WO2013190957A1 - 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム - Google Patents

機能実行指示システム、機能実行指示方法及び機能実行指示プログラム Download PDF

Info

Publication number
WO2013190957A1
WO2013190957A1 PCT/JP2013/064767 JP2013064767W WO2013190957A1 WO 2013190957 A1 WO2013190957 A1 WO 2013190957A1 JP 2013064767 W JP2013064767 W JP 2013064767W WO 2013190957 A1 WO2013190957 A1 WO 2013190957A1
Authority
WO
WIPO (PCT)
Prior art keywords
function
execution instruction
word
task
function execution
Prior art date
Application number
PCT/JP2013/064767
Other languages
English (en)
French (fr)
Inventor
孝輔 辻野
Original Assignee
株式会社エヌ・ティ・ティ・ドコモ
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社エヌ・ティ・ティ・ドコモ filed Critical 株式会社エヌ・ティ・ティ・ドコモ
Priority to CN201380027998.8A priority Critical patent/CN104335160B/zh
Priority to US14/395,851 priority patent/US9361063B2/en
Priority to EP13807663.3A priority patent/EP2863300B1/en
Publication of WO2013190957A1 publication Critical patent/WO2013190957A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Definitions

  • the present invention relates to a function execution instruction system, a function execution instruction method, and a function execution instruction program that can execute one or more functions.
  • Patent Literature 1 describes that whether or not a user's voice recognition result includes a verb or a word that expresses emotion is generated, and a response corresponding to the determination is generated.
  • an appropriate function cannot always be executed simply by extracting a verb or a word expressing emotion from the recognition result of the user's voice. For example, if the user's utterance is “Tomorrow's weather”, the user may want to refer to the weather forecast, and it is desirable to execute the weather forecast function. However, when the word representing the date is associated with the scheduler function, the scheduler is executed (activated) because the word representing the date “Tomorrow” is included. That is, erroneous determination occurs.
  • the present invention has been made in view of the above problems, and provides a function execution instruction system, a function execution instruction method, and a function execution instruction program capable of appropriately executing a function using a plurality of words. Objective.
  • a function execution instruction system inputs function execution instruction means for instructing execution of one or more functions and information including a plurality of ordered words. And an execution function determination unit that determines a function to be instructed by the function execution instruction unit from one or more functions based on the order of the words input by the word input unit.
  • a function to be instructed to execute is determined in consideration of the order of input words. Therefore, the word used for determining the function is appropriately used according to the order. Thereby, according to the function execution instruction system concerning one embodiment of the present invention, execution of a function by a plurality of words can be performed appropriately.
  • the execution function determining means stores the association between one or more functions and a preset word, extracts a preset word from the word input by the word input means, and extracts the association and extraction
  • the function to be instructed to be executed by the function execution instructing unit may be determined from one or more functions based on the order of the words input by the word input unit. According to this configuration, for example, even when a plurality of verbs for determining a function for which execution is instructed are included in the input word, it is possible to determine a function for which execution is instructed appropriately.
  • the preset word may be a verb.
  • the execution function determining means stores associations between one or more functions and preset words, weights the words input by the word input means according to the order of the words, and associates the associations
  • the function to be instructed to execute by the function execution instructing unit may be determined from one or more functions based on the weight and the weight. According to this configuration, even the same word is appropriately considered in determining the function according to the word order. Therefore, it is possible to reliably execute an appropriate function using a plurality of words.
  • the function execution instruction system may further include voice recognition means for inputting voice, performing voice recognition on the input voice, and inputting the result of voice recognition to the word input means. According to this configuration, the function can be executed by the user's voice.
  • the present invention can be described as an invention of a function execution instruction system and a function execution instruction program as follows, in addition to being described as an invention of a function execution instruction system as described above.
  • This is substantially the same invention only in different categories and the like, and has the same operations and effects.
  • a function execution instruction method includes a function execution instruction step that instructs execution of one or more functions, a word input step that inputs information including a plurality of ordered words, and a word An execution function determination step for determining a function to be executed in the function execution instruction step from one or more functions based on the order of the words input in the input step.
  • a function execution instruction program includes a function execution instruction unit that instructs a computer to execute one or more functions, and a word input unit that inputs information including a plurality of ordered words. And an execution function determination unit that determines a function to be executed by the function execution instruction unit from one or more functions based on the order of the words input by the word input unit.
  • the function instructed to be executed is determined based on the order of the input words. Therefore, the word used for determining the function is appropriately used according to the order. Thereby, according to one Embodiment of this invention, execution of the function by a several word can be performed appropriately.
  • FIG. 1 shows a function execution instruction system 1 according to this embodiment.
  • the function execution instruction system 1 includes a function execution instruction server 10 and a voice recognition server 20.
  • the function execution instruction system 1 is a system that instructs the communication terminal 30 to execute one or more preset functions.
  • the functions instructed to be executed from the function execution instruction system 1 to the communication terminal 30 are equivalent to, for example, transfer guidance, gourmet search, image search, music search, music player, scheduler, mail, memo, route guide, and map search. To do.
  • the function to be executed is called a task. Specifically, with regard to transfer guidance, gourmet search, image search, music search, and map search, for example, information on guidance and search results is displayed and output on the communication terminal 30.
  • the communication terminal 30 is a device that can communicate with the function execution instruction server 10 and the voice recognition server 20 through a communication network (for example, a mobile communication network), for example, a mobile phone or a PC (Personal Computer). It corresponds to. Since the above task is executed with the user's voice as a trigger, the communication terminal 30 has a function of inputting the user's voice. In addition, the communication terminal 30 has a function of executing a task in response to an instruction from the function execution instruction system 1, for example, an information reception function, an information processing function, a display function, and the like.
  • the communication terminal 30 has function execution means for executing one or more (or a plurality of) tasks. Specifically, the communication terminal 30 stores an application program corresponding to the task in advance, and executes the task by executing (starting) the stored application program. The task executed by the communication terminal 30 is instructed by the function execution instruction server 10 as described later. In addition to executing the application, the task may be executed by acquiring information corresponding to the task from the network.
  • the task execution instruction to the communication terminal 30 by the function execution instruction system 1 is performed as follows. First, the communication terminal 30 inputs a user's voice. The input voice is transmitted from the communication terminal 30 to the voice recognition server 20.
  • the voice recognition server 20 receives voice from the communication terminal 30 and performs voice recognition on the received voice.
  • the voice recognition server 20 transmits a sentence or a set of words as a result of the voice recognition to the communication terminal 30.
  • the communication terminal 30 receives the result of voice recognition and further transmits it to the function execution instruction server 10.
  • the function execution instruction server 10 receives the result of the voice recognition, determines a task to be executed based on the result of the voice recognition, and instructs the communication terminal 30 to execute the task.
  • the function execution instruction server 10 transmits information indicating a task to be executed to the communication terminal 30.
  • the communication terminal 30 receives an instruction from the function execution instruction server 10 and executes a task according to the instruction.
  • a set of sentences or words as a result of voice recognition may be directly transmitted from the voice recognition server 20 to the function execution instruction server 10 without being sent to the communication terminal 30 once.
  • the function execution instruction server 10 and the voice recognition server 20 may be integrated.
  • the function execution instruction server 10 executes a task to check tomorrow's weather at the current position of the communication terminal 30 (weather forecast task).
  • the communication terminal 30 is instructed to execute the weather forecast task.
  • the weather forecast task is executed as described above, the current position of the communication terminal 30 is acquired when the task is executed. As described above, additional information is acquired as necessary depending on the task.
  • a sentence or a set of words as a result of speech recognition is information including a plurality of words ordered in more detail as described later. That is, the information is such that the order (order, position in the sentence) of a plurality of words included therein can be understood.
  • the above is the outline of the function execution instruction system 1 according to the present embodiment.
  • the voice recognition server 20 is a device that is a voice recognition unit that inputs voice, performs voice recognition on the input voice, and outputs a result of the voice recognition. Specifically, as described above, the voice recognition server 20 receives voice data from the communication terminal 30.
  • the voice recognition server 20 has a voice recognition engine, and performs voice recognition using the voice recognition engine. For speech recognition itself, any conventional speech recognition method can be used.
  • the voice recognition server 20 acquires the voice recognition result as a set of words (a group of words composed of a plurality of words) or a sentence, and transmits the result to the communication terminal 30.
  • the speech recognition result is information that can specify the order of words included in the speech recognition result.
  • the speech recognition result is information in which words included in the speech recognition result are continuously arranged according to the order.
  • the function execution instruction server 10 includes a function execution instruction unit 11, a word input unit 12, and an execution function determination unit 13.
  • the function execution instructing unit 11 is a function execution instructing unit that instructs the communication terminal 30 to execute one or more tasks. Specifically, the function execution instructing unit 11 instructs the execution of the task by transmitting a command for executing the task to the communication terminal 30. The task whose execution is instructed by the function execution instructing unit 11 is determined by the execution function determining unit 13 as described later.
  • the task that is instructed to execute has a function that takes words as input (arguments). This is called a task slot.
  • the slot is predetermined. For example, in the case of a weather forecast task, a slot for inputting a target time (today, tomorrow, one week) and a target region is provided. Note that zero or more slots are defined for the task. That is, some tasks do not have slots.
  • Each slot may be associated with information indicating whether a preset word (default word) is input when no word is input to the slot. For example, in the case of a weather forecast, for the target area, the current position of the user acquired by GPS (Global Positioning System) or the like may be input as a default word.
  • GPS Global Positioning System
  • the word input unit 12 is word input means for inputting information including a plurality of ordered words. Specifically, the word input unit 12 receives the information from the communication terminal 30 by receiving information indicating a plurality of ordered words as a result of the speech recognition by the speech recognition server 20. Alternatively, when the result of speech recognition by the speech recognition server 20 is a sentence (input sentence), the word input unit 12 receives the sentence and extracts the word from the sentence, or cuts the sentence into words. Get words and specify word order. In addition, the method of acquiring a word from sentences can use arbitrary conventional methods, such as a morpheme analysis using a morpheme dictionary.
  • the word input to the word input unit 12 is a user's utterance unit for the communication terminal 30. That is, a word group included in one utterance is treated as one unit.
  • the word input unit 12 inputs information indicating the acquired ordered plurality of words to the execution function determination unit 13.
  • the execution function determination unit 13 is an execution function determination unit that determines a task instructed to be executed by the function execution instruction unit 11 based on the order of words input by the word input unit 12. For example, the execution function determining unit 13 stores associations between tasks and preset words, and determines tasks to be executed from the associations and ordered words. Specifically, the execution function determination unit 13 stores a word score for each task. For example, in the “scheduler” task, the word “tomorrow” is associated with a score of 350 for each task. In the “weather forecast” task, a score of 100 is associated with the word “tomorrow” and a score of 200 is associated with the word “weather”.
  • the execution function determination unit 13 weights the input words according to the order of the words, specifies the score of the word group input in the user's utterance unit in consideration of the weighting, and sets the specified score. Determine the task to be performed based on.
  • This weighting is preset and stored in the execution function determination unit 13. The weighting may be in accordance with the number of words or the language of the input word. Information indicating these associations and weights is input and stored in advance in the function execution instruction server 10 by, for example, an administrator of the function execution instruction system 1 or the like.
  • the user's utterance is “Tomorrow's weather”.
  • the user's utterance is divided into three words in the order of “tomorrow”, “no”, and “weather”.
  • the weight by position is preset as 0.6 for the first word, 0.8 for the next word, and 1.0 for the last word, as shown in FIG. Yes.
  • the subsequent words may be weighted more heavily. If the user ’s utterance is “Tomorrow's weather”, the user will want to know the weather, so the word “Weather” is more important than the word “Tomorrow” that is in front. .
  • the score of each word is specified for each task based on the above association, the score is multiplied by the weight of the word position, and the score is calculated by summing them.
  • the weighted score of each word is specified, and the scores are summed up to score each task (the task of “scheduler” and “weather forecast” in the example of FIG. 2A).
  • the word score for each task is determined according to the degree of association with the task.
  • the word score for each task may be determined in categories (for each category) by categorizing words, not for individual words. For example, a score may be associated with a “transfer guide” task and a station category (a set of words including station names). In this case, the category to which each word included in the user's utterance belongs is specified, and the score is calculated by comparing the specified category with the category associated with each task.
  • the execution function determination unit 13 determines, for example, a task having the highest score as a task for which execution is instructed by the function execution instruction unit 11 (or as a task candidate for which execution is instructed). In the case of the example shown in FIG. 2A, since the score of the “weather forecast” task is 260 and the score of the “scheduler” task is 210, the “weather forecast” task with a high score is executed. Determine as the task to be directed. The execution function determination unit 13 notifies the function execution instruction unit 11 of the determined task. When this notification is given, the function execution instructing unit 11 instructs the communication terminal 30 to execute the task.
  • a word that is input to the slot of the task to be executed (word that can be input to the category) may be notified together.
  • a word to be input to the slot is also transmitted from the function execution instruction unit 11 to the communication terminal 30 together with the task execution instruction.
  • the word “tomorrow” indicating the time subject to the weather forecast is input to the “weather forecast” slot.
  • the current position of the user may be input as a default word to a slot in a region targeted for weather forecasting.
  • the tomorrow's weather at the current position of the user is searched, and the result is presented to the user.
  • the user may be prompted to input to the slot at that time, and the word to be input to the slot may be input again.
  • the execution function determination unit 13 calculates a score weighted for each word in order to determine a task to be executed.
  • FIG. 2B shows an example (comparative example of this embodiment) in which the score is calculated without weighting the example of score calculation shown in FIG.
  • the score of the “scheduler” task is 350, and the score of the “weather forecast” task is 300.
  • the score of the “scheduler” task is high, and the “scheduler” is determined as the task to be executed.
  • the user utters “Tomorrow's weather”, the user wants to know the weather. Therefore, when a score that does not weight the position is used, an appropriate task cannot be executed (incorrect Judgment occurs).
  • the word “Tomorrow” itself has a high score in the “scheduler”, so it is considered that the above result was obtained.
  • a sports news search is executed for the utterance “golf result” and the scheduler is executed for the utterance “tomorrow is golf”.
  • Figure 3 shows another example.
  • the user's utterance is “weather tomorrow”.
  • the user's utterance is divided into two words in the order of “weather” and “tomorrow”.
  • the number of words is two and the language is English.
  • the weight based on the position is preset as 1.0 for the first word and 0.5 for the last word.
  • English Wide European languages
  • important words are often located earlier in the text, so the previous words may be weighted more heavily.
  • the user's utterance is “weather tomorrow”
  • the score of the “weather forecast” task is 250 and the score of the “scheduler” task is 175, as shown in FIG.
  • the “weather forecast” task is determined as a task to be instructed to be executed. That is, in this case, a task to be appropriately executed is determined.
  • the score of the task of “scheduler” is 350 as shown in FIG.
  • the score of the “weather forecast” task is 300.
  • the score of the “scheduler” task is high, and the “scheduler” is determined as the task to be executed.
  • the above is the function of the execution function determination unit 13 that determines the task to be executed based on the weighting according to the word order.
  • the execution function determination unit 13 may determine a task for which execution is instructed as follows.
  • the execution function determination unit 13 stores a correspondence between tasks and preset words.
  • the preset word is, for example, a preset type word such as a verb.
  • Each task is associated with a verb that is closely related to each task or a verb that represents a task.
  • the image search and various search tasks are associated with a verb “watch (watch, look%)”.
  • the music search or music player task is associated with the verb “hear, listen to”.
  • the scheduler, mail, and memo tasks are associated with the verb “make (make, cook, create, write%)”.
  • the route guidance and transfer guidance tasks are associated with the verb “go”.
  • a plurality of verbs of one task may be associated with each other, and one verb may be associated with a plurality of tasks.
  • Information indicating these associations is previously input and stored in the function execution instruction server 10 by an administrator of the function execution instruction system 1 or the like, for example.
  • the execution function determination unit 13 extracts the preset word (verb) from the word input by the word input unit 12.
  • the execution function determining unit 13 determines a task to be instructed to be executed by the function execution instructing unit 11 based on the extracted words in the preset order and the association. Specifically, when a plurality of verbs are extracted, a word to be used for task determination is determined from the plurality of words based on the order of the words. This determination may be in accordance with the language of the input word.
  • the last verb in the order (the independent word that comes out last) is used as a word for determining the task. For example, when the user's utterance is “make a schedule to go to hear a concert”, three verbs “listen”, “go”, and “make” are extracted. Among these, “Make” which is the last verb in the order is a word used for determining the task. When there is one extracted verb, that one word is used as a word used for task determination.
  • the execution function determination unit 13 determines a task associated with a verb that is supposed to be used for task determination. When a plurality of tasks are associated with one verb, a task to be executed is determined from the candidates as a candidate to be executed by another method. For example, a score based on the above-described word is calculated for those candidates, and a task to be executed is determined based on the score. In the case of the above example, the “scheduler”, “mail”, and “memo” tasks associated with “create” are determined as candidates to be executed.
  • the verb most closely related to the intention of the sentence is usually the last verb.
  • the determination accuracy of the task instructing execution can be improved by determining the verb that comes out last as the main action intended by the sentence (user's utterance).
  • the verb (independent language) that appears first is the verb that is used to determine the task. This is because in English, the verb most closely related to the intention of the sentence is usually the first verb. For example, if the user's utterance is “Make a schedule to go a concert.”, Two verbs “Make” and “go” are extracted, but “Make” that appears first is determined as a task. By using this, it can be determined that the task is not a task such as route guidance associated with go but a task such as creating a schedule.
  • keywords that are closely related to the task are set in the same way as the above verbs, and the task is determined by extracting the last word (in the case of Japanese) Also good.
  • keywords that are closely related to the task strong keywords
  • the task is determined by extracting the last word (in the case of Japanese) Also good.
  • “Recipe” is a word (keyword) associated with a “recipe search” task
  • “book” is associated with a “book search” task.
  • the user's utterance is intended to search for a book, and among the above words, the last keyword “book” is given priority over the previous keyword “recipe”.
  • the above is the function of the execution function determination unit 13 that determines a word to be used for task determination according to a preset word order and determines a task to be executed.
  • the above is the functional configuration of the function execution instruction system 1 according to the present embodiment.
  • FIG. 4 shows a hardware configuration of a server device constituting the function execution instruction server 10 and the voice recognition server 20 according to the present embodiment.
  • the server device includes a CPU (Central Processing Unit) 101, a RAM (Random Access Memory) 102 and a ROM (Read Only Memory) 103, which are main storage devices, a communication module 104 for performing communication, and
  • the computer is configured to include a computer including hardware such as an auxiliary storage device 105 such as a hard disk.
  • the functions of the function execution instruction server 10 and the voice recognition server 20 described above are exhibited by the operation of these components by a program or the like.
  • the above is the configuration of the function execution instruction system 1 according to the present embodiment.
  • a function execution instruction method which is a process executed by the function execution instruction system 1 according to the present embodiment, will be described using the flowchart of FIG.
  • a user operation on the communication terminal 30 for receiving a function execution instruction by the function execution instruction system 1 according to the present embodiment is performed, and the user's operation for causing the communication terminal 30 to execute the function is performed.
  • Voice (utterance) is input.
  • the voice is transmitted from the communication terminal 30 to the voice recognition server 20.
  • the voice recognition server 20 receives and inputs the voice (S01, voice recognition step).
  • the voice recognition server 20 performs voice recognition on the input voice (S02, voice recognition step).
  • Information indicating a set of words or a sentence as a speech recognition result is transmitted from the speech recognition server 20 to the communication terminal 30.
  • Information indicating a set of words or sentences is an ordered word.
  • the communication terminal 30 receives the information and transmits it to the function execution instruction server 10.
  • the word input unit 12 receives and inputs information including a plurality of ordered words, which is a voice recognition result (S03, word input step).
  • the input information is output from the word input unit 12 to the execution function determination unit 13.
  • the execution function determination unit 13 determines whether or not a preset strong keyword is included in a plurality of ordered words included in the input information (strong keyword is extracted) ( S04, execution function determination step). If it is determined that a strong keyword is included (YES in S04), the task associated with the strong keyword is determined as a task that is instructed to be executed (S07, execution function determination step).
  • a keyword used for determining a task to be executed is determined based on the order of the words.
  • the execution function determination unit 13 extracts a preset verb from a plurality of ordered words included in the input information.
  • the verb associated with the extracted verb is determined as a task candidate to be instructed to be executed (execution task candidates are limited) (S05, execution function determination step). If a plurality of verbs are included in the input word, a verb used for determining a task to be executed is determined based on the order of the words.
  • task candidates to be instructed to execute are not limited, and all tasks are set to task candidates to be instructed to execute.
  • a score for each task is calculated by the execution function determination unit 13 for a task that is a candidate for a task to be instructed to execute (S06, execution function determination step). As described with reference to FIGS. 2 and 3, the score for each task is calculated by weighting based on the order of words based on the input words. Subsequently, the execution function determination unit 13 determines the task with the highest score as an instruction to be executed (S07, execution function determination step).
  • the execution function determination unit 13 instructs the function execution instruction unit 11 to instruct execution of the determined task.
  • the word input to the task slot is also output to the function execution instruction unit 11.
  • the function execution instruction unit 11 that has received the instruction instructs the communication terminal 30 to execute the task (S08, function execution instruction step).
  • the communication terminal 30 receives this instruction and executes a task related to the instruction.
  • the above is the function execution instruction method which is the process executed by the function execution instruction system 1 according to the present embodiment.
  • a task to be instructed to execute is determined based on the order of input words. Therefore, the word used to determine the task is appropriately used in consideration of the user's intention according to the order. Thereby, according to this embodiment, execution of the function by a plurality of words can be performed appropriately.
  • a task to be executed by weighting words according to the order of words as in this embodiment it is preferable to determine a task to be executed by weighting words according to the order of words as in this embodiment. According to this configuration, even the same word is appropriately considered in determining the task according to the word order. Therefore, it is possible to reliably execute an appropriate task using a plurality of words. That is, a task according to the user's intention can be executed. For example, as described in the above-mentioned “Tomorrow's weather” example, it is possible to prevent the user from executing a “schedule” task that does not conform to the intention, and the “weather forecast” task according to the user's intention Executed.
  • a specific word set in advance such as a verb is extracted, and among the extracted words, a word that determines a task to be instructed according to the word order is determined. Is good.
  • a task instructing execution appropriately. That is, a task according to the user's intention can be executed. For example, as described in the example of “making a schedule for listening to a concert” described above, a task including a “scheduler” task in accordance with the user's intention can be a candidate for a task to be instructed to be executed. .
  • a task that is instructed to be executed is determined using a strong keyword, the task in accordance with the user's intention can be determined.
  • voice recognition may be performed by inputting voice
  • the voice recognition result may be information including the input word.
  • the function can be executed by the user's voice.
  • the function execution instruction system 1 includes the voice recognition server 20, but the voice recognition server 20 is not necessarily included. In this case, a result of speech recognition or a word group or a sentence not based on speech recognition is input to the function execution instruction system 1.
  • the function execution instruction server 10 and the voice recognition server 20 are configured separately, but they may be configured as a single unit. In this case, it is not necessary to transmit / receive the voice recognition result via the communication terminal 30.
  • a function used by the function execution instruction server 10 or the voice recognition server 20 may be provided in a terminal used by a user such as the communication terminal 30. In that case, the terminal is a function execution instruction system according to an embodiment of the present invention.
  • the function execution instruction server 10 may have a function of executing a task, and the task execution result may be provided to the communication terminal 30.
  • the function execution instruction program 50 is inserted into a computer and accessed, or stored in a program storage area 41 formed on a recording medium 40 provided in the computer.
  • the function execution instruction program 50 includes a function execution module 51, a word input module 52, and an execution function determination module 53. Functions realized by executing the function execution module 51, the word input module 52, and the execution function determination module 53 are the function execution instruction unit 11 of the function execution instruction server 10, the word input unit 12, and the like. The function is the same as that of the execution function determination unit 13.
  • the function execution instruction program 50 may include a module corresponding to the function of the voice recognition server 20.
  • a part or all of the function execution instruction program 50 may be transmitted via a transmission medium such as a communication line and received and recorded (including installation) by another device. Further, each module of the function execution instruction program 50 may be installed in any one of a plurality of computers instead of one computer. In that case, the series of function execution instruction programs 50 described above is performed by the computer system of the plurality of computers.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)

Abstract

　複数の単語による機能の実行を適切に行う。　機能実行指示システム１の機能実行指示サーバ１０は、１つ以上のタスクの実行を指示する機能実行指示部１１と、順序付けされた複数の単語を含む情報を入力する単語入力部１２と、入力された単語の順序に基づいて実行が指示されるタスクを決定する実行機能決定部１３とを備える。

Description

機能実行指示システム、機能実行指示方法及び機能実行指示プログラム
　本発明は、１つ以上の機能を実行することができる機能実行指示システム、機能実行指示方法及び機能実行指示プログラムに関する。
　従来から、ユーザの音声を認識して、認識した音声に基づいて機能を実行するシステムが知られている。例えば特許文献１には、ユーザの音声の認識結果に動詞や感情を表現する単語が含まれているか否かを判定して、判定に応じた応答を生成することが記載されている。
特開２００９－１９８８７１号公報
　しかしながら、ユーザの音声の認識結果に動詞や感情を表現する単語を抽出するだけでは、必ずしも適切な機能を実行できない場合がある。例えば、ユーザの発話が「明日の天気」であった場合、ユーザは天気予報を参照したいと考えられ、天気予報の機能を実行することが望ましい。しかし、日にちを表す単語とスケジューラの機能とが対応付けられていた場合、「明日」という日にちを表す単語が含まれているためスケジューラが実行（起動）されてしまう。即ち、誤判定が生じる。
　また、動詞と機能とが対応付けられており、ユーザの発話が「コンサートを聞きに行く予定を作る」であった場合、「聞き」と「行く」と「作る」との複数の動詞が含まれている。このような場合、何れの動詞に対応付けられた機能を起動すべきか適切に判定することができない。
　本発明は、上記の問題点に鑑みてなされたものであり、複数の単語による機能の実行を適切に行うことができる機能実行指示システム、機能実行指示方法及び機能実行指示プログラムを提供することを目的とする。
　上記の目的を達成するために、本発明の一実施形態に係る機能実行指示システムは、１つ以上の機能の実行を指示する機能実行指示手段と、順序付けされた複数の単語を含む情報を入力する単語入力手段と、単語入力手段によって入力された単語の順序に基づいて、１つ以上の機能から機能実行指示手段によって実行が指示される機能を決定する実行機能決定手段と、を備える。
　本発明の一実施形態に係る機能実行指示システムでは、入力された単語の順序を考慮して、実行が指示される機能が決定される。そのため、機能を決定するために用いる単語が順序に応じて適切に用いられる。これにより、本発明の一実施形態に係る機能実行指示システムによれば、複数の単語による機能の実行を適切に行うことができる。
　実行機能決定手段は、１つ以上の機能と予め設定された単語との対応付けを記憶しておき、単語入力手段によって入力された単語から予め設定された単語を抽出し、当該対応付けと抽出した単語の単語入力手段によって入力された際の順序とに基づいて、１つ以上の機能から機能実行指示手段によって実行が指示される機能を決定することとしてもよい。この構成によれば、例えば、入力された単語に実行が指示される機能を判断するための複数の動詞が含まれていた場合でも、適切に実行が指示される機能を判断することができる。予め設定された単語は動詞であることとしてもよい。
　実行機能決定手段は、１つ以上の機能と予め設定された単語との対応付けを記憶しておき、単語入力手段によって入力された単語に当該単語の順序に応じた重み付けを行い、当該対応付けと当該重みとに基づいて、１つ以上の機能から機能実行指示手段によって実行が指示される機能を決定することとしてもよい。この構成によれば、同一の単語でも単語の順序によって、機能を決定する上で適切に考慮される。従って、複数の単語による適切な機能の実行を確実に行うことができる。
　機能実行指示システムは、音声を入力して、入力した音声に対して音声認識を行って、音声認識を行った結果を単語入力手段に入力する音声認識手段を更に備えることとしてもよい。この構成によれば、ユーザの音声によって機能を実行することが可能となる。
　ところで、本発明は、上記のように機能実行指示システムの発明として記述できる他に、以下のように機能実行指示方法及び機能実行指示プログラムの発明としても記述することができる。これはカテゴリ等が異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
　即ち、本発明の一実施形態に係る機能実行指示方法は、１つ以上の機能の実行を指示する機能実行指示ステップと、順序付けされた複数の単語を含む情報を入力する単語入力ステップと、単語入力ステップにおいて入力された単語の順序に基づいて、１つ以上の機能から機能実行指示ステップにおいて実行が指示される機能を決定する実行機能決定ステップと、を含む。
　また、本発明の一実施形態に係る機能実行指示プログラムは、コンピュータを、１つ以上の機能の実行を指示する機能実行指示手段と、順序付けされた複数の単語を含む情報を入力する単語入力手段と、単語入力手段によって入力された単語の順序に基づいて、１つ以上の機能から機能実行指示手段によって実行が指示される機能を決定する実行機能決定手段と、をして機能させる。
　本発明の一実施形態では、入力された単語の順序に基づいて、実行が指示される機能が決定されるため、機能を決定するために用いる単語が順序に応じて適切に用いられる。これにより、本発明の一実施形態によれば、複数の単語による機能の実行を適切に行うことができる。
本発明の実施形態に係る機能実行指示システムの構成を示す図である。 ユーザの発話が「明日の天気」であった場合のタスク毎のスコアを示す表である。 ユーザの発話が「ｗｅａｔｈｅｒ　ｔｏｍｏｒｒｏｗ」であった場合のタスク毎のスコアを示す表である。 本発明の実施形態に係る機能実行指示システムを構成する機能実行指示サーバ及び音声認識サーバのハードウェア構成を示す図である。 本発明の実施形態に係る機能実行指示システムで実行される処理（機能実行指示方法）を示すフローチャートである。 本発明の実施形態に係る機能実行指示プログラムの構成を、記録媒体と共に示す図である。
　以下、図面と共に本発明に係る機能実行指示システム、機能実行指示方法及び機能実行指示プログラムの実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。
　図１に本実施形態に係る機能実行指示システム１を示す。機能実行指示システム１は、機能実行指示サーバ１０と音声認識サーバ２０とを備えて構成される。機能実行指示システム１は、通信端末３０に対して予め設定された１つ以上の機能の実行を指示するシステムである。機能実行指示システム１から通信端末３０に対して実行が指示される機能は、例えば、乗換案内、グルメ検索、画像検索、音楽検索、音楽プレーヤ、スケジューラ、メール、メモ、ルート案内、地図検索が相当する。なお、本実施形態では、実行される機能をタスクと呼ぶ。具体的には、乗換案内、グルメ検索、画像検索、音楽検索、地図検索に関しては、例えば、通信端末３０において案内や検索結果の情報が表示出力される。
　通信端末３０は、通信網（例えば、移動体通信網）を介して機能実行指示サーバ１０及び音声認識サーバ２０等と通信を行うことができる装置であり、例えば、携帯電話機やＰＣ（Personal Computer）に相当する。上記のタスクは、ユーザの音声をトリガとして実行されるため、通信端末３０はユーザの音声を入力する機能を有している。また、通信端末３０は、機能実行指示システム１からの指示を受けてタスクを実行する機能、例えば、情報の受信機能、情報処理機能及び表示機能等を有している。
　即ち、通信端末３０は、１つ以上の（あるいは複数の）タスクを実行する機能実行手段を有している。具体的には、通信端末３０は、タスクに対応するアプリケーションプログラムを予め記憶しておき、記憶したアプリケーションプログラムを実行（起動）することによってタスクを実行する。通信端末３０によって実行されるタスクは、後述するように機能実行指示サーバ１０によって指示される。また、タスクの実行は、アプリケーションを実行する以外にも、ネットワークからタスクに応じた情報を取得することで行われてもよい。
　機能実行指示システム１による通信端末３０に対するタスクの実行の指示は、次のように行われる。まず、通信端末３０がユーザの音声を入力する。入力された音声は、通信端末３０から音声認識サーバ２０に送信される。音声認識サーバ２０は、通信端末３０から音声を受信し、受信した音声に対して音声認識を行う。音声認識サーバ２０は、音声認識の結果である文章あるいは単語の集合を通信端末３０に送信する。通信端末３０は、音声認識の結果を受信して、更に機能実行指示サーバ１０に送信する。機能実行指示サーバ１０は、当該音声認識の結果を受信して、その音声認識の結果に基づいて実行すべきタスクを決定して、当該タスクを実行するように通信端末３０に指示する。例えば、機能実行指示サーバ１０は、実行すべきタスクを示す情報を通信端末３０に送信する。通信端末３０は、機能実行指示サーバ１０からの指示を受信して、当該指示に応じたタスクを実行する。なお、音声認識の結果である文章あるいは単語の集合はいったん通信端末３０に送られることなく、音声認識サーバ２０から機能実行指示サーバ１０へ直接送信されてもよい。更に、機能実行指示サーバ１０と音声認識サーバ２０は一体であってもよい。
　例えば、通信端末３０のユーザが「明日の天気」と発話した場合には、機能実行指示サーバ１０において、通信端末３０の現在位置の明日の天気を調べるタスク（天気予報のタスク）が実行されるものと判断されて、天気予報のタスクの実行が通信端末３０に指示される。なお、上記のように天気予報のタスクが実行される場合には、そのタスクの実行の際に通信端末３０の現在位置の取得が行われる。このように、タスクによっては必要に応じて付加的な情報の取得が行われる。
　なお、音声認識の結果である文章あるいは単語の集合は、より詳細には後述するように順序付けされた複数の単語を含む情報である。即ち、それらに含まれる複数の単語の順序（順番、文章中の位置）が分かるような情報である。以上が、本実施形態に係る機能実行指示システム１の概要である。
　引き続いて、本実施形態に係る機能実行指示システム１の機能について説明する。音声認識サーバ２０は、音声を入力して、入力した音声に対して音声認識を行い、音声認識を行った結果を出力する音声認識手段である装置である。具体的には、上述したように音声認識サーバ２０は、通信端末３０から音声データを受信する。音声認識サーバ２０は、音声認識エンジンを有しており、当該音声認識エンジンを用いて音声認識を行う。音声認識自体は、従来の任意の音声認識方法を利用することができる。音声認識サーバ２０は、音声認識結果を単語の集合（複数の単語からなる単語群）あるいは文章として取得して、通信端末３０に送信する。ここで、音声認識結果は、それに含まれる単語の順序を特定することができる情報である。例えば、音声認識結果は、その音声認識結果に含まれる単語が順序に従って連続的に並べられた情報である。
　図１に示すように、機能実行指示サーバ１０は、機能実行指示部１１と、単語入力部１２と、実行機能決定部１３とを備えて構成される。
　機能実行指示部１１は、通信端末３０に対して、１つあるいは複数のタスクの実行を指示する機能実行指示手段である。具体的には、機能実行指示部１１は、タスクを実行させるコマンドを通信端末３０に送信することでタスクの実行を指示する。機能実行指示部１１によって実行が指示されるタスクは、後述するように実行機能決定部１３によって決定される。
　また、実行が指示されるタスクには、単語を入力（引数）とする機能がある。これをタスクのスロットと呼ぶ。スロットは予め定められている。例えば、天気予報のタスクであれば、対象となる時刻（今日、明日、一週間）や対象となる地域を入力するスロットが設けられている。なお、タスクには０個以上のスロットが定義されている。即ち、スロットがないタスクもある。また、各スロットには、スロットへの単語の入力が無かった場合に予め設定された単語（デフォルトの単語）が入力されるかを示す情報が対応付けられていてもよい。例えば、天気予報の場合は、対象となる地域については、ＧＰＳ（Global Positioning System）等で取得されるユーザの現在位置をデフォルトの単語として入力することとしてもよい。
　単語入力部１２は、順序付けされた複数の単語を含む情報を入力する単語入力手段である。具体的には、単語入力部１２は、通信端末３０から、音声認識サーバ２０による音声認識の結果である順序付けされた複数の単語を示す情報を受信することで上記の情報を入力する。あるいは、音声認識サーバ２０による音声認識の結果が文章（入力文）である場合には、単語入力部１２は、文章を受信して、文章から単語を抽出する、又は文章を単語に切り分けることで単語を取得すると共に単語の順序を特定する。なお、文章から単語を取得する方法は、形態素辞書を用いた形態素解析等の従来の任意の方法を用いることができる。単語入力部１２に入力される単語は、通信端末３０に対するユーザの発話単位である。即ち、一回の発話に含まれる単語群を一つの単位として扱う。単語入力部１２は、取得した順序付けされた複数の単語を示す情報を実行機能決定部１３に入力する。
　実行機能決定部１３は、単語入力部１２によって入力された単語の順序に基づいて、機能実行指示部１１によって実行が指示されるタスクを決定する実行機能決定手段である。例えば、実行機能決定部１３は、タスクと予め設定された単語との対応付けを記憶しておき、その対応付けと順序付けされた単語とから実行が指示されるタスクを決定する。具体的には、実行機能決定部１３は、タスク毎に単語のスコアを記憶しておく。タスク毎の単語のスコアとは、例えば、「スケジューラ」のタスクでは、「明日」という単語には３５０のスコアが対応付けられている。また、「天気予報」のタスクでは、「明日」という単語には１００のスコアが、「天気」という単語には２００のスコアがそれぞれ対応付けられている。実行機能決定部１３は、入力された単語に当該単語の順序に応じた重み付けを行い、その重み付けを考慮してユーザの発話単位で入力された単語群のスコアを特定して、特定したスコアに基づいて実行されるタスクを決定する。この重み付けは予め設定されて、実行機能決定部１３に記憶されている。重み付けは、単語数や入力された単語の言語に応じたものとなっていてもよい。これらの対応付け及び重み付けを示す情報は、例えば、予め機能実行指示システム１の管理者等によって機能実行指示サーバ１０に入力されて記憶されている。
　例えば、ユーザの発話が「明日の天気」であったとする。この場合、図２に示すように、ユーザの発話は、「明日」、「の」、「天気」という順序で３つの単語に分けられる。３つの単語の場合、位置による重みは、例えば、図２（ａ）に示すように最初の単語が０．６、次の単語が０．８、最後の単語が１．０と予め設定されている。日本語の場合、文章の中でより後の方に重要な単語が位置することが多いため、後ろの単語をより重い重みとすることとしてもよい。ユーザの発話が「明日の天気」である場合、ユーザは天気を知りたいと考えられるため、前に位置する「明日」という単語よりも後ろに位置する「天気」という単語の方が重要である。
　そして、タスク毎に上記の対応付けに基づいて、各単語のスコアが特定されて、そのスコアに単語の位置による重みが掛けられて、それらが合計されてタスク毎のスコアが算出される。図２（ａ）に示すように各単語の重み付けされたスコアを特定し、それらを合計することで各タスク（図２（ａ）の例では「スケジューラ」、「天気予報」のタスク）のスコアが合計される。タスク毎の単語のスコアは、タスクとの関連度合に応じて定められている。なお、タスク毎の単語のスコアは、個々の単語毎でなく、単語をカテゴリ分けしてカテゴリ単位で（カテゴリ毎に）定められていてもよい。例えば、「乗換案内」にタスクに、駅のカテゴリ（駅名からなる単語の集合）にスコアが対応付けられていてもよい。この場合、ユーザの発話に含まれる各単語がどのカテゴリに属するかを特定し、特定したカテゴリとタスク毎に対応づけられたカテゴリの比較によりスコアを算出する。
　実行機能決定部１３は、例えば、スコアが最も高いタスクを、機能実行指示部１１によって実行が指示されるタスクとして決定する（あるいは、実行が指示されるタスク候補とする）。図２（ａ）に示す例の場合は、「天気予報」のタスクのスコアが２６０であり、「スケジューラ」のタスクのスコアが２１０であるため、スコアが高い「天気予報」のタスクを実行が指示されるタスクとして決定する。実行機能決定部１３は、機能実行指示部１１に対して、決定したタスクを通知する。この通知がされると、機能実行指示部１１から通信端末３０に対してタスクの実行が指示される。
　また、この指示の際に、単語入力部１２によって入力された単語のうち、実行されるタスクのスロットへの入力となる単語（カテゴリに入力しえる単語）も合わせて通知することとしてもよい。スロットへの入力となる単語も、機能実行指示部１１から通信端末３０に対してタスクの実行の指示と合わせて送信される。例えば、「明日の天気」という発話によって「天気予報」のタスクが実行される場合には、天気予報の対象となる時刻を示す「明日」という単語が、「天気予報」のスロットの入力とされる。また、天気予報の対象となる地域のスロットには、ユーザの現在位置がデフォルトの単語として入力されてもよい。これにより、ユーザの現在位置の明日の天気が検索されて、その結果がユーザに提示される。なお、タスクの実行の上でスロットへの入力が不足している場合には、その時点でユーザにスロットへの入力を促して、改めてスロットに入力する単語を入力することとしてもよい。
　上記のように、実行機能決定部１３は、実行されるタスクを決定するために単語毎に重み付けされたスコアを算出する。ここで、単語の位置毎に重み付けがなされずにスコアが算出される例を考える。図２（ｂ）に、図２（ａ）に示したスコア算出の例に対して重み付けがされないでスコアが算出される例（本実施形態の比較例）を示す。図２（ｂ）に示すように重み付けがされない場合、「スケジューラ」のタスクのスコアが３５０となり、「天気予報」のタスクのスコアが３００となる。この場合、「スケジューラ」のタスクのスコアが高くなり、「スケジューラ」の方が実行されるタスクとして決定されてしまうこととなる。上述したように「明日の天気」とユーザが発話した場合、ユーザは天気を知りたいと考えられるため、位置による重みを付けないスコアを用いた場合は適切なタスクを実行することができない（誤判定が生じる）。
　なお、上記の例では「明日」という単語自体の「スケジューラ」でのスコアが高かったため上記の結果になったとも考えられる。しかしながら、「ゴルフの結果」という発話に対してはスポーツニュース検索が実行され、「明日はゴルフ」という発話に対してはスケジューラが実行されるようにするためには「明日」という単語の「スケジューラ」でのスコアは高いものにしておく必要がある。従って、本実施形態のように重み付けをせずに、単に単語のスコアの組み合わせ（調整）をするだけでは誤判定が避けられない。即ち、本実施形態のように単語の位置（単語の順序）を考慮した重み付けを行うことで適切に実行が指示されるタスクを判断できる。
　図３に別の例を示す。例えば、ユーザの発話が「ｗｅａｔｈｅｒ　ｔｏｍｏｒｒｏｗ」であったとする。この場合、図２に示すように、ユーザの発話は、「ｗｅａｔｈｅｒ」、「ｔｏｍｏｒｒｏｗ」という順序で２つの単語に分けられる。この例の場合、単語の数は２つで言語が英語である。この場合、位置による重みは、例えば、図３（ａ）に示すように最初の単語が１．０、最後の単語が０．５と予め設定されている。英語（西欧言語）の場合、日本語とは異なり、文章の中でより前の方に重要な単語が位置することが多いため、前の単語をより重い重みとすることとしてもよい。ユーザの発話が「ｗｅａｔｈｅｒ　ｔｏｍｏｒｒｏｗ」である場合、日本語の例の場合と同様にユーザは天気を知りたいと考えられるため、後ろに位置する「ｔｏｍｏｒｒｏｗ」という単語よりも後ろに位置する「ｗｅａｔｈｅｒ」という単語の方が重要である。
　この場合（本実施形態の例）、図３（ａ）に示すように、「天気予報」のタスクのスコアが２５０であり、「スケジューラ」のタスクのスコアが１７５であるため、スコアが高い「天気予報」のタスクが実行指示されるタスクとして決定される。即ち、この場合、適切に実行されるタスクが判断される。
　一方で、単語の位置毎に重み付けがなされずにスコアが算出される場合（本実施形態の比較例）は、図３（ｂ）に示すように「スケジューラ」のタスクのスコアが３５０となり、「天気予報」のタスクのスコアが３００となる。この場合、「スケジューラ」のタスクのスコアが高くなり、「スケジューラ」の方が実行されるタスクとして決定されてしまうこととなる。このように、この例でも位置による重みを付けないスコアを用いた場合は適切なタスクを実行指示することができない（誤判定が生じる）。以上が単語の順序に応じた重み付けに基づいて、実行が指示されるタスクを決定する実行機能決定部１３の機能である。
　また、実行機能決定部１３は、以下のように実行が指示されるタスクを決定することとしてもよい。実行機能決定部１３は、タスクと予め設定された単語との対応付けを記憶しておく。予め設定された単語とは、例えば、動詞等の予め設定された種別の単語である。各タスクには、それぞれのタスクに関連が深い動詞やタスクを表す動詞が対応付けられる。画像検索や各種検索のタスクには、「見る（ｗａｔｃｈ，ｌｏｏｋ…）」という動詞が対応付けられている。音楽検索や音楽プレーヤのタスクには、「聞く（ｈｅａｒ，ｌｉｓｔｅｎ　ｔｏ…）」という動詞が対応付けられている。スケジューラ、メール、メモのタスクには、「作る（ｍａｋｅ，ｃｏｏｋ，ｃｒｅａｔｅ，ｗｒｉｔｅ…）」という動詞が対応付けられている。ルート案内、乗換案内のタスクには、「行く（ｇｏ）」という動詞が対応付けられている。なお、１つのタスクの複数の動詞が対応付けられていてもよいし、１つの動詞が複数のタスクに対応付けられていてもよい。これらの対応付けを示す情報は、例えば、予め機能実行指示システム１の管理者等によって機能実行指示サーバ１０に入力されて記憶されている。
　実行機能決定部１３は、単語入力部１２によって入力された単語から、上記の予め設定された単語（動詞）を抽出する。実行機能決定部１３は、抽出した単語のうち予め設定された順序の単語と上記の対応付けとに基づいて、機能実行指示部１１によって実行が指示されるタスクを決定する。具体的には、複数の動詞が抽出された場合、その複数の単語の中から、単語の順序に基づいてタスクの決定に利用する単語を決定する。この決定は、入力された単語の言語に応じたものとなっていてもよい。
　入力された単語が日本語であった場合、抽出された動詞のうち、順序が最も後の動詞（最後に出てきた独立語）をタスクの決定に利用する単語とする。例えば、ユーザの発話が「コンサートを聞きに行く予定を作る」であった場合、「聞き」、「行く」、「作る」という３つの動詞が抽出される。このうち、順序が最も後の動詞である「作る」がタスクの決定に利用する単語とされる。なお、抽出された動詞が１つであった場合には、その１つの単語をタスクの決定に利用する単語とする。
　実行機能決定部１３は、タスクの決定に利用するとされた動詞に対応付けられたタスクを決定するタスクとする。なお、１つの動詞に複数のタスクが対応づけられていた場合には、それら複数のタスクを実行される候補として、その候補の中から別の方法で実行が指示されるタスクを決定する。例えば、それらの候補に対して、上述した単語に基づくスコアを算出して、スコアに基づいて実行されるタスクを決定する。上記の例の場合、「作る」に対応付けられた、「スケジューラ」、「メール」、「メモ」のタスクが実行される候補と決定される。
　上記の例のように日本語の場合、通常、文章の意図に最も関係が深い動詞は最後に出てきた動詞である。このように、最後に出てきた動詞を文章（ユーザの発話）が意図するメインのアクションと判定することで、実行を指示するタスクの判定精度を高めることができる。
　一方、英語（西欧言語）の場合、最初に出てきた動詞（独立語）をタスクの決定に利用する動詞とする。英語の場合、通常、文章の意図に最も関係が深い動詞は最初に出てきた動詞であるためである。例えば、ユーザの発話が「Ｍａｋｅ　ａ　ｓｃｈｅｄｕｌｅ　ｔｏ　ｇｏ　ａ　ｃｏｎｃｅｒｔ．」であった場合、「Ｍａｋｅ」、「ｇｏ」という２つの動詞が抽出されるが、最初に出てきた「Ｍａｋｅ」をタスクの決定に利用することで、ｇｏに対応付けられたルート案内等のタスクでなく、予定の作成等のタスクと判断することができる。
　なお、上記の判断は、動詞以外の単語が用いられて行われてもよい。具体的にはタスクに密接に関わるキーワード（強いキーワード）を上記の動詞と同様に予め設定しておき、それを抽出して最後に出てきた単語（日本語の場合）でタスクを決定してもよい。例えば、ユーザの発話が「圧力鍋のレシピ本がみたいなぁ」であった場合、タスクに密接に関わるキーワードとして「レシピ」、「本」という２つの単語が抽出される。「レシピ」は「レシピ検索」のタスクに、「本」は「書籍検索」タスクにそれぞれ対応付いている単語（キーワード）である。上記のユーザの発話は、本の検索を意図するものであり、上記の単語のうち、最後のキーワード「本」がその前のキーワード「レシピ」より優先される。また、強いキーワードとしては、上記以外にも「乗換案内」のタスクに対する「乗換」という単語がある。以上が予め設定された単語の順序に応じてタスクの決定に用いる単語を決定して、実行が指示されるタスクを決定する実行機能決定部１３の機能である。以上が、本実施形態に係る機能実行指示システム１の機能構成である。
　図４に本実施形態に係る機能実行指示サーバ１０及び音声認識サーバ２０を構成するサーバ装置のハードウェア構成を示す。図４に示すように当該サーバ装置は、ＣＰＵ（Central Processing Unit）１０１、主記憶装置であるＲＡＭ（Random Access Memory）１０２及びＲＯＭ（Read Only Memory）１０３、通信を行うための通信モジュール１０４、並びにハードディスク等の補助記憶装置１０５等のハードウェアを備えるコンピュータを含むものとして構成される。これらの構成要素がプログラム等により動作することにより、上述した機能実行指示サーバ１０及び音声認識サーバ２０の機能が発揮される。以上が、本実施形態に係る機能実行指示システム１の構成である。
　引き続いて、図５のフローチャートを用いて、本実施形態に係る機能実行指示システム１で実行される処理である機能実行指示方法を説明する。本処理では、まず、本実施形態に係る機能実行指示システム１による機能実行の指示を受けるための通信端末３０に対するユーザの操作が行われて、通信端末３０に、機能を実行させるためのユーザの音声（発話）が入力される。続いて、当該音声が通信端末３０から音声認識サーバ２０に送信される。音声認識サーバ２０では、当該音声が受信されて入力される（Ｓ０１、音声認識ステップ）。続いて、音声認識サーバ２０では、入力された音声に対して音声認識が行われる（Ｓ０２、音声認識ステップ）。音声認識結果である単語の集合あるいは文章を示す情報が音声認識サーバ２０から通信端末３０に送信される。単語の集合あるいは文章を示す情報は、単語が順序付けされたものである。通信端末３０では、その情報が受信されて、機能実行指示サーバ１０に送信される。
　機能実行指示サーバ１０では、単語入力部１２によって、音声認識結果である順序付けされた複数の単語を含む情報が受信されて入力される（Ｓ０３、単語入力ステップ）。入力された情報は、単語入力部１２から実行機能決定部１３に出力される。続いて、実行機能決定部１３によって、入力された情報に含まれる順序付けされた複数の単語に、予め設定された強いキーワードが含まれるか否かが判断される（強いキーワードが抽出される）（Ｓ０４、実行機能決定ステップ）。強いキーワードが含まれていると判断された場合（Ｓ０４のＹＥＳ）、当該強いキーワードに対応付けられたタスクが実行指示されるタスクとして決定される（Ｓ０７、実行機能決定ステップ）。なお、入力された単語に複数の強いキーワードが含まれていた場合、それらのキーワードから、単語の順序に基づいて実行指示されるタスクの決定に用いられるキーワードが決定される。
　強いキーワードが含まれていないと判断された場合（Ｓ０４のＮＯ）、続いて、実行機能決定部１３によって、入力された情報に含まれる順序付けされた複数の単語から予め設定された動詞が抽出される。抽出された動詞に対応付けられた動詞が、実行指示されるタスクの候補として決定される（実行タスクの候補が限定される）（Ｓ０５、実行機能決定ステップ）。なお、入力された単語に複数の動詞が含まれていた場合、それらの動詞から、単語の順序に基づいて実行指示されるタスクの決定に用いられる動詞が決定される。また、入力された単語に予め設定された動詞が含まれない場合、実行が指示されるタスクの候補の限定は行われず、全てのタスクが実行指示されるタスクの候補とされる。
　続いて、実行機能決定部１３によって、実行指示されるタスクの候補とされたタスクについて、タスク毎のスコアが算出される（Ｓ０６、実行機能決定ステップ）。タスク毎のスコアは、図２及び図３を用いて説明したように、入力された単語に基づいて単語の順序に基づいて重み付けされて算出される。続いて、実行機能決定部１３によって、最も高いスコアのタスクが実行指示されるタスクとして決定される（Ｓ０７、実行機能決定ステップ）
　続いて、決定したタスクの実行を指示するように実行機能決定部１３から機能実行指示部１１に指示が行われる。この際、タスクのスロットに入力される単語も合わせて機能実行指示部１１に出力される。続いて、指示を受けた機能実行指示部１１によって通信端末３０に対してタスクの実行が指示される（Ｓ０８、機能実行指示ステップ）。通信端末３０では、この指示が受け付けられ、指示に係るタスクが実行される。以上が本実施形態に係る機能実行指示システム１で実行される処理である機能実行指示方法である。
　上述したように本実施形態では、入力された単語の順序に基づいて、実行が指示されるタスクが決定される。そのため、タスクを決定するために用いる単語が順序に応じてユーザの意図が考慮されて適切に用いられる。これにより、本実施形態によれば、複数の単語による機能の実行を適切に行うことができる。
　より具体的には、本実施形態のように単語の順序に応じた単語の重み付けを行って、実行が指示されるタスクを決定することとするのがよい。この構成によれば、同一の単語でも単語の順序によって、タスクを決定する上で適切に考慮される。従って、複数の単語による適切なタスクの実行を確実に行うことができる。即ち、ユーザの意図に沿ったタスクを実行することができる。例えば、上述した「明日の天気」の例で説明したように、ユーザに意図に沿わない「スケジュール」のタスクが実行されることを防止し、ユーザの意図に沿った「天気予報」のタスクが実行される。
　また、本実施形態のように動詞等の予め設定した特定の単語を抽出して、抽出した単語のうち、単語の順序に応じて実行が指示されるタスクを決定する単語を決めることとするのがよい。この構成によれば、例えば、入力された単語に実行を指示するタスクを判断するための複数の動詞が含まれていた場合でも、適切に実行を指示するタスクを判断することができる。即ち、ユーザの意図に沿ったタスクを実行することができる。例えば、上述した「コンサートを聞きに行く予定を作る」の例で説明したように、ユーザの意図に沿った「スケジューラ」のタスクを含むタスクを実行が指示されるタスクの候補とすることができる。あるいは、強いキーワードを用いて実行が指示されるタスクを決定する場合にも、ユーザの意図に沿ったタスクを決定することができる。
　また、本実施形態のように音声を入力して音声認識を行って、音声認識結果を入力される単語を含む情報とすることとしてもよい。この構成によれば、ユーザの音声によって機能を実行することが可能となる。
　但し、本実施形態においては、機能実行指示システム１において、音声認識サーバ２０を含むこととしていたが、必ずしも音声認識サーバ２０を含む必要はない。この場合、音声認識された結果、あるいは音声認識によらない単語群や文章が機能実行指示システム１に入力される。また、本実施形態では、機能実行指示サーバ１０と音声認識サーバ２０とが別体として構成されていたが、それらが一体として構成されていてもよい。この場合、音声認識結果を、通信端末３０を介して送受信する必要がない。また、通信端末３０等のユーザに用いられる端末に、機能実行指示サーバ１０あるいは音声認識サーバ２０の機能が備えられていてもよい。その場合、当該端末が本発明の一実施形態に係る機能実行指示システムとなる。あるいは、機能実行指示サーバ１０がタスクを実行する機能を有しており、タスクの実行結果を通信端末３０に提供する構成であってもよい。
　引き続いて、上述した一連の機能実行指示サーバ１０による処理をコンピュータに実行させるための機能実行指示プログラムを説明する。図６に示すように、機能実行指示プログラム５０は、コンピュータに挿入されてアクセスされる、あるいはコンピュータが備える記録媒体４０に形成されたプログラム格納領域４１内に格納される。
　機能実行指示プログラム５０は、機能実行モジュール５１と、単語入力モジュール５２と、実行機能決定モジュール５３とを備えて構成される。機能実行モジュール５１と、単語入力モジュール５２と、実行機能決定モジュール５３とを実行させることにより実現される機能は、上述した機能実行指示サーバ１０の機能実行指示部１１と、単語入力部１２と、実行機能決定部１３との機能とそれぞれ同様である。また、機能実行指示プログラム５０は、音声認識サーバ２０の機能に対応するモジュールを備えていてもよい。
　なお、機能実行指示プログラム５０は、その一部若しくは全部が、通信回線等の伝送媒体を介して伝送され、他の機器により受信されて記録（インストールを含む）される構成としてもよい。また、機能実行指示プログラム５０の各モジュールは、１つのコンピュータでなく、複数のコンピュータのいずれかにインストールされてもよい。その場合、当該複数のコンピュータによるコンピュータシステムよって上述した一連の機能実行指示プログラム５０の処理が行われる。
　１…機能実行指示システム、１０…機能実行指示サーバ、１１…機能実行指示部、１２…単語入力部、１３…実行機能決定部、２０…音声認識サーバ、１０１…ＣＰＵ、１０２…ＲＡＭ、１０３…ＲＯＭ、１０４…通信モジュール、１０５…補助記憶装置、３０…通信端末、４０…記録媒体、４１…プログラム格納領域、５０…機能実行指示プログラム、５１…機能実行モジュール、５２…単語入力モジュール、５３…実行機能決定モジュール。

Claims (7)

  1. 　１つ以上の機能の実行を指示する機能実行指示手段と、
    　順序付けされた複数の単語を含む情報を入力する単語入力手段と、
    　前記単語入力手段によって入力された単語の順序に基づいて、前記１つ以上の機能から前記機能実行指示手段によって実行が指示される機能を決定する実行機能決定手段と、
    を備える機能実行指示システム。
  2. 　前記実行機能決定手段は、前記１つ以上の機能と予め設定された単語との対応付けを記憶しておき、前記単語入力手段によって入力された単語から予め設定された単語を抽出し、当該対応付けと抽出した単語の前記単語入力手段によって入力された際の順序とに基づいて、前記１つ以上の機能から前記機能実行指示手段によって実行が指示される機能を決定する請求項１に記載の機能実行指示システム。
  3. 　前記予め設定された単語は動詞である請求項２に記載の機能実行指示システム。
  4. 　前記実行機能決定手段は、前記１つ以上の機能と予め設定された単語との対応付けを記憶しておき、前記単語入力手段によって入力された単語に当該単語の順序に応じた重み付けを行い、当該対応付けと当該重みとに基づいて、前記１つ以上の機能から前記機能実行指示手段によって実行が指示される機能を決定する請求項１～３の何れか一項に記載の機能実行指示システム。
  5. 　音声を入力して、入力した音声に対して音声認識を行って、音声認識を行った結果を前記単語入力手段に入力する音声認識手段を更に備える請求項１～４の何れか一項に記載の機能実行指示システム。
  6. 　１つ以上の機能の実行を指示する機能実行指示ステップと、
    　順序付けされた複数の単語を含む情報を入力する単語入力ステップと、
    　前記単語入力ステップにおいて入力された単語の順序に基づいて、前記１つ以上の機能から前記機能実行指示ステップにおいて実行が指示される機能を決定する実行機能決定ステップと、
    を含む機能実行指示方法。
  7. 　コンピュータを、
    　１つ以上の機能の実行を指示する機能実行指示手段と、
    　順序付けされた複数の単語を含む情報を入力する単語入力手段と、
    　前記単語入力手段によって入力された単語の順序に基づいて、前記１つ以上の機能から前記機能実行指示手段によって実行が指示される機能を決定する実行機能決定手段と、
    をして機能させる機能実行指示プログラム。
PCT/JP2013/064767 2012-06-19 2013-05-28 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム WO2013190957A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201380027998.8A CN104335160B (zh) 2012-06-19 2013-05-28 功能执行指示系统、以及功能执行指示方法
US14/395,851 US9361063B2 (en) 2012-06-19 2013-05-28 Function execution instruction system, function execution instruction method, and function execution instruction program
EP13807663.3A EP2863300B1 (en) 2012-06-19 2013-05-28 Function execution instruction system, function execution instruction method, and function execution instruction program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-137844 2012-06-19
JP2012137844A JP5819261B2 (ja) 2012-06-19 2012-06-19 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム

Publications (1)

Publication Number Publication Date
WO2013190957A1 true WO2013190957A1 (ja) 2013-12-27

Family

ID=49768560

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/064767 WO2013190957A1 (ja) 2012-06-19 2013-05-28 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム

Country Status (5)

Country Link
US (1) US9361063B2 (ja)
EP (1) EP2863300B1 (ja)
JP (1) JP5819261B2 (ja)
CN (1) CN104335160B (ja)
WO (1) WO2013190957A1 (ja)

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8977255B2 (en) 2007-04-03 2015-03-10 Apple Inc. Method and system for operating a multi-function portable electronic device using voice-activation
US8676904B2 (en) 2008-10-02 2014-03-18 Apple Inc. Electronic devices with voice command and contextual data processing capabilities
US20120309363A1 (en) 2011-06-03 2012-12-06 Apple Inc. Triggering notifications associated with tasks items that represent tasks to perform
US10013978B1 (en) * 2016-12-30 2018-07-03 Google Llc Sequence dependent operation processing of packet based data message transmissions
US10417037B2 (en) 2012-05-15 2019-09-17 Apple Inc. Systems and methods for integrating third party services with a digital assistant
DE112014000709B4 (de) 2013-02-07 2021-12-30 Apple Inc. Verfahren und vorrichtung zum betrieb eines sprachtriggers für einen digitalen assistenten
US10652394B2 (en) 2013-03-14 2020-05-12 Apple Inc. System and method for processing voicemail
US10748529B1 (en) 2013-03-15 2020-08-18 Apple Inc. Voice activated device for use with a voice-based digital assistant
US10176167B2 (en) 2013-06-09 2019-01-08 Apple Inc. System and method for inferring user intent from speech inputs
KR101749009B1 (ko) 2013-08-06 2017-06-19 애플 인크. 원격 디바이스로부터의 활동에 기초한 스마트 응답의 자동 활성화
MY179900A (en) 2013-08-29 2020-11-19 Panasonic Ip Corp America Speech recognition method and speech recognition apparatus
US10170123B2 (en) 2014-05-30 2019-01-01 Apple Inc. Intelligent assistant for home automation
US9715875B2 (en) 2014-05-30 2017-07-25 Apple Inc. Reducing the need for manual start/end-pointing and trigger phrases
AU2015266863B2 (en) 2014-05-30 2018-03-15 Apple Inc. Multi-command single utterance input method
US9338493B2 (en) 2014-06-30 2016-05-10 Apple Inc. Intelligent automated assistant for TV user interactions
JP2016061954A (ja) * 2014-09-18 2016-04-25 株式会社東芝 対話装置、方法およびプログラム
US20160104476A1 (en) * 2014-10-09 2016-04-14 International Business Machines Corporation Cognitive Security for Voice Phishing Activity
US9886953B2 (en) 2015-03-08 2018-02-06 Apple Inc. Virtual assistant activation
US9721566B2 (en) 2015-03-08 2017-08-01 Apple Inc. Competing devices responding to voice triggers
US10460227B2 (en) 2015-05-15 2019-10-29 Apple Inc. Virtual assistant in a communication session
US10200824B2 (en) 2015-05-27 2019-02-05 Apple Inc. Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device
US20160378747A1 (en) 2015-06-29 2016-12-29 Apple Inc. Virtual assistant for media playback
US10747498B2 (en) 2015-09-08 2020-08-18 Apple Inc. Zero latency digital assistant
US10740384B2 (en) 2015-09-08 2020-08-11 Apple Inc. Intelligent automated assistant for media search and playback
US10671428B2 (en) 2015-09-08 2020-06-02 Apple Inc. Distributed personal assistant
US10331312B2 (en) 2015-09-08 2019-06-25 Apple Inc. Intelligent automated assistant in a media environment
US11587559B2 (en) 2015-09-30 2023-02-21 Apple Inc. Intelligent device identification
US10691473B2 (en) 2015-11-06 2020-06-23 Apple Inc. Intelligent automated assistant in a messaging environment
US10956666B2 (en) 2015-11-09 2021-03-23 Apple Inc. Unconventional virtual assistant interactions
US10223066B2 (en) 2015-12-23 2019-03-05 Apple Inc. Proactive assistance based on dialog communication between devices
US10586535B2 (en) 2016-06-10 2020-03-10 Apple Inc. Intelligent digital assistant in a multi-tasking environment
DK201670540A1 (en) 2016-06-11 2018-01-08 Apple Inc Application integration with a digital assistant
DK179415B1 (en) 2016-06-11 2018-06-14 Apple Inc Intelligent device arbitration and control
US11204787B2 (en) 2017-01-09 2021-12-21 Apple Inc. Application integration with a digital assistant
DK201770383A1 (en) 2017-05-09 2018-12-14 Apple Inc. USER INTERFACE FOR CORRECTING RECOGNITION ERRORS
US10726832B2 (en) 2017-05-11 2020-07-28 Apple Inc. Maintaining privacy of personal information
DK180048B1 (en) 2017-05-11 2020-02-04 Apple Inc. MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION
DK201770427A1 (en) 2017-05-12 2018-12-20 Apple Inc. LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT
DK179745B1 (en) 2017-05-12 2019-05-01 Apple Inc. SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT
DK179496B1 (en) 2017-05-12 2019-01-15 Apple Inc. USER-SPECIFIC Acoustic Models
DK201770411A1 (en) 2017-05-15 2018-12-20 Apple Inc. MULTI-MODAL INTERFACES
US20180336892A1 (en) 2017-05-16 2018-11-22 Apple Inc. Detecting a trigger of a digital assistant
US10303715B2 (en) 2017-05-16 2019-05-28 Apple Inc. Intelligent automated assistant for media exploration
US10818288B2 (en) 2018-03-26 2020-10-27 Apple Inc. Natural assistant interaction
US11145294B2 (en) 2018-05-07 2021-10-12 Apple Inc. Intelligent automated assistant for delivering content from user experiences
US10928918B2 (en) 2018-05-07 2021-02-23 Apple Inc. Raise to speak
DK179822B1 (da) 2018-06-01 2019-07-12 Apple Inc. Voice interaction at a primary device to access call functionality of a companion device
DK180639B1 (en) 2018-06-01 2021-11-04 Apple Inc DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT
US10892996B2 (en) 2018-06-01 2021-01-12 Apple Inc. Variable latency device coordination
US11462215B2 (en) 2018-09-28 2022-10-04 Apple Inc. Multi-modal inputs for voice commands
US11475898B2 (en) 2018-10-26 2022-10-18 Apple Inc. Low-latency multi-speaker speech recognition
US11348573B2 (en) 2019-03-18 2022-05-31 Apple Inc. Multimodality in digital assistant systems
US11423908B2 (en) 2019-05-06 2022-08-23 Apple Inc. Interpreting spoken requests
US11475884B2 (en) 2019-05-06 2022-10-18 Apple Inc. Reducing digital assistant latency when a language is incorrectly determined
DK201970509A1 (en) 2019-05-06 2021-01-15 Apple Inc Spoken notifications
US11307752B2 (en) 2019-05-06 2022-04-19 Apple Inc. User configurable task triggers
US11140099B2 (en) 2019-05-21 2021-10-05 Apple Inc. Providing message response suggestions
US11496600B2 (en) 2019-05-31 2022-11-08 Apple Inc. Remote execution of machine-learned models
DK180129B1 (en) 2019-05-31 2020-06-02 Apple Inc. USER ACTIVITY SHORTCUT SUGGESTIONS
DK201970511A1 (en) 2019-05-31 2021-02-15 Apple Inc Voice identification in digital assistant systems
US11289073B2 (en) 2019-05-31 2022-03-29 Apple Inc. Device text to speech
US11360641B2 (en) 2019-06-01 2022-06-14 Apple Inc. Increasing the relevance of new available information
US11227599B2 (en) 2019-06-01 2022-01-18 Apple Inc. Methods and user interfaces for voice-based control of electronic devices
US11488406B2 (en) 2019-09-25 2022-11-01 Apple Inc. Text detection using global geometry estimators
JP7335794B2 (ja) * 2019-11-20 2023-08-30 シュナイダーエレクトリックホールディングス株式会社 情報処理装置及び設定装置
US11043220B1 (en) 2020-05-11 2021-06-22 Apple Inc. Digital assistant hardware abstraction
US11061543B1 (en) 2020-05-11 2021-07-13 Apple Inc. Providing relevant data items based on context
US11755276B2 (en) 2020-05-12 2023-09-12 Apple Inc. Reducing description length based on confidence
US11490204B2 (en) 2020-07-20 2022-11-01 Apple Inc. Multi-device audio adjustment coordination
US11438683B2 (en) 2020-07-21 2022-09-06 Apple Inc. User identification using headphones

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003202888A (ja) * 2002-01-07 2003-07-18 Toshiba Corp 無線通信機能付きヘッドセットおよびこれを用いた音声処理システム
JP2004334409A (ja) * 2003-05-02 2004-11-25 Nippon Hoso Kyokai <Nhk> データ閲覧支援装置、データ閲覧方法及びデータ閲覧プログラム
WO2005064592A1 (ja) * 2003-12-26 2005-07-14 Kabushikikaisha Kenwood 機器制御装置、音声認識装置、エージェント装置、車載機器制御装置、ナビゲーション装置、オーディオ装置、機器制御方法、音声認識方法、エージェント処理方法、車載機器制御方法、ナビゲーション方法、オーディオ装置制御方法及びプログラム
JP2009198871A (ja) 2008-02-22 2009-09-03 Toyota Central R&D Labs Inc 音声対話装置
JP2011049885A (ja) * 2009-08-27 2011-03-10 Kyocera Corp 携帯電子機器
JP2011065108A (ja) * 2009-09-18 2011-03-31 Konica Minolta Business Technologies Inc 画像処理装置、音声認識処理装置、音声認識処理装置の制御方法、およびコンピュータプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000356999A (ja) 1999-06-16 2000-12-26 Ishikawajima Harima Heavy Ind Co Ltd 音声によるコマンド入力装置及び方法
US6526382B1 (en) * 1999-12-07 2003-02-25 Comverse, Inc. Language-oriented user interfaces for voice activated services
US6836760B1 (en) * 2000-09-29 2004-12-28 Apple Computer, Inc. Use of semantic inference and context-free grammar with speech recognition system
JP4220151B2 (ja) * 2001-11-26 2009-02-04 株式会社豊田中央研究所 音声対話装置
US7603267B2 (en) * 2003-05-01 2009-10-13 Microsoft Corporation Rules-based grammar for slots and statistical model for preterminals in natural language understanding system
US7949536B2 (en) * 2006-08-31 2011-05-24 Microsoft Corporation Intelligent speech recognition of incomplete phrases
US8359190B2 (en) * 2006-10-27 2013-01-22 Hewlett-Packard Development Company, L.P. Identifying semantic positions of portions of a text
KR101528266B1 (ko) * 2009-01-05 2015-06-11 삼성전자 주식회사 휴대 단말기 및 그의 응용프로그램 제공 방법
US8762156B2 (en) * 2011-09-28 2014-06-24 Apple Inc. Speech recognition repair using contextual information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003202888A (ja) * 2002-01-07 2003-07-18 Toshiba Corp 無線通信機能付きヘッドセットおよびこれを用いた音声処理システム
JP2004334409A (ja) * 2003-05-02 2004-11-25 Nippon Hoso Kyokai <Nhk> データ閲覧支援装置、データ閲覧方法及びデータ閲覧プログラム
WO2005064592A1 (ja) * 2003-12-26 2005-07-14 Kabushikikaisha Kenwood 機器制御装置、音声認識装置、エージェント装置、車載機器制御装置、ナビゲーション装置、オーディオ装置、機器制御方法、音声認識方法、エージェント処理方法、車載機器制御方法、ナビゲーション方法、オーディオ装置制御方法及びプログラム
JP2009198871A (ja) 2008-02-22 2009-09-03 Toyota Central R&D Labs Inc 音声対話装置
JP2011049885A (ja) * 2009-08-27 2011-03-10 Kyocera Corp 携帯電子機器
JP2011065108A (ja) * 2009-09-18 2011-03-31 Konica Minolta Business Technologies Inc 画像処理装置、音声認識処理装置、音声認識処理装置の制御方法、およびコンピュータプログラム

Also Published As

Publication number Publication date
US20150142448A1 (en) 2015-05-21
EP2863300A4 (en) 2016-03-02
CN104335160A (zh) 2015-02-04
JP2014002586A (ja) 2014-01-09
JP5819261B2 (ja) 2015-11-18
EP2863300A1 (en) 2015-04-22
CN104335160B (zh) 2017-05-24
US9361063B2 (en) 2016-06-07
EP2863300B1 (en) 2019-01-23

Similar Documents

Publication Publication Date Title
JP5819261B2 (ja) 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム
US11328017B2 (en) Method and system for generating a conversational agent by automatic paraphrase generation based on machine translation
US10192545B2 (en) Language modeling based on spoken and unspeakable corpuses
EP3032532A1 (en) Disambiguating heteronyms in speech synthesis
US20130289989A1 (en) Sampling Training Data for an Automatic Speech Recognition System Based on a Benchmark Classification Distribution
JP2017058673A (ja) 対話処理装置及び方法と知能型対話処理システム
JP2020505643A (ja) 音声認識方法、電子機器、及びコンピュータ記憶媒体
JP6073881B2 (ja) 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム
US20180366108A1 (en) Crowdsourced training for commands matching
US11282521B2 (en) Dialog system and dialog method
CN112673421A (zh) 训练和/或使用语言选择模型以自动确定用于口头话语的话音辨识的语言
US11657800B2 (en) Electronic device with wakeup word determined multi-mode operation
JP7132090B2 (ja) 対話システム、対話装置、対話方法、及びプログラム
EP3425629B1 (en) Speech recognition system, terminal device, and dictionary management method
US9099091B2 (en) Method and apparatus of adaptive textual prediction of voice data
CN110998719A (zh) 信息处理设备和信息处理方法
JP7096199B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2008234427A (ja) ユーザ間の対話を支援する装置、方法およびプログラム
KR20190074508A (ko) 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법
EP3241123B1 (en) Voice recognition-based dialing
JP6085149B2 (ja) 機能実行指示システム、機能実行指示方法及び機能実行指示プログラム
KR20170010978A (ko) 통화 내용 패턴 분석을 통한 보이스 피싱 방지 방법 및 장치
CN111373473B (zh) 一种电子设备进行语音识别方法及电子设备
JP2020027466A (ja) 対話方法、対話システム及びプログラム
JP6223739B2 (ja) 機能実行指示システム及び機能実行指示方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13807663

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2013807663

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 14395851

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE