WO2018123139A1 - 応答装置、応答装置の制御方法、および制御プログラム - Google Patents

応答装置、応答装置の制御方法、および制御プログラム Download PDF

Info

Publication number
WO2018123139A1
WO2018123139A1 PCT/JP2017/031012 JP2017031012W WO2018123139A1 WO 2018123139 A1 WO2018123139 A1 WO 2018123139A1 JP 2017031012 W JP2017031012 W JP 2017031012W WO 2018123139 A1 WO2018123139 A1 WO 2018123139A1
Authority
WO
WIPO (PCT)
Prior art keywords
word
sentence
response
category
input
Prior art date
Application number
PCT/JP2017/031012
Other languages
English (en)
French (fr)
Inventor
慎哉 佐藤
和典 森下
弘康 伊神
直起 江角
Original Assignee
シャープ株式会社
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 シャープ株式会社 filed Critical シャープ株式会社
Priority to US16/469,990 priority Critical patent/US11062701B2/en
Priority to JP2018558806A priority patent/JP6810757B2/ja
Priority to CN201780080883.3A priority patent/CN110168544A/zh
Publication of WO2018123139A1 publication Critical patent/WO2018123139A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/027—Concept to speech synthesisers; Generation of natural phrases from machine-based concepts
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10L15/1822—Parsing for meaning understanding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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 response device that generates a response sentence for a user input sentence.
  • Patent Document 1 a person indicated by a name is determined based on the similarity between the name detected from the user's message and the name of each person stored in the non-volatile memory, and the user's message about the person is described.
  • the technology to return as a reply to is disclosed.
  • Japanese Patent Publication Japanese Patent Laid-Open No. 2004-334591 (published on November 25, 2004)”
  • An object of one embodiment of the present invention is to realize a response device or the like that can generate a response sentence in accordance with a user's will.
  • a response device is a response device that generates a response sentence for an input sentence, and the response apparatus uses the predetermined information used to generate the response sentence.
  • a detection unit that detects a related word that is a common word that is a common word that is used in the same sentence and a common word that is used in the same sentence when an unknown word that is not a word is included in the input sentence;
  • a response sentence generation unit that generates a response sentence having contents related to the related word detected by the detection unit.
  • the input sentence includes a word having another name, or the input sentence is a sentence related to the word.
  • a detection unit that detects a related name in which a shared word, which is a word used in the same sentence, is a name in common with the word, and a related name detected by the detection unit.
  • a response sentence generation unit that generates a response sentence of the content.
  • a response device control method for generating a response sentence for an input sentence, and the response apparatus generates the response sentence.
  • a related word that is a common word that is a word used in the same sentence is a common word that is common to the unknown word
  • a response sentence generation step of generating a response sentence having contents related to the related word detected in the detection step is a response sentence generation step of generating a response sentence having contents related to the related word detected in the detection step.
  • another control method for a response device is a control method for a response device that generates a response sentence to an input sentence, and the input sentence is given another designation.
  • a common word which is a word used in the same sentence, is a common name to the word when the word is included or the input sentence is a sentence related to the word.
  • the method includes a detecting step of detecting a related name, and a response statement generating step of generating a response statement having contents related to the related name detected in the detecting step.
  • FIG. 5 is a diagram in which associations between words in FIG. 4 are reconstructed based on the assumption that “mom” and “Sayuri” indicate the same person. It is a flowchart which shows an example of the process which the said response apparatus performs from a voice input reception to a response audio
  • FIG. 1 is a block diagram illustrating an example of a main configuration of the response device 1.
  • the response device 1 is a device that generates a response sentence for a user input sentence.
  • the response device 1 uses a message issued by the user as a voice and outputs a voice response to the input text.
  • the input sentence and the response sentence may be collectively referred to as “input / output sentence”.
  • input / output sentence When “input / output sentence” is described, it indicates either or both of an input sentence and an output sentence.
  • the input sentence and the response sentence may be a text message.
  • the output of the response text may be displayed or printed.
  • the response device 1 includes a control unit 10 that controls each unit of the response device 1, a storage unit 20 that stores various data used by the response device 1, a voice input unit 30 that receives voice input, and a voice that outputs voice.
  • An output unit 40 is provided.
  • the control unit 10 includes a speech recognition unit 11, a morphological analysis unit 12, a related word search unit (detection unit) 13, a category estimation unit 14, a scenario search unit 15, a response sentence generation unit 16, and a speech synthesis unit 17. include.
  • the storage unit 20 stores a dictionary 21, a dialogue history DB (database) 22, and a scenario DB 23.
  • the voice recognition unit 11 recognizes the voice input to the voice input unit 30 and generates text data as a result of the voice recognition. That is, the voice recognition unit 11 generates text data of the input sentence.
  • the morpheme analysis unit 12 performs morpheme analysis on the text data of the input sentence that is the speech recognition result.
  • the text data of the input sentence is divided into morphemes, and information such as the part of speech, the meaning of the part of speech, the category, etc. is assigned to each morpheme based on the dictionary 21.
  • Words in the same category have a common attribute corresponding to that category.
  • sentences in the same category have common attributes corresponding to the category. What words are classified into what categories, what sentences are classified into what categories, and how to define each category are predetermined.
  • the morphological analysis result is stored in the dialogue history DB 22 together with the text data of the input sentence, and is used in each unit such as the related word search unit 13.
  • the related word search unit 13 searches for a related word that is a known word that is used in the sentence in common with the unknown word. More specifically, the related word search unit 13 detects a common word that is a word used in combination with an unknown word from a database such as the dialogue history DB 22 and is used in combination with the common word from the database. The known word is detected as a related word. In other words, the related word search unit 13 detects related words whose shared words are common to unknown words.
  • An unknown word is a word that is not associated with predetermined information used by the response device 1 to generate a response sentence. Examples of the predetermined information include a meaning and a category to which the word belongs.
  • words that are not registered as entry words in the dictionary 21 are handled as unknown words. New words, coined words, abbreviations and the like that are not registered as headwords in the dictionary 21 are also included in the category of unknown words.
  • the known word is a word associated with the predetermined information. In the present embodiment, it is assumed that the meaning and category are also registered in the dictionary 21 for the words registered as the headwords in the dictionary 21. That is, in this embodiment, a word registered as a headword in the dictionary 21 is treated as a known word.
  • the related word search unit 13 detects a related name that is used in the sentence in common with the word.
  • the related word search unit 13 detects a related name having a common word in common with a word having another name.
  • words having other names are common nouns representing people.
  • Such common nouns have at least another designation of proper nouns representing the person.
  • the word is a common noun representing a person
  • the related name is referred to as a related name in the following description.
  • the word which has another name should just have another name, and is not restricted to this example.
  • the processing for detecting the related name may be performed by providing a processing block different from the related word search unit 13.
  • the category estimation unit 14 estimates an unknown word category from the context of the input sentence. More specifically, the category estimation unit 14 determines that the shared word category of the unknown word in the input sentence is the unknown word category. More specifically, if the unknown word is the subject of the input sentence and the shared word is the predicate, the category inference unit 14 determines the category of the unknown word if the predicate is a word indicating the state or nature of the subject. Are determined to be in the same category as the common language. That is, if the input sentence has a sentence structure such as “ ⁇ unknown word> is ⁇ A> / da”, the category of the unknown word is the same as the category of “A”. Is determined.
  • the category inference unit 14 sets the category of “red ball” to the same category as “apple” (for example, fruit). It is determined that Thereby, even when a new apple variety appears in the conversation, the conversation related to the apple can be continued.
  • the category estimation unit 14 may determine that there is. For example, even when the input sentence is “apples suitable for confectionery are red balls”, the category estimation unit 14 may determine that the category of “red balls” is the same category (eg, fruit) as “apples”. .
  • the category estimation unit 14 determines the category of the unknown word from the category of the output sentence immediately before the input sentence is input. More specifically, the category inference unit 14 determines that the category of the unknown word is the same category as the immediately preceding output sentence when the input sentence composed of one phrase such as a greeting includes an unknown word. To do. For example, in a case where the input sentence after the response device 1 outputs the voice “Good morning (category: greetings)” is “Chise (unknown word)”, the category inference unit 14 selects the category “Chise”. Is determined to be a greeting. As a result, an appropriate response sentence such as “It ’s good weather today” can also be returned to an unknown word such as “Chise”.
  • the scenario search unit 15 searches the scenario DB 23 for a scenario used for generating a response sentence.
  • scenario in the present embodiment defines the outline of the content of the response sentence and includes a template for generating the response sentence.
  • the scenario search method will be described later together with the details of the scenario DB 23.
  • the response sentence generation unit 16 generates a response sentence. Although a method for generating a response sentence will be described later, when the related word search unit 13 detects a related word, the response sentence generation unit 16 generates a response sentence having contents related to the related word. When the related word search unit 13 detects a related name, the response sentence generation unit 16 generates a response sentence having contents related to the related name.
  • the voice synthesizer 17 synthesizes the response sentence generated by the response sentence generator 16 into voice data.
  • the synthesized audio data is output as audio from the audio output unit 40.
  • Dictionary 21 is for performing morphological analysis.
  • the dictionary 21 may have, for example, a data structure in which part of speech, meaning, etc. are associated with a headword. Any dictionary including information that allows morphological analysis of the input sentence can be applied as the dictionary 21.
  • the morphological analysis unit 12 determines a word that is not included in the dictionary 21 as a headword as an unknown word. A word that the morphological analysis unit 12 has not determined to be an unknown word is a known word.
  • the dialogue history DB 22 is a database that stores an input sentence to the response device 1 and an output sentence of the response device 1.
  • the dialogue history DB 22 may have a data structure as shown in FIG.
  • FIG. 2 is a diagram illustrating an example of the dialogue history DB 22.
  • the table (a) in the figure is the dialog history DB 22, (b) in the figure is a node DB (database) attached to the dialog history DB 22, and (c) in the figure is a node link attached to the node database.
  • DB (database) is a database that stores an input sentence to the response device 1 and an output sentence of the response device 1.
  • the dialogue history DB 22 may have a data structure as shown in FIG.
  • FIG. 2 is a diagram illustrating an example of the dialogue history DB 22.
  • the table (a) in the figure is the dialog history DB 22, (b) in the figure is a node DB (database) attached to the dialog history DB 22, and (c) in the figure is a
  • the “input / output sentence” is text data of an input sentence or an output sentence.
  • the “user” record indicates whether the utterance is from the user, and the “system” record indicates whether the utterance is from the system, that is, the response device 1. In the illustrated example, “1” indicates positive and “0” indicates negative. That is, “Apple is red” is an utterance or input sentence by the user, and “Osaka souvenir is takoyaki” is an utterance or output sentence by the response device 1.
  • “Date and time” indicates the date and time when the “input / output statement” is issued
  • “Position information” indicates the location where the “input / output statement” is issued.
  • “Category” is a category of the contents of “input / output statement”
  • “parent category” is a parent (higher) category of the above “category”.
  • “Intent” is a behavior analysis result of the content of “input / output sentence”. For example, in addition to “affirmation” and “suggestion”, “question”, “aspiration” and the like are also “intention”.
  • “Node link” indicates an entry in the node DB of a node included in the input / output statement.
  • the node DB shown in FIG. 2B is a table in which node number, node, reading, category, parent category, part of speech, and attached information records are associated with each other.
  • “Node number” is an entry number of a node.
  • “Node” is a word included in the input / output sentence, and “Yomi” indicates the reading of this word.
  • “Category” indicates the category of the word, “Parent category” indicates the parent (superior) category of the “Category”, and “Part of speech” indicates the part of speech of the word.
  • “Attachment information” indicates how words are used in input / output sentences. What, when, where, who, how (how) ) And do (do).
  • the node link DB shown in FIG. 2C is a table in which particles, nodes 1 and 2 are associated with each other. “Node 1” and “Node 2” are words connected by “Participants” and are indicated by entry numbers in the node DB. For example, in the record in the first line of FIG. 2C, “Node 1” is “1”, “Node 2” is “2”, and “Participant” is “Ha”. This indicates that “apple” (node number 1) and “red” (node number 2) in FIG. 5B are linked by “ha” which is a “particle”.
  • the morpheme analysis unit 12 uses the dictionary 21 to perform morphological analysis of the input / output sentence, whereby the value of each record in each database described above is specified. That is, category (whole input / output sentence), parent category (whole input / output sentence), intention, node link, node, reading, category (node alone), parent category (node alone), part of speech, attached information, and particle A value is specified.
  • the node DB and the node link DB are databases that store words and word combinations in a plurality of input / output sentences.
  • the related word search unit 13 detects a shared word combined with an unknown word (or a word having another name) from these databases.
  • the related word search part 13 detects the known word (name) combined with the detected common word from these databases as a related word (related name).
  • the scenario DB 23 is a database that stores scenarios used for generating response sentences.
  • the scenario DB 23 has a data structure that can search for scenarios according to various application conditions.
  • the scenario DB 23 may have a data structure in which an application condition of the scenario is associated with a response sentence template.
  • the application condition may be a condition related to a category of the input sentence, a word included in the input sentence, a word related to the word included in the input sentence, and the like.
  • the scenario application conditions may include a condition based on an input sentence (hereinafter referred to as an input sentence condition) and a condition based on the stored contents of past input / output sentences (hereinafter referred to as a storage condition).
  • the scenario search unit 15 determines whether or not the input sentence condition is satisfied with reference to the speech recognition result and the morphological analysis result of the input sentence.
  • the input sentence condition may be a condition that, for example, the category of the entire input sentence is a predetermined category, and a predetermined word is included in the input sentence.
  • the input sentence condition may include at least one of the date and time when the input sentence is input, the location, and the word category.
  • the scenario search unit 15 determines whether or not the storage condition is satisfied with reference to the dialogue history DB 22, the node DB, and the node link DB.
  • the storage condition may be a condition that a word of a predetermined category is linked to a predetermined word.
  • a word of a predetermined category and a word of a predetermined category (which may be the same as or different from the above-mentioned “predetermined category”), in which the predetermined word and the predetermined word are linked, May be linked. Further, the date and place, etc. may be included in the storage conditions.
  • the scenario DB 23 includes the following scenario.
  • Input sentence condition The input sentence category includes the words “fruit / processed fruit product” and “red”.
  • Storage condition Linked to the word “red” in the category “fruit / processed fruit product”.
  • the scenario search unit 15 determines that the input sentence satisfies the input sentence condition from the speech recognition result and the morpheme analysis result of the input sentence, and also stores the storage condition from the dialogue history DB 22, the node DB, and the node link DB. If it is determined that the situation is satisfied, this scenario is detected.
  • the scenario search unit 15 determines that this input sentence satisfies the input sentence condition of the scenario. For example, if a sentence “strawberry is red” is stored in the dialogue history DB 22, a word “category“ fruit / fruit processed product ”” and “red” from the node DB and the node link DB are stored. Is determined to be linked. That is, the scenario search unit 15 determines that the storage conditions for the scenario are also satisfied. Therefore, the scenario search unit 15 detects this scenario from the scenario DB 23.
  • the response sentence generation unit 16 is linked to the ⁇ mNode1> portion of the template of this scenario, which is detected when the storage condition is determined (belongs to the category of fruits / fruit products, and is linked with “red” in the node link DB).
  • the word “strawberry” is inserted.
  • a response sentence “Strawberry is also red” is generated.
  • a sentence “Cherry is red” is further stored in the dialogue history DB 22, a response sentence “Cherry is also red” can be generated.
  • a method for determining a word to be inserted when a plurality of words that can be inserted into ⁇ mNode1> are detected may be determined in advance.
  • FIG. 3 is a diagram for explaining a related word search method.
  • the words (morphemes) stored in the dialogue history DB 22 and the morpheme analysis results are described in the ellipse.
  • a line segment connecting the ellipse indicates that the words in the ellipse connected by the line segment are used in combination, and a particle connecting these words is described in a circle on the line segment. ing.
  • only “Kotama” is an unknown word, and all other words are known words.
  • “Kodama” is an unknown word.
  • “Kodama” is connected to “Buy”, “Red”, and “Sweet”, and is used in combination with these words. Therefore, the related word search unit 13 first identifies the common words, which are the words used in combination with “Kodama”, as “buy”, “red”, and “sweet”.
  • the related word search unit 13 searches for another word having the specified shared word.
  • the related word search unit 13 detects “apple”, “strawberry”, “ ⁇ ” having “red” as a common word, and “apple”, “ ⁇ ” having “sweet” as a common word. Is detected.
  • “strawberry” is not a related word because “red” is the only common word with “red ball”.
  • “ ⁇ ” is not a related word because there is only one common word.
  • “apple” is a related word because there are a plurality of common words (“red” and “sweet”) with “red ball”.
  • the related word search unit 13 detects a plurality of types of shared words for unknown words, and detects a known word used in combination with at least two of the plurality of types of shared words as related words. .
  • the related word search unit 13 can detect “apple” as a related word of “Kotama”. Further, since “apple” is a known word, the category of “apple” can be specified. Since “apple” and “red ball” have a common property, it can be assumed that the category is also common. For example, if the category of “apple” is a fruit, the category of “red ball” can also be regarded as a fruit.
  • the related word search unit 13 detects a record in which “node” is “red ball” from the node DB (FIG. 2B), and identifies the node number of “red ball” from the record.
  • the related word search unit 13 detects a plurality of node numbers associated with the identified node number from the node link DB ((c) of FIG. 2). The related word search unit 13 identifies the words having these node numbers as common words.
  • the related word search unit 13 determines, for each of the detected plurality of node numbers (node numbers of the common word), a node number (related word candidate and associated number) associated with the node number in the node link DB. Node number of the word). Then, among the detected node numbers, node numbers combined with at least two of the plurality of node numbers of the common language are extracted. Note that a node number combined with one of the common language node numbers may also be added to the extraction target. Finally, the related word search unit 13 identifies the node having the extracted node number from the node DB, and detects the word of this node as the related word.
  • the response device 1 including the related word search unit 13 can generate a response sentence from the fruit scenario for the “red ball” that is an unknown word, and a natural conversation with the user is realized. For example, when there is a scenario of “[Fruit] is delicious when cooled”, the response device 1 returns a response sentence “Red ball is delicious when cooled” in response to the user's input sentence regarding “Red ball”. Can do.
  • the related word search unit 13 searches for and detects other nouns in the category “fruit” and nouns in the “confectionery” category that have a common word in common with “red balls”. Apply the noun category. For example, in the illustrated example, “strawberry” that is a category of “fruit” has “red” that is a shared word with “red ball”. On the other hand, there is no word other than “ ⁇ ” in the category of “confectionery”. Therefore, the related word search unit 13 may apply “fruit” as the category of “red balls”. The process for determining the category of related terms may be performed on the scenario search unit 15 side.
  • the response device 1 estimates and assigns a category even for an unknown word such as an abbreviation or a new word that often appears in a natural conversation and whose category cannot be specified. Therefore, it is possible to generate a response sentence from an appropriate scenario.
  • FIG. 4 is a diagram illustrating a related name search method.
  • the related name search is generally the same as the related word search, but is different from the related word search in that the search is performed in consideration of the time zone and place where the input / output sentence is issued.
  • the words (morphemes) stored in the dialogue history DB 22 and the morpheme analysis results are described in the ellipse.
  • a line segment connecting the ellipse indicates that the words in the ellipse connected by the line segment are used in combination, and a particle connecting these words is described in a circle on the line segment. ing.
  • the time and place where the input sentence including the word in the ellipse is input to the response device 1 are described in the rectangle.
  • “mom” is a common noun representing a person.
  • the related word search unit 13 specifies the three common words of “mom” as “strawberry”, “select”, and “cook”.
  • the related word search unit 13 searches for another word that has the above-mentioned common word and is in common with an input sentence that includes “mother” in the place and time zone in which it is issued, and indicates a person's name. It can be inferred that the names that share a common language are the names of the same person. Furthermore, if the location and time zone where the input / output statement containing the name is issued is the same as the location and time zone where the input statement is issued, the situation from which those statements were issued is also common. The names included in these sentences are likely to be the names of the same person. Therefore, according to the above search, the name of the same person as “Mom” can be detected as the related name.
  • either one of the place and the time zone may be used as the search condition for the related name.
  • the “other word indicating a person name” may be a proper noun indicating a person name or another common noun indicating a person name.
  • the related word search unit 13 detects a proper noun “Sayuri” that indicates a person name with “strawberry” as a shared word. Also, in the example shown in the figure, the input sentence “Mom” is “Washing” is issued at 8:00, the place is home, and “Sayuri” is “Washing”. The time is 8:30 and the place is home. Therefore, the related word search unit 13 determines that the place and time zone where these input sentences are issued are common, and determines that “washing” is also a common word between “Sayuri” and “mom”. To do.
  • the time zone classification may be determined in advance. For example, if a time zone of 5:00 to 10:00 is defined, since both 8:00 and 8:30 are included in this time zone, it can be determined that the time zones are common. . Further, the location may be classified by, for example, latitude / longitude ranges. For example, if the latitude / longitude range of “home” is registered in the response device 1 in advance, latitude / longitude information indicating the position of the response device 1 when an input sentence is input is obtained as GPS (Global Positioning System) or the like. It is possible to determine whether the input has been made at home or elsewhere. Of course, the method for determining whether the place and the time zone are common is not limited to these methods. For example, if the time difference is within a predetermined time, the time zone (time) is determined to be common. May be. Similarly, if the difference between latitude and longitude is within a predetermined value, it may be determined that the places are common.
  • GPS Global Positioning System
  • the related word search unit 13 determines that “cooking” is also a common word between “Sayuri” and “mom” in the same manner as “washing”. With the above processing, the related word search unit 13 detects “Sayuri” as a related name having a plurality of common words in common with “mom”.
  • the related word search unit 13 detects a record in which “node” is “mother” from the node DB (FIG. 2B), and identifies the node number of “mother” from the record.
  • the related word search unit 13 detects a plurality of node numbers associated with the identified node number from the node link DB ((c) of FIG. 2).
  • the related word search unit 13 identifies the words having these node numbers as common words.
  • the related word search part 13 specifies the time slot
  • the related word search unit 13 associates node numbers (related name candidates and associated names) with the node numbers in the node link DB. Node number of the word).
  • the detection target is a node number of a node included in the input / output sentence issued in the specified time zone and place.
  • node numbers combined with at least two of the plurality of node numbers of the common language are extracted.
  • the related word search unit 13 identifies the node having the extracted node number from the node DB, and detects the word of this node as the related name.
  • FIG. 5 is a diagram in which the association between the words in FIG. 4 is reconstructed based on the assumption that “mom” and “Sayuri” indicate the same person.
  • an input / output statement that includes “Mom” can also be regarded as an input / output statement for “Sayuri”, as well as an input that includes “Sayuri”.
  • the output sentence can be regarded as an input / output sentence for “mom”.
  • “Sayuri” can be regarded as “I like” hot springs
  • “Mom” can be regarded as “I like” hot springs.
  • the related word search unit 13 detects a related name for a common noun representing a person, it is desirable to store a correspondence between the common noun and the related name. Thereby, it is possible to avoid generating a similar response sentence for the same person and making the user feel redundant. For example, if “Mom” and “Sayuri” are the same person, after generating and outputting a response message “Mom, Happy Birthday”, a response “Sayuri, Happy Birthday” You can avoid generating and outputting more statements.
  • FIG. 6 is a flowchart illustrating an example of processing executed by the response device 1 from reception of voice input to response voice output.
  • the voice input unit 30 receives a voice uttered by the user, that is, a voice input of a message uttered by the user.
  • the voice recognition unit 11 recognizes this voice and generates text data.
  • the morphological analysis unit 12 performs morphological analysis on the text data.
  • the result is recorded in the dialogue history DB 22 or the like as described above.
  • the time and place where the voice input is accepted are also recorded.
  • the location can be specified by using, for example, GPS.
  • the related word search unit 13 determines whether or not an unknown word is included in the morphological analysis result. If it is determined that an unknown word is included (YES in S2), the process proceeds to S3. If it is determined that an unknown word is not included (NO in S2), the process proceeds to S11.
  • the related word search unit 13 searches for related words of unknown words determined to be included in S2. In subsequent S4, the related word search unit 13 determines whether or not a related word is detected by the search. If it is determined that it has been detected (YES in S4), the process proceeds to S5. If it is determined that it has not been detected (NO in S4), the process proceeds to S6.
  • the scenario search unit 15 searches for a scenario belonging to the category of the related word detected by the related word search unit 13, and the post-processing proceeds to S7. Although details will be described later with reference to FIG. 7, in S6, the scenario is searched after the category is estimated, and then the process proceeds to S7.
  • the scenario search unit 15 determines whether a scenario is detected. If it is determined that a scenario has been detected (YES in S7), the process proceeds to S8. If it is determined that a scenario has not been detected (NO in S7), the process proceeds to S9.
  • the response sentence generation unit 16 In S8 (response sentence generation step), the response sentence generation unit 16 generates a response sentence using the scenario detected by the scenario search unit 15, and the post-processing proceeds to S10. If the related word is detected by the search of S3, the content of the response sentence generated in S8 is related to the related word. If a related name is detected in the process of S12, the content of the response sentence generated in S8 is related to the related name.
  • the response sentence generation unit 16 generates a response sentence prepared in advance for the case where the scenario is not detected, and the post-processing proceeds to S10.
  • a response sentence may be registered in advance in the scenario DB 23, for example.
  • the voice synthesis unit 17 synthesizes voice data from the response sentence generated by the response sentence generation unit 16 in S8 or S9, and causes the voice output unit 40 to output the synthesized voice data. Thereby, the illustrated process ends.
  • the related word search unit 13 determines whether or not a common noun representing a person is included in the morphological analysis result. If it is determined that a common noun representing a person is included (YES in S11), the process proceeds to S12. If it is determined that a common noun representing a person is not included (NO in S11), the process proceeds to S13. Proceed to processing.
  • the scenario search unit 15 searches for a scenario based on a morphological analysis result and an input / output sentence related thereto (stored in the dialogue history DB 22 or the like), and then the process proceeds to S7.
  • the processes after S7 are as described above.
  • FIG. 7 is a flowchart illustrating an example of processing executed by the response device 1 when a scenario is searched after an unknown word category is estimated.
  • the category estimation unit 14 estimates the category of the unknown word from the context before and after the unknown word in the input sentence, or the context of the output sentence output by the response device 1 immediately before the input sentence is input and the input sentence. (judge. The specific determination method is as described above.
  • the category estimation unit 14 determines whether or not the category has been estimated (determined). If the category has been estimated (determined) (YES in S22), the process proceeds to the process of S23 to be able to estimate (determine). (NO in S22), the process proceeds to S24.
  • the scenario search unit 15 searches for a scenario with the category estimated by the category estimation unit 14, and the post-processing proceeds to S7 in FIG.
  • the scenario search unit 15 searches for a scenario while leaving unknown words in the input sentence as unknown words, and the post-processing proceeds to S7 in FIG.
  • a scenario related to the category of the entire input sentence, the category of words other than unknown words in the input sentence, or the like may be searched.
  • FIG. 8 is a flowchart illustrating an example of processing executed by the response device 1 when searching for a scenario after searching for a related name.
  • the related word search unit 13 searches for a related name having the same usage time and usage location as the common noun determined to be included in S11. In continuing S32, the related word search part 13 determines whether the related name was detected by the said search. If it is determined that it has been detected (YES in S32), the process proceeds to S33. If it is determined that it has not been detected (NO in S32), the process proceeds to S34.
  • the scenario search unit 15 searches for a scenario related to the detected related name, and the post-processing proceeds to S7 in FIG.
  • the scenario search unit 15 causes the morphological analysis result, the input / output sentence including the morpheme of the input sentence (stored in the conversation history DB 22 or the like), the related name, and the input / output sentence including the related name (in the conversation history DB 22 or the like).
  • a scenario corresponding to at least one of (storage) may be searched.
  • an input sentence includes a noun representing a person and a word “rest”, and an input / output sentence including a related name says “ ⁇ related name> likes ⁇ C>” (C category is region)
  • C category is region
  • a scenario associated with the condition that there is a thing is stored in the scenario DB 23.
  • the template of this scenario is “Let's go to ⁇ C> who likes ⁇ D>” (D is a noun representing a person in the input sentence).
  • the scenario search unit 15 detects the above scenario, and the response sentence generation unit 16 thereby detects “the mother likes ⁇ A response sentence “let's go to C>” is generated.
  • the scenario search unit 15 searches for a scenario without considering the related name, and the post-processing proceeds to S7 in FIG.
  • a scenario corresponding to a morphological analysis result and a past input / output sentence related thereto may be searched.
  • the response sentence generated when the related word is detected may be a sentence having contents related to the related word, and is not limited to the above example.
  • a related word such as generating a response sentence “Is Kodama a friend of apple (related word)?” May be included in the sentence.
  • a response sentence in which an unknown word is replaced with a related word such as “I love apples (related words)”, may be generated for the above input sentence.
  • the word linked with “like” and the particle “ga” is used in the input / output sentence including the related name as the subject.
  • An example of generating a response sentence including it has been described.
  • the response sentence generated when the related name is detected may be a sentence having contents related to the related name, and is not limited to the above example.
  • an associated name may be included in the response sentence, such as generating a response sentence “Do you mean Mom? Sayuri?” In response to an input sentence “I met mom”.
  • scenario DB 23 includes the following scenario.
  • Input sentence condition The words “time (timing)” and “rest” are included in the input sentence.
  • Storage condition “Family word”, ⁇ mNode1>, and “Like” word are linked.
  • the response device 1 may also have functions other than the function of interacting with the user by voice.
  • the response device 1 may be a humanoid robot having an independent walking function or the like.
  • a device in which the function of the response device 1 described above is provided in a mobile phone, a smartphone, a tablet terminal, a personal computer, a household electrical appliance (for example, a television, a refrigerator, an air conditioner, a vacuum cleaner, etc.), a car navigation device, etc. It is included in the category of “response device” in the disclosure.
  • the “response device” in the present disclosure is preferably a device used by a specific person such as a family.
  • the function of the response device 1 of each of the above embodiments can be realized by a response system in which a plurality of devices are communicably connected via a communication network.
  • This response system includes, for example, a server (response device) having functions corresponding to the morphological analysis unit 12, the related word search unit 13, the category estimation unit 14, the scenario search unit 15, the response sentence generation unit 16, and the speech synthesis unit 17.
  • a voice input / output device including the voice input unit 30 and the voice output unit 40.
  • the voice input / output device accepts an input sentence of the user and transmits the input sentence to the server.
  • the server generates a response sentence for the input sentence and transmits it to the voice input / output device, whereby the response sentence is output from the voice input / output device.
  • the speech recognition unit 11, the morphological analysis unit 12, the speech synthesis unit 17, and the like may be provided on the speech input / output device side.
  • a plurality of servers may be provided, and the above functional blocks may be distributed and arranged on these servers.
  • the dialogue history DB 22 may store various sentences in addition to the input sentence to the response device 1 and the output sentence of the response device 1. For example, a sentence taken from a book may be stored, or a sentence taken from various information sources (for example, news sites) on the Internet may be stored. However, in order to prevent the response contents from being generalized, it is preferable that sentences taken from news sites and books are limited to sentences showing objective facts such as “A is B”.
  • the control block of the response device 1 is a logic circuit (hardware) formed in an integrated circuit (IC chip) or the like. It may be realized by software, or may be realized by software using a CPU (Central Processing Unit).
  • the response device 1 includes a CPU that executes instructions of a program that is software that realizes each function, a ROM (Read Only Memory) in which the program and various data are recorded so as to be readable by a computer (or CPU), A storage device (these are referred to as “recording media”), a RAM (Random Access Memory) for expanding the program, and the like are provided. And the objective of this invention is achieved when a computer (or CPU) reads the said program from the said recording medium and runs it.
  • a “non-temporary tangible medium” such as a tape, a disk, a card, a semiconductor memory, a programmable logic circuit, or the like can be used.
  • the program may be supplied to the computer via an arbitrary transmission medium (such as a communication network or a broadcast wave) that can transmit the program.
  • an arbitrary transmission medium such as a communication network or a broadcast wave
  • one embodiment of the present invention can also be realized in the form of a data signal embedded in a carrier wave, in which the program is embodied by electronic transmission.
  • the response device is a response device that generates a response sentence for an input sentence, and is an unknown word that is a word that is not associated with predetermined information used by the response apparatus for generating the response sentence Is included in the input sentence, a detection unit that detects a related word that is a common word that is a common word used in the same sentence and the unknown word, and a related word detected by the detection unit And a response sentence generation unit that generates a response sentence having contents related to.
  • the related word when an unknown word is included in the input sentence, a related word is detected, and a response sentence having contents related to the related word is generated.
  • the related word since the related word is common to the unknown word, the related word may have the same or similar meaning or category as the unknown word.
  • the related word is a known word, predetermined information (for example, meaning and category) used for generating a response sentence is also known. Therefore, there is an effect that it is possible to generate a response sentence in accordance with the user's intention by taking into account the meaning and category of the unknown word included in the input sentence.
  • the detection unit detects the shared word combined with the unknown word from a database storing words and word combinations in a plurality of sentences.
  • a known word combined with the shared word may be detected from the database as the related word.
  • a response sentence can be generated.
  • the word and word combination are stored in the database. For example, a sentence input to the response device in the past (before the input sentence) and a response in the past.
  • the words and combinations of words in the sentence output by the apparatus may be stored.
  • the database may also store words and word combinations in the input sentence.
  • the detection unit detects the plurality of common words, and associates a known word combined with at least two of the plurality of common words. It is good also as a structure detected as a word.
  • the unknown words included in the input sentence It is possible to increase the accuracy with which a response sentence related to the word meaning, category, and the like can be generated.
  • the response device provides the response device according to any one of the aspects 1 to 3, wherein the common word of the unknown word in the input sentence is detected when the detection unit cannot detect the related word.
  • the category estimation unit further determines that the category is a category of the unknown word, and the response sentence generation unit corresponds to the category determined by the category estimation unit among a plurality of templates stored in advance for each category. It is good also as a structure which produces
  • the shared words of unknown words may have the same category as the unknown words. Therefore, according to the above configuration, it is possible to correctly determine the category of the unknown word and generate a response sentence with appropriate contents.
  • the response device is the response device according to any one of Aspects 1 to 3, wherein, when the detection unit cannot detect the related word, the response device immediately before the input sentence is input.
  • a category estimation unit that determines the category of the unknown word from the category of the output sentence output by the category
  • the response sentence generation unit is determined by the category estimation unit among a plurality of templates stored in advance for each category.
  • the response sentence may be generated using a template associated with the category.
  • the output sentence and the contents of the input sentence immediately after it are usually related, and therefore, it is possible to specify the category of the subsequent input sentence from the category of the immediately preceding output sentence. Further, if the category of the input sentence can be specified, the category of unknown words included in the input sentence may be specified. Therefore, according to the above configuration, it is possible to correctly determine the category of the unknown word and generate a response sentence with appropriate contents.
  • a response device is a response device that generates a response sentence to a user input sentence, wherein the input sentence includes a word having another name, or the input sentence is included in the word.
  • a detection unit that detects a related name in which a shared word, which is a word used in the same sentence, is a common name with the word, and the detection unit detects when the corresponding sentence corresponds to at least one of the related sentences
  • a response sentence generation unit that generates a response sentence having contents related to the related designation.
  • the related name may be another name of the word because the common word is a name common to the word. Therefore, there is an effect that it is possible to generate a response sentence in accordance with the user's intention by taking into account other names of words included in the input sentence.
  • the detection unit stores a word and a combination of words in a plurality of sentences and at least one of a place where the sentence is issued and a time zone. It is good also as a structure which detects the said related designation
  • a related name used in a sentence in which at least one of the place and time zone where it was issued is common to the input sentence is likely to be another name of a word included in the input sentence.
  • the response device control method is a response device control method for generating a response sentence for an input sentence, and is associated with predetermined information used by the response apparatus for generating the response sentence.
  • a response sentence generation step of generating a response sentence having contents related to the related word detected in the step According to this method, the same effects as those of the first aspect are obtained.
  • the response device control method is a response device control method for generating a response sentence to an input sentence, wherein the input sentence includes a word having another name, or the input sentence.
  • a detection step of detecting a related name in which a shared word, which is a word used in the same sentence, is a name common to the word, and the detection A response sentence generation step of generating a response sentence having contents related to the related designation detected in the step. According to this method, the same effect as in the fifth aspect is obtained.
  • the response device may be realized by a computer.
  • the response device is realized by the computer by operating the computer as each unit (software element) included in the response device.
  • a control program for the response device and a computer-readable recording medium on which the control program is recorded also fall within the scope of the present invention.

Abstract

ユーザの意に沿った応答文を生成する。応答装置（１）は、入力文に未知語が含まれている場合に、共用語が未知語と共通する既知語である関連語を検出する関連語検索部（１３）と、関連語検索部（１３）が検出した関連語に関連した内容の応答文を生成する応答文生成部（１６）と、を備えている。

Description

応答装置、応答装置の制御方法、および制御プログラム
　本発明は、ユーザの入力文に対する応答文を生成する応答装置等に関する。
　従来から、ユーザから入力文の入力文を受け付けて、これに対する応答文を生成する装置やシステムの研究開発が進められている。例えば、下記の特許文献１には、ユーザ発言から検出した呼び名と不揮発性メモリに記憶された各人物の呼び名との類似性から、当該呼び名の指し示す人物を判定して、その人物に関する発言をユーザに対する返事として返す技術が開示されている。
日本国公開特許公報「特開２００４－３３４５９１号公報（２００４年１１月２５日公開）」
　しかしながら、上記従来技術では、ユーザの意に沿った応答文を生成することができない場合がある。例えば、ユーザ発言に語義等が不明な未知語が含まれていた場合に、上記従来技術ではその未知語の内容に即した返事を返すことができない。また、一般的に、同じ人物について類似しない複数の呼び方がされる場合があるが、上記従来技術では、このような場合に適切な返事を返すことができない。
　本発明の一態様は、ユーザの意に沿った応答文を生成することができる応答装置等を実現することを目的とする。
　上記の課題を解決するために、本発明の一態様に係る応答装置は、入力文に対する応答文を生成する応答装置であって、当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出部と、上記検出部が検出した関連語に関連した内容の応答文を生成する応答文生成部と、を備えている構成である。
　上記の課題を解決するために、本発明の一態様に係る他の応答装置は、上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出部と、上記検出部が検出した関連呼称に関連した内容の応答文を生成する応答文生成部と、を備えている構成である。
　上記の課題を解決するために、本発明の一態様に係る応答装置の制御方法は、入力文に対する応答文を生成する応答装置の制御方法であって、当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出ステップと、上記検出ステップで検出した関連語に関連した内容の応答文を生成する応答文生成ステップと、を含む方法である。
　上記の課題を解決するために、本発明の一態様に係る他の応答装置の制御方法は、入力文に対する応答文を生成する応答装置の制御方法であって、上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出ステップと、上記検出ステップで検出した関連呼称に関連した内容の応答文を生成する応答文生成ステップと、を含む方法である。
　本発明の一態様によれば、ユーザの意に沿った応答文を生成することが可能になるという効果を奏する。
本発明の実施形態１に係る応答装置の要部構成の一例を示すブロック図である。 対話履歴ＤＢの一例を示す図である。 関連語の検索方法を説明する図である。 関連名の検索方法を説明する図である。 「お母さん」と「小百合」が同一人物を示すとの推測に基づいて図４における各単語間の関連付けを再構築した図である。 音声入力受付から応答音声出力までに上記応答装置が実行する処理の一例を示すフローチャートである。 未知語のカテゴリを推測した上でシナリオを検索する場合に上記応答装置が実行する処理の一例を示すフローチャートである。 関連名を検索した上でシナリオを検索する場合に上記応答装置が実行する処理の一例を示すフローチャートである。
　〔実施形態１〕
　〔応答装置の構成〕
　本実施形態に係る応答装置について図１に基づいて説明する。図１は、応答装置１の要部構成の一例を示すブロック図である。応答装置１は、ユーザの入力文に対する応答文を生成する装置である。本実施形態では、応答装置１が、ユーザが音声で発したメッセージを入力文として、この入力文に対する応答文を音声で出力する例を説明する。以下、入力文と応答文とを総称して「入出力文」と記載する場合がある。「入出力文」と記載した場合、それは入力文および出力文の何れかまたは両方を指す。なお、入力文と応答文の少なくとも何れかがテキストメッセージであってもよい。応答文がテキストメッセージである場合、応答文の出力は表示または印字で行えばよい。
　応答装置１は、応答装置１の各部を統括して制御する制御部１０、応答装置１が使用する各種データを記憶する記憶部２０、音声入力を受け付ける音声入力部３０、および音声を出力する音声出力部４０を備えている。また、制御部１０には、音声認識部１１、形態素解析部１２、関連語検索部（検出部）１３、カテゴリ推測部１４、シナリオ検索部１５、応答文生成部１６、および音声合成部１７が含まれている。そして、記憶部２０には、辞書２１、対話履歴ＤＢ（データベース）２２、およびシナリオＤＢ２３が格納されている。
　音声認識部１１は、音声入力部３０に入力された音声を音声認識し、この音声認識の結果としてテキストデータを生成する。つまり、音声認識部１１は、入力文のテキストデータを生成する。
　形態素解析部１２は、音声認識結果である入力文のテキストデータを形態素解析する。形態素解析では、入力文のテキストデータは形態素に分けられ、各形態素について辞書２１に基づいて品詞や品詞の意味、カテゴリ等の情報が付与される。同じカテゴリの語は、そのカテゴリに対応する共通の属性を有している。また、同じカテゴリの文は、そのカテゴリに対応する共通の属性を有している。どのような単語をどのようなカテゴリに分類し、どのような文をどのようなカテゴリに分類するか、および各カテゴリをどのように規定するかは予め定められている。形態素解析結果は、入力文のテキストデータと共に対話履歴ＤＢ２２等に格納され、関連語検索部１３等の各部で利用される。
　関連語検索部１３は、入力文に未知語が含まれている場合に、文中での用いられ方が該未知語と共通する既知語である関連語を検索する。より詳細には、関連語検索部１３は、対話履歴ＤＢ２２等のデータベースから未知語と組み合わせて用いられている語である共用語を検出すると共に、それらデータベースから当該共用語と組み合わせて用いられている既知語を関連語として検出する。言い換えれば、関連語検索部１３は、共用語が未知語と共通する関連語を検出する。なお、未知語とは、応答装置１が応答文の生成に用いる所定の情報が対応付けられていない語である。上記所定の情報としては、例えば語義およびその語が属するカテゴリが挙げられる。本実施形態では、辞書２１に見出し語として登録されていない語を未知語として扱う。辞書２１に見出し語として登録されていない、新語、造語、略語等も未知語の範疇に含まれる。一方、既知語は、上記所定の情報が対応付けられている語である。本実施形態では、辞書２１に見出し語として登録されている語には、語義やカテゴリも辞書２１に登録されているとする。つまり、本実施形態では、辞書２１に見出し語として登録されている語を既知語として扱う。
　また、関連語検索部１３は、入力文に他の呼称を有する単語が含まれている場合に、文中での用いられ方が上記単語と共通する呼称である関連呼称を検出する。言い換えれば、関連語検索部１３は、他の呼称を有する単語と共用語が共通する関連呼称を検出する。以下では、他の呼称を有する単語が人を表す普通名詞である例を説明する。このような普通名詞には、少なくともその人を表す固有名詞という他の呼称が存在する。また、上記単語が人を表す普通名詞であるから、以下の説明では、上記関連呼称を関連名と呼ぶ。なお、他の呼称を有する単語は、他の呼称を有していればよく、この例に限られない。また、関連呼称を検出する上記の処理は、関連語検索部１３とは別の処理ブロックを設けて、その処理ブロックが実行するようにしてもよい。
　カテゴリ推測部１４は、未知語のカテゴリを入力文の文脈から推測する。より詳細には、カテゴリ推測部１４は、入力文における未知語の共用語のカテゴリを、未知語のカテゴリであると判定する。さらに詳細には、カテゴリ推測部１４は、未知語が入力文の主語であり、共用語がその述語である場合に、当該述語が主語の状態または性質を示す語であれば、未知語のカテゴリを当該共用語と同じカテゴリであると判定する。つまり、カテゴリ推測部１４は、入力文が「＜未知語＞は＜Ａ＞です／だ」のような文章構造を有している場合、未知語のカテゴリは「Ａ」のカテゴリと同じであると判定する。例えば、「紅玉」が未知語である場合に、入力文が「紅玉はリンゴだよ」であれば、カテゴリ推測部１４は、「紅玉」のカテゴリを「リンゴ」と同じカテゴリ（例えば、果物）であると判定する。これにより、新しいリンゴの品種が会話に登場したときにもリンゴに関連した会話を継続することができる。
　同様に、カテゴリ推測部１４は、入力文が「＜Ｂ＞は＜未知語＞です／だ」のような文章構造を有している場合、未知語のカテゴリは「Ｂ」のカテゴリと同じであると判定してもよい。例えば、入力文が「製菓に向くリンゴは紅玉です」である場合にもカテゴリ推測部１４は、「紅玉」のカテゴリを「リンゴ」と同じカテゴリ（例えば、果物）であると判定してもよい。
　また、カテゴリ推測部１４は、入力文が入力される直前の出力文のカテゴリから、未知語のカテゴリを判定する。より詳細には、カテゴリ推測部１４は、あいさつのように１文節から構成されるような入力文が未知語を含む場合、その未知語のカテゴリを、直前の出力文と同じカテゴリであると判定する。例えば、応答装置１が「おはよう（カテゴリ：あいさつ）」と音声出力した後の入力文が「ちーす（未知語）」であった場合、カテゴリ推測部１４は、「ちーす」のカテゴリをあいさつであると判定する。これにより、「ちーす」のような未知語に対しても、例えば「今日もいい天気だね」等の適切な応答文を返すことができる。
　シナリオ検索部１５は、応答文の生成に用いるシナリオをシナリオＤＢ２３から検索する。なお、本実施形態における「シナリオ」は、応答文の内容の大枠を定めたものであり、応答文を生成するためのテンプレートを含む。シナリオの検索方法については、シナリオＤＢ２３の詳細と共に後述する。
　応答文生成部１６は、応答文を生成する。応答文の生成方法については後述するが、関連語検索部１３が関連語を検出した場合には、応答文生成部１６は、その関連語に関連した内容の応答文を生成する。また、関連語検索部１３が関連名を検出した場合には、応答文生成部１６は、その関連名に関連した内容の応答文を生成する。
　音声合成部１７は、応答文生成部１６が生成した応答文を音声データに合成する。合成した音声データは音声出力部４０から音声出力される。
　辞書２１は、形態素解析を行うためのものである。辞書２１は、例えば、見出し語に対してその品詞、語義等が対応付けられたデータ構造を有していてもよい。入力文の形態素解析が可能な情報を含む任意の辞書を辞書２１として適用することができる。形態素解析部１２は、辞書２１に見出し語として含まれていない語を未知語と判定する。形態素解析部１２が未知語であると判定しなかった語は既知語である。
　対話履歴ＤＢ２２は、応答装置１に対する入力文および応答装置１の出力文を記憶したデータベースである。対話履歴ＤＢ２２は、例えば図２のようなデータ構造を有していてもよい。図２は、対話履歴ＤＢ２２の一例を示す図である。なお、同図の（ａ）のテーブルが対話履歴ＤＢ２２であり、同図の（ｂ）は対話履歴ＤＢ２２に付随するノードＤＢ（データベース）、同図の（ｃ）はノードデータベースに付随するノードリンクＤＢ（データベース）である。
　図２の（ａ）に示す対話履歴ＤＢ２２は、入出力文、ユーザ、システム、日時、位置情報、カテゴリ、親カテゴリ、意図、およびノードリンク、のレコードが対応付けられたテーブルである。「入出力文」は入力文または出力文のテキストデータである。また、「ユーザ」のレコードはユーザからの発話であるか否かを示し、「システム」のレコードはシステムすなわち応答装置１からの発話であるか否かを示す。図示の例では「１」が肯定、「０」が否定を示している。つまり、「リンゴは赤い」はユーザによる発話すなわち入力文であり、「大阪のお土産はたこ焼きだね」は応答装置１による発話すなわち出力文である。「日時」は「入出力文」が発された日時および時刻を示し、「位置情報」は「入出力文」が発された場所を示している。「カテゴリ」は「入出力文」の内容のカテゴリ、「親カテゴリ」は上記「カテゴリ」の親（上位の）カテゴリである。「意図」は、「入出力文」の内容の行動解析結果であり、例えば「肯定」、「提案」の他、「疑問」、「願望」等も「意図」である。「ノードリンク」は、入出力文に含まれるノードのノードＤＢにおけるエントリを示している。
　図２の（ｂ）に示すノードＤＢは、ノード番号、ノード、ヨミ、カテゴリ、親カテゴリ、品詞、および付属情報のレコードが対応付けられたテーブルである。「ノード番号」は、ノードのエントリ番号である。「ノード」は、入出力文に含まれる単語であり、「ヨミ」はこの単語の読みを示す。「カテゴリ」は単語のカテゴリ、「親カテゴリ」は上記「カテゴリ」の親（上位の）カテゴリ、「品詞」は単語の品詞を示している。「付属情報」は、入出力文における単語の使われ方を示しており、何（what）、いつ（when）、どこ（where）、誰（who）、どのようだ（どのように）（how）、およびする（do）の何れかである。
　図２の（ｃ）に示すノードリンクＤＢは、助詞、ノード１、およびノード２が対応付けられたテーブルである。「ノード１」と「ノード２」は、「助詞」で接続されている単語を、ノードＤＢのエントリ番号で示したものである。例えば、図２の（ｃ）１行目のレコードでは、「ノード１」が「１」、「ノード２」が「２」、「助詞」が「は」となっている。これは、同図の（ｂ）の「リンゴ」（ノード番号１）と、「赤い」（ノード番号２）が、「助詞」である「は」でリンクされていることを表している。
　形態素解析部１２が辞書２１を用いて入出力文を形態素解析することにより、上述した各データベースにおける各レコードの値が特定される。つまり、カテゴリ（入出力文全体）、親カテゴリ（入出力文全体）、意図、ノードリンク、ノード、ヨミ、カテゴリ（ノード単体）、親カテゴリ（ノード単体）、品詞、付属情報、および助詞、の値が特定される。
　このように、ノードＤＢおよびノードリンクＤＢは、複数の入出力文における語と語の組み合わせを記憶したデータベースである。詳細は後述するが、関連語検索部１３は、これらのデータベースから、未知語（または他の呼称を有する単語）と組み合わされている共用語を検出する。また、関連語検索部１３は、これらのデータベースから、上記検出した共用語と組み合わされている既知語（呼称）を関連語（関連呼称）として検出する。
　シナリオＤＢ２３は、応答文の生成に用いるシナリオを記憶したデータベースである。シナリオＤＢ２３は、様々な適用条件に応じたシナリオを検索できるデータ構造となっている。例えば、シナリオＤＢ２３は、各シナリオについて、そのシナリオの適用条件と、応答文のテンプレートとを対応付けたデータ構造であってもよい。上記適用条件は、入力文のカテゴリ、入力文に含まれる単語、および入力文に含まれる単語と関連した単語等に関する条件であってもよい。
　また、シナリオの適用条件には、入力文に基づく条件（以下、入力文条件）と、過去の入出力文の記憶内容に基づく条件（以下、記憶条件）とが含まれていてもよい。この場合、シナリオ検索部１５は、入力文条件を充足するか否かを、入力文の音声認識結果および形態素解析結果を参照して判定する。入力文条件は、例えば入力文全体のカテゴリが所定のカテゴリであり、かつ入力文に所定の単語が含まれているという条件であってもよい。なお、入力文が入力された日時、場所、および単語のカテゴリ等の少なくとも何れかが入力文条件に含まれていてもよい。また、この場合、シナリオ検索部１５は、記憶条件を充足するか否かを、対話履歴ＤＢ２２、ノードＤＢ、およびノードリンクＤＢを参照して判定する。記憶条件は、所定のカテゴリの単語と、所定の単語とがリンクされているという条件であってもよい。この他、所定の単語と所定の単語がリンクされている、所定のカテゴリの単語と所定のカテゴリ（先の「所定のカテゴリ」と同じであってもよいし異なっていてもよい）の単語とがリンクされている等であってもよい。また、日時や場所等を記憶条件に含めてもよい。
　例えば、下記のようなシナリオがシナリオＤＢ２３に含まれていたとする。
入力文条件：入力文のカテゴリが「果物・果物加工品」、かつ「赤い」との単語を含む。記憶条件：「果物・果物加工品」のカテゴリの単語が「赤い」との単語とリンク。
テンプレート：「＜ｍＮｏｄｅ１＞も赤いね」
この場合、シナリオ検索部１５は、入力文の音声認識結果および形態素解析結果から入力文が上記入力文条件を充足すると判定し、かつ対話履歴ＤＢ２２、ノードＤＢ、およびノードリンクＤＢから上記記憶条件も充足すると判定すればこのシナリオを検出する。例えば、ユーザが「リンゴは赤いね」と発話した場合、音声認識結果および形態素解析結果から、この発話に係る入力文は、カテゴリが「果物・果物加工品」であり、「赤い」を含むと判定される。つまり、シナリオ検索部１５は、この入力文は上記シナリオの入力文条件を充足すると判定する。また、この場合に、対話履歴ＤＢ２２に「イチゴは赤い」との文が記憶されていれば、ノードＤＢとノードリンクＤＢから、カテゴリが「果物・果物加工品」である単語と、「赤い」がリンクされていると判定される。つまり、シナリオ検索部１５は、上記シナリオの記憶条件も充足されていると判定する。よって、シナリオ検索部１５は、シナリオＤＢ２３からこのシナリオを検出する。そして、応答文生成部１６は、このシナリオのテンプレートにおける＜ｍＮｏｄｅ１＞の部分に、記憶条件の判定時に検出した単語（果物・果物加工品のカテゴリに属し、ノードリンクＤＢにおいて「赤い」とリンクされている単語）である「イチゴ」を挿入する。これにより、「イチゴも赤いね」との応答文が生成される。なお、対話履歴ＤＢ２２に「さくらんぼが赤い」との文がさらに記憶されていた場合、「さくらんぼも赤いね」との応答文を生成することもできる。＜ｍＮｏｄｅ１＞の部分に挿入可能な単語が複数検出された場合に、挿入する単語を決定する方法は予め定めておけばよい。
　〔関連語の検索〕
　共通の言葉とつながっている（組み合わせて用いられている）語はカテゴリも同一である可能性が高いと考えられるため、関連語検索部１３は、未知語とつながっている語に基づいて、未知語とカテゴリが同一である可能性が高い関連語を検索する。これについて、図３に基づいて説明する。図３は、関連語の検索方法を説明する図である。
　同図において楕円内には対話履歴ＤＢ２２に記憶されている単語（形態素）とその形態素解析結果を記載している。また、楕円と楕円とを結ぶ線分は、該線分で結ばれた楕円内の単語が組み合わせて用いられたことを示し、この線分上の円内にはこれら単語を結ぶ助詞を記載している。この例では、「紅玉」のみが未知語であり、他の語は何れも既知語である。
　図示の例において、「紅玉」は未知語である。また、「紅玉」は、「買う」、「赤い」、「甘い」と結ばれており、これらの単語と組み合わせて用いられている。よって、関連語検索部１３は、まず、「紅玉」と組み合わせて用いられている語である共用語を、「買う」、「赤い」、「甘い」の３つであると特定する。
　次に、関連語検索部１３は、上記特定した共用語を有する他の語を検索する。関連語検索部１３は、この検索により、「赤い」を共用語とする「リンゴ」、「イチゴ」、「飴」を検出すると共に、「甘い」を共用語とする「リンゴ」、「飴」を検出する。このうち、「イチゴ」は「紅玉」との共用語が「赤い」の１つのみであるから関連語とはしない。また、「飴」も共用語が１つのみであるから関連語とはしない。一方、「リンゴ」は、「紅玉」との共用語が複数（「赤い」と「甘い」）あるから関連語とする。言い換えれば、「リンゴ」は、「紅玉」と「赤い」および「甘い」という２つの性質を共有しているので、「紅玉」の関連語であるとされる。さらに言い換えれば、関連語検索部１３は、未知語について複数種類の共用語を検出すると共に、当該複数種類の共用語のうち少なくとも２種類と組み合わせて用いられている既知語を関連語として検出する。
　これにより、関連語検索部１３は、「紅玉」の関連語として「リンゴ」を検出することができる。また、「リンゴ」は既知語であるから、「リンゴ」のカテゴリは特定することができる。そして、「リンゴ」と「紅玉」は共通の性質を有しているため、カテゴリも共通であると推測することができる。例えば、「リンゴ」のカテゴリが果物であった場合、「紅玉」のカテゴリも果物とみなすことができる。
　なお、図２に示す各ＤＢを用いて関連語を検出する方法を説明すれば以下の通りである。まず、関連語検索部１３は、ノードＤＢ（図２の（ｂ））から「ノード」が「紅玉」となっているレコードを検出し、そのレコードから「紅玉」のノード番号を特定する。次に、関連語検索部１３は、ノードリンクＤＢ（図２の（ｃ））から、上記特定したノード番号と対応付けられているノード番号を複数検出する。関連語検索部１３は、これらのノード番号の語を共用語と特定する。
　次に、関連語検索部１３は、上記検出した複数のノード番号（共用語のノード番号）のそれぞれについて、ノードリンクＤＢにおいて、当該ノード番号と対応付けられているノード番号（関連語の候補となる語のノード番号）を検出する。そして、検出したノード番号のうち、共用語の複数のノード番号のうち少なくとも２つと組み合わされているノード番号を抽出する。なお、共用語のノード番号の１つと組み合わされているノード番号についても抽出の対象に加えてもよい。最後に、関連語検索部１３は、上記抽出したノード番号のノードをノードＤＢから特定し、このノードの語を関連語として検出する。
　よって、関連語検索部１３を備える応答装置１は、未知語である「紅玉」について、果物のシナリオから応答文を生成することができ、ユーザとの自然な会話が実現される。例えば、「［果物］は冷やすとおいしいよね」というシナリオがあった場合、応答装置１は、ユーザの「紅玉」に関する入力文に対し、「紅玉は冷やすとおいしいよね」との応答文を返すことができる。
　なお、図３の例において、「イチゴ」の共用語に「甘い」が含まれていた場合には、「イチゴ」と「紅玉」も２つの共用語を共有することになるから、「イチゴ」も関連語として検出される。また、図示していないが、「さくらんぼ」という名詞の共用語に「甘い」、「赤い」が含まれていた場合には、「さくらんぼ」も関連語として検出される。このように、複数の関連語を検出した場合であっても、各関連語のカテゴリが同じ（本実施形態では何れも「果物」）であれば、そのカテゴリをそのまま未知語のカテゴリとみなせばよい。
　一方、図示の「飴」の共用語に「赤い」が含まれていた場合、「飴」も関連語として検出され得る。「飴」はカテゴリが「菓子」であり、「リンゴ」のカテゴリである「果物」とは相違する。このような場合、関連語検索部１３は、「果物」のカテゴリの名詞と、「菓子」のカテゴリの名詞の中で、他に「紅玉」と共通の共有語を有するものを検索し、検出した名詞のカテゴリを適用すればよい。例えば、図示の例では、「果物」のカテゴリである「イチゴ」は、「紅玉」との共有語である「赤い」を有している。一方、「菓子」のカテゴリの単語は「飴」以外にない。よって、関連語検索部１３は、「紅玉」のカテゴリとして「果物」を適用すればよい。なお、関連語のカテゴリを決定する処理は、シナリオ検索部１５側で行うようにしてもよい。
　このように、応答装置１は、自然会話の中によく出てくる、略語や新語等のような、カテゴリが特定できない未知語についても、カテゴリを推測して割り当てる。よって、適切なシナリオから応答文を生成することが可能になる。
　〔関連名の検索〕
　関連名の検索について、図４に基づいて説明する。図４は、関連名の検索方法を説明する図である。関連名の検索は、関連語の検索と概ね同様であるが、入出力文が発された時間帯および場所を考慮した検索を行う点で関連語の検索と相違している。
　同図において楕円内には対話履歴ＤＢ２２に記憶されている単語（形態素）とその形態素解析結果を記載している。また、楕円と楕円とを結ぶ線分は、該線分で結ばれた楕円内の単語が組み合わせて用いられたことを示し、この線分上の円内にはこれら単語を結ぶ助詞を記載している。さらに、楕円内の単語を含む入力文が応答装置１に入力された（出力文を応答装置１が出力した）時刻および場所を矩形内に記載している。
　図示の例において、「お母さん」は人を表す普通名詞である。まず、関連語検索部１３は、「お母さん」の共用語を、「イチゴ」、「選択する」、「料理する」の３つであると特定する。
　次に、関連語検索部１３は、上記特定した共用語を有し、発された場所および時間帯が「お母さん」を含む入力文と共通しており、人名を示す他の語を検索する。共用語が共通している呼称は、同一人物の呼称であると推察できる。さらに、その呼称を含む入出力文が発された場所および時間帯が、入力文が発された場所および時間帯と共通する場合には、それらの文が発されたシチュエーションも共通しているので、それらの文に含まれる呼称は、同一人物の呼称である可能性が高い。よって、上記の検索によれば、「お母さん」と同一人物の呼称を関連名として検出することができる。なお、関連名の検索条件として、場所および時間帯の何れか一方を用いてもよい。また、上記「人名を示す他の語」は、人名を示す固有名詞であってもよいし、人名を示す他の普通名詞であってもよい。さらに、人名を示すか否か、普通名詞であるか、固有名詞であるか等を検索条件に含めずに、広く名詞全般を関連名の検索対象としてもよい。
　例えば、図示の例では、関連語検索部１３は、「イチゴ」を共用語とする、人名を示す固有名詞「小百合」を検出する。また、図示の例では、「お母さん」が「洗濯する」との入力文が発された時刻が８：００、場所が自宅であり、「小百合」が「洗濯する」との入力文が発された時刻が８：３０、場所が自宅である。よって、関連語検索部１３は、これらの入力文が発された場所および時間帯が共通していると判定し、「洗濯する」も「小百合」と「お母さん」との共用語であると判定する。
　なお、時間帯の区分は予め定めておけばよい。例えば、５：００～１０：００の時間帯を規定しておけば、８：００と８：３０は何れもこの時間帯に含まれるので、時間帯が共通していると判定することができる。また、場所についても例えば緯度・経度の範囲により区分しておけばよい。例えば、「自宅」の緯度・経度の範囲を予め応答装置１に登録しておけば、入力文が入力されたときの応答装置１の位置を示す緯度・経度情報をＧＰＳ（Global Positioning System）等で取得することにより、当該入力が自宅で行われたか、他の場所で行われたかを判定することができる。無論、場所および時間帯が共通しているか否かを判定する方法は、これらの方法に限られず、例えば、時刻の差が所定時間以内であれば時間帯（時刻）が共通していると判定してもよい。同様に、緯度・経度の差が所定値以内であれば場所が共通していると判定してもよい。
　さらに、関連語検索部１３は、「料理する」も「洗濯する」と同様にして「小百合」と「お母さん」との共用語であると判定する。以上の処理により、関連語検索部１３は、「お母さん」と共通の共用語を複数有する関連名として「小百合」を検出する。
　なお、図２に示す各ＤＢを用いて関連語を検出する方法を説明すれば以下の通りである。まず、関連語検索部１３は、ノードＤＢ（図２の（ｂ））から「ノード」が「お母さん」となっているレコードを検出し、そのレコードから「お母さん」のノード番号を特定する。次に、関連語検索部１３は、ノードリンクＤＢ（図２の（ｃ））から、上記特定したノード番号と対応付けられているノード番号を複数検出する。関連語検索部１３は、これらのノード番号の語を共用語と特定する。また、関連語検索部１３は、対話履歴ＤＢ２２（図２（ａ））から、これらノード番号の語を含む入出力文が発された時間帯および場所を特定する。
　次に、関連語検索部１３は、上記検出した複数のノード番号（共用語のノード番号）のそれぞれについて、ノードリンクＤＢにおいて、当該ノード番号と対応付けられているノード番号（関連名の候補となる語のノード番号）を検出する。なお、検出対象は、上記特定した時間帯および場所で発された入出力文に含まれるノードのノード番号である。そして、検出したノード番号のうち、共用語の複数のノード番号のうち少なくとも２つと組み合わされているノード番号を抽出する。最後に、関連語検索部１３は、上記抽出したノード番号のノードをノードＤＢから特定し、このノードの語を関連名として検出する。
　〔関連名を特定することの意義〕
　関連名を特定することにより、対話履歴ＤＢ２２に記憶されている、その関連名を含む各入出力文に関連した応答文を生成することが可能になる。これについて、図５に基づいて説明する。図５は、「お母さん」と「小百合」が同一人物を示すとの推測に基づいて図４における各単語間の関連付けを再構築した図である。
　「お母さん」と「小百合」が同一人物を示すとみなした場合、「お母さん」を含む入出力文は「小百合」についての入出力文でもあるとみなすことができ、同様に「小百合」を含む入出力文は「お母さん」についての入出力文でもあるとみなすことができる。例えば、図４に示したように、「小百合」は「温泉」が「好き」との入力文に基づいて、「お母さん」は「温泉」が「好き」であるとみなすことができる。これにより、入力文に「お母さん」が含まれる場合に、温泉が好きであることに関連した応答文を生成することが可能になる。例えば、「お母さんは、明日、お休みだよ」との入力文に対して、「お母さんの好きな温泉に行こう」との応答文を生成することも可能になる。よって、ユーザは、同一人物に対して固定の称呼を用いる必要がない。つまり、入力文の言葉を選ぶ際のユーザの負担を軽減することができる。
　また、関連語検索部１３は、人を表す普通名詞について関連名を検出した場合、当該普通名詞と関連名の対応付けを記憶しておくことが望ましい。これにより、同じ人物について同様の応答文を生成してユーザに冗長であると感じさせることを避けることができる。例えば、「お母さん」と「小百合」が同一人物である場合に、「お母さん、お誕生日おめでとう」との応答文を生成して出力した後で、「小百合さん、お誕生日おめでとう」との応答文をさらに生成して出力することを避けることができる。
　〔処理の流れ（音声入力受付～応答音声出力）〕
　図６に基づいて応答装置１が実行する処理の流れ（応答装置の制御方法）を説明する。図６は、音声入力受付から応答音声出力までに応答装置１が実行する処理の一例を示すフローチャートである。
　Ｓ１では、音声入力部３０がユーザの発する音声、すなわちユーザが発話したメッセージの音声入力を受け付ける。この音声を音声認識部１１が音声認識してテキストデータを生成する。そして、このテキストデータを形態素解析部１２が形態素解析する。その結果は、上述のように対話履歴ＤＢ２２等に記録される。また、音声入力を受け付けた時刻および場所についても併せて記録する。なお、場所は、例えばＧＰＳを利用する等により特定することができる。
　Ｓ２では、関連語検索部１３は、上記形態素解析結果に未知語が含まれているか否かを判定する。ここで未知語が含まれていると判定した場合（Ｓ２でＹＥＳ）、Ｓ３の処理に進み、未知語が含まれていないと判定した場合（Ｓ２でＮＯ）、Ｓ１１の処理に進む。
　Ｓ３（検出ステップ）では、関連語検索部１３は、Ｓ２で含まれていると判定した未知語の関連語を検索する。続くＳ４では、関連語検索部１３は、上記検索によって関連語を検出したか否かを判定する。ここで検出したと判定した場合（Ｓ４でＹＥＳ）、Ｓ５の処理に進み、検出していないと判定した場合（Ｓ４でＮＯ）、Ｓ６の処理に進む。
　Ｓ５では、シナリオ検索部１５は、関連語検索部１３が検出した関連語のカテゴリに属するシナリオを検索し、この後処理はＳ７に進む。また、詳細は図７に基づいて後述するが、Ｓ６では、カテゴリを推測した上でシナリオの検索が行われ、その後処理はＳ７に進む。
　Ｓ７では、シナリオ検索部１５は、シナリオを検出したか否かを判定する。ここでシナリオを検出したと判定した場合（Ｓ７でＹＥＳ）、Ｓ８の処理に進み、検出しなかったと判定した場合（Ｓ７でＮＯ）、Ｓ９の処理に進む。
　Ｓ８（応答文生成ステップ）では、応答文生成部１６は、シナリオ検索部１５が検出したシナリオを用いて応答文を生成し、この後処理はＳ１０に進む。Ｓ３の検索により関連語が検出されていれば、Ｓ８で生成する応答文の内容は、関連語に関連したものとなる。また、Ｓ１２の処理において関連名が検出されていれば、Ｓ８で生成する応答文の内容は、関連名に関連したものとなる。
　Ｓ９では、応答文生成部１６は、シナリオが検出されなかった場合用に予め用意された応答文を生成し、この後処理はＳ１０に進む。このような応答文は、例えばシナリオＤＢ２３等に予め登録しておけばよい。
　Ｓ１０では、音声合成部１７は、応答文生成部１６がＳ８またはＳ９で生成した応答文から音声データを合成し、合成した音声データを音声出力部４０に出力させる。これにより、図示の処理は終了する。
　Ｓ１１では、関連語検索部１３は、形態素解析結果に人を表す普通名詞が含まれているか否かを判定する。ここで人を表す普通名詞が含まれていると判定した場合（Ｓ１１でＹＥＳ）、Ｓ１２の処理に進み、人を表す普通名詞が含まれていないと判定した場合（Ｓ１１でＮＯ）、Ｓ１３の処理に進む。
　詳細は図８に基づいて後述するが、Ｓ１２では、上記普通名詞の関連名を検索した上でシナリオの検索が行われ、その後処理はＳ７に進む。一方、Ｓ１３では、シナリオ検索部１５は、形態素解析結果と、それに関連する入出力文（対話履歴ＤＢ２２等に記憶）に基づいてシナリオを検索し、その後処理はＳ７に進む。Ｓ７以降の処理は上述した通りである。
　〔処理の流れ（カテゴリ推測～シナリオ検索）〕
　図７に基づいて図６のＳ６の処理の詳細を説明する。図７は、未知語のカテゴリを推測した上でシナリオを検索する場合に応答装置１が実行する処理の一例を示すフローチャートである。
　Ｓ２１では、カテゴリ推測部１４は、入力文における未知語の前後の文脈、または入力文が入力される直前に応答装置１が出力した出力文と当該入力文との文脈から未知語のカテゴリを推測（判定）する。具体的な判定方法は上述した通りである。続くＳ２２では、カテゴリ推測部１４は、カテゴリが推測（判定）できたか否かを判定し、推測（判定）できていれば（Ｓ２２でＹＥＳ）Ｓ２３の処理に進み、推測（判定）できていなければ（Ｓ２２でＮＯ）Ｓ２４の処理に進む。
　Ｓ２３では、シナリオ検索部１５は、カテゴリ推測部１４が推測したカテゴリでシナリオを検索し、この後処理は図６のＳ７に進む。一方、Ｓ２４では、シナリオ検索部１５は、入力文における未知語は未知語のままとしてシナリオを検索し、この後処理は図６のＳ７に進む。例えば、Ｓ２４では、入力文全体のカテゴリや、入力文における未知語以外の語のカテゴリ等に関連したシナリオを検索してもよい。
　〔処理の流れ（関連名検索～シナリオ検索）〕
　図８に基づいて図６のＳ１２の処理の詳細を説明する。図８は、関連名を検索した上でシナリオを検索する場合に応答装置１が実行する処理の一例を示すフローチャートである。
　Ｓ３１（検出ステップ）では、関連語検索部１３は、Ｓ１１で含まれていると判定した普通名詞と使用時間および使用場所が共通する関連名を検索する。続くＳ３２では、関連語検索部１３は、上記検索によって関連名を検出したか否かを判定する。ここで検出したと判定した場合（Ｓ３２でＹＥＳ）、Ｓ３３の処理に進み、検出していないと判定した場合（Ｓ３２でＮＯ）、Ｓ３４の処理に進む。
　Ｓ３３では、シナリオ検索部１５は、検出した関連名に関連するシナリオを検索し、この後処理は図６のＳ７に進む。例えば、Ｓ３３では、シナリオ検索部１５は、形態素解析結果、入力文の形態素を含む入出力文（対話履歴ＤＢ２２等に格納）、関連名、および関連名を含む入出力文（対話履歴ＤＢ２２等に格納）の少なくとも何れかに応じたシナリオを検索してもよい。例えば、入力文に人を表す名詞と「休み」との単語が含まれており、関連名を含む入出力文に「＜関連名＞は＜Ｃ＞が好き」（Ｃのカテゴリは地域）というものがある、という条件が対応付けられたシナリオがシナリオＤＢ２３に格納されていたとする。また、このシナリオのテンプレートが「＜Ｄ＞が好きな＜Ｃ＞へ行こう」であったとする（Ｄは入力文における人を表す名詞）。この場合、「お母さんは、明日、お休みだよ」との入力文が入力されると、シナリオ検索部１５は上記のシナリオを検出し、これにより応答文生成部１６が「お母さんが好きな＜Ｃ＞へ行こう」との応答文を生成することになる。
　一方、Ｓ３４では、シナリオ検索部１５は、関連名を考慮することなくシナリオを検索し、この後処理は図６のＳ７に進む。例えば、Ｓ３４では、形態素解析結果とそれに関連する過去の入出力文に応じたシナリオを検索してもよい。
　〔実施形態２〕
　上記実施形態では、応答文の内容を関連語に関連した内容とする例として、関連語のカテゴリで検出したシナリオを用いて応答文を生成する例を説明した。しかしながら、関連語を検出した場合に生成する応答文は、関連語に関連した内容の文であればよく、上述の例に限られない。例えば、「紅玉（未知語）が売っていたよ」との入力文に対し、「紅玉はリンゴ（関連語）の仲間ですか？」との応答文を生成する等のように、関連語を応答文に含めてもよい。また、上記の入力文に対して、「ボク、リンゴ（関連語）大好き」のように、未知語を関連語に置き換えた応答文を生成してもよい。
　同様に、上記実施形態では、応答文の内容を関連名に関連した内容とする例として、関連名を主語として含む入出力文において、「好き」と助詞「が」でリンクされている単語を含む応答文を生成する例を説明した。しかしながら、関連名を検出した場合に生成する応答文は、関連名に関連した内容の文であればよく、上述の例に限られない。例えば、「お母さんと会ったよ」との入力文に対し、「お母さんとは小百合さんのことですか？」との応答文を生成する等のように、関連名を応答文に含めてもよい。
　また、上記実施形態では、入力文に他の呼称を有する単語（具体例として人を表す普通名詞を例示）が含まれている場合に、関連名を検索する例を説明したが、入力文が上記単語を含まない場合であっても、当該単語に関連した文であれば関連名を検索してもよい。例えば、下記のシナリオがシナリオＤＢ２３に含まれていたとする。
入力文条件：入力文に「時間（タイミング）を示す語」と「休み」との単語を含む。
記憶条件：「家族を示す語」と、＜ｍＮｏｄｅ１＞と、「好き」の単語とがリンク。
テンプレート：「家族を示す語」が好きな「＜ｍＮｏｄｅ１＞に行こう」
そして、対話履歴ＤＢ２２には「小百合」と「温泉」と「好き」のリンクが記憶されていて、「明日はお休みだよ」との入力文が入力されたとする。この入力文には人を表す普通名詞は含まれていない。
　上記の例において、「小百合」が「家族を示す語」であるか否かは不明であるが、「家族を示す語」である「お母さん」の関連名を検索することによって、「小百合」との関連名が検出されれば、「小百合」が「家族を示す語」であるとみなすことができる。よって、上記の入力文に対して、「お母さんの好きな温泉に行こう」との応答文を生成することができる。
　〔実施形態３〕
　応答装置１は、ユーザと音声で対話する機能以外の機能についても備えていてもよい。例えば、応答装置１は、自立歩行機能等を備えた人型のロボットであってもよい。また、携帯電話機、スマートフォン、タブレット端末、パーソナルコンピュータ、家電機器（例えばテレビ、冷蔵庫、空気調和機、掃除機等）、カーナビゲーション装置等に上述の応答装置１の機能を持たせた機器も、本開示における「応答装置」の範疇に含まれる。本開示における「応答装置」は、家族など特定の人物が利用する装置であることが好ましい。
　〔実施形態４〕
　上記各実施形態の応答装置１の機能は、複数の装置を通信ネットワークで通信可能に接続してなる応答システムによって実現することもできる。この応答システムは、例えば、形態素解析部１２、関連語検索部１３、カテゴリ推測部１４、シナリオ検索部１５、応答文生成部１６、および音声合成部１７に相当する機能を備えたサーバ（応答装置）と、音声入力部３０および音声出力部４０を備えた音声入出力装置とを含む構成であってもよい。この場合、音声入出力装置がユーザの入力文の入力を受け付け、その入力文をサーバに送信する。そして、サーバがこの入力文に対する応答文を生成し、音声入出力装置に送信することにより、当該応答文が音声入出力装置から出力される。この応答システムでは、音声認識部１１、形態素解析部１２、および音声合成部１７等を音声入出力装置側に持たせてもよい。また、複数のサーバを設けて、上記の各機能ブロックをそれらのサーバに分散して配置してもよい。
　〔変形例〕
　上記実施形態では、入力文に人を表す普通名詞が含まれている場合に、その関連名を検索する例を示したが、上記「人を表す普通名詞」は、任意の「他の呼称を有する単語」に置換できる。例えば、入力文に人を表す固有名詞が含まれている場合に、その関連名を検索してもよい。人を表す固有名詞にも、他の呼称があることが多いためである。また、例えば、人の名前以外にも物の名前やペットの名前にも応用できる。例えば、ある会話に含まれる固有名詞（名前）が動物と推論できたときに、その会話が発生した場所が自宅付近であればその固有名詞がペットの名前を示すとみなしてもよい。この場合、ペットというカテゴリのシナリオを用いた応答文や、ペットに関する対話履歴を用いた応答文を生成することも可能である。一方、その会話が発生した場所が自宅から離れているもしくは動物園であれば、その固有名詞を単に動物の名前とみなしてもよい。
　対話履歴ＤＢ２２は、応答装置１に対する入力文および応答装置１の出力文以外にも、様々な文を記憶していてもよい。例えば、書籍から取り込んだ文を記憶していてもよいし、インターネット上の様々な情報ソース（例えばニュースサイト等）から取り込んだ文を記憶していてもよい。ただし、応答内容が汎用化してしまわないようにするため、ニュースサイトや書籍から取り込む文は、「ＡはＢだ」のような客観的な事実を示す文のみに留めることが好ましい。
　〔ソフトウェアによる実現例〕
　応答装置１の制御ブロック（特に関連語検索部１３、カテゴリ推測部１４、シナリオ検索部１５、および応答文生成部１６）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。
　後者の場合、応答装置１は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。
　〔まとめ〕
　本発明の態様１に係る応答装置は、入力文に対する応答文を生成する応答装置であって、当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出部と、上記検出部が検出した関連語に関連した内容の応答文を生成する応答文生成部と、を備えている構成である。
　上記の構成によれば、入力文に未知語が含まれている場合に、関連語を検出して、該関連語に関連した内容の応答文を生成する。ここで、関連語は、共用語が未知語と共通であるから、未知語と語義やカテゴリ等が同一であるかまたは類似している可能性がある。そして、関連語は既知語であるから応答文の生成に用いる所定の情報（例えば語義やカテゴリ等）も既知である。よって、入力文に含まれる未知語の語義やカテゴリ等を加味してユーザの意に沿った応答文を生成することが可能になるという効果を奏する。
　本発明の態様２に係る応答装置は、上記態様１において、上記検出部は、複数の文における語と語の組み合わせを記憶したデータベースから、上記未知語と組み合わされている上記共用語を検出すると共に、上記データベースから、上記共用語と組み合わされている既知語を上記関連語として検出する構成としてもよい。
　同じ共用語と組み合わせて用いられている語は、語義やカテゴリ等が類似している可能性があるから、上記の構成によれば、入力文に含まれる未知語の語義やカテゴリ等に関連した応答文を生成することが可能になる。なお、上記データベースが、どのような文における語と語の組み合わせを記憶しているかは特に限定されないが、例えば過去に（上記入力文より前に）応答装置に入力された文、および過去に応答装置が出力した文における語と語の組み合わせを記憶したものであってもよい。また、上記データベースには、上記入力文における語と語の組み合わせも記憶されていてもよい。
　本発明の態様３に係る応答装置は、上記態様２において、上記検出部は、複数の上記共用語を検出すると共に、複数の当該共用語のうち少なくとも２つと組み合わされている既知語を上記関連語として検出する構成としてもよい。
　未知語と既知語とで共通する共用語の種類が多いほど、それらの語は語義やカテゴリ等が類似している可能性が高くなるので、上記の構成によれば、入力文に含まれる未知語の語義やカテゴリ等に関連した応答文を生成することができる確度を高めることができる。
　本発明の態様４に係る応答装置は、上記態様１から３の何れか１態様において、上記検出部が上記関連語を検出できなかった場合に、上記入力文における上記未知語の上記共用語のカテゴリを、当該未知語のカテゴリであると判定するカテゴリ推測部をさらに備え、上記応答文生成部は、カテゴリ毎に予め記憶された複数のテンプレートのうち、上記カテゴリ推測部が判定したカテゴリと対応付けられたテンプレートを用いて上記応答文を生成する構成としてもよい。
　未知語の共用語は、未知語とカテゴリが同じである可能性がある。よって、上記の構成によれば、未知語のカテゴリを正しく判定して、適切な内容の応答文を生成することが可能になる。
　本発明の態様５に係る応答装置は、上記態様１から３の何れか１態様において、上記検出部が上記関連語を検出できなかった場合に、上記入力文が入力される直前に上記応答装置が出力した出力文のカテゴリから、当該未知語のカテゴリを判定するカテゴリ推測部をさらに備え、上記応答文生成部は、カテゴリ毎に予め記憶された複数のテンプレートのうち、上記カテゴリ推測部が判定したカテゴリと対応付けられたテンプレートを用いて上記応答文を生成する構成としてもよい。
　出力文とその直後の入力文の内容には通常、関連性があり、このため、直前の出力文のカテゴリから、それに続く入力文のカテゴリを特定することが可能である。また、入力文のカテゴリが特定できれば、その入力文に含まれる未知語のカテゴリも特定できる場合がある。よって、上記の構成によれば、未知語のカテゴリを正しく判定して、適切な内容の応答文を生成することが可能になる。
　本発明の態様６に係る応答装置は、ユーザの入力文に対する応答文を生成する応答装置であって、上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出部と、上記検出部が検出した関連呼称に関連した内容の応答文を生成する応答文生成部と、を備えている構成である。
　上記の構成によれば、入力文に他の呼称を有する単語が含まれている場合に、共用語が共通する呼称である関連呼称を検出して、該関連呼称に関連した内容の応答文を生成する。ここで、関連呼称は、共用語が上記単語と共通する呼称であるから、該単語の他の呼称である可能性がある。よって、入力文に含まれる単語の他の呼称を加味して、ユーザの意に沿った応答文を生成することが可能になるという効果を奏する。
　本発明の態様７に係る応答装置は、上記態様６において、上記検出部は、複数の文における語と語の組み合わせと、当該文が発された場所および時間帯の少なくとも何れかと、を記憶したデータベースから、発された場所および時間帯の少なくとも何れかが上記入力文と共通する上記関連呼称を検出する構成としてもよい。
　発された場所および時間帯の少なくとも何れかが入力文と共通する文で用いられている関連称呼は、入力文に含まれる単語の他の呼称である可能性が高いので、上記の構成によれば、より確度の高い関連呼称を検出することができる。そして、これにより、ユーザの意に沿った応答文を生成することができる確度を高めることができる。
　本発明の態様８に係る応答装置の制御方法は、入力文に対する応答文を生成する応答装置の制御方法であって、当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出ステップと、上記検出ステップで検出した関連語に関連した内容の応答文を生成する応答文生成ステップと、を含む方法である。該方法によれば上記態様１と同様の効果を奏する。
　本発明の態様９に係る応答装置の制御方法は、入力文に対する応答文を生成する応答装置の制御方法であって、上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出ステップと、上記検出ステップで検出した関連呼称に関連した内容の応答文を生成する応答文生成ステップと、を含む方法である。該方法によれば上記態様５と同様の効果を奏する。
　本発明の各態様に係る応答装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記応答装置が備える各部（ソフトウェア要素）として動作させることにより上記応答装置をコンピュータにて実現させる応答装置の制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
　本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。さらに、各実施形態にそれぞれ開示された技術的手段を組み合わせることにより、新しい技術的特徴を形成することができる。
　１　応答装置
１３　関連語検索部（検出部）
１４　カテゴリ推測部
１６　応答文生成部
２２　対話履歴ＤＢ（データベース）

Claims (10)

  1. 　入力文に対する応答文を生成する応答装置であって、
    　当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出部と、
    　上記検出部が検出した関連語に関連した内容の応答文を生成する応答文生成部と、を備えていることを特徴とする応答装置。
  2. 　上記検出部は、複数の文における語と語の組み合わせを記憶したデータベースから、上記未知語と組み合わされている上記共用語を検出すると共に、上記データベースから、上記共用語と組み合わされている既知語を上記関連語として検出することを特徴とする請求項１に記載の応答装置。
  3. 　上記検出部は、複数の上記共用語を検出すると共に、複数の当該共用語のうち少なくとも２つと組み合わされている既知語を上記関連語として検出することを特徴とする請求項２に記載の応答装置。
  4. 　上記検出部が上記関連語を検出できなかった場合に、上記入力文における上記未知語の上記共用語のカテゴリを、当該未知語のカテゴリであると判定するカテゴリ推測部をさらに備え、
    　上記応答文生成部は、カテゴリ毎に予め記憶された複数のテンプレートのうち、上記カテゴリ推測部が判定したカテゴリと対応付けられたテンプレートを用いて上記応答文を生成することを特徴とする請求項１から３の何れか１項に記載の応答装置。
  5. 　上記検出部が上記関連語を検出できなかった場合に、上記入力文が入力される直前に上記応答装置が出力した出力文のカテゴリから、当該未知語のカテゴリを判定するカテゴリ推測部をさらに備え、
    　上記応答文生成部は、カテゴリ毎に予め記憶された複数のテンプレートのうち、上記カテゴリ推測部が判定したカテゴリと対応付けられたテンプレートを用いて上記応答文を生成することを特徴とする請求項１から３の何れか１項に記載の応答装置。
  6. 　入力文に対する応答文を生成する応答装置であって、
    　上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出部と、
    　上記検出部が検出した関連呼称に関連した内容の応答文を生成する応答文生成部と、を備えていることを特徴とする応答装置。
  7. 　上記検出部は、複数の文における語と語の組み合わせと、当該文が発された場所および時間帯の少なくとも何れかと、を記憶したデータベースから、発された場所および時間帯の少なくとも何れかが上記入力文と共通する上記関連呼称を検出することを特徴とする請求項６に記載の応答装置。
  8. 　入力文に対する応答文を生成する応答装置の制御方法であって、
    　当該応答装置が上記応答文の生成に用いる所定の情報が対応付けられていない語である未知語が上記入力文に含まれている場合に、同一文中で用いられる語である共用語が上記未知語と共通する既知語である関連語を検出する検出ステップと、
    　上記検出ステップで検出した関連語に関連した内容の応答文を生成する応答文生成ステップと、を含むことを特徴とする応答装置の制御方法。
  9. 　入力文に対する応答文を生成する応答装置の制御方法であって、
    　上記入力文に他の呼称を有する単語が含まれているか、上記入力文が当該単語に関連した文であるかの少なくとも何れかに該当する場合に、同一文中で用いられる語である共用語が上記単語と共通する呼称である関連呼称を検出する検出ステップと、
    　上記検出ステップで検出した関連呼称に関連した内容の応答文を生成する応答文生成ステップと、を含むことを特徴とする応答装置の制御方法。
  10. 　請求項１または６に記載の応答装置としてコンピュータを機能させるための制御プログラムであって、上記検出部および上記応答文生成部としてコンピュータを機能させるための制御プログラム。
PCT/JP2017/031012 2016-12-27 2017-08-29 応答装置、応答装置の制御方法、および制御プログラム WO2018123139A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/469,990 US11062701B2 (en) 2016-12-27 2017-08-29 Answering device, control method for answering device, and recording medium
JP2018558806A JP6810757B2 (ja) 2016-12-27 2017-08-29 応答装置、応答装置の制御方法、および制御プログラム
CN201780080883.3A CN110168544A (zh) 2016-12-27 2017-08-29 应答装置、应答装置的控制方法、及控制程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016253889 2016-12-27
JP2016-253889 2016-12-27

Publications (1)

Publication Number Publication Date
WO2018123139A1 true WO2018123139A1 (ja) 2018-07-05

Family

ID=62707066

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/031012 WO2018123139A1 (ja) 2016-12-27 2017-08-29 応答装置、応答装置の制御方法、および制御プログラム

Country Status (4)

Country Link
US (1) US11062701B2 (ja)
JP (1) JP6810757B2 (ja)
CN (1) CN110168544A (ja)
WO (1) WO2018123139A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021524086A (ja) * 2018-05-23 2021-09-09 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 未知の語を含むクエリに応答したリソースの発見
WO2023189521A1 (ja) * 2022-03-30 2023-10-05 ソニーグループ株式会社 情報処理装置および情報処理方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6944594B2 (ja) * 2018-06-08 2021-10-06 株式会社Ｎｔｔドコモ 対話装置
JP7135730B2 (ja) * 2018-10-31 2022-09-13 富士通株式会社 要約生成方法及び要約生成プログラム
US11056127B2 (en) * 2019-04-30 2021-07-06 At&T Intellectual Property I, L.P. Method for embedding and executing audio semantics
KR20210033837A (ko) * 2019-09-19 2021-03-29 삼성전자주식회사 전자 장치 및 이의 제어 방법
CN111694935A (zh) * 2020-04-26 2020-09-22 平安科技（深圳）有限公司 多轮问答的情绪确定方法、装置、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003271593A (ja) * 2002-03-15 2003-09-26 Nippon Telegr & Teleph Corp <Ntt> 未知語属性確認型情報提供装置及び方法、プログラム並びに記録媒体
JP2016080981A (ja) * 2014-10-21 2016-05-16 トヨタ自動車株式会社 応答生成装置、応答生成方法及び応答生成プログラム

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3161942B2 (ja) * 1995-06-14 2001-04-25 シャープ株式会社 訳振り機械翻訳装置
US6246989B1 (en) * 1997-07-24 2001-06-12 Intervoice Limited Partnership System and method for providing an adaptive dialog function choice model for various communication devices
US7711672B2 (en) * 1998-05-28 2010-05-04 Lawrence Au Semantic network methods to disambiguate natural language meaning
JP4543294B2 (ja) * 2000-03-14 2010-09-15 ソニー株式会社 音声認識装置および音声認識方法、並びに記録媒体
US6810376B1 (en) * 2000-07-11 2004-10-26 Nusuara Technologies Sdn Bhd System and methods for determining semantic similarity of sentences
US7124081B1 (en) * 2001-09-28 2006-10-17 Apple Computer, Inc. Method and apparatus for speech recognition using latent semantic adaptation
US20030105638A1 (en) * 2001-11-27 2003-06-05 Taira Rick K. Method and system for creating computer-understandable structured medical data from natural language reports
US8126713B2 (en) * 2002-04-11 2012-02-28 Shengyang Huang Conversation control system and conversation control method
JP2004334591A (ja) 2003-05-08 2004-11-25 Casio Comput Co Ltd 会話システム及び会話処理プログラム
US7689410B2 (en) * 2004-04-23 2010-03-30 Microsoft Corporation Lexical semantic structure
CN1965319A (zh) * 2004-06-10 2007-05-16 松下电器产业株式会社 信息检索装置、输入辅助装置、方法及程序
JP4301102B2 (ja) * 2004-07-22 2009-07-22 ソニー株式会社 音声処理装置および音声処理方法、プログラム、並びに記録媒体
JP2006039120A (ja) * 2004-07-26 2006-02-09 Sony Corp 対話装置および対話方法、並びにプログラムおよび記録媒体
US7765098B2 (en) * 2005-04-26 2010-07-27 Content Analyst Company, Llc Machine translation using vector space representations
US20070005701A1 (en) * 2005-06-30 2007-01-04 International Business Machines Corporation Synchronizing email content with IM content
JP4803709B2 (ja) * 2005-07-12 2011-10-26 独立行政法人情報通信研究機構 単語用法差異情報取得プログラム及び同装置
WO2009107456A1 (ja) * 2008-02-29 2009-09-03 シャープ株式会社 情報処理装置、方法、およびプログラム
US20120010870A1 (en) * 2010-07-09 2012-01-12 Vladimir Selegey Electronic dictionary and dictionary writing system
US8515736B1 (en) * 2010-09-30 2013-08-20 Nuance Communications, Inc. Training call routing applications by reusing semantically-labeled data collected for prior applications
CN102663129A (zh) * 2012-04-25 2012-09-12 中国科学院计算技术研究所 医疗领域深度问答方法及医学检索系统
US9037464B1 (en) * 2013-01-15 2015-05-19 Google Inc. Computing numeric representations of words in a high-dimensional space
US10102845B1 (en) * 2013-02-25 2018-10-16 Amazon Technologies, Inc. Interpreting nonstandard terms in language processing using text-based communications
US9171542B2 (en) * 2013-03-11 2015-10-27 Nuance Communications, Inc. Anaphora resolution using linguisitic cues, dialogue context, and general knowledge
US9189742B2 (en) * 2013-11-20 2015-11-17 Justin London Adaptive virtual intelligent agent
RU2592395C2 (ru) * 2013-12-19 2016-07-20 Общество с ограниченной ответственностью "Аби ИнфоПоиск" Разрешение семантической неоднозначности при помощи статистического анализа
AU2015201364A1 (en) * 2014-03-17 2015-10-01 Accenture Global Services Limited Generating a semantic network based on semantic connections between subject-verb-object units
WO2016067418A1 (ja) * 2014-10-30 2016-05-06 三菱電機株式会社 対話制御装置および対話制御方法
KR20160056548A (ko) * 2014-11-12 2016-05-20 삼성전자주식회사 질의 응답을 위한 디스플레이 장치 및 방법
CN104516986B (zh) * 2015-01-16 2018-01-16 青岛理工大学 一种语句识别方法及装置
CN104679910A (zh) * 2015-03-25 2015-06-03 北京智齿博创科技有限公司 智能应答方法及系统
JP6583686B2 (ja) * 2015-06-17 2019-10-02 パナソニックＩｐマネジメント株式会社 意味情報生成方法、意味情報生成装置、およびプログラム
US10606946B2 (en) * 2015-07-06 2020-03-31 Microsoft Technology Licensing, Llc Learning word embedding using morphological knowledge
JP2017049471A (ja) * 2015-09-03 2017-03-09 カシオ計算機株式会社 対話制御装置、対話制御方法及びプログラム
US20170103059A1 (en) * 2015-10-08 2017-04-13 International Business Machines Corporation Method and system for preserving sensitive information in a confidential document
US20170118269A1 (en) * 2015-10-21 2017-04-27 Qualcomm Incorporated Dynamic adjustment of connection settings based on per-ue system status and usage information
US10843080B2 (en) * 2016-02-24 2020-11-24 Virginia Tech Intellectual Properties, Inc. Automated program synthesis from natural language for domain specific computing applications
WO2019173045A1 (en) * 2018-03-08 2019-09-12 Frontive, Inc. Methods and systems for speech signal processing
JP7132090B2 (ja) * 2018-11-07 2022-09-06 株式会社東芝 対話システム、対話装置、対話方法、及びプログラム
KR20200084260A (ko) * 2019-01-02 2020-07-10 삼성전자주식회사 전자 장치 및 이의 제어 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003271593A (ja) * 2002-03-15 2003-09-26 Nippon Telegr & Teleph Corp <Ntt> 未知語属性確認型情報提供装置及び方法、プログラム並びに記録媒体
JP2016080981A (ja) * 2014-10-21 2016-05-16 トヨタ自動車株式会社 応答生成装置、応答生成方法及び応答生成プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SIG-SLUD-B505, 1 October 2016 (2016-10-01), pages 29 - 34, ISSN: 0918-5682 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021524086A (ja) * 2018-05-23 2021-09-09 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 未知の語を含むクエリに応答したリソースの発見
JP7289179B2 (ja) 2018-05-23 2023-06-09 インターナショナル・ビジネス・マシーンズ・コーポレーション 未知の語を含むクエリに応答したリソースの発見
WO2023189521A1 (ja) * 2022-03-30 2023-10-05 ソニーグループ株式会社 情報処理装置および情報処理方法

Also Published As

Publication number Publication date
CN110168544A (zh) 2019-08-23
JP6810757B2 (ja) 2021-01-06
JPWO2018123139A1 (ja) 2019-10-31
US20200090645A1 (en) 2020-03-19
US11062701B2 (en) 2021-07-13

Similar Documents

Publication Publication Date Title
WO2018123139A1 (ja) 応答装置、応答装置の制御方法、および制御プログラム
US11966986B2 (en) Multimodal entity and coreference resolution for assistant systems
US11249774B2 (en) Realtime bandwidth-based communication for assistant systems
JP6813615B2 (ja) 会話型相互作用システムの検索入力におけるユーザ意図を推定する方法およびそのためのシステム
JP6333831B2 (ja) 会話型インターフェースの一部として動的に適用されるフィルタリングオペレータを伴う適応会話状態管理のための方法
US11030400B2 (en) System and method for identifying and replacing slots with variable slots
US11915693B2 (en) System and method for rule based modifications to variable slots based on context
CN107797984A (zh) 智能交互方法、设备及存储介质
US11861315B2 (en) Continuous learning for natural-language understanding models for assistant systems
US20180068659A1 (en) Voice recognition device and voice recognition method
JP6927318B2 (ja) 情報処理装置、情報処理方法、及びプログラム
JP6370962B1 (ja) 生成装置、生成方法および生成プログラム
CN110457454A (zh) 一种对话方法、服务器、对话系统及存储介质
JP6976155B2 (ja) 類似テキスト抽出装置、自動応答システム、類似テキスト抽出方法、およびプログラム
WO2022143349A1 (zh) 一种确定用户意图的方法及装置
TW202301080A (zh) 輔助系統的多裝置調解
KR20190038489A (ko) 보안성을 강화한 사용자 문맥 기반 인증 방법, 대화형 ai 에이전트 시스템 및 컴퓨터 판독가능 기록 매체
JP2022029869A (ja) キャラクタ属性に応じた動詞に置換した対話シナリオを作成するプログラム、装置及び方法
JP2021056996A (ja) 知識共有支援装置、知識共有支援方法、プログラム、および記録媒体
JP2022003494A (ja) 対話中の文脈の因果関係に応じた応答文を推定するプログラム、装置及び方法
CN117377942A (zh) 助理系统的主动收听
CN116303938A (zh) 静默检测模型的训练方法、异常会话检测方法及相关设备
Breuing et al. Talking topically to artificial dialog partners: emulating humanlike topic awareness in a virtual agent
JP2003271593A (ja) 未知語属性確認型情報提供装置及び方法、プログラム並びに記録媒体
JP2003316780A (ja) 会話制御システム、会話制御方法、プログラム及びプログラムを記録した記録媒体

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: 17887038

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018558806

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: 17887038

Country of ref document: EP

Kind code of ref document: A1