CN109313899A - 应答装置及应答装置的控制方法、控制程序 - Google Patents

应答装置及应答装置的控制方法、控制程序 Download PDF

Info

Publication number
CN109313899A
CN109313899A CN201780035585.2A CN201780035585A CN109313899A CN 109313899 A CN109313899 A CN 109313899A CN 201780035585 A CN201780035585 A CN 201780035585A CN 109313899 A CN109313899 A CN 109313899A
Authority
CN
China
Prior art keywords
word
response message
content
input
concept
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN201780035585.2A
Other languages
English (en)
Inventor
佐藤慎哉
森下和典
伊神弘康
江角直起
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sharp Corp
Original Assignee
Sharp Corp
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 Sharp Corp filed Critical Sharp Corp
Publication of CN109313899A publication Critical patent/CN109313899A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)
  • Manipulator (AREA)
  • Toys (AREA)

Abstract

本发明提供一种应答装置及应答装置的控制方法、控制程序。即使在未发现适合的会话情景的情况下，也能够基于输入内容所包含的词语生成应答消息。应答装置(1)具备：存储部(13)，其存储有第一词语与第一关联词语及第二词语与第二关联词语的关联；以及应答消息生成部(26)，其在所述第一词语或所述第二词语包含于输入内容中的情况下，生成将所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。

Description

应答装置及应答装置的控制方法、控制程序
技术领域
本发明涉及一种对输入内容进行识别并基于识别到的内容进行应答的应答装置。
背景技术
已知有一种作为现有技术的应答装置，当接收到用户的发言时，根据该发言对输入内容进行识别，根据识别到的结果进行应答。例如，下述的专利文献1公开了一种会话情景编辑装置，其生成及编辑会话情景，所述会话情景用于能够使与用户的会话成立的装置即自动会话装置。
现有技术文献
专利文件
专利文献1：日本公开专利公报“日本特开2010－73192号”(2010年4月2日公开)
发明内容
本发明所要解决的技术问题
然而，上述的以往技术为，针对识别到的结果，基于预先准备的会话情景进行应答的构成，但情景的数量有限。因此，在未发现适合识别到的结果的会话情景的情况下，仅对预先限定为<其他>的内容进行应答。而且，当情景的数量少时，存在有应答内容相似而成为无聊的会话的问题。
本发明是鉴于所述的问题点而完成，其目的在于，能够实现即使在未发现适合输入内容的会话情景的情况下，也可基于输入内容所包含的词语生成应答消息的应答装置。
解决问题的手段
所述的课题解决，本发明的一个方式的应答装置，针对用户输入的输入内容输出应答消息，所述应答装置具备：存储部，其存储有第一词语与第一关联词语相互关联的内容及第二词语与第二关联词语相互关联的内容；及应答消息生成部，其生成相对于所述输入内容的应答消息，所述第一词语或所述第二词语包含于所述输入内容，在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容或所述第一词语与所述第二词语属于相同的概念的内容的情况下，所述应答消息生成部生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
此外，所述的课题解决，本发明的一个方式的应答装置的控制方法，针对用户输入的输入内容输出应答消息，所述应答装置具备存储部，存储部存储有第一词语与第一关联词语相互关联的内容及第二词语与第二关联词语相互关联的内容，所述应答装置的控制方法包含：从所述存储部搜索所述输入内容所包含的所述第一词语或与所述第二词语有关的存储的探索步骤；及相对于所述输入内容生成应答消息的应答消息生成步骤，所述第一词语或所述第二词语包含于所述输入内容，在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容或所述第一词语与所述第二词语属于相同的概念的情况下，在所述应答消息生成步骤中，生成所述第一词语与所述第二关联词语相互建立关联的内容的应答消息。
发明效果
根据本发明的一个方式，能够起到实现一种即使在未发现适合输入内容的会话情景的情况下，也会基于输入内容所包含的词语生成应答消息的应答装置。
附图说明
图1为表示本发明的第一实施方式的机器人1的主要部分构成的一个示例的框图。
图2为本发明的第一实施方式的机器人1在存储部中具备的词语信息的一个示例。
图3为本发明的第一实施方式的机器人1在存储部中具备的输入输出历史的一个示例的图。
图4表示使用了本发明的第一实施方式的机器人1在存储部中具备的应答消息的模版的一个示例及模版的例文。
图5为表示本发明的第一实施方式的机器人1根据推理生成应答消息的图像的图。
图6为表示本发明的第一实施方式的机器人1根据推理生成应答消息的不同的图像的图。
图7为表示本发明的第一实施方式的机器人1执行的处理的一个示例的流程图。
图8为表示本发明的第二实施方式的机器人1根据推理生成应答消息的不同的图像的图。
图9为表示本发明的第二实施方式的机器人1根据推理生成应答消息的不同的图像的图。
具体实施方式
〔第一实施方式〕
以下，使用图1～7对本发明的实施方式详细地进行说明。
<机器人的结构>
基于图1对本实施方式的机器人1的概要进行说明。另外，本实施方式的机器人1为，针对由用户发言而输入的输入内容输出应答消息的应答装置。图1为表示本实施方式的机器人1的主要部分构成的一个示例的框图。如图1所示，机器人1具备语音输入部11、语音输出部12、存储部13、及控制部20。语音输入部11对用户的发言进行检测。语音输入部11具体而言只要是麦克风等音频收集装置即可。语音输入部11将检测到的用户的发言作为语音数据发送至后述的语音识别部21。另外，理想的是语音输入部11在用户的发言的期间(不发出语音的时间)等对一次发言(一个组合的文或文章发言)进行特定，将该每一次发言的语音数据发送至语音识别部21。语音输出部12作为将从后述的语音合成部27接收到的语音数据作为语音输出至外部的输出部发挥功能。语音输出部12具体而言通过机器人1具备的扬声器等来实现。另外，在图1的示例中语音输出部12内置于机器人1，但语音输出部12也可以是安装于机器人1的外部装置。存储部13对由机器人1处理的各种数据进行存储。本实施方式的存储部13至少对后述的词语信息、输入输出历史、应答消息的模版进行存储。
<存储部所存储的数据的示例>
本实施方式中基于图2～4对存储部13存储的数据的一个示例进行说明。图2为本实施方式的机器人1在存储部13中存储的词语信息的一个示例，图3为本实施方式的机器人1在存储部13中存储的输入输出历史的一个示例。图4示出使用了本发明的第一实施方式的机器人1在存储部13中存储的应答消息的模版的一个示例及模版的例文。
在图2的示例中，存储部13存储的词语信息对词语所属的属性及与其他词语的关联性进行管理，并具备词语、概念、关联词语的项目，概念还具备词类、分类、利用状况。在图示的示例中，词语表示不仅包含“苹果”、“大阪”等名词，还包含“甜的”、“圆的”等形容词、“购买”这样的动词的、以单体具备意思的语言，不包含助词等仅在其词语中不具备意思的词语。词类表示“名词”、“形容词”、“动词”等各词语所属的词类的种类。分类表示“水果”、“国内区域”等各词语所属的广泛的类别。利用状况表示“What(什么)”、“Where(在哪)”等应使用各词语的状况。也就是说，在概念(词类、分类、利用状况)的组合为相同的情况下，应答消息生成部26能够针对多个词语判断为这些词语属于相同的概念。关联词语为针对各词语而与该词语相互关联，并表示能够与该词语及应答消息的模版中的至少任意一者组合而构成应答消息的不同的词语。即，存储部13存储有各个词语经由关联词语而词语彼此相互关联的内容。在图示的示例中，“苹果”的关联词语为“甜的”，因此对它们进行组合而能够构成应答消息“苹果是甜的”。
在图3的示例中，存储部13具备的输入输出历史对与机器人1的输入输出有关的历史信息进行管理，并具备编号、日期和时间、输入输出、内容、使用词语的项目。编号为按时间序列管理用户的输入内容及机器人1的输出内容，日期和时间对由用户或机器人1实施的输入输出的日期和时间进行记录。输入输出表示该历史信息是由用户或机器人1中的哪一者实施的，在图示的示例中“输入”表示用户的输入，“输出”表示机器人的输出。内容表示由用户或机器人1实施的输入输出内容。使用词语表示由用户或机器人1实施的输入输出内容所包含的词语。另外，在图示的示例中是对使用词语1～3这三个为止的词语进行记录的构成，但无需限定于此。
图4表示存储部13具备的应答消息的模版、其概要、并且使用了模版的例文。另外，在图示的示例中，存储部13至少仅存储模版的项目即可，也可以不存储概要及例文的项目。模版为供机器人1选择并与词语组合而用于构成应答消息的文章的雏形，在图示的示例中，组入词语的部位记载为[A]及[B]。例如，对于作为一个目的模版的“[A]是[B]为什么呢”而言，通过分别将[A]及[B]置换为词语，从而构成应答消息。概要表示模版所对应的应答消息的内容。在图示的示例中，模版“[A]是[B]为什么呢”的概要为“玩笑”。例文表示将从用户的输入内容取得的词语组合于各自的模版的情况下的应答消息的示例。另外，在图示的示例中，置换为[A]的词语为“金阁寺”，置换为[B]的词语为“甜的”。此时，根据图示的示例可知，模版包含置换为[A]的词语与置换为[B]的词语以何种关联性相关联的信息。例如，关联性根据语序或助词等来表现。此外，如果多个模版中没有匹配的定型文，则机器人1也可以将图的末尾所记载的“我的询问方式不对是吧”这样的文言生成为应答消息。
控制部20统一控制机器人1的各部，并具备语音识别部21、词语/概念取得部22、情景部23、概念判定部24、关联词语取得部25、应答消息生成部26、及语音合成部27。
语音识别部21针对从语音输入部11接收的一次发言的语音数据实施语音识别。另外，在本发明中“语音识别”表示从发言的语音数据获得表示发言内容(输入内容)的文本数据的处理。语音识别部21的语音识别的方法并不特别限定，也可以使用以往某种任意的方法实施语音识别。
词语/概念取得部22为，当语音识别部21接受由语音识别获得的文本数据时，将该文本数据区分为词语，由存储部13取得区分后的各词语的概念。此外，词语/概念取得部22从区分后的词语中对后述的第一词语(或第二词语)和第一关联词语(或第二关联词语)进行设定。而且，词语/概念取得部22在区分后的各词语未存在于图2的词语信息中的情况下，也可以将该词语新登录于词语信息。并且，在区分后的一个词语未作为区分后的不同的词语的关联词语而登录的情况下，也可以将该词语作为不同的词语的关联词语进行登录。
情景部23取得存储部13存储的情景信息中的、与词语/概念取得部22取得的词语及词语的概念对应的情景信息。
概念判定部24针对词语/概念取得部22取得的词语的概念，是否与由存储部13取得的、机器人1的刚刚输出的输出内容所包含的词语的概念相同进行判定。即，概念判定部24对用户的输入内容是否为与即将输入之前输出的应答消息对应的内容进行判定。
关联词语取得部25基于词语/概念取得部22取得的词语及词语的概念，从图2的词语信息取得与该词语有关联性且为与该词语不同的词语的关联词语。此外，关联词语取得部25将取得的关联词语设定为用于后述的推理的词语。在此，关联词语取得部25用于取得关联词语的条件也可以是任意条件。例如，对于特定的词语，在图2的词语信息中既可以取得全部作为关联词语登录的词语，也可以仅取得不包含于输入内容的词语，也可以优先取得词语的概念(词类)为“名词”的词语。
应答消息生成部26基于来自各部的指示内容，与用户的输入内容对应地生成作为机器人1输出的应答消息的文本数据。具体而言，将词语/概念取得部22取得的词语、及关联词语取得部25取得的关联词语中的至少任意一者、存储部13存储的模版、历史信息、及情景部23取得的情景信息中的任意一者根据需要组合而生成文本数据。在此，应答消息生成部26也可以构成为，在关联词语取得部25取得的关联词语为多个的情况下，根据规定的条件提取特定的关联词语。例如，应答消息生成部26也可以构成为，优先地提取属于与词语/概念取得部22取得的词语相同的概念的关联词语，生成使这些词语相互建立关联的内容的应答消息。另外，如果应答消息生成部26是生成作为应答消息的文本数据的构成则也可以是任意构成。例如，像词语/概念取得部22那样，所述应答消息生成部26也可以具备如下构成：针对用户的输入内容所包含的多个词语，基于包含各词语所属的概念及各词语的前后的词语的上下文信息选择所述输入词语。在此，上下文信息是表示词语被分类为输入内容中的主语、谓语、其他任意一者的信息。例如，应答消息生成部26也可以构成为，将作为概念(分类)属于固有名词的词语、及输入内容中作为谓语的词语优先地选择为输入词语。
语音合成部27将由应答消息生成部26接收的应答消息的文本数据转换为语音数据。语音合成部27将转换后的语音数据输出至语音输出部12。
<机器人的动作>
基于图5对本实施方式的机器人1的动作的概要进行说明。图5表示本实施方式的机器人1根据推理生成应答消息的图像。另外，在以下的说明中，用户实施相对于机器人1发出“苹果是甜的”的输入。
首先，当用户相对于机器人1发出“苹果是甜的”时，机器人1通过语音识别将该发言转换为文本数据，将该文本数据区分为词语。即，如果“苹果是甜的”，则被区分为“苹果”，“是”，及“甜的”的3个词语。此时，机器人1也可以针对区分后的各词语，对图2的词语信息进行登录或更新。
接着，机器人1从区分后的词语中选择作为推理的起点的词语，并设定为第一词语(或第二词语)。在此，第一词语(或第二词语)为对用户的输入内容赋予特征的词语的输入词语。另外，第一词语(或第二词语)与图2中所示的词语信息相同，如果是以单体具备意思的语言，则也可以对任意词语进行设定，优选根据规定的优先级进行设定。例如，在包含作为谓语的词语为名词的情况下，将其设定为第一词语(或第二词语)，在不包含的情况下，也可以是将作为主语的名词设定为第一词语(或第二词语)的构成。此外，在无论是主语还是谓语均不包含名词的情况下，也可以是将适当的词语设定为第一词语(或第二词语)的构成。根据上述的示例，则“苹果”、”是”、及“甜的”中的、作为谓语的“甜的”为形容词，作为主语的“苹果”为名词，因此，在该情况下，将“苹果”设定为第一词语(或第二词语)。而且，从未设定为第一词语(或第二词语)的词语之中，将认为与第一词语(或第二词语)相互关联的词语设定为第一关联词语(或第二关联词语)。根据上述的示例，将“甜的”设定为第一关联词语(或第二关联词语)。
在对第一词语(或第二词语)及第一关联词语(或第二关联词语)进行了设定后，机器人1根据图2的词语信息，取得并设定作为第一关联词语(或第二关联词语)的关联词语的第二词语(或第一词语)。根据上述的示例，作为第一关联词语(或第二关联词语)的“甜的”的关联词语为“苹果”及“甜瓜”，“苹果”设定为第一词语(或第二词语)即可。因而，在此将“甜瓜”设定为第二词语(或第一词语)。
当对第二词语(或第一词语)进行设定时，机器人1根据图2的词语信息，取得并设定作为第二词语(或第一词语)的关联词语的第二关联词语(或第一关联词语)。另外，第二关联词语(或第一关联词语)优选为，其概念(利用状况)为“How(如何)”。这是因为，在第二关联词语(或第一关联词语)的概念不是“How(如何)”的情况下，与第二词语(或第一词语)组合时不会成为自然的文章的情况较多。根据上述的示例，作为第二词语(或第一词语)的“甜瓜”的关联词语为，“甜的”、“圆的”、及“购买”。在此，“甜的”设定为第一关联词语(或第二关联词语)即可，因此剩余的“圆的”或“购买”能够设定为第二关联词语(或第一关联词语)。此时，当使用图2的词语信息对“圆的”及“购买”进行比较时，“圆的”的概念(利用状况)为“How(如何)”，“购买”的概念(利用状况)为“－”。在该情况下，机器人1将“圆的”设定为第二关联词语(或第一关联词语)。
并且，机器人1(应答消息生成部26)像后述的图7的S23那样，根据由到此为止的处理取得的第一词语(或第二词语)及第二关联词语(或第一关联词语)生成应答消息。
以下对生成应答消息的方法的一个示例进行说明。在以下的示例中，图2的词语信息还存储有助词等仅在其词语中不具有意思的词语。具体而言，图2的词语信息存储有”是”的词语。此时，”是”的词语的概念(词类、分类、利用状况)的组合为(助词、－、－)，关联词语为“苹果”、“甜瓜”、“甜的”及“圆的”。在上述的示例中，第一词语(或第二词语)为“苹果”，第二关联词语(或第一关联词语)为“圆的”。此外，第二词语(或第一词语)为“甜瓜”。因而，机器人1使用“苹果”及“圆的”，进一步使“苹果”和“甜瓜”这双方与关联词语具有的助词”是”组合将“苹果是圆的”生成为应答消息。如此，机器人1能够基于输入内容所包含的词语，根据推理生成应答消息。
另外，生成应答消息的构成并不限定于所述的内容。以下对生成应答消息的构成的不同的示例进行说明。首先，机器人1当取得第二词语(或第一词语)及第二关联词语(或第一关联词语)时，从图3所示的输入输出历史中取得包含这些词语的历史信息。历史信息包含第二词语(或第一词语)与第二关联词语(或第一关联词语)以何种关联性关联的信息。例如，关联性通过语序或助词等来表现。根据上述的示例，取得作为“内容”为“甜瓜是圆的”的历史信息。并且，机器人1(应答消息生成部26)通过将历史信息的“内容”所包含的第二词语(或第一词语)置换为第一词语(或第二词语)，从而生成应答消息。即，在上述的示例中，将“苹果是圆的”生成为应答消息。通过使用输入输出历史的“内容”，机器人1适当地确定应答消息中的各词语的语序，能够适当地组合助词等仅在其词语中不具有意思的词语。另外，存储部13也可以将多个词语间的关联性(多个词语间的语序和/或助词等)的信息独立于历史信息而另行存储。
另外，在未发现第二词语(或第一词语)的情况下，机器人1(应答消息生成部26)也可以像后述的图7的S24那样，根据第一关联词语(或第二关联词语)及图4的模版生成应答消息的构成。在上述的示例中，例如，在模版为“说到[A]，还有什么？”的情况下，将与作为第一关联词语(或第二关联词语)的“甜的”组合的“说到甜的，还有什么？”生成为应答消息。此时，期待在用户相对于应答消息的输入内容中，包含与第一关联词语(或第二关联词语)建立关联的第二词语(或第一词语)。因而，机器人1也可以是，针对从用户相对于应答消息的的输入内容取得的词语，作为用于应答消息的第一关联词语(或第二关联词语)的关联词语，登录于图2的词语信息的构成。根据所述的结构，能够从用户相对于应答消息的输入内容取得关联词语，因此能够提高机器人1的便利性。
而且，机器人1也可以是，在无视用户的输入内容为对话的流程的情况下，像后述的图7的S26那样，根据第一词语及图4的模版生成不同的应答消息的构成。此时，机器人1如果能够对用户的输入内容和对话的流程进行比较，则也可以具备任意的构成。例如，机器人1(概念判定部24)根据图3的输入输出历史取得在用户即将输入之前机器人1输出的内容，将该历史所包含的词语设为第三词语。此时，机器人1使用图2所示的词语信息对第三词语所属的概念与第一词语(或第二词语)所属的概念是否相同进行判定，在不同的情况下也可以判定为实施了无视对话的流程的输入。此时，机器人1例如也可以将第一词语(或第二词语)生成为与和第三词语关联的模版组合的不同的应答消息。在机器人1发出“苹果是甜的”后用户发出“说到京都那就是金阁寺了”的情况下，作为第一词语(或第二词语)的“金阁寺”的概念(分类)为“国内区域”，另一方面，作为第三词语的“苹果”为“水果”，概念(分类)不同。
此时，机器人1将第一词语(或第二词语)“金阁寺”生成为与和作为第三词语“苹果”概念(分类)的“水果(食物)”关联的模版“[A]不是食物”或“[A]不能吃”组合的不同的应答消息。即，根据例文，将“金阁寺不是食物”、“金阁寺不能吃”中的任意一者作为应答消息输出。
另外，生成不同的应答消息的方法并不于限定所述的示例。例如，机器人1也可以将用户的输入内容所包含的与第一词语(或第二词语)不同的词语作为第四词语，将第一词语(或第二词语)、第四词语与模版组合生成不同的应答消息。在机器人1发出“苹果是甜的”后用户发出“金阁寺也是甜的”的情况下，第一词语(或第二词语)“金阁寺”与第三词语“苹果”的概念(分类)不同，但共用“甜的”的词语。此时，机器人1将用户的输入内容所含的、与第一词语(或第二词语)“金阁寺”不同的词语“甜的”作为第四词语。并且，机器人1使第一词语(或第二词语)、第四词语生成为模版“[A]是[B]为什么呢？”、“[A]是[B]，请带我下次去吃”、及“[A]是[B]”中的任意一者组合生成不同的应答消息。即，根据例文，输出“金阁寺是甜的，为什么呢？”、“金阁寺是甜的，请带我下次去吃”、及“金阁寺甜”中的任意一者。
此外，推理并不限定于上述的方法，为了与第一词语(或第二词语)、及模版组合生成应答消息，如果能够取得所需的第二关联词语(或第一关联词语)，则也可以是任意的方法。使用图6对推理的不同的示例进行说明。图6表示本实施方式的机器人1根据推理生成应答消息的不同的图像。
图6的(a)表示“苹果是甜的”、“甜瓜是圆的”这两个文章。两个文章中的一方为输入内容，另一方为存储于存储部13的过去的输入输出内容。例如，“苹果是甜的”为输入内容，“甜瓜是圆的”为过去的输入输出内容。具体而言，机器人1接受用户的输入内容“苹果是甜的”，将“苹果”设定为第一词语。之后，机器人1从存储部检索第一词语“苹果”与概念(词类、分类、利用状况)的组合(名词、水果、What(什么))且包含作为相同概念的第二词语“甜瓜”的历史信息“甜瓜是圆的”，从而取得第二词语“甜瓜”。第一词语“苹果”与第二词语“甜瓜”为相同概念，在该情况下，机器人1像图6的(b)那样，利用概念为相同的词语生成将两个文章归纳而成的地图。并且，在设定有(名词、水果、What(什么))的区域，对“苹果”及“甜瓜”中的任意一者进行设定。
此时，能够从图6的(b)取得“苹果是甜的”、“苹果是圆的”、“甜瓜是甜的”、及“甜瓜是圆的”这4个文章。作为结果，机器人1能够将存储部13中包含未相互建立关联的两个词语的组合的文章“苹果是圆的”及“甜瓜是甜的”作为推理的结果取得，并生成应答消息。
并且，上述的推理也可以是，与基于以往技术的会话情景的应答消息的生成组合来使用的构成。此时，优选存储部13还存在有情景信息。在该情况下，机器人1也可以是，在与用户的输入内容建立关联的情景信息存储于存储部13的情况下，像后述的图7的S25那样，根据输入内容所包含的第一词语(或第二词语)和会话情景生成应答消息的构成。此外，也可以是在情景信息未存储于存储部13情况下实施由推理生成应答消息的构成。
<处理的流程>
接着，基于图7对本实施方式的机器人1执行的处理的流程进行说明。图7为表示本实施方式的机器人1执行的处理的流程的一个示例的流程图。另外，在以下的说明中，在用户的输入内容中包含第一词语及第一关联词语，在用户即将输入之前机器人1输出的应答消息中包含第三词语。
首先，语音识别部21针对语音输入部11接受的用户的输入，实施输入内容的语音识别，生成文本数据(S11)。接着，词语/概念取得部22接受S11中生成的文本数据，从该文本数据及存储部13存储的词语信息取得第一词语、第一关联词语、及第一词语的概念(S12)。并且，情景部23从存储部13中检索与S12中取得的第一词语或第一词语的概念对应的情景信息(S13)，对是否发现对应的情景信息进行判定(S14)。在判定为未发现对应的情景信息的情况(S14中为否)下，概念判定部24对在用户即将输入之前机器人1是否已应答(发言)进行判定(S15)。另一方面，在判定为发现了对应的情景信息的情况(S14中为是)下，处理进入后述的S25。
在S15的处理中，在判定为机器人1进行了应答的情况(S15中为是)下，概念判定部24进一步对第一词语与第三词语的概念是否相同进行判定(S16)。并且，在判定为概念相同的情况(S16中为是)下，关联词语取得部25从存储部13存储的词语信息的第一关联词语的关联词语检索第二词语(S17：探索步骤)。另一方面，在判定为机器人1未进行应答的情况(S15中为否)下，处理直接进入S17。
S17之后，关联词语取得部25对是否发现第二词语(第一关联词语的关联词语是否是词语信息)进行判定(S18)。在判定为未发现第二词语的情况(S18中为否)下，关联词语取得部25从存储部13存储的词语信息检索与第一词语为相同概念的第二词语(S19)。并且，关联词语取得部25在S19的处理中对是否发现第二词语进行判定(S20)。在判定为发现第二词语的情况(S20中为是)下、或在S18中判定为发现了第二词语的情况(S18中为是)下，关联词语取得部25在存储部13的词语信息中从第二词语的关联词语检索第二关联词语(S21)。
之后，关联词语取得部25对S21的处理中是否发现第二关联词语(第二词语的关联词语是否是词语信息)进行判定(S22)。在判定为发现了第二关联词语的情况(S22中为是)下，应答消息生成部26根据第一词语及第二关联词语生成应答消息(S23：应答消息生成步骤)，处理进入S27。如此，应答消息生成部26生成第一词语与第二关联词语相互建立关联的内容的应答消息。另一方面，在S20的处理中未发现第二词语的情况(S20中为否)下、或S22的处理中未发现第二关联词语的情况(S22中为否)下，应答消息生成部26根据第一关联词语及模版生成应答消息(S24)。之后，处理进入S27。此外，在判定为S14中发现了对应的情景信息的的情况(S14中为是)下，应答消息生成部26根据第一词语和情景信息生成应答消息(S25)，处理进入S27。并且，在判定为S16中第一词语与第三词语的概念不相同的情况(S16中为否)下，应答消息生成部26根据第一词语及模版生成应答消息(S26)，处理进入S27。
在S27中，语音合成部27将应答消息转换为语音数据，并经由语音输出部12进行语音输出(S27)。
通过以上的处理，本实施方式的机器人1在未发现适合的会话情景的情况下，也能够基于输入内容所包含的词语生成应答消息。
〔第二实施方式〕
基于图7～图9对本发明的其他实施方式进行说明。本实施方式的机器人1在包含用户的输入内容为三个以上的词语的情况下，生成包含三个以上的词语的应答消息这一点与所述实施方式不同。另外，为了便于说明，对与所述实施方式中说明的构件具有相同的功能的构件，标注相同的符号，并省略其说明。本实施方式的机器人1针对用户的输入内容所包含的三个以上的词语，与所述实施方式同样地对第一词语(或第二词语)及第一关联词语(或第二关联词语)进行设定。此外，词语/概念取得部22针对作为第一关联词语(或第二关联词语)的关联词语且与第一词语(或第二词语)不同的不同词语，设定为第一附加词语(或第二附加词语)。在此，根据输入内容设定第一附加词语(或第二附加词语)的基准也可以是任意的。例如，也可以在与所述实施方式同样地设定第一词语后，将剩余的词语中的、概念(词类)为“词类”且概念(分类)为“其他”以外的词语设定为第一附加词语(或第二附加词语)。此外，对第一关联词语(或第二关联词语)和第一附加词语(或第二附加词语)进行设定的顺序并不特别限定，但优选将词语的概念(词类)为“名词”的词语优先设定为第一附加词语(或第二附加词语)。并且，将第一词语(或第二词语)及第一附加词语(或第二附加词语)生成为与根据推理取得的第二关联词语(或第一关联词语)相互建立关联的应答消息。
<机器人的动作>
基于图8及图9对本实施方式的机器人1的动作的概要进行说明。图8及图9为表示本实施方式的机器人1根据推理生成应答消息的图像的图。
图8的(a)为表示针对“大阪的名产是日式烧饼”及“广岛的牡蛎好吃”这两个文章应用推理的图像。例如，“广岛的牡蛎好吃”作为过去的输入输出预先存储于存储部13，“大阪的名产是日式烧饼”由用户输入。此时，机器人1(词语/概念取得部22)将“日式烧饼”设定为第一词语(或第二词语)，将“名产”设定为第一关联词语(或第二关联词语)，及将“大阪”设定为第一附加词语(或第二附加词语)。并且，机器人1(关联词语取得部25)从图3的输入输出历史取得包含第一词语(或第二词语)“日式烧饼”与概念(词类、分类、利用状况)的组合为相同的词语“牡蛎”且包含与第一附加词语(或第二附加词语)“大阪”相同概念的词语“广岛”的历史信息“广岛的牡蛎好吃”。在此，“日式烧饼”与“牡蛎”在分类为“食物/日式烧饼/章鱼烧”和“食物/海鲜”这一点上不同，但“食物”的部分一致。因此，判定为“日式烧饼”与“牡蛎”是能够以相同的方式使用的词语(下位概念不同但上位概念一致的词语)。此时，机器人1(应答消息生成部26)与图6的(b)同样地，像图8的(b)那样，利用概念相同的词语生成两个文章归纳而成的地图。并且，对于(名词、国内区域、Where(在哪))的区域设定“大阪”及“广岛”中的任意一者，对于(名词、食物、What(什么))的区域设定“日式烧饼”及“牡蛎”中的任意一者。但是，对于所设定的词语的组合不具有意思的情况较多，因此需要维持利用相同发言使用的词语的组合，并且需要进行设定。例如，第一附加词语(或第二附加词语)“大阪”需要与第一词语(或第二词语)“日式烧饼”组合地进行设定，同样地，“牡蛎”也需要与“广岛”组合地进行设定。
因而，根据图8的(b)，能够取得“大阪的名产是日式烧饼”、“大阪的日式烧饼好吃”、“广岛的名产是牡蛎”、及“广岛的牡蛎好吃”这4个文章。结果为，机器人1将“大阪的日式烧饼好吃”或“广岛的名产是牡蛎”作为推理的结果取得，并能够生成应答消息。
图9的(a)表示针对“大阪的名产是日式烧饼”及“广岛的土特产是红叶馒头”这两个文章应用推理的图像。例如，“广岛的土特产是红叶馒头”作为过去的输入输出预先存储于存储部13，“大阪的名产是日式烧饼”通过用户输入。此时，机器人1(词语/概念取得部22)与图8的情况同样地，将“日式烧饼”设定为第一词语(或第二词语)，将“名产”设定为第一关联词语(或第二关联词语)、及将“大阪”设定为第一附加词语(或第二附加词语)。并且，机器人1(关联词语取得部25)从图3的输入输出历史取得包含第一词语(或第二词语)“日式烧饼”和概念(词类、分类、利用状况)的组合为相同的词语“红叶馒头”且包含与第一附加词语(或第二附加词语)“大阪”相同概念的词语“广岛”的历史信息“广岛的土特产是红叶馒头”。此时，机器人1(应答消息生成部26)像图9的(b)那样利用概念相同的词语生成两个文章归纳而成的地图。在此，“名产”与“土特产”为概念(词类、分类)的组合(名词、其他)一致。不过，作为概念(词类、分类)的组合(名词、其他)的词语，该词语所示的特征比其他词语少，因此不用归纳使用。在该情况下，根据图9的(b)，与图8的(b)同样地，对于(名词、国内区域、Where(在哪))的区域设定“大阪”及“广岛”中的任意一者。并且，对于(名词、食物、What(什么))的区域设定“日式烧饼”及“红叶馒头”中的任意一者。
由此，机器人1能够取得“大阪的名产是日式烧饼”、“大阪的土特产是日式烧饼”、“广岛的名产是牡蛎”、及“广岛的土特产牡蛎”这4个文章。作为结果，机器人1将“大阪的土特产是日式烧饼”、及“广岛的名产是牡蛎”作为推理的结果取得，能够生成应答消息。
<处理的流程>
接着，基于图7对本实施方式的机器人1执行的处理的流程进行说明。图7为表示本实施方式的机器人1执行的处理的流程的一个示例的流程图。另外，在以下的说明中，用户的输入内容中包含第一词语及第一关联词语，在用户即将输入之前由机器人1输出的应答消息中包含第三词语。在此，在用户的输入内容为“大阪的名产是日式烧饼”的情况下，第一词语及第一关联词语分别为“日式烧饼”及“名产”，“大阪”为第一附加词语。
S11～S22的处理与第一实施方式相同。在S22中为是的情况下,应答消息生成部26根据第一词语、第一附加词语及第二关联词语生成应答消息(S23)，处理进入S27。具体而言，应答消息生成部26将第一词语、第一附加词语、及第二关联词语生成为与相互建立关联的应答消息“大阪的土特产是日式烧饼”或“广岛的名产是牡蛎”。此外，在S20的处理中未发现第二词语的情况(S20中为否)下、或S22的处理中未发现第二关联词语的情况(S22中为否)下，应答消息生成部26根据第一关联词语及模版生成应答消息(S24)。之后，处理进入S27。此外，在S14中判定为发现了对应的情景信息的情况(S14中为是)下，应答消息生成部26根据第一词语、第一附加词语、及情景信息生成应答消息(S25)，处理进入S27。并且，在S16中判定为第一词语与第三词语的概念不相同的情况(S16中为否)下，应答消息生成部26根据第一词语、第一附加词语、及模版生成应答消息(S26)，处理进入S27。S27的处理与第一实施方式相同。
通过以上的处理，本实施方式的机器人1即使未发现适合包含用户的输入内容为三个词以上的词语的情况的会话情景的情况下，也能够基于输入内容所包含的词语生成应答消息。
〔变形例〕
在所述各实施方式中，对机器人1通过语音与用户对话的构成进行了说明，但并不限于此。例如控制部20也可以安装于使用文本与用户对话的应答装置。此外，由用户及应答装置间的语音数据或文本实施的对话也可以经由网络来进行。
〔由软件实现的示例〕
机器人1的控制部20(特别是应答消息生成部26及概念判定部24)也可以通过形成于集成电路(IC芯片)等的逻辑电路(硬件)来实现，也可以使用CPU(Central Processing Unit)利用软件来实现。
在后者的情况下,控制部20具备执行作为实现各功能的软件的程序的命令的CPU、记录有计算机(或CPU)可读取的所述程序及各种数据的ROM(Read Only Memory)或存储装置(将它们称作“记录介质”)、对所述程序进行展开的RAM(Random Access Memory)等。并且，通过计算机(或CPU)从所述记录介质读取并执行所述程序，从而达到本发明的目的。作为所述记录介质，能够使用“非临时性的有形的介质”，例如，磁带、磁盘、卡、半导体存储器、可编程的逻辑电路等。此外，所述程序也可以经由可传输该程序的任意的传输介质(通信网络、广播波等)供给至所述计算机。另外，本发明即使以所述程序通过电子的传输而具现化的、埋入于载波的数据信号的方式也可实现。
〔总结〕
本发明的方式1的应答装置(1)，针对用户输入的输入内容输出应答消息，所述应答装置(1)具备：存储部(13)，其存储有第一词语与第一关联词语相互关联的内容、及第二词语与第二关联词语相互关联的内容；应答消息生成部(26)，其生成相对于所述输入内容的应答消息，所述第一词语或所述第二词语包含于所述输入内容，在所述存储部(13)存储有所述第二词语与所述第一关联词语相互关联的内容、或所述第一词语与所述第二词语属于相同的概念的内容的情况下，所述应答消息生成部(26)生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
根据所述的结构，在应答装置基于包含于用户输入的输入内容的第一词语或第二词语、及与存储部存储的第一词语相互关联的第一关联词语及与第二词语相互关联的第二关联词语，存储有第二词语与第一关联词语相互关联的内容、或第一词语与第二词语属于相同的概念的情况下，能够生成第一词语与第二关联词语相互建立关联的内容的应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，基于包含于输入内容的词语生成应答消息的应答装置的效果。
本发明的方式2的应答装置(1)在所述方式1的基础上，所述存储部(13)存储所述第二词语与所述第二关联词语以何种关联性进行关联，所述应答消息生成部(26)生成所述第一词语与所述第二关联词语以所述关联性建立关联的内容的所述应答消息。
根据所述的结构，应答装置基于第二词语与第二关联词语之间的关联性，能够生成第一词语与第二关联词语相互建立关联的内容的应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，基于输入内容所包含的词语及第二词语与第二关联词语之间的关联性生成应答消息的应答装置的效果。
本发明的方式3的应答装置(1)在所述方式1或2的任意方式的基础上，在所述存储部(13)存储所述第二词语与所述第一关联词语相互关联的内容的情况下，所述应答消息生成部(26)生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
根据所述的结构，在应答装置存储部存储有第二词语与第一关联词语相互关联的内容的情况下，能够生成第一词语与第二关联词语相互建立关联的内容的应答消息。因而，可起到实现即使在未发现适合的会话情景的情况下，基于第二词语与第一关联词语相互关联的内容，生成第一词语与第二关联词语相互建立关联的内容的应答消息的应答装置的效果。
本发明的方式4的应答装置(1)在所述方式1或2的任意方式的基础上，在所述存储部(13)存储有所述第一词语与所述第二词语属于相同的概念的情况下，所述应答消息生成部(26)生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
根据所述的结构，应答装置在存储部存储有第一词语与第二词语属于相同的概念的情况下，能够生成第一词语与第二关联词语相互建立关联的内容的应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，基于第一词语与第二词语属于相同的概念的内容，生成第一词语与第二关联词语相互建立关联的内容的应答消息的应答装置的效果。
本发明的方式5的应答装置(1)在所述方式1～4的任意方式的基础上，在所述存储部(13)存储有所述第二词语与多个关联词语相互关联的内容的情况下，所述应答消息生成部(26)将所述多个关联词语中的属于与所述第一关联词语相同的概念的关联词语优先地提取为所述第二关联词语，生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
根据所述的结构，可起到应答装置在存储部存储有第二词语与多个关联词语相互关联的内容的情况下，将多个关联词语中的属于与第一关联词语相同的概念的关联词语优先地提取为第二关联词语，生成第一词语与第二关联词语相互建立关联的内容的应答消息的效果。因而，可起到实现即使在未发现适合的会话情景的情况下，在存储有第二词语与多个关联词语相互关联的内容的情况下，将多个关联词语中的属于与第一关联词语相同的概念的关联词语优先地提取为第二关联词语，生成第一词语与第二关联词语相互建立关联的内容的应答消息的的应答装置的效果。
本发明的方式6的应答装置(1)在所述方式1～5的任意的方式的基础上，具备：输出部(12)，其将所述应答消息输出至外部；及概念判定部(24)，其对在即将输入所述输入内容之前从所述输出部(12)输出的应答消息所包含的第三词语所属的概念与该输入内容所包含的输入词语所属的概念是否相同进行判定，所述存储部(13)存储有所述应答消息的模版，所述应答消息生成部(26)在所述第三词语所属的概念与所述输入词语所属的概念相同的情况下，生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息，在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，使用模版生成不同的应答消息。
根据所述的结构，应答装置在该应答装置即将输入输入内容之前输出的应答消息所包含的第三词语所属的概念与该输入内容所包含的输入词语所属的概念相同的情况下，生成第一词语与第二关联词语相互建立关联的内容的应答消息，在第三词语所属的概念与输入词语所属的概念不同的情况下，能够使用模版生成应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，基于第三词语所属的概念及输入词语所属的概念生成应答消息的应答装置的效果。
本发明的方式7的应答装置(1)在所述方式6的基础上，在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，所述应答消息生成部(26)将所述输入词语与和所述第三词语关联的模版组合而生成所述不同的应答消息。
根据所述的结构，应答装置在第三词语所属的概念与输入词语所属的概念不同的情况下，能够将该输入词语与和第三词语关联的模版组合而生成不同的应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，在第三词语所属的概念与输入词语所属的概念不同的情况下，将该输入词语与和第三词语关联的模版组合生成不同的应答消息的应答装置的效果。
本发明的方式8的应答装置(1)在所述方式6的基础上，在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，所述应答消息生成部(26)使所述输入词语、所述输入内容所包含的第四词语与模版组合生成所述不同的应答消息。
根据所述的结构，应答装置在第三词语所属的概念与输入词语所属的的概念不同的情况下，能够将该输入词语、以及输入内容所包含的第四词语与模版组合生成不同的应答消息。因而，也可起到实现即使在未发现适合的会话情景的情况下，在第三词语所属的概念与输入词语所属的概念不同的情况下，将该输入词语、以及输入内容所包含的第四词语与模版组合生成不同的应答消息的应答装置的效果。
本发明的方式9的应答装置(1)在所述方式7或8的基础上，所述应答消息生成部(26)针对所述输入内容所包含的多个词语，基于各词语所属的概念及包含各词语的前后的词语的上下文信息选择所述输入词语。
根据所述的结构，应答装置能够基于各词语所属的的属性及包含各词语的前后的词语的上下文信息选择输入词语。因而，也可起到实现即使在未发现适合的会话情景的情况下，根据各词语所属的属性及包含各词语的前后的词语的上下文信息选择输入词语，和与第三词语关联的模版组合生成不同的应答消息的应答装置的效果。
本发明的方式10的应答装置(1)的控制方法，针对用户输入的输入内容输出应答消息，所述应答装置(1)具备存储部，所述存储部存储有第一词语与第一关联词语相互关联的内容及第二词语与第二关联词语相互关联的内容，所述应答装置的控制方法包含：从所述存储部搜索与所述输入内容所包含的所述第一词语或所述第二词语有关的存储的探索步骤(S17)；及生成相对于所述输入内容的应答消息的应答消息生成步骤(S23)，所述第一词语或所述第二词语包含于所述输入内容，在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容或所述第一词语与所述第二词语属于相同的概念的内容的情况下，在所述应答消息生成步骤(S23)中，生成所述第一词语与所述第二关联词语相互建立关联的内容的应答消息。根据所述的结构，可起到与方式1同样的作用效果。
本发明的各方式的应答装置(1)也可以通过计算机来实现，在该情况下，通过使计算机作为所述应答装置(1)具备的各部(软件要素)进行动作而使计算机实现所述应答装置(1)的应答装置(1)的控制程序、及对其进行记录的计算机可读取的记录介质也包含于本发明的范畴。
本发明并不限定于上述的各实施方式，在权利要求所示的范围内能够进行各种变更，对不同的实施方式分别公开的技术手段适当组合而获得的实施方式也包含于本发明的技术范围。而且，通过对各实施方式分别公开的技术手段进行组合，能够形成新的技术的特征。
附图标记说明
1：机器人(应答装置)；11：语音输入部；12：语音输出部(输出部)；13：存储部；20：控制部；21：语音识别部；22：词语/概念取得部；23：情景部；24：概念判定部；25：关联词语取得部；26：应答消息生成部；27：语音合成部。

Claims (11)

1.一种应答装置，针对用户输入的输入内容输出应答消息，其特征在于，
所述应答装置具备：
存储部，其存储有第一词语与第一关联词语相互关联的内容及第二词语与第二关联词语相互关联的内容；以及
应答消息生成部，其生成对于所述输入内容的应答消息，
当所述第一词语或所述第二词语包含于所述输入内容中，在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容或所述第一词语与所述第二词语属于相同的概念的内容的情况下，
所述应答消息生成部生成将所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
2.根据权利要求1所述的应答装置，其特征在于，
所述存储部存储所述第二词语与所述第二关联词语以何种关联性进行关联，
所述应答消息生成部生成将所述第一词语与所述第二关联词语以所述关联性建立关联的内容的所述应答消息。
3.根据权利要求1或2所述的应答装置，其特征在于，
在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容的情况下，
所述应答消息生成部生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
4.根据权利要求1或2所述的应答装置，其特征在于，
在所述存储部存储有所述第一词语与所述第二词语属于相同的概念的内容的情况下，
所述应答消息生成部生成所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
5.根据权利要求1至4中任一项所述的应答装置，其特征在于，
在所述存储部存储有所述第二词语与多个关联词语相互关联的内容的情况下，
所述应答消息生成部将所述多个关联词语中的属于与所述第一关联词语相同的概念的关联词语优先地提取为所述第二关联词语，并生成将所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息。
6.根据权利要求1至5中任一项所述的应答装置，其特征在于，包括：
输出部，其将所述应答消息输出至外部；及
概念判定部，其对在即将输入所述输入内容之前从所述输出部输出的应答消息所包含的第三词语所属的概念、与所述输入内容所包含的输入词语所属的概念是否相同进行判定，
所述存储部存储有所述应答消息的模版，
所述应答消息生成部在所述第三词语所属的概念与所述输入词语所属的概念相同的情况下，生成将所述第一词语与所述第二关联词语相互建立关联的内容的所述应答消息，
在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，使用模版生成不同的应答消息。
7.根据权利要求6所述的应答装置，其特征在于，
在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，所述应答消息生成部将所述输入词语和与所述第三词语关联的模版组合而生成所述不同的应答消息。
8.根据权利要求6所述的应答装置，其特征在于，
在所述第三词语所属的概念与所述输入词语所属的概念不同的情况下，所述应答消息生成部将所述输入词语、以及包含于所述输入内容中的第四词语与模版组合而生成所述不同的应答消息。
9.根据权利要求7或8所述的应答装置，其特征在于，
所述应答消息生成部针对所述输入内容所包含的多个词语，基于各词语所属的概念及包含各词语的前后的词语的上下文信息选择所述输入词语。
10.一种应答装置的控制方法，针对用户输入的输入内容输出应答消息，其特征在于，
所述应答装置具备存储部，所述存储部存储有第一词语与第一关联词语相互关联的内容及第二词语与第二关联词语相互关联的内容，
所述应答装置的控制方法包含：
从所述存储部搜索与所述输入内容所包含的所述第一词语或所述第二词语有关的存储的探索步骤；以及
对于所述输入内容生成应答消息的应答消息生成步骤，
所述第一词语或所述第二词语包含于所述输入内容中，在所述存储部存储有所述第二词语与所述第一关联词语相互关联的内容或所述第一词语与所述第二词语属于相同的概念的内容的情况下，
在所述应答消息生成步骤中，生成将所述第一词语与所述第二关联词语相互建立关联的内容的应答消息。
11.一种控制程序，用于使计算机作为权利要求1所述的应答装置发挥功能，其特征在于，使计算机作为所述应答消息生成部发挥功能。
CN201780035585.2A 2016-06-08 2017-02-21 应答装置及应答装置的控制方法、控制程序 Pending CN109313899A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016114838 2016-06-08
JP2016-114838 2016-06-08
PCT/JP2017/006333 WO2017212689A1 (ja) 2016-06-08 2017-02-21 応答装置および応答装置の制御方法、制御プログラム

Publications (1)

Publication Number Publication Date
CN109313899A true CN109313899A (zh) 2019-02-05

Family

ID=60578456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780035585.2A Pending CN109313899A (zh) 2016-06-08 2017-02-21 应答装置及应答装置的控制方法、控制程序

Country Status (3)

Country Link
JP (1) JP6644141B2 (zh)
CN (1) CN109313899A (zh)
WO (1) WO2017212689A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI725577B (zh) * 2019-10-17 2021-04-21 中國信託商業銀行股份有限公司 智能語音資訊質檢方法及系統

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7166350B2 (ja) * 2018-09-13 2022-11-07 株式会社Ｎｔｔドコモ 対話装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101536455A (zh) * 2006-11-03 2009-09-16 朗讯科技公司 用于在一个或多个分组网络中恶意攻击期间递送控制消息的方法和设备
JP2010273192A (ja) * 2009-05-22 2010-12-02 Kyocera Mita Corp 画像読取装置及び画像形成装置
CN101950288A (zh) * 2009-07-08 2011-01-19 索尼公司 信息处理装置、信息处理方法及程序
JP2013072887A (ja) * 2011-09-26 2013-04-22 Toshiba Corp 対話装置
CN104834704A (zh) * 2015-04-29 2015-08-12 深圳市梦网科技股份有限公司 应答方法及***
CN105393248A (zh) * 2013-06-27 2016-03-09 国立研究开发法人情报通信研究机构 非事实类提问应答***以及方法
CN112527975A (zh) * 2019-09-02 2021-03-19 科沃斯商用机器人有限公司 人机交互方法、装置、智能机器人和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007328283A (ja) * 2006-06-09 2007-12-20 Kenwood Corp 対話装置、プログラム、及び対話方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101536455A (zh) * 2006-11-03 2009-09-16 朗讯科技公司 用于在一个或多个分组网络中恶意攻击期间递送控制消息的方法和设备
JP2010273192A (ja) * 2009-05-22 2010-12-02 Kyocera Mita Corp 画像読取装置及び画像形成装置
CN101950288A (zh) * 2009-07-08 2011-01-19 索尼公司 信息处理装置、信息处理方法及程序
JP2013072887A (ja) * 2011-09-26 2013-04-22 Toshiba Corp 対話装置
CN105393248A (zh) * 2013-06-27 2016-03-09 国立研究开发法人情报通信研究机构 非事实类提问应答***以及方法
CN104834704A (zh) * 2015-04-29 2015-08-12 深圳市梦网科技股份有限公司 应答方法及***
CN112527975A (zh) * 2019-09-02 2021-03-19 科沃斯商用机器人有限公司 人机交互方法、装置、智能机器人和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI725577B (zh) * 2019-10-17 2021-04-21 中國信託商業銀行股份有限公司 智能語音資訊質檢方法及系統

Also Published As

Publication number Publication date
WO2017212689A1 (ja) 2017-12-14
JPWO2017212689A1 (ja) 2019-02-14
JP6644141B2 (ja) 2020-02-12

Similar Documents

Publication Publication Date Title
Jane Systemic misogyny exposed: Translating rapeglish from the manosphere with a random rape threat generator
KR102119868B1 (ko) 홍보용 미디어 콘텐츠 제작 시스템 및 그 방법
Paasonen et al. NSFW: Sex, humor, and risk in social media
McQuarrie et al. The megaphone effect: Taste and audience in fashion blogging
US11511436B2 (en) Robot control method and companion robot
Garrison US feminism-grrrl style
US11159462B2 (en) Communication system and communication control method
US11074916B2 (en) Information processing system, and information processing method
CN107944027A (zh) 创建语义键索引的方法及***
CN108446635A (zh) 一种利用脑电信号辅助偏好获取协同过滤推荐***及方法
KR20200046523A (ko) 인공지능 기반의 자동 로고생성 시스템 및 이를 이용한 로고생성 서비스 방법
CN106874355A (zh) 同时融入社交关系和用户相似度的协同过滤方法
CN110245228A (zh) 确定文本类别的方法和装置
CN109791571A (zh) 信息处理***、信息处理装置、信息处理方法及存储介质
US20220210101A9 (en) Communication system and communication control method
CN109791766A (zh) 对话装置、对话装置的控制方法及控制程序
CN109313899A (zh) 应答装置及应答装置的控制方法、控制程序
CN106844735A (zh) 一种自动建立个人专属语料库的方法
CN109191225A (zh) 订单生成方法、装置、订单处理方法和服务器
CN107680598A (zh) 基于好友声纹通讯录的信息交互方法、装置及其设备
Abbas Through the Lens of Television: Progression in Portrayal of Pakistani Trans* Community (A study of TV shows from 2010 to 2018)
CN113806620B (zh) 内容推荐方法、设备、***及存储介质
US20210264221A1 (en) Virtual content creation method
CN109818737A (zh) 个性化口令生成方法及***
Ouyang Analyze IMDb movies by sentiment and topic analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190205