JP2020027548A - キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 - Google Patents
キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 Download PDFInfo
- Publication number
- JP2020027548A JP2020027548A JP2018153292A JP2018153292A JP2020027548A JP 2020027548 A JP2020027548 A JP 2020027548A JP 2018153292 A JP2018153292 A JP 2018153292A JP 2018153292 A JP2018153292 A JP 2018153292A JP 2020027548 A JP2020027548 A JP 2020027548A
- Authority
- JP
- Japan
- Prior art keywords
- noun
- answer
- candidate
- replacement
- user attribute
- 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.)
- Granted
Links
Images
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
エージェントは、ユーザのプロファイルと同様に、個性的なキャラクタ属性(年齢、性別等)を有する。ユーザは、例えば自らと同じキャラクタ属性を持つエージェントと対話することによって、高い親近感を持つことができる。
例えば、基準対話シナリオ「ゴルフが好きだな」から、10代・女性のキャラクタ属性のエージェントの対話シナリオを作成する際に、「な」という箇所を、「よ」と書き換える。これによって、10代・女性のエージェントに対して、対話シナリオ「ゴルフが好きだよ」を作成する。
例えば「ゴルフ」は、40代・男性に人気のスポーツである。そのために、40代・男性のエージェントが、「ゴルフが好きだな」と発話することには全く違和感がない。しかしながら、10代・女性のエージェントが、「ゴルフが好きだよ」と発話することに違和感がある。一般的な10代・女性が発話する内容ではないためである。
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する置換対象名詞抽出手段と、
回答名詞をキーとして検索したページの中から、回答名詞と同じカテゴリに属する他の候補回答名詞を検索する置換候補取得手段と、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する置換候補選択手段と、
基準対話シナリオに含まれる回答名詞を、候補回答名詞に置換することによって、予め指定されたユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する回答名詞置換手段と
してコンピュータを機能させることを特徴とする。
置換対象名詞抽出手段について、
疑問名詞は、疑問詞と係り受けの関係にある名詞であり、
回答名詞は、疑問名詞とベクトル表現的な類似度が最も高い名詞である
ようにコンピュータを機能させることも好ましい。
キーワード毎に用意されたページには、当該キーワードが属する1つ以上のカテゴリ名が記述されており、
置換候補取得手段は、
回答名詞をキーとしてページを検索し、
当該ページに記述された全てのカテゴリ名の中から、疑問名詞とベクトル表現的な類似度が所定閾値以上高いカテゴリ名を選択し、
当該カテゴリ名に属する1つ以上のキーワードを、候補回答名詞とする
ようにコンピュータを機能させることも好ましい。
置換候補取得手段は、
当該ページに記述された全てのカテゴリ名に含まれる名詞を抽出し、
当該名詞の中から、疑問名詞とベクトル表現的な類似度が所定閾値以上高い名詞を含むカテゴリ名を選択する
ようにコンピュータを機能させることも好ましい。
置換候補取得手段は、回答名詞をキーとして複数のページを検索した際に、全てのページに記述された全てのカテゴリ名に含まれる名詞を抽出する
ようにコンピュータを機能させることも好ましい。
前記ページは、Wikipedia(登録商標)に基づくものである
ようにコンピュータを機能させることも好ましい。
前記置換候補取得手段は、前記回答名詞とベクトル表現的な類似度が所定範囲内に属する他の候補回答名詞を検索する
ようにコンピュータを機能させることも好ましい。
ベクトル表現的な類似度は、Word2vec又はfastTextを用いて算出する
ようにコンピュータを機能させることも好ましい。
置換候補選択手段は、投稿文と投稿者のユーザ属性とを、SNS(Social Networking Service)によって検索する
ようにコンピュータを機能させることも好ましい。
置換候補選択手段は、
以下のように、赤池情報量規準(AIC:Akaike's Information Criterion)を用いて、ユーザ属性P1に対する候補回答名詞P2の評価値V(P1,P2)を算出し、当該評価値V(P1,P2)が所定閾値以上となる、又は、当該評価値V(P1,P2)が大きいものから順に所定数となる、候補回答名詞P2を検出対象とする
p11:ユーザ属性P1のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p12:ユーザ属性P1のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p21:ユーザ属性P1以外のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p22:ユーザ属性P1以外のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p11+p12+p21+p22=全てのユーザが、投稿文を投稿した数
MLL_IM(P1,P2)=(p11+p12) log(p11+p12)
+(p11+p21) log(p11+p21)
+(p21+p22) log(p21+p22)
+(p12+p22) log(p12+p22)−2N log N
MLL_DM(P1,P2)=p11 log p11+p12 log p12+p21 log p21+p22 log p22−N log N
但し、N=p11+p12+p21+p22
AIC_IM(P1,P2)=-2 × MLL_IM(P1,P2) + 2×2
AIC_IM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の従属AIC
AIC_DM(P1,P2)=-2 × MLL_DM(P1,P2) + 2×3
AIC_DM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の独立AIC
V(P1,P2)=AIC_IM(P1,P2) − AIC_DM(P1,P2)
ようにコンピュータを機能させることも好ましい。
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する置換対象名詞抽出手段と、
回答名詞をキーとして検索したページの中から、回答名詞と同じカテゴリに属する他の候補回答名詞を検索する置換候補取得手段と、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する置換候補選択手段と、
基準対話シナリオに含まれる回答名詞を、候補回答名詞に置換することによって、予め指定されたユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する回答名詞置換手段と
を有することを特徴とする。
装置は、
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する第1のステップと、
回答名詞をキーとして検索したページの中から、回答名詞と同じカテゴリに属する他の候補回答名詞を検索する第2のステップと、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する第3のステップと、
基準対話シナリオに含まれる回答名詞を、候補回答名詞に置換することによって、予め指定されたユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する第4のステップと
を実行することを特徴とする。
ユーザ :「どんな音楽を聴きますか」
エージェント:「KANAです、新宿でこの前見ました」
ユーザ :「KANAは、AAAレコーズのアーティストですよね」
・・・・・
ユーザ :「どんな音楽を聴きますか」
エージェント:「HAMADAです、新宿でこの前見ました」
ユーザ :「HAMADAは、AAAレコーズのアーティストですよね」
・・・・・
図2によれば、対話シナリオ作成装置1は、置換対象名詞抽出部11と、置換候補取得部12と、置換候補選択部13と、回答名詞置換部14とを有する。これら機能構成部は、装置に搭載されたコンピュータを機能させるプログラムを実行することによって実現される。また、これら機能構成部の処理の流れは、対話シナリオ作成方法としても理解できる。
置換対象名詞抽出部11は、基準対話シナリオを入力し、最初に、基準対話シナリオに含まれる一連の「疑問発話文」及び「回答発話文」の組を抽出する。
疑問発話文:「どんな音楽を聴きますか」
回答発話文:「KANAです、新宿でこの前見ました」
疑問名詞:疑問詞と係り受けの関係にある名詞
回答名詞:疑問名詞とベクトル表現的な類似度が最も高い名詞
疑問名詞:「音楽」
次に、疑問名詞「音楽」と、名詞「KANA」「新宿」「前」それぞれとの間の類似度を算出する。具体的には、疑問詞と各名詞とをWord2vecやfastTextに入力し、ベクトル表現的な類似度を算出する。尚、Word2vecやfastTextは、例えばWikipedia(登録商標)をコーパスとして学習したものであるとする。
[類似度]
音楽−KANA 0.300
音楽−新宿 0.136
音楽−前 0.106
そして、回答発話文に含まれる名詞の中で、疑問名詞に類似する名詞を抽出する。例えば、疑問名詞「音楽」に対して、名詞「KANA」の類似度が最も高いので、その名詞「KANA」を回答名詞とする。
疑問名詞:「音楽」
回答名詞:「KANA」
s(i,j)=cosθ=(Vi・Vj)/(|Vi||Vj|)
Vi:疑問名詞の特徴ベクトル
Vj:回答名詞の特徴ベクトル
置換候補取得部12は、回答名詞と同じカテゴリに属する他の「候補回答名詞」を検索する。ここで、他の候補回答名詞を検索するために、2つの実施形態がある。
<回答名詞とベクトル表現的な類似度が所定範囲内に属する他の候補回答名詞を検索>
具体的にはWord2vec又はfastTextを用いて、回答名詞から所定範囲内の類似度となる他の候補回答名詞を検索するものであってもよい。
図4は、本発明における置換候補取得部の処理を表す説明図である。
カテゴリ名は、例えばWikipedia全体構造からの「分類」を表す。カテゴリ名同士の関係も、全体構造を意識した一貫性や無矛盾性が維持されている。
(S1)最初に、回答名詞をキーとして、ページを検索する。
図3によれば、例えばWikipediaのページから、回答名詞「KANA」に基づくページを検索する。
「KANA」のページには、KANAに関する説明文と共に、以下のようなカテゴリ名が記述されているとする。
[KANA]
「日本の女性ポップ歌手」
「AAAレコーズのアーティスト」
「存命人物」
例えば、疑問名詞「音楽」と各カテゴリ名との間の、Word2vecの類似度を算出する。
[疑問名詞]−[全てのカテゴリ名] [類似度]
音楽 −AAAレコーズのアーティスト 0.592
−日本の女性ポップ歌手 0.410
−存命人物 0.120
図4によれば、例えばWikipediaのページから、キーワード「AAAレコーズのアーティスト」に基づくページを検索する。そして、そのページに記述されたキーワードを、候補回答名詞とする。
検索キーワード 「AAAレコーズのアーティスト」
候補回答名詞 「AIEIL」
「HAMADA」
「MAKINORI」
「POGRA」
・・・・・
この候補回答名詞は、AAAレコーズに所属するアーティストに基づくものである。
回答名詞 「KANA」
候補回答名詞 「AIEIL」「HAMADA」「MAKINORI」
「POGRA」・・・・・
(S21)検索されたページに記述された全てのカテゴリ名に含まれる「名詞」を抽出する。
例えば、回答名詞「KANA」をキーとして検索されたページに記述された全てのカテゴリ名から、名詞を抽出する。
「日本」「女性」「ポップ」「歌手」「AAAレコーズ」
「アーティスト」「存命」「人物」
例えば、全てのカテゴリ名に含まれる名詞の中から、疑問名詞「音楽」と、Word2vecの類似度を算出する。
[疑問名詞]−[全てのカテゴリ名の名詞] [類似度]
音楽 −アーティスト 0.481
−ポップ 0.477
−歌手 0.425
−AAAレコーズ 0.233
−人物 0.205
−女性 0.170
−日本 0.138
−存命 0.135
疑問名詞「音楽」と類似度が最も高い名詞「アーティスト」が選択される。
疑問名詞「音楽」−名詞「アーティスト」
そして、その名詞を含むカテゴリ名を選択する。
疑問名詞「音楽」−カテゴリ名「AAAレコーズのアーティスト」
置換候補選択部13は、候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する。
(S1)「候補回答名詞」毎に、当該候補回答名詞が記述された複数の投稿文を検索する。
投稿文は、例えばSNS(Social Networking Service)に投稿されたテキストであって、不特定多数の第三者が送信したものである。
例えば候補回答名詞「AIEIL」については、以下のような投稿文が想定される。
「先週、AIEILのライブに行ったよ」
「AIEILの曲大好きだなあ」
・・・・・
例えば候補回答名詞「HAMADA」については、以下のような投稿文が想定される。
「HAMADAの新曲、すごくいい」
「CD買った、HAMADA最高」
・・・・・
投稿期間:直近1ヶ月以内 ->対話シナリオが比較的トレンドの影響を受ける
:過去1年分
:過去3年分 ->対話シナリオが比較的トレンドの影響を受けない
:・・・・・
この投稿期間の指定によって、様々な用途に応じた対話シナリオを作成することができる。
投稿文と投稿者のユーザ属性とを、SNSによって検索する。SNSによれば、投稿文と共に、投稿者のユーザ属性も取得することができる。ユーザ属性と、エージェントのキャラクタ属性とは、例えば10代・女性や40代・男性のように、同様に分類することができる。
尚、ユーザ属性を推定するために、SNSから得られる投稿者間の交流関係を用いた技術も利用することができる(例えば特許文献1参照)。この技術も、年代や性別の属性を推定することができる。
p11:ユーザ属性P1のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p12:ユーザ属性P1のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p21:ユーザ属性P1以外のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p22:ユーザ属性P1以外のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p11+p12+p21+p22=全てのユーザが、投稿文を投稿した数
MLL_IM(P1,P2)=(p11+p12) log(p11+p12)
+(p11+p21) log(p11+p21)
+(p21+p22) log(p21+p22)
+(p12+p22) log(p12+p22)−2N log N
MLL_DM(P1,P2)=p11 log p11+p12 log p12+p21 log p21+p22 log p22−N log N
但し、N=p11+p12+p21+p22
AIC_IM(P1,P2)=-2 × MLL_IM(P1,P2) + 2×2
AIC_IM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の従属AIC
AIC_DM(P1,P2)=-2 × MLL_DM(P1,P2) + 2×3
AIC_DM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の独立AIC
V(P1,P2)=AIC_IM(P1,P2) − AIC_DM(P1,P2)
候補回答名詞「AIEIL」は、10代・男性・女性で、投稿文の出現頻度が多いのに対し、40代・男性・女性で、投稿文の出現頻度が少ない。
候補回答名詞「HAMADA」は、40代・男性で、投稿文の出現頻度が多いのに対し、10代・男性・女性で、投稿文の出現頻度が少ない。
候補回答名詞「MAKINORI」は、40代・女性で、投稿文の出現頻度が多いのに対し、10代・女性で、投稿文の出現頻度が少ない。
最終的に、置換候補選択部13は、回答名詞「KANA」に対して、指定されたユーザ属性の40代・男性について、候補回答名詞「HAMADA」を選択し、回答名詞置換部14へ出力する。
勿論、赤池情報量規準が最も高い候補回答名詞のみに限られず、上位数件の候補回答名詞を選択するものであってもよい。
回答名詞置換部14は、基準対話シナリオに含まれる「回答名詞」を、「候補回答名詞」に置換することによって、予め指定されたユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する。
ユーザ :「どんな音楽を聴きますか」
エージェント:「HAMADAです、新宿でこの前見ました」
ユーザ :「HAMADAは、AAAレコーズのアーティストですよね」
・・・・・
本発明によれば、40代・男性のユーザにとっては、「KANA」よりも、「HAMADA」の方が、実際に話題とするであろう名詞となっている点に特徴がある。このように、エージェントのキャラクタ属性として違和感の無い対話シナリオを自動的に作成していく。
ここでは、置換対象名詞抽出部11は、以下の組を抽出したとする。
疑問名詞:「犬」
回答名詞:「コーギー」
[ウェルシュ・コーギー]
「犬の品種」
「ウェールズの文化」
[コーギー・クラシック]
「自動車模型」
「玩具」
「模型」
「犬」「品種」「玩具」「模型」「文化」「ウェールズ」「自動車」
例えば、全てのカテゴリ名に含まれる名詞の中から、疑問名詞「犬」と、Word2vecの類似度を算出する。
[疑問名詞]−[全てのカテゴリ名の名詞] [類似度]
犬 −犬 1.000
−品種 0.463
−玩具 0.204
−模型 0.198
−文化 0.184
−ウェールズ 0.160
−自動車 0.153
疑問名詞「犬」と類似度が最も高い名詞「犬」が選択される。
疑問名詞「犬」−名詞「犬」
そして、その名詞を含むカテゴリ名を選択する。
疑問名詞「犬」−カテゴリ名「犬の品種」
検索キーワード 「犬の品種」
候補回答名詞 「プードル」
「チワワ」
「コリー」
「スピッツ」
・・・・・
回答名詞 「コーギー」
候補回答名詞 「プードル」「チワワ」「コリー」「スピッツ」・・・・・
11 置換対象名詞抽出部
12 置換候補取得部
13 置換候補選択部
14 回答名詞置換部
2 端末
Claims (12)
- キャラクタ属性に応じた対話シナリオを作成する装置に搭載されたコンピュータを機能させるプログラムであって、
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する置換対象名詞抽出手段と、
回答名詞と同じカテゴリに属する他の候補回答名詞を検索する置換候補取得手段と、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する置換候補選択手段と、
基準対話シナリオに含まれる前記回答名詞を、前記候補回答名詞に置換することによって、予め指定された前記ユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する回答名詞置換手段と
してコンピュータを機能させることを特徴とするプログラム。 - 前記置換対象名詞抽出手段について、
前記疑問名詞は、疑問詞と係り受けの関係にある名詞であり、
前記回答名詞は、前記疑問名詞とベクトル表現的な類似度が最も高い名詞である
ようにコンピュータを機能させることを特徴とする請求項1に記載のプログラム。 - キーワード毎に用意された前記ページには、当該キーワードが属する1つ以上のカテゴリ名が記述されており、
前記置換候補取得手段は、
回答名詞をキーとしてページを検索し、
当該ページに記述された全てのカテゴリ名の中から、前記疑問名詞とベクトル表現的な類似度が所定閾値以上高いカテゴリ名を選択し、
当該カテゴリ名に属する1つ以上のキーワードを、候補回答名詞とする
ようにコンピュータを機能させることを特徴とする請求項2に記載のプログラム。 - 前記置換候補取得手段は、
当該ページに記述された全てのカテゴリ名に含まれる名詞を抽出し、
当該名詞の中から、前記疑問名詞とベクトル表現的な類似度が所定閾値以上高い名詞を含むカテゴリ名を選択する
ようにコンピュータを機能させることを特徴とする請求項3に記載のプログラム。 - 前記置換候補取得手段は、回答名詞をキーとして複数のページを検索した際に、全てのページに記述された全てのカテゴリ名に含まれる名詞を抽出する
ようにコンピュータを機能させることを特徴とする請求項4に記載のプログラム。 - 前記ページは、Wikipedia(登録商標)に基づくものである
ようにコンピュータを機能させることを特徴とする請求項3から5のいずれか1項に記載のプログラム。 - 前記置換候補取得手段は、前記回答名詞とベクトル表現的な類似度が所定範囲内に属する他の候補回答名詞を検索する
ようにコンピュータを機能させることを特徴とする請求項1又は2に記載のプログラム。 - ベクトル表現的な類似度は、Word2vec又はfastTextを用いて算出する
ようにコンピュータを機能させることを特徴とする請求項2から7のいずれか1項に記載のプログラム。 - 前記置換候補選択手段は、前記投稿文と前記投稿者のユーザ属性とを、SNS(Social Networking Service)によって検索する
ようにコンピュータを機能させることを特徴とする請求項1から8のいずれか1項に記載のプログラム。 - 前記置換候補選択手段は、
以下のように、赤池情報量規準(AIC:Akaike's Information Criterion)を用いて、ユーザ属性P1に対する候補回答名詞P2の評価値V(P1,P2)を算出し、当該評価値V(P1,P2)が所定閾値以上となる、又は、当該評価値V(P1,P2)が大きいものから順に所定数となる、候補回答名詞P2を検出対象とする
p11:ユーザ属性P1のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p12:ユーザ属性P1のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p21:ユーザ属性P1以外のユーザが、候補回答名詞P2に関する投稿文を投稿した数
p22:ユーザ属性P1以外のユーザが、候補回答名詞P2以外の投稿文を投稿した数
p11+p12+p21+p22=全てのユーザが、投稿文を投稿した数
MLL_IM(P1,P2)=(p11+p12) log(p11+p12)
+(p11+p21) log(p11+p21)
+(p21+p22) log(p21+p22)
+(p12+p22) log(p12+p22)−2N log N
MLL_DM(P1,P2)=p11 log p11+p12 log p12+p21 log p21+p22 log p22−N log N
但し、N=p11+p12+p21+p22
AIC_IM(P1,P2)=-2 × MLL_IM(P1,P2) + 2×2
AIC_IM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の従属AIC
AIC_DM(P1,P2)=-2 × MLL_DM(P1,P2) + 2×3
AIC_DM(P1,P2):ユーザ属性P1と候補回答名詞P2との組の独立AIC
V(P1,P2)=AIC_IM(P1,P2) − AIC_DM(P1,P2)
ようにコンピュータを機能させることを特徴とする請求項1から9のいずれか1項に記載のプログラム。 - キャラクタ属性に応じた対話シナリオを作成する装置であって、
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する置換対象名詞抽出手段と、
回答名詞をキーとして検索したページの中から、回答名詞と同じカテゴリに属する他の候補回答名詞を検索する置換候補取得手段と、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する置換候補選択手段と、
基準対話シナリオに含まれる前記回答名詞を、前記候補回答名詞に置換することによって、予め指定された前記ユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する回答名詞置換手段と
を有することを特徴とする装置。 - キャラクタ属性に応じた対話シナリオを作成する装置の対話シナリオ作成方法であって、
前記装置は、
基準対話シナリオに含まれる一連の疑問発話文及び回答発話文の組から、疑問発話文に含まれる疑問名詞と、回答発話文に含まれる回答名詞との組を抽出する第1のステップと、
回答名詞をキーとして検索したページの中から、回答名詞と同じカテゴリに属する他の候補回答名詞を検索する第2のステップと、
候補回答名詞毎に、当該候補回答名詞が記述された複数の投稿文を検索し、投稿文それぞれの投稿者のユーザ属性を検索し、予め指定されたユーザ属性における投稿文の出現頻度が最も偏る候補回答名詞を選択する第3のステップと、
基準対話シナリオに含まれる前記回答名詞を、前記候補回答名詞に置換することによって、予め指定された前記ユーザ属性と同じキャラクタ属性を持つ対話シナリオとして作成する第4のステップと
を実行することを特徴とする装置の対話シナリオ作成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018153292A JP6994289B2 (ja) | 2018-08-16 | 2018-08-16 | キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018153292A JP6994289B2 (ja) | 2018-08-16 | 2018-08-16 | キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020027548A true JP2020027548A (ja) | 2020-02-20 |
JP6994289B2 JP6994289B2 (ja) | 2022-01-14 |
Family
ID=69620449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018153292A Active JP6994289B2 (ja) | 2018-08-16 | 2018-08-16 | キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6994289B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021144263A (ja) * | 2020-03-10 | 2021-09-24 | Kddi株式会社 | 対象人物の特徴的な身振りを推定するプログラム、装置及び方法 |
JP2022029869A (ja) * | 2020-08-05 | 2022-02-18 | Kddi株式会社 | キャラクタ属性に応じた動詞に置換した対話シナリオを作成するプログラム、装置及び方法 |
CN114970559A (zh) * | 2022-05-18 | 2022-08-30 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
WO2023002694A1 (ja) * | 2021-07-20 | 2023-01-26 | ソニーグループ株式会社 | 情報処理装置および情報処理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004310034A (ja) * | 2003-03-24 | 2004-11-04 | Matsushita Electric Works Ltd | 対話エージェントシステム |
JP2013225036A (ja) * | 2012-04-23 | 2013-10-31 | Scsk Corp | 自動対話シナリオ作成支援装置及び自動対話シナリオ作成支援プログラム |
CN105975622A (zh) * | 2016-05-28 | 2016-09-28 | 蔡宏铭 | 多角色智能聊天的方法及*** |
WO2017200075A1 (ja) * | 2016-05-20 | 2017-11-23 | 日本電信電話株式会社 | 対話方法、対話システム、対話シナリオ生成方法、対話シナリオ生成装置、及びプログラム |
-
2018
- 2018-08-16 JP JP2018153292A patent/JP6994289B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004310034A (ja) * | 2003-03-24 | 2004-11-04 | Matsushita Electric Works Ltd | 対話エージェントシステム |
JP2013225036A (ja) * | 2012-04-23 | 2013-10-31 | Scsk Corp | 自動対話シナリオ作成支援装置及び自動対話シナリオ作成支援プログラム |
WO2017200075A1 (ja) * | 2016-05-20 | 2017-11-23 | 日本電信電話株式会社 | 対話方法、対話システム、対話シナリオ生成方法、対話シナリオ生成装置、及びプログラム |
CN105975622A (zh) * | 2016-05-28 | 2016-09-28 | 蔡宏铭 | 多角色智能聊天的方法及*** |
Non-Patent Citations (2)
Title |
---|
木村 葵 外3名: "Twitterとword2vecを用いた時期に合った返答発話選択手法", 言語処理学会第22回年次大会 発表論文集 [ONLINE], JPN6021024754, 29 February 2016 (2016-02-29), JP, pages 79 - 82, ISSN: 0004536092 * |
池田 和史 外4名: "マーケット分析のためのTwitter投稿者プロフィール推定手法", 情報処理学会論文誌 論文誌トランザクション 2011(平成23)年度2 [CD−ROM], vol. 第2巻 第1号, JPN6021024755, 15 April 2012 (2012-04-15), JP, pages 82 - 93, ISSN: 0004536093 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021144263A (ja) * | 2020-03-10 | 2021-09-24 | Kddi株式会社 | 対象人物の特徴的な身振りを推定するプログラム、装置及び方法 |
JP7257349B2 (ja) | 2020-03-10 | 2023-04-13 | Kddi株式会社 | 対象人物の特徴的な身振りを推定するプログラム、装置及び方法 |
JP2022029869A (ja) * | 2020-08-05 | 2022-02-18 | Kddi株式会社 | キャラクタ属性に応じた動詞に置換した対話シナリオを作成するプログラム、装置及び方法 |
JP7297721B2 (ja) | 2020-08-05 | 2023-06-26 | Kddi株式会社 | キャラクタ属性に応じた動詞に置換した対話シナリオを作成するプログラム、装置及び方法 |
WO2023002694A1 (ja) * | 2021-07-20 | 2023-01-26 | ソニーグループ株式会社 | 情報処理装置および情報処理方法 |
CN114970559A (zh) * | 2022-05-18 | 2022-08-30 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
CN114970559B (zh) * | 2022-05-18 | 2024-02-02 | 马上消费金融股份有限公司 | 智能应答方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6994289B2 (ja) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818781B (zh) | 智能交互方法、设备及存储介质 | |
CN108491443B (zh) | 由计算机实施的与用户对话的方法和计算机*** | |
AU2014204091B2 (en) | Determining product categories by mining chat transcripts | |
Basiri et al. | A framework for sentiment analysis in persian | |
JP6994289B2 (ja) | キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法 | |
US20130246392A1 (en) | Conversational System and Method of Searching for Information | |
KR20160110501A (ko) | 메시지들에서 태스크들 식별 | |
KR102041621B1 (ko) | 인공지능 음성인식 기반 기계학습의 대규모 말뭉치 구축을 위한 대화형 말뭉치 분석 서비스 제공 시스템 및 구축 방법 | |
US20230350929A1 (en) | Method and system for generating intent responses through virtual agents | |
CN112948534A (zh) | 一种智能人机对话的交互方法、***和电子设备 | |
JP7096172B2 (ja) | キャラクタ性に応じた形容発話を含む対話シナリオを生成する装置、プログラム及び方法 | |
JP2009099088A (ja) | Snsユーザプロファイル摘出装置、摘出方法並びに摘出プログラム、及び該ユーザプロファイルを利用する装置 | |
Kann et al. | Open-domain dialogue generation: What we can do, cannot do, and should do next | |
CN108009297B (zh) | 基于自然语言处理的文本情感分析方法与*** | |
WO2016178337A1 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
Bhaumik et al. | Adapting emotion detection to analyze influence campaigns on social media | |
JP2017134686A (ja) | 解析システム、解析方法、及び解析プログラム | |
Walha et al. | A Lexicon approach to multidimensional analysis of tweets opinion | |
Nguyen et al. | Building a chatbot system to analyze opinions of english comments | |
Simeon et al. | Word segmentation algorithms with lexical resources for hashtag classification | |
Li et al. | Twitter sentiment analysis of the 2016 US Presidential Election using an emoji training heuristic | |
JP2016103156A (ja) | テキスト特徴量抽出装置、テキスト特徴量抽出方法、およびプログラム | |
Scholz et al. | Integrating viewpoints into newspaper opinion mining for a media response analysis. | |
Garcıa-Pablos et al. | OpeNER: Open tools to perform natural language processing on accommodation | |
Kwon et al. | Opinion bias detection based on social opinions for twitter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200616 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210416 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210708 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211210 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6994289 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |