WO2021095473A1 - 情報処理装置、情報処理方法及びコンピュータプログラム - Google Patents

情報処理装置、情報処理方法及びコンピュータプログラム Download PDF

Info

Publication number
WO2021095473A1
WO2021095473A1 PCT/JP2020/039623 JP2020039623W WO2021095473A1 WO 2021095473 A1 WO2021095473 A1 WO 2021095473A1 JP 2020039623 W JP2020039623 W JP 2020039623W WO 2021095473 A1 WO2021095473 A1 WO 2021095473A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
operator
answer
behavior
user
Prior art date
Application number
PCT/JP2020/039623
Other languages
English (en)
French (fr)
Inventor
一憲 荒木
範亘 高橋
裕士 瀧本
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to JP2019206459 priority Critical
Priority to JP2019-206459 priority
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Publication of WO2021095473A1 publication Critical patent/WO2021095473A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING; 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; 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING; COUNTING
    • G06Q—DATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce, e.g. shopping or e-commerce
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • 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

Abstract

［課題］対話サービスにおいて効率よくユーザに応答する。 ［解決手段］本開示の一側面の情報処理装置は、ユーザのコンテキスト情報を取得する情報取得部と、前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択し、選択した前記オペレータを前記ユーザに割り当てるオペレータ選択部と、を備える。

Description

情報処理装置、情報処理方法及びコンピュータプログラム
　本開示は、情報処理装置、情報処理方法及びコンピュータプログラムに関する。
　顧客から質問を受けて、オペレータが応答を返す対話サービスにおいて、近年、人的リソースの制約や人的コスト削減の観点から、オペレータとしてＡＩ（Artificial Intelligence）を搭載したエージェント（ＡＩオペレータ）を用いるケースも存在する。
　ＡＩオペレータでは、顧客の質問に満足の行く回答を行うことが難しい場合もある。人間のオペレータが対応すればこの問題は解消するが、オペレータの数や、１人のオペレータで対応できる顧客数にも制約がある。
　特許文献１には、ユーザの現在位置やユーザの状況に合わせて適切な文を検索し、ユーザに提示する技術が開示されている。特許文献２には、定型文を用いて興趣性の高いテキストを作成する技術が開示されている。しかしながら、この技術を用いても、上述の問題は解消できない。
　特許文献
特開２０１６－１７７４２１号公報 特開２０１１－２３２８７１号公報
　本開示は、対話サービスにおいて効率よくユーザに応答することを可能とする情報処理装置、情報処理方法及びコンピュータプログラムを提供する。
　本開示の一側面の情報処理装置は、ユーザのコンテキスト情報を取得する情報取得部と、前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択し、選択した前記オペレータを前記ユーザに割り当てるオペレータ選択部と、を備える。
　前記コンテキスト情報は、前記ユーザの属性情報及び前記ユーザからセンシングした情報の少なくとも一方を含む。
　前記オペレータ選択部は、コンテキスト情報に基づく条件と、オペレータとを対応付けた複数の選択ルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす選択ルールを選択し、
　選択した前記選択ルールに示されるオペレータを選択する。
　前記オペレータ選択部は、前記複数の選択ルールの確信度に基づき、前記選択ルールを選択し、
　前記オペレータの応答に対する前記ユーザの反応情報に基づき、選択した前記選択ルールの前記確信度を更新する選択ルール更新部を備える。
　前記オペレータ選択部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の選択ルールを選択する。
　前記選択ルール更新部は、前記ユーザの反応情報が成立条件を満たすときは、前記確信度を高くし、前記ユーザの反応情報が成立条件を満たさないときは、前記確信度を低くする。
　前記情報処理装置は、前記ユーザのコンテキスト情報に基づき、前記ユーザに対して前記オペレータが行う振る舞いを決定する振る舞い決定部と、
　前記振る舞いで前記ユーザに応答する指示情報を前記オペレータに提供する対話処理部と、を備える。
　　前記振る舞い決定部は、コンテキスト情報に基づく条件と、振る舞いとを対応付けた複数の振る舞いルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす振る舞いルールを選択し、
　選択した前記振る舞いルールに示される振る舞いを前記オペレータが行うことを決定する。
　前記振る舞い決定部は、前記複数の振る舞いルールの確信度に基づき、前記振る舞いルールを選択し、
　前記情報処理装置は、前記振る舞いに対する前記ユーザの反応情報に基づき、選択した前記振る舞いルールの前記確信度を更新する更新部を備える。
　前記振る舞い決定部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の振る舞いルールを選択する。
　前記情報取得部は、前記オペレータに対する質問を含む質問情報を取得し、
　前記質問情報を前記オペレータに提供する情報提供部と、
　前記情報処理装置は、前記質問に対する前記オペレータの回答の要旨情報を前記オペレータから取得する要旨取得部と、
　前記要旨情報と前記質問情報とに基づき、前記ユーザへの回答情報を生成する回答生成部と、を備える。
　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の分類を特定し、特定した分類に応じた回答テンプレートを用いて、前記回答情報を生成する。
　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の確度を特定し、特定した確度に応じた回答テンプレートを用いて、前記回答情報を生成する。
　前記回答生成部は、前記要旨情報に含まれる指示語を検出し、前記指示語が指す対象を前記コンテキスト情報から特定し、特定した前記対象を用いて前記回答情報を生成する。
　前記回答生成部は、前記ユーザと前記オペレータとの対話が行われているタスクを、対話のタスクフローにおいて特定し、特定したタスクに基づいて、前記回答情報を生成する。
　前記回答生成部は、前記オペレータの感情を前記オペレータの振る舞い及び前記要旨情報の少なくとも一方から特定し、特定した前記感情に基づいて前記回答情報を生成する。
　前記回答生成部は、前記ユーザの感情を前記ユーザの振る舞いから特定し、特定した前記感情に基づいて前記回答情報を生成する。
　前記ユーザは複数の人を含み、
　前記回答生成部は、前記複数の人の関係に基づいて、前記回答情報を生成する。
　本開示の一側面の情報処理方法は、ユーザのコンテキスト情報を取得する取得ステップと、前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、を備える。
　本開示の一側面のコンピュータプログラムは、ユーザのコンテキスト情報を取得する取得ステップと、前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、をコンピュータに実行させる。
第１の実施形態に係る情報処理システムの構成例を示すブロック図。 第１の実施形態に係る情報処理装置のブロック図。 選択ルールＤＢの一例を示す図。 オペレータＤＢの一例を示す図。 オペレータＤＢの他の例を示す図。 振る舞いルールＤＢの一例を示す図。 オペレータに表示される画面の例を示す図。 オペレータ選択部の動作の一例のフローチャート。 選択ルール更新部の動作の一例のフローチャート。 振る舞い決定部の動作の一例のフローチャート。 振る舞いルール更新部の動作の一例のフローチャート。 顧客のＵＩ装置に表示される画面の表示例を示す図。 人間オペレータのＵＩ装置の画面の表示例を示す図。 変形例１に係る振る舞いＤＢの一例を示す図。 図２の情報処理装置のハードウェア構成の一例を示す図。 第２の実施形態に係る情報処理装置の対話処理部の詳細ブロック図。 回答用コンテキストＤＢの一例を示す図。 回答テンプレートＤＢの一例を示す図。 オペレータの要旨情報から回答情報が生成されるイメージの例を示す図。 対話処理部の動作の一例のフローチャート。 変形例１に係る対話処理部のブロック図。 タスクフローのデータの一例を示す図。 変形例１においてオペレータの要旨情報から回答情報が生成されるイメージの例を示す図。 オペレータの要旨情報に対して、現状のタスクに基づき回答情報を取得する動作の例を示す図。 変形例２に係る対話処理部のブロック図。 オペレータの感情に基づき回答情報を生成するイメージの例を示す図。 変形例２に係る回答生成部の動作の一例のフローチャート。 変形例３に係る対話処理部のブロック図。 顧客の感情に基づき回答情報を生成するイメージの例を示す図。 変形例３に係る回答生成部の動作の一例のフローチャート。 変形例５に係る対話処理部のブロック図。 未婚カップルの顧客関係に基づき回答情報を生成するイメージの例を示す図。 変形例５に係る回答生成部の動作の一例のフローチャート。 変形例６に係る情報処理装置のブロック図。
　以下、図面を参照して、本開示の実施形態について説明する。本開示において示される１以上の実施形態において、各実施形態が含む要素を互いに組み合わせることができ、かつ、当該組み合わせられた結果物も本開示が示す実施形態の一部をなす。
　（第１の実施形態）
　図１は、本開示の第１の実施形態に係る情報処理システムの構成例を示すブロック図である。図１の情報処理システムは、情報処理装置１０１と、ユーザである顧客用のＵＩ（ユーザインタフェース）装置１１１Ａ、１１１Ｂ、１１１Ｃと、ＡＩ（Artificial Intelligence）オペレータを含むエージェント装置１２１と、オペレータ（人間オペレータ）用のＵＩ装置１３１とを備える。本情報処理システムは、顧客から質問を受けて、オペレータが回答を含む応答を返す対話サービスを行う。図の例では、顧客用のＵＩ装置が３台あるが、数は限定されず、２台以下でも、４台以上でもよい。
　オペレータは顧客の質問に対する応答を行う主体である。オペレータには、人間のオペレータと、機械による応答を行うオペレータとの２種類がある。エージェント装置１２１に搭載されたＡＩオペレータは、機械による応答を行うオペレータの一例に相当する。機械による応答を行うオペレータは人間の介在を伴わずに応答を返すことが可能なオペレータである。機械のオペレータは事前に機械学習により得られたものでもよいし、開発者のプログラミングにより生成したものでもよいし、その他の手法で生成したものでもよい。ＵＩエージェント装置１２１が１台のみ存在するが、複数存在してもよい。また、人間オペレータ用のＵＩ装置１３１が１台のみ存在するが、複数存在してもよい。１台のエージェント装置１２１が複数のＡＩオペレータを備えていてもよい。ＡＩオペレータは、エージェント装置１２１に搭載されたソフトウェア又はプログラム（以下、プログラムに表現を統一する）として実現される。プログラムがＣＰＵ（Central Processing Unit）で実行されることで、ＡＩオペレータの動作が実現される。
　以下の説明において、オペレータと記載するときは、ＡＩオペレータ及び人間オペレータのいずれを示してもよいものとする。また、以下では、顧客用のＵＩ装置１１１Ａ～１１１Ｃの任意の１台をＵＩ装置１１１と記載する。
　本実施形態の対話サービスは、顧客とオペレータとの対話を実現できる限り、どのようなものでもよい。例えば、顧客が不動産の購入を検討している者で、オペレータが顧客の相談による不動産業者に従事する職員、又は不動産業者から委託を受けたコールセンターの職員でもよい。また、顧客が資産運用の有効な方法を検討している者で、オペレータが金融機関、保険会社又は証券会社などに従事する職員、金融機関等から委託を受けたコールセンターの職員でもよい。ここに記載した対話サービスは一例に過ぎず、他のどのようなサービスでもよい。例えばカウンセリング業でもよい。営利目的及び非営利目的も問わない。
　ＵＩ装置１１１は、入力部、出力部、制御部及び通信部を備えた一般的なコンピュータ装置である。入力部は、キーボード、マウス、タッチパネル、マイク、カメラ等のユーザが入力を行うための装置である。出力部は、データ又は画像を表示する表示装置、及びスピーカ等である。表示装置の例は、液晶表示装置、有機ＥＬ表示装置、プラズマ表示装置等を含む。制御部は、ＣＰＵ等のプロセッサである。通信部は、有線又は無線通信用のインタフェース回路である。顧客用のＵＩ装置１１１は、有線又は無線のネットワークを介して情報処理装置１０１に接続されている。
　ＵＩ装置１１１には、ＯＳ（Operating System）、及び本対話サービスを実現するためのアプリケーションプログラムが格納されていてもよい。また、アプリケーションプログラムが情報処理装置１０１にサーバプログラムとして格納され、サーバプログラムの実行により本対話サービスを実現してもよい。この場合、ＵＩ装置１１１はＵＲＬ（Uniform Resource Locator）又はＵＲＩ（Uniform Resource Identifier）等に基づき情報処理装置１０１にアクセスしてもよい。ＵＩ装置１１１は対話サービスを提供する業者の施設内に配置されてもよいし、顧客の自宅に設置されていてもよい。ＵＩ装置１１１の画面には、対話サービス用のメニューが表示されて、顧客が対話サービスを利用できる環境になっていてもよい。
　人間オペレータ用のＵＩ装置１３１は、人間オペレータが顧客からの質問を受けて、顧客に応答する（すなわち対話する）ために用いる装置である。顧客用のＵＩ装置１１１と同様、ＵＩ装置１３１は、入力部、出力部、制御部及び通信部を備えた一般的なコンピュータ装置である。入力部は、キーボード、マウス、タッチパネル、マイク、カメラ等のユーザが入力を行うための装置である。出力部は、データ又は画像を表示する表示装置、及びスピーカ等である。表示装置の例は、液晶表示装置、有機ＥＬ表示装置、プラズマ表示装置等を含む。制御部は、ＣＰＵ等のプロセッサである。通信部は、有線又は無線通信用のインタフェース回路である。ＵＩ装置１３１は、有線又は無線のネットワークを介して情報処理装置１０１に接続されている。
　ＵＩ装置１３１には、ＯＳ、及び本対話サービスを実現するためのアプリケーションプログラムが格納されていてもよい。また、アプリケーションプログラムが情報処理装置１０１にサーバプログラムとして格納され、サーバプログラムの実行により本対話サービスを実現してもよい。この場合、ＵＩ装置１１１はＵＲＬ又はＵＲＩ等に基づき情報処理装置１０１にアクセスしてもよい。ＵＩ装置１３１は対話サービスを提供する業者の施設内に配置されてもよいし、人間オペレータの自宅に設置されていてもよい。
　エージェント装置（ＡＩオペレータ）１２１は、顧客からの質問を受けて、顧客への回答を自動生成し、回答を含む応答を送信する装置である。エージェント装置１２１は、ＡＩオペレータとしての動作を行うためのプログラム（ＡＩプログラム）が格納されている。ＡＩプログラムが、ＣＰＵ等のプロセッサにより実行されることで、ＡＩオペレータとしての動作が実現される。１台のエージェント装置１２１が、複数のＡＩオペレータを並行に実行して、複数の顧客と並行して対話してもよい。１つのＡＩオペレータが複数の顧客と同時に対話してもよい。
　顧客がＵＩ装置１１１で対話サービスを選択及び実行することで、情報処理装置１０１にアクセスする。情報処理装置１０１は顧客のコンテキスト情報とオペレータ選択ルールに基づき、顧客に応答するオペレータを、ＡＩオペレータ及び人間オペレータから選択し、選択したオペレータを顧客に割り当てる。顧客は、割り当てられたオペレータと対話を行う。ＡＩオペレータで対処可能な顧客にはＡＩオペレータを割り当てることで、人間オペレータの負荷を低減し、また人間オペレータのリソース節約できる。
　顧客は、割り当てられたオペレータがＡＩオペレータか人間オペレータかを認識できなくてもよい。例えば、オペレータの応答がＵＩ装置１１１の画面にテキストとして表示される場合や、ＵＩ装置１１１の画面にオペレータのアバターが表示される場合などがこれに相当する。ただし、ユーザにＡＩオペレータ及び人間オペレータのいずれを割り当てたかを示す情報を、ＵＩ装置１１１を介して顧客に通知するようにすることも可能である。また人間オペレータの映像をＵＩ装置１１１に表示することも可能である。
　情報処理装置１０１は、顧客にオペレータを割り当てた後、顧客の反応情報を検出し、顧客がオペレータの割当に満足したかを判断する。判断の結果に応じて、オペレータ選択ルールを更新する。これにより顧客の満足度を高めるように、オペレータ選択の精度を上げることができる。
　以下、情報処理装置１０１についてさらに詳細に説明する。
　図２は、情報処理装置１０１のブロック図である。情報処理装置１０１は、通信部１１、通信部１２、情報取得部１３、オペレータ選択部１４、選択ルールデータベース（ＤＢ）１５、選択ルール更新部１６、オペレータＤＢ１７、対話処理部１８、振る舞い決定部２１、振る舞いルールＤＢ２２、及び振る舞いルール更新部２４を備えている。要素１１～１４、１６、１８、２１、２４は、ハードウェア、ソフトウェア又はこれらの組み合わせにより構成される。ハードウェアは、一例としてＣＰＵ等のプロセッサ又は専用の回路を含む。ＤＢ１５、１７、２２は、メモリ装置又はハードディスク装置等の記憶装置により構成される。ＤＢ１５、２２は、情報処理装置１０１の外付け装置、あるいは有線又はネットワーク上のデータベースサーバとして設けられてもよい。時刻を計数する時計が情報処理装置１０１に設けられていてもよい。
　通信部１１は、有線又は無線のネットワークを介して、顧客用のＵＩ装置１１１と通信する通信インタフェースである。通信部１２は、有線又は無線のネットワークを介して、人間オペレータ用のＵＩ装置１１１及びエージェント装置１２１（ＡＩオペレータ）と通信する通信インタフェースである。通信部１１、１２の通信の方式は、無線ＬＡＮなど一般的なプロトコルでもよいし、専用のプロトコルを定義して用いてもよい。通信部１１、１２は物理的に別々の装置でもよいし、物理的に同じ装置であってもよい。
　情報取得部１３は、顧客のコンテキスト情報を取得する。顧客のコンテキスト情報は、一例として、顧客の属性（性別、名前、年齢、生年月日、職業、容姿、収入、金融資産額、住所等）を含む。顧客のコンテキスト情報は、顧客がＵＩ装置１１１を用いて入力してもよいし、顧客のコンテキスト情報を格納した顧客データベースを情報処理装置１０１に設け、顧客の氏名・会員番号等に基づき顧客データベースから読み出してもよい。
　また、コンテキスト情報は、顧客からセンシングした情報でもよい。センシング情報は、例えば、画像（顔の画像、その他の部分の画像）又は音声等を含む。画像は、ＵＩ装置１１１に設けられたカメラで撮影したものでもよいし、事前に撮影して図示しない顧客データベースに保存しておいたものでもよい。画像の撮影又は音声の取得は、対話が始まる前のものでもよいし、対話が始まった後に顧客から撮影又は採音したものでもよい。また、コンテキスト情報は、対話開始後に取得される任意の情報でもよい。例えば対話の継続時間でもよい。
　また、情報取得部１３は、顧客からの質問を含む情報である質問情報を取得する。質問は、必ずしも疑問形である必要はなく、オペレータの応答につながるものであれば、内容は問わない。例えば顧客の独り言であっても、それに対してオペレータが応答するのであれば、それも本実施形態の質問に相当する。顧客の質問は、マイクを用いて音声によって行ってもよいし、カメラを用いて映像により行ってもよい。あるいは、タッチパネル・キーボード・マウス等を用いてテキスト入力により行ってもよい。あるいは、画面のメニューから選択することで行ってもよい。ここに記載した方法を組み合わせてもよい。質問情報がコンテキスト情報の一部であってもよい。
　その他、情報取得部１３は、ＵＩ装置１１１に顧客が入力する任意の情報（画像、音声、テキスト等）を取得してもよい。
　オペレータ選択部１４は、情報取得部１３で取得されたコンテキスト情報と、選択ルールＤＢ１５とに基づき、顧客に応答するオペレータを、ＡＩオペレータ及び人間オペレータのいずれにするかを決定する。ＡＩオペレータを選択した場合、オペレータＤＢ１７に基づき、１つ以上のＡＩオペレータの中から割当可能なＡＩオペレータを選択し、選択したＡＩオペレータを顧客に割り当てる。人間オペレータを選択した場合、オペレータＤＢ１７に基づき、１人以上の人間オペレータの中から割当可能な人間オペレータを選択し、選択した人間オペレータを顧客に割り当てる。
　選択ルールＤＢ１５は、コンテキスト情報に基づく条件と、オペレータとを対応付けた複数の選択ルールを含む。また選択ルールデータベース１５は、各選択ルールに対する成立条件と、各選択ルールの確信度（信頼度）とを含む。
　図３は、選択ルールＤＢ１５の一例を示す。“ＩＦ”はコンテキスト情報に基づく条件であり、“ＴＨＥＮ”が、選択するオペレータを表す。例えば、ＩＦがユーザ年齢＞＝６０、ＴＨＥＮがオペレータ＝人である選択ルールは、顧客の年齢が６０歳以上である場合は、人間オペレータを選択することを表す。ＩＦがユーザ職種＝エンジニア、ＴＨＥＮがオペレータ＝ＡＩである選択ルールは、顧客の職種がエンジニアである場合は、ＡＩオペレータを選択することを表す。図３の選択ルールは一例であり、選択ルールの形式は図３に限定されない。コンテキスト情報に基づく条件とオペレータとを対応づけた情報であれば、ルール形式以外のものを選択ルールに代えて用いることも可能である。例えば、コンテキスト情報を入力変数とし、人間オペレータ又はＡＩオペレータの情報を出力変数とする関数を用いてもよい。
　成立条件は、選択ルールにより選択したオペレータが正しかったかどうかを判断するための条件である。例えば、１番目の選択ルールにおける“対話開始から５秒以内に顧客からネガティブ感情が検出されないこと”は、顧客に割り当てたオペレータとの対話が始まってから５秒以内にネガティブな感情が顧客から検出されなかったことを意味する。この条件が満たされる場合、人間オペレータを選択したことは正しかった又は正しかった可能性が高い。一方、この条件が満たされない場合、すなわち、顧客に割り当てたオペレータ（本例では人間オペレータ）との対話が始まってから５秒以内にネガティブな感情が顧客から検出された場合は、人間オペレータを選択したことは誤りであった又は誤りであった可能性が高い。顧客にネガティブな感情があるか否かは、顧客の顔画像を取得し、顔画像を感情解析することで判断してもよいし、顧客の音声を感情分析することで判断してもよい。あるいは、顧客の発話をテキストに変換し、テキストを感情分析することで判断してもよい。
　確信度は選択ルールの成立条件が満たされた回数（成立回数）を、選択ルールを選択した回数（総試行回数）で除算することで計算される。図の例では、１番目の選択ルールの総試行回数が９０で、成立条件が満たされた回数が９のため、確信度は９／９０＝０．１である。
　“ＩＦ”、“ＴＨＥＮ”及び成立条件は、情報処理装置１０１の管理者、操作者又は開発者等が定義してもよい。または、“ＩＦ”、“ＴＨＥＮ”を自動で生成してもよい。例えば、顧客の属性毎に取り得る値を事前に定義しておき、これらの値の全組み合わせにより“ＩＦ”を生成する。そして、生成した“ＩＦ”ごとに、人間オペレータ又はＡＩオペレータを成立条件（ＴＨＥＮ）として組み合わせる。
　具体例として、顧客の年齢として、予め管理者等が、｛０－１９，２０－３９，４０－５９｝を定義する。性別として、｛男、女、その他｝を定義する。また、オペレータとして｛人、ＡＩ｝を定義する。この場合、ＩＦ－ＴＨＥＮの組み合わせは、３×３×２＝１８通りとなる。
　オペレータ選択部１４は、確信度が一定値以上の選択ルールのみを選択対象としてもよい。この場合、条件（ＩＦ）が満たされる選択ルールであっても、確信度が一定値未満であれば、その選択ルールは選択しない。
　オペレータ選択部１４は、コンテキスト情報に基づき選択ルールＤＢ１５内の各選択ルールの条件（ＩＦ）が満たされるかを判断し、条件が満たされる選択ルールに示されるオペレータを決定する。いずれの条件も満たされない場合は、ＡＩオペレータ及び人間オペレータのうち予め定めたオペレータを決定してもよい。あるいは、ランダムにオペレータを決定してもよい。
　オペレータＤＢ１７は、顧客への割当対象となるＡＩオペレータと人間オペレータに関する情報を格納している。
　図４は、オペレータＤＢ１７の一例を示す。オペレータ種別、ＩＤ、アドレス、及び割当フラグが格納されている。オペレータ種別はＡＩとＨＵを含む。ＡＩはＡＩオペレータ、ＨＵは人間オペレータを表す。ＩＤは、ＡＩオペレータ及び人間オペレータの識別子である。アドレスは人間オペレータのＵＩ装置１３１の所在箇所及びＡＩオペレータが搭載されたエージェント装置の所在箇所を示す。割当フラグは、オペレータが割当済みかを示す。“１”はオペレータが割当て済みであり、“０”はオペレータが割り当てられていないことを表す。
　オペレータ選択部１４は、人間オペレータを決定した場合、オペレータＤＢ１７において割当フラグが０の人間オペレータを選択する。選択した人間オペレータを顧客に割り当てる。そして、割当フラグを１に更新する。オペレータ選択部１４は、ＡＩオペレータを決定した場合、オペレータＤＢ１７において割当フラグが０のＡＩオペレータを選択する。選択したＡＩオペレータを顧客に割り当てる。そして、ＡＩフラグを１に更新する。
　オペレータ選択部１４は、顧客の情報（又は顧客のＵＩ装置１１１の情報）と、選択したオペレータの情報とを対話処理部１８に提供する。
　図４の例では、１つのＡＩオペレータが一人の顧客に対応し、１人の人間オペレータが一人の顧客に対応する場合を想定した。１つのＡＩオペレータが複数の顧客に同時に対応可能な場合は、１つのＡＩオペレータで対応可能な顧客数の上限値を設けし、上限値に達していないＡＩオペレータを選択してもよい。同様に、１人の人間オペレータが複数の顧客に同時に対応可能な場合は、１人で対応可能な顧客数の上限値を設け、上限値に達していない人間オペレータを選択してもよい。この場合、オペレータＤＢ１７に、同時に対応可能な顧客数の上限値の列と、割当済みの顧客数の列を設けてもよい。割当フラグの列は除去してもよい。
　図５に、上限値の列と、割当済みの顧客数の列とを追加したオペレータＤＢ１７の例を示す。オペレータ選択部１４は、顧客を割り当てるごとに、割当済み顧客数を１増加させる。割当済みの顧客数が上限値に達していないオペレータ（ＡＩオペレータ又は人間オペレータ）を選択する。
　対話処理部１８は、顧客のＵＩ装置１１１と、選択されたオペレータとを接続し、対話可能な状態に設定する。例えば人間オペレータが選択された場合、顧客のＵＩ装置１１１をＵＩ装置１３１に接続する。ＡＩオペレータが選択された場合、顧客のＵＩ装置１１１をエージェント装置１２１のＡＩオペレータに接続する。
　対話処理部１８は、顧客からの質問情報を取得し、選択したオペレータに提供する。すなわち、選択したオペレータがＡＩオペレータの場合は、質問情報をＡＩオペレータに提供し、選択したオペレータが人間オペレータの場合、質問情報をＵＩ装置１３１に提供する。また対話処理部１８は、オペレータからの回答を含む情報である応答情報（又は回答情報）を取得し、応答情報を顧客のＵＩ装置１１１に提供する。すなわち、オペレータがＡＩオペレータの場合、ＡＩオペレータから応答情報を顧客のＵＩ装置１１１に提供し、人間オペレータの場合、ＵＩ装置１３１からの応答情報を顧客のＵＩ装置１１１に提供する。なお、顧客から取得した情報が、質問情報かは任意の方法で判断すればよい。例えば、対話開始後に顧客から入力される情報は、質問情報としてもよい。あるいは、顧客から取得した情報を解析して、質問を含むかを判断してもよい。あるいは、顧客が画面の質問ボタンを押し、その後に入力する情報は質問情報であるとしてもよい。
　選択ルール更新部１６は、顧客にオペレータを割り当てた後（すなわち対話開始後）、適用した選択ルールに対応する成立条件が満たされるかを判断する。この判断のために、情報取得部１３により取得されるコンテキスト情報を用いる。質問情報をさらに用いてもよい。
　成立条件が満たされる場合、総試行回数を１増加させ、成立回数を１増加させ、成立回数を総試行回数で除算することで、確信度を更新する。図３の１番目の選択ルールの場合、総試行回数を９０＋１＝９１とし、成功回数を９＋１＝１０とし、１０／９１により確信度を更新する。この結果、確信度は高くなる。
　一方、成立条件が満たされない場合、総試行回数を１増加させ、現在の成立回数を、増加後の総試行回数で除算することで、確信度を更新する。図３の１番目の選択ルールの場合、総試行回数を９０＋１＝９１とし、９／９１により確信度を更新する。この結果、確信度は低くなる。
　オペレータ選択部１４は、顧客とオペレータとの対話が終了したら、顧客とオペレータとの接続を切断する。対話が終了したか否かは、オペレータからの通知（ＡＩオペレータからの通知又はＵＩ装置１３１からの通知）により判断してもよいし、顧客のＵＩ装置１１１からの通知により判断してもよい。あるいは、顧客とオペレータ間の情報の送受信が一定時間以上行われていない場合は、自動的に対話が終了したと判断して、接続を切断してもよい。
　振る舞い決定部２１は、顧客のコンテキスト情報と、振る舞いルールデータベース２２とに基づき、オペレータ選択部１４により選択したオペレータに顧客に対してどのような振る舞いをさせるかを決定する。すなわち、振る舞い決定部２１は、オペレータによる顧客に対する振る舞いを決定する。
　振る舞いルールＤＢ２２は、コンテキスト情報に基づく条件と、オペレータの振る舞いとを対応付けた複数の振る舞いルール（対話応答ルール、第２ルール）を含む。また振る舞いルールＤＢ２２は、各振る舞いルールに対する成立条件と、各振る舞いルールの確信度（信頼度）とを含む。振る舞いルールの条件は、コンテキスト情報のみでなく、質問情報に基づく条件であってもよい。
　図６は、振る舞いルールＤＢ２２の一例を示す。“ＩＦ”はコンテキスト情報に基づく条件であり、“ＴＨＥＮ”が、顧客に対して行うべき振る舞いを表す。例えば、ＩＦが表情＝ポジティブであり、ＴＨＥＮが表現＝フランクである振る舞いルールは、顧客の表情がポジティブであれば、オペレータの振る舞いをフランクにすることを表す。図６の振る舞いルールは一例であり、振る舞いルールの形式は図６に限定されない。コンテキスト情報に基づく条件とオペレータの振る舞いとを対応づけた情報であれば、ルール形式以外のものを振る舞いルールに代えて用いることも可能である。例えば、コンテキスト情報を入力変数とし、オペレータが行うべき振る舞いの情報を出力変数とする関数を用いてもよい。
　成立条件は、振る舞いルールに示される振る舞いが正しかったかどうかを判断するための条件である。例えば、１番目の選択ルールにおける“対話開始から１０秒以内に笑顔が検出されること”は、オペレータが顧客の質問に対して応答を開始してから１０秒以内に笑顔が検出されたことを意味する。この条件が成立する場合、オペレータの振る舞いは正しかった又は正しかった可能性が高い。一方、この条件が成立しなかった場合、すなわち、オペレータが顧客の質問に対して応答を開始してから１０秒以内に笑顔が検出されなかった場合は、オペレータの振る舞いは誤りであった又は誤りであった可能性が高い。顧客の表情がポジティブか否かは、顧客の顔画像を取得し、顔画像を感情解析することで判断してもよいし、顧客の音声を感情分析することで判断してもよい。あるいは、顧客の発話をテキストに変換し、テキストを感情分析することで判断してもよい。
　確信度は振る舞いルールの成立条件が満たされた回数（成立回数）を、振る舞いルールを選択した回数（総試行回数）で除算することで計算される。図の例では、１番目の振る舞いルールの総試行回数が３０で、成立条件が満たされた回数が２８のため、確信度は２８／３０＝０．９３３である。
　振る舞い決定部２１は、確信度が一定値以上の振る舞いルールのみを選択対象としてもよい。この場合、条件（ＩＦ）が満たされる振る舞いルールであっても、確信度が一定値未満であれば、その振る舞いルールは選択しない。
　振る舞い決定部２１は、コンテキスト情報及び質問情報の少なくとも一方に基づき、振る舞いルールＤＢ２２内の各振る舞いルールの条件（ＩＦ）が満たされるかを判断する。そして、条件が満たされる振る舞いルールを特定し、特定した振る舞いルールに示される振る舞いを選択する。いずれの条件も満たされない場合は、予め定めた振る舞いを選択してもよい。あるいは、ランダムに振る舞いを複数の候補の中から選択してもよい。
　振る舞い決定部２１は、決定した振る舞いで顧客に応答することを指示する指示情報を生成し、指示情報を対話処理部１８に提供する。対話処理部１８は、指示情報をオペレータに提供する。オペレータは、指示情報で指示される振る舞いで、顧客に応答（例えば顧客の質問に回答）する。
　例えば、オペレータが人間オペレータの場合、ＵＩ装置１３１の画面に指示情報が表示され、オペレータは、表示された指示に従って、振る舞いを実際に行う（演技する）。例えば指示情報で指示された振る舞いが“フランク”の場合、フランクな口調又は表情で応答する。応答はテキスト、音声、映像又はこれらの任意の組み合わせにより行われる。ＵＩ装置１１１の画面に人間オペレータのアバターが表示される場合、人間オペレータの表情・身振り・手振りなどをアバターに反映させてもよい。オペレータの音声をそのまま、もしくはテキスト変換して、顧客に伝えてもよい。その場合は、オペレータの振る舞いを顧客に直接伝えることができる。なおＵＩ装置１３１には、顧客の映像が表示されていてもよい。この場合、オペレータは顧客の様子を知ることができる。
　図７は、オペレータに対して表示される画面の例を示す。ＵＩ装置１３１の画面に「顧客が笑顔なので、フランクに接してみてください」と表示されている。“笑顔”が振る舞いルールの条件（ＩＦ）に対応し、“フランク”が、振る舞いルールの振る舞い（ＴＨＥＮ）に対応する。
　オペレータがＡＩオペレータの場合も、基本的に人間オペレータの場合と同様である。例えばＡＩオペレータの場合、予め用意された複数の表現パターンからフランクの表現パターンを選択して応答してもよい。具体的に、表現パターンとして、フランクなテキスト又はフランクな音声の音源を用意しておいてもよい。
　図８は、オペレータ選択部１４の動作の一例のフローチャートである。
　情報取得部１３を介して顧客のコンテキスト情報を取得する。例えば年齢、性別、各種センサ情報（顧客の顔画像、音声）を取得する（Ｓ１０１）。
　コンテキスト情報が、選択ルールＤＢ１５における各選択ルールの条件（ＩＦ）を満たすかを判断する（Ｓ１０２）。条件が満たされる選択ルールが存在する場合は（Ｓ１０２のＹＥＳ）、当該選択ルールの総試行回数が所定値以上かを判断する（Ｓ１０３）。所定値未満の場合（Ｓ１０３のＮＯ）、ステップＳ１０６に進む。総試行回数が所定値未満の場合は、学習モードに対応する。
　総試行回数が所定値以上の場合（Ｓ１０３のＹＥＳ）、選択ルールの確信度が閾値以上かを判断する（Ｓ１０４）。閾値以上の場合は（Ｓ１０４のＹＥＳ）、ステップＳ１０５に進む。
　ステップＳ１０５では、当該選択ルールが示すオペレータ（ＴＨＥＮ）に基づき、人間オペレータ又はＡＩオペレータを決定する（Ｓ１０５）。人間オペレータを決定した場合、オペレータＤＢ１７から割当可能な人間オペレータを選択し、選択した人間オペレータを顧客に割り当てる（同Ｓ１０５）。ＡＩオペレータを決定した場合、オペレータＤＢ１７から割当可能なＡＩオペレータを選択し、選択したＡＩオペレータを顧客に割り当てる（同Ｓ１０５）。顧客の情報と、割り当てたオペレータの情報とを対話処理部１８に提供する。
　条件が満たされる選択ルールが存在しない場合（Ｓ１０２のＮＯ）、総試行回数が所定値未満の場合（Ｓ１０３のＮＯ）、もしくは選択ルールの確信度が閾値未満の場合は（Ｓ１０４のＮＯ）、予め定めた方法でオペレータをＡＩオペレータか人間オペレータかに決定する（Ｓ１０６）。人間オペレータを決定した場合、オペレータＤＢ１７から割当可能な人間オペレータを選択し、選択した人間オペレータを顧客に割り当てる（同Ｓ１０６）。ＡＩオペレータを決定した場合、オペレータＤＢ１７から割当可能なＡＩオペレータを選択し、選択したＡＩオペレータを顧客に割り当てる（同Ｓ１０６）。顧客の情報と、割り当てたオペレータの情報とを対話処理部１８に提供する。
　図９は、選択ルール更新部１６の動作の一例のフローチャートである。
　対話開始後、顧客のＵＩ装置１１１から、情報取得部１３を介してコンテキスト情報を取得する（Ｓ１１１）。取得したコンテキスト情報に基づき、オペレータ選択部１４で適用された選択ルールの成立条件が満たされるかを判断する（Ｓ１１２）。
　成立条件が満たされる場合は（Ｓ１１２のＹＥＳ）、確信度の値が大きくなるように、選択ルールの確信度を更新する（Ｓ１１３）。例えば総試行回数を１増加させ、成立条件の成立回数を１増加させ、成立回数を総試行回数で除算する。計算された値を、更新後の確信度とする。
　成立条件が満たされない場合は（Ｓ１１２のＮＯ）、確信度の値が低くなるように、選択ルールの確信度を更新する（Ｓ１１４）。例えば総試行回数を１増加させ、前回までの成立回数を総試行回数で除算する。計算された値を、更新後の確信度とする。
　選択ルール更新部１６の処理は、顧客とオペレータとの対話が終わった後に行ってもよいし、対話が行われている間に行ってもよい。選択ルール更新部１６の処理（確信度の更新）を、図８のステップＳ１０３で総試行回数が所定値未満と判断された場合のみ、つまり、学習モードの間のみ行ってもよい。
　図１０は、振る舞い決定部２１の動作の一例のフローチャートである。
　情報取得部１３を介して顧客のコンテキスト情報を取得する（Ｓ２０１）。コンテキスト情報は、例えば年齢、性別、各種センサ情報（顧客の顔画像、音声など）を含む。また、顧客の質問情報をさらに取得してもよい。質問情報は、例えば顧客の質問のテキスト又は音声を含む。
　コンテキスト情報が、振る舞いルールＤＢ２２における各振る舞いルールの条件（ＩＦ）を満たすかを判断する（Ｓ２０２）。条件が満たされる振る舞いルールが存在する場合は（Ｓ２０２のＹＥＳ）、当該振る舞いルールの総試行回数が所定値以上かを判断する（Ｓ２０３）。所定値未満の場合（Ｓ２０３のＮＯ）、ステップＳ２０６に進む。総試行回数が所定値未満の場合は、学習モードに対応する。
　総試行回数が所定値以上の場合（Ｓ２０３のＹＥＳ）、振る舞いルールの確信度が閾値以上かを判断する（Ｓ２０４）。閾値以上の場合は（Ｓ２０４のＹＥＳ）、ステップＳ２０５に進む。
　ステップＳ２０５では、当該振る舞いルールが示すオペレータ（ＴＨＥＮ）に基づき、人間オペレータ又はＡＩオペレータを決定する（Ｓ２０５）。決定した振る舞いで顧客に応答することを指示する指示情報を、対話処理部１８を介して、オペレータに提供する。
　条件が満たされる振る舞いルールが存在しない場合（Ｓ２０２のＮＯ）、総試行回数が所定値未満の場合（Ｓ２０３のＮＯ）、もしくは振る舞いルールの確信度が閾値未満の場合は（Ｓ２０４のＮＯ）、予め定めた方法で振る舞いを決定する（Ｓ２０６）。決定した振る舞いで顧客に応答することを指示する指示情報を、対話処理部１８を介して、オペレータに提供する。
　図１１は、振る舞いルール更新部２４の動作の一例のフローチャートである。
　オペレータに指示情報を提供した後、顧客のＵＩ装置１１１から、情報取得部１３を介して顧客のコンテキスト情報を取得する（Ｓ２１１）。取得したコンテキスト情報に基づき、振る舞い決定部２１で適用された振る舞いルールに示される成立条件が満たされるかを判断する（Ｓ２１２）。
　成立条件が満たされる場合は（Ｓ２１２のＹＥＳ）、確信度の値が大きくなるように、振る舞いルールの確信度を更新する（Ｓ２１３）。例えば総試行回数を１増加させ、成立条件の成立回数を１増加させ、成立回数を総試行回数で除算する。計算された値を、更新後の確信度とする。
　成立条件が満たされない場合は（Ｓ２１２のＮＯ）、確信度の値が低くなるように、振る舞いルールの確信度を更新する（Ｓ２１４）。例えば総試行回数を１増加させ、前回までの成立回数を総試行回数で除算する。計算された値を、更新後の確信度とする。
　振る舞いルール更新部２４の処理は、顧客とオペレータとの対話が終わった後に行ってもよいし、対話が行われている間に行ってもよい。振る舞いルール更新部２４の処理（確信度の更新）を、図１１のステップＳ２０３で総試行回数が所定値未満と判断された場合のみ、つまり、学習モードの間のみ、行ってもよい。
　図１２は、顧客（ユーザ）のＵＩ装置１１１に表示される画面の表示例を示す。
　顧客８２が、ＵＩ装置１１１の画面を見ている。相談メニュー８４と、オペレータ（人間オペレータ又はＡＩオペレータ）のアバター８３が表示されている。相談メニュー８４には不動産に関する複数の相談項目が選択可能に表示されている。ＵＩ装置１１１の表示部はタッチパネルになっており、顧客８２は相談メニュー８４から、相談したい項目を選択する。ＵＩ装置１１１は音声入力が可能となっており、音声入力ボタン８１を押下すると、音声入力が可能になる。顧客８２がいずれかの相談項目を選択し、相談に必要な情報（例えば顧客の属性情報など）を入力すると、前述した本実施形態の動作により、オペレータが選択され、選択されたオペレータが顧客８２に割り当てられる。顧客８２は、テキスト、音声、画像又はこれらの組み合わせにより、割り当てられたオペレータと対話する。アバター８３はオペレータの振る舞いに応じて動いてもよい。例えばオペレータが手を動かすと、これに合わせてアバター８３の手が動いてもよい。オペレータがフランクな振る舞いを行った場合又はフランクな振る舞いを行うことが決定された場合に、アバター８３の表情を笑顔にしてもよい。人間オペレータの場合、アバター８３の代わりに、オペレータの映像を表示してもよい。図１２の表示例は一例であり、画面の表示は図１２に限定されない。
　図１３は、人間オペレータのＵＩ装置１３１の画面の表示例を示す。人間のオペレータ８７が、ＵＩ装置１３１の画面を見ながら、複数の顧客Ａ、Ｂ、Ｃ、Ｄに同時に対話している。画面の左側には、顧客Ａ～Ｄの相談事項、属性（氏名、年齢）、対話開始からの経過時間、及び顧客Ａ～Ｄの映像などが表示されている。顧客Ａ～Ｄの映像は、顧客のＵＩ装置１１１でリアルタイムに撮影されたものである。顧客Ａ～Ｄの映像の代わりに、顧客Ａ～Ｄの静止画像を用いてもよい。オペレータ８７は対話をアクティブにする顧客を選択する。選択は、画面タッチ、音声入力、あるいはその他の手段で行う。図では顧客Ｂが選択されている。顧客Ｂのフレームの左端には、顧客Ｂが選択されていることを示すマーク９０が表示されている。画面の右側には、アクティブにされている顧客Ｂとの対話の履歴が表示されている。図の例では、顧客が質問８８を行っており、これに対して、オペレータ８７が回答８９を行っている状況が示される。オペレータ８７は、テキスト、音声、画像又はこれらの組み合わせにより、回答の入力を行う。オペレータ８７は、別の顧客に対話を切り替える場合は、画面タッチ等で、対話をアクティブにする別の顧客を選択する。別の顧客をアクティブにすると、画面の右側には、アクティブにした顧客との前回までの対話の履歴が表示される。オペレータ８７は、前回までの対話の履歴を参照しつつ、アクティブにした顧客との対話を継続する。図１３の表示例は一例であり、画面の表示は図１３に限定されない。
　以上、本実施形態によれば、顧客のコンテキスト情報を用いてＡＩオペレータと人間オペレータのいずれかを決定し、決定したオペレータを顧客に割り当てる。これにより、対話サービスにおいて効率よく多数のユーザに応答することができる。例えば、ＡＩオペレータで適切に応答なケースではＡＩオペレータを割り当てることで、人間オペレータの負荷を低減できる。また、多数の顧客と同時に対話しなければならない要求にも応じることができる。
　また、候補となる複数のルール（複数の選択ルール、複数の振る舞いルール）を作成しておき、確信度の高いルールを用いるようにすることで、オペレータを選択するルール及び振る舞いを決定するルールの学習速度を速めて、効率的に学習の精度を高めることができる。
　（変形例１）
　振る舞いルールの条件（ＩＦ）をコンテキスト情報が満たさない場合に、条件に含まれる複数の項目のうちの一部にマッチするかを判断する。マッチする項目数に応じて、適用する振る舞いルールを決定する。選択ルールについても同様に、条件に含まれる複数の項目のうち、マッチする項目数に応じて、適用する選択ルールを決定してもよい。以下、具体例を示す。
　図１４は、変形例１に係る振る舞いＤＢ２２の一例を示す。２つの振る舞いルールの例が示されている。１番目の振る舞いルールの条件は、“年齢＞＝６０”及び“性別＝男”の２つの項目を含む。２番目の振る舞いルールの条件は、“年齢＜６０”及び“性別＝男”の２つの項目を含む。
　顧客のコンテキスト情報から、年齢＝７０及び性別＝女が取得されたとする。この場合、２つの振る舞いルールの条件をいずれも満たさない。この場合、各ルールに含まれる複数の項目のうち何個の項目がコンテキスト情報にマッチするかを判断する。１番目の振る舞いルールでは、“年齢＞＝６０”がマッチするが、“性別＝男”はマッチしない。よってマッチする項目数は１である。一方、２番目の振る舞いルールでは、“年齢＞＝６０”及び“性別＝男”のいずれにもマッチしない。よってマッチする項目数は０である。よって、マッチする項目数が多い１番目の振る舞いルールを選択する。マッチする項目数が同じ振る舞いルールが複数存在するときは、ランダムに１つの振る舞いルールを選択するなど、任意の方法で１つの振る舞いルールを選択すればよい。
　振る舞いルールの確信度を更新する場合、マッチする項目数に応じた重み付けを行う。例えば１番目の振る舞いルールにおいて、成立条件が満たされる場合、第１の実施形態であれば、総試行回数を１増加して３１、成立回数を１増加して１１とし、１１／３１（＝０．３５５）により確信度を更新した。これに対して、本変形例では、成立回数を１増やすのではなく、条件に含まれる複数の項目数に対するマッチする個数の比だけ増やす。本例では、１番目の振る舞いルールに２つの項目が含まれ、そのうちの１つの項目がマッチするため、１／２（＝０．５）だけ成功回数を増やす。したがって、１０．５／３１（＝０．３９９）により確信度を更新する。
　このようにマッチする項目数に応じて確信度を更新することで、確信度が過度に反映されることを防止できる。
　（変形例２）
　あるドメインで作成した選択ルール及び振る舞いルールを、他のドメインに転用してもよい。例えば、銀行窓口における選択ルール及び振る舞いルールを、保険窓口に適用してもよい。他のドメインとして、あるドメインに類似しているドメインのみを転用の対象としてもよい。ドメイン間が類似しているかを判断するために、ドメイン間の類似度を定義する。類似度が閾値以上であれば、両ドメインは類似していると判断し、閾値未満であれば、両ドメインは類似していないと判断する。
　類似度の計算方法の一例を示す。あるドメイン（ドメインＡとする）において、オペレータの発話文のテキスト、顧客の発話文、又はこれらの両方のテキストを多数記録しておく。記録しておいた発話文のテキストを形態素解析することにより、複数の形態素に分割する。複数の形態素の中からドメインの特徴を表す形態素を抽出し、抽出した形態素を含むベクトルを生成する。例えば名詞の形態素の中で、ドメインの特徴を表す形態素を抽出する。ドメインの特徴を表す用語を含むリストを用意しておき、リストに存在する用語を、ドメインの特徴を表す用語と判断してもよい。あるいは、一般的な用語のリストを用意しておき、リストに存在しない用語をドメインの特徴を表す用語と判断してもよい。
　他のドメイン（ドメインＢとする）でも、同様の操作を行って、複数のベクトルを生成する。
　ドメインＡ及びドメインＢでそれぞれ１つのベクトルを選択して、選択したベクトル同士の類似度を計算する。類似度の具体例として、コサイン類似度がある。但し、これに限定するものではない。両ドメイン間で全てのベクトルのペアを生成してもよいし、ランダムに所定数のベクトルペアを生成してもよい。計算した類似度の平均又は中央値などを計算する。平均値が閾値委以上であれば、両ドメインは類似すると判断し、ドメインＡの選択ルール及び振る舞いルールをドメインＢに転用することを決定する。これによりドメインＢのために新たに選択ルール及び振る舞いルールを生成したり、学習したりする作業を省略できる。
　他のドメインに選択ルール及び振る舞いルールを転用するために、十分に学習が進んだ場合のみ、転用の対象としてもよい。例えば、全選択ルールのうち試行回数がＮ回以上の選択ルールが半分以上存在する場合、十分に学習が進んだと判断する。
　本変形例の動作を行うための処理部、記憶部、入力部及び表示部等を情報処理装置１０１に追加してもよい。あるいは、本変形例の動作を行うための処理部、記憶部、入力部及び表示部を備えた装置を新たに構成してもよい。処理部は、ＣＰＵ等のプロセッサ、プログラム又はこれらの両方により構成される。記憶部は一例として、メモリ装置又はハードウェア装置などにより構成される。入力部は一例としてキーボード、マウス、タッチパネル等である。表示部は、液晶表示装置等の表示装置である。処理部では、前述したような形態素解析、ベクトルの生成、ベクトル同士の類似度の計算、類似度の平均の計算、平均値と閾値との比較、比較結果に基づく転用の可否の判断等の処理を行う。記憶部には、オペレータの発話文のテキスト、顧客の発話文、又はこれらの両方のテキストを多数格納しておく。記憶部は、処理部が作業を行うための一時的な作業領域として用いられてもよい。入力部は各種指示又はデータを入力する。表示部は、処理部の処理の結果を表示する。
　（変形例３）
　図８におけるオペレータ選択部１４の動作のフローチャートでは、確信度が閾値未満の場合、選択ルールを適用せず、予め定めた方法でオペレータを決定した。本変形例では、確信度が閾値未満の場合であっても、予め定めた頻度又は確率で、選択ルールを適用する。これにより確信度が低い選択ルールの選択の可能性を残し、効果的な学習が可能となる。
　同様に図１０における振る舞い決定部２１の動作のフローチャートでは、確信度が閾値未満の場合、振る舞いルールを適用せず、予め定めた方法で振る舞いを決定した。本変形例では、確信度が閾値未満の場合であっても、予め定めた頻度又は確率で、振る舞いルールを適用する。これにより確信度が低い振る舞いルールの選択の可能性を残し、効果的な学習が可能となる。
　（変形例４）
　図２の構成から、振る舞い決定部２１、振る舞いルールＤＢ２２及び振る舞いルール更新部２４を省いた構成も可能である。この場合、人間オペレータは自分の感性又はマニュアル等に基づき振る舞えばよい。またＡＩは予め定めたアルゴリズムで振る舞えばよい。これにより、情報処理装置１０１の構成を簡単にできる。
（ハードウェア構成）
　図１５に、図２の情報処理装置１０１のハードウェア構成の一例を示す。図２の情報処理装置１０１は、コンピュータ装置２００により構成される。コンピュータ装置２００は、ＣＰＵ２０１と、入力インタフェース２０２と、表示装置２０３と、通信装置２０４と、主記憶装置２０５と、外部記憶装置２０６とを備え、これらはバス２０７により相互に接続されている。コンピュータ装置２００は、一例として、スマートフォン、タブレット、デスクトップ型ＰＣ（Ｐｅｒｆｏｎａｌ　Ｃｏｍｐｕｔｅｒ）、又はノート型ＰＣとして構成される。
　ＣＰＵ（中央演算装置）２０１は、主記憶装置２０５上で、コンピュータプログラムである情報処理プログラムを実行する。情報処理プログラムは、情報処理装置１０１の上述の各機能構成を実現するプログラムのことである。情報処理プログラムは、１つのプログラムではなく、複数のプログラムやスクリプトの組み合わせにより実現されていてもよい。ＣＰＵ２０１が、情報処理プログラムを実行することにより、各機能構成は実現される。
　入力インタフェース２０２は、キーボード、マウス、およびタッチパネルなどの入力装置からの操作信号を、情報処理装置１０１に入力するための回路である。
　表示装置２０３は、情報処理装置１０１から出力されるデータを表示する。表示装置２０３は、例えば、ＬＣＤ（液晶ディスプレイ）、有機エレクトロルミネッセンスディスプレイ、ＣＲＴ（ブラウン管）、またはＰＤＰ（プラズマディスプレイ）であるが、これに限られない。コンピュータ装置２００から出力されたデータは、この表示装置２０３に表示することができる。
　通信装置２０４は、情報処理装置１０１が外部装置と無線または有線で通信するための回路である。データは、通信装置２０４を介して外部装置から入力することができる。外部装置から入力したデータを、主記憶装置２０５や外部記憶装置２０６に格納することができる。
　主記憶装置２０５は、情報処理プログラム、情報処理プログラムの実行に必要なデータ、および情報処理プログラムの実行により生成されたデータなどを記憶する。情報処理プログラムは、主記憶装置２０５上で展開され、実行される。主記憶装置２０５は、例えば、ＲＡＭ、ＤＲＡＭ、ＳＲＡＭであるが、これに限られない。図２のデータベースは、主記憶装置２０５上に構築されてもよい。
　外部記憶装置２０６は、情報処理プログラム、情報処理プログラムの実行に必要なデータ、および情報処理プログラムの実行により生成されたデータなどを記憶する。これらの情報処理プログラムやデータは、情報処理プログラムの実行の際に、主記憶装置２０５に読み出される。外部記憶装置２０６は、例えば、ハードディスク、光ディスク、フラッシュメモリ、及び磁気テープであるが、これに限られない。図２のデータベースは、外部記憶装置２０６上に構築されてもよい。
　なお、情報処理プログラムは、コンピュータ装置２００に予めインストールされていてもよいし、ＣＤ－ＲＯＭなどの記憶媒体に記憶されていてもよい。また、情報処理プログラムは、インターネット上にアップロードされていてもよい。
　また、情報処理装置１０１は、単一のコンピュータ装置２００により構成されてもよいし、相互に接続された複数のコンピュータ装置２００からなるシステムとして構成されてもよい。
　（第２の実施形態）
　１人のオペレータが多数の顧客に同時に対応しなければならない状況において、オペレータの負荷を低減して、効率的な応答を行うことを実現する。第２の実施形態は、オペレータが、顧客に対する回答の要旨のみを答えるだけで、要旨を反映させた回答情報を生成し、顧客に回答情報を提供するものである。第２の実施形態の情報処理装置は、第１の実施形態の情報処理装置における対話処理部を拡張したものである。
　第２の実施形態に係る情報処理装置のブロック図は、図２と同じである。対話処理部１８以外のブロックは、基本的に図２と同じであり、拡張又は変更された処理を除き、説明は適宜省略する。振る舞い決定部２１、振る舞いルールＤＢ２２及び振る舞いルール更新部２４を省いた構成も可能である。
　図１６は、第２の実施形態に係る対話処理部１８の詳細ブロック図である。対話処理部１８は、情報取得部３１、情報提供部３２と、要旨取得部３３と、回答生成部３４、顧客・オペレータＤＢ３５、回答テンプレートＤＢ３６及び回答用コンテキストＤＢ３８を備えている。本例では、顧客に割り当てられたオペレータとして人間オペレータを想定する。但し、オペレータがＡＩオペレータの場合も、事前の機械学習により同様に実施可能である。
　顧客・オペレータＤＢ３５は、顧客と、オペレータ選択部１４によって割り当てられたオペレータとの対応を表す情報を格納している。一例として、顧客の識別子又はＵＩ装置１１１の識別子と、オペレータの識別子又はＵＩ装置１３１の識別子とを対応付けて格納している。
　情報取得部３１は、通信部１１及び情報取得部１３を介して、顧客のコンテキスト情報を取得する。また、情報取得部３１は、通信部１１及び情報取得部１３を介して、オペレータに対する顧客の質問を含む情報（質問情報）を取得する。情報取得部１３から取得するコンテキスト情報又は質問情報には、顧客の識別子が含まれていてもよい。情報取得部３１は、コンテキスト情報及び質問情報の少なくとも一方を情報提供部３２に提供する。また、情報取得部３１は、コンテキスト情報及び質問情報の少なくとも一方を回答生成部３４に提供する。
　情報提供部３２は、顧客に割り当てられたオペレータを顧客・オペレータＤＢ３５に基づき特定し、特定したオペレータに質問情報を提供する。より詳細には、通信部１２を介して質問情報を、オペレータのＵＩ装置１３１に送信する。質問情報はＵＩ装置１３１に表示される。オペレータは、顧客の質問に対する回答の要旨を含む情報である要旨情報をＵＩ装置１３１に入力する。ＵＩ装置１３１への入力方法は、テキストの入力でも、音声の入力でもよい。その他、ジェスチャによる入力でもよい。例えばオペレータがＯＫのサインを指で行った場合、ＵＩ装置１３１は、オペレータがＯＫを要旨として回答したと判断する。ＵＩ装置１３１は、オペレータから入力された要旨情報を情報処理装置１０１に提供する。
　要旨情報は、顧客への回答を、キーワード又は用語を用いて短いパッセージ又は短い文章で表現したものである。用語は指示語（“それ”、“これ”など）であってもよい。
　要旨取得部３３は、オペレータにより入力された要旨情報を、通信部１２（図２参照）を介して取得し、取得した要旨情報を回答生成部３４に提供する。
　回答生成部３４は、オペレータの要旨情報と、回答テンプレートＤＢ３６と、回答用コンテキストＤＢ３８とに基づき、顧客への回答を含む情報である回答情報を生成する。回答生成部３４は、生成した回答情報を、通信部１２を介して、顧客のＵＩ装置１１１に提供する。顧客は、ＵＩ装置１１１の画面に表示される回答情報を閲覧し、あるいは、スピーカから出力される回答情報の音声を聴くことで、オペレータの回答を知ることができる。
　回答生成部３４は、情報取得部３１から取得したコンテキスト情報及び質問情報に基づき、顧客への回答のための回答用コンテキストを生成する。回答生成部３４は、生成した回答用コンテキストを回答用コンテキストＤＢ３８に格納する。回答用コンテキストＤＢ３８は、回答用コンテキストを顧客の識別情報（氏名又はＩＤなど）に関連付けて内部に記憶する。
　図１７は、回答用コンテキストＤＢ３８の一例を示す。ここでは、氏名“山田太郎”の顧客に対して生成された回答用コンテキストを示す。回答用テキストは生成途中のものであってもよい。
　この例では顧客は不動産の窓口で、ＵＩ装置１１１を用いて対話サービスを受けている。顧客は、不動産購入に関する相談をオペレータと行う。なお、不動産購入に関する相談を行うことは、顧客が相談メニューから不動産の購入相談の項目を選択することで特定されてもよいし、オペレータに不動産購入相談のために来店したことを通知してもよい。その他の方法でもよい。オペレータに通知する場合、オペレータはＵＩ装置１３１を介して、回答生成部３４に対して顧客の相談事項が不動産購入であるとの情報を送信する。回答生成部３４は、不動産購入のための回答用コンテキストのフォーマットを用いて、回答用コンテキストを生成する。
　図１７の例では回答用コンテキストのフォーマットとして、“客”、“今年”、“タスク状態１”、“タスク状態２”、“土地”、“時期”、“Ｏｂｊｅｃｔ１”などが要素の列が含まれている。内容の列には、各要素のデータが格納されている。回答生成部は、コンテキスト情報及び質問情報から、各要素の値を特定し、特定した値を内容の列に格納する。内容の列において、要素の値を引用することができる。例えば＜土地＞は、要素“土地”に対応する内容の値を指す。
　コンテキスト情報又は質問情報に、要素に対応する項目が含まれる場合は、当該項目の値をそのまま用いて、要素に対応する内容の値とする。または、コンテキスト情報又は質問情報のテキストを形態素解析し、当該要素に該当する形態素（用語）を、当該要素の内容の値としてもよい。
　ここでは回答生成部３４が回答用コンテキストを生成したが、回答用コンテキストは、顧客がＵＩ装置１１１を用いて直接、各要素の値を入力することで生成されてもよい。または、オペレータが顧客からヒヤリングすることにより、各要素の値を入力し、回答用コンテキストを生成してもよい。回答用コンテキストの生成方法は、ここに記載した以外の方法でもよい。
　回答テンプレートＤＢ３６は、対話サービスのドメインごとに、タグ（用語）と、回答テンプレートとを対応付けて格納している。
　図１８は、回答テンプレートＤＢ３６の一例を示す。図の例はドメインとして不動産接客の場合を示している。例えば、タグ“予測”に対しては、回答テンプレート“私個人の見解としては、～と考えています”が格納されている。オペレータの要旨情報から回答がオペレータの予測に関するものである場合に、タグ“予測”がマッチするため、“予測”に対応する回答テンプレートを用いて回答情報を生成する。オペレータの要旨情報から複数のタグにマッチする場合は、複数のタグに対応する回答テンプレートを同時に用いてもよい。
　回答生成部３４は、オペレータの要旨情報から、分類、確度、主語、述語、時期を特定する。分類の種類として、「予測」、「断定」、「事実」などがある。分類は、回答の言い回しの型を決めるためのものである。確度の種類として、「多分」、「絶対」などがある。確度は、回答の精度に応じた言い回しを定めたものである。主語は回答文における主語、述語は回答文における述語である。時期は、回答の内容に関する時期である。
　例えば、要旨情報が“多分、来年そこは値上がる”であったとする。この場合、分類は、“多分”があるため、「予測」であると判断できる。確度は、同じく“多分”があるため、「多分」であると判断できる。主語は、要旨情報内の指示語である“そこは”であり、回答用コンテキストのタスク状態１から土地を買うことを検討中であることが分かるから、主語は＜土地＞である。＜土地＞の値は、回答用コンテキストから尼崎市である。よって、主語は尼崎市の土地であると判断できる。このように、要旨情報に含まれる用語の意味を、回答用コンテキストから解釈できる。述語は、“値上がる”とあるから、「値上がる」である。時期は、“来年”とあるため、回答用コンテキストの＜今年＞の次の年である２０２０年である。
　回答生成部３４は、特定した分類「予測」に対応する回答テンプレート“私個人の見解としては、～と考えています”を回答テンプレートＤＢ３６から読み出す。また、特定した確度「多分」に対応する回答テンプレート“確かなことは申し上げられませんが”を読み出す。これらの回答テンプレートと、主語「尼崎市の土地」、述語「値上がる」、時期「２０２０年」を用いて、回答情報を生成する。回答情報として、「確かなことは申し上げられませんが、私個人の見解としては、２０２０年、尼崎市の土地は値上がると考えています」を得る。
　表現の揺らぎの統一を図るため予め、各種表現（タグ）と、標準の言い回し（回答テンプレート）とを対応づけて、回答テンプレートＤＢ３６に格納してもよい。この場合、各種表現を標準の言い回しに変更してもよい。例えば、「土地は値上がる」が、標準の言い回し「地価は上がる」に対応づいている場合、回答情報は、「確かなことは申し上げられませんが、私個人の見解としては、２０２０年、尼崎市の地価は上がると考えています」となる。
　図１９に、本例においてオペレータの要旨情報から回答情報が生成され、回答情報が顧客に伝えられるまでのイメージの例を示す。
　別の例として、要旨情報が“初心者はやめておいたほうがいい”であったとする。回答テンプレートＤＢ３６から“初心者”に対応する回答テンプレート“加入間もないお客様”を主語として特定する。述語に相当する“やめておいたほうがいい”は、標準の言い回し“お薦めいたしません”に変更する。分類、確度及び時期に関する用語は要旨情報に存在しないため、分類、確度及び時期は、このケースでは特定しない。よって、回答情報として、“加入間もないお客様にはお薦めいたしません”を得る。
　図２０は、対話処理部１８の動作の一例のフローチャートである。情報取得部３１が顧客の質問情報を取得し、情報提供部３２がオペレータに質問情報を提供する（Ｓ３０１）。要旨取得部３３が、オペレータから回答の要旨情報を取得する（Ｓ３０２）。回答生成部３４は、要旨情報に基づき、回答テンプレートＤＢ３６から回答テンプートを特定する。また、回答用コンテキストＤＢ３８から要旨情報に含まれる用語を解釈する。解釈の結果と、回答テンプレートとを合わせて回答情報を生成する（Ｓ３０３）。回答生成部３４は、生成した回答情報を顧客に提供する（Ｓ３０４）。すなわち、回答情報を、通信部１１を介して顧客のＵＩ装置１１１に送信する。
　本実施形態のハードウェア構成は、第１の実施形態と同様、図１５の構成で実現できる。
　以上、本実施形態によれば、オペレータの要旨情報に基づき、回答テンプレートＤＢから回答テンプレートを特定し、回答用コンテキストＤＢ３８から要旨情報に含まれる意味を解釈する。そして解釈の結果と、特定した回答テンプレートとに基づき顧客への回答を生成する。よって、オペレータは回答を全て述べる必要はなく、最低限の短い文章又はパッセージによる要旨を述べるだけですむ。これによりオペレータの負荷は低減され、複数の顧客に同時に対応することも容易になる。
　本実施形態ではルールベースで回答テンプレートを取得したが、機械学習により生成したモデルを用いて、回答テンプレートを取得する方法も可能である。例えばモデルとして、ニューラルネットワークを用いる。一例として、要旨情報を形態素解析し、各形態素をニューラルネットワークの各入力ノードに割り当てる。ニューラルネットワークの出力ノードには、各回答テンプレートが対応づけられており、各出力ノードの値が閾値以上の場合には、その回答テンプレートを採用し、閾値未満の場合は、その回答テンプレートを採用しない。学習用の教師データとして、要旨情報と、当該要旨情報に対応する１つ以上回答テンプレートとを１組としたものを複数用意する。教師データを用いて、バックプロパゲーション（誤差逆伝播法）などにより、ニューラルネットワークのパラメータ（各ノード間のリンクの重み）を決定する。これにより、ニューラルネットワークを生成する。
（変形例１）
　図２１は、変形例１に係る対話処理部１８のブロック図を示す。図１６にタスクフローＤＢ４１が追加されている。その他のブロックは基本的に図１６と同じであり、拡張又は変更された動作を除き、説明は適宜省略する。なお、回答テンプレートＤＢ３６及び回答用コンテキストＤＢ３８の少なくとも一方が存在しなくてもよい。
　タスクフローＤＢ４１は、顧客とオペレータ間の対話のタスクフローのデータを格納している。
　図２２は、タスクフローのデータの一例を示す。この例では、対話を開始し、顧客の相談内容の聞き出しを行う。顧客の相談内容に応じて、サービスカテゴリ＿０１～＿１０のいずれかに進む。サービスカテゴリ＿０１に進んだ場合、さらに顧客の相談内容に応じて、Ｓｅｒｖｉｃｅ＿０１～＿２０のいずれかに進む。Ｓｅｒｖｉｃｅ＿０１に進んだ場合、さらに、Ｐｌａｎ＿Ａ、Ｂ、Ｃのいずれかに進む。タスクフローは、対話サービスのドメインごとに用意される。例えば不動産業界、金融業界といった業界ごとに用意されてもよいし、同じ業界内でも、購入相談と売却相談といった相談のテーマごとに用意されてもよい。
　回答生成部３４は、オペレータから取得した要旨情報に基づき、顧客とオペレータとの対話が、対話のタスクフローにおけるどのタスクに該当するかに基づいて、回答情報を生成する。対話がどのタスクに該当するかは、顧客とオペレータ間の対話を監視することで判断してもよい。例えば対話内容、顧客の画面に表示されている説明資料等から判断してもよい。あるいは、オペレータからのどのタスクにいるかの情報を取得することで判断してもよい。
　一例として、現在のタスクが、図２２の“Ｓｅｒｖｉｃｅ＿０１”であり、どのようなプランがお薦めかを顧客から質問されているとする。オペレータの要旨情報が“安全なのでＡ”であったとする。この場合、回答情報として、“Ｐｌａｎ＿ＡとＰｌａｎ＿ＢとＰｌａｎ＿Ｃの可能性があり、お客様の場合ですとＰｌａｎ＿Ａが安全でお薦めいたします。”を生成する。各タスクに対して、要旨情報と回答情報とを対応づけておくことで、このような回答が可能である。
　図２３に、本例においてオペレータの要旨情報から回答情報が生成され、回答情報が顧客に伝えられるまでのイメージの例を示す。
　別の例として、現在のタスクが、図２２の“Ｓｅｒｖｉｃｅ＿０１”であり、顧客からＰｌａｎ＿Ａは良いかどうか質問されているとする。オペレータの要旨情報が“それはやめておいたほうがいい”であったとする。この場合、回答情報として、例えば“Ｓｅｒｖｉｃｅ＿０１ではＰｌａｎ＿Ａはお薦めいたしません。”を生成する。この場合も、各タスクに対して、要旨情報と回答情報とを対応づけておくことで、このような回答が可能である。
　図２４に、オペレータの要旨情報“それはやめておいたほうがいい”に対して、現状のタスクから回答情報を取得する動作の例を示す。この例では、プログラムのコードの中で、各タスクに対して、ある要旨情報（“それはやめておいたほうがいい”）から回答情報を特定する動作が記述されている。タスク状況を特定し、特定したタスク状況に応じた回答情報を特定する例を示している。“それはやめておいたほうがいい”の表現は、非推奨の表現の一例であり、”やめておいたほうがいい”、“それはよくない“など他の同様の表現でもよく、表現の言い回しの違いは、第２の実施形態の回答テンプレートＤＢ３６（図１６）などを用いて吸収してもよい。
　図２４のステップＳ３１１では、現在のタスクを特定する。現在のタスクがＳｅｒｖｉｃｅ＿０１であるときは（Ｓ３１２のＳｅｒｖｉｃｅ＿０１）、要旨情報でオペレータが示しているタスク（“＊＊＊”と表す）を特定し、“Ｓｅｒｖｃｅ＿０１では＊＊＊はお薦めいたしません”を生成する（Ｓ３１４）。要旨情報に直接、“Ｐｌａｎ＿Ａ”が含まれていなくても、現在のタスクにおいて、Ｐｌａｎ＿Ａの是非を顧客から問われている場合は、Ｐｌａｎ＿Ａを、回答用コンテキストから特定できる。
　現在のタスクがサービスカテゴリ＿０１であるときは（Ｓ３１２のサービスカテゴリ＿０１）、要旨情報でオペレータが示しているタスク（“＊＊＊”と表す）を特定し、サービスカテゴリ＿０１では＊＊＊はお薦めいたしません”を生成する（Ｓ３１５）。
　現在のタスクが、Ｓｅｒｖｉｃｅ＿０１及びサービスカテゴリ＿０１のいずれにも該当しないときは（Ｓ３１２のデフォルト）、デフォルトとして、“それはあまりお薦めしておりません”を生成する（Ｓ３１３）。
　以上、本変形例１によれば、オペレータの要旨情報と、対話が行われている現在のタスクとに応じて回答情報を生成する。よって、オペレータは回答を全て述べる必要はなく、最低限の短い文章又はパッセージによる要旨を述べるだけですむ。これによりオペレータの負荷は低減され、複数の顧客に同時に対応することも容易になる。
（変形例２）
　図２５は、変形例２に係る対話処理部１８のブロック図を示す。図１６の回答生成部３４に感情分析部５１が追加されている。その他のブロックは基本的に図１６と同じであり、拡張又は変更された動作を除き、説明は適宜省略する。なお、回答テンプレートＤＢ３６及び回答用コンテキストＤＢ３８の少なくとも一方が存在しなくてもよい。
　回答生成部３４は、感情分析部５１を備えている。感情分析部５１は、オペレータの振る舞い（表情、口調、仕草等）及び要旨情報の少なくとも一方から、オペレータにより表出される感情（オペレータの感情）を特定する。感情は、例えば普通、悲しみ、喜び、心配、怒りがある。オペレータの振る舞いから感情を特定するか、要旨情報から感情を特定するかを事前にオペレータから設定可能にしてもよい。要旨情報から感情を特定する場合、オペレータは振る舞いに気を遣う必要はなく、回答の入力時間と負荷を下げることができる。オペレータの振る舞いから感情を特定する場合、オペレータの振る舞いのみならず、要旨情報も用いて、感情を特定してもよい。
　例えばオペレータの振る舞いから感情を特定する場合は、オペレータの顔画像の感情分析、音声の感情分析などを行えばよい。例えば眉毛の両端がつり上がる動きを検出した場合、オペレータは怒りの感情を表出していると判断できる。また、音声の波形が平坦なときは、オペレータは落ち着いた感情を表出していると判断できる。その他、感情に応じた仕草を分類しておき、オペレータの仕草を画像分析により特定することで、感情を特定してもよい。例えば、目の縁をぬぐう動作を行ったときは、オペレータは悲しみの感情を表出していると判断できる。
　要旨情報から感情を特定する場合、各感情（タグ）に応じたキーワード（回答テンプレート）を回答テンプレートＤＢに登録しておく。要旨情報に含まれる用語にマッチするキーワードを回答テンプレートＤＢから特定することにより、オペレータの感情を特定してもよい。例えば“Ｏｋ”は喜びの感情、“大変”は悲しみの感情などを登録しておく。回答テンプレートＤＢに登録されているキーワードが存在しない場合は、普通の感情であると判断してもよい。
　ここで記載した感情の特定方法は一例であり、他のどのような方法で感情を特定してもよい。
　回答生成部３４は、特定したオペレータの感情に基づき、回答情報を生成する。
　第１の具体例として、顧客が「（冗談っぽく）あなたが先週言っていた番組あまりおもしろくなかったわ」と言ったとする（この発言も本実施形態の質問情報の一形態である）。これに対して、オペレータが「それは残念」と、笑顔及び和やかな口調で要旨を応答したとする。感情分析部５１は、オペレータの振る舞いを分析し、笑顔及び和やかな口調であることから、オペレータの感情を喜びの感情と判断する。回答生成部３４は、喜びの感情による回答情報を生成する。例えば、和やかな口調の音源を用いて、「それは残念です」の回答情報を生成する。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を笑顔にする。なお「です」は述語がないため自動的に補われている。
　第２の具体例として、顧客が「その人はその後どうなったのですか？」と言ったとする。これに対して、オペレータが、「（暗い表情及び口調で）言いにくいですが、（明るい表情及び口調で）いまでは黒字」と要旨を応答したとする。感情分析部５１は、オペレータの振る舞いを分析し、最初のパッセージでは暗い表情及び口調であることから、オペレータの感情を悲しみの感情と判断する。後のパッセージでは、明るい表情及び口調であることから、オペレータの感情を喜びの感情と判断する。回答生成部３４は、喜びの感情による回答情報を生成する。例えば、暗い口調の音源の「申し上げにくいのですが…」と、和やかな口調の音源の「いまでは黒字になっております」を用いる。そして、「（暗い口調で）申し上げにくいのですが…、（明るい口調で）いまでは黒字になっております」の回答情報を生成する。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、「申し上げにくいのですが…」の部分では、アバターの表情を悲しい表情にする。「いまでは黒字になっております」の部分では、アバターの表情を笑顔にする。
　第３の具体例として、要旨情報から感情を特定する例を示す。例えば、顧客が「今日も遅れてごめんなさい、家の鍵を閉めたいのにまた猫が見つからなくて」と言ったとする。これに対して、オペレータが「ok，猫によろしく」と要旨を応答したとする。この場合、「ok」の用語が喜びのキーワードであると判断し、オペレータの感情は喜びであると判断する。回答生成部３４は、喜びの感情による回答情報を生成する。例えば、和やかな口調の音源を用いて、「問題ございません，猫ちゃんに宜しくお願いしますね」の回答情報を生成する。この回答情報の文は、第２の実施形態の手法を用いて生成すればよい。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を笑顔にする。
　図２６に、上述の第３の具体例において、オペレータの要旨情報から感情を特定し、特定した感情による回答情報を生成するイメージの例を示す。生成した回答情報は顧客に伝えられる。
　図２７は、変形例２に係る回答生成部３４の動作の一例のフローチャートである。オペレータから要旨情報のみから感情の特定を行うか（第１モード）、オペレータの振る舞い及び要旨情報の少なくとも前者から感情の特定を行うのか（第２モード）の設定を受け付ける（Ｓ３２１）。オペレータからの設定がない場合は、事前に定めた一方のモードを選択すればよい。
　第１モードの場合、オペレータの要旨情報に基づき、オペレータの感情を特定する（Ｓ３２３）。
　第２モードの場合、オペレータの振る舞い及び要旨情報の少なくとも前者に基づき、オペレータの感情を特定する（Ｓ３２４）。
　特定した感情に基づき、要旨情報から回答情報を生成する（Ｓ３２５）。具体的には、喜びの感情の場合は、和やかな口調（映像の場合は笑顔）で回答情報を生成する。悲しみの感情の場合は、暗い口調（映像の場合は悲しい表情）で回答情報を生成する。普通の感情の場合は、平坦な口調（映像の場合は無表情）で回答情報を生成する。生成した回答情報を顧客に提供する。回答情報は、音声及び映像の少なくとも１つを含む。回答情報は、さらにテキストを含んでもよい。
　生成した回答情報を顧客に提供する（Ｓ３２６）。
　以上、本変形例２によれば、オペレータの感情を、要旨情報及びオペレータの振る舞いの少なくとも一方を用いて特定することにより、オペレータの感情を、オペレータの負荷を軽減しつつ顧客に伝えることができる。
（変形例３）
　図２８は、変形例３に係る対話処理部１８のブロック図を示す。図１６の回答生成部３４に感情分析部６１が追加されている。その他のブロックは基本的に図１６と同じであり、拡張又は変更された動作を除き、説明は適宜省略する。なお、回答テンプレートＤＢ３６及び回答用コンテキストＤＢ３８の少なくとも一方が存在しなくてもよい。
　回答生成部３４は感情分析部６１を備えている。感情分析部６１は、顧客の感情を顧客の振る舞い（表情、口調、仕草等）から特定する。感情は、例えば普通、悲しみ、喜び、心配、怒りがある。
　回答生成部３４は、顧客の感情に基づき、要旨情報から回答情報を生成する。
　第１の具体例として、顧客が「（首を捻りながら）ＰＬＡＮ＿Ａが良いってことですよね」と言ったとする（この発言も本実施形態の質問情報の一形態である）。これに対して、オペレータが「はい」と応答したとする。感情分析部６１は、顧客の振る舞いを分析し、首を捻っていることから、オペレータの感情を心配の感情と判断する。回答生成部３４は、心配の感情に基づき、回答情報を生成する。例えば、丁寧な口調の音源を用いて、「左様です。何かお悩みでしょうか？」の回答情報を生成する。回答情報の文の作成方法は第２の実施形態と同様でよい。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を真剣にする。
　図２９に、顧客の振る舞いから特定した感情に基づき、回答情報を生成するイメージの例を示す。生成した回答情報は顧客に伝えられる。
　第２の具体例として、顧客が「（笑顔で）ＰＬＡＮ＿Ａが良いってことですよね」と言ったとする。これに対して、オペレータが「はい」と応答したとする。感情分析部６１は、顧客の振る舞いを分析し、笑顔であることから、オペレータの感情を喜びの感情と判断する。回答生成部３４は、喜びの感情に基づき回答情報を生成する。例えば、明るい口調の音源を用いて、「はい、この場合ですとＰＬＡＮ＿Ａがお薦めですね！」の回答情報を生成する。回答情報の文の作成方法は第２の実施形態と同様でよい。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を明るい表情にする。
　第３の具体例として、顧客が「（怒り口調）どういうことですか？」と言ったとする。これに対して、オペレータが「実はＢさんが条件を再考」と応答したとする。感情分析部６１は、顧客の振る舞いを分析し、怒りの口調であることから、オペレータの感情を怒りの感情と判断する。回答生成部３４は、怒りの感情に基づき回答情報を生成する。例えば、誤りの口調の音源を用いて、「申し訳ございません。実は売主のＢ様が売却の条件を再考されています」の回答情報を生成する。回答情報の文の作成方法は第２の実施形態と同様でよい。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を謝罪の表情にする。
　第４の具体例として、顧客が「（冷静沈着に）どういうことですか？」と言ったとする。これに対して、オペレータが「実はＢさんが条件を再考」と応答したとする。感情分析部６１は、顧客の振る舞いを分析し、冷静沈着の口調であることから、オペレータの感情を落ち着いた感情と判断する。回答生成部３４は、落ち着いた感情に基づき回答情報を生成する。例えば、丁寧な口調の音源を用いて、「実は売主のＢ様が売却の条件を再考されています」の回答情報を生成する。回答情報の文の作成方法は第２の実施形態と同様でよい。第３の具体例との違いは、謝りの文を入れていない点である。オペレータのアバターをＵＩ装置１１１の画面に表示する場合、アバターの表情を無表情にする。
　図３０は、変形例３に係る回答生成部３４の動作の一例のフローチャートである。顧客の振る舞いに基づき、顧客の感情を特定する（Ｓ３３１）。オペレータから要旨情報を取得する（Ｓ３３２）。
　特定した顧客の感情に基づき、要旨情報から回答情報を生成する（Ｓ３３３）。例えば、心配の感情の場合は、丁寧な口調で回答情報（映像の場合は無表情で）を生成する。喜びの感情の場合は、明るい口調で（映像の場合は笑顔で）回答情報を生成する。生成した回答情報を顧客に提供する。回答情報は、音声及び映像の少なくとも１つを含む。回答情報は、さらにテキストを含んでもよい。
　生成した回答情報を顧客に提供する（Ｓ３３４）。
　以上、本変形例３によれば、顧客の感情に基づき回答情報を生成する。オペレータは顧客の感情を知らなくてもよい。これにより、オペレータの負荷を軽減しつつ、顧客に状況に適した応答を行うことができる。
（変形例４）
　前述した変形例３では、顧客の感情を感情分析部６１が特定したが、オペレータが顧客の映像又は顧客の音声等から顧客の感情を特定してもよい。オペレータは、特定した感情に基づき振る舞いを行う、もしくは要旨情報を生成する。この後は、変形例２と同様にして、感情分析部が、オペレータの感情を特定し、特定した感情に基づき回答情報を生成する。
　以上、本変形例４によれば、顧客の感情に基づき回答情報を生成する。これにより、オペレータの負荷を軽減しつつ、顧客に状況に適した応答を行うことができる。
（変形例５）
　図３１は、対話処理部１８の変形例５のブロック図を示す。図１６の回答生成部３４に関係特定部７１が追加されている。その他のブロックは基本的に図１６と同じであり、拡張又は変更された動作を除き、説明は適宜省略する。
　回答生成部３４は関係特定部７１を備えている。関係特定部７１は、夫婦、親子又は未婚カップルなど、顧客が複数人の場合に、複数人の関係（顧客関係）を特定する。顧客関係は、顧客のコンテキスト情報から特定される。
　回答テンプレートＤＢ３６は、顧客関係（タグ）と、回答テンプレートとを対応づけて格納している。例えば「父子」に対して「お父様にもお子様にも」の回答テンプレートを対応づける。また、「未婚カップル」に対して、「もし将来お子様をお考えでしたら」の回答テンプレートを対応づける。また、顧客関係と、削除用のテンプレート（削除すべき用語）とを対応づけてもよい。例えば「父子」に対して「教育」の削除テンプレートを対応づける。この場合、顧客への回答に「教育」を用いないようにする。例えば要旨情報に「教育」が含まれていれば、「教育」を削除する。削除テンプレートを用いる場合、回答テンプレートと区別するフラグを、回答テンプレートＤＢ３６に追加してもよい。
　回答生成部３４は、特定した顧客関係と、回答テンプレートＤＢ３６と基づいて、要旨情報から回答情報を生成する。
　具体例として、顧客が父子である場合に、オペレータが「子供部屋は子供の教育に良いと人気」と応答したとする。回答生成部３４は、顧客が父子であることから、回答情報として、例えば「子供部屋はお父様にもお子様にも良い評判は多いです」を生成する。このとき子供にも伝わる口調を用いてもよい。「教育に」は子供がいるため削除されている。「良いと人気」は「良い評判は多いです」に変えられている。これは第２の実施形態の手法を用いて行うことができる。
　別の例として、顧客が未婚カップルである場合に、オペレータが上記同じ応答をしたとする。この場合、回答情報として、「もし将来お子様をお考えでしたら、子供部屋はお子様の教育に良いという評判は多いです」を生成する。このとき、慎重及び丁寧な口調を用いてもよい。
　図３２に、未婚カップルの顧客関係を特定し、特定した顧客関係に基づき、回答情報を生成するイメージの例を示す。生成した回答情報は顧客に伝えられる。
　さらに別の例として、顧客が夫婦であり、夫婦には子供がいるとする（子供は来店していない）。オペレータが「子供部屋は子供の教育に良いと人気」と応答したとする。この場合、回答情報として、「子供部屋はお子様の教育に良いという評判は多いです」を生成する。この例では回答テンプレートＤＢ３６に顧客関係（夫婦）が登録されておらず、回答テンプレートは用いられていない。
　図３３は、変形例５に係る回答生成部３４の動作の一例のフローチャートである。顧客のコンテキスト情報に基づき、同一組における複数人の関係（顧客関係）を特定する（Ｓ３４１）。また、オペレータから要旨情報を取得する（Ｓ３４２）。
　特定した顧客関係に基づき、要旨情報から回答情報を生成する（Ｓ３４３）。
　生成した回答情報を顧客に提供する（Ｓ３３４）。
　以上、本変形例５によれば、顧客関係に基づいて回答情報を生成する。オペレータは顧客の関係を考慮した発言をしなくても、情報処理装置１０１がオペレータの要旨を補完した回答情報を生成する。これにより、オペレータの負荷を軽減しつつ、顧客に状況に適した応答を行うことができる。
（変形例６）
　第２の実施形態に係る図１６の対話処理部１８の機能を、図２の情報処理装置から分離して単独の情報処理装置として構成してもよい。
　図３４は、対話処理部１８の機能を備えた情報処理装置のブロック図を示す。図１６の構成に、通信部１１、１２が追加されている。通信部１１、１２は図２と同様の機能を備えている。図３４の装置の説明は図１６及び図２の説明から自明なため、省略する。
　第２の実施形態の第１～第５の変形例についても、同様にして単独の装置として実現できる。
　以上、本変形例６によれば、第２の実施形態及びその各種変形例の機能を単独で有する情報処理装置を提供することができる。
　なお、上述の実施形態は本開示を具現化するための一例を示したものであり、その他の様々な形態で本開示を実施することが可能である。例えば、本開示の要旨を逸脱しない範囲で、種々の変形、置換、省略又はこれらの組み合わせが可能である。そのような変形、置換、省略等を行った形態も、本開示の範囲に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
　また、本明細書に記載された本開示の効果は例示に過ぎず、その他の効果があってもよい。
　なお、本開示は以下のような構成を取ることもできる。
　［項目１］ユーザのコンテキスト情報を取得する情報取得部と、
　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択し、選択した前記オペレータを前記ユーザに割り当てるオペレータ選択部と、
　を備えた情報処理装置。
　［項目２］前記コンテキスト情報は、前記ユーザの属性情報及び前記ユーザからセンシングした情報の少なくとも一方を含む
　項目１に記載の情報処理装置。
　［項目３］
　前記オペレータ選択部は、コンテキスト情報に基づく条件と、オペレータとを対応付けた複数の選択ルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす選択ルールを選択し、
　選択した前記選択ルールに示されるオペレータを選択する
　項目１又は２に記載の情報処理装置。
　［項目４］
　前記オペレータ選択部は、前記複数の選択ルールの確信度に基づき、前記選択ルールを選択し、
　前記オペレータの応答に対する前記ユーザの反応情報に基づき、選択した前記選択ルールの前記確信度を更新する選択ルール更新部を備えた
　項目３に記載の情報処理装置。
　［項目５］
　前記オペレータ選択部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の選択ルールを選択する
　項目４に記載の情報処理装置。
　［項目６］
　前記選択ルール更新部は、前記ユーザの反応情報が成立条件を満たすときは、前記確信度を高くし、前記ユーザの反応情報が成立条件を満たさないときは、前記確信度を低くする
　項目４又は５に記載の情報処理装置。
　［項目７］
　前記ユーザのコンテキスト情報に基づき、前記ユーザに対して前記オペレータが行う振る舞いを決定する振る舞い決定部と、
　前記振る舞いで前記ユーザに応答する指示情報を前記オペレータに提供する対話処理部と
　を備えた項目１～６のいずれか一項に記載の情報処理装置。
　［項目８］
　前記振る舞い決定部は、コンテキスト情報に基づく条件と、振る舞いとを対応付けた複数の振る舞いルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす振る舞いルールを選択し、
　選択した前記振る舞いルールに示される振る舞いを前記オペレータが行うことを決定する
　項目７に記載の情報処理装置。
　［項目９］
　前記振る舞い決定部は、前記複数の振る舞いルールの確信度に基づき、前記振る舞いルールを選択し、
　前記振る舞いに対する前記ユーザの反応情報に基づき、選択した前記振る舞いルールの前記確信度を更新する更新部を備えた
　項目８に記載の情報処理装置。
　［項目１０］
　前記振る舞い決定部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の振る舞いルールを選択する
　項目９に記載の情報処理装置。
　［項目１１］
　前記情報取得部は、前記オペレータに対する質問を含む質問情報を取得し、
　前記質問情報を前記オペレータに提供する情報提供部と、
　前記質問に対する前記オペレータの回答の要旨情報を前記オペレータから取得する要旨取得部と、
　前記要旨情報と前記質問情報とに基づき、前記ユーザへの回答情報を生成する回答生成部と、
　を備えた項目１～１０のいずれかに記載の情報処理装置。
　［項目１２］
　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の分類を特定し、特定した分類に応じた回答テンプレートを用いて、前記回答情報を生成する
　項目１１に記載の情報処理装置。
　［項目１３］
　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の確度を特定し、特定した確度に応じた回答テンプレートを用いて、前記回答情報を生成する
　項目１２に記載の情報処理装置。
　［項目１４］
　前記回答生成部は、前記要旨情報に含まれる指示語を検出し、前記指示語が指す対象を前記コンテキスト情報から特定し、特定した前記対象を用いて前記回答情報を生成する
　項目１２又は１３に記載の情報処理装置。
　［項目１５］
　前記回答生成部は、前記ユーザと前記オペレータとの対話が行われているタスクを、対話のタスクフローにおいて特定し、特定したタスクに基づいて、前記回答情報を生成する　項目１１～１４のいずれか一項に記載の情報処理装置。
　［項目１６］
　前記回答生成部は、前記オペレータの感情を前記オペレータの振る舞い及び前記要旨情報の少なくとも一方から特定し、特定した前記感情に基づいて前記回答情報を生成する
　項目１１～１５のいずれか一項に記載の情報処理装置。
　［項目１７］
　前記回答生成部は、前記ユーザの感情を前記ユーザの振る舞いから特定し、特定した前記感情の表現で前記回答情報を生成する
　項目１１～１６のいずれか一項に記載の情報処理装置。
　［項目１８］
　前記ユーザは複数の人を含み、
　前記回答生成部は、前記複数の人の関係に基づいて、前記回答情報を生成する
　項目１１～１７のいずれか一項に記載の情報処理装置。
　［項目１９］
　ユーザのコンテキスト情報を取得する取得ステップと、
　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、
　選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、
　を備えた情報処理方法。
　［項目２０］
　ユーザのコンテキスト情報を取得する取得ステップと、
　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、
　選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、
　をコンピュータに実行させるためのコンピュータプログラム。
１０１：情報処理装置、１１１、１１１Ａ、１１１Ｂ、１１１Ｃ：顧客用のＵＩ装置、１２１：エージェント装置、１３１：人間オペレータ用のＵＩ装置
１１、１２：通信部、１３：情報取得部、１４：オペレータ選択部、１５：選択ルールデータベース（ＤＢ）、１６：選択ルール更新部、１７：オペレータＤＢ、１８：対話処理部、２１：振る舞い決定部、２２：振る舞いルールＤＢ、２４：振る舞いルール更新部
２００：コンピュータ装置、２０１：ＣＰＵ、２０２：入力インタフェース、２０３：表示装置、２０４：通信装置、２０５：主記憶装置、２０６：外部記憶装置、２０７：バス、３１：情報取得部、３２：情報提供部、３３：要旨取得部、３４：回答生成部、３５：顧客・オペレータＤＢ、３６：回答テンプレートＤＢ、３８：回答用コンテキストＤＢ、４１：タスクフローＤＢ、５１：感情分析部、６１：感情分析部、

Claims (20)

  1. 　ユーザのコンテキスト情報を取得する情報取得部と、
    　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択し、選択した前記オペレータを前記ユーザに割り当てるオペレータ選択部と、
    　を備えた情報処理装置。
  2. 　前記コンテキスト情報は、前記ユーザの属性情報及び前記ユーザからセンシングした情報の少なくとも一方を含む
    　請求項１に記載の情報処理装置。
  3. 　前記オペレータ選択部は、コンテキスト情報に基づく条件と、オペレータとを対応付けた複数の選択ルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす選択ルールを選択し、
    　選択した前記選択ルールに示されるオペレータを選択する
    　請求項１に記載の情報処理装置。
  4. 　前記オペレータ選択部は、前記複数の選択ルールの確信度に基づき、前記選択ルールを選択し、
    　前記オペレータの応答に対する前記ユーザの反応情報に基づき、選択した前記選択ルールの前記確信度を更新する選択ルール更新部を備えた
    　請求項３に記載の情報処理装置。
  5. 　前記オペレータ選択部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の選択ルールを選択する
    　請求項４に記載の情報処理装置。
  6. 　前記選択ルール更新部は、前記ユーザの反応情報が成立条件を満たすときは、前記確信度を高くし、前記ユーザの反応情報が成立条件を満たさないときは、前記確信度を低くする
    　請求項４に記載の情報処理装置。
  7. 　前記ユーザのコンテキスト情報に基づき、前記ユーザに対して前記オペレータが行う振る舞いを決定する振る舞い決定部と、
    　前記振る舞いで前記ユーザに応答する指示情報を前記オペレータに提供する対話処理部と
    　を備えた請求項１に記載の情報処理装置。
  8. 　前記振る舞い決定部は、コンテキスト情報に基づく条件と、振る舞いとを対応付けた複数の振る舞いルールの中から、前記ユーザのコンテキスト情報が前記条件を満たす振る舞いルールを選択し、
    　選択した前記振る舞いルールに示される振る舞いを前記オペレータが行うことを決定する
    　請求項７に記載の情報処理装置。
  9. 　前記振る舞い決定部は、前記複数の振る舞いルールの確信度に基づき、前記振る舞いルールを選択し、
    　前記振る舞いに対する前記ユーザの反応情報に基づき、選択した前記振る舞いルールの前記確信度を更新する更新部を備えた
    　請求項８に記載の情報処理装置。
  10. 　前記振る舞い決定部は、前記ユーザのコンテキスト情報が前記条件を満たし、かつ前記確信度が一定値以上の振る舞いルールを選択する
    　請求項９に記載の情報処理装置。
  11. 　前記情報取得部は、前記オペレータに対する質問を含む質問情報を取得し、
    　前記質問情報を前記オペレータに提供する情報提供部と、
    　前記質問に対する前記オペレータの回答の要旨情報を前記オペレータから取得する要旨取得部と、
    　前記要旨情報と前記質問情報とに基づき、前記ユーザへの回答情報を生成する回答生成部と、
    　を備えた請求項１に記載の情報処理装置。
  12. 　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の分類を特定し、特定した分類に応じた回答テンプレートを用いて、前記回答情報を生成する
    　請求項１１に記載の情報処理装置。
  13. 　前記回答生成部は、前記要旨情報に基づき、前記オペレータの回答の確度を特定し、特定した確度に応じた回答テンプレートを用いて、前記回答情報を生成する
    　請求項１２に記載の情報処理装置。
  14. 　前記回答生成部は、前記要旨情報に含まれる指示語を検出し、前記指示語が指す対象を前記コンテキスト情報から特定し、特定した前記対象を用いて前記回答情報を生成する
    　請求項１２に記載の情報処理装置。
  15. 　前記回答生成部は、前記ユーザと前記オペレータとの対話が行われているタスクを、対話のタスクフローにおいて特定し、特定したタスクに基づいて、前記回答情報を生成する　請求項１１に記載の情報処理装置。
  16. 　前記回答生成部は、前記オペレータの感情を前記オペレータの振る舞い及び前記要旨情報の少なくとも一方から特定し、特定した前記感情に基づいて前記回答情報を生成する
    　請求項１１に記載の情報処理装置。
  17. 　前記回答生成部は、前記ユーザの感情を前記ユーザの振る舞いから特定し、特定した前記感情に基づいて前記回答情報を生成する
    　請求項１１に記載の情報処理装置。
  18. 　前記ユーザは複数の人を含み、
    　前記回答生成部は、前記複数の人の関係に基づいて、前記回答情報を生成する
    　請求項１１に記載の情報処理装置。
  19. 　ユーザのコンテキスト情報を取得する取得ステップと、
    　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、
    　選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、
    　を備えた情報処理方法。
  20. 　ユーザのコンテキスト情報を取得する取得ステップと、
    　前記コンテキスト情報に基づき、機械による応答を行うオペレータと人間のオペレータとを含む複数のオペレータから前記ユーザに応答するオペレータを選択する選択ステップと、
    　選択した前記オペレータを前記ユーザに割り当てる割り当てステップと、
    　をコンピュータに実行させるためのコンピュータプログラム。
PCT/JP2020/039623 2019-11-14 2020-10-21 情報処理装置、情報処理方法及びコンピュータプログラム WO2021095473A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019206459 2019-11-14
JP2019-206459 2019-11-14

Publications (1)

Publication Number Publication Date
WO2021095473A1 true WO2021095473A1 (ja) 2021-05-20

Family

ID=75912007

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/039623 WO2021095473A1 (ja) 2019-11-14 2020-10-21 情報処理装置、情報処理方法及びコンピュータプログラム

Country Status (1)

Country Link
WO (1) WO2021095473A1 (ja)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358410A (ja) * 2001-06-01 2002-12-13 Daiwa Securities Group Inc コールセンター支援システム、方法及びプログラム
JP2003108650A (ja) * 2001-09-29 2003-04-11 Toshiba Corp コールセンタシステムおよび応対者選定方法およびリクエストに対する対応者選定のためのコンピュータプログラム
JP2003122834A (ja) * 2001-10-16 2003-04-25 Hochiki Corp 相談情報処理装置、相談情報処理方法、および、プログラム
JP2007004000A (ja) * 2005-06-27 2007-01-11 Tokyo Electric Power Co Inc:The コールセンターにおけるオペレータ業務支援システム
JP2008022546A (ja) * 2006-06-15 2008-01-31 Meiji Univ コールセンタシステム，電話着信呼分配装置及び電話着信呼分配方法，プログラム
JP2009159558A (ja) * 2007-12-28 2009-07-16 Fujitsu Fsas Inc オペレータ受付監視・切替システム
JP2012060387A (ja) * 2010-09-08 2012-03-22 Oki Networks Co Ltd 対話シナリオ処理装置及びプログラム
JP2015156062A (ja) * 2014-02-19 2015-08-27 株式会社東芝 業務支援システム
JP2017072976A (ja) * 2015-10-07 2017-04-13 エヌ・ティ・ティ・ソフトウェア株式会社 情報処理システム、情報処理方法及びプログラム
JP2019062460A (ja) * 2017-09-27 2019-04-18 Kddi株式会社 オペレータ選択装置、オペレータ選択システム、プログラム及びオペレータ選択方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002358410A (ja) * 2001-06-01 2002-12-13 Daiwa Securities Group Inc コールセンター支援システム、方法及びプログラム
JP2003108650A (ja) * 2001-09-29 2003-04-11 Toshiba Corp コールセンタシステムおよび応対者選定方法およびリクエストに対する対応者選定のためのコンピュータプログラム
JP2003122834A (ja) * 2001-10-16 2003-04-25 Hochiki Corp 相談情報処理装置、相談情報処理方法、および、プログラム
JP2007004000A (ja) * 2005-06-27 2007-01-11 Tokyo Electric Power Co Inc:The コールセンターにおけるオペレータ業務支援システム
JP2008022546A (ja) * 2006-06-15 2008-01-31 Meiji Univ コールセンタシステム，電話着信呼分配装置及び電話着信呼分配方法，プログラム
JP2009159558A (ja) * 2007-12-28 2009-07-16 Fujitsu Fsas Inc オペレータ受付監視・切替システム
JP2012060387A (ja) * 2010-09-08 2012-03-22 Oki Networks Co Ltd 対話シナリオ処理装置及びプログラム
JP2015156062A (ja) * 2014-02-19 2015-08-27 株式会社東芝 業務支援システム
JP2017072976A (ja) * 2015-10-07 2017-04-13 エヌ・ティ・ティ・ソフトウェア株式会社 情報処理システム、情報処理方法及びプログラム
JP2019062460A (ja) * 2017-09-27 2019-04-18 Kddi株式会社 オペレータ選択装置、オペレータ選択システム、プログラム及びオペレータ選択方法

Similar Documents

Publication Publication Date Title
JP7005694B2 (ja) コンピュータによるエージェントのための合成音声の選択
US20200013071A1 (en) Method for personalizing customer interaction experiences by routing to customer interaction channels
US11276400B2 (en) User-programmable automated assistant
US20210304277A1 (en) Systems and methods for virtual agents to help customers and businesses
US10853717B2 (en) Creating a conversational chat bot of a specific person
US9489625B2 (en) Rapid development of virtual personal assistant applications
US20200117858A1 (en) System for minimizing repetition in intelligent virtual assistant conversations
US20210012766A1 (en) Voice conversation analysis method and apparatus using artificial intelligence
US11347801B2 (en) Multi-modal interaction between users, automated assistants, and other computing services
US11036285B2 (en) Systems and methods for mixed reality interactions with avatar
US10614377B2 (en) Method and system for using existing models in connection with new model development
Lopatovska et al. User recommendations for intelligent personal assistants
CN111201566A (zh) 用于处理数据和输出用户反馈的口语通信设备和计算体系架构以及相关方法
Honold et al. The automated interplay of multimodal fission and fusion in adaptive HCI
WO2021095473A1 (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
CN112424768A (zh) 电子设备及其控制方法
KR20200115695A (ko) 전자 장치 및 이의 제어 방법
Chen et al. Consumers’ perception on artificial intelligence applications in marketing communication
Alikhademi et al. AI-based technical approach for designing mobile decision aids
Yagi et al. Predicting multimodal presentation skills based on instance weighting domain adaptation
Glasser et al. Understanding deaf and hard-of-hearing users' interest in sign-language interaction with personal-assistant devices
Mleczko Chatbot as a Tool for Knowledge Sharing in the Maintenance and Repair Processes
Vaz Chatbot for digital marketing and customer support: an artificial intelligence approach
WO2021093821A1 (zh) 智能助理评价、推荐方法、系统、终端及可读存储介质
Lopatovska et al. Contextual Perceptions of Feminine-, Masculine-and Gender-Ambiguous-Sounding Conversational Agents

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: 20888329

Country of ref document: EP

Kind code of ref document: A1