JPH0793351A - 自然言語質問応答生成装置 - Google Patents
自然言語質問応答生成装置Info
- Publication number
- JPH0793351A JPH0793351A JP5236221A JP23622193A JPH0793351A JP H0793351 A JPH0793351 A JP H0793351A JP 5236221 A JP5236221 A JP 5236221A JP 23622193 A JP23622193 A JP 23622193A JP H0793351 A JPH0793351 A JP H0793351A
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- question
- response
- answer
- question sentence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
(57)【要約】
【目的】 任意の入力質問文に対して、応答文の生成を
行う自然言語質問応答生成装置を提供すること。 【構成】 質問文解析部１０１は、辞書２０１を参照し
て入力された質問文の構文解析を行い、質問文から質問
文の主題・質問点・質問文の前提・質問文の命題内容を
抽出し、それらを含む意味表現に変換する。応答タイプ
決定部１０２は、質問文の意味表現と、質問文に含まれ
るイベントの概念構造と、人間の応答生成における推論
過程をモデル化した応答生成プロセスモデル２０２とを
参照して、応答文の応答タイプを決定する。応答文生成
部１０３は、決定された応答タイプを基にして、質問文
の意味表現・イベントの概念構造と、スクリプト的知識
ベース２０３中のタスクに関するスクリプト的知識とを
参照して自然言語による応答文を生成し出力する。
行う自然言語質問応答生成装置を提供すること。 【構成】 質問文解析部１０１は、辞書２０１を参照し
て入力された質問文の構文解析を行い、質問文から質問
文の主題・質問点・質問文の前提・質問文の命題内容を
抽出し、それらを含む意味表現に変換する。応答タイプ
決定部１０２は、質問文の意味表現と、質問文に含まれ
るイベントの概念構造と、人間の応答生成における推論
過程をモデル化した応答生成プロセスモデル２０２とを
参照して、応答文の応答タイプを決定する。応答文生成
部１０３は、決定された応答タイプを基にして、質問文
の意味表現・イベントの概念構造と、スクリプト的知識
ベース２０３中のタスクに関するスクリプト的知識とを
参照して自然言語による応答文を生成し出力する。
Description
【０００１】
【産業上の利用分野】本発明は、自然言語で行われる対
話を処理する装置に関するものであり、特に協調的に問
題解決を行うために、人間と自然言語を用いて対話をす
るデータベースの知的検索システム、コンサルテーショ
ンシステムなどに関するものである。
話を処理する装置に関するものであり、特に協調的に問
題解決を行うために、人間と自然言語を用いて対話をす
るデータベースの知的検索システム、コンサルテーショ
ンシステムなどに関するものである。
【０００２】
【従来の技術】従来の質問応答を行う自然言語対話処理
装置においては、浅い解析によるものとして、質問文の
質問点に対する直接的答が導けない場合が考慮されてい
ないものがあった。このような発明の例として特開昭５
９−２１６２２９号公報に記載されたものがある。この
発明では知識をまず入力文章として与え、それらの知識
を組み合わせることによって推論を行い、質問文に対す
る応答文を出力として生成している。しかし、質問文の
質問点に対する直接的答を知識として持たない場合は考
慮されていない。
装置においては、浅い解析によるものとして、質問文の
質問点に対する直接的答が導けない場合が考慮されてい
ないものがあった。このような発明の例として特開昭５
９−２１６２２９号公報に記載されたものがある。この
発明では知識をまず入力文章として与え、それらの知識
を組み合わせることによって推論を行い、質問文に対す
る応答文を出力として生成している。しかし、質問文の
質問点に対する直接的答を知識として持たない場合は考
慮されていない。
【０００３】または深い解析によるものとして、対話全
体を通してのプランの認識を前提とし、領域情報を含め
た十分な情報を用いるものがあった。このような発明の
例として特開平１−２３３６１９号公報に記載されたも
のがある。この装置では、問題領域に依存して決定され
る知識であるドメインプランの認識を前提としているた
め、いくつかのドメインプランが対話の意味内容を完全
に網羅し、利用者の知識状態について大局的に理解する
ことが必要であった。
体を通してのプランの認識を前提とし、領域情報を含め
た十分な情報を用いるものがあった。このような発明の
例として特開平１−２３３６１９号公報に記載されたも
のがある。この装置では、問題領域に依存して決定され
る知識であるドメインプランの認識を前提としているた
め、いくつかのドメインプランが対話の意味内容を完全
に網羅し、利用者の知識状態について大局的に理解する
ことが必要であった。
【０００４】
【発明が解決しようとする課題】従来の自然言語対話処
理装置では、浅い解析のみを用いるために、任意の質問
文に対する応答の完全性が制限された。または深い解析
を用いるために、必要以上に巨大な情報や処理量を要し
たり、領域の相違により対応できない対話が生じたりし
た。巨大な情報や処理量を要することなく、任意の対話
領域及び入力質問文に対応した処理を行うことが必要で
ある。
理装置では、浅い解析のみを用いるために、任意の質問
文に対する応答の完全性が制限された。または深い解析
を用いるために、必要以上に巨大な情報や処理量を要し
たり、領域の相違により対応できない対話が生じたりし
た。巨大な情報や処理量を要することなく、任意の対話
領域及び入力質問文に対応した処理を行うことが必要で
ある。
【０００５】例として、次のような質問文に対する応答
について考える。 質問例Ａ１ 本の注文をしたいのですが、いつ届きます
か？ この質問文の質問点は「いつ」である。質問点に対する
直接的答が与えられているならば、通常の典型的な応答
文として以下のようなものが導かれる。 応答例Ａ２ ２週間前後です。また質問点「いつ」に対
する直接的答が、本の種類などによって一意には定めら
れない場合、従来の装置では以下のような応答文しか得
られなかった。 応答例Ａ３ わかりません。しかし実際の対話において
は、以下のような応答もあり得る。 応答例Ａ４ 本のタイトルは何ですか？ 応答例Ａ５ 出版社がＡ社なら１週間、Ｂ社なら２週間
ですね。 従来の装置では、これらの応答文を生成するようには対
応していない。
について考える。 質問例Ａ１ 本の注文をしたいのですが、いつ届きます
か？ この質問文の質問点は「いつ」である。質問点に対する
直接的答が与えられているならば、通常の典型的な応答
文として以下のようなものが導かれる。 応答例Ａ２ ２週間前後です。また質問点「いつ」に対
する直接的答が、本の種類などによって一意には定めら
れない場合、従来の装置では以下のような応答文しか得
られなかった。 応答例Ａ３ わかりません。しかし実際の対話において
は、以下のような応答もあり得る。 応答例Ａ４ 本のタイトルは何ですか？ 応答例Ａ５ 出版社がＡ社なら１週間、Ｂ社なら２週間
ですね。 従来の装置では、これらの応答文を生成するようには対
応していない。
【０００６】また従来の自然言語対話処理装置では、質
問文の質問点に対する直接的答が得られたときに、直接
的答に付随的な情報を加えた応答を行うことについては
考慮していなかった。例えば次のような質問文に対する
応答について考える。 質問例Ａ６ 数学セミナーも２割引きなのですか？この
質問文の質問点は「数学セミナーが２割引きである／な
い」である。質問点に対する直接的答が「Ｙｅｓ」であ
れば、通常の応答文は以下のようになる。 応答例Ａ７ はい、そうです。しかし実際の対話におい
ては、以下のような応答もあり得る。 応答例Ａ８ 雑誌はすべて２割引きです。 この応答文は質問点に対する直接的答の示す内容を一般
化している。これは、質問例Ａ６に含まれる提題助詞
「も」が質問者の意図として「数学セミナー以外にも２
割引きの本がある」あるいは「数学セミナーが２割引き
になることは起こりにくいことである」を含んでいるこ
とを示し、そのことを理解した応答者が質問者の意図を
考慮した上で情報を付加した応答を行ったと考えること
ができる。
問文の質問点に対する直接的答が得られたときに、直接
的答に付随的な情報を加えた応答を行うことについては
考慮していなかった。例えば次のような質問文に対する
応答について考える。 質問例Ａ６ 数学セミナーも２割引きなのですか？この
質問文の質問点は「数学セミナーが２割引きである／な
い」である。質問点に対する直接的答が「Ｙｅｓ」であ
れば、通常の応答文は以下のようになる。 応答例Ａ７ はい、そうです。しかし実際の対話におい
ては、以下のような応答もあり得る。 応答例Ａ８ 雑誌はすべて２割引きです。 この応答文は質問点に対する直接的答の示す内容を一般
化している。これは、質問例Ａ６に含まれる提題助詞
「も」が質問者の意図として「数学セミナー以外にも２
割引きの本がある」あるいは「数学セミナーが２割引き
になることは起こりにくいことである」を含んでいるこ
とを示し、そのことを理解した応答者が質問者の意図を
考慮した上で情報を付加した応答を行ったと考えること
ができる。
【０００７】本発明は、上述のような入力質問文の質問
点に対する直接的答が与えられない場合にも、あらかじ
め用意された領域知識を用いることなく局所的な処理の
みによって、また質問者の意図を考慮した上で、応答文
の生成を行う自然言語質問応答生成装置を提供すること
を目的とする。
点に対する直接的答が与えられない場合にも、あらかじ
め用意された領域知識を用いることなく局所的な処理の
みによって、また質問者の意図を考慮した上で、応答文
の生成を行う自然言語質問応答生成装置を提供すること
を目的とする。
【０００８】
【課題を解決するための手段】本発明は上記目的を達成
するために、自然言語で入力される任意の質問文に対
し、応答文を生成する自然言語質問応答生成装置であっ
て、利用者から入力される質問文を解析して意味表現に
変換する質問文解析手段と、人間の応答生成における推
論過程をモデル化した応答生成プロセスモデルを記憶す
る応答生成プロセスモデル記憶手段と、前記意味表現と
前記応答生成プロセスモデルとを参照して応答タイプを
決定する応答タイプ決定手段と、応答タイプを基に自然
言語による応答文を生成する応答文生成手段とを備えて
構成される。
するために、自然言語で入力される任意の質問文に対
し、応答文を生成する自然言語質問応答生成装置であっ
て、利用者から入力される質問文を解析して意味表現に
変換する質問文解析手段と、人間の応答生成における推
論過程をモデル化した応答生成プロセスモデルを記憶す
る応答生成プロセスモデル記憶手段と、前記意味表現と
前記応答生成プロセスモデルとを参照して応答タイプを
決定する応答タイプ決定手段と、応答タイプを基に自然
言語による応答文を生成する応答文生成手段とを備えて
構成される。
【０００９】
【作用】上記構成により、入力された質問文を意味表現
に変換し、その意味表現に含まれる情報を用いて応答生
成プロセスモデルを辿ることで応答タイプを決定し、任
意の質問文に対する応答文を生成することができる。
に変換し、その意味表現に含まれる情報を用いて応答生
成プロセスモデルを辿ることで応答タイプを決定し、任
意の質問文に対する応答文を生成することができる。
【００１０】
【実施例】以下図面を用いて本発明の一実施例の自然言
語質問応答生成装置について説明する。本発明の一実施
例の構成を表すブロック図を図１に示す。自然言語によ
って利用者が発した質問文は、例えば音声認識処理によ
りコード変換がなされて、質問文解析部１０１に入力さ
れる。質問文解析部１０１は、辞書２０１を参照して入
力された質問文の構文解析を行い、質問文から質問文の
主題・質問点・質問文の前提・質問文の命題内容を抽出
し、それらを含む意味表現に変換する。辞書２０１は、
イベントを表す単語の語彙項目について、因果関係及び
時系列上の関係を記述したイベントの概念構造を保有す
る。応答タイプ決定部１０２は、質問文解析部１０１が
生成した質問文の意味表現と、質問文に含まれるイベン
トの概念構造と、人間の応答生成における推論過程をモ
デル化した応答生成プロセスモデル２０２とを参照し
て、応答文の応答タイプを決定する。応答タイプを決定
する際、質問文の表層的な情報を用いることにより質問
者の意図を考慮して決定する。応答文生成部１０３は、
決定された応答タイプを基にして、質問文の意味表現・
イベントの概念構造と、スクリプト的知識ベース２０３
中のタスクに関するスクリプト的知識とを参照して自然
言語による応答文を生成し出力する。応答文を生成する
際、応答タイプに応じて異なった文型・文末表現を用い
ることにより自然な応答文を生成する。
語質問応答生成装置について説明する。本発明の一実施
例の構成を表すブロック図を図１に示す。自然言語によ
って利用者が発した質問文は、例えば音声認識処理によ
りコード変換がなされて、質問文解析部１０１に入力さ
れる。質問文解析部１０１は、辞書２０１を参照して入
力された質問文の構文解析を行い、質問文から質問文の
主題・質問点・質問文の前提・質問文の命題内容を抽出
し、それらを含む意味表現に変換する。辞書２０１は、
イベントを表す単語の語彙項目について、因果関係及び
時系列上の関係を記述したイベントの概念構造を保有す
る。応答タイプ決定部１０２は、質問文解析部１０１が
生成した質問文の意味表現と、質問文に含まれるイベン
トの概念構造と、人間の応答生成における推論過程をモ
デル化した応答生成プロセスモデル２０２とを参照し
て、応答文の応答タイプを決定する。応答タイプを決定
する際、質問文の表層的な情報を用いることにより質問
者の意図を考慮して決定する。応答文生成部１０３は、
決定された応答タイプを基にして、質問文の意味表現・
イベントの概念構造と、スクリプト的知識ベース２０３
中のタスクに関するスクリプト的知識とを参照して自然
言語による応答文を生成し出力する。応答文を生成する
際、応答タイプに応じて異なった文型・文末表現を用い
ることにより自然な応答文を生成する。
【００１１】次に本発明の実施例の動作を詳細に説明す
る。質問文解析部１０１は、辞書２０１を参照すること
により、利用者から入力された質問文について構文解析
を行い、質問文から以下に述べるような情報を抽出す
る。 （１）質問文の命題内容。単語の持つ格構造に関する情
報を基に、述語名と、引数の役割及びその値の二字組の
群のリストによる記述形式を構成し、質問文の命題内容
として抽出する。例えば、前出の質問例Ａ６について
は、（ｄｉｓｃｏｕｎｔ（Ｏ（数学セミナー））（Ｄ
（２割）））が質問文の命題内容である。ここで、Ｏは
引数の役割が対象であることを、Ｄは引数の役割が程度
であることを表す。ここで、質問文の命題内容が何らか
の事象（以下、イベントと呼ぶ）を表している場合、命
題内容はイベントの概念構造を付随する情報として持
つ。
る。質問文解析部１０１は、辞書２０１を参照すること
により、利用者から入力された質問文について構文解析
を行い、質問文から以下に述べるような情報を抽出す
る。 （１）質問文の命題内容。単語の持つ格構造に関する情
報を基に、述語名と、引数の役割及びその値の二字組の
群のリストによる記述形式を構成し、質問文の命題内容
として抽出する。例えば、前出の質問例Ａ６について
は、（ｄｉｓｃｏｕｎｔ（Ｏ（数学セミナー））（Ｄ
（２割）））が質問文の命題内容である。ここで、Ｏは
引数の役割が対象であることを、Ｄは引数の役割が程度
であることを表す。ここで、質問文の命題内容が何らか
の事象（以下、イベントと呼ぶ）を表している場合、命
題内容はイベントの概念構造を付随する情報として持
つ。
【００１２】辞書２０１に含まれる語彙項目は、イベン
トやオブジェクトの概念構造、オブジェクト間及びイベ
ント間の概念関係を一般的知識として持つ。オブジェク
トの概念構造は機能の観点から定義する。オブジェクト
間の概念関係としては、一般的に用いられる階層関係や
包含関係を中心に記述する。イベント間の因果関係及び
時系列上の関係を記述したイベントの概念構造を図２に
示す。例えば、辞書２０１中の単語「返す」の持つ格構
造情報は（ｒｅｔｕｒｎ（Ｓ（人１））（Ｏ（物））
（ＯＴ（人２））（Ｔ））となっている。ここでＳ，Ｏ
Ｔ，Ｔは引数の役割がそれぞれ主体、目標、時間である
ことを表す。このイベントの概念構造に対して、オブジ
ェクト「本」の概念構造を組み込んだイベント「本を返
す」の概念構造は、図３に示すようになる。ｈａｖｅ，
ｍｏｖｅ，ｒｅａｄを述語とする各イベントは基本イベ
ントである。（α Ｘ−β）は、基本イベントにおける
格要素αが、イベント「本を返す」の格要素βであるこ
とを表す。Ｔ（ｎｐ）におけるｎはその基本イベントが
イベント「本を返す」のｎ個目の先行イベントであるこ
とを表し、Ｔ（ｎｓ）におけるｎはその基本イベントが
イベント「本を返す」のｎ個目の後続イベントであるこ
とを表す。また、Ｔ（ｎ）におけるｎは、その基本イベ
ントがイベント「本を返す」を構成するサブイベントの
うちｎ個目のサブイベントであることを表す。 （２）主題。質問文の主題を、次のような優先順位に基
づいて抽出する。 優先順位１ 提題助詞を伴う句。 優先順位２ 助詞が省略された句。 優先順位３ 省略された句。 優先順位４ 主体を表す句。 （３）質問点。疑問詞を伴う質問では、疑問詞で表され
ている格要素を質問点として抽出する。ｙｅｓあるいは
ｎｏで答える質問は、「の」（または、音便化した
「ん」）の存在の有無により、既定の部分を前提として
未知の部分を質問する焦点質問であるか、単に質問文の
命題内容が成立するかどうかを尋ねる判別質問であるか
を判定する。焦点質問では、題目以外の格要素や述語の
修飾語が質問点になる。この場合、次のような優先度を
持つヒューリスティックスを用いて質問点を抽出する。 ａ．必須格要素より任意格要素を優先 ｂ．被修飾語より修飾語を優先 ｃ．アクセントの強い要素を優先 判別質問では、質問文の命題内容が成立するかしないか
が質問点となる。 （４）質問文の前提。図４に質問文の前提の分類を示
す。以下に、それぞれの前提の説明と、抽出の方法を述
べる。 ・存在前提。質問文の主題が実際に存在すること。 ・叙述前提。質問点以外に直接質問文中で記述されてい
る事象。形式的には、質問文の命題内容において質問点
を存在限量子に置き換えた式が成立すること。 ・言外の意味。質問文中の各単語について、通常辞書に
記述されるような直接的意味以外に、その単語の内容が
成立するための条件。形式的には、質問文の命題内容に
よって導かれるイベントの概念構造の中の前提条件、サ
ブイベント群、必然後続状態。 ・応答者の知識に関する適切性。本実施例においては装
置が応答者にあたり、この応答者が質問点に対する直接
的答を知っていること。 ・文脈との関係に対する適切性。質問文の主題が、先行
対話中あるいは発話状況の対象に一意に対応可能である
こと。 ・「も」、「さえ」、「でも」、「すら」、「だっ
て」、「まで」によって導入される前提。助詞によって
取り立てられたものと同類の他のもので質問文の命題内
容を満たすものがあること。 ・「は」によって導入される前提。助詞によって取り立
てられたものと同類の他のもので質問文の命題内容を満
たさないものがあること。 ・「だけ」、「しか」、「ばかり」、「のみ」によって
導入される前提。助詞によって取り立てられたものと同
類の他のものは、質問文の命題内容を満たさないこと。 ・「さえ」、「まで」、「も」によって導入される前
提。一般に質問文の命題内容が成立する可能性が低いこ
と。取り立て助詞「さえ」、「まで」、「も」は前述の
前提と併せて、複数の前提を導いているものとする。
トやオブジェクトの概念構造、オブジェクト間及びイベ
ント間の概念関係を一般的知識として持つ。オブジェク
トの概念構造は機能の観点から定義する。オブジェクト
間の概念関係としては、一般的に用いられる階層関係や
包含関係を中心に記述する。イベント間の因果関係及び
時系列上の関係を記述したイベントの概念構造を図２に
示す。例えば、辞書２０１中の単語「返す」の持つ格構
造情報は（ｒｅｔｕｒｎ（Ｓ（人１））（Ｏ（物））
（ＯＴ（人２））（Ｔ））となっている。ここでＳ，Ｏ
Ｔ，Ｔは引数の役割がそれぞれ主体、目標、時間である
ことを表す。このイベントの概念構造に対して、オブジ
ェクト「本」の概念構造を組み込んだイベント「本を返
す」の概念構造は、図３に示すようになる。ｈａｖｅ，
ｍｏｖｅ，ｒｅａｄを述語とする各イベントは基本イベ
ントである。（α Ｘ−β）は、基本イベントにおける
格要素αが、イベント「本を返す」の格要素βであるこ
とを表す。Ｔ（ｎｐ）におけるｎはその基本イベントが
イベント「本を返す」のｎ個目の先行イベントであるこ
とを表し、Ｔ（ｎｓ）におけるｎはその基本イベントが
イベント「本を返す」のｎ個目の後続イベントであるこ
とを表す。また、Ｔ（ｎ）におけるｎは、その基本イベ
ントがイベント「本を返す」を構成するサブイベントの
うちｎ個目のサブイベントであることを表す。 （２）主題。質問文の主題を、次のような優先順位に基
づいて抽出する。 優先順位１ 提題助詞を伴う句。 優先順位２ 助詞が省略された句。 優先順位３ 省略された句。 優先順位４ 主体を表す句。 （３）質問点。疑問詞を伴う質問では、疑問詞で表され
ている格要素を質問点として抽出する。ｙｅｓあるいは
ｎｏで答える質問は、「の」（または、音便化した
「ん」）の存在の有無により、既定の部分を前提として
未知の部分を質問する焦点質問であるか、単に質問文の
命題内容が成立するかどうかを尋ねる判別質問であるか
を判定する。焦点質問では、題目以外の格要素や述語の
修飾語が質問点になる。この場合、次のような優先度を
持つヒューリスティックスを用いて質問点を抽出する。 ａ．必須格要素より任意格要素を優先 ｂ．被修飾語より修飾語を優先 ｃ．アクセントの強い要素を優先 判別質問では、質問文の命題内容が成立するかしないか
が質問点となる。 （４）質問文の前提。図４に質問文の前提の分類を示
す。以下に、それぞれの前提の説明と、抽出の方法を述
べる。 ・存在前提。質問文の主題が実際に存在すること。 ・叙述前提。質問点以外に直接質問文中で記述されてい
る事象。形式的には、質問文の命題内容において質問点
を存在限量子に置き換えた式が成立すること。 ・言外の意味。質問文中の各単語について、通常辞書に
記述されるような直接的意味以外に、その単語の内容が
成立するための条件。形式的には、質問文の命題内容に
よって導かれるイベントの概念構造の中の前提条件、サ
ブイベント群、必然後続状態。 ・応答者の知識に関する適切性。本実施例においては装
置が応答者にあたり、この応答者が質問点に対する直接
的答を知っていること。 ・文脈との関係に対する適切性。質問文の主題が、先行
対話中あるいは発話状況の対象に一意に対応可能である
こと。 ・「も」、「さえ」、「でも」、「すら」、「だっ
て」、「まで」によって導入される前提。助詞によって
取り立てられたものと同類の他のもので質問文の命題内
容を満たすものがあること。 ・「は」によって導入される前提。助詞によって取り立
てられたものと同類の他のもので質問文の命題内容を満
たさないものがあること。 ・「だけ」、「しか」、「ばかり」、「のみ」によって
導入される前提。助詞によって取り立てられたものと同
類の他のものは、質問文の命題内容を満たさないこと。 ・「さえ」、「まで」、「も」によって導入される前
提。一般に質問文の命題内容が成立する可能性が低いこ
と。取り立て助詞「さえ」、「まで」、「も」は前述の
前提と併せて、複数の前提を導いているものとする。
【００１３】質問文の命題内容・主題・質問点・質問文
の前提は、質問文の意味表現として応答タイプ決定部１
０２に渡される。
の前提は、質問文の意味表現として応答タイプ決定部１
０２に渡される。
【００１４】応答タイプ決定部１０２は、質問文の意味
表現と、質問文に含まれるイベントの概念構造とを参照
して、人間の応答生成における推論過程をモデル化した
応答生成プロセスモデル２０２を辿ることにより、応答
文の応答タイプを決定する。応答タイプの分類を図５
に、応答生成プロセスモデルを図６に示す。応答生成プ
ロセスモデルの分岐条件判定のうち、前提の成立／不成
立・計画立案の際の情報の充足／不足の二つの判定は、
質問文の意味表現・イベントの概念構造から一意に決定
できる。しかしそれら以外の判定については、利用者に
対するシステムの「親切度」として、どのようにも設定
が可能である。また質問文において、語用論的前提を導
く提題助詞が用いられている場合、その質問文に含まれ
る質問者の意図を考慮して行われる応答として、理由・
判断の根拠・一般化といった付加情報による応答を優先
的に選択する。
表現と、質問文に含まれるイベントの概念構造とを参照
して、人間の応答生成における推論過程をモデル化した
応答生成プロセスモデル２０２を辿ることにより、応答
文の応答タイプを決定する。応答タイプの分類を図５
に、応答生成プロセスモデルを図６に示す。応答生成プ
ロセスモデルの分岐条件判定のうち、前提の成立／不成
立・計画立案の際の情報の充足／不足の二つの判定は、
質問文の意味表現・イベントの概念構造から一意に決定
できる。しかしそれら以外の判定については、利用者に
対するシステムの「親切度」として、どのようにも設定
が可能である。また質問文において、語用論的前提を導
く提題助詞が用いられている場合、その質問文に含まれ
る質問者の意図を考慮して行われる応答として、理由・
判断の根拠・一般化といった付加情報による応答を優先
的に選択する。
【００１５】応答文生成部１０３は、決定された応答タ
イプを基に、質問文の意味表現と、イベントの概念構造
と、スクリプト的知識ベース２０３中のタスクに関する
スクリプト的知識とを参照して自然言語による応答文を
生成し出力する。スクリプト的知識ベース２０３は、タ
スクをゴールとみなしてそのゴールを達成するためのサ
ブゴールを記述したツリー状のプラン構造を持つ。応答
タイプに対する応答文の生成パターンを図７に示す。応
答文を生成する際、以下に示すように、応答タイプに応
じて異なった文型・文末表現を用いることにより自然な
応答文を生成する。 １．文型。例えば、応答タイプが不足情報要求型であれ
ば疑問文、計画提示型であれば依頼・勧誘文を用いる。 ２．文末表現。例えば、応答タイプが中止型であれば、
相手の誤解を指摘する場合の人間の自然な反応を考慮し
て、応答文の文末に「…ですが」のような言い淀み表現
を用いる。あるいは、応答タイプが理由という付加情報
による応答であれば、「から」や「ので」のような理由
を述べる表現を用いる。
イプを基に、質問文の意味表現と、イベントの概念構造
と、スクリプト的知識ベース２０３中のタスクに関する
スクリプト的知識とを参照して自然言語による応答文を
生成し出力する。スクリプト的知識ベース２０３は、タ
スクをゴールとみなしてそのゴールを達成するためのサ
ブゴールを記述したツリー状のプラン構造を持つ。応答
タイプに対する応答文の生成パターンを図７に示す。応
答文を生成する際、以下に示すように、応答タイプに応
じて異なった文型・文末表現を用いることにより自然な
応答文を生成する。 １．文型。例えば、応答タイプが不足情報要求型であれ
ば疑問文、計画提示型であれば依頼・勧誘文を用いる。 ２．文末表現。例えば、応答タイプが中止型であれば、
相手の誤解を指摘する場合の人間の自然な反応を考慮し
て、応答文の文末に「…ですが」のような言い淀み表現
を用いる。あるいは、応答タイプが理由という付加情報
による応答であれば、「から」や「ので」のような理由
を述べる表現を用いる。
【００１６】本発明の実施例の具体的な動作を、以下の
対話例Ｂ１を用いて説明する。この対話において、Ｕ＊
は利用者の、Ｓ＊は本発明の装置によるシステムの発話
を表す。 対話例Ｂ１： Ｕ１ 注文した本は届いていますか？ Ｓ２ まだ、ないようです。 Ｕ３ 雑誌のバックナンバーはどこにありますか？ Ｓ４ どの雑誌のバックナンバーですか？ Ｕ５ 数学セミナーです。 Ｓ６ 数学セミナーのバックナンバーは置いていないの
ですが。 Ｕ７ ここも図書カードは使えないのですか？ Ｓ８ まだどこも使えないそうです。
対話例Ｂ１を用いて説明する。この対話において、Ｕ＊
は利用者の、Ｓ＊は本発明の装置によるシステムの発話
を表す。 対話例Ｂ１： Ｕ１ 注文した本は届いていますか？ Ｓ２ まだ、ないようです。 Ｕ３ 雑誌のバックナンバーはどこにありますか？ Ｓ４ どの雑誌のバックナンバーですか？ Ｕ５ 数学セミナーです。 Ｓ６ 数学セミナーのバックナンバーは置いていないの
ですが。 Ｕ７ ここも図書カードは使えないのですか？ Ｓ８ まだどこも使えないそうです。
【００１７】例えば、発話Ｕ３は、「雑誌のバックナン
バー」を主題とする質問文である。この質問文に対して
システムは、主題を先行対話中あるいは発話状況の対象
に一意に対応させることに失敗する（文脈との関係に対
する適切性の不成立）。従って、論理的前提成立・語用
論的前提不成立として応答生成プロセスモデル２０２を
辿る。計画立案については、より「親切な」システムと
して、「計画立案をする」ものとして設定する。計画立
案によって不足情報が導けるので、応答タイプを不足情
報要求型と決定する。主題「雑誌のバックナンバー」の
雑誌の種類を不足情報として、それを尋ねる疑問文を応
答文Ｓ４として生成する。
バー」を主題とする質問文である。この質問文に対して
システムは、主題を先行対話中あるいは発話状況の対象
に一意に対応させることに失敗する（文脈との関係に対
する適切性の不成立）。従って、論理的前提成立・語用
論的前提不成立として応答生成プロセスモデル２０２を
辿る。計画立案については、より「親切な」システムと
して、「計画立案をする」ものとして設定する。計画立
案によって不足情報が導けるので、応答タイプを不足情
報要求型と決定する。主題「雑誌のバックナンバー」の
雑誌の種類を不足情報として、それを尋ねる疑問文を応
答文Ｓ４として生成する。
【００１８】続く発話Ｕ５により、元の質問文の主題が
「数学セミナーのバックナンバー」であると同定してシ
ステムは処理を続ける。この質問に対してシステムは、
存在前提が成立しない（主題「数学セミナーのバックナ
ンバー」が存在しない）と判断し、応答生成プロセスモ
デル２０２を辿ることによって応答タイプを中止型と決
定する。存在前提の不成立を伝達し、文末に言い淀み表
現を用いた応答文Ｓ６を生成する。
「数学セミナーのバックナンバー」であると同定してシ
ステムは処理を続ける。この質問に対してシステムは、
存在前提が成立しない（主題「数学セミナーのバックナ
ンバー」が存在しない）と判断し、応答生成プロセスモ
デル２０２を辿ることによって応答タイプを中止型と決
定する。存在前提の不成立を伝達し、文末に言い淀み表
現を用いた応答文Ｓ６を生成する。
【００１９】上記対話例Ｂ１全体における応答タイプ決
定の処理結果を、図８に示す。
定の処理結果を、図８に示す。
【００２０】
【発明の効果】上述のように本発明の自然言語質問応答
生成装置によれば、入力された質問文中に含まれる前提
や、人間の応答生成における推論過程をモデル化した応
答生成プロセスモデルを用いることにより、大局的な利
用者のプラン認識などの巨大な情報や処理量を要するこ
となく、局所的な処理で任意の質問文に対する応答文を
生成することができる。
生成装置によれば、入力された質問文中に含まれる前提
や、人間の応答生成における推論過程をモデル化した応
答生成プロセスモデルを用いることにより、大局的な利
用者のプラン認識などの巨大な情報や処理量を要するこ
となく、局所的な処理で任意の質問文に対する応答文を
生成することができる。
【００２１】例えば、前出の質問例Ａ１に対して応答例
Ａ２は基本形、Ａ３は中止型、Ａ４は不足情報要求型、
Ａ５は代替応答型として、また質問例Ａ６に対して応答
例Ａ７は基本形、Ａ８は一般化という付加情報による応
答として生成される。
Ａ２は基本形、Ａ３は中止型、Ａ４は不足情報要求型、
Ａ５は代替応答型として、また質問例Ａ６に対して応答
例Ａ７は基本形、Ａ８は一般化という付加情報による応
答として生成される。
【図１】本発明の実施例の構成を表すブロック図
【図２】イベントの概念構造を示す図
【図３】イベント「本を返す」の概念構造を示す図
【図４】質問文の前提を分類した図
【図５】応答タイプを分類した図
【図６】応答生成プロセスモデルを示す図
【図７】応答タイプに対する応答文生成パターンを示す
図
図
【図８】対話例Ｂ１における応答タイプ決定の結果を示
す図
す図
１０１ 質問文解析部 １０２ 応答タイプ決定部 １０３ 応答文生成部 ２０１ 辞書 ２０２ 応答生成プロセスモデル ２０３ スクリプト的知識ベース
Claims (7)
- 【請求項１】単語の語彙項目を記憶する辞書記憶手段
と、利用者から自然言語で入力される質問文を解析して
意味表現に変換する質問文解析手段と、人間の応答生成
における推論過程をモデル化した応答生成プロセスモデ
ルを記憶する応答生成プロセスモデル記憶手段と、前記
意味表現と前記応答生成プロセスモデルとを参照して応
答タイプを決定する応答タイプ決定手段と、前記応答タ
イプを基に自然言語による応答文を生成する応答文生成
手段とを有することを特徴とする自然言語質問応答生成
装置。 - 【請求項２】辞書記憶手段は、イベントを表す単語の語
彙項目について、因果関係及び時系列上の関係を記述し
たイベントの概念構造を保有することを特徴とする請求
項１記載の自然言語質問応答生成装置。 - 【請求項３】応答タイプ決定手段において、イベントを
表す質問文に対して、イベントの概念構造をも参照して
応答タイプを決定することを特徴とする請求項２記載の
自然言語質問応答生成装置。 - 【請求項４】タスクに関するスクリプト的知識を記憶す
るスクリプト的知識ベース記憶手段を有し、応答文生成
手段において、前記スクリプト知識をも参照して応答文
を生成することを特徴とする請求項１または３記載の自
然言語質問応答生成装置。 - 【請求項５】質問文解析手段において、質問文から質問
文の主題・質問点・質問文の前提・質問文の命題内容を
抽出し、質問文から変換された意味表現がそれらを含む
ことを特徴とする請求項１〜４のいずれかに記載の自然
言語質問応答生成装置。 - 【請求項６】応答タイプ決定手段において、質問文の表
層的な情報から、それに対する意図を考慮した応答文と
なるように応答タイプを決定することを特徴とする請求
項１〜５のいずれかに記載の自然言語質問応答生成装
置。 - 【請求項７】応答文生成手段において、決定された応答
タイプに応じて異なった文型・文末表現を用いることに
より自然な応答文を生成することを特徴とする請求項１
〜６のいずれかに記載の自然言語質問応答生成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5236221A JPH0793351A (ja) | 1993-09-22 | 1993-09-22 | 自然言語質問応答生成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5236221A JPH0793351A (ja) | 1993-09-22 | 1993-09-22 | 自然言語質問応答生成装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0793351A true JPH0793351A (ja) | 1995-04-07 |
Family
ID=16997582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5236221A Pending JPH0793351A (ja) | 1993-09-22 | 1993-09-22 | 自然言語質問応答生成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0793351A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005038088A (ja) * | 2003-07-17 | 2005-02-10 | Toshiba Corp | 質問応答装置及び質問応答方法 |
| JP2012088893A (ja) * | 2010-10-19 | 2012-05-10 | Kyoto Univ | 質問応答システム |
| JP2013047972A (ja) * | 2012-10-19 | 2013-03-07 | A Visel Thomas | 人間の脳の電子的なエミュレーションに心理学的な気質を取り入れるための方法 |
| WO2014021074A1 (ja) * | 2012-07-31 | 2014-02-06 | 日本電気株式会社 | 問題事態検出装置、問題事態検出方法及び問題事態検出用プログラム |
| CN110851579A (zh) * | 2019-11-06 | 2020-02-28 | 杨鑫蛟 | 用户意图识别方法、系统、移动终端及存储介质 |
| US10860948B2 (en) | 2015-08-14 | 2020-12-08 | Fuji Xerox Co., Ltd. | Extending question training data using word replacement |
| KR20210086436A (ko) * | 2019-12-27 | 2021-07-08 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 질의 응답 처리 방법, 장치, 전자 기기 및 저장 매체 |
-
1993
- 1993-09-22 JP JP5236221A patent/JPH0793351A/ja active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005038088A (ja) * | 2003-07-17 | 2005-02-10 | Toshiba Corp | 質問応答装置及び質問応答方法 |
| JP2012088893A (ja) * | 2010-10-19 | 2012-05-10 | Kyoto Univ | 質問応答システム |
| WO2014021074A1 (ja) * | 2012-07-31 | 2014-02-06 | 日本電気株式会社 | 問題事態検出装置、問題事態検出方法及び問題事態検出用プログラム |
| JPWO2014021074A1 (ja) * | 2012-07-31 | 2016-07-21 | 日本電気株式会社 | 問題事態検出装置、問題事態検出方法及び問題事態検出用プログラム |
| JP2013047972A (ja) * | 2012-10-19 | 2013-03-07 | A Visel Thomas | 人間の脳の電子的なエミュレーションに心理学的な気質を取り入れるための方法 |
| US10860948B2 (en) | 2015-08-14 | 2020-12-08 | Fuji Xerox Co., Ltd. | Extending question training data using word replacement |
| CN110851579A (zh) * | 2019-11-06 | 2020-02-28 | 杨鑫蛟 | 用户意图识别方法、系统、移动终端及存储介质 |
| KR20210086436A (ko) * | 2019-12-27 | 2021-07-08 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 질의 응답 처리 방법, 장치, 전자 기기 및 저장 매체 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Panton et al. | Common sense reasoning–from Cyc to intelligent assistant | |
| CN114846461A (zh) | 用于将自然语言查询转换为结构化查询语言的模式注释文件的自动创建 | |
| Bastianelli et al. | Speaky for robots: the development of vocal interfaces for robotic applications | |
| JPH0793351A (ja) | 自然言語質問応答生成装置 | |
| Cheng et al. | A question answering system for project management applications | |
| Sidi Yakoub et al. | Mobile spoken dialogue system using parser dependencies and ontology | |
| Moubaiddin et al. | Arabic dialogue system for hotel reservation based on natural language processing techniques | |
| Kotov et al. | Linguistic approaches to robotics: from text analysis to the synthesis of behavior | |
| Paraiso et al. | Ontologies supporting intelligent agent-based assistance | |
| Aunimo | Enhancing Reliability and User Experience in Conversational Agents | |
| Prajapati et al. | Semantic network based cognitive, NLP powered question answering system for teaching electrical motor concepts | |
| Kazemzadeh | BERT-Assisted Semantic Annotation Correction for Emotion-Related Questions | |
| Bettahar et al. | Ontologies supporting egovernment services | |
| Waltl | Semantic Analysis and Computational Modeling of Legal Documents | |
| Číhalová et al. | Conceptual framework for the conversion of text document into TIL-Script | |
| Aina | A Hybrid Yoruba Noun Ontology | |
| Sugimoto et al. | Dialogue management with the Semiotic Base: a systemic functional linguistic approach | |
| López et al. | Lifeline dialogues with roberta | |
| Arunkumar et al. | Development of Chatbot Automation Application–DGCT CSE ALEXA | |
| Smith | Natural language generation in the LOLITA system an engineering approach | |
| Lonsdale | An operator-based integration of comprehension and generation | |
| Tripathi et al. | Performance Analysis of Chatbots and Brief Study About Technical Aspects | |
| Griol et al. | A Data-Driven Approach to Dialog Structure Modeling | |
| Iftikhar et al. | Identification of textual entailments in business rules | |
| Snyder | Simulating the Machine Translation of Low-Resource Languages by Designing a Translator Between English and an Artificially Constructed Language |