JP6375367B2 - 反論生成方法，反論生成システム - Google Patents

Description

本発明はある議題における意見に対する反論意見を自動的に生成するための方法及びシステムに関するものである。

近年Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂなどに大量の情報が蓄積され，また情報が瞬時に世界中へと拡散するようになり，人間が適切な意思決定を行うことがますます困難となっている。適切な意思決定を支援するために，ある議題に対する肯定・否定の意見を大量の情報源の中から抽出する方法が開示されている（特許文献１）。

特許文献２においては，パブリックコメント（意見公募手続き）のようにある議題に対する大量の意見が収集され，それらの意見に対する回答を述べるような状況を想定し，予め想定される意見と回答のセット（論点整理表）を用意しておき，ある意見に対して論点整理表内の類似した意見に対応付けられた回答を出力する，というシステムが開示されている。

一方，テキスト含意認識と呼ばれる技術においては、ある文章Ｔとある文章Ｈが矛盾関係にあるかどうかを検出することが可能となる。

特開２００７−２４１９０１号公報 特開２０１１−１１３４００号公報

従来技術では，広く一般的な話題に対する意見に対し，適切な反論を生成することができないという課題がある。

具体的には，特許文献２のような方法では，この方法では予め論点整理表を人間が用意しておく必要がある。そのため，広く一般的な議題に対する意見に対して回答ないし反論を生成しようとする場合には，議題や意見を全て想定し，論点整理表を人間が用意しておく必要があるが，これは現実的に不可能である。

本発明は上記の課題に対し，広く一般的な話題に対する意見に対し，適切な反論を生成する方法及びシステム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、例えば請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、反論生成方法であって、議題と、議題に関する意見である反論対象意見と、を記憶する第１ステップと、議題から、第１前提条件を抽出する第２ステップと、
反論対象意見から、第２前提条件を抽出する第３ステップと、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する第４ステップと、第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする。

または、反論生成システムであって、議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、議題から、第１前提条件を抽出し、反論対象意見から、第２前提条件を抽出する抽出部と、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する判定部と、第１条件と第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする。

広く一般的な議題に対する意見に対し，適切な反論を生成することが可能となる。

代表的なシステム構成 代表的なシステムの接続図 実施例１におけるフローチャート 前提条件抽出処理のフローチャート 前提条件抽出処理の生成物 前提条件の対応付け処理の生成物 表示装置に表示される情報の例 実施例２のシステム構成 実施例２におけるフローチャート 実施例３におけるフローチャート

本実施例では議題と反論対象意見とのそれぞれの前提条件を抽出し，抽出された前提条件を対応付けた後，議題と反論対象意見の前提の間に関連がないことを示すデータを検索することによって，反論意見（反論）を生成する方法について述べる。

以下、本発明の第１の実施形態について、図面を用いて説明する。

図１は、第１の実施形態において、本発明を適用する計算機システムの構成を示すブロック図である。本実施形態の計算機システムは、反論生成サーバ１０１、操作端末１０９を持ち、これらがネットワーク１２０を介して接続される。また、ネットワーク１２０には検索の対象となる文書データを蓄積する文書データ蓄積装置１２５と構造化された知識を持つ知識データ蓄積装置１３０が接続される。

反論生成サーバ１０１内には前提条件抽出１０２，前提条件対応１０３，反論データ検索１０４，反論表現生成１０５，反論提示１０６の各プログラムが納められている。

操作端末１０９内には端末内データ蓄積装置１３１が納められている。また音声出力装置１１６、表示装置１１７、入力装置１１８、音声入力装置１１９がそれぞれ接続されている。

図２は、図１の構成要素のうち特に反論生成サーバ１０１に含まれるモジュールを処理の流れに従って配置した図である。また図３は，図１の構成要素を用いて反論意見を生成するフローチャートを表す。ここでは図３に従って実施例を述べる。

まずディベートの議題２０１を表すテキスト情報が入力装置１１８を通じて端末内データ蓄積装置１３１へと蓄積される（図３の３００）。なお，音声入力装置１１９を通してユーザが発した音声を，音声認識プログラムによってテキストへと変換し，当該テキストを端末内データ蓄積装置１３１へと蓄積しても良い。音声認識プログラムについては，当業者であれば周知であるためここでは詳細は省略する。

議題２０１はネットワーク１２０を通じて反論生成サーバ１０１へと送られた後，前提条件抽出部１０２が議題２０１に含まれる第１の前提条件の集合を抽出する（図３の３０１）。

本願でいう前提条件とは、議題を論ずるために必要な、時間・場所などの土台となる条件や、反論対象意見を構成する条件の一部となっている、時間・場所などの土台となる条件を含む。これらの前提条件同士の関連性が低かったり、極端に異なっていたりすれば、そもそも議論は成立せず、そこに矛盾が生ずることになる。そのため本願では、反対対象意見を論破するための反論を生成するに当たり、この前提条件に着目した。この前提条件は、必ずしも議題や反論対象意見のテキスト中では明示されていないため、下記のような抽出処理を行う。

この前提条件抽出の処理の流れを図４に，途中結果を図５に示す。この例では「我が国の小学校では宿題を廃止すべき」という議題から前提条件を抽出する。まず議題に対し構文解析処理と依存解析処理を行う（４００）ことにより，図５の５０１のような構造を得る。文章は単語に分かち書きされ，それぞれの単語ごとに品詞情報（品詞，品詞２）や係り先情報が得られる。係り先情報は，各単語がどの単語に係っているかを単語番号で示したものである。例えば１番の単語「わが国」の係り先は２番の単語「の」であることを示している。図５の５０２は係り先情報を図示したものである。なお構文解析や依存解析は当業者であれば周知の技術であるため，詳細は省略する。

続いて文中の主となる句を抽出する（図４の４０１）。本実施例では，「係り先を持たない助動詞／動詞／形容詞と，当該する助動詞／動詞／形容詞に係る動詞／サ変接続名詞と，当該動詞／サ変接続名詞に係るガ格／ヲ格の助詞からなる系列」とする。この結果，５０３のように「宿題を廃止すべき」が主となる句として抽出される。

ただし，上記の抽出ルールは，これに限定されるものではなく，主となる句が抽出できさえすればよい。例えば，別の実施例としては，識別器を用いた方法が可能である。この場合，まず予め多数の文章に構文解析処理と依存解析処理を行った上で，人間が判断して主となる句の先頭の単語に「Ｂ−ＭＡＩＮ」，主となる句の先頭以外の単語に「Ｉ−ＭＡＩＮ」，主となる句以外の単語に「ＯＴＨＥＲ」という３種類のラベルを付与しておく。

このようにすることで，単語とラベル（Ｂ−ＭＡＩＮ， Ｉ−ＭＡＩＮ， ＯＴＨＥＲ）の組が大量に用意される。続いて，ある単語とその品詞情報，依存情報，及び，当該単語の前後Ｎ個の単語とその品詞情報，依存情報から，ラベル（Ｂ−ＭＡＩＮ， Ｉ−ＭＡＩＮ， ＯＴＨＥＲ）を予測する識別器を構築する。ここではＣｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄを用いた方法について述べる。Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄは，下式で表される識別器である。

ここでｘは入力される単語や品詞などの情報であり，ｙはラベル（Ｂ−ＭＡＩＮ， Ｉ−ＭＡＩＮ， ＯＴＨＥＲ）を表す。またφは素性と呼ばれ，例えばｘの品詞が名詞の時のみ１でそれ以外の時は０となるなど，特定の単語の種類や特定の品詞の種類などの条件が一致した時にのみ１となるような関数である。素性は様々な条件のものを多数用意しておく。ｗはＣｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄのパラメータであり，前記で用意した単語とラベル（Ｂ−ＭＡＩＮ， Ｉ−ＭＡＩＮ， ＯＴＨＥＲ）の組の集合から求める事が出来る。Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄの学習方法は当業者であれば周知であるため，これ以上の詳細は省略する。

実際に主となる句を抽出する際には，主となる句を抽出したい文章に対してまず構文解析処理と依存解析処理を行う。次に，各単語とその品詞情報，依存情報，及び，当該単語の前後Ｎ個の単語とその品詞情報，依存情報からラベル（Ｂ−ＭＡＩＮ， Ｉ−ＭＡＩＮ， ＯＴＨＥＲ）を予測する。得られたラベルのうちＢ−ＭＡＩＮ， Ｉ−ＭＡＩＮというラベルが付与された箇所を主となる句として用いる。

なおＣｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄを用いたラベルの予測方法は当業者であれば周知であるため，詳細は省略する。

以上が識別器を用いた「主となる句」の検出方法である。識別器の種類や，利用する情報の種類は上記で説明したものに限定されるものではなく，任意の組み合わせや情報を利用可能である。

次に，前提条件を抽出するために，「主となる句」に係る文節を抽出する（図４の４０２）。これは図５の５０２の依存解析結果において「主となる句に係っている， “「ガ格」「ヲ格」以外の助詞”からなる系列」を全て抽出することで得られる。この結果，図５の５０４のように「我が国の小学校では」という１つの前提条件節が得られる。なお，この規則は１例であり，前提条件に相当する文が抽出できればどのような規則を用いても良い。

例えば，「主となる句」を抽出したのと同じように，識別器を用いて前提条件を抽出してもよい。この場合，予め多数の文章に対して構文解析と依存解析した結果に対して，前提条件となる句の先頭の単語に「Ｂ−ＣＯＮＤ」，前提条件となる句の先頭以外の単語に「Ｉ−ＣＯＮＤ」，前提条件となる句以外の単語に「ＯＴＨＥＲ」という３種類のラベルを付与しておく。これらのラベルを用いて，前記の主となる句を抽出したのと同じ方法によって，ラベル（Ｂ−ＣＯＮＤ， Ｉ−ＣＯＮＤ， ＯＴＨＥＲ）を予測するＣｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄを構築する。

前提条件を抽出する際には，前提条件となる句を抽出したい文章に対してまずまず構文解析処理と依存解析処理を行い，当該結果に対して前記で学習したＣｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄを適用することにより，各単語ごとにラベル（Ｂ−ＣＯＮＤ， Ｉ−ＣＯＮＤ， ＯＴＨＥＲ）が予測される。得られたラベルのうちＢ−ＣＯＮＤ， Ｉ−ＣＯＮＤというラベルが付与された箇所を主となる句として用いる。なお，識別器の種類や，利用する情報の種類は上記で説明したものに限定されるものではなく，任意の組み合わせや情報を利用可能である。

最後に，一定の書き換え規則に従って，得られた前提条件節を正則化する（４０３）。一定の書き換え規則とは例えば「我が国」を「日本」に書き換えるなどの規則であり，図５の５０５のように任意のルールを用いることができる。このルールを適用すると，第１のルールにより「我が国」が「日本」に置換され，第２のルールにより「２０１３年」という前提条件が追加される。この結果，図５の５０６のように「日本の小学校では」「２０１３年」という第１の前提条件節が得られる。ここまでが図３の処理３０１である。

もちろん、図５のルールは、本発明が実施される国等によって様々なものに対応させることができるのは言うまでもない。たとえば、５０５の１や３は、本発明が実施される国に置換する、というルールにすることも可能であり、５０５の２については年のみでなく月まで条件に追加するとしても良い。

続いて，処理３０２では再び前提条件抽出部１０２が動作し，入力された反論対象意見を示すテキスト情報から第２の前提条件を抽出する。この前提処理は前記と同様に，図４に従って行われる。例えば，反論対象意見が「２０００年のデータによるとＢ国では宿題の廃止によって成績が伸びた。」であった場合，主となる句は「成績が伸びた」であり，第２の前提条件節は「２０００年のデータによると」「Ｂ国では」「宿題の廃止によって」となる。

なお，本実施例では第２の前提条件の抽出においても，第１の前提条件の抽出で用いたのと同じ処理を用いたが，必ずしも同一の処理を用いる必要はなく，第２の前提条件の抽出に異なる規則を用いても良い。

続いて処理３０３では前提条件対応部１０３が動作し，第１の前提条件と第２の前提条件の対応する組合せの判定を行う。本実施例では前提条件の組み合わせ全てに対して，そこに含まれる名詞同士の対応付けを行う。この例を図６に示した。図６では「日本の小学校では」という第１の前提条件節１．１と「Ｂ国では」という第２の前提条件節２．２を比較した結果，「日本」と「Ｂ国」が対応付けられている。これは，予め「日本」と「Ｂ国」がどちらも国名であるという知識データを知識データベース１２９の中に持っておくことにより実現できる。同様に第１の前提条件節１．２と第２の前提条件節２．１の組み合わせからは「２０１３年」と「２０００年」の組み合わせがどちらも時間を表す情報として対応付けられて抽出される。これらの結果が次の処理３０４へ引き継がれる。

処理３０４では反論用データ集合を収集するための準備として，データ集合Ｄを空にする。このデータ集合Ｄは反論生成サーバ１０１のメモリ１３０上に格納される。

続いて図３の３０５では，対応づけられた前提条件の組全てに対し，図３の３０６と３０７の処理を行う。まず反論データ検索部１０４が動作し，対応付けられた前提条件に関連性が低いことを示すデータ（関連性について、否定的な意見が記載されているデータ）の検索を行う（処理３０６）。この対応付けられた前提条件同士の関連性は、関連性が低い場合に議題に対する意見として反論対象意見が的外れである、矛盾している等を主張することができ、反論対象意見に対する反論を生成するために重要な指標となる。

例として，「日本」と「Ｂ国」の組み合わせにおいて，「相関がない」という検索語を付加し，「日本，Ｂ国，相関がない」という３つの検索語が同時に出現する文書を文書データベース１２４の中から検出することが考えられる。

また、この際に反論対象意見の中の主となる句「成績が伸びた」に含まれる名詞のいずれかが含まれていることを条件として加えても良い。この場合「日本，Ｂ国，相関がない，成績」という４検索語が同時に出現する文章を文書データベース１２４の中から検出する。主となる句を検索語に追加することにより、前提条件のみの検索に比べ、より反論対象意見に即した文書を検索することができ、反論を生成するための根拠として有用な文書が検索できる。

この結果，例えば文書データベース１２４から「日本とＢ国の成績には相関がない」という文章が検出された場合には，この文章ｄを反論根拠データとして反論用データ集合Ｄに加える。なお，検索語に基づき関連する文章を検索する処理は周知のどのような方法を用いても良い。文書もしくは文章の検索方法は当業者では周知であるため，詳細は省く。

なお「相関がない」という検索語を追加したのは，対応付けられた前提条件に関連性が低いことを示すデータを検索するためであり，その他にも「関連がない」「負の相関がある」「関連性が低い」「関係ない」など、否定的な意見を示す様々な検索語を追加することが考えられる。

また，関連性が低いことを示す反論根拠データは文書データベース１２４からのみでなく，知識データベース１２９から求めることもできる。例えば知識データベース１２９内に過去の日本とＢ国の成績が納められていた場合，それらの間の相関を計算し，相関係数が一定値以下であれば，「日本とＢ国の成績データに相関がない」というデータを反論用データ集合Ｄに加えることが可能である。相関係数は公知の計算方法のいずれを用いても良い。なお，ここでは「ＸとＹのＺに相関がない」というテンプレート文章を用意しておき，Ｘに日本，ＹにＢ国，Ｚに成績データという単語をそれぞれ当てはめることで，「日本とＢ国の成績データに相関がない」というテキストを生成している。

続いて処理３０９では，反論用データ集合Ｄに含まれるデータｄ全てについて処理３１０と処理３１１を行う。

処理３１０においては反論表現生成部１０５が動作し，データｄから反論意見テキストを生成する。本実施例では，「Ｘというデータがあり，Ｙのデータは参考にならない。」というテンプレートを予め用意しておき，Ｘにデータｄ（先の例では「日本とＢ国の成績には相関がない」）を，Ｙに関連付けられた前提条件のうちの第２の前提条件に当たる条件（先の例では「Ｂ国」）当てはめる。この結果、データｄのうち反論対象意見と関連性の高いものから順に抽出され，例えば「日本とＢ国の成績には相関がないというデータがあり，Ｂ国のデータは参考にならない」という反論文が生成される。なお，反論文生成用のテンプレートはこれに限定されるものではない。データｄと反論対象意見との関連性については、たとえば、データdと反論対象意見とに登場する単語の共通度合いによって評価することができるし、その他、公知の手法を用いても良い。

最後に処理３１１において反論提示部１０６が動作し，作成された反論意見テキストが表示装置１１７を通じてユーザへ提示される。この際に，音声合成処理を用いてテキストから音声を生成し，当該音声を音声出力装置１１６を通じてユーザに１提示しても良い。

上記の操作を操作端末１０９を通して実施する際に，表示装置１１７に提示される画面の例を図７に示した。ユーザは議題と意見をそれぞれテキストボックス７０１と７０２を通じて入力できる。反論生成ボタン７０３を押下すると，図３の処理が動作し，反論意見７０４が生成されてユーザへ提示される。また，「元データを表示」ボタンを押下すると，処理３０６において検索された文が含まれる元の文書を表示しても良い。また，反論文が生成されると同時に，反論文を合成音声により合成した音声を音声出力装置１１６を通じて出力しても良い。

以上を踏まえると、本実施例に記載の反論生成方法は、議題と、議題に関する意見である反論対象意見と、を記憶する第１ステップと、議題から、第１前提条件を抽出する第２ステップと、反論対象意見から、第２前提条件を抽出する第３ステップと、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する第４ステップと、第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする。

この第１の前提条件と第２の前提条件との関連性について否定的な意見が記載されているデータを検索することにより、文章として表に現れておらず看過しがちな矛盾を指摘し、反論文を容易に生成することができる。

本実施例では，実施例１で作成した反論のうち、反論対象意見に矛盾する反論文のそれぞれに対して再反論データが存在するかどうかを調べ，当該再反論データがない場合に反論候補データを用いて反論意見を生成する方法について述べる。

ここで矛盾関係のある反論文のみに候補を絞っている理由は、必ずしも矛盾関係が有っても反論対象意見を論破できるとは限らないためである。そこで、矛盾関係が有る反論文について、反論対象意見を論破できるかを実施例１を用いて検証したうえで、当該反論文を反論として用いる例を、本実施例で述べる。

もちろん、矛盾関係の有無にかかわらず、実施例１で作成した反論文が再反論される可能性を少なくするために、全ての反論文に対して本実施例の処理９０３以降を適用することも可能である。

以下、本発明の第２の実施形態を図面に基づいて説明する。

システムの構成を図８に示す。図８は実施例１の図１とほぼ同じであるが，矛盾データ検索部８３２が反論生成サーバ８０１に追加されている点が異なる。ここでは処理手順を図９に従って説明する。

まず入力装置８１８からユーザが議題と反論対象意見を入力し，それらが端末内データ蓄積装置８３１へと蓄積される。蓄積されたデータはネットワーク８２０を介して反論生成サーバ８０１へと送られる（処理９００）。反論生成サーバでは、実施例１で述べたように、反論対象意見に対しての反論文が生成され、文書データベースに蓄積される。

続いて，反論生成サーバ８０１では矛盾データ検索処理が動作し，反論対象意見と矛盾する反論文を反論候補データとして文書データベース８２４の中から検索する。このために，文書データベース８２４に含まれるそれぞれの反論文に対して，反論対象意見と矛盾するかどうかの判定を行う。ここでは単語の類義語／反義語関係を用いて，２つの文が矛盾関係にあるかどうかを判定する方法について述べる。

例として反論対象意見α「２０００年のデータによるとＢ国では宿題の廃止によって成績が伸びた。」に対して，反論文β「Ｃ国では宿題を廃止した結果，成績が落ちた。」という文章が矛盾関係にあるかどうかを判定するとする。まず，反論対象意見αと反論文βのそれぞれに対して形態素解析処理を適用し，単語の分割と品詞の同定を行う。その後，反論対象意見αと反論文βそれぞれから名詞／動詞／否定詞を抽出することで反論対象意見αからは「２０００年」「データ」「Ｂ国」「宿題」「廃止」「成績」「伸び」が得られ，反論文βからは「Ｃ国」「宿題」「廃止」「結果」「成績」「落ち」を得る。
続いて反論対象意見αから抽出された上記単語のそれぞれに対して，反論文βから得られた単語の中に類義語もしくは反義語が存在するかどうかを調べる。類義語もしくは反義語については知識データベース８２９に予め用意しておく。この例では「Ｂ国」と「Ｃ国」が類義語，「宿題」と「宿題」が一致，「廃止」と「廃止」が一致，「成績」と「成績」が一致，「伸び」と「落ち」が反義語という関係が得られる。「２０００年」と「データ」に対しては対応する単語が存在しないと判定される。

続いて次の式に従ってスコアＳを計算する。

ただし，
λ＝反義語の個数+αの否定詞の個数-βの否定詞の個数+1
である。

なおｍａｘ（）は含まれる要素の最大値を返す関数である。このスコアＳがある閾値を超えた場合に，反論対象意見αと反論文βは矛盾していると判定する。

例えば閾値が０．２として，反論対象意見αと反論文βに上式を適用する。反論対象意見αと反論文βにおいては，類義語もしくは一致の個数が４，対応する単語が存在しない個数は２，反義語の個数は１，αの否定詞の個数は０，βの否定詞の個数は０であり，

と計算される。これは閾値０．２を超えるので，反論対象意見αと反論文βは矛盾関係にあると判定される。なお閾値は，矛盾する文対が矛盾関係にあり，矛盾しない文対が矛盾関係にないと正しく判定される確率が最も高くなるように設定されている。ただしこの方法に依らず，その他の閾値を用いても良い。

なお，ここで述べた方法は名詞や動詞の類義語もしくは反義語関係だけを用いた単純なものであり，機能語が持つ情報などは用いていない。より複雑な構文や知識を用いた矛盾関係の算出方法などは多数の方法が開示されており，文と文の間に矛盾関係があるかどうかを判定できるものであれば，それらのどれを用いても良い。

処理９０２では反論用データ集合を収集するための準備として，データ集合Ｄを空にする。

次に，処理９０１で検出された反論候補データ全てに対し，処理９０４と処理９０５を実施する。まず処理９０４においては，実施例１において説明した処理を議題と反論候補データに対して実施し，反論候補データに対する再反論根拠データを検索し、再反論意見を生成する。ここで再反論根拠データがもっとも少なかった場合（理想的には、子検索結果が０であったもの）に当該反論候補データを反論候補データｄとして、集合Ｄに追加する（処理９０５）。

処理９０３が終わると処理９０６に移り，反論用データ集合Ｄに含まれる反論候補データｄ全てについて，処理９０７と処理９０８を実施する。処理９０７においては反論候補データから反論意見テキストを生成する。本実施例では，「Ｘという矛盾する情報がある」というテンプレートを用意しておき，Ｘに検出された反論候補データを当てはめることを行う。これにより，例えば反論候補データ「Ｃ国では宿題を廃止した結果，成績が落ちた」があった場合，「Ｃ国では宿題を廃止した結果，成績が落ちたという矛盾する情報がある」というテキストが生成される。なお，反論候補データｄから反論意見テキストを生成できるのであれば，どのようなテンプレートや方法を用いても良い。

最後に処理９０８において，当該テキストを表示装置８１７を通じてユーザへ提示する。ここでの表示例は実施例１と同様に図７のような画面を用いることができる。ユーザが議題７０１と意見７０２を入力して反論生成ボタン７０３を押下すると反論意見が画面下部に生成される。この結果、例えば図７の７０６のように「Ｃ国では宿題を廃止した結果，成績が落ちたという矛盾する情報がある。」という反論意見が生成される。

このように、実施例１を用い生成された反論文のうち、反論対象意見と矛盾する反論文に対し、再反論されうるかを本実施例のように検証し、反論文に対する再反論根拠データが最も少なかった反論候補データｄを選択することで、より説得性のある反論案を生成することができる。

実施例１では，議題と反論対象意見から前提条件を抽出し，その前提条件の間に関連がないことを示すデータを検索することで反論を生成する方法を開示した。また実施例２では，反論対象意見に対して矛盾するデータを検索した後，矛盾するデータに対して実施例１の方法で再反論意見を生成し，再反論意見が得られない場合に，当該矛盾データを反論に利用する方法を開示した。

これらの２つの方法は組み合わせて用いることもできる。本実施例３では，その方法について述べる。

システムの構成は実施例２と同様に図８に従う。本実施例の流れを図１０に示す。図１０は実施例２で用いた図９とほぼ同じであるが処理１００１が異なる。

まず入力装置８１８からユーザが議題と反論対象意見を入力し，それらが端末内データ蓄積装置８３１へと蓄積される。蓄積されたデータはネットワーク８２０を介して反論生成サーバ８０１へと送られる（処理１０００）。

続いて処理１００１において，反論生成サーバ８０１では矛盾データ検索処理が動作し，反論対象意見と矛盾する文を反論候補データとして文書データベース８２４の中から検出する。ここで同時に，実施例１で示した方法に基づいて，反論対象意見に対して反論意見を生成し，これも反論候補データとして追加する。

処理１００２以下の処理の流れは実施例２と同一であり，詳細は省略する。処理１００１において実施例１で得られる反論意見も追加することにより，実施例１の方法と実施例２の方法を組み合わせた形の反論意見が生成される。

なお，上記の組み合わせ以外に，実施例１の方法と実施例２の方法を並列に実行し，それぞれで生成された反論意見を並列にユーザに提示することも可能である。

１０１：反論生成サーバ
１０８、１１０，１２１，１２８：入出力インターフェース
１０９：操作端末
１１７：表示装置
１１８：文字入力装置
１１９：音声入力装置
１２０：ネットワーク
１２５：文書データ蓄積装置
１３０：知識データ蓄積装置
１３１：端末内データ蓄積装置。

Claims (10)

1. 入力装置、記憶装置、およびプロセッサを備える反論生成システムにより反論を生成する反論生成方法であって、前記記憶装置はデータベースを格納し、
   前記入力装置から入力される議題と、議題に関する意見である反論対象意見と、を前記記憶装置にテキスト情報として記憶する第１ステップと、
   前記プロセッサが、構文解析および依存解析を用いて、前記議題から、第１前提条件を抽出する第２ステップと、
   前記プロセッサが、構文解析および依存解析を用いて、前記反論対象意見から、第２前提条件を抽出する第３ステップと、
   前記プロセッサが、前記第１前提条件に含まれる第１条件と意味的に対応する第２条件が、前記第２前提条件に含まれるか判定する第４ステップと、
   前記プロセッサが、前記データベースに対して、前記第１条件、前記第２条件、および所定の否定表現を含む語のＡＮＤ条件の検索を行なうことにより、前記第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、
   前記プロセッサが、前記反論根拠データを、前記反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする反論生成方法。
2. 請求項１に記載の反論生成方法において，
   前記第３ステップは、前記反論対象意見からさらに、第１の主となる句を抽出し、
   前記第５ステップは、前記第１条件と前記第２条件とに加え、前記第１の主となる句を検索語として用いることを特徴とする反論生成方法。
3. 請求項１に記載の反論生成方法において、
   前記プロセッサが、構文解析および依存解析を用いて、前記反論文から、第３前提条件を抽出する第７ステップと、
   前記プロセッサが、前記第２前提条件に含まれる第３条件と意味的に対応する第４条件が、前記第３前提条件に含まれるか判定する第８ステップと、
   前記プロセッサが、前記データベースに対して、前記第３条件、前記第４条件、および所定の否定表現を含む語のＡＮＤ条件の検索を行なうことにより、前記第３条件と前記第４条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索する第９ステップと、
   前記プロセッサが、複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力する第１０ステップと、をさらに有することを特徴とする反論生成方法。
4. 請求項３に記載の反論生成方法において、
   前記第７ステップは、前記反論対象意見からさらに、第２の主となる句を抽出し、
   前記第９ステップは、前記第３条件と前記第４条件とに加え、前記第２の主となる句を検索語として用いることを特徴とする反論生成方法。
5. 請求項３に記載の反論生成方法において、
   前記プロセッサが、単語の類義語および反義語関係を用いて、前記第６ステップで生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定する第１１ステップをさらに有し、
   前記第７ステップでは、前記矛盾が存在すると判定された前記反論文から前記第３前提条件を抽出することを特徴とする反論生成方法。
6. 議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、
   構文解析および依存解析を用いて、前記議題から、第１前提条件を抽出し、前記反論対象意見から、第２前提条件を抽出する抽出部と、
   前記第１前提条件に含まれる第１条件と意味的に対応する第２条件が、前記第２前提条件に含まれるか判定する判定部と、
   データベースに対して、前記第１条件、前記第２条件、および所定の否定表現を含む語のＡＮＤ条件の検索を行なうことにより、前記第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、
   前記反論根拠データを、前記反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする反論生成システム。
7. 請求項６に記載の反論生成システムにおいて，
   前記抽出部は、前記反論対象意見からさらに、第１の主となる句を抽出し、
   前記検索部は、前記第１条件と前記第２条件とに加え、前記第１の主となる句を検索語として用いることを特徴とする反論生成システム。
8. 請求項６に記載の反論生成システムにおいて、
   前記抽出部は、さらに、構文解析および依存解析を用いて、前記反論文から、第３前提条件を抽出し、
   前記判定部は、さらに、前記第２前提条件に含まれる第３条件と意味的に対応する第４条件が、前記第３前提条件に含まれるか判定し、
   前記検索部は、さらに、前記データベースに対して、前記第３条件、前記第４条件、および所定の否定表現を含む語のＡＮＤ条件の検索を行なうことにより、前記第３条件と前記第４条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索し、
   前記出力部は、複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力することを特徴とする反論生成システム。
9. 請求項８に記載の反論生成システムにおいて、
   前記抽出部は、さらに、前記反論対象意見から第２の主となる句を抽出し、
   前記検索部は、さらに、前記第３条件と前記第４条件とに加え、前記第２の主となる句を検索語として用いることを特徴とする反論生成システム。
10. 請求項８に記載の反論生成システムにおいて、
    前記出力部は、さらに、単語の類義語および反義語関係を用いて、生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定し、
    前記抽出部は、前記矛盾が存在すると判定された前記反論文から前記第３前提条件を抽出することを特徴とする反論生成システム。

Images