WO2019103006A1 - 情報処理装置及び情報処理方法 - Google Patents

情報処理装置及び情報処理方法 Download PDF

Info

Publication number
WO2019103006A1
WO2019103006A1 PCT/JP2018/042884 JP2018042884W WO2019103006A1 WO 2019103006 A1 WO2019103006 A1 WO 2019103006A1 JP 2018042884 W JP2018042884 W JP 2018042884W WO 2019103006 A1 WO2019103006 A1 WO 2019103006A1
Authority
WO
WIPO (PCT)
Prior art keywords
input
data
input data
user
unit
Prior art date
Application number
PCT/JP2018/042884
Other languages
English (en)
French (fr)
Inventor
公亮 角野
優樹 斉藤
陽平 大野
雄一朗 瀬川
Original Assignee
株式会社Ｎｔｔドコモ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｎｔｔドコモ filed Critical 株式会社Ｎｔｔドコモ
Priority to JP2019555314A priority Critical patent/JP6937842B2/ja
Priority to US16/647,682 priority patent/US20210241755A1/en
Publication of WO2019103006A1 publication Critical patent/WO2019103006A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • G06F40/16—Automatic learning of transformation rules, e.g. from examples
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/065—Adaptation
    • G10L15/07—Adaptation to the speaker
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/19—Grammatical context, e.g. disambiguation of the recognition hypotheses based on word sequence rules
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Definitions

  • the present invention relates to a technology for performing processing according to voice.
  • Patent Document 1 discloses a mechanism in which the front end device accepts key input and key word input with a mouse in parallel with the input of sound data to the cooperation destination system, and specifies a keyword included in the sound data. ing.
  • the object of the present invention is to realize the conversion of the user's speech into a form that can be understood by the dialog processing device without requiring any input other than the speech.
  • the present invention acquires the input data according to the utterance inputted into the user terminal, and the response part which acquires the response data from one or more dialogue processing devices which perform processing according to the input data concerned
  • a learning unit for learning an input rule of data to the dialogue processing device based on the acquired input data and the response data, and the learning about the dialogue processing device as an input destination of the acquired input data
  • An information processing unit characterized by comprising: a conversion unit for converting the input data so as to match the input rule learned by the control unit; and an output unit for outputting the data converted by the conversion unit to the interactive processing apparatus Provide an apparatus.
  • the conversion unit may convert, of the input data, input data that does not match the input rule into input data that matches the input rule.
  • the conversion unit may convert data corresponding to a pronoun included in the input data into data corresponding to a noun meant by the pronoun.
  • the conversion unit may convert the input data into input data separated so as to match the input rule.
  • the conversion unit may convert, of the input data, input data of an abstraction level not matching the input rule into input data of an abstraction level matching the input rule.
  • the conversion unit converts, of the input data, input data that does not match the input rule into text data that matches the input rule, and a text from the interactive processing device that responds to the converted text data Data may be converted into input data, and the output unit may further output input data after conversion by the conversion unit to the user terminal.
  • the learning unit learns, from among the plurality of interaction processing devices, the interaction processing device as an input destination of the input data based on the acquired input data and the response data, and the output unit acquires the interaction processing device.
  • the data converted by the converter for the input data may be output to the dialogue processing apparatus specified from the result learned by the learning unit.
  • the output unit further includes, among a plurality of the interaction processing devices specified from the result learned by the learning unit, between the user terminal and a provider of a product provided to a user who uses the user terminal.
  • the data converted by the conversion unit may be output to the interactive processing apparatus specified according to the conditions relating to the distance or time.
  • the learning unit performs the learning in units of users using the user terminal or in units of groups to which the user belongs, and the output unit further includes information corresponding to the user using the user terminal or the group to which the user belongs May be output to the user terminal.
  • the present invention also includes the steps of acquiring input data corresponding to an utterance input to a user terminal, and response data from one or more interactive processing devices that perform processing according to the input data; Learning an input rule of data to the dialogue processing device based on the input data and the response data; and matching the learned input rule for the dialogue processing device as an input destination of the acquired input data
  • the information processing method includes: converting the input data; and outputting the converted data to the interactive processing apparatus.
  • the present invention it is possible to convert the user's speech into a form that can be understood by the interactive processing device without requiring any input other than the speech.
  • 1 ... relay device, 101 ... control unit, 102 ... communication unit, 103 ... storage unit, 11 ... acquisition unit, 12 ... learning unit, 13 ... conversion unit, 14 ... output unit, 2 ... user terminal, 3a, 3b ... interactive processing device, 4 ... communication network.
  • FIG. 1 is a block diagram showing the overall configuration of a dialog processing system according to an embodiment of the present invention.
  • This dialogue processing system recognizes the relay apparatus 1 which is one mode of the information processing apparatus according to the present invention, the user terminal 2 used by the user who is the speaker, and the voice uttered by the user, and responds to the recognition result It comprises dialogue processing devices 3a and 3b performing the processing (hereinafter referred to as dialogue processing function), and a communication network 4 communicably connecting the relay device 1, the user terminal 2 and the dialogue processing devices 3a and 3b.
  • the user terminal 2 may be, for example, a portable computer such as a smartphone or a tablet, or may be a stationary computer installed at a user's home or the like.
  • the communication network 4 includes a mobile communication network or a fixed communication network.
  • the user terminal 2 can be connected to the mobile communication network wirelessly.
  • two interactive processing devices 3a and 3b are illustrated in the figure, the present invention is not limited to this example, and may be one or more. Further, the number of user terminals 2 is not limited to one, and may be plural.
  • the dialog processing devices 3a and 3b will be collectively referred to as the dialog processing device 3 hereinafter.
  • the dialogue processing devices 3a and 3b are computers operated and managed by different businesses.
  • the dialog processing device 3a is a device that allows the user to specify the delivery of a pizza by voice
  • the dialog processing device 3b is a device that allows the user to specify the order of daily necessities and general merchandise by voice. is there.
  • a rule hereinafter referred to as an input rule
  • the name of the pizza which can be delivered is determined
  • the dialog processing device 3b the product names of the necessities that can be ordered are determined. That it utters and it inputs into dialogue processing device 3a, 3b is equivalent to an input rule here.
  • the relay device 1 is a computer that functions as a so-called platform that relays data exchange between the user terminal 2 and the interactive processing devices 3a and 3b.
  • the relay device 1 learns an input rule when the user's speech is input to each of the interaction processing devices 3a and 3b based on input and output of data between the user terminal 2 and the interaction processing devices 3a and 3b. According to the input rule, the user's speech is converted into a form that each interactive processing device 3a, 3b can understand.
  • FIG. 2 is a block diagram showing the hardware configuration of the relay device 1.
  • the relay device 1 includes a control unit 101, a communication unit 102, and a storage unit 103.
  • the control unit 101 includes an arithmetic device such as a central processing unit (CPU) and a storage device such as a read only memory (ROM) and a random access memory (RAM).
  • the CPU controls the operation of each unit of the relay device 1 by executing a program stored in the ROM or the storage unit 103 using the RAM as a work area.
  • the communication unit 102 is hardware (transmission / reception device) for performing communication between computers via a wired and / or wireless network, and is also called, for example, a network device, a network controller, a network card, a communication module, or the like.
  • the communication unit 102 is connected to the communication network 4.
  • the storage unit 103 is a computer readable recording medium, and for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, a magnetooptical disk (for example, a compact disk, a digital versatile disk, Blu-ray disc
  • the disk may be configured of at least one of a ray (registered trademark) disk, a smart card, a flash memory (for example, a card, a stick, a key drive), a floppy (registered trademark) disk, a magnetic strip, and the like.
  • the storage unit 103 may be called an auxiliary storage device.
  • the storage unit 103 stores data groups and program groups used by the control unit 101.
  • FIG. 3 is a block diagram showing a functional configuration of the relay device 1.
  • the acquisition unit 11 and the output unit 14 are mainly realized by the communication unit 102 of the relay device 1
  • the learning unit 12 and the conversion unit 13 are mainly realized by the control unit 101 and the storage unit 103 of the relay device 1. .
  • a microphone is mounted on the user terminal 2, a voice uttered by the user is collected by the microphone, input data corresponding to the utterance is generated, and transmitted to the relay device 1 via the communication network 4.
  • the input data may be data in which voice data indicating a voice uttered is converted into text data indicating a character in the user terminal 2 or voice data itself indicating a voice uttered (or the user terminal 2 itself) Data obtained by performing some voice processing on voice data).
  • the acquisition unit 11 of the relay device 1 acquires the input data input to the user terminal 2 via the communication network 4 in this manner, while the response data from the dialog processing device 3 responding to the input data is transmitted to the communication network 4. Get via.
  • This response data may be text data or voice data as in the above-described input data.
  • the learning unit 12 learns an input rule of data to the dialogue processing device 3 based on the input data and the response data acquired by the acquisition unit 11. More specifically, the learning unit 12 learns the input rule based on the relationship between the contents of which response data corresponds to what content of input data. Since the input rule is different for each dialog processing device 3, the learning unit 12 learns the input rule for each dialog processing device 3.
  • the conversion unit 13 performs conversion processing on the input data acquired by the acquisition unit 11 so that the interaction processing device 3 as the input destination of the acquired input data matches the input rule learned by the learning unit 12. More specifically, the conversion unit 13 converts input data which does not match the input rule among the acquired input data into input data which matches the input rule. This makes it possible to correct erroneous speech. In addition, the conversion unit 13 converts data corresponding to a pronoun included in the acquired input data into data corresponding to a noun meant by the pronoun. Thereby, the pronoun in the utterance can be converted into a specific name. Further, the conversion unit 13 converts the acquired input data into input data separated so as to match the input rule.
  • the conversion unit 13 converts input data of an abstraction level not matching the input rule among the acquired input data into input data of an abstraction level matching the input rule. Thereby, the abstraction level in the utterance can be converted into an appropriate one.
  • the output unit 14 outputs the data converted by the conversion unit 13 to the dialog processing device 3 via the communication network 4 while the response data from the dialog processing device 3 is transmitted to the user terminal via the communication network 4 Output to 2.
  • the learning operation by the relay device 1 will be described.
  • the user terminal 2 picks up the utterance and the dialogue processing function is activated.
  • the user designates one of the interactive processing devices 3 and makes an utterance instructing a desired process.
  • the acquisition unit 11 of the relay device 1 acquires and stores input data corresponding to the utterance input to the user terminal 2 via the communication network 4.
  • the output unit 14 outputs the input data to the dialogue processing device 3 via the communication network 4 (step S1).
  • response data is transmitted from the designated interaction processing device 3 according to the input data
  • the acquisition unit 11 acquires the response data via the communication network 4 and stores it.
  • the output unit 14 outputs the response data to the user terminal 2 via the communication network 4 (step S2).
  • the learning unit 12 learns an input rule of data to the dialogue processing device 3 based on the stored input data and response data (step S3).
  • the user's uttered voice (hereinafter referred to as the user's utterance) is "Please give me a message," and the response data of the uttered voice from the dialog processing device 3 (hereinafter referred to as the device's utterance) can not be identified.
  • the learning unit 12 performs natural language analysis including, for example, morphological analysis, syntactic analysis, semantic analysis, context analysis, and the like on these exchanges, and the word "bulgoki” is corrected to the word "purukogi”.
  • Judge convert the user utterance of the incorrect word "Burgokki” into the user utterance of the correct word "Pulkogi”, and input it to the dialog processing device 3, that is, the word that can be accepted by this dialog processing device 3 is Pulgogi And learn. Therefore, as an example of conversion, an example may be considered in which the user's speech (before conversion) "Bulgokki please.” Is converted into the user's speech (after conversion) "Pulkogi please.”
  • the user's speech is "mix pizza please.” And the device speech is “mix pizza ordered.” And the user's speech is “cheese pizza please.”
  • the learning unit 12 performs natural language analysis, and for this dialogue processing device 3, "mix pizza” of "mix pizzas please” is one unit to be ordered, "cheese pizza” "Cheese pizza” is one unit of the order object, and "mix cheese pizza” of the "mixed cheese pizza” is judged as one unit of the order object.
  • the order object of 1 unit which can be received by the dialogue processing device 3 is “mix pizza”, “cheese pizza”, and “mix cheese pizza”, respectively. Therefore, as an example of conversion, if the user's utterance (before conversion) “order to mix pizza mix cheese pizza” is sequentially included in one utterance, the user's utterance (after conversion) “mix pizza and mixed cheese pizza” There may be an example where order objects are separated and converted. Thus, data corresponding to a pronoun included in input data is converted to data corresponding to a noun meant by the pronoun. In this way, input data is converted into input data separated so as to match input rules.
  • the acquisition unit 11 of the relay device 1 acquires input data and response data, the above-described learning process is performed.
  • the learned input rule is stored in the learning unit 12 in association with the identification information of the dialog processing device 3 and the identification information of the user terminal 2.
  • the conversion operation by the relay device 1 will be described.
  • the user terminal 2 picks up the utterance and the dialogue processing function is activated.
  • the user designates one of the interactive processing devices 3 and makes an utterance instructing a desired process.
  • the acquisition unit 11 of the relay device 1 acquires and stores input data corresponding to the utterance input to the user terminal 2 via the communication network 4 (step S11).
  • the conversion unit 13 refers to the learning result stored in association with the identification information of the dialog processing device 3 and the identification information of the user terminal 2 by the learning unit, and determines whether it is necessary to convert this input data. It judges (step S12).
  • it is not necessary to convert the input data if the user's input data conforms to the input rule and it is necessary to convert the input data if the user's input data does not conform to the input rule.
  • the conversion unit 13 performs conversion processing in accordance with the input rule if conversion is necessary (step S13).
  • the output unit 14 outputs the converted input data to the interactive processing apparatus 3 via the communication network 4 (step S14). Thereafter, each time the acquisition unit 11 of the relay device 1 acquires input data from the user terminal 2 via the communication network 4, the above conversion process is executed.
  • the embodiment described above can be modified as follows. Further, the following modifications may be implemented in combination with each other.
  • the learning unit 12 may learn which dialogue processing device 3 corresponds to the dialogue processing device 3 to which the input data is input. Specifically, first, at an initial stage, the user designates any one of the dialogue processing devices 3 and makes an utterance instructing a desired process, but the user's input data at this time and the designated dialogue processing device 3 Learn the correspondence of For example, when the input data of the user includes the words "pizza” such as "mix pizza please”, “cheese pizza please”, “mix cheese pizza please” etc., the correspondence that the dialogue processing device 3a is specified Learning is performed for each user terminal 2.
  • the learning unit 12 learns among the plurality of interaction processing devices 3 the interaction processing device 3 which is the input destination of the input data.
  • the output unit 14 outputs the data obtained by converting the acquired input data by the conversion unit 13 to the dialog processing device 3 identified from the result of learning by the learning unit 12. In this way, as the time period in which the user uses this system is extended, the above learning progresses, and eventually, even if the user does not specify the dialogue processing device 3, the user's speech is not It will be delivered to the desired interactive processing device 3.
  • the output unit 14 determines the distance between the user and the store or The interactive processing device 3 according to the condition regarding time may be determined as the input destination of the user's input data. For example, the output unit 14 obtains the distance between the user and the location of the store corresponding to each interactive processing device 3 and calculates the time required to deliver the product or the distance between the two, and this distance or time The interactive processing device 3 which makes the smallest is determined as the input destination of the user's input data.
  • the user specifies the date and time when the product is delivered, and the output unit 14 acquires the position of the user who uttered and the position of the store corresponding to each dialogue processing device 3 and takes the required time to deliver the product.
  • the interactive processing device 3 may be calculated and determined in time for the designated date and time as the required time, as the input destination of the user's input data.
  • the output unit 14 is a provider of a product provided to the user using the user terminal 2 and the user terminal 2 among the plurality of dialog processing devices 3 specified from the result learned by the learning unit 12
  • the converted data by the conversion unit 13 is output to the interactive processing device 3 specified according to the condition regarding the distance between the two or time.
  • the learning by the learning unit 12 may be learning on a user or user group basis.
  • the user group mentioned here is, for example, a group such as an office organization or a family.
  • the user terminal 2 performs data communication with the identification information of the own device and the identification information of the user group to which the user of the own device belongs.
  • the learning unit 12 performs learning in units of users using the user terminal 2 or in units of groups to which the users belong.
  • the output unit 14 outputs, to the user terminal 2, information corresponding to a user who uses the user terminal 2 or a group to which the user belongs.
  • the learning unit 12 stores the input rule learned using input data and response data for a certain user in association with the identification information of the dialog processing device 3 and the identification information of the user terminal 2.
  • the input rule learned based on the input data and response data of the first user may be used as the input rule for a second user other than the first user.
  • the input rule described using FIGS. 6a and 6c corresponds to the input rule common to a plurality of users. In the case of FIG. 6a, when the first user's user speech is "Brugoki please.” And the device speech in response to this is "I can not be identified.
  • the learning unit 12 performs natural language analysis on these exchanges and determines that the word "bulgoki” has been corrected to the word "purkogi”, and the user's utterance of the incorrect word "bulgoki” is "purkogi".
  • the word is converted into the user utterance of the correct word and input to the dialog processing device 3, that is, the word that can be received by the dialog processing device 3 is learned to be pulgogi.
  • the conversion unit 13 does not convert the input data. If the second user's input data does not match the input rule, the input data is converted. For example, if the user's utterance of the second user is "Please give me a message,” this will be converted to the user's utterance "I'm sorry, please” according to the above input rule. The same applies to the example of FIG.
  • each functional block may be realized by one physically and / or logically coupled device, or directly and / or indirectly two or more physically and / or logically separated devices. It may be connected by (for example, wired and / or wireless) and realized by the plurality of devices.
  • the relay device 1 can be realized by a single device integrally provided with all the functions of FIG. 3 or may be realized by a system provided with these functions distributed to a plurality of devices.
  • the relay device 1 may have at least a part of the functions of the interactive processing device 3.
  • the relay device 1 may have a dedicated interactive function (for example, a function to interact with the user before interaction with the interactive processing device 3 and shift to a sequence) different from the interactive processing device 3 .
  • Each aspect / embodiment described in the present specification is LTE (Long Term Evolution), LTE-A (LTE-Advanced), SUPER 3G, IMT-Advanced, 4G, 5G, FRA (Future Radio Access), W-CDMA (Registered trademark), GSM (registered trademark), CDMA2000, UMB (Ultra Mobile Broadband), IEEE 802.11 (Wi-Fi), IEEE 802.16 (WiMAX), IEEE 802.20, UWB (Ultra-Wide Band),
  • the present invention may be applied to a system utilizing Bluetooth (registered trademark), other appropriate systems, and / or an advanced next-generation system based on these.
  • system and "network” as used herein are used interchangeably.
  • determining may encompass a wide variety of operations. For example, “judgment” and “decision” may be judging, calculating, calculating, processing, processing, deriving, investigating, looking up (for example, a table) (Searching in a database or another data structure), ascertaining may be regarded as “decision” or “decision”. Also, “determination” and “determination” are receiving (e.g. receiving information), transmitting (e.g. transmitting information), input (input), output (output), access (Accessing) (for example, accessing data in a memory) may be regarded as “determined” or “determined”.
  • the present invention can also be implemented in the form of an information processing method performed by the relay apparatus 1 which is an information processing apparatus, or a program for causing a computer to function as the relay apparatus 1 which is an information processing apparatus.
  • a program may be provided in the form of being recorded in a recording medium such as an optical disk, or may be provided in the form of being downloaded to a computer via a network such as the Internet and installed and made available. It is possible.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

変換部１３は、取得された入力データの入力先となる対話処理装置３について学習部１２によって学習された入力規則に合致するよう、当該入力データを変換する。より具体的には、変換部１３は、入力データのうち、入力規則に合致してない入力データを、入力規則に合致する入力データに変換する。また、変換部１３は、入力データに含まれる代名詞に相当するデータを、当該代名詞が意味する名詞に相当するデータに変換する。また、変換部１３は、入力データを、入力規則に合致するように分離した入力データに変換する。また、変換部１３は、入力データのうち、入力規則に合致してない抽象度の入力データを、入力規則に合致する抽象度の入力データに変換する。

Description

情報処理装置及び情報処理方法
　本発明は、音声に応じた処理を行うための技術に関する。
　近年の音声認識技術の向上に伴い、ユーザが発話して音声で指示を行うと、その指示に従って各種の処理を行うというサービスが普及している。例えば特許文献１には、フロントエンド装置が、連携先システムへの音声データの入力と並行して、キー入力やマウスによるキーワードの入力を受け付け、音声データに含まれるキーワードを特定する仕組みが開示されている。
国際公開第ＷＯ０８/１５０００３号
　特許文献１の記載の仕組みでは、音声入力とは別にキーワードの入力が必要となるが、このようなキーワードの入力に要する作業は煩わしいという問題がある。そこで、本発明は、ユーザの発話を対話処理装置が理解可能な形式へと変換することを、発話以外の入力を必要とせずに実現することを目的とする。
　上記課題を解決するため、本発明は、ユーザ端末に入力された発話に応じた入力データと、当該入力データに応じた処理を行う１以上の対話処理装置からの応答データとを取得する取得部と、取得された前記入力データ及び前記応答データに基づいて、当該対話処理装置に対するデータの入力規則を学習する学習部と、取得された前記入力データの入力先となる前記対話処理装置について前記学習部によって学習された入力規則に合致するよう、当該入力データを変換する変換部と、前記変換部による変換後のデータを前記対話処理装置に出力する出力部とを備えることを特徴とする情報処理装置を提供する。
　前記変換部は、前記入力データのうち、前記入力規則に合致してない入力データを、前記入力規則に合致する入力データに変換するようにしてもよい。
　前記変換部は、前記入力データに含まれる代名詞に相当するデータを、当該代名詞が意味する名詞に相当するデータに変換するようにしてもよい。
　前記変換部は、前記入力データを、前記入力規則に合致するように分離した入力データに変換するようにしてもよい。
　前記変換部は、前記入力データのうち、前記入力規則に合致してない抽象度の入力データを、前記入力規則に合致する抽象度の入力データに変換するようにしてもよい。
　前記変換部は、前記入力データのうち、前記入力規則に合致してない入力データを、前記入力規則に合致するテキストデータに変換し、変換した前記テキストデータに応答する前記対話処理装置からのテキストデータを、入力データに変換し、前記出力部は、さらに、前記変換部による変換後の入力データを前記ユーザ端末に出力するようにしてもよい。
　前記学習部は、取得された前記入力データ及び前記応答データに基づいて、複数の前記対話処理装置のうち、当該入力データの入力先となる前記対話処理装置を学習し、前記出力部は、取得された前記入力データについて前記変換部によって変換された後のデータを、前記学習部によって学習された結果から特定される前記対話処理装置に出力するようにしてもよい。
　前記出力部は、さらに、前記学習部によって学習された結果から特定される複数の前記対話処理装置のうち、前記ユーザ端末と当該ユーザ端末を使用するユーザに提供される商品の提供元との間の距離又は時間に関する条件に応じて特定される対話処理装置に対し、前記変換部による変換後のデータを出力するようにしてもよい。
　前記学習部は、前記ユーザ端末を使用するユーザ単位又は当該ユーザが属するグループ単位で前記学習を行い、前記出力部は、さらに、前記ユーザ端末を使用するユーザ又は当該ユーザが属するグループに応じた情報を当該ユーザ端末に出力するようにしてもよい。
　また、本発明は、ユーザ端末に入力された発話に応じた入力データと、当該入力データに応じた処理を行う１以上の対話処理装置からの応答データとを取得するステップと、取得された前記入力データ及び前記応答データに基づいて、当該対話処理装置に対するデータの入力規則を学習するステップと、取得された前記入力データの入力先となる前記対話処理装置について前記学習された入力規則に合致するよう、当該入力データを変換するステップと、前記変換後のデータを前記対話処理装置に出力するステップとを含む情報処理方法を提供する。
　本発明によれば、ユーザの発話を対話処理装置が理解可能な形式へと変換することを、発話以外の入力を必要とせずに実現することができる。
本発明の一実施形態にかかる対話処理システムの全体構成を示す図である。 同実施形態にかかる中継装置のハードウェア構成を示す図である。 同中継装置の機能構成を示す図である。 同中継装置の処理を示すフローチャートである。 同中継装置の処理を示すフローチャートである。 同中継装置の学習例を示す図である。 同中継装置の学習例を示す図である。 同中継装置の学習例を示す図である。 同中継装置の学習例を示す図である。
１・・・中継装置、１０１・・・制御部、１０２・・・通信部、１０３・・・記憶部、１１・・・取得部、１２・・・学習部、１３・・・変換部、１４・・・出力部、２・・・ユーザ端末、３ａ，３ｂ・・・対話処理装置、４・・・通信網。
［構成］
　図１は、本発明の一実施形態に係る対話処理システムの全体構成を示すブロック図である。この対話処理システムは、本発明に係る情報処理装置の一形態である中継装置１と、発話者であるユーザが利用するユーザ端末２と、ユーザが発話した音声を認識してその認識結果に応じた処理（以下、対話処理機能という）を行う対話処理装置３ａ，３ｂと、これら中継装置１、ユーザ端末２及び対話処理装置３ａ，３ｂを通信可能に接続する通信網４とを備えている。ユーザ端末２は例えばスマートホンやタブレット等の携帯可能なコンピュータであってもよいし、ユーザの自宅等に設置された据え置き型のコンピュータであってもよい。通信網４は移動通信網又は固定通信網を含んでおり、例えばユーザ端末２は無線で移動通信網に接続可能である。対話処理装置３ａ，３ｂは図では２つある場合を例示しているが、この例に限らず、１以上であればよい。また、ユーザ端末２は１つに限らず、複数であってもよい。なお、以下において、対話処理装置３ａ，３ｂを総称するときは、対話処理装置３という。
　対話処理装置３ａ，３ｂは、それぞれ異なる事業者によって運営管理されるコンピュータである。例えば、対話処理装置３ａは、ユーザがピザの宅配を音声で指示することが可能な装置であり、対話処理装置３ｂは、ユーザが日用品や雑貨の注文を音声で指示することが可能な装置である。それぞれの対話処理装置３ａ，３ｂにおいては、ユーザが音声で指示を入力するときの規則（以下、入力規則という）が決まっている。例えば対話処理装置３ａにおいては、宅配可能なピザの名称が決まっているし、対話処理装置３ｂにおいては、注文可能な日用品の商品名が決まっているから、これらのピザの名称や商品名を正しく発話して対話処理装置３ａ，３ｂに入力する、ということが、ここでの入力規則に相当する。
　中継装置１は、ユーザ端末２と対話処理装置３ａ，３ｂとの間のデータ授受を中継する、いわゆるプラットフォームとして機能するコンピュータである。中継装置１は、これらユーザ端末２と対話処理装置３ａ，３ｂとの間のデータの入出力に基づいて、ユーザの発話を各対話処理装置３ａ，３ｂに入力するときの入力規則を学習し、ユーザの発話をその入力規則に従って各対話処理装置３ａ，３ｂが理解可能な形式に変換する。
　図２は、中継装置１のハードウェア構成を示すブロック図である。中継装置１は、制御部１０１と、通信部１０２と、記憶部１０３とを備えている。制御部１０１は、ＣＰＵ（Central Processing Unit）などの演算装置と、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）などの記憶装置とを備えている。ＣＰＵは、ＲＡＭをワークエリアとして用いてＲＯＭや記憶部１０３に記憶されたプログラムを実行することによって、中継装置１の各部の動作を制御する。
　通信部１０２は、有線及び／又は無線ネットワークを介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信部１０２は、通信網４に接続されている。
　記憶部１０３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク（例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク）、スマートカード、フラッシュメモリ（例えば、カード、スティック、キードライブ）、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つで構成されてもよい。記憶部１０３は、補助記憶装置と呼ばれてもよい。記憶部１０３は、制御部１０１が用いるデータ群やプログラム群を記憶している。
　図３は、中継装置１の機能構成を示すブロック図である。図３において、取得部１１及び出力部１４は主に中継装置１の通信部１０２によって実現され、学習部１２及び変換部１３は主に中継装置１の制御部１０１及び記憶部１０３によって実現される。
　ユーザ端末２にはマイクが実装されており、このマイクによりユーザが発話した音声が収音され、その発話に応じた入力データが生成されて通信網４を介して中継装置１に送信される。この入力データは、ユーザ端末２において、発話された音声を示す音声データが文字を示すテキストデータに変換されたデータであってもよいし、発話された音声を示す音声データそのもの（或いはユーザ端末２において音声データに対して何らかの音声処理が施されたデータ）であってもよい。中継装置１の取得部１１は、このようにしてユーザ端末２に入力された入力データを通信網４経由で取得する一方、この入力データに応答する対話処理装置３からの応答データを通信網４経由で取得する。 この応答データは、上述した入力データと同様に、テキストデータであってもよいし、音声データであってもよい。
　学習部１２は、取得部１１により取得された入力データ及び応答データに基づいて、対話処理装置３に対するデータの入力規則を学習する。より具体的には、学習部１２は、どのような内容の入力データに対してどのような内容の応答データが対応しているか、という両者の関係に基づいて入力規則を学習する。入力規則は対話処理装置３毎に異なるから、学習部１２は対話処理装置３毎に入力規則の学習を行う。
　変換部１３は、取得された入力データの入力先となる対話処理装置３について学習部１２によって学習された入力規則に合致するよう、取得部１１により取得された入力データに対する変換処理を行う。より具体的には、変換部１３は、取得された入力データのうち、入力規則に合致してない入力データを、入力規則に合致する入力データに変換する。これにより、誤った発話を訂正することができる。また、変換部１３は、取得された入力データに含まれる代名詞に相当するデータを、当該代名詞が意味する名詞に相当するデータに変換する。これにより、発話中の代名詞を具体的名称に変換することができる。また、変換部１３は、取得された入力データを、入力規則に合致するように分離した入力データに変換する。これにより、１つの発話に含まれる複数の入力単位を個々に分離することができる。また、変換部１３は、取得された入力データのうち、入力規則に合致してない抽象度の入力データを、入力規則に合致する抽象度の入力データに変換する。これにより、発話中の抽象度を適切なものに変換することができる。
　出力部１４は、このようにして変換部１３によって変換された後のデータを通信網４経由で対話処理装置３に出力する一方、対話処理装置３からの応答データを通信網４経由でユーザ端末２に出力する。
［動作］
　次に、図４～６を参照して本実施形態の動作を説明する。なお、以下の処理において、ユーザ端末２及び対話処理装置３はそれぞれ自装置の識別情報を伴ってデータ通信を行うものとする。
　まず、中継装置１による学習動作について説明する。ユーザが対話処理機能を起動するために予め決められたキーワードを発話すると、ユーザ端末２がこの発話を収音して対話処理機能が起動される。次に、ユーザは、いずれかの対話処理装置３を指定して、所望の処理を指示する発話を行う。中継装置１の取得部１１は、ユーザ端末２に入力された発話に応じた入力データを通信網４経由で取得して記憶する。出力部１４は、この入力データを通信網４経由で対話処理装置３に出力する（ステップＳ１）。この入力データに応じて、指定された対話処理装置３から応答データが送信されてくると、取得部１１は、その応答データを通信網４経由で取得して記憶する。出力部１４は、この応答データを通信網４経由でユーザ端末２に出力する（ステップＳ２）。学習部１２は、記憶した入力データ及び応答データに基づいて、対話処理装置３に対するデータの入力規則を学習する（ステップＳ３）。
　以下、学習の例について説明する。図６ａにおいて、ユーザの発話音声（以下、ユーザ発話という）が「ブルゴキお願いします。」であり、対話処理装置３からの発話音声の応答データ（以下、装置発話という）が「識別できません。もう一度お願いします。」であった場合において、さらに次のユーザ発話が「プルコギお願いします。」であり、これに応答する装置発話が「プルコギの注文を承りました。」であったとする。このとき、学習部１２は、これらの遣り取りについて、例えば形態素解析、構文解析、意味解析、文脈解析等を含む自然言語解析を行って、「ブルゴキ」という単語が「プルコギ」という単語に訂正されたと判断し、「ブルゴキ」という誤った単語のユーザ発話を「プルコギ」という正しい単語のユーザ発話に変換して対話処理装置３に入力する、つまりこの対話処理装置３が受け付け可能な単語はプルコギであると学習する。よって、変換例としては、ユーザ発話（変換前）「ブルゴキお願いします。」がユーザ発話（変換後）「プルコギお願いします。」に変換される例が考えられる。
　図６ｂにおいて、ユーザ発話が「ミックスピザお願いします。」であり、装置発話が「ミックスピザの注文を承りました。」であり、このような遣り取りによる注文が過去複数回あったとする。このとき、学習部１２は、自然言語解析を行って、「ミックスピザお願いします。」のうち「ミックスピザ」が対話処理装置３の受け付け可能な注文対象であり、且つ、このユーザが繰り返し注文している注文対象であると学習する。よって、変換例としては、ユーザ発話（変換前）「いつものピザください。」がユーザ発話（変換後）「ミックスピザください。」に変換される例が考えられる。このように、入力規則に合致してない入力データが、入力規則に合致する入力データに変換される。
　図６ｃにおいて、ユーザ発話が「ミックスピザお願いします。」であり、装置発話が「ミックスピザの注文を承りました。」である場合と、ユーザ発話が「チーズピザお願いします。」であり、装置発話が「チーズピザの注文を承りました。」である場合と、ユーザ発話が「ミックスチーズピザお願いします。」であり、装置発話が「ミックスチーズピザの注文を承りました。」である場合という遣り取りによる注文があったとする。このとき、学習部１２は、自然言語解析を行って、この対話処理装置３に対しては、「ミックスピザお願いします。」のうち「ミックスピザ」が注文対象の１単位であり、「チーズピザお願いします。」のうち「チーズピザ」が注文対象の１単位であり、「ミックスチーズピザお願いします。」のうち「ミックスチーズピザ」が注文対象の１単位であると判断する。つまり、対話処理装置３が受け付け可能な１単位の注文対象は、それぞれ「ミックスピザ」、「チーズピザ」、「ミックスチーズピザ」であると学習する。よって、変換例としては、ユーザ発話（変換前）「ミックスピザミックスチーズピザください。」という注文対象が連続して１つの発話に含まれる場合に、ユーザ発話（変換後）「ミックスピザと、ミックスチーズピザください。」というように、注文対象が分離して変換されるという例が考えられる。このように、入力データに含まれる代名詞に相当するデータが、当該代名詞が意味する名詞に相当するデータに変換される。このように、入力データが、入力規則に合致するように分離した入力データに変換される。
　図６ｄにおいて、ユーザ発話が「歯磨き粉お願いします。」であり、装置発話が「どの歯磨き粉ですか？」であった場合において、さらに次のユーザ発話が「歯クリアです。」であり、これに応答する装置発話が「歯クリアの注文を承りました。」であったとする。このとき、学習部１２は、自然言語解析を行って、この対話処理装置３に対しては、「歯磨き粉」という上位概念のカテゴリ名ではなく、「歯クリア」という下位概念の商品名で入力すると学習する。よって、変換例としては、ユーザ発話（変換前）「歯磨き粉お願いします。」がユーザ発話（変換後）「歯クリアお願いします。」に変換される例が考えられる。このように、入力データのうち、入力規則に合致してない抽象度の入力データが、入力規則に合致する抽象度の入力データに変換される。
　中継装置１の取得部１１が入力データ及び応答データを取得するたびに、上記の学習処理が実行される。その結果、学習された入力規則が対話処理装置３の識別情報及びユーザ端末２の識別情報と対応付けて学習部１２に記憶される。
　次に、中継装置１による変換動作について説明する。ユーザが対話処理機能を起動するために予め決められたキーワードを発話すると、ユーザ端末２がこの発話を収音して対話処理機能が起動される。次に、ユーザは、いずれかの対話処理装置３を指定して、所望の処理を指示する発話を行う。中継装置１の取得部１１は、ユーザ端末２に入力された発話に応じた入力データを通信網４経由で取得して記憶する（ステップＳ１１）。変換部１３は、学習部により対話処理装置３の識別情報及びユーザ端末２の識別情報に対応付けて記憶されている学習結果を参照して、この入力データを変換する必要があるか否かを判断する（ステップＳ１２）。ここで、ユーザの入力データが入力規則に合致していればその入力データを変換する必要はないし、ユーザの入力データが入力規則に合致していなければその入力データを変換する必要がある。
　変換部１３は、変換の必要があれは入力規則に従って変換処理を行う（ステップＳ１３）。出力部１４は、変換後の入力データを通信網４経由で対話処理装置３に出力する（ステップＳ１４）。以降、中継装置１の取得部１１がユーザ端末２から入力データを通信網４経由で取得するたびに、上記の変換処理が実行される。
　以上説明した実施形態によれば、ユーザの入力データを対話処理装置３が理解可能な形式へと変換することを、発話以外の入力を必要とせずに実現することが可能となる。
［変形例］
　上述した実施形態は次のような変形が可能である。また、以下の変形例を互いに組み合わせて実施してもよい。
［変形例１］
　学習部１２は、どの対話処理装置３が入力データの入力先となる対話処理装置３に相当するかを学習してもよい。具体的には、まず初期段階では、ユーザがいずれかの対話処理装置３を指定して所望の処理を指示する発話を行うが、このときのユーザの入力データと指定された対話処理装置３との対応関係を学習する。例えばユーザの入力データが「ミックスピザください」「チーズピザください」「ミックスチーズピザください」等のように「ピザ」という単語が含まれている場合には、対話処理装置３ａが指定されるという対応関係をユーザ端末２毎に学習する。つまり、学習部１２は、取得された入力データ及び応答データに基づいて、複数の対話処理装置３のうち、当該入力データの入力先となる対話処理装置３を学習する。出力部１４は、取得された入力データについて変換部１３によって変換された後のデータを、学習部１２によって学習された結果から特定される対話処理装置３に出力する。このようにすれば、ユーザがこのシステムを利用していく期間が長くなるにつれて上記の学習が進み、最終的には、ユーザが対話処理装置３を指定しなくても、ユーザ発話がそのユーザの所望する対話処理装置３に届けられることになる。
［変形例２］
　対話処理装置３による処理の指示に応じて、例えばユーザが指定した商品がその商品の提供元の店舗からそのユーザに届けられるようなサービスの場合、出力部１４は、ユーザ及び店舗間の距離又は時間に関する条件に応じた対話処理装置３を、ユーザの入力データの入力先として決定してもよい。例えば出力部１４は、発話したユーザの位置と各対話処理装置３に対応する店舗の位置とを取得して両者の間の距離又は商品を届けるのに要する所要時間を算出し、この距離又は時間が最も小さくなるような対話処理装置３を、ユーザの入力データの入力先として決定する。ユーザが商品が届けられる日時を指定しておいて、出力部１４は、発話したユーザの位置と各対話処理装置３に対応する店舗の位置とを取得して商品を届けるのに要する所要時間を算出し、この所要時間が指定された日時に間に合うような対話処理装置３を、ユーザの入力データの入力先として決定してもよい。このように、出力部１４は、学習部１２によって学習された結果から特定される複数の対話処理装置３のうち、ユーザ端末２と当該ユーザ端末２を使用するユーザに提供される商品の提供元との間の距離又は時間に関する条件に応じて特定される対話処理装置３に対し、変換部１３による変換後のデータを出力する。
［変形例３］
　学習部１２による学習は、ユーザ又はユーザグループ単位の学習であってもよい。ここでいうユーザグループとは、例えばオフィスの組織や家族といったグループである。この場合、ユーザ端末２は自装置の識別情報及び自装置のユーザが属するユーザグループの識別情報を伴ってデータ通信を行う。このように、学習部１２は、ユーザ端末２を使用するユーザ単位又は当該ユーザが属するグループ単位で学習を行う。出力部１４は、ユーザ端末２を使用するユーザ又は当該ユーザが属するグループに応じた情報を当該ユーザ端末２に出力する。
［変形例４］
　実施形態において学習部１２は、或るユーザについての入力データ及び応答データを用いて学習した入力規則を、対話処理装置３の識別情報及びユーザ端末２の識別情報と対応付けて記憶していたが、複数のユーザに共通の入力規則については、例えば第１のユーザの入力データ及び応答データに基づいて学習した入力規則を、その第１のユーザ以外の第２のユーザについての入力規則としてもよい。例えば図６ａ及び図６ｃを用いて説明した入力規則は、複数のユーザに共通の入力規則に該当する。図６ａの場合、第１のユーザのユーザ発話が「ブルゴキお願いします。」であり、これに応答する装置発話が「識別できません。もう一度お願いします。」であった場合において、さらに上記第１のユーザの次のユーザ発話が「プルコギお願いします。」であり、これに応答する装置発話が「プルコギの注文を承りました。」であったとする。このとき、学習部１２は、これらの遣り取りについて自然言語解析を行って、「ブルゴキ」という単語が「プルコギ」という単語に訂正されたと判断し、「ブルゴキ」という誤った単語のユーザ発話を「プルコギ」という正しい単語のユーザ発話に変換して対話処理装置３に入力する、つまりこの対話処理装置３が受け付け可能な単語はプルコギであると学習する。このような場合において、変換部１３は、第１のユーザではない第２のユーザの入力データが、第１のユーザについて学習した上記入力規則に合致していればその入力データを変換せず、第２のユーザの入力データが上記入力規則に合致していなければその入力データを変換する。例えば、第２のユーザのユーザ発話が「ブルゴキお願いします。」であれば、これが上記入力規則に従って、ユーザ発話「プルコギお願いします。」に変換されることになる。図６ｃの例についても同様である。
［そのほかの変形例］
　上記実施の形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及び／又はソフトウェアの任意の組み合わせによって実現される。また、各機能ブロックの実現手段は特に限定されない。すなわち、各機能ブロックは、物理的及び／又は論理的に結合した１つの装置により実現されてもよいし、物理的及び／又は論理的に分離した２つ以上の装置を直接的及び／又は間接的に（例えば、有線及び／又は無線）で接続し、これら複数の装置により実現されてもよい。
　例えば、中継装置１は、図３の機能の全てを一体に備えた単一装置によっても実現可能であるし、これらの機能を複数の装置に分散して備えたシステムによって実現されてもよい。例えば対話処理装置３の機能の少なくとも一部の機能を中継装置１が備えていてもよい。また、中継装置１は、対話処理装置３とは異なる専用の対話機能（例えば対話処理装置３に対するユーザとの対話しシーケンスに移行する前段階でユーザと対話する機能）を有していてもよい。
　本明細書で説明した各態様／実施形態は、ＬＴＥ（Long　Term　Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ　３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ、５Ｇ、ＦＲＡ（Future　Radio Access）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ　８０２．１１（Ｗｉ－Ｆｉ）、ＩＥＥＥ　８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ　８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及び／又はこれらに基づいて拡張された次世代システムに適用されてもよい。
　本明細書で説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本明細書で説明した方法については、例示的な順序で様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　本明細書で説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　本明細書で使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
　本明細書で使用する「判定（determining）」、「決定（determining）」という用語は、多種多様な動作を包含する場合がある。「判定」、「決定」は、例えば、判定（judging）、計算（calculating）、算出（computing）、処理（processing）、導出（deriving）、調査（investigating）、探索（looking up）（例えば、テーブル、データベース又は別のデータ構造での探索）、確認（ascertaining）　した事を「判定」「決定」したとみなす事などを含み得る。また、「判定」、「決定」は、受信（receiving）　（例えば、情報を受信すること）、送信（transmitting）（例えば、情報を送信すること）、入力（input）、出力（output）、アクセス（accessing）（例えば、メモリ中のデータにアクセスすること）した事を「判定」「決定」したとみなす事などを含み得る。また、「判定」、「決定」は、解決（resolving）、選択（selecting）、選定（choosing）、確立（establishing）、比較（comparing）などした事を「判定」「決定」したとみなす事を含み得る。つまり、「判定」「決定」は、何らかの動作を「判定」「決定」したとみなす事を含み得る。
　本発明は、情報処理装置である中継装置１が行う情報処理方法や、コンピュータを情報処理装置である中継装置１として機能させるためのプログラムといった形態でも実施が可能である。かかるプログラムは、光ディスク等の記録媒体に記録した形態で提供されたり、インターネット等のネットワークを介して、コンピュータにダウンロードさせ、これをインストールして利用可能にするなどの形態で提供されたりすることが可能である。
　以上、本発明について詳細に説明したが、当業者にとっては、本発明が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本発明は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本発明に対して何ら制限的な意味を有するものではない。

Claims (10)

  1. 　ユーザ端末に入力された発話に応じた入力データと、当該入力データに応じた処理を行う１以上の対話処理装置からの応答データとを取得する取得部と、
    　取得された前記入力データ及び前記応答データに基づいて、当該対話処理装置に対するデータの入力規則を学習する学習部と、
    　取得された前記入力データの入力先となる前記対話処理装置について前記学習部によって学習された入力規則に合致するよう、当該入力データを変換する変換部と、
    　前記変換部による変換後のデータを前記対話処理装置に出力する出力部と
    　を備えることを特徴とする情報処理装置。
  2. 　前記変換部は、前記入力データのうち、前記入力規則に合致してない入力データを、前記入力規則に合致する入力データに変換する
    　ことを特徴とする請求項１記載の情報処理装置。
  3. 　前記変換部は、前記入力データに含まれる代名詞に相当するデータを、当該代名詞が意味する名詞に相当するデータに変換する
    　ことを特徴とする請求項１記載の情報処理装置。
  4. 　前記変換部は、前記入力データを、前記入力規則に合致するように分離した入力データに変換する
    　ことを特徴とする請求項１記載の情報処理装置。
  5. 　前記変換部は、前記入力データのうち、前記入力規則に合致してない抽象度の入力データを、前記入力規則に合致する抽象度の入力データに変換する
    　ことを特徴とする請求項１記載の情報処理装置。
  6. 　前記変換部は、
    　前記入力データのうち、前記入力規則に合致してない入力データを、前記入力規則に合致するテキストデータに変換し、変換した前記テキストデータに応答する前記対話処理装置からのテキストデータを、入力データに変換し、
    　前記出力部は、さらに、前記変換部による変換後の入力データを前記ユーザ端末に出力する
    　ことを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。
  7. 　前記学習部は、取得された前記入力データ及び前記応答データに基づいて、複数の前記対話処理装置のうち、当該入力データの入力先となる前記対話処理装置を学習し、
    　前記出力部は、取得された前記入力データについて前記変換部によって変換された後のデータを、前記学習部によって学習された結果から特定される前記対話処理装置に出力する
    　ことを特徴とする請求項１～６のいずれか１項に記載の情報処理装置。
  8. 　前記出力部は、さらに、前記学習部によって学習された結果から特定される複数の前記対話処理装置のうち、前記ユーザ端末と当該ユーザ端末を使用するユーザに提供される商品の提供元との間の距離又は時間に関する条件に応じて特定される対話処理装置に対し、前記変換部による変換後のデータを出力する
    　ことを特徴とする請求項７に記載の情報処理装置。
  9. 　前記学習部は、前記ユーザ端末を使用するユーザ単位又は当該ユーザが属するグループ単位で前記学習を行い、
    　前記出力部は、さらに、前記ユーザ端末を使用するユーザ又は当該ユーザが属するグループに応じた情報を当該ユーザ端末に出力する
    　ことを特徴とする請求項１～８のいずれか１項に記載の情報処理装置。
  10. 　ユーザ端末に入力された発話に応じた入力データと、当該入力データに応じた処理を行う１以上の対話処理装置からの応答データとを取得するステップと、
    　取得された前記入力データ及び前記応答データに基づいて、当該対話処理装置に対するデータの入力規則を学習するステップと、
    　取得された前記入力データの入力先となる前記対話処理装置について前記学習された入力規則に合致するよう、当該入力データを変換するステップと、
    　前記変換後のデータを前記対話処理装置に出力するステップと
    　を含む情報処理方法。
PCT/JP2018/042884 2017-11-24 2018-11-20 情報処理装置及び情報処理方法 WO2019103006A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019555314A JP6937842B2 (ja) 2017-11-24 2018-11-20 情報処理装置及び情報処理方法
US16/647,682 US20210241755A1 (en) 2017-11-24 2018-11-20 Information-processing device and information-processing method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-225814 2017-11-24
JP2017225814 2017-11-24

Publications (1)

Publication Number Publication Date
WO2019103006A1 true WO2019103006A1 (ja) 2019-05-31

Family

ID=66631998

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/042884 WO2019103006A1 (ja) 2017-11-24 2018-11-20 情報処理装置及び情報処理方法

Country Status (3)

Country Link
US (1) US20210241755A1 (ja)
JP (1) JP6937842B2 (ja)
WO (1) WO2019103006A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021117308A (ja) * 2020-01-23 2021-08-10 トヨタ自動車株式会社 情報処理システム、情報処理装置、及びプログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6841535B1 (ja) * 2020-01-29 2021-03-10 株式会社インタラクティブソリューションズ 会話解析システム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0793362A (ja) * 1993-09-24 1995-04-07 Mitsubishi Electric Corp データベース検索システム
JP2002236832A (ja) * 2001-02-08 2002-08-23 Nippon Telegr & Teleph Corp <Ntt> 意味情報ネットワークを用いたリソースの予約管理方法およびシステム、送信端末、受信端末
JP2003150621A (ja) * 2001-11-12 2003-05-23 Fujitsu Ltd 対話ブラウジングシステム
JP2015004754A (ja) * 2013-06-19 2015-01-08 ヤフー株式会社 対話装置、対話方法および対話プログラム
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

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001282813A (ja) * 2000-03-29 2001-10-12 Toshiba Corp マルチメディアデータ検索方法、インデックス情報提供方法、マルチメディアデータ検索装置、インデックスサーバ及びマルチメディアデータ検索サーバ
JP2003132060A (ja) * 2001-10-23 2003-05-09 Just Syst Corp 検索支援装置、検索支援方法、及び検索支援プログラム
US20110060587A1 (en) * 2007-03-07 2011-03-10 Phillips Michael S Command and control utilizing ancillary information in a mobile voice-to-speech application
US20110218839A1 (en) * 2007-10-22 2011-09-08 Ravi Vijay Shamaiengar Methods and systems for enabling the purchase of deliverable goods & services
US20120218594A1 (en) * 2011-02-28 2012-08-30 Konica Minolta Laboratory U.S.A., Inc. Method and system for fulfilling a customer's print job needs by selecting and assigning the print job to one or more qualified printers from a group of participating printers
US9547647B2 (en) * 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
JP2014110005A (ja) * 2012-12-04 2014-06-12 Nec Software Tohoku Ltd 情報検索装置及び情報検索方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0793362A (ja) * 1993-09-24 1995-04-07 Mitsubishi Electric Corp データベース検索システム
JP2002236832A (ja) * 2001-02-08 2002-08-23 Nippon Telegr & Teleph Corp <Ntt> 意味情報ネットワークを用いたリソースの予約管理方法およびシステム、送信端末、受信端末
JP2003150621A (ja) * 2001-11-12 2003-05-23 Fujitsu Ltd 対話ブラウジングシステム
JP2015004754A (ja) * 2013-06-19 2015-01-08 ヤフー株式会社 対話装置、対話方法および対話プログラム
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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021117308A (ja) * 2020-01-23 2021-08-10 トヨタ自動車株式会社 情報処理システム、情報処理装置、及びプログラム
JP7264071B2 (ja) 2020-01-23 2023-04-25 トヨタ自動車株式会社 情報処理システム、情報処理装置、及びプログラム

Also Published As

Publication number Publication date
US20210241755A1 (en) 2021-08-05
JP6937842B2 (ja) 2021-09-22
JPWO2019103006A1 (ja) 2020-12-17

Similar Documents

Publication Publication Date Title
WO2020215554A1 (zh) 语音识别方法、装置、设备及计算机可读存储介质
CN1581294B (zh) 语音识别增强的呼叫者识别
US8996384B2 (en) Transforming components of a web page to voice prompts
JP6327848B2 (ja) コミュニケーション支援装置、コミュニケーション支援方法およびプログラム
US20120330662A1 (en) Input supporting system, method and program
JPWO2019004363A1 (ja) 情報入力方法、情報入力装置、及び情報入力システム
CN103631853B (zh) 基于相关性的语音搜索和响应
CN102292766A (zh) 用于提供用于语音识别自适应的复合模型的方法、装置和计算机程序产品
US8315874B2 (en) Voice user interface authoring tool
JP6875270B2 (ja) 自動応答装置および自動応答方法
WO2019103006A1 (ja) 情報処理装置及び情報処理方法
CA3158314C (en) Device, system and method for duplicate call handling at a public-safety answering point device
CN103995833A (zh) 一种共享配置信息的方法及装置
JP5532781B2 (ja) 接客業務用サーバ、並びに、当該サーバを用いる接客システム及び接客業務の予測終了時間算出方法
JP6452165B2 (ja) 問合せ対応支援装置、システム、方法及びプログラム
CN114202203A (zh) 投诉工单处理方法、装置、存储介质及电子设备
WO2019103007A1 (ja) 情報処理装置及び情報処理方法
CN110931010A (zh) 语音控制系统
US11055481B2 (en) Information input method, information input apparatus, and information input system
EP3979162A1 (en) Systems, methods, and apparatuses for improving performance of executing a workflow operation
US11625545B2 (en) Systems and methods for improved conversation translation
JP2019016048A (ja) 情報処理装置及びプログラム
JP6863792B2 (ja) 端末装置、商品提案方法、およびプログラム
US10505879B2 (en) Communication support device, communication support method, and computer program product
CN112911074A (zh) 一种语音通信处理方法、装置、设备和机器可读介质

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: 18880269

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019555314

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: 18880269

Country of ref document: EP

Kind code of ref document: A1