JP6313298B2 - 会話型相互作用システムの検索入力におけるユーザ意図を推定する方法およびそのためのシステム - Google Patents

Description

（関連出願の引用）
本願は、以下の特許出願の利益を主張する。これらの出願の内容は、参照により本明細書に引用される：
米国特許出願第１３／８７４，５２３号（２０１３年５月１日出願、名称「Ｍｅｔｈｏｄ ｏｆ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｉｎｆｅｒｒｉｎｇ Ｕｓｅｒ Ｉｎｔｅｎｔ ｉｎ Ｓｅａｒｃｈ Ｉｎｐｕｔ ｉｎ ａ Ｃｏｎｖｅｒｓａｔｉｏｎａｌ Ｉｎｔｅｒａｃｔｉｏｎ Ｓｙｓｔｅｍ，」）；
米国特許出願第１３／６６７，４００号（２０１２年１１月２日出願、名称「Ｍｅｔｈｏｄ ｏｆ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｉｎｆｅｒｒｉｎｇ Ｕｓｅｒ Ｉｎｔｅｎｔ ｉｎ Ｓｅａｒｃｈ Ｉｎｐｕｔ ｉｎ ａ Ｃｏｎｖｅｒｓａｔｉｏｎａｌ ｉｎｔｅｒａｃｔｉｏｎ Ｓｙｓｔｅｍ，」）；
米国特許出願第１３／６６７，３８８号（２０１２年１１月２日出願、名称「Ｍｅｔｈｏｄ ｏｆ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｕｓｉｎｇ Ｃｏｎｖｅｒｓａｔｉｏｎ Ｓｔａｔｅ Ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ａ Ｃｏｎｖｅｒｓａｔｉｏｎａｌ Ｉｎｔｅｒａｃｔｉｏｎ Ｓｙｓｔｅｍ，」）；
米国仮特許出願第６１／７１２，７２１号（２０１２年１０月１日出願、名称「Ｍｅｔｈｏｄ ｏｆ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｃｏｎｔｅｎｔ Ｓｅａｒｃｈ Ｂａｓｅｄ ｏｎ Ｃｏｎｃｅｐｔｕａｌ Ｌａｎｇｕａｇｅ Ｃｌｕｓｔｅｒｉｎｇ， 」）； および
米国仮特許出願第６１／６７３，８６７号（２０１２年７月２０日出願、名称「Ｃｏｎｖｅｒｓａｔｉｏｎａｌ Ｉｎｔｅｒａｃｔｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ Ｌａｒｇｅ Ｃｏｒｐｕｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａｌ，」）。

（発明の分野）
本発明は、概して、会話型相互作用技法に関し、より具体的には、入力曖昧性の解決に基づいて、ユーザ入力意図を推定すること、および／または会話型セッションにおける変化が生じたことを推定することに関する。

会話型システムは、スマートフォン、タブレット、ＴＶ／ＳＴＢ、「Ｇｏｇｇｌｅｓ」（Ｇｏｏｇｌｅのサングラス）のようなウェアラブルコンピューティングデバイス等のマルチモーダルデバイス、Ｘｂｏｘ／Ｋｉｎｅｃｔのようなハイブリッドジェスチャ認識／音声認識システム、自動車情報システム、および一般的ホームエンターテイメントシステム等、一定範囲のデバイスにわたって、大量の情報リポジトリをナビゲートする好ましい形態となりつつある。タッチベースのインターフェースが、相互作用の主要形態として、注目を集めつつある時代は、おそらく、徐々に終わりを迎えつつあり、多くの日常生活の使用例において、ユーザは、その意図を言葉にし、システムは、意図を理解し、実行することになるであろう。これはまた、飛躍的ハードウェア、ソフトウェア、およびアルゴリズムの進歩が、数年前と比較して、テキストを音声にすることを著しく効果的なものにしていることによってもたらされている。

純粋な会話インターフェースに向かって進歩しつつあるが、既存の単純要求応答スタイルの会話型システムは、小サイズの情報リポジトリにおける特定のタスク指向型または特定の情報読み出し問題に対処することしか充足しない。これらのシステムは、大量のコーパス情報リポジトリにおいて良好に機能しない。

その根底では、本質的に、要求応答システムである、現在のシステムは、以下のようなユーザの質問に対する応答等、会話型スタイルのインターフェースをもたらすことを試みている。
ユーザ：当座預金残高はいくら？
システム：＄２，４５９．３４です。
ユーザ：貯金額は？
システム：＄６，２０９，０１２です。
ユーザ：金融市場は？
システム：＄１４，５９９．３３です。

これらは、本質的に、会話の連続性の概念を提供する、目標指向型またはタスク指向型要求応答システムであるが、各要求応答対は、その他から独立し、維持される唯一のコンテキストは、ユーザの銀行口座であることの単純なコンテキストである。現在の会話型システムの他の例は、ユーザが、一連の明確に定義され、かつ多くの場合、予め定義された決定ツリー経路を辿り、ユーザの意図を完了する（夕食の予約をする、飛行機の予約をする等）ものである。

本出願人は、ユーザの意図に一致する明確および簡潔な応答を提供するために、意図を表すユーザ発話の意味論の理解と組み合わせて、ユーザの意図を理解することは（ユーザの意図が、純粋な情報読み出しから、番組の視聴または演劇／映画のチケットの予約に及び得る、デジタルエンターテイメント等のドメイン内でも）、会話空間における現在のシステムが対処できない困難な問題であることを発見した。意図の明確な表現を伴う単純な文がなければ、単一の要求／応答のやりとりのスタイルの相互作用においても、多くの場合、意図および意図を表す文の意味論を抽出することは困難である。これに複雑性を加えるものは、明確に定義されたステップ（予め定義された決定ツリーの検討等）を有していないタスク指向型の意図である。さらに、問題となるのは、タスク（例えば、夕食の予約をする等）の完了に辿り着くために、一連のユーザ要求およびシステム応答を要求する相互作用である。さらになお、豊富な情報リポジトリは、エンティティに対するユーザの意図表現が、多くの有効かつ自然な形態をとり得、同一の字句（単語）が、多くの異なるユーザの意図に関連して生じ得るため、特に困難であり得る。

コーパスが大量であるとき、語彙的衝突または複数の意味論的解釈は、これらの衝突および曖昧性を明確にするための対話を伴わない場合、ユーザの意図を満たすことの複雑性に加わる。時として、ヒトの間の実際の日常会話において生じるものと同様に、ユーザの意図または意図を表す文の意味論を理解することが可能でないことさえあり得る。ヒト（平均して、参加者は両者とも、論じられているドメインについて認識している）が行うような最小数の質問を尋ね（会話において他者を理解する観点から）、ユーザの意図を理解するためのシステムの能力は、ヒトの会話へのシステムの近似性を定義するであろう。

単純なマルチステップ式の旅行／夕食の予約（例えば、対話におけるステップは、各ステップにおいてほとんど曖昧性解決を伴わない、明確に定義された要求／応答サブシーケンスである）を超える、対話または会話に従事するシステムはまた、効果的であるために、会話の状態を維持する必要があることの複雑性に遭遇する。例えば、そのようなシステムは、意図およびエンティティへの暗示的言及（例えば、人々、物体、または任意の名詞の言及）と、ユーザの文中の意図を絞り込む属性（例えば、「Ｔｏｍ Ｈａｎｋｓの古いものではなく、最新の映画を教えて」、「暴力が少なく、アクションが多いものを教えて」）とを推定する必要があろう。さらになお、本出願人は、先行するエントリにおいてユーザによって行われたエンティティ、属性等への言及だけではなく、また、ユーザに対するシステムのマルチモーダル応答のエンティティ、属性等も追跡することが有益であることを発見した。

さらになお、本出願人は、ユーザ／システムのやりとりの間、代名詞と目的語／対象との関連性を維持することは、ユーザ経験を向上させることを見出した。例えば、「最近のＤａｎｉｅｌ Ｃｒａｉｇの映画のオリジナルサウンドトラック中のＬｅｄ Ｚｅｐｐｅｌｉｎの曲って、誰が演奏しているの？」等の複雑なユーザエントリにおいて、代名詞「それ」をその目的語／対象「Ｌｅｄ Ｚｅｐｐｅｌｉｎの曲」に関連させる音声分析器（または、自然言語プロセッサ）は、ユーザに、常時、特定の統語論を使用することを要求しないことによって、ユーザを支援する。しかしながら、この単純な代名詞と目的語／対象との関連性は、以下のやりとりを処理する際は、非効果的である。
Ｑ１：新しいスターウォーズでＯｂｉ−ｗａｎ Ｋｅｎｏｂｉを演じたのは？
Ａ：Ｅｗａｎ ＭｃＧｒｅｇｏｒ
Ｑ２：Ｓｃａｒｌｅｔ Ｊｏｈａｎｓｓｏｎとの彼の映画は？
ここでは、第２の質問における「彼の」は、ユーザ入力からではなく、応答中の人物を指す。より複雑な例は、以下である。
Ｑ１：Ｋｒａｍｅｒ ｖｓ Ｋｒａｍｅｒで主役を演じたのは誰？
Ａｌ：Ｍｅｒｙｌ ＳｔｒｅｅｐとＤｕｓｔｉｎ Ｈｏｆｆｍａｎです。
Ｑ２：彼の他の映画は？
Ａ２：こちらが、Ｄｕｓｔｉｎ Ｈｏｆｆｍａｎの映画の一部です・・・［Ｄｕｓｔｉｎ Ｈｏｆｆｍａｎの映画のリスト］
Ｑ３：彼女の他の映画は？
ここでは、Ｑ２における「彼の」およびＱ３における「彼女の」は、応答Ａ１を逆参照する。自然言語プロセッサ単独では、これらの場合、ユーザの意図を理解する際、非効果的である。以下に説明される実施形態のうちのいくつかでは、言語プロセッサは、先行会話のやりとりに対するこれらの代名詞参照の解決に役立ち得る、会話状態エンジンと、エンティティの男性および女性属性を示すドメイン特定情報と連携する。

会話においてユーザと関わるシステムが直面する別の課題は、同一のドメイン内であっても、ユーザの意図変化の決定である。例えば、ユーザは、例えば、エンターテイメントドメインにおいて、質問に対する回答を見つける意図から開始し得る。その質問に関してさらに模索する会話に従事する間、完全に異なる意図経路を追求することを決定する。現在のシステムは、ユーザが、新しい会話が開始されていることの明確な合図をもたらすことを期待する。ユーザが、その重要な手掛かりを提供しない場合、システム応答は、依然として、ユーザが辿っていた模索経路の狭い範囲に制限され、ユーザ入力をその狭いコンテキストに制約し、典型的には、不合理でないまでも、望ましくない応答をもたらすであろう。コンテキストを誤解する結果は、ユーザが、会話の途中でドメインを切り替えることを選ぶとき、さらに明白となる（システムが滑稽なほど的外れと思われるほど）。例えば、ユーザは、エンターテイメント空間においてコンテンツを模索しながら、「お腹が空いた」と述べ得る。システムが、新しいドメイン（レストラン／食品ドメイン）への切り替えとして認識しない場合、「お腹が空いた」は、エンターテイメント空間において投げ掛けられた質問であると考えて応答し、そのドメインにおける応答をもたらし、この場合、それは、滑稽なほど正しくない応答となるであろう。

一方、ヒトは、発言のまさにその本質から、そのような突然のドメイン切り替えを自然に認識し、適宜、応答する（例えば、「ピザを注文しようか？」）。新しいドメインへの移行がそれほど明白ではない遠隔シナリオでも、ヒト参加者は、第１の話者からのフィードバック（「ああ、お腹が空いた。何か食べたい！」）に応じて、ためらいはするが、すぐに立ち直り得る。ヒトが会話中で当たり前だと思う、これらの会話の些細ではあるが、有意な要素は、ヒトとヒトの会話の豊かさを自動化システムを用いたものと区別するものである。

要約すると、本明細書に開示される技法の実施形態は、ユーザの意図に密接に一致し、ヒトの相互作用と異ならないように、会話においてユーザと関わることを試みる。ある実施形態は、以下の特性の非包括的リストのうちの任意の１つ以上を示す。ａ）意図および／または意図の記述における曖昧性を解決し、適用可能であるときは常時、ユーザの選好を活用する（いくつかの実装は、ドメイン特定分野情報に基づく算出要素および論理を使用する）、ｂ）会話において先に述べられた意図／エンティティ／属性のユーザによって行われる間接的参照を暗示的に推定するように、アクティブ意図および／またはユーザとのやりとりにわたって意図を記述するエンティティ／属性の状態を維持する、ｃ）ユーザに対する応答を調整し、適用可能であるときは常時、ユーザの選好に一致させる、ｄ）ドメイン内およびドメインを横断する新しい話題を開始する会話の境界を暗示的に決定し、適宜、応答を調整する、ｅ）ユーザの意図の理解の失敗（例えば、意図が見つからないか、またはその最良の推測の信頼性スコアが閾値を下回るかのいずれか）を前提として、最小対話に従事し、ユーザの意図を理解する（意図を理解するために、会話においてヒトによって行われるものと同様の様式において）。本発明のいくつかの実施形態では、意図の理解は、ユーザが相互作用し得る直感的演出を図式的に表示し、ユーザの意図に関する手掛かりをもたらすために、デバイスの表示能力（例えば、タブレットデバイス）を活用し得る。

本発明のある側面では、会話型相互作用システムにおいて、検索入力におけるユーザの意図を推定するための方法およびシステムが、開示される。

本発明の別の側面では、検索入力の曖昧部分を解決することに基づいて、検索入力におけるユーザの意図を推定する方法は、一組のコンテンツアイテムへのアクセスを提供することを含む。コンテンツアイテムの各々は、対応するコンテンツアイテムを記述するメタデータに関連付けられる。本方法はまた、ユーザ選好シグネチャを提供することを含む。ユーザ選好シグネチャは、（ｉ）特定のコンテンツアイテム、および（ｉｉ）コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対するユーザの選好を記述する。本方法はまた、検索入力をユーザから受信することを含む。検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するようにユーザによって意図される。本方法はまた、検索入力の一部が曖昧識別子を含むことを決定することを含む。曖昧識別子は、少なくとも部分的に、少なくとも１つの所望のコンテンツアイテムを識別するようにユーザによって意図される。本方法はまた、ユーザ選好シグネチャによって記述されるユーザの選好と一致する、検索入力の部分に基づいて、曖昧識別子に対する意味を推定することと、検索入力および曖昧識別子の推定される意味をコンテンツアイテムに関連付けられたメタデータと比較することに基づいて、コンテンツアイテムを一組のコンテンツアイテムから選択することとを含む。

本発明のさらなる側面では、曖昧識別子は、代名詞、虚辞、エンターテイメントジャンル、および／または名前の少なくとも一部であることができる。

本発明のなおも別の側面では、コンテンツアイテムに関連付けられたメタデータは、コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む。

本発明のなおさらなる側面では、ユーザ選好シグネチャは、ユーザによって提供される明示的選好に基づき、および／または一定の時間期間にわたって行われるユーザによるコンテンツアイテム選択を分析することに基づく。随意に、ユーザ選好シグネチャは、コンテンツアイテムに関連付けられたメタデータに対するユーザの選好を記述し、メタデータは、ユーザによって好まれるエンティティを含む。

本発明の別の側面では、検索入力の曖昧部分を解決することに基づいて、検索入力におけるユーザの意図を推定する方法は、一組のコンテンツアイテムへのアクセスを提供することを含む。コンテンツアイテムの各々は、対応するコンテンツアイテムを記述するメタデータに関連付けられる。本方法はまた、検索入力をユーザから受信することを含む。検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するようにユーザによって意図される。本方法はまた、検索入力の一部が曖昧識別子を含むかどうかを決定することを含む。曖昧識別子は、少なくとも部分的に、少なくとも１つの所望のコンテンツアイテムを識別するようにユーザによって意図される。検索入力の一部が曖昧識別子を含むという条件に応じて、本方法は、ユーザ選好シグネチャによって記述されるユーザの選好に一致する、検索入力の一部に基づいて、曖昧識別子に対する意味を推定することと、検索入力および曖昧識別子の推定される意味をコンテンツアイテムに関連付けられたメタデータと比較することに基づいて、コンテンツアイテムを一組のコンテンツアイテムから選択することと、検索入力が曖昧識別子を含まないという条件に応じて、検索入力とコンテンツアイテムに関連付けられたメタデータの比較に基づいて、コンテンツアイテムを一組のコンテンツアイテムから選択することとを含む。

前述に列挙された側面のいずれも、前述に列挙された他の側面のいずれかと、および／または本明細書に開示される技法と組み合わせられることができる。
本願明細書は、例えば、以下の項目も提供する。
（項目１）
プロセッサを有する双方向コンテンツ提供システムとの連続的ユーザ相互作用中の会話セッションの変化を推定する方法であって、前記方法は、
一組のコンテンツアイテムへのアクセスを提供することであって、前記コンテンツアイテムの各々は、電子的に読み取り可能な媒体内に記憶されている関連付けられたメタデータを有し、前記メタデータは、前記対応するコンテンツアイテムを記述する、ことと、
前記プロセッサにおいて、第１の入力をユーザから受信することであって、前記第１の入力は、少なくとも１つの所望のコンテンツアイテムを識別するための、前記ユーザによって意図された言語要素を含む、ことと、
前記プロセッサによって、前記第１の入力の少なくとも１つの言語要素を第１の会話セッションに関連付けることと、
前記プロセッサによって、前記第１の入力に基づいて、かつ前記コンテンツアイテムに関連付けられたメタデータに基づいて、第１の応答を提供することと、
前記プロセッサにおいて、第２の入力を前記ユーザから受信することと、
前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することと、
前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記プロセッサによって、前記コンテンツアイテムに関連付けられたメタデータ、前記第２の入力、および前記第１の会話セッションに関連付けられた前記第１の入力の前記少なくとも１つの言語要素に基づいて、第２の応答を提供することと、
前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素と関連しないと推定されるという条件に応じて、前記プロセッサによって、前記コンテンツアイテムに関連付けられたメタデータおよび前記第２の入力に基づいて、第２の応答を提供することと
を含む、方法。
（項目２）
前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、前記第２の入力が言語連結要素を含むかどうかの決定に基づく、項目１に記載の方法。
（項目３）
前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つである、項目２に記載の方法。
（項目４）
前記プロセッサによって推定することは、前記第２の入力が言語連結要素を含むという条件に応じて、前記ユーザからの第２の入力が関連すると結論付ける、項目２に記載の方法。
（項目５）
前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つである、項目４に記載の方法。
（項目６）
前記プロセッサによって推定することは、前記第２の入力が言語連結要素を含まないという条件に応じて、前記ユーザからの第２の入力が関連しないと結論付ける、項目２に記載の方法。
（項目７）
前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つである、項目６に記載の方法。
（項目８）
前記第２の入力が言語連結要素を含まないという条件に応じて、前記プロセッサによって、前記コンテンツアイテムに関連付けられた前記メタデータに基づいて、（ｉ）前記第２の入力の言語要素と、（ｉｉ）前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素との間の関連性の度合いを決定することと、
前記関連性の度合いが閾値以上であるという条件に応じて、前記プロセッサによって推定することが、前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと、
前記関連性の度合いが前記閾値未満であるという条件に応じて、前記プロセッサによって推定することが、前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連しないと結論付けることと
をさらに含む、項目２に記載の方法。
（項目９）
前記コンテンツアイテムに関連付けられた前記メタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含み、前記プロセッサによって前記関連性の度合いを決定することは、前記プロセッサによって前記関係のマッピングを分析することを含む、項目８に記載の方法。
（項目１０）
前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、
前記プロセッサによって、少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素を識別することと、
前記プロセッサによって、前記第２の入力の言語連結要素を識別することと、
前記プロセッサによって、前記第２の入力の言語連結要素が、前記少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素に対して好適なリンクであるかどうかを決定することと、
前記第２の入力の言語連結要素が好適なリンクであるという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと、
前記第２の入力の言語連結要素が好適なリンクではないという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連しないと結論付けることと
を含む、項目１に記載の方法。
（項目１１）
前記少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素は、名詞および動名詞のうちの少なくとも１つである、項目１０に記載の方法。
（項目１２）
前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つである、項目１０に記載の方法。
（項目１３）
前記プロセッサによって、前記ユーザからの前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、
前記プロセッサによって、前記第２の入力が少なくとも１つのエンティティを識別する言語要素を含むかどうかを決定することと、
前記第２の入力が少なくとも１つのエンティティを識別する言語要素を含まないという条件に応じて、前記プロセッサによって、前記第２の入力が前記第１の応答に対する適切な応答であるかどうかを決定することと、
前記第２の入力が前記第１の応答に対して適切な応答であるという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと、
前記第２の入力が前記第１の応答に対して適切な応答ではないという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連しないと結論付けることと
を含む、項目１に記載の方法。
（項目１４）
少なくとも１つのエンティティを識別する、前記第２の入力内に含まれる言語要素は、名詞および動名詞のうちの少なくとも１つである、項目１３に記載の方法。
（項目１５）
前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記プロセッサによって前記第２の応答を提供することは、前記プロセッサによって、前記第２の入力の少なくとも１つの言語要素の代わりに、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素を用いることを含む、項目１に記載の方法。
（項目１６）
前記プロセッサによって、前記第１の応答の少なくとも１つの言語要素を前記第１の会話セッションに関連付けることと、
前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記第２の応答を前記第１の会話セッションに関連付けられた前記第１の応答の少なくとも１つの言語要素にさらに基づかせることと
をさらに含む、項目１に記載の方法。
（項目１７）
前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記プロセッサによって前記第２の応答を提供することは、前記第２の入力の少なくとも１つの言語要素の代わりに、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素を用いることを含む、項目１６に記載の方法。
（項目１８）
前記コンテンツアイテムに関連付けられた前記メタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む、項目１に記載の方法。
（項目１９）
前記プロセッサによって、前記ユーザからの前記第１の入力および前記ユーザからの前記第２の入力のうちの少なくとも１つの一部が、曖昧識別子を含むことを決定することであって、前記曖昧識別子は、少なくとも部分的に、前記少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記プロセッサによって、前記ユーザからの前記第１の入力および前記ユーザからの前記第２の入力の、ユーザ選好シグネチャによって記述される前記ユーザの選好に一致する部分に基づいて、前記曖昧識別子に対する意味を推定することと
をさらに含み、前記プロセッサによって第２の応答を提供することは、前記曖昧識別子の推定される意味を前記コンテンツアイテムに関連付けられた前記メタデータと比較することに基づいて、コンテンツアイテムを前記一組のコンテンツアイテムから選択することを含む、項目１に記載の方法。
（項目２０）
検索入力の曖昧部分を解決することに基づいて、前記検索入力におけるユーザの意図を推定する方法であって、前記方法は、
一組のコンテンツアイテムへのアクセスを提供することであって、前記コンテンツアイテムの各々は、前記対応するコンテンツアイテムを記述するメタデータに関連付けられ、前記コンテンツアイテムに関連付けられた前記メタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む、ことと、
検索入力を前記ユーザから受信することであって、前記検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記検索入力の一部が、少なくとも１つの指定されたエンティティおよび前記少なくとも１つの所望のコンテンツアイテムに関連する少なくとも１つの指定されていないエンティティへの言及を含むことを決定することと、
前記少なくとも１つの指定されたエンティティおよび前記エンティティ間の関係のマッピングに基づいて、前記少なくとも１つの指定されていないエンティティに対する可能な意味を推定することと、
前記少なくとも１つの指定されていないエンティティに対して可能な意味を一組のコンテンツアイテムのうちの前記コンテンツアイテムに関連付けられたメタデータと比較することに基づいて、少なくとも１つのコンテンツアイテムを前記一組のコンテンツアイテムから選択することと
を含む、方法。
（項目２１）
前記コンテンツアイテムは、メディアエンターテイメントアイテムを含み、前記メタデータは、クルー、登場人物、俳優、チーム、リーグ、トーナメント、運動選手、作曲家、音楽のアーティスト、演奏者、アルバム、曲、ニュースパーソナリティ、およびコンテンツ配信業者のうちの少なくとも１つを含む、項目２０に記載の方法。
（項目２２）
前記コンテンツアイテムは、電子メールアイテムを含み、前記メタデータは、電子メールスレッド、連絡先、送信者、受信者、会社名、事業部署、事業部門、電子メールフォルダ、およびオフィスの場所情報のうちの少なくとも１つを含む、項目２０に記載の方法。（項目２３）
前記コンテンツアイテムは、旅行関連アイテムを含み、前記メタデータは、都市、ホテル、ホテルブランド、個々の着目点、着目点のカテゴリ、小売店チェーン、レンタカーウェブサイト、およびレンタカー会社名のうちの少なくとも１つを含む、項目２０に記載の方法。
（項目２４）
前記コンテンツアイテムは、電子商取引アイテムを含み、前記メタデータは、製品アイテム、製品カテゴリ、製品サブカテゴリ、製品ブランド、および小売店のうちの少なくとも１つを含む、項目２０に記載の方法。
（項目２５）
前記コンテンツアイテムは、ネットワークベースの文書を含み、前記メタデータは、ドメイン名、インターネットメディアタイプ、ファイル名、ディレクトリ、およびファイル
名拡張子のうちの少なくとも１つを含む、項目２０に記載の方法。
（項目２６）
前記コンテンツアイテムは、アドレスブックアイテムを含み、前記メタデータは、連絡先名、電子メールアドレス、電話番号、住所、および雇用主のうちの少なくとも１つを含む、項目２０に記載の方法。
（項目２７）
ユーザ選好シグネチャを提供することをさらに含み、前記ユーザ選好シグネチャは、（ｉ）特定のコンテンツアイテム、および（ｉｉ）前記コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対する前記ユーザの選好を記述し、前記少なくとも１つの指定されていないエンティティに対して可能な意味を推定することは、前記検索入力の一部を前記ユーザ選好シグネチャによって記述される前記ユーザの選好と比較することにさらに基づく、項目２０に記載の方法。
（項目２８）
ユーザ選好シグネチャを提供することであって、前記ユーザ選好シグネチャは、（ｉ）特定のコンテンツアイテム、および（ｉｉ）前記コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対する前記ユーザの選好を記述する、ことと、
前記ユーザ選好シグネチャによって記述される前記ユーザの選好に基づいて、前記少なくとも１つのコンテンツアイテムを順序付けることと
をさらに含む、項目２０に記載の方法。
（項目２９）
検索入力の曖昧部分を解決することに基づいて、前記検索入力におけるユーザの意図を推定する方法であって、前記方法では、
一組のコンテンツアイテムへのアクセスを提供することであって、前記コンテンツアイテムの各々は、前記対応するコンテンツアイテムを記述するメタデータに関連付けられ、前記コンテンツアイテムに関連付けられた前記メタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む、ことと、
検索入力を前記ユーザから受信することであって、前記検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記検索入力の一部が、少なくとも１つの指定されたエンティティおよび前記少なくとも１つの所望のコンテンツアイテムに関連する少なくとも１つの指定されていないエンティティへの言及を含むかどうかを決定することと、
前記検索入力の一部が少なくとも１つの指定されていないエンティティを含むという条件に応じて、前記少なくとも１つの指定されたエンティティおよび前記エンティティ間の関係のマッピングに基づいて前記少なくとも１つの指定されていないエンティティに対して可能な意味を推定し、前記少なくとも１つの指定されていないエンティティに対して可能な意味を前記一組のコンテンツアイテムのうちの前記コンテンツアイテムに関連付けられた前記メタデータと比較することに基づいて、少なくとも１つのコンテンツアイテムを前記一組のコンテンツアイテムから選択することと、
前記検索入力が少なくとも１つの指定されていないエンティティを含まないという条件に応じて、前記検索入力を前記コンテンツアイテムに関連付けられた前記メタデータと比較することに基づいて、少なくとも１つのコンテンツアイテムを前記一組のコンテンツアイテムから選択することと
を含む、方法。
（項目３０）
前記コンテンツアイテムは、メディアエンターテイメントアイテムを含み、前記メタデータは、クルー、登場人物、俳優、チーム、リーグ、トーナメント、運動選手、作曲家、音楽のアーティスト、演奏者、アルバム、曲、ニュースパーソナリティ、およびコンテンツ配信業者のうちの少なくとも１つを含む、項目２９に記載の方法。
（項目３１）
前記コンテンツアイテムは、電子メールアイテムを含み、前記メタデータは、電子メールスレッド、連絡先、送信者、受信者、会社名、事業部署、事業部門、電子メールフォルダ、およびオフィスの場所情報のうちの少なくとも１つを含む、項目２９に記載の方法。（項目３２）
前記コンテンツアイテムは、旅行関連アイテムを含み、前記メタデータは、都市、ホテル、ホテルブランド、個々の着目点、着目点のカテゴリ、小売店チェーン、レンタカーウェブサイト、およびレンタカー会社名のうちの少なくとも１つを含む、項目２９に記載の方法。
（項目３３）
前記コンテンツアイテムは、電子商取引アイテムを含み、前記メタデータは、製品アイテム、製品カテゴリ、製品サブカテゴリ、製品ブランド、および小売店のうちの少なくとも１つを含む、項目２９に記載の方法。
（項目３４）
前記コンテンツアイテムは、ネットワークベースの文書を含み、前記メタデータは、ドメイン名、インターネットメディアタイプ、ファイル名、ディレクトリ、およびファイル名拡張子のうちの少なくとも１つを含む、項目２９に記載の方法。
（項目３５）
前記コンテンツアイテムは、アドレスブックアイテムを含み、前記メタデータは、連絡先名、電子メールアドレス、電話番号、住所、および雇用主のうちの少なくとも１つを含む、項目２９に記載の方法。
（項目３６）
ユーザ選好シグネチャを提供することをさらに含み、前記ユーザ選好シグネチャは、（ｉ）特定のコンテンツアイテム、および（ｉｉ）前記コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対する前記ユーザの選好を記述し、前記少なくとも１つの指定されていないエンティティに対して可能な意味を推定することはさらに、前記検索入力の一部を前記ユーザ選好シグネチャによって記述される前記ユーザの選好と比較することに基づく、項目２９に記載の方法。
（項目３７）
ユーザ選好シグネチャを提供することであって、前記ユーザ選好シグネチャは、
（ｉ）特定のコンテンツアイテム、および（ｉｉ）前記コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対する前記ユーザの選好を記述する、ことと、
前記ユーザ選好シグネチャによって記述される前記ユーザの選好に基づいて、前記少なくとも１つのコンテンツアイテムを順序付けることと
をさらに含む、項目２９に記載の方法。
（項目３８）
検索入力の曖昧部分を解決することに基づいて、前記検索入力におけるユーザの意図を推定する方法であって、前記方法は、
一組のコンテンツアイテムへのアクセスを提供することであって、前記コンテンツアイテムの各々は、前記対応するコンテンツアイテムを記述するメタデータに関連付けられている、ことと、
ユーザ選好シグネチャを提供することであって、前記ユーザ選好シグネチャは、（ｉ）特定のコンテンツアイテム、および（ｉｉ）前記コンテンツアイテムに関連付けられたメタデータのうちの少なくとも１つに対する前記ユーザの選好を記述する、ことと、
検索入力を前記ユーザから受信することであって、前記検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記検索入力の一部が曖昧識別子を含むことを決定することであって、前記曖昧識別子は、少なくとも部分的に、前記少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記ユーザ選好シグネチャによって記述される前記ユーザの選好と一致する、前記検索入力の部分に基づいて、前記曖昧識別子に対する意味を推定することと、
前記検索入力および前記曖昧識別子の前記推定される意味を前記コンテンツアイテムに関連付けられたメタデータと比較することに基づいて、コンテンツアイテムを前記一組のコンテンツアイテムから選択することと
を含む、方法。
（項目３９）
前記曖昧識別子は、代名詞または虚辞である、項目３８に記載の方法。
（項目４０）
前記曖昧識別子は、エンターテイメントジャンルの識別子である、項目３８に記載の方法。
（項目４１）
前記曖昧識別子は、名前の少なくとも一部である、項目３８に記載の方法。
（項目４２）
前記コンテンツアイテムに関連付けられた前記メタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む、項目３８に記載の方法。
（項目４３）
前記ユーザ選好シグネチャは、前記ユーザによって提供される明示的選好に基づく、項目３８に記載の方法。
（項目４４）
前記ユーザ選好シグネチャは、一定の時間期間にわたって行われるユーザによるコンテンツアイテムの選択を分析することに基づく、項目３８に記載の方法。
（項目４５）
前記ユーザ選好シグネチャは、前記コンテンツアイテムに関連付けられたメタデータに対する前記ユーザの選好を記述し、前記メタデータは、前記ユーザによって好まれるエンティティを含む、項目３８に記載の方法。
（項目４６）
前記コンテンツアイテムは、メディアエンターテイメントアイテムを含み、前記メタデータは、クルー、登場人物、俳優、チーム、リーグ、トーナメント、運動選手、作曲家、音楽のアーティスト、演奏者、アルバム、曲、ニュースパーソナリティ、およびコンテンツ配信業者のうちの少なくとも１つを含む、項目３８に記載の方法。
（項目４７）
前記コンテンツアイテムは、電子メールアイテムを含み、前記メタデータは、電子メールスレッド、連絡先、送信者、受信者、会社名、事業部署、事業部門、電子メールフォルダ、およびオフィスの場所情報のうちの少なくとも１つを含む、項目３８に記載の方法。（項目４８）
前記コンテンツアイテムは、旅行関連アイテムを含み、前記メタデータは、都市、ホテル、ホテルブランド、個々の着目点、着目点のカテゴリ、小売店チェーン、レンタカーウェブサイト、およびレンタカー会社名のうちの少なくとも１つを含む、項目３８に記載の方法。
（項目４９）
前記コンテンツアイテムは、電子商取引アイテムを含み、前記メタデータは、製品アイテム、製品カテゴリ、製品サブカテゴリ、製品ブランド、および小売店のうちの少なくとも１つを含む、項目３８に記載の方法。
（項目５０）
前記コンテンツアイテムは、ネットワークベースの文書を含み、前記メタデータは、ドメイン名、インターネットメディアタイプ、ファイル名、ディレクトリ、およびファイル名拡張子のうちの少なくとも１つを含む、項目３８に記載の方法。
（項目５１）
前記コンテンツアイテムは、アドレスブックアイテムを含み、前記メタデータは、連絡
先名、電子メールアドレス、電話番号、住所、および雇用主のうちの少なくとも１つを含む、項目３８に記載の方法。
（項目５２）
検索入力の曖昧部分を解決することに基づいて、前記検索入力におけるユーザの意図を推定する方法であって、前記方法は、
一組のコンテンツアイテムへのアクセスを提供することであって、前記コンテンツアイテムの各々は、前記対応するコンテンツアイテムを記述するメタデータに関連付けられている、ことと、
検索入力を前記ユーザから受信することであって、前記検索入力は、少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記検索入力の一部が曖昧識別子を含むかどうかを決定することであって、前記曖昧識別子は、少なくとも部分的に、前記少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
前記検索入力の一部が曖昧識別子を含むという条件に応じて、
ユーザ選好シグネチャによって記述される前記ユーザの選好に一致する、前記検索入力の一部に基づいて、前記曖昧識別子に対する意味を推定することと、
前記検索入力および前記曖昧識別子の推定される意味を前記コンテンツアイテムに関連付けられたメタデータと比較することに基づいて、コンテンツアイテムを前記一組のコンテンツアイテムから選択することと
を行うことと、
前記検索入力が曖昧識別子を含まないという条件に応じて、前記検索入力を前記コンテンツアイテムに関連付けられたメタデータと比較することに基づいて、コンテンツアイテムを前記一組のコンテンツアイテムから選択することと
を含む、方法。
（項目５３）
前記曖昧識別子は、代名詞または虚辞である、項目５２に記載の方法。
（項目５４）
前記曖昧識別子は、エンターテイメントジャンルの識別子である、項目５２に記載の方法。
（項目５５）
前記曖昧識別子は、名前の少なくとも一部である、項目５２に記載の方法。
（項目５６）
前記コンテンツアイテムに関連付けられたメタデータは、前記コンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含む、項目５２に記載の方法。
（項目５７）
前記ユーザ選好シグネチャは、前記ユーザによって提供される明示的選好に基づく、項目５２に記載の方法。
（項目５８）
前記ユーザ選好シグネチャは、一定の時間期間にわたって行われるユーザによるコンテンツアイテム選択を分析することに基づく、項目５２に記載の方法。
（項目５９）
前記ユーザ選好シグネチャは、前記コンテンツアイテムに関連付けられたメタデータに対する前記ユーザの選好を記述し、前記メタデータは、前記ユーザによって好まれるエンティティを含む、項目５２に記載の方法。
（項目６０）
前記ユーザ選好シグネチャは、特定のコンテンツアイテムに対する前記ユーザの選好を記述する、項目５２に記載の方法。
（項目６１）
前記コンテンツアイテムは、メディアエンターテイメントアイテムを含み、前記メタデ
ータは、クルー、登場人物、俳優、チーム、リーグ、トーナメント、運動選手、作曲家、音楽のアーティスト、演奏者、アルバム、曲、ニュースパーソナリティ、およびコンテンツ配信業者のうちの少なくとも１つを含む、項目５２に記載の方法。
（項目６２）
前記コンテンツアイテムは、電子メールアイテムを含み、前記メタデータは、電子メールスレッド、連絡先、送信者、受信者、会社名、事業部署、事業部門、電子メールフォルダ、およびオフィスの場所情報のうちの少なくとも１つを含む、項目５２に記載の方法。（項目６３）
前記コンテンツアイテムは、旅行関連アイテムを含み、前記メタデータは、都市、ホテル、ホテルブランド、個々の着目点、着目点のカテゴリ、小売店チェーン、レンタカーウェブサイト、およびレンタカー会社名のうちの少なくとも１つを含む、項目５２に記載の方法。
（項目６４）
前記コンテンツアイテムは、電子商取引アイテムを含み、前記メタデータは、製品アイテム、製品カテゴリ、製品サブカテゴリ、製品ブランド、および小売店のうちの少なくとも１つを含む、項目５２に記載の方法。
（項目６５）
前記コンテンツアイテムは、ネットワークベースの文書を含み、前記メタデータは、ドメイン名、インターネットメディアタイプ、ファイル名、ディレクトリ、およびファイル名拡張子のうちの少なくとも１つを含む、項目５２に記載の方法。
（項目６６）
前記コンテンツアイテムは、アドレスブックアイテムを含み、前記メタデータは、連絡先名、電子メールアドレス、電話番号、住所、および雇用主のうちの少なくとも１つを含む、項目５２に記載の方法。

本発明の種々の実施形態のより完全な理解のために、ここで、付随の図面と併せて検討される、以下の説明を参照する。
図１は、明確化目的のために本明細書に組み込まれる、ユーザインターフェースアプローチを図示する。 図２は、明確化目的のために本明細書に組み込まれる、ユーザインターフェースアプローチを図示する。 図３は、明確化目的のために本明細書に組み込まれる、ユーザインターフェースアプローチを図示する。 図４は、明確化目的のために本明細書に組み込まれる、ユーザインターフェースアプローチを図示する。 図５は、明確化目的のために本明細書に組み込まれる、ユーザインターフェースアプローチを図示する。 図６は、エンティティおよびエンティティ間の関係を表す、グラフの実施例を図示する。 図７は、エンティティおよびエンティティ間の関係を表す、グラフの実施例を図示する。 図８は、エンティティおよびエンティティ間の関係を表す、グラフの実施例を図示する。 図９は、エンティティおよびエンティティ間の関係を表す、グラフの実施例を図示する。 図１０は、本発明の実施形態である、アーキテクチャを図示する。 図１１は、本発明の実施形態の動作の簡略化された流れ図を図示する。 図１２は、本発明の実施形態の動作の制御フローを図示する。

本発明の好ましい実施形態は、会話型やりとりにおいて、ユーザの意図を推定し、その意図を満たすための方法およびシステムを含む。ある実装は、ユーザ入力における曖昧性を解決すること、会話型やりとりに関連付けられた意図、エンティティ、および／または属性の状態を維持すること、ユーザの選好に一致するように応答を調整すること、新しい話題が開始する会話の境界を推定すること（すなわち、会話型セッションの変化を推定し）、および／または、最小対話に従事しユーザの意図を理解することを行うことが可能である。以下の概念は、本発明の実施形態を説明するために使用される。

（情報リポジトリ）
情報リポジトリは、ドメインに関連付けられ、ドメインは、類似タイプの情報および／またはあるタイプのコンテンツアイテムのグループである。あるタイプの情報リポジトリは、エンティティ、およびエンティティ間の関係を含む。各エンティティ／関係は、それぞれ、一組のタイプからのタイプを有する。さらに、一組の属性が、各エンティティ／関係に関連付けられ、一組の属性は、いくつかの実施形態では、定義された有限組の名前−値フィールドとして捕捉されることができる。エンティティ／関係マッピングが、種々のコンテンツアイテムを記述する情報を提供するので、エンティティ／関係マッピングもまた、コンテンツアイテムに関連付けられた一組のメタデータとしての役割を果たす。言い換えると、特定のエンティティは、他のエンティティと関係を有し、これらの「他のエンティティ」は、「特定のエンティティ」に対するメタデータとしての役割を果たす。加えて、マッピング内の各エンティティは、それに割り当てられる属性、または、そのエンティティをマッピング内の他のエンティティに結び付ける関係に割り当てられる属性を有することができる。集合的に、これは、エンティティ／コンテンツアイテムに関連付けられたメタデータを構成する。一般に、そのような情報リポジトリは、構造化情報リポジトリと呼ばれる。ドメインに関連付けられた情報リポジトリの実施例は、以下に続く。

メディアエンターテイメントドメインは、映画、ＴＶ番組、エピソード、クルー、役／登場人物、俳優／パーソナリティ、運動選手、試合、チーム、リーグおよびトーナメント、スポーツ選手、音楽アーティストおよび演奏者、作曲家、アルバム、曲、ニュースパーソナリティ、および／またはコンテンツ配信業者等のエンティティを含む。これらのエンティティは、情報リポジトリにおいて捕捉される関係を有する。例えば、映画エンティティは、「出演」関係を介して、１つ以上の俳優／パーソナリティエンティティに関連付けられる。同様に、映画エンティティは、「オリジナルサウンドトラック」関係を介して、音楽アルバムエンティティに関連付けられ得、ひいては、「アルバム中のトラック」関係を介して、曲エンティティに関連付けられ得る。一方、名前、説明、スケジュール情報、レビュー、評価、コスト、ビデオまたはオーディオへのＵＲＬ、アプリケーションまたはコンテンツストアのハンドル、評点等は、属性フィールドと見なされ得る。

個人用電子メール（電子メール）ドメインは、電子メール、電子メールスレッド、連絡先、送信者、受信者、会社名、企業内の部署／事業部門、電子メールフォルダ、オフィスの場所、および／またはオフィスの場所に対応する都市ならびに国等のエンティティを含む。関係の例証的実施例は、その送信者エンティティに関連する電子メールエンティティ（ならびに宛先、ｃｃ先、ｂｃｃ先、受信機、および電子メールスレッドエンティティ）を含む。一方、連絡先とその会社、部署、オフィスの場所との間の関係も、存在し得る。このリポジトリでは、エンティティに関連付けられた属性フィールドのインスタンスは、連絡先の名前、称号、電子メールハンドル、他の連絡先情報、電子メール送信／受信タイムスタンプ、件名、本文、添付、優先度レベル、オフィスの場所情報、および／または部署の名前ならびに説明を含む。

旅行関連／ホテルおよび観光ドメインは、都市、ホテル、ホテルブランド、個々の着目点、着目点のカテゴリ、消費者が対面する小売店チェーン、レンタカーサイト、および／またはレンタカー会社等のエンティティを含む。そのようなエンティティ間の関係は、場所、チェーンのメンバーシップ、および／またはカテゴリを含む。さらに、名前、説明、キーワード、コスト、サービスのタイプ、評価、レビュー等も全て、属性フィールドになる。

電子商取引ドメインは、製品アイテム、製品カテゴリおよびサブカテゴリ、ブランド、店舗等のエンティティを含む。そのようなエンティティ間の関係は、製品アイテム間の適合性情報、店舗によって「販売された」製品等を含むことができる。属性フィールドは、説明、キーワード、レビュー、評価、コスト、および／または可用性情報を含む。

アドレスブックドメインは、連絡先名、電子メールアドレス、電話番号、物理的アドレス、および雇用者等のエンティティおよび情報を含む。

本明細書に記載されたエンティティ、関係、および属性は、例証にすぎず、包括的リストであると意図されるものではない。

本発明の実施形態はまた、前述のように、構造化情報リポジトリではないリポジトリを使用し得る。例えば、ネットワークベースの文献（例えば、インターネット／Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）に対応する情報リポジトリは、リンクされた文献（エンティティ）の関係ウェブと見なされることができる。しかしながら、一般に、いずれの直接適用可能なタイプの構造も、前述の構造化情報リポジトリという意味では、重要な方法において、インターネットの要素に関連付けられたあらゆる種類のエンティティならびに関係および属性を有意義に記述することができない。しかしながら、ドメイン名、インターネットメディアタイプ、ファイル名、ファイル名拡張子等の要素が、エンティティまたは属性として、そのような情報とともに使用されることができる。

例えば、一組の非構造化テキスト文献から成るコーパスを検討すると、この場合、いずれの直接適用可能であるタイプの構造も、文献コンテンツを有意義に記述する一組のエンティティおよび関係を列挙することができない。しかしながら、事前処理ステップとしての意味論的情報抽出処理技法の適用は、そのようなコーパスから構造を部分的に明らかにすることができるエンティティおよび関係をもたらし得る。

（本発明のある実施形態下における情報リポジトリへのアクセスの例証的実施例）
以下の説明は、前述の構造化および非構造化情報リポジトリとの関連での情報読み出しタスクの例を例証する。

ある場合には、ユーザは、概して本明細書では意図タイプと呼ばれる、あるタイプの１つ以上のエンティティに関心を示し、ユーザは、そのエンティティが満たさなければならない属性フィールド制約のみを指定することによって、それを明らかにすることを所望する。時として、意図は、ユーザがあるタイプのエンティティのある属性を所望するとき、（タイプ、属性）対であり得ることに留意されたい。例えば、ユーザが、映画の評価を所望する場合、意図は、（タイプ、属性）＝（映画、評価）と見なされ得る。そのようなクエリ制約は、概して、本明細書では、属性専用制約と呼ばれる。

ユーザが、エンティティの名前を挙げるか、または所望の意図タイプエンティティの属性に直接一致するために十分な情報を指定する場合は常に、それは、属性専用制約である。例えば、ユーザが、名前およびいくつかの追加の属性（例えば、６０年代に作製された「Ｃａｐｅ Ｆｅａｒ」）によって映画を識別する場合、または見つけ出したい電子メールの件名一致を指定する場合、または値段範囲に基づいてホテルを要求する場合、または３２ＧＢ、黒色ｉＰｏｄタッチを所望することを指定する場合である。

しかしながら、ある場合には、ユーザは、意図タイプエンティティの属性フィールド制約を指定することによってだけでなく、その意図タイプエンティティがある明確な方法で関係を介して接続される他のエンティティの属性フィールド制約を指定すること、またはその名前を挙げることによって、意図タイプの１つ以上のエンティティに関心を示す。そのようなクエリ制約は、概して、本明細書では、コネクション指向型制約と呼ばれる。

コネクション指向型制約の例は、ユーザが、映画の２人以上の俳優を指定することに基づいて、または、映画俳優と映画が受賞した賞とに基づいて映画（意図タイプ）を所望する場合である。別の実施例は、電子メールに関連して、ユーザが、過去７日間に特定の会社のある送信者から受信した電子メール（意図タイプ）を所望する場合である。同様に、さらなる実施例は、ユーザが、鉄道の駅とＳｔａｒｂｕｃｋｓ店舗とに対してホテルの部屋（意図タイプ）の予約を所望する場合である。さらに別の実施例は、ユーザが、Ｎｉｎｔｅｎｄｏ Ｗｉｉとも適合性がある、Ｓａｍｓｕｎｇ製のテレビセット（意図タイプ）を所望する場合である。これらは全て、コネクション指向型制約クエリのインスタンスである。

前述のコネクション指向型制約実施例では、ユーザは、意図エンティティに接続される他のエンティティを明示的に説明または指定する。そのような制約は、概して、本明細書では、明示的コネクション指向型制約と呼ばれ、そのようなエンティティは、明示的エンティティと呼ばれる。

一方、他のクエリは、制約仕様の一部として、指定されていないまたは暗示的エンティティを含むコネクション指向型制約を含む。そのような状況では、ユーザは不明なアイテムとユーザが知っているアイテムとの間の関係を通して、不明な情報、エンティティ、属性等の識別を試みる。そのような制約は、概して、本明細書では、暗示的コネクション指向型制約と呼ばれ、指定されていないエンティティは、概して、本明細書では、制約の暗示的エンティティと呼ばれる。

例えば、ユーザは、映画中の２人の登場人物の名前を挙げることを介して、探している映画の識別を所望し得る。しかしながら、ユーザは、登場人物のうちの１人の名前を思い出せないが、特定の俳優がその登場人物を演じたことを思い出す。したがって、そのクエリでは、一方の登場人物を名前で述べ、登場人物が特定の俳優によって演じられたことを述べることによって不明な登場人物を識別する。

電子メールリポジトリに関連して、例として、先週、電子メール（属性指定子）を介して紹介された、指定された会社「Ｉｎｔｅｌ」からの指定されていない男性からの最後の電子メール（意図）を見つけることを所望するユーザが挙げられる。この場合、暗示的エンティティは、先週、ユーザとの初めての一般電子メール受信者となった従業員／会社関係を介して、「Ｉｎｔｅｌ」からの取引先担当者を調べることによって発見されることができる、取引先担当者である。

暗示的コネクション指向型制約のさらなる実施例は、以下により詳細に説明される。

コネクション指向型制約に関連して、情報リポジトリのエンティティおよび関係をグラフのノードおよびエッジにマップすることは有用である。グラフモデルを特に採用する動機は、単に、リンク距離、ある場合には、最短経路および最小重みツリー等の概念によって、自然言語会話における関連性、近接性、および同系性が、モデル化されることができるという観察によるものである。ユーザ対話が実際に求められるエンティティに関連する他のエンティティを伴う場合の会話中、単純グラフ検索問題として情報読み出しに対処するサブルーチンが、文構造の深い明確な理解への依存を低減させるのに効果的に役立つ。そのようなアプローチは、システム実装利点をもたらす。ユーザの意図計算が、曖昧または不確定である場合でも、エンティティがユーザの発話内で認識される限り、グラフ解釈ベース問題の処理は、以下により詳細に記載されるように、システムが、それ以外の可能なものよりはるかに知的な様式において応答することを可能にする。

（属性専用制約）
以下は、ユーザが属性専用制約を指定可能な情報読み出し技法の実施例である。これらの技法のいくつかは、当技術分野（指定される場合）において公知であるが、概念は、これらの基本技法が、本明細書に説明される本発明の技法とどのように併用され、ユーザ経験を向上させ、ユーザの入力に対する応答において返される検索結果の質を改善し得るかを例証示するために、本明細書に提示される。

（映画／ＴＶ検索インターフェースからの情報読み出しの間の属性専用制約の実施例）
図１は、当技術分野において公知の映画およびテレビコンテンツに対する検索エンジンのための検索インターフェース１００（すなわち、ＩＭＤｂ検索インターフェース）を示す。図１は、ユーザが、エンティティタイプまたは属性を明示的に選択することを可能にする、プルダウン制御１０５を含む。例えば、タイトルは、意図エンティティタイプが映画またはＴＶ番組であることを意味し、ＴＶエピソードは、意図タイプがエピソードであることを意味し、名前は、意図タイプがパーソナリティであることを意味し、会社は、意図タイプが会社（例えば、制作会社またはスタジオ等）であることを意味し、登場人物は、意図タイプが役であることを意味する。一方、キーワード、引用、およびプロットは、検索されることが求められる映画またはＴＶ番組あるいはエピソードのタイプの意図エンティティに関連付けられた属性フィールドを指定する。一方、プルダウン制御１１０は、ユーザが、映画、エピソード、またはＴＶ番組のタイプのエンティティに対する属性のみを指定することを可能にする。

図２は、ＴＭＤＢ検索インターフェース（当技術分野において公知）２００の高度タイトル検索グラフィカルユーザインターフェースを示す。ここでは、タイトルタイプ選択肢２０５は、意図エンティティタイプの選択を意味する。一方、公開日２１０、ユーザ評価２１５、および投票数２２０は全て、映画、ＴＶ番組、エピソード等のタイプのエンティティの属性である。ここに示されるジャンル２２５およびタイトルグループ２３０の数が、十分に少ないと見なされる場合、それらのジャンルおよびタイトルグループは、エンティティの記述的属性と見なされることができる。したがって、ここでのジャンルおよびタイトルグループセクションもまた、属性制約を指定する方法である。タイトルデータ２３５セクションは、データ源属性に対応する制約を指定する。

（電子商取引検索インターフェースからの情報読み出しの間の属性専用制約の実施例）
図３は、当技術分野において公知の電子商取引ウェブサイトの検索ユーティリティのためのグラフィカルユーザインターフェース３００を図示する。前述の実施例では、ユーザインターフェースは、ユーザが、情報リポジトリ内の任意の検索を開始する前に、組の属性制約を指定することを可能にした。一方、図３は、ユーザが、最初に、テキスト専用検索クエリ「カーステレオ」を起動した後のユーザインターフェースを示す。テキスト検索クエリ３０５に対してテキスト検索エンジンによって返された特定の結果に関連付けられた特徴および属性に基づいて、検索後ユーザインターフェースが、ユーザがそれらに対してさらに属性制約を指定することを可能にする、この組の検索結果に対する属性の一部を動的に取り上げることによって構築される。その結果、ユーザは、最初に、テキスト検索またはカテゴリフィルタリングを行い、次いで、さらなる属性に関する制約を指定する特定のフローを辿らせられる。

最初の検索後、検索後属性フィルタが続く、この「ハードコード化」フローは、単に、ユーザが考えている製品のなんらかの考えを有することなしには、有意義な属性の全てを前もって表示することができないため、このスタイルのグラフィカルユーザインターフェースの基本的限界から生じる。そのようなアプローチは、ユーザが、検索の開始時に考えている属性制約のうちのいくつかを表すことを所望し得るため、本明細書に開示される本発明の技法ほど効率的ではない。この問題は、部分的には、データベース内の各個々の製品に対する異なる属性の数は有限数であるが、集合組としては、典型的には、グラフィカルユーザインターフェースが十分な数の属性を表示することができないほど大きく、それによって、ハードコード化フローにつながるという事実に起因する。

本明細書に開示される会話型インターフェース実施形態は、物理的空間制限に悩まされないことに留意されたい。したがって、ユーザは、最初のユーザ入力において、任意の属性制約を容易に指定することができる。

（明示的コネクション指向型制約）
以下は、情報読み出しシステムにおいて採用される明示的コネクション指向型制約の実施例である。ノードおよびエッジのグラフモデル専門用語もまた、エンティティおよび関係の専門用語と同様に、コネクション指向型制約を説明するために使用され得る。

属性専用制約インターフェースを使用するとき、ユーザは、意図エンティティに関するタイプおよび属性制約のみを指定する。一方、明示的接続ノード制約インターフェースを使用するとき、ユーザは、加えて、指定された種類のエッジコネクションを介して、意図ノードに接続された他のノードに関するタイプおよび属性制約も指定することができる。情報読み出しの間、明示的接続ノード制約を採用する、当技術分野において公知のインターフェースの一実施例は、図４に示される映画／ＴＶ情報検索エンジン４００である。

全映画およびＴＶパーソナリティにわたる可能な死亡場所および出身地４０５の数が、膨大な数であることを考慮して、出身地および死亡場所は、映画情報リポジトリグラフ内の属性ではなく、ノードとして取り扱われる。したがって、グラフィカルユーザインターフェース４００内の出身地および死亡場所明細は、意図されるパーソナリティノードに接続されたノードに対する明細である。グラフィカルユーザインターフェース４００内の映画作品目録フィルタ４１０は、ユーザが、再び、意図されるパーソナリティノードに接続された別のノードである、映画またはＴＶ番組ノード等の名前を指定することを可能にする。グラフィカルユーザインターフェースの図５に示される他のフィルタ５００は、意図されるノードの属性の指定子である。

グラフィカルユーザインターフェース４００の第１の部分では、ユーザは、その意図が、これらのノードの両方において共演したパーソナリティを得ることであるとき、２つの映画またはＴＶ番組ノードを指定し得る。このグラフィカルＵＩの第２の部分では、ユーザは、その意図が、彼らの共演に対応する映画またはＴＶ番組ノードを得ることであるとき、２人のパーソナリティノードを指定し得る。両方の場合において、ユーザは、その意図されるノード以外の接続されたノードを指定し、それによって、これを明示的接続ノード制約にする。しかしながら、当技術分野において公知のインターフェースは、以下に説明されるように、あるタイプの明示的接続ノード制約（明示的コネクション指向型制約）をサポートしない。

図６は、ユーザが、Ｓｅａｎ Ｃｏｎｎｅｒｙ主演の架空の登場人物Ｊａｃｋ Ｒｙａｎに基づいて映画を探す場合、所望の結果に到達するために、本明細書に開示される本発明の技法によって分析される、ノード（エンティティ）およびエッジ（関係）のグラフ６００を図示する。ユーザは、クエリ「Ｊａｃｋ Ｒｙａｎが登場人物のＳｅａｎ Ｃｏｎｎｅｒｙが主演した映画は？」を提供し得る。本明細書における技法は、以下のように、構造化情報リポジトリを考慮して、クエリを解釈する。すなわち、エッジ６０５によって、「Ｊａｃｋ Ｒｙａｎ」６１０と名付けられた役のタイプの明示的ノードに接続され、かつ、「出演」エッジ６１５を介して、「Ｓｅａｎ Ｃｏｎｎｅｒｙ」６２０と名付けられたパーソナリティのタイプの明示的ノードに接続された映画（意図）のタイプのノードを得る。本明細書に説明される技法は、映画「Ｔｈｅ Ｈｕｎｔ ｆｏｒ ｔｈｅ Ｒｅｄ Ｏｃｔｏｂｅｒ」６２５をその結果として返す。

再び、図６を参照すると、ユーザが、「Ｊａｃｋ Ｒｙａｎの登場人物を演じた全ての俳優は？」と尋ねたと仮定すると、開示される技法は、以下のように、クエリを解釈するであろう。
「出演」エッジ６３０によって、「Ｊａｃｋ Ｒｙａｎ」６１０と名付けられた役のタイプの明示的ノードに接続されたパーソナリティのタイプ（意図）のノードを得る。本明細書に開示される本発明のシステムの実施形態は、俳優「Ａｌｅｃ Ｂａｌｄｗｉｎ」６３５、「Ｈａｒｒｉｓｏｎ Ｆｏｒｄ」６４０、および「Ｂｅｎ Ａｆｆｌｅｃｋ」６４５を返すであろう。

さらなる実施例は、ユーザが、Ｊｏｈｎ Ｇｒｉｓｈａｍの書籍に基づく、Ｔｏｍ Ｃｒｕｉｓｅ主演の映画の名前を尋ねる場合である。したがって、クエリは、以下となる。すなわち、「出演」エッジによって、「Ｔｏｍ Ｃｒｕｉｓｅ」と名付けられたパーソナリティのタイプの明示的ノードに接続され、「作者」エッジによって、「Ｊｏｈｎ Ｇｒｉｓｈａｍ」と名付けられたパーソナリティのタイプの明示的ノードに接続された映画のタイプ（意図）のノードを得る。本明細書に開示される本発明のシステムの実施形態は、映画「Ｔｈｅ Ｆｉｒｍ」を返すであろう。

（暗示的コネクション指向型制約）
以下の実施例は、特定の情報読み出し目標のために使用される暗示的コネクション指向型制約および暗示的エンティティを図示する。最初の２つの実施例は、エンティティおよび関係の専門用語を使用した。

一実施例では、ユーザは、指定された役（例えば、登場人物Ｔｏｎｙ Ｍｏｎｔａｎａ）に関する指定されていない映画において、指定された俳優／パーソナリティ（例えば、Ｍｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒ）によって演じられた役（意図）を所望する。この場合、ユーザの制約は、指定されていないまたは暗示的エンティティを含む。暗示的エンティティは、映画「Ｓｃａｒｆａｃｅ」である。図７は、所望の結果に到達するために、本明細書に開示される技法によって分析される、エンティティおよび関係のグラフ７００を図示する。グラフ７００は、構造化情報リポジトリの例証的視覚表現である。具体的には、暗示的映画エンティティ「Ｓｃａｒｆａｃｅ」７０５は、映画エンティティ「Ｓｃａｒｆａｃｅ」７０５と俳優エンティティ「Ｍｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒ」７１５との間の「出演」関係７１０と、登場人物エンティティ「Ｔｏｎｙ Ｍｏｎｔａｎａ」７２５と映画エンティティ「Ｓｃａｒｆａｃｅ」７０５との間の「登場人物」関係７２０とを介して到達される。「Ｍｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒ」によって演じられた役エンティティ「Ｅｌｖｉｒａ Ｈａｎｃｏｃｋ」７３０が、次いで、「Ｍｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒ」に対する「出演」関係７３５と映画エンティティ「Ｓｃａｒｆａｃｅ」７０５に対する「登場人物」関係７４０とによって、発見される。

さらなる実施例では、ユーザが、指定された俳優エンティティ「Ｓｃａｒｌｅｔｔ Ｊｏｈａｎｓｓｏｎ」と指定された映画エンティティ「Ｓｔａｒ Ｗａｒｓ」における「Ｏｂｉ−Ｗａｎ Ｋｅｎｏｂｉ」の指定された役を演じた指定されていない俳優エンティティとが主演の映画（意図）を所望すると仮定する。この場合、暗示的エンティティは、俳優エンティティ「Ｅｗａｎ ＭｃＧｒｅｇｏｒ」であり、結果として生じるエンティティは、「Ｓｃａｒｌｅｔｔ Ｊｏｈａｎｓｓｏｎ」および「Ｅｗａｎ ＭｃＧｒｅｇｏｒ」主演の映画「Ｔｈｅ Ｉｓｌａｎｄ」である。図８は、所望の結果に到達するために、本明細書に開示される技法によって分析されるエンティティおよび関係のグラフ８００を図示する。具体的には、暗示的俳優エンティティＥｗａｎ ＭｃＧｒｅｇｏｒ８０５は、少なくとも１つの映画エンティティＳｔａｒ Ｗａｒｓ８１５との出演関係８１０を介して、かつ登場人物エンティティＯｂｉ−Ｗａｎ Ｋｅｎｏｂｉ８２５に対する登場人物関係８２０を介して、到達され、順に、登場人物関係８３０を介して、映画エンティティＳｔａｒ Ｗａｒｓ８１５に関連する。一方、結果エンティティＴｈｅ Ｉｓｌａｎｄ８３５は、俳優／パーソナリティエンティティＳｃａｒｌｅｔｔ Ｊｏｈａｎｓｓｏｎ８４５と映画エンティティＴｈｅ Ｉｓｌａｎｄ８３５との間の出演関係８４０と、暗示的俳優エンティティＥｗａｎ ＭｃＧｒｅｇｏｒ８０５と映画エンティティＴｈｅ Ｉｓｌａｎｄとの間の出演関係８５０とを介して到達される。

図９は、所望の結果に到達するために、本明細書に開示される技法によって分析されるエンティティおよび関係のグラフ９００を図示する。本実施例は、ノードおよびエッジの専門用語を使用する。ユーザは、Ｄａｎｉｅｌ Ｃｒａｉｇ主演の新しい映画のＬｅｄ Ｚｅｐｐｅｌｉｎの曲をカバーしたバンドが存在することを知っている。ユーザは、カバーされた曲の名前も、映画の名前も思い出せないが、そのＬｅｄ Ｚｅｐｐｅｌｉｎのカバーを行ったバンドの他の音楽（すなわち、曲）の探索を所望する。したがって、Ｌｅｄ Ｚｅｐｐｅｌｉｎ（曲の作曲家として）およびＤａｎｉｅｌ Ｃｒａｉｇ（映画内の俳優として）の既知のエンティティを指定することによって、介在する暗示されるノードが、ユーザの所望の結果を満たすために発見される。したがって、本明細書の本発明の技法の実施形態は、以下のようにクエリ制約を構成する。すなわち、「作曲家」エッジ９０５によって、バンド９１０のタイプ（Ｔｒｅｎｔ Ｒｅｚｎｏｒ）の暗示的ノードに接続された曲（意図）のタイプのノードを返す。なぜなら、このバンドノードは、曲９２０のタイプ（Ｉｍｍｉｇｒａｎｔ Ｓｏｎｇ）の暗示的ノードとの「カバー演奏者」エッジ９１５を有し、曲９２０は、順に、「Ｌｅｄ Ｚｅｐｐｅｌｉｎ」９３０と名付けられたバンドのタイプの明示的ノードとの「作曲家」エッジ９２５を有し、かつ、さらに、曲９２０は、アルバム９４０のタイプ（Ｇｉｒｌ ｗｉｔｈ ｔｈｅ Ｄｒａｇｏｎ Ｔａｔｔｏｏ Ｏｒｉｇｉｎａｌ Ｓｏｕｎｄ Ｔｒａｃｋ）の暗示的ノードとの「アルバム内のトラック」エッジ９３５とを有し、アルバム９４０は、映画９５０のタイプ（Ｇｉｒｌ ｗｉｔｈ ｔｈｅ Ｄｒａｇｏｎ Ｔａｔｔｏｏ Ｏｒｉｇｉｎａｌ Ｓｏｕｎｄ Ｔｒａｃｋ）の暗示的ノードとの「オリジナルサウンドトラック（ＯＳＴ）」エッジ９４５を有し、映画９５０は、「Ｄａｎｉｅｌ Ｃｒａｉｇ」９６０と名付けられたパーソナリティのタイプの明示的ノードとの「出演」エッジ９５５を有するからである。

前述のように、情報読み出しのための公知の技法およびシステムは、種々の問題に悩まされる。本明細書に説明されるのは、本発明の会話型相互作用インターフェースの実施形態である。これらの実施形態は、ユーザが、それに話し掛けること、随意に、物理的相互作用（例えば、インターフェース、キーパッド、キーボード、および／またはマウスに触れること）によって選択肢を選択することにより、クエリおよび／または命令を投げ掛けることによって、情報読み出しシステムと相互作用することを可能にする。ユーザクエリに対する応答は、発話するための機械生成音声テキストによって行われ得、ユーザ画面上に表示される情報によって補完され得る。会話相互作用インターフェースの実施形態は、一般に、情報読み出しセッションが一連の動作であり、動作の各々が、ユーザが最初にクエリまたは命令を投げ掛け、システムがユーザに応答を提示するように、ユーザが、先行クエリに対する情報読み出しシステムの応答に反応して、その次の情報読み出しクエリまたは命令を投げ掛けることを可能にする。

本発明の実施形態は、本明細書で論じられるクエリ制約のためのグラフィカルユーザインターフェースより有力かつ表現的な理論的枠組みである。多くの状況では、特に、多数の可能な属性または明示的および暗示的に接続されたノードの存在の中から柔軟に選択を行う場合、グラフィカルユーザインターフェースアプローチは、良好に機能しないか、または全く機能しない。そのような場合、本発明の会話型相互作用インターフェースの実施形態は、はるかに自然に調和する。さらに、本発明の実施形態は、グラフィカルユーザインターフェースと比較して、ユーザが指定し得る異なる属性の数ならびに明示的接続ノード制約の数および暗示的ノード制約の数の観点からより拡張性がある。

（会話型システムアーキテクチャ）
図１０は、本発明の実施形態の全体的システムアーキテクチャ１０００を表す。ユーザ１００１が、音声テキストエンジン１００２にフィードされる質問を発する。入力は、音声であり得るが、実施形態は、入力が直接テキスト入力であることも除外しない。ユーザ入力からのテキスト形式は、セッション対話コンテンツモジュール１００３にフィードされる。このモジュールは、会話セッションを通して状態を維持し、その重要となる使用は、以下に説明されるように、会話の間、ユーザの意図を理解するのに役立つことである。

セッション対話コンテンツモジュール１００３は、言語分析器１００６、ドメイン特定名前エンティティ認識器１００７、ドメイン特定コンテキストおよび意図分析器１００８、個人化ベースの意図分析器１００９、ドメイン特定グラフエンジン１０１０、および用途特定属性検索エンジン１０１１（全て、以下により詳細に説明される）と共に、基準をクエリ実行エンジン１００４に返すように、ユーザ入力を処理する。クエリ実行エンジン１００４は、その基準を使用して、情報およびコンテンツの任意の利用可能なソースの検索を行い、結果の組を返す。

応答トランスコーディングエンジン１００５は、例えば、ユーザが相互作用しているデバイスにおける実行ために、その結果の組をユーザにディスパッチする。デバイスが、ディスプレイ制約を伴わないタブレットデバイスである場合、本発明の実施形態は、ディスプレイを活用して、ユーザが意図を表すために相互作用することができる、本質的に、図７、６、９、および８に類似するコネクションのグラフィカル表現を示し得る。スマートフォン等のディスプレイ制約デバイスでは、応答トランスコーディングエンジン１０５は、テキストおよび／または音声（標準的テキスト／音声エンジンを使用して）で応答し得る。

図１０は、特定のドメインに対するモジュールを示す、会話アーキテクチャであるが、本実施形態は、ユーザ入力を取り込み、ユーザの意図が複数のドメインに及び得る対話に従事することができる会話インターフェースである。本発明のある実施形態では、これは、図１０に示されるドメイン特定アーキテクチャの複数のインスタンスを有し、ドメインにわたって意図の重みをスコア化し、ユーザの意図を決定することによって達成される。このスコア化機構はまた、会話の話題切り替えを暗示的に決定するために使用される（例えば、エンターテイメント情報読み出しセッション中に、ユーザが、「お腹が空いた」と述べ得る）。

図１１は、本発明の実施形態の動作の簡略化された流れ図を図示する。最初に、ユーザの音声入力が、音声認識エンジン１１０１によって、テキストに変換される。入力は、次いで、意図、エンティティ、および属性１１０２に分解される。本プロセスは、先行会話状態１１０３からの情報によって支援される。意図、エンティティ、および属性への分解は、システムが、ユーザ１１０４に対する応答を生成することを可能にする。また、会話状態１１０３は、現在のユーザ入力の修正および任意の関連する返された応答情報を反映するように更新される。

図１２は、制御フローをより詳細に図示する。最初に、ユーザの音声が、テキスト１２０１として、プロセスに入力される。テキストとしてのユーザ入力を受信すると、クエリ実行協調が、生じる１２０２。クエリ実行協調１２０２は、ユーザ入力の分解を監視し、ユーザの入力を理解する。クエリ実行協調１２０２は、ユーザ入力を解析し、解析ツリーを生成する言語分析１２０３を利用する。クエリ実行協調１２０２はまた、対話状態１２０８の維持および更新を利用する。解析ツリーおよび任意の関連対話状態値は、意図分析１２０４、エンティティ分析１２０５、および属性分析１２０６を行うモジュールに渡される。これらの分析プロセスは、これらの３つの分析ステップの連続処理が可能でないこともあるので、並行して機能する。例えば、ユーザ入力のある場合には、エンティティの認識は、意図の認識を必要とし、その逆もあり得る。これらの相互依存性は、入力が完全に分析されるまで、関連モジュールによる入力の複数回の受け渡しによってのみ解決されることができる。分解および分析が完了すると、ユーザに対する応答が、生成される１２０７。対話状態もまた、現在の入力の修正および関連結果の応答を反映させるように、更新される１２０８。言い換えると、ある言語要素（例えば、発話／認識単語および／または語句）が、現在の会話セッションに関連付けられる。

再び、図１０を参照すると、一例証的実施形態では、セッション対話コンテンツモジュール１００３は、言語分析器１００６、ならびに以下により詳細に説明される、他の認識器モジュール、分析器モジュール、および／またはエンジンと共に、図１２に関連して記載された分析ステップを行い、文をその構成部品に分解する。言語分析器１００６は、ユーザ入力から生成されたテキストから解析ツリーを作成し、他の認識器モジュール、分析器モジュール、および／またはエンジンは、解析ツリーに基づいて動作し、構成部品を決定する。それらの部品は、（１）意図−ユーザの実際の意図（「映画を見つける」、「曲を演奏する」、「チャネルに合わせる」、「電子メールに応答する」等）、（２）エンティティ−意図を記述するかまたは意図に関連付けられた名詞または代名詞語句、および（３）属性−「最新」映画、「あまり」暴力的ではない等のエンティティの修飾語句として、広く分類されることができる。他の構成部品カテゴリも、本発明の範囲内である。

知的かつ有意義な会話を提供する目標に関連して、意図は、全３つのカテゴリの中で最も重要である。任意の優れた検索エンジンは、文法または意図を理解することなしに、単に、エンティティを文から抽出することによって、情報読み出しタスクを非常に良好に行うことができる。例えば、以下のユーザ質問「娘はｐｕｌｐ ｆｉｃｔｉｏｎを私と見ることができるかな？」。ほとんどの検索エンジンは、ｐｕｌｐ ｆｉｃｔｉｏｎのリンクを示し、これは、そのリンクを検討することから最も利用可能な可能性が高い評価を見つけるために十分であり得る。しかし、会話型インターフェースでは、期待は、明らかに、より高いものである。システムは、理想的には、映画の評価およびそれが適切な年齢層の期待される応答に対応する（映画、評価）意図を理解しなければならない。検索エンジンのものに成り下がった会話型インターフェースの応答は、ユーザの視点からは、システムの故障も同然である。意図決定と、さらに重要なこととして、意図が不明または明確に判別不能であるとき、ヒトの応答により近いユーザの質問への応答とは、検索エンジンよりヒトの相互作用により近くあろうとする会話型インターフェースにとって、重要な側面である。

本実施例では、ユーザは、単語「評価」を使用していないが、システムは、以下により詳細に説明される一組のルールおよび／または単純ベイズ分類器に基づいて、単語「見ることができるかな？」から、ユーザが評価を探していることを推定する。一方、「娘」は、属性として認識され得る。娘が番組を見るためには、いくつかの基準が満たされなければならない。すなわち、番組のタイミング、番組の可用性、および「面白さ」または評価である。この条件は、「息子（ｓｏｎ）」、「少女（ｇｉｒｌ）」、「少年（ｂｏｙ）」等の他の属性によってもトリガされ得る。これらは、ルールベースのドメイン特定意図、または、この場合、評価および番組のタイミングを探すためのドメイン特定訓練組に基づく単純ベイズ分類器スコア化であり得る。また、視聴されるエンティティによって駆動される、これらの条件の充足可能性に対する重み係数も存在し得る。

意図分析器１００８は、あるドメインに対して意図を分析および分類し、他のモジュール、すなわち、ドメイン特定エンティティ認識器１００７、ユーザの個人用選好に基づいて意図を分類する個人化ベースの意図分析器１００９、およびドメイン特定グラフエンジン１０１０と連携する、ドメイン特定モジュールである。属性特定検索エンジン１０１１は、属性の認識を支援し、その重みは、絞り込むエンティティに影響を及ぼす。

意図分析器１００８は、本発明のある実施形態では、ルール駆動型意図認識器および／または監視される訓練を伴う単純ベイズ分類器である。ルールおよび／または訓練組は、種々の単語および単語組が、ユーザの意図にどのように関連するかを捕捉する。入力として、解析ツリー、エンティティ認識器出力、および属性特定検索エンジン出力（上記および以下に論じられる）を取り込む。いくつかの実装では、ユーザ入力は、入力が完全に解決されるまで、複数のエンティティ認識、属性認識、および意図認識ステップを通過し得る。意図認識器は、文の意図を解読し、また、意図の意味合いの差異を解読する。例えば、「映画Ｔｏｐ Ｇｕｎを見たい」対「Ｔｏｐ Ｇｕｎのような映画を見たい」を検討すると、解析ツリーは、異なるであろう。この差異は、意図認識器が、「ような」の意味を区別するのを支援する。ルールベースの認識は、まさにその名が含意するように、予め定義されたルールに基づいて、文を認識する。予め定義されたルールは、ドメイン空間、例えば、エンターテイメントに特有である。しかしながら、単純ベイズ分類器構成要素は、単に、意図を認識するための訓練データ組を要求する。

エンティティ認識器１０７は、前述の入力を使用して、ユーザ入力内のエンティティを認識する。エンティティの例は、「Ｔｏｍ Ｃｒｕｉｓｅの映画が見たい」における「Ｔｏｍ ｃｒｕｉｓｅ」、または「Ｗｈｅｒｅ Ｅａｇｌｅｓ Ｄａｒｅの公開はいつ？」における「Ｗｈｅｒｅ Ｅａｇｌｅｓ Ｄａｒｅ」である。ある実装では、エンティティ認識器１００７は、ルール駆動型および／またはベイズ分類器であることができる。例えば、名詞および動名詞等の言語要素は、一組のルール内のエンティティとして指定されることができるか、またはその関連付けは、ベイズ分類器のための監視される訓練プロセスの間に生じることができる。エンティティ認識は、随意に、ユーザ入力におけるエラー（音声テキスト認識におけるエラー等）に対してエラー補正または補償を伴うことができる。入力が、２つのエンティティが音声学的に一致するとき（例えば、ｎｅｗｍａｎおよびｎｅｕｍａｎ）、両方とも、可能な候補として取り上げられる。いくつかの実施形態では、これらの２つの間の解決は、ユーザ入力の残りから集められる情報によってもたらされ、エンティティ間の関係は、可能性のうちの１つを取り除き得る。ユーザ入力のサブセットのエンティティとしての分類は、重み付けにすぎない。入力が、エンティティおよび属性の両方としてスコア化され得るシナリオが存在し得る。これらの曖昧性は、多くの場合、文意味論が、ユーザ入力の後続処理を用いてより明確となるにつれて解決される。ある実施形態では、解決のために使用される構成要素は、エンティティ関係グラフである。ある実装では、エンティティ認識器１００７の出力は入力の一部がエンティティであることに対する確率スコアである。

用途特定属性検索エンジン１０１１は、「最新」、「最近」、「ような」等の属性を認識する。ここでは、再び、エンティティとの衝突が存在し得る。例えば、「Ｔｏｍｏｒｒｏｗ Ｎｅｖｅｒ Ｄｉｅｓ」は、エンティティ（映画）であり、文中で使用されると、「ｔｏｍｏｒｒｏｗ」を属性として解釈することにおいて、曖昧性が存在し得る。ｔｏｍｏｒｒｏｗの属性としてのスコアは、エンティティ関係グラフ（入力の他の要素、例えば、単語「映画」、「番組」、「俳優」等に依存し得る）によって決定されるように、「Ｔｏｍｏｒｒｏｗ Ｎｅｖｅｒ Ｄｉｅｓ」の一部としての「ｔｏｍｏｒｒｏｗ」のスコアより低くあり得る。属性検索エンジン１０１１の出力は、エンティティ認識器１００７の出力のものと同様に、入力単語に対する確率スコアである。

言語分析器１００６は、アーキテクチャ内のプラガブルモジュールであり、システムが、複数の言語をサポートすることを可能にする。ユーザ入力の意味論の理解は、言語分析器１００６のみに制約されないが、対話コンテキストモジュール１００３またはグラフエンジン１０１０等のアーキテクチャのコアモジュールは、言語独立型である。前述のように、言語モジュールのみでは、文を分析し、代名詞をその主語／目的語等に関連させる等のタスクを行うこと程度しかできず（例えば、「最近のＤａｎｉｅｌ Ｃｒａｉｇの映画のオリジナルサウンドトラック中のＬｅｄ Ｚｅｐｐｅｌｉｎの曲って、誰が演奏しているの？」）、それは、孤立していては、やりとりを通して代名詞を関連付けるために、非効果的である。セッション対話コンテキストモジュール１００３との相互作用は、以下のように、やりとりを通して代名詞の解決を可能にする。
Ｑ１：新しいスターウォーズでＯｂｉ−ｗａｎ Ｋｅｎｏｂｉを演じたのは？
Ａ：Ｅｗａｎ ＭｃＧｒｅｇｏｒ
Ｑ２：Ｓｃａｒｌｅｔ Ｊｏｈａｎｓｓｏｎとの彼の映画は？
一見、この対話セッションコンテキストは、最後のアクティブエンティティまたは複数のエンティティの単純状態維持に見えるが、以下の実施例は、対話セッションコンテキストにおける潜在的な複雑性を示す。
Ｑ１：Ｋｒａｍｅｒ ｖｓ Ｋｒａｍｅｒで主役を演じたのは誰？
Ａｌ：Ｍｅｒｙｌ ＳｔｒｅｅｐとＤｕｓｔｉｎ Ｈｏｆｆｍａｎです。
Ｑ２：彼の他の映画は？
Ａ２：こちらが、Ｄｕｓｔｉｎ Ｈｏｆｆｍａｎの映画の一部です・・・［Ｄｕｓｔｉｎ Ｈｏｆｆｍａｎの映画のリスト］
Ｑ３：彼女の他の映画は？
Ａ３：［該当する場合、映画のリスト］
Ｑ４：彼の初期の映画だけは？
Ａ４：［該当する場合、映画のリスト］
Ｑ５：彼女の最近の映画は？
Ａ５：［該当する場合、映画のリスト］
Ｑ６：最近、２人が再び共演したものは？
Ａ６：［該当する場合、映画のリスト］
Ｑ７：それ以降、２人が再び共演したものは？
前述の実施例では、エンティティＭｅｒｙｌ ＳｔｒｅｅｐおよびＤｕｓｔｉｎ Ｈｏｆｆｍａｎは、６つの質問において、時として、一緒に、時として、別個に、間接的に参照されている。前述の例はまた、本発明の実施形態と、中心テーマの周囲で探索的やりとりに従事する単純要求応答システムとの重要な区別の１つを例証する。本発明の実施形態は、やりとりにおける曖昧性を解決するだけではなく、同時に、会話の早い段階で述べられたエンティティおよび／または意図の暗示的参照を用いた探索的やりとり、すなわち、高度なヒトの相互作用において自然に行われるものを促進する。ある実施形態では、これは、このユーザ入力を先行ユーザ入力および／またはシステム応答に連結する、単語および／または語句である、言語連結要素の認識を通して行われる。前述に提供される例を参照すると、代名詞「彼の」、「彼女の」、および「彼らの」は、このユーザ入力を先行ユーザ入力および／またはシステム応答に連結する単語である。他の代名詞ならびに虚辞も、言語連結要素として作用することができる。

後の質問においてユーザによって使用される特定の単語または語句が、先行入力（または、先行入力のある他の部分）において述べられたエンティティに対する好適または適切なリンクであるかどうは、先行エンティティの属性と潜在的連結要素の属性とを調べることによって決定される。例えば、「彼の」は、Ｄｕｓｔｉｎ Ｈｏｆｆｍａｎが男性であり、「彼の」が男性代名詞であるため、前述の例におけるＤｕｓｔｉｎ Ｈｏｆｆｍａｎに対する好適なリンクである。さらに、「彼の」は、所有代名詞であり、ユーザがＤｕｓｔｉｎ Ｈｏｆｆｍａｎが出演する映画を参照しているため、適切である。

以下の例は、ユーザが、前のやりとりにおいて明示的にさえ指定されていないエンティティを参照するもの（暗示的コネクション指向型制約）を例証する。言い換えると、ユーザは、対話状態の一部として保存されたエンティティを識別しない。
Ｑ１：身体的障害を抱えた科学者が、非炭素系生命体の可能性を示唆した番組は？
Ａ１：それは、宇宙人に関するＳｔｅｐｈｅｎ Ｈａｗｋｉｎｇのディスカバリーチャンネルの番組です。
Ｑ２：彼は、Ｄａｖｉｄ Ａｔｔｅｎｂｏｒｏｕｇｈが作製した別の番組にも出演している？
エンティティおよびその属性のみに制限されない対話状態維持の別の例では、システムは、以下に示されるように、会話のやりとりを通して意図の状態を維持することができる。
Ｑ１：娘とｐｕｌｐ ｆｉｃｔｉｏｎを見ることができるかな？
Ａｌ：Ｑｕｅｎｔｉｎ Ｔａｒａｎｔｉｎｏ監督によるＰｕｌｐ ｆｉｃｔｉｏｎは、生々しい暴力とヌードのため、Ｒ指定されています。
Ｑ２：彼の他の映画は？
Ａ２：Ｒｅｓｅｒｖｏｉｒ Ｄｏｇｓ、Ｊａｃｋｉｅ Ｂｒｏｗｎ、Ｋｉｌｌ Ｂｉｌｌ、Ｄｅａｔｈ Ｐｒｏｏｆ、全てＲ指定されています。

本実施例では、システムが、Ｑ２において、（「彼」の形態で）彼の代名詞の参照を理解することを可能にする、エンティティ「Ｑｕｅｎｔｉｎ Ｔａｒａｎｔｉｎｏ」の状態維持に加え、システムはまた、やりとりを通して、ユーザの意図、すなわち、ユーザの意図が「評価」であることを把握している。再び、「Ｑｕｅｎｔｉｎ Ｔａｒａｔｉｎｏ」および「評価」意図の両方を維持するシステムの決定は、ルールおよび／またはベイズ分類器訓練組から生じている。したがって、本明細書に開示される技法は、複数の意図の保持および使用を可能にする。そのような実装では、その組の意図は、重みを伴う意図の集合として渡されるであろう。ルールおよび／またはベイズ分類器の出力に応じて、システムは、セッションの間、全意図（および／またはエンティティ、属性等）を保存することを選択し得るが、特定の入力に対して最高スコアが与えられた１つの意図のみを使用し得る。したがって、対話やりとりにおいて比較的に早期に生じた意図が、会話のずっと後に適用されることも可能である。このように状態を維持することは、Ａ２におけるように、簡潔かつ方向性をもった応答を促進し、ヒトの相互作用にほぼ一致する。

前述に例証される方向性をもった応答は、個人化ベースの意図分析器１００９と密接に連携して機能する意図分析器１００８およびエンティティ認識器１００９を用いて可能である。これらのモジュールは全て、関連属性（例えば、最新、あまり暴力的ではない、アクションが多い）を決定することにおいて支援し、それらに重みを割り当てる用途特定属性検索エンジン１０１１によって支援される。したがって、ユーザ入力やりとりは、音声テキストエンジン１００２から生じ、モジュール、分析器、およびエンジンによって連携して処理され（クエリ実行エンジン１００４は、調整役を担う）、ユーザ入力の１つ以上の候補解釈をもたらすであろう。例えば、質問「Ｂｏｍｂａｙ爆弾事件に関するＫａｙ Ｍｅｎｏｎの映画はある？」では、システムは、２つの代替候補表現を有し得、１つは、「Ｂｏｍｂａｙ」をエンティティ（Ｂｏｍｂａｙと呼ばれる映画が存在する）として有し、「爆弾事件」が別のエンティティであるとし、もう１つは、「Ｂｏｍｂａｙ爆弾事件」を単一エンティティとして有するものである。システムは、次いで、他の認識されるエンティティである、俳優のＫａｙ Ｍｅｎｏｎの存在に基づいて、ユーザとの対話に従事することによって、これらの候補表現間の解決を試みる。そのような場合、考案すべき質問は、生じている曖昧性に依存する。本実施例では、俳優エンティティは、既知であり、曖昧であるのは、関連付けられた映画エンティティである。したがって、システムは、映画エンティティに関する質問を尋ねるであろう。システムは、曖昧性を解決するための質問を形成するためのモデルとして使用される、一組の形式を有する。

いくつかの事例では、曖昧性の解決は、ユーザの選好を把握することによって、対話に従事せずに行われることができる。例えば、ユーザは、「今夜ｓｏｘの試合がある？」と尋ね得る。この質問は、曖昧な部分、すなわち、チームがＢｏｓｔｏｎ Ｒｅｄ Ｓｏｘであるか、またはＣｈｉｃａｇｏ Ｗｈｉｔｅ Ｓｏｘであるかの曖昧性を有するが、システムが、ユーザの選好がＲｅｄ Ｓｏｘであることを把握している場合、応答は、その夜に試合がある場合、Ｒｅｄ Ｓｏｘの試合スケジュールを表示することを対象とすることができる。ドメインにわたって複数の一致が存在する事例では、より高い全体的信頼性スコアをもたらすドメイン一致が、残るであろう。結果の個人化もまた、適用可能であるとき、クエリの性質に基づいて、行われることができる。例えば、ユーザが、「今夜、Ｔｏｍ Ｃｒｕｉｓｅの映画を見せて」と述べる場合、このクエリは、個人化を適用すべきではなく、Ｔｏｍ Ｃｒｕｉｓｅの最新の映画を単に返すべきである。しかしながら、ユーザが、「今夜、スポーツを見せて」と述べる場合、システムは、個人化を適用し、ユーザアクティビティ情報の種々のソースから捕捉されたその明示的選好または暗示的アクションに基づいて、ユーザに関心があると把握されるスポーツおよび試合を表示すべきである。

ユーザ選好シグネチャは、そのようなユーザ選好情報を発見および記憶するための既知の技法を使用して、システムによって提供されることができる。例えば、２０１０年８月１０日発行の米国特許第７，７７４，２９４号「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｓｅｌｅｃｔｉｎｇ ａｎｄ Ｐｒｅｓｅｎｔｉｎｇ Ｃｏｎｔｅｎｔ Ｂａｓｅｄ ｏｎ Ｌｅａｒｎｅｄ Ｐｅｒｉｏｄｉｃｉｔｙ ｏｆ Ｕｓｅｒ Ｃｏｎｔｅｎｔ Ｓｅｌｅｃｔｉｏｎｓ」、２０１０年１１月１６日発行の米国特許第７，８３５，９９８号「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｓｅｌｅｃｔｉｎｇ ａｎｄ Ｐｒｅｓｅｎｔｉｎｇ Ｃｏｎｔｅｎｔ ｏｎ ａ Ｆｉｒｓｔ Ｓｙｓｔｅｍ Ｂａｓｅｄ ｏｎ Ｕｓｅｒ Ｐｒｅｆｅｒｅｎｃｅｓ Ｌｅａｒｎｅｄ ｏｎ ａ Ｓｅｃｏｎｄ Ｓｙｓｔｅｍ」、２００８年１２月２日発行の米国特許第７，４６１，０６１号「Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｓｅｌｅｃｔｉｎｇ ａｎｄ Ｐｒｅｓｅｎｔｉｎｇ Ｃｏｎｔｅｎｔ Ｂａｓｅｄ ｏｎ Ｕｓｅｒ Ｎａｖｉｇａｔｉｏｎ ａｎｄ Ｓｅｌｅｃｔｉｏｎ Ａｃｔｉｏｎｓ Ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｔｈｅ Ｃｏｎｔｅｎｔ」、および２０１２年２月７日発行の米国特許第８，１１２，４５４号「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｏｒｄｅｒｉｎｇ Ｃｏｎｔｅｎｔ Ｉｔｅｍｓ Ａｃｃｏｒｄｉｎｇ ｔｏ Ｌｅａｒｎｅｄ Ｕｓｅｒ Ｐｒｅｆｅｒｅｎｃｅｓ」（それぞれ、参照することによって本明細書に組み込まれる）に記載のシステムおよび方法は、本明細書に開示される技法とともに使用されることができる。しかしながら、ユーザの選好シグネチャおよび／または情報の使用は、組み込まれた出願に記載の技法に限定されない。

関係またはコネクションエンジン１０１０は、ユーザ入力を理解し、方向性をもった応答をもたらす役割を果たす、モジュールのうちの１つである。関係エンジンは、多くの方法で実装され得、グラフデータ構造は、名前グラフエンジンによって関係エンジンを呼び出し得るような１つのインスタンスである。グラフエンジンは、エンティティ間の既知の重み付けられたコネクションを背景として、ユーザ入力を評価する。

グラフエンジンの重要性を示す、一実施形態が、ユーザの意図が明らかに既知である、以下の実施例によって例証される。ユーザが、単に、「Ｔｏｎｙ Ｍｏｎｔａｎａの映画でＭｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒによって演じられた役は？」と尋ねる場合、システムは、ユーザの意図を把握し（役という単語およびその文中の使用は、ユーザがＭｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒがどこかで演じた登場人物を知りたいと推測するために使用され得る）、名前付きエンティティＴｏｎｙ Ｍｏｎｔａｎａが、Ｔｏｎｙ Ｍｏｎｔａｎａという名前の俳優であるか、または映画Ｓｃａｒｆａｃｅの主役の名前であり得るという事実を解明する必要がある。本事例におけるグラフエンジンは、簡単に曖昧性を解消可能である。なぜなら、２つのＴｏｎｙ Ｍｏｎｔａｎａエンティティ間の経路の迅速分析とＭｉｃｈｅｌｌｅ Ｐｆｅｉｆｉｅｒのエンティティとは、俳優 Ｔｏｎｙ ＭｏｎｔａｎａがＭｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒと共演したことがない一方、映画Ｓｃａｒｆａｃｅ（登場人物Ｔｏｎｙ Ｍｏｎｔａｎａに関する）は、Ｍｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒが主演したことを迅速に明らかにするからである。したがって、システムは、俳優Ｔｏｎｙ Ｍｏｎｔａｎａを確実に無視し、ユーザが映画Ｓｃａｒｆａｃｅ中でＭｉｃｈｅｌｌｅ Ｐｆｅｉｆｆｅｒによって演じられた登場人物の名前を知りたいと結論付けるであろう。

別の実施形態では、グラフエンジン１０１０は、エンティティ認識器１００７がユーザによって指定されたエンティティを算出したという事実にもかかわらず、システムが、ユーザの意図を決定することができない場合、支援する。これは、ユーザの意図が推定されることができない、またはユーザの意図の信頼性スコアが閾値を下回るときの以下の実施例によって例証される。そのようなシナリオでは、２つの例証的方式が、ユーザの特定の意図を得るために会話システムによってとられ得る。いくつかの実施形態では、システムは、ユーザの発話から最も重要なキーワードを決定し、各結果候補を文書として扱い、各キーワードの関連性に基づいて、各文書の関連性スコアを計算し、ユーザが目を通すために、上位数文書を提示する。本アプローチは、ウェブ検索エンジンに類似する。他の実施形態では、システムは、ユーザに、ユーザ要求を処理することができないこと、または集めた情報が不十分であることを認め、それによって、ユーザにさらなる情報または後続クエリを提供するように促す。

しかしながら、いずれのアプローチも、ユーザの視点から応答を考慮すると、完全に満足するものではない。ブラインドキーワード一致を行う、第１の方式は、多くの場合、完全に機械的と考えられ得る。第２のアプローチは、ユーザに、ヒトのような様式において、特定のユーザ意図を算出することができないという事実を補償するために、さらなる情報を与えることを要求し、ヒトのように試みる。しかしながら、ユーザが、所望のユーザの意図に関連する１つ以上の他のエンティティを明確に指定していた場合、システムが、ユーザ発話中の明確に指定されたエンティティを使用して回答を試みようとしていない場合、システムは、役に立たないと考えられる。

ある実装では、（特定のユーザの意図計算に失敗しても）エンティティ認識が成功している限り、第３の方式が、採用される。エンティティ認識算出は、多くの場合、特に、ユーザが、発話の中で名前を挙げるか、またはエンティティに関する非常に有用な手掛かりを与えるとき（これは、通常、該当する）、成功することに留意されたい。

方式は、以下の通りである。
１．質問中の情報リポジトリに対応するエンティティ関係グラフを検討する。エンティティは、このグラフ中のノードであり、関係は、エッジである。エンティティ／ノードおよび関係／エッジを伴うこのマッピングは、マップされているエンティティに関連付けられた情報およびメタデータに基づく、１対１、１対多数、および多数対多数のマッピングを伴うことができる。
２．エンティティ／ノードは、有限かつ明確に定義された組のタイプからのタイプを有する。
３．エンティティ認識が成功した（例えば、先行相互作用から）あと、以下の場合を検討する。
ａ．現在認識されているエンティティの数が０である：この場合、システムは、認識されているユーザからの情報を使用して、応答テンプレートに基づいて、固定組の応答からの１つを与える。テンプレート選択は、ルールおよび／またはベイズ分類器決定に基づく。
ｂ．認識されているエンティティの数が１である：エンティティ識別子がＡであり、エンティティのタイプがＢであり、有限組Ｓの全ての異なるエッジ／関係タイプＡが関わり得ることを把握していると仮定する。この場合、本明細書に記載される技法を採用するシステム（「ＩＲシステム」）は、Ａ、Ｂ、およびＳに基づいて、適用可能であるテンプレート応答からヒト実行マルチモーダル応答テンプレートＴ（Ａ、Ｂ、Ｓ）を発話および／または表示する。テンプレート応答は、全可能なノードタイプおよびエッジタイプのアプリオリ知識に基づいて、有限の明確に定義された組を形成する、一組の手動で構築されたテンプレート応答から選択される。応答およびＩＲシステムは、ユーザが、タッチインターフェースまたは口頭を使用して、Ａに関連するさらなる情報およびエンティティを選択することを可能にするように設計される。
ｃ．認識されているエッジタイプの数が２である：この場合、２つのエンティティノードが、それぞれ、識別子Ａ、Ａ’、タイプＢ、Ｂ’、およびエッジ−タイプ組Ｓ、Ｓ’を有するとする。２つのエンティティノード間のエッジ距離が、ある前もって決定された閾値ｋを上回る場合、ＩＲシステムは、対応する２つの独立したヒト実行型マルチモーダル応答テンプレートＴ（Ａ、Ｂ、Ｓ）およびＴ（Ａ’、Ｂ’、Ｓ’）を適切に採用し、配信する（音声および／またはディスプレイを介して）。エッジ距離が、ｋ以下の場合、ＩＲシステムは、ＡとＡ’との間の最短エッジ長経路を選択する。ユーザ発話において利用可能な手掛かりがある場合、ＩＲシステムは、他よりいくつかの最短経路を好み得る。選択される最短経路内に、Ａ＝Ａ_１、Ａ_２、Ａ_３、・・・Ａ_ｋ’＝Ａ’で表されるｋ’個のノードが存在し、ｋ’＜ｋ＋ｌ、各ｉに対してであり、ｉは、ｌからｋ’であり、経路のｉ番目のエンティティノードは、３タプル（３−ｔｕｐｌｅ）のＡ_ｉＢ_ｉ、Ｅ_ｉによって表され、Ａ_ｉは、エンティティ識別子であり、Ｂ_ｉは、エンティティタイプであり、Ｅ_ｉは、選択される最短経路内に存在するＡ_ｉに接続された１つまたは２つのエッジに対応する１つまたは２つの要素のリストである。この場合、ＩＲシステムは、次いで、ユーザに、ヒト実行型マルチモーダル応答テンプレートＴ（Ａ_ｉ、Ｂ_ｉ、Ｅ_ｉ）（ｉは、１からｋ’である）のシーケンスの知的構成に基づいて、適切な応答を配信する。
ｄ．認識されているエッジタイプの数がＲ＞＝３である：この場合、ＩＲシステムは、単に、Ｋ個の最大構成要素Ｃ_１、Ｃ_２、・・Ｃ_ｋを計算し、ここで、各構成要素Ｃ_ｉは、Ｃ_ｉにおける各エンティティノードＡが、Ｃ_ｉの少なくとも１つの他のノードＡ’からｋエッジ以下の距離にあるようなものである。各Ｃ_ｉに対して、ＩＲシステムは、前述のｃと同様に、ヒト実行型マルチモーダル応答テンプレートシーケンスのうちの適切な代表的シーケンスを選択し、構成要素に対して応答テンプレートシーケンスに基づいて、応答を構成する。

応答を生成するための本方法は、認識されているエンティティを用いて、ユーザに応答を提示し、その応答が、情報を読み出す目標に対して、２つの前述の方式と比較して、潜在的に、それをより容易にすることをユーザに実証する能力を有するという点において、よりヒトのようであることが示唆される。図７、６、９、および８は、開示される技法の例示的実装を図示する。

前述の技法組はまた、ある実装では、会話状態値の全部または一部をリセットするためにも使用される。例えば、システムが、ユーザ入力およびシステム応答から、あるエンティティおよび／または属性を保持したと仮定する。ユーザが後続入力を提供した場合、本明細書に開示される技法は、新しい入力が保持された値に対して評価されることを可能にする。グラフモデルの観点からすると、後続入力の言語要素が、保持された情報から（また、グラフ内において）かけ離れすぎていることがエンティティ／関係グラフ内で見つけられる場合、ユーザの後続意図が、以前のものから変化したと推定されることができる。そのような場合、前に保持された情報は、後続検索を行うとき、リセットおよび／または無視されることができる。

さらになお、本発明の実施形態は、ユーザが、エンティティ、属性、または関係情報を欠く後続入力を提供するが、入力が、前のシステム応答に対して適切な応答であることを認識することができる。例えば、本明細書に記載される技法を実装するシステムは、第１のユーザ入力に対する応答として、一組の映画を提示し得る。ユーザは、次いで、提示された映画のいずれにも関心がないことを応答し得る。そのような場合、システムは、種々の会話状態値を保持し、ユーザの前の要求を満たすようにさらに試みるであろう（例えば、所望の映画のタイプに関する追加の情報を要求すること、または俳優名、ジャンル等、検索により焦点を当てるための追加の情報を要求することによって）。

前述の説明では、あるステップまたはプロセスは、特定のサーバ上で、または特定のエンジンの一部として、行われることができる。これらの説明は、特定のステップが、限定ではないが、サーバシステムおよび／またはモバイルデバイスを含む、種々のハードウェアデバイス上で行われることができるため、単に、例証である。同様に、特定のステップが行われる場合の分割は、変動することができ、無分割または異なる分割も本発明の範囲内であることを理解されたい。さらに、コンピュータシステム処理を説明するために使用される、「分析器」、「モジュール」、「エンジン」、および／または他の用語の使用は、互換可能であり、機能性が実行され得る論理または回路を表すことが意図される。

本明細書に開示される技法およびシステムは、コンピュータシステムまたはコンピュータ化電子デバイスとの使用のためのコンピュータプログラム製品として実装され得る。そのような実装は、コンピュータ読み取り可能な媒体（例えば、ディスケット、ＣＤ−ＲＯＭ、ＲＯＭ、フラッシュメモリまたは他のメモリ、あるいは固定ディスク）等の有形メディア上に固定されるか、あるいは媒体を経由してネットワークに接続された通信アダプタ等のモデムまたは他のインターフェースデバイスを介して、コンピュータシステムに伝送可能であるかのいずれかである、一連のコンピュータ命令または論理を含み得る。

媒体は、有形媒体（例えば、光学またはアナログ通信ライン）または無線技法（例えば、Ｗｉ−Ｆｉ、セルラー、マイクロ波、赤外線、または他の伝送技法）を用いて実装される媒体のいずれかであり得る。一連のコンピュータ命令は、システムに関して本明細書に前述の機能性の全部または一部を具現化する。当業者は、そのようなコンピュータ命令が、多くのコンピュータアーキテクチャまたはオペレーティングシステムとの使用のために、いくつかのプログラミング言語で書かれることができることを理解するはずである。

さらに、そのような命令は、半導体、磁気、光学、または他のメモリデバイス等の任意のメモリデバイス内に記憶されてもよく、光学、赤外線、マイクロ波、または他の伝送技術等の任意の通信技術を使用して伝送され得る。

そのようなコンピュータプログラム製品は、付随の印刷または電子説明書（例えば、市販のソフトウェア）を伴う取り外し可能な媒体として配信される、コンピュータシステムに予め搭載される（例えば、システムＲＯＭまたは固定ディスク上）、あるいはネットワーク（例えば、インターネットまたはＷｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）を経由して、サーバまたは電子掲示板から配信され得ることが予想される。当然ながら、本発明のいくつかの実施形態は、ソフトウェア（例えば、コンピュータプログラム製品）およびハードウェアの両方の組み合わせとして実装され得る。本発明のさらに他の実施形態は、全体的にハードウェアまたは全体的にソフトウェア（例えば、コンピュータプログラム製品）として実装される。

Claims (9)

1. プロセッサを有する双方向コンテンツ提供システムとの連続的ユーザ相互作用中の会話セッションを推定する方法であって、前記方法は、
   一組のコンテンツアイテムへのアクセスを提供することであって、前記一組のコンテンツアイテムの各コンテンツアイテムは、電子的に読み取り可能な媒体内に記憶されている関連付けられたメタデータを有し、前記メタデータは、対応するコンテンツアイテムを記述する、ことと、
   前記プロセッサにおいて、第１の入力をユーザから受信することであって、前記第１の入力は、前記一組のコンテンツアイテムから少なくとも１つの所望のコンテンツアイテムを識別する言語要素を含む、ことと、
   前記プロセッサによって、前記第１の入力の少なくとも１つの言語要素を第１の会話セッションに関連付けることと、
   前記プロセッサによって、前記第１の入力に基づいて、かつ、前記一組のコンテンツアイテムに関連付けられたメタデータに基づいて、第１の応答を提供することであって、前記第１の応答は、前記少なくとも１つの所望のコンテンツアイテムを含む、ことと、
   前記プロセッサにおいて、第２の入力を前記ユーザから受信することと、
   前記プロセッサによって、前記ユーザからの前記第２の入力の一部が、曖昧識別子を含むことを決定することであって、前記曖昧識別子は、少なくとも部分的に、前記一組のコンテンツアイテムから前記少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
   前記プロセッサによって、前記ユーザからの前記第１の入力および前記ユーザからの前記第２の入力のうちの少なくとも１つの、前記ユーザの選好に一致する部分に基づいて、前記曖昧識別子に対する意味を推定することと、
   前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することと、
   前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記プロセッサによって、前記少なくとも１つの所望のコンテンツアイテムに関連付けられたメタデータと前記第２の入力と前記第１の会話セッションに関連付けられた前記第１の入力の前記少なくとも１つの言語要素とに基づいて、かつ、前記曖昧識別子の推定された意味と前記一組のコンテンツアイテムに関連付けられた前記メタデータとを比較することに基づいて、第２の応答を提供することと
   を含む、方法。
2. 前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、前記第２の入力が言語連結要素を含むかどうかの決定に基づき、
   前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つであり、
   前記プロセッサによって推定することは、前記第２の入力が言語連結要素を含むという条件に応じて、前記ユーザからの第２の入力が関連すると結論付け、
   前記第２の入力が言語連結要素を含まないという条件に応じて、前記方法は、
   前記プロセッサによって、前記一組のコンテンツアイテムに関連付けられた前記メタデータに基づいて、（ｉ）前記第２の入力の言語要素と、（ｉｉ）前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素との間の関連性の度合いを決定することであって、前記一組のコンテンツアイテムに関連付けられた前記メタデータは、前記一組のコンテンツアイテムに関連付けられたエンティティ間の関係のマッピングを含み、前記プロセッサによって前記関連性の度合いを決定することは、前記プロセッサによって前記関係のマッピングを分析することを含む、ことと、
   前記関連性の度合いが閾値以上であるという条件に応じて、前記プロセッサによって推定することが、前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと
   をさらに含む、請求項１に記載の方法。
3. 前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、
   前記プロセッサによって、少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素を識別することであって、前記少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素は、名詞および動名詞のうちの少なくとも１つである、ことと、
   前記プロセッサによって、前記第２の入力の言語連結要素を識別することであって、前記言語連結要素は、代名詞および虚辞のうちの少なくとも１つである、ことと、
   前記プロセッサによって、前記第２の入力の言語連結要素が、前記少なくとも１つのエンティティを識別する、前記第１の会話セッションに関連付けられた言語要素に対して好適なリンクであるかどうかを決定することと、
   前記第２の入力の言語連結要素が好適なリンクであるという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと
   を含む、請求項１に記載の方法。
4. 前記プロセッサによって、前記ユーザからの前記第２の入力が前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することは、
   前記プロセッサによって、前記第２の入力が少なくとも１つのエンティティを識別する言語要素を含むかどうかを決定することであって、前記言語要素は、名詞および動名詞のうちの少なくとも１つである、ことと、
   前記第２の入力が少なくとも１つのエンティティを識別する言語要素を含まないという条件に応じて、前記プロセッサによって、前記第２の入力が前記第１の応答に対する適切な応答であるかどうかを決定することと、
   前記第２の入力が前記第１の応答に対して適切な応答であるという条件に応じて、前記プロセッサによって、前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると結論付けることと
   を含む、請求項１に記載の方法。
5. 前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記プロセッサによって前記第２の応答を提供することは、前記プロセッサによって、前記第２の入力の少なくとも１つの言語要素の代わりに、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素を用いることを含む、請求項１に記載の方法。
6. 前記プロセッサによって、前記第１の応答の少なくとも１つの言語要素を前記第１の会話セッションに関連付けることと、
   前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、
   前記第２の応答を前記第１の会話セッションに関連付けられた前記第１の応答の少なくとも１つの言語要素にさらに基づかせることと、
   前記第２の入力の少なくとも１つの言語要素の代わりに、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素を用いることを含む、前記プロセッサによって前記第２の応答を提供することと
   をさらに含む、請求項１に記載の方法。
7. 前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素と関連しないと推定されるという条件に応じて、前記プロセッサによって、前記一組のコンテンツアイテムに関連付けられたメタデータおよび前記第２の入力に基づいて、第２の応答を提供することをさらに含む、請求項１に記載の方法。
8. 前記第１の応答および前記第２の応答のうちの少なくとも１つは、前記第１の入力および前記第２の入力のうちの少なくとも１つに関連する機械生成発話を含む、または、前記機械生成発話によって補完される、請求項１に記載の方法。
9. 双方向コンテンツ提供システムとの連続的ユーザ相互作用中の会話セッションを推定するためのシステムであって、前記システムは、プロセッサを備え、
   前記プロセッサは、
   一組のコンテンツアイテムへのアクセスを提供することであって、前記一組のコンテンツアイテムの各コンテンツアイテムは、電子的に読み取り可能な媒体内に記憶されている関連付けられたメタデータを有し、前記メタデータは、対応するコンテンツアイテムを記述する、ことと、
   第１の入力をユーザから受信することであって、前記第１の入力は、前記一組のコンテンツアイテムから少なくとも１つの所望のコンテンツアイテムを識別する言語要素を含む、ことと、
   前記第１の入力の少なくとも１つの言語要素を第１の会話セッションに関連付けることと、
   前記第１の入力に基づいて、かつ、前記一組のコンテンツアイテムに関連付けられたメタデータに基づいて、第１の応答を提供することであって、前記第１の応答は、前記少なくとも１つの所望のコンテンツアイテムを含む、ことと、
   第２の入力を前記ユーザから受信することと、
   前記ユーザからの前記第２の入力の一部が、曖昧識別子を含むことを決定することであって、前記曖昧識別子は、少なくとも部分的に、前記一組のコンテンツアイテムから前記少なくとも１つの所望のコンテンツアイテムを識別するように前記ユーザによって意図されている、ことと、
   前記ユーザからの前記第１の入力および前記ユーザからの前記第２の入力のうちの少なくとも１つの、前記ユーザの選好に一致する部分に基づいて、前記曖昧識別子に対する意味を推定することと、
   前記ユーザからの前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連するかどうかを推定することと、
   前記第２の入力が、前記第１の会話セッションに関連付けられた前記少なくとも１つの言語要素に関連すると推定されるという条件に応じて、前記少なくとも１つの所望のコンテンツアイテムに関連付けられたメタデータと前記第２の入力と前記第１の会話セッションに関連付けられた前記第１の入力の前記少なくとも１つの言語要素とに基づいて、かつ、前記曖昧識別子の推定された意味と前記一組のコンテンツアイテムに関連付けられた前記メタデータとを比較することに基づいて、第２の応答を提供することと
   を行うように構成されている、システム。