WO2020095633A1 - 対話装置及び対話プログラム - Google Patents

対話装置及び対話プログラム Download PDF

Info

Publication number
WO2020095633A1
WO2020095633A1 PCT/JP2019/040535 JP2019040535W WO2020095633A1 WO 2020095633 A1 WO2020095633 A1 WO 2020095633A1 JP 2019040535 W JP2019040535 W JP 2019040535W WO 2020095633 A1 WO2020095633 A1 WO 2020095633A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
phrase
information
unit
dialogue
Prior art date
Application number
PCT/JP2019/040535
Other languages
English (en)
French (fr)
Inventor
祐貴 田中
吉川　貴
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 JP2020556715A priority Critical patent/JP7429193B2/ja
Publication of WO2020095633A1 publication Critical patent/WO2020095633A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom

Definitions

  • the present invention relates to a dialogue device and dialogue program.
  • Patent Document 1 describes a technique in which a server that manages home appliances supplies an operation screen corresponding to each home appliance to a terminal device.
  • Patent Document 1 merely shows an operation screen for operating the home electric appliance, and does not support the user's utterance. Further, since this operation screen is stored in advance, it is not possible to dynamically change the display content according to the situation.
  • the present invention has been made in view of the above problems, and in the technology of controlling a device by a user's utterance, provides suitable utterance content according to the type of the device to be controlled and the user's situation. By doing so, it is intended to improve convenience.
  • an interactive apparatus is an interactive apparatus that receives a user utterance composed of voice or text to generate control information for controlling a device, and the location of the user.
  • a device extraction unit that refers to the setting information that associates each device with a location, and extracts the device associated with the location information acquired by the position acquisition unit.
  • One or more associated with the device extracted by the device extracting unit with reference to vocabulary information that associates each device with an instruction phrase that represents a control instruction of the device and includes at least one or more words or sentences Of the device based on the phrase extraction unit that extracts the instruction phrase of and the instruction phrase extracted by the phrase extraction unit.
  • a dialogue program causes a computer to function as a dialogue device that receives user utterance composed of voice or text for generating control information for controlling a device.
  • a position obtained by the position acquisition function by referring to a position acquisition function that acquires position information indicating a user's position and a setting information that associates each device with the position, which is an interactive program.
  • a device extraction function that extracts a device associated with information, and vocabulary information that associates each device with an instruction phrase including at least one phrase or sentence that represents a control instruction of the device, and extracts the device.
  • the device associated with the position information indicating the location of the user is extracted, and the utterance sentence is generated based on the instruction phrase indicating the control instruction of the extracted device. It is possible to present a user with a utterance sentence that can appropriately control a device that is likely to perform a control operation at the current location. The user is likely to be able to control the desired device by speaking the presented utterance sentence, so that convenience is improved.
  • FIG. 5A and FIG. 5B are diagrams showing examples of usage logs for each device. It is a figure which shows the structure of a vocabulary information storage part, and the example of the data memorize
  • FIG. 1 is a diagram showing a device configuration of a dialogue system according to the present embodiment.
  • the dialogue system 1 includes a dialogue device 10, an external system 30, and a terminal 50.
  • the dialogue device 10 and the terminal 50 can communicate with each other. Further, the dialogue device 10 and the external system can communicate with each other.
  • the dialogue device 10 is a device that receives a user utterance composed of voice or text for generating control information for controlling the device. Further, the dialog device 10 may transmit control information to the external system 30 in order to operate a device managed by the external system 30.
  • the dialogue device 10 is configured by, for example, a computer such as a server, but the device that constitutes the dialogue device 10 is not limited.
  • the external system 30 constitutes a device management system that manages devices such as so-called IoT (Internet of Things) devices including home appliances.
  • the external system 30 can communicate with a plurality of devices according to their respective communication standards.
  • the external system 30 has setting information for each device that can configure an interface for controlling each device, and manages it based on the control information received from the dialog device 10 by using and referring to the setting information. You can control any of the devices in.
  • the setting information storage unit 31 is a storage unit that stores the setting information of the device to be controlled.
  • the setting information is information used and referred to for controlling the device. Details of the setting information will be described later.
  • the setting information storage unit 31 is configured in the external system 30, but the configuration is not limited to such a configuration, and if the external system 30 can access, the external system 30 can be used. It may be configured outside.
  • the terminal 50 is a device that forms an interface with the user in controlling the device by utterance, and is configured by, for example, a stationary or portable personal computer, a high-performance mobile phone (smartphone), or the like.
  • the device constituting the above is not limited, and may be a mobile terminal such as a mobile phone or a personal digital assistant (PDA).
  • PDA personal digital assistant
  • the terminal 50 can transmit voice data uttered by the user to the dialogue device as a user utterance. Further, the terminal 50 may transmit the data obtained by converting the voice of the user into a text by the voice recognition process to the dialogue device 10 as the user's utterance.
  • the terminal 50 can present the utterance sentence transmitted from the dialogue device 10 to the user, as described later. Specifically, the terminal 50 presents the utterance sentence to the user by displaying the text indicating the utterance sentence on the display. Further, the terminal 50 may display on the display an operation object that is associated with the text indicating the utterance and is capable of an instruction operation. The operation object may be displayed in the form of a button that can be operated by the user. When the operation on the displayed operation object is accepted, the terminal 50 uses the information indicating that the operation object has been operated, the text data or the voice data of the utterance sentence associated with the operation object as the user's utterance as the dialog device. May be sent to 10.
  • FIG. 2 is a diagram showing a functional configuration of the dialogue device 10 according to the present embodiment.
  • the dialogue device 10 includes a position acquisition unit 11, a time acquisition unit 12, a setting information acquisition unit 13, a device extraction unit 14, a phrase extraction unit 15, a generation unit 16, a presentation unit 17, and a speech reception unit 18. And a control instruction transmitter 19. Further, the dialogue device 10 includes a vocabulary information storage unit 20.
  • Each functional unit included in the dialogue device 10 may be distributed and configured in a plurality of devices, or, for example, some functional units may be configured in the terminal 50.
  • each functional block may be realized by one device that is physically and / or logically coupled, or may be directly and / or indirectly connected to two or more devices that are physically and / or logically separated. (For example, wired and / or wireless), and may be realized by a plurality of these devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, resolution, selection, selection, establishment, comparison, assumption, expectation, observation, Broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc., but not limited to these.
  • a functional block (component) that functions for transmission is called a transmitting unit or a transmitter.
  • the implementation method is not particularly limited.
  • the dialog device 10 may function as a computer.
  • FIG. 3 is a diagram showing an example of the hardware configuration of the dialog device 10 according to the present embodiment.
  • the interaction device 10 may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
  • the word “device” can be read as a circuit, device, unit, or the like.
  • the hardware configuration of the dialog device 10 may be configured to include one or a plurality of each device illustrated in FIG. 3, or may be configured not to include some devices.
  • Each function in the dialog device 10 causes a predetermined software (program) to be loaded on hardware such as the processor 1001 and the memory 1002, so that the processor 1001 performs an arithmetic operation, communication by the communication device 1004, and the memory 1002 and the storage 1003. It is realized by controlling the reading and / or writing of data in.
  • the processor 1001 operates an operating system to control the entire computer, for example.
  • the processor 1001 may be composed of a central processing unit (CPU) including an interface with peripheral devices, a control device, a calculation device, a register, and the like. Further, the processor 1001 may be configured to include a GPU (Graphics Processing Unit). For example, the functional units 11 to 19 shown in FIG. 2 may be realized by the processor 1001.
  • CPU central processing unit
  • GPU Graphics Processing Unit
  • the processor 1001 reads a program (program code), software module, and data from the storage 1003 and / or the communication device 1004 into the memory 1002, and executes various processes according to these.
  • a program program code
  • the functional units 11 to 19 of the dialogue device 10 may be realized by a control program stored in the memory 1002 and operated by the processor 1001.
  • the various processes described above are executed by one processor 1001, they may be executed simultaneously or sequentially by two or more processors 1001.
  • the processor 1001 may be implemented by one or more chips.
  • the program may be transmitted from the network via an electric communication line.
  • the memory 1002 is a computer-readable recording medium, and is composed of, for example, at least one of ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), and the like. May be done.
  • the memory 1002 may be called a register, a cache, a main memory (main storage device), or the like.
  • the memory 1002 can store an executable program (program code), a software module, etc. for implementing the interaction method according to the embodiment of the present invention.
  • the storage 1003 is a computer-readable recording medium, for example, an optical disc such as a CD-ROM (Compact Disc ROM), a hard disc drive, a flexible disc, a magneto-optical disc (for example, a compact disc, a digital versatile disc, a Blu-ray disc). (Registered trademark) disk), smart card, flash memory (for example, card, stick, key drive), floppy (registered trademark) disk, magnetic strip, and the like.
  • the storage 1003 may be called an auxiliary storage device.
  • the storage medium described above may be, for example, a database including the memory 1002 and / or the storage 1003, a server, or another appropriate medium.
  • the communication device 1004 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 input device 1005 is an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, etc.) that receives an input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that performs output to the outside.
  • the input device 1005 and the output device 1006 may be integrated (for example, a touch panel).
  • Each device such as the processor 1001 and the memory 1002 is connected by a bus 1007 for communicating information.
  • the bus 1007 may be composed of a single bus, or may be composed of different buses among devices.
  • the dialogue device 10 includes hardware such as a microprocessor, a digital signal processor (DSP), an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), and an FPGA (Field Programmable Gate Array). It may be configured, and the hardware may implement some or all of the functional blocks. For example, processor 1001 may be implemented with at least one of these hardware.
  • DSP digital signal processor
  • ASIC Application Specific Integrated Circuit
  • PLD Program Integrated Circuit
  • FPGA Field Programmable Gate Array
  • the position acquisition unit 11 acquires position information indicating the position of the user. Specifically, the position acquisition unit 11 acquires the position information acquired by, for example, a GPS device (not shown) included in the terminal 50 of the user. The position acquisition unit 11 may acquire position information based on detection information detected by a human sensor (not shown) provided in a space to which the dialogue system 1 of the present embodiment is applied. When the terminal 50 is a mobile wireless communication terminal, the position acquisition unit 11 may acquire the location information of the terminal 50 as the position information. The position acquisition unit 11 may acquire the position information of the user by another known method.
  • the time acquisition unit 12 acquires information indicating the current time.
  • the setting information acquisition unit 13 acquires setting information. Specifically, the setting information acquisition unit 13 acquires the setting information from the setting information storage unit 31 of the external system 30.
  • the setting information includes attributes of each device and is referred to for controlling the device.
  • FIG. 4 is information showing an example of the configuration of the setting information storage unit 31 and the stored data.
  • the setting information storage unit 31 stores various attributes as setting information in association with a device ID that identifies a device.
  • the setting information storage unit 31 stores, for each device ID, setting information such as a device, a nickname, a group, a device state, and a usage log indicating the category of the device.
  • the setting information storage unit 31 associates the device ID “1” with the setting information of the device “TV”, the nickname “Dad's TV”, the group “Living”, the device state “OFF”, and the usage log “L1”. I remember.
  • the setting information includes at least "group” information.
  • the “group” can be information indicating the location where the device is provided.
  • the “group” may be other information for grouping a plurality of devices.
  • the setting information may also include a usage log (history information) that is information related to the control history of the device for each time zone or time. That is, the setting information acquisition unit 13 can configure a history information acquisition unit that acquires a usage log as history information.
  • a usage log history information
  • FIG. 5 is a diagram showing an example of a usage log.
  • FIG. 5A is a diagram schematically showing the usage log L1 of the device ID “1”.
  • FIG. 5B is a diagram schematically showing the usage log L2 of the device ID “2”.
  • the usage log includes the time when the control was performed, the user who performed the control of the device, and the control content as the control history of the device.
  • the device “TV” having the device ID “1” has the control content “ON” by the user “father” having the user ID “U1” at time “t1”. Has been implemented.
  • the device “light” with the device ID “2” is controlled by the user “mother” with the user ID “U2” at time “t12”, and the control content “ “OFF” has been implemented.
  • the setting information may further include a nickname and device information as the setting information.
  • the nickname is a name for pointing the device in the utterance. Multiple users can set their own nicknames for one device. In setting the nickname, each device may be uniquely identified by the user.
  • the device status is information indicating the operating status of the device and is information that is updated in real time.
  • the setting information acquisition unit 13 may collectively acquire a predetermined amount of setting information at a predetermined timing in a standby state for receiving a user utterance. Further, the setting information acquisition unit 13 may acquire the necessary setting information each time the setting information is referred to by the device extracting unit 14, the phrase extracting unit 15, and the like, which will be described later in detail.
  • the device extraction unit 14 refers to the setting information and extracts the device associated with the position information acquired by the position acquisition unit 11. As described above, since the setting information includes the association between the device and the group indicating the location of the device, the device extraction unit 14 can extract the device located at the location of the user by referring to the setting information. ..
  • the device extraction unit 14 refers to the setting information shown in FIG. “TV” of device ID “1”, “light” of device ID “2”, “light” of device ID “3”, and “air conditioner” of device ID “5” that are devices associated with “”. ..
  • the phrase extraction unit 15 refers to the vocabulary information and extracts one or more instruction phrases associated with the device extracted by the device extraction unit 14.
  • the vocabulary information is information that associates each device with an instruction phrase that represents a control instruction of the device and that includes at least one or more words or sentences.
  • the phrase extraction unit 15 refers to the vocabulary information stored in the vocabulary information storage unit 20 and extracts the instruction phrase.
  • FIG. 6 is a diagram showing a configuration of the vocabulary information storage unit 20 and an example of stored data.
  • the vocabulary information storage unit 20 stores vocabulary information in which a device category indicating a device type is associated with at least an instruction phrase.
  • the vocabulary information storage unit 20 may further include a control content, a setting item, and a fluctuation absorbing word in association with the device category.
  • the control content is the purpose that is achieved by the utterance of the associated instruction phrase, and indicates the content of the control performed on the device.
  • the setting item is a word or phrase regarding a parameter change width or the like, which is added as an option to the instruction phrase when the control content is related to a change of a device parameter, for example.
  • the fluctuation absorbing phrase is a dictionary for absorbing fluctuation of the phrase of the user's utterance according to the presentation of the utterance sentence including the instruction phrase.
  • the phrase extraction unit 15 is an instruction phrase associated with the device category “TV”, “attach”, “keshi”, “volume”. Are turned up “,” turn down the volume “and” change the channel "are extracted from the vocabulary information.
  • the phrase extraction unit 15 may extract the instruction phrase based on the control history of the device corresponding to the current time. Specifically, the phrase extraction unit 15 refers to the usage log of the setting information (see FIG. 4) and acquires the control history of the device in the time zone or time corresponding to the current time from the usage log (see FIG. 5). To do.
  • the phrase extraction unit 15 acquires the control history (time “t3”, user “U1”, control content “ON”). Then, the phrase extraction unit 15 extracts the instruction phrase “attach” corresponding to the control content “ON” from the instruction phrases associated with the device “TV” corresponding to the extracted control history.
  • the phrase extraction unit 15 may extract the control history by narrowing down the usage log to be referred to when extracting the control history corresponding to the current time to the usage log of the device extracted by the device extraction unit 14. Good. Further, the phrase extraction unit 15 may narrow down the control history included in the usage log to the control history of the user of the terminal 50 and then extract the control history corresponding to the current time.
  • the information about the user of the terminal 50 can be obtained by, for example, a method based on account information or the like, or another known method.
  • the generation unit 16 generates an utterance sentence for controlling the device based on the instruction phrase extracted by the phrase extraction unit 15. Specifically, the generation unit 16 may generate the instruction phrase extracted by the phrase extraction unit 15 as an utterance sentence.
  • the generation unit 16 may add the device category associated with the instruction phrase extracted by the phrase extraction unit 15 to the instruction phrase as a phrase indicating a control target to generate a utterance sentence. For example, when the phrase extraction unit 15 extracts the instruction phrase “attach” corresponding to the control content “ON” of the device “TV”, the generation unit 16 specifies “TV” and a particle indicating the control target. The utterance sentence “Turn on TV” may be generated by adding the instruction phrase “Turn on”.
  • the generation unit 16 adds a word or phrase indicating the change width to the instruction phrase to generate a utterance sentence. May be generated.
  • the phrase extraction unit 15 extracts the instruction phrase “increase the temperature” corresponding to the control content “increase the set temperature” of the device “air conditioner”
  • the generation unit 16 is a parameter of the air conditioner.
  • the words “a little” and “2 degrees” stored in the setting items as words indicating the range of temperature change are added to the instruction phrase, and the utterance "raise the temperature a little” and “raise the temperature twice" May be generated.
  • the presenting unit 17 presents the utterance sentence generated by the generating unit 16 to the user. Specifically, the presentation unit 17 transmits the text information indicating the utterance sentence to the user's terminal 50, and displays the text indicating the utterance sentence on the display of the terminal 50.
  • FIG. 7 is a diagram showing a screen example of the user's terminal 50 on which the utterance sentence is displayed.
  • the screen D of the terminal 50 includes texts b1 and b2 indicating a spoken sentence.
  • the text indicating the generated utterance sentence is presented on the user's terminal 50, so that the user can utter the utterance sentence.
  • the presentation unit 17 may display an operation object, which is associated with a text indicating an utterance sentence and is capable of performing an instruction operation, on the user terminal 50.
  • the presentation unit 17 configures each of the text b1 and the text b2 in the screen example of FIG. 7 as an operation object such as a button that can be instructed by the user and causes the display D to display the operation object.
  • the dialogue device 10 accepts a user utterance composed of voice of the content of the text when the operation object is operated on the terminal 50 of the user. The same device control information as that in the case of generating is generated.
  • the utterance receiving unit 18 receives a user's utterance as a user utterance. Specifically, the utterance receiving unit 18 receives, as the user utterance, a voice or a text representing the utterance uttered to the terminal 50 by the user who is presented with the utterance sentence, via the terminal 50.
  • the utterance accepting unit 18 When an operation object such as a button associated with a utterance sentence is presented at the terminal 50 and an instruction operation for the operation object is accepted at the terminal 50, the utterance accepting unit 18 indicates that the operation object has been operated. Accept information as a user utterance.
  • the control instruction transmission unit 19 transmits control information for controlling the device managed by the external system 30 based on the user's utterance. Specifically, when the utterance reception unit 18 receives a user utterance composed of voice data, the control instruction transmission unit 19 performs a voice recognition process, a morpheme analysis, and a predetermined analysis process on the user utterance. By doing so, the control information for controlling the device is generated, and the generated control information is transmitted to the external system 30. If the user's utterance is accepted as text data, the voice recognition process is unnecessary.
  • control instruction transmitting unit 19 When the information indicating that the operation object has been operated is received as the user's utterance, the control instruction transmitting unit 19 considers that the text data of the utterance sentence associated with the operation object is received as the user's utterance.
  • the control information for controlling the device is generated by performing a morphological analysis and a predetermined analysis process on the text data.
  • FIG. 8 is a flowchart showing the processing contents of the dialogue method of this embodiment.
  • step S1 the dialogue device 10 is controlled to be in a standby state for receiving a user utterance.
  • the utterance receiving unit 18 is controlled to be in a standby state for receiving a user utterance.
  • step S2 the setting information acquisition unit 13 acquires the setting information from the setting information storage unit 31 of the external system 30.
  • the position acquisition unit 11 acquires position information indicating the location of the user.
  • the position acquisition unit 11 includes, for example, a GPS device (not shown) included in the user's terminal 50, and a human sensor provided in a space to which the dialogue system 1 of the present embodiment is applied.
  • the position information of the user is acquired based on the detected information detected.
  • step S4 the position acquisition unit 11 determines whether or not the position information of the user in step S3 has been successfully acquired. If it is determined that the position information has been successfully acquired, the process proceeds to step S5. On the other hand, if it is not determined that the acquisition of the position information is successful, the process proceeds to step S8.
  • step S5 the device extraction unit 14 refers to the setting information and extracts the device associated with the position information acquired by the position acquisition unit 11 in step S3.
  • the setting information includes the association between the device and the group indicating the location of the device
  • the device extracting unit 14 refers to the group information of the setting information to locate the user at the location. Can extract devices.
  • step S6 the phrase extraction unit 15 refers to the vocabulary information and extracts one or more instruction phrases associated with the device extracted by the device extraction unit 14 in step S5.
  • step S7 the generation unit 16 generates an utterance sentence for controlling the device based on the device extracted by the device extraction unit 14 in step S5 and the instruction phrase extracted by the phrase extraction unit 15 in step S6. ..
  • step S8 the generation unit 16 generates an utterance sentence that does not depend on the device type. Specifically, for example, the generation unit 16 may generate the utterance sentence based on the instruction frame randomly extracted from the vocabulary information. Further, the generation unit 16 may refer to the history of the user utterance received by the utterance reception unit 18 and set the user utterance most recently received as the utterance sentence.
  • step S9 the presentation unit 17 presents the utterance sentence generated by the generation unit 16 to the user. Specifically, the presentation unit 17 transmits the text information indicating the utterance sentence to the user's terminal 50, and displays the text indicating the utterance sentence on the display of the terminal 50.
  • FIG. 9 is a flowchart showing the processing contents of the dialogue method of the present embodiment.
  • the user's position information is used, whereas in the process shown in FIG. 9, the current time information is used in addition to the user's position information.
  • steps S11 to S15 is the same as the processing of steps S1 to S5 shown in FIG.
  • step S14 when it is not determined that the position information is successfully acquired, the process proceeds to step S21.
  • step S16 the time acquisition unit 12 acquires information indicating the current time.
  • step S17 the time acquisition unit 12 determines whether the acquisition of the information indicating the current time has succeeded. When it is determined that the acquisition of the current time has succeeded, the process proceeds to step S18. On the other hand, if it is not determined that the acquisition of the current time has succeeded, the process proceeds to step S21.
  • step S18 the setting information acquisition unit 13 acquires the device control history acquired in step S15 in the time zone or time corresponding to the current time acquired in step S16.
  • the time zone corresponding to the current time is, for example, a time zone having a predetermined width including the current time.
  • step S19 the phrase extraction unit 15 extracts, with reference to the vocabulary information, the instruction phrase associated with the control content shown in the control history acquired in step S18 regarding the device acquired in step S15.
  • step S20 the generation unit 16 generates an utterance sentence for controlling the device based on the device extracted by the device extraction unit 14 in step S15 and the instruction phrase extracted by the phrase extraction unit 15 in step S19. ..
  • the generation unit 16 generates an utterance sentence that does not depend on the device type and the current time. Specifically, for example, the generation unit 16 may generate the utterance sentence based on the instruction frame randomly extracted from the vocabulary information. Further, the generation unit 16 may refer to the history of the user utterance received by the utterance reception unit 18 and set the user utterance most recently received as the utterance sentence.
  • step S22 the presentation unit 17 presents the utterance sentence generated by the generation unit 16 to the user. Specifically, the presentation unit 17 transmits the text information indicating the utterance sentence to the user's terminal 50, and displays the text indicating the utterance sentence on the display of the terminal 50.
  • FIG. 10 is a diagram showing the configuration of the dialogue program P1.
  • the dialogue program P1 includes a main module m10 that comprehensively controls dialogue processing in the dialogue device 10, a position acquisition module m11, a time acquisition module m12, a setting information acquisition module m13, a device extraction module m14, a phrase extraction module m15, and a generation module m16. , A presentation module m17, a speech reception module m18, and a control instruction transmission module m19. Then, the position acquisition unit 11, the time acquisition unit 12, the setting information acquisition unit 13, the device extraction unit 14, the phrase extraction unit 15, the generation unit 16, the presentation unit 17, and the utterance reception unit in the dialogue device 10 are performed by the modules m11 to m19. 18 and each function for the control instruction transmitter 19 are realized.
  • the dialogue program P1 may be transmitted via a transmission medium such as a communication line, or may be stored in the recording medium M1 as shown in FIG.
  • the device associated with the position information indicating the position of the user is extracted, and the utterance sentence is generated based on the instruction phrase indicating the control instruction of the extracted device. Therefore, it is possible to present to the user an utterance sentence that can appropriately control the device that is likely to be performing the control operation at the current location. The user is likely to be able to control the desired device by speaking the presented utterance sentence, so that convenience is improved.
  • the time acquisition unit that acquires the current time and the history information about the control history of the device for each time zone or time correspond to the current time acquired by the time acquisition unit.
  • the instruction phrase may be extracted based on the extracted device and the control content shown in the control history acquired by the history acquisition unit.
  • the control history of the device at the time or time zone corresponding to the current time is extracted, and the utterance sentence is generated based on the instruction phrase corresponding to the control content shown in the extracted control history.
  • the utterance sentence is generated based on the instruction phrase corresponding to the control content shown in the extracted control history.
  • the history information may include the control history for each user, and the phrase extraction unit may extract the instruction phrase based on the control history of the user.
  • the utterance sentence is generated based on the instruction phrase corresponding to the control history of the user who is the target of the utterance sentence presentation. Therefore, a suitable utterance sentence can be presented to the user.
  • the presentation unit may display the text indicating the utterance sentence on the user's terminal.
  • the text indicating the generated utterance sentence is presented on the user's terminal, so that the user can utter the utterance sentence.
  • the presentation unit causes the user's terminal to display an operation object which is associated with the text indicating the utterance and can be instructed and operated, and the dialogue apparatus operates the operation object on the user's terminal.
  • the device control information may be generated in the same manner as when the user's utterance including the voice of the text content is received.
  • the operation object associated with the text indicating the generated utterance sentence is displayed on the user terminal, and the content of the utterance sentence is uttered by voice by operating the operation object. Since similar control information is generated, the user can easily give a desired control instruction.
  • the dialogue apparatus further includes a setting information acquisition unit that acquires the setting information from the system that manages the setting information, and the device extraction unit stores the setting information acquired by the setting information acquisition unit. It may be referred to.
  • the load of communication and processing for referring to the setting information every time the utterance sentence generation process is reduced.
  • Each aspect / embodiment described in the present disclosure includes 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 802.11 (WiMAX), IEEE 802.20, UWB (Ultra-WideBand), Bluetooth. (Registered trademark), other suitable systems, and / or may be applied to next-generation systems extended based on these systems.
  • Information can be output from the upper layer (or lower layer) to the lower layer (or upper layer). Input / output may be performed via a plurality of network nodes.
  • Information that has been input and output may be stored in a specific location (for example, memory), or may be managed in a management table. Information that is input / output can be overwritten, updated, or added. The output information and the like may be deleted. The input information and the like may be transmitted to another device.
  • the determination may be performed by a value represented by 1 bit (whether 0 or 1), may be performed by a Boolean value (Boolean: true or false), and may be performed by comparing numerical values (for example, a predetermined value). (Comparison with the value).
  • the notification of the predetermined information (for example, the notification of “being X”) is not limited to the explicit notification, but is performed implicitly (for example, the notification of the predetermined information is not performed). Good.
  • software, instructions, etc. may be sent and received via a transmission medium.
  • the software may use a wired technology such as coaxial cable, fiber optic cable, twisted pair and digital subscriber line (DSL) and / or wireless technology such as infrared, wireless and microwave to websites, servers, or other When transmitted from a remote source, these wireline and / or wireless technologies are included within the definition of transmission medium.
  • a wired technology such as coaxial cable, fiber optic cable, twisted pair and digital subscriber line (DSL) and / or wireless technology such as infrared, wireless and microwave to websites, servers, or other
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description include voltage, current, electromagnetic waves, magnetic fields or magnetic particles, optical fields or photons, or any of these. May be represented by a combination of
  • system and “network” used in this disclosure are used interchangeably.
  • the information, parameters, and the like described in this disclosure may be represented by absolute values, relative values from predetermined values, or may be represented by other corresponding information.
  • determining and “determining” as used in this disclosure may encompass a wide variety of actions.
  • “Judgment” and “decision” are, for example, judgment, calculating, computing, processing, deriving, investigating, and looking up, search, inquiry. (Eg, searching in a table, database or another data structure), ascertaining what is considered to be “judgment” or “decision”, and the like.
  • “decision” and “decision” include receiving (eg, receiving information), transmitting (eg, transmitting information), input (input), output (output), access (accessing) (for example, accessing data in a memory) may be regarded as “judging” and “deciding”.
  • judgment and “decision” are considered to be “judgment” and “decision” when things such as resolving, selecting, choosing, establishing, establishing, and comparing are done. May be included. That is, the “judgment” and “decision” may include considering some action as “judgment” and “decision”. In addition, “determination (decision)” may be read as “assuming,” “expecting,” “considering,” and the like.
  • the phrase “based on” does not mean “based only on,” unless expressly specified otherwise. In other words, the phrase “based on” means both "based only on” and “based at least on.”
  • any reference to that element does not generally limit the amount or order of those elements. These designations may be used herein as a convenient way to distinguish between two or more elements. Thus, references to the first and second elements do not imply that only two elements may be employed therein, or that the first element must precede the second element in any way.
  • a device including a plurality of devices is also included unless it is a device in which only one is clearly present in terms of context or technology.

Abstract

対話装置は、ユーザの所在位置を示す位置情報を取得する位置取得部と、各デバイスと所在位置とを関連付けている設定情報を参照して、ユーザの位置情報に関連付けられたデバイスを抽出するデバイス抽出部と、各デバイスと当該デバイスの制御指示を表す指示フレーズとを関連付けている語彙情報を参照して、抽出されたデバイスに関連付けられている指示フレーズを抽出するフレーズ抽出部と、指示フレーズに基づいて、デバイスを制御するための発話文を生成する生成部と、生成された発話文をユーザに対して提示する提示部と、を備える。

Description

対話装置及び対話プログラム
　本発明は、対話装置及び対話プログラムに関する。
　家電機器を含むいわゆるＩｏＴ（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ）デバイス等のデバイスを、発話により操作及び制御する技術が知られている。このような技術では、ユーザによる発話の音声認識及び形態素解析等により指示の内容が判断され、制御情報が出力される。特許文献１には、家電機器を管理するサーバが、各家電機器に対応する操作画面を端末装置に提供する技術が記載されている。
特開２００２－１８６０５７号公報
　ユーザの発話によりデバイスの制御を実施するシステムにおいて、制御対象の機器に関する情報及び発話内容に関する選択肢等が示されない状況では、ユーザがどのような発話をすべきかを認識するのは困難である。デバイスを制御するための発話内容として予め記憶されたシナリオに基づいて、ユーザに発話内容を案内する技術が存在するが、そのような技術であっても、予め記憶されたシナリオに基づいて案内するので、制御対象のデバイスの変更及びユーザの状況の変化等に応じて柔軟且つ動的に発話内容を提示することはできない。
　特許文献１に記載された技術では、家電機器を操作するための操作画面が示されるにすぎず、ユーザの発話を支援するものではない。また、この操作画面は、予め記憶されたものであるので、状況に応じて表示内容を動的に変更させることはできない。
　そこで、本発明は、上記問題点に鑑みてなされたものであり、ユーザの発話によりデバイスを制御する技術において、制御対象のデバイスの種類及びユーザの状況に応じて、好適な発話内容を案内することにより、利便性の向上を図ることを目的とする。
　上記課題を解決するために、本発明の一形態に係る対話装置は、デバイスを制御する制御情報を生成するための、音声またはテキストからなるユーザ発話を受け付ける対話装置であって、ユーザの所在位置を示す位置情報を取得する位置取得部と、各デバイスと所在位置とを関連付けている設定情報を参照して、位置取得部により取得された位置情報に関連付けられたデバイスを抽出するデバイス抽出部と、各デバイスと、当該デバイスの制御指示を表し少なくとも一以上の語句または文を含む指示フレーズとを関連付けている語彙情報を参照して、デバイス抽出部により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出するフレーズ抽出部と、フレーズ抽出部により抽出された指示フレーズに基づいて、デバイスを制御するための発話文を生成する生成部と、生成部により生成された発話文をユーザに対して提示する提示部と、を備える。
　上記課題を解決するために、本発明の一形態に係る対話プログラムは、コンピュータを、デバイスを制御する制御情報を生成するための、音声またはテキストからなるユーザ発話を受け付ける対話装置として機能させるための対話プログラムであって、コンピュータに、ユーザの所在位置を示す位置情報を取得する位置取得機能と、各デバイスと所在位置とを関連付けている設定情報を参照して、位置取得機能により取得された位置情報に関連付けられたデバイスを抽出するデバイス抽出機能と、各デバイスと、当該デバイスの制御指示を表し少なくとも一以上の語句または文を含む指示フレーズとを関連付けている語彙情報を参照して、デバイス抽出機能により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出するフレーズ抽出機能と、フレーズ抽出機能により抽出された指示フレーズに基づいて、デバイスを制御するための発話文を生成する生成機能と、生成機能により生成された発話文をユーザに対して提示する提示機能と、を実現させる。
　上記の形態によれば、ユーザの所在位置を示す位置情報に関連付けられているデバイスが抽出され、抽出されたデバイスの制御指示を表す指示フレーズに基づいて、発話文が生成されるので、ユーザが現在の所在位置において制御操作を実施しようとしている可能性が高いデバイスを適切に制御可能な発話文をユーザに提示できる。ユーザは、提示された発話文を発話することにより、所望のデバイスの制御を実施できる可能性が高いので、利便性の向上が図られる。
　ユーザの発話によりデバイスを制御する技術において、制御対象のデバイスの種類及びユーザの状況に応じて、好適な発話内容を案内することにより、利便性の向上を図ることが可能となる。
本実施形態に係る対話装置を含む対話システムの装置構成を示す図である。 本実施形態に係る対話装置の機能的構成を示す機能ブロック図である。 対話装置のハードブロック図である。 設定情報記憶部の構成及び記憶されているデータの例を示す図である。 図５（ａ）及び図５（ｂ）は、デバイスごとの利用ログの例を示す図である。 語彙情報記憶部の構成及び記憶されているデータの例を示す図である。 発話文が表示されたユーザの端末の画面例を示す図である。 本実施形態の対話方法の処理内容を示すフローチャートである。 本実施形態の対話方法の処理内容を示すフローチャートである。 対話プログラムの構成を示す図である。
　本発明に係る対話装置及び対話プログラムの実施形態について図面を参照して説明する。なお、可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
　図１は、本実施形態に係る対話システムの装置構成を示す図である。対話システム１は、対話装置１０、外部システム３０及び端末５０を含む。対話装置１０と端末５０とは、互いに通信可能である。また、対話装置１０と外部システムとは互いに通信可能である。
　対話装置１０は、デバイスを制御する制御情報を生成するための、音声またはテキストからなるユーザ発話を受け付ける装置である。また、対話装置１０は、外部システム３０が管理するデバイスを操作するために、制御情報を外部システム３０に送信してもよい。対話装置１０は、例えば、サーバ等のコンピュータにより構成されるが、対話装置１０を構成する装置は限定されない。
　外部システム３０は、家電機器等を含むいわゆるＩｏＴ（Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ）デバイス等のデバイスを管理するデバイス管理システムを構成する。外部システム３０は、複数のデバイスとそれぞれの通信規格に従った通信をすることが可能である。
　外部システム３０は、各デバイスを制御するためのインターフェースを構成しうる設定情報をデバイス毎に有しており、設定情報の利用及び参照により、対話装置１０から受信した制御情報に基づいて、管理下にあるデバイスのいずれかを制御できる。
　設定情報記憶部３１は、制御対象のデバイスの設定情報を記憶している記憶手段である。設定情報は、デバイスの制御のために利用及び参照される情報である。設定情報の詳細については後述する。なお、図１に示す例では、設定情報記憶部３１は、外部システム３０内に構成されているが、このような構成には限定されず、外部システム３０からアクセス可能であれば、外部システム３０外に構成されてもよい。
　端末５０は、発話によるデバイスの制御において、ユーザとのインターフェースを構成する装置であって、例えば、据置型又は携帯型のパーソナルコンピュータ、高機能携帯電話機（スマートフォン）等により構成されるが、端末５０を構成する装置は限定されず、例えば携帯電話機、携帯情報端末（ＰＤＡ）などの携帯端末でもよい。
　端末５０は、ユーザに発せられた音声のデータをユーザ発話として対話装置に送信できる。また、端末５０は、ユーザの音声を音声認識処理によりテキスト化したデータをユーザ発話として対話装置１０に送信してもよい。
　また、端末５０は、後述されるように、対話装置１０から送信された発話文をユーザに対して提示できる。具体的には、端末５０は、発話文を示すテキストをディスプレイに表示することにより、発話文をユーザに提示する。また、端末５０は、発話文を示すテキストが関連付けられ指示操作が可能な操作オブジェクトをディスプレイに表示してもよい。操作オブジェクトは、ユーザによる操作が可能なボタンの態様で表示されてもよい。表示された操作オブジェクトに対する操作が受け付けられた場合には、端末５０は、操作オブジェクトが操作された旨の情報、操作オブジェクトに関連付けられた発話文のテキストデータまたは音声データを、ユーザ発話として対話装置１０に送信してもよい。
　図２は、本実施形態に係る対話装置１０の機能的構成を示す図である。図２に示すように、対話装置１０は、位置取得部１１、時刻取得部１２、設定情報取得部１３、デバイス抽出部１４、フレーズ抽出部１５、生成部１６、提示部１７、発話受付部１８及び制御指示送信部１９を含む。また、対話装置１０は、語彙情報記憶部２０を含む。対話装置１０に含まれる各機能部は、複数の装置に分散されて構成されても良いし、例えば、一部の機能部が端末５０に構成されてもよい。
　なお、図２に示したブロック図は、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。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本発明の一実施の形態における対話装置１０は、コンピュータとして機能してもよい。図３は、本実施形態に係る対話装置１０のハードウェア構成の一例を示す図である。対話装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。対話装置１０のハードウェア構成は、図３に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　対話装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ１００１が演算を行い、通信装置１００４による通信や、メモリ１００２及びストレージ１００３におけるデータの読み出し及び／又は書き込みを制御することで実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）で構成されてもよい。また、プロセッサ１００１は、ＧＰＵ（Graphics　Processing　Unit）を含んで構成されてもよい。例えば、図２に示した各機能部１１～１９などは、プロセッサ１００１で実現されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュールやデータを、ストレージ１００３及び／又は通信装置１００４からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態で説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、対話装置１０の各機能部１１～１９は、メモリ１００２に格納され、プロセッサ１００１で動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１で実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップで実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つで構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本発明の一実施の形態に係る対話方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３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。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及び／又はストレージ１００３を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４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。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１やメモリ１００２などの各装置は、情報を通信するためのバス１００７で接続される。バス１００７は、単一のバスで構成されてもよいし、装置間で異なるバスで構成されてもよい。
　また、対話装置１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つで実装されてもよい。
　再び図２を参照して、対話装置１０の各機能部について説明する。位置取得部１１は、ユーザの所在位置を示す位置情報を取得する。具体的には、位置取得部１１は、例えば、ユーザの端末５０が備えるＧＰＳ装置（図示せず）等により取得された位置情報を取得する。位置取得部１１は、本実施形態の対話システム１が適用される空間に設けられた人感センサ（図示せず）により検出された検出情報に基づいて、位置情報を取得してもよい。また、端末５０が移動無線通信端末である場合には、位置取得部１１は、端末５０の在圏情報を位置情報として取得してもよい。位置取得部１１は、その他の周知の手法によりユーザの位置情報を取得してもよい。
　時刻取得部１２は、現在時刻を示す情報を取得する。
　設定情報取得部１３は、設定情報を取得する。具体的には、設定情報取得部１３は、外部システム３０の設定情報記憶部３１から設定情報を取得する。設定情報は、各デバイスの属性を含みデバイスの制御のために参照される。
　図４は、設定情報記憶部３１の構成及び記憶されているデータの例を示す情報である。図４に示すように、設定情報記憶部３１は、デバイスを識別するデバイスＩＤに関連付けて、各種の属性を設定情報として記憶している。図４に示す例では、設定情報記憶部３１は、デバイスＩＤごとに、当該デバイスのカテゴリを示すデバイス、ニックネーム、グループ、デバイス状態及び利用ログ等の設定情報を記憶している。例えば、設定情報記憶部３１は、デバイスＩＤ「１」に関連付けて、デバイス「ＴＶ」、ニックネーム「お父さんのＴＶ」、グループ「リビング」、デバイス状態「ＯＦＦ」及び利用ログ「Ｌ１」等の設定情報を記憶している。
　設定情報は、少なくとも「グループ」の情報を含む。「グループ」は、当該デバイスが設けられた所在位置を示す情報であることができる。また、「グループ」は、複数のデバイスをグルーピングするためのその他の情報であってもよい。
　また、設定情報は、時間帯または時刻ごとのデバイスの制御履歴に関する情報である利用ログ（履歴情報）を含んでもよい。即ち、設定情報取得部１３は、履歴情報としての利用ログを取得する履歴情報取得部を構成することができる。
　図５は、利用ログの例を示す図である。図５（ａ）は、デバイスＩＤ「１」の利用ログＬ１を模式的に示す図である。図５（ｂ）は、デバイスＩＤ「２」の利用ログＬ２を模式的に示す図である。図５（ａ）及び図５（ｂ）に示されるように、利用ログは、制御が実施された時刻、当該デバイスの制御を実施したユーザ及び制御内容を、デバイスの制御履歴として含む。
　例えば、図５（ａ）に示されるように、デバイスＩＤ「１」のデバイス「テレビ」は、時刻「ｔ１」において、ユーザＩＤ「Ｕ１」により示されるユーザ「父」により、制御内容「ＯＮ」を実施されている。また、例えば、図５（ｂ）に示されるように、デバイスＩＤ「２」のデバイス「ライト」は、時刻「ｔ１２」において、ユーザＩＤ「Ｕ２」により示されるユーザ「母」により、制御内容「ＯＦＦ」を実施されている。
　再び図４を参照して、設定情報は、さらに、ニックネーム及びデバイス情報を設定情報として含んでもよい。ニックネームは、発話文において、当該デバイスを指し示すための名称である。一のデバイスに対して、複数のユーザがそれぞれのニックネームを設定することが可能である。ニックネームの設定では、ユーザからみて、各デバイスがそれぞれにユニークに識別されればよい。デバイス状態は、当該デバイスの動作状態を示す情報であって、リアルタイムに更新される情報である。
　設定情報取得部１３は、ユーザ発話を受け付ける待機状態の所定のタイミングにおいて、所定の分量の設定情報を一括で取得してもよい。また、設定情報取得部１３は、後に詳述されるデバイス抽出部１４及びフレーズ抽出部１５等において設定情報が参照されるタイミングにおいて、その都度に必要な設定情報を取得してもよい。
　デバイス抽出部１４は、設定情報を参照して、位置取得部１１により取得された位置情報に関連付けられたデバイスを抽出する。上記のとおり、設定情報は、デバイスと当該デバイスの所在位置を示すグループとの関連付けを含むので、デバイス抽出部１４は、設定情報を参照することにより、ユーザの所在位置に所在するデバイスを抽出できる。
　例えば、位置取得部１１により取得された位置情報により、ユーザの所在位置がリビングであることが示される場合には、デバイス抽出部１４は、図４に示される設定情報を参照して、「リビング」に関連付けられたデバイスであるデバイスＩＤ「１」の「ＴＶ」、デバイスＩＤ「２」の「ライト」、デバイスＩＤ「３」の「ライト」及びデバイスＩＤ「５」の「エアコン」を抽出する。
　フレーズ抽出部１５は、語彙情報を参照して、デバイス抽出部１４により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出する。語彙情報は、各デバイスと、当該デバイスの制御指示を表し少なくとも一以上の語句または文を含む指示フレーズとを関連付けている情報である。フレーズ抽出部１５は、語彙情報記憶部２０に記憶されている語彙情報を参照して指示フレーズを抽出する。
　図６は、語彙情報記憶部２０の構成及び記憶されているデータの例を示す図である。図６に示されるように、語彙情報記憶部２０は、デバイスの種別を示すデバイスカテゴリに少なくとも指示フレーズを関連付けた語彙情報を記憶している。語彙情報記憶部２０は、デバイスカテゴリに関連付けて、制御内容、設定項目、ゆらぎ吸収語句をさらに含んでもよい。
　制御内容は、関連付けられている指示フレーズの発話により達せられる目的であって、デバイスに対して実施される制御の内容を示す。設定項目は、例えば制御内容がデバイスのパラメータの変更に関するものである場合等において、指示フレーズに対してオプションとして付加される、パラメータの変更幅等に関する語句である。ゆらぎ吸収語句は、指示フレーズを含む発話文の提示に応じたユーザ発話の語句のゆらぎを吸収するための辞書である。
　フレーズ抽出部１５は、例えば、デバイス抽出部により抽出されたデバイスが「ＴＶ」である場合に、デバイスカテゴリ「ＴＶ」に関連付けられた指示フレーズである「つけて」、「けして」、「音量を上げて」、「音量を下げて」及び「チャンネルを変えて」を語彙情報から抽出する。
　また、フレーズ抽出部１５は、現在時刻に対応するデバイスの制御履歴に基づいて、指示フレーズを抽出してもよい。具体的には、フレーズ抽出部１５は、設定情報（図４参照）の利用ログを参照して、現在時刻に対応する時間帯または時刻におけるデバイスの制御履歴を利用ログ（図５参照）から取得する。
　例えば、現在時刻に時刻「ｔ３」が対応する場合には、フレーズ抽出部１５は、制御履歴（時刻「ｔ３」、ユーザ「Ｕ１」、制御内容「ＯＮ」）を取得する。そして、フレーズ抽出部１５は、抽出した制御履歴に対応するデバイス「ＴＶ」に関連付けられた指示フレーズのうちの、制御内容「ＯＮ」に対応する指示フレーズ「つけて」を抽出する。
　なお、フレーズ抽出部１５は、現在時刻に対応する制御履歴の抽出に際して、参照する利用ログを、デバイス抽出部１４により抽出されたデバイスの利用ログに絞り込んで制御履歴の抽出を実施することとしてもよい。また、フレーズ抽出部１５は、利用ログに含まれる制御履歴を、端末５０のユーザの制御履歴に絞り込んだ上で、現在時刻に対応する制御履歴の抽出を実施することとしてもよい。端末５０のユーザに関する情報は、例えば、アカウント情報等に基づく方法の他、その他の周知の手法により取得できる。
　生成部１６は、フレーズ抽出部１５により抽出された指示フレーズに基づいて、デバイスを制御するための発話文を生成する。具体的には、生成部１６は、フレーズ抽出部１５により抽出された指示フレーズを発話文として生成してもよい。
　また、生成部１６は、フレーズ抽出部１５により抽出された指示フレーズに関連付けられたデバイスカテゴリを、制御対象を示す語句として指示フレーズに付加して、発話文を生成してもよい。例えば、フレーズ抽出部１５によりデバイス「ＴＶ」の制御内容「ＯＮ」に対応する指示フレーズ「つけて」が抽出された場合には、生成部１６は、その制御対象を示す「ＴＶ」及び助詞を指示フレーズ「つけて」に付加して、発話文「ＴＶをつけて」を生成してもよい。
　また、生成部１６は、フレーズ抽出部１５により抽出された指示フレーズがデバイスのパラメータの変更を目的とするものである場合に、その変更幅を示す語句を指示フレーズに付加して、発話文を生成してもよい。例えば、フレーズ抽出部１５により、デバイス「エアコン」の制御内容「設定温度を上げる」に対応する指示フレーズ「温度を上げて」が抽出された場合には、生成部１６は、エアコンのパラメータである温度の変更幅を示す語句として設定項目に記憶されている「少し」，「２度」という語句を指示フレーズに付加して、発話文「温度を少し上げて」，「温度を２度上げて」を生成してもよい。
　提示部１７は、生成部１６により生成された発話文をユーザに対して提示する。具体的には、提示部１７は、発話文を示すテキスト情報をユーザの端末５０に送信し、発話文を示すテキストを端末５０のディスプレイに表示させる。
　図７は、発話文が表示されたユーザの端末５０の画面例を示す図である。図７に示されるように、端末５０の画面Ｄは、発話文を示すテキストｂ１，ｂ２を含む。このように、生成された発話文を示すテキストがユーザの端末５０において提示されることにより、ユーザはその発話文を発することができる。
　また、提示部１７は、発話文を示すテキストが関連付けられ指示操作可能な操作オブジェクトをユーザの端末５０に表示させてもよい。この場合には、提示部１７は、図７の画面例において、テキストｂ１及びテキストｂ２のそれぞれを、ユーザにより指示操作可能なボタン等の操作オブジェクトとして構成して、ディスプレイＤに表示させる。提示部１７が、このような操作オブジェクトを端末５０に表示させる場合には、対話装置１０は、ユーザの端末５０において操作オブジェクトが操作された場合に、テキストの内容の音声からなるユーザ発話を受け付けた場合と同様のデバイスの制御情報を生成する。
　発話受付部１８は、ユーザの発話をユーザ発話として受け付ける。具体的には、発話受付部１８は、発話文を提示されたユーザが端末５０に対して発した発話を表す音声またはテキストを、端末５０を介して、ユーザ発話として受け付ける。
　また、発話文が関連付けられたボタン等の操作オブジェクトが端末５０において提示され、操作オブジェクトに対する指示操作が端末５０において受け付けられた場合には、発話受付部１８は、操作オブジェクトが操作された旨の情報をユーザ発話として受け付ける。
　制御指示送信部１９は、ユーザ発話に基づいて、外部システム３０により管理されているデバイスを制御するための制御情報を送信する。具体的には、発話受付部１８により音声データからなるユーザ発話が受け付けられた場合には、制御指示送信部１９は、ユーザ発話に対して、音声認識処理、形態素解析及び所定の解析処理を実施することにより、デバイスを制御するための制御情報を生成し、生成した制御情報を外部システム３０に送信する。なお、ユーザ発話がテキストデータとして受け付けられた場合には、音声認識処理は不要である。
　操作オブジェクトが操作された旨の情報がユーザ発話として受け付けられた場合には、制御指示送信部１９は、当該操作オブジェクトに関連付けられた発話文のテキストデータがユーザ発話として受け付けられたものとみなして、そのテキストデータに対する形態素解析及び所定の解析処理を実施することにより、デバイスを制御するための制御情報を生成する。
　次に、図８を参照して、対話装置１０における処理内容を説明する。図８は、本実施形態の対話方法の処理内容を示すフローチャートである。
　ステップＳ１において、対話装置１０は、ユーザ発話の受付待機状態に制御おされる。具体的には、発話受付部１８が、ユーザ発話の受付待機状態に制御される。
　ステップＳ２において、設定情報取得部１３は、外部システム３０の設定情報記憶部３１から設定情報を取得する。
　ステップＳ３において、位置取得部１１は、ユーザの所在位置を示す位置情報を取得する。具体的には、位置取得部１１は、例えば、ユーザの端末５０が備えるＧＰＳ装置（図示せず）等、及び、本実施形態の対話システム１が適用される空間に設けられた人感センサにより検出された検出情報に基づいて、ユーザの位置情報を取得する。
　ステップＳ４において、位置取得部１１は、ステップＳ３におけるユーザの位置情報の取得に成功したか否かを判定する。位置情報の取得に成功したと判定された場合には、処理はステップＳ５に進む。一方、位置情報の取得に成功したと判定されなかった場合には、処理はステップＳ８に進む。
　ステップＳ５において、デバイス抽出部１４は、設定情報を参照して、ステップＳ３において位置取得部１１により取得された位置情報に関連付けられたデバイスを抽出する。前述のとおり、設定情報は、デバイスと当該デバイスの所在位置を示すグループとの関連付けを含むので、デバイス抽出部１４は、設定情報のグループの情報を参照することにより、ユーザの所在位置に所在するデバイスを抽出できる。
　ステップＳ６において、フレーズ抽出部１５は、語彙情報を参照して、ステップＳ５においてデバイス抽出部１４により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出する。
　ステップＳ７において、生成部１６は、ステップＳ５においてデバイス抽出部１４により抽出されたデバイス及びステップＳ６においてフレーズ抽出部１５により抽出された指示フレーズに基づいて、デバイスを制御するための発話文を生成する。
　一方、ステップＳ８では、生成部１６は、デバイスの種別に依存しない発話文を生成する。具体的には、例えば、生成部１６は、語彙情報からランダムに抽出した指示フレームに基づいて発話文を生成してもよい。また、生成部１６は、発話受付部１８により受け付けられたユーザ発話の履歴を参照して、直近に受け付けられたユーザ発話を発話文としてもよい。
　ステップＳ９において、提示部１７は、生成部１６により生成された発話文をユーザに対して提示する。具体的には、提示部１７は、発話文を示すテキスト情報をユーザの端末５０に送信し、発話文を示すテキストを端末５０のディスプレイに表示させる。
　次に、図９を参照して、対話装置１０における処理内容の他の例を説明する。図９は、本実施形態の対話方法の処理内容を示すフローチャートである。図８に示した処理ではユーザの位置情報が用いられるのに対して、図９に示す処理では、ユーザの位置情報に加えて、現在時刻の情報が用いられる。
　ステップＳ１１～Ｓ１５の処理は、図８に示したステップＳ１～Ｓ５の処理と同様である。なお、ステップＳ１４において、位置情報の取得に成功したと判定されなかった場合には、処理はステップＳ２１に進む。
　ステップＳ１６において、時刻取得部１２は、現在時刻を示す情報を取得する。ステップＳ１７において、時刻取得部１２は、現在時刻を示す情報の取得に成功したか否かを判定する。現在時刻の取得に成功したと判定された場合には、処理はステップＳ１８に進む。一方、現在時刻の取得に成功したと判定されなかった場合には、処理はステップＳ２１に進む。
　ステップＳ１８において、設定情報取得部１３は、ステップＳ１６において取得された現在時刻に対応する時間帯または時刻における、ステップＳ１５において取得されたデバイスの制御履歴を取得する。現在時刻に対応する時間帯は、例えば、現在時刻を含む所定幅の時間帯である。
　ステップＳ１９において、フレーズ抽出部１５は、ステップＳ１５において取得されたデバイスに関しての、ステップＳ１８において取得された制御履歴に示される制御内容に関連付けられた指示フレーズを、語彙情報を参照して抽出する。
　ステップＳ２０において、生成部１６は、ステップＳ１５においてデバイス抽出部１４により抽出されたデバイス及びステップＳ１９においてフレーズ抽出部１５により抽出された指示フレーズに基づいて、デバイスを制御するための発話文を生成する。
　一方、ステップＳ２１では、生成部１６は、デバイスの種別及び現在時刻に依存しない発話文を生成する。具体的には、例えば、生成部１６は、語彙情報からランダムに抽出した指示フレームに基づいて発話文を生成してもよい。また、生成部１６は、発話受付部１８により受け付けられたユーザ発話の履歴を参照して、直近に受け付けられたユーザ発話を発話文としてもよい。
　ステップＳ２２において、提示部１７は、生成部１６により生成された発話文をユーザに対して提示する。具体的には、提示部１７は、発話文を示すテキスト情報をユーザの端末５０に送信し、発話文を示すテキストを端末５０のディスプレイに表示させる。
　次に、コンピュータを、本実施形態の対話装置１０として機能させるための対話プログラムについて説明する。図１０は、対話プログラムＰ１の構成を示す図である。
　対話プログラムＰ１は、対話装置１０における対話処理を統括的に制御するメインモジュールｍ１０、位置取得モジュールｍ１１、時刻取得モジュールｍ１２、設定情報取得モジュールｍ１３、デバイス抽出モジュールｍ１４、フレーズ抽出モジュールｍ１５、生成モジュールｍ１６、提示モジュールｍ１７、発話受付モジュールｍ１８及び制御指示送信モジュールｍ１９を備えて構成される。そして、各モジュールｍ１１～ｍ１９により、対話装置１０における位置取得部１１、時刻取得部１２、設定情報取得部１３、デバイス抽出部１４、フレーズ抽出部１５、生成部１６、提示部１７、発話受付部１８及び制御指示送信部１９のための各機能が実現される。なお、対話プログラムＰ１は、通信回線等の伝送媒体を介して伝送される態様であってもよいし、図１０に示されるように、記録媒体Ｍ１に記憶される態様であってもよい。
　以上説明した本実施形態の対話装置１０では、ユーザの所在位置を示す位置情報に関連付けられているデバイスが抽出され、抽出されたデバイスの制御指示を表す指示フレーズに基づいて、発話文が生成されるので、ユーザが現在の所在位置において制御操作を実施しようとしている可能性が高いデバイスを適切に制御可能な発話文をユーザに提示できる。ユーザは、提示された発話文を発話することにより、所望のデバイスの制御を実施できる可能性が高いので、利便性の向上が図られる。
　また、別の形態に係る対話装置では、現在時刻を取得する時刻取得部と、時間帯または時刻ごとのデバイスの制御履歴に関する履歴情報を参照して、時刻取得部により取得された現在時刻に対応する時間帯または時刻におけるデバイスの制御履歴を取得する履歴取得部と、を更に備え、語彙情報は、デバイスごとに、制御内容と指示フレーズとを関連付けており、フレーズ抽出部は、デバイス抽出部により抽出されたデバイス及び履歴取得部により取得された制御履歴に示される制御内容に基づいて、指示フレーズを抽出することとしてもよい。
　上記形態によれば、現在時刻に対応する時刻または時間帯におけるデバイスの制御履歴が抽出され、抽出された制御履歴に示される制御内容に対応する指示フレーズに基づいて発話文が生成される。これにより、現在時刻においてユーザが所望する可能性が高い制御操作を実施可能な発話文をユーザに提示できる。
　また、別の形態に係る対話装置では、履歴情報は、ユーザごとの制御履歴を含み、フレーズ抽出部は、ユーザの制御履歴に基づいて、指示フレーズを抽出することとしてもよい。
　上記形態によれば、発話文の提示対象のユーザの制御履歴に対応する指示フレーズに基づいて発話文が生成される。従って、そのユーザに対して好適な発話文を提示できる。
　また、別の形態に係る対話装置では、提示部は、発話文を示すテキストをユーザの端末に表示させることとしてもよい。
　上記形態によれば、生成された発話文を示すテキストがユーザの端末において提示されるので、ユーザはその発話文を発することができる。
　また、別の形態に係る対話装置では、提示部は、発話文を示すテキストが関連付けられ指示操作可能な操作オブジェクトをユーザの端末に表示させ、対話装置は、ユーザの端末において操作オブジェクトが操作された場合に、テキストの内容の音声からなるユーザ発話を受け付けた場合と同様のデバイスの制御情報を生成することとしてもよい。
　上記形態によれば、生成された発話文を示すテキストが関連付けられた操作オブジェクトがユーザ端末において表示され、その操作オブジェクトが操作されることにより、当該発話文の内容が音声により発せられた場合と同様の制御情報が生成されるので、ユーザは所望する制御の指示を容易に実施できる。
　また、別の形態に係る対話装置では、設定情報を管理しているシステムから設定情報を取得する設定情報取得部、をさらに備え、デバイス抽出部は、設定情報取得部により取得された設定情報を参照することとしてもよい。
　上記形態によれば、予め取得された設定情報に基づいて発話文が生成されるので、発話文の生成処理の度に設定情報を参照するための通信及び処理の負荷が軽減される。
　以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態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。本実施形態は、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、本実施形態に対して何ら制限的な意味を有するものではない。
　本開示で説明した各態様／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。
　本開示で説明した各態様／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。
　情報等は、上位レイヤ(または下位レイヤ)から下位レイヤ(または上位レイヤ)へ出力され得る。複数のネットワークノードを介して入出力されてもよい。
　入出力された情報等は特定の場所(例えば、メモリ)に保存されてもよいし、管理テーブルで管理してもよい。入出力される情報等は、上書き、更新、または追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：trueまたはfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示で説明した各態様／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。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、同軸ケーブル、光ファイバケーブル、ツイストペア及びデジタル加入者回線（ＤＳＬ）などの有線技術及び／又は赤外線、無線及びマイクロ波などの無線技術を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び／又は無線技術は、伝送媒体の定義内に含まれる。
　本開示で説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　なお、本開示で説明した用語及び／又は本明細書の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
　本開示で使用する「システム」および「ネットワーク」という用語は、互換的に使用される。
　また、本開示で説明した情報、パラメータなどは、絶対値で表されてもよいし、所定の値からの相対値で表されてもよいし、対応する別の情報で表されてもよい。
　本開示で使用する「判断(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。「判断」、「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、search、inquiry)（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「判断」「決定」したとみなす事などを含み得る。また、「判断」、「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「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　本開示で使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示で「第１の」、「第２の」などの呼称を使用した場合においては、その要素へのいかなる参照も、それらの要素の量または順序を全般的に限定するものではない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本明細書で使用され得る。したがって、第１および第２の要素への参照は、２つの要素のみがそこで採用され得ること、または何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　「含む（include）」、「含んでいる（including）」、およびそれらの変形が、本明細書あるいは特許請求の範囲で使用されている限り、これら用語は、用語「備える(comprising)」と同様に、包括的であることが意図される。さらに、本明細書あるいは特許請求の範囲において使用されている用語「または（or）」は、排他的論理和ではないことが意図される。
　本開示において、文脈または技術的に明らかに1つのみしか存在しない装置である場合以外は、複数の装置をも含むものとする。
　本開示の全体において、文脈から明らかに単数を示したものではなければ、複数のものを含むものとする。
　１０…対話装置、１１…位置取得部、１２…時刻取得部、１３…設定情報取得部、１４…デバイス抽出部、１５…フレーズ抽出部、１６…生成部、１７…提示部、１８…発話受付部、１９…制御指示送信部、２０…語彙情報記憶部、３０…外部システム、３１…設定情報記憶部、５０…端末、Ｍ１…記録媒体、ｍ１０…メインモジュール、ｍ１１…位置取得モジュール、ｍ１２…時刻取得モジュール、ｍ１３…設定情報取得モジュール、ｍ１４…デバイス抽出モジュール、ｍ１５…フレーズ抽出モジュール、ｍ１６…生成モジュール、ｍ１７…提示モジュール、ｍ１８…発話受付モジュール、ｍ１９…制御指示送信モジュール、Ｐ１…対話プログラム。

Claims (7)

  1. 　デバイスを制御する制御情報を生成するための、音声またはテキストからなるユーザ発話を受け付ける対話装置であって、
    　ユーザの所在位置を示す位置情報を取得する位置取得部と、
    　各デバイスと所在位置とを関連付けている設定情報を参照して、前記位置取得部により取得された前記位置情報に関連付けられたデバイスを抽出するデバイス抽出部と、
    　各デバイスと、当該デバイスの制御指示を表し少なくとも一以上の語句または文を含む指示フレーズとを関連付けている語彙情報を参照して、前記デバイス抽出部により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出するフレーズ抽出部と、
    　前記フレーズ抽出部により抽出された前記指示フレーズに基づいて、前記デバイスを制御するための発話文を生成する生成部と、
    　前記生成部により生成された前記発話文を前記ユーザに対して提示する提示部と、
    　を備える対話装置。
  2. 　現在時刻を取得する時刻取得部と、
    　時間帯または時刻ごとの前記デバイスの制御履歴に関する履歴情報を参照して、前記時刻取得部により取得された前記現在時刻に対応する時間帯または時刻における前記デバイスの制御履歴を取得する履歴取得部と、を更に備え、
    　前記語彙情報は、前記デバイスごとに、制御内容と前記指示フレーズとを関連付けており、
    　前記フレーズ抽出部は、前記デバイス抽出部により抽出されたデバイス及び前記履歴取得部により取得された制御履歴に示される制御内容に基づいて、前記指示フレーズを抽出する、
    　請求項１に記載の対話装置。
  3. 　前記履歴情報は、ユーザごとの制御履歴を含み、
    　前記フレーズ抽出部は、前記ユーザの制御履歴に基づいて、前記指示フレーズを抽出する、
    　請求項２に記載の対話装置。
  4. 　前記提示部は、前記発話文を示すテキストを前記ユーザの端末に表示させる、
    　請求項１～３のいずれか一項に記載の対話装置。
  5. 　前記提示部は、前記発話文を示すテキストが関連付けられ指示操作可能な操作オブジェクトを前記ユーザの端末に表示させ、
    　前記対話装置は、前記ユーザの端末において前記操作オブジェクトが操作された場合に、前記テキストの内容の音声からなるユーザ発話を受け付けた場合と同様のデバイスの制御情報を生成する、
    　請求項１～４のいずれか一項に記載の対話装置。
  6. 　前記設定情報を管理しているシステムから前記設定情報を取得する設定情報取得部、をさらに備え、
    　前記デバイス抽出部は、前記設定情報取得部により取得された前記設定情報を参照する、
    　請求項１～５のいずれか一項に記載の対話装置。
  7. 　コンピュータを、デバイスを制御する制御情報を生成するための、音声またはテキストからなるユーザ発話を受け付ける対話装置として機能させるための対話プログラムであって、
    　前記コンピュータに、
    　ユーザの所在位置を示す位置情報を取得する位置取得機能と、
    　各デバイスと所在位置とを関連付けている設定情報を参照して、前記位置取得機能により取得された前記位置情報に関連付けられたデバイスを抽出するデバイス抽出機能と、
    　各デバイスと、当該デバイスの制御指示を表し少なくとも一以上の語句または文を含む指示フレーズとを関連付けている語彙情報を参照して、前記デバイス抽出機能により抽出されたデバイスに関連付けられている一以上の指示フレーズを抽出するフレーズ抽出機能と、
    　前記フレーズ抽出機能により抽出された前記指示フレーズに基づいて、前記デバイスを制御するための発話文を生成する生成機能と、
    　前記生成機能により生成された前記発話文を前記ユーザに対して提示する提示機能と、
    　を実現させる対話プログラム。
     
PCT/JP2019/040535 2018-11-05 2019-10-15 対話装置及び対話プログラム WO2020095633A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020556715A JP7429193B2 (ja) 2018-11-05 2019-10-15 対話装置及び対話プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018208251 2018-11-05
JP2018-208251 2018-11-05

Publications (1)

Publication Number Publication Date
WO2020095633A1 true WO2020095633A1 (ja) 2020-05-14

Family

ID=70612390

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/040535 WO2020095633A1 (ja) 2018-11-05 2019-10-15 対話装置及び対話プログラム

Country Status (2)

Country Link
JP (1) JP7429193B2 (ja)
WO (1) WO2020095633A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009109587A (ja) * 2007-10-26 2009-05-21 Panasonic Electric Works Co Ltd 音声認識制御装置
WO2015029379A1 (ja) * 2013-08-29 2015-03-05 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 機器制御方法、表示制御方法及び購入決済方法
JP2018531404A (ja) * 2015-10-05 2018-10-25 サバント システムズ エルエルシーＳａｖａｎｔ Ｓｙｓｔｅｍｓ ＬＬＣ ホームオートメーションシステムの音声制御のための履歴ベースのキーフレーズの提案

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009109587A (ja) * 2007-10-26 2009-05-21 Panasonic Electric Works Co Ltd 音声認識制御装置
WO2015029379A1 (ja) * 2013-08-29 2015-03-05 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 機器制御方法、表示制御方法及び購入決済方法
JP2018531404A (ja) * 2015-10-05 2018-10-25 サバント システムズ エルエルシーＳａｖａｎｔ Ｓｙｓｔｅｍｓ ＬＬＣ ホームオートメーションシステムの音声制御のための履歴ベースのキーフレーズの提案

Also Published As

Publication number Publication date
JP7429193B2 (ja) 2024-02-07
JPWO2020095633A1 (ja) 2021-10-07

Similar Documents

Publication Publication Date Title
KR102245747B1 (ko) 사용자 명령어 등록을 위한 디스플레이 장치 및 방법
US10860289B2 (en) Flexible voice-based information retrieval system for virtual assistant
JP6802364B2 (ja) 対話システム
US9128930B2 (en) Method, device and system for providing language service
JP2019133165A (ja) 対話型サーバ、ディスプレイ装置及びその制御方法
KR20150087687A (ko) 대화형 시스템, 디스플레이 장치 및 그 제어 방법
WO2019225154A1 (ja) 作成文章評価装置
US10952075B2 (en) Electronic apparatus and WiFi connecting method thereof
WO2020105317A1 (ja) 対話装置及び対話プログラム
US20200357405A1 (en) Interactive system
WO2020095633A1 (ja) 対話装置及び対話プログラム
WO2019193796A1 (ja) 対話サーバ
US20200152172A1 (en) Electronic device for recognizing abbreviated content name and control method thereof
JP7043593B2 (ja) 対話サーバ
TW201804459A (zh) 切換輸入模式的方法、行動通訊裝置及電腦可讀取媒體
WO2019220791A1 (ja) 対話装置
US11645477B2 (en) Response sentence creation device
US20180107657A1 (en) Interpretation distributing device, control device, terminal device, interpretation distributing method, control method, information processing method, and program
WO2019235100A1 (ja) 対話装置
JP6745402B2 (ja) 質問推定装置
US11055495B2 (en) Utterance sentence generation system and utterance sentence generation program
JP2021082125A (ja) 対話装置
KR20200042627A (ko) 전자 장치 및 그 제어 방법
WO2020195022A1 (ja) 音声対話システム、モデル生成装置、バージイン発話判定モデル及び音声対話プログラム
KR20210064928A (ko) 전자장치와 그의 제어방법, 및 기록매체

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: 19882441

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020556715

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: 19882441

Country of ref document: EP

Kind code of ref document: A1