JP6270747B2 - 質問応答方法、装置、及びプログラム - Google Patents

Description

本発明は質問応答方法、装置、及びプログラムに係り、特に、質問に対する応答を生成するための質問応答方法、装置、及びプログラムに関する。

インターネット上には機械が再利用しやすい形でデータが蓄積されつつあり、それらのデータを用いることで人間に対して知的な応答を行う試みがなされている。これらの情報は様々な形で格納されているが、典型的には＜実体、属性、値＞の３つ組の形で保存されていることが多い。例えば、「鶴岡八幡宮の創建はいつですか？」というような情報は、＜鶴岡八幡宮、創建、康平6年（1063年）＞というような３つ組として表現することができる。このような情報として、既存のデータベースを用いることもできるし、事前に何らかの情報抽出などを行って得ることもできる。これら３つ組の情報が格納されたデータベースを利用する質問応答を、以降、データベース型質問応答と呼ぶ。

これらのデータベースを用いることによって、例えば「鶴岡八幡宮の創建はいつですか？」というような質問から、＜鶴岡八幡宮、創建、？＞というような検索クエリを生成し、実体が「鶴岡八幡宮」、属性が「創建」のレコード＜鶴岡八幡宮、創建、康平6年（1063年）＞をデータベースから探してくることによって、「康平6年（1063年）」というような回答を生成することができる。

特開２０１３−２５０９２６号公報 特開２０１３−０９７７２３号公報

徳永健伸、情報検索と言語処理、東京大学出版会、1999. Takeshi Fuchi and Shinichiro Takagi,"Japanese Morphological Analyzer using Word Co-occurrence - JTAG", In Proceedings of the 36th Annual Meeting of the Association for Computational Linguistics and 17th International Conference on Computational Linguistics (Volume 1), pp. 409-413, 1998. Kenji Imamura, Genichiro Kikuiand Norihito Yasuda,"Japanese Dependency Parsing Using Sequential Labeling for Semi-spoken Language", In Proceedings of the 45th Annual Meeting of the Association for Computational Linguistics Companion Volume Proceedings of the Demo and Poster Sessions, pp. 225-228, 2007. Hitoshi Nishikawa, Kazuho Arita, Katsumi Tanaka, Tsutomu Hirao, Toshiro Makino and Yoshihiro Matsuo,"Learning to Generate Coherent Summary with Discriminative Hidden Semi-Markov Model", In Proceedings of the 25th International Conference on Computational Linguistics: Technical Papers, pp.1648-1659, 2014.

データベース型質問応答の方法は、ある特定の山の具体的な標高や、人名などの、典型的には固有名詞や数量表現などの、情報抽出の対象となる固有表現を回答することができる。その一方、例えば、どのような経緯で鶴岡八幡宮が創建されたかというような、付加的な情報を質問応答システムが回答することを考えると、そのような情報が格納されているデータベースが必要になる。しかし、一般に既存のデータベースに格納されている情報は上述のように固有名詞や数量表現などであり、例えば「康平6年（1063年）8月に河内国（大阪府羽曳野市）を本拠地とする河内源氏2代目の源頼義が、前九年の役での戦勝を祈願した京都の石清水八幡宮護国寺（あるいは河内源氏氏神の壺井八幡宮）を鎌倉の由比郷鶴岡（現材木座1丁目）に鶴岡若宮として勧請したのが始まりである。」（非特許文献５：日本語版 Wikipedia 「鶴岡八幡宮」，[2014年10月24日検索]，インターネット＜ＵＲＬ：http://ja.wikipedia.org/wiki/%E9%B6%B4%E5%B2%A1%E5%85%AB%E5%B9%A1%E5%AE%AE ＞）というような自然文での値はデータベースには用意されていないことが多く、そのままでは適切な回答を生成することはできない。

本発明は、上記問題点を解決するために成されたものであり、クエリに対する応答として適切な関連情報を提示できる質問応答装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、第１の発明に係る質問応答方法は、ユーザから与えられたクエリに対する応答を生成する質問応答装置における質問応答方法であって、クエリ入力部が、クラスが定められた複数の要素の組み合わせからなるクエリを受け付けるステップと、テキスト検索部が、予め用意されたテキストデータベースから、前記クエリ入力部で受け付けた前記クエリに含まれる要素に関連するテキストを検索するステップと、テキスト解析部が、前記テキスト検索部で検索されたテキストの構文を解析するステップと、テキスト要約部が、前記テキスト解析部で解析されたテキストと、前記クエリの前記複数の要素の組み合わせとに基づいて、前記テキストについての要約文を生成するステップと、応答出力部が、前記テキスト要約部で生成された前記要約文を応答として出力するステップと、を含んで実行することを特徴とする。

また、第１の発明に係る質問応答方法において、パラメタ適応部が、前記クエリ入力部で受け付けた前記クエリと、予め学習された、前記複数の要素の各々のクラスに関する特徴を含む複数の特徴に対するパラメタとに基づいて、前記複数の要素の各々のクラスに関する特徴に対するパラメタを、前記クエリの前記複数の要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得るステップを更に含み、前記テキスト要約部が、前記テキストについての要約文を生成するステップは、前記テキスト解析部で解析されたテキストと、前記パラメタ適応部で得られた適応後パラメタとに基づいて、前記テキストについての要約文を生成するようにしてもよい。

また、第１の発明に係る質問応答方法において、文末表現変換部が、前記テキスト要約部で生成された要約文について、前記要約文に含まれる文末表現を、前記応答を表現するための文末表現に変換するステップを更に含み、応答出力部が、要約文を応答として出力するステップは、前記文末表現変換部で変換された前記要約文を応答として出力するようにしてもよい。

第１の発明に係る質問応答装置は、ユーザから与えられたクエリに対する応答を生成する質問応答装置であって、クラスが定められた複数の要素の組み合わせからなるクエリを受け付けるクエリ入力部と、予め用意されたテキストデータベースから、前記クエリ入力部で受け付けた前記クエリに含まれる要素に関連するテキストを検索するテキスト検索部と、前記テキスト検索部で検索されたテキストの構文を解析するテキスト解析部と、前記テキスト解析部で解析されたテキストと、前記クエリの前記複数の要素の組み合わせとに基づいて、前記テキストについての要約文を生成するテキスト要約部と、前記テキスト要約部で生成された前記要約文を応答として出力する応答出力部と、を含んで構成されている。

また、第１の発明に係る質問応答装置において、前記クエリ入力部で受け付けた前記クエリと、予め学習された、前記複数の要素の各々のクラスに関する特徴を含む複数の特徴に対するパラメタとに基づいて、前記複数の要素の各々のクラスに関する特徴に対するパラメタを、前記クエリの前記複数の要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得るパラメタ適応部を更に含み、前記テキスト要約部は、前記テキスト解析部で解析されたテキストと、前記パラメタ適応部で得られた適応後パラメタとに基づいて、前記テキストについての要約文を生成してもよい。

また、第１の発明に係る質問応答装置において、前記テキスト要約部で生成された要約文について、前記要約文に含まれる文末表現を、前記応答を表現するための文末表現に変換する文末表現変換部を更に含み、応答出力部は、前記文末表現変換部で変換された前記要約文を応答として出力してもよい。

第１の発明に係るプログラムは、コンピュータに、上記の質問応答方法を構成する各ステップを実行させるためのプログラムである。

本発明の質問応答方法、装置、及びプログラムによれば、クラスが定められた複数の要素の組み合わせからなるクエリを受け付け、予め用意されたテキストデータベースから、クエリに含まれる要素に関連するテキストを検索し、検索されたテキストの構文を解析し、解析されたテキストと、クエリの複数の要素の組み合わせとに基づいて、テキストについての要約文を生成して応答として出力することにより、クエリに対する応答として適切な関連情報を提示できる、という効果が得られる。

本実施の形態に係る質問応答パラメタ学習装置の機能的な構成例を示すブロック図である。 訓練事例データベース８の一例を示す図である。 ある訓練事例の一例を示す図である。 特徴ベクトルの一例を示す図である。 適応前パラメタデータベース４０の一例を示す図である。 本実施の形態に係る質問応答装置の機能的な構成例を示すブロック図である。 検索されたテキストの一例を示す図である。 解析されたテキストの一例を示す図である。 適応後パラメタデータベース４０の一例を示す図である。 文末表現抽出装置の機能的な構成例を示すブロック図である。 文末表現変換部の機能的な構成例を示すブロック図である。 本実施の形態における質問応答パラメタ学習処理ルーチンを示すフローチャートである。 本実施の形態における質問応答処理ルーチンを示すフローチャートである。

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。

＜本発明の実施の形態に係る概要＞

まず、本発明の実施の形態における概要を説明する。

本発明の実施の形態では、データベース型質問応答において、クラスが定められた複数の要素の組み合わせとして、３つ組＜実体、属性、値＞が与えられた際に、それに付随する応答を生成する方法を提案する。これによって、例えば「鶴岡八幡宮の創建はいつですか？」という質問がなされ、それに対して３つ組のクラスの各々に関する要素の組み合わせ＜鶴岡八幡宮、創建、康平6年（1063年）＞が回答として得られたときに、「康平6年（1063年）8月に河内国（大阪府羽曳野市）を本拠地とする河内源氏2代目の源頼義が、前九年の役での戦勝を祈願した京都の石清水八幡宮護国寺（あるいは河内源氏氏神の壺井八幡宮）を鎌倉の由比郷鶴岡（現材木座1丁目）に鶴岡若宮として勧請したのが始まりである。」（上記非特許文献５参照）という関連情報を生成することができるようになる。また、これによって、質問応答システムの利用者に対して、単なる端的な回答だけでなくて、関連する情報も合わせて提示することができるようになる。なお、本実施の形態では、クラスが定められた３つの要素の組み合わせを用いた場合を例に説明するが、これに限定されるものではなく、クラスが定められているものであれば３つ以上の要素の組み合わせを用いて、応答を生成するようにしてもよい。

＜本発明の実施の形態に係る質問応答パラメタ学習装置の構成＞

次に、本発明の実施の形態に係る質問応答パラメタ学習装置の構成について説明する。図１に示すように、本発明の実施の形態に係る質問応答パラメタ学習装置１００は、ＣＰＵと、ＲＡＭと、後述する質問応答パラメタ学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この質問応答パラメタ学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０とを備えている。

入力部１０は、訓練事例データベース８の入力を受け付ける。訓練事例データベース８は３つの要素の組み合わせからなるクエリと、テキストと、当該テキストを要約して作成された、クエリに付随する説明の３つを組とした１つ以上のレコードからなるデータベースである。図２に訓練事例データベース８の一例を示す。図２の事例番号１は、３つの要素の組み合わせからなるクエリ「＜建長寺、創建、建長5年（1253年）＞」、「建長寺」に関するテキスト、及び、クエリに付随する説明の３つからなる。

演算部２０は、パラメタ推定部３０と、適応前パラメタデータベース４０とを含んで構成されている。

パラメタ推定部３０は、入力部１０で受け付けた訓練事例データベース８に基づいて、パラメタを学習し、適応前パラメタデータベース４０として記憶する。パラメタの学習には、一例として上記特許文献２記載のテキスト要約方法を用いることができる。

パラメタ推定部３０は、具体的には、まず、入力された訓練事例データベース８の訓練事例の各々、すなわち３つの要素の組み合わせからなるクエリ（以下、ｑとする）、テキスト（以下、ｘとする）、及び説明（以下、ｙとする）に対してそれぞれ形態素解析および係り受け解析を行う。なお、形態素解析に非特許文献2記載の方法を、係り受け解析に非特許文献３記載の方法を利用することができる。

次に、パラメタ推定部３０は、訓練事例の各々の解析の結果から、クエリに含まれる３つの要素の各々のクラスに関する特徴を要素として含む特徴ベクトルを構築する。特徴ベクトル＾f（ｘ；ｙ,ｑ）は、一例として、テキストｘ及びクエリｑに含まれている単語の各々に対する、当該単語が、説明ｙに含まれている場合に１、そうでない場合に０となる要素から構成される。なお、ベクトルを表す記号には、記号の前に「＾」を付して表現する。

ここで、パラメタ推定部３０では、特徴ベクトル＾f（ｘ；ｙ,ｑ）を構築する際に、クエリの＜実体、属性、値＞を構成する単語については、単に単語として扱うのではなく、クエリの＜実体、属性、値＞といったクラスとして扱う。例を図３及び図４に示す。図３に示す訓練事例では、テキストｘに含まれる「京都」という単語は説明ｙに含まれないため、図４に示す特徴ベクトルでは、対応する特徴ベクトルの要素は０となっている。一方、単語「落慶」はいずれにも含まれるため、対応する特徴ベクトルの要素は１となっている。また、クエリに含まれる＜実体、属性、値＞を構成する単語については、それぞれ一例として「単語-＜実体＞」、「単語-＜属性＞」、「単語-＜値＞」という要素を用意し、これを説明ｙが含むか否かに基づいて、ベクトルの値を決定する。例えば、クエリの実体である単語「建長寺」は説明ｙに含まれるため、対応する「単語-＜実体＞」のベクトルの要素は１となる。同様に、「単語-＜属性＞」である「創建」、「単語-＜値＞」である「建長5年（1253年）」も説明ｙに含まれるため、対応するベクトルの要素はそれぞれ１となる。なお、ここで、例えば「建長5年（1253年）」などの複数の単語から構成される表現がクエリの実体や属性、値であった場合は、表現が完全一致している場合だけでなく、この例では「建長」などのクエリの実体や属性、値を構成する単語が、部分的に説明ｙに含まれている場合でも、ベクトルの要素を１としてもよい。

次に、パラメタ推定部３０は、訓練事例の各々について構築された特徴ベクトルを用いて、クエリに含まれる３つの要素（単語）の各々のクラスに関する特徴（「単語-＜実体＞」、「単語-＜属性＞」、「単語-＜値＞」が説明ｙに含まれている否か）、及びその他の単語の特徴（単語が説明ｙに含まれている否か）の各々に対するパラメタの学習を行う。パラメタの学習についても、上記特許文献２記載の方法を用いて行うことができる。学習の際に用いられる要約方法としては、上記非特許文献４記載の方法を用いることができる。そして、学習したパラメタを適応前パラメタデータベース４０として記憶する。

適応前パラメタデータベース４０は、パラメタ推定部３０において訓練事例データベース４を用いて機械学習を行った結果として得られるものである。図５に例を示す。図５では、一例として、クエリの「単語-＜実体＞」、「単語-＜属性＞」、「単語-＜値＞」の各々に対する重み、及びその他の単語の各々に対する重みが、パラメタとして格納されている。

＜本発明の実施の形態に係る質問応答装置の構成＞

次に、本発明の実施の形態に係る質問応答装置の構成について説明する。図１に示すように、本発明の実施の形態に係る質問応答装置２００は、ＣＰＵと、ＲＡＭと、後述する質問応答処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この質問応答装置２００は、機能的には図６に示すようにクエリ入力部２１０と、演算部２２０と、応答出力部２５０とを備えている。

クエリ入力部２１０は、クラスが＜実体、属性、値＞と定められた３つの要素の組み合わせからなるクエリを受け付ける。このクエリはデータベース型質問応答システムに対して入力された何らかの質問に対して、データベース型質問応答システムが出力した応答である。本実施の形態では、例えば、「鶴岡八幡宮の創建はいつ？」というような質問に対して、データベース型質問応答システムが生成した３つの要素の組み合わせとして、＜鶴岡八幡宮、創建、康平6年（1063年）＞からなるクエリを入力として受け付ける。なお、データベース型質問応答システムとしては、例えば上記特許文献１記載の方法（対象抽出と属性判定に基づく質問応答装置）を用いることができる。

演算部２２０は、テキスト検索部２３０と、テキスト解析部２３２と、パラメタ適応部２３４と、テキスト要約部２３６と、文末表現変換部２３８と、適応前パラメタデータベース２４０と、適応後パラメタデータベース２４２とを含んで構成されている。

適応前パラメタデータベース２４０には、適応前パラメタデータベース４０と同じものが記憶されている。

テキスト検索部２３０は、予め用意されたテキストデータベースから、クエリ入力部２１０で受け付けたクエリに含まれる特定の要素に関連するテキストを検索する。

テキスト検索部２３０は、具体的には、クエリ入力部２１０で受け付けたクエリを用いて、テキスト検索部２３０に予め用意された何らかのデータベースに格納されている１つ以上のテキストを検索する。一例として、日本語版ウィキペディアの全ての記事が格納されたデータベースを予め用意しておき、その中から、入力された３つの要素の組み合わせのうち、＜実体＞の要素と完全一致する見出しを持つテキストを検索することができる。例えば、３つの要素の組み合わせとして、＜鶴岡八幡宮、創建、康平6年（1063年）＞というクエリが入力された場合、データベースの中から「鶴岡八幡宮」の見出しを持つテキストを検索する。検索には、一例として上記非特許文献１記載の、既知の検索方法を利用することができる。図７に、テキスト検索部２３０で検索されたテキストの一例を示す。

テキスト解析部２３２は、テキスト検索部２３０で検索されたテキストの構文を解析する。テキスト解析部２３２は、具体的には、テキスト検索部２３０で検索され出力されたテキストを受け取り、当該テキストに対して形態素解析および係り受け解析の処理を加える。それぞれ、形態素解析に非特許文献2記載の方法を、係り受け解析に上記非特許文献３記載の方法を利用することができる。図８に、テキスト解析部で解析されたテキストの一例を示す。図８では、テキスト検索部２３０で検索されたテキストに対して解析が行われている。図８のｍから始まる行は形態素解析の結果として得られた、わかち書き及び形態素の品詞情報、ｃから始まる行は、係り受け解析の結果として得られた文節及び分節の係り受けの情報である。この例では、係り受け解析器は「康平6年（1063年）」という文節が次の「8月に」という文節にかかり、また「8月に」という文節は「8月」という形態素と「に」という形態素に分かれることが示されている。

パラメタ適応部２３４は、クエリ入力部２１０で受け付けた３つの要素の組み合わせからなるクエリと、適応前パラメタデータベース２４０に記憶されている３つの要素の各々のクラスに関する特徴、及びその他の単語各々の特徴に対するパラメタとに基づいて、３つの要素の各々のクラスに関する特徴に対するパラメタを、クエリの３つの要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得て、適応後パラメタデータベース２４２として記憶する。

パラメタ適応部２３４は、具体的には、適応前パラメタデータベース２４０に「単語-＜実体＞」、「単語-＜属性＞」、「単語-＜値＞」と抽象化された形で記憶されている特徴を、クエリ入力部２１０で受け付けたクエリに合わせて書き換える。例えば、３つの要素の組み合わせからなるクエリが＜鶴岡八幡宮、創建、康平6年（1063年）＞であった場合、適応前パラメタデータベース２４０の「単語-＜実体＞」は「鶴岡八幡宮」に、「単語-＜属性＞」は「創建」に、「単語-＜値＞」は「康平6年（1063年）」にそれぞれ置き換えられる。このように置き換えることで、クエリ入力部２１０で受け付けたクエリの３つの要素の組み合わせに合わせて、パラメタデータベースを適応させる。

適応後パラメタデータベース２４２は、パラメタ適応部２３４から出力されたパラメタを格納するデータベースである。図９に示す例では、クエリの要素のクラス「実体」、「属性」、「値」の重みが、クエリに適応するように書き換えられて記憶されている。例えば、「単語-＜実体＞」は「鶴岡八幡宮」に、「単語-＜属性＞」は「創建」に、「単語-＜値＞」は「康平6年（1063年）」にそれぞれ置き換えられている。

テキスト要約部２３６は、テキスト解析部２３２で解析されたテキストと、パラメタ適応部２３４で得られた適応後パラメタデータベース２４２に記憶された適応後パラメタとに基づいて、テキストについての要約文を生成する。要約文の生成方法は、一例として、非特許文献４記載の方法を用いて、テキストから一文を選択し、選択した一文を要約文として生成すればよい。

文末表現変換部２３８は、以下に説明するように、テキスト要約部２３６で生成された要約文について、要約文に含まれる文末表現を、応答を表現するための文末表現に変換する。

文末表現変換部２３８における文末表現の変換の一例としては、要約文の文末を敬体に変換することである。例えば、「康平6年（1063年）8月に河内国（大阪府羽曳野市）を本拠地とする河内源氏2代目の源頼義が、前九年の役での戦勝を祈願した京都の石清水八幡宮護国寺（あるいは河内源氏氏神の壺井八幡宮）を鎌倉の由比郷鶴岡（現材木座1丁目）に鶴岡若宮として勧請したのが始まりである。」という応答の文末は常体であり、口語的ではないため、質問応答システムの応答としては、場合によっては不適当である。そのような場合は、「康平6年（1063年）8月に河内国（大阪府羽曳野市）を本拠地とする河内源氏2代目の源頼義が、前九年の役での戦勝を祈願した京都の石清水八幡宮護国寺（あるいは河内源氏氏神の壺井八幡宮）を鎌倉の由比郷鶴岡（現材木座1丁目）に鶴岡若宮として勧請したのが始まりです。」のように文末を敬体に変換する。文末表現の変換には具体的には、以下の方法を用いることができる。

文末表現変換部２３８は、例えば、文末表現抽出装置において抽出した特徴的文末表現リストデータベースに基づいて、テキスト要約部２３６で生成された要約文の文末表現を、応答を表現する文末表現に変換することができる。

［文末表現抽出装置の処理］

文末表現抽出装置１０００は、機能的には、図１０に示すように、リスト生成用入力部１００１と、リスト生成用演算部１００２と、対話行為毎の特徴的文末表現リストデータベース１００３とを含んだ構成で表すことができる。以下、各部について詳述する。

リスト生成用入力部１００１は、発話の意図を表す対話行為の種類が各々付与された複数の対話テキストを受け付ける。対話テキストは、１つ以上の文を含む文書である。また、対話行為の種類（タグセット）は、（１）情報提供、（２）自己開示（事実、経験、欲求等をサブタグとして持つ）、（３）質問（事実、経験、欲求、自問等をサブタグとして持つ）、（４）共感・同意、非共感・非同意であるが、本実施の形態では、（１）情報提供に係る特徴的文末表現リストのみを抽出する。なお、本実施の形態では、応答を表現する文末表現として、情報提供を表現する文末表現を用いる場合を例に説明する。

リスト生成用演算部１００２は、対話行為の種類が情報提供である場合に関する特徴的文末表現リストを生成する。リスト生成用演算部１００２は、対話行為付与済テキストデータベース１０２０と、リスト生成部１０２２とを備えている。

対話行為付与済テキストデータベース１０２０には、リスト生成用入力部１００１により受け付けた複数の対話テキストが格納される。

リスト生成部１０２２は、文末表現抽出部１０２４と、特徴的文末表現抽出部１０２６と、文末表現拡張部１０２８と、不要文末表現フィルタ部１０３０とを備えている。

文末表現抽出部１０２４は、対話行為付与済テキストデータベース１０２０に格納された複数の対話テキストの各々について、当該対話テキストから、文末表現を抽出し、文末表現リストを生成する。また、文末表現抽出部１０２４は、対話行為付与済テキストデータベース１０２０に格納された複数の対話テキストに基づいて、各文末表現に対応する対話行為の種類に関する対話行為リストを生成する。

特徴的文末表現抽出部１０２６は、文末表現抽出部１０２４によって、複数の対話テキストから抽出された文末表現から、当該情報提供に関する対話テキストにおける文末表現の出現頻度と、対話行為付与済テキストデータベース１０２０に格納されている、当該情報提供とは異なる対話行為の種類が付与された対話テキストにおける文末表現の出現頻度とに基づいて、対話における情報提供を表現するための文末表現を抽出する。

文末表現拡張部１０２８は、特徴的文末表現抽出部１０２６によって生成された特徴的文末表現候補リストと、予め用意された動詞・形容詞の活用語尾リストとに基づいて、特徴的文末表現抽出部１０２６によって抽出された対話における情報提供を表現するための文末表現の各々に対して、文末表現の活用語尾を変化させて、対話における情報提供を表現するための文末表現として、活用型が異なる複数の文末表現を生成する。

不要文末表現フィルタ部１０３０は、文末表現拡張部１０２８によって生成された活用型拡張文末表現リストに基づいて、対話における情報提供を表現するための文末表現から、予め定められた言いさし表現、及び予め定められた文脈に依存する表現の少なくとも一方を含む文末表現を削除して、情報提供に関する文末表現のリストを、特徴的文末表現リストデータベース１００３に記憶する。

［文末表現変換部の処理］

文末表現変換部２３８は、機能的には、図１１に示すように、入力部２００４と、対話行為毎の特徴的文末表現リストデータベース２００５と、演算部２００６と、出力部２００７とを含んだ構成で表すことができる。以下、各部について詳述する。

入力部２００４は、文末表現変換対象のテキストとして、要約文を受け付ける。

特徴的文末表現リストデータベース２００５には、文末表現抽出装置１０００の特徴的文末表現リストデータベース１００３に格納されている特徴的文末表現リストと同じ情報提供に関する特徴的文末表現リストが格納される。

演算部２００６は、文末表現抽出部２０６０と、文末表現候補生成部２０６２と、文末表現変換部２０６４とを備えている。

文末表現抽出部２０６０は、入力部２００４により受け付けた要約文から、文末表現及び当該文末表現の直前に出現する形態素の品詞を抽出する。

文末表現候補生成部２０６２は、特徴的文末表現リストデータベース２００５に格納された、情報提供に関する特徴的文末表現リストにおける、文末表現の直前に出現する形態素の品詞と、文末表現抽出部２０６０によって抽出された文末表現の直前の形態素の品詞とを照合する。そして、文末表現候補生成部２０６２は、情報提供に関する特徴的文末表現リストから、文末表現抽出部２０６０によって抽出された文末表現の直前の形態素の品詞に対応する、情報提供を表現するための文末表現を、文末表現の変換候補として抽出し、抽出された文末表現からなる変換候補リストを生成する。

文末表現変換部２０６４は、文末表現候補生成部２０６２によって生成された変換候補リストを用いて、要約文に含まれる文末表現を、対話における情報提供を表現するための文末表現に変換することにより、応答を表現するための文末表現に変換する。

そして、応答出力部２５０は、文末表現変換部２３８で変換された要約文を応答として出力する。

＜本発明の実施の形態に係る質問応答パラメタ学習装置の作用＞

次に、本発明の実施の形態に係る質問応答パラメタ学習装置１００の作用について説明する。入力部１０において、３つの要素の組み合わせからなるクエリと、テキストと、当該テキストを要約して作成された、クエリに付随する説明の３つを組とした１つ以上のレコードを受け付けると、訓練事例データベース８に格納し、質問応答パラメタ学習装置１００は、図１２に示す質問応答パラメタ学習処理ルーチンを実行する。

まず、ステップＳ１００では、訓練事例データベース８から訓練事例として１つのレコードを選択する。

次に、ステップＳ１０２では、ステップＳ１００で選択した訓練事例について、クエリｑ、テキストｘ、及び説明ｙに対してそれぞれ形態素解析および係り受け解析を行う。

ステップＳ１０４では、ステップＳ１０２で解析したクエリｑ、テキストｘ、及び説明ｙに基づいて、特徴ベクトル＾f（ｘ；ｙ,ｑ）を構築する。

ステップＳ１０６では、全ての訓練事例について、ステップＳ１０２〜ステップＳ１０４の処理を終了したかを判定し、終了していなければステップＳ１００へ戻って処理を繰り返し、終了していればステップＳ１０８へ移行する。

ステップＳ１０８では、ステップＳ１０４で訓練事例の各々について構築された特徴ベクトルを用いて、クエリに含まれる３つの要素（単語）の各々のクラスに関する特徴、及びその他の単語の特徴の各々に対するパラメタの学習し、適応前パラメタデータベース４０として記憶し処理を終了する。

以上説明したように、本実施の形態に係る質問応答パラメタ学習装置によれば、３つの要素の組み合わせからなるクエリと、テキストと、当該テキストを要約して作成された、クエリに付随する説明の３つを組とした１つ以上のレコードからなる訓練事例データベース８に基づいて、パラメタを学習することにより、クエリに対する応答として適切な関連情報を提示するためのパラメタを学習できる、という効果が得られる。

＜本発明の実施の形態に係る質問応答装置の作用＞

次に、本発明の実施の形態に係る質問応答装置２００の作用について説明する。クエリ入力部２１０において３つの要素の組み合わせからなるクエリを受け付けると、質問応答装置２００は、図１３に示す質問応答処理ルーチンを実行する。

まず、ステップＳ２００では、クエリ入力部２１０において受け付けた３つの要素の組み合わせからなるクエリを取得する。

次に、ステップＳ２０２では、予め用意されたテキストデータベースから、ステップＳ２００で取得したクエリに含まれる特定の要素に関連するテキストを検索する。

ステップＳ２０４では、ステップＳ２０２で検索されたテキストの構文を解析する。

ステップＳ２０６では、ステップＳ２００で取得したクエリと、適応前パラメタデータベース２４０に記憶されているパラメタとに基づいて、３つの要素の各々のクラスに関する特徴に対するパラメタを、ステップＳ２００で取得したクエリの３つの要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得る。

ステップＳ２０８では、ステップＳ２０６で解析されたテキストと、ステップＳ２０８で得られた適応後パラメタとに基づいて、テキストについての要約文を生成する。

ステップＳ２１０では、ステップＳ２０８で生成された要約文について、要約文に含まれる文末表現を、応答を表現するための文末表現に変換する。

そして、ステップＳ２１２では、ステップＳ２１０で文末表現が変換された要約文を応答として出力して処理を終了する。

以上説明したように、本実施の形態に係る質問応答装置によれば、クラスが＜実体、属性、値＞と定められた３つの要素の組み合わせからなるクエリを受け付け、受け付けたクエリの特定の要素に関連するテキストを検索し、検索されたテキストを解析し、クエリと、３つの要素の各々のクラスに関する特徴、及びその他の単語各々の特徴に対するパラメタとに基づいて、置き換えた適応後パラメタを得て、テキスト解析部２３２で解析されたテキストと、適応後パラメタデータベース２４２とに基づいて、テキストについての要約文を生成し、要約文に含まれる文末表現を、応答を表現するための文末表現に変換して、応答として出力することにより、クエリに対する応答として適切な関連情報を提示できる、という効果が得られる。

なお、本発明は、上述した実施の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、上述した実施の形態では、要約部２３６において、テキストから一文を選択し、選択した一文を要約文として生成したが、これに限定されるものではなく、選択した一文が一定文字数以下となるように不要な文字列を除去する等して要約文を生成してもよい。また、テキストから、一定文字数以下となるように、１つ以上の文を選択して要約文を生成する等、いかなる方法で要約文を生成してもよい。

８ 訓練事例データベース
１０、２００４ 入力部
２０、２２０、２００６ 演算部
３０ パラメタ推定部
３６ テキスト要約部
３８ 文末表現変換部
４０ 適応前パラメタデータベース
４２ 適応後パラメタデータベース
１００ 質問応答パラメタ学習装置
２００ 質問応答装置
２１０ クエリ入力部
２３０ テキスト検索部
２３２ テキスト解析部
２３４ パラメタ適応部
２３６ テキスト要約部
２３８ 文末表現変換部
２４０ 適応前パラメタデータベース
２４２ 適応後パラメタデータベース
２５０ 応答出力部
１０００ 文末表現抽出装置
１００１ リスト生成用入力部
１００２ リスト生成用演算部
１００３、２００５ 特徴的文末表現リストデータベース
１０２０ 対話行為付与済テキストデータベース
１０２２ リスト生成部
１０２４、２０６０ 文末表現抽出部
１０２６ 特徴的文末表現抽出部
１０２８ 文末表現拡張部
１０３０ 不要文末表現フィルタ部
２００７ 出力部
２０６２ 文末表現候補生成部
２０６４ 文末表現変換部

Claims (5)

1. ユーザから与えられたクエリに対する応答を生成する質問応答装置における質問応答方法であって、
   クエリ入力部が、クラスが定められた複数の要素の組み合わせからなるクエリを受け付けるステップと、
   テキスト検索部が、予め用意されたテキストデータベースから、前記クエリ入力部で受け付けた前記クエリに含まれる要素に関連するテキストを検索するステップと、
   テキスト解析部が、前記テキスト検索部で検索されたテキストの構文を解析するステップと、
   パラメタ適応部が、前記クエリ入力部で受け付けた前記クエリと、予め学習された、前記複数の要素の各々のクラスに関する特徴を含む複数の特徴に対するパラメタとに基づいて、前記複数の要素の各々のクラスに関する特徴に対するパラメタを、前記クエリの前記複数の要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得るステップと、
   テキスト要約部が、前記テキスト解析部で解析されたテキストと、前記パラメタ適応部で得られた適応後パラメタとに基づいて、前記テキストについての要約文を生成するステップと、
   応答出力部が、前記テキスト要約部で生成された前記要約文を応答として出力するステップと、
   を含む質問応答方法。
2. 文末表現変換部が、前記テキスト要約部で生成された要約文について、前記要約文に含まれる文末表現を、前記応答を表現するための文末表現に変換するステップを更に含み、
   応答出力部が、要約文を応答として出力するステップは、前記文末表現変換部で変換された前記要約文を応答として出力する請求項１に記載の質問応答方法。
3. ユーザから与えられたクエリに対する応答を生成する質問応答装置であって、
   クラスが定められた複数の要素の組み合わせからなるクエリを受け付けるクエリ入力部と、
   予め用意されたテキストデータベースから、前記クエリ入力部で受け付けた前記クエリに含まれる要素に関連するテキストを検索するテキスト検索部と、
   前記テキスト検索部で検索されたテキストの構文を解析するテキスト解析部と、
   前記クエリ入力部で受け付けた前記クエリと、予め学習された、前記複数の要素の各々のクラスに関する特徴を含む複数の特徴に対するパラメタとに基づいて、前記複数の要素の各々のクラスに関する特徴に対するパラメタを、前記クエリの前記複数の要素の各々に関する特徴に対するパラメタに置き換えた適応後パラメタを得るパラメタ適応部と、
   前記テキスト解析部で解析されたテキストと、前記パラメタ適応部で得られた適応後パラメタとに基づいて、前記テキストについての要約文を生成するテキスト要約部と、
   前記テキスト要約部で生成された前記要約文を応答として出力する応答出力部と、
   を含む質問応答装置。
4. 前記テキスト要約部で生成された要約文について、前記要約文に含まれる文末表現を、前記応答を表現するための文末表現に変換する文末表現変換部を更に含み、
   応答出力部は、前記文末表現変換部で変換された前記要約文を応答として出力する請求項３に記載の質問応答装置。
5. コンピュータに、請求項１又は請求項２に記載の質問応答方法を構成する各ステップを実行させるためのプログラム。

Images