JP6264215B2 - 質疑応答装置および質疑応答装置の制御方法 - Google Patents

Description

本発明は、ネットワークを介して他のユーザと情報を共有するシステムに関する。

近年、モバイルネットワークの普及に伴い、時と場所を選ばずに情報を発信することが可能になっている。また、インターネット上で提供されるサービスを利用することで、発信した情報をユーザ間でリアルタイムに共有することができる。

このような情報共有を行う形態の一つに、不特定多数のユーザに問いかけを行い、回答を得るコミュニケーションサービスがある。例えば、あるユーザが、ネット上に質問を投稿し、これを見た他のユーザが回答を投稿するサービスである（非特許文献１参照）。
このようなサービスにおける最大の課題は、投稿された質問が必ずしも最適な回答者に伝わらないという点である。そこで、より適した回答者を選定するために、あらかじめ回答者が得意なジャンルを登録しておき、質問のジャンルに応じてマッチングを行ったうえで、メール等で通知するという方法が考えられる。しかし、このような方法を用いても、「特定の道路の今現在の混み具合を知りたい」など、質問の対象が局地的であったり、質問に対する回答が時間とともに変化するような場合は、最適な回答者を選定することができない。

これを解決する発明として、例えば特許文献１に記載の情報提供システムがある。当該情報提供システムは、車載システム同士を接続して質疑応答を行うシステムであって、車両から送信された位置情報の履歴に基づいて、質問に対して回答可能な車両を推定し、該当する車両に質問を転送する。当該システムでは、位置情報の履歴を用いることで、質問に関連付いた場所に訪問したことのある車両のみを抽出することができるため、当該抽出された車両から適切な回答を得られることが期待できる。

特開２０１２−５９００５号公報 特開２０１２−２５１９５４号公報 特開２００２−３２８０３５号公報 特開２００５−３２１３２０号公報

"OK Wave"、［online］、［平成２６年７月１日検索］、インターネット＜URL：http://okwave.jp/＞

特許文献１に記載のシステムによると、車両に乗ったユーザ同士が質疑応答を行うことで、新鮮な情報を取得することができる。
しかし、当該システムでは、質問を受け取ったユーザが回答を手入力で送信するため、回答を得るまでに待ち時間が発生する。一般的に、車両で移動するユーザは、出発の直前になって、具体的な情報（道路の混雑や目的地の状況など）を得ようとする傾向があり、数分の待ち時間が煩わしく思える場合がある。

本発明は上記の課題を考慮してなされたものであり、ユーザ同士が質疑応答を行うシス
テムにおいて、ユーザが望む情報をより迅速に取得する技術を提供することを目的とする。

上記課題を解決するために、本発明に係る質疑応答装置は、他のユーザに対して過去に送信した質問に関するデータを取得し、当該データに基づいて、新たに質問を自動生成して、回答候補者である他のユーザに送信するという構成をとった。

具体的には、質問文を他のユーザに送信する質疑応答装置であって、装置の利用者が他のユーザに対して過去に送信した質問文と、当該質問文を送信した際の状況である質問状況とを取得する質問文取得手段と、前記取得した質問文を質問クラスに分類する分類手段と、前記質問状況および前記質問クラスの対応付けを学習する学習手段と、前記学習の結果と、現在の状況に基づいて、現在の状況に対応する質問クラスを推定する推定手段と、前記推定した質問クラスに基づいて、質問文を生成する質問生成手段と、前記生成した質問文を他のユーザに送信する質問送信手段と、を有することを特徴とする。

質問文取得手段は、他のユーザに対して過去に送信した質問文と、当該質問文を送信した際の状況である質問状況とを取得する手段である。質問文および質問状況は、ローカルのデータベースから取得してもよいし、ネットワーク等を介して外部から取得してもよい。質問文は、自然言語で記述された文章である。また、質問状況は、質問を送信した際の環境に関する情報であり、例えば、当該質問をした時刻（時間帯）、季節、曜日、天候、ユーザの位置情報などであるが、これに限られない。

また、分類手段は、質問文を質問クラスに分類する手段である。質問文の分類は、任意の方法で行うことができる。例えば、自然言語処理によって複数の質問文を解析し、解析結果に基づいて質問文を分類してもよい。また、この場合、質問が言及している対象や、質問のカテゴリなどを取得し、分類先としてもよい。また、分類先である質問クラスは、特定の意味を持つものでなくてもよい。例えば、質問文に対してクラスタリングを行い、出力されたクラスタを質問クラスとしてもよい。

また、学習手段は、質問状況と、質問クラスとの対応付けを学習する手段であり、推定手段は、学習の結果を用いて、現在の状況に対応する質問クラスを推定する手段である。すなわち、質問を行った際の状況を、質問クラスに紐付けて学習させることで、現在の状況を入力すると、質問クラスを出力するモデルを得ることができる。

また、質問生成手段は、推定された質問クラスに基づいて、質問文を生成する手段である。例えば、質問クラスに対応する質問文を取得し、新たな質問文を構成する。構成された質問文は、質問送信手段によって他のユーザに送信される。

かかる構成によると、現在の状況に基づいて、装置の利用者が知りたがっていると推定される情報を取得するための質問文を自動的に生成し、他のユーザに送信することができる。すなわち、利用者に質問文を入力させることなく、当該利用者が所望している情報を得られることが期待できる。

また、本発明に係る質疑応答装置は、前記利用者の移動目的地を推定する目的地推定手段をさらに有し、前記質問送信手段は、前記生成した質問文を、前記推定した目的地の周辺に位置するユーザに送信することを特徴としてもよい。

装置の利用者が移動を行う場合、質問の内容は、当該移動の目的地に関連するものである可能性が高い。そこで、利用者の移動目的地を推定したうえで、生成した質問文を、当
該目的地の周辺に位置する他のユーザに送信する。かかる構成によると、利用者が所望する回答を得られる確率を向上させることができる。なお、移動目的地の推定には、例えば、公知の方法を利用することができる。

また、前記分類手段は、自然言語処理によって前記質問文を解析することで、前記質問文に、当該質問文の内容に関するラベルを付与し、当該ラベルを、前記質問文に対応する質問クラスとすることを特徴としてもよい。また、前記ラベルは、前記質問のカテゴリまたは質問が言及している対象物を含んでもよいし、前記利用者の行動目的を含んでもよい。

質問文の分類先である質問クラスは、当該質問文を自然言語処理によって解析することで決定することが好ましい。付与されるラベルは、例えば、当該質問文が言及している対象物（例えば、ランドマーク、関心地点、店舗、道路、交差点など）に関するものであってもよいし、質問のカテゴリ（例えば、「道路状況の確認」「目的地の状況確認」「天候の状況確認」など）に関するものであってもよい。また、質問を行った利用者の行動目的（例えば、「レジャー」「ショッピング」「通勤」など）等であってもよい。また、これらの組み合わせであってもよい。これらのラベルを用いることで、質問クラスを適切に決定することができる。

また、前記分類手段は、前記利用者の入力に基づいて、前記質問文に、当該質問文の内容に関するラベルを付与し、当該ラベルを、前記質問文に対応する質問クラスとすることを特徴としてもよい。

質問クラスは、利用者の入力に基づいて決定してもよい。例えば、質問を行う際にラベルを選択してもよいし、データベースに蓄積された過去の質問に対して手作業でラベルを付与してもよい。付与されたラベルが、学習を行う際の正解データとなる。

また、前記質問送信手段は、生成した質問文に対応するラベルにさらに基づいて、前記質問文を送信するユーザを決定することを特徴としてもよい。

例えば、付与されたラベルが、特定の場所（特定の店舗やランドマークなど）に関連付いたものであった場合、当該場所の周辺に位置するユーザに絞って質問を送信することができる。また、付与されたラベルが、複数の場所の集合（例えば特定のチェーン店や、特定の業種の店）に関連付いたものであった場合、該当する場所の周辺にそれぞれ位置するユーザに絞って質問を送信することができる。このように構成することで、利用者が所望する回答を得られる確率を向上させることができる。

また、前記推定手段は、現在の状況に基づいて、現在の状況に対応する質問クラスを自動的に推定し、前記質問生成手段は、前記自動的に推定された質問クラスの尤度が所定の値よりも大きい場合に、前記推定された質問クラスに基づいて質問文を生成し、前記質問送信手段は、前記自動的に生成された質問文を他のユーザに送信することを特徴としてもよい。

ある状況下において、尤度が所定の値よりも大きい質問クラスが推定されたということは、当該状況において、利用者が、対応する質問を望んでいる可能性が高いことを意味する。このような場合、推定した質問クラスに基づいて、質問文の生成と送信を自動で行うことが好ましい。かかる構成によると、利用者がアクションを行うよりも前に、質問に対する回答を得ることができるため、装置の利便性が大幅に向上する。

また、本発明に係る質疑応答装置は、前記質問を送信したユーザから回答を取得し、利
用者に提示する回答提示手段をさらに有することを特徴としてもよい。

このように構成することで、得られた回答を装置の利用者に提供することができる。回答提示手段は、取得した回答を利用者に提示することができれば、どのような方法で提示を行ってもよい。例えば、装置に備えられたディスプレイに文章を表示してもよいし、利用者が所持する携帯端末に回答を転送してもよい。

また、前記質問送信手段は、ソーシャルネットワーキングサービスを利用して質問文を送信することを特徴としてもよい。

既存のソーシャルネットワークを利用することで、少ないコストで質問の送信と回答の受信を行うことができる。なお、利用するソーシャルネットワークは、位置情報を送信できるものであることが特に好ましい。

本発明は、上記処理の少なくとも一部を含む質疑応答装置や、質疑応答装置の制御方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、ユーザ同士が質疑応答を行うシステムにおいて、ユーザが望む情報をより迅速に取得することができる。

第一の実施形態に係る質疑応答システムの構成図である。 第一の実施形態における質問データ収集処理のフローチャートである。 第一の実施形態における質問履歴データを説明する図である。 第一の実施形態における質問推定モデルを説明する図である。 第一の実施形態における回答収集処理のフローチャートである。 第二の実施形態における質問履歴データを説明する図である。 第三の実施形態における質問履歴データを説明する図である。

（第一の実施形態）
<システム構成>
第一の実施形態に係る質疑応答システムの概要について、システム構成図である図１を参照しながら説明する。第一の実施形態に係る質疑応答システムは、質問を行うインタフェースとなる質疑応答装置１００と、ソーシャルネットワーキング（ＳＮＳ）サービスを提供するサーバであるＳＮＳサーバ２００と、質問に対する回答を行うユーザが所持する携帯端末３００からなるシステムである。

質疑応答装置１００は、ＳＮＳサービスを利用して、他のユーザに対して質問文を送信し、回答を受領する車載型の装置である。
質問文は、ＳＮＳサーバ２００が提供するサービスを用いて送達される。例えば、当該ＳＮＳサービスに、ユーザＩＤを指定してリプライメッセージやダイレクトメッセージを送信する機能があった場合、当該機能を利用し、質問を送信する。

質疑応答装置１００は、（１）ユーザが直接入力した質問文を、ＳＮＳサービスを介して他のユーザに対して送信するモードと、（２）過去の質問履歴に基づいて、質問文を自動生成し、ＳＮＳサービスを介して他のユーザに対して自動的に送信するモードの二つの処理モードを有している。前者を手動質問モード、後者を自動質問モードと称する。いず
れの場合も、質問の送信先は装置が決定する。また、当該ＳＮＳサービスを介して、他のユーザから寄せられた、質問に対する回答を受領することができる。

ＳＮＳサーバ２００は、ソーシャルネットワーキングサービスを提供するサーバである。ＳＮＳサーバ２００は、送信されたメッセージを、所定のユーザ（メッセージを投稿したユーザと繋がりを持つユーザ）に配信する機能を有している。配信されたメッセージは、例えば、配信先のユーザがユーザ端末３００を用いてＳＮＳサーバ２００にアクセスした際に、当該ユーザのタイムラインに表示される。また、特定のユーザ名にあてたメッセージを投稿することも可能である。この場合、メッセージが到着したことを、当該ユーザが所持するユーザ端末３００にプッシュ通知することも可能である。

ユーザ端末３００は、ユーザが所持する携帯端末（携帯電話、スマートフォン、ＰＤＡ、ハンドヘルドコンピュータ等）であり、ネットワーク経由でＳＮＳサーバ２００と通信する端末である。例えば、携帯電話網や、無線ＬＡＮのアクセスポイントなどを介し、通信を行うことができる。

次に、質疑応答装置１００について詳細に説明する。質疑応答装置１００は、通信部１０１、情報収集部１０２、データ記憶部１０３、質問管理部１０４、質問文生成部１０５、目的地決定部１０６、入出力部１０７からなる。

通信部１０１は、ＳＮＳサーバ２００と通信を行う手段である。無線通信によって情報を送受信することができれば、使用するプロトコルおよび通信方法は特に限定されない。
情報収集部１０２は、質疑応答装置１００の現在位置、現在時刻、日付、曜日に関する情報を収集する手段である。具体的には、不図示のＧＰＳ装置から自装置の位置情報を取得し、不図示の時計装置から日時情報を取得する。取得した情報の利用方法については後述する。
データ記憶部１０３は、手動質問モードにおいて他のユーザに送信された質問文を、関連する情報とともに記憶する手段である。また、記憶された情報を分類する手段である。記憶される情報の詳細な内容、および、分類処理の内容については後述する。

質問管理部１０４は、ＳＮＳサービスに投稿するデータ（質問データ）を生成し、投稿を行うための手段である。具体的には、手動質問モードにおける質問文の取得、回答候補者の選定、回答候補者に対する質問の送信、自動質問モードの実行制御、当該回答候補者から寄せられた回答の取得などを行う。質問管理部１０４が行う処理の具体的な例については後述する。
また、質問管理部１０４は、ＳＮＳサーバ２００が提供するＳＮＳサービスにログインするためのアカウント情報を保持しており、当該情報を用いてＳＮＳサーバ２００にログインし、必要な処理を行う。

質問文生成部１０５は、情報収集部１０２が収集した情報と、データ記憶部１０３に記憶された、過去の質問に関する情報に基づいて、質問文を自動生成する手段である。質問文生成部１０５が行う処理の具体的な例については後述する。

目的地決定部１０６は、ユーザの移動目的地を決定する手段である。具体的には、以下の二つの処理を実行する。
（１）地図データを用いて、目的地の指定をユーザから取得する
目的地決定部１０６は、道路地図データを記憶しており、ユーザから取得した入力に基づいて、目的地を特定する機能を有する。目的地決定部１０６が記憶する道路地図データは、例えば、住所情報やＰＯＩ（Point of interest）情報を有しており、ユーザの入力
に基づいて、目的地（ユーザが指定しようとしている場所）を特定し、当該目的地の緯度
および経度を取得することができる。
（２）移動に関する情報を蓄積し、目的地の推定を行う
また、目的地決定部１０６は、情報収集部１０２から取得した情報に基づいて走行履歴（例えば出発地、経路、目的地からなるトリップ情報）を生成および蓄積し、当該走行履歴情報に基づいて、未来におけるユーザの移動目的地を推定する機能を有する。過去の走行履歴を収集し、当該データに基づいて、これから行われる走行の目的地を推定する技術は公知のものであるため、詳細な説明は省略する。

入出力部１０７は、ユーザが行った入力操作を受け付け、ユーザに対して情報を提示する手段である。具体的には、タッチパネルとその制御手段、液晶ディスプレイとその制御手段から構成される。タッチパネルおよび液晶ディスプレイは、本実施形態では一つのタッチパネルディスプレイからなる。

質疑応答装置１００は、プロセッサ、主記憶装置、補助記憶装置を有するコンピュータであり、補助記憶装置に記憶されたプログラムが主記憶装置にロードされ、プロセッサによって実行されることによって、前述した各手段が機能する（プロセッサ、主記憶装置、補助記憶装置はいずれも不図示）。

<手動質問モードによる質問データの収集>
次に、質疑応答装置１００が行う動作のうち、手動質問モードにおける動作について説明する。
手動質問モードとは、質疑応答装置１００のユーザが、ＳＮＳサービスを通して他のユーザに質問を手動で送信する処理モードである。手動質問モードにおける、質疑応答装置１００の処理を、フローチャートである図２を参照しながら説明する。

まず、目的地決定部１０６が、入出力部１０７を介して、目的地の指定画面をユーザに提供し、ユーザに目的地を指定させる（ステップＳ１１）。目的地とは、当該ユーザがこれから移動しようとする移動目的地である。ユーザが送信する質問は、当該目的地に関するものとなる。例えば、あるテーマパークについての情報が欲しい場合、当該テーマパークを目的地として指定する。目的地は、例えば、地図上の地点を指定することで入力してもよいし、地図データに予め記憶された関心地点（例えば、施設やランドマーク）のリストから選択することで入力してもよい。指定された目的地は、質問管理部１０４へ送信され、一時的に記憶される。

次に、質問管理部１０４が、入出力部１０７を介して、質問文の入力画面をユーザに提供し、ユーザに質問文を入力させる（ステップＳ１２）。質問文は、例えば「駐車場の混み具合はどうですか？」といったように、自然言語で入力される。入力された質問文は、質問管理部１０４によって一時的に記憶される。

次に、質問管理部１０４が、入力された目的地に基づいて、質問を送信する先となるユーザ（回答候補者）を決定する（ステップＳ１３）。ステップＳ１３は、以下の各ステップによって実行される。
まず、ＳＮＳサーバ２００から投稿データを取得する。例えば、２４時間以内に投稿された全てのデータを取得する。そして、取得した投稿データに含まれる位置情報と、ステップＳ１１で入力された目的地とを比較して、当該目的地の周辺（例えば、５００ｍ以内）で、所定の期間内（例えば３時間以内）に投稿された投稿データを抽出し、当該投稿データを投稿したユーザのＩＤを特定する。なお、ユーザが複数いた場合、当該ユーザが投稿を行った位置と、目的地との距離を取得し、距離が近いほど高いスコアを与える（以下、位置スコア）。例えば、位置スコアが最も高いユーザが、質問の回答候補者となる。
なお、ここでは、全ての投稿データを取得しているが、利用するＳＮＳサービスが、位
置情報に基づいて投稿を検索する機能をサポートしている場合、それを用いてもよい。

次に、質問管理部１０４が、ステップＳ１３で特定したユーザ（回答候補者）に対して、ステップＳ１２で取得した質問文を送信する（ステップＳ１４）。

質問文の送信が終わると、送信した質問についてのデータを蓄積する処理を行う。
まず、ステップＳ１５で、情報収集部１０２が、質問を行った際の状況に関する情報を取得する。具体的には、不図示のＧＰＳ装置から自装置の現在位置情報を取得し、また、不図示の時計装置から、現在の日付、曜日、時刻をそれぞれ取得する。これらの情報を以降、質問状況と総称する。

次に、ステップＳ１６で、情報収集部１０２が、ステップＳ１５で取得した質問状況と、送信した質問文とを関連付けて、データ記憶部１０３に記憶させる。図３（Ａ）は、データ記憶部１０３に記憶されるデータ（質問履歴データ）の例である。
なお、図３（Ａ）の例では、目的地および現在位置を文章で記載しているが、実際は緯度経度情報であってもよいし、位置を識別するための識別子などであってもよい。場所同士の遠近を比較できる形式であれば、位置情報はどのような形式で記憶してもよい。なお、本実施形態では、時刻を１時間ごとに表すものとする（午前９時台，午前１０時台など）。

以上の処理を行うことで、過去に手動で行った質問が、当該質問を行った際の状況と関連付けられて蓄積される。
なお、質問管理部１０４は、回答候補者から回答を得られた場合に、当該回答を受信し、入出力部１０７を介して装置のユーザに提供する。

<質問文の分類>
自動的に質問を生成する処理の説明に入る前に、質問文の分類処理と、質問モデルの学習処理について説明する。
自然言語で記述された質問文は、そのままコンピュータで処理することが難しいため、本実施形態に係る質疑応答装置は、蓄積された質問文に対して分類処理を実行し、分類結果に基づいて質問文の生成を行う。

具体的には、質問文を形態素解析し、「質問のカテゴリ（以下、質問カテゴリ）」と、「質問が言及している対象（以下、質問対象）」を抽出する。この二つが、本発明における質問クラスである。例えば、質問カテゴリは、「混雑状況の確認」「対象の有無確認」「天候の確認」などである。また、質問対象は、質問カテゴリに対応付いた目的物である。これらの抽出は、テキストマイニング等の公知技術を用いて行うことができる。

質問文の分類処理は、データ記憶部１０３によって周期的に実行される。当該処理は、例えば、質問履歴データに新しいレコードが追加されるごとに行われてもよいし、所定のスケジュールに従って行われてもよい。
図３（Ｂ）は、分類処理を行った後の質問履歴データである。本例では、レコードごとに、質問カテゴリと、質問対象が記録される。
なお、質問対象の粒度は、適宜設定することができる。例えば、質問文が「○○スーパー××店にあるセール品のイチゴはまだありますか？」というものであった場合、質問対象を「イチゴ」としてもよいし、「○○スーパー」＋「イチゴ」としてもよい。また、「○○スーパー」＋「セール」＋「イチゴ」としてもよい。また、対象を「果物」とするなど、上位概念化してもよい。

<質問推定モデルの学習処理>
本実施形態に係る質疑応答装置は、質問が行われた際の状況（質問状況）に基づいて、どのような状況下でどのような質問がされる傾向にあるのかを学習する。また、当該学習結果と、現在の状況とを用いて、現在の状況下においてユーザが質問を希望するか、また、ユーザが質問を希望する場合、どのような質問文となるかを推定し、質問文を自動生成する。

図４は、質問文を生成するためのモデル（以下、質問推定モデル）の学習について説明する図である。本実施形態では、質問管理部１０４が確率モデルを包含しており、以下に説明する処理を実行することによって学習を行う。

まず、記憶されている質問履歴データ（まだ学習に用いられていないデータ）からレコードを抽出し、質問推定モデルを学習させるための学習データを生成する。具体的には、入力データとして「現在位置」、「目的地」、「日付」、「曜日」、「時刻」を抽出し、これに対応する正解データとして、「質問カテゴリ」、「質問対象」を抽出する。
次に、生成した学習データを用いて、質問推定モデルを学習させる。これにより、親ノードと子ノードとの間の依存性確率が修正される。質問推定モデルの学習は、例えば、質問履歴データが更新されたタイミングで行ってもよいし、周期的に行ってもよい。

<自動質問モードによる質問の生成および送信>
次に、自動質問モードにおける動作について説明する。
本実施形態に係る質疑応答装置は、質問履歴データと、学習済みの質問推定モデルと、現在の状況を用いて、質問文を自動生成し、ＳＮＳサービスを介して当該質問を自動的に回答候補者に送信する。
本実施形態に係る質疑応答装置が自動質問モードにおいて行う処理について、図５に示したフローチャートを参照しながら説明する。当該処理は、質問推定モデルが構築されている状態において、質問管理部１０４によって周期的に実行される。

まず、ステップＳ２１で、情報収集部１０２から、車両の現在位置、時刻、日付、曜日を取得する。これらの情報を以降、現在状況と称する。
ステップＳ２２は、取得した現在状況に基づいて、ユーザがこれから移動を行うか否かを判定し、その目的地を推定するステップである。具体的には、ステップＳ２１で取得した現在状況を目的地決定部１０６に入力し、目的地決定部１０６が、現在状況に基づいて目的地を推定する。

目的地決定部１０６が目的地を推定する方法について、一例を挙げる。
目的地の推定は、例えば、確率モデルを用いることで行うことができる。例えば、目的地決定部１０６が、図５のフローチャートとは別に、情報収集部１０２から、周期的に車両の現在位置を取得し、トリップ（例えば、エンジン始動からエンジン停止までを一区切りとした走行の単位）を生成したうえで、当該トリップの目的地を、出発地、時刻、日付、曜日などと関連付けて記憶する。そして、確率モデルを学習させることで、現在状況を入力すると、推定目的地を尤度とともに出力するモデルを得ることができる。

このようにして学習したモデルに、現在状況（例えば、現在位置、時刻、日付、曜日等）を入力すると、尤度とともに推定された目的地を得ることができる。ここで、尤度が所定の値以上であった場合、ユーザが当該目的地に向けてこれから移動を行うと判断することができる。
なお、これは一例であり、他の技術を用いて目的地の推定を行ってもよい。

次に、ステップＳ２３で、質問カテゴリおよび質問対象を予測する。
具体的には、車両の現在位置、推定された目的地、時刻、日付、曜日を、質問管理部１
０４が有する質問推定モデルに入力し、質問推定モデルから出力された「質問カテゴリ」と「質問対象」を取得する。

次に、ステップＳ２４で、質問を自動生成してよいか否かを判断する。具体的には、ステップＳ２２で取得した出力結果に、閾値以上の尤度を持つ目的地が含まれていること、および、ステップＳ２３で取得した出力結果に、閾値以上の尤度を持つ質問カテゴリおよび質問対象が含まれているかを判定し、全てＹｅｓであった場合に、最も尤度の高い目的地、質問カテゴリ、質問対象を取得したうえで、ステップＳ２５へ遷移する。

ここで抽出した目的地が、これからユーザが行う移動の目的地であると推定することができる。また、ここで抽出した質問カテゴリおよび質問対象が、処理実行時の状況において、ユーザが行いたがっている質問に関するものであると推定することができる。
なお、閾値以上の尤度を持つ目的地が取得できなかった場合、あるいは、閾値以上の尤度を持つ質問カテゴリおよび質問対象が取得できなかった場合、現在の状況は、移動に関する質問が行われる状況ではないと判断し、処理をステップＳ２１へ遷移させる。
まず、ステップＳ２２で取得した結果から、最も尤度が高い目的地を抽出する。

ステップＳ２５〜Ｓ２７は、質問文を自動生成し、自動的に送信するステップである。
ステップＳ２５では、質問文生成部１０５が、質問履歴データを参照し、取得した質問カテゴリ、質問対象、目的地をキーとして、対応する質問文を取得する。なお、対応する質問文が複数ある場合、いずれかの質問文を決定するようにしてもよい。また、質問文本体に付随させる挨拶文などを付加してもよい。ステップＳ２５の処理によって、回答候補者に送信するメッセージが生成される。

ステップＳ２６およびＳ２７は、ステップＳ１３およびＳ１４と同様の処理のため、詳細な説明は省略するが、用いる目的地が、ユーザが入力した目的地ではなく、ステップＳ２２で推定した目的地であるという点において相違する。また、送信されるメッセージが、ステップＳ２５で生成されたメッセージであるという点において相違する。

なお、質問に対する回答は、質問と同様にＳＮＳサービスのメッセージング機能によって返される。回答が送信された場合、質問管理部１０４がこれを検出し、入出力部１０７を介して、ユーザに回答を提供する。

第一の実施形態によると、過去に行った質問と、現在の状況に基づいて、自動的に質問の内容を推定し、ＳＮＳサービスを介して送信することができる。これにより、ユーザが質問を行わなくても、ユーザの移動に先立って、回答候補者に適切な質問を送信することができる。すなわち、ユーザが移動しようと思い立った時点で、既に回答が寄せられているという効果を得ることができるため、質疑応答装置の利便性が大幅に向上する。また、出発のリマインドを行う効果を得ることもできる。

なお、第一の実施形態では、回答候補者を一人としたが、回答候補者は複数であってもよい。例えば、位置スコアが高い順に、回答候補者を所定の人数だけ抽出し、当該複数の回答候補者に質問を送信するようにしてもよい。

また、第一の実施形態では、「質問カテゴリ」「質問対象」の二つを用いて質問を分類したが、分類に用いる項目は一つであってもよいし、三つ以上であってもよい。また、質問カテゴリや質問対象を、より詳細な情報に階層化してもよい。例えば、質問カテゴリを「混雑状況の確認」→「道路状況の確認」→「渋滞長の確認」のように階層化してもよいし、「質問対象」を「スーパー」→「駐車場」のように階層化してもよい。

また、質問対象は、特定の場所に対応するものであってもよいし、複数の場所に対応するものであってもよい。例えば、「○○スーパー××店」としてもよいし、「○○スーパー」としてもよい。また、「果物を売っているスーパー」としてもよい。

また、第一の実施形態では、目的地のみによって回答候補者をフィルタリングしたが、他の情報を用いて回答候補者をフィルタリングしてもよい。例えば、位置スコアのほかに、回答候補者が過去に投稿した内容（メッセージ）と、質問文の内容とを比較することでマッチング度を算出し、当該マッチング度が高いほど、全体的なスコアを高くするようにしてもよい。例えば、互いに含まれる単語の一致数が多いほど、スコアを高くするようにしてもよい。
この他にも、回答候補者が、過去の投稿において、予測した質問対象に言及している場合に、当該言及の度合いに比例して、当該回答候補者のスコアを高くしてもよい。

（第二の実施形態）
第一の実施形態では、質問文をテキスト解析することで、「質問カテゴリ」「質問対象」を取得し、この二つを用いて分類を行った。これに対して第二の実施形態では、ユーザの「移動目的」を取得し、取得した移動目的を用いて質問文を分類する実施形態である。第二の実施形態に係る質疑応答装置の構成は、第一の実施形態と同様であるため説明は省略し、処理が異なる部分についてのみ説明を行う。

第二の実施形態では、質問履歴データの「質問カテゴリ」「質問対象」カラムに代わって、図６のように、「行動目的」カラムが配置される。また、質問文の分類処理において、テキスト解析によってユーザの行動目的を取得する。例えば、「園内の混み具合はどうですか？」という質問文は、「レジャー」という行動目的に分類される。当該分類は、第一の実施形態と同様に、テキストマイニング等の公知技術によって行うことができる。
なお、図６の例では、行動目的を文章で記載しているが、実際は特徴量を表す数値であってもよいし、複数の値からなるベクトルなどであってもよい。行動目的同士の類似度を比較できる形式であれば、行動目的はどのような形式で記憶してもよい。

また、質問推定モデルの学習において、「質問カテゴリ」「質問対象」のかわりに「行動目的」を用いて学習を行う。すなわち、第二の実施形態では、現在状況を入力すると、推定された行動目的を出力するモデルを得ることができる。

また、第二の実施形態では、第一の実施形態と同様に、質疑応答装置が図５のフローチャートを実行するが、「質問カテゴリ」および「質問対象」が、「行動目的」に置き換わるという点において相違する。
また、ステップＳ２６では、位置スコアに加えて、行動目的の類似度を用いて、回答候補者となるユーザを抽出する。具体的には、回答候補者が過去に投稿した内容（メッセージ）と、推定した「行動目的」を比較することで類似度（マッチング度）を算出し、当該類似度が高いほど、全体的なスコア（位置スコアとの合計）を高くする。そして、スコアが最も高いユーザを、質問の回答候補者とする。
これにより、例えば、行動目的が「レジャー（美術館）」であった場合、目的地である美術館の周辺にいて、美術鑑賞を目的として外出しているようなユーザが抽出される。
なお、行動目的の類似度の判定には、どのような基準を用いてもよい。

第二の実施形態では、行動目的の類似度を用いて回答候補者を選定するため、質問文の意図とは完全に一致しないユーザに質問が送信されることがある。例えば、特定の店における商品の在庫状況を質問した場合、類似する他の店に訪問したユーザに対して質問が送信される場合がある。
しかし、第二の実施形態では、行動目的をベースとして回答候補者を抽出するため、目
的を達成するための別の選択肢を示すことができる。前述した例の場合、装置のユーザは、他店における同一商品の在庫状況を知ることができる。すなわち、目的を達成できる別の目的地を提示することができる。

なお、第二の実施形態では、行動目的を用いて回答候補者を絞り込んだが、第一の実施形態と同様に、目的地のみに基づいて回答候補者を絞り込んでもよい。

（第三の実施形態）
第一および第二の実施形態では、質問文を解析することで、「質問カテゴリ」「質問対象」といった意味のあるラベルを取得し、分類を行った。これに対して第三の実施形態は、クラスタリングによって質問文を自動的に分類し、当該分類結果に基づいて、教師なし学習を行う実施形態である。第三の実施形態に係る質疑応答装置の構成は、以下に説明する点を除き、第一の実施形態と同様である。

第三の実施形態では、データ記憶部１０３が、質問文を形態素解析したうえで、特徴量ベクトルに変換し、当該特徴量ベクトルを用いてクラスタリングを行う。この結果、ある質問文が、特定のクラスタと関連付いた状態となる。図７は、第二の実施形態における質問履歴データの例である。「分類先クラスタ」は、分類先のクラスタ番号を表すラベルである。
また、第二の実施形態では、分類先のクラスタ番号を用いて質問推定モデルの学習を行う。また、ステップＳ２３では、質問推定モデルによってクラスタ番号を推定し、ステップＳ２５で、当該クラスタに対応する質問文を取得する。

第二の実施形態によると、教師なし学習によって、第一の実施形態と同様の効果を得ることができる。また、クラスタリングにおけるパラメータを制御することで、分類結果を制御することができる。

（変形例）
なお、各実施形態の説明は本発明を説明する上での例示であり、本発明は、発明の趣旨を逸脱しない範囲で適宜変更または組み合わせて実施することができる。
例えば、実施形態の説明では、ＳＮＳサービスに投稿されたデータを無作為に収集し、回答候補者を抽出しているが、投稿データの取得対象を、あらかじめ質疑応答サービスの利用に同意したユーザに限定するようにしてもよい。

また、第一の実施形態では、「質問カテゴリ」および「質問対象」の二つを用いて質問を分類し、第二の実施形態では「移動目的」を用いて質問を分類したが、分類に用いる項目はこれ以外であってもよい。また、分類の手法には任意の手法を用いることができる。

また、第一および第二の実施形態では、移動目的地を推定したうえで、当該目的地の近くで投稿を行ったユーザを回答候補者として抽出したが、回答候補者の抽出には、必ずしも目的地を用いなくてもよい。例えば、質問文の分類結果から地域を特定できる場合、当該特定した地域で投稿を行ったユーザを回答候補者として抽出するようにしてもよい。

また、各実施形態では、質問状況として、現在位置、現在時刻、日付、曜日を利用したが、他の情報を用いても構わない。例えば、装置が移動中である場合、移動経路や経由地点、出発時刻、到着予定時刻、予想所要時間などの情報を用いてもよい。また、装置が車載されている場合、車両に備えられたセンサから取得した情報を用いてもよい。

また、各実施形態では、過去に行った質問に関するデータを、データ記憶部１０３に記憶させたが、過去の質問に関するデータは、装置の外部から取得するようにしてもよい。
例えば、ＳＮＳサーバ２００が、過去に行った投稿を参照する機能を有している場合、過去に送信した質問のリストを要求してもよい。

また、各実施形態では、質問文を自動的に分類したが、装置のユーザが分類結果を付与するようにしてもよい。例えば、手動で質問を行うごとに、どのようなカテゴリの質問であったかを指定するようにしてもよい。また、質問履歴データが蓄積された後で、一括して分類結果を付与するようにしてもよい。

また、各実施形態では、ＳＮＳサービスを利用して質問や回答を送信したが、本発明は、必ずしもＳＮＳサービスを利用するものでなくてもよい。例えば、携帯端末で利用できる他のコミュニケーションサービスを利用してもよい。また、インスタントメッセンジャー等に送信されたデータを利用してもよい。このように、投稿データを収集するためのサービスは、位置情報を扱えるサービスであれば、特定のサービスに限定されない。

１００ 質疑応答装置
１０１ 通信部
１０２ 情報収集部
１０３ データ記憶部
１０４ 質問管理部
１０５ 質問文生成部
１０６ 目的地決定部
１０７ 入出力部
２００ ＳＮＳサーバ
３００ ユーザ端末

Claims (11)

1. 質問文を他のユーザに送信する質疑応答装置であって、
   装置の利用者が他のユーザに対して過去に送信した質問文と、当該質問文を送信した際の状況である質問状況とを取得する質問文取得手段と、
   前記取得した質問文を質問クラスに分類する分類手段と、
   前記質問状況および前記質問クラスの対応付けを学習する学習手段と、
   前記学習の結果と、現在の状況に基づいて、現在の状況に対応する質問クラスを推定する推定手段と、
   前記推定した質問クラスに基づいて、質問文を生成する質問生成手段と、
   前記生成した質問文を他のユーザに送信する質問送信手段と、
   を有する、質疑応答装置。
2. 前記利用者の移動目的地を推定する目的地推定手段をさらに有し、
   前記質問送信手段は、前記生成した質問文を、前記推定した目的地の周辺に位置するユーザに送信する、
   請求項１に記載の質疑応答装置。
3. 前記分類手段は、自然言語処理によって前記質問文を解析することで、前記質問文に、当該質問文の内容に関するラベルを付与し、当該ラベルを、前記質問文に対応する質問クラスとする、
   請求項１または２に記載の質疑応答装置。
4. 前記ラベルは、前記質問文のカテゴリまたは前記質問文が言及している対象物を含む、
   請求項３に記載の質疑応答装置。
5. 前記ラベルは、前記利用者の行動目的を含む、
   請求項３に記載の質疑応答装置。
6. 前記分類手段は、前記利用者の入力に基づいて、前記質問文に、当該質問文の内容に関するラベルを付与し、当該ラベルを、前記質問文に対応する質問クラスとする、
   請求項１または２に記載の質疑応答装置。
7. 前記質問送信手段は、生成した質問文に対応するラベルにさらに基づいて、前記質問文を送信するユーザを決定する、
   請求項３から６のいずれかに記載の質疑応答装置。
8. 前記推定手段は、現在の状況に基づいて、現在の状況に対応する質問クラスを自動的に推定し、
   前記質問生成手段は、前記自動的に推定された質問クラスの尤度が所定の値よりも大きい場合に、前記推定された質問クラスに基づいて質問文を生成し、
   前記質問送信手段は、前記自動的に生成された質問文を他のユーザに送信する、
   請求項１から７のいずれかに記載の質疑応答装置。
9. 前記質問文を送信したユーザから回答を取得し、前記利用者に提示する回答提示手段をさらに有する、
   請求項１から８のいずれかに記載の質疑応答装置。
10. 前記質問送信手段は、ソーシャルネットワーキングサービスを利用して質問文を送信する、
    請求項１から９のいずれかに記載の質疑応答装置。
11. 質問文取得手段、分類手段、学習手段、推定手段、質問生成手段および質問送信手段を備え、質問文を他のユーザに送信する質疑応答装置の制御方法であって、
    前記質問文取得手段が、他のユーザに対して過去に送信した質問文と、当該質問文を送信した時の状況である質問状況とを取得する質問文取得ステップを実行し、
    前記分類手段が、前記取得した質問文を質問クラスに分類する分類ステップを実行し、
    前記学習手段が、前記質問状況および前記質問クラスの対応付けを学習する学習ステップを実行し、
    前記推定手段が、前記学習の結果と、現在の状況に基づいて、現在の状況に対応する質問クラスを推定する推定ステップを実行し、
    前記質問生成手段が、前記推定した質問クラスに基づいて、質問文を生成する質問生成ステップを実行し、
    前記質問送信手段が、前記生成した質問文を他のユーザに送信する質問送信ステップを実行する、
    質疑応答装置の制御方法。

Images