JP6440660B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

情報処理装置、情報処理方法、およびプログラム Download PDF

Info

Publication number
JP6440660B2
JP6440660B2 JP2016177971A JP2016177971A JP6440660B2 JP 6440660 B2 JP6440660 B2 JP 6440660B2 JP 2016177971 A JP2016177971 A JP 2016177971A JP 2016177971 A JP2016177971 A JP 2016177971A JP 6440660 B2 JP6440660 B2 JP 6440660B2
Authority
JP
Japan
Prior art keywords
product
user
response message
message
search
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2016177971A
Other languages
English (en)
Other versions
JP2018045320A (ja
Inventor
晃平 菅原
晃平 菅原
隼人 小林
隼人 小林
伸幸 清水
伸幸 清水
清水 徹
徹 清水
伸裕 鍜治
伸裕 鍜治
達洋 丹羽
達洋 丹羽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yahoo Japan Corp
Original Assignee
Yahoo Japan Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yahoo Japan Corp filed Critical Yahoo Japan Corp
Priority to JP2016177971A priority Critical patent/JP6440660B2/ja
Publication of JP2018045320A publication Critical patent/JP2018045320A/ja
Application granted granted Critical
Publication of JP6440660B2 publication Critical patent/JP6440660B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関する。
従来、受け付けた音声検索クエリに対して、例えば、地域に応じて、検索結果を出力するために用いる言語モデルを調整係数に基づいて調整し、検索結果が選択される確率値を調整する音声検索システムが知られている(特許文献1参照)。
特表2015−526797号公報
上記音声検索システムでは、単に検索結果が選択される確率値を調整しているに過ぎず、音声検索クエリに対する検索結果が、ユーザの満足度を十分に満たさない場合がある。
なお、同様の課題は、音声検索システムに限られず、テキスト入力による検索システムにも発生する。
本願は、上記に鑑みてなされたものであって、検索結果に対するユーザの満足度を向上させる情報処理装置、情報処理方法、およびプログラムを提供することを目的とする。
本願にかかる情報処理装置は、受信部と、取得部と、生成部とを備える。受信部は、ユーザの検索メッセージを受信する。取得部は、ユーザの行動履歴を取得する。生成部は、行動履歴に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する。
実施形態の一態様によれば、検索結果に対するユーザの満足度を向上させる情報処理装置、情報処理方法、およびプログラムを提供することができる。
図1は、実施形態に係る情報処理の説明図である。 図2は、情報処理システムの構成例を示す図である。 図3は、情報処理装置の構成例を示す図である。 図4Aは、行動履歴DBに記憶されたユーザの発話履歴情報の一例である。 図4Bは、行動履歴DBに記憶されたユーザの検索履歴情報の一例である。 図4Cは、行動履歴DBに記憶されたユーザの商品購入履歴情報の一例である。 図5は、商品DBに記憶された商品に関するデータの一例である。 図6は、ユーザの行動履歴に基づいた確率値の推移の一例を示す図である。 図7は、応答メッセージ候補に対するスコアの一例を示す図である。 図8は、実施形態に係る応答メッセージ生成処理の一例を示すフローチャートである。 図9は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
以下に、本願にかかる情報処理装置、情報処理方法、およびプログラムを実施するための形態(以下、「実施形態」と呼ぶ)について図面を参照しつつ詳細に説明する。なお、この実施形態により本願にかかる情報処理装置、情報処理方法、およびプログラムが限定されるものではない。
[1.情報処理]
実施形態に係る情報処理の一例について説明する。図1は、実施形態に係る情報処理の説明図である。
情報処理装置1は、ユーザの端末装置2からユーザの発話に基づく商品検索メッセージを受信する(ステップS1)。例えば、情報処理装置1は、ユーザから「テレビが欲しい」とする発話に基づく商品検索メッセージを受信する。
情報処理装置1は、商品検索メッセージと、行動履歴DB31(図3参照)に記憶されたユーザの行動履歴情報とから、統計モデルを用いて、商品検索メッセージに対する商品候補を選択する(ステップS2)。なお、ここでは、商品には、サービスが含まれる。
ユーザの行動履歴情報には、過去のユーザの発話履歴情報、ユーザの検索履歴情報、ユーザの商品閲覧履歴情報などが含まれる。過去のユーザの発話履歴情報には、今回の商品検索メッセージが含まれない。以降において、過去のユーザの発話履歴情報を、ユーザの発話履歴情報として記載する。
ユーザの発話履歴情報は、ユーザが端末装置2を介して他のユーザとの間で行った対話の内容や、情報処理装置1との間で行った対話の内容から抽出された単語情報であり、行動履歴DB31にデータとして記憶される。
ユーザの検索履歴情報は、ユーザが端末装置2を介して行った検索によって入力された単語情報や、ユーザによりクリックされたコンテンツ情報、例えば、ユーザにクリックされた記事中の単語情報であり、行動履歴DB31にデータとして記憶される。
ユーザの商品閲覧履歴情報は、ユーザが端末装置2によって閲覧したウェブページの情報や、ユーザの商品購入履歴に関する情報であり、行動履歴DB31にデータとして記憶される。
統計モデルは、詳しくは後述するが、多くのユーザによって選択された商品を統計的に表したモデルであり、カテゴリ別に確率値として設定されたモデルである。
例えば、ユーザが「テレビが欲しい」と発話した場合に、ユーザの行動履歴情報を用いない場合には、統計モデルを用いた商品検索では、「A社製のテレビ」と「B社製のテレビ」とが同じ確率値であったとする。
これに対し、ユーザが「A社のDVDレコーダー」を購入していた場合、情報処理装置1は、ユーザの商品購入履歴に基づいて、統計モデルにおける「A社」の確率値を高くする。これにより、「A社製のテレビ」が商品候補として選択されやすくなる。
情報処理装置1は、商品選択結果を用いて、商品検索メッセージに対する応答メッセージを生成する(ステップS3)。上記の場合、情報処理装置1は、例えば、「A社の○○テレビをお薦めします」とする応答メッセージを生成する。
情報処理装置1は、生成した応答メッセージをユーザの端末装置2に送信する(ステップS4)。
このように、情報処理装置1は、商品検索メッセージに対して、ユーザの行動履歴情報に基づいて商品候補を選択し、商品選択結果を用いて応答メッセージを生成する。これにより、ユーザの行動履歴情報に基づいた応答メッセージをユーザの端末装置2へ送信することができ、商品検索に対するユーザの満足度を向上させることができる。
[2.情報処理システム5の構成]
図2は、情報処理システム5の構成例を示す図である。図2に示すように、実施形態に係る情報処理システム5は、情報処理装置1と、端末装置2と、音声認識サーバ3と、音声合成サーバ4と、を備える。
端末装置2、音声認識サーバ3、音声合成サーバ4、および情報処理装置1は、ネットワークNを介して無線または有線で互いに通信可能に接続される。ネットワークNは、例えば、LAN(Local Area Network)や、インターネットなどのWAN(Wide Area Network)である。
端末装置2は、スマートフォンや、タブレット型端末や、デスクトップ型PC(Personal Computer)や、ノート型PCや、PDA(Personal Digital Assistant)等により実現される。
音声認識サーバ3は、音声情報に対して自然言語処理を実行し、音声データをテキストデータに変換する装置である。音声認識サーバ3は、端末装置2から発話の音声データを受信すると、音声データをテキストデータに変換する。音声認識サーバ3は、音声データを変換したテキストデータを情報処理装置1に送信する。
音声合成サーバ4は、情報処理装置1によって生成された応答メッセージのテキストデータを音声データに変換する。音声合成サーバ4は、テキストデータを変換した音声データを、端末装置2に送信する。
情報処理装置1は、端末装置2から送信されたテキストデータ、または音声認識サーバ3を介して音声データが変換されたテキストデータに基づいて、応答メッセージのテキストデータを生成する。情報処理装置1は、生成した応答メッセージのテキストデータを、音声合成サーバ4、および端末装置2に送信する。
なお、音声認識サーバ3や音声合成サーバ4を、情報処理装置1と一体的に構成してもよい。また、端末装置2が、音声認識機能や、音声合成機能を有する場合には、これらの機能を用いて、音声データとテキストデータとを変換してもよい。
[3.情報処理装置1の構成]
次に、実施形態に係る情報処理装置1について、図3を参照し説明する。図3は、情報処理装置1の構成例を示す図である。
ここでは、端末装置2から、ユーザの発話による音声データが送信され、音声データを端末装置2へ送信する例、すなわち、音声による対話を一例として説明するが、テキストデータによる対話であってもよい。
情報処理装置1は、ユーザにより商品検索が行われた場合に、端末装置2(図2参照)から音声認識サーバ3(図2参照)を介して送信された商品検索メッセージに対する応答メッセージを生成する応答生成装置である。情報処理装置1は、受信部10と、送信部20と、記憶部30と、処理部40とを備える。
受信部10は、ネットワークNを介して、ユーザによる端末装置2の操作情報を受信する。操作情報には、ユーザの発話に基づくメッセージや、行動履歴情報が含まれる。ユーザの発話に基づくメッセージには、商品検索に関する商品検索メッセージなどが含まれる。なお、行動履歴情報は、端末装置2による位置情報などを含んでもよい。
受信部10は、ユーザが発話により商品検索を行った場合には、音声認識データ(図2参照)によって変換された商品検索メッセージに対応するテキストデータを受信する。すなわち、受信部10は、ユーザの音声メッセージを商品検索メッセージとして受信する。
記憶部30は、行動履歴DB31と、商品DB32と、統計モデル記憶部33と、対話モデル記憶部34と、言語モデル記憶部35とを備える。記憶部30は、例えば、RAM、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。
行動履歴DB31は、受信部10によって受信した操作情報から、後述する解析部41によって抽出された、ユーザの行動履歴情報に関するデータを記憶する。行動履歴DB31は、図4A〜図4Cに示すように、ユーザの行動履歴情報についてまとめたデータを記憶する。図4Aは、行動履歴DB31に記憶されたユーザの発話履歴情報の一例である。図4Bは、行動履歴DB31に記憶されたユーザの検索履歴情報の一例である。図4Cは、行動履歴DB31に記憶されたユーザの商品購入履歴情報の一例である。なお、単語などは、個別のIDとして記憶されるが、図4A〜図4Cでは説明のため単語で示している。
図4Aに示すように、例えば、行動履歴DB31は、ユーザの発話履歴情報から抽出された単語、およびその出現回数を記憶する。また、図4Bに示すように、行動履歴DB31は、ユーザの検索履歴情報から抽出された単語、およびその検索回数を記憶する。また、図4Cに示すように、行動履歴DB31は、ユーザの商品購入履歴を記憶する。
また、行動履歴DB31は、ユーザの個別情報、例えば、性別、年齢などの情報を記憶してもよい。
商品DB32は、図5に示すように、商品の情報をまとめたデータを記憶する。図5は、商品DB32に記憶された商品に関するデータの一例である。商品DB32には、商品ごとに、商品名、メーカー、カテゴリ、カラーなど商品の情報が対応付けて記憶されている。なお、商品名や、メーカーは、個別のIDとして記憶されるが、図5では説明のため商品名などを示している。
商品DB32では、各商品を分類するためのカテゴリが付されている。なお、カテゴリは、1つの商品に複数付されてもよく、階層に分けて付されてもよい。カテゴリとしては、プレゼントなど、目的などに応じたカテゴリであってもよい。
商品DB32は、情報処理装置1の外部に設けたサーバに備えられてもよい。この場合、情報処理装置1は、ネットワークNを介して、商品DB32から商品に関するデータを取得する。
統計モデル記憶部33は、商品を選択する際に使用する統計モデルを記憶する。統計モデル記憶部33は、予め設定された統計モデルを記憶する。統計モデルは、ネットワークNを介して新たに取得され、更新されてもよい。
統計モデルは、多くの他のユーザ情報に基づいて商品の選択結果を統計的にまとめたモデルである。例えば、統計モデルは、多くの他のユーザへのアンケートや、商品の購入数などに基づいて生成されたモデルであり、或るカテゴリにおいて一般的に商品が選択される確率値を示すモデルである。すなわち、統計モデルは、各ユーザに提示する商品を選択する際に、ユーザの行動履歴情報を考慮せずに統計的にどの商品を選択するのがよいか、ということを示すモデルである。
対話モデル記憶部34は、ユーザの商品検索メッセージに対し、対となる応答メッセージ候補の出現率情報を有する対話モデルを記憶する。対話モデル記憶部34は、予め設定された対話モデルを記憶する。対話モデルは、ネットワークNを介して新たに取得され、更新されてもよい。
対話モデルは、ウェブや、ツイッター(登録商標)などから得ることができる、他のユーザなどの対話内容を事例として学習されたモデルである。対話モデルは、例えば、ユーザの発話が「***が欲しい」である場合に、「***が欲しい」に対し、「○○はどうですか?」や、「いいね」などといった応答メッセージ候補の出現率を統計的にまとめたモデルであり、商品検索メッセージに対する応答メッセージ候補を生成するモデルである。
対話モデルでは、商品検索メッセージに対し、出現率に応じて、商品検索メッセージに対する応答メッセージ候補に重み付けが行われている。例えば、「***が欲しい」とする発話に対し、対話において「いいね」とする返答の方が、「○○はどうですか?」とする返答よりも頻度が多い場合には、「いいね」に対して大きい重みが付される。すなわち、対話モデルは、出現率の高い応答メッセージ候補が選択される確率値が高くなるようにスコアが付されている。なお、対話モデルは、カテゴリごとに分類されてもよい。
また、対話モデルは、商品検索メッセージに対する応答メッセージ候補の生成に限られず、対話における返答メッセージ候補を生成する際にも使用される。
言語モデル記憶部35は、応答メッセージ候補の出現率情報を有する言語モデルを記憶する。言語モデル記憶部35は、予め設定された言語モデルを記憶する。言語モデルは、ネットワークNを介して新たに取得され、更新されてもよい。
言語モデルは、ウェブや、ツイッターなどから得ることができる、他のユーザなどの対話内容を事例として学習されたモデルであるが、商品検索メッセージを考慮しない点で、対話モデルとは異なる。すなわち、言語モデルは、商品検索メッセージの内容に関わらず、一般的な対話の中で使用される応答メッセージ候補の出現率を統計的にまとめたモデルである。
言語モデルでは、応答メッセージ候補の出現率に応じて重み付けされたスコアが応答メッセージ候補に付されている。例えば、「いいね」、「そうだね」など、出現率が所定率よりも高い高頻度の応答メッセージ候補に対して大きいスコアが付される。
処理部40は、解析部41と、ユーザ情報取得部42と、商品候補選択部43と、応答生成部44とを備える。
解析部41は、受信部10によって受信した操作情報を解析する。解析部41は、受信部10によってテキストデータが受信されると、形態素解析等を用いてテキストデータを解析し、テキストデータに含まれる単語群を抽出する。
解析部41は、ユーザの発話により、商品検索メッセージとして受信部10により、例えば、「かっこいい薄型のテレビが欲しい」とするテキストデータが受信された場合、解析部41は、「かっこいい」、「薄型」、「テレビ」、「欲しい」の単語を抽出する。そして、商品検索に関する内容であると特定する。
解析部41は、ユーザの行動履歴情報を解析する。解析部41は、ユーザが端末装置2を介して検索を行った場合に、検索によって入力された単語や、ユーザによりクリックされた記事中の単語を抽出する。
また、解析部41は、ユーザがウェブページを閲覧した場合に、閲覧したウェブページに関するキーワードとなる単語を抽出する。また、解析部41は、ユーザがネットワークNを介して商品を購入した場合に、商品購入履歴に関する情報、例えば、購入した商品名や、商品を製造しているメーカーや、購入日などを抽出する。
解析部41によって抽出された単語などは、ユーザの行動履歴情報に関するデータとして行動履歴DB31に記憶される。
ユーザ情報取得部42は、行動履歴DB31に記憶されたユーザの行動履歴情報を取得する。具体的には、商品検索メッセージが受信されると、ユーザ情報取得部42は、行動履歴DB31からユーザの行動履歴情報を読み出す。
商品候補選択部43は、商品検索メッセージに対して、統計モデルとユーザの行動履歴情報とに基づいて商品候補を選択する。商品候補選択部43は、統計モデルを使用する際にユーザの行動履歴情報に基づいて商品を選択する確率値を調整する。そして商品候補選択部43は、ユーザの行動履歴情報に基づいて商品を選択する確率値が調整された統計モデルを用いて商品候補を選択する。商品候補選択部43は、例えば、統計モデルの確率値に係数を乗算し、統計モデルにおいて商品が選択される確率値を調整する。
ここで、ユーザの行動履歴情報に基づく、商品候補の選択について、図6を参照し説明する。図6は、ユーザの行動履歴情報に基づいた確率値の推移の一例を示す図である。ここでは、ユーザの商品検索メッセージが「かっこいい薄型のテレビが欲しい」であったとする。
ユーザの行動履歴情報に基づかない統計モデル、すなわち統計モデル記憶部33に記憶されている統計モデルをそのまま用いた場合、商品候補が選択される確率値が、「○○テレビ」、「××テレビ」、および「×××テレビ」でともに「20%」であったとする。
ユーザが、過去に「A社の黒のDVDレコーダー」を購入していた場合、商品候補選択部43は、ユーザの行動履歴情報(商品購入履歴情報)に基づいて、統計モデルにおいて商品を選択する確率値を調整し、商品候補選択部43は、「A社」、および「黒」の情報を含む「○○テレビ」、および「黒」の情報を含む「×××テレビ」の確率値を大きくする。なお、「××テレビ」の確率値を小さくしてもよい。
このように、商品候補選択部43は、ユーザの行動履歴情報に基づいて統計モデルにおいて商品を選択する確率値を調整し、商品候補を選択する。図6の例では、商品候補選択部43は、「A社」の「○○テレビ」を商品候補として選択する。
また、商品候補選択部43は、選択した商品候補に対してスコアを付す。商品候補選択部43は、固定のスコアを選択した商品候補に付してもよく、また確率値に応じてスコアを付してもよい。確率値に応じてスコアを付す場合には、商品候補選択部43は、確率値が大きい商品候補ほど、大きいスコアを付す。
なお、商品候補選択部43は、複数の商品を商品候補として選択してもよい。この場合、商品候補選択部43は、確率値が大きい商品候補ほど、大きいスコアを付す。
上記一例では、ユーザの行動履歴情報として、ユーザの商品購入履歴情報に基づいて統計モデルにおいて商品を選択する確率値を調整した例を用いて説明したが、ユーザの行動履歴情報として、発話履歴情報、検索履歴情報、および他の商品閲覧履歴情報に基づいても統計モデルにおいて商品を選択する確率値を調整する。
商品候補選択部43は、ユーザの発話履歴に基づいて統計モデルにおいて商品を選択する確率値を調整し、発話において出現回数(出現頻度)が多い単語の確率値を小さくする。
また、商品候補選択部43は、ユーザの検索履歴情報に基づいて統計モデルにおいて商品を選択する確率値を調整し、検索における入力回数(出現頻度)などが多い単語の確率値を小さくする。
また、商品候補選択部43は、商品閲覧履歴情報に基づいて統計モデルにおいて商品を選択する確率値を調整し、閲覧回数が多いウェブページの情報に関する単語の確率値を小さくする。
これらにより、商品候補を選択するにあたり、商品候補選択部43は、ユーザが予想しない意外性の高い商品を商品候補として選択することができる。
なお、商品候補選択部43は、例えば、ユーザの発話履歴情報に基づいて統計モデルにおいて商品を選択する確率値を調整し、発話において入力回数(出現頻度)が多い単語の確率値を大きくすると、ユーザが好む商品や、興味を持っている商品を商品候補として選択することができる。ユーザの検索履歴情報などにおいても、同様である。
また、商品候補選択部43は、一定の周期(不定周期を含む)で、例えば、発話における出現回数の高い単語の確率値を大きくしたり、小さくしたりしてもよい。
これにより、商品候補選択部43は、意外性の高い商品を選択しつつ、ユーザが好む商品や、興味を持っている商品を商品候補として選択することができる。
また、商品候補選択部43は、ユーザの商品購入履歴情報に基づいて、ユーザが購入した商品については、所定時間が経過するまで確率値を小さくしてもよい。所定時間は、予め設定された時間であり、例えば、一定の時間としてもよく、商品に応じて設定されてもよい。
これにより、商品候補選択部43は、ユーザの商品購入後、短期間で、ユーザが購入した商品と同じ商品を商品候補として選択することを抑制することができる。
このように、ユーザの行動履歴情報に基づいて、統計モデルにおいて商品を選択する確率値を調整することで、商品候補選択部43は、ユーザに特有の商品候補を選択することができる。これにより、情報処理装置1は、商品検索メッセージに対し、ユーザの満足度を向上させることができる。
応答生成部44は、商品候補選択部43によって選択された商品候補と、対話モデルと、言語モデルとを用いて、商品検索メッセージに対する応答メッセージを生成する。応答生成部44は、例えば、商品候補におけるスコアと、検索メッセージに対する対話モデルを用いた応答メッセージ候補のスコアと、応答メッセージ候補に対する言語モデルのスコアとに基づいてスコアが高い応答メッセージ候補を選択し、応答メッセージを生成する。
応答生成部44は、対話モデルを用いて、商品検索メッセージに対する応答メッセージ候補、およびそのスコアを抽出する。また、応答生成部44は、言語モデルを用いて、応答メッセージ候補のスコアを抽出する。
応答生成部44は、応答メッセージ候補に商品候補が含まれている場合には、応答メッセージ候補のスコアに、商品候補のスコアを加算する。また、応答生成部44は、応答メッセージ候補のスコアから、応答メッセージ候補に対する言語モデルのスコアを減算する。
そして、応答生成部44は、スコアが最も高い応答メッセージ候補を、音声メッセージとなる応答メッセージとして選択する。
例えば、図7に示すように、商品検索メッセージが「かっこいい薄型のテレビが欲しい」であった場合に、対話モデルでは、一般的な応答である「いいね」、「そうだね」といった応答メッセージ候補のスコアが高い(例えば、「50」)。そのため、言語モデルを用いずに対話モデルのみを用いると、商品検索メッセージに対して、「いいね」、「そうだね」とする応答メッセージ候補の合計スコア(「50」)が、「A社の○○テレビをお薦めします」とする応答メッセージ候補の合計スコア(「40」)よりも高くなる。図7は、応答メッセージ候補に対するスコアの一例を示す図である。
したがって、「いいね」や、「そうだね」といった応答メッセージ候補が応答メッセージとして選択される。そのため、商品検索メッセージに適した応答メッセージ候補が応答メッセージとして選択されず、ユーザの満足度が低下するおそれがある。
本実施形態に係る応答生成部44は、言語モデルによるスコアを考慮するので、「A社の○○テレビをお薦めします」とする応答メッセージ候補の合計スコア「35」が、「いいね」、「そうだね」とする応答メッセージ候補の合計スコア「0」よりも大きくなる。
これにより、商品検索メッセージ「かっこいい薄型のテレビが欲しい」に対して、ユーザの行動履歴情報に基づいた「A社の○○テレビをお薦めします」とする応答メッセージ候補が、応答メッセージとして選択される。そのため、ユーザの満足度を向上させることができる。
送信部20は、ネットワークNを介して、端末装置2や、音声合成サーバ4(図2参照)に、応答生成部44によって作成された応答メッセージを送信する。
[4.応答メッセージ生成処理]
次に、実施形態に係る応答メッセージ生成処理について図8を参照し説明する。図8は、実施形態に係る応答メッセージ生成処理の一例を示すフローチャートである。
処理部40は、受信部10によって商品検索メッセージが受信されると(ステップS10)、行動履歴DB31からユーザの行動履歴情報を取得する(ステップS11)。
処理部40は、ユーザの行動履歴情報と、商品検索メッセージとに基づいて、統計モデルにおいて商品を選択する確率値を調整して、商品DB32から確率値が高い商品候補を選択する(ステップS12)。
処理部40は、商品検索メッセージに基づいて、対話モデルを用いて、検索メッセージに対応する応答メッセージ候補を選択する(ステップS13)。
処理部40は、選択した商品候補のスコアと、対話モデルにおける応答メッセージ候補のスコアと、言語モデルにおける応答メッセージ候補のスコアとに基づいて、スコアが最も高い応答メッセージ候補を、応答メッセージとして選択する(ステップS14)。
処理部40は、選択した応答メッセージを送信部20からユーザの端末装置2へ送信する(ステップS15)。
[5.変形例]
上記実施形態に加えて、以下の変形例を適用することも可能である。
統計モデルは、ユーザの行動履歴情報に基づいて生成されたモデルであってもよい。すなわち、統計モデル記憶部33は、行動履歴DBに記憶されたユーザの行動履歴に基づいて、商品を選択する確率値が調整され、生成された統計モデルを記憶してもよい。
また、情報処理装置1は、例えば、ユーザの行動履歴情報に基づいて商品を選択する確率値が調整された統計モデルを、受信部10を介して外部から取得し、統計モデル記憶部33に記憶してもよい。
商品候補選択部43は、例えば、商品閲覧履歴情報や、ユーザの個別情報(例えば、性別、年齢)など属性が、推薦条件に一致する回数を集計し、集計結果に応じて商品を推薦する推薦システムを用いて選択された商品を考慮して、商品候補を選択してもよい。
また、商品候補選択部43は、統計モデルの代わりに、推薦システムにおける推薦モデルを用いて商品候補を選択してもよい。
また、商品候補選択部43は、検索ログで上位の商品や、最新のニュース記事に含まれる商品の確率値を大きくして、商品候補を選択してもよい。
これにより、商品候補選択部43は、現在のトレンドに応じた商品を商品候補として選択することができる。
商品候補選択部43は、例えば、受信部10を介して、ユーザと行動履歴が類似する類似ユーザの行動履歴情報を取得し、類似ユーザの返答率が高い応答メッセージに含まれる単語の確率値、つまり類似ユーザによる返答率が高い商品に対する確率値を大きくしてもよい。
これにより、商品候補選択部43は、類似ユーザによる満足度が高い商品を、商品候補として選択することができる。そのため、情報処理装置1は、対話による商品検索に対し、ユーザの満足度を向上させることができる。
また、商品候補選択部43は、商品DB32において、予めカテゴリごとに商品をまとめ、その中で確率値を調整してもよい。
これにより、商品候補選択部43は、カテゴリに応じて商品選択を素早く行うことができる。
商品候補選択部43は、商品候補を選択する場合に、ユーザの商品検索メッセージに対し、対話モデルを用いて応答メッセージ候補を考慮して選択してもよい。例えば、対話モデルにおいて自然な応答となる商品を含む応答メッセージ候補に対する確率値を大きくしてもよい。
これにより、商品候補選択部43は、自然な応答となる応答メッセージ候補に含まれる商品であり、ユーザの行動履歴情報に基づいた商品候補を選択することができる。そのため、情報処理装置1は、対話による商品検索に対し、ユーザの満足度を向上させることができる。
また、商品候補選択部43は、強化学習モデルを用いて、ユーザの行動履歴情報に基づいて商品候補を選択してもよい。強化学習モデルでは、ユーザの行動履歴を「状態」とし、選択した商品候補を「行動」とし、行動、すなわち選択した商品候補における応答メッセージに対するユーザの返答に基づくスコアを「報酬」とし、商品候補選択部43は、報酬の積算値が最も高い商品を選択する。
例えば、予め設定された一定時間以内に、ユーザから返答があり、その内容がポジティブな内容である場合の報酬を「+1」とし、その内容がネガティブな内容である場合の報酬を「−1」とする。また、予め設定された一定時間以内に、ユーザから返答がない場合の報酬を「0」とする。
これにより、商品候補選択部43は、ユーザの行動履歴情報に基づいて、ユーザが好む商品候補を素早く選択することができる。
応答生成部44は、応答メッセージ候補の中で、商品候補を含まない応答メッセージ候補を応答メッセージとして選択しなくてもよい。
これにより、情報処理装置1は、商品候補を含む応答メッセージをユーザの端末装置2へ送信することができる。そのため、情報処理装置1は、対話による商品検索に対し、ユーザの満足度を向上させることができる。
また、応答生成部44は、1回目の応答メッセージを選択する場合に、商品候補のスコアを小さくして応答メッセージを選択してもよい。なお、対話による商品検索に対し、対話回数が多くなるほど、商品候補のスコアを大きくしてもよい。
これにより、情報処理装置1は、ユーザとの対話回数を増やすことができる。
また、応答生成部44は、対話モデルにおいて、一般的な応答が選択される確率が小さくなるように、対話モデルの目的関数を修正して学習された対話モデルを用いて応答メッセージ候補を選択してもよい。
これにより、応答生成部44は、対話モデルのみを用いた場合でも、一般的な応答となる応答メッセージ候補が応答メッセージとして選択される確率を小さくし、商品検索メッセージに対し、自然な応答メッセージを選択することができる。
また、商品検索メッセージなどを実数ベクトルで示す分散表現を用いてもよい。そして、対話モデルを、ウェブや、ツイッター(登録商標)などから得られる対話内容を学習データとして取集し、商品検索メッセージにおける分散表現と、商品検索メッセージに対して相応しい対となる応答メッセージ候補における分散表現とが、分散表現空間上で近くに存在するように学習してもよい。対話モデルは、例えば、LSTM(Long Short-Term Memory)などを備えた、RNN(Recurrent Neural Network)の技術を用いて学習され、生成される。
これにより、応答生成部44は、表現の一部が異なる商品検索メッセージに対して、同一の応答メッセージ候補を選択することができ、表現の一部が異なる商品検索メッセージに対しても適切な応答メッセージを生成することができ、応答メッセージに対するユーザの満足度を向上させることができる。
なお、上記変形例を適宜組み合わせることも可能である。例えば、情報処理装置1は、ユーザの行動履歴情報に基づいて商品を選択する確率値が調整された推薦モデルを、受信部10を介して外部から取得してもよい。
[6.効果]
実施形態に係る情報処理装置1は、受信部10と、ユーザ情報取得部42と、応答生成部44とを備える。受信部10は、ユーザの商品検索メッセージを受信する。ユーザ情報取得部42は、ユーザの行動履歴情報を取得する。応答生成部44は、行動履歴情報に基づく商品の検索結果を用いて、商品検索メッセージに対する応答メッセージを生成する。
これにより、応答生成部44は、ユーザの行動履歴情報に基づいて選択された商品候補に関する応答メッセージを生成することができる。そのため、情報処理装置1は、商品検索結果に対するユーザの満足度を向上させることができる。
商品候補選択部43は、ユーザの行動履歴情報に基づいて、統計モデルにおいて商品を選択する確率値を調整する。
これにより、商品候補選択部43は、ユーザの行動履歴情報に応じて商品候補を選択することができる。そのため、情報処理装置1は、商品検索結果に対するユーザの満足度を向上させることができる。
商品候補選択部43は、ユーザの発話履歴情報を含む行動履歴情報に基づいて、発話履歴に含まれる商品が選択される確率値を調整する。
例えば、ユーザの発話履歴に含まれる商品(単語)の出現頻度が大きいほど、その商品が選択される確率値を小さくする。これにより、商品候補選択部43は、意外性の高い商品を商品候補として選択することができる。
商品候補選択部43は、ユーザの検索履歴情報を含む行動履歴情報に基づいて、統計モデルにおいて商品を選択する確率値を調整する。
例えば、ユーザの検索履歴時に入力される商品(単語)の出現頻度が大きいほど、その商品が選択される確率値を小さくする。これにより、商品候補選択部43は、意外性の高い商品を商品候補として選択することができる。
商品候補選択部43は、ユーザの閲覧履歴情報を含む行動履歴情報に基づいて、統計モデルにおいて商品を選択する確率値を調整する。
例えば、ユーザの閲覧回数が多いウェブページの情報に関する単語の確率値を小さくする。これにより、商品候補選択部43は、意外性の高い商品を商品候補として選択することができる。
商品候補選択部43は、類似ユーザによる返答率が高い商品に対する確率値を大きくしてもよい。これにより、商品候補選択部43は、類似ユーザによる満足度が高い商品を、商品候補として選択することができる。そのため情報処理装置1は、ユーザの満足度を向上させることができる。
受信部10は、商品検索メッセージとして、音声メッセージを受信し、応答生成部44は、応答メッセージとして、音声メッセージを生成する。
これにより、情報処理装置1は、音声による対話によって、ユーザの満足度を向上させた商品検索を行うことができる。
応答生成部44は、応答メッセージ候補の出現率情報を有する言語モデルと、商品検索メッセージに対し、対となる応答メッセージ候補の出現率情報を有する対話データと、商品候補とに基づいて、商品検索メッセージに対する応答メッセージを生成する。
これにより、応答生成部44は、商品検索メッセージに対して自然な応答メッセージを生成することができる。
応答生成部44は、言語モデルにおける出現率が所定率よりも高い高頻度の応答メッセージ候補が応答メッセージとして選択される確率値を低くする。
これにより、応答生成部44は一般的に応答メッセージとして頻度が高い応答メッセージ候補が、応答メッセージとして選択されることを抑制しつつ、検索メッセージに対して自然な応答メッセージを生成することができる。
[7.ハードウェアの構成]
上記してきた実施形態に係る情報処理装置1は、例えば図9に示すような構成のコンピュータ1000によって実現される。図9は、情報処理装置1の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
CPU1100は、ROM1300またはHDD1400に格納されたプログラムに基づいて動作し、各部の制御を行う。ROM1300は、コンピュータ1000の起動時にCPU1100によって実行されるブートプログラムや、コンピュータ1000のハードウェアに依存するプログラム等を格納する。
HDD1400は、CPU1100によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス1500は、ネットワークNを介して他の機器からデータを受信してCPU1100へ送り、CPU1100が決定したデータをネットワークNを介して他の機器へ送信する。
CPU1100は、入出力インターフェイス1600を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。CPU1100は、入出力インターフェイス1600を介して、入力装置からデータを取得する。また、CPU1100は、決定したデータを入出力インターフェイス1600を介して出力装置へ出力する。
メディアインターフェイス1700は、記録媒体1800に格納されたプログラムまたはデータを読み取り、RAM1200を介してCPU1100に提供する。CPU1100は、かかるプログラムを、メディアインターフェイス1700を介して記録媒体1800からRAM1200上にロードし、ロードしたプログラムを実行する。記録媒体1800は、例えばDVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等の光学記録媒体、MO(Magneto-Optical disk)等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
例えば、コンピュータ1000が実施形態に係る情報処理装置1として機能する場合、コンピュータ1000のCPU1100は、RAM1200上にロードされたプログラムを実行することにより、処理部40の機能を実現する。コンピュータ1000のCPU1100は、これらのプログラムを記録媒体1800から読み取って実行するが、他の例として、他の装置からネットワークNを介してこれらのプログラムを取得してもよい。
以上、本願の実施形態及び変形例のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
[8.その他]
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。
また、上述してきた実施形態及び変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
また、上述してきた「部(section、module、unit)」は、「手段」や「回路」などに読み替えることができる。例えば、受信部10は、受信手段や受信回路に読み替えることができる。
1 情報処理装置
2 端末装置
10 受信部
20 送信部
30 記憶部
31 行動履歴DB
32 商品DB
40 処理部
41 解析部
42 ユーザ情報取得部(取得部)
43 商品候補選択部(調整部)
44 応答生成部(生成部)

Claims (16)

  1. ユーザの検索メッセージを受信する受信部と、
    前記ユーザの行動履歴を取得する取得部と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整部と、
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成部と、
    を備え
    前記調整部は、
    前記行動履歴における出現頻度が多い商品ほど前記確率値を小さくする
    ことを特徴とする情報処理装置。
  2. ユーザの検索メッセージを受信する受信部と、
    前記ユーザの行動履歴を取得する取得部と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整部と
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成部と、
    を備え、
    前記生成部は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対し、対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、検索された商品とに基づいて、前記検索メッセージに対する前記応答メッセージを生成する
    ことを特徴とする情報処理装置。
  3. ユーザの検索メッセージを受信する受信部と、
    前記ユーザの行動履歴を取得する取得部と、
    前記行動履歴に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成部と、
    を備え、
    前記生成部は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対して対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、商品が選択される確率値を示す統計モデルとに基づく前記応答メッセージ候補のスコアを用いて、前記検索メッセージに対する前記応答メッセージを生成し、
    前記検索メッセージに対する対話回数に基づいて、前記統計モデルを用いて選択された商品候補を含む前記応答メッセージ候補のスコアを調整する
    ことを特徴とする情報処理装置。
  4. 前記行動履歴に基づいて、前記商品を検索する際に用いる前記統計モデルにおいて商品が選択される確率値を調整する調整部
    を備えることを特徴とする請求項3に記載の情報処理装置。
  5. 前記取得部は、
    前記ユーザの発話履歴情報を含む行動履歴を取得し、
    前記調整部は、
    前記統計モデルにおいて、前記発話履歴情報に含まれる商品が選択される確率値を調整する
    ことを特徴とする請求項1または4に記載の情報処理装置。
  6. 前記取得部は、
    前記ユーザの検索履歴情報を含む行動履歴を取得し、
    前記調整部は、
    前記統計モデルにおいて、前記検索履歴情報に含まれる商品が選択される確率値を調整する
    ことを特徴とする請求項1、4または5に記載の情報処理装置。
  7. 前記取得部は、
    前記ユーザの閲覧履歴情報を含む行動履歴を取得し、
    前記調整部は、
    前記統計モデルにおいて、前記閲覧履歴情報に含まれる商品が選択される確率値を調整する
    ことを特徴とする請求項1、4〜6のいずれか一つに記載の情報処理装置。
  8. 前記取得部は、
    前記ユーザの行動履歴が類似する類似ユーザの行動履歴を取得し、
    前記調整部は、
    前記類似ユーザの返答率が高い商品が選択される確率値が高くなるように前記統計モデルにおける確率値を調整する
    ことを特徴とする請求項1、4〜7のいずれか一つに記載の情報処理装置。
  9. 前記受信部は、
    前記検索メッセージとして、前記ユーザの音声メッセージを受信し、
    前記生成部は、
    前記応答メッセージとして、音声メッセージを生成する
    ことを特徴とする請求項1〜8のいずれか一つに記載の情報処理装置。
  10. 前記生成部は、
    前記言語モデルにおける出現率が所定率よりも高い高頻度の応答メッセージ候補に対し、前記高頻度の応答メッセージ候補が前記応答メッセージとして生成される確率値を低くする
    ことを特徴とする請求項またはに記載の情報処理装置。
  11. 情報処理装置が実行する情報処理方法であって、
    ユーザの検索メッセージを受信する受信工程と、
    前記ユーザの行動履歴を取得する取得工程と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整工程と
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成工程と、
    を含み
    前記調整工程は、
    前記行動履歴における出現頻度が多い商品ほど前記確率値を小さくする
    ことを特徴とする情報処理方法。
  12. ユーザの検索メッセージを受信する受信手順と、
    前記ユーザの行動履歴を取得する取得手順と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整手順と、
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成手順と、
    をコンピュータに実行させ
    前記調整手順は、
    前記行動履歴における出現頻度が多い商品ほど前記確率値を小さくする
    ことを特徴とするプログラム。
  13. 情報処理装置が実行する情報処理方法であって、
    ユーザの検索メッセージを受信する受信工程と、
    前記ユーザの行動履歴を取得する取得工程と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整工程と、
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成工程と、
    を含み、
    前記生成工程は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対し対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、検索された商品とに基づいて、前記検索メッセージに対する前記応答メッセージを生成す
    ことを特徴とする情報処理方法。
  14. ユーザの検索メッセージを受信する受信手順と、
    前記ユーザの行動履歴を取得する取得手順と、
    複数ユーザに関する情報に基づき生成された商品選択の確率値を示す統計モデルにおける確率値を、前記検索メッセージを受信したユーザの行動履歴に基づいて調整する調整手順と、
    調整された前記確率値に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成手順と、
    をコンピュータに実行させ、
    前記生成手順は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対し対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、検索された商品とに基づいて、前記検索メッセージに対する前記応答メッセージを生成す
    ことを特徴とするプログラム。
  15. ユーザの検索メッセージを受信する受信工程と、
    前記ユーザの行動履歴を取得する取得工程と、
    前記行動履歴に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成工程と、
    を含み、
    前記生成工程は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対して対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、商品が選択される確率値を示す統計モデルとに基づく前記応答メッセージ候補のスコアを用いて、前記検索メッセージに対する前記応答メッセージを生成し、
    前記検索メッセージに対する対話回数に基づいて、前記統計モデルを用いて選択された商品候補を含む前記応答メッセージ候補のスコアを調整する
    ことを特徴とする情報処理方法。
  16. ユーザの検索メッセージを受信する受信手順と、
    前記ユーザの行動履歴を取得する取得手順と、
    前記行動履歴に基づく商品の検索結果を用いて、前記検索メッセージに対する応答メッセージを生成する生成手順と、
    をコンピュータに実行させ、
    前記生成手順は、
    応答メッセージ候補の出現率情報を有する言語モデルと、前記検索メッセージに対して対となる前記応答メッセージ候補の出現率情報を有する対話モデルと、商品が選択される確率値を示す統計モデルとに基づく前記応答メッセージ候補のスコアを用いて、前記検索メッセージに対する前記応答メッセージを生成し、
    前記検索メッセージに対する対話回数に基づいて、前記統計モデルを用いて選択された商品候補を含む前記応答メッセージ候補のスコアを調整する
    ことを特徴とするプログラム。
JP2016177971A 2016-09-12 2016-09-12 情報処理装置、情報処理方法、およびプログラム Active JP6440660B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2016177971A JP6440660B2 (ja) 2016-09-12 2016-09-12 情報処理装置、情報処理方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016177971A JP6440660B2 (ja) 2016-09-12 2016-09-12 情報処理装置、情報処理方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2018045320A JP2018045320A (ja) 2018-03-22
JP6440660B2 true JP6440660B2 (ja) 2018-12-19

Family

ID=61693121

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016177971A Active JP6440660B2 (ja) 2016-09-12 2016-09-12 情報処理装置、情報処理方法、およびプログラム

Country Status (1)

Country Link
JP (1) JP6440660B2 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7380567B2 (ja) * 2018-08-03 2023-11-15 ソニーグループ株式会社 情報処理装置、情報処理方法及び情報処理プログラム
JP7348027B2 (ja) * 2019-10-28 2023-09-20 株式会社日立製作所 対話システム、対話プログラムおよび対話システムの制御方法
JP2021099651A (ja) * 2019-12-20 2021-07-01 富士通Japan株式会社 サーバ、検索結果抽出方法及び検索結果抽出プログラム
JP7250057B2 (ja) * 2021-03-15 2023-03-31 ヤフー株式会社 学習装置、学習方法及び学習プログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001125900A (ja) * 1999-10-29 2001-05-11 Yazaki Corp 対話システム及び対話方法、双方向対話システム及び双方向対話方法並びに記録媒体
WO2001084394A1 (fr) * 2000-04-28 2001-11-08 Fujitsu Limited Systeme de commande interactif
JP2002073665A (ja) * 2000-08-24 2002-03-12 Sony Corp 商品情報提供システム
JP2005275601A (ja) * 2004-03-23 2005-10-06 Fujitsu Ltd 音声による情報検索システム
JP2007199876A (ja) * 2006-01-24 2007-08-09 Fuji Xerox Co Ltd 質問応答システム、質問応答処理方法及び質問応答プログラム
WO2009017135A1 (ja) * 2007-08-02 2009-02-05 Nec Corporation 情報提供支援装置および情報提供支援方法
JP4962970B2 (ja) * 2008-05-20 2012-06-27 ヤフー株式会社 プロフィールを利用した商品情報提供サーバ、システム及び方法
JP5588938B2 (ja) * 2011-07-26 2014-09-10 日本電信電話株式会社 アイテム推薦装置及び方法及びプログラム
WO2013080406A1 (ja) * 2011-11-28 2013-06-06 Necソフト株式会社 対話システム、冗長メッセージ排除方法および冗長メッセージ排除プログラム
US9043205B2 (en) * 2012-06-21 2015-05-26 Google Inc. Dynamic language model
JP2015049578A (ja) * 2013-08-30 2015-03-16 アクセンチュア グローバル サービシズ リミテッド ユーザとの自然会話能力を備えたエージェントシステム、エージェント制御方法、エージェント制御プログラム、及び記録媒体
JP6310363B2 (ja) * 2014-08-20 2018-04-11 ヤフー株式会社 情報処理装置、情報処理方法及び情報処理プログラム
JP6478734B2 (ja) * 2014-10-31 2019-03-06 株式会社東芝 アイテム推薦装置、アイテム推薦方法およびプログラム

Also Published As

Publication number Publication date
JP2018045320A (ja) 2018-03-22

Similar Documents

Publication Publication Date Title
JP6718828B2 (ja) 情報入力方法および装置
JP2021535458A (ja) 機械学習抽出物とセマンティックグラフとを使用して構造化データを作成し、検索、推奨および発見を促進するための方法およびシステム
JP6440660B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN112074857A (zh) 组合机器学习和社交数据以生成个性化推荐
US20170235830A1 (en) Adjusting Sentiment Scoring For Online Content Using Baseline Attitude of Content Author
JP2013517563A (ja) ユーザ通信の解析システムおよび方法
JP6570226B2 (ja) 応答生成装置、応答生成方法及び応答生成プログラム
US20190095949A1 (en) Digital Marketing Content Control based on External Data Sources
WO2014186254A1 (en) Language proficiency detection in social applications
US20160055533A1 (en) Response generation device, response generation method, and non-transitory computer readable storage medium
CN112307315A (zh) 智能推荐服务的方法及装置
JP6333329B2 (ja) 情報処理装置、情報処理方法、およびプログラム
US20160253684A1 (en) Systems and methods of structuring reviews with auto-generated tags
JP2018129068A (ja) 情報処理装置、情報処理方法、およびプログラム
WO2019099913A1 (en) Aspect pre-selection using machine learning
JP5881647B2 (ja) 判定装置、判定方法及び判定プログラム
US20210365511A1 (en) Generation and delivery of content curated for a client
JP6077165B1 (ja) 生成装置、生成方法、及び生成プログラム
JP2017167752A (ja) 決定装置、決定方法及び決定プログラム
WO2019073669A1 (ja) 情報処理装置、情報処理方法、及びプログラム
KR102398361B1 (ko) Gui 기반 인공지능 추천 시스템 및 그 방법
KR102263691B1 (ko) 유망 콘텐츠 선정 방법, 장치 및 컴퓨터프로그램
KR102226427B1 (ko) 호칭 결정 장치, 이를 포함하는 대화 서비스 제공 시스템, 호칭 결정을 위한 단말 장치 및 호칭 결정 방법
JP6205039B1 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2016177690A (ja) サービス推薦装置およびサービス推薦方法並びにサービス推薦プログラム

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171226

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180207

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180724

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180910

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181023

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181120

R150 Certificate of patent or registration of utility model

Ref document number: 6440660

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350