WO2015151268A1 - 反論生成方法，反論生成システム - Google Patents

反論生成方法，反論生成システム Download PDF

Info

Publication number
WO2015151268A1
WO2015151268A1 PCT/JP2014/059917 JP2014059917W WO2015151268A1 WO 2015151268 A1 WO2015151268 A1 WO 2015151268A1 JP 2014059917 W JP2014059917 W JP 2014059917W WO 2015151268 A1 WO2015151268 A1 WO 2015151268A1
Authority
WO
WIPO (PCT)
Prior art keywords
objection
condition
precondition
data
opinion
Prior art date
Application number
PCT/JP2014/059917
Other languages
English (en)
French (fr)
Inventor
直之 神田
Original Assignee
株式会社日立製作所
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 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to PCT/JP2014/059917 priority Critical patent/WO2015151268A1/ja
Priority to JP2016511280A priority patent/JP6375367B2/ja
Publication of WO2015151268A1 publication Critical patent/WO2015151268A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models

Definitions

  • the present invention relates to a method and system for automatically generating an objection to an opinion on an agenda.
  • Patent Document 1 a method of extracting affirmative / negative opinions on a certain agenda from a large amount of information sources is disclosed.
  • Patent Document 2 a set of opinions and responses that are assumed in advance, assuming a situation in which a large number of opinions on agenda items are collected, such as public comments (opinion solicitation procedure), and responses to those opinions are described.
  • a system has been disclosed that prepares (argument table) and outputs an answer corresponding to a similar opinion in the argument table for a certain opinion.
  • the present invention aims to provide a method and system for generating an appropriate objection to an opinion on a broad general topic with respect to the above problems.
  • the present application includes a plurality of means for solving the above-mentioned problem.
  • a method for generating an objection, and a first step of storing an agenda and an objection objected opinion that is an opinion on the agenda A second step of extracting a first precondition from the agenda;
  • a third step of extracting a second precondition from the objection of rebuttal a fourth step of determining a second condition corresponding to the first condition of the first precondition from the second precondition, Regarding the relevance between the first condition and the second condition, the fifth step of searching the objection ground data, which is data in which a negative opinion is described, and the objection object data among the objection ground data are related
  • the first precondition is extracted from the agenda and the storage unit that stores the objection opinion that is an opinion on the object
  • the second objection is obtained from the objection objection.
  • the determination part which determines the 2nd condition corresponding to the 1st condition of the 1st precondition from the 2nd precondition, and the 1st condition and the 2nd condition
  • the search part that searches the objection data, which is data that contains negative opinions, and the data that has the highest relevance to the objection of the objection are documented as an objection against the objection.
  • an output unit for outputting is provided.
  • Typical system configuration Typical system connection diagram Flowchart in the first embodiment Precondition extraction process flowchart Prerequisite extraction process products Prerequisite mapping product Example of information displayed on the display device System configuration of the second embodiment Flowchart in the second embodiment Flowchart in the third embodiment
  • FIG. 1 is a block diagram showing a configuration of a computer system to which the present invention is applied in the first embodiment.
  • the computer system of the present embodiment has an objection generation server 101 and an operation terminal 109, which are connected via a network 120.
  • the network 120 is connected to a document data storage device 125 for storing document data to be searched and a knowledge data storage device 130 having structured knowledge.
  • precondition extraction 102 precondition correspondence 103
  • objection data search 104 objection expression generation 105
  • objection presentation 106 is stored.
  • an in-terminal data storage device 131 is stored in the operation terminal 109.
  • An audio output device 116, a display device 117, an input device 118, and an audio input device 119 are connected to each other.
  • FIG. 2 is a diagram in which modules included in the objection generation server 101 among the components shown in FIG. 1 are arranged according to the flow of processing.
  • FIG. 3 shows a flowchart for generating the objection opinion using the components shown in FIG.
  • an embodiment will be described with reference to FIG.
  • text information representing the debate agenda 201 is stored in the terminal data storage device 131 through the input device 118 (300 in FIG. 3).
  • the voice uttered by the user through the voice input device 119 may be converted into text by a voice recognition program, and the text may be stored in the terminal data storage device 131. Since the voice recognition program is well known to those skilled in the art, the details are omitted here.
  • the precondition extraction unit 102 extracts a first set of preconditions included in the agenda 201 (301 in FIG. 3).
  • the preconditions used in this application are the basis for time and place, etc. that are necessary for discussing the agenda, and that are part of the conditions that constitute the objection of the objection. Includes conditions. If the relevance between these preconditions is low or extremely different, the discussion will not hold in the first place and a contradiction will arise. Therefore, in the present application, attention was paid to this precondition in generating a rebuttal for breaking up the objection of opposition. Since this precondition is not necessarily specified in the text of the agenda or the objection of objection, the following extraction process is performed.
  • the flow of the precondition extraction process is shown in FIG. 4, and the intermediate result is shown in FIG.
  • the preconditions are extracted from the agenda that “homework should be abolished in Japanese elementary schools”.
  • a syntax analysis process and a dependency analysis process are performed on the agenda (400) to obtain a structure 501 in FIG.
  • the sentence is divided into words, and part-of-speech information (part of speech, part-of-speech 2) and dependency information are obtained for each word.
  • the relationship destination information is a word number indicating which word each word is related to. For example, it is indicated that the destination of the first word “our country” is the second word “NO”.
  • Reference numeral 502 in FIG. 5 illustrates the contact information. Since syntax analysis and dependency analysis are well-known techniques for those skilled in the art, details are omitted.
  • the main phrase in the sentence is extracted (401 in FIG. 4).
  • a series of As a result, as in 503, “homework should be abolished” is extracted as a main phrase.
  • the above extraction rule is not limited to this, as long as the main phrase can be extracted.
  • a method using a discriminator is possible. In this case, first, after parsing and dependency analysis processing on a large number of sentences, “B-MAIN” is used as the first word of the main phrase as determined by humans, and other than the first of the main phrase. Three types of labels “I-MAIN” are given to words and “OTHER” are given to words other than the main phrase.
  • Conditional Random Field is a classifier represented by the following formula.
  • x is information such as input words and parts of speech
  • y is a label (B-MAIN, I-MAIN, OTHER).
  • ⁇ is called a feature. For example, it is 1 only when the part of speech of x is a noun and 0 otherwise, and it is 1 only when conditions such as a specific word type or a specific part of speech match. It is such a function.
  • w is a parameter of Conditional Random Field, and can be obtained from a set of pairs of words and labels (B-MAIN, I-MAIN, OTHER) prepared above. Since the learning method of Conditional Random Field is well known to those skilled in the art, further details are omitted.
  • the parsing process and the dependency analysis process are first performed on the sentence from which the main phrase is to be extracted.
  • a label (B-MAIN, I-MAIN, OTHER) is predicted from each word and its part-of-speech information, dependency information, and N words before and after the word, its part-of-speech information, and dependency information.
  • the part with the labels B-MAIN and I-MAIN is used as the main phrase.
  • the above is the method for detecting the “main phrase” using the classifier.
  • the type of discriminator and the type of information to be used are not limited to those described above, and any combination or information can be used.
  • a clause related to “main phrase” is extracted (402 in FIG. 4). This is obtained by extracting all “sequences composed of particles other than“ ga ”and“ wo ”associated with the main phrase in the dependency analysis result of 502 in FIG. As a result, as shown by 504 in FIG. 5, one precondition clause “in an elementary school in Japan” is obtained.
  • This rule is only an example, and any rule may be used as long as a sentence corresponding to the precondition can be extracted.
  • the precondition may be extracted using a discriminator in the same manner as the “main phrase” is extracted.
  • “B-COND” is used as the first word of the phrase as a precondition
  • “I” is used as the first word of the phrase as a precondition.
  • Three types of labels “OTHER” are given to words other than the phrase “ ⁇ COND” and preconditions. Using these labels, a Conditional Random Field that predicts the labels (B-COND, I-COND, OTHER) is constructed in the same way as the main phrase is extracted.
  • the syntax analysis and dependency analysis processes are performed on the sentence from which the phrase that is the precondition is to be extracted, and the Conditional Random Field learned above is applied to the results.
  • a label (B-COND, I-COND, OTHER) is predicted for each word.
  • the part with the labels B-COND and I-COND is used as the main phrase.
  • the type of classifier and the type of information to be used are not limited to those described above, and any combination or information can be used.
  • the obtained precondition clause is regularized according to a certain rewrite rule (403).
  • the fixed rewrite rule is, for example, a rule of rewriting “Japan” to “Japan”, and an arbitrary rule can be used as indicated by reference numeral 505 in FIG.
  • this rule is applied, “Japan” is replaced with “Japan” by the first rule, and the precondition “2013” is added by the second rule.
  • the first precondition clauses “at a Japanese elementary school” and “2013” are obtained. This is the process 301 in FIG.
  • the rules shown in FIG. 5 can correspond to various rules depending on the country where the present invention is implemented.
  • a rule that 1 and 3 of 505 are replaced with a country in which the present invention is implemented, and 505 2 may be added to the condition not only for the year but also for the month.
  • the precondition extraction unit 102 operates again, and extracts the second precondition from the input text information indicating the objection objected opinion.
  • This premise processing is performed according to FIG. 4 as described above. For example, if the objection is "According to 2000 data, grade B has improved due to the abolition of homework in Country B", the main phrase is "Growing grade” and the second precondition The clauses are “according to 2000 data”, “in country B” and “by abolition of homework”.
  • the same process as that used in the extraction of the first precondition is used in the extraction of the second precondition, but the same process is not necessarily used. Different rules may be used for extraction.
  • the precondition handling unit 103 operates to determine a corresponding combination of the first precondition and the second precondition.
  • nouns included in all combinations of preconditions are associated with each other.
  • FIG. 6 As a result of comparing the first precondition section 1.1 “in elementary school in Japan” and the second precondition section 2.2 “in country B”, “Japan” and “country B” correspond. It is attached. This can be realized by bringing knowledge data that “Japan” and “Country B” are both country names in the knowledge database 129 in advance.
  • both the combination of “2013” and “2000” is extracted in association with information representing time. The These results are transferred to the next process 304.
  • the data set D is emptied as preparation for collecting the objection data set.
  • This data set D is stored on the memory 130 of the objection generation server 101.
  • the processes in 306 and 307 in FIG. 3 are performed on all the associated sets of preconditions.
  • the objection data search unit 104 operates to search for data indicating that the relevance to the associated precondition is low (data in which a negative opinion regarding relevance is described) (process 306).
  • the relevance between the associated preconditions can be asserted that the objection to be objected is inappropriate or contradictory as an opinion on the agenda when the relevance is low. It becomes an important index to do.
  • any of the nouns included in the main phrase “score improved” in the objection to be rebutted is included.
  • sentences in which four search words “Japan, B country, no correlation, grade” appear simultaneously are detected from the document database 124.
  • search term “no correlation” was added to search for data indicating low relevance to the associated preconditions.
  • “no correlation” and “negative correlation were found. It is possible to add various search terms indicating negative opinions such as “Yes”, “Low relevance”, and “Not relevant”.
  • the objection ground data indicating that the relevance is low can be obtained not only from the document database 124 but also from the knowledge database 129. For example, if past knowledge of Japan and Country B has been stored in the knowledge database 129, the correlation between them is calculated. If the correlation coefficient is below a certain value, It is possible to add data “no correlation” to the rebuttal data set D. Any known calculation method may be used for the correlation coefficient.
  • a template sentence that “Z of X and Y has no correlation” is prepared, and by applying the words “Japan” to “X”, “B country” to “Y”, and “Performance data” to “Z”, “Japan and B country” Text is not correlated.
  • process 309 processes 310 and 311 are performed for all data d included in the objection data set D.
  • the objection expression generation unit 105 operates to generate objection text from the data d.
  • a template “There is data of X and Y data is not helpful” is prepared in advance, and data d is stored in X (in the previous example, “the correlation between the results of Japan and B is correlated. No ”) is applied to the condition corresponding to the second precondition among the preconditions associated with Y (“ B country ”in the previous example).
  • data d is extracted in descending order of relevance to the objection of opinion, for example, “There is data that there is no correlation between the results of Japan and Country B, and the data of Country B is not helpful”.
  • a paper is generated.
  • the template for generating an anti-article is not limited to this.
  • the relevance between the data d and the objection objection can be evaluated by, for example, the degree of commonality of words appearing in the datad and objection objection, or other known methods may be used.
  • the objection presentation unit 106 operates, and the created objection opinion text is presented to the user through the display device 117.
  • speech may be generated from text using speech synthesis processing, and the speech may be presented to the user through the speech output device 116.
  • FIG. 7 shows an example of a screen presented on the display device 117 when the above operation is performed through the operation terminal 109.
  • the user can enter the agenda and opinion through text boxes 701 and 702, respectively.
  • the objection generation button 703 When the objection generation button 703 is pressed, the process of FIG. 3 operates to generate an objection opinion 704 and present it to the user.
  • the “display original data” button when the “display original data” button is pressed, the original document including the sentence retrieved in the process 306 may be displayed. Also, at the same time as the counter paper is generated, a sound obtained by synthesizing the counter paper with synthesized speech may be output through the sound output device 116.
  • the objection generating method described in the present embodiment includes a first step for storing an agenda and an objection objecting opinion that is an opinion on the agenda, and a second step for extracting a first precondition from the agenda. And a third step of extracting a second precondition from the objection opinion, a fourth step of determining a second condition corresponding to the first condition of the first precondition from the second precondition Regarding the relevance between the first condition and the second condition, the fifth step of searching the objection ground data, which is data in which a negative opinion is described, and the relation between the objection object opinion among the objection ground data And a sixth step of writing and outputting data having the highest nature as a counter-article against the objection of objection.
  • FIG. 8 shows the system configuration.
  • FIG. 8 is almost the same as FIG. 1 of the first embodiment except that a contradiction data search unit 832 is added to the objection generation server 801.
  • a contradiction data search unit 832 is added to the objection generation server 801.
  • the user inputs the agenda and the objection of objection from the input device 818, and these are stored in the in-terminal data storage device 831.
  • the accumulated data is sent to the objection generation server 801 via the network 820 (process 900).
  • the objection paper for the objection objection is generated and stored in the document database.
  • the contradiction generation server 801 operates the contradiction data search process, and searches the document database 824 for the counter paper that contradicts the objection of objection as objection candidate data. For this purpose, it is determined whether or not there is a contradiction with the objection of opinion for each counter-article included in the document database 824.
  • a method for determining whether two sentences are in contradiction using the synonym / antonym relationship of words is described.
  • the objection object ⁇ is “2000”, “Data”, “B country”, “Homework”, “Abolition”, “Performance”, “ “Elongation” is obtained, and “Country C”, “Homework”, “Abolition”, “Result”, “Results”, “Decrease” are obtained from the anti-thesis ⁇ .
  • it is checked whether a synonym or antonym exists in the word obtained from the objection ⁇ . Synonyms or antonyms are prepared in advance in the knowledge database 829.
  • Counterbalance B and Counterbalance C are synonyms, “Homework” and “Homework” match, “Abolition” and “Abolition” match, “Grade” and “Grade” match, “Elongation” and “ The relationship “falling” is an antonym. It is determined that there is no corresponding word for “2000” and “data”.
  • max () is a function that returns the maximum value of the included elements.
  • the above formula is applied to the objection opinion ⁇ and the objection ⁇ .
  • the number of synonyms or matches is 4
  • the number of corresponding words is 2
  • the number of antonyms is 1
  • the number of ⁇ negatives is 0, the number of ⁇ negatives Is 0,
  • the threshold is set so that the probability that a pair of contradictory sentences is in a contradictory relationship and that a pair of non-conflicting sentences is not in a contradictory relationship is correctly determined is the highest.
  • other threshold values may be used regardless of this method.
  • the method described here is a simple method that uses only synonyms or antonyms of nouns and verbs, and does not use information of function words. There are many methods for calculating the inconsistency using more complex syntax and knowledge, and any of them can be used as long as it can determine whether there is an inconsistency between sentences. May be.
  • the data set D is emptied as a preparation for collecting the objection data set.
  • processing 904 and processing 905 are performed on all the objection candidate data detected in processing 901.
  • the process described in the first embodiment is performed on the agenda and the objection candidate data, the objection data for the objection is retrieved, and the objection opinion is generated again. If the re-argument basis data is the smallest (ideally, the child search result is 0), the objection candidate data is added to the set D as the objection candidate data d (process 905).
  • processing 903 proceeds to processing 906, and processing 907 and processing 908 are performed for all the rebuttal candidate data d included in the rebuttal data set D.
  • an objection text is generated from the objection candidate data.
  • a template “there is contradictory information X” is prepared, and the detected objection candidate data is applied to X.
  • the text “Country C has conflicting information that its results have dropped as a result of abandoning homework” Is generated.
  • Any template or method may be used as long as the objection text can be generated from the objection candidate data d.
  • the text is presented to the user via the display device 817.
  • the display example here can use a screen as shown in FIG. 7 as in the first embodiment.
  • an objection opinion is generated at the bottom of the screen.
  • a counter-argument that “there is contradictory information that the result of the abolition of the homework in Country C has been lost” is generated.
  • Example 1 disclosed a method of generating a rebuttal by extracting preconditions from the agenda and the objection of rebuttal and searching for data indicating that there is no relationship between the preconditions. Further, in Example 2, after searching for contradictory data for the objection of objection, if the objection is generated again by the method of Example 1 for the inconsistent data, Disclosed how to use contradictory data for objection.
  • FIG. 8 The system configuration follows FIG. 8 as in the second embodiment.
  • the flow of this embodiment is shown in FIG. FIG. 10 is almost the same as FIG. 9 used in the second embodiment, but the processing 1001 is different.
  • the user inputs the agenda and the objection of objection from the input device 818, and these are stored in the terminal data storage device 831.
  • the accumulated data is sent to the objection generation server 801 via the network 820 (process 1000).
  • the contradiction generation server 801 operates a contradiction data search process, and detects a sentence inconsistent with the objection of objection from the document database 824 as the objection candidate data.
  • an objection opinion is generated for the object object objection, and this is also added as objection candidate data.
  • Processing flow after processing 1002 is the same as that in the second embodiment, and details thereof are omitted.
  • an objection opinion in the form of a combination of the method of Example 1 and the method of Example 2 is generated.
  • 101 objection generation server 108, 110, 121, 128: input / output interface 109: operation terminal 117: display device 118: character input device 119: voice input device 120: network 125: document data storage device 130: knowledge data storage device 131 : In-terminal data storage device.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)

Abstract

　意思決定支援のための反論生成システムにおいて，多様な議題における多様な意見に対して，その議題と反論対象意見の前提条件を抽出し，前提条件の関連が低いことを示すデータを検索することにより，自動的に適切な反論意見を生成することを可能とする。また，反論対象意見に矛盾する反論候補データを検索した後，議題と反論候補データの前提条件を抽出し，その関連が低いことを示すデータが存在しなければ，当該反論候補データを出力することによって，自動的に適切な反論意見を生成することを可能とする。

Description

反論生成方法，反論生成システム
　本発明はある議題における意見に対する反論意見を自動的に生成するための方法及びシステムに関するものである。
　近年Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂなどに大量の情報が蓄積され，また情報が瞬時に世界中へと拡散するようになり，人間が適切な意思決定を行うことがますます困難となっている。適切な意思決定を支援するために，ある議題に対する肯定・否定の意見を大量の情報源の中から抽出する方法が開示されている（特許文献１）。
　特許文献２においては，パブリックコメント（意見公募手続き）のようにある議題に対する大量の意見が収集され，それらの意見に対する回答を述べるような状況を想定し，予め想定される意見と回答のセット（論点整理表）を用意しておき，ある意見に対して論点整理表内の類似した意見に対応付けられた回答を出力する，というシステムが開示されている。
　一方，テキスト含意認識と呼ばれる技術においては、ある文章Ｔとある文章Ｈが矛盾関係にあるかどうかを検出することが可能となる。
特開２００７－２４１９０１号公報 特開２０１１－１１３４００号公報
　従来技術では，広く一般的な話題に対する意見に対し，適切な反論を生成することができないという課題がある。
　具体的には，特許文献２のような方法では，この方法では予め論点整理表を人間が用意しておく必要がある。そのため，広く一般的な議題に対する意見に対して回答ないし反論を生成しようとする場合には，議題や意見を全て想定し，論点整理表を人間が用意しておく必要があるが，これは現実的に不可能である。
　本発明は上記の課題に対し，広く一般的な話題に対する意見に対し，適切な反論を生成する方法及びシステムを提供することを目的とする。
　上記課題を解決するために、例えば請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、反論生成方法であって、議題と、議題に関する意見である反論対象意見と、を記憶する第１ステップと、議題から、第１前提条件を抽出する第２ステップと、
反論対象意見から、第２前提条件を抽出する第３ステップと、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する第４ステップと、第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする。
　または、反論生成システムであって、議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、議題から、第１前提条件を抽出し、反論対象意見から、第２前提条件を抽出する抽出部と、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する判定部と、第１条件と第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする。
　広く一般的な議題に対する意見に対し，適切な反論を生成することが可能となる。
代表的なシステム構成 代表的なシステムの接続図 実施例１におけるフローチャート 前提条件抽出処理のフローチャート 前提条件抽出処理の生成物 前提条件の対応付け処理の生成物 表示装置に表示される情報の例 実施例２のシステム構成 実施例２におけるフローチャート 実施例３におけるフローチャート
　本実施例では議題と反論対象意見とのそれぞれの前提条件を抽出し，抽出された前提条件を対応付けた後，議題と反論対象意見の前提の間に関連がないことを示すデータを検索することによって，反論意見（反論）を生成する方法について述べる。
　以下、本発明の第１の実施形態について、図面を用いて説明する。
　図１は、第１の実施形態において、本発明を適用する計算機システムの構成を示すブロック図である。本実施形態の計算機システムは、反論生成サーバ１０１、操作端末１０９を持ち、これらがネットワーク１２０を介して接続される。また、ネットワーク１２０には検索の対象となる文書データを蓄積する文書データ蓄積装置１２５と構造化された知識を持つ知識データ蓄積装置１３０が接続される。
　反論生成サーバ１０１内には前提条件抽出１０２，前提条件対応１０３，反論データ検索１０４，反論表現生成１０５，反論提示１０６の各プログラムが納められている。
　操作端末１０９内には端末内データ蓄積装置１３１が納められている。また音声出力装置１１６、表示装置１１７、入力装置１１８、音声入力装置１１９がそれぞれ接続されている。
　図２は、図１の構成要素のうち特に反論生成サーバ１０１に含まれるモジュールを処理の流れに従って配置した図である。また図３は，図１の構成要素を用いて反論意見を生成するフローチャートを表す。ここでは図３に従って実施例を述べる。
　まずディベートの議題２０１を表すテキスト情報が入力装置１１８を通じて端末内データ蓄積装置１３１へと蓄積される（図３の３００）。なお，音声入力装置１１９を通してユーザが発した音声を，音声認識プログラムによってテキストへと変換し，当該テキストを端末内データ蓄積装置１３１へと蓄積しても良い。音声認識プログラムについては，当業者であれば周知であるためここでは詳細は省略する。
　議題２０１はネットワーク１２０を通じて反論生成サーバ１０１へと送られた後，前提条件抽出部１０２が議題２０１に含まれる第１の前提条件の集合を抽出する（図３の３０１）。
　本願でいう前提条件とは、議題を論ずるために必要な、時間・場所などの土台となる条件や、反論対象意見を構成する条件の一部となっている、時間・場所などの土台となる条件を含む。これらの前提条件同士の関連性が低かったり、極端に異なっていたりすれば、そもそも議論は成立せず、そこに矛盾が生ずることになる。そのため本願では、反対対象意見を論破するための反論を生成するに当たり、この前提条件に着目した。この前提条件は、必ずしも議題や反論対象意見のテキスト中では明示されていないため、下記のような抽出処理を行う。
　この前提条件抽出の処理の流れを図４に，途中結果を図５に示す。この例では「我が国の小学校では宿題を廃止すべき」という議題から前提条件を抽出する。まず議題に対し構文解析処理と依存解析処理を行う（４００）ことにより，図５の５０１のような構造を得る。文章は単語に分かち書きされ，それぞれの単語ごとに品詞情報（品詞，品詞２）や係り先情報が得られる。係り先情報は，各単語がどの単語に係っているかを単語番号で示したものである。例えば１番の単語「わが国」の係り先は２番の単語「の」であることを示している。図５の５０２は係り先情報を図示したものである。なお構文解析や依存解析は当業者であれば周知の技術であるため，詳細は省略する。
　続いて文中の主となる句を抽出する（図４の４０１）。本実施例では，「係り先を持たない助動詞／動詞／形容詞と，当該する助動詞／動詞／形容詞に係る動詞／サ変接続名詞と，当該動詞／サ変接続名詞に係るガ格／ヲ格の助詞からなる系列」とする。この結果，５０３のように「宿題を廃止すべき」が主となる句として抽出される。
　ただし，上記の抽出ルールは，これに限定されるものではなく，主となる句が抽出できさえすればよい。例えば，別の実施例としては，識別器を用いた方法が可能である。この場合，まず予め多数の文章に構文解析処理と依存解析処理を行った上で，人間が判断して主となる句の先頭の単語に「Ｂ－ＭＡＩＮ」，主となる句の先頭以外の単語に「Ｉ－ＭＡＩＮ」，主となる句以外の単語に「ＯＴＨＥＲ」という３種類のラベルを付与しておく。
　このようにすることで，単語とラベル（Ｂ－ＭＡＩＮ，　Ｉ－ＭＡＩＮ，　ＯＴＨＥＲ）の組が大量に用意される。続いて，ある単語とその品詞情報，依存情報，及び，当該単語の前後Ｎ個の単語とその品詞情報，依存情報から，ラベル（Ｂ－ＭＡＩＮ，　Ｉ－ＭＡＩＮ，　ＯＴＨＥＲ）を予測する識別器を構築する。ここではＣｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄを用いた方法について述べる。Ｃｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄは，下式で表される識別器である。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　ここでｘは入力される単語や品詞などの情報であり，ｙはラベル（Ｂ－ＭＡＩＮ，　Ｉ－ＭＡＩＮ，　ＯＴＨＥＲ）を表す。またφは素性と呼ばれ，例えばｘの品詞が名詞の時のみ１でそれ以外の時は０となるなど，特定の単語の種類や特定の品詞の種類などの条件が一致した時にのみ１となるような関数である。素性は様々な条件のものを多数用意しておく。ｗはＣｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄのパラメータであり，前記で用意した単語とラベル（Ｂ－ＭＡＩＮ，　Ｉ－ＭＡＩＮ，　ＯＴＨＥＲ）の組の集合から求める事が出来る。Ｃｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄの学習方法は当業者であれば周知であるため，これ以上の詳細は省略する。
　実際に主となる句を抽出する際には，主となる句を抽出したい文章に対してまず構文解析処理と依存解析処理を行う。次に，各単語とその品詞情報，依存情報，及び，当該単語の前後Ｎ個の単語とその品詞情報，依存情報からラベル（Ｂ－ＭＡＩＮ，　Ｉ－ＭＡＩＮ，　ＯＴＨＥＲ）を予測する。得られたラベルのうちＢ－ＭＡＩＮ，　Ｉ－ＭＡＩＮというラベルが付与された箇所を主となる句として用いる。
　なおＣｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄを用いたラベルの予測方法は当業者であれば周知であるため，詳細は省略する。
　以上が識別器を用いた「主となる句」の検出方法である。識別器の種類や，利用する情報の種類は上記で説明したものに限定されるものではなく，任意の組み合わせや情報を利用可能である。
　次に，前提条件を抽出するために，「主となる句」に係る文節を抽出する（図４の４０２）。これは図５の５０２の依存解析結果において「主となる句に係っている，　“「ガ格」「ヲ格」以外の助詞”からなる系列」を全て抽出することで得られる。この結果，図５の５０４のように「我が国の小学校では」という１つの前提条件節が得られる。なお，この規則は１例であり，前提条件に相当する文が抽出できればどのような規則を用いても良い。
　例えば，「主となる句」を抽出したのと同じように，識別器を用いて前提条件を抽出してもよい。この場合，予め多数の文章に対して構文解析と依存解析した結果に対して，前提条件となる句の先頭の単語に「Ｂ－ＣＯＮＤ」，前提条件となる句の先頭以外の単語に「Ｉ－ＣＯＮＤ」，前提条件となる句以外の単語に「ＯＴＨＥＲ」という３種類のラベルを付与しておく。これらのラベルを用いて，前記の主となる句を抽出したのと同じ方法によって，ラベル（Ｂ－ＣＯＮＤ，　Ｉ－ＣＯＮＤ，　ＯＴＨＥＲ）を予測するＣｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄを構築する。
　前提条件を抽出する際には，前提条件となる句を抽出したい文章に対してまずまず構文解析処理と依存解析処理を行い，当該結果に対して前記で学習したＣｏｎｄｉｔｉｏｎａｌ　Ｒａｎｄｏｍ　Ｆｉｅｌｄを適用することにより，各単語ごとにラベル（Ｂ－ＣＯＮＤ，　Ｉ－ＣＯＮＤ，　ＯＴＨＥＲ）が予測される。得られたラベルのうちＢ－ＣＯＮＤ，　Ｉ－ＣＯＮＤというラベルが付与された箇所を主となる句として用いる。なお，識別器の種類や，利用する情報の種類は上記で説明したものに限定されるものではなく，任意の組み合わせや情報を利用可能である。
　最後に，一定の書き換え規則に従って，得られた前提条件節を正則化する（４０３）。一定の書き換え規則とは例えば「我が国」を「日本」に書き換えるなどの規則であり，図５の５０５のように任意のルールを用いることができる。このルールを適用すると，第１のルールにより「我が国」が「日本」に置換され，第２のルールにより「２０１３年」という前提条件が追加される。この結果，図５の５０６のように「日本の小学校では」「２０１３年」という第１の前提条件節が得られる。ここまでが図３の処理３０１である。
　もちろん、図５のルールは、本発明が実施される国等によって様々なものに対応させることができるのは言うまでもない。たとえば、５０５の１や３は、本発明が実施される国に置換する、というルールにすることも可能であり、５０５の２については年のみでなく月まで条件に追加するとしても良い。
　続いて，処理３０２では再び前提条件抽出部１０２が動作し，入力された反論対象意見を示すテキスト情報から第２の前提条件を抽出する。この前提処理は前記と同様に，図４に従って行われる。例えば，反論対象意見が「２０００年のデータによるとＢ国では宿題の廃止によって成績が伸びた。」であった場合，主となる句は「成績が伸びた」であり，第２の前提条件節は「２０００年のデータによると」「Ｂ国では」「宿題の廃止によって」となる。
　なお，本実施例では第２の前提条件の抽出においても，第１の前提条件の抽出で用いたのと同じ処理を用いたが，必ずしも同一の処理を用いる必要はなく，第２の前提条件の抽出に異なる規則を用いても良い。
　続いて処理３０３では前提条件対応部１０３が動作し，第１の前提条件と第２の前提条件の対応する組合せの判定を行う。本実施例では前提条件の組み合わせ全てに対して，そこに含まれる名詞同士の対応付けを行う。この例を図６に示した。図６では「日本の小学校では」という第１の前提条件節１．１と「Ｂ国では」という第２の前提条件節２．２を比較した結果，「日本」と「Ｂ国」が対応付けられている。これは，予め「日本」と「Ｂ国」がどちらも国名であるという知識データを知識データベース１２９の中に持っておくことにより実現できる。同様に第１の前提条件節１．２と第２の前提条件節２．１の組み合わせからは「２０１３年」と「２０００年」の組み合わせがどちらも時間を表す情報として対応付けられて抽出される。これらの結果が次の処理３０４へ引き継がれる。
　処理３０４では反論用データ集合を収集するための準備として，データ集合Ｄを空にする。このデータ集合Ｄは反論生成サーバ１０１のメモリ１３０上に格納される。
　続いて図３の３０５では，対応づけられた前提条件の組全てに対し，図３の３０６と３０７の処理を行う。まず反論データ検索部１０４が動作し，対応付けられた前提条件に関連性が低いことを示すデータ（関連性について、否定的な意見が記載されているデータ）の検索を行う（処理３０６）。この対応付けられた前提条件同士の関連性は、関連性が低い場合に議題に対する意見として反論対象意見が的外れである、矛盾している等を主張することができ、反論対象意見に対する反論を生成するために重要な指標となる。
　例として，「日本」と「Ｂ国」の組み合わせにおいて，「相関がない」という検索語を付加し，「日本，Ｂ国，相関がない」という３つの検索語が同時に出現する文書を文書データベース１２４の中から検出することが考えられる。
　また、この際に反論対象意見の中の主となる句「成績が伸びた」に含まれる名詞のいずれかが含まれていることを条件として加えても良い。この場合「日本，Ｂ国，相関がない，成績」という４検索語が同時に出現する文章を文書データベース１２４の中から検出する。主となる句を検索語に追加することにより、前提条件のみの検索に比べ、より反論対象意見に即した文書を検索することができ、反論を生成するための根拠として有用な文書が検索できる。
　この結果，例えば文書データベース１２４から「日本とＢ国の成績には相関がない」という文章が検出された場合には，この文章ｄを反論根拠データとして反論用データ集合Ｄに加える。なお，検索語に基づき関連する文章を検索する処理は周知のどのような方法を用いても良い。文書もしくは文章の検索方法は当業者では周知であるため，詳細は省く。
　なお「相関がない」という検索語を追加したのは，対応付けられた前提条件に関連性が低いことを示すデータを検索するためであり，その他にも「関連がない」「負の相関がある」「関連性が低い」「関係ない」など、否定的な意見を示す様々な検索語を追加することが考えられる。
　また，関連性が低いことを示す反論根拠データは文書データベース１２４からのみでなく，知識データベース１２９から求めることもできる。例えば知識データベース１２９内に過去の日本とＢ国の成績が納められていた場合，それらの間の相関を計算し，相関係数が一定値以下であれば，「日本とＢ国の成績データに相関がない」というデータを反論用データ集合Ｄに加えることが可能である。相関係数は公知の計算方法のいずれを用いても良い。なお，ここでは「ＸとＹのＺに相関がない」というテンプレート文章を用意しておき，Ｘに日本，ＹにＢ国，Ｚに成績データという単語をそれぞれ当てはめることで，「日本とＢ国の成績データに相関がない」というテキストを生成している。
　続いて処理３０９では，反論用データ集合Ｄに含まれるデータｄ全てについて処理３１０と処理３１１を行う。
　処理３１０においては反論表現生成部１０５が動作し，データｄから反論意見テキストを生成する。本実施例では，「Ｘというデータがあり，Ｙのデータは参考にならない。」というテンプレートを予め用意しておき，Ｘにデータｄ（先の例では「日本とＢ国の成績には相関がない」）を，Ｙに関連付けられた前提条件のうちの第２の前提条件に当たる条件（先の例では「Ｂ国」）当てはめる。この結果、データｄのうち反論対象意見と関連性の高いものから順に抽出され，例えば「日本とＢ国の成績には相関がないというデータがあり，Ｂ国のデータは参考にならない」という反論文が生成される。なお，反論文生成用のテンプレートはこれに限定されるものではない。データｄと反論対象意見との関連性については、たとえば、データdと反論対象意見とに登場する単語の共通度合いによって評価することができるし、その他、公知の手法を用いても良い。
　最後に処理３１１において反論提示部１０６が動作し，作成された反論意見テキストが表示装置１１７を通じてユーザへ提示される。この際に，音声合成処理を用いてテキストから音声を生成し，当該音声を音声出力装置１１６を通じてユーザに１提示しても良い。
　上記の操作を操作端末１０９を通して実施する際に，表示装置１１７に提示される画面の例を図７に示した。ユーザは議題と意見をそれぞれテキストボックス７０１と７０２を通じて入力できる。反論生成ボタン７０３を押下すると，図３の処理が動作し，反論意見７０４が生成されてユーザへ提示される。また，「元データを表示」ボタンを押下すると，処理３０６において検索された文が含まれる元の文書を表示しても良い。また，反論文が生成されると同時に，反論文を合成音声により合成した音声を音声出力装置１１６を通じて出力しても良い。
　以上を踏まえると、本実施例に記載の反論生成方法は、議題と、議題に関する意見である反論対象意見と、を記憶する第１ステップと、議題から、第１前提条件を抽出する第２ステップと、反論対象意見から、第２前提条件を抽出する第３ステップと、第１前提条件のうちの第１条件と対応する第２条件を、第２前提条件のうちから判定する第４ステップと、第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする。
　この第１の前提条件と第２の前提条件との関連性について否定的な意見が記載されているデータを検索することにより、文章として表に現れておらず看過しがちな矛盾を指摘し、反論文を容易に生成することができる。
　本実施例では，実施例１で作成した反論のうち、反論対象意見に矛盾する反論文のそれぞれに対して再反論データが存在するかどうかを調べ，当該再反論データがない場合に反論候補データを用いて反論意見を生成する方法について述べる。
　ここで矛盾関係のある反論文のみに候補を絞っている理由は、必ずしも矛盾関係が有っても反論対象意見を論破できるとは限らないためである。そこで、矛盾関係が有る反論文について、反論対象意見を論破できるかを実施例１を用いて検証したうえで、当該反論文を反論として用いる例を、本実施例で述べる。
　もちろん、矛盾関係の有無にかかわらず、実施例１で作成した反論文が再反論される可能性を少なくするために、全ての反論文に対して本実施例の処理９０３以降を適用することも可能である。
　以下、本発明の第２の実施形態を図面に基づいて説明する。
　システムの構成を図８に示す。図８は実施例１の図１とほぼ同じであるが，矛盾データ検索部８３２が反論生成サーバ８０１に追加されている点が異なる。ここでは処理手順を図９に従って説明する。
　まず入力装置８１８からユーザが議題と反論対象意見を入力し，それらが端末内データ蓄積装置８３１へと蓄積される。蓄積されたデータはネットワーク８２０を介して反論生成サーバ８０１へと送られる（処理９００）。反論生成サーバでは、実施例１で述べたように、反論対象意見に対しての反論文が生成され、文書データベースに蓄積される。
　続いて，反論生成サーバ８０１では矛盾データ検索処理が動作し，反論対象意見と矛盾する反論文を反論候補データとして文書データベース８２４の中から検索する。このために，文書データベース８２４に含まれるそれぞれの反論文に対して，反論対象意見と矛盾するかどうかの判定を行う。ここでは単語の類義語／反義語関係を用いて，２つの文が矛盾関係にあるかどうかを判定する方法について述べる。
　例として反論対象意見α「２０００年のデータによるとＢ国では宿題の廃止によって成績が伸びた。」に対して，反論文β「Ｃ国では宿題を廃止した結果，成績が落ちた。」という文章が矛盾関係にあるかどうかを判定するとする。まず，反論対象意見αと反論文βのそれぞれに対して形態素解析処理を適用し，単語の分割と品詞の同定を行う。その後，反論対象意見αと反論文βそれぞれから名詞／動詞／否定詞を抽出することで反論対象意見αからは「２０００年」「データ」「Ｂ国」「宿題」「廃止」「成績」「伸び」が得られ，反論文βからは「Ｃ国」「宿題」「廃止」「結果」「成績」「落ち」を得る。
続いて反論対象意見αから抽出された上記単語のそれぞれに対して，反論文βから得られた単語の中に類義語もしくは反義語が存在するかどうかを調べる。類義語もしくは反義語については知識データベース８２９に予め用意しておく。この例では「Ｂ国」と「Ｃ国」が類義語，「宿題」と「宿題」が一致，「廃止」と「廃止」が一致，「成績」と「成績」が一致，「伸び」と「落ち」が反義語という関係が得られる。「２０００年」と「データ」に対しては対応する単語が存在しないと判定される。
　続いて次の式に従ってスコアＳを計算する。
Figure JPOXMLDOC01-appb-M000003
　ただし，
　　λ＝反義語の個数+αの否定詞の個数-βの否定詞の個数+1
である。
　なおｍａｘ（）は含まれる要素の最大値を返す関数である。このスコアＳがある閾値を超えた場合に，反論対象意見αと反論文βは矛盾していると判定する。
　例えば閾値が０．２として，反論対象意見αと反論文βに上式を適用する。反論対象意見αと反論文βにおいては，類義語もしくは一致の個数が４，対応する単語が存在しない個数は２，反義語の個数は１，αの否定詞の個数は０，βの否定詞の個数は０であり，
Figure JPOXMLDOC01-appb-M000004
と計算される。これは閾値０．２を超えるので，反論対象意見αと反論文βは矛盾関係にあると判定される。なお閾値は，矛盾する文対が矛盾関係にあり，矛盾しない文対が矛盾関係にないと正しく判定される確率が最も高くなるように設定されている。ただしこの方法に依らず，その他の閾値を用いても良い。
　なお，ここで述べた方法は名詞や動詞の類義語もしくは反義語関係だけを用いた単純なものであり，機能語が持つ情報などは用いていない。より複雑な構文や知識を用いた矛盾関係の算出方法などは多数の方法が開示されており，文と文の間に矛盾関係があるかどうかを判定できるものであれば，それらのどれを用いても良い。
　処理９０２では反論用データ集合を収集するための準備として，データ集合Ｄを空にする。
　次に，処理９０１で検出された反論候補データ全てに対し，処理９０４と処理９０５を実施する。まず処理９０４においては，実施例１において説明した処理を議題と反論候補データに対して実施し，反論候補データに対する再反論根拠データを検索し、再反論意見を生成する。ここで再反論根拠データがもっとも少なかった場合（理想的には、子検索結果が０であったもの）に当該反論候補データを反論候補データｄとして、集合Ｄに追加する（処理９０５）。
　処理９０３が終わると処理９０６に移り，反論用データ集合Ｄに含まれる反論候補データｄ全てについて，処理９０７と処理９０８を実施する。処理９０７においては反論候補データから反論意見テキストを生成する。本実施例では，「Ｘという矛盾する情報がある」というテンプレートを用意しておき，Ｘに検出された反論候補データを当てはめることを行う。これにより，例えば反論候補データ「Ｃ国では宿題を廃止した結果，成績が落ちた」があった場合，「Ｃ国では宿題を廃止した結果，成績が落ちたという矛盾する情報がある」というテキストが生成される。なお，反論候補データｄから反論意見テキストを生成できるのであれば，どのようなテンプレートや方法を用いても良い。
　最後に処理９０８において，当該テキストを表示装置８１７を通じてユーザへ提示する。ここでの表示例は実施例１と同様に図７のような画面を用いることができる。ユーザが議題７０１と意見７０２を入力して反論生成ボタン７０３を押下すると反論意見が画面下部に生成される。この結果、例えば図７の７０６のように「Ｃ国では宿題を廃止した結果，成績が落ちたという矛盾する情報がある。」という反論意見が生成される。
　このように、実施例１を用い生成された反論文のうち、反論対象意見と矛盾する反論文に対し、再反論されうるかを本実施例のように検証し、反論文に対する再反論根拠データが最も少なかった反論候補データｄを選択することで、より説得性のある反論案を生成することができる。
　実施例１では，議題と反論対象意見から前提条件を抽出し，その前提条件の間に関連がないことを示すデータを検索することで反論を生成する方法を開示した。また実施例２では，反論対象意見に対して矛盾するデータを検索した後，矛盾するデータに対して実施例１の方法で再反論意見を生成し，再反論意見が得られない場合に，当該矛盾データを反論に利用する方法を開示した。
　これらの２つの方法は組み合わせて用いることもできる。本実施例３では，その方法について述べる。
　システムの構成は実施例２と同様に図８に従う。本実施例の流れを図１０に示す。図１０は実施例２で用いた図９とほぼ同じであるが処理１００１が異なる。
　まず入力装置８１８からユーザが議題と反論対象意見を入力し，それらが端末内データ蓄積装置８３１へと蓄積される。蓄積されたデータはネットワーク８２０を介して反論生成サーバ８０１へと送られる（処理１０００）。
　続いて処理１００１において，反論生成サーバ８０１では矛盾データ検索処理が動作し，反論対象意見と矛盾する文を反論候補データとして文書データベース８２４の中から検出する。ここで同時に，実施例１で示した方法に基づいて，反論対象意見に対して反論意見を生成し，これも反論候補データとして追加する。
　処理１００２以下の処理の流れは実施例２と同一であり，詳細は省略する。処理１００１において実施例１で得られる反論意見も追加することにより，実施例１の方法と実施例２の方法を組み合わせた形の反論意見が生成される。
　なお，上記の組み合わせ以外に，実施例１の方法と実施例２の方法を並列に実行し，それぞれで生成された反論意見を並列にユーザに提示することも可能である。
　１０１：反論生成サーバ
　１０８、１１０，１２１，１２８：入出力インターフェース
　１０９：操作端末
　１１７：表示装置
　１１８：文字入力装置
　１１９：音声入力装置
　１２０：ネットワーク
　１２５：文書データ蓄積装置
　１３０：知識データ蓄積装置
　１３１：端末内データ蓄積装置。

Claims (10)

  1. 　議題と、議題に関する意見である反論対象意見と、を記憶する第１ステップと、
    　前記議題から、第１前提条件を抽出する第２ステップと、
    　前記反論対象意見から、第２前提条件を抽出する第３ステップと、
    　前記第１前提条件に含まれる第１条件と対応する第２条件が、前記第２前提条件に含まれるか判定する第４ステップと、
    　前記第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第５ステップと、
    　前記反論根拠データのうち、前記反論対象意見との関連性が最も高いデータを、前記反論対象意見に対する反論文として文章化し、出力する第６ステップと、を有することを特徴とする反論生成方法。
  2. 　請求項１に記載の反論生成方法において，
    　前記第３ステップは、前記反論対象意見からさらに、第１の主となる句を抽出し、
    　前記第５ステップは、前記第１条件と前記第２条件とに加え、前記第１の主となる句を検索語として用いることを特徴とする反論生成方法。
  3. 　請求項１に記載の反論生成方法において、
    　前記反論文から、第３前提条件を抽出する第７ステップと、
    　前記第２前提条件に含まれる第３条件と対応する第４条件が、前記第３前提条件に含まれるか判定する第８ステップと、
    　前記第３条件と前記第４条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索する第９ステップと、
    　複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力する第１０ステップと、をさらに有することを特徴とする反論生成方法。
  4. 　請求項３に記載の反論生成方法において、
    　前記第７ステップは、前記反論対象意見からさらに、第２の主となる句を抽出し、
    　前記第９ステップは、前記第３条件と前記第４条件とに加え、前記第２の主となる句を検索語として用いることを特徴とする反論生成方法。
  5. 　請求項３に記載の反論生成方法において、
    　前記第６ステップで生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定する第１１ステップをさらに有し、
    　前記第７ステップでは、前記矛盾が存在すると判定された前記反論文から前記第３前提条件を抽出することを特徴とする反論生成方法。
  6. 　議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、
    　前記議題から、第１前提条件を抽出し、前記反論対象意見から、第２前提条件を抽出する抽出部と、
    　前記第１前提条件に含まれる第１条件と対応する第２条件が、前記第２前提条件に含まれるか判定する判定部と、
    　前記第１条件と前記第２条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、
    　前記反論根拠データのうち、前記反論対象意見との関連性が最も高いデータを、前記反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする反論生成システム。
  7. 　請求項６に記載の反論生成システムにおいて，
    　前記第抽出部は、前記反論対象意見からさらに、第１の主となる句を抽出し、
    　前記第検索部は、前記第１条件と前記第２条件とに加え、前記第１の主となる句を検索語として用いることを特徴とする反論生成システム。
  8. 　請求項６に記載の反論生成システムにおいて、
    　前記抽出部は、さらに、前記反論文から、第３前提条件を抽出し、
    　前記判定部は、さらに、前記第２前提条件に含まれる第３条件と対応する第４条件が、前記第３前提条件に含まれるか判定し、
    　前記検索部は、さらに、前記第３条件と前記第４条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索し、
    　前記出力部は、複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力することを特徴とする反論生成システム。
  9. 　請求項８に記載の反論生成システムにおいて、
    　前記抽出部は、さらに、前記反論対象意見から第２の主となる句を抽出し、
    　前記検索部は、さらに、前記第３条件と前記第４条件とに加え、前記第２の主となる句を検索語として用いることを特徴とする反論生成システム。
  10. 　請求項８に記載の反論生成システムにおいて、
    　前記出力部は、さらに、生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定し、
    　前記抽出部は、前記矛盾が存在すると判定された前記反論文から前記第３前提条件を抽出することを特徴とする反論生成システム。
PCT/JP2014/059917 2014-04-04 2014-04-04 反論生成方法，反論生成システム WO2015151268A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2014/059917 WO2015151268A1 (ja) 2014-04-04 2014-04-04 反論生成方法，反論生成システム
JP2016511280A JP6375367B2 (ja) 2014-04-04 2014-04-04 反論生成方法，反論生成システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/059917 WO2015151268A1 (ja) 2014-04-04 2014-04-04 反論生成方法，反論生成システム

Publications (1)

Publication Number Publication Date
WO2015151268A1 true WO2015151268A1 (ja) 2015-10-08

Family

ID=54239629

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/059917 WO2015151268A1 (ja) 2014-04-04 2014-04-04 反論生成方法，反論生成システム

Country Status (2)

Country Link
JP (1) JP6375367B2 (ja)
WO (1) WO2015151268A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017119060A1 (ja) * 2016-01-05 2017-07-13 株式会社日立製作所 情報提示システム
JP7362577B2 (ja) 2020-09-15 2023-10-17 株式会社東芝 情報処理装置、情報処理方法およびプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010225093A (ja) * 2009-03-25 2010-10-07 Fujitsu Ltd 説得支援装置、説得支援プログラム及び説得支援方法
JP2011113400A (ja) * 2009-11-27 2011-06-09 Fujitsu Ltd 説得支援装置、説得支援プログラム及び説得支援方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010225093A (ja) * 2009-03-25 2010-10-07 Fujitsu Ltd 説得支援装置、説得支援プログラム及び説得支援方法
JP2011113400A (ja) * 2009-11-27 2011-06-09 Fujitsu Ltd 説得支援装置、説得支援プログラム及び説得支援方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KATSUMI NITTA ET AL.: "An Experimental Multimodal Disputation System : MrBengo", THE TRANSACTIONS OF THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS, vol. J80-D-II, no. 8, 25 August 1997 (1997-08-25), pages 2081 - 2087, XP055228840, ISSN: 0915-1923 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017119060A1 (ja) * 2016-01-05 2017-07-13 株式会社日立製作所 情報提示システム
JP7362577B2 (ja) 2020-09-15 2023-10-17 株式会社東芝 情報処理装置、情報処理方法およびプログラム

Also Published As

Publication number Publication date
JP6375367B2 (ja) 2018-08-15
JPWO2015151268A1 (ja) 2017-04-13

Similar Documents

Publication Publication Date Title
US8010539B2 (en) Phrase based snippet generation
US10296584B2 (en) Semantic textual analysis
KR101136007B1 (ko) 문서 감성 분석 시스템 및 그 방법
CN108052625B (zh) 一种实体精细分类方法
JP2006244262A (ja) 質問回答検索システム、方法およびプログラム
JP6729095B2 (ja) 情報処理装置及びプログラム
GB2513537A (en) Natural language processing
White et al. Discerning suicide notes causality using fuzzy cognitive maps
Fišer et al. Distributional modelling for semantic shift detection
US10380244B2 (en) Server and method for providing content based on context information
KR20120042562A (ko) 온라인 사전을 이용한 개체명 사전 구축 방법 및 이를 실행하는 장치
JP2010271819A (ja) 語句関係抽出装置、語句関係抽出方法及びプログラム
JP6375367B2 (ja) 反論生成方法，反論生成システム
KR102351745B1 (ko) 사용자 리뷰 기반 평점 재산정 장치 및 방법
Tovar et al. A metric for the evaluation of restricted domain ontologies
JP5291351B2 (ja) 評価表現抽出方法、評価表現抽出装置、および、評価表現抽出プログラム
US20090319514A1 (en) Method and system for assigning scores
WO2015053607A1 (en) System and method for semantic-level sentiment analysis of text
JP4428703B2 (ja) 情報検索方法及びそのシステム並びにコンピュータプログラム
KR20090126862A (ko) 자연어 처리를 이용한 감성 정보 분석 시스템 및 방법,자연어 처리를 이용한 감성 정보 분석 방법을 컴퓨터에서실행하기 위한 프로그램을 저장한 기록매체
JP2019003270A (ja) 学習装置、映像検索装置、方法、及びプログラム
JP2006119697A (ja) 質問応答システム、質疑応答方法および質疑応答プログラム
CN112269852A (zh) 生成舆情专题方法、系统及存储介质
Garcıa-Pablos et al. OpeNER: Open tools to perform natural language processing on accommodation
JP2004145626A (ja) 文書分類支援装置およびコンピュータプログラム

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: 14888300

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016511280

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 14888300

Country of ref document: EP

Kind code of ref document: A1