JPWO2013136634A1 - ドキュメント検索装置およびドキュメント検索方法 - Google Patents

Abstract

発話内容推定部１４は、ドキュメント１の内容を問う想定質問とその回答となるドキュメントＩＤとの対応関係を学習した発話推定モデル９を基に、ドキュメント１内からユーザ入力解析結果１１の回答に相当するドキュメントＩＤを推定する。結果統合部１６は、発話推定モデル９のドキュメント推定結果１５と検索インデックス５のドキュメント検索結果１３を統合して、最終検索結果１７を生成する。

Description

この発明は、電子化されたドキュメントの章、節、項などの細かい単位を検索するドキュメント検索装置およびドキュメント検索方法に関するものである。

家電製品および車載機器など、多くの機器に対し、操作方法およびトラブル時の対応方法などについて記載した紙の取扱説明書が添付されている。その中でも、画面を持つような情報機器においては、取扱説明書が電子化され、直接検索および閲覧が可能となっている。これにより、わざわざ紙のドキュメントを持ち歩いたりすることなく、閲覧することが可能となっている。一方で、電子化されたドキュメントは一覧性が低く、ユーザが確認したいと思う内容を探すことが難しく、検索機能を提供することが必須となる。

従来の検索機能の典型的なものの中で一番単純な方式としては、キーワードにより検索を行い、ヒットした部分をドキュメントの先頭から出現順に表示するＧＲＥＰ検索方式がある。さらに、あらかじめドキュメントと抽出したキーワードから検索インデックスを作成し、その検索インデックスを利用して論理式による検索を行い候補を表示する論理型検索方式がある。また、論理型検索方式では入力キーワードと検索インデックスとの関連度を表すスコアが定義できないため、単純にキーワードを入力してその出現頻度をカウントすることでスコアを決定するベストマッチング検索方式がある。さらにキーワードからｔｆ・ｉｄｆ（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ ａｎｄ ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ）などの統計的な重みを付けた検索インデックスを作成し、入力キーワードとのベクトル距離（内積）によって検索して候補を表示する統計型検索方式がある。これらの検索方式の提供により、電子化されたドキュメントを検索することが可能になり、ある程度ユーザが求める部分を閲覧することが可能である。

論理型検索方式では、検索条件に厳密に一致するものだけを検索するため、複雑な検索条件を駆使すればユーザの検索意図に一致するものが見つかりやすいというメリットがある一方、検索条件が少しでも適切でないと検索漏れにつながりやすいというデメリットがある。また、複雑な検索式を構築することは一般ユーザにとってはハードルが高いというデメリットもある。従って、最も一般的な論理型検索はキーワードを複数入力させ、ＯＲ論理演算によって検索結果を求めて提示する方式である。
一方、ベストマッチング検索方式および統計型検索方式の場合には、キーワードに論理的な構造を入れる必要なく検索できるというメリットがある一方、ドキュメント中のキーワードの出現回数が単純にスコア化されたり、出現傾向に応じて重み付けされた値によってスコアが計算されたりするために、ユーザが制御することが難しいというデメリットがある。

これらの方式のメリットとデメリットを踏まえて、両方の良いところを活かす方法として、複数の検索エンジンを統合して処理するような方法が提案されている。たとえば特許文献１では、論理型検索方式と統計型検索方式、またはベストマッチング検索方式と統計型検索方式を別々に実行し、その結果を論理的に統合することで検索する方法が開示されている。

具体的には、論理型検索方式の検索エンジンからは検索結果候補の情報だけが求まり、ベストマッチング検索方式と統計型検索方式の検索エンジンからは検索結果候補とそのスコアが情報として求まる。
論理型検索方式と統計型検索方式を合わせた場合には、たとえば、論理式型検索結果と統計型検索結果のうち文書ＩＤの重なったものだけを最終結果候補としたり、論理式型検索結果と統計型検索結果の文書ＩＤのすべてを最終結果候補とした上で、統計型検索結果のスコアを最終結果の順位付けに使ったりしている。

さらに、ベストマッチング検索方式と統計型検索方式を合わせた場合には、スコアの平均を使って最終結果の順位付けを行っている。

また、従来の検索方式では、キーワードの表層的な違いによって検索できない場合を少なくするために、同義語および類義語のテーブルを作成しておき、検索条件中のキーワードを同義語および類義語に展開して検索する方法が提案されている。

特開平１０−１４３５３０号公報

従来のドキュメント検索装置およびドキュメント検索方法は以上のように構成されているので、単独の検索方式で検索するよりもユーザが所望する検索結果を得やすくなっている。しかしながら、これらの検索方式は、検索インデックスを作成するためのキーワードの抽出対象が検索対象のドキュメントそのものであるため、単独の検索方式を使う場合でも、複数の検索方式を組み合わせて使う場合でも、ドキュメント内に出現したキーワードを検索することが基本となる。

また、実際の検索場面においては、検索する側はドキュメントで使われるキーワードが何か分からない状態で検索条件を入力しなくてはならないため、所望のドキュメントが引けないということが発生する。それらを解消するため、同義語および類義語展開による検索が行われ、それによって多少の改善が期待できる。しかしながら、取扱説明書などのドキュメントは、正確を期すため専門的な用語、および独自機能に対する特別な用語を使った説明が記載されることが多く、一般的なユーザおよび使い方を知りたい初心者ユーザにとっては、何をキーワードとして検索すれば所望の説明が得られるのか分からないという状況になってしまう場合が多い。具体的には、カーナビゲーションの地図向きを表す用語として「北基準」とか「自車基準」といった用語がカーナビ初心者には想像もできないキーワードであり、「走っていく方向がいつも上側になる地図にしたい」といった条件で検索しようとし、適切なキーワードが存在しないため所望の検索結果が得られないといったことが発生する。

この発明は、上記のような課題を解決するためになされたもので、ユーザの自然言語による入力に対して、単純な検索方式による検索結果よりも、より適切な検索結果を提示することを目的とする。

この発明に係るドキュメント検索装置は、あらかじめ用意されたドキュメントから作成した検索インデックスと、ユーザからの入力を受け、検索インデックスを用いてドキュメント内から当該ユーザ入力に関連のある項目を検索するドキュメント検索部と、ドキュメントの内容を問う想定質問と当該想定質問の回答となるドキュメント内の項目との対応関係を学習した発話推定モデルと、発話推定モデルを基にドキュメント内からユーザ入力の回答に相当する項目を推定する発話内容推定部と、ドキュメント検索部から得られたドキュメント検索結果および発話内容推定部から得られたドキュメント推定結果を統合して、最終検索結果を生成する結果統合部とを備えるものである。

この発明に係るドキュメント検索方法は、ユーザからの入力を受け付けるユーザ入力ステップと、あらかじめ用意されたドキュメントから作成した検索インデックスを用いて、当該ドキュメント内からユーザ入力に関連のある項目を検索するドキュメント検索ステップと、ドキュメントの内容を問う想定質問と当該想定質問の回答となるドキュメント内の項目との対応関係を学習した発話推定モデルを基に、ドキュメント内からユーザ入力の回答に相当する項目を推定する発話内容推定ステップと、ドキュメント検索ステップから得られたドキュメント検索結果および発話内容推定ステップから得られたドキュメント推定結果を統合して、最終検索結果を生成する結果統合ステップとを備えるものである。

この発明によれば、ユーザがどのような聞き方をするかを想定した質問とその回答になるドキュメント項目との対応関係を学習した発話推定モデルを用いて、ドキュメント内からユーザ入力の回答に相当する項目を推定し、推定結果をインデックス検索の結果と統合するようにしたので、ユーザの自然言語による入力に対して、単純な検索方式による結果よりも、より適切な検索結果を提示することができる。

この発明の実施の形態１に係るドキュメント検索装置の構成を示すブロック図である。 実施の形態１に係るドキュメント検索装置のドキュメントの例を示す図である。 実施の形態１に係るドキュメント検索装置のドキュメント解析結果および検索インデックス用のキーワードリストの例を示す図である。 実施の形態１に係るドキュメント検索装置の収集発話データの例を示す図である。 実施の形態１に係るドキュメント検索装置の収集発話解析結果および発話推定モデル用のキーワードリストの例を示す図である。 実施の形態１に係るドキュメント検索装置のドキュメントから検索インデックスを作成する動作を示すフローチャートである。 実施の形態１に係るドキュメント検索装置の収集発話データから発話推定モデルを作成する動作を示すフローチャートである。 実施の形態１に係るドキュメント検索装置のユーザ入力から最終検索結果を作成する動作を示すフローチャートである。 実施の形態１に係るドキュメント検索装置における、ユーザ入力の遷移例を示す図である。 図９のユーザ入力の遷移例の続きを示す図である。 この発明の実施の形態２に係るドキュメント検索装置の構成を示すブロック図である。 実施の形態２に係るドキュメント検索装置のドキュメントの階層を表す図である。 実施の形態２に係るドキュメント検索装置のユーザ入力から最終検索結果を作成する動作を示すフローチャートである。 実施の形態２に係るドキュメント検索装置における、ユーザ入力の遷移例を示す図である。 この発明の実施の形態３に係るドキュメント検索装置のドキュメントの例を示す図である。 実施の形態３に係るドキュメント検索装置のドキュメント解析結果および検索インデックス用のキーワードリストの例を示す図である。 実施の形態３に係るドキュメント検索装置の収集発話データの例を示す図である。 実施の形態３に係るドキュメント検索装置の収集発話解析結果および発話推定モデル用のキーワードリストの例を示す図である。 実施の形態３に係るドキュメント検索装置における、ユーザ入力の遷移例を示す図である。 図１９のユーザ入力の遷移例の続きを示す図である。 この発明の実施の形態４に係るドキュメント検索装置のドキュメントの例を示す図である。 実施の形態４に係るドキュメント検索装置のドキュメント解析結果および検索インデックス用のキーワードリストの例を示す図である。 実施の形態４に係るドキュメント検索装置の収集発話データの例を示す図である。 実施の形態４に係るドキュメント検索装置の収集発話解析結果および発話推定モデル用のキーワードリストの例を示す図である。 実施の形態４に係るドキュメント検索装置における、ユーザ入力の遷移例を示す図である。 図２５のユーザ入力の遷移例の続きを示す図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
以下、図面を参照して本発明の実施の形態を説明する。
図１は、本実施の形態１に係るドキュメント検索装置の構成を示すブロック図である。
ドキュメント１は、製品の取扱説明書などを電子化したテキストデータである。このドキュメント１は、製品機能などに合わせて章、節、項などの項目にある程度階層化されているものとする。入力解析部２は、ドキュメント１のテキストなどを公知の技術である形態素解析などの方法により、形態素単位に分割する。ドキュメント解析結果３は、入力解析部２によってドキュメント１を形態素に分割したデータである。

検索インデックス作成部４は、ドキュメント解析結果３から検索インデックス５を作成する。この検索インデックス５は、ドキュメント検索部１２からのキーワードの入力に対してドキュメント１中の特定の章、節、項などの項目を検索結果として返す。
収集発話データ６は、ドキュメント１を利用する場合にあらかじめユーザアンケートなどの方法によって聞きたいことを収集した発話データである。収集発話データ６の作成方法は、あらかじめドキュメント１に書かれた製品機能から質問を生成し、それをアンケートなどの形で事前に集めたものを想定する。
収集発話解析結果７は、入力解析部２によって収集発話データ６を形態素に分割したデータである。

発話推定モデル作成部８は、収集発話解析結果７の形態素単位を学習単位（素性）として統計的な学習を行い、発話推定モデル９を作成する。この発話推定モデル９は、収集発話解析結果７の形態素列を入力とし、発話内容推定結果として前記質問に対する回答に相当する項目をスコアつきで返すための学習結果データである。

ユーザ入力１０は、ドキュメント検索装置へのユーザからの入力を表すデータである。ここでは、ユーザ入力１０がテキスト入力であるものとして説明を行う。ユーザ入力解析結果１１は、入力解析部２によってユーザ入力１０を形態素に分割したデータである。

ドキュメント検索部１２は、ユーザ入力解析結果１１を入力として、検索インデックス５を利用して検索を行い、ドキュメント検索結果１３を作成する。
発話内容推定部１４は、ユーザ入力解析結果１１を入力として、発話推定モデル９を使ってこの入力に対応する項目を推定し、その項目のドキュメントＩＤを取得する。ドキュメント推定結果１５は、発話内容推定部１４で推定したドキュメントＩＤとそのスコア（後述する）を含むデータである。

結果統合部１６は、ドキュメント検索結果１３とドキュメント推定結果１５を統合して１つの検索結果としてまとめ、最終検索結果１７として出力する。

図２は、ドキュメント１の例である。ドキュメント１は章、節、項のような階層構造を持っており、階層ごとに検索結果位置を示すドキュメントＩＤを持っている。図２の例では、ドキュメントＩＤ「Ｉｄ＿１０＿１」のドキュメント１−１が、下位のデータ構造内に含まれるテキストも含んでいる。たとえば「Ｉｄ＿１０＿１＿１」のドキュメント１−２は、「Ｉｄ＿１０＿１」のドキュメント１−１にも含まれることを表している。

図３は、ドキュメント解析結果３、および検索インデックス５用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」はドキュメント解析結果３−１の一例であり、図２の「Ｉｄ＿１０＿１＿１」のドキュメント１−２に対して形態素解析による入力解析を行った結果を示している。このドキュメント解析結果３−１では、形態素解析結果の区切を「／」で区切っている。
検索インデックス用データ３−２は、「Ｉｄ＿１０＿１＿１」のドキュメント解析結果３−１をもとにした、検索インデックス作成部４が使用するデータ例を示している。ここではドキュメントＩＤと自立語形態素の一般形（キーワード）のリストとが抽出されている。

図４は、収集発話データ６の例である。収集発話データ６−１は「Ｉｄ＿１０」のドキュメントに対応する質問の例、収集発話データ６−２は「Ｉｄ＿１０＿１」のドキュメントに対応する質問の例、収集発話データ６−３は「Ｉｄ＿１０＿１＿１」のドキュメントに対応する質問の例である。収集発話データ６−４は、地図種類の具体的変更方法を知りたいことを意図した質問であるが、ここで想定している製品では実現不可能な地図種類であるため、「Ｉｄ＿１０＿１＿１」と同階層のドキュメントＩＤが選択できない収集発話データ例である。
なお、これら収集発話データ６−１〜６−４は、ユーザが製品の機能を確認するためにどのような聞き方をするかを想定した質問文例である。

図５は、収集発話解析結果７、および発話推定モデル９用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」は収集発話解析結果７−１の一例であり、図４の「Ｉｄ＿１０＿１＿１」の収集発話データ６−１のテキストを形態素解析による入力解析を行った結果を示している。
発話推定モデル用データ７−２は、「Ｉｄ＿１０＿１＿１」の収集発話解析結果７−１をもとにした、発話推定モデル作成部８が使用するデータ例を示している。ここではドキュメントＩＤと自立語形態素の一般形（キーワード）のリストとが抽出されている。

次に、ドキュメント検索装置の動作を説明する。
動作は大きく２つの処理に分かれる。１つは、ドキュメント１および収集発話データ６からそれぞれ検索インデックス５、発話推定モデル９を作成する作成処理であり、もう１つは、ユーザ入力１０を受けて最終検索結果１７を作成する検索処理である。まず、作成処理について説明する。

まず、作成処理のうち、検索インデックス５の作成方法について説明する。ここでは、従来技術で開示されているｔｆ・ｉｄｆによる重み付けをするものとする。
図６は、ドキュメント１から検索インデックス５を作成するまでの動作を示すフローチャートである。図２に示したように、ドキュメント１はドキュメントＩＤとテキストとが対応付けられたペアになっているものとする。たとえば、ドキュメント１−２ではドキュメントＩＤ「Ｉｄ＿１０＿１＿１」という名前に、「自車基準。自車の進行方向を上とした地図が表示されます。」というテキストが対応付けられている。ステップＳＴ１では、入力解析部２がこの構造のドキュメント１を順次読み込み、既知の技術である形態素解析によって形態素列に分割する。ドキュメント１−２を形態素解析した結果が、図３のドキュメント解析結果３−１である。このドキュメント解析結果３−１は、形態素の区切り「／」しか示していないが、実際には、品詞情報、活用語の原型、読みなどが含まれているものとする。

ドキュメント解析結果３がすべてのドキュメントＩＤに対して生成されると、続くステップＳＴ２で、検索インデックス作成部４が、すべてのドキュメント解析結果３から検索インデックス５の作成に必要な形態素（キーワード）を抽出し、（ドキュメントＩＤ、キーワードリスト）のペアを作成し、すべてのペアを元にｔｆ・ｉｄｆによって重み付けした検索インデックス５を作成する。図３のドキュメント解析結果３−１から抽出した（ドキュメントＩＤ、キーワードリスト）のペアは、同じ図３の検索インデックス用データ３−２で表される。

具体的な検索インデックス作成手順の説明は行わないが、簡単に説明する。まず、ｔｆ・ｉｄｆは、すべてのドキュメントＩＤに含まれるキーワード数をベクトルの次元とし、各キーワードをベクトルの要素に割り当て、ベクトルの値を頻度で表す（ｔｆの部分）。このベクトル値を「多くのドキュメントに出現するキーワード（一般的な語）は重要度が低く、特定のドキュメントにしか出現しないキーワードの重要度は高い」というヒューリスティックに適うように重み付けを行う（ｉｄｆの部分）。この重み付きテーブルが検索インデックス５となる。

次に、発話推定モデル９の作成処理について説明する。
図７は、収集発話データ６から発話推定モデル９を作成するまでの動作を示すフローチャートである。収集発話データ６は、図４の収集発話データ６−１〜６−４に表したように、あらかじめユーザから集めた発話をその回答となるドキュメントＩＤに割り当てたデータである。収集発話データ６の作成方法は、アンケートなどでドキュメントＩＤごとの機能を説明した内容を提示して、その機能を探したい場合に何と言うかを表す文章を集めたデータである。たとえば、図４の「Ｉｄ＿１０＿１＿１」の「自車基準。自車の進行方向を上とした地図が表示されます。」という具体的内容を提示した場合は、収集発話データ６−３のような発話が収集できることが期待でき、一方「Ｉｄ＿１０」のような上位の概念を提示した場合には、収集発話データ６−１のようなデータを始め、収集発話データ６−２〜６−４のような発話も収集できることが期待できる。なお、収集発話データ６−４はドキュメント１の製品の機能外の内容の発話データであり、この場合は中間的な「Ｉｄ＿１０＿１」のドキュメントＩＤに割り当てることとなる。上記の作業は人手によってあらかじめ行い、図４の構造のデータを用意しておくこととなる。

入力解析部２はステップＳＴ３において、ステップＳＴ１でドキュメント１を入力とした場合と同様に、収集発話データ６の形態素解析を行う。たとえば、図４の収集発話データ６−３を形態素解析した結果が、図５の収集発話解析結果７−１である。続くステップＳＴ４で発話推定モデル作成部８が、ステップＳＴ２と同様にドキュメントＩＤとキーワードのリストを発話推定モデル用データ７−２として抽出し、発話推定モデル９を作成するための処理を行う。発話推定モデル９は、ここでは最大エントロピ法（以下、ＭＥ法）によって学習するものとする。

ＭＥ法の詳細な説明は行わないが、簡単に説明する。ＭＥ法は、（ドキュメントＩＤ、キーワードリスト）のペアを学習データとし、入力としてキーワードのリストを入力した場合にそのドキュメントＩＤを推定する方法である。キーワードのリストからドキュメントのＩＤを推定するときに学習したデータで最も起こりやすくなる（正解が多くなる）ように（ドキュメントＩＤ、キーワードリスト）のペアの重みを計算し、それを保存したものが発話推定モデル９である。
すべての収集発話解析結果７からキーワードが抽出され、ＭＥ法によって学習して、発話推定モデル９が作成される。具体的には、図５の収集発話解析結果７−１に対して、同じ図５の発話推定モデル用データ７−２が抽出され、この発話推定モデル用データ７−２を元に上記学習が行われる。

次に、検索処理について説明する。
図８は、ユーザ入力１０から最終検索結果１７を作成するまでの動作を示すフローチャートである。図９および図１０は、ユーザ入力１０の一例であるユーザ入力１０−１の検索処理における遷移例を示す。ここではユーザ入力１０はテキストでの入力を想定し、図９のユーザ入力１０−１が入力されたとして説明する。入力解析部２は、ステップＳＴ１１でまずユーザ入力１０−１を受け取り、形態素解析してユーザ入力解析結果１１−１を生成し、ユーザ入力解析結果１１−１から自立語を抽出してキーワードリスト１１−２を作成する。続くステップＳＴ１２では、発話内容推定部１４がこのキーワードリスト１１−２を入力に用いて、発話推定モデル９から図１０のドキュメント推定結果１５−１を得る。図１０に示すように、ドキュメント推定結果１５−１は、スコア順に並んでいる。このスコアは、発話推定モデル９に保存された（ドキュメントＩＤ、キーワードリスト）のぺアの重みから算出される値であり、ユーザ入力１０との関連度合いが高いドキュメントＩＤ、即ち、ユーザ入力１０の質問に対する回答として相応しいドキュメントＩＤに高いスコアが付与される。

ドキュメント推定結果１５−１が得られると、続くステップＳＴ１３にて今度はドキュメント検索部１２がキーワードリスト１１−２を入力に用いて、検索インデックス５から図１０のドキュメント検索結果１３−１を得る。図１０に示すように、ドキュメント検索結果１３−１もスコア順に並んでいる。このスコアは、検索インデックス５に保存されたｔｆ・ｉｄｆの重みから算出される値であり、ユーザ入力１０との関連度合いが高いドキュメントＩＤに高いスコアが付与される。
なお、ドキュメント推定結果１５のスコアおよびドキュメント検索結果１３のスコアの算出方法には公知の技術を用いればよいため、ここでの説明は省略する。

ステップＳＴ１３の処理が終わると、続いてステップＳＴ１４の処理に移り、結果統合部１６がドキュメント推定結果１５−１の最大スコアがここで定めた閾値Ｘ（たとえば、Ｘ＝０．９）以上かどうかを判断する。ドキュメント推定結果１５−１では最大スコアが閾値Ｘより小さいので（ステップＳＴ１４“ＮＯ”）、結果統合部１６はステップＳＴ１６の処理に進む。ステップＳＴ１６では、ドキュメントＩＤごとに、ドキュメント検索結果１３−１のスコアとドキュメント推定結果１５−１のスコアの重み付き加算を行い、最終検索結果１７−１を作成する。図１０では、（ドキュメント推定結果１５−１のスコア）：（ドキュメント検索結果１３−１のスコア）＝１：１で加算した結果が最終検索結果７４となっている。

一方、ステップＳＴ１４でドキュメント推定結果１５−１の最大スコアが閾値Ｘを超えた場合には（ステップＳＴ１４“ＹＥＳ”）、続くステップＳＴ１５にて結果統合部１６はドキュメント検索結果１３−１を破棄して、ドキュメント推定結果１５−１を最終検索結果（不図示）とする。
検索が終了すると、ドキュメント検索装置は画面にドキュメントＩＤのタイトルなどを表示して、ユーザに選択させることで、所望のドキュメント位置を提示する。

以上より、実施の形態１によれば、ドキュメント検索装置は、あらかじめ用意されたドキュメント１から作成した検索インデックス５と、ユーザ入力１０を解析したユーザ入力解析結果１１を受け、検索インデックス５を用いてドキュメント１内からユーザ入力解析結果１１に関連のあるドキュメントＩＤを検索するドキュメント検索部１２と、ドキュメント１の内容を問う想定質問（ユーザ発話）とその回答となるドキュメントＩＤとの対応関係を定義した収集発話データ６を学習した発話推定モデル９と、発話推定モデル９を基にドキュメント１内からユーザ入力解析結果１１の回答に相当するドキュメントＩＤを推定する発話内容推定部１４と、ドキュメント検索部１２から得られたドキュメント検索結果１３と発話内容推定部１４から得られたドキュメント推定結果１５を統合して最終検索結果１７を生成する結果統合部１６とを備えるように構成した。このため、単純なドキュメント検索機能とは異なる、収集発話データ６に基づく発話内容推定を行って、従来のドキュメント検索機能では実現できなかった一般ユーザおよび初心者ユーザが入力するドキュメント１に出現しないような言い回しおよび一般用語での検索が可能となる。よって、ユーザの自然言語による入力に対して、単純な検索方式による結果よりも、より適切な検索結果を提示することができる。

また、実施の形態１によれば、発話内容推定部１４は、推定したドキュメントＩＤにユーザ入力１０との関連度合いに応じたスコアを付与し、結果統合部１６は、発話内容推定部１４から得られたドキュメント推定結果１５のスコアがあらかじめ定めた閾値Ｘより大きい場合に、ドキュメント検索部１２から得られたドキュメント検索結果１３を無視して、最終検索結果１７を生成する構成にした。このため、一般ユーザおよび初心者ユーザの入力がドキュメント１に出現しないような言い回しおよび一般用語の場合に、単純な検索方式では不適切な検索結果候補をたくさん含んでしまうのを避け、ユーザの入力に対してより適切な検索結果を提示することができる。

なお、実施の形態１では、ドキュメント推定結果１５の最大スコアがあらかじめ定めた閾値Ｘより大きい場合には、ドキュメント推定結果１５をそのまま最終検索結果１７にする構成としたが、最初からドキュメント推定結果１５のスコアとドキュメント検索結果１３のスコアを所定の割合で重み付け加算するようにしてもよい。ドキュメント推定結果１５のスコアは、ユーザの発話から直接推定されるドキュメントから計算されるのに対して、ドキュメント検索結果１３のスコアとは、ドキュメント中のキーワードの有無から計算される。したがってそれぞれ一長一短があり、それらを重み付け加算することで、２つの方式でともによいスコアのものを提示することができる。

また、実施の形態１によれば、ドキュメント検索装置は、あらかじめ用意されたドキュメント１、および当該ドキュメント１の内容を問うユーザ発話とその回答になるドキュメントＩＤとの対応関係を定義した収集発話データ６を解析する入力解析部２と、入力解析部２から出力されたドキュメント解析結果３から検索インデックス５を作成する検索インデックス作成部４と、入力解析部２から出力された収集発話解析結果７を用いてユーザ発話とドキュメントＩＤとの対応関係を学習して発話推定モデル９を作成する発話推定モデル作成部８とを備えるように構成した。このため、従来のドキュメント検索機能では実現できなかった、一般ユーザおよび初心者ユーザが入力する、ドキュメント１に出現しないような言い回しおよび一般用語での検索が可能となる。

実施の形態２．
図１１は、本実施の形態２に係るドキュメント検索装置の構成を示すブロック図である。なお、図１１において図１と同一または相当の部分については同一の符号を付し説明を省略する。
上記実施の形態１との大きな違いは以下の２点である。
（１）収集発話データ６を割り当てるドキュメントＩＤの単位を細かい単位ではなく、より大きな単位にした発話推定モデル９を作成する。
（２）ドキュメント推定結果１５は検索インデックス５による検索対象範囲を限定する目的で使用する。

図１１において、検索対象限定部１８は、ドキュメント検索部１２の検索対象を、ドキュメント推定結果１５の下位ドキュメントＩＤに限定する。ドキュメント限定リスト１９は、限定されたドキュメントＩＤを保持する。

図１２は、ドキュメント１のドキュメントＩＤの階層を表す図である。図１２の例では、第２階層（四角で囲まれたドキュメントＩＤ）より下位層のドキュメントＩＤに収集発話データ６を割り付けることなく、第１階層と第２階層のドキュメントＩＤに割り当てることを表している。

次に、ドキュメント検索装置の動作を説明する。
作成処理における動作は基本的に上記実施の形態１と同じである。但し、収集発話データ６のドキュメントＩＤへの割り当てを、図１２に示すように第２階層以上とする。従って、図４において収集発話データ６−１はドキュメントＩＤ「Ｉｄ＿１０」に割り当て、それ以外の収集発話データ６−２〜６−４はすべて「Ｉｄ＿１０＿１」に割り当てる。

続いて、検索処理について説明する。
図１３は、ユーザ入力１０から最終検索結果１７を作成するまでの動作を示すフローチャートである。図１４は、検索対象限定部１８の動作を説明する図である。上記実施の形態１と同様に、ここでもユーザ入力１０はテキストでの入力を想定し、図９のユーザ入力１０−１が入力されたとして説明する。ステップＳＴ１１で入力解析部２は、図８と同様にユーザ入力１０−１を解析する。次にステップＳＴ１２で、発話内容推定部１４が発話内容推定を行う。推定結果は、図１４のドキュメント推定結果１５−２（ドキュメントＩＤ、スコア）になる。上述したように、収集発話データ６のドキュメントＩＤへの割り当てが第２階層以上に制限されているため、第３階層以下のドキュメントＩＤは無い。

続くステップＳＴ２１で検索対象限定部１８が、ドキュメント推定結果１５−２のスコアが閾値Ｙ（たとえば、Ｙ＝０．６）以上になるドキュメントＩＤが１個以上か確認する。ドキュメント推定結果１５−２では、「ＩＤ＿１０＿１」のスコアが０．６以上なので（ステップＳＴ２１“ＹＥＳ”）、処理をステップＳＴ２２に移し、スコアが閾値Ｙ以上のドキュメントＩＤの下位層を展開し、展開した各ドキュメントＩＤに同じスコアを付与する。また、ドキュメント推定結果１５−２では「Ｉｄ＿１０＿１」だけが閾値Ｙ以上なので、検索対象限定部１８は「Ｉｄ＿１０＿１」の下位層の「Ｉｄ＿１０＿１＿１」〜「Ｉｄ＿１０＿１＿７」を検索対象として選択し、ドキュメント限定リスト１９−１として設定する。

続くステップＳＴ２３では、ドキュメント検索部１２が図１４のキーワードリスト１１−２を使って検索インデックス５を検索し、ドキュメント検索結果１３−１を得る。そして、ステップＳＴ２４でこのドキュメント検索結果１３−１のスコアにドキュメント限定リスト１９−１のスコアを掛け合わせた結果を最終検索結果１７−２として出力する。

一方、ステップＳＴ２１でドキュメント推定結果１５−２に閾値Ｙを超えるスコアが存在しなかった場合（ステップＳＴ２１“ＮＯ”）、検索対象限定部１８はこのドキュメント推定結果１５−２を破棄し（ステップＳＴ２５）、続くステップＳＴ２６にてドキュメント検索部１２がすべてのドキュメントＩＤを検索対象にしたドキュメント検索結果（不図示）を得て、そのまま最終検索結果（不図示）として出力する。

以上より、実施の形態２によれば、ドキュメント検索装置は、発話内容推定部１４から得られたドキュメント推定結果１５のうち、あらかじめ定めた閾値Ｙ以上のスコアのドキュメントＩＤとその下位層のドキュメントＩＤを抽出する検索対象限定部１８を備え、発話内容推定部１４は、検索インデックス５の検索の最小単位となる階層より上位の階層のドキュメントＩＤと収集発話データ６との対応関係を学習した発話推定モデル９を基に推定し、結果統合部１６は、発話内容推定部１４から得られたドキュメント推定結果１５のうちの検索対象限定部１８で抽出したドキュメントＩＤを、ドキュメント検索部１２から得られたドキュメント検索結果１３と統合するように構成した。このため、収集発話データ６をより上位の階層のドキュメントＩＤに割り振れば、収集発話データ６を製品の機種による機能の細かな違いを考慮しなくてよいドキュメントＩＤへの対応付けが可能となる。よって、ドキュメントＩＤと収集発話データ６との対応付けが容易になると共に、データスパースネスによる検索の精度低下を抑制することができる。また、製品の機能を汎用的なレベルで定義できるため、多くの機種を抱える製品開発においても、共通の収集発話データ６として利用でき、新たな製品への対応が容易となる。

なお、上記実施の形態１，２では、検索インデックス５として、統計型検索方式の検索インデックスを用いて説明したが、論理型検索方式の検索インデックスを用いて、検索キーワードの出現回数の総和をもとに確率を設定してもよい。その場合、検索キーワード出現回数の総和が最大の場合をＮとし、各ドキュメントでの検索キーワード出現回数の総和をＮで割ったものをスコアとしたり、検索結果のすべてのドキュメントのＮの総和をＭとして、各ドキュメントでの検索キーワード出現回数の総和をＮで割ったものをスコアとしたりする方法が考えられる。

さらに、上記実施の形態１，２では、検索インデックス５の作成単位および発話推定モデル９の作成単位として自立語単位で行った例を示したが、音素ｎ−ｇｒａｍおよび音節ｎ−ｇｒａｍなどを単位として検索インデックス５および発話推定モデル９を作成してもよい。また、高頻出単語と音素ｎ−ｇｒａｍ、または高頻出単語と音節ｎ−ｇｒａｍを組み合わせて検索インデックス５および発話推定モデル９を作成してもよい。この場合、検索インデックス５および発話推定モデル９のサイズの削減が可能となる。

また、上記実施の形態１，２では、図４の収集発話データ６−４のような、該当する製品機能が無く適切な説明部分が無いためにドキュメント１のどこにも当てはめることのできない発話については、特別なドキュメントＩＤを付与して発話推定モデル９を作成しておき、ユーザ入力１０に対するドキュメント推定結果１５の最大スコアのものがその特別なドキュメントＩＤであった場合には、結果統合部１６においてドキュメント検索結果１３を利用せずに最終検索結果１７を作成するようにしてもよい。また、この場合にドキュメント検索装置としては、特別なドキュメントＩＤに対応するメッセージを提示するように構成してもよい。

さらに、上記実施の形態１，２では、ユーザ入力１０がテキスト入力の場合を例に説明したが、入力手段として音声認識を用いてもよい。その場合には、音声認識結果の第１候補のテキストをユーザ入力１０として処理する方法、およびＮ番目の候補までをユーザ入力１０として処理する方法などが考えられる。また、音声認識結果が形態素単位で生成される場合は、入力解析部２での処理を省略してそのままユーザ入力解析結果１１として扱うようにしてもよい。

また、上記実施の形態１，２では、日本語の入力例について説明を行ったが、言語を限定するものではなく、英語、ドイツ語、中国語などでも、入力解析部２を言語ごとに差し替えることで同様の効果を得ることが可能である。

実施の形態３．
以下では、英語の入力例について説明する。
本実施の形態３のドキュメント検索装置は、図１に示すドキュメント検索装置と図面上では同様の構成であるため、以下では図１を援用して説明する。

図１５は、本実施の形態３に係るドキュメント検索装置に入力されるドキュメント１の英語例である。ドキュメント１は、章、節、項のような階層構造を持っており、階層ごとに検索結果位置を示すドキュメントＩＤを持っている。図１５の例では、ドキュメントＩＤ「Ｉｄ＿１０＿１」のドキュメント１−１１が、下位のデータ構造内に含まれるテキストも含んでいる。たとえば「Ｉｄ＿１０＿１＿１」のドキュメント１−１２は、「Ｉｄ＿１０＿１」のドキュメント１−１１にも含まれることを表している。

図１６は、ドキュメント解析結果３、および検索インデックス５用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」はドキュメント解析結果の一例であり、図１５の「Ｉｄ＿１０＿１＿１」のドキュメント１−１２に対して形態素解析による入力解析を行った結果を示している。このドキュメント解析結果３−１１では、形態素解析結果の区切を「／」で区切った情報しか提示していないが、実際には品詞情報などの情報も生成される。
検索インデックス用データ３−１２は、「Ｉｄ＿１０＿１＿１」のドキュメント解析結果３−１１をもとにした、検索インデックス作成部４が使用するデータ例を示している。ここではドキュメントＩＤと、前置詞、冠詞、ｂｅ動詞、代名詞を除く自立語形態素とが抽出されている。

図１７は、収集発話データ６の例である。収集発話データ６−１１は「Ｉｄ＿１０」のドキュメントに対応する質問の例、収集発話データ６−１２は「Ｉｄ＿１０＿１」のドキュメントに対応する質問の例、収集発話データ６−１３は「Ｉｄ＿１０＿１＿１」のドキュメントに対応する質問の例である。収集発話データ６−１４は、地図種類の具体的変更方法を知りたいことを意図した質問であるが、ここで想定している製品では実現不可能な地図種類であるため、「Ｉｄ＿１０＿１＿１」と同階層のドキュメントＩＤが選択できない収集発話データ例である。

図１８は、収集発話解析結果７、および発話推定モデル９用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」の収集発話解析結果７−１１は、図１７の「Ｉｄ＿１０＿１＿１」の収集発話データ６−１３の収集発話解析結果例、発話推定モデル用データ７−１２は、「Ｉｄ＿１０＿１＿１」の収集発話解析結果７−１１をもとにした、発話推定モデル作成部８が使用するデータ例を示している。ここではドキュメントＩＤと、前置詞、冠詞、ｂｅ動詞を除く自立語形態素とが抽出されている。

次に、ドキュメント検索装置の動作を説明する。
本実施の形態３に係るドキュメント検索装置の動作（作成処理、検索処理）は基本的に上記実施の形態１の図６〜図８と同じである。従って、ここでは異なる部分のみを説明する。まず、作成処理について説明する。

まず、作成処理のうち、検索インデックス５の作成方法について説明する。ここでは、従来技術で開示されているｔｆ・ｉｄｆによる重み付けをするものとする。
図１５に示したように、ドキュメント１は、ドキュメントＩＤとテキストとが対応付けられたペアになっているものとする。たとえば、ドキュメント１−１２ではドキュメントＩＤ「Ｉｄ＿１０＿１＿１」という名前に、「Ｈｅａｄｉｎｇ ｕｐ．Ｄｉｓｐｌａｙ ｔｈｅ ｍａｐ ｗｈｉｃｈ ｒｏｔａｔｅｄ ｔｏ ａｌｗａｙｓ ｆａｃｅ ｔｈｅ ｄｉｒｅｃｔｉｏｎ ｙｏｕ ａｒｅ ｔｒａｖｅｌｌｉｎｇ」というテキストが対応付けられている。図６のステップＳＴ１では、入力解析部２がこの構造のドキュメント１を順次読み込み、既知の技術である形態素解析によって形態素列に分割する。ドキュメント１−１２を形態素解析した結果が、図１６のドキュメント解析結果３−１１である。このドキュメント解析結果３−１１は、形態素の区切りしか示していないが、実際には、品詞情報、活用語の原形などが含まれているものとする。

ドキュメント解析結果３がすべてのドキュメントＩＤに対して生成されると、続くステップＳＴ２で、検索インデックス作成部４が、すべてのドキュメント解析結果３から検索インデックス５の作成に必要な形態素（キーワード）を抽出し、（ドキュメントＩＤ、キーワードリスト）のペアを作成し、すべてのペアを元にｔｆ・ｉｄｆによって重み付けした検索インデックス５を作成する。図１６のドキュメント解析結果３−１１から抽出した（ドキュメントＩＤ、キーワードリスト）のペアは、同じ図１６の検索インデックス用データ３−１２で表される。

具体的な検索インデックス作成手順は、上記実施の形態１と同様であるため、説明を省略する。

次に、発話推定モデル９の作成処理について説明する。
収集発話データ６は、図１７の収集発話データ６−１１〜６−１４に表したように、あらかじめユーザから集めた発話をその回答となるドキュメントＩＤに割り当てたデータである。収集発話データ６の作成方法は上記実施の形態１と同様であるため、説明を省略する。

入力解析部２は、図７に示したステップＳＴ３において、先に説明したステップＳＴ１でドキュメント１を入力とした場合と同様に、収集発話データ６の形態素解析を行う。たとえば、図１７の収集発話データ６−１３を形態素解析した結果が、図１８の収集発話解析結果７−１１である。続くステップＳＴ４で発話推定モデル作成部８が、先に説明したステップＳＴ２と同様にドキュメントＩＤとキーワードのリストを発話推定モデル用データ７−１２として抽出し、上記実施の形態１と同様にＭＥ法によって発話推定モデル９を学習する。すべての収集発話解析結果７からキーワードが抽出され、ＭＥ法によって学習して、発話推定モデル９が作成される。具体的には、図１８の収集発話解析結果７−１１に対して、同じ図１８の発話推定モデル用データ７−１２が抽出され、この発話推定モデル用データ７−１２を元に上記学習が行われる。

次に、検索処理について説明する。
図１９および図２０は、ユーザ入力１０の一例であるユーザ入力１０−１１の検索処理における遷移例を示す。ここではユーザ入力１０はテキストでの入力を想定し、図１９のユーザ入力１０−１１が入力されたとして説明する。入力解析部２は、図８に示したステップＳＴ１１でまずユーザ入力１０−１１を受け取り、形態素解析してユーザ入力解析結果１１−１１を生成し、ユーザ入力解析結果１１−１１から前置詞、冠詞、ｂｅ動詞、代名詞を除外して自立語を抽出し、キーワードリスト１１−１２を作成する。続くステップＳＴ１２では、発話内容推定部１４がこのキーワードリスト１１−１２を入力に用いて、発話推定モデル９から図２０のドキュメント推定結果１５−１１を得る。図２０に示すように、ドキュメント推定結果１５−１１は、スコア順に並んでいる。

ドキュメント推定結果１５−１１が得られると、続くステップＳＴ１３にて今度はドキュメント検索部１２がキーワードリスト１１−１２を入力に用いて、検索インデックス５から図２０のドキュメント検索結果１３−１１を得る。図２０に示すように、ドキュメント検索結果１３−１１もスコア順に並んでいる。

続くステップＳＴ１４では、結果統合部１６がドキュメント推定結果１５−１１の最大スコアがここで定めた閾値Ｘ（たとえば、Ｘ＝０．９）以上かどうかを判断する。ドキュメント推定結果１５−１１では最大スコアが閾値Ｘより小さいので（ステップＳＴ１４“ＮＯ”）、結果統合部１６はステップＳＴ１６の処理に進む。ステップＳＴ１６では、ドキュメントＩＤごとに、ドキュメント検索結果１３−１１のスコアとドキュメント推定結果１５−１１のスコアの重み付き加算を行い、最終検索結果１７−１１を作成する。図２０では、（ドキュメント推定結果１５−１１のスコア）：（ドキュメント検索結果１３−１１のスコア）＝１：１で加算した結果が最終検索結果１７−１１となっている。

一方、ステップＳＴ１４でドキュメント推定結果１５−１１の最大スコアが閾値Ｘを超えた場合には（ステップＳＴ１４“ＹＥＳ”）、続くステップＳＴ１５にて結果統合部１６はドキュメント検索結果１３−１１を破棄して、ドキュメント推定結果１５−１１を最終検索結果（不図示）とする。
検索が終了すると、ドキュメント検索装置は画面にドキュメントＩＤのタイトルなどを表示して、ユーザに選択させることで、所望のドキュメント位置を提示する。

以上より、実施の形態３によれば、ドキュメント検索装置は、日本語だけでなく英語のドキュメント１についても上記実施の形態１と同様の処理を実施可能であり、英語の入力の場合にも、上記実施の形態１と同様の効果を得ることができる。
なお、説明は省略するが、実施の形態３の構成を上記実施の形態２に適用してもよい。

実施の形態４．
以下では、中国語の入力例について説明する。
本実施の形態４のドキュメント検索装置は、図１に示すドキュメント検索装置と図面上では同様の構成であるため、以下では図１を援用して説明する。

図２１は、本実施の形態４に係るドキュメント検索装置に入力されるドキュメント１の中国語例である。ドキュメント１は、章、節、項のような階層構造を持っており、階層ごとに検索結果位置を示すドキュメントＩＤを持っている。図２１の例では、ドキュメントＩＤ「Ｉｄ＿１０＿１」のドキュメント１−２１が、下位のデータ構造内に含まれるテキストも含んでいる。たとえば「Ｉｄ＿１０＿１＿１」のドキュメント１−２２は、「Ｉｄ＿１０＿１」のドキュメント１−２１にも含まれることを表している。

図２２は、ドキュメント解析結果３、および検索インデックス５用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」はドキュメント解析結果の一例であり、図２１の「Ｉｄ＿１０＿１＿１」のドキュメント１−２２に対して形態素解析による入力解析を行った結果を示している。このドキュメント解析結果３−２１では、形態素解析結果の区切を「／」で区切った情報しか提示していないが、実際には品詞情報などの情報も生成される。
検索インデックス用データ３−２２は、「Ｉｄ＿１０＿１＿１」のドキュメント解析結果３−２２をもとにした、検索インデックス作成部４が使用するデータ例を示している。ここではドキュメントＩＤと、代詞、助詞、介詞を除く自立語形態素とが抽出されている。

図２３は、収集発話データ６の例である。収集発話データ６−２１は「Ｉｄ＿１０」のドキュメントに対応する質問の例、収集発話データ６−２２は「Ｉｄ＿１０＿１」のドキュメントに対応する質問の例、収集発話データ６−２３は「Ｉｄ＿１０＿１＿１」のドキュメントに対応する質問の例である。収集発話データ６−２４は、地図種類の具体的変更方法を知りたいことを意図した質問であるが、ここで想定している製品では実現不可能な地図種類であるため、「Ｉｄ＿１０＿１＿１」と同階層のドキュメントＩＤが選択できない収集発話データ例である。

図２４は、収集発話解析結果７、および発話推定モデル９用のキーワードリストの例である。「Ｉｄ＿１０＿１＿１」の収集発話解析結果７−２１は、図２３の「Ｉｄ＿１０＿１＿１」の収集発話データ６−２３の収集発話解析結果例、発話推定モデル用データ７−２２は、「Ｉｄ＿１０＿１＿１」の収集発話解析結果７−２１をもとにした、発話推定モデル作成部８が使用するデータ例を示している。ここではドキュメントＩＤと、代詞、助詞、介詞を除く自立語形態素とが抽出されている。

次に、ドキュメント検索装置の動作を説明する。
本実施の形態４に係るドキュメント検索装置の動作（作成処理、検索処理）は基本的に上記実施の形態１の図６〜図８と同じである。従って、ここでは異なる部分のみを説明する。まず、作成処理について説明する。

まず、作成処理のうち、検索インデックス５の作成方法について説明する。ここでは、従来技術で開示されているｔｆ・ｉｄｆによる重み付けをするものとする。
図２１に示したように、ドキュメント１は、ドキュメントＩＤとテキストとが対応付けられたペアになっているものとする。

図６のステップＳＴ１では、入力解析部２がこの構造のドキュメント１を順次読み込み、既知の技術である形態素解析によって形態素列に分割する。ドキュメント１−２２を形態素解析した結果が、図２２のドキュメント解析結果３−２１である。このドキュメント解析結果３−２１は、形態素の区切りしか示していないが、実際には、品詞情報などが含まれているものとする。

ドキュメント解析結果３がすべてのドキュメントＩＤに対して生成されると、続くステップＳＴ２で、検索インデックス作成部４が、すべてのドキュメント解析結果３から検索インデックス５の作成に必要な形態素（キーワード）を抽出し、（ドキュメントＩＤ、キーワードリスト）のペアを作成し、すべてのペアを元にｔｆ・ｉｄｆによって重み付けした検索インデックス５を作成する。図２２のドキュメント解析結果３−２１から抽出した（ドキュメントＩＤ、キーワードリスト）のペアは、同じ図２２の検索インデックス用データ３−２２で表される。

具体的な検索インデックス作成手順は、上記実施の形態１と同様であるため、説明を省略する。

次に、発話推定モデル９の作成処理について説明する。
収集発話データ６は、図２３の収集発話データ６−２１〜６−２４に表したように、あらかじめユーザから集めた発話をその回答となるドキュメントＩＤに割り当てたデータである。収集発話データ６の作成方法は上記実施の形態１と同様であるため、説明を省略する。

入力解析部２は、図７に示したステップＳＴ３において、先に説明したステップＳＴ１でドキュメント１を入力とした場合と同様に、収集発話データ６の形態素解析を行う。たとえば、図２３の収集発話データ６−２３を形態素解析した結果が、図２４の収集発話解析結果７−２１である。続くステップＳＴ４で発話推定モデル作成部８が、先に説明したステップＳＴ２と同様にドキュメントＩＤとキーワードのリストを発話推定モデル用データ７−２２として抽出し、上記実施の形態１と同様にＭＥ法によって発話推定モデル９を学習する。すべての収集発話解析結果７からキーワードが抽出され、ＭＥ法によって学習して、発話推定モデル９が作成される。具体的には、図２４の収集発話解析結果７−２１に対して、同じ図２４の発話推定モデル用データ７−２２が抽出され、この発話推定モデル用データ７−２２を元に上記学習が行われる。

次に、検索処理について説明する。
図２５および図２６は、ユーザ入力１０の一例であるユーザ入力１０−２１の検索処理における遷移例を示す。ここではユーザ入力１０はテキストでの入力を想定し、図２５のユーザ入力１０−２１が入力されたとして説明する。入力解析部２は、図８に示したステップＳＴ１１でまずユーザ入力１０−２１を受け取り、形態素解析してユーザ入力解析結果１１−２１を生成し、ユーザ入力解析結果１１−２１から代詞、助詞、介動詞を除外して自立語を抽出し、キーワードリスト１１−２２を作成する。続くステップＳＴ１２では、発話内容推定部１４がこのキーワードリスト１１−２２を入力に用いて、発話推定モデル９から図２６のドキュメント推定結果１５−２１を得る。図２６に示すように、ドキュメント推定結果１５−２１は、スコア順に並んでいる。

ドキュメント推定結果１５−２１が得られると、続くステップＳＴ１３にて今度はドキュメント検索部１２がキーワードリスト１１−２２を入力に用いて、検索インデックス５から図２６のドキュメント検索結果１３−２１を得る。図２６に示すように、ドキュメント検索結果１３−２１もスコア順に並んでいる。

続くステップＳＴ１４では、結果統合部１６がドキュメント推定結果１５−２１の最大スコアがここで定めた閾値Ｘ（たとえば、Ｘ＝０．９）以上かどうかを判断する。ドキュメント推定結果１５−２１では最大スコアが閾値Ｘより小さいので（ステップＳＴ１４“ＮＯ”）、結果統合部１６はステップＳＴ１６の処理に進む。ステップＳＴ１６では、ドキュメントＩＤごとに、ドキュメント検索結果１３−２１のスコアとドキュメント推定結果１５−２１のスコアの重み付き加算を行い、最終検索結果１７−２１を作成する。図２６では、（ドキュメント推定結果１５−２１のスコア）：（ドキュメント検索結果１３−２１のスコア）＝１：１で加算した結果が最終検索結果１７−２１となっている。

一方、ステップＳＴ１４でドキュメント推定結果１５−２１の最大スコアが閾値Ｘを超えた場合には（ステップＳＴ１４“ＹＥＳ”）、続くステップＳＴ１５にて結果統合部１６はドキュメント検索結果１３−２１を破棄して、ドキュメント推定結果１５−２１を最終検索結果（不図示）とする。
検索が終了すると、ドキュメント検索装置は画面にドキュメントＩＤのタイトルなどを表示して、ユーザに選択させることで、所望のドキュメント位置を提示する。

以上より、実施の形態４によれば、ドキュメント検索装置は、日本語だけでなく中国語のドキュメント１についても上記実施の形態１と同様の処理を実施可能であり、中国語の入力の場合にも、上記実施の形態１と同様の効果を得ることができる。
なお、説明は省略するが、実施の形態４の構成を上記実施の形態２に適用してもよい。

上記以外にも、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

以上のように、この発明に係るドキュメント検索装置は、ユーザがどのような聞き方をするかを想定した質問とその回答になるドキュメント項目との対応関係を学習した発話推定モデルを用いて、ユーザの自然言語による入力に対するドキュメント内検索結果を提示するようにしたので、たとえば、家電製品および車載機器などの電子化された取扱説明書を検索および表示する情報機器などに用いるのに適している。

１ ドキュメント、２ 入力解析部、３ ドキュメント解析結果、４ 検索インデックス作成部、５ 検索インデックス、６ 収集発話データ、７ 収集発話解析結果、８ 発話推定モデル作成部、９ 発話推定モデル、１０ ユーザ入力、１１ ユーザ入力解析結果、１２ ドキュメント検索部、１３ ドキュメント検索結果、１４ 発話内容推定部、１５ ドキュメント推定結果、１６ 結果統合部、１７ 最終検索結果、１８ 検索対象限定部、１９ ドキュメント限定リスト。

Claims (6)

1. あらかじめ用意されたドキュメントから作成した検索インデックスと、
   ユーザからの入力を受け、前記検索インデックスを用いて前記ドキュメント内から当該ユーザ入力に関連のある項目を検索するドキュメント検索部とを備えるドキュメント検索装置であって、
   前記ドキュメントの内容を問う想定質問と当該想定質問の回答となる前記ドキュメント内の項目との対応関係を学習した発話推定モデルと、
   前記発話推定モデルを基に前記ドキュメント内から前記ユーザ入力の回答に相当する項目を推定する発話内容推定部と、
   前記ドキュメント検索部から得られたドキュメント検索結果および前記発話内容推定部から得られたドキュメント推定結果を統合して、最終検索結果を生成する結果統合部とを備えることを特徴とするドキュメント検索装置。
2. 前記発話内容推定部は、推定した前記ドキュメント内の項目に、前記ユーザ入力との関連度合いに応じたスコアを付与し、
   前記結果統合部は、前記発話内容推定部から得られたドキュメント推定結果のスコアがあらかじめ定めた値より大きい場合は、前記ドキュメント検索部から得られたドキュメント検索結果を無視して最終検索結果を生成することを特徴とする請求項１記載のドキュメント検索装置。
3. 前記ドキュメント検索部は、検索した前記ドキュメント内の項目に、前記ユーザ入力との関連度合いに応じたスコアを付与し、
   前記発話内容推定部は、推定した前記ドキュメント内の項目に、前記ユーザ入力との関連度合いに応じたスコアを付与し、
   前記結果統合部は、前記ドキュメント検索部から得られたドキュメント検索結果のスコアと前記発話内容推定部から得られたドキュメント推定結果のスコアを一定の割合で加算して統合することを特徴とする請求項１記載のドキュメント検索装置。
4. 前記発話内容推定部から得られたドキュメント推定結果のうち、所定の条件を満たす項目を抽出する検索対象限定部を備え、
   前記発話内容推定部は、前記検索インデックスの検索の最小単位より大きな単位の項目と前記想定質問との対応関係を学習した発話推定モデルを基に推定し、
   前記結果統合部は、前記発話内容推定部から得られたドキュメント推定結果のうちの前記検索対象限定部で抽出した項目を、前記ドキュメント検索部から得られたドキュメント検索結果と統合することを特徴とする請求項１記載のドキュメント検索装置。
5. あらかじめ用意されたドキュメント、および当該ドキュメントの内容を問う想定質問と当該質問の回答となる当該ドキュメント内の項目との対応関係を定義した収集発話データを解析する入力解析部と、
   前記入力解析部から出力された前記ドキュメントの解析結果から前記検索インデックスを作成する検索インデックス作成部と、
   前記入力解析部から出力された前記収集発話データの解析結果を用いて、前記想定質問と前記ドキュメント内の項目との対応関係を学習し、前記発話推定モデルを作成する発話推定モデル作成部とを備えることを特徴とする請求項１記載のドキュメント検索装置。
6. ユーザからの入力を受け付けるユーザ入力ステップと、
   あらかじめ用意されたドキュメントから作成した検索インデックスを用いて、当該ドキュメント内から前記ユーザ入力に関連のある項目を検索するドキュメント検索ステップと、
   前記ドキュメントの内容を問う想定質問と当該想定質問の回答となる前記ドキュメント内の項目との対応関係を学習した発話推定モデルを基に、前記ドキュメント内から前記ユーザ入力の回答に相当する項目を推定する発話内容推定ステップと、
   前記ドキュメント検索ステップから得られたドキュメント検索結果および前記発話内容推定ステップから得られたドキュメント推定結果を統合して、最終検索結果を生成する結果統合ステップとを備えるドキュメント検索方法。

Images