JP6777002B2

JP6777002B2 - 対話装置、対話方法及び対話プログラム

Info

Publication number: JP6777002B2
Application number: JP2017088660A
Authority: JP
Inventors: 美奈舩造; 真太郎吉澤
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2017-04-27
Filing date: 2017-04-27
Publication date: 2020-10-28
Anticipated expiration: 2037-04-27
Also published as: US20180315419A1; US10861445B2; JP2018185751A; CN108804518A

Description

本発明は、ユーザと対話を行う対話装置、対話方法及び対話プログラムに関する。

ユーザによる所定時間の発話から、出現頻度が高い単語を重要語として抽出する装置が知られている（特許文献１参照）。例えば、ロボットなどが、この装置により抽出された重要語を用いて、発話を行う場合が想定される。

特開２０１５−０９９２８９号公報

ここで、ユーザの話し方によって（例えば、認知症患者、高齢者などは、日によって話す内容及び量にムラがある）、重要語の抽出に偏りが生じることがある。このため、対話装置による発話の話題にも偏りが生じ、ユーザが話し難い話題ばかりが提供される虞がある。

本発明は、このような問題点を解決するためになされたものであり、ユーザが話し易い話題を積極的に提供できる対話装置、対話方法及び対話プログラムを提供することを主たる目的とする。

上記目的を達成するための本発明の一態様は、ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得する取得手段と、前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する話題選択手段と、前記話題選択手段により選択された話題に基づいて、前記ユーザに対する応答を生成する応答生成手段と、を備える、ことを特徴とする対話装置である。
この一態様において、前記所定品詞は、名詞、形容詞、副詞、及び動詞のうち少なくとも１つの品詞を含んでいてもよい。
この一態様において、前記所定品詞は、２以上の品詞の組合せであり、前記話題選択手段は、品詞の数と品詞の種類の数が多い話題ほど高い確率で選択してもよい。
この一態様において、前記所定品詞は、名詞と形容詞であってもよい。
この一態様において、前記話題選択手段は、前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、名詞及び形容詞の数が最も多い話題を最も高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択してもよい。
この一態様において、前記話題選択手段は、前記所定品詞の数から前記発話に含まれる代名詞の数を減算した品詞数を算出し、前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記算出した品詞数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択してもよい。
この一態様において、前記取得手段により取得されたプロファイル情報を記憶する記憶手段を更に備え、前記話題選択手段は、前記記憶手段のプロファイル情報において、前記ユーザの発話が所定回数以上蓄積されるまで、ランダムに前記話題を選択してもよい。
上記目的を達成するための本発明の一態様は、ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得するステップと、前記取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択するステップと、前記選択された話題に基づいて、前記ユーザに対する応答を生成するステップと、を含む、ことを特徴とする対話方法であってもよい。
上記目的を達成するための本発明の一態様は、ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得する処理と、前記取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する処理と、前記選択された話題に基づいて、前記ユーザに対する応答を生成する処理と、をコンピュータに実行させる、ことを特徴とする対話プログラムであってもよい。

本発明によれば、ユーザが話し易い話題を積極的に提供できる対話装置、対話方法及び対話プログラムを提供することができる。

本発明の一実施形態に係る対話装置の概略的なシステム構成を示すブロック図である。プロファイル情報の一例を示す図である。（ａ）プロファイル情報の一例を示す図である。（ｂ）２次元象限の一例を示す図である。対話ロボットの概略的構成を示す概略図である。外部サーバおよび対話ロボットの概略的な構成を示す図である。本発明の一実施形態に係る対話方法の処理フローの一例を示すフローチャートである。

以下、図面を参照して本発明の実施形態について説明する。
図１は、本発明の一実施形態に係る対話装置の概略的なシステム構成を示すブロック図である。本実施形態に係る対話装置１は、例えば、記憶部２と、話題を推定する話題推定部３と、ユーザのプロファイル情報を取得する情報取得部４と、話題提示を判定する話題提示判定部５と、話題を選択する話題選択部６と、応答を生成する応答生成部７と、を有している。本実施形態に係る対話装置１は、ユーザに対し話易い話題を提供し、ユーザとの間で対話を行うものである。

なお、対話装置１は、例えば、演算処理等と行うＣＰＵ（Central Processing Unit）、ＣＰＵによって実行される演算プログラム等が記憶されたＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）からなるメモリ、外部と信号の入出力を行うインターフェイス部（Ｉ／Ｆ）、などからなるマイクロコンピュータを中心にして、ハードウェア構成されている。ＣＰＵ、メモリ、及びインターフェイス部は、データバスなどを介して相互に接続されている。

記憶部２は、上記メモリなどで構成されている。

話題推定部３は、記憶部２などに記憶されたユーザの発話履歴などに基づいて、現在の話題を推定する。これにより、対話装置１は、推定した話題に応じた応答を行うことができる。また、推定した話題毎にユーザの発話内容の特徴を解析できる。

話題推定部３は、例えば、ｗｏｒｄｅｍｂｅｄｄｉｎｇ法を用いて発話に含まれる単語を意味表現ベクトルに変換し、単語と話題間の階層関係（射影行列）を学習しておくことで、任意の単語から話題を推定する。

なお、本方法の詳細内容は、非特許文献：Ruiji Fu, Jiang Guo, Bing Qin, Wanxiang Che, Haifeng Wang, Ting Liu, "Learning Semantic Hierarchies: A Continuous Vector Space Approach", IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol. 23, No. 3, 2015年3月, p. 461-471に開示されており、これを援用できるものとする。

話題推定部３は、発話するユーザの属性情報（年齢、性別、趣味など、）などに基づいて、予め定義された話題の中から、話題を絞り込み、その絞り込んだ話題の中から、現在の話題を推定してもよい。例えば、ユーザが高齢者の場合、旅行の話題よりも、健康、家族、テレビの話題の方が多い傾向にある。一方で、ユーザが３０代男性の場合、食事、メディア、家族などの話題が比較的多くなる傾向にある。このように、ユーザの属性情報によって、話題の傾向が異なるため、ユーザの属性情報に応じて予め発話の話題を絞り込む。これにより、発話のユーザの属性情報に応じてより高精度に話題を推定でき、後述の如く、より効果的に対話継続を行うことができる。なお、上記話題の推定方法は一例であり、これに限定されず、任意の推定方法が適用可能である。

情報取得部４は、取得手段の一具体例である。情報取得部４は、例えば、話題と、話題推定部３により該話題が推定されるのに用いられたユーザの発話（以下、ユーザ発話）に出現する単語の所定品詞の数と、の対応関係を学習する学習器４１を有している。学習器４１を用いてユーザの過去の発話を学習し、この学習結果を用いることで、ユーザの各話題への嗜好を推定できる。

所定品詞は、例えば、名詞、形容詞、副詞、及び動詞のうちの少なくとも１つの品詞を含む。所定品詞は、学習器４１や記憶部２などに予め設定されており、端末装置などの入力装置を介して適宜変更可能である。

情報取得部４の学習器４１は、マイクなどにより取得されたユーザ発話に基づいて、機械学習などを行い、該発話における話題と、該発話に含まれる単語の所定品詞の数と、を複数組、対応付けたプロファイル情報を生成する。学習器４１は、ユーザ発話に出現する単語の所定品詞の数をカウントする。学習器４１は、発話したユーザと、そのカウントした所定品詞の数と、該ユーザ発話に基づき話題推定部３により推定された話題と、を対応付けたプロファイル情報を生成し、生成したプロファイル情報を記憶部２に記憶させる。

例えば、ユーザ発話が「今日は良い天気だね。」であり、所定品詞が名詞及び形容詞である場合を想定する。この場合、話題推定部３は、そのユーザ発話に基づいて、現在の話題を、「天気」と推定する。情報取得部４の学習器４１は、そのユーザ発話に出現する単語の所定品詞の数について、名詞の数を２（今日、天気）、形容詞の数を１（良い）としてカウントする。

情報取得部４の学習器４１は、例えば、図２に示す如く、ユーザ（Ｘさん）と、話題（天気）と、所定品詞（名詞及び形容詞）の数と、を対応付けたプロファイル情報を生成し、生成したプロファイル情報を記憶部２に記憶させる。なお、プロファイル情報は、予め記憶部２に記憶されていてもよい。情報取得部４は、記憶部２に記憶されたプロファイル情報を取得する。また、プロファイル情報は、情報取得部４に対し、入力装置などを介して適宜入力されてもよい。

話題推定部３は、過去１回のユーザ発話に基づいて話題を推定し、情報取得部４の学習器４１は、過去１回のユーザ発話に出現する単語の所定品詞の数をカウントしているが、これに限定されない。話題推定部３は、過去２回以上のユーザ発話に基づいて話題を推定し、学習器４１は、過去２回以上のユーザ発話に出現する単語の所定品詞の数をカウントしてもよい。これにより、ユーザの嗜好が変化する場合でも、その変化過程での発話を学習し、その学習結果を用いて高精度に話題を推定できる。したがって、より高精度にプロファイル情報を生成できる。

また、Ｎ回以上過去のユーザ発話は記憶部２から順次消去させるようにしてもよい。これにより、より新しいユーザ発話に基づき話題を推定できプロファイル情報を生成できる。

話題提示判定部５は、ユーザに対して話題提示を行うか否かを判定する。この話題提示の判定を的確に行い、対話装置１が発話することで、例えば、ユーザが話し中、話しそうな場面での発話衝突を回避できる。また、対話装置１がユーザの話を認識していることをユーザに対して示すことができる。

話題提示判定部５は、例えば、人及び対話装置１の双方が沈黙する場合に、ユーザに対して話題提示を行うと判定する。より具体的には、話題提示判定部５は、対話装置１の発話部がユーザに対し発話してから、ユーザ及び対話装置１の双方が発話しない無音時間が予め定められた待ち時間を超えた場合に、ユーザに対して話題提示を行うと判定する。これにより、無音時間が頻繁に起き、対話が中断するのを抑制できる。

なお、上記話題提示の判定方法は一例であり、これに限定されない。例えば、話題提示判定部５は、発話部が発話してからユーザが応答するまでの応答時間の平均及び分散を算出する。話題提示判定部５は、算出した平均及び分散を用いて応答時間及び発話確率に関するガンマ分布を作成する。話題提示判定部５は、作成したガンマ分布を用いて人が発話する気がないと判断できる待ち時間を推定する。話題提示判定部５は、無音時間が推定した待ち時間を超えた場合に、ユーザに対して話題提示を行うと判定する。これにより、ユーザの個人差に応じた待ち時間を用いて、より適切に、ユーザに対して話題提示を行うか否かを判定できる。

話題選択部６は、話題選択手段の一具体例である。話題選択部６は、話題提示判定部５によりユーザに対して話題提示を行うと判定された場合に、上記ユーザが話し易い話題を積極的に選択する。

話題選択部６は、例えば、ユーザ発話と、情報取得部４により取得されたプロファイル情報と、に基づいて、プロファイル情報に設定された複数の話題の中から、ユーザが話し易い１つの話題を選択する。このように、ユーザ固有のプロファイル情報から、話し易い話題を積極的に選択することで、ユーザ毎の嗜好に応じた話題を提供でき、対話をより継続できる。

なお、情報取得部４の学習器４１は、記憶部２に記憶された過去複数回のユーザ発話を用いてプロファイル情報の学習を行う。話題選択部６は、学習器４１により学習されたプロファイル情報を用いて、ユーザが話し易い１つの話題を選択する。

ここで、記憶部２に十分なユーザ発話が蓄積されていない場合、情報取得部４の学習器４１が十分なプロファイル情報の学習を行えない。この場合、話題選択部６は、この不十分なプロファイル情報を用いて話題を選択するため、適切な話題を提供できない虞がある。したがって、話題選択部６は、ユーザ発話が所定回数以上（例えば、Ｓ回（１０回程度）以上のユーザ発話）、蓄積されるまで、ランダムに話題を選択するようにしてもよい。これにより、ユーザ発話が所定回数以上蓄積されるまで、ランダムに話題を選択しユーザに提供しつつ、ユーザの反応を見てプロファイル情報の学習を行うことができる。このプロファイル情報を用いて、ユーザの反応に応じたユーザがより話易い適切な話題を選択、提供できる。

ところで、例えば、認知症患者、高齢者などのユーザは、日によって話す内容及び量にムラが生じ、その発話での重要語の抽出に偏りが生じることがある。従来の対話装置において、このように抽出された重要語に基づいて発話を行った場合、その発話の話題にも偏りが生じ、ユーザが話し難い話題ばかりが提供される虞がある。

これに対し、本実施形態に係る対話装置１において、話題選択部６は、情報取得部４により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、所定品詞の数が多い話題ほど、高い確率で選択するように、話題の選択の確率を設定し、該選択の確率に従って話題を選択する。

例えば、ユーザがある話題について発話した場合に、その発話に含まれる名詞数が多いほど、その話題に関しユーザの知識が多いとされる。その発話に含まれる形容詞数が多いほど、その話題がユーザの感情に大きく影響する（気持ちや思い入れが強い）とされる。その発話に含まれる動詞数が多いほど、その話題に関しユーザの体験が多いとされる。その発話に含まれる副詞数が多いほど、その話題がユーザの体験に紐付く感情に大きく影響する（気持ちや思い入れが強い）とされる。

したがって、このようにユーザの興味が高いと思われる名詞、形容詞、副詞、動詞などの所定品詞の数が多い話題ほど、高い確率で選択するように、話題の選択の確率を設定し、該選択の確率に従って話題を選択する。これにより、ユーザが話し易い話題を積極的に選択し、提供できる。

話題選択部６は、ユーザ発話と、情報取得部４により取得されたプロファイル情報と、に基づいて、プロファイル情報に設定された複数の話題の中から、ユーザが話し易い１つの話題を選択する。

例えば、話題選択部６は、情報取得部４により取得されたプロファイル情報に基づいて、各話題をｔ次元象限（ｔは２以上の自然数）の各象限にそれぞれ配置する。各象限には、話題選択部６により選択される確率が任意又は自動的に設定されている。話題選択部６は、各象限に設定された確率にしたがって、各象限を選択し、該各象限に含まれる話題を選択する。各象限は、所定品詞の数の多い及び少ないを判断できるロバストな値（中央値、刈込平均値など）を通る境界線で分割されている。各象限の選択の確率は、所定品詞の数が最も多い話題がより積極的に選択されるように設定されている。

例えば、２次元象限において、「ユーザの記憶に残るあるいはユーザが良く口にする品詞」である名詞の数を横軸に、「感情の起伏などの感情指標を表すような品詞」である形容詞の数を縦軸に設定する。なお、名詞の数を縦軸に設定し、形容詞の数を横軸に設定してもよい。名詞数の境界線は、例えば、全話題の名詞数の中央値を通り、形容詞数の境界線は、全話題の形容詞数の中央値を通る。

ユーザが発話する毎に、記憶部２のプロファイル情報は更新される。話題選択部６は、更新されたプロファイル情報に基づいて、上記話題のｔ次元象限への配置および境界線を更新する。

例えば、図３（ａ）に示す如く、プロファイル情報に設定された各話題（料理、健康、天気）に対応付けられた各品詞数（名詞数、形容詞数）を、図３（ｂ）に示す如く２次元象限に配置する。

話題「料理」は、（３、３）に配置される。話題「健康」は、（１、２）に配置される。話題「天気」は、（２、１）に配置される。名詞数の境界線は、全話題の名詞数の中央値（２、０）を通り、形容詞数の境界線は、全話題の形容詞数の中央値（０、２）を通る。したがって、話題「料理」は、第1象限内に配置される。話題「健康」は、第２象限及び第４象限の境界線に配置されるが、予め第２象限に配置されるものとする。同様に、話題「天気」は、第３象限及び第４象限の境界線に配置されるが、予め第３象限に配置されるものとする。このように、話題が各象限の境界線に配置された場合、どちらの象限に配置するかは予め設定されていてもよい。

例えば、第１象限には、５０％の確率が設定され、第２象限には、３０％の確率が設定され、第３象限には、２０％の確率が設定されている。ここでは、（形容詞数＋名詞数）が最も多い話題「料理」がより積極的に選択されるように、第１象限の選択の確率が最も高く設定されている。上述の如く、所定品詞が、名詞及び形容詞の組合せである場合、上述したこれら品詞の特性から、ユーザの知識及び関心が多い話題をより高い確率で選択できる。これにより、ユーザが話し易い話題を積極的に選択し提供できる。

話題選択部６は、この設定された確率で各象限を選択する。そして、話題選択部６は、選択した各象限に含まれる話題を選択する。話題選択部６は、例えば、第１象限を選択した場合、この第１象限に含まれる話題「料理」を選択する。話題選択部６は、第２象限を選択した場合、この第２象限に含まれる話題「健康」を選択する。話題選択部６は、第３象限を選択した場合、この第３象限に含まれる話題「天気」を選択する。すなわち、話題選択部６は、５０％の確率で話題「料理」を選択し、３０％の確率で話題「健康」を選択し、２０％の確率で話題「天気」を選択することとなる。以上のように第１象限に最も高い確率を設定することで、名詞数及び形容詞数が最も多い第１象限の話題「料理」が積極的に選択される。なお、上記話題の選択方法は一例であり、これに限定されないものとする。

このように、所定品詞の数の２次元象限内で、確率的に話題を選択することで、話易い話題を高い確率で積極的に選択しつつも、他の話題についてもある程度選択する余地を残し、常に同じ話題ばかりになってしまうことを防止できる。

応答生成部７は、応答生成手段の一具体例である。応答生成部７は、話題選択部６により選択された話題に対応付けられた応答を生成する。これにより、ユーザの嗜好に紐付く最適な応答を出力できる。したがって、ユーザが話し易い話題へ誘導でき、対話を継続させることができる。また、応答をランダムに選択し出力する場合と比較して、ユーザの嗜好を反映して応答していることを示すことができる。このため、ユーザは、対話装置１との対話に親近感を感じることができる。

例えば、テーブル情報などにおいてプロファイル情報に設定された話題と、その話題に最適な応答と、が対応付けられていてもよい。テーブル情報は、記憶部２などに記憶されていてもよい。応答生成部７は、話題選択部６により選択された話題に最適な応答をインターネットのＷＥＢなどから自動的に収集してリスト化したテーブル情報を生成し、記憶部２に記憶させてもよい。これにより、テーブル情報を自動的かつ容易に生成でき、このテーブル情報を用いて最適な応答を行うことができる。

例えば、応答生成部７は、話題選択部６により選択された話題「天気」に対応付けられた応答「最近寒くなったけど風邪ひいてない？」、「どんな天気が好き？」等を生成する。応答生成部７は、話題選択部６により選択された話題「料理」に対応付けられた応答「朝ごはん何を食べたの？」、「好きな食べ物は？」等を生成する。応答生成部７は、話題選択部６により選択された話題「健康」に対応付けられた応答「健康の秘訣は何？」、「風邪ひいちゃったんだ？」等を生成する。

応答生成部７は、テーブル情報から、話題に対応する応答をランダムに選択してもよく、他の技術と組み合わせて、前後の発話に適合した応答を選択してもよい。なお、応答生成部７は、一度選択し、出力した応答については、所定時間経過後に、出力するようにしてもよい。これにより、ユーザに対し短時間で同一の応答を繰り返すことなく、より自然な応答が可能となる。
応答生成部７は、生成した応答を、スピーカなどを用いて出力する。

本実施形態に係る対話装置１は、例えば、対話ロボット１００などに搭載されている。対話ロボット１００は、図４に示す如く、マイク、スピーカ、演算装置などが設けられている。なお、対話装置１の記憶部２、話題推定部３、情報取得部４、話題提示判定部５、および応答生成部７のうちの全部又は一部が、対話ロボット１００外の外部（例えば、外部サーバ）１０１に設けられる構成であってもよい。この場合、対話ロボット１００と外部１０１とは、ＬＴＥ（Long Term Evolution）などの通信網を介して通信接続され、相互にデータ通信を行ってもよい。

例えば、図５に示す如く、記憶部２、話題推定部３、情報取得部４、及び話題提示判定部５が外部サーバ１０１内に設けられ、応答生成部７が対話ロボット１００内に設けられてもよい。

このように、外部サーバ１０１と対話ロボット１００とで処理を分担することで、対話ロボット１００の処理を軽減し、対話ロボット１００の小型軽量化を図ることができる。また、外部サーバ１０１の処理能力を増強することで、容易に対話装置１の処理能力を向上させることができ、より複雑な応答を行うことができる。さらに、対話装置１の保守点検を行う際に、対話ロボット１００側に主要な構成要素があると、ユーザが対話ロボット１００がある場所まで出向く必要がある。しかし、外部サーバ１０１側に主要な構成要素を設けることで、その必要がなく、保守点検などのメンテナンスにかかる人的負荷が軽減される。

プロファイル情報を記憶する記憶部２を外部サーバ１０１側に設けることで、そのデータを大量に持つことができる。一方で、応答生成部７を対話ロボット１００側に設けることで、対話の即時性を高め、ユーザに対する発話の応答速度を向上させることができる。外部サーバ１０１との通信速度に依存しない応答性を発揮できる。

例えば、電波状態の悪い環境下でも対話性能を維持できる。以上のようなメリット、及び対話装置１の使用環境を考慮して、対話装置１の記憶部２、話題推定部３、情報取得部４、話題提示判定部５、および応答生成部７を、外部サーバ１０１及び対話ロボット１００に配置するのが好ましい。

なお、対話装置１は、対話ロボット１００に搭載される構成であるが、これに限定されない。対話装置１は、モニタ、キーボードなどを有する入出力装置やスマートフォンなどの携帯端末に搭載されてもよく、任意の装置に搭載可能である。

図６は、本実施形態に係る対話方法の処理フローの一例を示すフローチャートである。なお、図６に示す処理フローは、例えば、所定時間毎に繰返し実行されてもよい。

話題推定部３は、記憶部２になどに記憶されたユーザの発話履歴などに基づいて、ｗｏｒｄｅｍｂｅｄｄｉｎｇ法などを用いて現在の話題を推定する（ステップＳ１０１）。

情報取得部４の学習器４１は、ユーザ発話に出現する単語の所定品詞の数をカウントする。学習器４１は、発話したユーザと、そのカウントした所定品詞の数と、該ユーザ発話に基づき話題推定部３により推定された話題と、を対応付けたプロファイル情報を生成し、生成したプロファイル情報を記憶部２に記憶させる（ステップＳ１０２）。

話題提示判定部５は、無音時間などに基づいて、ユーザに対して話題提示を行うか否かを判定する（ステップＳ１０３）。

話題提示判定部５は、ユーザに対して話題提示を行うと判定した場合（ステップＳ１０３のＹＥＳ）、話題選択部６は、ユーザ発話と、情報取得部４により取得されたプロファイル情報と、に基づいて、プロファイル情報に設定された複数の話題の中から、設定された選択の確率に従ってユーザが話し易い１つの話題を選択する（ステップＳ１０４）。

応答生成部７は、話題選択部６により選択された話題に対応付けられた応答を生成し、生成した応答をスピーカなどを用いて出力する（ステップＳ１０５）。

以上、本実施形態に係る対話装置１において、話題選択部６は、情報取得部４により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、所定品詞の数が多い話題ほど、高い確率で選択するように、話題の選択の確率を設定し、該選択の確率に従って話題を選択する。

これにより、ユーザの興味が高い名詞、形容詞、副詞、動詞などの所定品詞の数が多い話題ほど、高い確率で選択するように、話題の選択の確率を設定し、該選択の確率に従って話題を選択する。したがって、ユーザが話し易い話題を積極的に選択し、提供できる。

なお、本発明は上記実施形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

例えば、上記実施形態において、所定品詞は、名詞及び形容詞の組合せであるが、これに限定されない。所定品詞を名詞及び形容詞の組合せとした場合、上述したこれら品詞の特性から、ユーザの知識及び関心が多い話題を積極的に選択し、提供できる。

所定品詞は、名詞及び動詞の組合せであってもよい。所定品詞が名詞及び動詞の組合せである場合、上述したこれら品詞の特性から、ユーザの知識及び体験記憶が多い話題を積極的に選択し、提供できる。

所定品詞は、動詞及び副詞の組合せであってもよい。所定品詞が動詞及び副詞の組合せである場合、上述したこれら品詞の特性から、ユーザの体験記憶及びそれに紐付く気持ちが多く話し易い（所謂話題ネタが多い）話題を積極的に選択し提供できる。
このように、所定品詞の組合せを変えることで、よりユーザの嗜好に適合した話題を積極的に選択し、提供できる。

また、所定品詞は、２つの品詞の組合せであるこれに限定されず、３つ以上の品詞の組合せであってもよい。例えば、所定品詞は、名詞、動詞、及び副詞の組合せであってもよい。この場合、話題選択部６は、例えば、記憶部２のプロファイル情報に基づいて、各話題を３次元象限の各象限にそれぞれ配置する。

さらに、名詞、形容詞、副詞、動詞などの所定名詞に、ユーザの興味の無さを示す品詞（以下、消極的品詞）を組み合わせてもよい。ユーザの興味の無さを示す消極的品詞として、例えば、代名詞が含まれる。

例えば、名詞、代名詞、及び形容詞を組み合わせた場合、話題選択部６は、情報取得部４により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、品詞数（名詞数−代名詞数＋形容詞数）が多い話題ほど、高い確率で選択するように、話題の選択の確率を設定し、該選択の確率に従って話題を選択する。

このように、ユーザの興味を示す所定品詞（名詞数及び形容詞数）からユーザの興味の無さを示す代名詞数を減算した品詞数を求める。この品詞数が、その話題に対する最終的なユーザの興味を示すこととなる。これにより、ユーザの興味を示す所定品詞だけでなく、ユーザの興味の無さを示す代名詞数を考慮して、より高精度にユーザが話し易い話題を選択し、提供できる。

本発明は、例えば、図６に示す処理を、ＣＰＵにコンピュータプログラムを実行させることにより実現することも可能である。

プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。

プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

１対話装置、２記憶部、３話題推定部、４情報取得部、５話題提示判定部、６話題選択部、７応答生成部、４１学習器

Claims

ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得する取得手段と、
前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する話題選択手段と、
前記話題選択手段により選択された話題に基づいて、前記ユーザに対する応答を生成する応答生成手段と、
を備える、ことを特徴とする対話装置。
請求項１記載の対話装置であって、
前記所定品詞は、名詞、形容詞、副詞、及び動詞のうち少なくとも１つの品詞を含む、ことを特徴とする対話装置。
請求項１又は２記載の対話装置であって、
前記所定品詞は、２以上の品詞の組合せであり、
前記話題選択手段は、品詞の数と品詞の種類の数が多い話題ほど高い確率で選択することを特徴とする対話装置。
請求項３記載の対話装置であって、
前記所定品詞は、名詞と形容詞であることを特徴とする対話装置。
請求項１乃至４のうちいずれか１項記載の対話装置であって、
前記話題選択手段は、
前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、名詞及び形容詞の数が最も多い話題を最も高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する、
ことを特徴とする対話装置。
請求項１乃至５のうちいずれか１項記載の対話装置であって、
前記話題選択手段は、
前記所定品詞の数から前記発話に含まれる代名詞の数を減算した品詞数を算出し、
前記取得手段により取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記算出した品詞数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する、
ことを特徴とする対話装置。
請求項１乃至６のうちのいずれか１項記載の対話装置であって、
前記取得手段により取得されたプロファイル情報を記憶する記憶手段を更に備え、
前記話題選択手段は、前記記憶手段のプロファイル情報において、前記ユーザの発話が所定回数以上蓄積されるまで、ランダムに前記話題を選択する、
ことを特徴とする対話装置。
ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得するステップと、
前記取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択するステップと、
前記選択された話題に基づいて、前記ユーザに対する応答を生成するステップと、
を含む、ことを特徴とする対話方法。
ユーザの発話における話題と、該発話に含まれる単語の所定品詞の数と、を対応付けたプロファイル情報を取得する処理と、
前記取得されたプロファイル情報に基づいて、該プロファイル情報に設定された話題の中から、前記所定品詞の数が多い話題ほど、高い確率で選択するように、前記話題の選択の確率を設定し、該設定した選択の確率に従って前記話題を選択する処理と、
前記選択された話題に基づいて、前記ユーザに対する応答を生成する処理と、
をコンピュータに実行させる、ことを特徴とする対話プログラム。