WO2024018541A1 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents

情報処理装置、情報処理方法および情報処理プログラム Download PDF

Info

Publication number
WO2024018541A1
WO2024018541A1 PCT/JP2022/028113 JP2022028113W WO2024018541A1 WO 2024018541 A1 WO2024018541 A1 WO 2024018541A1 JP 2022028113 W JP2022028113 W JP 2022028113W WO 2024018541 A1 WO2024018541 A1 WO 2024018541A1
Authority
WO
WIPO (PCT)
Prior art keywords
character string
unit
information processing
skill
distance
Prior art date
Application number
PCT/JP2022/028113
Other languages
English (en)
French (fr)
Inventor
真徳 山田
Original Assignee
日本電信電話株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2022/028113 priority Critical patent/WO2024018541A1/ja
Publication of WO2024018541A1 publication Critical patent/WO2024018541A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying

Definitions

  • the present invention relates to an information processing device, an information processing method, and an information processing program.
  • Non-patent Document 1 Nils Reimers and Iryna Gurevych, Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks
  • Non-patent Document 2 MATTHEW HENDERSON, et al., Efficient Natural Language Response Suggestion for Smart Reply
  • the problem with the conventional technology is that it is not possible to automatically select skills.
  • the person using the skill must remember the correspondence between the skill call and the content to be executed before calling the skill.
  • relearning every time a skill is added is a burden, so learning that does not assume skills is required.
  • the present invention has been made in view of the above, and aims to provide an information processing device, an information processing method, and an information processing program that can automatically select skills.
  • an information processing device of the present invention includes an acquisition unit that acquires a first character string input by a user and a second character string indicating a skill, and an acquisition unit.
  • a vector conversion unit that converts the first character string and second character string obtained by The present invention is characterized in that it includes a measurement section that measures the distance between the two, a selection section that selects a skill based on the distance measured by the measurement section, and an execution section that executes the skill selected by the selection section.
  • FIG. 1 is a block diagram showing an example of the configuration of an information processing device.
  • FIG. 2 is a diagram illustrating an overview of processing of the information processing device.
  • FIG. 3 is a diagram illustrating an overview of processing of the information processing device.
  • FIG. 4 is a diagram illustrating an example of a processing result of the information processing device.
  • FIG. 5 is a flowchart illustrating an example of the processing flow of the information processing device.
  • FIG. 6 is a diagram illustrating an example of a computer that executes an information processing program.
  • the information processing device vectorizes the meaning of an input character string and a character string indicating a skill, measures the distance, and selects a skill based on the distance between the vectors.
  • the information processing device 100 includes a communication section 110, a control section 120, and a storage section 130. Note that each of these units may be held in a distributed manner by a plurality of devices. The processing of each of these parts will be explained below.
  • the communication unit 110 is realized by a NIC (Network Interface Card) or the like, and enables communication between an external device and the control unit 120 via a telecommunication line such as a LAN (Local Area Network) or the Internet.
  • a NIC Network Interface Card
  • LAN Local Area Network
  • the communication unit 110 enables communication between an external device and the control unit 120.
  • the storage unit 130 is realized by a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory, or a storage device such as a hard disk or an optical disk.
  • the information stored in the storage unit 130 includes, for example, data related to machine learning algorithms, learning data, test data, learned models, and other information necessary for skill selection. Note that the information stored in the storage unit 130 is not limited to what is described above.
  • the control unit 120 is realized using a CPU (Central Processing Unit), an NP (Network Processor), an FPGA (Field Programmable Gate Array), etc., and executes a processing program stored in a memory. As shown in FIG. 1, the control unit 120 includes an acquisition unit 121, a vector conversion unit 122, a measurement unit 123, a selection unit 124, and an execution unit 125. Each section included in the control section 120 will be described below.
  • the acquisition unit 121 acquires the first character string input by the user and the second character string indicating the skill. For example, the acquisition unit 121 may use "I want to work! as the first character string, and a set of character strings indicating skills (for example, meeting list, meeting reservation, end of work, contact information, work) as the second character string. start date, attendance list, purchase of goods, general conversation, etc.).
  • a set of character strings indicating skills for example, meeting list, meeting reservation, end of work, contact information, work
  • the vector conversion unit 122 converts the first character string and second character string acquired by the acquisition unit 121 into vectors. For example, the vector conversion unit 122 converts the first character string and the second character string acquired by the acquisition unit 121 into Sentences that have been learned for the entire language, as in formulas (1) and (2). Input into Bert and convert to vector.
  • the measurement unit 123 measures the distance between the meaning of the first character string converted into a vector by the vector conversion unit 122 and the meaning of the second character string. For example, the measurement unit 123 measures the distance between the vector representing the meaning of the character string and the vector representing the meaning of the skill by measuring the distance between the vectors using the cos distance as shown in Equation (3).
  • the selection unit 124 selects a skill based on the distance measured by the measurement unit 123. For example, the selection unit 124 selects the “start of work” skill based on the distance measured by the measurement unit 123. That is, the selection unit 124 measures the distance between the input character string and a set of character strings representing skills prepared in advance, and selects the closest skill. Further, for example, when the distance measured by the measurement unit 123 is greater than a predetermined value, the selection unit 124 selects a general conversation.
  • the execution unit 125 executes the skill selected by the selection unit 124. For example, the execution unit 125 executes the “start of work” skill selected by the selection unit 124.
  • the information processing apparatus 100 obtains a character string input by the user.
  • the information processing device 100 vectorizes the input character string and the character string indicating the skill, measures the distance, and selects the skill with the closest distance, thereby automatically selecting the skill. can.
  • the information processing apparatus 100 selects a general conversation if the distance between the vectorized character strings is greater than a predetermined threshold.
  • the acquisition unit 121 acquires a first character string input by the user and a second character string indicating the skill.
  • the vector conversion unit 122 inputs the first character string (input sentence) and second character string (skill list) acquired by the acquisition unit 121 into Sentence Bert, which has been trained for the entire language. , convert to vector.
  • the measurement unit 123 measures the distance between the vector representing the meaning of the character string and the vector representing the meaning of the skill by measuring the distance between the vectors using the cos distance.
  • the selection unit 124 selects a skill based on the distance measured by the measurement unit 123. At this time, the selection unit 124 selects a general conversation when the distance measured by the measurement unit 123 is greater than a predetermined value.
  • the information addition phase and operation phase of the information processing device 100 will be described below.
  • the information processing device 100 first performs learning using Sentence Bert for the entire language. Next, the information processing device 100 performs finetuning using a small number of input sentences and correct skills. Then, the information processing device 100 determines the threshold value so that the accuracy is the highest, including for general conversations.
  • the acquisition unit 121 acquires, for example, an input in Slack using the official Slack API called Bolt API.
  • the vector conversion unit 122 passes the acquired input to Sentence Bert.
  • the information processing device 100 processes the skill list in a similar manner.
  • the selection unit 124 selects a skill using the method described above.
  • the execution unit 125 executes the selected skill, and the execution result is returned to slack.
  • the information processing device 100 acquires the character string "I want to work! inputted into slack, selects the skill for starting work, and thereby enables the character string to be stamped into the in-house system.
  • Figure 4 shows the accuracy of skill selection in the test data. As shown in FIG. 4, it can be confirmed that the above-described method is effective.
  • steps S11 to S15 below can also be executed in a different order. Also, some of the steps S11 to S15 described below may be omitted.
  • the acquisition unit 121 acquires a first character string input by the user and a second character string indicating the skill (step S11). For example, the acquisition unit 121 may use "I want to work! as the first character string, and a set of character strings indicating skills (for example, meeting list, meeting reservation, end of work, contact information, work) as the second character string. start date, attendance list, purchase of goods, general conversation, etc.).
  • a set of character strings indicating skills for example, meeting list, meeting reservation, end of work, contact information, work
  • the vector conversion unit 122 converts the character string and skill acquired by the acquisition unit 121 into vectors (step S12). For example, the vector conversion unit 122 inputs the first character string and the second character string acquired by the acquisition unit 121 to Sentence Bert, which has been trained for the entire language, and converts them into vectors.
  • the measuring unit 123 measures the distance between the vectors converted by the vector converting unit 122 (step S13). For example, the measuring unit 123 measures the distance between the vector representing the meaning of the character string and the vector representing the meaning of the skill by measuring the distance between the vectors using a cos distance.
  • the selection unit 225 selects a skill based on the distance measured by the measurement unit 224 (step S14). For example, the selection unit 124 selects the “start of work” skill based on the distance measured by the measurement unit 123.
  • the execution unit 125 executes the skill selected by the selection unit 124 (step S15). For example, the execution unit 125 executes the “start of work” skill selected by the selection unit 124.
  • the information processing device 100 includes an acquisition section 121, a vector conversion section 122, a measurement section 123, a selection section 124, and an execution section 125.
  • the acquisition unit 121 acquires a first character string input by the user and a second character string indicating the skill.
  • the vector conversion unit 122 converts the first character string and second character string acquired by the acquisition unit 121 into vectors.
  • the measurement unit 123 measures the distance between the meaning of the first character string converted into a vector by the vector conversion unit 122 and the meaning of the second character string.
  • the selection unit 124 selects a skill based on the distance measured by the measurement unit 123.
  • the execution unit 125 executes the skill selected by the selection unit 124.
  • the information processing device 100 measures the distance between the meaning of the character string input by the user and the meaning of the skill, and selects the skill based on the measured distance, thereby enabling automatic skill selection. .
  • the information processing apparatus 100 can reduce the burden on humans who select skills by enabling automatic skill selection using the distance between feature vectors.
  • the measuring unit 123 measures the distance between the meaning of the first character string converted into a vector and the meaning of the second character string by using cos distance. Thereby, the information processing device 100 calculates the distance between the meaning of the character string and the meaning of the skill using the cos distance, and selects the skill, thereby enabling automatic skill selection.
  • the selection unit 124 selects a general conversation when the distance measured by the measurement unit 123 is greater than a predetermined threshold. As a result, when a character string that is not close to any skill is input, the information processing device 100 automatically selects a general conversation without explicitly distinguishing between a conversation and a skill. can be determined.
  • each component of each device shown in the drawings is functionally conceptual, and does not necessarily need to be physically configured as shown in the drawings.
  • the specific form of distributing and integrating each device is not limited to what is shown in the diagram, and all or part of the devices can be functionally or physically distributed or integrated in arbitrary units depending on various loads and usage conditions. Can be integrated and configured.
  • each processing function performed by each device may be realized in whole or in part by a CPU and a program that is analyzed and executed by the CPU, or may be realized as hardware using wired logic. obtain.
  • program It is also possible to create a program in which the processing executed by the information processing apparatus 100 described in the above embodiment is written in a computer-executable language. In this case, when the computer executes the program, the same effects as in the above embodiment can be obtained. Furthermore, the same processing as in the above embodiments may be realized by recording such a program on a computer-readable recording medium and having the computer read and execute the program recorded on this recording medium.
  • FIG. 6 is a diagram showing an example of a computer that executes an information processing program.
  • the computer 1000 includes, for example, a memory 1010, a CPU 1020, a hard disk drive interface 1030, a disk drive interface 1040, a serial port interface 1050, a video adapter 1060, and a network interface 1070. These parts are connected by a bus 1080.
  • the memory 1010 includes a ROM (Read Only Memory) 1011 and a RAM 1012.
  • the ROM 1011 stores, for example, a boot program such as BIOS (Basic Input Output System).
  • Hard disk drive interface 1030 is connected to hard disk drive 1090.
  • Disk drive interface 1040 is connected to disk drive 1100.
  • a removable storage medium such as a magnetic disk or an optical disk is inserted into the disk drive 1100, for example.
  • a mouse 1110 and a keyboard 1120 are connected to the serial port interface 1050.
  • a display 1130 is connected to the video adapter 1060.
  • the hard disk drive 1090 stores, for example, an OS 1091, an application program 1092, a program module 1093, and program data 1094.
  • Each table described in the above embodiment is stored in, for example, the hard disk drive 1090 or the memory 1010.
  • the information processing program is stored in the hard disk drive 1090, for example, as a program module in which commands to be executed by the computer 1000 are written.
  • a program module 1093 in which each process executed by the computer 1000 described in the above embodiment is described is stored in the hard disk drive 1090.
  • data used for information processing by the information processing program is stored in, for example, the hard disk drive 1090 as program data.
  • the CPU 1020 reads out the program module 1093 and program data 1094 stored in the hard disk drive 1090 to the RAM 1012 as necessary, and executes each procedure described above.
  • program module 1093 and program data 1094 related to the information processing program are not limited to being stored in the hard disk drive 1090; for example, they may be stored in a removable storage medium and read by the CPU 1020 via the disk drive 1100 or the like. May be served.
  • the program module 1093 and program data 1094 related to the control program are stored in another computer connected via a network such as a LAN (Local Area Network) or WAN (Wide Area Network), and are transmitted via the network interface 1070. It may be read by the CPU 1020.
  • LAN Local Area Network
  • WAN Wide Area Network
  • module, -er suffix, -or suffix can be read as unit, means, circuit, etc.
  • a communication module, a control module, and a storage module can be read as a communication unit, a control unit, and a storage unit, respectively.
  • Information processing device 110 Communication unit 120 Control unit 121 Acquisition unit 122 Vector conversion unit 123 Measurement unit 124 Selection unit 125 Execution unit 130 Storage unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)

Abstract

情報処理装置（１００）は、取得部（１２１）と、ベクトル変換部（１２２）と、測定部（１２３）と、選択部（１２４）と、実行部（１２５）とを有する。取得部（１２１）は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する。ベクトル変換部（１２２）は、取得部（１２１）により取得された第一の文字列および第二の文字列をベクトルに変換する。測定部（１２３）は、ベクトル変換部（１２２）によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する。選択部（１２４）は、測定部（１２３）により測定された距離に基づいてスキルを選択する。実行部（１２５）は、選択部（１２４）により選択されたスキルを実行する。

Description

情報処理装置、情報処理方法および情報処理プログラム
　本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。
　近年、自然言語処理の性能が大幅に上昇したことにより、チャットボットのビジネス利用が広がっている。
　　[非特許文献１]　Nils　Reimers　and　Iryna　Gurevych,　Sentence-BERT:　Sentence　Embeddings　using　Siamese　BERT-Networks
　　[非特許文献２]　MATTHEW　HENDERSON,　et　al.,　Efficient　Natural　Language　Response　Suggestion　for　Smart　Reply
　しかしながら、従来技術では、自動的にスキルを選択できないという課題がある。例えば、利用する人間が、スキルの呼び出しと実行される内容との対応を覚えて、スキルの呼び出しを行わなければならない。また、例えば、通常の会話とスキルの呼び出しを明示的に区別することは困難である。加えて、運用を考えるとスキルを追加する度に再学習することは負担が大きいため、スキルを前提としない学習が求められる。
　本発明は、上記に鑑みてなされたものであって、自動的にスキルを選択できる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。
　上述した課題を解決し、目的を達成するために、本発明の情報処理装置は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する取得部と、取得部により取得された第一の文字列および第二の文字列をベクトルに変換するベクトル変換部と、ベクトル変換部によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する測定部と、測定部により測定された距離に基づいてスキルを選択する選択部と、選択部により選択されたスキルを実行する実行部とを有することを特徴とする。
　本発明によれば、自動的にスキルを選択することができる。
図１は、情報処理装置の構成の一例を示すブロック図である。 図２は、情報処理装置の処理の概要を説明する図である。 図３は、情報処理装置の処理の概要を説明する図である。 図４は、情報処理装置の処理結果の一例を説明する図である。 図５は、情報処理装置の処理の流れの一例を示すフローチャートである。 図６は、情報処理プログラムを実行するコンピュータの一例を示す図である。
　以下、図面を参照して、本願に係る情報処理装置、情報処理方法および情報処理プログラムの実施形態を詳細に説明する。なお、この実施の形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示しており、重複する説明は省略される。
［本発明の概要］
　本実施形態に係る情報処理装置は、入力された文字列とスキルを示す文字列との意味をベクトル化し、距離を測定することで、ベクトル間の距離に基づいてスキルを選択する。
［情報処理装置の構成］
　まず、図１を用いて、情報処理装置の構成について説明する。図１が示すように、情報処理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０とを有する。なお、これらの各部は、複数の装置が分散して保持してもよい。以下にこれら各部の処理を説明する。
　通信部１１０は、ＮＩＣ（Network　Interface　Card）等で実現され、ＬＡＮ（Local　Area　Network）やインターネットなどの電気通信回線を介した外部装置と制御部１２０の通信を可能とする。例えば、通信部１１０は、外部装置と制御部１２０との通信を可能とする。
　記憶部１３０は、ＲＡＭ（Random　Access　Memory）、フラッシュメモリ（Flash　Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部１３０が記憶する情報としては、例えば、機械学習アルゴリズムに関するデータ、学習データ、テストデータ、学習済みモデル、その他スキルの選択に必要な情報などが含まれる。なお、記憶部１３０が記憶する情報は上記に記載したものに限定されない。
　制御部１２０は、ＣＰＵ（Central　Processing　Unit）やＮＰ（Network　Processor）やＦＰＧＡ（Field　Programmable　Gate　Array）等を用いて実現され、メモリに記憶された処理プログラムを実行する。図１に示すように、制御部１２０は、取得部１２１と、ベクトル変換部１２２と、測定部１２３と、選択部１２４と、実行部１２５とを有する。以下、制御部１２０が有する各部について説明する。
　取得部１２１は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する。例えば、取得部１２１は、第一の文字列として「働くかぁ！」と、第二の文字列として、スキルを示す文字列の集合（例えば、会議一覧、会議予約、勤務終了、連絡先、勤務開始、勤怠一覧、物品購入、一般的な会話など）を取得する。
　ベクトル変換部１２２は、取得部１２１により取得された第一の文字列および第二の文字列をベクトルに変換する。例えば、ベクトル変換部１２２は、数式（１）、数式（２）のように、取得部１２１により取得された第一の文字列および第二の文字列を、言語全体に対して学習済みのSentence　Bertに入力し、ベクトルに変換する。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　測定部１２３は、ベクトル変換部１２２によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する。例えば、測定部１２３は、数式（３）のようにベクトル間の距離をcos距離で測ることにより、文字列の意味を表すベクトルとスキルの意味を表すベクトルとの距離を測定する。
Figure JPOXMLDOC01-appb-M000003
　選択部１２４は、測定部１２３により測定された距離に基づいて、スキルを選択する。例えば、選択部１２４は、測定部１２３により測定された距離に基づいて、「勤務開始」のスキルを選択する。つまり、選択部１２４は、入力された文字列とあらかじめ用意されているスキルを表す文字列の集合との距離を測り、一番近いスキルを選択する。また、例えば、選択部１２４は、測定部１２３により測定された距離が、所定値より大きい場合、一般的な会話を選択する。
　実行部１２５は、選択部１２４により選択されたスキルを実行する。例えば、実行部１２５は、選択部１２４で選択された「勤務開始」のスキルを実行する。
［処理の概要］
　次に、図２を用いて、情報処理装置１００による処理の概要について説明する。まず、情報処理装置１００は、ユーザが入力した文字列と取得する。次に、情報処理装置１００は、入力された文字列と、スキルを示す文字列とをベクトル化して距離を測り、距離が最も近いスキルを選択することにより、自動的にスキルを選択することができる。このとき、情報処理装置１００は、ベクトル化された文字列同士の距離が、所定の閾値よりも距離が大きければ、一般的な会話を選択する。
　次に、図３を用いて、情報処理装置１００による処理の概要について説明する。まず、取得部１２１は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する。次に、ベクトル変換部１２２は、取得部１２１により取得された第一の文字列（入力文）および第二の文字列（skill一覧）を、言語全体に対して学習済みのSentence　Bertに入力し、ベクトルに変換する。
　それから、測定部１２３は、ベクトル間の距離をcos距離で測ることにより、文字列の意味を表すベクトルとスキルの意味を表すベクトルとの距離を測定する。続いて、選択部１２４は、測定部１２３により測定された距離に基づいて、スキルを選択する。このとき、選択部１２４は、測定部１２３により測定された距離が、所定値より大きい場合に、一般的な会話を選択する。
　以下、情報処理装置１００の情報追加フェイズと、運用フェイズとについて説明する。
　情報追加フェイズでは、まず、情報処理装置１００は、言語全体に対して、Sentence　Bertにより学習を行う。次に、情報処理装置１００は、少数の入力文と正解スキルとを用いて、finetuningを行う。それから、情報処理装置１００は、一般的な会話を含めて、精度が一番高くなるように閾値を決める。
　続いて、運用フェイズについて説明する。まず、取得部１２１は、例えば、slackでの入力を、bolt　apiと呼ばれるslack公式のapiを使用して、取得する。次に、ベクトル変換部１２２は、取得された入力をSentence　Bertに渡す。情報処理装置１００は、スキル一覧についても同様の流れで処理を行う。次に、上述してきた手法を用いて、選択部１２４は、スキルを選択する。そして、実行部１２５は、選択されたスキルを実行し、実行結果がslackに返される。例えば、情報処理装置１００は、slackに入力された「働くかぁ！」という文字列を取得し、勤務開始のスキルを選択することにより、社内システムへの打刻を可能とする。
［実験］
　次に、情報処理装置１００の評価実験について説明する。評価実験の条件は、以下の通りである。
　Pretrain　modelとして、Wikipediaで学習済みのBertを用いた。表示軸は、スキル選択の正解率（０～１）を用いた。データセットとして、次の一般的な会話を含む８つのスキルを選択させた（会議一覧、会議予約、勤務終了、連絡先、勤務開始、勤怠一覧、物品購入、一般的な会話）。上記データセットは、学習データ２３１個と、テストデータ７８個とに分けられる。
［学習］
　Pretrain　modelに対して、Cos　loss、Tripret　loss、Multiple　negative　ranking　loss（MNR　loss）の３通りのlossを用いてfinetuningを行った。なお、評価はcos距離で行い、閾値は最もよかったものを採用した。
［結果］
　テストデータにおけるスキル選択の精度を図４に示す。図４に示す通り、上述の手法が有効であることが確認できる。
［フローチャート］
　次に、図５を用いて、情報処理装置１００による処理の流れについて説明する。なお、下記のステップＳ１１～Ｓ１５は、異なる順序で実行することもできる。また、下記のステップＳ１１～Ｓ１５のうち、省略される処理があってもよい。
　まず、取得部１２１は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する（ステップＳ１１）。例えば、取得部１２１は、第一の文字列として「働くかぁ！」と、第二の文字列として、スキルを示す文字列の集合（例えば、会議一覧、会議予約、勤務終了、連絡先、勤務開始、勤怠一覧、物品購入、一般的な会話など）を取得する。
　次に、ベクトル変換部１２２は、取得部１２１により取得された文字列とスキルとをベクトルに変換する（ステップＳ１２）。例えば、ベクトル変換部１２２は、取得部１２１により取得された第一の文字列および第二の文字列を、言語全体に対して学習済みのSentence　Bertに入力し、ベクトルに変換する。
　そして、測定部１２３は、ベクトル変換部１２２により変換されたベクトル同士の距離を測定する（ステップＳ１３）。例えば、測定部１２３は、ベクトル間の距離をcos距離で測ることにより、文字列の意味を表すベクトルとスキルの意味を表すベクトルとの距離を測定する。
　そして、選択部２２５は、測定部２２４により測定された距離に基づいて、スキルを選択する（ステップＳ１４）。例えば、選択部１２４は、測定部１２３により測定された距離に基づいて、「勤務開始」のスキルを選択する。
　そして、実行部１２５は、選択部１２４により選択されたスキルを実行する（ステップＳ１５）。例えば、実行部１２５は、選択部１２４で選択された「勤務開始」のスキルを実行する。
［効果］
　実施形態に係る情報処理装置１００は、取得部１２１と、ベクトル変換部１２２と、測定部１２３と、選択部１２４と、実行部１２５とを有する。取得部１２１は、ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する。ベクトル変換部１２２は、取得部１２１により取得された第一の文字列および第二の文字列をベクトルに変換する。測定部１２３は、ベクトル変換部１２２によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する。選択部１２４は、測定部１２３により測定された距離に基づいてスキルを選択する。実行部１２５は、選択部１２４により選択されたスキルを実行する。
　これにより情報処理装置１００は、ユーザが入力した文字列の意味とスキルの意味との距離を測定し、測定された距離に基づいてスキルを選択することで、自動的なスキル選択を可能とする。つまり、情報処理装置１００は、特徴ベクトル同士の距離を用いた自動的なスキル選択を可能とすることで、スキルを選択する人間の負担を軽減することができる。
　また、実施形態に係る情報処理装置１００において測定部１２３は、cos距離を用いることにより、ベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する。これにより情報処理装置１００は、cos距離を用いて、文字列の意味とスキルの意味との距離を算出し、スキルを選択することにより、自動的なスキル選択を可能とする。
　また、実施形態に係る情報処理装置１００において選択部１２４は、測定部１２３により測定された距離が所定の閾値よりも大きい場合、一般的な会話を選択する。これにより情報処理装置１００は、いずれのスキルとも距離が近くない文字列が入力された場合に、一般的な会話を選択することで、明示的に会話とスキルとを区別しなくとも、自動的に判別することができる。
［システム構成等］
　また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
　また、本実施例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
［プログラム］
　上記実施形態において説明した情報処理装置１００が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。この場合、コンピュータがプログラムを実行することにより、上記実施形態と同様の効果を得ることができる。さらに、かかるプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータに読み込ませて実行することにより上記実施形態と同様の処理を実現してもよい。
　図６は、情報処理プログラムを実行するコンピュータの一例を示す図である。図６に示すように、コンピュータ１０００は、例えば、メモリ１０１０と、ＣＰＵ１０２０と、ハードディスクドライブインタフェース１０３０と、ディスクドライブインタフェース１０４０と、シリアルポートインタフェース１０５０と、ビデオアダプタ１０６０と、ネットワークインタフェース１０７０とを有する。これらの各部は、バス１０８０によって接続される。
　メモリ１０１０は、ＲＯＭ（Read　Only　Memory）１０１１およびＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic　Input　Output　System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。ディスクドライブ１１００には、例えば、磁気ディスクや光ディスク等の着脱可能な記憶媒体が挿入される。シリアルポートインタフェース１０５０には、例えば、マウス１１１０およびキーボード１１２０が接続される。ビデオアダプタ１０６０には、例えば、ディスプレイ１１３０が接続される。
　ここで、図６に示すように、ハードディスクドライブ１０９０は、例えば、ＯＳ１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３およびプログラムデータ１０９４を記憶する。上記実施形態で説明した各テーブルは、例えばハードディスクドライブ１０９０やメモリ１０１０に記憶される。
　また、情報処理プログラムは、例えば、コンピュータ１０００によって実行される指令が記述されたプログラムモジュールとして、ハードディスクドライブ１０９０に記憶される。具体的には、上記実施形態で説明したコンピュータ１０００が実行する各処理が記述されたプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。
　また、情報処理プログラムによる情報処理に用いられるデータは、プログラムデータとして、例えば、ハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、ハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して、上述した各手順を実行する。
　なお、情報処理プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限られず、例えば、着脱可能な記憶媒体に記憶されて、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、制御プログラムに係るプログラムモジュール１０９３やプログラムデータ１０９４は、ＬＡＮ（Local　Area　Network）やＷＡＮ（Wide　Area　Network）等のネットワークを介して接続された他のコンピュータに記憶され、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。　　　
［その他］
　様々な実施形態を、図面を参照して、本明細書で詳細に説明したが、これらの複数の実施形態は例であり、本発明をこれらの複数の実施形態に限定することを意図するものではない。本明細書に記載された特徴は、当業者の知識に基づく様々な変形や改良を含む、様々な方法によって実現され得る。
　また、上述した「部（module、-er接尾辞、-or接尾辞）」は、ユニット、手段、回路などに読み替えることができる。例えば、通信部（communication　module）、制御部（control　module）および記憶部（storage　module）は、それぞれ、通信ユニット、制御ユニットおよび記憶ユニットに読み替えることができる。
　１００　情報処理装置
　１１０　通信部
　１２０　制御部
　１２１　取得部
　１２２　ベクトル変換部
　１２３　測定部
　１２４　選択部
　１２５　実行部
　１３０　記憶部

Claims (5)

  1. 　ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する取得部と、
    　前記取得部により取得された第一の文字列および第二の文字列をベクトルに変換するベクトル変換部と、
    　前記ベクトル変換部によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する測定部と、
    　前記測定部により測定された距離に基づいてスキルを選択する選択部と、
    　前記選択部により選択されたスキルを実行する実行部と
    　を有することを特徴とする情報処理装置。
  2. 　前記測定部は、cos距離を用いることにより、ベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定することを特徴とする請求項１に記載の情報処理装置。
  3. 　前記選択部は、前記測定部により測定された距離が所定の閾値よりも大きい場合、一般的な会話を選択することを特徴とする請求項１に記載の情報処理装置。
  4. 　コンピュータが実行する情報処理方法であって、
    　ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する取得工程と、
    　前記取得工程により取得された第一の文字列および第二の文字列をベクトルに変換するベクトル変換工程と、
    　前記ベクトル変換工程によりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する測定工程と、
    　前記測定工程により測定された距離に基づいてスキルを選択する選択工程と、
    　前記選択工程により選択されたスキルを実行する実行工程と
    　を含むことを特徴とする情報処理方法。
  5. 　ユーザが入力した第一の文字列とスキルを示す第二の文字列とを取得する取得ステップと、
    　前記取得ステップにより取得された第一の文字列および第二の文字列をベクトルに変換するベクトル変換ステップと、
    　前記ベクトル変換ステップによりベクトルに変換された第一の文字列の意味と第二の文字列の意味との距離を測定する測定ステップと、
    　前記測定ステップにより測定された距離に基づいてスキルを選択する選択ステップと、
    　前記選択ステップにより選択されたスキルを実行する実行ステップと
    　をコンピュータに実行させることを特徴とする情報処理プログラム。
PCT/JP2022/028113 2022-07-19 2022-07-19 情報処理装置、情報処理方法および情報処理プログラム WO2024018541A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/028113 WO2024018541A1 (ja) 2022-07-19 2022-07-19 情報処理装置、情報処理方法および情報処理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/028113 WO2024018541A1 (ja) 2022-07-19 2022-07-19 情報処理装置、情報処理方法および情報処理プログラム

Publications (1)

Publication Number Publication Date
WO2024018541A1 true WO2024018541A1 (ja) 2024-01-25

Family

ID=89617455

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/028113 WO2024018541A1 (ja) 2022-07-19 2022-07-19 情報処理装置、情報処理方法および情報処理プログラム

Country Status (1)

Country Link
WO (1) WO2024018541A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015509627A (ja) * 2012-02-22 2015-03-30 ノキア コーポレイション 適応システム
JP2015509626A (ja) * 2012-02-22 2015-03-30 ノキア コーポレイション 予測に基づくサービスへのアクセス
US20150100523A1 (en) * 2012-02-22 2015-04-09 Nokia Corporation System, and A Method for Providing A Prediction for Controlling a System
JP2021136027A (ja) * 2020-02-24 2021-09-13 富士通株式会社 文書のテーマ・カバレッジの分析

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015509627A (ja) * 2012-02-22 2015-03-30 ノキア コーポレイション 適応システム
JP2015509626A (ja) * 2012-02-22 2015-03-30 ノキア コーポレイション 予測に基づくサービスへのアクセス
US20150100523A1 (en) * 2012-02-22 2015-04-09 Nokia Corporation System, and A Method for Providing A Prediction for Controlling a System
JP2021136027A (ja) * 2020-02-24 2021-09-13 富士通株式会社 文書のテーマ・カバレッジの分析

Similar Documents

Publication Publication Date Title
Jones et al. Capturing failures of large language models via human cognitive biases
EP3961441A1 (en) Identity verification method and apparatus, computer device and storage medium
US10847136B2 (en) System and method for mapping a customer journey to a category
WO2020151689A1 (zh) 对话生成方法、装置、设备及存储介质
CN110795572B (zh) 一种实体对齐方法、装置、设备及介质
Aghajani et al. The limit of stationary distributions of many-server queues in the Halfin–Whitt regime
CN111694940A (zh) 一种用户报告的生成方法及终端设备
Chacón A close‐up comparison of the misclassification error distance and the adjusted Rand index for external clustering evaluation
JP6676495B2 (ja) 抽出装置および抽出方法
JPWO2016125500A1 (ja) 特徴変換装置、認識装置、特徴変換方法及びコンピュータ読み取り可能記録媒体
WO2024018541A1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
Pena et al. Verification of the observer property in discrete event systems
CN113705792A (zh) 基于深度学习模型的个性化推荐方法、装置、设备及介质
WO2021183382A1 (en) Graph-based method for inductive bug localization
Thiam Relative error prediction in nonparametric deconvolution regression model
WO2020095655A1 (ja) 選定装置および選定方法
CN113950695A (zh) 用于控制自动化代理联盟的系统、方法和计算机可读介质
JP7211139B2 (ja) 校閲方法、情報処理装置および校閲プログラム
JP4701456B2 (ja) 情報処理装置、およびプログラム
US20220215271A1 (en) Detection device, detection method and detection program
WO2024079802A1 (ja) 評価装置、評価方法、および、評価プログラム
WO2017104657A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
CN111144098A (zh) 扩展问句的召回方法和装置
JP2020129051A (ja) パラ言語情報推定モデル学習装置、パラ言語情報推定装置、およびプログラム
WO2023119521A1 (ja) 可視化情報生成装置、可視化情報生成方法、及びプログラム

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: 22951930

Country of ref document: EP

Kind code of ref document: A1