JP7357614B2 - 機械支援対話システム、ならびに病状問診装置およびその方法 - Google Patents

Description

本開示は、人工知能の分野に関し、特に、機械支援対話システム、ならびに病状問診の方法および装置に関する。

マンマシン対話は、教育、医療、統計およびその他の分野で広く応用されている。

例えば医療分野では、大量の患者が診察を受けるため病院の過負荷を招いている。医師は、患者の診断をすみやかに提供できず、非効率であるという印象を患者に与えてしまう。診察において、患者は、迅速な治療を受けて身体の不快な症状を軽減したいと望むが、医師は、適切な治療案を提供できるように患者の病状をよく知る必要がある。このため、医師は時間をとって患者とやりとりをして、患者にその病状を説明させる必要がある。

医師が患者とやりとりをする際、医師は１人の患者としかやり取りすることができず、他の患者は診療室の外で順番に待つ必要がある。

本開示の一方面は、対話トピックを提供するセマンティックフレームワーク装置と、少なくとも１組のコンテンツに関連する表現を含むセマンティックナレッジを記憶する知識データベースと、前記セマンティックフレームワーク装置によって提供された前記対話トピックにしたがって対話を管理する対話管理装置であって、前記対話を管理することは、前記知識データベースから得られた前記セマンティックナレッジに基づいて、前記対話トピックの質問表現を生成することと、対話終了条件に呼応して前記対話トピックが終了したと確定した場合に、前記対話トピックを終了することとを含む対話管理装置とを備える、機械支援対話システムを提供する。

いくつかの実施形態において、前記対話を管理することは、受信した応答表現に基づいて、前記セマンティックナレッジ中のセマンティック文脈および／またはセマンティック構造を根拠に、前記受信した応答表現からキーワードを抽出することと、前記応答表現中の前記キーワードおよび予め設定された表現生成テンプレートに基づいて、１つ以上の質問表現を生成することとをさらに含む。

あるいは、前記対話管理装置は、応答表現中の用語を前記セマンティックナレッジの対応する表現にマッピングするマッピングサブ装置を備え、前記マッピングサブ装置は、用語集合中の各用語の用語ベクトルを算出する用語ベクトル算出部であって、前記セマンティックナレッジの所定の表現の集合および前記応答表現における用語集合のいずれも前記用語集合の真部分集合である用語ベクトル算出部と、前記用語の用語ベクトルおよび前記所定表現の集合におけるすべての表現の用語ベクトルから、前記応答表現中の用語と、所定表現の前記集合における各表現との類似度をそれぞれ算出する類似度算出部と、算出された類似度が閾値条件を満たすのに呼応して、前記応答表現中の前記用語を前記セマンティックナレッジの対応する表現に置き換える置換部とを備えてよい。

あるいは、前記用語ベクトル算出部は、前記用語集合中の各用語は多次元ガウス分布を示し、前記多次元ガウス分布の平均値を前記各用語の用語ベクトルとするようにさらに構成され、前記用語ベクトル算出部は、前記用語集合中の各用語ｗを多次元ガウス分布

として表し、ここで、

ここで、ｃ_ｐおよびｃ_ｎは、いずれも前記用語集合の要素であり、ｃ_ｐは、機械支援対話システムが受信したすべての応答表現における前記用語ｗの文脈の用語であり、ｃ_ｎは、機械支援対話システムが受信したいずれの応答表現における前記用語ｗの文脈にも出現しない用語であり、関数Ｓ（．，．）は、類似度算出関数を表し、用語ｗ１およびｗ２を所与とすると、ｗ１とｗ２との間の類似度は、

により算出され、
ここで、tr()は前記行列の跡を算出することを表し、

式（２）を式（１）に代入し、

これら平均値をそれぞれ用語ｗ、ｃ_ｐおよびｃ_ｎの用語ベクトルとし、用語集合中のすべての用語の用語ベクトルが得られるまで上記手順を繰り返すことにより、前記用語集合中の各用語の用語ベクトルを算出してよい。

あるいは、前記用語ベクトル算出部は、用語－用語行列を分解し、明示的セマンティック分析（ＥＳＡ）に基づいて少なくとも部分的に用語を潜在的セマンティック空間にマッピングして前記潜在的セマンティック空間における前記用語のベクトルを取得して前記ベクトルを前記用語の用語ベクトルとするようにさらに構成され、前記用語ベクトル算出部は、

ここで、Ｖ＝｛ｖ_１，ｖ_２，…，ｖ_ｍ｝は前記用語集合を表し、ｖ_ｉおよびｖ_ｊ（１≦ｉ，ｊ≦ｍ）は各々単一の用語を表し、Ｍ∈Ｒ^ｍ×ｍは用語－用語行列を表し、Ｍ_ｉ、_ｊは、用語ｖ_ｉにおける用語ｖ_ｊの出現頻度-逆文書頻度（ｔｆ－ｉｄｆ）の重みであり、Ｅ_ｉ、_ｊは用語ｖ_ｉとｖ_ｊとの間の類似度であり、｜｜・｜｜^２ _Ｆはフロベニウス・ノルムであり、αおよびλは予め設定された非負のパラメータであり、Ｐ∈Ｒ^ｋ×ｍ、Ｗ∈Ｒ^ｋ×ｍであり、Ｒは実数であり、式（３）と式（４）から、式（４）が最小のときのＰを算出して、

を得ることにより、前記用語集合中の各用語の用語ベクトルを算出してよい。

あるいは、前記類似度が前記閾値条件を満たす条件は、前記応答表現中の前記用語の用語ベクトルと前記セマンティックナレッジの対応する表現の用語ベクトルとのコサイン類似度が所定の閾値以上であることを含むものであってよい。

本開示の別の方面は、患者の健康状態を問診し、前記患者から応答を受信することを含む患者との対話を提供するためのユーザ対話型インタフェースと、前記患者からの応答に基づいて前記患者の医用情報を抽出し、前記患者からの前記応答は第１の表現カテゴリ内にある第１の表現であるセマンティックアナライザと、前記医用情報に対応する病状の第２の表現を記憶し、前記第２の表現は第２の表現カテゴリ内にある医用知識データベースと、前記第２の表現を用いた前記医用情報を有する病状問診レポートを生成するレポート生成装置とを備える、病状問診装置を提供する。

いくつかの実施形態において、病状問診装置は、複数の問診事項を有する対話トピックを記憶する問診フレームワーク装置と、対話トピックの問診事項に基づいて患者との対話を管理する対話管理装置とをさらに備える。

あるいは、前記対話管理装置は、前記第1の表現カテゴリ内の表現を用いて、第１の問診事項に関連する第１の問診質問を生成するように構成されてよい。

あるいは、前記対話管理装置は、患者からの応答に基づいて第１の問診事項に対する応答性を検出するようにさらに構成されてよい。

あるいは、前記対話管理装置は、前記第１の問診事項に対する応答性が検出されると、前記第１の表現カテゴリ内の表現を用いて、第２の問診事項に関連する第２の問診質問を生成するようにさらに構成されてよい。

あるいは、前記対話管理装置は、前記対話トピックのすべての問診事項に対する応答性が検出されると、前記患者との前記対話を終了するように構成されてよい。

あるいは、前記第１の表現カテゴリは、平易な言葉による表現を含み、前記第２の表現カテゴリは、学術用語による表現を含んでよい。

本開示のさらに別の方面は、患者の健康状態を問診し、前記患者から応答を受信することを含む患者との対話をユーザ対話型インタフェースから提供することと、前記患者からの前記応答に基づいて前記患者の医用情報を抽出し、前記患者からの前記応答は第1の表現カテゴリ内にある第1の表現であることと、前記医用情報に対応する病状の第２の表現を記憶する医用知識データベースにアクセスし、前記第２の表現は第２の表現カテゴリ内にあることと、前記第２の表現を用いた前記医用情報を有する病状問診レポートを生成することとを含む、病状問診方法を提供する。

いくつかの実施形態において、この病状問診方法は、複数の問診事項を有する対話トピックを記憶する問診フレームワーク装置を設けることと、前記対話トピックの前記問診事項に基づいて前記患者との前記対話を管理することをさらに含む。

あるいは、前記対話を管理することは、前記第１の表現カテゴリ内の表現を用いて、第１の問診事項に関連する第１の問診質問を生成することをさらに含んでよい。

あるいは、前記対話を管理することは、前記患者からの応答に基づいて前記第１の問診事項に対する応答性を検出することをさらに含んでよい。

あるいは、前記対話を管理することは、前記第１の問診事項に対する応答性が検出されると、前記第１の表現カテゴリ内の表現を用いて、第２の問診事項に関連する第２の問診質問を生成することをさらに含んでよい。

あるいは、前記対話を管理することは、前記対話トピックのすべての問診事項に対する応答性が検出されると、前記患者との前記対話を終了することをさらに含んでよい。

あるいは、前記第１の表現カテゴリは、平易な言葉による表現を含み、前記第２の表現カテゴリは、学術用語による表現を含んでよい。

添付の図面に示す特定の実施形態を参照しつつ、実施形態について具体的に説明する。これらの図面は一部の実施形態を示すものにすぎないが、範囲を限定するものと見なすべきではない。添付の図面を用いてこれらの実施形態についてより具体的かつ詳細に記載し説明する。

本開示の一実施形態における機械支援対話システムの概略図である。 本開示の一実施形態における機械支援対話システムの対話管理装置のブロック図である。 本開示の一実施形態における、セマンティックフレームワーク装置によって提供される対話トピックにより管理される対話の概略フローチャートである。 本開示の一実施形態におけるマッピング方法の概略フローチャートである。 本開示の一実施形態における機械支援対話装置の概略図である。 本開示の一実施形態における病状問診方法の概略フローチャートである。

以下、本開示の実施形態を示した添付の図面を参照して本開示について詳細に説明する。しかし、本開示は多くの他の形態で実現されてもよく、本明細書に記載される実施形態に限定されるものと解釈されるべきではない。本明細書において、同様の参照番号は同様のコンポーネントを示す。

本明細書で用いられる用語は、具体的な実施形態を説明するためのものにすぎず、本開示を限定することを意図しない。本明細書で用いられるように、文脈上別段の明確な指示がない限り、単数形「１つの（ａ）」、「１つの（ａｎ）」は複数形も含むものとする。本明細書で用いられるとき、「備える（ｃｏｍｐｒｉｓｅ）」および／または「含む（ｉｎｃｌｕｄｅ）」という用語は、記載された特徴、全体、ステップ、動作、要素および／またはコンポーネントが存在することを指すが、ひとつ以上の他の特徴、全体、ステップ、動作、要素、コンポーネントおよび／またはそれらの組み合わせの存在または追加を排除するものではないことも理解されよう。

別に定義されない限り、本明細書で用いられる（技術的および科学的用語を含む）用語は、当業者によって共通にして理解されるのと同じ意味を有する。本明細書で明示的に定義されない限り、用語は、理想的または過度に形式的意味ではなく、本明細書の文脈および関連分野における意味と一致する意味を有すると解釈されるべきことも理解されよう。

本開示において、「予め設定された」、「所定」などとは、値およびパラメータなどの条件を機械支援対話システムに予め記憶させておくことであっても、１組または複数組の値およびパラメータなどの条件を機械支援対話システムに予め記憶させておいて使用時に選択することであっても、使用時に、値およびパラメータなどの条件を機械支援対話システムに選択可能に入力することであっても、または、機械支援対話システムに記憶された値およびパラメータなどの条件をリアルタイムまたは定期的に更新することであってもよい。

本開示において、「用語」および「表現」は特定の意味を表す言葉の単位を指してよく、１つの単語、または組み合わされたもしくは特定のパターン化がなされたいくつかの単語のいずれの形態であってもよい。

以下、添付の図面を組み合わせて本開示の実施形態を参照しつつ本開示について説明する。

なお、本開示は、患者を治療する際に医師が行う病状の事前問診が存在する文脈において説明される。しかし、本開示の実施形態は、病状の事前問診に限らず、マンマシン対話を介して情報が収集されるあらゆるシナリオに適用できると考えられる。

図１は、本開示の少なくとも一実施形態における機械支援対話システムの概略図である。図示した機械支援対話システム１００は、セマンティックフレームワーク装置１０１と、知識データベース１０２と、対話管理装置１０３とを備える。

セマンティックフレームワーク装置１０１は、１つ以上の対話トピックを提供するように構成される。

例えば、医療分野において、対話トピックは病状問診に関連するトピックであってよく、医師が問診する際に注目する内容である問診事項には、患者名、性別、年齢、主訴、現歴、既往歴、およびアレルギー歴などが含まれる。病状問診のために、セマンティックフレームワーク装置101と同様の問診フレームワーク装置は、複数の問診事項を有する一つ以上の対話トピックを記憶するように構成されることができる。

知識データベース１０２は、少なくとも１組のコンテンツに関連する文字、単語、フレーズ、センテンス、パラグラフ、またはそれらの組み合わせを含むセマンティックナレッジを記憶するように構成される。

対話管理装置１０３は、セマンティックフレームワーク装置１０１によって確定された１つ以上の対話トピックにしたがって対話を管理するように構成される。予め設定された対話終了条件に基づいて対話トピックが終了したと確定した場合には、対話トピックを終了し、そうでない場合には、すべての問診および応答の収集作業が終了するまで、対話を継続して管理する必要がある。

例えば、医療分野では、対話において、患者の氏名、性別、年齢、主訴、現病歴、既往歴およびアレルギー歴などを問診し、すべての問診質問に基づいて患者から応答を収集してよい。

例えば、知識データベース１０２に記憶されるセマンティックナレッジは医用情報であり、知識データベースを医用知識データベースと呼んでよい。医用情報は、例えば、各種疾患の症状、疾患の名称、疾患の原因、疾患の治療方法、疾患を治療するための薬物のうちの少なくとも１つを含んでよい。知識データベース中の医用情報は、医用レポートで用いられる学術用語または専門用語で表すことができる。

対話管理装置１０３は、１つ以上の所定の対話トピックに基づいて問診を行ってよい。対話管理装置１０３は、知識データベース１０２から１つ以上の所定の対話トピックに対する１つ以上の質問表現を取得して問診を行ってよい。

いくつかの実施形態において、対話管理装置１０３は、受信した応答表現に基づいて、１つ以上の質問表現を生成してよい。対話管理装置１０３は、受信した応答表現、および知識データベース１０２に記憶されたセマンティックナレッジから、ユーザによる明確化が必要な問診質問を見つけてよい。

例えば、医用情報には、少なくとも疾患の名称および疾患の症状の説明が含まれる。患者の主訴が「咳」であれば、対話管理装置１０３は、「いつから咳が出ていますか？」、「咳をしている患者と接触しましたか？」、「咳は発作的なものですか、それとも継続的なものですか」、「痰は出ますか」、「咳は日中出ることが多いですか、それとも夜出ることが多いですか」、「喉に痛みはありますか」といった質問を続けて、関連する対話トピックの質問表現を１つ以上生成してよい。一実施例では、対話管理装置１０３は、「最近少し咳が出ます」という受信した応答表現およびセマンティックナレッジのセマンティック文脈および／またはセマンティック構造に基づいて、応答表現から「咳」というキーワードを抽出するとともに、応答表現中の「咳」というキーワードおよび予め設定された表現生成テンプレートに基づいて１つ以上の質問表現を生成する。このようにして、対話管理装置１０３は、患者からの応答に基づいて患者の医用情報を抽出する。あるいは、患者からの応答に基づいて患者のこのような医用情報を抽出するために、セマンティックアナライザ、または自然言語プロセッサ１０３１４を設けてよい。

本開示の一実施形態では、知識データベース中のセマンティックナレッジにより機械支援対話システムの対話効率および正確性を大幅に改善し、それにより参照価値の高い対話記録を生成することができる。

あるいは、対話終了条件は、対話管理装置１０３が受信した応答表現に予め設定された終了キーワードが含まれるというもの、または終了キーワードとの予め設定されたマッチング関係を満たす、文字、単語、フレーズ、センテンスまたはそれらの組み合わせを含むというものであってよい。

例えば、「疾患の症状を完全に説明できた」という応答表現が出現した場合、対話を終了してよい。

あるいは、対話終了条件は、ある対話トピックについて対話管理装置１０３により質問表現が生成された回数が予め設定された値に達し、予め設定された時間内に、新たに生成された表現に対応する応答表現を受信するというものであってよい。

例えば、ある対話トピックについて、対話管理装置１０３が予め設定した質問の深さは１０であり（すなわち、対話を１０ラウンド行う）、１０ラウンドの対話におけるすべての質問は応答表現により応答される。

あるいは、対話終了条件は、ある対話トピックについて対話管理装置１０３により質問表現が生成された回数が予め設定された値に達し、最新の質問表現が生成され送信された後、予め設定された時間にわたり応答表現が受信されないというものであってよい。

例えば、ある対話トピックについて、対話終了条件は、対話管理装置１０３が予め設定した質問の深さは１０であり（すなわち、対話を１０ラウンド行う）、最新の質問表現（すなわち、１０ラウンド目における質問表現）が生成され送信された後、予め設定された時間、例えば２分以内に１０ラウンド目の質問表現に対して応答する応答表現が受信されないというものであってよい。

あるいは、対話終了条件は、セマンティックフレームワーク装置が提供した１つ以上の対話トピックがすべて終了するというものであってもよい。

例えば、セマンティックフレームワーク装置により対話トピックが３つ提供され、各対話トピックにおける質問表現の各ラウンドで応答を受信する。

あるいは、対話終了条件は、予め設定した時間内に質問表現が受信されないというものであってもよい。

例えば、ある対話トピックについて、対話管理装置１０３が予め設定した質問の深さは１０であり（すなわち、対話を１０ラウンド行う）、５ラウンド目における応答表現が生成され送信された後、予め設定された時間、例えば３分以内に５ラウンド目の質問表現に対して応答する応答表現が受信されない。これは、複数ラウンドの対話を行った後で、質問表現の精度および内容がユーザの知識のカテゴリを超えているため、または予め設定された質問が深すぎて、対話トピックについてすでに明瞭かつ完全な応答表現が与えられており、それほど多くのラウンドの対話を行う必要がないためである可能性がある。

あるいは、対話終了条件は、質問表現のキーワードに関連する応答表現が予め設定された回数連続して受信されないというものであってもよい。

例えば、複数の質問表現における「咳」というキーワードについて、複数の応答表現の内容が、旅行、運転、水泳などの咳とは無関係な内容に関連づけられる。

例えば、病状の事前問診について、対話管理装置は、患者からの応答に基づいてある対話トピックの問診事項に対する応答性を検出するように構成されてよい。問診事項に対する応答性、例えば、患者の応答により問診事項が終了したか否かが検出されると、対話管理装置は、対話トピックにおけるすべての問診事項が終了するまで、次の問診事項に関する質問を生成する。そして、対話管理装置は、対話を終了すると確定してよい。

いくつかの実施形態において、機械支援対話システム１００は、ユーザ対話型インタフェースであるマンマシンインタフェース１０４をさらに備える。マンマシンインタフェース１０４は、対話管理装置による制御に呼応して対話トピックに基づいて１つ以上の質問表現を提示し、応答表現を収集するように構成される。

例えば、質問表現は、音声として提示され、またはインタフェースに表示され、または音声とインタフェースを組み合わせて提示されてよい。

例えば、応答表現は、ユーザの音声入力もしくはユーザによるディスプレイインタフェース上での入力を識別し、または両者を組み合わせることによって収集されてよい。

例えば、ディスプレイインタフェース上の入力は、選択肢の選択、例えば「男性」または「女性」を選択することにより性別を入力するものであってもよいし、文字入力、例えば「男性」または「女性」と音声で応答するものであってもよく、ここでは限定しない。

いくつかの実施形態において、機械支援対話システム１００は、対話内容および応答表現に基づいてレポートを生成するように構成されたレポート生成装置１０５をさらに備える。レポートは、セマンティックフレームワーク装置１０１によって確定された１つ以上の対話トピックを含んでよい。

医用対話トピックを例にとると、レポートは、例えば、患者の氏名、性別、年齢、主訴、現病歴、既往歴、アレルギー歴などの問診事項、およびこれらの質問についてユーザが提供する入力を含んでよい。生成されたレポートは、印刷し、および/または医師の医用情報システムに送信してよい。

例えば、ある医用対話トピックについて生成されるレポートは以下の通りである。
性別：女性
年齢：１８
主訴：咳は発作的で、１日中継続し、主に夜に咳が出る。痰はない。

レポートを生成および/または印刷することにより、医師による診断を補助することができ、これにより診察の効率が向上する。

図２は、本開示の一実施形態における機械支援対話システムの対話管理装置のブロック図である。

図２に示すように、対話管理装置１０３は、応答表現中の用語をセマンティックナレッジの対応する表現にマッピングするように構成されるマッピングサブ装置１０３１をさらに備える。

機械支援対話において、患者などのユーザが与える応答は、専門用語または学術用語ではなく口語による場合があり、対話の記録またはレポートの可読性または専門性に影響する場合があることが容易に理解される。セマンティックナレッジの対応する専門表現に口語表現をマッピングすることで、この問題を解決または改善することができる。

具体的には、マッピングサブ装置１０３１は、用語ベクトル算出部１０３１１と、類似度算出部１０３１２と、置換部１０３１３とをさらに備える。用語ベクトル算出部１０３１１は、セマンティックナレッジの所定の表現の集合および機械支援対話システムによってサービスされたユーザからの応答における用語集合を含む、用語集合中の各用語の用語ベクトルを算出するように構成される。類似度算出部１０３１２は、用語の用語ベクトルおよび所定表現の集合におけるすべての表現の用語ベクトルから、応答表現中の用語と、所定表現の集合における各表現との類似度をそれぞれ算出するように構成される。置換部１０３１３は、算出された類似度が閾値条件を満たすのに呼応して、応答表現中の用語をセマンティックナレッジの対応する表現に置き換えるように構成される。

いくつかの実施形態では、マッピングサブ装置１０３１は、自然言語処理に基づいて応答表現中の用語を識別するように構成された自然言語プロセッサ１０３１４をさらに備える。例えば、英語の単語またはテキストの分割は、ステミングまたはレマタイゼイションに基づいて行ってよい。例えば、中国語単語の分割などは、（文字列照合に基づく単語分割方法である）機械的な単語分割アルゴリズム、Ｎグラム文法に基づく統計的な単語分割アルゴリズム、隠れマルコフモデルに基づく単語分割アルゴリズム、条件付き確率場に基づく単語分割アルゴリズムなどの方法で行って、複数の語彙からなるシーケンスを個々の用語に分割してよい。

例えば、「わたしはひどい下痢をしている」というセンテンスは、「わたしは」、「ひどい」、「下痢をしている」という３つの用語に分割される。もちろん、この例のほかにも、当該分野の他の適切な方法で応答表現中のセンテンスを分割し、用語として識別してよい。例えば、文脈およびデータベース照合に基づいてセンテンスを識別するが、ここでは限定しない。

一実施例では、識別したすべての用語をフィルタリングし、口語表現を選び出してよい。例えば、上文の「下痢をしている」について、この用語の用語ベクトルのみをマッピングしてよい。

一実施例では、フィルタリングを行わずにすべての識別された用語に対してマッピング処理を行う。「わたしは」のように用語の中には類似度の高い専門用語がないものもあり、したがってそれらの用語のマッピングの結果は置き換えをしないというものであってよい。

用語ベクトルの算出方法について、本開示の一実施形態では、用語集合中の各用語は多次元ガウス分布を示し、多次元ガウス分布の平均値をその用語の用語ベクトルとする。

例えば、用語集合中の各用語ｗを多次元ガウス分布

はそれぞれ用語ｗの多次元ガウス分布の平均値および共分散を表すものとする。モデルおよび演算を簡単にするため

を対角行列とする。各用語に対応する多次元ガウス分布の平均値と分散を算出する必要があり、本開示では、確率的勾配降下法（ＳＧＤ）を目的関数に適用する。ここでは、損失関数を目的関数と定義する。損失関数Ｌ（．，．，．）は、

により表される。

用語ｃ_ｐおよび用語ｃ_ｎは、いずれもある用語集合の要素である。用語ｃ_ｐは、機械支援対話システム１００のすべてのユーザのすべての応答表現における用語ｗの文脈の用語であり、用語ｃ_ｎは、機械支援対話システムのすべてのユーザの応答表現における用語ｗの文脈に出現しない用語をであり、関数Ｓ（．，．）は、類似度算出関数を表す。用語ｗ１およびｗ２を所与とすると、ｗ１とｗ２との間の類似度は、

により算出される。

ｔｒ（）は行列の跡を算出することを表し、

最適化された損失関数Ｌ（．，．，．）を、ｗの文脈に出現する用語とｗとの類似度が少なくともｗの文脈に出現しない用語とｗとの類似度より高くなるように設計する。

式（２）を式（１）に代入し、（例えば、ＳＧＤ法を用いて）Ｌが最小となるときの用語ｗの

を算出し、これら平均値を用語ｗ、ｃ_ｐおよびｃ_ｎの用語ベクトルとする。用語集合中のすべての用語の用語ベクトルが得られるまで上記手順を繰り返す。

本開示のこの実施形態では、用語ベクトルの算出が依拠するデータサンプルは、機械支援対話システム１００によって受信されたすべての応答表現である。一定の累計量のある応答表現がデータサンプルとして必要であり、多いほど好ましいことが容易に理解される。システム１００は、初期の段階において、システムのテストにより得られた一部の応答表現をサンプルとして予め記憶してもよいし、関連分野の技術専門家が選択した応答表現をサンプルとしてもよい。システムの使用に伴い、サンプルは増加する。所定の表現もこのサンプルに含まれる。

用語ベクトルの算出方法に関して、本開示の別の実施形態では、用語－用語行列が分解され、明示的セマンティック分析（ＥＳＡ）に基づいて用語が少なくとも部分的に潜在的セマンティック空間にマッピングされ、潜在的セマンティック空間における用語のベクトルが用語の用語ベクトルとして得られる。明示的セマンティック分析（ＥＳＡと略す）は、用語を高次元セマンティック概念空間にそれぞれマッピングし、各用語の意味は高次元ベクトルを表し、各次元はセマンティック概念空間における概念である。ＥＳＡ法では、用語に関連するｗｉｋｉドキュメントの重みベクトルと比較することで類似度を算出する。

高次元セマンティック概念空間としてＷｉｋｉｐｅｄｉａを例にとると、Ｗｉｋｉｐｅｄｉａにおける各概念は本開示の用語ベクトルによって表され、用語ベクトルのベクトルは用語の出現頻度-逆文書頻度（ｔｆ－ｉｄｆ）モデルによって得られる重みの値であり、重みの値は用語と概念との間の関連性を示す。

高次元セマンティック概念空間は、Ｗｉｋｉｐｅｄｉａに限定されず、Ｂａｉｄｕ Ｂａｉｋｅ、Ｈｕｄｏｎｇ ＢａｉｋｅおよびＷｏｌｆｒａｍ｜Ａｌｐｈａなどの知識ベースも適用可能であるということが容易に理解される。

本開示の一実施形態では、ＥＳＡ法を用いて用語のマッピングを行い、その具体的なプロセスは以下のとおりである。

用語－用語行列は行列Ｍで表されるものとし、行列Ｍは、以下の２つのｋ次行列の積に分解することができる。

Ｍ∈Ｒ^ｍ×ｍであり、Ｍ_ｉ、_ｊは、用語ｖ_ｉにおける用語ｖ_ｊのｔｆ－ｉｄｆの重みであり、行列Ｐのｉ番目の列は、ｉ番目の用語の潜在的セマンティック空間におけるベクトルである。Ｐ∈Ｒ^ｋ×ｍ、Ｗ∈Ｒ^ｋ×ｍであり、ＰとＷを算出するために以下の目的関数を設計する。

ここで、Ｖ＝｛ｖ_１，ｖ_２，…，ｖ_ｍ｝は用語集合を表し、ｖ_ｉおよびｖ_ｊ（１≦ｉ，ｊ≦ｍ）は各々単一の用語を表し、Ｅ_ｉ、_ｊは用語ｖｉとｖｊとの間の類似度（例えば、Ｗｉｋｉｐｅｄｉａに基づく類似度など）であり、｜｜・｜｜^２Ｆはフロベニウス・ノルムであり、αおよびλは予め設定された非負のパラメータであり、αはＥＳＡの結果の重要度を制御するためのであり、λはＰおよびＷの大きさを制御するためのものである。｜｜Ｐ｜｜_Ｆ ^２＋｜｜Ｗ｜｜_Ｆ ^２は過剰適合を避けるためのものであり、Ｐ∈Ｒ^ｋ×ｍ、Ｗ∈Ｒ^ｋ×ｍであり、Ｒは実数である。式（３）と式（４）から、（ＳＧＤを用いて）式（２）が最小のときのＰを算出して、

を得る。

具体的にＰを算出する場合、まず、式（２）を用いてＰとＷの偏微分を算出する必要がある。

式（５）および（６）に基づいて、ＳＧＤを用いて、Ｐ、すなわち潜在的セマンティック空間における各用語のベクトル表現を算出してよい。

以上の方法により各用語のベクトルを算出し、

ｖ_ｉとｖ_ｊの用語ベクトル間の類似度

であれば、ｖ_ｉとｖ_ｊは同じ意味を表す。これにより、応答表現における口語ｖ_ｉを表現ｖ_ｊに置き換えることができる。

本開示のこの実施形態ではＳＧＤ法を用いた解答方法を説明したが、これは例示的なものにすぎない。バッチ勾配降下法（ＢＧＤ）、ミニバッチ勾配降下法（ＭＢＧＤ）、共役勾配法および準ニュートン法などの反復解法も本開示に適用される。

類似度の算出に際しては、Ｃｏｓｉｎｅ、Ｃｉｔｙｂｌｏｃｋ、Ｅｕｃｌｉｄｅａｎ、Ｍａｈａｌａｎｏｂｉｓ、ＭｉｎｋｏｗｓｋｉおよびＣｈｅｂｙｃｈｅｖなどのさまざまな類似度算出方法を用いることができる。

本開示の一実施形態では、コサイン類似度を用いてｖ_ｉとｖ_ｊの用語ベクトル間の類似度を表す。

本開示のこの実施形態では、用語ベクトル算出部、類似度算出部、置換部および自然言語プロセッサは、プログラムの命令を実行するように構成されたプロセッサにより実現されてもよいし、またはこれらのエンティティは、１つ以上のハードウェアモジュールもしくは集積回路によりプログラム可能に実現されてもよい。

上記マッピング方法は、対話記録の可読性および専門性を向上させるのに役立つ。

以上のように、本開示のこの実施形態では、機械支援対話システムで使用されるマッピングサブ装置を用いて、口語／平易な言葉と機械支援対話における用語との間の変換について説明した。マッピングサブ装置は、前述した特定の用途に限定されるものではなく、様々なマンマシン対話アプリケーション（例えば、言語翻訳、医療診断、仮想アシスタントなど）にも広く適用することができることが容易に理解される。

また、本開示の一実施形態は、マッピング装置をさらに提供する。このマッピング装置は、マンマシン対話プロセスにおいて、ユーザの意図を正確かつ明瞭に理解できるように、口語を用語（つまり、マンマシン対話シナリオの用語に対応するセマンティックナレッジの知識ベースを含む書面用語。知識ベースには、マンマシン対話シナリオの内容に関連する少なくとも１組の文字、単語、フレーズ、センテンス、パラグラフ、またはそれらの組み合わせを含んでよい）に変換するように構成される。

マッピング装置の論理構造設計は、マッピングサブ装置１０３１に関する上述の説明を参照できる。

マッピング装置の物理的エンティティ各々の構造設計は、図５を参照できる。

マッピング装置およびサブ装置（セマンティックフレームワーク装置、知識データベース、対話管理装置およびマッピングサブ装置）は、プログラムの命令を実行するように構成されたプロセッサにより実現されてもよいし、またはこれらのエンティティは、１つ以上のハードウェアモジュールもしくは集積回路によりプログラム可能に実現されてもよい。

また、本開示の一実施形態は、マッピング方法を提供する。このマッピング方法は、マンマシン対話プロセスにおいて、ユーザの意図を正確かつ明瞭に理解できるように、口語を用語（つまり、マンマシン対話シナリオの用語に対応するセマンティックナレッジの知識ベースを含む書面用語。知識ベースには、マンマシン対話シナリオの内容に関連する少なくとも１組の文字、単語、フレーズ、センテンス、パラグラフ、またはそれらの組み合わせを含んでよい）に変換する。

このマッピング方法の工程は、マッピングサブ装置１０３１に関する上述の作動工程を参照できる。

図３は、本開示の一実施形態における、セマンティックフレームワーク装置によって提供される対話トピックにより管理される対話３００の概略フローチャートである。この機械支援対話方法は、図１に示す機械支援対話装置を用いてよい。この方法は、次のステップを含んでよい。ステップ３００では、セマンティックフレームワーク装置によって提供された対話トピックにしたがって対話を管理する。ステップ３０１では、知識データベースから得られたセマンティックナレッジに基づいて、１つ以上の対話トピックの任意のトピックの１つ以上の質問表現を生成する。ステップ３０２では、知識データベースおよび受信した応答表現から取得したセマンティックナレッジに基づいて、次ラウンドの対話の質問表現を生成する。

いくつかの実施形態では、ステップ３０２のサブステップ３０２１において、受信した応答表現に基づいて、セマンティックナレッジ中のセマンティック文脈および／またはセマンティック構造を根拠に、応答表現中のキーワードを抽出する。

いくつかの実施形態では、ステップ３０２のサブステップ３０２２において、応答表現中のキーワードおよび予め設定された表現生成テンプレートに基づいて、１つ以上の質問表現を生成する。

いくつかの実施形態では、知識データベース１０２中のセマンティックナレッジに基づいて対話を細分化してよい。

例えば、セマンティックナレッジは医用情報である。ユーザの入力した主訴が「咳」である場合には、ユーザによる明確化が必要な問診質問を知識データベース１０２に記憶された情報から見つけてよい。例えば、咳に関するセマンティックナレッジは、咳が発作的かそれとも継続的か、痰があるか、咳は昼間が主かそれとも夜間が主か、咽喉に痛みがあるかなどが咳の臨床症状に含まれるというものであり、これらに基づいて関連する質問表現を生成してよい。

知識データベース１０２中のセマンティックナレッジにより、機械支援対話方法の対話の精緻性を著しく改善できる。同時に、ユーザによる対話を行う困難性が低減され、それにより参照価値の高い対話記録が生成される。

ステップ３０３では、対話内容に基づく質問をユーザに提示し、応答表現を収集する。この提示は、音声もしくはインタフェース、または音声にインタフェースを組合せたものなどであってよい。この収集は、ユーザの音声入力もしくはディスプレイインタフェース上の入力、または両者を組み合わせた入力を識別して行ってよい。ディスプレイインタフェース上の入力は、選択肢の選択、例えば「男性」または「女性」を選択することにより性別を入力するものであってもよいし、文字入力、例えば「男性」または「女性」を音声で応答するものであってもよく、ここでは限定しない。

いくつかの実施形態では、ステップ３０４において、自然言語処理に基づいて応答表現中の用語を識別する。例えば、「わたしはひどい下痢をしている」というセンテンスは、「わたしは」、「ひどい」、「下痢をしている」という３つの用語に分割される。もちろん、この例のほかにも、当該分野の他の適切な方法で応答表現中の文を分割し、用語として識別してもよい。例えば、文脈およびデータベース照合に基づいてセンテンスを識別するが、ここでは限定しない。一実施例では、識別したすべての用語をフィルタリングして口語表現を選択してよい。例えば、上文の「下痢をしている」という用語について、この用語の用語ベクトルのみをマッピングする。一実施例では、フィルタリングを行わずに識別されたすべての用語に対してマッピングを行う。「わたしは」のように用語の中には類似度の高い専門用語がないものもあり、したがってそれらの用語のマッピングの結果は置き換えをしないというものであってよい。

一部の実施形態では、ステップ３０５において、応答表現中の用語を対応する専門表現にマッピングする。単語またはユーザの応答表現における、口語もしくは平易な言葉などによる用語または表現などの非専門表現を専門用語または学術用語に変換して、対話の記録またはレポートの可読性または専門性を高める。例えば、患者は、問診質問に対する応答において「わたしはひどい下痢をしている」の代わりに、「わたしはひどくお腹を下している」と応答する場合がある。いくつかの実施例では、病状問診装置は、ユーザの応答から「お腹を下している」を抽出するセマンティックアナライザと、病状問診レポートに「下痢」を生成するレポート生成装置とを備えてよい。

ステップ３０６において、予め設定された対話終了条件が満たされたのに呼応して対話トピックが終了したと確定されると、対話トピックが終了する。

例えば、対話終了条件は、対話管理装置１０３が受信した応答表現に予め設定された終了キーワードが含まれるというもの、または終了キーワードとの予め設定されたマッチング関係を満たす、文字、単語、フレーズ、センテンスまたはそれらの組み合わせを含むというものであってよい。

例えば、対話終了条件は、ある対話トピックについて対話管理装置１０３により質問表現が生成された回数が予め設定された値に達し、予め設定された時間内に、新たに生成された表現に対応する応答表現が受信されるというものであってよい。

例えば、対話終了条件は、ある対話トピックについて対話管理装置１０３により質問表現が生成された回数が予め設定された値に達したものの、最新の質問表現が生成されて送信された後、予め設定された時間にわたり応答表現が受信されないというものであってもよい。

例えば、対話終了条件は、セマンティクスフレームワーク装置が提供した１つ以上の対話トピックが終了するというものであってもよい。

例えば、対話終了条件は、予め設定された時間にわたり応答表現が受信されないというものであってもよい。

例えば、対話終了条件は、質問表現のキーワードに関連する応答表現が、予め設定された回数連続して受信されないというものであってもよい。

いくつかの実施形態では、ステップ３０７において、対話内容および応答表現に基づいてレポートを生成する。レポートは、確定された１つ以上の対話トピックを含んでよい。

問診を例にとると、レポートは、例えば、患者の氏名、性別、年齢、主訴、現病歴、既往歴、アレルギー歴など、およびこれらの質問についてユーザが提供した応答を含んでよい。生成されたレポートは、印刷し、および/または医師の医用情報システムに送信してよい。

例えば、ある医用対話トピックについて、生成されるレポートは以下の通りである。
性別：女性
年齢：１８
主訴：咳は発作的で、１日中継続し、主に夜に咳が出る。痰はない。

いくつかの実施形態では、機械支援対話システムの実施形態を用いて病状問診装置を提供してよい。病状問診装置は、患者の健康状態を問診し、患者から応答を受信することを含む患者との対話を提供するためのユーザ対話型インタフェース１０４と、患者からの応答に基づいて患者の医用情報を抽出し、患者からの応答は第１の表現カテゴリ内にある第１の表現であるセマンティックアナライザ１０３１４と、医用情報に対応する病状の第２の表現を記憶し、第２の表現は第２の表現カテゴリ内にある医用知識データベース１０２と、第２の表現を用いた医用情報を有する病状問診レポートを生成するレポート生成装置１０５とを備えてよい。

いくつかの実施形態において、病状問診装置は、複数の問診事項を有する対話トピックを記憶する問診フレームワーク装置と、対話トピックの問診事項に基づいて患者との対話を管理する対話管理装置とをさらに備えてよい。対話管理装置は、第1の表現カテゴリ内の表現を用いて、問診事項に関連する問診質問を生成するように構成されてよい。対話管理装置は、対話トピックのすべての問診事項が終了したときに、患者との対話を終了してよい。第１の表現カテゴリは、平易な言葉による表現を含むことができ、第２の表現カテゴリは、学術用語による表現を含む。

問診レポートを生成および/または印刷することにより、医師による診断を補助することができ、診断の効率が向上する。

図４は、本開示の一実施形態におけるマッピング方法の概略フローチャートである。ステップ４０１では、所定の表現の集合および機械支援対話システムによってサービスされたユーザからの応答における用語集合を含む、用語集合中の各用語の用語ベクトルを算出する。ステップ４０２では、応答表現中の用語について、用語の用語ベクトルおよび用語表現の集合におけるすべての用語表現の用語ベクトルに基づいて、用語とセマンティックナレッジの所定の表現の集合における各表現との類似度をそれぞれ算出する。ステップ４０３では、算出された類似度が閾値条件を満たすのに呼応して、応答表現中の用語をセマンティックナレッジの対応する表現に置き換える。

一実施形態では、用語ベクトル同士のコサイン類似度を本開示の類似度として用いる。Ｃｉｔｙｂｌｏｃｋ、Ｅｕｃｌｉｄｅａｎ、Ｍａｈａｌａｎｏｂｉｓ、ＭｉｎｋｏｗｓｋｉおよびＣｈｅｂｙｃｈｅｖなどの他の類似度算出方法も、本開示の実施形態に適用してよい。

用語ｖ_ｉと用語ｖ_ｊの用語ベクトル間の類似度が

であれば、ｖ_ｉとｖ_ｊは同じ意味を表すとみなされる。これにより、応答表現における口語表現ｖ_ｉを専門表現ｖ_ｊに置き換えてよい。用語ベクトルの算出方法の詳細な説明は図２と組み合わせて上文で提供しており、ここでは繰り返さない。

これにより、対話記録の可読性および専門性が向上する。

本明細書に記載するトピックの各方面は、説明する動作により制限されず、および／または動作の順序について制限されないことが理解され、認識されるであろう。いくつかの実施形態において、これらの動作は特定の順序で行われる。しかし、他の実施形態では、これらの動作は、並行して、もしくは別の順序で、および／または本明細書に示さず、説明しない他の動作とともに生じてもよい。さらに、本明細書に記載されるトピックの各方面による方法を実現するにあたり、説明するすべての動作が必要とされるわけではない。このほか、この方法を、状態図により一連の関連する状態として示し、またはイベントとして示すことができることを当業者は理解し、認識するであろう。

図５は、本開示の別の実施形態における機械支援対話装置の概略図であり、本明細書に記載される様々な技術を実現可能な１つ以上のシステムおよび／またはデバイスを表す例示的な計算装置５００を備える。計算装置５００は、例えば、端末装置、オンチップシステム、および／または任意の他の好適な計算装置または計算システムであってよい。

図示した例示的な計算装置５００は、互いに通信し結合された処理コンポーネント５０１と、記憶コンポーネント５０２とを備える。

さらに、計算装置５００は、入出力（Ｉ／Ｏ）インタフェースをさらに備えてよい。

図示していないが、計算装置５００は、様々なコンポーネントを互いに結合するシステムバスまたは他のデータおよび命令転送システムを備えてよい。システムバスは、任意のバス構造または異なるバス構造の任意の組み合わせを備えてよい。バス構造は、例えば、メモリバスもしくはメモリコントローラ、周辺バス、ユニバーサルシリアルバス、および／または様々なバスアーキテクチャを用いた任意のプロセッサもしくはローカルバスであってよい。制御バスおよびデータバスなどの様々な他の例も想定される。

処理コンポーネント５０１は、ハードウェアを用いて１つ以上の操作を実行する機能を表す。したがって、処理コンポーネント５０１は、１つ以上のプロセッサ５０１１を備える。プロセッサ５０１１は、中央処理装置（ＣＰＵ）またはフィールドプログラマブルゲートアレイ（ＦＰＧＡ）またはマイクロコントローラ（ＭＣＵ）またはデジタルシグナルプロセッサ（ＤＳＰ）または特定用途向け集積回路（ＡＳＩＣ）などのデータ処理能力および／またはプログラム実行能力を有する論理演算コンポーネントであってよい。

本開示のこの実施形態では、プロセッサ５０１１は、それを形成する材料、またはその中で用いられる処理機構によって制限されない。例えば、プロセッサは、（複数の）半導体および／またはトランジスタ（例えば、電子集積回路（ＩＣ））から構成されてよい。

本開示のこの実施形態では、図示した記憶コンポーネント５０２は、１つ以上のメモリ／ストレージ５０２１を備える。メモリ／ストレージ５０２１は、１つ以上のコンピュータ可読媒体に関連するメモリ／ストレージ容量を表す。メモリ／ストレージ５０２１は、揮発性媒体（ランダムアクセスメモリ（ＲＡＭ）など）および／または不揮発性媒体（リードオンリーメモリ（ＲＯＭ）、フラッシュメモリ、光ディスクおよび磁気ディスクなど）を備えてよい。メモリ／ストレージ５０２１は、固定媒体（ＲＡＭ、ＲＯＭおよび固定ハードウェアドライバなど）およびリムーバブル媒体（フラッシュメモリ、リムーバブルハードウェアドライバおよび光ディスクなど）を備えてよい。

記憶コンポーネント５０２は、上記実施形態で説明したものに限定されない。クラウドコンピューティング環境に基づいて提供される仮想ストレージリソースなどの記憶コンポーネント５０２の他の構造も本開示のこの実施形態に適用できる。

本開示のこの実施形態では、Ｉ／Ｏインタフェースは、ユーザが命令および情報を計算装置５００に入力することを可能にし、さらに、様々な入力／出力装置を使用してユーザおよび／または他のコンポーネントもしくは装置に情報を提示することを可能にする機能を表す。入力デバイスの例としては、キーボード、カーソル制御デバイス（例えば、マウス）、（例えば、音声入力用の）マイクロフォン、スキャナ、タッチ機能（例えば、物理的タッチの容量を検出するように構成されたもの、または他のセンサ）、（例えば、可視または不可視の波長（例えば、赤外線周波数）を用いて、タッチを伴わない動きをジェスチャとして検出可能な）カメラなどが挙げられる。出力デバイスの例としては、ディスプレイデバイス（例えば、ディスプレイまたはプロジェクタ）、スピーカ、プリンタ、ネットワークカード、無線ネットワークカード、ブルートゥース（登録商標）モジュールおよびタッチ応答デバイスなどが挙げられる。したがって、計算装置５００は、ユーザのインタラクションをサポートするように、以下で説明する任意の方法で構成してよい。

ソフトウェア、ハードウェアまたはプログラムモジュールの一般的な文脈により、様々な技術について記載できる。一般に、これらのモジュールは、特定のタスクを実行するか、または特定の抽象データ型を実現するルーチン、プログラム、オブジェクト、要素、コンポーネント、データ構造などを含む。本明細書で用いられるように、「モジュール」、「機能」および「コンポーネント」という用語は、一般に、ソフトウェア、ファームウェア、ハードウェア、またはそれらの組み合わせを指す。本明細書に記載される技術特徴はプラットフォームと無関係であり、これは、これらの技術が様々なプロセッサを有する様々な計算プラットフォーム上で実現可能であることを意味する。

記載されるモジュールおよび技術を実現するにあたっては、コンピュータ可読媒体上に記憶されるか、またはコンピュータ可読媒体を通じて伝送されてよい。コンピュータ可読媒体は、計算装置５００によってアクセス可能な様々な媒体を備えてよい。限定としてではなく例として挙げれば、コンピュータ可読媒体には「コンピュータ可読記憶媒体」および「コンピュータ可読信号媒体」を含んでよい。

「コンピュータ可読記憶媒体」とは、単なる信号伝送、搬送波または信号そのものとは対照的に、情報を永続的に記憶可能な媒体および／もしくはデバイス、ならびに／または有形記憶装置を指す。したがって、コンピュータ可読記憶媒体とは、非信号担持媒体を指す。コンピュータ可読記憶媒体は、例えば、揮発性媒体、不揮発性媒体、取外し可能媒体および取外し不能媒体、ならびに／または（コンピュータ可読命令、データ構造、プログラムモジュール、論理要素／回路、もしくは他のデータなどの）情報を記憶するのに適した方法または技術で実現される記憶装置などのハードウェアを含む。コンピュータ可読記憶媒体の例としては、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリもしくは他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）もしくは他の光学記憶装置、ハードディスク、カセットテープ、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶装置、または他の記憶装置、有形媒体、もしくは所望の情報を記憶するのに適した、コンピュータによってアクセス可能な他の製品が挙げられるが、これらに限定されない。

「コンピュータ可読信号媒体」とは、ネットワークを介して計算装置５００のハードウェアに命令を送信するように構成された信号担持媒体を指す。信号媒体は、典型的には、搬送波、データ信号または他の搬送機構の変調データ信号において、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータを具現化してよい。信号媒体は、任意の情報伝達媒体も含む。「変調データ信号」という用語は、その特性のうちの１つ以上を設定または変更することにより、信号中の情報が符号化される信号を指す。限定ではなく例として挙げると、通信媒体は、有線ネットワークまたは直接接続線などの有線媒体、ならびに音、無線周波数（ＲＦ）、赤外線などの無線媒体、および他の無線媒体を含む。

前述の組合せは本明細書に記載される様々な技術およびモジュールを実現するのにも用いることができる。したがって、ソフトウェア、ハードウェアまたはプログラムモジュール、および他のプログラムモジュールは、コンピュータ可読記憶媒体上で実現し、および／または１つ以上のプロセッサ５０１１によって具体化される１つ以上の命令および／または論理により実現されてよい。計算装置５００は、ソフトウェアおよび／またはハードウェアモジュールに対応する特定の命令および／または機能を実現するように構成されてよい。

本明細書に記載される技術は、計算装置５００の様々な構成によってサポート可能であり、本明細書に記載される技術の特定の例に限定されない。処理コンポーネント５０１および記憶コンポーネント５０２は、さらに、分散システムを用いてクラウド上で全体的にまたは部分的に実現されてもよい。

本開示の一実施形態は、上記計算装置に基づいて、入力を受信し出力を提供するように構成されるＩ／Ｏインタフェースと、プロセッサと、プロセッサにおいて実行されると、図３および／または図４に記載される方法を実現するコンピュータ実行可能命令を記憶するように構成されるメモリとを備える、機械支援対話装置をさらに提供する。

本開示の一実施形態は、計算装置によって実行されると、図３および／または図４に記載される方法を計算装置に実現させるコンピュータ実行可能命令を記憶したコンピュータ可読記憶媒体をさらに提供する。

図６は、本開示の一実施形態における病状問診方法の概略フローチャートである。

ステップ６０１では、患者の健康状態を問診し、患者から応答を受信することを含む患者との対話をユーザ対話型インタフェースから提供する。対話は、対話型インタフェースを有する機械支援またはコンピュータ支援対話システムによって提供されてよい。対話型インタフェースは、患者との音声および/またはビデオ通信のための、マイクロフォン、スピーカおよび/またはカメラを備えてよい。

ステップ６０２では、患者からの応答に基づいて患者の医用情報を抽出し、患者からの応答は第1の表現カテゴリ内にある第1の表現である。患者からの応答は、医用情報を抽出するためにシステムによって処理される。他の無関係な情報は破棄されてよい。患者からの応答は、彼/彼女の病状を述べた、平易な英語などの平易な言葉であってよい。

ステップ６０３では、医用知識データベースを用いて、抽出された医用情報をさらに処理する。医用情報に対応する病状の第２の表現を記憶する医用知識データベースにアクセスし、第２の表現は第２の表現カテゴリ内にある。医用知識データベースに記憶される情報は、学術用語で記載された病状の表現を含んでよい。学術用語による表現は、大衆によって一般的に使用されないかもしれないが、医師および看護師などの医療専門家間のやりとりにおいて効率的である。

ステップ６０３では、第２の表現を用いた医用情報を有する病状問診レポートを生成する。このレポートは、患者を診察する前に、または患者とやりとりをする際に医師がレビューすることのできる正式な問診レポートであってよい。

いくつかの実施形態において、この病状問診方法は、複数の問診事項を有する対話トピックを記憶する問診フレームワーク装置を設けることと、対話トピックの問診事項に基づいて患者との対話を管理することをさらに含む。あるいは、対話を管理することは、第１の表現カテゴリ内の表現を用いて、第１の問診事項に関連する第１の問診質問を生成することと、患者からの応答に基づいて第１の問診事項に対する応答性を検出することと、第１の問診事項に対する応答性が検出されると、第１の表現カテゴリ内の表現を用いて、第２の問診事項に関連する第２の問診質問を生成することと、対話トピックのすべての問診事項に対する応答性が検出されると、患者との対話を終了することとをさらに含んでよい。

本開示では、様々な実施形態について説明した。本明細書に記載される各実施形態は、単独で、または本明細書に記載される１つ以上の他の実施形態に関連して使用できることが理解されよう。

本開示の実施形態によれば、事前問診は医師が患者の病状を事前に把握するのを助け、患者の受診の流れが最適化され、対話記録の可読性および専門性が向上し、医師の診断効率が改善される。

本開示は特定の実施形態と関連付けて説明したが、当業者には、本開示の真の範囲から逸脱することなく、コンポーネントに対し、多くの変更および修正を行い、これを等価的に置き換え得ることが理解されよう。さらに、本開示を特定の状況に適用できるように、主な範囲から逸脱することなく、多くの修正をなすことができる。したがって、本開示は、本開示を実施する最良の形態と考えられる特定の実施形態に限定されない。むしろ、本開示は、添付の請求項の範囲に含まれるすべての実施形態を含む。

１００ 機械支援対話システム
１０１ セマンティックフレームワーク装置
１０２ 知識データベース
１０３ 対話管理装置
１０４ マンマシンインタフェース
１０５ レポート生成装置
５００ 計算装置
５０１ 処理コンポーネント
５０２ 記憶コンポーネント
１０３１ マッピングサブ装置
５０１１ プロセッサ
５０２１ ストレージ
１０３１１ 用語ベクトル算出部
１０３１２ 類似度算出部
１０３１３ 置換部
１０３１４ 自然言語プロセッサ

Claims (15)

1. 対話トピックを提供するセマンティックフレームワーク装置と、
   少なくとも１組のコンテンツに関連する表現を含むセマンティックナレッジを記憶する知識データベースと、
   前記セマンティックフレームワーク装置によって提供された前記対話トピックにしたがって対話を管理する対話管理装置であって、前記対話を管理することは、前記知識データベースから得られた前記セマンティックナレッジに基づいて、前記対話トピックの質問表現を生成することと、対話終了条件に呼応して前記対話トピックが終了したと確定した場合に、前記対話トピックを終了することとを含む対話管理装置とを備え、
   前記対話管理装置は、応答表現中の用語を前記セマンティックナレッジの対応する表現にマッピングするマッピングサブ装置を備え、
   前記マッピングサブ装置は、
   用語集合中の各用語の用語ベクトルを算出する用語ベクトル算出部であって、前記セマンティックナレッジの所定の表現の集合および前記応答表現における用語集合のいずれも前記用語集合の真部分集合である用語ベクトル算出部と、
   前記用語の用語ベクトルおよび前記所定の表現の集合におけるすべての表現の用語ベクトルから、前記応答表現中の用語と、所定の表現の前記集合における各表現との類似度をそれぞれ算出する類似度算出部と、
   算出された類似度が閾値条件を満たすのに呼応して、前記応答表現中の前記用語を前記セマンティックナレッジの対応する表現に置き換える置換部とを備える、機械支援対話システム。
2. 前記対話を管理することは、受信した応答表現に基づいて、前記セマンティックナレッジ中のセマンティック文脈および／またはセマンティック構造を根拠に、前記受信した応答表現からキーワードを抽出することと、前記応答表現中の前記キーワードおよび予め設定された表現生成テンプレートに基づいて、１つ以上の質問表現を生成することとをさらに含む、請求項１に記載の機械支援対話システム。
3. 前記用語ベクトル算出部は、前記用語集合中の各用語は多次元ガウス分布を示し、前記多次元ガウス分布の平均値を前記各用語の用語ベクトルとするようにさらに構成される、請求項１に記載の機械支援対話システム。
4. 前記用語ベクトル算出部は、下記手順を使用して前記用語集合中の各用語の用語ベクトルを算出し、
   手順（１）
   前記用語集合中の各用語ｗを多次元ガウス分布
   
   として表し、ここで、
   
   はそれぞれ前記用語ｗの多次元ガウス分布の平均値および共分散を表し、
   
   は対角行列であり、
   手順（２）
   
   ここで、ｃ_ｐおよびｃ_ｎは、いずれも前記用語集合の要素であり、ｃ_ｐは、機械支援対話システムが受信したすべての応答表現における前記用語ｗの文脈の用語であり、ｃ_ｎは、機械支援対話システムが受信したいずれの応答表現における前記用語ｗの文脈にも出現しない用語であり、関数Ｓ（．，．）は、類似度算出関数を表し、用語ｗ１およびｗ２を所与とすると、ｗ１とｗ２との間の類似度は、
   
   により算出され、
   ここで、ｔｒ（）は前記行列の跡を算出することを表し、
   
   は前記行列の反転を表し、ｄｅｔは行列式の値を算出することを表し、ｄは
   
   に依存しない定数を表し、
   手順（３）
   式（２）を式（１）に代入し、Ｌが最小となるときの用語ｗのガウス分布の平均値
   
   を算出し、これら平均値をそれぞれ用語ｗ、ｃ_ｐおよびｃ_ｎの用語ベクトルとし、
   前記用語ベクトル算出部は、前記用語集合中のすべての用語の用語ベクトルが得られるまで前記手順（１）から（３）を繰り返すことにより、前記用語集合中の各用語の用語ベクトルを算出する、請求項３に記載の機械支援対話システム。
5. 前記用語ベクトル算出部は、用語－用語行列を分解し、明示的セマンティック分析（ＥＳＡ）に基づいて少なくとも部分的に用語を潜在的セマンティック空間にマッピングして
   前記潜在的セマンティック空間における前記用語のベクトルを取得して前記ベクトルを前記用語の用語ベクトルとするようにさらに構成される、請求項１に記載の機械支援対話システム。
6. 前記用語ベクトル算出部は、
   
   ここで、Ｖ＝｛ｖ_１，ｖ_２，…，ｖ_ｍ｝は前記用語集合を表し、ｖ_ｉおよびｖ_ｊ（１≦ｉ，ｊ≦ｍ）は各々単一の用語を表し、Ｍ∈Ｒ^ｍ×ｍは用語－用語行列を表し、Ｍ_ｉ、_ｊは、用語ｖ_ｉにおける用語ｖ_ｊの出現頻度-逆文書頻度（ｔｆ－ｉｄｆ）の重みであり、Ｅ_ｉ、_ｊは用語ｖ_ｉとｖ_ｊとの間の類似度であり、｜｜・｜｜^２ _Ｆはフロベニウス・ノルムであり、αおよびλは予め設定された非負のパラメータであり、Ｐ∈Ｒ^ｋ×ｍ、Ｗ∈Ｒ^ｋ×ｍであり、Ｒは実数であり、式（３）と式（４）から、式（４）が最小のときのＰを算出して、
   
   を得ることにより、前記用語集合中の各用語の用語ベクトルを算出する、請求項５に記載の機械支援対話システム。
7. 前記類似度が前記閾値条件を満たす条件は、前記応答表現中の前記用語の用語ベクトルと前記セマンティックナレッジの対応する表現の用語ベクトルとのコサイン類似度が所定の閾値以上であることを含む、請求項１に記載の機械支援対話システム。
8. 対話トピックを提供するセマンティックフレームワーク装置を設けることと、
   少なくとも１組のコンテンツに関連する表現を含むセマンティックナレッジを記憶する知識データベースを設けることと、
   前記セマンティックフレームワーク装置によって提供された前記対話トピックにしたがって対話を管理する対話管理装置であって、前記対話を管理することは、前記知識データベースから得られた前記セマンティックナレッジに基づいて、前記対話トピックの質問表現を生成することと、対話終了条件に呼応して前記対話トピックが終了したと確定した場合に、前記対話トピックを終了することとを含む対話管理装置を設けることとを含み、
   前記対話管理装置は、応答表現中の用語を前記セマンティックナレッジの対応する表現にマッピングするマッピングサブ装置を備え、
   前記マッピングサブ装置は、
   用語集合中の各用語の用語ベクトルを算出する用語ベクトル算出部であって、前記セマンティックナレッジの所定の表現の集合および前記応答表現における用語集合のいずれも前記用語集合の真部分集合である用語ベクトル算出部と、
   前記用語の用語ベクトルおよび前記所定の表現の集合におけるすべての表現の用語ベクトルから、前記応答表現中の用語と、所定の表現の前記集合における各表現との類似度をそれぞれ算出する類似度算出部と、
   算出された類似度が閾値条件を満たすのに呼応して、前記応答表現中の前記用語を前記セマンティックナレッジの対応する表現に置き換える置換部とを備える、機械支援対話の方法。
9. 前記対話を管理することは、受信した応答表現に基づいて、前記セマンティックナレッジ中のセマンティック文脈および／またはセマンティック構造を根拠に、前記受信した応答表現からキーワードを抽出することと、前記応答表現中の前記キーワードおよび予め設定された表現生成テンプレートに基づいて、１つ以上の質問表現を生成することとをさらに含む、請求項８に記載の機械支援対話の方法。
10. 前記用語ベクトル算出部は、前記用語集合中の各用語は多次元ガウス分布を示し、前記多次元ガウス分布の平均値を前記各用語の用語ベクトルとするようにさらに構成される、請求項８に記載の機械支援対話の方法。
11. 前記用語ベクトル算出部は、下記手順を使用して前記用語集合中の各用語の用語ベクトルを算出し、
    手順（１）
    前記用語集合中の各用語ｗを多次元ガウス分布
    
    として表し、ここで、
    
    はそれぞれ前記用語ｗの多次元ガウス分布の平均値および共分散を表し、
    
    は対角行列であり、
    手順（２）
    
    ここで、ｃ_ｐおよびｃ_ｎは、いずれも前記用語集合の要素であり、ｃ_ｐは、機械支援対話システムが受信したすべての応答表現における前記用語ｗの文脈の用語であり、ｃ_ｎは、機械支援対話システムが受信したいずれの応答表現における前記用語ｗの文脈にも出現しない用語であり、関数Ｓ（．，．）は、類似度算出関数を表し、用語ｗ１およびｗ２を所与とすると、ｗ１とｗ２との間の類似度は、
    
    により算出され、
    ここで、ｔｒ（）は前記行列の跡を算出することを表し、
    
    は前記行列の反転を表し、ｄｅｔは行列式の値を算出することを表し、ｄは
    
    に依存しない定数を表し、
    手順（３）
    式（２）を式（１）に代入し、Ｌが最小となるときの用語ｗのガウス分布の平均値
    
    を算出し、これら平均値をそれぞれ用語ｗ、ｃ_ｐおよびｃ_ｎの用語ベクトルとし、
    前記用語ベクトル算出部は、前記用語集合中のすべての用語の用語ベクトルが得られるまで前記手順（１）から（３）を繰り返すことにより、前記用語集合中の各用語の用語ベクトルを算出する、請求項１０に記載の機械支援対話の方法。
12. 前記用語ベクトル算出部は、用語－用語行列を分解し、明示的セマンティック分析（ＥＳＡ）に基づいて少なくとも部分的に用語を潜在的セマンティック空間にマッピングして前記潜在的セマンティック空間における前記用語のベクトルを取得して前記ベクトルを前記用語の用語ベクトルとするようにさらに構成される、請求項８に記載の機械支援対話の方法。
13. 前記用語ベクトル算出部は、
    
    ここで、Ｖ＝｛ｖ_１，ｖ_２，…，ｖ_ｍ｝は前記用語集合を表し、ｖ_ｉおよびｖ_ｊ（１≦ｉ，ｊ≦ｍ）は各々単一の用語を表し、Ｍ∈Ｒ^ｍ×ｍは用語－用語行列を表し、Ｍ_ｉ、_ｊは、用語ｖ_ｉにおける用語ｖ_ｊの出現頻度-逆文書頻度（ｔｆ－ｉｄｆ）の重みであり、Ｅ_ｉ、_ｊは用語ｖ_ｉとｖ_ｊとの間の類似度であり、｜｜・｜｜^２ _Ｆはフロベニウス・ノルムであり、αおよびλは予め設定された非負のパラメータであり、Ｐ∈Ｒ^ｋ×ｍ、Ｗ∈Ｒ^ｋ×ｍであり、Ｒは実数であり、式（３）と式（４）から、式（４）が最小のときのＰを算出して、
    
    を得ることにより、前記用語集合中の各用語の用語ベクトルを算出する、請求項１２に記載の機械支援対話の方法。
14. 前記類似度が前記閾値条件を満たす条件は、前記応答表現中の前記用語の用語ベクトルと前記セマンティックナレッジの対応する表現の用語ベクトルとのコサイン類似度が所定の閾値以上であることを含む、請求項８に記載の機械支援対話の方法。
15. ユーザの入力を受信しユーザに出力を提供するＩ／Ｏインタフェースと、
    プロセッサと、
    前記プロセッサにおいて実行されると、請求項８から１４のいずれか一項に記載の方法を実現させる実行可能命令を記憶するメモリとを備える、機械支援対話装置。

Images