JP7520304B2

JP7520304B2 - プログラム、応答生成方法、及び応答生成装置

Info

Publication number: JP7520304B2
Application number: JP2020144656A
Authority: JP
Inventors: 俊行樽井
Original assignee: WELLVILL CO.,LTD.
Current assignee: WELLVILL CO.,LTD.
Priority date: 2020-08-28
Filing date: 2020-08-28
Publication date: 2024-07-23
Anticipated expiration: 2040-08-28
Also published as: JP2024129098A; JP2022039560A

Description

本発明はプログラム、応答生成方法、及び応答生成装置に関し、特に、アバターに人間と対話させるための技術に関する。

人型ロボットが話者の顔を識別して話者のプロファイルに基づいて会話を行い、さらに会話を行いながらユーザの新たな情報を入手し、得られた情報に基づいてプロファイルを更新し、その後の対話中に当該情報を用いる技術が提案されている（例えば、特許文献１参照）。

特表２０１６－５３６６３０号公報

人同士が行う対話は、大きく分けると要談と雑談とに分類できる。要談は、主にビジネスにおける交渉やカスタマーセンターにおける対応等、典型的には対応の当事者の少なくとも一方は業務として対話を行うものであり、例えば依頼、質問、提案、意見等、明確な伝達事項が存在する対話である。一方、雑談は、挨拶や世間話等、明確な伝達事項は存在せず、対話を行う者同士の状況に依存して進行する対話である。上記のようにユーザのプロファイルに基づく対話は雑談には好適であるが、要談の対話には必ずしも向いていない。

本発明はこれらの点に鑑みてなされたものであり、要談に対応する自動対話技術を提供することを目的とする。

本発明の第１の態様は、プログラムである。このプログラムは、コンピュータに、発話の音声データを取得する機能と、前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する機能と、前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成する機能と、前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する機能と、生成された前記応答文を出力する機能と、を実現させる。

前記発話を要談と雑談とのいずれかに分類する機能は、前記発話を文節に分割する機能と、分割した文節それぞれを、当該文節の意味を示す複数の意味カテゴリーのいずれかに分類する機能と、前記文節それぞれの意味カテゴリーに基づいて、前記発話を文脈単位に分割する機能と、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて前記発話が要談と雑談とのいずれに分類するかを決定する機能と、を含んでもよい。

前記発話を要談と雑談とのいずれかに分類する機能は、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、各文脈の発話種類を特定する機能をさらに含んでもよく、前記発話が要談と雑談とのいずれに分類するかを決定する機能は、分割された文脈それぞれの発話種類と各文脈に含まれる文節の意味カテゴリーとに基づいて前記発話が要談と雑談とのいずれに分類するかを決定してもよい。

前記要談用の応答文を生成する機能は、前記文脈それぞれから質問に関する文脈と依頼に関する文脈とを抽出する機能と、抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、当該文脈を前記要談の対象とするドメイン毎にあらかじめ定められたいずれかの特徴型に分類する機能と、抽出した質問に関する文脈及び依頼に関する文脈それぞれについて、分類された前記特徴型に基づいて応答文を生成する機能と、を含んでもよく、前記出力する機能は、抽出した質問に関する文脈及び依頼に関する文脈それぞれの応答文を順に出力してもよい。

前記要談用の応答文を生成する機能は、抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、要談用の応答文を生成するための情報がそろっているか否かを判定する機能を含んでもよく、前記要談用の応答文を生成する機能における応答文を生成する機能は、応答文を生成するための情報が不足していると判定された場合、当該情報を問い合わせるための応答文を生成してもよい。

前記要談用の応答文を生成する機能は、前記特徴型に分類する機能において、前記文脈がいずれの特徴型にも分類できないと判定された場合、前記発話の発話者との会話を引き継ぐオペレータに通知する機能と、前記オペレータの発話と当該発話に対する前記発話者の応答とを、前記文脈と紐づけて記憶部に記録する機能と、をさらに含んでもよい。

前記要談用の応答文を生成する機能は、前記出力する機能が要談用の応答文の出力を終えた後に、前記発話の発話者に依頼された事項を復唱するための応答文を作成してもよい。

前記雑談用の応答文を生成する機能は、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者を特定する機能と、特定された発話者毎に機械学習によって生成された対話モデルを取得する機能と、分割された文脈それぞれに前記対話モデルを適用することで、各文脈に対する応答文を生成する機能と、を含んでもよい。

前記雑談用の応答文を作成する機能は、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、前記発話者に固有の話題に関する文脈を特定する機能と、前記固有の話題に関連する質問であって前記発話者に関する情報を引き出すための質問を含む応答文を生成する機能と、前記質問を含む応答文と、前記質問を含む応答文に対する前記発話者の回答とを対応づけて、前記対話モデルの学習データとして記憶部に保存する機能をと、をさらに含んでもよい。

前記対話モデルは、前記発話者の固有の話題に関連する質問を含む応答文に対して前記発話者が過去に回答した情報を用いて学習されていてもよい。

本発明の第２の態様は、応答生成方法である。この方法において、プロセッサが、発話の音声データを取得するステップと、前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類するステップと、前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するステップと、前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成するステップと、生成された前記応答文をスピーカに出力するステップと、を実行する。

本発明の第３の態様は、発話に対する応答文を生成する応答生成装置である。この装置は、前記発話の音声データを取得する取得部と、前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する発話分類部と、前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するとともに、前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する応答文生成部と、生成された前記応答文を出力する出力部と、を備える。

上記のプログラムを提供するため、あるいはプログラムの一部をアップデートするために、このプログラムを記録したコンピュータ読み取り可能な記録媒体が提供されてもよく、また、このプログラムが通信回線で伝送されてもよい。

なお、以上の構成要素の任意の組み合わせ、本発明の表現を方法、装置、システム、コンピュータプログラム、データ構造、記録媒体などの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、要談に対応する自動対話技術を提供することができる。

本発明の実施の形態に係る応答生成装置の概要を説明するための図である。実施の形態に係る応答生成装置の機能構成を模式的に示す図である。実施の形態に係る応答文生成部の内部構造を模式的に示す図である。実施の形態に係る発話分類部の内部構成を模式的に示す図である。実施の形態に係る意味分類部が分類する意味カテゴリーの一例を表形式で示す図である。実施の形態に係る決定部が実行する決定処理の流れを説明するためのフローチャートである。実施の形態に係る要談応答文生成部の内部構成を模式的に示す図である。実施の形態に係る特徴型分類部が分類する特徴型を表形式で示す図である。実施の形態に係る雑談応答文生成部の内部構成を模式的に示す図である。実施の形態に係る応答生成装置が実行する情報処理の流れを説明するためのフローチャートである。

＜実施の形態の概要＞
図１は、本発明の実施の形態に係る応答生成装置１の概要を説明するための図である。図１を参照して、本発明の実施の概要を述べる。

本発明の実施の形態に係る応答生成装置１は、アバターＡに組み込まれた自動応答装置であり、発話者Ｕの発話に対して自動で応答するための装置である。実施の形態に係る応答生成装置１は、発話者Ｕの発話の音声データを解析して、発話を要談と雑談とのいずれかに分類する。実施の形態に係る応答生成装置１は、分類結果に応じて要談モード及び雑談モードそれぞれの専用の対話エンジンを選択し、応答文を生成する。これにより、本発明の実施の形態に係る応答生成装置１は、要談に要求される伝達事項を抽出し、発話者Ｕの要望に応えることができる。なお、図１は応答生成装置１が人型のロボットであるアバターＡに組み込まれた場合を例示しているが、応答生成装置１は、電話等の音声通話の自動応答や、いわゆるチャットボット等として利用されてもよい。

＜実施の形態に係る応答生成装置１の機能構成＞
図２は、実施の形態に係る応答生成装置１の機能構成を模式的に示す図である。応答生成装置１は、記憶部２と制御部３とを備える。図２において、矢印は主なデータの流れを示しており、図２に示していないデータの流れがあってもよい。図２において、各機能ブロックはハードウェア（装置）単位の構成ではなく、機能単位の構成を示している。そのため、図２に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。

記憶部２は、応答生成装置１を実現するコンピュータのＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）や応答生成装置１の作業領域となるＲＡＭ（Random Access Memory）、ＯＳ（Operating System）やアプリケーションプログラム、当該アプリケーションプログラムの実行時に参照される種々の情報を格納するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量記憶装置である。

制御部３は、応答生成装置１のＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等のプロセッサであり、記憶部２に記憶されたプログラムを実行することによって取得部３０、発話分類部３１、応答文生成部３２、及び出力部３３として機能する。

なお、図２は、応答生成装置１が単一の装置で構成されている場合の例を示している。しかしながら、応答生成装置１は、例えばクラウドコンピューティングシステムのように複数のプロセッサやメモリ等の計算リソースによって実現されてもよい。この場合、制御部３を構成する各部は、複数の異なるプロセッサの中の少なくともいずれかのプロセッサがプログラムを実行することによって実現される。

取得部３０は、発話者Ｕの発話の音声データを取得する。音声データは、マイクロフォン等のデバイスによってアナログ／デジタル変換されたデジタルデータであり、発話の音声の波形データである。

発話分類部３１は、取得部３０が取得した音声データを解析して、発話者Ｕの発話を要談と雑談とのいずれかに分類する。応答文生成部３２は、発話が要談に分類された場合、発話に対する要談用の応答文を生成する。また、応答文生成部３２は、発話が雑談に分類された場合、発話に対する雑談用の応答文を生成する。

図３は、実施の形態に係る応答文生成部３２の内部構造を模式的に示す図である。図３に示すように、応答文生成部３２は、要談応答文生成部３２０と雑談応答文生成部３２１とを備える。応答文生成部３２の要談応答文生成部３２０は、発話が要談に分類された場合、発話に対する要談用の応答文を生成する。同様に、応答文生成部３２の雑談応答文生成部３２１は、発話が雑談に分類された場合、発話に対する雑談用の応答文を生成する。

図２の説明に戻り、出力部３３は、応答文生成部３２が生成した応答文を出力用のユーザインタフェースに出力する。出力部３３は、出力用のユーザインタフェースがモニタ装置である場合には、応答文を文字列としてモニタ装置に出力する。出力部３３は、出力用のユーザインタフェースがスピーカ等の音声出力である場合、図示しない音声合成部を介して応答文を音声に変換して出力する。なお、図１に示すように応答生成装置１がアバターＡに搭載されているような場合には、出力部３３は、応答文を変換した文字列又は音声による出力に加えて、あるいはこれに替えて、応答文を表情や手話のような表現に変換して出力してもよい。

このように、実施の形態に係る応答生成装置１は、発話者Ｕの発話が用談か雑談かを分類した後に、分類に応じて応答文を生成するので、雑談のみならず、要談に対応して応答文を生成することができる。

図４は、実施の形態に係る発話分類部３１の内部構成を模式的に示す図である。発話分類部３１は、文節分割部３１０、意味分類部３１１、文脈分割部３１２、発話種類特定部３１３、及び決定部３１４を備える。図４を参照して、対話が要談又は雑談のいずれかに分類する手法についてより詳細に説明する。

文節分割部３１０は、取得部３０が取得した音声データを解析して、発話を文節に分割する。文節分割部３１０は、既知の音声テキスト変換技術を用いて音声データをテキストデータに変換した後、既知の形態素解析技術を用いてテキストデータを形態素に分解し、さらに既知の係り受け解析を利用して文節に分解する。

意味分類部３１１は、文節分割部３１０が分割した文節それぞれを、その文節の意味を示す複数の意味カテゴリーのいずれかに分類する。図５は、実施の形態に係る意味分類部３１１が分類する意味カテゴリーの一例を表形式で示す図である。図５に示すように、複数の意味カテゴリーそれぞれには意味識別子が割り当てられており、記憶部２に格納されている。意味分類部３１１は、例えば、文節分割部３１０が分割した文節が「私は」や「子犬が」のように主格をしている場合、その文節の意味カテゴリーを主格に分類する。このように、意味分類部３１１は、文節分割部３１０が分割した全ての文節に対して意味カテゴリーを割り当てる。

文脈分割部３１２は、文節それぞれの意味カテゴリーに基づいて、発話を文脈単位に分割する。ここで、文脈とは、発話文を構成する文節同士の意味的関連のまとまりを表す。一例として、発話文が「私は、フライドポテトと、チーズバーガーと、ホットコーヒーをください。あ、ホットコーヒーでなくてアイスでお願いします。」であったとする。この場合、文脈分割部３１２が分割して得られる最終的な文脈は「私（発話者Ｕ）は、フライドポテトをください。」、「私は、チーズバーガーをください。」、及び「私は、アイスコーヒーをください。」の３つとなる。

決定部３１４は、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて発話が要談と雑談とのいずれに分類されるかを決定する。上記の「私は、フライドポテトをください。」の例は典型的な依頼文脈であり、発話者Ｕの明確な伝達事項が存在する。また、フライドポテトの要求という意味からハンバーガーショップにおける売買契約に付随する発話である。この場合、決定部３１４は、「私は、ポテトをください。」を要談に分類する。

図６は、実施の形態に係る決定部３１４が実行する決定処理の流れを説明するためのフローチャートである。決定部３１４は、まず、分割された文脈が依頼文脈か否かを判定する。分割された文脈が依頼文脈でない場合（Ｓ２のＮｏ）、決定部３１４は、分割された文脈が質問文脈か否かを判定する。分割された文脈が質問文脈でない場合（Ｓ４のＮｏ）、決定部３１４は、分割された文脈が提案文脈か否かを判定する。

分割された文脈が提案文脈でない場合（Ｓ６のＮｏ）、決定部３１４は、分割された文脈が意見文脈か否かを判定する。分割された文脈が意見文脈でない場合（Ｓ８のＮｏ）、決定部３１４は、分割された文脈は雑談であると決定する（Ｓ１０）。

分割された文脈が質問文脈である場合（Ｓ４のＹｅｓ）、分割された文脈が提案文脈である場合（Ｓ６のＹｅｓ）、又は、分割された文脈が意見文脈である場合（Ｓ８のＹｅｓ）、決定部３１４は、文脈の動作主格が二人称か否かを判定する。

文脈の動作主格が二人称である場合（Ｓ１２のＹｅｓ）、決定部３１４は、分割された文脈は雑談であると決定する（Ｓ１０）。文脈の動作主格が二人称でない場合（Ｓ１２のＮｏ）、決定部３１４は、文脈の目的格が、対話が行われている場や場面において予め定められたドメインに含まれるものと一致するか否かを判定する。ここで「ドメイン」は要談が行われる場や場面を意味し、例えば、レストランにおける食事の注文、タクシーにおける行き先の伝達、自動車事故の受付、商品の価格交渉等、種々の場や場面が存在する。

文脈の目的格がドメインに一致しない場合（Ｓ１４のＮｏ）、決定部３１４は、分割された文脈は雑談であると決定する（Ｓ１０）。文脈の目的格がドメインに一致する場合（Ｓ１４のＹｅｓ）、又は分割された文脈が依頼文脈である場合（Ｓ２のＹｅｓ）、決定部３１４は、分割された文脈は要談であると決定する（Ｓ１６）。

なお、要談と雑談との決定に先立って、発話種類特定部３１３が、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、各文脈の発話種類を特定してもよい。例えば、上記の「私は、フライドポテトをください。」の例では、主格（私）が発する、依頼（ください）の文脈であり、対象は（フライドポテト）であり、発話種類「依頼文脈」と特定する。発話種類は、依頼文脈の他、質問文脈、回答文脈、挨拶文脈、相槌文脈、提案文脈、意見文脈等が挙げられる。これにより、決定部３１４における要談・雑談の決定の精度を向上することができる。このように、発話分類部３１は、発話に含まれる文脈の意味や発話種類を解析することで、発話が要談か否かを精度よく分類することができる。

なお、図６に示した決定処理の流れは一例にすぎず、当該決定処理の趣旨を逸脱しない範囲で変更することができる。例えば、決定部３１４は、必ずしも質問文脈であるか、提案文脈であるか、意見文脈であるかの判定を順次行うものでなく、これらの判定を同時に行ってもよいし、動作主格は二人称であるか、目的格はドメインと一致するかの判定を別個に行わず同時に行ってもよい。また、決定部３１４は、依頼文脈・質問文脈・提案文脈・意見文脈のいずれであるか、あるいはこれらに該当しないか、という判定と、動作主格は二人称であるか、目的格はドメインと一致するか、という判定を順次判定するものでなく、これら判定要素を組み合わせて総合的に判定するものでもよいし、さらに、決定部３１４は、他の判定要素を含めて判定するようにしてもよいし、他の判定要素にその一部の判定要素を置き換えて判定してもよい。

続いて、要談における応答文の生成について説明する。
図７は、実施の形態に係る要談応答文生成部３２０の内部構成を模式的に示す図である。要談応答文生成部３２０は、文脈抽出部３２００、特徴型分類部３２０１、文生成部３２０２、情報判定部３２０３、通知部３２０４、及び記録部３２０５を備える。

上述したように、「要談」は、依頼、質問、提案、意見等、明確な伝達事項が存在する対話である。中でも、店舗における購入や、タクシーの乗車、カスタマーセンターにおける質問や対応依頼等、依頼及び質問は要談の中心的な役割を担う。そこで、要談に係る対話に応答するために、文脈抽出部３２００は、文脈それぞれから質問に関する文脈と依頼に関する文脈とを抽出する。

特徴型分類部３２０１は、抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、あらかじめ定められたいずれかの特徴型に分類する。特に、特徴型分類部３２０１は、その文脈を要談の対象とするドメイン毎に文脈を特徴型に分類してもよい。

ここで、「特徴型」とは、要談における応答文を生成するために、要談の文脈をあらかじめ複数の型に分類したものである。発話者Ｕの発話の文脈は種々存在するが、要談においては明確な伝達事項が存在するため、発話が想定しているドメイン（例えば、発話が行われる業務等）を特定すれば、発話者Ｕの発話パターンを決定できる。

図８は、実施の形態に係る特徴型分類部３２０１が分類する特徴型を表形式で示す図である。図８に示すように、特徴型分類部３２０１は、文脈を５つの項目から構成される特徴型に分類する。各項目には、型識別子が付与されている。例えば、家電等を販売するドメインにおいてなされた発話者Ｕの発話から文脈抽出部３２００が抽出した文脈が「一番安い商品はどれでしょうか？」であったとする。この場合、特徴型分類部３２０１は、特徴型種類を質問の回答が単品の回答を期待している「単品説明」、７Ｗ３Ｈ１Ｙ定数を程度を意味する「Ｈｏｗ」、定数分類要素を「金額」、肯定否定を「肯定」、個別特性要素を「一番安い」とする。

文生成部３２０２は、抽出した質問に関する文脈及び依頼に関する文脈それぞれについて、分類された特徴型に基づいて応答文を生成する。上述の例では、文生成部３２０２は、家電等を販売するドメインにおける全商品の中から一番安い商品の商品名と単価金額と記述する応答文を生成する。出力部３３は、抽出した質問に関する文脈及び依頼に関する文脈それぞれの応答文を順に出力する。このように、要談応答文生成部３２０は、要談の文脈の特徴型に応じて応答文を生成するため、要談に対して適切な応答文を生成できる。

上述したように、「要談」は、依頼、質問、提案、意見等、明確な伝達事項が存在する対話である。このため、要談応答文生成部３２０は、発話者Ｕの伝達事項を全て捉えることで、はじめて応答文を生成できる。これはすなわち、要談応答文生成部３２０は、発話者Ｕの伝達事項を全て捉え終わるまでは、発話者Ｕから伝達事項を引き出す必要があることを意味する。

そこで、情報判定部３２０３は、抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、要談用の応答文を生成するための情報がそろっているか否かを判定する。例えば、ファーストフードを小売りするドメインにおいてなされた発話者Ｕの発話から文脈抽出部３２００が抽出した文脈の一つが「フライドポテトください。」であったとする。この場合、定数分類要素は「サイズ」であるが、個別特性要素（サイズを示すＳ、Ｍ、又はＬのいずれか）が不明である。この場合、情報判定部３２０３は、応答文を生成するための情報が不足していると判定する。

文生成部３２０２は、応答文を生成するための情報が不足していると判定された場合、その情報を問い合わせるための応答文を生成する。上述の例では、文生成部３２０２は、フライドポテトのサイズを問い合わせるための応答文を生成する。これにより、応答生成装置１は、要談における発話者Ｕの伝達事項を漏れなく引き出すための応答文を作成することができる。

上述したように、要談においては明確な伝達事項が存在するため、発話が想定しているドメインを特定すれば、発話者Ｕの発話パターンを決定でき、応答生成装置１の管理者は、あらかじめ特徴型を準備することができる。しかしながら、事前に全てのパターンを準備できるとは限らず、発話者Ｕとの会話の中で分類できないパターンが生じる可能性があることは否定できない。

そこで、通知部３２０４は、特徴型分類部３２０１によって文脈がいずれの特徴型にも分類できないと判定された場合、発話の発話者Ｕとの会話を引き継ぐオペレータに通知する。記録部３２０５は、オペレータの発話とその発話に対する発話者Ｕの応答とを、文脈と紐づけて記憶部２に記録する。これにより、応答生成装置１は、オペレータの発話の補完により発話者Ｕとの会話を完結することができる上、オペレータの発話とその発話に対する発話者Ｕの応答とに基づいて特徴型をアップデートすることができ、以後の同様の内容の対話においてオペレータの発話に頼ることなく発話者Ｕとの会話を完結することができるようになる。

要談においては発話者Ｕの明確な伝達事項があるので、応答生成装置１の最終目的は発話者Ｕの伝達事項を引き出して発話者Ｕの確認を得ることとも言える。そこで、要談応答文生成部３２０の文生成部３２０２は、制御部３が要談用の応答文の出力を終えた後に、発話の発話者Ｕに依頼された事項を復唱するための応答文を作成する。この応答文を制御部３が出力することにより、応答生成装置１は、発話者Ｕの伝達事項を発話者Ｕに確認することができる。

以上、要談における応答文の生成について説明した。続いて、図９を参照して、雑談における応答文の生成について説明する。

図９は、実施の形態に係る雑談応答文生成部３２１の内部構成を模式的に示す図である。雑談応答文生成部３２１は、発話者特定部３２１０、モデル取得部３２１１、文生成部３２１２、文脈特定部３２１３、質問文生成部３２１４、及び学習データ保存部３２１５を備える。

雑談は要談とは異なり、挨拶や世間話等、ビジネスにおける対話のような明確な伝達事項は存在せず、対話を行う者同士の状況に依存して進行する対話である。したがって、発話の内容は発話者Ｕの趣味や好みに関連することも多くあるので、応答生成装置１が雑談に応答するために発話者Ｕを特定することは有用である。

そこで、発話者特定部３２１０は、発話分類部３１中の文脈分割部３１２によって分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者Ｕを特定する。例えば、発話者特定部３２１０は、文節に含まれる意味カテゴリーの主格が「私」であり、主格の後に人物の固有名詞が現れた場合、発話者Ｕがその固有名詞の人物であると推定する。別の例として、文節に含まれる意味カテゴリーの主格が「私の住所」であり、その後に地名が現れた場合、発話者特定部３２１０は、発話者Ｕが同地名の地に住む人物であると推定する。

モデル取得部３２１１は、発話者特定部３２１０が特定した発話者Ｕ毎に、機械学習によって生成された対話モデルを記憶部２から読み出して取得する。記憶部２には、あらかじめ複数の発話者Ｕそれぞれについて、発話者Ｕ固有の雑談対話モデルが格納されている。既知の技術のため詳細は省略するが、雑談対話モデルは、例えば、全ての発話者Ｕに共通の一般対話モデルをＢＥＲＴ（Bidirectional Encoder Representations from Transformers）等の機械学習手法を用いて作成し、かつ各発話者Ｕに固有の雑談対話モデルをTransformerによるファインテューニングであらかじめ作成しておけばよい。なお、一般対話モデルは、例えばインターネット上のニュースや各種ＳＮＳ（Social Networking Service）、オンライン百科事典等の情報を用いて機械学習によって生成すればよい。

文生成部３２１２は、分割された文脈それぞれにモデル取得部３２１１が取得した対話モデルを適用することで、各文脈に対する応答文を生成する。このように、発話者Ｕ毎に対話モデルを用意することにより、応答生成装置１は、各発話者Ｕに閉じた個人だけの情報に基づいて応答文を作成することができる。

ここで、発話者Ｕに閉じた個人だけの情報は、要談における特徴型とは異なり、あらかじめ情報を用意しておくことは困難な場合がある。したがって、応答生成装置１は、発話者Ｕとの対話の中で発話者Ｕに固有の話題を収集し、学習するのが現実的である。

そこで、文脈特定部３２１３は、分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者に固有の話題に関する文脈を特定する。例えば、発話者Ｕの発話から文脈抽出部３２００が抽出した文脈が「私の好きな動物は猫」であったとする。この文脈の主格は「私」すなわち発話者Ｕであり、動作が「好き」であるため、文脈特定部３２１３は、発話者Ｕの個人的な好みを示す文脈と判定する。

また、発話者Ｕとの雑談においては、応答生成装置１は、発話者Ｕに固有の情報を積極的に収集してもよい。このため、質問文生成部３２１４は、発話者Ｕに固有の話題に関連する質問であって発話者Ｕに関する情報を引き出すための質問を含む応答文を生成する。例えば、上述の「私の好きな動物は猫」という文脈に関連して、質問文生成部３２１４は、発話者Ｕの好みに関する質問として、「好きな料理はなんですか」、「旅行に行くならどこですか」、「どんな乗り物が好きですか」、「旅行に行くなら誰と行きますか」等の質問を生成する。さらに、「旅行に行くなら誰と行きますか」という質問に対して発話者Ｕが「家族と行きたい」という返答を返したとすると、質問文生成部３２１４はさらに「家族構成はどうですか」、「子供は何が得意ですか」等、発話者Ｕに固有の話題に関連する質問をさらに生成してもよい。

学習データ保存部３２１５は、質問文生成部３２１４が生成した質問を含む応答文と、質問を含む応答文に対す発話者Ｕの回答とを対応づけて、対話モデルの学習データとして記憶部２に保存する。これにより、例えば応答生成装置１は、発話者Ｕ固有の雑談対話モデルを再学習するための学習データを蓄積することができる。例えば、応答生成装置１の管理者は、発話者Ｕの固有の話題に関連する質問を含む応答文に対して発話者Ｕが過去に回答した情報を用いて再学習することにより、発話者Ｕ固有の雑談対話モデルを更新することができる。

＜応答生成装置１が実行する情報処理方法の処理フロー＞
図１０は、実施の形態に係る応答生成装置１が実行する情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば応答生成装置１が起動したときに開始する。

取得部３０は、発話者Ｕの発話の音声データを取得する（Ｓ２２）。発話分類部３１は、取得部３０が取得した音声データを解析して、発話を要談と雑談とのいずれかに分類する（Ｓ２４）。

応答文生成部３２は、発話が要談に分類された場合（Ｓ２６のＹｅｓ）、発話に対する要談用の応答文を生成する（Ｓ２８）。応答文生成部３２は、発話が雑談に分類された場合（Ｓ２６のＮｏ）、発話に対する雑談用の応答文を生成する（Ｓ３０）。出力部３３は、応答文生成部３２が生成した応答文を出力する（Ｓ３２）。

＜実施の形態に係る応答生成装置１が奏する効果＞
以上説明したように、実施の形態に係る応答生成装置１によれば、要談に対応する自動対話技術を提供することができる。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果をあわせ持つ。

１・・・応答生成装置
２・・・記憶部
３・・・制御部
３０・・・取得部
３１・・・発話分類部
３１０・・・文節分割部
３１１・・・意味分類部
３１２・・・文脈分割部
３１３・・・発話種類特定部
３１４・・・決定部
３２・・・応答文生成部
３２０・・・要談応答文生成部
３２００・・・文脈抽出部
３２０１・・・特徴型分類部
３２０２・・・文生成部
３２０３・・・情報判定部
３２０４・・・通知部
３２０５・・・記録部
３２１・・・雑談応答文生成部
３２１０・・・発話者特定部
３２１１・・・モデル取得部
３２１２・・・文生成部
３２１３・・・文脈特定部
３２１４・・・質問文生成部
３２１５・・・学習データ保存部
３３・・・出力部

Claims

コンピュータに、
発話の音声データを取得する機能と、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する機能と、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成する機能と、
前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する機能と、
生成された前記応答文を出力する機能と、
を実現させ、
前記発話を要談と雑談とのいずれかに分類する機能は、
前記発話を文節に分割する機能と、
分割した文節それぞれを、当該文節の意味を示す複数の意味カテゴリーのいずれかに分類する機能と、
前記文節それぞれの意味カテゴリーに基づいて、前記発話を文脈単位に分割する機能と、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて前記発話が要談と雑談とのいずれに分類するかを決定する機能と、を含み、
前記要談用の応答文を生成する機能は、
前記文脈それぞれから質問に関する文脈と依頼に関する文脈とを抽出する機能と、
抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、当該文脈を前記要談の対象とするドメイン毎にあらかじめ定められたいずれかの特徴型に分類する機能と、
抽出した質問に関する文脈及び依頼に関する文脈それぞれについて、分類された前記特徴型に基づいて応答文を生成する機能と、を含み、
前記出力する機能は、抽出した質問に関する文脈及び依頼に関する文脈それぞれの応答文を順に出力する、
プログラム。
前記発話を要談と雑談とのいずれかに分類する機能は、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、各文脈の発話種類を特定する機能をさらに含み、
前記発話が要談と雑談とのいずれに分類するかを決定する機能は、分割された文脈それぞれの発話種類と各文脈に含まれる文節の意味カテゴリーとに基づいて前記発話が要談と雑談とのいずれに分類するかを決定する、
請求項１に記載のプログラム。
前記要談用の応答文を生成する機能は、
抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、要談用の応答文を生成するための情報がそろっているか否かを判定する機能を含み、
前記要談用の応答文を生成する機能における応答文を生成する機能は、応答文を生成するための情報が不足していると判定された場合、当該情報を問い合わせるための応答文を生成する、
請求項１又は２に記載のプログラム。
前記要談用の応答文を生成する機能は、
前記特徴型に分類する機能において、前記文脈がいずれの特徴型にも分類できないと判定された場合、前記発話の発話者との会話を引き継ぐオペレータに通知する機能と、
前記オペレータの発話と当該発話に対する前記発話者の応答とを、前記文脈と紐づけて記憶部に記録する機能と、
をさらに含む請求項１から３のいずれか１項に記載のプログラム。
前記要談用の応答文を生成する機能は、前記出力する機能が要談用の応答文の出力を終えた後に、前記発話の発話者に依頼された事項を復唱するための応答文を作成する、
請求項１から４のいずれか１項に記載のプログラム。
コンピュータに、
発話の音声データを取得する機能と、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する機能と、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成する機能と、
前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する機能と、
生成された前記応答文を出力する機能と、
を実現させ、
前記雑談用の応答文を生成する機能は、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者を特定する機能と、
特定された発話者毎に機械学習によって生成された対話モデルを取得する機能と、
分割された文脈それぞれに前記対話モデルを適用することで、各文脈に対する応答文を生成する機能と、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、前記発話者に固有の話題に関する文脈を特定する機能と、
前記固有の話題に関連する質問であって前記発話者に関する情報を引き出すための質問を含む応答文を生成する機能と、
前記質問を含む応答文と、前記質問を含む応答文に対する前記発話者の回答とを対応づけて、前記対話モデルの学習データとして記憶部に保存する機能と、を含む、
プログラム。
前記対話モデルは、前記発話者の固有の話題に関連する質問を含む応答文に対して前記発話者が過去に回答した情報を用いて学習されている、
請求項６に記載のプログラム。
プロセッサが、
発話の音声データを取得するステップと、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類するステップと、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するステップと、
前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成するステップと、
生成された前記応答文をスピーカに出力するステップと、
を実行し、
前記発話を要談と雑談とのいずれかに分類するステップにおいて、
前記発話を文節に分割するステップと、
分割した文節それぞれを、当該文節の意味を示す複数の意味カテゴリーのいずれかに分類するステップと、
前記文節それぞれの意味カテゴリーに基づいて、前記発話を文脈単位に分割するステップと、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて前記発話が要談と雑談とのいずれに分類するかを決定するステップと、を実行し、
前記要談用の応答文を生成するステップにおいて、
前記文脈それぞれから質問に関する文脈と依頼に関する文脈とを抽出するステップと、
抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、当該文脈を前記要談の対象とするドメイン毎にあらかじめ定められたいずれかの特徴型に分類するステップと、
抽出した質問に関する文脈及び依頼に関する文脈それぞれについて、分類された前記特徴型に基づいて応答文を生成するステップと、を実行し、
前記出力するステップにおいて、抽出した質問に関する文脈及び依頼に関する文脈それぞれの応答文を順に出力する、
応答生成方法。
プロセッサが、
発話の音声データを取得するステップと、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類するステップと、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するステップと、
前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成するステップと、
生成された前記応答文をスピーカに出力するステップと、
を実行し、
前記雑談用の応答文を生成するステップにおいて、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者を特定するステップと、
特定された発話者毎に機械学習によって生成された対話モデルを取得するステップと、
分割された文脈それぞれに前記対話モデルを適用することで、各文脈に対する応答文を生成するステップと、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、前記発話者に固有の話題に関する文脈を特定するステップと、
前記固有の話題に関連する質問であって前記発話者に関する情報を引き出すための質問を含む応答文を生成するステップと、
前記質問を含む応答文と、前記質問を含む応答文に対する前記発話者の回答とを対応づけて、前記対話モデルの学習データとして記憶部に保存するステップと、を実行する、
プログラム。
発話に対する応答文を生成する応答生成装置であって、
前記発話の音声データを取得する取得部と、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する発話分類部と、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するとともに、前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する応答文生成部と、
生成された前記応答文を出力する出力部と、
を備え、
前記発話分類部は、
前記発話を文節に分割する文節分割部３１０と、
分割した文節それぞれを、当該文節の意味を示す複数の意味カテゴリーのいずれかに分類する意味分類部と、
前記文節それぞれの意味カテゴリーに基づいて、前記発話を文脈単位に分割する文脈分割部と、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて前記発話が要談と雑談とのいずれに分類するかを決定する決定部と、を含み、
前記応答文生成部は、
前記文脈それぞれから質問に関する文脈と依頼に関する文脈とを抽出する文脈抽出部と、
抽出された質問に関する文脈と依頼に関する文脈とのそれぞれについて、当該文脈を前記要談の対象とするドメイン毎にあらかじめ定められたいずれかの特徴型に分類する特徴型分類部と、
抽出した質問に関する文脈及び依頼に関する文脈それぞれについて、分類された前記特徴型に基づいて応答文を生成する文生成部と、を含み、
前記出力部は、抽出した質問に関する文脈及び依頼に関する文脈それぞれの応答文を順に出力する、
応答生成装置。
発話に対する応答文を生成する応答生成装置であって、
前記発話の音声データを取得する取得部と、
前記音声データを解析して、前記発話を要談と雑談とのいずれかに分類する発話分類部と、
前記発話が要談に分類された場合、前記発話に対する要談用の応答文を生成するとともに、前記発話が雑談に分類された場合、前記発話に対する雑談用の応答文を生成する応答文生成部と、
生成された前記応答文を出力する出力部と、
を備え、
前記応答文生成部は、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、発話者を特定する発話者特定部と、
特定された発話者毎に機械学習によって生成された対話モデルを取得するモデル取得部と、
分割された文脈それぞれに前記対話モデルを適用することで、各文脈に対する応答文を生成する文生成部と、
分割された文脈それぞれに含まれる文節の意味カテゴリーに基づいて、前記発話者に固有の話題に関する文脈を特定する文脈特定部と、
前記固有の話題に関連する質問であって前記発話者に関する情報を引き出すための質問を含む応答文を生成する質問文生成部と、
前記質問を含む応答文と、前記質問を含む応答文に対する前記発話者の回答とを対応づけて、前記対話モデルの学習データとして記憶部に保存する学習データ保存と、を含む、
応答生成装置。