JP7297458B2

JP7297458B2 - 対話コンテンツ作成支援方法

Info

Publication number: JP7297458B2
Application number: JP2019024762A
Authority: JP
Inventors: 健三黒土; 真岩山
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2019-02-14
Filing date: 2019-02-14
Publication date: 2023-06-26
Anticipated expiration: 2039-02-14
Also published as: JP2020135135A

Description

本発明は、自然言語入力を解釈し、自然言語内に含まれる命令を実行する自然言語対話システムに係わり、特に、システムの自然言語入力とそれに対するシステムの自然言語出力のデータの整備コストを低減させる技術に関する。

人などから発声される音声や人などが生成する文などを入力としてコンピュータなどの命令処理装置から人間などの助けとなる情報を出力させたり、機械などへの制御命令を実行する対話システムに関する研究が近年盛んに行われている。

また、スマートスピーカーやクラウドコンピューティング，フォグコンピューティング（スマートスピーカーのようにセンサーとスピーカーなどを持つエッジコンピューティングとクラウドコンピューティングの間で行われる計算処理）と組み合わせて一定のコスト内で誰でも、どこでも、いつでも対話システムを利用できるユビキタス社会が実現されつつある。

本技術分野の背景技術として、特許文献１および特許文献２，特許文献３，特許文献４，非特許文献１がある。特許文献１はテキストに関する構成要素情報を得るためのルールを、単語表層にとらわれずに概念レベルで生成して蓄積することのできる、知識構築装置を提供する。特許文献２は統計情報に係り受け解析結果を用いず自動処理が可能であると共に未知語の概念推定に費やす開発コストを小さくすること、未知語概念推定の精度を向上させると共に処理を高速化すること、及び同義概念と類義概念とを精度良く区別すると共に既存シソーラスにない新たな概念を推定することを目的とする未知語概念推定方法を提供する。特許文献３は文法・単語が著しく異なるような言語間であっても、原文の意味を的確に伝える翻訳装置及び翻訳システムを提供する。特許文献４は対話システムの自然言語入力に対する柔軟性を向上させることにある。さらに非特許文献１は自然文の原文と変換後の文のペアを大量に学習することで，新規な原文を言語の特徴を生かし，変換後の文に変換する文変換装置を提供する。本技術を用いた翻訳や要約を行うことが提案されている。

特開２０１１－１０８０８５号公報特開平１１－２１２９７５号公報特開２０１７－２１９９９２号公報特開２０００－１２３０１１号公報

Ｋｌｅｉｎ，Ｇｕｉｌｌａｕｍｅ，ｅｔａｌ． "ＯｐｅｎＮＭＴ：Ｏｐｅｎ－ＳｏｕｒｃｅＴｏｏｌｋｉｔｆｏｒＮｅｕｒａｌＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎ．" ＰｒｏｃｅｅｄｉｎｇｓｏｆＡＣＬ２０１７，ＳｙｓｔｅｍＤｅｍｏｎｓｔｒａｔｉｏｎｓ（２０１７）：６７－７２．

自然言語対話システムの有益性を高めるためには、そのシステムがユーザーの発話意図に沿った回答をユーザーに高い確率で伝達できることが必須である。そのためには、ユーザーが発話する可能性のある膨大な発話に対する回答を準備する必要があり、その準備を効率的に、少ない時間（工数）で行えるよう支援する支援システムが必要とされる。

支援システムを構築するためには大規模な対話コンテンツを整備することが必要である。ユーザーが発話すると想定される文とその文への回答のペアの複数の集合、もしくは、前記ペアとユーザーに問いかけることでユーザーに発話を行ってもらう制御情報の複数の集合、もしくは，前記ペアを生成できる手掛かりとなる対話ペア生成手掛かり情報の複数の集合を対話コンテンツとする。

この対話コンテンツはある企業（あるいは公共団体、教育機関その他の事業主体や運営主体等。以下これらを総称して「企業」あるいは「主体」という）に特化したものを事前に作成し，別の企業にカスタマイズして用いることを発明者らは検討した。もしくは，ある業界に特化した対話コンテンツを事前に作成し，個別の企業ごとにカスタマイズして用いることを発明者らは検討した。このときにある企業でのみ使用される語とそうでない語を判定する必要がある。

しかるに特許文献１は，ニュース記事として報道される事件や事故といった事象から、その発生概要、原因、その後の展開といった構成要素を抽出するものであり，ある企業の対話コンテンツに含まれる自然文（テキスト）から、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定することができない。特許文献２～４と非特許文献１についても同様である。
上記状況を鑑みて、大規模な対話コンテンツを効率的に整備する手法が求められる。

本発明の一側面は、入力装置、出力装置、処理装置および記憶装置を備えてなる情報処理装置で実行され、ある企業の資材に含まれるテキストから、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定する対話コンテンツ作成支援方法である。好ましい一例として、自然言語対話システムに用いる対話コンテンツを作成する際に、前記判定を行なう。さらに好ましい一例として、ユーザー発話想定文と回答文を含む対話コンテンツを作成する際に、対話に含まれる制約を構成要素とする対話部品を作成して予め保存しておき、対話部品を呼び出して対話コンテンツを作成する。さらに好ましい一例として、対話部品を作成する際に、ある企業の資材に含まれるテキストから、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定し、ユニークな語を汎用的な語に変換し、汎用的な語から制約を設定して、対話部品を作成する。好ましい具体例では、判定をｔｆ－ｉｄｆなどの統計的な手法により行う。

本発明の好ましい他の一側面は、入力装置、出力装置、処理装置および記憶装置により構成され、記憶装置に格納される、所定の主体に関連する特有語を、主体と関連付けて記憶する特徴語辞書と、記憶装置に格納される、特有語に対応する一般語を、特有語と関連付けて記憶する共通語辞書と、テキストを受信して特徴語辞書を参照し、テキスト中の所定の主体に関連する特有語を抽出する、抽象化場所推薦部と、を備える対話コンテンツ作成支援システムである。

本発明の好ましい他の一側面は、入力装置、出力装置、処理装置および記憶装置により構成され、記憶装置に格納される、所定の語からなる１または複数のスロット値、当該スロット値を持つスロット、および当該スロットに対応するテキストを組とする対話部品を１または複数記憶する対話テンプレートと、対話テンプレートから複数のスロットが選択されると、当該複数のスロットが値として持つスロット値の組み合わせを生成して対話コンテンツの骨格として出力する部品組み合わせ部を備える、コンテンツ作成支援システムである。

大規模な対話コンテンツを効率的に整備する手法を提供できる。

対話データ作成支援システムを利用するシステムを示すブロック図である。一問一答対話で使用する対話コンテンツを示す表図である。一問一答対話の例を示す概念図である。誘導対話で使用する対話コンテンツを示す表図である。誘導対話の例を示す概念図である。対話部品の例を示す表図である。対話テンプレートの利用手順を示す流れ図である。対話データ作成支援システム１にアクセスすることで表示される画面イメージを示す平面図である。対話部品６１の作成方法を示す図である。特にＦＡＱの内容が示されている表図である。対話部品６１の作成方法を示す図である。特にクラスタリングの結果が示されている概念図である。ｔｆ－ｉｄｆ法による特有語と一般語の判別方法の例を示す表図である。知識バンクの入出力の例を示す表図である。知識バンクの利用方法の例を示す平面図である。知識バンクのみを有する対話データ作成支援システムの例を示すブロック図である。テンプレート化のみを有する対話データ作成支援システムの例を示すブロック図である。一般的な言い回しへの変換の例を示す表図である。対話テンプレートの作成方法の例を説明するフロー図である。対話コンテンツの作成方法の例を説明するフロー図である。

以下実施の形態について、図面を用いて詳細に説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。

以下に説明する発明の構成において、同一部分又は同様な機能を有する部分には同一の符号を異なる図面間で共通して用い、重複する説明は省略することがある。

同一あるいは同様な機能を有する要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。ただし、複数の要素を区別する必要がない場合には、添字を省略して説明する場合がある。

本明細書等における「第１」、「第２」、「第３」などの表記は、構成要素を識別するために付するものであり、必ずしも、数、順序、もしくはその内容を限定するものではない。また、構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

図面等において示す各構成の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面等に開示された位置、大きさ、形状、範囲などに限定されない。

以下の実施例において開示される発明の一側面となる自然言語対話システムは、ある企業の資材に含まれるテキストから、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定する。資材とは、企業が使用または利用するリソース全般を指す。代表的な実施の形態によれば、自然言語対話システムで用いる対話コンテンツを作成する人の負担を軽減できる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

以下の実施例では、知識バンクを活用することで対話コンテンツをテンプレート化し、効率的に対話コンテンツを生成できるシステムを説明する。このため、典型例では対話部品からなる対話テンプレートを予め作成し、作成した対話テンプレートを利用して対話コンテンツを作成する。以下の説明では順番が前後するが、まず全体のシステムを説明し、次に対話コンテンツの作成について説明し、最後に対話テンプレートの作成について説明する。当該説明において、対話コンテンツ、対話テンプレート、対話部品の詳細が説明されるであろう。

近年，半導体技術の進化と情報処理技術の発展を基に，人が話しかけ，コンピュータがそれに対し，人の意図に沿った有益な情報を提供する自然言語対話システム（以下「対話システム」という）の注目が高まっている。個人向けにはスマートスピーカーやスマートディスプレーとして製品が提供されており，銀行や小売業などではＷｅｂサイト上で利用者からの質問に自動で応答するチャットボットを利用して，２４時間３６５日いつでも質問を受け付け，ユーザーの意図に沿った回答を瞬時に答えることで顧客満足度を向上させるシステムが導入されている。

しかし，一方でこのような対話システムにおいて，ユーザーの望む情報を回答することでユーザーを満足させる確率（以下，回答率）が高いシステムを構築するためには大規模な対話コンテンツを整備することが必要である。

＜１．対話データ作成支援システムの概要＞
図１は，対話コンテンツを整備するための対話データ作成支援システムの全体構成図である。本システムは、金融ビジネスに関する対話データの作成を行なうものとして説明するが、他の外食、交通、娯楽その他のビジネスに適用してもよいのはいうまでもない。本システムは、１または複数の情報処理装置から構成される。情報処理装置は、例えばサーバであって、周知のように入力装置、出力装置、ＣＰＵ（Central Processing Unit）などの処理装置および記憶装置を備えてなる。図１の構成では、対話データ作成支援システム１は、有線または無線のネットワークを介して知識バンク２やデータ作成者パソコン３と通信が可能であるが、全てを纏めて一体のサーバーなどで構成してもよい。

対話データ作成支援システム１は、ＣＰＵ１１、記憶部１２、および知識バンク２やデータ作成者パソコン３と通信するための通信インターフェース１３を備える。

ＣＰＵ１１は，テンプレート化支援部１１１と具体化支援部１２１を備えており、これらが実現する計算や制御等の機能は、記憶部１２に格納されたプログラム（図示せず）がＣＰＵ１１によって実行されることで、定められた処理を他のハードウェアと協働して実現される。ＣＰＵ１１が実行するプログラム、その機能、あるいはその機能を実現する手段を、「機能」、「手段」、「部」、「ユニット」、「モジュール」等と呼ぶ場合がある。なお、本実施例中、ソフトウェアで構成した機能と同等の機能は、FPGA（Field Programmable Gate Array）、ASIC（Application Specific Integrated Circuit）などのハードウェアでも実現できる。

テンプレート化支援部１１１は，抽象化場所推薦部１１２、抽象語推薦部１１３、部品への分割部１１４を含む。具体化支援部１２１は、具体化場所推薦部１２２、具体語推薦部１２３、根拠文の検索部１２４、部品組み合わせ部１２５を含む。また、記憶部１２は、データベースとして金融共通語辞書１３１、企業ごとの特徴語辞書１３２、ユーザー辞書１３３、業務手順書１３４、対話テンプレート１３５を含む。

テンプレート化支援部は、対話テンプレートを作成する作業を支援する部分である。抽象化場所推薦部１１２は、対話テンプレートを作成する際に、元となる文章中の抽象化すべき箇所を推薦する部分である。抽象語推薦部１１３は、元となる文章中の抽象化すべき箇所に用いる抽象語を推薦する部分である。部品への分割部１１４は、元となる文書を処理して対話部品を作成する支援を行なう部分である。

具体化支援部１２１は、具体化場所推薦部１２２、具体語推薦部１２３、根拠文の検索部１２４、部品組み合わせ部１２５を含む。

記憶部１２において、金融共通語辞書１３１は、金融業界で一般に用いられる一般語を辞書化したものである。企業ごとの特徴語辞書１３２は、後に説明する方法を用いて特定の企業で用いられる語を辞書化したものである。ユーザー辞書１３３は、管理者が任意で登録した語を辞書化したものである。業務手順書１３４は、管理者が関連する組織における業務の内容のテキストデータの集合である。対話テンプレート１３５は、対話部品の集合からなるデータである。

データベースである知識バンク２は、語彙体系辞書１４１を含んでいる。また、データ作成者パソコン３は、管理者が使用する端末であり、入力部１５１、出力部１５２を備え、通信機能を備える通常のパソコンでよい。これらも、互いに通信するための通信インターフェース１３を備えている。

＜２．対話システムの概要＞
対話データ作成支援システム１の説明を行なう前に、対話コンテンツを用いる対話システムについて説明する。ここで対話コンテンツとは，例えば（Ａ）ユーザーが発話すると想定される文とその文への回答のペアの複数の集合，もしくは，（Ｂ）前記ペアとユーザーに問いかけることでユーザーに発話を行ってもらう制御情報の複数の集合，もしくは，（Ｃ）前記ペアを生成できる手掛かりとなる対話ペア生成手掛かり情報の複数の集合である。これについて図２～図５を用いて詳細に説明する。

対話コンテンツを実装された自然言語対話システムで実行される対話は、典型的には一問一答対話とシナリオ対話，雑談の３種類が考えられる。まず一問一答対話の対話コンテンツと対話の流れを図２と図３に示す。

＜３．一問一答対話の対話システム＞
図２は、一問一答対話で使用する対話コンテンツを示す表図である。一問一答対話ではユーザーが発話すると想定される文２１とその文への回答２２からなる対話ペア２３を複数個用意した対話ペア２３の集合２４を対話コンテンツとする。図２の例では海外送金に関する一問一答対話のコンテンツが用意されている。これらの対話コンテンツは、実務経験などを参考にして管理者が予め作成して，対話システムの記憶装置に記憶することができる。ただし後に説明するように、本実施例の対話データ作成支援システム１を用いれば、大規模な対話コンテンツを効率的に作成できる。なお、自然言語対話システム３２の詳細は図示しないが、一般的な情報処理装置、例えばサーバにソフトウェアを実行させることにより構成することができる。

図３は、一問一答対話の例を示す概念図である。ここで図３に示すようにユーザー３１が質問を行うと，自然言語対話システム３２はユーザー３１の発話である「外国からの送金を受け取りたいのですがどのように手続きすればよいですか？」を，対話ペアの集合２４に含まれるユーザーが発話すると想定される文２１から検索する。ここでユーザー３１の例は銀行の利用者や銀行のコールセンターのサポート要員等である。

図２で候補は「海外へ送金したいのですが、受取人の名前が漢字しかわかりません。送金の手続きはできますか？」と「外国送金を受け取りたいのですが，どうすればよいですか？」である。自然言語対話システム３２はユーザー３１の発話とユーザーが発話すると想定される文２１とを比較し，もっとも適する（類似する）文を検索する。ここでは「外国送金を受け取りたいのですが，どうすればよいですか？」が選択される。

ここで比較方法としては編集距離（レーベンシュタイン距離。１回につき１文字の挿入・削除・置換操作によって、一方の文字列をもう一方の文字列に変形するのに必要な手順の最小回数），もしくは，フレーズベクトル（文に含まれる１つもしくは複数の単語ベクトルを足し合わせることで得たベクトル。単語ベクトルとしてはＷｏｒｄ２Ｖｅｃを用いることができる）の距離を用いることができる。編集距離を用いることで少ない開発工数で自然言語対話システム３２を構築することができる。フレーズベクトルを用いることで「海外」と「アメリカ」のように単語の表記が大きく異なる場合でも，類似した状況で使用されることが多いこと（それぞれの単語の後ろに「への送金」という語句が連続しやすいこと）を考慮した比較が可能になり，回答率を向上させることができる。

選択されたユーザー発話想定文２１に対応付けられた回答２２である、「事前の手続は不要です。」を自然言語対話システム３２が出力（発話）することで、対話が完了する。

＜４．誘導対話の対話システム＞
次に誘導対話の対話コンテンツと対話の流れを図４と図５に示す。誘導対話では自然言語対話システム３２が必要に応じてユーザー３１に問いかけることで，答えを出すために必要な情報をユーザー３１から得ることを特徴とする対話の種類である。

図４は、誘導対話で使用する対話コンテンツの例を示す表図である。誘導対話では（Ａ）ユーザーが発話すると想定される文であるユーザー想定発話４１，（Ｂ）システムがユーザーから得るべき情報であるスロット４２とその情報を得るためにシステムがユーザーに問いかける文であるユーザーへの問いかけ方４３，および（Ｃ）スロット４２の情報が得られたときにそのスロット値４５に応じてユーザーへ回答する文である回答４４，を対話コンテンツとする。

なお，図４と図５の例とした口座開設に関する対話コンテンツのほかに，複数の対話コンテンツを作成し，まとめて対話コンテンツとすることができることは言うまでもない。これらの対話コンテンツは、実務経験などを参考にして，管理者が予め作成してシステムの記憶装置に記憶するものとする。スロット４２に対応するスロット値４５も，予め定義しておくものとする。スロットとスロット値の関係は、ユーザーから得るべき情報の上位概念（例：外貨）と下位概念（例：米ドル）に対応する。一問一答対話の例と同様に、対話データ作成支援システム１を用いることで、大規模な対話コンテンツを効率的に作成することができる。

図５は誘導対話の例を示す概念図である。ここで図５に示すようにユーザー３１が質問５０１を行うと，自然言語対話システム３２はユーザー想定発話４１の「＜手続き方法＞で＜口座種類＞を新しく開設したいが，マイナンバーは必要ですか？」を，スロット値４５を用いて展開することで得た文と質問５０１を比較する。

この例では、上記ユーザー想定発話４１を展開して得られる文は以下である。ここで、展開とは，上位概念であるスロットを，下位概念であるスロット値に置き換え，すべての組み合わせを生成することである。
展開文Ａ「郵送で普通預金を新しく開設したいが，マイナンバーは必要ですか？」
展開文Ｂ「郵送で定期預金を新しく開設したいが，マイナンバーは必要ですか？」
展開文Ｃ「窓口で普通預金を新しく開設したいが，マイナンバーは必要ですか？」
展開文Ｄ「窓口で定期預金を新しく開設したいが，マイナンバーは必要ですか？」
これらの展開文は、予め手動または自動で作成して対話コンテンツの一部としておいてもよいし、質問５０１を得てからシステムが生成しても良い。

上記のそれぞれの文とユーザー３１の発話である質問５０１「窓口で口座を開設するときにマイナンバーカードは必要ですか？」の文と比較するとき、比較の方法は前述した編集距離，もしくはフレーズベクトルを用いることができる。

自然言語対話システム３２は、質問５０１と展開文Ｃあるいは展開文Ｄが似ていると判断し，誘導対話を開始する。対話システム３２は，ユーザー３１の質問５０１に「窓口」が含まれていることを認識すると，対話コンテンツにおいて「窓口」がスロット＜手続き方法＞のスロット値として定義されていることに基づいて，スロット＜手続き方法＞が「窓口」であることを認識する。

自然言語対話システム３２はさらに，＜手続き方法＞以外の得られていないスロット＜口座種類＞のスロット値を得るために，ユーザーへの問いかけ方４３を用いてユーザー３１に「開設したいのは普通預金ですか，それとも定期預金ですか」という質問５０２を行なう。

それに対してユーザー３１は「普通」と回答５０３をする。自然言語対話システム３２はユーザー３１の発話である「普通」とスロット値４５を比較して類似するスロット値を抽出し，ユーザーが「普通預金」に関する回答を得たいのだと判断する。

すべてのスロット値が確定することで対話システム３２はユーザー３１に「口座開設時は個人番号（マイナンバー）の提示が必要です。」と回答５０４をする。これによりユーザー３１は口座の開設にあたっての必要書類を知ることができ，ユーザー３１の意図に沿った回答を得ることができる。

＜５．対話コンテンツ作成の効率化の検討と対話部品＞
発明者らは数多くの対話コンテンツを調べ，また，ＦＡＱ（Frequently Asked Questions）や業務手順書，対話システム３２に記録されたユーザーからの問い合わせの履歴を調べることで，特に金融機関のような法律や関係省庁からの訓令・通達・通知により業務に制約が設けられた企業において必要とされる対話コンテンツに企業を超えた規則性が存在することを見出した。

特に，一問一答対話のユーザー発話想定文２１や誘導対話のスロット４２やスロット値４５において，共通化できる要素があることを見出した。例えば，スロット値４５に関して，どの銀行においても普通預金の口座と定期預金の口座が存在する。さらに我々はそのような共通化できる要素（以下「対話部品」という）をあらかじめ準備し，複数の対話部品からなる対話テンプレート１３５の中から複数の対話部品を選び，それらを組み合わせることにより対話コンテンツの骨格を機械的に自動的に生成できることを見出した。生成された対話コンテンツの骨格に，管理者やオペレータ等がユーザーに回答する文である回答４４を追記することで対話コンテンツが完成する。

以下，これらについて説明を行う。我々の知見によると，対話コンテンツに含まれるユーザー発話想定文２１は焦点（Ｓｉｄｎｅｒ氏らが提案した自然言語処理上の用語であり，ユーザーが知りたいことを指す）と制約（自然言語処理上の用語であり，絞り込みの条件である。スロット値４５に相当する）に分割することができる。

例えば，ユーザー発話想定文２１が「普通預金を窓口で新規口座開設方法は？」の場合，焦点は「新規口座開設方法は？」の語句であり，制約は「普通預金を」と「窓口で」の２つの語句になる。我々は対話部品として適するものはこれらの焦点と制約であることを見出した。なお，制約にはスロット値４５に対して「を」や「で」などの助詞などが付属しているが，これらの助詞などをスロット値４５やスロット４２の附属物として定義し，ファイルなどに記載し，参照することで，機械的にスロット値４５に助詞などを付加することが可能であることはいうまでもない。また助詞などを対話部品の一部とできることはいうまでもない。また，対話部品として焦点のみを使用することや，制約のみを使用すること，焦点と制約の両方を使用することができることはいうまでもない。

図６には対話テンプレート１３５の内容を示し、対話テンプレートを構成する対話部品６１の例として制約が示されている。スロット４２としては「口座種類」，「手続き方法」，「お子さまの年齢」「証憑」の４つが例示されている。すなわち，この場合，対話部品６１の集合である対話テンプレート１３５は４個の対話部品から構成されている。各スロットには、その下位概念であるスロット値４５が対応する。

なお，実際に有益な対話テンプレート１３５が有する対話部品の数は１００個から２０００個が望ましい。なお，３０個を超えるときは一覧性が低下するため，対話部品をグループ化し，必要なグループを展開することで対話部品を選択できるユーザーインターフェースが有益である。対話部品６１はユーザーへの問いかけ方４３を持つことが望ましい。ユーザーへの問いかけ方４３は、対話テンプレートの作成者が制約条件を確認するための問いかけを追記する。あるいは、スロット値を選択させるための文章等を自動生成しても良い。また，対話部品６１は，前述した助詞などや対話で用いられる機械学習用のデータ，データ生成規則を持つことができる。

＜６．対話コンテンツ作成作業例＞
図７は複数の対話部品６１からなる対話テンプレート１３５を利用して対話コンテンツを効率的に作成するための対話コンテンツの作成者の手順が示されている。ここで、対話コンテンツの作成者は例えば図１のデータ作成者パソコン３を用いて作業を行なってもよい。

まず対話コンテンツの作成者は対話コンテンツの基となる文書を調査する（Ｓ７１）。ここで対話コンテンツの作成者は、例えば対話システムを提供する会社のＳＥ（システムエンジニア）や対話システムを導入する会社のＳＥである。基となる文書としては業務手順書やＦＡＱ，過去の問い合わせ履歴，過去に運用された自然言語対話システムの対話履歴，金融検査マニュアルなどの関係省庁の文書を用いることができる。

上記の手順書や文書は対話データ作成支援システム１の業務手順書１３４に格納されているものを使用することもできる。例えば，銀行のＦＡＱを用いる場合，ＦＡＱのＱに含まれる文をクラスタリングし，「口座開設」や「住所変更」などのＦＡＱのグループ分けを行う。

文をクラスタリングする方法としては文（例えば，「口座を作成」）を単語に分割することで単語リスト（「口座」「を」「作成」）を作成し，Ｗｏｒｄ２Ｖｅｃにより単語をベクトルに変換することで単語ベクトルリスト（［［０．５，０．２，０．１］，［０．１，０．１，０．０１］，［０．３，０．７，０．８］］）を作成し，Ｍａｘ－Ｐｏｏｌｉｎｇ法（複数のベクトルのｎ個目の要素の最も大きい値を新しいベクトルのｎ個目の要素とする方法）により，文ベクトル（［０．５，０．７，０．８］）に変換し，ｋ平均法（ｋ－ｍｅａｎｓ法。クラスタリングを行うための一般的な計算アルゴリズム）により，複数の文をクラスタリングする方法を用いることができる。

対話コンテンツの基となる文書の調査Ｓ７１を行うことで対話コンテンツ作成者はどのような対話コンテンツを作成するべきかの方向性を得ることができる。ここで例として焦点「代理人による住所変更手続き方法は？」と制約「手続き方法」，「お子さまの年齢」を持つ対話コンテンツを作成する必要性が分かったとする。

次に対話コンテンツ作成者はデータ作成者パソコン３のマウスなどの入力部１５１を操作し，通信インターフェース（Ｉ／Ｆ）１３を経由して対話データ作成支援システム１にアクセスする（Ｓ７２）。

図８は対話部品６１を利用して対話コンテンツの作成を支援する対話データ作成支援システム１にアクセスすることで，データ作成者パソコン３の液晶ディスプレイなどの出力部１５２に表示される画面イメージである。例えば，ウェブブラウザを経由して対話データ作成支援システム１にアクセスすることができる。

対話データ作成支援システム１の対話テンプレート１３５が、対話テンプレート表示欄８２に表示されている。まず対話コンテンツ作成者は焦点「代理人による住所変更手続き方法は？」を対話焦点入力欄８１に入力する（Ｓ７３）。入力は対話コンテンツの作成者による手入力でもよいし、対話データ作成支援システム１の業務手順書１３４に格納されているテキストの所定の箇所を指定して入力してもよい。

対話焦点入力欄８１に入力されるものは対話コンテンツの主題であり、これは後に対話コンテンツのユーザー想定発話４１に使用できる。なお，対話コンテンツの主題と対話部品６１に含まれるスロット４２，もしくは，スロット値を組み合わせてユーザー想定発話４１を生成することも可能である。

ここでは図６の対話テンプレート１３５を例に説明する。対話部品６１の数が少なければスクロール表示等で対話テンプレート表示欄８２に全て表示できる。あるいは、対話焦点入力欄８１に入力した主題に関連するものを検索して表示しても良い。図８の例では、対話テンプレート表示欄８２には、図６の対話テンプレート１３５の対話部品６１のうち、「口座種類」「手続き方法」「お子様の年齢」のスロットが表示されているとする。

次に作成者は対話テンプレート表示欄８２に表示された対話テンプレート１３５（のスロット）の中から使用したい制約を選び，ドラッグアンドドロップで使用する対話部品欄８３にコピーする。ここでは対話部品６１の「手続き方法」と「お子さまの年齢」をコピーする（Ｓ７４，Ｓ７５）。

さらに作成者は作成ボタン８４を押すことにより，対話コンテンツの骨格をダウンロードすることができる。次に，作成者はデータ作成者パソコン３において表計算ソフトなどを用いて対話コンテンツの骨格を開き，回答２２、４４を追加する（Ｓ７７）。答えを追加することにより対話コンテンツが完成する。なお，図１に記載した部品組み合わせ部１２５は，対話部品を組み合わせることで対話コンテンツの骨格７８を生成する。

＜７．対話部品の作成方法＞
ここで，適切な対話部品６１の準備方法について図９～図１０を用いて説明する。対話部品は業務手順書１３４など対話コンテンツの基となる文書から作成することができる。ここではＦＡＱを例にする。

図９にはＦＡＱに３つのＱ（質問）とＡ（質問に対する答え）が記載されていることが示されている。次に，上記の３つの質問を＜６．対話コンテンツ作成作業例＞で上述した方法でクラスタリングする。

図１０にはクラスタリングした結果を主成分解析することで２次元上にプロットした図が示されている。この図において同じクラスタ１０１に属する文を調べることで類似した質問を見つけることができる。例えば，「キャッシュカードの再発行方法」と「通帳の再発行方法」という文が見つかったことが図１０に示されている。この場合は，異なる箇所である「キャッシュカード」と「通帳」をスロット値４５とし，２つのスロット値を持つスロット４２「証憑」とし，それらのスロット値４５とスロット４２を持つ対話部品６１を作成することが望ましい。さらにユーザーへの問いかけ方「通帳ですか，キャッシュカードですか」を考え，それを対話部品６１に追加することが望ましい。この対話コンテンツの基となる文書から対話部品６１を作成する支援を、図１に記載した部品への分割部１１４が行う。

具体的な手法としては、部品への分割部１１４は、図１０に示したクラスタリングを行い、例えばクラスタ１０１に属する文の差分からスロット値の候補を出力部１５２に一覧表示する。スロット値４５となる語を入力部１５１から管理者が指定し、それらの上位概念であるスロット４２を管理者が入力するインターフェースを用いればよい。あるいは、スロット値４５となる語を入力部１５１から管理者が指定し、システムが知識バンク２の語彙体系辞書１４１を参照して上位概念であるスロット４２を検索しても良い。あるいは、クラスタ１０１に属する文の差分からスロット値４５を自動抽出し、さらにスロット４２を語彙体系辞書１４１から検索しても良い。このとき、クラスタの大きさを調節する機能を設けることにより、一覧表示される文の数を調節することができ、管理者の作業が容易になる。

以上のようにして、ＦＡＱなどの文書からスロット４２とスロット値４５を抽出し、ユーザへの問いかけ方４３を追加することにより、図６に例を示す対話部品６１を作成することができる。作成した対話部品６１は対話テンプレート１３５に格納される。対話テンプレート１３５を作成準備するタイミングは、基本的には対話コンテンツの作成を始める前に準備する。但し，対話コンテンツの作成を始めると対話テンプレート１３５の不足に気づくことが多いため，システム稼働後にも対話テンプレート１３５を作成することができる。

＜８．企業毎の特有語の抽出＞
次に我々は，ある企業の対話コンテンツを別の企業の対話コンテンツの作成の参考にすることにより対話コンテンツの作成に要する時間を短縮できることを見出した。このときに元の企業に特有の語をその業界で一般的に用いられる語に変換したり，業界で一般的に用いられる語を対話コンテンツの作成先の企業に特有の語に変換することで，対話コンテンツの作成時間をさらに短縮できることを見出した。また，変換において知識バンク２という語彙体系辞書１４１と通信インターフェース（Ｉ／Ｆ）１３を有するシステムを用いることで短時間で変換作業を行うことができることを見出した。以下，これらについて説明を行う。

まず，ある企業に特有の語（ユニークな語とも。以下，特有語）とその業界で一般的に用いられる語（以下，一般語）について述べる。企業は固有名詞の名前（例えば，「三菱ＵＦＪダイレクト」や「マイゲート（株式会社りそなホールディングスの登録商標）」）を持つサービスを提供することがある。一方で上記サービスに対応する一般的な語（例えば，「インターネットバンキング」）も存在する。対話コンテンツの作成時間を短縮するために，ある企業（参考企業）の対話コンテンツを別の企業（ターゲット企業）の対話コンテンツ作成の参考にしようとするときに，参考企業に特有の語をその業界で一般的に用いられる語に変換したり，ターゲット企業に特有の語に変換する必要がある。

そのためには（１．）特有語と一般語を自動的に判別するシステム，（２．）特有語を一般語に変換するシステム，（３．）参考企業の特有語をターゲット企業の特有語に変換するシステムの３つのシステムが求められる。さらに，単語以外についても，ある企業でよく見られる言い回しがある。例えば，ある企業では「有難うございました」の言い方が多く見られるが，別の企業ではひらがなで記載された「ありがとうございました」の言い方が多くみられることがある。すなわち，（４．）ある企業に独特の言い回しを自動的に判別するシステム，（５．）ある企業に独特の言い回しを一般的な表現に変換するシステム，（６．）参考企業に独特の言い回しをターゲット企業の独特の言い回しに変換するシステムの６つのシステムが求められる。

まず（１．）について，我々は所定の業界の各企業が公開しているある年度の有価証券報告書をすべてテキストデータとして取り込み，自然言語処理を用いた分析を行うことで（１．）のシステムが可能であるとの見通しを得た。その一つの方法を次に述べる。複数の企業に関する複数の文書を入力データとする。ここで複数の企業は同一の業界に属しているとする。文書としては公開されているウェブなどからクローリング（プログラムを用いてインターネット上のリンクを辿ってＷｅｂサイトを巡回し、Ｗｅｂページ上の情報をコピーして保存すること）し，スクレイピング（プログラムを用いてＷｅｂページ上の情報から必要なデータ，特にテキストデータを抽出すること）することで入手できるＦＡＱ，ウェブ上の文書，有価証券報告書を用いることができる。一つの企業から収集した文の集合を一つの文書とする。複数の企業から収集し，複数の文書を準備する。これらの複数の文書を用いてｔｆ－ｉｄｆ法（単語頻度逆文書頻度法）を用いて統計的に単語が特有語か一般語かを判断する。（１）式に示すｔｆ－ｉｄｆのスコア値ｓｃｏｒｅは，（２）式に示すある企業における単語の出現回数ｔｆと（３）式に示す全ての文書における単語の出現回数の逆数を基に計算した値ｉｄｆを掛けることで求まる。

ここでn_i,jは文書d_jにおける単語iの出現頻度である。

ここでDは総文書数である。｛d:d∋t_i｝は単語iを含む文書数である。

すなわち，ｔｆはある企業においてある単語がどれぐらい出現するか，ｉｄｆは業界全体においてある単語がどれぐらい出現しにくいかの指標である。すなわち，ｔｆ－ｉｄｆのスコア値が高くなる単語はある企業で頻出するが，別の企業では滅多に使用されない単語になる。すなわち，ある企業に特有の語である特有語であることがわかる。

このようにして判定された特有語は、企業ごとの特徴語辞書１３２に登録される。そのとき、特有語を使用する企業名あるいは企業ＩＤとの対応が記憶される。また、特有語に対応する一般的な語との対応が記憶される。一般的な語は、金融共通語辞書１３１に登録されている語である。よって、企業ごとの特徴語辞書１３２の内容と金融共通語辞書１３１の内容の対応付けを行なっても良い。

図１１にｔｆ－ｉｄｆによる特有語と一般語の判別の計算例を示す。上の表から企業Ａでは「ショップ」という単語が５回使用され，「システム」という単語が５回使用されていることがわかる。なお，文を単語に変換するときには形態素解析という方法を用いることで変換を行うことができる。計算された結果のｔｆ－ｉｄｆのスコア値が下の表に示されている。企業Ａにおいて，単語「ショップ」のｔｆ－ｉｄｆのスコア値は０．１７と高かった。これは企業Ａにおいて，その単語が頻出する一方，そのほかの企業ＢとＣではその単語が出現していないためである。企業Ａにおける「ショップ」のｔｆは０．３６であり，ｉｄｆは０．４８であった。一方，企業Ｃにおいて，単語「ショップ」のｔｆ－ｉｄｆのスコア値は０．００と企業Ａに比べて低かった。これは企業Ｃにおいてその単語の出現回数が０回であり，ｔｆが０．００と低かったためである。また，企業Ａにおいて，単語「システム」のｔｆ－ｉｄｆのスコア値は０．００と単語「ショップ」に比べて低かった。これは「システム」がどの企業にも万遍なく出現したため，ｉｄｆが０．００と低くなったためである。上記のようにｔｆ－ｉｄｆを用いることで特有語と一般語を判別することができる。

さらに我々は語彙体系辞書や概念辞書を用いることでさらに判別の精度を向上させることが可能であることを見出した。以下，語彙体系辞書と概念辞書を合わせて語彙体系辞書と呼ぶ。語彙体系辞書の一例としてはＷｏｒｄＮｅｔ（国立研究開発法人情報通信研究機構による日本語ワードネット等）が知られている。ＷｏｒｄＮｅｔを用いると単語の同義語や上位語，下位語を得ることができる。これを用いて，ある企業の文書の単語に「ショップ」と「店」が使用されている場合，これらの言葉が同義語であることが語彙体系辞書を用いることでわかるため，足し合わせて処理を行うことができる。これにより言葉の揺らぎを吸収し，より高精度な特有語と一般語の判別を行うことができる。本実施例では、外部システムとしての知識バンク２で語彙体系辞書１４１を利用できる構成としている。

これにより，例えば，対話コンテンツの参考企業であるＡ銀行は外貨両替業務に力を入れ，両替ショップのような外貨両替専門店を展開しているが，ターゲット企業のＢ銀行は外貨両替業務に力を入れておらず外貨両替専門を有していないときに，外貨両替専門店に関する対話コンテンツをＢ銀行向けに誤って作成してしまうことを抑止できるようになる。

＜９．特有語と一般語の相互変換＞
次に（２．）特有語を一般語に変換するシステムについて述べる。本システムではテンプレート化支援部１１１に含まれる抽象化場所推薦部１１２と抽象語推薦部１１３，知識バンク２を用いる。まず，知識バンク２について説明する。

図１２には知識バンクへの入力と，その入力により知識バンクから出力されるデータの例を示している。知識バンク２は，例えば，単語「○○バンキング」と指示「汎用化」が入力されると，ある銀行でのみインターネットバンキングを指す用語として使用される単語「○○バンキング」が金融機関一般で使用される単語である「インターネットバンキング」を出力する。同様に，一般語を特有語に変換する特有化と単語の類義語を出力する機能を持つ。データ作成者は類義語や下位語，上位語を用いることで作成済みの対話コンテンツのユーザー想定発話４１を増量することができる。増量することでユーザー３１の多様な問いに対して，高い回答率で答えることが可能になる。次に，知識バンク２を利用して特有語を一般語に変換する方法を述べる。

図１３に、知識バンクを利用して特有語を一般語に変換するシステムが示されている。対話コンテンツをアップロードするボタン１３０１と，修正した対話コンテンツをダウンロードするダウンロードボタン１３０２が示されている。また，複数のワークシートを切り替えるためのドロップダウンリスト１３０３が示されている。この表示はデータ作成者パソコン３の出力部１５２に行われる。

抽象化場所推薦部１１２はアップロードされた対話コンテンツに含まれる特有語の可能性がある単語を，金融共通語辞書１３１と企業ごとの特徴語辞書１３２，ユーザー辞書１３３を基にリストアップする。例えば，金融共通語辞書１３１に記載された単語は特有語の可能性は無いと判断し，企業ごとの特徴語辞書１３２に記載された単語は特有語であると判断する。なお，今回は金融業界の例で説明したが，そのほかの業界にも適用できることは言うまでもない。

また，データ作成者は自らの判断でユーザー辞書１３３に対して単語登録をし，その単語を一般語，もしくは特有語であると記録することができる。また，前述したｔｆ－ｉｄｆや特有語に固有の表現を記載したルールを用いることもできる。ルールについて，例えば，特有語は「○○バンキング（インターネットバンキング）」のように，特有語の後にカッコが記載されることが多いなどの特有語や一般語に特有の表現を手掛かりとする。

このように特有語と判断した結果を特有語の表示１３０４のように表示する。特有語の表示１３０４は色を付けたり，太字にすることで強調表示することが望ましい。これによりデータ作成者は短時間で特有語を見つけることができる。さらにデータ作成者がその単語をクリックすると，その特有語に対応する一般語を一般語の候補の表示１３０５のように表示する。データ作成者は妥当だと考える一般語をクリックすると特有語は一般語に置き換えられる。その後，データ作成者はダウンロードボタン１３０２をクリックすることで修正された対話コンテンツを得ることができる。

このように一般化した対話コンテンツは対話テンプレート１３５に登録して，再利用することができる。データ作成者は対話テンプレート１３５から利用したいコンテンツを作成し，必要に応じて空欄を埋めることで対話コンテンツを作成できる。空欄の例としては例えば日数や料金がある。口座開設に要する日数や手数料の料金は金融機関ごとに異なることが多いため，空欄化することで再利用性が高まる。

さらに，（３．）参考企業の特有語をターゲット企業の特有語に変換するシステムについて述べる。このシステムは，（２．）特有語を一般語に変換するシステムで述べたものに加えて，具体化支援部１２１に含まれる具体化場所推薦部１２２，具体語推薦部１２３を用いる。

参考企業の特有語を前述した方法で一般語に変換したのちに，一般語を具体語推薦部１２３を用いて知識バンク２に問い合わせ，一般語を特有化することで特有語を得て，ターゲット企業の特有語に変換する。また，一般語について特有語に置換するべき単語があるかを具体化場所推薦部１２２が判定し，その結果をデータ作成者に通知する。データ作成者が一般語をクリックすることで具体語推薦部１２３は同様に特有語に変換し，データ作成者に提示する。データ作成者が妥当だと考え，特有語をクリックすることで，一般語を特有語に置き換えることができる。ダウンロードボタン１３０２をクリックすることで修正された対話コンテンツが得られる。

図１４、図１５は対話データ作成支援システムを利用するシステムの他の構成例を示すブロック図である。図１と同様の構成は、同じ符号を付して説明を省略している。

図１４に示すように知識バンク２を利用するが対話部品を有しない対話データ作成支援システム１Ａとして構成することができる。

図１５に示すように知識バンク２を利用しないが対話部品を有する対話データ作成支援システム１Ｂとしても構成することができる。

さらに，（４．）ある企業に独特の言い回しを自動的に判別するシステム，（５．）ある企業に独特の言い回しを一般的な表現に変換するシステム，（６．）参考企業に独特の言い回しをターゲット企業の独特の言い回しに変換するシステムについて述べる。

まず，（５．）ある企業に独特の言い回しを一般的な表現に変換するシステムについて説明する。
図１６は、ある企業に独特の言い回しの例である。

このようなシステムを実現する方法としてＥｎｄ－Ｔｏ－Ｅｎｄ型の深層学習を利用した方法が考えられる。この方法では図１６に示す独特の言い回しの文とそれを一般的な表現にした文のペアを大量に用意する。これをＲＮＮ（リカレントニューラルネットワーク）型の深層学習を行い学習したモデルを作成し，そのモデルに独特の言い回しを入力することでそれを一般的な表現に変換する文変換システムを構築することができる。文変換の参考資料として非特許文献１がある。非特許文献１には文のペアを大量に用いることで，翻訳や要約が可能であることが記載されている。訓練においては独特の言い回しの文を入力とし，一般的な表現にした文を出力とする。機械が予測した出力と実際の出力が似るようにパラメータを最適化することで学習が行われる。

ところが，我々はこの方法には大きな課題があることに気づいた。すなわち，独特の言い回しの文とそれを一般的な表現にした文のペアを大量に用意することが必要であるという課題である。文変換システムを構築するためには良質な文のペアが少なくとも１０万文は必要であり，その作成には多大なコストが必要である。ここで，我々はこれを解決する２つの方法を発見した。

１つ目は例えば日本語で記載された，ある企業に独特の言い回しを別の言語，例えば，英語に翻訳し，さらに日本語に翻訳する方法である。翻訳の過程で独特の言い回しは失われ，一般的な表現になることを確認した。ただし，この方法には大量の日本語と英語の対訳ペアが必要である課題がある。独特の言い回しの文とそれを一般的な表現にした文のペアに比べると，対訳ペアの入手は容易ではあるが，やはりコストを要することが課題である。

２つ目は対訳ペアの代わりに，独特の言い回しの文だけを使用する方法である。ある業界に属する多くの企業のホームページなどをクローリングし，スクレイピングすることで独特の言い回しの文を大量に安価に得ることが可能である。入力を独特の言い回しの文にし，出力も同じく独特の言い回しの文にする。ここで深層学習の方法として文生成で一般的に使用されるＲＮＮではなく，学習量を制御しやすいＣＮＮ（コンボリューショナル型深層学習）を用いる。特に，Ｆｕｌｌｙ－ＣＮＮベースの次元削減部を使用することが望ましい。学習量を制御することで，すべての文を記憶することが不可能になり，高頻度の言い回しのみを学習することができる。すなわちそれはその業界において一般的に広く使用される一般的な言い回しになる。さらに入力した文が無加工で出力されることを防ぐために，入力した文に含まれる単語を１個，もしくは複数個，ランダムなベクトルに置き換えることで隠してから入力することが望ましい。

本実施例は対話部品の組み合わせを自動的に行い，その結果をデータ作成者に提案し，また，対話コンテンツの骨格７８に答えを追加することを支援することを特徴とする対話データ作成支援システム１を述べる。

自動的な対話部品の組み合わせについて，図１０で述べたクラスタリングの結果を利用する。例えば，データ作成者が焦点に「再発行方法は？」と入力すると，図１０からその焦点に関連する単語として，「キャッシュカード」と「通帳」があることがわかる。本システムは，スロット値４５として「キャッシュカード」と「通帳」を持つ対話部品を検索し，存在すればその対話部品をデータ作成者に提案する。

次に，対話コンテンツの骨格７８への答えの追加の支援について，焦点が「再発行方法は？」であれば，ルールベースで「？」を削除し，「こちらです」を付加することで「再発行方法はこちらです。」という答えによくある表現を生成する。ここにスロット値４５と前述した助詞などを付加することで，「通帳の再発行方法はこちらです。」と「キャッシュカードの再発行方法はこちらです。」という答えの一部を生成する。根拠文の検索部１２４は，さらに対話コンテンツの基となる文書を前記の文字列から生成した「通帳の再発行方法は」と「キャッシュカードの再発行方法は」という検索キーワードでそれぞれ検索し，その検索結果をデータ作成者に提示する。データ作成者は検索結果を見ることで答えに書くべき文を容易に決定することができる。

以上のシステムにより，データ作成者の自然言語対話システム向けのコンテンツ作成の負荷は軽減される。

以下では、図１で説明したシステムを用い、抽象化および具体化の手法を取り入れた、対話テンプレートの生成方法と、対話テンプレートを利用した対話コンテンツの作成方法について説明する。

＜対話テンプレートの作成＞
図１７は、対話テンプレートの作成方法を説明するフロー図である。ここで、対話テンプレートの作成者（作業者）は，対話データ作成支援システム１の管理者等である。作業者はデータ作成者パソコン３を用いて業務手順書１３４をアクセスし、所望のテキストを選択する（Ｓ１７０１）。なお、他のデータベースからダウンロードしたり、入力部１５１から直接データを入力しても良い。

選択されたテキストは抽象化場所推薦部１１２に入力される。抽象化場所推薦部１１２は企業ごとの特徴語辞書１３２とユーザー辞書１３３を参照して、例えばこれらに登録されている語（例えば「○○バンキング」）を特有語の可能性がある候補単語として抽出する。企業ごとの特徴語辞書１３２は、前述のようにｔｆ－ｉｄｆ法を用いて統計的に作成されたものである。データ作成者パソコン３の出力部１５２には、候補単語が、例えばハイライトで示されることで抽象化する場所の推薦が行なわれる（Ｓ１７０２）。

また、抽象語推薦部１１３は、金融共通語辞書１３１を参照して特有語の可能性がある語に対応する一般語（例えば「インターネットバンキング」）を、抽象化する語の候補として出力部１５２に表示する（Ｓ１７０３）。

作業者が、特有語の可能性がある語を一般語に変換すべきと判断した場合には、作業者は入力部１５１によって指示を行い、テキストの当該箇所の語が変換される（Ｓ１７０４）。あるいは、作業者の判断は省略し、候補は自動的に一般語に変換するとしても良い。

以上の処理によって、元のテキストは企業特有の語がより一般的な語に置き換わり、一般化された表現になる。処理Ｓ１７０１～Ｓ１７０４の処理を複数のテキストに対して行なうことで、業務手順書１３４に格納されている複数の文書は、一般化された文書に変換される。

次に、部品への分割部１１４は図１０で説明した手法により、一般化された文書をクラスタリングする（Ｓ１７０５）。そして、クラスタリングされた文書の集合の中で相違する語となる一般語（たとえば「キャッシュカード」と「通帳」）をスロット値４５として設定し，２つのスロット値を持つスロット４２（たとえば「証憑」）を設定する（Ｓ１７０６）。この処理により，文書中の一般語がさらに上位概念に纏められる。このような一般語とその上位概念の語との関連付けは、知識バンク２の語彙体系辞書１４１を参照することにより可能となる。先に述べたように、対話部品において上記のスロット値となる一般語は、自然言語処理上の絞り込みの条件である制約として機能する。

次に、スロットとスロット値に対して、文章を追加して対話部品が作成される。文章は例えば上位概念であるスロット（たとえば「証憑」）に対して、下位概念であるスロット値（たとえば「キャッシュカード」か「通帳」か）を特定させる問いかけである。問いかけは自動生成してもよいし、作業者が入力しても良い。以上で図６に示した対話部品６１が生成される。生成した対話部品は、対話テンプレート１３５として登録される。

以上のように構成された対話テンプレートは、用語が一般化されており、また意味的に階層化された構造を持つため、汎用性が高く、いずれの企業に属する者でも利用しやすい。対話テンプレートのスロットやスロット値は、管理者が別途追加や変更などの編集を行なうことも可能であり、拡張性も高い。また、各企業の固有の情報が他社に漏洩しにくいという利点がある。

また、同様の一般化の手法は、対話コンテンツそのものに対しても適用することができる。処理Ｓ１７０１～Ｓ１７０４を適用して用語を一般化した対話コンテンツを、例えば対話テンプレート１３５の一部として登録しておき、再利用することも可能である。

＜対話コンテンツの作成＞
図１８は、対話コンテンツの作成方法を説明するフロー図である。作業者はデータ作成者パソコン３を用いて業務手順書１３４をアクセスし、内容を参照しつつ対話コンテンツの主題を決める。対話コンテンツの主題は、例えば、ユーザー発話想定文でありＦＡＱの質問をそのまま用いてもよい。図８で説明したように、作業者は入力部１５１から対話コンテンツの主題を入力する（Ｓ１８０１）。

次に対話テンプレート１３５から対話部品（たとえば「口座種類」や「手続方法」）を呼び出し、図８で説明したように出力部１５２に表示する（Ｓ１８０２）。次いで、入力部１５１を用いて使用する対話部品を選択する（Ｓ１８０３）。対話部品としてスロット４２を選択した場合には、部品組み合わせ部１２５は、スロットをスロット値４５に展開し、スロットを複数選択した場合には全てのスロット値の組み合わせを形成する。このスロット値あるいはスロット値の組み合わせを対話コンテンツの骨格とする（Ｓ１８０４）。

先に説明したように、スロット値は「制約」であり絞り込みの条件である。したがって、スロット値が複数ある場合には、組み合わせの数だけ場合わけして応答する必要がある。そのため、作成された対話コンテンツの骨格は、出力部１５２で作業者に提示され、作業者は入力部１５１を用いて、対話コンテンツの骨格ごとに、問いかけへの回答を作成して追加する（Ｓ１８０５）。本実施例では，部品組み合わせ部１２５が、制約の全ての組み合わせを自動生成するため、場合わけに漏れがない。

なお、上記のように部品組み合わせ部１２５はすべてのスロット値の組み合わせを網羅的に生成するが，作業者がスロット値の組み合わせを統合することもできる。例えば，スロット値１ａとスロット値１ｂを持つスロット１とスロット値２ａとスロット値２ｂを持つスロット２があったときに，部品組み合わせ部１２５は下記の４つの組み合わせを対話コンテンツの骨格７８の中に生成する。

（１）スロット値１ａとスロット値２ａ、（２）スロット値１ａとスロット値２ｂ、（３）スロット値１ｂとスロット値２ａ、（４）スロット値１ｂとスロット値２ｂ
作業者はその対話コンテンツの骨格をダウンロードする。作業者は答えの追加（図７のＳ７７）においてスロット値の組み合わせを統合し，たとえば，下記の組み合わせに変更してもよい。

（１）スロット値１ａとスロット値２ａ、（２）スロット値１ａとスロット値２ｂ、（３）スロット値１ｂとスロット値２ａもしくはスロット値２ｂ
これにより図４の回答４４を記載する量が低減し，作業者が効率的に対話コンテンツを作成できる。

以上で作成された対話コンテンツは、一般化された用語を用いた対話テンプレートで作られている。作成した対話コンテンツは、対話テンプレート１３５に登録して再利用することもできる。また、以下に説明するように具体化支援部１２１を用いて、特定の企業や組織で用いられる表現に具体化することもできる。

一般化された用語を用いて作られた対話コンテンツは、具体化支援部１２１に送られる。具体化場所推薦部１２２では、金融共通語辞書１３１と企業ごとの特徴語辞書１３２を参照して、表現を具体化できる語の箇所を特定する。具体的には、企業ごとの特徴語辞書１３２の特有語に対応付けられた金融共通語辞書１３１の一般語が、対話コンテンツの中に存在するかどうかを検索すればよい。

対話コンテンツの該当箇所は、出力部１５２において作業者に明示される。また、具体語推薦部１２３は、企業ごとの特徴語辞書１３２を参照し、作業者が特定する企業ＩＤをもとに、特定企業の特徴語を候補として出力部１５２に表示する（Ｓ１８０６）。作業者が表示された候補を一般語に代えて使用すべきと考えた場合には、入力部１５１から指示を入力することにより、該当箇所が具体化された表現に変換される（Ｓ１８０７）。

以上により、対話コンテンツを使用する企業の業務により適切な表現の対話コンテンツが作成される。従来は図４に記載された対話コンテンツを直接ユーザーが記載していたため対話コンテンツの作成に時間が掛かり，結果として対話システム（チャットボット）の普及を妨げていた。上記の実施例により、対話コンテンツの作成の効率化を図ることが可能になる。

なお、上記の実施例では、対話コンテンツ作成のためのインタフェースとして、図８に示したブラウザ画面を用いて入出力を行なった。他の実施例として，作成者が自然言語対話システム３２の音声入出力インタフェースを利用して，自然言語対話システム３２の質問（例えば，「対話コンテンツの主題はなんですか？」）に答えていくことで対話コンテンツを作成することもできる。この場合、対話部品６１を利用することにより、送受信す
以上説明した実施例の一例では、ある企業の資材に含まれるテキストから、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定する。その判定結果を用いて対話コンテンツの企業間の移植を支援することができる。また，類義語や上位語，下位語の推薦により対話コンテンツ量の拡大を支援することができる。さらに，準備した対話部品を組み合わせることで短時間で対話コンテンツを作成できるようにすることができる。

１対話データ作成支援システム
２知識バンク
３データ作成者パソコン
１１ＣＰＵ
１２記憶部
１３通信インターフェース（Ｉ／Ｆ）
４２スロット
４３ユーザーへの問いかけ方
４５スロット値
６１対話部品
１１１テンプレート化支援部
１１２抽象化場所推薦部
１１３抽象語推薦部
１１４部品への分割部
１２１具体化支援部
１２２具体化場所推薦部
１２３具体語推薦部
１２４根拠文の検索部
１２５部品組み合わせ部
１３１金融共通語辞書
１３２企業ごとの特徴語辞書
１３３ユーザー辞書
１３４業務手順書
１３５対話テンプレート
１４１語彙体系辞書

Claims

入力装置、出力装置、処理装置および記憶装置を備えてなる情報処理装置で実行され、
ある企業の資材に含まれるテキストから、その企業にユニークな語と、その企業の同業他社との間で汎用的な語とを判定することを特徴とする、
対話コンテンツ作成支援方法であって、
前記処理装置は、テンプレート化支援部を備え、
前記記憶装置は、前記ユニークな語を辞書化した特徴語辞書と、前記汎用的な語を辞書化した共通語辞書を備え、前記ユニークな語と前記汎用的な語は対応付けられており、
前記テンプレート化支援部は、
前記特徴語辞書を参照して、前記テキストから前記ユニークな語の候補を抽出する、抽象化場所推薦ステップと、前記共通語辞書を参照して、前記ユニークな語の候補に対応する前記汎用的な語の候補を抽出する、抽象語推薦ステップと、により前記判定を行い、
作業者の選択または自動的に前記ユニークな語の候補を前記汎用的な語の候補に変換して、前記ユニークな語を前記汎用的な語に置き換えた前記テキストを一般化されたテキストとして複数準備し、複数の前記一般化されたテキストをクラスタリングし、複数種の前記汎用的な語を上位概念の語に纏める上位概念化を行い、前記上位概念の語に対して上記汎用的な語を特定させる問いかけである対話部品を作成する、部品への分割ステップと、を実行し、
前記クラスタリングは、
前記一般化されたテキストを単語に分割して単語リストを作成し、前記単語をベクトル化して単語ベクトルのリストを作成し、前記単語ベクトルを文ベクトルに変換し、ｋ平均法によって複数の前記文ベクトルをクラスタリングすることで実行され、
前記上位概念化は、
同じクラスタにクラスタリングされた複数の前記テキストの差分に基づいて同じ上位概念の語に纏める前記汎用的な語を抽出し、テキストの異なる箇所である前記汎用的な語を上位概念の語に纏めることにより実行され、
前記対話部品を使用して自然言語対話システムに用いる対話コンテンツを作成する対話コンテンツ作成支援方法。
前記対話部品は、
前記上位概念の語を特定するスロットと、前記汎用的な語を特定するスロット値と、前記問いかけの内容を示すテキストとの組で構成される、
請求項１に記載した対話コンテンツ作成支援方法。
前記特徴語辞書を統計的な手法により作成することを特徴とする、
請求項１に記載した対話コンテンツ作成支援方法。
前記統計的な手法をｔｆ－ｉｄｆにより行うことを特徴とする、
請求項３に記載した対話コンテンツ作成支援方法。