JP6852520B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

近年、ユーザとの間で自動的に会話を行う会話エンジンの開発が進んでいる。例えば特許文献１では、複数の仮想エージェント毎に会話ルールを用意しておき、ユーザから入力された文に含まれる語彙に応じて会話ルールを選択し、応答文を生成する会話文生成装置等が開示されている。

特開２０１５−６９４４５号公報

しかしながら、特許文献１に係る発明では、ユーザによっては不適切な応答文を出力する虞がある。

本発明は斯かる事情によりなされたものであって、その目的とするところは、ユーザに応じて適切な応答文を選択することができる情報処理装置等を提供することにある。

本発明に係る情報処理装置は、対象語と、該対象語に対するユーザの感情度合いとを対応付けてユーザ別に記憶する感情データベース、及び応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースを記憶する記憶部と、前記対象語を含むテキストを取得する取得部と、該テキストから前記対象語を抽出する抽出部と、抽出した前記対象語に基づき、前記感情データベースを参照して前記テキストに対するユーザの抱く感情を推定する推定部と、推定結果に基づき、前記応答データベースから前記応答文を選択する選択部と、選択した前記応答文を出力する出力部とを備え、前記感情データベースは、前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶しており、前記抽出部は、前記テキストの主語及び述語を前記対象語として抽出し、前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定する属性判定部を備え、前記推定部は、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、前記選択部は、前記主語及び述語夫々に係る推定結果の組み合わせに応じて、前記応答文を選択することを特徴とする。

本発明に係る情報処理装置は、前記対象語を含むテキスト、及び該テキストに対してユーザが過去に発信した、所定の定型句を含むコメントを収集する収集部と、前記定型句が示す感情を規定するテーブルを参照して、収集した前記コメントに含まれる前記定型句から、前記ユーザの感情度合いを判別する判別部とを備え、前記記憶部は、判別した前記ユーザの感情度合いを、前記テキストに含まれる前記対象語と対応付けて前記感情データベースに記憶することを特徴とする。

本発明に係る情報処理方法は、対象語を含むテキストを取得し、該テキストから主語及び述語を前記対象語として抽出し、前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定し、ユーザ別かつ前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶する感情データベースを参照して、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースから、前記主語及び述語夫々に係る推定結果の組み合わせに応じて前記応答文を選択し、選択した前記応答文を出力する処理をコンピュータに実行させることを特徴とする。

本発明に係るプログラムは、対象語を含むテキストを取得し、該テキストから主語及び述語を前記対象語として抽出し、前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定し、ユーザ別かつ前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶する感情データベースを参照して、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースから、前記主語及び述語夫々に係る推定結果の組み合わせに応じて前記応答文を選択し、選択した前記応答文を出力する処理をコンピュータに実行させることを特徴とする。

本発明によれば、ユーザに応じて適切な応答文を選択することができる。

情報処理システムの構成例を示す模式図である。 サーバの構成例を示すブロック図である。 テキストＤＢのレコードレイアウトの一例を示す説明図である。 コメントＤＢのレコードレイアウトの一例を示す説明図である。 感情ＤＢのレコードレイアウトの一例を示す説明図である。 辞書テーブルのレコードレイアウトの一例を示す説明図である。 テキスト及びコメントの収集処理について説明するための説明図である。 ユーザの感情を学習する学習処理について説明するための説明図である。 応答文選択処理の概要を説明するための説明図である。 ユーザの感情を推定する推定処理を説明するための説明図である。 感情学習処理の処理手順の一例を示すフローチャートである。 応答文選択処理の処理手順の一例を示すフローチャートである。 実施の形態２に係る感情ＤＢのレコードレイアウトの一例を示す説明図である。 実施の形態２に係る感情学習処理を説明するための説明図である。 実施の形態２に係る応答文選択処理を説明するための説明図である。 実施の形態２に係る感情学習処理の処理手順の一例を示すフローチャートである。 実施の形態２に係る応答文選択処理の処理手順の一例を示すフローチャートである。 上述した形態のサーバの動作を示す機能ブロック図である。

以下、本発明をその実施の形態を示す図面に基づいて詳述する。
（実施の形態１）
図１は、情報処理システムの構成例を示す模式図である。本実施の形態では、ユーザとの間で機械的な対話サービスを提供する情報処理システムであって、ユーザの過去の発言に応じて異なる応答文を出力する情報処理システムを一例として説明を行う。情報処理システムは、情報処理装置１及び端末装置２を有する。各装置は、インターネット等のネットワークＮを介して通信接続されている。

情報処理装置１は、種々の情報処理を行うと共に、情報の送受信を行う情報処理装置であり、例えばサーバ装置、パーソナルコンピュータ等である。本実施の形態において情報処理装置１はサーバ装置であるものとし、以下では簡便のためサーバ１と読み替える。後述するようにサーバ１は、インターネットニュースのニュースタイトル（テキスト）と、当該ニュースに対してユーザが発信したコメントとを収集し、収集したコメントからユーザの感情を学習する学習処理を行う。サーバ１は新規のニュースを取得した際、学習結果を利用してユーザの感情を推定し、推定結果に応じてユーザの感情に則した応答文を選択、出力する処理を行う。

端末装置２は、ユーザが使用する端末装置であり、例えばスマートフォン、パーソナルコンピュータ、タブレット端末等である。本実施の形態において端末装置２はスマートフォンであるものとし、以下では簡潔のため端末２と読み替える。端末２は、サーバ１から応答文の出力を受け、これを表示する。

図２は、サーバ１の構成例を示すブロック図である。サーバ１は、制御部１１、記憶部１２、通信部１３、大容量記憶装置１４を含む。
制御部１１はＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）等の演算処理装置を含み、記憶部１２に記憶されたプログラムＰを読み出して実行することにより、サーバ１に係る種々の情報処理、制御処理等を行う。なお、図２では制御部１１を単一のプロセッサとして図示してあるが、制御部１１はマルチプロセッサであってもよい。記憶部１２はＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等のメモリ素子を含み、制御部１１が処理を実行するために必要なプログラムＰ又はデータ等を記憶している。また、記憶部１２は、制御部１１が演算処理を実行するために必要なデータ等を一時的に記憶する。通信部１３は通信に関する処理を行うための処理回路等を含み、ネットワークＮを介して端末２、２、２…と情報の送受信を行う。

大容量記憶装置１４は、例えばハードディスク等を含む大容量の記憶装置である。大容量記憶装置１４は、テキストＤＢ１４１、コメントＤＢ１４２（応答データベース）、感情ＤＢ１４３、辞書テーブル１４４を記憶している。テキストＤＢ１４１は、ネットワークＮを介して収集したテキストデータを記憶している。コメントＤＢ１４２は、収集されたテキストに対する各ユーザのコメントデータを記憶している。感情ＤＢ１４３は、コメントより学習したユーザの感情に関するデータを記憶している。辞書テーブル１４４は、感情を表現する一定の定型句と、各定型句が表す感情を数値化して規定したデータとを対応付けたテーブルである。

なお、本実施の形態において記憶部１２及び大容量記憶装置１４は一体の記憶装置として構成されていてもよい。また、大容量記憶装置１４は複数の記憶装置により構成されていてもよい。また、大容量記憶装置１４はサーバ１に接続された外部記憶装置であってもよい。
また、本実施の形態においてサーバ１は上記の構成に限られず、例えば操作入力を受け付ける入力部、サーバ１に係る情報を表示する表示部等を含んでもよい。

図３は、テキストＤＢ１４１のレコードレイアウトの一例を示す説明図である。テキストＤＢ１４１は、テキストＩＤ列、テキスト列、ＵＲＬ列を含む。テキストＩＤ列は、サーバ１がネットワークＮを介して収集した各テキストを識別するためのＩＤを記憶している。サーバ１が収集するテキストは、例えばインターネットメディアが発信するニュースのタイトルである。サーバ１は、インターネットニュースに係るニュースタイトルを収集し、テキストＤＢ１４１に格納する。テキスト列は、テキストＩＤと対応付けて、各テキストの内容（ニュースタイトル）を記憶している。ＵＲＬ列は、インターネットニュースに係るＷｅｂページのＵＲＬアドレスを記憶している。

図４は、コメントＤＢ１４２のレコードレイアウトの一例を示す説明図である。コメントＤＢ１４２は、コメントＩＤ列、コメント列、ユーザ列、テキストＩＤ列、スコア列を含む。コメントＩＤ列は、各ユーザがネットワークＮ上に発信し、サーバ１が収集した各ユーザのコメントを識別するためのＩＤを記憶している。サーバ１が収集するコメントは、上記のインターネットニュースに対するコメントである。つまりサーバ１は、インターネットニュースのタイトルを収集すると共に、当該ニュースと対になる各ユーザのコメントを併せて収集し、コメントＤＢ１４２に格納する。

コメント列は、コメントＩＤと対応付けて、コメントの内容を記憶している。ユーザ列は、コメントＩＤと対応付けて、各ユーザの情報（例えばハンドルネーム）を記憶している。テキストＩＤ列は、コメントＩＤと対応付けて、コメントに対応するインターネットニュースのテキストＩＤを記憶している。スコア列は、コメントＩＤと対応付けて、各コメントから推定されるユーザの感情度合いを数値化したスコアデータを記憶している。本実施の形態においてユーザの感情度合いは、スコアが正負いずれの値を取るかによって、肯定的（ポジティブ）又は否定的（ネガティブ）な感情の２種類に大別されている。スコアが正の値である場合、肯定的（ポジティブ）な感情であると推定され、スコアが負の値である場合、否定的（ネガティブ）な感情であると推定される。

図５は、感情ＤＢ１４３のレコードレイアウトの一例を示す説明図である。感情ＤＢ１４３は、ユーザ列、種類列、対象語列、スコア列を含む。ユーザ列は、各ユーザを識別するための情報を記憶している。種類列は、対象語の種類を記憶している。具体的には、主語又は述語の別を記憶している。対象語列は、ユーザ及び種類と対応付けて、対象語の内容を記憶している。対象語は、ニュースタイトルから抽出された語句であり、ニュースタイトルの主語又は述語である。スコア列は、ユーザ及び対象語と対応付けて、各対象語を含むテキスト（ニュース）に対するユーザの感情度合いを数値化して規定するスコアデータを記憶している。感情ＤＢ１４３にはコメントＤＢ１４２と同様に、ユーザの感情度合いを示すスコアが正負いずれかの値を取るかによって、ユーザの感情を肯定的（ポジティブ）又は否定的（ネガティブ）な感情の２種類に大別して記憶されている。

図６は、辞書テーブル１４４のレコードレイアウトの一例を示す説明図である。辞書テーブル１４４は、定型句列、スコア列を含む。定型句列は、予め設定された一定の語句を記憶している。定型句は、ユーザがコメントにおいて使用する一定の語句であり、ユーザの感情を表現する語句である。スコア列は、定型句と対応付けて、各定型句が表すユーザの感情度合いを数値化したスコアを記憶している。

図７は、テキスト及びコメントの収集処理について説明するための説明図である。以下では情報処理システムが実行する処理の概要について説明する。
図７では、テキストと、当該テキストに対応する各ユーザのコメントとをサーバ１が収集する様子を概念的に図示している。サーバ１が収集するテキストは、既に述べたように、例えばインターネットニュースに係るニュースタイトルである。サーバ１はネットワークＮを介してニュースタイトルを収集し、テキストＤＢ１４１に記憶する。

さらにサーバ１は、各インターネットニュースに対する各ユーザのコメントを収集する。ユーザのコメントは、例えばＳＮＳ（Social Network Service）において各ユーザが投稿したコメント等である。サーバ１は、各ユーザのコメントを収集し、対応するニュースタイトルと対応付けてコメントＤＢ１４２に記憶する。

上述の如くサーバ１は、ニュースタイトルと、当該タイトルと対になるコメントとを収集する。後述するようにサーバ１は、新着ニュースを取得した際、過去のニュースタイトルに紐付けられたコメントを参照して、新着ニュースにコメントを付してユーザ宛に出力する。すなわちサーバ１は、新着ニュースと類似する過去のニュースタイトルから、出力すべきコメント（応答文）を予測し、当該コメントをユーザ宛に出力する。

図８は、ユーザの感情を学習する学習処理について説明するための説明図である。サーバ１は、ニュースタイトル及びコメントを収集するだけでなく、収集したコメントから、当該ニュースに対するユーザの感情を学習する処理を行う。図８に、当該学習処理の概要を示す。

まずサーバ１は、収集したニュースタイトルから、感情推定の判断基準とする対象語を抽出する。対象語は、例えばニュースタイトルの主語及び述語である。サーバ１は、ニュースタイトルに係るテキストに対して構文解析を行い、主語及び述語を抽出する。

さらにサーバ１は、上記のニュースタイトルと対になる各ユーザのコメントから、インターネットニュースに対するユーザの感情を判別する。例えばサーバ１は、コメントに含まれる定型句と、当該定型句が示すユーザの感情度合いを数値化したスコアとを対応付けた辞書テーブル１４４を参照し、各ユーザの感情度合いを判別する。定型句は、ユーザの感情を表現する語句であり、辞書テーブル１４４において予め規定されている。例えば図８左下に示すコメントについて、サーバ１は定型句「がんばって」を特定し、当該定型句に対して設定されているスコアをユーザの感情度合いとして判別する。

当該スコアは、ユーザの感情度合いを数値化して表すデータであり、各定型句のスコアは辞書テーブル１４４に予め設定されている。スコアは、正負の数値により表され、正の値であればユーザが肯定的（ポジティブ）な感情を抱いていることを、負の値であれば否定的（ネガティブ）な感情を抱いていることを表す。例えば図８に示す例では、スコアが正の値であるため、当該ユーザは図８左上に示すニュースに対してポジティブな感情を抱いていると推定される。

サーバ１は、ニュースタイトルから抽出した対象語と対応付けて、判別したユーザの感情度合いをユーザ別に記憶する。具体的にサーバ１は、ニュースタイトルから抽出した主語及び述語夫々と対応付けて、コメントから判別したスコアを感情ＤＢ１４３に記録する。例えば図８に示す例において、サーバ１は主語「△△氏」及び述語「当確」夫々の語句と対応付けて、コメントから判別したスコア「＋０．４４５」を感情ＤＢ１４３に格納する。なお、すでに感情ＤＢ１４３に主語「△△氏」及び述語「当確」と、これに対応するスコアが格納されている場合、サーバ１は、新たに取得したコメントから判別したスコア「＋０．４４５」を加減算してスコアを更新する。

サーバ１は、上記の学習処理をユーザ別に行い、各ユーザの感情を学習する。すなわちサーバ１は、各ユーザのコメントから個別に感情度合いを判別し、判別結果（スコア）をユーザ別に感情ＤＢ１４３に格納する。サーバ１は、収集したテキスト及びコメントすべてについて学習処理を繰り返し、感情ＤＢ１４３を構築する。

また、サーバ１は、ネットワークＮを介して収集した各コメントをコメントＤＢ１４２に記憶する際、各コメントの定型句から判別されたスコアも併せて記憶する。これによりコメントＤＢ１４２には、各コメントと、各コメントがユーザに与える感情度合いとが対応付けて記憶される（図４参照）。

図９は、応答文選択処理の概要を説明するための説明図である。以下では、上述の学習結果を用いて応答文を選択し、ユーザ宛に出力する処理について説明する。
例えばサーバ１は、ネットワークＮを介して新たなインターネットニュース（以下、「新着ニュース」という）を取得した場合、当該ニュースに応答文を付してユーザ宛に出力する処理を行う。具体的にサーバ１は、新着ニュースを取得した場合、ニュースタイトルに対して意味解析を行い、テキストＤＢ１４１に記憶されている過去のニュースタイトルから類似するタイトルを検索する。サーバ１は、検索したニュースタイトルと対応付けてコメントＤＢ１４２に記憶されているコメントを、ユーザに対して出力する応答文の候補として抽出する。

この場合、ユーザに対して反対の感情を与える複数の候補が抽出される場合がある。例えば図９に示すように、サーバ１は、新着ニュースに対して肯定的な応答文「よかったね」と、否定的な応答文「残念だね」とを抽出する場合がある。この場合に、例えば新着ニュースに対して肯定的な感情を抱くユーザに対し、否定的な応答文「残念だね」を出力した場合、ユーザに対して不快感を与える虞がある。

そこでサーバ１は、複数の応答文の候補を抽出した際、各ユーザの感情を過去のコメントから推定し、推定結果に応じて応答文を選択する処理を行う。これによりサーバ１は、ユーザの感情に則して適切な応答文を出力する。

図１０は、ユーザの感情を推定する推定処理を説明するための説明図である。図１０に基づき、新着ニュースに対するユーザの抱く感情を推定する推定処理について説明する。
まずサーバ１は、新着ニュースのタイトルから、ユーザの感情を推定するための対象語を抽出する。上述の如く対象語は、テキストの主語及び述語である。

サーバ１は感情ＤＢ１４３を参照し、抽出した対象語を含むニュースに対してユーザが抱く推定する。具体的にサーバ１は、抽出した主語に対するユーザの感情のスコアと、述語に対するユーザの感情のスコアとを、ユーザ別に感情ＤＢ１４３から読み出す。サーバ１は、読み出した各スコアの正負を判別する。例えば図１０に示す例では、ユーザＡについて主語「大日本ペリカンズ」に対するスコアは正の値を取り、述語「勝利」に対するスコアも正の値を取る。サーバ１は、主語及び述語夫々に係るスコアの正負に応じて、各ユーザの感情を推定する。

具体的にサーバ１は、主語及び述語夫々のスコアの正負に基づき、排他的論理和を用いて各ユーザの感情を推定する。図１０右下に、排他的論理和に基づく出力ルールの概要を図示する。図１０右下に図示するように、サーバ１は、主語及び述語の双方が正又は負の値を取る場合、出力する応答文のスコアはポジティブとする。一方、サーバ１は、主語及び述語の一方が正の値を取り、他方が負の値を取る場合、出力する応答文のスコアはネガティブとする。

サーバ１は、当該出力ルールに従い、ユーザの感情を推定して応答文を選択する。例えば図１０左に示す例では、ユーザＡについて主語「大日本ペリカンズ」に対するスコアは正の値を取り、述語「勝利」に対するスコアも正の値を取ることから、サーバ１は、ユーザＡが新着ニュースに対して肯定的な感情を抱くと推定する。この場合、サーバ１はコメントＤＢ１４２を参照して、スコアが正の応答文（コメント）を候補から選択する。サーバ１は、選択した応答文を端末２に出力する。

一方で、ユーザＢについて主語「大日本ペリカンズ」に対するスコアは負の値を取り、述語「勝利」に対するスコアは正の値を取ることから、サーバ１は、ユーザＢが新着ニュースに対して否定的な感情を抱くと推定する。従ってサーバ１は、応答文の出力ルールを適用し、スコアが負の応答文を候補から選択する。これによりサーバ１は、ユーザＡとは異なり、ユーザＢに対してはネガティブな応答文を出力する。

上記のようにサーバ１は、各ユーザの過去の発言に基づいて個別に感情を推定し、推定結果に応じた応答文を選択して端末２に出力する。これによりサーバ１は、ユーザの感情に則した応答文の出力が可能となり、ユーザに不快感を与える事態を防止することができる。

図１１は、感情学習処理の処理手順の一例を示すフローチャートである。図１１に基づいて、サーバ１が実行する感情学習処理の処理内容について説明する。
サーバ１の制御部１１は、ネットワークＮを介して、テキストと、該テキストに対してユーザが発信したコメントとを収集する（ステップＳ１１）。当該テキストは、例えばインターネットニュースに係るタイトルである。コメントは、当該インターネットニュースに対して各ユーザが発信したコメントである。制御部１１は、対になるニュースタイトル及びコメントを収集し、テキストＤＢ１４１及びコメントＤＢ１４２に記憶する。

制御部１１は、収集したテキストから対象語を抽出する（ステップＳ１２）。対象語は、例えば各テキストの主語及び述語である。制御部１１は、当該テキストに対するユーザのコメントに基づき、ユーザの感情度合いを判別する（ステップＳ１３）。例えば制御部１１は、一定の定型句と、該定型句が示す感情度合いを数値化したスコアとを対応付けた辞書テーブル１４４を参照して、ユーザの感情度合いを判別する。制御部１１は、コメントに含まれる定型句から、コメントを発信したユーザの感情度合いを数値化して計算する。

制御部１１は、ステップＳ１２で抽出した対象語と対応付けて、ステップＳ１３で判別したユーザの感情度合いをユーザ別に感情ＤＢ１４３に記憶する（ステップＳ１４）。制御部１１は、一連の処理を終了する。

図１２は、応答文選択処理の処理手順の一例を示すフローチャートである。図１２に基づき、サーバ１が実行する応答文選択処理の処理内容について説明する。
サーバ１の制御部１１は、ネットワークＮを介して新規のテキストを取得する（ステップＳ３１）。当該テキストは、例えば新着のインターネットニュースのニュースタイトルである。制御部１１はコメントＤＢ１４２を参照して、ユーザに対して出力する応答文の予測を行う（ステップＳ３２）。例えば制御部１１は、新着ニュースのタイトルの意味解析を行い、過去に収集済みのニュースタイトルから、類似するニュースタイトルを特定する。制御部１１は、特定したニュースタイトルに対する過去のコメントを、出力する応答文の候補としてコメントＤＢ１４２から特定する。

制御部１１は、予測した応答文が複数であるか否かを判定する（ステップＳ３３）。複数でないと判定した場合（Ｓ３３：ＮＯ）、制御部１１は処理をステップＳ３９に移行する。複数であると判定した場合（Ｓ３３：ＹＥＳ）、制御部１１は、ステップＳ３１で取得したテキストから対象語を抽出する（ステップＳ３４）。具体的に制御部１１は、新着ニュースに係るニュースタイトルの主語及び述語を抽出する。

制御部１１は感情ＤＢ１４３を参照して、抽出した主語を含むテキストに対するユーザの抱く感情を推定する（ステップＳ３５）。具体的には、上述の感情学習処理により、感情ＤＢ１４３には、各対象語（主語、述語）と、当該対象語を含むインターネットニュースに対してユーザが抱く感情の度合いを数値化したスコアデータとが、ユーザ別に記憶されている。制御部１１は、新着ニュースのタイトルから抽出した主語に基づき、当該主語と対応付けられたユーザの感情のスコアを感情ＤＢ１４３から読み出す。制御部１１は、当該スコアの正負に応じてユーザの感情を推定する。

制御部１１は、ステップＳ３３で抽出した述語を含むテキストに対するユーザの抱く感情を推定する（ステップＳ３６）。具体的にはステップＳ３５と同様に、制御部１１は感情ＤＢ１４３を参照して、当該述語を含む過去のニュースタイトルに対してユーザが抱く感情のスコアを読み出す。制御部１１は、当該スコアの正負に応じてユーザの感情を推定する。

制御部１１は、主語及び述語夫々に係る推定結果の組み合わせから、ステップＳ３１で取得したテキストに対するユーザの抱く感情を推定する（ステップＳ３７）。具体的に制御部１１は、主語及び述語それぞれに係るスコアの正負に応じて、排他的論理和を用いてユーザの感情を推定する。これにより制御部１１は、新着ニュースに対してユーザが肯定的（ポジティブ）な感情を抱いているか、又は否定的（ネガティブ）な感情を抱いているかを推定する。制御部１１は、ステップＳ３７の推定結果に応じて、ステップＳ３２で予測した複数の応答文からいずれかを選択する（ステップＳ３８）。制御部１１は、選択した応答文を端末２に出力し（ステップＳ３９）、一連の処理を終了する。

なお、上記でサーバ１は、テキスト（ニュースタイトル）からユーザの感情を推定するための対象語として主語及び述語を抽出することとしたが、抽出する語句は、例えば目的語等、その他の語句であってもよい。

また、上記でサーバ１は、インターネットニュースのニュースタイトルを収集することとしたが、本実施の形態はこれに限定されるものではない。例えばサーバ１は、複数のユーザによるＳＮＳ上の対話文を収集し、当該対話文から各ユーザの感情を学習することとしてもよい。すなわちサーバ１は、所定のテキストと、当該テキストと対になるユーザのコメントとを収集することができればよく、サーバ１が収集するテキストはニュースタイトルに限定されない。

以上より、本実施の形態１によれば、ユーザの感情に応じて適切な応答文を選択することができる

また、本実施の形態１によれば、ユーザの過去の発言を利用してユーザの感情を適切に推定することができる。

また、本実施の形態１によれば、新着ニュースのタイトルから複数の対象語を抽出し、各対象語についてユーザの感情を推定することで、より適切にユーザの感情を推定することができる。

また、本実施の形態１によれば、テキストから抽出する対象語として主語及び述語を採用することで、より適切にユーザの感情を推定することができる。

（実施の形態２）
本実施の形態では、取得テキストの属性に応じて異なる応答文を選択する形態について述べる。なお、実施の形態１と重複する内容については同一の符号を付して説明を省略する。
図１３は、実施の形態２に係る感情ＤＢ１４３のレコードレイアウトの一例を示す説明図である。実施の形態２に係る感情ＤＢ１４３は、属性列を含む。属性列は、各対象語の抽出元であるニュースタイトルに係るインターネットニュースの属性を記憶している。具体的に属性は、各ニュースのジャンルであり、例えば「野球」、「社会」、「音楽」等のように、複数のジャンルが予め設定されている。後述するように、サーバ１は、ニュースタイトルの主語からジャンルを特定する。

図１４は、実施の形態２に係る感情学習処理を説明するための説明図である。図１４では、２種類のニュースタイトルと、各ニュースに対するユーザのコメントとを図示している。サーバ１は実施の形態１と同様に、ネットワークＮを介してニュースタイトル及びコメントを収集し、ユーザの感情を学習する処理を行う。

この場合に、例えば図１４に示すように、同じ語句（述語）がニュースタイトルに用いられる場合がある。しかしながら、語句は同じ場合であっても、各ニュースタイトル中で当該語句の意味、用法等が異なる場合がある。例えば図１４では、図１４上に示すニュースタイトルの「サヨナラ」は、野球の試合で最終回に勝ち越し点を上げることを意味するが、図１４下に示すニュースタイトルの「サヨナラ」は、別れることを意味する。このように、ニュースのジャンルに応じて、使用される語句の意味、用法等が異なる場合がある。

そこで本実施の形態に係るサーバ１は、収集したニュースタイトルのジャンルを判定し、ジャンル別にユーザの感情を学習する。具体的にサーバ１は、ニュースタイトルに含まれる主語に基づき、ニュースのジャンルを判定する。例えば図１４上に示すニュースタイトルの場合、サーバ１は主語「大日本ペリカンズ」より、ジャンルが「野球」であるものと判定する。また、図１４下に示すニュースタイトルの場合、サーバ１は主語「鉄道ファン」より、ジャンルが「社会」であるものと判定する。

サーバ１は、各ニュースタイトルと対になるユーザのコメントから、ユーザの感情をジャンル別に判別する。例えば図１４上に示すジャンル「野球」のニュースの場合、サーバ１は、収集したユーザのコメントから、当該ニュースについてユーザの感情が肯定的なものと判別する。一方、図１４下に示すジャンル「社会」のニュースの場合、サーバ１は、ユーザのコメントに基づき、当該ニュースについてユーザの感情が否定的なものと判別する。サーバ１は、主語及び述語夫々に係る感情のスコアをジャンル別に計算し、感情ＤＢ１４３に記憶する。

図１５は、実施の形態２に係る応答文選択処理を説明するための説明図である。サーバ１は、新着ニュースを取得した場合、ニュースタイトルの主語に基づいてジャンルを判定する。例えば図１５に示す例において、サーバ１は、主語「大日本ペリカンズ」に基づき、ジャンルが「野球」であるものと判定する。

サーバ１は、感情ＤＢ１４３に記憶されているデータのうち、当該ジャンルに係るユーザの感情のスコアデータを参照して、ユーザの抱く感情を推定する。例えば図１５の例では、サーバ１は、「野球」に分類されたニュースタイトルの主語「大日本ペリカンズ」及び述語「サヨナラ」夫々について、ユーザの感情のスコアを読み出す。サーバ１は、スコアの正負に応じて、主語及び述語夫々に対するユーザの感情が肯定的であるか、又は否定的であるかを推定する。サーバ１は排他的論理和を用いて、主語及び述語の組み合わせに応じてユーザの感情を推定する。例えば図１５に示す例では、主語及び述語の双方がポジティブであることから、サーバ１は、ユーザの感情が肯定的であると推定する。サーバ１はコメントＤＢ１４２を参照し、肯定的な応答文を選択して端末２に出力する。

図１６は、実施の形態２に係る感情学習処理の処理手順の一例を示すフローチャートである。ネットワークＮを介して収集したテキストから対象語を抽出する処理を実行した後（ステップＳ１２）、サーバ１の制御部１１は、以下の処理を実行する。
制御部１１は、抽出したテキストの主語に基づき、当該テキストの属性を判定する（ステップＳ２０１）。テキストの属性は、例えばテキストがニュースタイトルである場合、当該ニュースのジャンルである。

ステップＳ１３の処理を実行後、制御部１１は、ステップＳ１２で抽出した対象語と対応付けて、ステップＳ１３で判別したユーザの感情度合いを、ステップＳ２０１で判定した属性別に感情ＤＢ１４３に記憶する（ステップＳ２０２）。具体的に制御部１１は、コメントから判別したユーザの感情を示すスコアデータを、当該コメントに対応するテキストの属性別に、当該テキストから抽出された主語及び述語夫々と対応付けて記憶する。制御部１１は、一連の処理を終了する。

図１７は、実施の形態２に係る応答文選択処理の処理手順の一例を示すフローチャートである。テキストから抽出した主語についてユーザの抱く感情を推定する推定処理を実行した後（ステップＳ３５）、サーバ１の制御部１１は、以下の処理を実行する。
制御部１１は、ステップＳ３４で抽出された主語（対象語）に基づき、ステップＳ３１で取得したテキストの属性を判定する（ステップＳ２２１）。例えば制御部１１は、新着ニュースのジャンルを判定する。制御部１１は感情ＤＢ１４３を参照して、ステップＳ２２１で判定した属性のテキストにつき、ステップＳ３４で抽出した述語を含むテキストに対するユーザの抱く感情を推定する（ステップＳ２２２）。すなわち制御部１１は、ステップＳ２２１で判定した属性に分類され、かつ、ステップＳ３４で抽出された述語と対応付けられたユーザの感情のスコアを読み出す。制御部１１は、読み出したスコアの正負に応じてユーザの感情を推定する。制御部１１は、処理をステップＳ３７に移行する。

以上より、本実施の形態２によれば、サーバ１は、分野によって意味、用法等が異なる語句がテキストに含まれる場合であっても、適切な応答文を選択することができる。

（実施の形態３）
図１８は、上述した形態のサーバ１の動作を示す機能ブロック図である。制御部１１がプログラムＰを実行することにより、サーバ１は以下のように動作する。記憶部１８１は、対象語と、該対象語に対するユーザの感情度合いとを対応付けてユーザ別に記憶する感情データベース、及び応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースを記憶する。取得部１８２は、前記対象語を含むテキストを取得する。抽出部１８３は、該テキストから前記対象語を抽出する。推定部１８４は、抽出した前記対象語に基づき、前記感情データベースを参照して前記テキストに対するユーザの抱く感情を推定する。選択部１８５は、推定結果に基づき、前記応答データベースから前記応答文を選択する。出力部１８６は、選択した前記応答文を出力する。

本実施の形態３は以上の如きであり、その他は実施の形態１及び２と同様であるので、対応する部分には同一の符号を付してその詳細な説明を省略する。

今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１ サーバ（情報処理装置）
１１ 制御部
１２ 記憶部
Ｐ プログラム
１３ 通信部
１４ 大容量記憶装置
１４１ テキストＤＢ
１４２ コメントＤＢ
１４３ 感情ＤＢ
１４４ 辞書テーブル

Claims (4)

1. 対象語と、該対象語に対するユーザの感情度合いとを対応付けてユーザ別に記憶する感情データベース、及び応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースを記憶する記憶部と、
   前記対象語を含むテキストを取得する取得部と、
   該テキストから前記対象語を抽出する抽出部と、
   抽出した前記対象語に基づき、前記感情データベースを参照して前記テキストに対するユーザの抱く感情を推定する推定部と、
   推定結果に基づき、前記応答データベースから前記応答文を選択する選択部と、
   選択した前記応答文を出力する出力部とを備え、
   前記感情データベースは、前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶しており、
   前記抽出部は、前記テキストの主語及び述語を前記対象語として抽出し、
   前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定する属性判定部を備え、
   前記推定部は、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、
   前記選択部は、前記主語及び述語夫々に係る推定結果の組み合わせに応じて、前記応答文を選択する
   ことを特徴とする情報処理装置。
2. 前記対象語を含むテキスト、及び該テキストに対してユーザが過去に発信した、所定の定型句を含むコメントを収集する収集部と、
   前記定型句が示す感情を規定するテーブルを参照して、収集した前記コメントに含まれる前記定型句から、前記ユーザの感情度合いを判別する判別部と
   を備え、
   前記記憶部は、判別した前記ユーザの感情度合いを、前記テキストに含まれる前記対象語と対応付けて前記感情データベースに記憶する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 対象語を含むテキストを取得し、
   該テキストから主語及び述語を前記対象語として抽出し、
   前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定し、
   ユーザ別かつ前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶する感情データベースを参照して、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、
   応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースから、前記主語及び述語夫々に係る推定結果の組み合わせに応じて前記応答文を選択し、
   選択した前記応答文を出力する
   処理をコンピュータに実行させることを特徴とする情報処理方法。
4. 対象語を含むテキストを取得し、
   該テキストから主語及び述語を前記対象語として抽出し、
   前記テキストから抽出された前記主語に基づき、前記テキストの属性を判定し、
   ユーザ別かつ前記テキストの属性別に、前記対象語に対するユーザの感情度合いを、肯定的又は否定的な感情に大別して記憶する感情データベースを参照して、判定された属性に応じて、前記主語及び述語夫々について、ユーザの抱く感情が肯定的であるか、又は否定的であるかを推定し、
   応答文と、該応答文がユーザに与える感情度合いとを対応付けて記憶する応答データベースから、前記主語及び述語夫々に係る推定結果の組み合わせに応じて前記応答文を選択し、
   選択した前記応答文を出力する
   処理をコンピュータに実行させることを特徴とするプログラム。

Images