WO2023195115A1

WO2023195115A1 - 会話装置、会話方法、及び非一時的なコンピュータ可読媒体

Info

Publication number: WO2023195115A1
Application number: PCT/JP2022/017233
Authority: WO
Inventors: 勝青木; 隆司前野; 亮太郎井上; 淳一中野; 春華茂刈; 麻代武田; 智彩岩科; 大裕古木; 杏大堀
Original assignee: 日本電気株式会社; 慶應義塾
Priority date: 2022-04-07
Filing date: 2022-04-07
Publication date: 2023-10-12

Abstract

会話装置（２０００）は、参照データ（３０）を利用して、ユーザ（４０）へ出力メッセージを出力する出力タイミングを決定する。会話装置（２０００）は、ユーザ（４０）によって入力された入力メッセージ（２０）の取得と、ユーザ（４０）に対する出力メッセージ（１０）の出力とによって、ユーザ（４０）との会話を実行する。ここで、少なくとも１つの出力メッセージ（１０）は、上記決定された出力タイミングで出力される。参照データ（３０）の少なくとも１つには、ユーザ（４０）のスケジュールデータ、ユーザ（４０）のメールの内容に関するデータ、イベントにおけるユーザ（４０）の発言の内容に関するデータ、ネットワークサービスにおけるユーザ（４０）の活動の内容に関するデータ、ユーザ（４０）によって行われた入力操作の頻度若しくは正確性に関するデータ、又はユーザ（４０）から発せられる生体信号から生成されたデータが含まれる。

Description

会話装置、会話方法、及び非一時的なコンピュータ可読媒体

　本開示は、会話装置、会話方法、及び非一時的なコンピュータ可読媒体に関する。

　ユーザに対してメッセージを出力するコンピュータが開発されている。例えば特許文献１は、ユーザに対して発話するロボットを開示している。特許文献１のロボットは、ユーザの画像を利用して、現在のユーザの姿勢を「立っている」、「座っている」、及び「横たわっている」のいずれか１つに分類する。また、特許文献１のロボットは、ユーザの画像を利用して、現在のユーザの活動状態を「活動している」と「静止している」のいずれか１つに分類する。さらに、特許文献１のロボットは、環境音を表す音声データを利用して、現在の環境音を、発話するとユーザが不機嫌になる環境音と、発話してもユーザが不機嫌にならない環境音とに分類する。そして、特許文献１のロボットは、これらの分類の結果に基づいて、発話するとユーザが不機嫌になるか否かを判定し、発話してもユーザが不機嫌にならないと判定した場合に、発話を行う。

特開２０１９－１１３６９６号公報

「幸福度の推奨アンケート（SWLS、幸せの4因子など）について」、［online］、慶應義塾大学大学院システムデザイン・マネジメント研究科ヒューマンシステムデザイン研究室、［２０２２年２月１６日検索］、インターネット＜URL: http://lab.sdm.keio.ac.jp/maenolab/questionnaire.html＞

　ユーザに対して適切にメッセージを出力する方法は、前述したユーザの姿勢の分類、活動状態の分類、及び環境音の分類に基づいて発話のタイミングを決定する方法だけには限定されない。本開示はこのような課題に鑑みてなされたものであり、その目的の一つは、ユーザに対してメッセージを出力する新たな技術を提供することである。

　本開示の会話装置は、ユーザに関する参照データを取得する取得手段と、前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定手段と、前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行手段と、を有する。
　前記会話実行手段は、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力する。
　前記決定手段によって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる。

　本開示の会話方法は、コンピュータによって実行される。当該方法は、ユーザに関する参照データを取得する取得ステップと、前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定ステップと、前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行ステップと、を有する。
　前記会話実行ステップにおいて、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力する。
　前記決定ステップによって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる。

　本開示の非一時的なコンピュータ可読媒体は、本開示の情報提供方法をコンピュータに実行させるプログラムを格納している。

　本開示によれば、ユーザに対してメッセージを出力する新たな技術が提供される。

実施形態の会話装置の動作の概要を例示する図である。会話装置の機能構成を例示するブロック図である。会話装置を実現するコンピュータのハードウエア構成を例示するブロック図である。会話装置の利用環境を例示する図である。会話装置によって実行される処理の流れを例示するフローチャートである。

　以下では、本開示の実施形態について、図面を参照しながら詳細に説明する。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。また、特に説明しない限り、所定値や閾値などといった予め定められている値は、その値を利用する装置からアクセス可能な記憶装置などに予め格納されている。さらに、特に説明しない限り、記憶部は、１つ以上の任意の数の記憶装置によって構成される。

＜概要＞
　図１は、実施形態の会話装置２０００の概要を例示する図である。ここで、図１は、会話装置２０００の概要の理解を容易にするための図であり、会話装置２０００の動作は、図１に示したものに限定されない。

　会話装置２０００は、ユーザ４０と会話をする機能を持つ。ここでいうユーザ４０との会話とは、ユーザ４０との間でメッセージのやりとりを行うことを意味する。会話装置２０００は、ユーザ４０が閲覧可能な態様で、出力メッセージ１０を出力する。また、会話装置２０００は、ユーザ４０によって入力されたメッセージである入力メッセージ２０を取得する。

　出力メッセージ１０は、ユーザ４０と会話装置２０００との会話における、会話装置２０００の発言ということができる。一方、入力メッセージ２０は、ユーザ４０と会話装置２０００との会話における、ユーザ４０の発言ということができる。ここで、出力メッセージ１０は、入力メッセージ２０に対する返答を表すメッセージ（以下、返答メッセージ）であってもよいし、返答メッセージ以外のメッセージであってもよい。

　このようにユーザと会話をするコンピュータの機能の一つとして、「チャットボット」などと呼ばれるものがある。ただし、会話装置２０００は、チャットボットと呼ばれる種類のものには限定されない。

　会話装置２０００は、ユーザ４０に対して出力する出力メッセージ１０の全て又は一部について、その出力のタイミングを、参照データ３０を利用して決定する。そして、会話装置２０００は、決定した出力タイミングで出力メッセージ１０を出力する。

　参照データ３０は、ユーザ４０に関する情報を示すデータである。ここで、会話装置２０００によって利用される参照データ３０の少なくとも１つには、ユーザ４０のスケジュールデータ、ユーザ４０のメールの内容に関するデータ、会議等のイベントにおけるユーザ４０の発言の内容に関するデータ、SNS（Social Networking Service）等のネットワークサービスにおけるユーザ４０の活動の内容に関するデータ、ユーザ４０によって行われる入力操作の頻度若しくは正確性に関するデータ、又はユーザ４０から発せられる生体信号から生成された生体データが含まれる。ただし、会話装置２０００は、ここで挙げた種類のデータの少なくとも１つ以上を参照データ３０として利用すればよく、これらの種類のデータに加え、他の種類のデータを参照データ３０として利用してもよい。

　例えば、参照データ３０として、ユーザ４０のスケジュールデータを利用するとする。この場合、例えば会話装置２０００は、スケジュールデータに基づいて、ユーザ４０の時間に余裕がある時刻（以下、余裕時刻）を特定し、その余裕時刻に出力メッセージ１０を出力する。なお、余裕時刻は出力タイミングの一例であり、出力タイミングは余裕時刻に限定されない。

　なお、参照データ３０を利用せずに出力タイミングが決定される出力メッセージ１０が存在してもよい。例えば会話装置２０００は、返答メッセージ以外の出力メッセージ１０については、参照データ３０を利用して出力タイミングを決定する一方で、返答メッセージについては、参照データ３０を利用せずに出力タイミングを決定するように構成されてもよい。例えば返答メッセージは、生成された直後に出力される。その他にも例えば、返答メッセージは、入力メッセージ２０を取得した時刻から所定の時間が経過した後に出力される。ただし、返答メッセージの出力タイミングは、ここで例示したタイミングに限定されない。また、返答メッセージの出力タイミングは、参照データ３０を利用して決定されてもよい。返答メッセージの出力タイミングのその他の例については後述する。

＜作用効果の例＞
　本実施形態の会話装置２０００によれば、ユーザ４０に対して出力される出力メッセージ１０のうち、少なくとも１つの出力メッセージ１０の出力タイミングが、参照データ３０を利用して決定される。また、参照データ３０の少なくとも１つは、ユーザ４０のスケジュールデータ、ユーザ４０のメールの内容に関するデータ、会議等のイベントにおけるユーザ４０の発言の内容に関するデータ、ネットワークサービスにおけるユーザ４０の活動の内容に関するデータ、ユーザ４０によって行われる入力操作の頻度若しくは正確性に関するデータ、又はユーザ４０から発せられる生体信号から生成された生体データが含まれる。このように、会話装置２０００によれば、ユーザ４０に対してメッセージを出力するタイミングを決定する新たな技術が提供される。

　以下、本実施形態の会話装置２０００について、より詳細に説明する。

＜機能構成の例＞
　図２は、実施形態の会話装置２０００の機能構成を例示するブロック図である。会話装置２０００は、取得部２０２０、決定部２０４０、及び会話実行部２０６０を有する。取得部２０２０は参照データ３０を取得する。決定部２０４０は、参照データ３０を利用して、出力メッセージ１０の出力タイミングを決定する。会話実行部２０６０は、決定した出力タイミングで出力メッセージ１０を出力する。

＜ハードウエア構成の例＞
　会話装置２０００の各機能構成部は、各機能構成部を実現するハードウエア（例：ハードワイヤードされた電子回路など）で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ（例：電子回路とそれを制御するプログラムの組み合わせなど）で実現されてもよい。以下、会話装置２０００の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。

　図３は、会話装置２０００を実現するコンピュータ１０００のハードウエア構成を例示するブロック図である。コンピュータ１０００は、任意のコンピュータである。例えばコンピュータ１０００は、PC（Personal Computer）やサーバマシンなどといった、据え置き型のコンピュータである。その他にも例えば、コンピュータ１０００は、スマートフォンやタブレット端末などといった可搬型のコンピュータである。コンピュータ１０００は、会話装置２０００を実現するために設計された専用のコンピュータであってもよいし、汎用のコンピュータであってもよい。

　例えば、コンピュータ１０００に対して所定のアプリケーションをインストールすることにより、コンピュータ１０００で、会話装置２０００の各機能が実現される。上記アプリケーションは、会話装置２０００の各機能構成部を実現するためのプログラムで構成される。なお、上記プログラムの取得方法は任意である。例えば、当該プログラムが格納されている記憶媒体（DVD ディスクや USB メモリなど）から、当該プログラムを取得することができる。その他にも例えば、当該プログラムが格納されている記憶装置を管理しているサーバ装置から、当該プログラムをダウンロードすることにより、当該プログラムを取得することができる。

　コンピュータ１０００は、バス１０２０、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０を有する。バス１０２０は、プロセッサ１０４０、メモリ１０６０、ストレージデバイス１０８０、入出力インタフェース１１００、及びネットワークインタフェース１１２０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０４０などを互いに接続する方法は、バス接続に限定されない。

　プロセッサ１０４０は、CPU（Central Processing Unit）、GPU（Graphics Processing Unit）、又は FPGA（Field－Programmable Gate Array）などの種々のプロセッサである。メモリ１０６０は、RAM（Random Access Memory）などを用いて実現される主記憶装置である。ストレージデバイス１０８０は、ハードディスク、SSD（Solid State Drive）、メモリカード、又は ROM（Read Only Memory）などを用いて実現される補助記憶装置である。

　入出力インタフェース１１００は、コンピュータ１０００と入出力デバイスとを接続するためのインタフェースである。例えば入出力インタフェース１１００には、キーボードなどの入力装置や、ディスプレイ装置などの出力装置が接続される。

　ネットワークインタフェース１１２０は、コンピュータ１０００をネットワークに接続するためのインタフェースである。このネットワークは、LAN（Local Area Network）であってもよいし、WAN（Wide Area Network）であってもよい。

　ストレージデバイス１０８０は、会話装置２０００の各機能構成部を実現するプログラム（前述したアプリケーションを実現するプログラム）を記憶している。プロセッサ１０４０は、このプログラムをメモリ１０６０に読み出して実行することで、会話装置２０００の各機能構成部を実現する。

　会話装置２０００は、１つのコンピュータ１０００で実現されてもよいし、複数のコンピュータ１０００で実現されてもよい。後者の場合において、各コンピュータ１０００の構成は同一である必要はなく、それぞれ異なるものとすることができる。

＜会話装置２０００の利用環境の例＞
　会話装置２０００に関する理解をより容易にするために、会話装置２０００の利用環境を例示する。図４は、会話装置２０００の利用環境を例示する図である。例えば会話装置２０００は、図４の上段に示されているように、ユーザ端末５０で実現される。ユーザ端末５０は、ユーザ４０によって利用される任意のコンピュータ（デスクトップ PC、ラップトップ PC、スマートフォン、又はタブレット端末など）である。例えば、コンピュータに会話装置２０００としての機能を持たせるアプリケーションをユーザ端末５０にインストールすることにより、ユーザ端末５０で会話装置２０００を実現することができる。

　ユーザ端末５０の利用用途は任意である。例えばユーザ端末５０は、ユーザ４０が職場で職務の遂行に利用する端末である。その他にも例えば、ユーザ端末５０は、ユーザ４０がプライベートで利用する携帯端末や自宅の端末であってもよい。

　例えばユーザ端末５０は、ユーザ端末５０に設けられているディスプレイ装置や、ユーザ端末５０に接続されているディスプレイ装置などに表示されるように、出力メッセージ１０を出力する。その他にも例えば、ユーザ端末５０は、音声データとして出力メッセージ１０を出力してもよい。

　ユーザ４０は、ユーザ端末５０に対して入力操作を行うことで、入力メッセージ２０の入力を行う。入力操作は、ハードウエアキーボードやソフトウエアキーボードを利用して行われてもよいし、音声入力によって行われてもよい。ユーザ端末５０は、このような種々の方法で入力された入力メッセージ２０を取得する。

　会話装置２０００は、ユーザ４０からのメッセージに返答してもよいし、自ら会話を開始してもよい。後者の場合、例えば会話装置２０００は、種々のタイミングで出力メッセージ１０を出力することで、会話を開始する。例えば、ユーザ４０が会社に出勤してユーザ端末５０を起動したら、会話装置２０００は、朝の挨拶や励ましを表す出力メッセージ１０を出力する。その他にも例えば、会話装置２０００は、ユーザ４０が疲れているタイミングで、休憩を促す出力メッセージ１０を出力する。出力メッセージ１０の内容や出力タイミングのその他のバリエーションについては後述する。

　会話装置２０００は、ユーザ４０の雑談相手になることで、ユーザ４０の心理状態を良好にする（例えば、幸福度を上げる）ことが好適である。例えば会話装置２０００は、あたかもユーザ４０の同僚、先輩、上司、又は社外の友人などのように振る舞って、ユーザ４０と会話を行う。ただし、会話装置２０００の利用目的は、ユーザ４０の心理状態を良好にすることには限定されない。

　会話装置２０００は、ユーザ端末５０以外のコンピュータで実現されてもよい。例えば、図４の下段の図において、会話装置２０００は、サーバ装置６０で実現されている。この例において、ユーザ端末５０は、ネットワークを介してユーザ端末５０と接続されており、ユーザ４０とサーバ装置６０との間のインタフェースとして機能する。具体的には、ユーザ端末５０は、サーバ装置６０から出力された出力メッセージ１０を受信して、受信した出力メッセージ１０を出力する。また、ユーザ端末５０は、ユーザ４０から入力メッセージ２０の入力を受け付け、入力された入力メッセージ２０をサーバ装置６０へ送信する。

　このようにサーバ装置６０で会話装置２０００が実現されるケースにおいて、ユーザ端末５０とサーバ装置６０との間で情報のやりとりをする方法は様々である。例えばサーバ装置６０は、ユーザ４０と会話装置２０００との間で会話を行うための Web サイトを提供する。ユーザ端末５０は、ユーザ端末５０のブラウザソフトウエアを利用してこの web サイトにアクセスすることで、会話装置２０００と会話をするための web ページを取得する。例えばこの web ページは、ユーザ４０と会話装置２０００との会話を表示するチャットページである。ユーザ４０は、この web ページを利用することにより、ユーザ端末５０で、入力メッセージ２０の送信及び出力メッセージ１０の受信を行う。

　その他にも例えば、会話装置２０００と会話を行うための専用アプリケーションが、ユーザ端末５０にインストールされてもよい。ユーザ４０は、このアプリケーションを利用することにより、ユーザ端末５０で、入力メッセージ２０の送信及び出力メッセージ１０の受信を行う。

　図４を説明した会話装置２０００の利用環境はあくまで例示であり、会話装置２０００の利用環境はここで説明されるものに限定されない。例えば会話装置２０００は、ユーザと会話するロボットとして実現されてもよい。この場合、会話装置２０００は、ロボットの内部に組み込まれてもよいし、ネットワークを介してロボットと通信するサーバ装置として実現されてもよい。

＜処理の流れ＞
　図５は、実施形態の会話装置２０００によって実行される処理の流れを例示するフローチャートである。取得部２０２０は、参照データ３０を取得する（Ｓ１０２）。決定部２０４０は、参照データ３０を利用して、出力メッセージ１０の出力タイミングを決定する（Ｓ１０４）。会話実行部２０６０は、決定した出力タイミングで出力メッセージ１０を出力する（Ｓ１０６）。

＜参照データ３０の取得：Ｓ１０２＞
　取得部２０２０は、参照データ３０を取得する（Ｓ１０２）。前述したように、参照データ３０としては、様々なデータを採用することができる。例えば前述したように、ユーザ４０のスケジュールデータを参照データ３０として利用することができる。その他にも例えば、参照データ３０は、ユーザ４０が行った種々の活動を表すデータであってもよい。

　ユーザ４０の活動を表すデータとしては、例えば、ユーザ４０によって送信されたメールの内容を表すデータ、ユーザ４０が参加したイベント（会議など）におけるユーザ４０の発言に関するデータ、又は SNS 等の種々のネットワークサービスにおけるユーザ４０の活動に関するデータなどを利用することができる。なお、参照データ３０の取得対象とするネットワークサービスは、ユーザ４０が所属している会社などといった特定のグループに属している人のみが参加可能なもの（社内 SNS など）であってもよいし、不特定の人が参加可能なものであってもよい。その他にも例えば、ユーザ４０の活動を表すデータは、ユーザ端末５０に対して行われる入力操作の頻度を表すデータであってもよい。

　その他にも例えば、参照データ３０は、ユーザ４０の状態を表すデータであってよい。例えばユーザ４０の状態を表すデータは、ユーザ４０によって行われた入力の正確性の高さ（キー入力ミスの少なさなど）を表すデータである。その他にも例えば、ユーザ４０の状態を表すデータは、ユーザ４０を観測することで得られる観測データである。例えば観測データは、ユーザ４０をセンシングするセンサによって生成される。センサによって生成される観測データは、例えば、ユーザ４０の顔を撮影するカメラによって生成される顔画像である。その他にも例えば、センサによって生成される観測データは、ユーザ４０から発せられる生体信号から生成される生体データである。生体データは、生体信号を検出する生体センサによって生成される。生体データは、例えば、体温データや心拍データなどである。

　取得部２０２０が参照データ３０を取得する方法は様々である。例えば参照データ３０がユーザ４０のスケジュールデータであるとする。例えば取得部２０２０は、スケジュールデータが格納されている記憶部から、スケジュールデータを取得する。その他にも例えば、ユーザ４０のスケジュールデータがネットワーク上のサービスで管理されているとする。これは例えば、クラウドサービスとして提供されているカレンダーシステムで、ユーザ４０のスケジュールが管理されているような場合である。この場合、取得部２０２０は、ユーザ４０のスケジュールデータが管理されているネットワークサービスへアクセスすることで、ユーザ４０のスケジュールデータを取得する。ここで、特定のユーザのスケジュールデータをネットワークサービスから取得する具体的な技術には、既存の種々の技術を利用することができる。

　参照データ３０がユーザ４０のメールの内容を表すデータであるとする。例えば取得部２０２０は、ユーザ４０のメールが格納されている記憶部にアクセスすることで、ユーザ４０のメールの内容を表すデータを取得する。その他にも例えば、取得部２０２０は、ユーザ４０のメールが管理されているメールサーバにアクセスすることで、ユーザ４０のメールの内容を表すデータを取得してもよい。

　参照データ３０がイベントにおけるユーザ４０の発言を表すデータであるとする。この場合、例えば参照データ３０は、イベントにおける各参加者の発言が記録されている音声データやテキストデータ（議事録データなど）である。取得部２０２０は、このような音声データやテキストデータが格納されている記憶部から、参照データ３０を取得する。

　参照データ３０が、ネットワークサービスにおけるユーザ４０の活動を表すデータであるとする。この場合、例えば取得部２０２０は、当該ネットワークサービスにアクセスして、ユーザ４０の活動を表すデータを取得する。ここで、SNS 等のネットワークサービスにおける特定のユーザの活動を表すデータ（例えば、SNS におけるアクティビティデータ）を取得する具体的な手法には、既存の種々の手法を利用することができる。

　参照データ３０が、ユーザ端末５０に対して行われる入力操作の頻度を表すデータであるとする。この場合、例えば取得部２０２０は、ユーザ端末５０上でキー入力等の入力操作を監視するソフトウエアから、ユーザ４０によって行われた入力操作の履歴を表す情報を取得する。そして取得部２０２０は、取得した情報を用いて、入力操作の頻度を表すデータ（例えば、単位時間当たりの入力操作の回数を表すデータ）を生成する。ここで、特定のユーザによって行われた入力操作の履歴を表すデータを取得する方法には、既存の種々の方法を利用することができる。なお、入力操作の履歴を用いて入力操作の頻度を表すデータを生成する処理は、会話装置２０００以外によって行われてもよい。

　参照データ３０が、ユーザ４０の入力操作の正確性を表すデータであるとする。この場合も取得部２０２０は、例えば、ユーザ端末５０上で入力操作を監視するソフトウエアから、ユーザ４０によって行われた入力操作の履歴を表す情報を取得する。そして取得部２０２０は、取得した情報を用いて、入力操作の正確性を表すデータ（例えばキー入力ミスの頻度の低さを表すデータ）を生成する。ここで、入力操作の履歴から入力操作の正確性を表すデータを生成する具体的な方法には、既存の種々の方法を利用することができる。なお、入力操作の履歴を用いて入力操作の正確性を表すデータを生成する処理は、会話装置２０００以外によって行われてもよい。

　参照データ３０が、ユーザ４０を観測することで得られる観測データであるとする。この場合、例えば観測データは、その観測データを生成したセンサから、会話装置２０００へ送信される。取得部２０２０は、センサから送信された観測データを受信することで、観測データを取得する。その他にも例えば、取得部２０２０は、観測データが格納されている記憶部にアクセスすることで、観測データを取得してもよい。

＜出力タイミングの決定：Ｓ１０４＞
　決定部２０４０は、出力メッセージ１０の出力タイミングを決定する（Ｓ１０４）。例えば決定部２０４０は、出力メッセージ１０の出力タイミングとして将来の時刻を算出し、算出した時刻に出力メッセージ１０が出力されるように設定する。この場合、設定した時刻が到来するまで、出力メッセージ１０の出力が保留される。そして、設定した時刻が到来したことに応じて、会話実行部２０６０が、出力メッセージ１０の出力を行う。

　その他にも例えば、決定部２０４０は、現在が出力メッセージ１０の出力タイミングとして適しているか否かを繰り返し判定することで、出力メッセージ１０の出力タイミングを決定してもよい。この場合、会話実行部２０６０によって出力メッセージ１０が生成された後、現在がその出力メッセージ１０の出力タイミングとして適していると判定されるまで、出力メッセージ１０の出力が保留される。そして、決定部２０４０により、現在が出力メッセージ１０の出力タイミングとして適していると判定されたことに応じて、会話実行部２０６０が、出力メッセージ１０の出力を行う。

　出力メッセージ１０は、例えば、返答メッセージと、返答メッセージ以外という２つの種類に大別される。以下、返答メッセージとそれ以外の出力メッセージ１０のそれぞれについて、その出力タイミングを例示する。

＜＜返答メッセージの出力タイミング＞＞
　対象メッセージが返答メッセージである場合、例えば会話実行部２０６０は、返答メッセージを生成した後、即時にその返答メッセージを出力する。その他にも例えば、決定部２０４０が、入力メッセージ２０を取得した時刻に基づいて、その入力メッセージ２０への返答を表す返答メッセージの出力タイミングを決定する。例えば決定部２０４０は、入力メッセージ２０の取得時刻に対して返答インターバルの長さを加算した時刻を、出力メッセージ１０の出力タイミングとして設定する。返答インターバルは、入力メッセージ２０を取得してから、その入力メッセージ２０に対する返答を表す出力メッセージ１０を出力するまでのインターバルである。

　ここで、返答インターバルの長さは、静的に定められていてもよいし、動的に決定されてもよい。前者の場合、例えば返答インターバルの長さは、ユーザ４０によって指定される。この場合、会話装置２０００は、返答インターバルの長さの指定をユーザ４０から受け付ける。返答インターバルの長さは、「１秒」などのように絶対的な値で指定されてもよいし、「長め」や「短め」などのような相対的な値で指定されてもよい。なお、返答インターバルを指定する人物はユーザ４０には限定されず、会話装置２０００の管理者などであってもよい。

　返答インターバルが動的に決定される場合、返答インターバルの長さは、ユーザ４０との会話がより自然なものとなるように決定されることが好適である。返答インターバルの長さを動的に決定する方法は様々である。例えば決定部２０４０は、入力メッセージ２０の長さに応じて、返答インターバルの長さを決定する。この場合、例えば、入力メッセージ２０の長さを返答インターバルの長さに変換する関数を予め定めておく。決定部２０４０は、入力メッセージ２０の長さをこの関数に入力し、この関数から出力された値を、返答インターバルの長さとして利用する。

　ここで、入力メッセージ２０の長さを定める尺度は様々である。例えば入力メッセージ２０の長さは、入力メッセージ２０を表す文字列の文字数で定められる。その他にも例えば、入力メッセージ２０の長さは、入力メッセージ２０に含まれる単語の数で表されてもよい。

　入力メッセージ２０の長さを返答インターバルの長さに変換する関数は、会話装置２０００の管理者等によって手動で設定されてもよいし、データの解析によって自動的に生成されてもよい。前者の場合、入力メッセージ２０の長さを返答インターバルの長さに変換する関数は、例えば、入力メッセージ２０の長さが長いほど大きい値を出力する単調非減少関数として定められる。ここで、人同士が会話をする場合、一方の人の発言が長いほど、他方の人がその発言に対する返答を考えるために要する時間が長くなる蓋然性が高い。そこで、入力メッセージ２０の長さが長いほど返答インターバルの長さを長くすることにより、人同士の会話のリズムを再現する。

　入力メッセージ２０の長さを返答インターバルの長さに変換する関数が、データの解析によって自動的に生成される場合、例えばこの関数は、入力メッセージ２０の長さと返答インターバルの適切な長さとが対応づけられたデータを複数用いた回帰分析によって生成される。

　返答インターバルの長さを決定する方法は、入力メッセージ２０の長さを利用する方法に限定されない。例えば決定部２０４０は、過去に出力メッセージ１０を出力してから入力メッセージ２０を取得するまでに経過した時間の長さの履歴に基づいて、返答インターバルの長さを決定してもよい。こうすることで、ユーザ４０の会話のリズムに合わせて出力メッセージ１０を出力することができるようになる。

　例えば決定部２０４０は、これまでにユーザ４０と行われた複数回のやりとりそれぞれについて、出力メッセージ１０を出力してから入力メッセージ２０を取得するまでの時間の長さを特定し、特定した時間の長さの統計値を算出する。そして、この統計値を、返答インターバルの長さとして利用する。

＜＜返答メッセージ以外の出力タイミング＞＞
　出力メッセージ１０が返答メッセージ以外である場合、例えば決定部２０４０は、参照データ３０を利用して、出力タイミングを決定する。参照データ３０を利用して出力タイミングを決定する方法は様々である。例えば決定部２０４０は、参照データ３０を利用して、ユーザ４０の時間に余裕がある時刻（余裕時刻）を特定し、その余裕時刻を、出力メッセージ１０の出力タイミングとして決定する。ユーザ４０の時間に余裕がない場合、ユーザ４０が作業等で忙しいと考えられるため、出力メッセージ１０を出力することは好ましくない蓋然性が高い。ユーザ４０の時間に余裕があるタイミングを出力タイミングとすることにより、ユーザ４０の作業等の邪魔にならないように出力メッセージ１０を出力することができる。

　例えば決定部２０４０は、ユーザ４０のスケジュールデータを用いて、ユーザ４０のスケジュールにイベントが示されていない直近の時刻を特定する。そして決定部２０４０は、特定した時刻を、余裕時刻として利用する。この場合、参照データ３０として、ユーザ４０のスケジュールデータが利用される。

　ここで、スケジュールにイベントが示されていない場合であっても、次のイベントの開始時刻までのインターバルが短い場合には、ユーザ４０の時間に余裕がない可能性がある。例えば、２つの会議の間に５分間のインターバルがある場合、このインターバルは、ユーザ４０にとって余裕のある時間ではない蓋然性が高い。そこで例えば、決定部２０４０は、１）ユーザ４０のスケジュールにイベントが示されていない、かつ、２）次のイベントまでの時間が所定時間以上である、という２つ条件を満たす直近の時刻を、余裕時刻として算出してもよい。

　その他にも例えば、決定部２０４０は、ユーザ４０の活動を継続的に監視し、ユーザ４０の活動の頻度が低くなったタイミングを、出力タイミングとしてしてもよい。すなわち、「現在が出力メッセージ１０の出力タイミングとして適しているか否か」の判定を、「現在のユーザ４０の活動頻度が低いか否か」の判定で実現する。こうすることで、現在のユーザ４０の活動頻度が低いと判定された場合に、出力メッセージ１０が出力される。

　ユーザ４０の活動頻度が高い間も、ユーザ４０が作業等で忙しいと考えられるため、出力メッセージ１０を出力することは好ましくない蓋然性が高い。そこで、ユーザ４０の活動頻度が低くなったタイミングを出力タイミングとすることにより、ユーザ４０の作業等の邪魔にならないように出力メッセージ１０を出力できる。

　ユーザ４０の活動頻度は、例えば、ユーザ端末５０に対する入力操作の頻度で表すことができる。この場合、参照データ３０として、ユーザ端末５０に対する入力操作の頻度を表すデータが利用される。決定部２０４０は、ユーザ端末５０に対する入力操作の頻度が閾値以下である場合に、ユーザ４０の活動頻度が低いと判定する。一方、ユーザ端末５０に対する入力操作の頻度が閾値より大きい場合、決定部２０４０は、ユーザ４０の活動頻度が低くないと判定する。

　その他にも例えば、決定部２０４０は、ユーザ４０の集中力の高さを継続的に監視し、ユーザ４０の集中力が低くなったタイミングを、出力タイミングとして検出する。すなわち、「現在が出力メッセージ１０の出力タイミングとして適しているか否か」の判定を、「現在のユーザ４０の集中力が低いか否か」の判定で実現する。こうすることで、現在のユーザ４０の集中力が低いと判定された場合に、出力メッセージ１０が出力される。

　ここで、ユーザ４０の集中力が高い間は、ユーザ４０が作業等に集中できるようにすることが好ましい。そこで、ユーザ４０の集中力が低くなったタイミングを出力タイミングとすることにより、ユーザ４０の作業等の邪魔にならないように出力メッセージ１０を出力できる。

　また、ユーザ４０の集中力が低い場合、ユーザ４０は、休憩を取るなどによって、集中力を回復させることが好ましい。そこで例えば、ユーザ４０の集中力が低いタイミングを出力タイミングとして、休憩を促す出力メッセージ１０等が出力されるようにする。

　例えば決定部２０４０は、定期的に参照データ３０を取得し、取得した参照データ３０を利用して、現在のユーザ４０の集中力が低いか否かを判定する。そして、ユーザ４０の集中力が低いと判定された場合に、現在が出力メッセージ１０の出力タイミングとして適していると判定される。一方、ユーザ４０の集中力が低くないと判定された場合、現在が出力メッセージ１０の出力タイミングとして適していないと判定される。

　ユーザ４０の集中力が低いか否かを判定する具体的な手法は様々である。例えばこの判定は、所定の種類のデータが入力されたことに応じて、ユーザ４０の集中力が低いか否かを識別する識別モデルを利用して行われる。識別モデルとしては、ニューラルネットワークなどといった種々の機械学習モデルを利用することができる。この識別モデルは、「人に関する入力データ、その人の集中力が低いか否かを表すフラグ」というペアで構成される訓練データを複数利用して、予め訓練されている。識別モデルへの入力データとしては、例えば、ユーザ４０の顔画像や生体データなどといった観測データを利用することができる。

　その他にも例えば、決定部２０４０は、ユーザ４０の疲労度の高さを継続的に監視し、ユーザ４０の疲労度が高くなったタイミングを、出力タイミングとして検出する。すなわち、「現在が出力メッセージ１０の出力タイミングとして適しているか否か」の判定を、「現在のユーザ４０の疲労度が高いか否か」の判定で実現する。こうすることで、現在のユーザ４０の疲労度が高いと判定された場合に、出力メッセージ１０が出力される。

　ここで、ユーザ４０の疲労度が高くなっている場合、ユーザ４０は、休憩を取るなどして、疲労を減らすことが好適である。そこで例えば、ユーザ４０の疲労度が高いタイミングを出力タイミングとして、休憩を促す出力メッセージ１０等が出力されるようにする。

　例えば決定部２０４０は、定期的に参照データ３０を取得し、取得した参照データ３０を利用して、現在のユーザ４０の疲労度が高いか否かを判定する。そして、ユーザ４０の疲労度が高いと判定された場合に、現在が出力メッセージ１０の出力タイミングとして適していると判定される。一方、ユーザ４０の疲労度が高くないと判定された場合、現在が出力メッセージ１０の出力タイミングとして適していないと判定される。

　ユーザ４０の疲労度が高いか否かを判定する具体的な手法は様々である。例えばこの判定は、所定の種類のデータが入力されたことに応じて、ユーザ４０の疲労度が高いか否かを識別する識別モデルを利用して行われる。識別モデルとしては、ニューラルネットワークなどといった種々の機械学習モデルを利用することができる。この識別モデルは、「人に関する入力データ、その人の疲労度が高いか否かを表すフラグ」というペアで構成される訓練データを複数利用して、予め訓練されている。識別モデルへの入力データとしては、例えば、ユーザ４０の顔画像や生体データなどといった観測データを利用することができる。

　その他にも例えば、決定部２０４０は、ユーザ４０によって行われた入力操作の正確性が低い場合に、ユーザ４０の集中力が低いと判定する。この場合、決定部２０４０は、ユーザ４０によって行われた入力操作の正確性を表す参照データ３０を取得する。例えばこの参照データ３０は、単位時間当たりの操作ミスの回数を示す。決定部２０４０は、単位時間当たりの操作ミスの回数が閾値以上である場合に、ユーザ４０の集中力が低いと判定する。一方、単位時間当たりの操作ミスの回数が閾値未満である場合、決定部２０４０は、ユーザ４０の集中力が低くないと判定する。

　ここで、出力タイミングを決定する方法は、返答メッセージ以外の全ての出力メッセージ１０に対して同じ方法が用いられてもよいし、出力メッセージ１０の種類ごとに異なる方法が用いられてもよい。後者の場合、出力メッセージ１０の種類と、その種類の出力メッセージ１０の出力タイミングを決定する方法とを対応づけているタイミング情報を、予め会話装置２０００からアクセス可能な記憶部に格納しておく。決定部２０４０は、会話実行部２０６０によって出力メッセージ１０が生成された際、その出力メッセージ１０の種類に対応する出力タイミングの決定方法を、タイミング情報を利用して特定する。そして、決定部２０４０は、特定した決定方法により、出力メッセージ１０の出力タイミングを決定する。

　会話実行部２０６０は、前述した種々のデータのうち、全てのデータを出力タイミングの決定に利用するように構成されてもよいし、一部のデータを出力タイミングの決定に利用するように構成されてもよい。後者の場合、例えば会話装置２０００は、出力タイミングの決定に利用するデータの種類を、予めユーザ４０に選択させる。

　なお、「スケジュールデータ」や「メールデータ」などといった比較的大きな分類についての指定だけでなく、さらに細かな分類が指定できるようにしてもよい。例えば、スケジュールデータであれば、複数種類のイベントのうち、どの種類のイベントに関するスケジュールデータを出力タイミングの決定に利用するのかを、指定できるようにしてもよい。

＜出力メッセージ１０の出力：Ｓ１０６＞
　会話実行部２０６０は、決定部２０４０によって決定された出力タイミングで出力メッセージ１０を出力する（Ｓ１０６）。ここで、出力メッセージ１０の出力の態様には、様々な態様を採用することができる。例えば会話実行部２０６０は、出力メッセージ１０を表す文字列データや画像データを、ディスプレイ装置に表示させる。その他にも例えば、会話実行部２０６０は、出力メッセージ１０を表す音声データを、スピーカー等に出力させる。その他にも例えば、会話実行部２０６０は、他の装置に対して出力メッセージ１０を送信する。例えば図４の下段に例示されているように、ユーザ端末５０と会話装置２０００とが互いに異なるコンピュータで実現されている場合、会話実行部２０６０は、ユーザ端末５０に対して出力メッセージ１０を送信する。

＜出力メッセージ１０の生成＞
　ここでは、会話実行部２０６０が出力メッセージ１０を生成する方法について例示する。例えば会話実行部２０６０は、出力メッセージ１０を生成するための会話モデルを有し、その会話モデルを利用して、出力メッセージ１０を生成する。

　会話モデルは、所定の生成条件が満たされたことに応じて、出力メッセージ１０を生成する。さらに、生成された出力メッセージ１０について、決定部２０４０が出力タイミングを決定する。そして、会話実行部２０６０は、決定部２０４０によって決定された出力タイミングで、出力メッセージ１０を出力する。

　ここで、生成条件としては、出力メッセージ１０の種類に応じて様々なものが定められうる。以下、出力メッセージ１０の種類を例示し、例示した各種類の出力メッセージ１０について、その生成条件や、出力メッセージ１０の内容を決定する方法を例示する。

＜＜返答メッセージ以外の出力メッセージ１０の生成について＞＞
　例えば会話モデルは、参照データ３０などの種々のデータを利用して、出力メッセージ１０を生成する。以下、出力メッセージ１０の生成に利用されるデータの種類ごとに、出力メッセージ１０の生成条件等を例示する。

＜＜＜スケジュールデータ＞＞＞
　例えば出力メッセージ１０が、ユーザ４０のスケジュールデータを利用して生成されるとする。この場合、例えば会話実行部２０６０は、定期的に、ユーザ４０のスケジュールデータの一部を取得する。例えば、現在時刻を始期とする所定長の期間について、ユーザ４０のスケジュールデータが取得される。

　例えば会話モデルは、「スケジュールデータに所定のイベントに関するスケジュールが含まれること」を生成条件として、出力メッセージ１０の生成を行う。所定のイベントは、例えば、会議や出張などである。なお、全てのイベントでは無く、特定のイベント（例えば、特定の要件と満たす会議や出張）のみが、生成条件を満たすイベントとして扱われてもよい。

　上記の生成条件が満たされているか否かを判定するために、会話実行部２０６０は、取得したスケジュールデータから、イベントごとに、そのイベントに関する情報を表すイベントデータを抽出し、会話モデルへ入力する。イベントデータは、例えば、イベントの名称、イベントの開始時刻と終了時刻、及びイベントが行われる場所などを示す。

　例えば会話モデルは、入力されたイベントデータを用いて、前述した生成条件が満たされるか否かを判定する。例えば、入力されたイベントデータが、特定の会議等のイベントを表している場合、会話モデルは、生成条件が満たされていると判定する。一方、入力されたイベントデータが、特定の会議等のイベントを表していない場合、会話モデルは、生成条件が満たされていないと判定する。

　生成条件が満たされている場合、例えば会話モデルは、そのイベントの終了後にユーザ４０へ出力するための出力メッセージ１０を生成する。イベントの終了後に出力される出力メッセージ１０としては、様々なものを採用しうる。イベントの終了後に出力される出力メッセージ１０は、例えば、「会議お疲れ様。」などのように、イベントの終了をねぎらうメッセージである。その他にも例えば、イベントの終了後に出力される出力メッセージ１０は、「コーヒーを淹れて休憩してはどうかな？」などのように、休憩を促すメッセージである。その他にも例えば、イベントの終了後に出力される出力メッセージ１０は、「今日の会議はどうだった？」などのように、終了したイベントに関する会話の開始を促すメッセージである。また、イベントの終了後に出力される出力メッセージ１０は、前述した種々のメッセージの組み合わせ（「会議おつかれさま。コーヒーを入れて休憩してはどうかな？」など）であってもよい。

　会話モデルは、イベントの開始前に出力される出力メッセージ１０を生成してもよい。イベントの開始前に出力される出力メッセージ１０は、例えば、「会議がんばってね。」や「今日の会議では積極的に発言してみよう。」などといった励ましのメッセージである。その他にも例えば、イベントの開始前に出力される出力メッセージ１０は、「忘れ物はないかな？」などのように忘れ物をしないように促すメッセージなどである。

＜＜＜メールデータ＞＞＞
　例えば出力メッセージ１０が、ユーザ４０のメールデータに基づいて生成されるとする。この場合、例えば会話モデルは、メールの送信時刻や送信回数などに基づいて、出力メッセージを生成する。

　例えば、ユーザ４０によって送信されたメールの送信時刻が、残業の時間帯に含まれるとする。この場合、例えば会話モデルは、「夜遅くまでお疲れ様。」などのように、労いを表す出力メッセージ１０を生成する。その他にも例えば、ユーザ４０によってその日に送信されたメールの回数が、所定回数（例えば、一日当たりの平均送信回数）よりも多いとする。この場合、例えば会話モデルは、「忙しそうですね。少し休憩してはどうですか。」などのように、休憩を促す出力メッセージ１０を生成する。

＜＜＜イベントにおける発言に関するデータ＞＞＞
　出力メッセージ１０の生成に利用されるデータが、イベントにおけるユーザ４０の発言に関するデータであるとする。この場合、例えばイベントにおけるユーザ４０の発言の回数が、生成条件に利用される。この場合、会話実行部２０６０は、参照データ３０を用いてユーザ４０の発言の回数を算出し、その回数を会話モデルへ入力する。

　入力された回数が第１の閾値以上である場合、会話モデルは、「今日はたくさん発言してがんばったね。」などのように、発言が多かったことを褒める出力メッセージ１０を生成する。一方、ユーザ４０の発言の回数が第２の閾値未満以下である場合、会話モデルは、「次回は発言の回数を増やしてみよう。」などのように、発言の回数を増やすことを促す出力メッセージ１０を生成する。ここで、第１の閾値と第２の閾値の値には、互いに同一の値が利用されてもよいし、互いに異なる値が利用されてもよい。なお、後者の場合、第１の閾値には第２の閾値よりも大きい値が利用される。

　ここで、発言の回数の代わりに、発言の頻度が利用されてもよい。発言の頻度は、例えば、単位時間当たりの発言の回数で表される。例えば会話モデルは、発言の頻度が閾値以上であるケースを、発言の回数が閾値以上であるケースと同様に扱う。一方、会話モデルは、発言の頻度が閾値未満であるケースを、発言の回数が閾値未満であるケースと同様に扱う。

＜＜＜ネットワークサービスにおける活動を表すデータ＞＞＞
　例えば出力メッセージ１０が、SNS 等のネットワークサービスにおけるユーザ４０の活動を表すデータに基づいて生成されるとする。この場合、例えば会話モデルは、SNS 等におけるユーザの活動を認知したことを示す出力メッセージ１０を生成する。

　例えばユーザ４０が、物体Ｘが含まれる写真を SNS にアップロードしたとする。この場合、例えば会話モデルは、「Ｘの写真をアップロードされていましたね。」などといった出力メッセージ１０を生成する。

　その他にも例えば、ユーザ４０が、観光地Ｙへの旅行の感想を表すコメントを SNS に投稿したとする。この場合、例えば会話モデルは、「Ｙへ行ってきたのですね。」などといった出力メッセージ１０を生成する。

　その他にも例えば、ユーザ４０が、出来事Ｚに関するニュースなどを引用した投稿を SNS にアップロードしたとする。この場合、例えば会話モデルは、「Ｚに関心があるのですね。」などといった出力メッセージ１０を生成する。

＜＜＜ユーザ４０の状態を表すデータ＞＞＞
　出力メッセージ１０の生成に利用されるデータが、ユーザ４０の状態を表すデータであるとする。この場合、例えば会話モデルは、ユーザ４０の状態が所定の状態となった場合に、その状態に関連のある発言を表す出力メッセージ１０を生成する。

　例えば会話モデルは、ユーザ４０の集中力が低い場合や、ユーザ４０の疲労度が高い場合に、休憩を促す出力メッセージ１０を生成する。ここで、ユーザ４０の集中力が低いか否かを判定する方法と、ユーザ４０の疲労度が高いか否かを判定する方法は、前述した通りである。

＜＜＜参照データ３０以外のデータ＞＞＞
　会話実行部２０６０は、参照データ３０以外のデータのみを利用して出力メッセージ１０を生成したり、参照データ３０以外のデータと参照データ３０の双方を利用して出力メッセージ１０を生成したりしてもよい。例えば、会話モデルは、ニュースを表すデータであるニュースデータを取得し、取得したニュースデータを利用して出力メッセージ１０を生成する。ここで、ニュースデータの取得は、定期的に行われてもよいし、不定期に行われてもよい。後者の場合、例えば、web サイト等からプッシュ通知されるニュースデータを受信するように、会話装置２０００を構成しておく。

　ニュースデータは、特定のグループ内で配信されるニュースのデータであってもよいし、不特定多数の人へ向けて配信される一般的なニュースの情報であってもよい。特定のグループ内で配信されるニュースとしては、例えば、ユーザ４０が所属している会社内で配信されているニュースや、ユーザ４０が参加している SNS で配信されているニュースなどである。会話装置２０００は、どのニュースデータを出力メッセージ１０の生成に利用するのか、ユーザ４０に指定させてもよい。例えばユーザ４０は、特定のグループ内で配信されているニュースデータのみ（例えば所属している会社内のニュースのみ）を出力メッセージ１０に利用するように指定する。

　このようにニュースデータを利用する場合、例えば、「新たなニュースデータを受信した」という条件である。そして、会話モデルは、新たに受信したニュースデータに示されているニュースに関する発言を表す出力メッセージ１０を生成する。

　会話モデルは、ユーザ４０が興味を持つと考えられるニュースを受信した場合のみ、出力メッセージ１０を生成してもよい。この場合、生成条件は、「ユーザ４０が興味を持つと予測されるニュースを示すニュースデータを受信した」という条件となる。会話モデルは、ニュースデータが入力されたことに応じて、そのニュースデータが表すニュースに対してユーザ４０を持つか否かを判定する。ユーザ４０が興味を持つと判定された場合、会話モデルは出力メッセージ１０を生成する。

　ここで、特定のニュースにユーザが興味を持つか否かを判定する方法には、種々の方法を利用することができる。例えば、会話装置２０００は、興味のあるニュースの種類を１つ以上指定する入力を予め受け付け、指定されたニュースの種類を任意の記憶部に格納しておく。会話モデルは、入力されたニュースデータに示されているニュースの種類が、ユーザ４０によって予め指定された種類と合致する場合に、ユーザ４０が興味を持つニュースであると判定する。

　その他にも例えば、会話モデルは、ユーザ４０の種々の活動から、ユーザ４０が興味を持つニュースの種類を予測してもよい。例えば、ユーザ４０が興味を持つニュースは、ユーザ４０と会話装置２０００との間の過去の会話や、ユーザ４０のメールの内容、ユーザ４０のイベントでの発言、又はユーザ４０のネットワークサービス上の活動などから予測される。

＜＜出力メッセージ１０の生成に利用するデータの選択＞＞
　会話実行部２０６０は、前述した種々のデータのうち、全てのデータを利用して出力メッセージ１０を生成するように構成されてもよいし、一部のデータを利用して出力メッセージ１０を生成するように構成されてもよい。後者の場合、例えば会話装置２０００は、出力メッセージ１０の生成に利用するデータの種類を、予めユーザ４０に選択させる。

　なお、「スケジュールデータ」や「メールデータ」などといった比較的大きな分類についての指定だけでなく、さらに細かな分類が指定できるようにしてもよい。例えば、スケジュールデータであれば、複数種類のイベントのうち、どの種類のイベントに関するスケジュールデータを出力メッセージ１０の生成に利用するのかを、指定できるようにしてもよい。

＜＜返答メッセージの生成について＞＞
　返答メッセージは、入力メッセージ２０に基づいて生成される。例えば会話実行部２０６０は、入力メッセージ２０を取得する度に、その入力メッセージ２０を会話モデルへ入力する。会話モデルは、入力された入力メッセージ２０に基づいて、返答メッセージを生成する。ここで、会話モデルは、直近に入力された入力メッセージ２０だけでなく、それよりも前に入力された入力メッセージ２０も利用して、返答メッセージを生成してもよい。

＜＜ユーザ４０の心理状態を考慮した出力メッセージ１０の生成＞＞
　ユーザ４０に対して発するメッセージの適切な内容は、ユーザ４０の心理状態によって左右されうる。そこで会話実行部２０６０は、ユーザ４０の心理状態を表す心理状態データを用いて、出力メッセージ１０を生成してもよい。例えば会話実行部２０６０は、心理状態データを用いて、所定の複数種類の心理状態の中から、ユーザ４０の心理状態に合致する種類を特定する。そして、会話実行部２０６０は、特定したユーザ４０の心理状態の種類を加味して、出力メッセージ１０を生成する。ここで、ユーザ４０の心理状態データは、会話装置２０００からアクセス可能な記憶部に予め格納されているものとする。

　例えば、ユーザ４０が取り得る複数の心理状態それぞれについて、会話モデルを用意しておく。各会話モデルは、対応する心理状態に適した出力メッセージ１０を生成するように構成されている。会話実行部２０６０は、心理状態データを用いてユーザ４０の心理状態の種類を特定する。そして、会話実行部２０６０は、特定した種類に対応する会話モデルに、出力メッセージ１０の生成に利用するデータ（参照データ３０や入力メッセージ２０など）を入力する。これにより、会話装置２０００は、ユーザ４０の心理状態に応じた適切な出力メッセージ１０を出力することができる。

　例えば心理状態データは、ユーザ４０の心理状態に関する１つ以上の因子それぞれについてのスコアを示す。例えば心理状態データが、ユーザ４０の心理状態に関する n 個の因子それぞれについてのスコアを示す場合、心理状態データは、n 次元ベクトルで表すことができる。

　心理状態データとしては、種々のデータを利用することができる。例えば会話実行部２０６０は、心理状態データとして、ユーザ４０の幸福度を表す幸福度データを利用する。例えば幸福度データは、非特許文献１に開示されている幸せの４因子それぞれについてのユーザ４０のスコアを示すデータである。ただし、ユーザの幸福度を表す方法は、非特許文献１に開示されている方法に限定されない。

　心理状態の種類としては、様々な種類を採用することができる。例えば、良好な状態と良好でない状態という２つの種類を採用することができる。心理状態の種類ごとに会話モデルが用意される場合、ユーザ４０の心理状態が良好である場合に対応する会話モデルと、ユーザ４０の心理状態が良好でない場合に対応する会話モデルという、２つの会話モデルが用意される。

　ユーザ４０の心理状態が良好であるか否かを判定するために、例えば会話実行部２０６０は、心理状態データを用いて、ユーザ４０心理状態の良好度合いを表す指標値を算出する。この指標値としては、例えば、心理状態データに示されているスコアの統計値（平均値や中央値など）を利用することができる。

　会話実行部２０６０は、算出した指標値が閾値以上である場合に、ユーザ４０の心理状態が良好であると判定する。一方、算出した指標値が閾値未満である場合に、ユーザ４０の心理状態が良好でないと判定する。

　その他にも例えば、ユーザ４０の心理状態は、前述した複数の因子それぞれが良好であるか否かの組み合わせによって表されてもよい。この場合、因子の数が n 個であれば、心理状態が 2^n 種類存在する。そこで、会話モデルを利用する場合、2^n 種類の会話モデルが用意される。例えば前述した幸せの４因子に基づいてユーザ４０の幸福度を表す心理状態データを利用する場合、心理状態の種類が 2^4=16 種類存在する。そのため、１６種類の会話モデルが用意される。

　ユーザ４０の心理状態を特定するために、会話実行部２０６０は、ｎ個の因子それぞれについて、ユーザ４０の心理状態が良好であるか否かを判定する。例えば心理状態データが n 個の因子それぞれについてのスコアを示す場合、会話実行部２０６０は、n 個の因子それぞれについて、その因子のスコアが閾値以上であるか否かを判定する。スコアが閾値以上である因子については、心理状態が良好であると判定される。一方、スコアが閾値未満である因子については、心理状態が良好でないと判定される。

　ここで、心理状態が良好であるか否かの判定に用いるスコアの閾値を定める方法には、種々の方法を採用しうる。例えばスコアの閾値は、会話装置２０００の管理者等によって静的に設定される。

　その他にも例えば、スコアの閾値は、会話実行部２０６０によって動的に決定される。例えば会話実行部２０６０は、ユーザ４０の過去の心理状態データを複数取得し、取得した過去の複数の心理状態データそれぞれに示されているスコアの統計値を算出する。そして、会話実行部２０６０は、算出した統計値を閾値として利用する。

　その他にも例えば、スコアの閾値は、ユーザ４０だけでなく、ユーザ４０以外の人物のスコアも利用して決定される。例えば会話実行部２０６０は、ユーザ４０と同じグループに属する他の人物それぞれの心理状態データを取得し、そのグループにおけるスコアの統計値を算出する。そして、算出された統計値を、そのグループにおけるスコアの閾値として利用する。また、特定のグループに所属している人に限らず、任意の人物の心理状態データを利用して、スコアの閾値が決定されてもよい。

　なお、前述したように、心理状態データが複数の因子それぞれについてスコアを示す場合、スコアの閾値は因子ごとに設定される。

＜＜＜ユーザ４０の心理状態に適した出力メッセージ１０の具体例＞＞＞
　ユーザ４０の心理状態に適した出力メッセージ１０の具体例を示す。ここでは、心理状態データとして、非特許文献１に開示されている幸せの４因子に基づく幸福度データが利用されるとする。また、以下の具体例では、各週の最後の営業日の終業時刻が近くなったタイミングで（例えば、終業時刻の所定時間前に）出力される出力メッセージ１０のバリエーションが例示されている。

　例えば、幸せの４因子の１つである「やってみよう！」因子についてのスコアが高い場合と低い場合とで、異なる出力メッセージ１０が生成されるようにする。「やってみよう！」因子のスコアが高いことは、ユーザ４０の意欲が高い状態であることを表す。そこで、「やってみよう！」因子のスコアが閾値以上である場合、「来週のスケジュールを確認して頑張ろう。」のように、行動を促進する特徴を持つ出力メッセージ１０が生成されるようにする。一方、「やってみよう！」因子のスコアが低いことは、ユーザ４０の意欲が低い状態であることを表す。そのため、「やってみよう！」因子のスコアが閾値未満である場合、「今週出来たことを振りかえってみよう。」のように、実績に目を向けることで自己有用感を高める、という特徴を持つ出力メッセージ１０が生成されるようにする。

　その他にも例えば、幸せの４因子の１つである「ありがとう！」因子についてのスコアが高い場合と低い場合とで、異なる出力メッセージ１０が生成されるようにする。「ありがとう！」因子のスコアが高いことは、ユーザ４０が他者に感謝できたり、他者を称賛できたりする状態であることを表す。そこで、「ありがとう！」因子のスコアが閾値以上である場合、「今週の感謝を忘れずに伝えておきましょう。」のように、感謝や称賛の行動を促進する特徴を持つ出力メッセージ１０が生成されるようにする。一方、「ありがとう！」因子のスコアが低いことは、ユーザ４０の心理状態が自己中心的になっていることを表す。そのため、「ありがとう！」因子のスコアが閾値未満である場合、「誰でも良いので、1人の人に感謝の気持ちを伝えてみよう。」のように、他者に関心を向ける行動を促すという特徴を持つ出力メッセージ１０が生成されるようにする。

　その他にも例えば、幸せの４因子の１つである「なんとかなる！」因子についてのスコアが高い場合と低い場合とで、異なる出力メッセージ１０が生成されるようにする。「なんとかなる！」因子のスコアが高いことは、ユーザ４０がリスクを受容できる状態であることを表す。そこで、「なんとかなる！」因子のスコアが閾値以上である場合、「来週はどこまで出来るか、楽しみですね。」のように、挑戦を応援する特徴を持つ出力メッセージ１０が生成されるようにする。一方、「なんとかなる！」因子のスコアが低いことは、ユーザ４０の心理状態がリスクを強く感じている状態であることを表す。そのため、「なんとかなる！」因子のスコアが閾値未満である場合、「一日一日を乗り切って、今週も頑張りましたね。」のように、近くの目標を意識させて自己効力感を高めるという特徴を持つ出力メッセージ１０が生成されるようにする。

　その他にも例えば、幸せの４因子の１つである「ありのままに！」因子についてのスコアが高い場合と低い場合とで、異なる出力メッセージ１０が生成されるようにする。「ありのままに！」因子のスコアが高いことは、ユーザ４０の自己肯定感が高いという状態であることを表す。そこで、「ありのままに！」因子のスコアが閾値以上である場合、「あなたらしく頑張っていこう。」のように、マイペースを受容するという特徴を持つ出力メッセージ１０が生成されるようにする。一方、「ありのままに！」因子のスコアが低いことは、ユーザ４０の心理状態が、自己肯定感が低い状態であることを表す。そのため、「ありのままに！」因子のスコアが閾値未満である場合、「時には自分のペースを守りましょう。」のように、自分で自分を受容するという特徴を持つ出力メッセージ１０が生成されるようにする。

＜＜＜心理状態データの取得方法＞＞＞
　会話装置２０００が心理状態データを取得する方法は様々である。例えばユーザ４０の心理状態データは、会話装置２０００からアクセス可能な記憶部に予め格納されている。会話装置２０００は、この記憶部にアクセスすることで、ユーザ４０の心理状態データを取得する。

　ユーザ４０の心理状態データを生成する方法は任意である。例えば心理状態データは、ユーザ４０に対して行ったアンケートの結果を用いて生成される。

　例えば心理状態データとして、非特許文献１に開示されている幸せの４因子それぞれのスコアを示す幸福度データを利用するとする。非特許文献１には、幸せの４因子それぞれについて、４つの質問が示されている。すなわち、ユーザの幸福度を測るための１６個の質問が開示されている。そこで、ユーザ４０に、この１６個の質問を示すアンケートに答えてもらう。幸福度データは、この１６個の質問それぞれに対するユーザ４０の回答に基づいて生成することができる。

　より具体的には、非特許文献１では、４つの因子それぞれについて、４つの回答値が得られる。そこで、各因子のスコアとして、その因子に関する４つの質問それぞれの回答値の統計値を利用することができる。

　心理状態データを生成するためのアンケート（例えば、幸せの４因子に関する１６個の質問）の提示や、アンケートの結果を利用した心理状態データの生成は、会話装置２０００によって行われてもよいし、会話装置２０００以外の装置によって行われてもよい。前者の場合、例えば会話装置２０００は、会話装置２０００との会話の設定をユーザ４０に行わせる際に、アンケートの提示を行う。ユーザ４０は、会話装置２０００によって提示されたアンケートに対する回答を入力する。会話装置２０００は、この回答を用いて心理状態データを生成する。そして、会話装置２０００は、その心理状態データを用いて、ユーザ４０との会話に用いる会話モデルを決定する。

＜入力データから出力メッセージ１０を生成する方法について＞
　前述したように、会話モデルは、会話モデルに入力される種々のデータ（以下、入力データ）に基づいて、出力メッセージ１０を生成する。入力データから出力メッセージ１０を生成する方法は、例えば、予め生成ルールとして定められている。例えば、特定のイベントを示すスケジュールデータが入力されたら、「ＸＸＸお疲れ様」という出力メッセージを生成するといった生成ルールが予め定められている。ここで、「ＸＸＸ」の部分には、スケジュールデータに示されているイベントの種類や名称が埋め込まれる。会話モデルは、入力データと生成ルールとに基づいて、出力メッセージ１０を生成する。

　ここで、複数の心理状態それぞれについて会話モデルを用意しておく場合、各会話モデルには、その会話モデルに対応する心理状態に合わせて用意された生成ルールが適用される。

　その他にも例えば、会話モデルは、入力データが入力されたことに応じて出力メッセージ１０を出力するように予め訓練された、機械学習モデルで構成されてもよい。この場合、例えば会話モデルは、入力データと、その入力データが入力されたことに応じて生成されるべきメッセージとを対応づけた訓練データを複数用いて訓練される。なお、機械学習モデルとして構成される会話モデルを訓練する具体的な手法には、既存の種々の手法を利用することができる。

　ここで、複数の心理状態それぞれについて会話モデルを用意しておく場合、各会話モデルは、その会話モデルに対応する心理状態に合わせて用意された訓練データを用いて訓練される。

　会話モデルは、１つの入力データを利用して出力メッセージ１０を生成するように構成されてもよいし、時系列の複数の入力データを利用して出力メッセージ１０を生成するように構成されてもよい。例えば、時系列の入力メッセージ２０を入力データとして扱うことで、会話のコンテキストを考慮した出力メッセージ１０を生成することができる。

　ここで、参照データ３０を利用して、出力メッセージ１０に利用する言葉使いなどの特徴を、会話モデルに学習させておくことが好適である。例えば会話モデルは、ユーザ４０が受信したメールに含まれる文章や、SNS 等における他のユーザからユーザ４０へのメッセージなどから、ユーザ４０の周囲の人物からユーザ４０に対する発言の特徴を学習する。そして、会話モデルは、ユーザ４０の周囲の人物の発言の特徴と同様の特徴となるように、出力メッセージ１０を生成する。

　より具体的な例としては、ユーザ４０の周囲の人物の発言が丁寧な言葉遣いである場合（ですます調子である場合など）、会話装置２０００からユーザ４０への発言も丁寧な言葉遣いであることが好ましい蓋然性が高い。そこでこのような場合、会話モデルは、丁寧な言葉遣いを用いて出力メッセージ１０を生成する。

　また、会話モデルは、ユーザ４０が送信したメールの内容や SNS 等におけるユーザ４０の発言から、ユーザ４０の発言の特徴を学習してもよい。この場合、会話モデルは、ユーザ４０の発言の特徴と同様の特徴を持つように、出力メッセージ１０を生成する。

　その他にも例えば、参照データ３０を利用して、出力メッセージ１０に含める単語の特徴を、会話モデルに学習させてもよい。例えば、同様の意味を持つ複数の単語がある場合、その中のどの単語を利用するのかは、人によって異なりうる。そこで例えば、会話モデルは、ユーザ４０が送信したメールの内容や SNS 等におけるユーザ４０の発言から、ユーザ４０の発言に含まれる単語を学習する。この場合、会話モデルは、ユーザ４０が利用する単語と同じ単語を利用して、出力メッセージ１０を生成する。このような会話モデルの学習は、「ユーザ４０の発言を利用して単語辞書を生成又はカスタマイズする」とも表現できる。

　なお、前述した種々の特徴を会話モデルに学習させるために利用するデータは、参照データ３０には限定されない。例えば、過去の会話におけるユーザ４０の発言（入力メッセージ２０）の特徴を会話モデルに学習させてもよい。

＜会話装置２０００のその他の機能＞
　会話装置２０００は、ユーザ４０との会話の履歴（すなわち、出力メッセージ１０及び入力メッセージ２０の履歴）を、任意の記憶部に格納してもよい。会話履歴が格納される記憶部は、ユーザ４０が所属するグループによって管理されているシステムの外部に設けられてもよい。こうすることにより、そのグループの管理者など、ユーザ４０と関係のある人物に会話履歴が閲覧されてしまうことを避けることができる。よって、ユーザ４０のプライバシーを保護することができる。

　また、会話装置２０００は、会話履歴をユーザ４０以外の人物に閲覧可能とするか否かを、ユーザ４０に指定させてもよい。例えば、ユーザ４０が所属している会社で会話装置２０００が運用される場合において、会話履歴をユーザ４０の上司などが閲覧できるようにするか否かを、ユーザ４０が指定できるようにする。

　会話装置２０００の会話モデルは、ユーザ４０との会話を通じて更新されていくことが好適である。例えば会話装置２０００が、擬似的な人物として振る舞ってユーザ４０との会話を行うように構成されているとする。この場合、例えば、ユーザ４０が会話装置２０００を利用した期間が長くなるほど、又は、ユーザ４０が会話装置２０００と会話した回数が多くなるほど、会話装置２０００によって表される擬似的な人物の口調（すなわち、出力メッセージ１０における言葉の表現）が、親しみのある口調に変化するようにする。なお、このように会話装置２０００が擬似的な人物として振る舞う場合、当該擬似的な人物のタイプを、複数のタイプのうちから１つ指定できるようにしてもよい。指定可能な人物のタイプは、例えば、ユーザ４０との関係（同僚、先輩、上司、又はプライベートの友達など）、性別、又は性格などである。

　また、会話装置２０００は、ユーザ４０と同じグループ（例えば部署）に所属している擬似的な人物として振る舞うように構成されてもよい。この場合、ユーザ４０の所属が新しいグループに変更されたら、会話装置２０００も新たに、その新しいグループにいる擬似的な人物として振る舞うようにしてもよい。これは例えば、ユーザ４０が別の部署に異動したことに応じて、会話モデルを初期化するなどの方法によって実現できる。

　また、会話装置２０００は、一人の擬似的な人物ではなく、複数の擬似的な人物として振る舞って、ユーザ４０との会話を行ってもよい。例えば会話装置２０００は、通常時は第１の人物としてユーザ４０と会話をし、何らかのタイミングで別の第２の人物としてユーザ４０と会話をするようにする。例えば、会話装置２０００は、通常時はユーザ４０と同じ部署の同僚として振る舞い、定期的又は不定期に、他部署の同僚として振る舞うようにする。これら別々の人物としての会話には、それぞれ異なる会話モデルが利用される。なお、ユーザ４０と会話装置２０００との会話をチャットページなどで視覚的に表示する場合、会話装置２０００が振る舞う人物ごとに、異なる表示（例えばアバター）を利用することが好適である。

　会話装置２０００が擬似的な人物として振る舞う場合、会話装置２０００は、当該擬似的な人物のタイプを、入力メッセージ２０や参照データ３０を用いて決定してもよい。例えば会話装置２０００は、ユーザ４０との会話の内容（すなわち、入力メッセージ２０の内容）や、ユーザ４０の働き方の状況が分かる情報（スケジュールデータやメールデータなど）を利用して、人物タイプを選択する。例えば、会話装置２０００は、ユーザ４０の体調が悪いことが、入力メッセージ２０の内容から分かった場合、症状の詳細を尋ねる出力メッセージ１０を出力する。そして、会話装置２０００は、この出力メッセージ１０に対する返答を表す入力メッセージ２０の内容に応じて、ユーザ４０の症状に合った専門家を、会話装置２０００の人物タイプとして選択する。

　例えば、入力メッセージ２０の内容から、ユーザ４０の症状が食欲不振であることが分かった場合、会話装置２０００は、人物タイプとして健康管理士を選択する。一方、入力メッセージ２０の内容から、ユーザ４０の症状が不眠であることが分かった場合、会話装置２０００は、人物タイプとして産業医を選択する。

　その他にも例えば、会話装置２０００は、「辞めたい」や「死にたい」などといった特定のキーワードが入力メッセージ２０に含まれていた場合、すぐに、人物タイプとして産業医を選択してもよい。

　その他にも例えば、会話装置２０００は、入力メッセージ２０の内容が仕事に関する不安を表す場合に、スケジュールデータに基づいて、適切な立場の人物を、会話装置２０００の人物タイプとして選択する。例えば、スケジュールデータに顧客や他部署との打ち合わせが多く含まれる場合、会話装置２０００は、経験豊富な人物として振る舞うように、先輩社員の会話モデルを人物タイプとして選択する。一方、スケジュールデータにこのような打ち合わせ等が多く含まれない場合には、会話装置２０００は、人物タイプとして同僚を選択する。

　その他にも例えば、会話装置２０００は、入力メッセージ２０の内容が私生活に関する不安を表す場合に、ユーザ４０の私生活を把握できる情報（例えば、SNS 等における活動を表すデータ）に基づいて、人物タイプを選択する。例えば、ユーザ４０が特別なライフイベント（結婚、出産、又は子供の進学など）を控えている場合、会話装置２０００は、人物タイプとしてファイナンシャルアドバイザーを選択する。一方、このようなライフイベントを控えていない場合、会話装置２０００は、人物タイプとして、同僚、先輩社員、又は社外の友達などを選択する。

　ここで、会話装置２０００は、人物タイプの切り替え（すなわち、会話モデルの切り替え）を自動的に行ってもよいし、ユーザ４０の同意を得た上で行ってもよい。後者の場合、例えば会話装置２０００は、「産業医の知り合いがいるから、その人に相談してみる？」などといった会話を通じて、ユーザ４０に対し、人物タイプの切り替えについて打診する。そして、会話装置２０００は、ユーザ４０から同意を得られた場合に、人物タイプを切り替える。なお、人物タイプが切り替わったときに、それまでの会話の内容を引き継ぐことにより、過去の経緯をある程度反映させた会話を開始することができる。

　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

　なお、上述の例において、プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。

　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　ユーザに関する参照データを取得する取得手段と、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定手段と、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行手段と、を有し、
　前記会話実行手段は、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定手段によって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、会話装置。
　（付記２）
　前記決定手段は、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、付記１に記載の会話装置。
　（付記３）
　前記決定手段は、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、付記１に記載の会話装置。
　（付記４）
　前記会話実行手段は、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、付記１から３いずれか一項に記載の会話装置。
　（付記５）
　前記会話実行手段は、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、付記４に記載の会話装置。
　（付記６）
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行手段は、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、付記４に記載の会話装置。
　（付記７）
　ユーザに関する参照データを取得する取得ステップと、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定ステップと、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行ステップと、を有し、
　前記会話実行ステップは、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定ステップによって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、コンピュータによって実行される会話方法。
　（付記８）
　前記決定ステップにおいて、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、付記７に記載の会話方法。
　（付記９）
　前記決定ステップにおいて、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、付記７に記載の会話方法。
　（付記１０）
　前記会話実行ステップにおいて、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、付記７から９いずれか一項に記載の会話方法。
　（付記１１）
　前記会話実行ステップにおいて、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、付記１０に記載の会話方法。
　（付記１２）
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行ステップにおいて、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、付記１０に記載の会話方法。
　（付記１３）
　ユーザに関する参照データを取得する取得ステップと、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定ステップと、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行ステップと、をコンピュータに実行させるプログラムを格納しており、
　前記会話実行ステップは、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定ステップによって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、非一時的なコンピュータ可読媒体。
　（付記１４）
　前記決定ステップにおいて、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、付記１３に記載のコンピュータ可読媒体。
　（付記１５）
　前記決定ステップにおいて、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、付記１３に記載のコンピュータ可読媒体。
　（付記１６）
　前記会話実行ステップにおいて、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、付記１３から１５いずれか一項に記載のコンピュータ可読媒体。
　（付記１７）
　前記会話実行ステップにおいて、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、付記１６に記載のコンピュータ可読媒体。
　（付記１８）
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行ステップにおいて、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、付記１６に記載のコンピュータ可読媒体。

１０　　　　　　出力メッセージ
２０　　　　　　入力メッセージ
３０　　　　　　参照データ
４０　　　　　　ユーザ
５０　　　　　　ユーザ端末
６０　　　　　　サーバ装置
１０００　　　　　コンピュータ
１０２０　　　　　バス
１０４０　　　　　プロセッサ
１０６０　　　　　メモリ
１０８０　　　　　ストレージデバイス
１１００　　　　　入出力インタフェース
１１２０　　　　　ネットワークインタフェース
２０００　　　　　会話装置
２０２０　　　　　取得部
２０４０　　　　　決定部
２０６０　　　　　会話実行部

Claims

　ユーザに関する参照データを取得する取得手段と、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定手段と、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行手段と、を有し、
　前記会話実行手段は、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定手段によって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、会話装置。
　前記決定手段は、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、請求項１に記載の会話装置。
　前記決定手段は、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、請求項１に記載の会話装置。
　前記会話実行手段は、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、請求項１から３いずれか一項に記載の会話装置。
　前記会話実行手段は、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、請求項４に記載の会話装置。
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行手段は、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、請求項４に記載の会話装置。
　ユーザに関する参照データを取得する取得ステップと、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定ステップと、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行ステップと、を有し、
　前記会話実行ステップは、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定ステップによって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、コンピュータによって実行される会話方法。
　前記決定ステップにおいて、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、請求項７に記載の会話方法。
　前記決定ステップにおいて、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、請求項７に記載の会話方法。
　前記会話実行ステップにおいて、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、請求項７から９いずれか一項に記載の会話方法。
　前記会話実行ステップにおいて、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、請求項１０に記載の会話方法。
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行ステップにおいて、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、請求項１０に記載の会話方法。
　ユーザに関する参照データを取得する取得ステップと、
　前記参照データを利用して、前記ユーザへ出力メッセージを出力する出力タイミングを決定する決定ステップと、
　前記ユーザによって入力された入力メッセージの取得と、前記ユーザに対する出力メッセージの出力とによって、前記ユーザとの会話を実行する会話実行ステップと、をコンピュータに実行させるプログラムを格納しており、
　前記会話実行ステップは、少なくとも１つの前記出力メッセージを、前記決定された出力タイミングで出力し、
　前記決定ステップによって利用される前記参照データの少なくとも１つには、前記ユーザのスケジュールデータ、前記ユーザのメールの内容に関するデータ、イベントにおける前記ユーザの発言の内容に関するデータ、ネットワークサービスにおける前記ユーザの活動の内容に関するデータ、前記ユーザによって行われた入力操作の頻度若しくは正確性に関するデータ、又は前記ユーザから発せられる生体信号から生成されたデータが含まれる、非一時的なコンピュータ可読媒体。
　前記決定ステップにおいて、
　　前記参照データとして、前記ユーザのスケジュールデータを取得し、
　　前記スケジュールデータに示されているイベントの前又は後を、前記出力タイミングとして決定する、請求項１３に記載のコンピュータ可読媒体。
　前記決定ステップにおいて、
　　前記ユーザによって行われた入力操作に関するデータを前記参照データとして取得し、
　　前記入力操作に関するデータを用いて、前記ユーザの活動頻度、集中力の高さ、又は疲労度の高さを算出し、
　　前記ユーザの活動頻度が閾値以下であるタイミング、前記ユーザの集中力が閾値以下であるタイミング、又は前記ユーザの疲労度が閾値以上であるタイミングを、前記出力タイミングとして決定する、請求項１３に記載のコンピュータ可読媒体。
　前記会話実行ステップにおいて、
　　前記ユーザの心理状態を表す心理状態データを取得し、
　　前記心理状態データを用いて、複数種類の心理状態の中から、前記ユーザの心理状態の種類を特定し、
　　前記特定した前記ユーザの心理状態の種類に基づいて、前記出力メッセージを生成する、請求項１３から１５いずれか一項に記載のコンピュータ可読媒体。
　前記会話実行ステップにおいて、
　　複数種類の心理状態それぞれに対応する会話モデルを有し、
　　前記特定した前記ユーザの心理状態の種類に対応する前記会話モデルを用いて、前記出力メッセージを生成する、請求項１６に記載のコンピュータ可読媒体。
　前記心理状態データは、幸福度を表す複数の因子それぞれについてのスコアを示し、
　前記会話実行ステップにおいて、
　　前記心理状態データが示す少なくとも１つの因子について、その因子のスコアが閾値以上であるか否かを判定することで、前記ユーザの心理状態の種類を特定する、請求項１６に記載のコンピュータ可読媒体。