JP6749164B2 - サービス提供システム、及びプログラム - Google Patents

Description

本発明は、サービス提供システム、及びプログラムに関する。

近年、コンテキスト・アウェア・コンピューティングと呼ばれ、ユーザの振る舞いや環境の状態に合わせてその場に適したサービスやコンテンツを能動的に提供する技術が知られている（例えば、特許文献１を参照）。このような技術を利用したサービス提供システムでは、ユーザの周辺に設置されたセンサが検出した情報からユーザの行動を分析してユーザの分散環境行動データベースに蓄積する。そして、このような技術を利用したサービス提供システムでは、例えば、ロボットがユーザと対話を行った際のユーザの発話内容と、分散環境行動データベースに蓄積された情報とに基づいて、ユーザの状況を解析し、ユーザの求めるサービスを特定及び提供することが可能である。

特許第４３７０４１０号公報

しかしながら、従来の対話システムでは、検出するコンテキストを予め設定しておく手法が一般的である。そのため、従来のサービス提供システムでは、大量のコンテキストを予め登録しておく必要があり、新たにコンテキストを追加する場合は、開発者が個々にコンテキストの検出方法を追加する必要があった。ここで、コンテキストとは、ユーザの状況、又は環境の状況を示す情報である。

本発明は、上記問題を解決すべくなされたもので、その目的は、検出可能なコンテキストを自動的に登録することができるサービス提供システム、及びプログラムを提供することにある。

上記問題を解決するために、本発明の一態様は、センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理部と、ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けた組情報をコンテキスト記憶部に記憶させるラベル付与部と、前記コンテキスト記憶部が記憶する前記組情報に基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築部と、前記ラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部と、前記センサが検出したセンサ情報から前記分節化処理部によって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理部と、前記予測処理部によって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨部とを備えることを特徴とするサービス提供システムである。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記分節化処理部が生成した前記セグメント情報を階層クラスタリングにより分類するセグメント分類部を備え、前記ラベル付与部は、前記セグメント分類部によって分類された前記セグメント情報と、前記ラベル情報とを対応付けて前記コンテキスト記憶部に記憶させることを特徴とする。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記センサ情報に基づいて予測された前記ラベル情報の時系列な履歴であるコンテキスト履歴情報と、実行された前記サービスの履歴であるサービス履歴情報とに基づいて、予測された前記ラベル情報に同期して実行された前記サービスが存在する場合に、当該サービスを示す前記サービス情報と、当該ラベル情報とを対応付けて前記対応関係記憶部に記憶させるサービス登録部を備えることを特徴とする。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記サービス登録部は、予め登録された前記サービスに関するマスタ情報であって、少なくとも前記ラベル情報と前記サービス情報とを対応付けた情報を複数含むマスタ情報と、前記コンテキスト記憶部に記憶されている前記ラベル情報とに基づいて、前記コンテキスト記憶部に記憶されている前記ラベル情報が、前記マスタ情報に含まれる前記ラベル情報と一致する場合に、当該ラベル情報と、前記マスタ情報に含まれ、当該ラベル情報に対応する前記サービス情報とを対応付けて、前記対応関係記憶部に記憶させることを特徴とする。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記予測処理部によって予測された前記ラベル情報に関する質問を、前記対話装置に出力させて取得された前記ユーザの発話内容に基づいて、前記コンテキスト記憶部が記憶している前記組情報の妥当性を判定し、当該組情報が妥当でないと判定した場合に、妥当でないと判定した当該組情報に関連する前記組情報を前記コンテキスト記憶部から削除させるコンテキスト確認部を備えることを特徴とする。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記対応関係記憶部が記憶する前記ラベル情報と前記サービス情報とを対応付けた対応関係情報を、自システムとは異なる他システムが生成した前記対応関係情報を含む対応関係マスタ記憶部に記憶させるとともに、前記対応関係マスタ記憶部から前記他システムが生成した前記対応関係情報を取得して、取得した前記他システムが生成した前記対応関係情報を前記対応関係記憶部に記憶させる共有処理部を備えることを特徴とする。

また、本発明の一態様は、上記のサービス提供システムにおいて、前記予測モデル構築部は、所定の条件を満たす場合に、前記予測モデルを再構築することを特徴とする。

また、本発明の一態様は、ユーザの状況であるコンテキストを示すラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部を備えるコンピュータに、センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理ステップと、ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けてコンテキスト記憶部に記憶させるラベル付与ステップと、前記コンテキスト記憶部が記憶する前記ラベル情報と、前記セグメント情報とに基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築ステップと、前記センサが検出したセンサ情報から前記分節化処理ステップによって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理ステップと、前記予測処理ステップによって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨ステップとを実行させるためのプログラムである。

本発明によれば、検出可能なコンテキストを自動的に登録することができる。

本実施形態によるサービス提供システムの一例を示す機能ブロック図である。 本実施形態における対話履歴記憶部のデータ例を示す図である。 本実施形態におけるラベルマスタ記憶部のデータ例を示す図である。 本実施形態における対応関係マスタ記憶部のデータ例を示す図である。 本実施形態におけるセンサ履歴記憶部のデータ例を示す図である。 本実施形態におけるコンテキストマスタ記憶部のデータ例を示す図である。 本実施形態におけるサービスマスタ記憶部のデータ例を示す図である。 本実施形態におけるサービス実行履歴記憶部のデータ例を示す図である。 本実施形態におけるコンテキスト発生履歴記憶部のデータ例を示す図である。 本実施形態における対応関係記憶部のデータ例を示す図である。 本実施形態におけるセンサ情報の一例を示す図である。 本実施形態におけるセンサ情報の分節化の一例を示す図である。 本実施形態におけるセグメント情報の階層クラスタリングの一例を示す図である。 本実施形態における対話ロボットの動作の一例を示すフローチャートである。 本実施形態におけるコンテキストの登録処理、及び予測モデルの構築処理の一例を示すフローチャートである。 本実施形態におけるサービス推奨処理の一例を示すフローチャートである。 本実施形態におけるサービス登録処理の一例を示すフローチャートである。 本実施形態における情報共有処理の一例を示すフローチャートである。

以下、本発明の一実施形態によるサービス提供システムについて、図面を参照して説明する。
図１は、本実施形態によるサービス提供システム１の一例を示す機能ブロック図である。
図１に示すように、サービス提供システム１は、対話ロボット１０と、情報共有サーバ２０と、コンテキスト認識システム３０とを備えている。サービス提供システム１は、コンテキスト・アウェア・コンピューティングを用いたシステムであり、後述するセンサ３１が計測したセンサ情報と、対話ロボット１０によるユーザＵ１との対話内容とに応じて、ユーザの状況を推定（予測）し、ユーザの状況に応じたサービスを提供（推奨）する。

なお、本実施形態では、説明の便宜上、サービス提供システム１が、１つの対話ロボット１０と、１つのコンテキスト認識システム３０とを備える一例について説明するが、複数の対話ロボット１０、又は複数のコンテキスト認識システム３０を備えていてもよい。また、本実施形態において、コンテキストとは、例えば、ユーザの状況のことである。

対話ロボット１０（対話装置の一例）は、ユーザＵ１と対話する音声対話システムである。対話ロボット１０は、スピーカ１１と、マイク１２と、撮像部１３と、ロボット記憶部１４と、ロボット制御部１５とを備えている。

スピーカ１１は、ユーザＵ１と対話を行うために、ユーザＵ１への発話内容に対応する音声を出力する。
マイク１２は、ユーザＵ１が発した音声を収音し、音声信号に変換する。
撮像部１３は、例えば、ＣＣＤ（Charge Coupled Device）イメージセンサを有するカメラであり、対話ロボット１０の周囲を撮像する。

ロボット記憶部１４は、対話ロボット１０の各種処理に利用する情報を記憶する。ロボット記憶部１４は、辞書記憶部１４１と、音響モデル記憶部１４２と、対話履歴記憶部１４３とを備えている。
辞書記憶部１４１は、ユーザＵ１と対話ロボット１０との対話処理の音声認識処理及び音声合成処理に用いられる辞書情報を記憶する。
音響モデル記憶部１４２は、ユーザＵ１と対話ロボット１０との対話処理の音声認識処理及び音声合成処理に用いられる音響モデル情報を記憶する。

対話履歴記憶部１４３は、ユーザＵ１と対話ロボット１０と間で行われた対話の履歴を記憶する。対話履歴記憶部１４３は、例えば、図２に示すように、「時刻」と、「ユーザ属性情報」と、「対話内容」とを対応付けて対話履歴情報として記憶する。

図２は、本実施形態における対話履歴記憶部１４３のデータ例を示す図である。
図２において、「時刻」は対話が行われた時刻（タイムスタンプ）を示し、「ユーザ属性情報」は、上述した撮像部１３が撮像したユーザＵ１の画像認識により得られたユーザＵ１の属性情報（例えば、性別、年齢など）を示している。また、「対話内容」は、「ロボット発話内容」と、「ユーザ発話内容」とを含んでいる。ここで、「ロボット発話内容」は、スピーカ１１を介してユーザＵ１に発した発話内容を示し、「ユーザ発話内容」は、マイク１２を介して収音した音声信号に基づくユーザＵ１が発した発話内容を示している。

図２に示す例では、対話履歴記憶部１４３は、「時刻」が“１０：００”（１０時００分）に、「ユーザ属性情報」が“男性、老人”であるユーザＵ１と対話したことを示している。また、この時の「対話内容」は、「ロボット発話内容」が“今なにしているの？”という質問であり、「ユーザ発話内容」が“体操している”であることを示している。
なお、図２に示す例では、対話履歴情報に「ロボット発話内容」と、「ユーザ発話内容」との両方が含まれる例を説明したが、対話履歴情報には、「ロボット発話内容」と、「ユーザ発話内容」とのいずれか一方のみが含まれてもよい。

図１の説明に戻り、ロボット制御部１５は、例えば、ＣＰＵ（Central Processing Unit）などを含むプロセッサであり、対話ロボット１０を統括的に制御する。ロボット制御部１５は、対話制御部１５１と、音声合成部１５２と、音声認識部１５３と、画像認識部１５４とを備えている。

対話制御部１５１は、ユーザＵ１と対話ロボット１０との対話を制御する。対話制御部１５１は、例えば、画像認識部１５４によって対話ロボット１０の近傍にユーザＵ１が存在すると認識された場合に、一定期間ごとに、例えば、“今何しているの？”などの発話内容をユーザＵ１に話しかける（問いかける）制御を行い、当該話しかけ（問いかけ）に対するユーザＵ１からの返答（ユーザＵ１の発話内容）を取得する。すなわち、対話制御部１５１は、例えば、発話内容を後述する音声合成部１５２により音声合成させた音声をスピーカ１１から出力させる。そして、対話制御部１５１は、マイク１２が収音した音声信号から後述する音声認識部１５３を介してユーザＵ１の発話内容を抽出して取得する。対話制御部１５１は、上述した図２の示すように、「時刻」と、「ユーザ属性情報」と、「対話内容」とを対応付けて、対話履歴情報として対話履歴記憶部１４３に記憶させる。なお、対話制御部１５１は、「ユーザ属性情報」を画像認識部１５４から取得する。

また、対話制御部１５１は、コンテキスト認識システム３０からの対話依頼に応じて、上述したユーザＵ１に話しかけてユーザＵ１の返答を取得する対話処理を実行する。また、この場合、対話制御部１５１は、対話履歴情報を対話履歴記憶部１４３に記憶させるとともに、ユーザＵ１の返答（ユーザＵ１の発話内容）及びユーザＵ１の属性情報（「ユーザ属性情報」）をコンテキスト認識システム３０に送信する。

音声合成部１５２は、辞書記憶部１４１が記憶する辞書情報と、音響モデル記憶部１４２が記憶する音響モデル情報とに基づいて、ユーザＵ１への発話内容に対応する音声信号を合成して、当該音声信号をスピーカ１１に出力させる。
音声認識部１５３は、辞書記憶部１４１が記憶する辞書情報と、音響モデル記憶部１４２が記憶する音響モデル情報とに基づいて、マイク１２が収音したユーザＵ１からの返答の音声信号からユーザＵ１の発話内容を抽出して、当該発話内容を対話制御部１５１に出力する。

画像認識部１５４は、撮像部１３が撮像した画像データを取得して、既存の画像認識技術を用いて、取得した画像データに人物が含まれるか否かを判定する人感センサとして機能する。また、画像認識部１５４は、取得した画像データに人物が含まれている場合に、当該人物をユーザＵ１として、画像認識により、ユーザＵ１の属性情報（例えば、性別、年齢など）を抽出して、抽出したユーザＵ１の属性情報を対話制御部１５１に出力する。

情報共有サーバ２０は、コンテキストのラベルＩＤの管理、及びコンテキスト認識システム３０のそれぞれが学習して生成したコンテキストとサービスとの対応関係を示す対応関係情報を、他のシステム（他のコンテキスト認識システム３０）と共有するためのサーバ装置である。情報共有サーバ２０は、例えば、コンテキスト認識システム３０とネットワークを介して接続されていてもよい。また、情報共有サーバ２０は、サーバ記憶部２１と、サーバ制御部２２とを備えている。

サーバ記憶部２１は、情報共有サーバ２０の各種処理に利用する情報を記憶する。サーバ記憶部２１は、ラベルマスタ記憶部２１１と、対応関係マスタ記憶部２１２とを備えている。
ラベルマスタ記憶部２１１は、サービス提供システム１において払い出された（登録及び付与された）コンテキストのラベルＩＤ（ラベル情報）に関する情報を記憶する。ラベルマスタ記憶部２１１は、例えば、図３に示すように、「ラベルＩＤ」と、「ラベル名」と、「親ラベルＩＤ」とを対応付けて記憶する。

図３は、本実施形態におけるラベルマスタ記憶部２１１のデータ例を示す図である。
図３において、「ラベルＩＤ」は、コンテキストのラベルを識別するラベル識別情報（ラベル情報）を示し、「ラベル名」は、ラベルの名称（コンテキストの名称）を示している。また、「親ラベルＩＤ」は、当該ラベルＩＤに対応するコンテキストに関連したラベルＩＤであり、当該コンテキストの上位の概念に相当するコンテキスト（親ラベル又は親コンテキスト）のラベルＩＤを示している。

図３に示す例では、例えば、「ラベルＩＤ」が“Ｌ０００１”のコンテキストは、「ラベル名」が“運動”であり、「親ラベルＩＤ」がないことを示している。また、「ラベルＩＤ」が“Ｌ０００２”のコンテキストは、「ラベル名」が“野球”であり、「親ラベルＩＤ」が“Ｌ０００１”であることを示している。この場合、“Ｌ０００１”は、「ラベル名」が“野球”であり、“運動”が“野球”の親ラベル（上位の概念のラベル）であることを示している。

再び図１に戻り、対応関係マスタ記憶部２１２は、コンテキスト認識システム３０が学習して生成した対応関係情報を他のシステムと共有するために記憶する。対応関係マスタ記憶部２１２は、ラベル情報とサービス情報とを対応付けた対応関係情報を記憶する。対応関係マスタ記憶部２１２は、例えば、図４に示すように、「ラベルＩＤ」と、「親ラベルＩＤ」と、「サービスＩＤ」とを対応づけて対応関係情報として記憶する。

図４は、本実施形態における対応関係マスタ記憶部２１２のデータ例を示す図である。
図４において、上述した図３と同様に、「ラベルＩＤ」は、ラベル情報を示し、「親ラベルＩＤ」は、親ラベルのラベルＩＤ（ラベル情報）を示している。また、「サービスＩＤ」は、サービスを識別する識別情報（サービス情報）を示している。なお、「サービスＩＤ」は、複数のサービスＩＤを含む配列データであってもよい。

図４に示す例では、例えば、「ラベルＩＤ」が“Ｌ０００１”のコンテキストには、「親ラベルＩＤ」がなく、対応する「サービスＩＤ」が、“ＳＶ００１、ＳＶ００２”であることを示している。また、例えば、「ラベルＩＤ」が“Ｌ０００２”のコンテキストには、「親ラベルＩＤ」が“Ｌ０００１”であり、対応する「サービスＩＤ」が、“ＳＶ００１、ＳＶ００３、・・・”であることを示している。

再び図１に戻り、サーバ制御部２２は、例えば、ＣＰＵなどを含むプロセッサであり、情報共有サーバ２０を統括的に制御する。サーバ制御部２２は、例えば、コンテキスト認識システム３０からの読み出し要求に応じて、ラベルマスタ記憶部２１１及び対応関係マスタ記憶部２１２に記憶されている情報を読み出し、コンテキスト認識システム３０に送信する制御を行う。また、サーバ制御部２２は、例えば、コンテキスト認識システム３０からの書き込み要求に応じて、ラベルマスタ記憶部２１１及び対応関係マスタ記憶部２１２に情報を記憶させる制御を行う。

コンテキスト認識システム３０は、センサ３１が計測したセンサ情報と、対話ロボット１０によるユーザＵ１との対話内容とに応じて、ユーザの状況（コンテキスト）を推定（予測）し、ユーザの状況（コンテキスト）に応じたサービスを提供（推奨）する。コンテキスト認識システム３０は、センサ３１と、センサ受信部３２と、記憶部４０と、制御部５０とを備えている。

センサ３１は、ユーザの状況を検出するために、コンテキスト認識システム３０の周囲（ユーザＵ１の周囲）の状態及びユーザＵ１の行動を示す各種計測値（各種センサ情報）の計測を行う。センサ３１は、例えば、ユーザＵ１の様々な行動や周囲の状態を常時計測し、計測した計測値をセンサ受信部３２に出力する。すなわち、センサ３１は、センサ情報を常時検出する。なお、コンテキスト認識システム３０は、例えば、複数のセンサ３１を備えていてもよい。

センサ受信部３２は、センサ３１が計測した計測値を受信して、受信した計測値（センサ情報）と、センサ３１の識別情報（センサＩＤ）と、計測した時刻（タイムスタンプ）とを対応付けて、センサ履歴情報として、センサ履歴記憶部４１に記憶させる。なお、センサ履歴記憶部４１が記憶するセンサ履歴情報の詳細については、後述する。

記憶部４０は、コンテキスト認識システム３０の各種処理に利用する情報を記憶する。記憶部４０は、センサ履歴記憶部４１と、コンテキストマスタ記憶部４２と、サービスマスタ記憶部４３と、サービス実行履歴記憶部４４と、コンテキスト発生履歴記憶部４５と、予測モデル記憶部４６と、対応関係記憶部４７とを備えている。

センサ履歴記憶部４１は、センサ３１が検出したセンサ情報の履歴であるセンサ履歴情報を記憶する。センサ履歴記憶部４１は、例えば、図５に示すように、「時刻」と、「センサＩＤ」と、「計測値」とを対応づけて、センサ履歴情報として記憶する。

図５は、本実施形態におけるセンサ履歴記憶部４１のデータ例を示す図である。
図５において、「時刻」は、センサ３１が計測（検出）した時刻（タイムスタンプ）を示し、「センサＩＤ」は、センサ３１を識別する識別情報を示している。また、「計測値」は、当該センサ３１が計測した計測値（センサ情報）を示している。
図５に示す例では、「時刻」が“１０：００”（１０時００分）に、「センサＩＤ」が“ＳＮ００１”のセンサ３１が、「計測値」として“ＸＸＸ”を計測したことを示している。

再び図１に戻り、コンテキストマスタ記憶部４２（コンテキスト記憶部の一例）は、ユーザと対話する対話ロボット１０によって取得されたユーザの発話内容に基づいて検出（予測）されたコンテキストを示すラベル情報と、セグメント情報とを対応付けた組情報を記憶する。ここで、セグメント情報とは、センサ３１が時系列に沿って検出したセンサ情報を分節化し、各分節の状態量を示す値である。また、セグメントとは、例えば、センサ３１によって検出されたユーザＵ１の状況の１つの状態を示している。セグメント情報の詳細については、後述する。コンテキストマスタ記憶部４２は、例えば、図６に示すように、「セグメント名」と、「セグメント情報」と、「ラベルＩＤ」と、「ラベル名」とを対応付けて記憶する。

図６は、本実施形態におけるコンテキストマスタ記憶部４２のデータ例を示す図である。
図６において、「セグメント名」は、セグメントを識別する識別情報を示し、「セグメント情報」は、各セグメントの状態量（特徴量）を示す値を示している。また、「ラベルＩＤ」及び「ラベル名」は、上述した図３と同様である。
図６に示す例では、例えば、「セグメント名」が“Ｓ_１”である「セグメント情報」が“ＸＸＸＸ”であることを示している。また、このセグメントの「ラベルＩＤ」は、“Ｌ０００２，Ｌ０００１”であり、「ラベル名」が“野球、運動”であることを示している。なお、「ラベルＩＤ」及び「ラベル名」には、親ラベルのラベルＩＤ及びラベル名が付加されており、“Ｌ０００１”及び“運動”が親ラベルに相当する。

再び図１に戻り、サービスマスタ記憶部４３は、予め登録された提供可能なサービスに関するマスタ情報を記憶する。サービスマスタ記憶部４３は、例えば、少なくともラベル情報とサービス情報とを対応付けた情報を複数含むマスタ情報を記憶する。具体的に、サービスマスタ記憶部４３は、図７に示すように、「サービスＩＤ」と、「サービス名」と、「実行内容」と、「ラベルＩＤ」とを対応付けて記憶する。

図７は、本実施形態におけるサービスマスタ記憶部４３のデータ例を示す図である。
図７において、「サービスＩＤ」は、サービスを識別する識別情報であり、上述したサービス情報の一例である。また、「サービス名」は、サービスの名称を示し、「実行内容」は、サービスの実行内容を示している。なお、「実行内容」には、提供するサービスにおいて、制御するデバイスやその制御内容が含まれてもよい。また、「ラベルＩＤ」は、上述したラベル情報である。

図７に示す例では、例えば、「サービスＩＤ」が“ＳＶ００５”であるサービスは、「サービス名」が“料理レシピ提供”であり、「実行内容」が“料理レシピの検索画面を表示”であることを示している。また、例えば、「サービスＩＤ」が“ＳＶ００６”であるサービスは、「サービス名」が“故障特定サービス”であり、「実行内容」が“故障特定メニュー画面の表示”であることを示している。

再び図１に戻り、サービス実行履歴記憶部４４は、実行されたサービスの履歴であるサービス履歴情報を記憶する。サービス実行履歴記憶部４４は、例えば、図８に示すように、「時刻」と、「サービスＩＤ」と、「ユーザＩＤ」とを対応付けてサービス履歴情報として記憶する。

図８は、本実施形態におけるサービス実行履歴記憶部４４のデータ例を示す図である。
図８において、「時刻」は、サービスが実行された時刻（タイムスタンプ）を示し、「サービスＩＤ」は、実行されたサービスの識別情報（サービス情報）を示している。また、「ユーザＩＤ」は、サービスを利用したユーザＵ１の識別情報を示している。

図８に示す例では、例えば、「時刻」が“１１：００”（１１時００分）に、「サービスＩＤ」が“ＳＶ００５”のサービスが「ユーザＩＤ」が“Ｕ０００１”のユーザＵ１に対して実行されたことを示している。また、例えば、「時刻」が“１２：００”（１２時００分）に、「サービスＩＤ」が“ＳＶ００１”のサービスが「ユーザＩＤ」が“Ｕ０００２”のユーザＵ１に対して実行されたことを示している。

再び図１に戻り、コンテキスト発生履歴記憶部４５は、センサ情報に基づいて予測されたラベル情報の時系列な履歴であるコンテキスト履歴情報を記憶する。コンテキスト発生履歴記憶部４５は、例えば、図９に示すように、「時刻」と、「セグメント情報」と、「ラベルＩＤ」とを対応付けてコンテキスト履歴情報として記憶する。

図９は、本実施形態におけるコンテキスト発生履歴記憶部４５のデータ例を示す図である。
図９において、「時刻」は、コンテキスト（セグメント情報）が予測（検出）された時刻（タイムスタンプ）を示し、「セグメント情報」は、センサ３１によって検出されたセグメント情報を示している。また、「ラベルＩＤ」は、「セグメント情報」に基づいて予測されたコンテキストのラベルＩＤを示している。

図９に示す例では、例えば、「時刻」が“１１：００”（１１時００分）に、検出された「セグメント情報」が“ＺＺＺＺ”であり、「ラベルＩＤ」が“Ｌ０００５”であるコンテキストが予測されたことを示している。また、例えば、「時刻」が“１２：３０”（１２時３０分）に、検出された「セグメント情報」が“ＹＹＹＹ”であり、「ラベルＩＤ」が“Ｌ０００１”であるコンテキストが予測されたことを示している。

再び図１に戻り、予測モデル記憶部４６は、セグメント情報からラベル情報を予測する予測モデルを記憶する。なお、予測モデルは、後述する予測モデル学習部５４によって構築される。
対応関係記憶部４７は、ラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する。対応関係記憶部４７は、例えば、図１０に示すように、「ラベルＩＤ」と、「親ラベルＩＤ」と、「サービスＩＤ」とを対応付けて対応関係情報として記憶する。

図１０は、本実施形態における対応関係記憶部４７のデータ例を示す図である。
図１０において、「ラベルＩＤ」と、「親ラベルＩＤ」と、「サービスＩＤ」とは、上述した図４と同様である。
図１０に示す例では、例えば、「ラベルＩＤ」が“Ｌ０００１”のコンテキストには、「親ラベルＩＤ」がなく、対応する「サービスＩＤ」が、“ＳＶ００１、ＳＶ００２”であることを示している。

再び図１に戻り、制御部５０は、例えば、ＣＰＵなどを含むプロセッサであり、コンテキスト認識システム３０を統括的に制御する。制御部５０は、例えば、センサ履歴記憶部４１が記憶するセンサ履歴情報と、対話履歴記憶部１４３が記憶する対話履歴情報とに基づいて、コンテキスト（例えば、セグメント情報とラベル情報との組情報）を抽出し、抽出したコンテキストをコンテキストマスタ記憶部４２に記憶させるコンテキストの自動学習処理を実行する。また、制御部５０は、コンテキストマスタ記憶部４２が記憶するセグメント情報とラベル情報との組情報に基づいて、セグメント情報からラベル情報を予測する予測モデルを構築する。

また、制御部５０は、例えば、サービス実行履歴記憶部４４が記憶するサービス履歴情報と、コンテキスト発生履歴記憶部４５が記憶するコンテキスト履歴情報とを比較して、ラベル情報と、サービス情報との対応関係情報を分析する。また、制御部５０は、例えば、サービスマスタ記憶部４３が記憶するサービス情報と、上述の自動学習したコンテキスト（例えば、セグメント情報とラベル情報との組情報）とに基づいて、ラベル情報と、サービス情報との対応関係情報を分析する。制御部５０は、分析結果である対応関係情報を対応関係記憶部４７に記憶させて、検出したコンテキストに応じて実行可能なサービスを追加する。

また、制御部５０は、センサ３１によって検出されたセンサ情報に基づいて、セグメント情報を生成し、上述した予測モデルに基づいて、生成したセグメント情報からラベル情報を予測する。そして、制御部５０は、対応関係記憶部４７が記憶する対応関係情報に基づいて、予測したラベル情報（コンテキスト）に対応するサービスを推奨（レコメンド）し、当該サービスをユーザＵ１に提供する。

また、制御部５０は、上述のように自動学習した対応関係情報を情報共有サーバ２０の対応関係マスタ記憶部２１２にアップロードして記憶させるとともに、自システムの対応関係記憶部４７に記憶されている対応関係情報の差分を情報共有サーバ２０から取得する。制御部５０は、取得した対応関係情報の差分を対応関係記憶部４７に追加して記憶させる。
また、制御部５０は、分節化処理部５１と、セグメント分類部５２と、ラベル付与部５３と、予測モデル学習部５４と、コンテキスト予測部５５と、コンテキスト確認部５６と、相関分析部５７と、サービスレコメンド部５８と、情報共有部５９とを備えている。

分節化処理部５１は、時系列にセンサ３１が検出したセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する。分節化処理部５１は、例えば、センサ履歴記憶部４１が記憶するセンサ履歴情報と、予め定められた分節化モデルとに基づいて、分節化を実行して各分節に対応するセグメント情報を生成する。ここで、センサ履歴記憶部４１が記憶するセンサ履歴情報は、例えば、図１１に示す波形Ｗ１のようなセンサ３１の計測値である。なお、図１１に示すグラフは、縦軸がセンサ３１の計測値を示し、横軸が時刻を示している。また、センサ３１の計測値と平行して、対話ロボット１０により定期的に、対話処理が実行され、“野球”、“料理”などのユーザＵ１の返答が取得されている。また、分節化モデルは、例えば、ＲＮＮ−ＰＢ（Recurrent Neural Network with Parametric Bias）手法や、ＨＭＭ（Hidden Markov Model）などを用いたモデルである。

図１２は、本実施形態におけるセンサ情報の分節化の一例を示す図である。この図において、ＲＮＮ−ＰＢ手法を用いて分節化処理及びセグメント情報の生成を行う場合の一例について説明する。
図１２（ａ）は、図１１の波形Ｗ１と同様のセンサ３１の計測値の波形を示している。また、図１２（ｂ）は、ＲＮＮ−ＰＢ手法によるＰＢ（Parametric Bias）値の波形Ｗ２を示している。

図１２に示すように、分節化処理部５１は、ＲＮＮ−ＰＢ手法により生成されるＰＢ値（波形Ｗ２）の切り替わりタイミングを状態の切り替わり）（コンテキストの切り替わり）として、時系列のセンサ情報（波形Ｗ１）を分節化し、分節化した各状態をセグメントと判定する。図１２に示す例では、分節化処理部５１は、ＰＢ値（波形Ｗ２）の切り替わりにより、セグメントＳ_１、セグメントＳ_２、及びセグメントＳ_３の２つのセグメントに分節化する。また、分節化処理部５１は、各セグメントのＰＢ値をセグメント情報として生成する。また、分節化処理部５１は、セグメント情報（ＰＢ値）の外れ値検出等によって値が大きく変化したタイミングを分節化タイミングとして検出する手法を採用してもよい。

セグメント分類部５２は、分節化処理部５１が生成したセグメント情報を階層クラスタリング（階層クラスタ解析）により分類する。セグメント分類部５２は、例えば、分節化処理部５１による分節化手法に対応した特徴空間内での写像を利用して、階層クラスタリングを実行し、デンドログラムを生成する。すなわち、セグメント分類部５２は、例えば、ＲＮＮ−ＰＢ手法である場合には、ＰＢニューロンの特徴空間における各セグメントの値（ＰＢ値）を対象に、特徴空間内の距離に基づいてクラスタ解析を行い、デンドログラムを生成する。なお、階層クラスタリングは、データ量の増大に応じて計算負荷が爆発的に増加するため、セグメント分類部５２は、セグメントのサンプル数を所定の最大個数（例えば、Ｎｍａｘ）を上限数として間引いて実行してもよい。セグメント分類部５２は、セグメント情報（例えば、ＰＢ値）を用いて、階層クラスタリングにより分類し、例えば、図１３に示すようなデンドログラムＤＣ１を生成する。

図１３は、本実施形態におけるセグメント情報の階層クラスタリングの一例を示す図である。
図１３に示す例では、セグメント分類部５２は、セグメントＳ_１〜Ｓ_５を、階層クラスタリングを実行し、デンドログラムＤＣ１を生成する一例を示している。この図において、セグメントＳ_１及びセグメントＳ_４の集合であるクラスタＣ１、及びセグメントＳ_２及びセグメントＳ_５の集合であるクラスタＣ２は、クラスタＣ３の下位のクラスタである。すなわち、クラスタＣ３は、クラスタＣ１及びクラスタＣ２の上位のクラスタ（親クラスタ）である。

ラベル付与部５３は、対話ロボット１０によって取得されたユーザの発話内容に基づいて検出されたコンテキストを示すラベル情報と、セグメント情報とを対応付けた組情報をコンテキストマスタ記憶部４２に記憶させる。すなわち、ラベル付与部５３は、セグメント分類部５２によって分類されたセグメント情報と、ラベル情報とを対応付けてコンテキストマスタ記憶部４２に記憶させる。ラベル付与部５３は、例えば、対話履歴記憶部１４３が記憶する対話履歴情報に基づいて、例えば、図１３に示すように、階層クラスタリングの結果であるデンドログラムＤＣ１に対してラベルを付与する。

具体的に、ラベル付与部５３は、例えば、“今何している？”というユーザＵ１への問いに対するユーザＵ１の返答（発話内容）をラベルとして付与する。なお、ユーザＵ１からの返答は常に一様ではなく、非常に近い状態でも全く異なるラベルが返答として得られる場合が想定される。例えば、同じ野球をしている場合でも、“スポーツをしている”、“野球をしている”、“バッティングをしている”など複数の返答が得られる可能性がある。そのため、ラベル付与部５３は、１つのセグメントに対して複数のラベルの付与を可能とする。ラベル付与部５３は、ユーザの状況にラベルを付与する場合に、言葉の概念としての距離と、センサ３１から取得したセグメント情報の距離（特徴空間内の距離）との両方を考慮して、セグメントに対してラベルを付与する。ラベル付与部５３は、各セグメントにラベルを付与し、図６に示すように、「セグメント名」と、「セグメント情報」と、「ラベルＩＤ」と、「ラベル名」とを対応付けてコンテキストマスタ記憶部４２に記憶させる。

なお、ラベル付与部５３は、コンテキストマスタ記憶部４２にコンテキストを記憶させる際に、まず、発話内容のラベル名が情報共有サーバ２０のラベルマスタ記憶部２１１に登録されているか否かを判定する。ラベル付与部５３は、発話内容のラベル名がラベルマスタ記憶部２１１に登録されている場合には、ラベルマスタ記憶部２１１からラベルＩＤを取得する。また、ラベル付与部５３は、発話内容のラベル名がラベルマスタ記憶部２１１に登録されていない場合に、新しいラベルＩＤを払い出して、ラベルマスタ記憶部２１１に登録（記憶）させる。ラベル付与部５３は、各セグメントの開始時刻を対話履歴記憶部１４３が記憶する対話履歴情報により確認し、当該期間中に対話結果が存在する場合に、セグメント情報とラベルＩＤとを対応付けて、図６に示すように、コンテキストマスタ記憶部４２に記憶させる。

また、ラベル付与部５３は、デンドログラムを参照し、異なる複数のセグメントが同じラベルを有する場合に、複数つのセグメントが属するクラスタに含まれる全てのセグメントはその言葉の概念下にある可能性があるため、全てのセグメントに対して同一のラベルを付与する。

例えば、図１３に示すデンドログラムＤＣ１において、ユーザＵ１からは“野球”、“体操”、“運動”という３つの返答が得られているとする。ここで、“野球”が含まれている小さなクラスタＣ１と“体操”が含まれている小さなクラスタＣ２とのそれぞれに“運動”というラベルが存在する場合、クラスタＣ１及びクラスタＣ２に含まれるものは、全て“運動”という共通概念を有していることが想定される。よって、この場合、ラベル付与部５３は、“野球”、“体操”、及び何のラベルもついていないセグメントにも全て“運動”というラベルを付与する。これによって、ラベル付与部５３は、上述の言葉の概念としての距離と、セグメント情報の距離（特徴空間内の距離）との両方を踏まえた階層化を実現すると共に、ユーザＵ１からの少ない教示でより多くの概念を獲得することが可能にある。

予測モデル学習部５４（予測モデル構築部の一例）は、コンテキストマスタ記憶部４２が記憶する上述したセグメント情報とラベル情報との組情報に基づいて、セグメント情報からラベル情報を予測する予測モデルを構築する。予測モデル学習部５４は、例えば、コンテキストマスタ記憶部４２が記憶している「セグメント情報」と「ラベルＩＤ」との全ての対応関係を基に、セグメント情報とラベルＩＤの対応関係を教師あり学習（例えば、Recurrent Neural Network、Support Vector Machineなど）により、予測モデルを構築する。予測モデル学習部５４は、構築した予測モデルを予測モデル記憶部４６に記憶させる。

また、予測モデル学習部５４は、所定の条件を満たす場合に、予測モデルを再構築する。予測モデル学習部５４は、例えば、定期的（一定期間ごと）に、予測モデルを再構築してもよいし、コンテキストマスタ記憶部４２にコンテキスト（組情報）が登録されるごとに、予測モデルを再構築してもよい。また、予測モデル学習部５４は、サービス提供システム１を稼働した期間（稼働期間）に応じて、予測モデルを再構築する所定の条件を変更してもよい。例えば、稼働期間が短い場合には、学習が不充分であることが考えられ、予測モデル学習部５４は、稼働期間が長い場合に比べて短い期間ごとに予測モデルを再構築し、稼働期間が長い場合には、稼働期間が短い場合に比べて長い期間ごとに予測モデルを再構築するようにしてもよい。また、予測モデル学習部５４は、ユーザＵ１による明示的な指示に基づいて、予測モデルを再構築するようにしてもよい。

コンテキスト予測部５５（予測処理部の一例）は、センサ３１が検出したセンサ情報から分節化処理部５１によって生成されたセグメント情報と、予測モデル学習部５４が構築した予測モデルとに基づいて、ラベル情報を予測する。すなわち、コンテキスト予測部５５は、予測モデル記憶部４６が記憶する予測モデルにより、分節化処理部５１によって生成されたセグメント情報から、ラベル情報（例えば、ラベルＩＤ）を予測（推定）する。

コンテキスト確認部５６は、コンテキスト予測部５５によって予測されたラベル情報に関する質問を、対話ロボット１０に出力させて取得されたユーザの発話内容に基づいて、コンテキストマスタ記憶部４２が記憶しているコンテキストの妥当性を判定する。コンテキスト確認部５６は、例えば、予測されたラベル情報（例えば、ラベルＩＤ）に対応するラベル名が“体操”である場合に、“体操しているの？”というユーザＵ１への質問を、対話ロボット１０に実行させる。コンテキスト確認部５６は、当該質問に対する返答（発話内容）を対話ロボット１０から取得し、当該返答に対応するラベル情報（ラベルＩＤ）と、予測されたラベル情報（ラベルＩＤ）とが一致（又は関連する概念）であるか否かにより、コンテキストマスタ記憶部４２が記憶しているコンテキスト（組情報）の妥当性を判定する。

コンテキスト確認部５６は、当該コンテキスト（組情報）が妥当でないと判定した場合に、妥当でないと判定した当該コンテキスト（組情報）に関連するコンテキスト（組情報）をコンテキストマスタ記憶部４２から削除させる。すなわち、コンテキスト確認部５６は、コンテキストが妥当でないと判定された組情報に含まれるセグメント情報の特徴空間内の距離Ｄが、所定の距離Ｄｔｈ以内であるコンテンツの組情報を全てコンテキストマスタ記憶部４２から削除させる。なお、コンテキスト確認部５６は、当該コンテキスト（組情報）が妥当でないと判定した場合に、コンテキストマスタ記憶部４２に、当該返答に対応するラベル情報（ラベルＩＤ）に訂正した組情報を登録してもよい。

相関分析部５７（サービス登録部の一例）は、サービス情報と、ラベル情報とを対応付けて対応関係情報として、対応関係記憶部４７に記憶させる。相関分析部５７は、例えば、コンテキスト発生履歴記憶部４５が記憶するコンテキスト履歴情報と、サービス実行履歴記憶部４４が記憶するサービス履歴情報とに基づいて、予測されたラベル情報に同期して実行されたサービスが存在する場合に、当該サービスを示すサービス情報と、当該ラベル情報とを対応付けて対応関係記憶部４７に記憶させる。なお、サービス履歴情報には、ユーザＵ１によって指定されて実行されたサービスの履歴が含まれており、相関分析部５７は、このように実行されたサービスに対応するサービス情報と、同期するラベル情報とを対応付けて新たな対応関係情報として、対応関係記憶部４７に記憶させる。

また、相関分析部５７は、サービスマスタ記憶部４３に記憶されているマスタ情報と、コンテキストマスタ記憶部４２に記憶されているラベル情報とに基づいて、ラベル情報とを対応付けて対応関係情報として、対応関係記憶部４７に記憶させる。相関分析部５７は、例えば、コンテキストマスタ記憶部４２に記憶されているラベル情報が、マスタ情報に含まれるラベル情報と一致する場合に、当該ラベル情報と、マスタ情報に含まれ、当該ラベル情報に対応するサービス情報とを対応付けて、対応関係記憶部４７に記憶させる。

サービスレコメンド部５８（サービス推奨部の一例）は、コンテキスト予測部５５によって予測されたラベル情報に対応するサービス情報を対応関係記憶部４７から取得し、取得したサービス情報に対応するサービスを推奨する。サービスレコメンド部５８は、例えば、対応関係記憶部４７から推奨可能なサービスを複数取得してリストアップし、所定の手法により、当該リストアップのうちからサービスを選択する。サービスレコメンド部５８は、例えば、最も使用頻度の高いものを優先する手法や、ラベルの構造を参照し、親概念のラベル（親ラベル）に対応するサービスを優先的に実行するなどの手法により、サービスを選択して、当該サービスを推奨する。

また、例えば、サービスレコメンド部５８は、推奨したサービスを実行する指示（承認）をユーザＵ１から得られた場合に、当該サービスを実行する。なお、サービスレコメンド部５８は、サービスの種類によっては、実行する指示（承認）をユーザＵ１から得ずに、サービスを実行するようにしてもよい。

情報共有部５９（共有処理部の一例）は、対応関係記憶部４７が記憶するラベル情報とサービス情報とを対応付けた対応関係情報を、自システムとは異なる他システム（例えば、他のコンテキスト認識システム３０）が生成した対応関係情報を含む対応関係マスタ記憶部２１２に記憶させる。すなわち、情報共有部５９は、対応関係記憶部４７が記憶する対応関係情報を情報共有サーバ２０にアップロードして、情報共有サーバ２０の対応関係マスタ記憶部２１２に記憶させる。ここで、情報共有部５９は、例えば、一定期間ごとに、対応関係情報を対応関係マスタ記憶部２１２に記憶させてもよいし、対応関係記憶部４７に対応関係情報が記憶されるごとに、当該対応関係情報を対応関係マスタ記憶部２１２に記憶させてもよい。

また、情報共有部５９は、対応関係マスタ記憶部２１２から他システムが生成した対応関係情報を取得して、取得した他システムが生成した対応関係情報を対応関係記憶部４７に記憶させる。情報共有部５９は、例えば、対応関係マスタ記憶部２１２が記憶している対応関係情報と、対応関係記憶部４７に記憶されている対応関係情報との差分情報を情報共有サーバ２０から取得し、取得した対応関係情報の差分情報を対応関係記憶部４７に追加して記憶させる。

次に、図面を参照して、本実施形態によるサービス提供システム１の動作について説明する。
図１４は、本実施形態における対話ロボット１０の動作の一例を示すフローチャートである。この図では、コンテキスト認識システム３０からの依頼に基づいて、対話ロボット１０が、ユーザＵ１に問合せを行う場合の動作について説明する。

図１４において、ます、対話ロボット１０は、撮像画像からユーザＵ１の属性情報を判定する（ステップＳ１０１）。ロボット制御部１５の画像認識部１５４は、例えば、撮像部１３が撮像した撮像画像に基づいて、ユーザＵ１の属性情報（、例えば、性別、年齢など）を判定する。

次に、対話ロボット１０は、ユーザＵ１への発話依頼があるか否かを判定する（ステップＳ１０２）。すなわち、ロボット制御部１５の対話制御部１５１は、コンテキスト認識システム３０からの発話依頼があるか否かを判定する。対話制御部１５１は、発話依頼がある場合（ステップＳ１０２：ＹＥＳ）に、処理をステップＳ１０３に進める。また、対話制御部１５１は、発話依頼がない場合（ステップＳ１０２：ＮＯ）に、処理をステップＳ１０６に進める。

ステップＳ１０３において、対話制御部１５１は、出力する発話内容を取得する。すなわち、対話制御部１５１は、コンテキスト認識システム３０から出力する発話内容（例えば、“今何している？”、“○○しているの？”などの質問内容）を取得する。

次に、対話ロボット１０は、取得した発話内容を音声合成して出力する（ステップＳ１０４）。すなわち、ロボット制御部１５の音声合成部１５２は、辞書記憶部１４１が記憶する辞書情報と、音響モデル記憶部１４２が記憶する音響モデル情報とに基づいて、ユーザＵ１への発話内容に対応する音声信号を合成して、当該音声信号をスピーカ１１に出力させる。

次に、対話制御部１５１は、対話履歴情報を対話履歴記憶部１４３に記憶させる（ステップＳ１０５）。ここでは、対話制御部１５１は、ユーザＵ１への発話分の対話履歴情報を対話履歴記憶部１４３に記憶させる。すなわち、対話制御部１５１は、「時刻」と、「ユーザ属性情報」と、「対話内容」とを対応付けて対話履歴情報として対話履歴記憶部１４３に記憶させる。ステップＳ１０５の処理後に、対話制御部１５１は、処理をステップＳ１０６に進める。

ステップＳ１０６において、対話ロボット１０は、ユーザＵ１からの発話があるか否かを判定する。すなわち、ロボット制御部１５の音声認識部１５３は、ユーザＵ１からの発話があるか否かをマイク１２から有効な音声信号を受信できるか否かにより判定する。音声認識部１５３は、ユーザＵ１からの発話がある場合（ステップＳ１０６：ＹＥＳ）に、処理をステップＳ１０７に進める。また、音声認識部１５３は、ユーザＵ１からの発話がない場合（ステップＳ１０６：ＮＯ）に、処理をステップＳ１０１に戻す。

ステップＳ１０７において、音声認識部１５３は、受信した音声を音声認識して発話内容を抽出する。すなわち、ユーザＵ１からの発話がある場合に、音声認識部１５３は、辞書記憶部１４１が記憶する辞書情報と、音響モデル記憶部１４２が記憶する音響モデル情報とに基づいて、マイク１２が収音したユーザＵ１からの返答の音声信号からユーザＵ１の発話内容を抽出して、当該発話内容を対話制御部１５１に出力する。

次に、対話制御部１５１は、対話内容をコンテキスト認識システム３０に送信する（ステップＳ１０８）。
次に、対話制御部１５１は、対話履歴情報を対話履歴記憶部１４３に記憶させる（ステップＳ１０９）。ここでは、対話制御部１５１は、ユーザＵ１からの発話分の対話履歴情報を対話履歴記憶部１４３に記憶させる。すなわち、対話制御部１５１は、「時刻」と、「ユーザ属性情報」と、「対話内容」とを対応付けて対話履歴情報として対話履歴記憶部１４３に記憶させる。ステップＳ１０９の処理後に、対話制御部１５１は、処理をステップＳ１０６に進める。

なお、上述した図１４に示す例では、コンテキスト認識システム３０からの依頼に基づいて、対話ロボット１０が、ユーザＵ１に問合せを行う場合の動作について説明したが、一定期間ごとに、対話ロボット１０が、ユーザＵ１に問合せを行う場合もある。一定期間ごとにユーザＵ１に問合せを行う場合には、上述したステップＳ１０２の処理の分岐条件が、一定期間に達したか否かを判定する点が異なり、他の処理は、上述した図１４と同様である。

次に、図１５〜図１８を参照して、本実施形態におけるコンテキスト認識システム３０の動作について説明する。
図１５は、本実施形態におけるコンテキストの登録処理、及び予測モデルの構築処理の一例を示すフローチャートである。この図において、センサ３１が検出したセンサ情報は、センサ受信部３２によって、センサ履歴記憶部４１に記憶されているものとする。

図１５において、まず、コンテキスト認識システム３０の分節化処理部５１は、センサ情報を取得する（ステップＳ２０１）。すなわち、分節化処理部５１は、センサ履歴記憶部４１が記憶するセンサ情報（計測値）を取得する。

次に、分節化処理部５１は、センサ情報を分節化してセグメント情報を生成する（ステップＳ２０２）。分節化処理部５１は、例えば、ＲＮＮ−ＰＢ手法を用いて、図１２に示すように、センサ情報を分節化して、各分節のＰＢ値をセグメント情報として生成する。

次に、セグメント分類部５２は、セグメント情報を階層クラスタリング処理する（ステップＳ２０３）。セグメント分類部５２は、例えば、ＰＢニューロンの特徴空間における各セグメントの値（ＰＢ値）を対象に、特徴空間内の距離に基づいてクラスタ解析を行い、図１３に示すようなデンドログラムを生成する。

次に、ラベル付与部５３は、階層化により分類されたセグメント情報にラベルを付与する（ステップＳ２０４）。ラベル付与部５３は、例えば、対話履歴記憶部１４３が記憶する対話履歴情報に基づいて、例えば、図１３に示すように、階層クラスタリングの結果であるデンドログラムに対してラベルを付与する。すなわち、ラベル付与部５３は、各セグメントにラベルを付与する。

次に、ラベル付与部５３は、ラベルＩＤとセグメント情報とを対応付けてコンテキストマスタ記憶部４２に記憶させる（ステップＳ２０５）。すなわち、ラベル付与部５３は、図６に示すように、「セグメント名」と、「セグメント情報」と、「ラベルＩＤ」と、「ラベル名」とを対応付けてコンテキストマスタ記憶部４２に記憶させる。

次に、予測モデル学習部５４は、教師あり学習により予測モデルを構築する（ステップＳ２０６）。すなわち、予測モデル学習部５４は、例えば、コンテキストマスタ記憶部４２が記憶している「セグメント情報」と「ラベルＩＤ」との全ての対応関係を基に、セグメント情報とラベルＩＤの対応関係を教師あり学習により、予測モデルを構築する。

次に、予測モデル学習部５４は、構築した予測モデルを予測モデル記憶部４６に記憶させる（ステップＳ２０７）。ステップＳ２０７の処理後に、コンテキスト認識システム３０は、コンテキストの登録処理、及び予測モデルの構築処理を終了する。
なお、上述したステップＳ２０１からステップＳ２０７の処理は、例えば、一定期間ごとに、又は、コンテキストマスタ記憶部４２が記憶するコンテキストが更新された際に、実行される。

次に、図１６を参照して、コンテキスト認識システム３０によるサービス推奨処理の動作について説明する。
図１６は、本実施形態におけるサービス推奨処理の一例を示すフローチャートである。
図１６において、ステップＳ３０１及びステップＳ３０２の処理は、上述した図１５に示すステップＳ２０１及びステップＳ２０２の処理と同様であるので、ここではその説明を省略する。

ステップＳ３０３において、コンテキスト認識システム３０のコンテキスト予測部５５は、予測モデルによりセグメント情報からラベルＩＤを予測する。すなわち、コンテキスト予測部５５は、予測モデル記憶部４６が記憶する予測モデルにより、分節化処理部５１によって生成されたセグメント情報から、ラベルＩＤを予測する。

次に、コンテキスト認識システム３０のコンテキスト確認部５６は、予測したラベルのコンテキストを対話により確認する（ステップＳ３０４）。すなわち、コンテキスト確認部５６は、コンテキスト予測部５５によって予測されたラベル情報に関する質問を、対話ロボット１０に出力させて取得されたユーザの発話内容に基づいて、コンテキストマスタ記憶部４２が記憶しているコンテキストの妥当性を判定する。

次に、コンテキスト確認部５６は、コンテキストが予測と一致しているか否かを判定する（ステップＳ３０５）。コンテキスト確認部５６は、対話ロボット１０から取得した返答に対応するラベルＩＤと、予測されたラベルＩＤとが一致しているか否かによって、コンテキストが予測と一致しているか否かを判定する。コンテキスト確認部５６は、コンテキストが予測と一致している場合（ステップＳ３０５：ＹＥＳ）に、処理をステップＳ３０６に進める。また、コンテキスト確認部５６は、コンテキストが予測と一致していない場合（ステップＳ３０５：ＮＯ）に、処理をステップＳ３０８に進める。

ステップＳ３０６において、コンテキスト認識システム３０のサービスレコメンド部５８は、コンテキストに対応するサービスを取得する。すなわち、サービスレコメンド部５８は、コンテキスト予測部５５によって予測されたラベルＩＤに対応するサービス情報（例えば、サービスＩＤ）を対応関係記憶部４７から取得する。

次に、サービスレコメンド部５８は、取得したサービスを推奨する（ステップＳ３０７）。すなわち、サービスレコメンド部５８は、取得したサービスＩＤに対応するサービスを推奨する。ステップＳ３０７の処理後に、コンテキスト認識システム３０は、サービス推奨処理を終了する。

また、ステップＳ３０８において、コンテキスト確認部５６は、当該コンテキストに対応するセグメント情報の近傍のものをコンテキストマスタ記憶部４２から削除する。すなわち、コンテキスト確認部５６は、コンテキストが予測と一致していないと判定されたラベルＩＤに対応するセグメント情報の特徴空間内の距離Ｄが、所定の距離Ｄｔｈ以内であるコンテンツの組情報を全てコンテキストマスタ記憶部４２から削除させる。ステップＳ３０８の処理後に、コンテキスト認識システム３０は、サービス推奨処理を終了する。

次に、図１７を参照して、コンテキスト認識システム３０によるサービス登録処理の動作について説明する。
図１７は、本実施形態におけるサービス登録処理の一例を示すフローチャートである。
図１７において、まず、コンテキスト認識システム３０の相関分析部５７は、サービス実行履歴とコンテキスト発生履歴とを比較する（ステップＳ４０１）。相関分析部５７は、例えば、コンテキスト発生履歴記憶部４５が記憶するコンテキスト履歴情報と、サービス実行履歴記憶部４４が記憶するサービス履歴情報とを比較する。

次に、相関分析部５７は、発生が同期しているサービスとコンテキストとがあるか否かを判定する（ステップＳ４０２）。すなわち、相関分析部５７は、コンテキスト履歴情報に含まれるラベルＩＤに同期して実行されたサービスがあるか否かを、サービス履歴情報に基づいて判定する。相関分析部５７は、発生が同期しているサービスとコンテキスト（ラベルＩＤ）とがある場合（ステップＳ４０２：ＹＥＳ）に、処理をステップＳ４０３に進める。また、相関分析部５７は、発生が同期しているサービスとコンテキスト（ラベルＩＤ）とがない場合（ステップＳ４０２：ＮＯ）に、処理をステップＳ４０４に進める。

ステップＳ４０３において、相関分析部５７は、同期しているサービスとコンテキスト（ラベルＩＤ）とを対応関係記憶部４７に追加登録する。すなわち、相関分析部５７は、当該サービスを示すサービス情報と、当該ラベルＩＤとを対応付けて対応関係記憶部４７に記憶させる。相関分析部５７は、例えば、図１０に示すように、「ラベルＩＤ」と、「親ラベルＩＤ」と、「サービスＩＤ」とを対応付けて対応関係情報として対応関係記憶部４７に記憶させる。

次に、ステップＳ４０４において、相関分析部５７は、サービスマスタ情報と、コンテキストマスタ情報とを比較する。相関分析部５７は、例えば、サービスマスタ記憶部４３に記憶されているマスタ情報と、コンテキストマスタ記憶部４２に記憶されているラベル情報（ラベルＩＤ）とを比較する。

次に、相関分析部５７は、同一のラベルＩＤがあるか否かを判定する（ステップＳ４０５）。相関分析部５７は、例えば、コンテキストマスタ記憶部４２に記憶されているラベルＩＤが、マスタ情報に含まれるラベルＩＤと一致するか否かを判定する。相関分析部５７は、同一のラベルＩＤがある場合（ステップＳ４０５：ＹＥＳ）に、処理をステップＳ４０６に進める。また、相関分析部５７は、同一のラベルＩＤがない場合（ステップＳ４０５：ＮＯ）に、サービス登録処理を終了する。

ステップＳ４０６において、相関分析部５７は、同一のラベルＩＤに対応するサービスとコンテキスト（ラベルＩＤ）とを対応関係記憶部４７に追加登録させる。すなわち、相関分析部５７は、当該サービスを示すサービス情報と、当該ラベルＩＤとを対応付けて対応関係記憶部４７に記憶させる。相関分析部５７は、例えば、図１０に示すように、「ラベルＩＤ」と、「親ラベルＩＤ」と、「サービスＩＤ」とを対応付けて対応関係情報として対応関係記憶部４７に記憶させる。ステップＳ４０６の処理後に、相関分析部５７は、サービス登録処理を終了する。

なお、上述したステップＳ４０１からステップＳ４０６の処理は、例えば、一定期間ごとに、又は、コンテキストマスタ記憶部４２が記憶するコンテキストが更新された際に、実行される。

次に、図１８を参照して、コンテキスト認識システム３０による情報共有処理の動作について説明する。
図１８は、本実施形態における情報共有処理の一例を示すフローチャートである。
図１８において、コンテキスト認識システム３０の情報共有部５９は、まず、対応関係記憶部４７の対応関係情報を情報共有サーバ２０の対応関係マスタ記憶部２１２に記憶させる（ステップＳ５０１）。すなわち、情報共有部５９は、対応関係記憶部４７が記憶する対応関係情報を情報共有サーバ２０にアップロードして、情報共有サーバ２０の対応関係マスタ記憶部２１２に記憶させる。

次に、情報共有部５９は、差分情報を情報共有サーバ２０の対応関係マスタ記憶部２１２から取得する（ステップＳ５０２）。すなわち、情報共有部５９は、例えば、対応関係マスタ記憶部２１２が記憶している対応関係情報と、対応関係記憶部４７に記憶されている対応関係情報との差分情報を情報共有サーバ２０から取得する。

次に、情報共有部５９は、差分情報を対応関係記憶部４７に追加登録する（ステップＳ５０３）。すなわち、情報共有部５９は、取得した差分情報を対応関係記憶部４７に追加して記憶させる。ステップＳ５０３の処理後に、コンテキスト認識システム３０は、情報共有処理を終了する。
なお、上述したステップＳ５０１からステップＳ５０３の処理は、例えば、一定期間ごとに、又は、対応関係記憶部４７が記憶する対応関係情報が更新された際に、実行される。

以上説明したように、本実施形態によるサービス提供システム１は、分節化処理部５１と、ラベル付与部５３と、予測モデル学習部５４（予測モデル構築部）と、対応関係記憶部４７と、コンテキスト予測部５５（予測処理部）と、サービスレコメンド部５８（サービス推奨部）とを備えている。分節化処理部５１は、センサ３１が検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報（例えば、ＰＢ値）を生成する。ラベル付与部５３は、ユーザＵ１と対話する対話ロボット１０（対話装置）によって取得されたユーザＵ１の発話内容に基づいて検出されたコンテキストを示すラベル情報（例えば、ラベルＩＤ）と、セグメント情報とを対応付けた組情報をコンテキストマスタ記憶部４２（コンテキスト記憶部）に記憶させる。ここで、コンテキストとは、ユーザＵ１の状況のことである。予測モデル学習部５４は、コンテキストマスタ記憶部４２が記憶する上述の組情報に基づいて、セグメント情報からラベル情報を予測する予測モデルを構築する。対応関係記憶部４７は、ラベル情報と、提供するサービスを示すサービス情報とを対応付けた対応関係情報を記憶する。コンテキスト予測部５５は、センサ３１が検出したセンサ情報から分節化処理部５１によって生成されたセグメント情報と、予測モデルとに基づいて、ラベル情報を予測する。そして、サービスレコメンド部５８は、コンテキスト予測部５５によって予測されたラベル情報に対応するサービス情報を対応関係記憶部４７から取得し、取得したサービス情報に対応するサービスを推奨する。

これにより、本実施形態によるサービス提供システム１は、検出可能なコンテキストを自動的に登録することができる。すなわち、本実施形態によるサービス提供システム１は、ユーザ固有の行動や各環境に依存した固有の状態を加味しつつ、それぞれのコンテキストに対して適切なサービスを推奨することが出来るようになり、利便性を向上させることができる。

また、本実施形態によるサービス提供システム１は、分節化処理部５１が生成したセグメント情報を階層クラスタリングにより分類するセグメント分類部５２を備えている。ラベル付与部５３は、セグメント分類部５２によって分類されたセグメント情報と、ラベル情報とを対応付けてコンテキストマスタ記憶部４２に記憶させる。
これにより、本実施形態によるサービス提供システム１は、分類されたセグメント情報により、検出可能なコンテキストを適切に登録することができる。また、本実施形態によるサービス提供システム１は、階層クラスタリングにより階層化に対応したコンテキストを適切に登録することができる。また、本実施形態によるサービス提供システム１は、階層クラスタリングにより、概念の階層を生成することで、コンテキストの検出における柔軟性を持たせることができる。

また、本実施形態によるサービス提供システム１は、相関分析部５７（サービス登録部）を備えている。相関分析部５７は、コンテキスト履歴情報と、サービス履歴情報とに基づいて、予測されたラベル情報に同期して実行されたサービスが存在する場合に、当該サービスを示すサービス情報と、当該ラベル情報とを対応付けて対応関係記憶部４７に記憶させる。ここで、コンテキスト履歴情報は、センサ情報に基づいて予測されたラベル情報の時系列な履歴であり、サービス履歴情報は、実行されたサービスの履歴である。
これにより、本実施形態によるサービス提供システム１は、自動的に対応関係情報を適切に対応関係記憶部４７に追加登録することができる。すなわち、本実施形態によるサービス提供システム１では、開発者が個々に対応関係情報を登録する必要がなく、サービス情報とラベル情報とを対応付けた対応関係情報を適切に対応関係記憶部４７に追加登録することができる。

また、本実施形態では、相関分析部５７は、マスタ情報と、コンテキストマスタ記憶部４２に記憶されているラベル情報とに基づいて、コンテキストマスタ記憶部４２に記憶されているラベル情報が、マスタ情報に含まれるラベル情報と一致する場合に、当該ラベル情報と、マスタ情報に含まれ、当該ラベル情報に対応するサービス情報とを対応付けて、対応関係記憶部４７に記憶させるここで、マスタ情報は、予め登録されたサービスに関するマスタ情報であって、少なくともラベル情報とサービス情報とを対応付けた情報を複数含む。
これにより、本実施形態によるサービス提供システム１は、自動的に対応関係情報を適切に対応関係記憶部４７に追加登録することができる。

また、本実施形態によるサービス提供システム１は、コンテキスト確認部５６を備えている。コンテキスト確認部５６は、コンテキスト予測部５５によって予測されたラベル情報に関する質問を、対話ロボット１０に出力させて取得されたユーザの発話内容に基づいて、コンテキストマスタ記憶部４２が記憶している組情報の妥当性を判定する。コンテキスト確認部５６は、当該組情報が妥当でないと判定した場合に、妥当でないと判定した当該組情報に関連する組情報をコンテキストマスタ記憶部４２から削除させる。
これにより、本実施形態によるサービス提供システム１は、検出可能なコンテキストが妥当でない場合に、追加登録している検出可能なコンテキストを訂正することができる。よって、本実施形態によるサービス提供システム１は、自動学習により、適切なコンテキストを検出する確度を向上させることができる。

また、本実施形態によるサービス提供システム１は、情報共有部５９（共有処理部）を備えている。情報共有部５９は、対応関係記憶部４７が記憶するラベル情報とサービス情報とを対応付けた対応関係情報を、自システム（コンテキスト認識システム３０）とは異なる他システム（他のコンテキスト認識システム３０）が生成した対応関係情報を含む対応関係マスタ記憶部２１２に記憶させる。そして、情報共有部５９は、対応関係マスタ記憶部２１２から他システムが生成した対応関係情報を取得して、取得した他システムが生成した対応関係情報を対応関係記憶部４７に記憶させる。

これにより、本実施形態によるサービス提供システム１は、多数の対話ロボット１０及び多数のコンテキスト認識システム３０が協調して新たなコンテキストとサービスとの対応関係を学習することが可能である。よって、本実施形態によるサービス提供システム１は、コンテキストとサービスとの対応関係を自立的に且つより効率良く学習及び新たに獲得することができる。よって、本実施形態によるサービス提供システム１は、さらに適切なサービスを提供することができる。

また、本実施形態では、予測モデル学習部５４は、所定の条件（例えば、一定期間ごと、新たなコンテキスト（組情報）が登録されるごとなどの条件）を満たす場合に、予測モデルを再構築する。
これにより、本実施形態によるサービス提供システム１は、自動学習により、さらに適切なサービスを提供することができる。

また、本実施形態によるサービス提供方法は、分節化処理ステップと、ラベル付与ステップと、予測モデル構築ステップと、予測処理ステップと、サービス推奨ステップとを含んでいる。分節化処理ステップにおいて、分節化処理部５１が、センサ３１が検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報（例えば、ＰＢ値）を生成する。ラベル付与ステップにおいて、ラベル付与部５３が、ユーザＵ１と対話する対話ロボット１０（対話装置）によって取得されたユーザＵ１の発話内容に基づいて検出されたコンテキストを示すラベル情報（例えば、ラベルＩＤ）と、セグメント情報とを対応付けた組情報をコンテキストマスタ記憶部４２（コンテキスト記憶部）に記憶させる。予測モデル構築ステップにおいて、予測モデル学習部５４が、コンテキストマスタ記憶部４２が記憶する上述の組情報に基づいて、セグメント情報からラベル情報を予測する予測モデルを構築する。サービス推奨ステップにおいて、サービスレコメンド部５８が、コンテキスト予測ステップによって予測されたラベル情報に対応するサービス情報を対応関係記憶部４７から取得し、取得したサービス情報に対応するサービスを推奨する。
これにより、本実施形態によるサービス提供方法は、サービス提供システム１と同様に、検出可能なコンテキストを自動的に登録することができる。

なお、本発明は、上記の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。
例えば、上記の実施形態において、対話ロボット１０及びコンテキスト認識システム３０のそれぞれは、１つの装置により構成される例を説明したが、これに限定されるものではなく、複数の装置により構成されてもよい。

また、上記の実施形態において、コンテキスト認識システム３０が記憶部４０を備える例を説明したが、記憶部４０の一部、又は全部をコンテキスト認識システム３０の外部に備えるようにしてもよい。また、対話ロボット１０がロボット記憶部１４を備える例を説明したが、ロボット記憶部１４の一部、又は全部を対話ロボット１０の外部に備えるようにしてもよい。
また、上記の実施形態において、センサ３１は、ユーザＵ１が身に着けるセンサ（例えば、加速度センサなど）であってもよいし、室内などに固定に設置されたセンサであってもよい。また、センサ３１は、対話ロボット１０に設置されるセンサであってもよい。

また、上記の実施形態において、対話ロボット１０は、“今何している？”といったオープンな質問と、“体操しているの？”といったクローズな質問とを、例えば、サービス提供システム１の稼働期間に応じて、切り替えて使用してもよい。例えば、稼働期間が短い場合には、より多くの情報を得るために、対話ロボット１０が、オープンな質問によりユーザＵ１との対話処理を行い、稼働期間が所定の期間に達した場合に、クローズな質問によりユーザＵ１との対話処理を行うようにしてもよい。また、稼働期間に応じて、対話ロボット１０が、例えば、オープンな質問と、クローズな質問との割合を変更するようにしてもよい。

また、対話ロボット１０は、設置型のロボットであってもよいし、自走型のロボットであってもよい。また、対話ロボット１０は、例えば、スマートフォンやタブレット端末などの端末装置上で動作するソフトウェアによるロボットエージェントであってもよい。このロボットエージェントは、例えば、音声、又は、画面表示及び入力インターフェースを利用してユーザＵ１と端末装置との間で対話を行うアプリケーションソフトウェアである。

また、上記の実施形態において、コンテキストは、ユーザの状況である場合の例を説明したが、例えば、ユーザＵ１周辺の環境の状況であってもよい。環境の状況とは、例えば、窓が開いているなどの部屋の状況、天気などである。この場合、対話ロボット１０は、例えば、“窓が開いているの？”、“雨が降っているの？”などのように、ユーザＵ１周辺の環境の状況を問合せた返答に基づいて、ユーザＵ１周辺の環境の状況を示すラベル情報を取得する。

また、上記の実施形態において、コンテキスト認識システム３０は、セグメント分類部５２を備え、セグメント情報に対して階層クラスタリングを実行する例を説明したが、セグメント分類部５２を備えずに、階層クラスタリングを実行しない形態であってもよい。
また、上記の実施形態において、情報共有部５９は、対応関係記憶部４７が記憶する全対応関係情報を情報共有サーバ２０にアップロードする例を説明したが、情報共有サーバ２０の対応関係マスタ記憶部２１２が記憶する対応関係情報との差分情報をアップロードするようにしてもよい。

また、上記の実施形態において、対話制御部１５１は、一定期間ごとに、ユーザＵ１に話しかける例を説明したが、センサ３１の計測値、又は撮像部１３の撮像画像に応じてユーザＵ１に話しかけるようにしてもよい。対話制御部１５１は、例えば、センサ３１又は撮像部１３により人物を検出したり、所定の動作などを検出したりした場合に、ユーザＵ１に話しかけるようにしてもよい。

また、上記の実施形態において、対話制御部１５１は、スピーカ１１及びマイク１２を用いた音声により対話する例を説明したが、これに限定されるものではなく、音声以外により対話を行うようにしてもよい。対話制御部１５１は、例えば、質問を表示する表示装置と、キーボードやタッチパネルなどの返答を入力する入力装置とを用いて対話を行うようにしてもよい。なお、この場合、音声合成部１５２及び音声認識部１５３が不要になる。

なお、上述したサービス提供システム１が備える各構成は、内部に、コンピュータシステムを有している。そして、上述したサービス提供システム１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述したサービス提供システム１が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後にサービス提供システム１が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１ サービス提供システム
１０ 対話ロボット
１１ スピーカ
１２ マイク
１３ 撮像部
１４ ロボット記憶部
１５ ロボット制御部
２０ 情報共有サーバ
２１ サーバ記憶部
２２ サーバ制御部
３０ コンテキスト認識システム
３１ センサ
３２ センサ受信部
４０ 記憶部
４１ センサ履歴記憶部
４２ コンテキストマスタ記憶部
４３ サービスマスタ記憶部
４４ サービス実行履歴記憶部
４５ コンテキスト発生履歴記憶部
４６ 予測モデル記憶部
４７ 対応関係記憶部
５０ 制御部
５１ 分節化処理部
５２ セグメント分類部
５３ ラベル付与部
５４ 予測モデル学習部
５５ コンテキスト予測部
５６ コンテキスト確認部
５７ 相関分析部
５８ サービスレコメンド部
５９ 情報共有部
１４１ 辞書記憶部
１４２ 音響モデル記憶部
１４３ 対話履歴記憶部
１５１ 対話制御部
１５２ 音声合成部
１５３ 音声認識部
１５４ 画像認識部
２１１ ラベルマスタ記憶部
２１２ 対応関係マスタ記憶部

Claims (8)

1. センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理部と、
   ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けた組情報をコンテキスト記憶部に記憶させるラベル付与部と、
   前記コンテキスト記憶部が記憶する前記組情報に基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築部と、
   前記ラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部と、
   前記センサが検出したセンサ情報から前記分節化処理部によって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理部と、
   前記予測処理部によって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨部と
   を備えることを特徴とするサービス提供システム。
2. 前記分節化処理部が生成した前記セグメント情報を階層クラスタリングにより分類するセグメント分類部を備え、
   前記ラベル付与部は、前記セグメント分類部によって分類された前記セグメント情報と、前記ラベル情報とを対応付けて前記コンテキスト記憶部に記憶させる
   ことを特徴とする請求項１に記載のサービス提供システム。
3. 前記センサ情報に基づいて予測された前記ラベル情報の時系列な履歴であるコンテキスト履歴情報と、実行された前記サービスの履歴であるサービス履歴情報とに基づいて、予測された前記ラベル情報に同期して実行された前記サービスが存在する場合に、当該サービスを示す前記サービス情報と、当該ラベル情報とを対応付けて前記対応関係記憶部に記憶させるサービス登録部を備える
   ことを特徴とする請求項１又は請求項２に記載のサービス提供システム。
4. 前記サービス登録部は、
   予め登録された前記サービスに関するマスタ情報であって、少なくとも前記ラベル情報と前記サービス情報とを対応付けた情報を複数含むマスタ情報と、前記コンテキスト記憶部に記憶されている前記ラベル情報とに基づいて、前記コンテキスト記憶部に記憶されている前記ラベル情報が、前記マスタ情報に含まれる前記ラベル情報と一致する場合に、当該ラベル情報と、前記マスタ情報に含まれ、当該ラベル情報に対応する前記サービス情報とを対応付けて、前記対応関係記憶部に記憶させる
   ことを特徴とする請求項３に記載のサービス提供システム。
5. 前記予測処理部によって予測された前記ラベル情報に関する質問を、前記対話装置に出力させて取得された前記ユーザの発話内容に基づいて、前記コンテキスト記憶部が記憶している前記組情報の妥当性を判定し、当該組情報が妥当でないと判定した場合に、妥当でないと判定した当該組情報に関連する前記組情報を前記コンテキスト記憶部から削除させるコンテキスト確認部を備える
   ことを特徴とする請求項１から請求項４のいずれか一項に記載のサービス提供システム。
6. 前記対応関係記憶部が記憶する前記ラベル情報と前記サービス情報とを対応付けた対応関係情報を、自システムとは異なる他システムが生成した前記対応関係情報を含む対応関係マスタ記憶部に記憶させるとともに、前記対応関係マスタ記憶部から前記他システムが生成した前記対応関係情報を取得して、取得した前記他システムが生成した前記対応関係情報を前記対応関係記憶部に記憶させる共有処理部を備える
   ことを特徴とする請求項１から請求項５のいずれか一項に記載のサービス提供システム。
7. 前記予測モデル構築部は、所定の条件を満たす場合に、前記予測モデルを再構築する
   ことを特徴とする請求項１から請求項６のいずれか一項に記載のサービス提供システム。
8. ユーザの状況であるコンテキストを示すラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部を備えるコンピュータに、
   センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理ステップと、
   ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けてコンテキスト記憶部に記憶させるラベル付与ステップと、
   前記コンテキスト記憶部が記憶する前記ラベル情報と、前記セグメント情報とに基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築ステップと、
   前記センサが検出したセンサ情報から前記分節化処理ステップによって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理ステップと、
   前記予測処理ステップによって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨ステップと
   を実行させるためのプログラム。

Images