理」、などといった分野のノードが含まれる。
図示する分野ツリーの例では、深さレベル１において、業種の分類としている。また、深さレベル２以下において、それらの業種に応じた分類のツリーを設けている。
また、分野ツリーに含まれる各ノードについて、ノードを一意に識別するための識別子が付与されている。
プロトタイプデータベースサーバー装置４において、プロトタイプ記憶部４１に記憶されているチャットパターンのプロトタイプを、上記のような分類ツリーのノードに関連付けて記憶させるようにする。これにより、加盟者端末装置３を操作する加盟者は、チャットパターンのプロトタイプを探す際に、分類ツリーからたどることが可能となる。つまり、加盟者は、所望のチャットパターンのプロトタイプを容易に見つけやすくなる。
なお、図８において、分野ツリーの深さを最大で４としたが、最大の深さレベルをいくつにするかは任意である。また、図８においては、分野間のつながりの形態をツリー構造とした例を示したが、他の形態により分野間がつながっていてもよい。なお、いずれの場合も、１個の分野（図８における１個のノードにあたる）に識別子（「分野識別子」と呼ぶ）を付与することにより、プロトタイプ記憶部４１に記憶されているチャットパターンのプロトタイプを、特定の分野に関連付けることが可能となる。これにより、加盟者等は、チャットパターンのプロトタイプを探しやすくなる。
次に、加盟者端末装置３の詳細について説明する。
図９は、加盟者端末装置３の概略機能構成を示すブロック図である。図示するように、加盟者端末装置３は、プロトタイプ取得部３１と、チャットパターン編集部３２と、応答用知識データ送信部３３と、学習処理部３４と、入力解釈用知識データ送信部３５と、バーコード取得部３６と、を含んで構成される。これら各部の機能は次の通りである。
プロトタイプ取得部３１は、プロトタイプデータベースサーバー装置４から、チャットパターンのプロトタイプのデータを取得する。チャットパターンのプロトタイプのデータは、プロトタイプデータベースサーバー装置４の運営者によってあらかじめ作成されたものである。加盟者端末装置３の使用者は、自事業に整合した適切なプロトタイプのデータを選んでプロトタイプデータベースサーバー装置４からダウンロードすることができる。例えば、加盟者端末装置３の使用者は、自事業が属する業種に合ったプロトタイプのデータを選んでダウンロードする。加盟者端末装置３の使用者は、プロトタイプデータベースサーバー装置４からダウンロードされたプロトタイプに、必要な情報を追加して埋め込むことで、チャットパターンのデータを作成できる。チャットパターンのデータの作成は、次のチャットパターン編集部３２が行う。
チャットパターン編集部３２（チャットパターン生成部）は、チャットパターンを編集する機能を持つ。チャットパターン編集部３２は、操作者（加盟者）の操作により、チャットパターンのデータを、新規に生成したり、修正したり、部分的に削除したりすることができる。つまり、チャットパターン編集部３２により、全く新規のチャットパターンを作成することもできる。また、チャットパターン編集部３２により、プロトタイプ取得部３１がプロトタイプデータベースサーバー装置４から取得してきたプロトタイプを手直しすることにより、チャットパターンを作成することもできる。また、チャットパターン編集部３２により、既存の（既に登録されている）チャットパターンを変更することもできる。
なお、チャットパターン編集部３２がプロトタイプに基づいてチャットパターンを生成した場合、元のプロトタイプに関連付けられていた分野識別子は、生成されたチャットパターンにも引き継がれる。つまり、チャットパターンには、分野識別子が関連付けられている場合がある。
チャットパターン編集部３２は、編集処理の結果得られたチャットパターンを、内部に記憶する。また、チャットパターン編集部３２は、編集処理の結果得られたチャットパターンを、応答用知識データ送信部３３および学習処理部３４にそれぞれ渡す。
つまり、チャットパターン編集部３２は、チャットにおける前記自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するものである。なお、チャットパターン編集部３２が、入力断片（入力テキスト）に対応する特徴の情報（例えば、特徴語群）を生成するようにしてもよい。
応答用知識データ送信部３３は、チャットパターン編集部３２によって作成されたチャットパターンに含まれる応答用知識データ（応答断片のデータ）を、自動応答サーバー装置２に送信する。言い換えれば、応答用知識データ送信部３３は、チャットパターン編集部３２で生成されたチャットパターンに含まれる応答断片に基づく応答用知識データを自動応答サーバー装置２に送信する。
学習処理部３４は、チャットパターン編集部３２によって作成されたチャットパターンに基づいて学習処理を行い、学習処理の結果である入力解釈用知識データを出力する。学習処理部３４は、具体的には、次のように学習処理を行う。
自動応答サーバー装置２において、入力テキストをチャットパターン上の特定の入力に同定する処理は、既に述べた通り、前記の式（１）により行われる。
したがって、学習処理部３４は、学習用データとして、入力テキストと、その入力テキストに対応する応答（式（１）におけるＲＥＳＰｉの値）のペアの集合を用いる。この学習用データは、例えば、加盟者端末装置３を操作する加盟者によって与えられる。また、チャットパターン編集部３２においてチャットパターンを編集する際に、例えば加盟者が入力テキスト例を入力するようにしてもよい。上記のペアの集合は、学習のための正例のデータである。
また、適宜、学習のための負例のデータを準備してもよい。
推論エンジン部２１がニューラルネットワークを用いる場合、学習処理部３４は、上記の学習用データを用いて、誤差逆伝搬法（backpropagation）の手法を用いて、パラメーター値群θを最適化する。なお、推論エンジン部２１がニューラルネットワーク以外を用いる場合には、適宜、推論エンジン部２１の手法に合った学習手法を用いて、学習処理部３４は、学習処理を行う。
以上により、学習処理部３４は、入力解釈用知識データ（例えば、パラメーター値群θ）を得て、出力する。
つまり、学習処理部３４は、チャットパターン編集部３２で生成されたチャットパターンと、入力テキスト例とに基づいて、自動応答サーバー装置２への入力テキストと、その入力テキストに対応する応答との関係の学習処理を行い、その学習処理の結果として得られる入力解釈用知識データを出力する。言い換えれば、学習処理部３４は、チャットパターン編集部３２で生成されたチャットパターンに基づいて、入力断片に対応する入力テキストと応答断片との関係の学習処理を行い、学習処理の結果として得られる入力解釈用知識データを出力する。
入力解釈用知識データ送信部３５は、学習処理部３４によって求められ、出力された入力解釈用知識データを、自動応答サーバー装置２に送信する。つまり、入力解釈用知識データ送信部３５は、学習処理部３４から出力された入力解釈用知識データを自動応答サーバー装置２に送信する。なお、入力解釈用知識データは、前に説明した式（１）におけるパラメーター値群θの情報を含むものである。
応答用知識データ送信部３３と入力解釈用知識データ送信部３５とは、同期して、データを自動応答サーバー装置２に送信する。これにより、応答用知識データ送信部３３が送信する応答用知識データと、入力解釈用知識データ送信部３５が送信する入力解釈用知識データとは、整合する。つまり、具体的には、チャットパターン編集部３２が一区切りの編集処理を終えたタイミングで、学習処理部３４が学習処理を行う。これにより、応答用知識データ送信部３３が送信するために保持する応答用知識データと、入力解釈用知識データ送信部３５が送信するために保持する入力解釈用知識データとは、互いに整合する。また、自動応答サーバー装置２上においても、応答用知識データと入力解釈用知識データとは整合する形でそれぞれ更新される。
バーコード取得部３６（アクセス情報生成部とも呼ぶ）は、一般利用者端末装置７が、当該加盟者（加盟者端末装置３を操作した加盟者）のチャットルームにアクセスするためのアクセス情報であるバーコードを生成する。アクセス情報は、典型的には、自動応答サーバー装置２が提供するサービスのＵＲＬ（Universal Resource Locator）の情報である。なお、バーコード取得部３６が、バーコードの代わりに、二次元コードや、その他のコード情報を、アクセス情報として生成するようにしてもよい。いずれの場合も、バーコード取得部３６が生成するアクセス情報を用いることにより、当該加盟者のチャットルームにアクセスすることができる。
特に、バーコード取得部３６は、学習処理部３４による学習処理が完了すると、当該学習処理の結果が反映されるチャットにアクセスするためのバーコード情報等（アクセス情報）を生成する。
バーコード取得部３６が生成するアクセス情報は、例えば、加盟者を識別する情報を含む。このとき、そのアクセス情報を用いて自動応答サーバー装置２にアクセスした一般利用者端末装置７は、その加盟者のチャットルームに接続される。
また、バーコード取得部３６が生成するアクセス情報は、必要に応じて、分野識別子の情報を含む。このとき、そのアクセス情報を用いて自動応答サーバー装置２にアクセスした一般利用者端末装置７は、当該加盟者における、その分野識別子にマッチするチャットパターンに接続される。
また、バーコード取得部３６が生成するアクセス情報は、特定のチャットパターンを識別する情報を含む。このとき、そのアクセス情報を用いて自動応答サーバー装置２にアクセスした一般利用者端末装置７は、当該加盟者における、その識別情報にマッチするチャットパターンに接続される。
なお、バーコード取得部３６は、予め定められたルールに則って、自らの処理のみによってアクセス情報を生成してもよい。また、バーコード取得部３６は、アクセス情報のうちの少なくとも一部を自動応答サーバー装置２から取得する形でアクセス情報を生成してもよい。また、バーコード取得部３６は、アクセス情報そのものを、あるいはアクセス情報を生成するために必要な情報のすべてを、自動応答サーバー装置２から取得してもよい。一例として、バーコード取得部３６は、完成されたバーコードのイメージデータそのものを、自動応答サーバー装置２から取得して出力してもよい。自動応答サーバー装置２は、適宜必要な情報を、バーコード取得部３６に提供する。
例えば、加盟者端末装置３の使用者は、バーコード取得部３６から出力されるアクセス情報を適宜、紙媒体に印刷するなどして、自事業の顧客等がチャットにアクセスできるようにする。加盟者端末装置３の使用者は、例えば、紙媒体に印刷されたアクセス情報（バーコード、２次元コード等）を、店内に掲示したり、飲食店の場合には料理等のメニュー内に含めたり、配布物として配布したりすることができる。
典型的な場合において、知識データおよびチャットパターンは、次のように更新される。即ち、加盟者端末装置３を操作する加盟者は、日々の業務を通して得た気付き等に基づき、既存のチャットパターンを修正する。あるいは、加盟者端末装置３を操作する加盟者は、業務として新たなサービスを提供するために、新たなチャットパターンを生成して登録する。このように更新されたチャットパターンは、所定のタイミングで自動応答サーバー装置２に反映される。
応答システム１におけるヒューマン・マシン・インターフェースについて説明する。
図１０は、加盟者端末装置３において、チャットパターンを登録するための画面の例を示す概略図である。
図示するように、この画面は、グラフィカル・ユーザー・インターフェースを用いて実現されている。図示するように、このチャットパターン登録画面は、タイトルと、代表入力と、複数の類似入力とを入力するための欄を有している。また、このチャットパターン登録画面は、「増やす」ボタンと、区分を選択するための３つのボタンを有している。図示する例では、区分１として「新幹線」ボタン、区分２として「地下鉄」ボタン、区分３として「バス」ボタンが存在する。また、このチャットパターン登録画面は、加盟者応答を入力するための欄を有している。また、このチャットパターン登録画面は、「ダウンロード」ボタンと、「登録」ボタンと、「削除」ボタンと、「保存」ボタンとを有している。
本例の画面では、４つの入力（即ち、１つの代表入力と３つの類似入力）を、共通の１つの応答（加盟者応答）に対応付けることができる。つまり、図１０に示すチャットパターン登録画面は、図６に示したチャットパターン（１つの代表入力系列と複数の類似入力系列とが、１つの応答に対応する）を編集するのに適している。その他の形のチャットパターンについても、適宜、入力断片と応答断片とを設定するための画面を用意するようにする。
タイトルは、個々のチャットパターンに与えられるタイトルである。任意の文字列をタイトルとすることができる。
代表入力は、このチャットパターンに含まれる入力のうちの代表入力（図６を参照）にあたるものである。
類似入力は、このチャットパターンに含まれる入力のうち、上記の代表入力に対応する類似入力（図６を参照）にあたるものである。図示する例では、３種類の類似入力を書き込むことができる。また、「増やす」ボタンを押下することにより、類似入力を書き込むための欄を増やすことができる。
区分１（「新幹線」）、区分２（「地下鉄」）、区分３（「バス」）の各ボタンは、このチャットパターンが属する区分を指定するための欄である。区分１、区分２、区分３は、それぞれ、図８に示した分野ツリー内の所定の深さレベル（深さレベル１、深さレベル２、深さレベル３、深さレベル４のいずれか）におけるノードに対応している。加盟者端末装置３の使用者は、このチャットパターン登録画面において、区分補譚のいずれかを押下することにより、そのノードに属するチャットパターンを編集することができる。つまり、チャットパターン登録画面から登録されるチャットパターンは、ボタン押下によって選択されたノード（分野）に属するチャットパターンとして登録される。つまり、登録されるチャットパターンを特定の分野識別子に関連付けることができる。
加盟者応答の欄は、代表入力や類似入力に対応する応答のテキストを設定するための欄である。
「登録」ボタンは、この画面で作成されたチャットパターンを登録する処理を行わせるためのボタンである。この「登録」ボタンが押下されると、この画面で作成されたチャットパターンが、加盟者端末装置３内の記憶手段に登録される。また、そのチャットパターンは、チャットパターン編集部３２から、応答用知識データ送信部３３と、学習処理部３４とに渡される。応答用知識データ送信部３３は、チャットパターン編集部３２から、単数または複数の応答用知識データを順次受け取り、別途与えられるトリガーがあったときに、それらの応答用知識データを自動応答サーバー装置２に送信する。また、学習処理部３４は、チャットパターン編集部３２から、単数または複数のチャットパターンを順次受け取り、別途与えられるトリガーがあったときに、それらのチャットパターンに基づく学習処理を実行する。
「削除」ボタンは、この画面で開かれているチャットパターンを削除する処理を行わせるためのボタンである。この「削除」ボタンが押下されると、この画面で開かれているチャットパターンは、加盟者端末装置３内において削除される。また、そのチャットパターンが削除されたことを表す情報は、チャットパターン編集部３２から、応答用知識データ送信部３３と、学習処理部３４とに渡される。応答用知識データ送信部３３は、チャットパターン編集部３２から、削除されたチャットパターンに関する情報を受け取る。そして、応答用知識データ送信部３３は、別途与えられるトリガーがあったときに、削除されたチャットパターンに含まれていた応答用知識データが削除すべきものであるという情報を、自動応答サーバー装置２に送信する。また、学習処理部３４は、チャットパターン編集部３２から、削除されたチャットパターンに関する情報を受け取る。そして、学習処理部３４は、別途与えられるトリガーがあったときに、削除されたチャットパターンが存在しない状態であらためて学習処理を実行する。
「保存」ボタンは、この画面で編集されたチャットパターンを一時的に保存する処理を行わせるためのボタンである。この「保存」ボタンが押下されると、この画面で開かれているチャットパターンは、加盟者端末装置３内の記憶手段に保存される。但し、「保存」ボタンによって保存されただけでは、そのチャットパターンに含まれる応答断片の情報、即ち応答用知識データは、自動応答サーバー装置２へは送られない。また、「保存」ボタンによって保存されただけでは、そのチャットパターンに基づく学習処理は行われない。「保存」ボタンによって保存されたチャットパターンを、加盟者端末装置３の使用者は、後で呼び出して再編集することができる。また、加盟者端末装置３の使用者は、再編集したチャットパターンを登録することができる。また、加盟者端末装置３の使用者は、一旦保存されたチャットパターンを削除することもできる。
「ダウンロード」ボタンは、特定の条件を満たすチャットパターンのプロトタイプを、プロトタイプデータベースサーバー装置４からダウンロードする処理を行わせるためのボタンである。加盟者端末装置３の使用者は、プロトタイプデータベースサーバー装置４からダウンロードしたチャットパターンのプロトタイプを利用して、チャットパターンを編集し、登録したり保存したりすることができる。
なお、チャットパターンにおける入力断片に対応する特徴語群は、各入力（代表入力または類似入力）のテキストから自動的に抽出されるようにする。
あるいは、不図示の画面を用いて、入力断片に対応する特徴語群を、加盟者端末装置３の使用者が手動操作で設定できるようにしてもよい。
次に、チャットパターンを編集・生成するための手順について説明する。
図１０に示す状態は、加盟者端末装置３の使用者が、区分を適宜指定した上で「ダウンロード」ボタンを押下することによって、プロトタイプデータベースサーバー装置４から、チャットパターンのプロトタイプをダウンロードし、さらに加盟者応答の欄にテキストを打ち込んだ状態である。ここに示す例では、加盟者端末装置３の使用者が区分１の「新幹線」を選択した場合を示している。また、ここに示す例では、「行き方」というタイトルのチャットパターンのプロトタイプがプロトタイプデータベースサーバー装置４から取得されている。また、代表入力として「行き方をおしえてください」というテキストが設定されている。また、類似入力として「どのようにしていけますか」、「お店までどうやっていけますか」、および「交通機関での行き方を教えてね」というテキストが設定されている。これら代表入力および類似入力のテキストは、プロトタイプデータとして、プロトタイプデータベースサーバー装置４の運営者により予めプロトタイプデータベースサーバー装置４内に書き込まれている。加盟者端末装置３の使用者は、これら代表入力および類似入力のテキストをそのまま使用することもできるし、編集して変更することもできる。
また図１０に示す状態において、加盟者端末装置３の使用者が、入力（代表入力や、類似入力）に対応して、自事業に相応しい応答のテキストを加盟者応答の欄に設定済み（キーボード等の文字入力手段から打ち込み済み）である。具体的には、加盟者応答の欄には、加盟者端末装置３の使用者によって、「新幹線東京駅の八重洲中央口から出てください。出口を出て左に約１００ｍ歩いてきてください。キオスクが見えるところから右に３０ｍほど歩いてくるとコンビニエンスストアが見えます。その建物の３階がお店になります。」というテキストが設定されている。つまり、プロトタイプデータベースサーバー装置４の運営者が作成したプロトタイプの内容（代表入力や類似入力）に沿って、加盟者端末装置３の使用者が自事業に適した応答のテキストを設定することができる。
以上、説明したように、加盟者端末装置３の使用者は、図１０の画面を開いてチャットパターンの入力断片および応答断片を設定することができる。また、１つのチャットパターン内における入力断片と応答断片との関連付けもこの画面上で行われている。前述の通り、加盟者端末装置３の使用者は、入力断片と応答断片とを適切に関連付けることにより、図３から図７までに示した様々なパターンを登録することができる。
加盟者端末装置３の使用者が、チャット実行のため、および学習処理のために、類義語辞書を編集・登録できるようにしてもよい。
図１１は、加盟者端末装置３において、類義語辞書を編集・登録するための画面の例を示す概略図である。図示するように、この類義語辞書登録画面は、検索語を入力する欄と「検索」ボタンとを有している。また、類義語辞書登録画面は、加キーワードと類義語の組を入力するための欄と、「登録」ボタンおよび「削除」ボタンとを、複数組分、有している。図示する例では、３組分が表示されているが、その数は任意に変更できるようにしてもよい。また、この画面の下方には、キーワードを追加するための欄（キーワード追加の欄と、その類義語の欄）が設けられている。さらに、この画面の下方には、キーワード追加に関して、「登録」ボタンと、「削除」ボタンと、「保存」ボタンとが設けられている。
検索語の欄は、キーワードを検索するための検索語を設定するための欄である。また、「検索」ボタンは、その検索語を用いてキーワードの検索を実行させるトリガーを与えるボタンである。この検索が実行されると、該当するキーワードと、その類義語のリストが表示され、編集可能となる。
図示する画面の状態の例では、検索語として「営業時間」が設定されている。
キーワードの欄は、類義語登録のための鍵となる語を入力するための欄である。類義語の欄は、キーワードに関連付けられる単数または複数の類義語を入力するための欄である。つまり、図示する例の第１行目では、「開店時間」というキーワードに、「開始時間」、「開店時刻」、「オープン時刻」という類義語が対応している。類義語の欄において、スラッシュで区切って複数の類義語を設定することができる。また、第２行目では、「営業開始」というキーワードに、「営業開始時間」、「営業開始時刻」、「業務開始」という類義語が対応している。また、第３行目では、「ラストオーダー」というキーワードに、「ラスト注文」、「最終注文」、「最終オーダー」という類義語が対応している。なお、例えばキーワードの同音異義語を類義語として登録することにより、チャットテキスト内の誤字（誤入力）を本来の意図通りの語として解釈できる場合もあり得る。
なお、キーワードと類義語のペアに対して、加重値を設定できるようにしてもよい。この加重値は、その組の重みを表す数値である。例えば、加重値を、０以上の実数とする。この加重値は、当該組における類義語を、キーワードの類義語として用いる度合いを表す。加重値の値が高いほど、キーワードの代わりに加重値が用いられる度合いが高いものとして扱われる。逆に、加重値の値が低いほど、キーワードの代わりに加重値が用いられる度合いが低いものとして扱われる。
キーワードと類義語のペア（行）に対応する「登録」ボタンは、その行に入力されているキーワードと類義語とを、類義語辞書に登録するためのトリガーとなるボタンである。また、同じく「削除」ボタンは、そのキーワードに対応する類義語を、類義語辞書から削除するためのトリガーとなるボタンである。
また、類義語辞書に未登録の新たなキーワードを類義語辞書に登録するためには、この画面の下方のキーワード追加の欄と類義語の欄とに、適宜、語を設定し、「登録」ボタンを押すというユーザーインタフェースが提供されている。
類義語辞書に登録されている類義語は、チャットにおける入力テキストを推論エンジン部２１が処理する際に、キーワードに置換される可能性があるものである。なお、推論エンジン部２１がその類義語を実際に使用するか否かは、登録されている加重値にも依存する。また、類義語辞書を用いることによって、特徴語を拡張しても（置換しても）よい。類義語辞書を用いた置換を許容することにより、入力されるテキストにおける表現の揺れを吸収して、テキストを解釈することが可能となる。また、類義語による置換を行う場合、前述の加重値を適切に設定することによって置換されやすさを制御することも可能である。
次に、チャットの画面例について説明する。
図１２は、一般利用者端末装置７と自動応答サーバー装置２における仮想利用者との間で行われるチャットの実施の実例を示す概略図である。
同図（ａ）は、一般利用者端末装置７の外観（平面視）の一例を示す。また、同図（ｂ）は、加盟者端末装置３のバーコード取得部３６が取得したコード情報（アクセス情報）を印刷した物体（果実）の外観（斜視）の一例を示す。この印刷されるコード情報（アクセス情報）は、バーコードや、２次元コードや、文字や、その他の形態の情報であってよい。印刷されたコード情報は、例えば光学的に読み取り可能である。同図（ｃ）は、一般利用者端末装置７側において表示されるチャットルームの画面例である。
ここで、図１２を参照しながら、一般利用者端末装置７側からチャットサービスにアクセスする手順について説明する。
（１）まず、不図示の加盟者端末装置３が、設定されたチャットパターンに基づいて学習処理を行う。そして、加盟者端末装置３は、自動応答サーバー装置２に対して、応答用知識データおよび入力解釈用知識データを送信する。
（２）自動応答サーバー装置２は、加盟者端末装置３側から送信された応答用知識データおよび入力解釈用知識データを記憶する。
（３）自動応答サーバー装置２は、当該加盟者のチャットサービスにアクセスするためのアクセス情報、または当該加盟者の特定の分野識別子に関連付けられたチャットサービスにアクセスするためのアクセス情報を、加盟者端末装置３に送信する。なお、当該加盟者において、特定の分野識別子に関連付けられたチャットサービスにアクセスするようにするか否かは、例えば適宜設定可能とする。
（４）加盟者端末装置３は、自動応答サーバー装置２から受信したアクセス情報に基づいて、光学的に読み取り可能な２次元コードを印刷出力する。図１２（ｂ）において示される２次元コードがその例である。２次元コードが印刷された物体は、例えば、店舗等に置かれる。
（５）一般利用者端末装置７の使用者は、図１２（ａ）に示す一般利用者端末装置７（具体的には、例えば、スマートフォンや、タブレット端末機など）を、図１２（ｂ）の２次元コードにかざすことにより、この２次元コードを読み取る。
（６）一般利用者端末装置７は、読み取った２次元コードから、チャットサービスにアクセスするための情報を抽出する。具体的には、一般利用者端末装置７は、例えば特定のチャットルームのサービスにアクセスするためのＵＲＬ情報を抽出する。そして、一般利用者端末装置７は、通信手段を用いて、そのＵＲＬによって示されるサーバー装置にアクセスする。具体的には、そのＵＲＬは、チャットサーバー装置５における特定のサービスの所在を表す情報である。このようにして、一般利用者端末装置７は、加盟店に対応した、あるいは加盟店内の特定の情報に対応したチャットルームにアクセスすることができる。
図１２（ｃ）に示す画面の窓のタイトルは「チャットルーム画面」と表示されている。この画面において、右側（利用者「戸田奈央子」と記載されている）は一般利用者端末装置７の利用者であり、左側（利用者「お店店主」と記載されている）は自動応答サーバー装置２における仮想利用者である。図示するチャットでは、まず、右側の一般利用者端末装置７の利用者が「子供のメニュもありますか？」と入力している。自動応答サーバー装置２の推論エンジン部２１は、この入力テキストに基づき、最適な応答断片を推定する。この推定の際には、予め学習処理によって得られたパラメーター値が使用される。パラメーター値は、自動応答サーバー装置２の入力解釈用知識データ記憶部２２に記憶されている。そして、最適な応答断片が特定されると、自動応答サーバー装置２の推論エンジン部２１は、その応答断片にしたがって応答を返す。具体的には、この例では、「はい！もちろんでございます。お子様用メニュも充実しております。是非、お子様とご一緒にどうぞ。」という応答のテキストを、自動応答サーバー装置２が返す。この応答のテキストは、チャットサーバー装置５を経由して一般利用者端末装置７に届けられ、その画面に表示される。その下に続く、一般利用者端末装置７からの入力である「そうですか？助かりました。ありがとう。」というテキストに対しても、同様の処理により、推論エンジン部は、最適な応答断片を推定し、その結果として「いいえ、どういたしまして。お気をつけてお越しください。」という応答のテキストを出力する。
なお、チャットサービスにおける別の例（不図示）は次の通りである。一般利用者端末装置７からの「口座残高はいくらですか？」という入力に対して、推論エンジン部２１は、最適な応答断片を推定し、その結果、「お問合せありがとうございます。現在、お客様の口座の残高は10,000,000円でございます。」という応答のテキストを、自動応答サーバー装置２が返す。なお、残高金額の数値である「10,000,000」は、該当するチャットパターン内の応答断片に含まれる変数の値である。応答断片内で指定されているメソッドが、口座情報データベースを参照し、この一般利用者端末装置７の使用者の銀行口座の残高を取得する。そのメソッドは、取得した残高の数値を、応答断片に含まれる上記変数の値として代入する。
応答システム１の全体の処理の流れの一例は、次の通りである。
まずステップ１として、加盟者が、自動応答サーバー装置２の運営者（以下、Ａ社と言う）のホームページから会員登録をする。その加盟者が加盟会員と認められるとＡ社のプロトタイプデータベースサーバー装置４にアクセス可能となる。加盟者は、加盟者端末装置３を用いて、プロトタイプデータベースサーバー装置４から各産業分野別のツリー（分野ツリー）から、自らが該当するプロトタイプをダウンロードする。
次にステップ２として、加盟者は、ダウンロードした代表入力（代表質問）及び類似入力（類似質問）に合わせて、自事業に沿って、応答 (一般利用者に知らせる答弁）を書き込む。これにより、加盟者は、チャットパターンを完成させる。
次にステップ３として、加盟者は、加盟者端末装置３を用いて学習処理（機械学習処理）を実行させる。学習処理の結果、次の２つのファイルが得られる。
（１）入力解釈用知識データ：入力テキストと応答との関係を表す知識（パラメーター）を含むデータ。
（２）応答用知識データ：上記代表入力及び類似入力に対する応答断片（答弁）を加盟者が入力したもののデータ。
次にステップ４として、加盟者端末装置３から、学習処理等によって生成された上記の２つデータを自動応答サーバー装置にある入力解釈用知識データ取得部２４と応答用知識データ取得部２５とにそれぞれを伝送する。
次にステップ５として、自動応答サーバー装置２は加盟者端末装置３から受信した入力解釈用知識データと応答用知識データをそれぞれの記憶部に記憶させる。
次にステップ６として、自動応答サーバー装置２は、加盟者端末装置３側から伝送されたデータと関連づけられたチャットルームに直接アクセスするためのＵＲＬ情報（アクセス情報）を、加盟者端末装置３に送信する。アクセス情報は、例えば、バーコード、あるいは二次元コード情報とする。加盟者端末装置３は、自端末側で、このアクセス情報を生成し出力する。
次にステップ７として、加盟者はこのアクセス情報（バーコード等）をお店のメニューやテーブルの上など一般利用者がよく見えるところにプリントアウトして置く。一般利用者はいつでも、一般利用者端末装置７により簡単にバーコードをかざして関連チャットルームに接続することができる。
次にステップ８として、一般利用者端末装置７がチャットルームに接続し、入力テキストを送信する。例えば、一般利用者端末装置７は、入力テキストとして、「どうしたらいけますか？」というテキストを送信する。自動応答サーバー装置２の推論エンジン部２１は、受信した入力テキストの特徴（例えば、入力テキストに含まれる特徴語群が、その入力テキストの特徴である）に基づいて、入力解釈用知識データに基づき、最適応答を推定する。なお、「どうしたらいけますか？」という入力テキストは、図１０の類似入力の一つである「どのようにしていけますか」の特徴と、近い特徴を有する。推論エンジン部２１は、行き方に対応する応答（応答断片）に基づいて、応答用知識データを参照することによって応答用テキストを生成し、出力する。
以上の処理のこの流れにより、一般利用者は自分の知りたい内容を質問し、人工知能による処理を通じて必要な回答を得ることができる。
次にステップ９として、一般利用者が出した入力（質問）の中で、推論エンジン部２１が答弁できないものがある場合（例えば、推定された最適応答の尤度が所定の閾値より低い場合）には、自動応答サーバー装置２は、加盟者端末装置３にアラームとして知らせる。
次にステップ１０として、加盟者端末装置３は、アラームを受けた入力テキストに関して、チャットパターン登録画面から、チャットパターンの再設定を行い、また必要に応じて適宜学習処理の再実行を行う。再実行された学習処理の結果は、上記と同様の処理により、自動応答サーバー装置２側の知識データとして蓄えられる。つまり、適宜、学習処理を繰り返して知識データをアップデートしていくことができる。
本実施形態によれば、例えば中小規模の事業者らも、多くの投資をすることなく、加盟者端末装置３を持つことにより、人工知能を用いた応答システムを構築することが可能となる。そして、加盟者端末装置３を用いて、チャットパターンのデータ等を整備することにより、自事業に高度にチューニングさせた応答システムを実現することが可能となる。また、加盟者端末装置３は、プロトタイプデータベースサーバー装置４から、チャットパターンの原型となるデータをダウンロードできるため、手軽に、自事業の業種に合った応答システムを立ち上げることが可能となる。
また、本実施形態によれば、加盟者端末装置３においてチャットパターンが登録され、そのチャットパターンに基づいて、加盟者端末装置３における学習処理により知識データが生成される。それらの、チャットパターンと知識データは、自動応答サーバー装置２に送られる。自動応答サーバー装置２は、加盟者端末装置３から受け取ったデータ（入力解釈用知識データおよび応答用知識データ）を用いて、入力解釈用知識データ記憶部２２および応答用知識データ記憶部２３を更新する。このような構成により、学習処理は、加盟者端末装置３側で行われる。つまり、自動応答サーバー装置２では、自身が使用する知識データを生成するための学習処理を行わなくてよい。加盟者端末装置３は、例えば、ＰＣやタブレット端末やスマートフォン等で実現可能である。つまり、学習処理を行う必要のない自動応答サーバー装置２において大きな計算資源を割り振る必要がない。つまり、自動応答サーバー装置２を、比較的安価に構築することができる。その分の学習処理の計算は、加盟者らが保有する加盟者端末装置３の余力を用いて実行することが可能である。それらの結果として、応答システム１の全体を総合的に安価に構築することができる。
また、本実施形態によれば、加盟者端末装置３は、特定のチャットルームのサービスにアクセスするためのアクセス情報（例えば、バーコードや、二次元コードなど）を出力する。このアクセス情報を、例えば光学的な読取手段を用いて一般利用者端末装置７が読み取ることにより、一般利用者端末装置７は、所望のチャットルームのサービス（言い換えれば、所望の加盟者のチャットルームのサービス、あるいは所望の加盟者によって提供される特定の情報の分野（例えば、分野識別子によって識別される）のチャットルームのサービスに、容易にアクセスすることができる。
［第２実施形態］
次に、本発明の第２実施形態について説明する。なお、前実施形態において既に説明した事項については以下において説明を省略する場合がある。ここでは、本実施形態に特有の事項を中心に説明する。
図１３は、第２実施形態による応答システムの概略機能構成を示すブロック図である。図示するように、応答システム１０１は、自動応答サーバー装置１０２と、加盟者端末装置３と、プロトタイプデータベースサーバー装置４と、チャットサーバー装置５と、一般利用者端末装置７とを含んで構成される。本実施形態の特徴は、前実施形態における自動応答サーバー装置２に代えて、自動応答サーバー装置１０２を含む点である。
図示するように、自動応答サーバー装置１０２は、推論エンジン部２１と、入力解釈用知識データ記憶部２２と、応答用知識データ記憶部２３と、入力解釈用知識データ取得部２４と、応答用知識データ取得部２５と、追加学習処理部１２８とを含んで構成される。これらのうち、推論エンジン部２１と、入力解釈用知識データ記憶部２２と、応答用知識データ記憶部２３と、入力解釈用知識データ取得部２４と、応答用知識データ取得部２５との機能は、第１実施形態におけるそれらと同様である。本実施形態における自動応答サーバー装置１０２の特徴は、追加学習処理部１２８を有する点である。
追加学習処理部１２８は、推論エンジン部２１が処理する仮想利用者と、一般利用者端末装置７の利用者との間の、実際のチャットのテキストに基づいて、追加的な学習処理を行う。具体的には、追加学習処理部１２８は、実際のチャットのテキストを取得する。また、取得したチャットにおいて、推論エンジン部２１による入力テキストの判断（該当する入力断片の推定）が正解であったか否かを表すデータを外部より取得する。正解であったか否かは、例えば、人が判断して入力する。そして、追加学習処理部１２８は、正解と判定されたチャットを正例とし、誤り（正解ではない）と判定されたチャットを負例として、学習処理を行う。正例および負例を用いた学習処理自体は、第１実施形態における学習処理部３４による処理として説明した学習処理と同様のものである。即ち、一例として、誤差逆伝搬法を用いる。追加学習処理部１２８は、学習処理の結果である知識データを、入力解釈用知識データ取得部２４に渡す。そして、入力解釈用知識データ取得部２４は、取得した知識データを用いて入力解釈用知識データ記憶部２２を更新する。
本実施形態では、実際のチャットのテキストに基づいて学習処理を行うため、知識データの精度がさらに上がる。つまり、自動応答サーバー装置１０２によるチャットの品質をさらに向上させることが可能となる。
［第３実施形態］
次に、本発明の第３実施形態について説明する。なお、前実施形態までにおいて既に説明した事項については以下において説明を省略する場合がある。ここでは、本実施形態に特有の事項を中心に説明する。
図１４は、第３実施形態による応答システムの概略機能構成を示すブロック図である。図示するように、応答システム２０１は、自動応答サーバー装置２０２と、加盟者端末装置３と、プロトタイプデータベースサーバー装置４と、チャットサーバー装置５と、一般利用者端末装置７とを含んで構成される。本実施形態の特徴は、前実施形態における自動応答サーバー装置１０２に代えて、自動応答サーバー装置２０２を含む点である。
図示するように、自動応答サーバー装置２０２は、推論エンジン部２１と、入力解釈用知識データ記憶部２２と、応答用知識データ記憶部２３と、入力解釈用知識データ取得部２４と、応答用知識データ取得部２５と、追加学習処理部１２８と、バーコード生成部２２９（アクセス情報生成部）とを含んで構成される。これらのうち、推論エンジン部２１と、入力解釈用知識データ記憶部２２と、応答用知識データ記憶部２３と、入力解釈用知識データ取得部２４と、応答用知識データ取得部２５との機能は、第１実施形態におけるそれらと同様である。また、追加学習処理部１２８の機能は、第２実施形態におけるそれと同様である。本実施形態における自動応答サーバー装置２０２の特徴は、バーコード生成部２２９を有する点である。
バーコード生成部２２９は、特定のチャットルームのサービスにアクセスるための情報（アクセス情報）を含んだ光学的に読み取り可能なコード情報を生成する。例えば、バーコード生成部２２９は、バーコードや、二次元コードや、ＯＣＲ（光学式文字読み取り装置）で読み取り可能な文字列のコード情報などを生成する。そして、バーコード生成部２２９は、生成したコード情報を、加盟者端末装置３に送信する。具体的には、例えば、バーコード生成部２２９は、バーコードや二次元コード等を含んだ画像データを、加盟者端末装置３に送信する。加盟者端末装置３側のバーコード取得部３６は、バーコード生成部２２９から送信された光学的に読み取り可能なコード情報を受け取り、印刷出力する。そのように出力された光学的に読み取り可能なコード情報を、一般利用者端末装置７は、光学的に読み取ることができる。
本実施形態では、自動応答サーバー装置側で、光学的に読み取り可能なコード情報（つまり、アクセス情報を、光学的に読み取ることができる画像情報）を生成する。これにより、自動応答サーバー装置側で、光学的に読み取り可能なコード情報を一元的に生成し、管理することが可能となる。
以上、第１実施形態から第３実施形態までについて説明した。以下では、これらの実施形態の変形例について説明する。なお、可能な組み合わせにおいて、複数の変形例を組み合わせて実施するようにしてもよい。
［変形例１］
上述した各実施形態では、チャットにおいて入力されるテキストの特徴として、そのテキストから抽出される特徴語を用いた。
また、類義語辞書を用いることによって、特徴語を拡張しても（置換しても）よいこととした。
変形例１では、入力テキストの特徴として、他の特徴を使用する。
例えば、入力テキストの構文解析あるいは係り受け解析を行い、解析結果であるツリー（構文解析ツリーあるいは係り受け解析ツリー）を特徴として使用する。このように、構文解析あるいは係り受け解析の結果を特徴として用いることにより、単純に特徴語を抽出する場合と比べて、入力テキストの内容を把握する精度が向上する場合がある。
例えば、第１の特徴語と第２の特徴語が入力テキスト内に出現する場合、それら２個の特徴語が、構文解析ツリーあるいは係り受け解析ツリー内の近い位置に共起するか、遠い位置で共起するかに依って、異なる特徴として扱うことができる。ここで、「近い」あるいは「遠い」ということは、例えば、ツリーのノード間の距離（ノードとノードとを結ぶアークのホップ数）により図られる。
［変形例２］
上述した各実施形態では、自動応答サーバー装置２（または１０２）と、プロトタイプデータベースサーバー装置４と、チャットサーバー装置５とを、それぞれ独立の装置（コンピューター等）で構成した。
変形例２では、これらのサーバー装置のうちの複数を統合し、１台の装置内にそれら複数の機能を実装する。一例として、自動応答サーバー装置２（１０２）とプロトタイプデータベースサーバー装置４とを統合し、１台の装置とする。別の例として、自動応答サーバー装置２（１０２）とチャットサーバー装置５とを統合し、１台の装置とする。別の例として、プロトタイプデータベースサーバー装置４とチャットサーバー装置５とを統合し、１台の装置とする。また、自動応答サーバー装置２（１０２）とプロトタイプデータベースサーバー装置４とチャットサーバー装置５とを統合し、１台の装置としてもよい。
［変形例３］
上述した実施形態では、類義語辞書を登録するようにしてもよかった。
変形例３では、代わりに、既存の類義語辞書データを予め用意しておき、推論エンジン部２１がその類義語辞書データを参照できるようにする。この変形例３では、加盟者がいちいち個別に類義語辞書に該当する語の設定をする必要がなくなる。
［変形例４］
上述した実施形態では、一般利用者端末装置７と推論エンジン部２１における仮想ユーザーとが一対一でチャットを行う場合を説明した。変形例４では、三者以上の間でのチャットを行えるようにする。例えば、２台以上の一般利用者端末装置７（つまり、２人以上の一般利用者）と、推論エンジン部２１における仮想ユーザーとがチャットを行う。この場合、チャットサーバー装置５は、三者以上のチャットをハンドリングする処理を行う。本変形例の場合にも、推論エンジン部２１が、知識に基づいて一般利用者端末装置７からの入力を解釈し、解釈結果に基づいて応答を返す処理を行うことに変わりはない。
なお、上述した実施形態および変形例における各装置の機能（またはその一部の機能）をコンピューターで実現するようにしても良い。その場合、この機能を実現するためのプログラムをコンピューター読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピューターシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピューターシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピューター読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＵＳＢメモリー等の可搬媒体、コンピューターシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピューター読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバーやクライアントとなるコンピューターシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
本発明は、あらゆる産業において、顧客または関係者等からの問合せに対応する目的に利用可能である。また、顧客または関係者等からの問合せを受ける事業者に代わって、問合せへの対応や情報提供を代行する業態において利用可能である。ただし、本発明の利用範囲は、ここに例示したものに限定されるものではない。
１ 応答システム
２ 自動応答サーバー装置
３ 加盟者端末装置（端末装置）
４ プロトタイプデータベースサーバー装置
５ チャットサーバー装置
７ 一般利用者端末装置
２１ 推論エンジン部
２２ 入力解釈用知識データ記憶部
２３ 応答用知識データ記憶部
２４ 入力解釈用知識データ取得部
２５ 応答用知識データ取得部
３１ プロトタイプ取得部
３２ チャットパターン編集部（チャットパターン生成部）
３３ 応答用知識データ送信部
３４ 学習処理部
３５ 入力解釈用知識データ送信部
３６ バーコード取得部（アクセス情報取得部）
４１ プロトタイプ記憶部
４２ 分野ツリー管理部（分野情報管理部）
１０１ 応答システム
１０２ 自動応答サーバー装置
１２８ 追加学習処理部
２０１ 応答システム
２０２ 自動応答サーバー装置
２２９ バーコード生成部（アクセス情報生成部）

Claims (13)

  1. 自動応答サーバー装置と、複数の端末装置とを具備する応答システムであって、
    前記端末装置は、
    チャットにおける前記自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、
    前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、
    前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、
    前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、
    を具備し、
    前記自動応答サーバー装置は、
    前記端末装置の前記応答用知識データ送信部から送信された前記応答用知識データを記憶する応答用知識データ記憶部と、
    前記端末装置の前記入力解釈用知識データ送信部から送信された前記入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、
    チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける前記入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、
    を具備する、
    ことを特徴とする応答システム。
  2. 前記チャットパターンの原型であるプロトタイプを記憶するプロトタイプ記憶部を備えたプロトタイプデータベースサーバー装置、
    をさらに具備し、
    前記チャットパターン生成部は、前記プロトタイプデータベースサーバー装置から取得した前記プロトタイプに基づいて、前記チャットパターンの情報を生成する、
    ことを特徴とする請求項１に記載の応答システム。
  3. 前記プロトタイプデータベースサーバー装置は、
    前記プロトタイプが属する分野の情報を管理する分野情報管理部、
    を具備し、
    前記プロトタイプは、前記分野と関連付けて管理される、
    ことを特徴とする請求項２に記載の応答システム。
  4. 前記端末装置は、
    前記学習処理部による前記学習処理が完了すると、当該学習処理の結果が反映されるチャットにアクセスするためのアクセス情報を取得するアクセス情報取得部、
    をさらに具備する、
    ことを特徴とする請求項１から３までのいずれか一項に記載の応答システム。
  5. 前記自動応答サーバー装置は、
    光学的に読み取り可能な前記アクセス情報を含んだ画像情報を生成するアクセス情報生成部、
    をさらに具備し、
    前記アクセス情報取得部は、前記アクセス情報生成部によって生成された光学的に読み取り可能な前記アクセス情報を含んだ画像情報を取得する、
    ことを特徴とする請求項４に記載の応答システム。
  6. 前記推論エンジン部は、利用者間のチャットのサービスを提供するチャットサーバー装置に接続することにより、前記チャットサーバー装置を経由して一般利用者端末装置との間でのチャットを実行するものであり、
    チャットにおける前記入力テキストは、前記一般利用者端末装置から前記チャットサーバー装置を経由して前記推論エンジン部に送られるものであり、
    チャットにおける前記応答は、前記推論エンジン部によって出力され、前記チャットサーバー装置を経由して前記一般利用者端末装置に送られるものである、
    ことを特徴とする請求項１から５までのいずれか一項に記載の応答システム。
  7. 前記チャットサーバー装置を経由して前記推論エンジン部にチャットにおける前記入力テキストを送信するとともに、前記推論エンジン部から出力された前記応答を前記チャットサーバー装置を経由して受信する一般利用者端末装置、
    をさらに具備することを特徴とする請求項６に記載の応答システム。
  8. 前記端末装置における前記アクセス情報取得部が取得した前記アクセス情報を、光学的な読取手段によって読み取るとともに、読み取った前記アクセス情報に基づいて前記チャットにアクセスし、チャットサーバー装置を経由して前記推論エンジン部にチャットにおける前記入力テキストを送信するとともに、前記推論エンジン部から出力された前記応答を前記チャットサーバー装置を経由して受信する一般利用者端末装置、
    をさらに具備することを特徴とする請求項４または請求項５に記載の応答システム。
  9. 自動応答サーバー装置と、複数の端末装置とを用いた応答方法であって、
    前記端末装置において、
    チャットパターン生成部が、チャットにおける前記自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成し、
    学習処理部が、前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力し、
    応答用知識データ送信部が、前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信し、
    入力解釈用知識データ送信部が、前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信し、
    また、
    前記自動応答サーバー装置において、
    応答用知識データ記憶部に、前記端末装置の前記応答用知識データ送信部から送信された前記応答用知識データを記憶させ、
    入力解釈用知識データ記憶部に、前記端末装置の前記入力解釈用知識データ送信部から送信された前記入力解釈用知識データを記憶させ、
    推論エンジン部が、チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける前記入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する、
    ことを特徴とする応答方法。
  10. チャットにおける自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、
    前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、
    前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、
    前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、
    を具備することを特徴とする端末装置。
  11. 外部の端末装置において生成されたチャットパターンに基づいて、チャットにおける入力である入力断片に対する応答である応答断片を、応答用知識データとして記憶する応答用知識データ記憶部と、
    前記端末装置における学習処理によって生成された入力解釈用知識データであって、前記チャットパターンにおける前記入力断片に対応する入力テキストと、前記入力断片に対応する応答断片との関係に関して前記学習処理の結果として得られた入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、
    チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、
    を具備することを特徴とする自動応答サーバー装置。
  12. コンピューターを、
    チャットにおける自動応答サーバー装置への入力である入力断片と当該入力断片に対する前記自動応答サーバー装置からの応答である応答断片とのパターンであるチャットパターンの情報を生成するチャットパターン生成部と、
    前記チャットパターン生成部で生成された前記チャットパターンに基づいて、前記入力断片に対応する入力テキストと前記応答断片との関係の学習処理を行い、前記学習処理の結果として得られる入力解釈用知識データを出力する学習処理部と、
    前記チャットパターン生成部で生成された前記チャットパターンに含まれる前記応答断片に基づく応答用知識データを前記自動応答サーバー装置に送信する応答用知識データ送信部と、
    前記学習処理部から出力された前記入力解釈用知識データを前記自動応答サーバー装置に送信する入力解釈用知識データ送信部と、
    を具備する端末装置として機能させるためのプログラム。
  13. コンピューターを、
    外部の端末装置において生成されたチャットパターンに基づいて、チャットにおける入力である入力断片に対する応答である応答断片を、応答用知識データとして記憶する応答用知識データ記憶部と、
    前記端末装置における学習処理によって生成された入力解釈用知識データであって、前記チャットパターンにおける前記入力断片に対応する入力テキストと、前記入力断片に対応する応答断片との関係に関して前記学習処理の結果として得られた入力解釈用知識データを記憶する入力解釈用知識データ記憶部と、
    チャットにおける入力テキストと、前記入力解釈用知識データ記憶部に記憶された前記入力解釈用知識データとに基づき、前記応答用知識データ記憶部に記憶されている応答用知識データのうち、当該チャットにおける入力テキストに対応する前記応答断片を推定し、推定された前記応答断片に対応する応答用知識データを前記応答用知識データ記憶部から読み出すことによってチャットの応答を出力する推論エンジン部と、
    を具備する自動応答サーバー装置として機能させるためのプログラム。
JP2017138423A 2017-07-14 2017-07-14 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム Active JP6218057B1 (ja)

Priority Applications (13)

Application Number Priority Date Filing Date Title
JP2017138423A JP6218057B1 (ja) 2017-07-14 2017-07-14 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム
KR1020180001638A KR101938790B1 (ko) 2017-07-14 2018-01-05 자동 응답 서버 장치, 단말 장치, 응답 시스템 응답 방법 및 프로그램
CA3069568A CA3069568A1 (en) 2017-07-14 2018-06-07 Automated response server device, terminal device, response system, response method, and program
RU2019136488A RU2745632C1 (ru) 2017-07-14 2018-06-07 Серверное устройство автоматизированного ответа, оконечное устройство, система ответа, способ ответа и программа
PCT/JP2018/021857 WO2019012872A1 (ja) 2017-07-14 2018-06-07 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム
CN201880028811.9A CN110582762A (zh) 2017-07-14 2018-06-07 自动响应服务器装置、终端装置、响应系统、响应方法及程序
MX2019015040A MX2019015040A (es) 2017-07-14 2018-06-07 Dispositivo de servidor de respuesta automatica, dispositivo de terminal, sistema de respuesta, metodo y programa de respuesta.
BR112019024578A BR112019024578A2 (pt) 2017-07-14 2018-06-07 dispositivo servidor de resposta automatizado, dispositivo terminal, sistema de resposta, método de resposta e programa
SG11201912957UA SG11201912957UA (en) 2017-07-14 2018-06-07 Automated response server device, terminal device, response system, response method, and program
EP18832858.7A EP3654211A4 (en) 2017-07-14 2018-06-07 AUTOMATED ANSWER DEVICE, TERMINAL DEVICE, ANSWER SYSTEM, ANSWER PROCEDURE AND PROGRAM
US16/300,364 US10997371B2 (en) 2017-07-14 2018-06-07 Automatic response server device, terminal device, response system, response method, and program
TW107123857A TW201908992A (zh) 2017-07-14 2018-07-10 自動應答伺服器裝置、終端裝置、應答系統、應答方法、及程式
PH12019502894A PH12019502894A1 (en) 2017-07-14 2019-12-20 Automated response server device, terminal device, response system, response method, and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017138423A JP6218057B1 (ja) 2017-07-14 2017-07-14 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP6218057B1 true JP6218057B1 (ja) 2017-10-25
JP2019020995A JP2019020995A (ja) 2019-02-07

Family

ID=60156816

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017138423A Active JP6218057B1 (ja) 2017-07-14 2017-07-14 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム

Country Status (13)

Country Link
US (1) US10997371B2 (ja)
EP (1) EP3654211A4 (ja)
JP (1) JP6218057B1 (ja)
KR (1) KR101938790B1 (ja)
CN (1) CN110582762A (ja)
BR (1) BR112019024578A2 (ja)
CA (1) CA3069568A1 (ja)
MX (1) MX2019015040A (ja)
PH (1) PH12019502894A1 (ja)
RU (1) RU2745632C1 (ja)
SG (1) SG11201912957UA (ja)
TW (1) TW201908992A (ja)
WO (1) WO2019012872A1 (ja)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019167281A1 (ja) * 2018-03-02 2019-09-06 富士通株式会社 応答処理プログラム、応答処理方法、応答処理装置および応答処理システム
WO2019199550A1 (en) * 2018-04-13 2019-10-17 Uber Technologies, Inc. Network computer system to generate synthetic messages based on service-specific information
US10688919B2 (en) 2014-05-16 2020-06-23 Uber Technologies, Inc. User-configurable indication device for use with an on-demand transport service
US10706659B2 (en) 2016-10-12 2020-07-07 Uber Technologies, Inc. Facilitating direct rider-driver pairing
US10867330B2 (en) 2014-02-07 2020-12-15 Uber Technologies, Inc. User controlled media for use with on-demand transport services
US11277209B2 (en) 2017-01-06 2022-03-15 Uber Technologies, Inc. Method and system for ultrasonic proximity service
US11379761B2 (en) 2014-03-13 2022-07-05 Uber Technologies, Inc. Configurable push notifications for a transport service
US11671791B2 (en) 2015-07-10 2023-06-06 Uber Technologies, Inc. Selecting a messaging protocol for transmitting data in connection with a location-based service
US11675979B2 (en) 2018-11-30 2023-06-13 Fujitsu Limited Interaction control system and interaction control method using machine learning model
JP7392382B2 (ja) 2018-11-30 2023-12-06 株式会社リコー 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム
JP7446023B1 (ja) 2023-02-12 2024-03-08 株式会社サマデイ アシストサーバ

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11514915B2 (en) * 2018-09-27 2022-11-29 Salesforce.Com, Inc. Global-to-local memory pointer networks for task-oriented dialogue
US11188719B1 (en) 2018-10-22 2021-11-30 Wells Fargo Bank, N.A. Predictive text system
JP6489670B1 (ja) * 2018-10-30 2019-03-27 Ｊｅインターナショナル株式会社 チャットシステム、チャットボットサーバー装置、チャットボットｉｄ管理装置、チャット仲介サーバー装置、プログラム、チャット方法、およびチャット仲介方法
JP7230573B2 (ja) * 2019-02-19 2023-03-01 株式会社リコー 情報処理装置、情報処理システム、情報処理方法及びプログラム
US20210004830A1 (en) 2019-07-05 2021-01-07 Talkdesk, Inc. System and method for agent assist error correction and detection within a cloud-based contact center
US11328205B2 (en) 2019-08-23 2022-05-10 Talkdesk, Inc. Generating featureless service provider matches
US20210117882A1 (en) 2019-10-16 2021-04-22 Talkdesk, Inc Systems and methods for workforce management system deployment
US20210136220A1 (en) 2019-10-31 2021-05-06 Talkdesk, Inc. Monitoring and listening tools across omni-channel inputs in a graphically interactive voice response system
US11736615B2 (en) 2020-01-16 2023-08-22 Talkdesk, Inc. Method, apparatus, and computer-readable medium for managing concurrent communications in a networked call center
TWI771720B (zh) * 2020-07-24 2022-07-21 華碩電腦股份有限公司 具有多型態輸入之辨識方法及使用其之電子裝置
TWI789626B (zh) * 2020-09-04 2023-01-11 亞東學校財團法人亞東科技大學 情境引導化的適性語言學習系統及方法
EP4224550A1 (en) 2020-09-30 2023-08-09 Panasonic Intellectual Property Management Co., Ltd. Electrode and method for producing electrode
WO2022113498A1 (ja) 2020-11-30 2022-06-02 パナソニックＩｐマネジメント株式会社 電極、及び電極の製造方法
JPWO2022113682A1 (ja) 2020-11-30 2022-06-02
JP6999987B1 (ja) * 2021-04-12 2022-01-19 株式会社アクアビットスパイラルズ アクション制御システム、アクション制御サーバ及びアクション制御方法
US11677875B2 (en) 2021-07-02 2023-06-13 Talkdesk Inc. Method and apparatus for automated quality management of communication records
US11856140B2 (en) 2022-03-07 2023-12-26 Talkdesk, Inc. Predictive communications system
US11736616B1 (en) 2022-05-27 2023-08-22 Talkdesk, Inc. Method and apparatus for automatically taking action based on the content of call center communications
US11943391B1 (en) 2022-12-13 2024-03-26 Talkdesk, Inc. Method and apparatus for routing communications within a contact center
CN115952274B (zh) * 2023-03-10 2023-06-27 北京百度网讯科技有限公司 基于深度学习模型的数据生成方法、训练方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003108375A (ja) * 2001-09-28 2003-04-11 Seiko Epson Corp 対話型エキスパートシステム及びプログラム
JP2004145541A (ja) * 2002-10-23 2004-05-20 Inosu:Kk チャットシステム
JP2008512789A (ja) * 2004-09-10 2008-04-24 マイクロソフト コーポレーション 機械学習
JP2016024765A (ja) * 2014-07-24 2016-02-08 ソフトバンク株式会社 情報検索装置及び情報検索プログラム
JP2016045652A (ja) * 2014-08-21 2016-04-04 国立研究開発法人情報通信研究機構 質問文生成装置及びコンピュータプログラム
JP2017010517A (ja) * 2015-06-25 2017-01-12 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 人工知能によるヒューマン・マシン間の知能チャットの方法および装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030015696A (ko) * 2001-08-17 2003-02-25 (주)뉴타입테크놀러지 자동응답시스템과 연동하는 채팅 서비스 방법
US6946715B2 (en) * 2003-02-19 2005-09-20 Micron Technology, Inc. CMOS image sensor and method of fabrication
US20050054381A1 (en) 2003-09-05 2005-03-10 Samsung Electronics Co., Ltd. Proactive user interface
JP5099367B2 (ja) * 2006-03-10 2012-12-19 日本電気株式会社 要求内容識別システム、自然言語による要求内容の識別方法及びプログラム
US20100240018A1 (en) * 2007-01-30 2010-09-23 Bethune Damion A Process for creating and administrating tests
JP2008191748A (ja) 2007-02-01 2008-08-21 Oki Electric Ind Co Ltd ユーザ間コミュニケーション方法、ユーザ間コミュニケーションプログラム、ユーザ間コミュニケーション装置
CN100505664C (zh) * 2007-03-27 2009-06-24 腾讯科技（深圳）有限公司 一种互动问答系统及其实现方法
KR101224660B1 (ko) * 2008-07-09 2013-01-21 고려대학교 산학협력단 유사 문장 검색 장치, 검색 방법, 저장 매체, 자동 대화서비스 시스템 및 서비스 방법
US8818926B2 (en) * 2009-09-29 2014-08-26 Richard Scot Wallace Method for personalizing chat bots
WO2011094734A2 (en) * 2010-02-01 2011-08-04 Jumptap, Inc. Integrated advertising system
KR101521332B1 (ko) * 2011-11-08 2015-05-20 주식회사 다음카카오 인스턴트 메시징 서비스 및 인스턴트 메시징 서비스로부터 확장된 복수의 서비스들을 제공하는 방법
JP5825676B2 (ja) * 2012-02-23 2015-12-02 国立研究開発法人情報通信研究機構 ノン・ファクトイド型質問応答システム及びコンピュータプログラム
US20170006161A9 (en) 2013-03-15 2017-01-05 Genesys Telecommunications Laboratories, Inc. Intelligent automated agent for a contact center
KR101978793B1 (ko) 2013-07-11 2019-05-15 삼성전자주식회사 차폐 장치
KR101590908B1 (ko) * 2013-12-24 2016-02-03 서강대학교산학협력단 채팅 데이터 학습 및 서비스 방법 및 그에 따른 시스템
JP6087333B2 (ja) * 2014-11-26 2017-03-01 株式会社ユニバーサルエンターテインメント 情報提供システム、情報提供方法、及びプログラム
CN104572619A (zh) * 2014-12-31 2015-04-29 天津市招财猫信息技术有限公司 智能机器人交互系统在投融资领域的应用
US10263929B2 (en) * 2015-05-08 2019-04-16 International Business Machines Corporation Cloud based chat governance system based on behavioral patterns and situational-awareness
US11516153B2 (en) * 2016-01-25 2022-11-29 Expensify, Inc. Computer system providing a chat engine
JP2017138423A (ja) 2016-02-03 2017-08-10 キヤノン株式会社 定着装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003108375A (ja) * 2001-09-28 2003-04-11 Seiko Epson Corp 対話型エキスパートシステム及びプログラム
JP2004145541A (ja) * 2002-10-23 2004-05-20 Inosu:Kk チャットシステム
JP2008512789A (ja) * 2004-09-10 2008-04-24 マイクロソフト コーポレーション 機械学習
JP2016024765A (ja) * 2014-07-24 2016-02-08 ソフトバンク株式会社 情報検索装置及び情報検索プログラム
JP2016045652A (ja) * 2014-08-21 2016-04-04 国立研究開発法人情報通信研究機構 質問文生成装置及びコンピュータプログラム
JP2017010517A (ja) * 2015-06-25 2017-01-12 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 人工知能によるヒューマン・マシン間の知能チャットの方法および装置

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10867330B2 (en) 2014-02-07 2020-12-15 Uber Technologies, Inc. User controlled media for use with on-demand transport services
US11922340B2 (en) 2014-03-13 2024-03-05 Uber Technologies, Inc. Configurable push notifications for a transport service
US11379761B2 (en) 2014-03-13 2022-07-05 Uber Technologies, Inc. Configurable push notifications for a transport service
US10688919B2 (en) 2014-05-16 2020-06-23 Uber Technologies, Inc. User-configurable indication device for use with an on-demand transport service
US11720982B2 (en) 2014-05-16 2023-08-08 Uber Technologies, Inc. User-configurable indication device for use with an on-demand transport service
US11241999B2 (en) 2014-05-16 2022-02-08 Uber Technologies, Inc. User-configurable indication device for use with an on-demand transport service
US11671791B2 (en) 2015-07-10 2023-06-06 Uber Technologies, Inc. Selecting a messaging protocol for transmitting data in connection with a location-based service
US10706659B2 (en) 2016-10-12 2020-07-07 Uber Technologies, Inc. Facilitating direct rider-driver pairing
US11030843B2 (en) 2016-10-12 2021-06-08 Uber Technologies, Inc. Implementing a transport service using unique identifiers
US11688225B2 (en) 2016-10-12 2023-06-27 Uber Technologies, Inc. Facilitating direct rendezvous for a network service
US11277209B2 (en) 2017-01-06 2022-03-15 Uber Technologies, Inc. Method and system for ultrasonic proximity service
WO2019167281A1 (ja) * 2018-03-02 2019-09-06 富士通株式会社 応答処理プログラム、応答処理方法、応答処理装置および応答処理システム
JPWO2019167281A1 (ja) * 2018-03-02 2020-12-03 富士通株式会社 応答処理プログラム、応答処理方法、応答処理装置および応答処理システム
WO2019199550A1 (en) * 2018-04-13 2019-10-17 Uber Technologies, Inc. Network computer system to generate synthetic messages based on service-specific information
US11675979B2 (en) 2018-11-30 2023-06-13 Fujitsu Limited Interaction control system and interaction control method using machine learning model
JP7392382B2 (ja) 2018-11-30 2023-12-06 株式会社リコー 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム
JP7446023B1 (ja) 2023-02-12 2024-03-08 株式会社サマデイ アシストサーバ

Also Published As

Publication number Publication date
RU2745632C1 (ru) 2021-03-29
US10997371B2 (en) 2021-05-04
US20190147045A1 (en) 2019-05-16
EP3654211A1 (en) 2020-05-20
SG11201912957UA (en) 2020-01-30
TW201908992A (zh) 2019-03-01
WO2019012872A1 (ja) 2019-01-17
KR101938790B1 (ko) 2019-01-16
CN110582762A (zh) 2019-12-17
BR112019024578A2 (pt) 2020-06-09
EP3654211A4 (en) 2021-04-14
MX2019015040A (es) 2020-08-06
CA3069568A1 (en) 2019-01-17
JP2019020995A (ja) 2019-02-07
PH12019502894A1 (en) 2020-12-07

Similar Documents

Publication Publication Date Title
JP6218057B1 (ja) 自動応答サーバー装置、端末装置、応答システム、応答方法、およびプログラム
US20220006761A1 (en) Systems and processes for operating and training a text-based chatbot
Panda et al. Exploring the viability of ChatGPT as an alternative to traditional chatbot systems in library and information centers
Wijeratne et al. Emojinet: Building a machine readable sense inventory for emoji
CN104813311B (zh) 用于多人的虚拟代理推荐的系统和方法
Kandpal et al. Contextual Chatbot for healthcare purposes (using deep learning)
CN110020213A (zh) 通过迭代处理的名称标准化
WO2020086234A1 (en) Machine learning tool for navigating a dialogue flow
CN107636648A (zh) 基于情绪标识来构造响应
CN106462608A (zh) 改进语言模型的知识源个性化
CN108228559A (zh) 一种用于用户业务的人机交互实现方法及系统
CN103534697B (zh) 用于提供统计对话管理器训练的方法和系统
US20210288927A1 (en) Enabling communication with uniquely identifiable objects
CN109753635A (zh) 使用优质示例的自动化文档助手
CN113039567B (zh) 自然语言处理系统
Ossowska et al. Exploring an ontological approach for user requirements elicitation in the design of online virtual agents
Kumar et al. Chatbot in Python
Alazzam et al. Artificial intelligence chatbots: a survey of classical versus deep machine learning techniques
Angele et al. Semantic Web empowered E-tourism
CN108055192A (zh) 群组生成方法、装置及系统
JP6537211B1 (ja) 検索装置およびプログラム
Manikonda et al. Herding the crowd: Using automated planning for better crowdsourced planning
CN115936758A (zh) 基于大数据的智能拓客方法及相关装置
Sayed et al. Android based Chat-Bot
Khan et al. End-to-end natural language understanding pipeline for Bangla conversational agents

Legal Events

Date Code Title Description
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20170801

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: 20170829

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170914

R150 Certificate of patent or registration of utility model

Ref document number: 6218057

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350