JP6146864B2 - Program, server, and method for promoting search interactively with user - Google Patents
Program, server, and method for promoting search interactively with user Download PDFInfo
- Publication number
- JP6146864B2 JP6146864B2 JP2013206055A JP2013206055A JP6146864B2 JP 6146864 B2 JP6146864 B2 JP 6146864B2 JP 2013206055 A JP2013206055 A JP 2013206055A JP 2013206055 A JP2013206055 A JP 2013206055A JP 6146864 B2 JP6146864 B2 JP 6146864B2
- Authority
- JP
- Japan
- Prior art keywords
- information gain
- content
- user
- category
- calculating
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 20
- 230000001737 promoting effect Effects 0.000 title 1
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000002452 interceptive effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 3
- 235000013305 food Nutrition 0.000 description 9
- 240000007124 Brassica oleracea Species 0.000 description 8
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 8
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 8
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 8
- 235000015277 pork Nutrition 0.000 description 6
- 235000013372 meat Nutrition 0.000 description 5
- 244000247812 Amorphophallus rivieri Species 0.000 description 4
- 235000001206 Amorphophallus rivieri Nutrition 0.000 description 4
- 229920002752 Konjac Polymers 0.000 description 4
- 240000007594 Oryza sativa Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000010485 konjac Nutrition 0.000 description 4
- 239000000252 konjac Substances 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 235000012046 side dish Nutrition 0.000 description 4
- 240000008415 Lactuca sativa Species 0.000 description 3
- 235000001497 healthy food Nutrition 0.000 description 3
- 235000012149 noodles Nutrition 0.000 description 3
- 235000012045 salad Nutrition 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 240000004160 Capsicum annuum Species 0.000 description 2
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 2
- 241000237858 Gastropoda Species 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 2
- 241000758706 Piperaceae Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、ユーザと対話的に検索を進行させるプログラムの技術に関する。 The present invention relates to a technique for a program that allows a search to proceed interactively with a user.
人間に対して自然な対話を実現した対話システムが、特にスマートフォンやタブレット端末を用いて一般的に普及しつつある。その中でも、対話シナリオに従ってユーザとの間で交互に対話を進行させることによって、ユーザが必要とするであろうコンテンツを検索する技術がある。 A dialogue system that realizes natural dialogue with human beings is becoming more popular, especially using smartphones and tablet terminals. Among them, there is a technique for searching for content that a user may need by alternately proceeding with a user according to a dialog scenario.
従来、回答者の心理状態に基づいて次の質問文を選択し、質問パターンの固定化を防止する対話型遊技装置の技術がある（例えば特許文献１参照）。この技術によれば、多数の複数の質問文を、その質問文の選択基準と共に記録したデータベースを有する。その上で、質問文に対する回答者の音声から、その回答者の心理状態を分析し、その心理状態と質問文の選択基準とを対照し、データベースから質問文を選択する。その質問文は、質問者にガイダンスとして提供される。即ち、この技術によれば、質問文の順番は、固定されたものではなく、ユーザの心理状態に合わせて変更される。 Conventionally, there is a technology of an interactive game device that selects the next question sentence based on the psychological state of the respondent and prevents the question pattern from being fixed (see, for example, Patent Document 1). According to this technique, a database is provided in which a large number of question sentences are recorded together with selection criteria for the question sentences. Then, the psychological state of the respondent is analyzed from the voice of the respondent to the question sentence, the psychological state is compared with the selection criteria of the question sentence, and the question sentence is selected from the database. The question text is provided as guidance to the questioner. That is, according to this technique, the order of the question sentences is not fixed and is changed according to the psychological state of the user.
また、ユーザ自身が明確なクエリ（質問文）を持っていない場合であっても対話を進行させ、ユーザの目的とするであろうコンテンツを検索する技術がある（例えば非特許文献１参照）。この技術によれば、例えばレシピの検索の用途について、システムが、レシピに関する質問文をユーザへ提示し、そのユーザに「はい／いいえ」と回答させて、検索候補を絞り込んでいく。レシピデータの分類に応じて、大量の質問文がデータベースに記憶されている。そして、システムは、検索候補のレシピ集合の中で、情報利得(Information gain)が最も大きい質問文を選択する。これによって、目標とすべき検索結果に至るまでの質問文の絞り込みを早くする（質問の回数を少なくする）ことができる。 Further, there is a technique for searching for content that is intended for the user by advancing the dialogue even when the user does not have a clear query (question sentence) (see, for example, Non-Patent Document 1). According to this technique, for example, for the purpose of searching for a recipe, the system presents a question regarding the recipe to the user, and makes the user answer “Yes / No” to narrow down the search candidates. A large number of questions are stored in the database according to the classification of the recipe data. Then, the system selects a question sentence having the largest information gain from the search candidate recipe set. Thereby, it is possible to speed up the narrowing down of the question sentence until the search result to be targeted (reducing the number of questions).
図１は、従来技術における対話検索プログラムの処理を表す説明図である。 FIG. 1 is an explanatory diagram showing processing of a dialog search program in the prior art.
図１によれば、ユーザとの対話によって、レシピコンテンツを検索する場合を想定している。
（Ｓ１）システムが、ユーザへ「何の材料を使いますか？」と質問したとする。
（Ｓ２）これに対し、ユーザが、「豚肉とキャベツがいい」と回答したとする。このとき、ユーザにとっては、「ヘルシー」なダイエット料理を所望していたかもしれない。
（Ｓ３）システムとしては、回答文に含まれる「豚肉」「キャベツ」を検索キーとして、データベースからレシピのコンテンツ集合Ｓを検索する。そのコンテンツ集合Ｓの中から、カテゴリａに関するコンテンツ集合Ｓa毎に、情報利得(information gain)が算出される。
中華料理に関するコンテンツ集合Ｓa ：情報利得＝0.60
パーティに関するコンテンツ集合Ｓa ：情報利得＝0.56
電子レンジに関するコンテンツ集合Ｓa ：情報利得＝0.53
ヘルシーな料理に関するコンテンツ集合Ｓa：情報利得＝0.50
（Ｓ４）情報利得＝0.60となる「中華料理に関するコンテンツ集合」が選択される。そこで、システムは、回答者に対して「中華料理ですか？」を質問することとなる。
According to FIG. 1, it is assumed that the recipe content is searched by interaction with the user.
(S1) It is assumed that the system asks the user “What material do you use?”
(S2) Assume that the user responds that “pork and cabbage are good”. At this time, the user may have desired “healthy” diet food.
(S3) The system searches the content set S of the recipe from the database using “pork” and “cabbage” included in the answer sentence as search keys. From the content set S, an information gain is calculated for each content set Sa related to the category a.
Content collection Sa about Chinese cuisine: Information gain = 0.60
Content set Sa related to party: Information gain = 0.56
Content set Sa regarding microwave oven: Information gain = 0.53
Healthy food content collection Sa: Information gain = 0.50
(S4) “Content set related to Chinese food” with information gain = 0.60 is selected. Therefore, the system will ask the respondent “Chinese food?”.
この技術によれば、「情報利得」が最も高い質問文が選択される。情報利得とは、例えば決定木アルゴリズムＩＤ３(Iterative Dichotomiser 3)で特徴選択に用いられる特徴の良さの規準をいう。ＩＤ３は、汎用目的で設計された教師あり学習アルゴリズムの一種である。 According to this technique, the question sentence with the highest “information gain” is selected. The information gain refers to a feature goodness criterion used for feature selection in decision tree algorithm ID3 (Iterative Dichotomiser 3), for example. ID3 is a kind of supervised learning algorithm designed for general purpose.
しかしながら、図１によれば、回答者は、実は「ヘルシー」なダイエット料理を所望していたにも拘わらず、中華料理であるか否かの質問を受けることとなる。ここで、回答者自身がどのようなレシピ内容に気になっているかを全く考慮しておらず、単に情報利得のみで次の質問文を判断していることが問題ではないか？と、本願の発明者らは考えた。 However, according to FIG. 1, although the respondent actually wanted a “healthy” diet food, he / she would be asked whether the food is Chinese food. Here, isn't it a problem that the respondent himself does not consider what kind of recipe contents he / she is interested in, and simply determines the next question based on information gain alone? The inventors of the present application thought.
そこで、本発明は、情報利得に基づいて質問文を選択することによって、ユーザと対話的に検索を進行させる場合、目標とすべき検索結果に至るまでの質問文の絞り込みをできる限り早くするプログラム、サーバ及び方法を提供することを目的とする。 Accordingly, the present invention provides a program for selecting a question sentence based on an information gain, thereby narrowing down a question sentence as far as possible until reaching a search result to be a target when a search is made interactive with a user. It is an object to provide a server and a method.
本発明によれば、ユーザと対話的に検索を進行させるようにコンピュータを機能させる対話検索プログラムであって、
検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積手段と、
ユーザに対してカテゴリに基づく質問文を明示し、その回答文を取得する対話進行インタフェース手段と、
コンテンツ蓄積手段を用いて、回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索するコンテンツ検索手段と、
コンテンツ集合Ｓに対するカテゴリa毎の情報利得ＩＧ(a)を算出する情報利得算出手段と、
コンテンツ集合Ｓの中で、ユーザに任意に複数のコンテンツを選択させるコンテンツ選択手段と、
ユーザによって選択された複数のコンテンツに対するカテゴリa毎の選択確率Ｐ(a)を算出する選択確率算出手段と、
カテゴリa毎に、情報利得ＩＧ(a)に選択確率Ｐ(a)を重み付けした更新情報利得ＰＩＧ(a)を算出する更新情報利得算出手段と
してコンピュータを機能させ、
対話進行インタフェース手段は、更新情報利得が最も高いカテゴリに基づく質問文をユーザに明示する
ようにコンピュータを機能させることを特徴とする。
According to the present invention, there is provided an interactive search program for causing a computer to function to advance a search interactively with a user,
Content accumulating means for accumulating a large number of contents to be searched and adding one or more categories to each content;
A dialog progress interface means for clearly indicating a question sentence based on a category to the user and obtaining the answer sentence;
Content search means for searching the content set S using the content storage means using the words included in the answer sentence as search keys;
Information gain calculating means for calculating an information gain IG (a) for each category a with respect to the content set S;
Content selection means for allowing the user to arbitrarily select a plurality of contents in the content set S;
Selection probability calculating means for calculating a selection probability P (a) for each category a for a plurality of contents selected by the user;
For each category a, the computer functions as an update information gain calculating means for calculating an update information gain PIG (a) obtained by weighting the selection probability P (a) to the information gain IG (a),
The dialogue progress interface means is characterized in that the computer functions so as to clearly indicate to the user a question sentence based on a category having the highest update information gain.
本発明の対話検索プログラムにおける他の実施形態によれば、
更新情報利得算出手段は、以下の式によって更新情報利得を算出する
ＰＩＧ(a)＝ＩＧ(a)×Ｐ(a)＋Δｒ （Δｒ＝0〜0.001の乱数）
ようにコンピュータを機能させることも好ましい。
According to another embodiment of the interactive search program of the present invention,
The update information gain calculation means calculates the update information gain by the following formula: PIG (a) = IG (a) × P (a) + Δr (Δr = 0 to 0.001 random number)
It is also preferable to make the computer function.
本発明の対話検索プログラムにおける他の実施形態によれば、
更新情報利得算出手段は、以下の式によって更新情報利得を算出する
Ｂ＝ｂ-P(a) （ｂ：１より大きい自然数）
ＰＩＧ(a)＝ＩＧ(a)Ｂ
ようにコンピュータを機能させることも好ましい。
According to another embodiment of the interactive search program of the present invention,
The update information gain calculation means calculates the update information gain by the following formula: B = b −P (a) (b is a natural number greater than 1)
PIG (a) = IG (a) B
It is also preferable to make the computer function.
本発明の対話検索プログラムにおける他の実施形態によれば、
情報利得算出手段について、情報利得ＩＧ(a)は、Iterative Dichotomiser 3に基づくものであって、以下の式によって算出される
ＩＧ(a)＝Ｈ(Ｓ)−Σt∈Tｐ(t)Ｈ(t)
Ｈ(Ｓ)＝−Σx∈Tｐ(x)log2ｐ(x)
Ｈ(Ｓ)：コンテンツ集合Ｓの平均情報量
ｐ(x)：コンテンツ集合Ｓ全てが、カテゴリxに属するコンテンツとなる割合
ようにコンピュータを機能させることも好ましい。
According to another embodiment of the interactive search program of the present invention,
As for the information gain calculation means, the information gain IG (a) is based on Iterative Dichotomiser 3 and is calculated by the following formula: IG (a) = H (S) −Σt∈T p (t) H (t)
H (S) = − Σx∈T p (x) log 2 p (x)
H (S): Average information amount of the content set S p (x): It is also preferable to cause the computer to function so that all the content sets S become contents belonging to the category x.
本発明の対話検索プログラムにおける他の実施形態によれば、
選択確率Ｐ(a)は、利用者の利用履歴から算出したカテゴリaに対する利用者の嗜好確率ｇ(a)を事前確率とし、最大事後確率推定（ＭＡＰ(Maximum a posteriori) estimation）に基づいて算出する
ようにコンピュータを機能させることも好ましい。
According to another embodiment of the interactive search program of the present invention,
The selection probability P (a) is calculated based on the maximum posterior probability (MAP (Maximum a posteriori) estimation) with the user's preference probability g (a) for the category a calculated from the user's usage history as the prior probability. It is also preferable to make the computer function like this.
本発明の対話検索プログラムにおける他の実施形態によれば、
コンテンツ蓄積手段は、多数のコンテンツをカテゴリに分類するために、機械学習ライブラリを用いたオンライン学習法(Confidence-weighted linear classification)を用いる
ようにコンピュータを機能させることも好ましい。
According to another embodiment of the interactive search program of the present invention,
The content storage means preferably causes the computer to function so as to use an online learning method (confidence-weighted linear classification) using a machine learning library in order to classify a large number of contents into categories.
本発明によれば、ユーザ操作に基づく端末との間で、対話的にシナリオを進行する対話検索サーバであって、
検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積手段と、
ユーザに対してカテゴリに基づく質問文を送信し、その回答文を受信する対話進行インタフェース手段と、
コンテンツ蓄積手段を用いて、回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索するコンテンツ検索手段と、
コンテンツ集合Ｓに対するカテゴリa毎の情報利得ＩＧ(a)を算出する情報利得算出手段と、
コンテンツ集合Ｓの中で、ユーザに任意に複数のコンテンツを選択させるコンテンツ選択手段と、
ユーザによって選択された複数のコンテンツに対するカテゴリa毎の選択確率Ｐ(a)を算出する選択確率算出手段と、
カテゴリa毎に、情報利得ＩＧ(a)に選択確率Ｐ(a)を重み付けした更新情報利得を算出する更新情報利得算出手段と
を有し、
対話進行インタフェース手段は、更新情報利得が最も高いカテゴリに基づく質問文を、端末へ送信する
ことを特徴とする。
According to the present invention, there is provided a dialog search server that interactively advances a scenario with a terminal based on a user operation,
Content accumulating means for accumulating a large number of contents to be searched and adding one or more categories to each content;
A dialogue progress interface means for sending a question sentence based on a category to the user and receiving the answer sentence;
Content search means for searching the content set S using the content storage means using the words included in the answer sentence as search keys;
Information gain calculating means for calculating an information gain IG (a) for each category a with respect to the content set S;
Content selection means for allowing the user to arbitrarily select a plurality of contents in the content set S;
Selection probability calculating means for calculating a selection probability P (a) for each category a for a plurality of contents selected by the user;
Update information gain calculating means for calculating an update information gain obtained by weighting the selection probability P (a) to the information gain IG (a) for each category a;
The dialog progress interface means transmits a question sentence based on the category having the highest update information gain to the terminal.
本発明によれば、装置を用いて、ユーザと対話的にシナリオを進行する対話方法であって、
装置は、検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積部を有し、
ユーザに対してカテゴリに基づく質問文を明示し、その回答文を取得する第１のステップと、
コンテンツ蓄積部を用いて、回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索する第２のステップと、
明示されたコンテンツ集合に対するカテゴリ毎の情報利得ＩＧ(Ａ)を算出する第３のステップと、
コンテンツ集合の中で、ユーザに任意に複数のコンテンツを選択させる第４のステップと、
ユーザによって選択された複数のコンテンツに対するカテゴリ毎の選択確率Ｐ(a)を算出する第５のステップと、
カテゴリ毎に、情報利得に選択確率を重み付けした更新情報利得を算出する第６のステップと、
更新情報利得が最も高いカテゴリに基づく質問文をユーザに明示する第７のステップと
を有することを特徴とする。
According to the present invention, there is provided an interactive method for interactively progressing a scenario with a user using an apparatus,
The apparatus has a content storage unit that stores a large number of contents to be searched and assigns one or more categories to each content for storage.
A first step of clearly indicating a question sentence based on the category to the user and obtaining the answer sentence;
A second step of searching the content set S using the content storage unit using a word included in the answer sentence as a search key;
A third step of calculating an information gain IG (A) for each category for the specified content set;
A fourth step for allowing the user to arbitrarily select a plurality of contents in the content set;
A fifth step of calculating a selection probability P (a) for each category for a plurality of contents selected by the user;
A sixth step of calculating an update information gain obtained by weighting the selection probability to the information gain for each category;
And a seventh step of clearly indicating a question sentence based on the category having the highest update information gain to the user.
本発明のプログラム、サーバ及び方法によれば、情報利得に基づいて質問文を選択することによって、ユーザと対話的に検索を進行させる場合、目標とすべき検索結果に至るまでの質問文の絞り込みをできる限り早くすることができる。 According to the program, the server, and the method of the present invention, when selecting a question sentence based on information gain and making a search interactively proceed with a user, narrowing down a question sentence until reaching a search result to be targeted Can be as soon as possible.
以下、本発明の実施の形態について、図面を用いて詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
図２は、本発明における対話検索プログラムの機能構成図である。 FIG. 2 is a functional configuration diagram of the dialogue search program according to the present invention.
図２によれば、ユーザと対話的に検索を進行させる対話検索プログラム１は、端末と通信するサーバ側にインストールされて実行されている。ユーザは、スマートフォンやタブレットのような端末を用いて、ネットワークを介して当該サーバへアクセスする。勿論、対話検索プログラム１が、端末自体のような単体装置内にのみにインストールされたものであってもよい。
According to FIG. 2, the
対話検索プログラム１に対するユーザインタフェースとしての端末２は、ユーザに対する入力デバイス及び出力デバイスを有する。ユーザが回答を発声した場合、マイクで取得された音声信号は、音声認識によってテキストに変換され、そのテキストが対話検索プログラム１へ入力される。また、対話検索プログラム１から出力された質問文は、音声合成によって音声信号に変換され、その音声信号がスピーカから発声される。また、端末２は、タッチパネルディスプレイを搭載し、ユーザに複数のコンテンツを表示すると共に、それらコンテンツを選択させることができる。
A
図２によれば、対話検索プログラム１は、コンテンツ蓄積部１０と、対話進行インタフェース部１１と、コンテンツ検索部１２と、情報利得算出部１３と、コンテンツ選択部１４と、選択確率算出部１５と、更新情報利得算出部１６とを有する。対話検索プログラム１を、装置に搭載されたコンピュータによって実行させることによって、サーバ及び単体装置として機能する。また、これら機能構成部の処理の流れは、対話検索方法としても理解できる。
According to FIG. 2, the
図３は、本発明における対話検索プログラムの具体的な処理を表す説明図である。 FIG. 3 is an explanatory diagram showing specific processing of the dialog search program in the present invention.
図３によれば、図１と比較して、Ｓ３（Ｓ３１〜Ｓ３５）における質問文の選択方法が異なる。図３のＳ１及びＳ２は、図１と同様である。Ｓ３の処理は、コンテンツ検索部１２と、情報利得算出部１３と、コンテンツ選択部１４と、選択確率算出部１５と、更新情報利得算出部１６とによって実行される。
According to FIG. 3, the question sentence selection method in S3 (S31 to S35) is different from that in FIG. S1 and S2 in FIG. 3 are the same as those in FIG. The process of S3 is executed by the
図４は、端末に表示されたユーザインタフェースの画面である。 FIG. 4 is a user interface screen displayed on the terminal.
図４によれば、端末２のタッチパネルディスプレイが表示されている。そのディスプレイには、「キャラクタ・エージェント」が表示されており、ユーザとエージェントとの間で音声による対話を進めるものであってもよい。勿論、本発明は、音声対話に限定されるものではなく、テキスト対話であってもよい。
According to FIG. 4, the touch panel display of the
図１と同様に、ディスプレイに表示されたユーザエージェントが、「何の材料を使いますか？」（Ｓ１）をユーザへ質問する。ユーザは、「豚肉とキャベツがいい」（Ｓ２）と、端末２へ発声したとする。
As in FIG. 1, the user agent displayed on the display asks the user “What material do you use?” (S 1). It is assumed that the user utters “Terminal pork and cabbage are good” (S2) to the
［コンテンツ蓄積部１０］
コンテンツ蓄積部１０は、検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上の「カテゴリ」を付与して記憶する。例えば、検索対象コンテンツが、レシピであるとする。この場合、以下のように、コンテンツ毎にカテゴリが付与されている。
＜コンテンツ名＞ ＜カテゴリ＞
「ヘルシー★ピーマンの肉詰め」 ->（ヘルシー）（肉料理）
「豪華・中華料理」 ->（中華）（パーティ）
「キャベツサラダ」 ->（サラダ）（イタリアン）
「豚肉を使った男の３分クッキング」 ->（肉料理）（電子レンジ）
「低カロおかず＊わけぎとコンニャクのぬた」->（ヘルシー）（和食）
「砂糖なし！電子レンジで基本に筑前煮」->（ヘルシー）（電子レンジ）（和食）
「キャベツの入った麺料理」 ->（麺料理）（和食）
[Content accumulation unit 10]
The
<Content name><Category>
“Healthy Peppers stuffed with meat”-> (Healthy) (meat)
"Luxury / Chinese cuisine"-> (Chinese) (Party)
"Cabbage salad"-> (salad) (Italian)
"Men's cooking with pork 3 minutes"-> (meat) (microwave)
"Low-calorie side dish * snail and konjac rice"-> (Healthy) (Japanese)
"No sugar! Basically Chikuzenni with microwave oven"-> (Healthy) (Microwave) (Japanese)
"Noodles with cabbage"-> (Noodles) (Japanese)
コンテンツ蓄積部１０は、多数のコンテンツをカテゴリに分類するために、機械学習ライブラリを用いたオンライン学習法(Confidence-weighted linear classification)を用いることも好ましい。ベクトル特徴に、bag-of-wordsモデルを用い、特徴量に、名詞及び形容詞のＴＦ−ＩＤＦ値を用いる。前述の例によれば、個々のレシピがどのカテゴリに属するか、を分類することができる。
The
［対話進行インタフェース部１１］
対話進行インタフェース部１１は、ユーザに対してカテゴリに基づく質問文を明示し、その回答文を取得する。対話進行インタフェース部１１は、動的又は静的な対話シナリオを用いて、ユーザの回答文に応じて質問文を選択し、対話を進行させる。ここで、対話進行インタフェース部１１は、制御ロジックに基づいて対話シナリオを進行させるものであるが、「情報利得」が最も高いカテゴリに基づく質問文をユーザに明示する。その情報利得としては、更新情報利得算出部１６から出力されたカテゴリ毎の更新情報利得を用いる。即ち、本発明の対話検索プログラムによれば、既存の対話進行インタフェース部１１が、更新情報利得算出部１６から出力された更新情報利得を用いることに特徴がある。
[Dialogue progress interface unit 11]
The dialogue
［コンテンツ検索部１２］
コンテンツ検索部１２は、コンテンツ蓄積部１０を用いて、回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索する。尚、コンテンツ集合Ｓは、Confidence-weighted linear classification（ＣＷ）ベクトル特徴の特徴量を、bag-of-wordsモデルを用いて検索されるものであってもよい。特徴量としては、名詞及び形容詞のＴＦ−ＩＤＦ値を用いる。
[Content Search Unit 12]
The
（Ｓ３１）図１のＳ３と同様に、単に、回答文に含まれる「豚肉」「キャベツ」を検索キーとして、コンテンツ蓄積部１０からレシピのコンテンツ集合Ｓが検索される。そのコンテンツ集合Ｓの中から、カテゴリａに関するコンテンツ集合Ｓaを導出することができる。多数のコンテンツ集合Ｓaの中で、図３によれば、例えば以下の４つのコンテンツ集合Ｓaが表されている。
中華料理に関するコンテンツ集合Ｓa
パーティに関するコンテンツ集合Ｓa
電子レンジに関するコンテンツ集合Ｓa
ヘルシーな料理に関するコンテンツ集合Ｓa
(S31) Similar to S3 in FIG. 1, the content set S of the recipe is searched from the
Chinese food content collection Sa
Content set Sa related to parties
Content set Sa related to microwave oven
Healthy food content collection Sa
［情報利得算出部１３］
情報利得算出部１３は、コンテンツ集合Ｓに対するカテゴリa毎の情報利得ＩＧ(a)を算出する。情報利得算出部１３について、情報利得ＩＧ(a)は、ＩＤ３に基づくものであって、以下の式によって算出される。
ＩＧ(a)＝Ｈ(Ｓ)−Σt∈Tｐ(t)Ｈ(t)
Ｈ(Ｓ)＝−Σx∈Tｐ(x)log2ｐ(x)
Ｈ(Ｓ)：コンテンツ集合Ｓの平均情報量
ｐ(x)：コンテンツ集合Ｓ全てが、カテゴリxに属するコンテンツとなる割合
[Information Gain Calculation Unit 13]
The information
IG (a) = H (S) −Σt∈T p (t) H (t)
H (S) = − Σx∈T p (x) log 2 p (x)
H (S): Average information amount of content set S p (x): Ratio of all content sets S becoming content belonging to category x
図３のＳ３１によれば、図１のＳ３と同様に、各コンテンツ集合Ｓaについて以下のように情報利得ＩＧ(a)が算出されたとする。以下のように情報利得ＩＧ(a)の高い順に、上位４つのコンテンツの集合Ｓaが表されている。
中華料理に関するコンテンツ集合Ｓa ：情報利得＝0.60
パーティに関するコンテンツ集合Ｓa ：情報利得＝0.56
電子レンジに関するコンテンツ集合Ｓa ：情報利得＝0.53
ヘルシーな料理に関するコンテンツ集合Ｓa：情報利得＝0.50
According to S31 of FIG. 3, it is assumed that the information gain IG (a) is calculated for each content set Sa as follows, similarly to S3 of FIG. As shown below, the top four sets of contents Sa are shown in descending order of information gain IG (a).
Content collection Sa about Chinese cuisine: Information gain = 0.60
Content set Sa related to party: Information gain = 0.56
Content set Sa regarding microwave oven: Information gain = 0.53
Healthy food content collection Sa: Information gain = 0.50
［コンテンツ選択部１４］
コンテンツ選択部１４は、コンテンツ集合Ｓaの中で、ユーザに任意に複数のコンテンツを選択させる。本発明によれば、情報利得算出部１３によって得られたコンテンツ集合Ｓa毎の情報利得をそのまま利用することなく、一度、ユーザにコンテンツを選択させる。
[Content selection unit 14]
The
（Ｓ３２）図３及び図４によれば、以下のように、Ｓ３１によって選択されたコンテンツ集合Ｓに含まれるコンテンツ名のいくつかが、端末２にリスト状に表示される。ここでは、特定のコンテンツ集合Ｓに偏ることなく、全てのコンテンツ集合から平均的に選択されることが好ましい。
「ヘルシー★ピーマンの肉詰め」
「豪華・中華料理」
「キャベツサラダ」
「豚肉を使った男の３分クッキング」
「低カロおかず＊わけぎとコンニャクのぬた」
「砂糖なし！電子レンジで基本に筑前煮」
「キャベツの入った麺料理」
(S32) According to FIGS. 3 and 4, some of the content names included in the content set S selected in S31 are displayed in a list form on the
"Healthy bell pepper stuffing"
"Luxury / Chinese cuisine"
"Cabbage salad"
"3 minutes cooking of a man using pork"
"Low-calorie side dish * and konjac rice"
“No sugar! Boiled in Chikuzen with a microwave oven”
"Noodle dishes with cabbage"
ここで、図４によれば、ユーザは、所望の複数のコンテンツを選択する。例えば以下の３つのコンテンツを選択したとする。
「ヘルシー★ピーマンの肉詰め」
「低カロおかず＊わけぎとコンニャクのぬた」
「砂糖なし！電子レンジで基本に筑前煮」
Here, according to FIG. 4, the user selects a plurality of desired contents. For example, assume that the following three contents are selected.
"Healthy bell pepper stuffing"
"Low-calorie side dish * and konjac rice"
“No sugar! Boiled in Chikuzen with a microwave oven”
［選択確率算出部１５］
選択確率算出部１５は、ユーザによって選択された複数のコンテンツに対するカテゴリa毎の選択確率Ｐ(a)を算出する。
[Selection probability calculation unit 15]
The selection
（Ｓ３３）選択された各コンテンツから「カテゴリ」が抽出される。図４によれば、以下のようなカテゴリが抽出される。
「ヘルシー★ピーマンの肉詰め」 ->（ヘルシー）（肉料理）
「低カロおかず＊わけぎとコンニャクのぬた」->（ヘルシー）（和食）
「砂糖なし！電子レンジで基本に筑前煮」->（ヘルシー）（電子レンジ）（和食）
(S33) “Category” is extracted from each selected content. According to FIG. 4, the following categories are extracted.
“Healthy Peppers stuffed with meat”-> (Healthy) (meat)
"Low-calorie side dish * snail and konjac rice"-> (Healthy) (Japanese)
"No sugar! Basically Chikuzenni with microwave oven"-> (Healthy) (Microwave) (Japanese)
（Ｓ３４）次に、カテゴリａ毎の選択確率Ｐ(a)が算出される。選択確率Ｐ(a)は、カテゴリａ毎に、その出現回数を、選択されたコンテンツ全数で除算したものである。
ｐ（中華） ＝０／３＝０
ｐ（パーティ） ＝０／３＝０
ｐ（電子レンジ）＝１／３＝０．３３３
ｐ（ヘルシー） ＝３／３＝１
(S34) Next, the selection probability P (a) for each category a is calculated. The selection probability P (a) is the number of appearances divided by the total number of selected contents for each category a.
p (Chinese) = 0/3 = 0
p (party) = 0/3 = 0
p (microwave oven) = 1/3 = 0.333
p (healthy) = 3/3 = 1
［更新情報利得算出部１６］
更新情報利得算出部１６は、カテゴリa毎に、情報利得ＩＧ(a)に選択確率Ｐ(a)を重み付けした更新情報利得ＰＩＧ(a)を算出する。重み付けとしては、例えば以下の２つの算出方法がある。
（更新情報利得算出方法１）
ＰＩＧ(a)＝ＩＧ(a)×Ｐ(a)＋Δｒ （Δｒ＝0〜0.001の乱数）
（更新情報利得算出方法２）
Ｂ＝ｂ-P(a) （ｂ：１より大きい自然数）
ＰＩＧ(a)＝ＩＧ(a)Ｂ
[Update Information Gain Calculation Unit 16]
For each category a, the update information
(Update information gain calculation method 1)
PIG (a) = IG (a) × P (a) + Δr (Δr = 0 to 0.001 random number)
(Update information gain calculation method 2)
B = b- P (a) (b is a natural number greater than 1)
PIG (a) = IG (a) B
（Ｓ３５）図３によれば、例えば前述した更新情報利得算出方法１（Δｒ＝0.001）によって、以下のように更新情報利得が算出される。
「中華料理ですか？」 ：情報利得0.60×重み0＋0.001＝0.001
「パーティの料理ですか？」 ：情報利得0.56×重み0＋0.001＝0.001
「電子レンジを使いますか？」：情報利得0.53×重み0.333＋0.001＝0.177
「ヘルシーな料理ですか？」 ：情報利得0.50×重み1＋0.001＝0.5
結果的に、各カテゴリについて最も更新情報利得が高い質問文は、「ヘルシーな料理ですか？」となる。
(S35) According to FIG. 3, for example, the update information gain is calculated as follows by the update information gain calculation method 1 (Δr = 0.001) described above.
"Is it Chinese food?": Information gain 0.60 x Weight 0 + 0.001 = 0.001
"Is it a party food?": Information gain 0.56 x Weight 0 + 0.001 = 0.001
"Do you use a microwave oven?": Information gain 0.53 x Weight 0.333 + 0.001 = 0.177
"Is it a healthy dish?": Information gain 0.50 x
As a result, the question sentence with the highest update information gain for each category is "Healthy dish?"
尚、選択確率Ｐ(a)は、利用者の利用履歴（検索した、又は保存したレシピ内容）から算出したカテゴリaに対する利用者の嗜好確率ｇ(a)を事前確率とし、最大事後確率推定（ＭＡＰ(Maximum a posteriori) estimation）に基づいて算出する。ＭＡＰ推定によれば、条件付分布のモデルＰ(Ｘ|a)（Ｘ：訓練サンプル集合）と、パラメータの事前分布ｇ(a)とが与えられた場合、ベイズの定理によって、パラメータの事後分布は以下のように算出される。
ＭＡＰ＝arg max Ｐ(a)＝arg maxＰ(Ｘ/a)・ｇ(a)
Ｘ：ユーザが選択した各カテゴリのコンテンツの回数
Ｐ(Ｘ/a)：前述した選択確率Ｐ(a)と同様の計算方法
ｇ(a)：検索されたカテゴリaの回数／検索されたレシピの回数
The selection probability P (a) is a maximum probability of the posterior probability (the user's preference probability g (a) for the category a calculated from the user's usage history (retrieved or stored recipe content). Calculation is based on MAP (Maximum a posteriori) estimation. According to the MAP estimation, if a conditional distribution model P (X | a) (X: training sample set) and a parameter prior distribution g (a) are given, the posterior distribution of the parameter is obtained by Bayes' theorem. Is calculated as follows.
MAP = arg max P (a) = arg max P (X / a) · g (a)
X: Number of contents of each category selected by the user P (X / a): Calculation method similar to the selection probability P (a) described above g (a): Number of searched category a / Retrieved recipe Times
以上、詳細に説明したように、本発明のプログラム、サーバ及び方法によれば、情報利得に基づいて質問文を選択することによって、ユーザと対話的に検索を進行させる場合、目標とすべき検索結果に至るまでの質問文の絞り込みをできる限り早くすることができる。 As described above in detail, according to the program, server, and method of the present invention, a search to be a target when a search is advanced interactively with a user by selecting a question sentence based on information gain. It is possible to narrow down the question sentences up to the result as quickly as possible.
前述した本発明の種々の実施形態について、本発明の技術思想及び見地の範囲の種々の変更、修正及び省略は、当業者によれば容易に行うことができる。前述の説明はあくまで例であって、何ら制約しようとするものではない。本発明は、特許請求の範囲及びその均等物として限定するものにのみ制約される。 Various changes, modifications, and omissions of the above-described various embodiments of the present invention can be easily made by those skilled in the art. The above description is merely an example, and is not intended to be restrictive. The invention is limited only as defined in the following claims and the equivalents thereto.
１ 対話検索プログラム
１０ コンテンツ蓄積部
１１ 対話進行インタフェース部
１２ コンテンツ検索部
１３ 情報利得算出部
１４ コンテンツ選択部
１５ 選択確率算出部
１６ 更新情報利得算出部
２ 端末
DESCRIPTION OF
Claims (8)
検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積手段と、
ユーザに対して前記カテゴリに基づく質問文を明示し、その回答文を取得する対話進行インタフェース手段と、
前記コンテンツ蓄積手段を用いて、前記回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索するコンテンツ検索手段と、
前記コンテンツ集合Ｓに対する前記カテゴリa毎の情報利得ＩＧ(a)を算出する情報利得算出手段と、
前記コンテンツ集合Ｓの中で、ユーザに任意に複数のコンテンツを選択させるコンテンツ選択手段と、
ユーザによって選択された複数のコンテンツに対する前記カテゴリa毎の選択確率Ｐ(a)を算出する選択確率算出手段と、
前記カテゴリa毎に、前記情報利得ＩＧ(a)に前記選択確率Ｐ(a)を重み付けした更新情報利得ＰＩＧ(a)を算出する更新情報利得算出手段と
してコンピュータを機能させ、
前記対話進行インタフェース手段は、前記更新情報利得が最も高いカテゴリに基づく質問文をユーザに明示する
ようにコンピュータを機能させることを特徴とする対話検索プログラム。 An interactive search program that allows a computer to function interactively with a user.
Content accumulating means for accumulating a large number of contents to be searched and adding one or more categories to each content;
A dialogue progress interface means for clearly indicating a question sentence based on the category to the user and acquiring the answer sentence;
Using the content storage means, a content search means for searching the content set S using a word contained in the answer sentence as a search key;
Information gain calculating means for calculating an information gain IG (a) for each category a for the content set S;
Content selection means for allowing a user to arbitrarily select a plurality of contents in the content set S;
Selection probability calculating means for calculating a selection probability P (a) for each category a for a plurality of contents selected by a user;
For each category a, let the computer function as update information gain calculation means for calculating an update information gain PIG (a) obtained by weighting the selection probability P (a) to the information gain IG (a),
The dialog search program characterized in that the dialog progress interface means causes a computer to function so as to clearly show a question sentence based on a category having the highest update information gain to a user.
ＰＩＧ(a)＝ＩＧ(a)×Ｐ(a)＋Δｒ （Δｒ＝0〜0.001の乱数）
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に記載の対話検索プログラム。 The update information gain calculating means calculates the update information gain by the following formula: PIG (a) = IG (a) × P (a) + Δr (Δr = 0 to 0.001 random number)
The interactive search program according to claim 1, wherein the computer functions as described above.
Ｂ＝ｂ-P(a) （ｂ：１より大きい自然数）
ＰＩＧ(a)＝ＩＧ(a)Ｂ
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に記載の対話検索プログラム。 The update information gain calculating means calculates the update information gain by the following equation: B = b −P (a) (b is a natural number greater than 1)
PIG (a) = IG (a) B
The interactive search program according to claim 1, wherein the computer functions as described above.
ＩＧ(a)＝Ｈ(Ｓ)−Σt∈Tｐ(t)Ｈ(t)
Ｈ(Ｓ)＝−Σx∈Tｐ(x)log2ｐ(x)
Ｈ(Ｓ)：コンテンツ集合Ｓの平均情報量
ｐ(x)：コンテンツ集合Ｓ全てが、カテゴリxに属するコンテンツとなる割合
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３のいずれか１項に記載の対話検索プログラム。 Regarding the information gain calculating means, the information gain IG (a) is based on Iterative Dichotomiser 3 and is calculated by the following formula: IG (a) = H (S) −Σt∈T p (t ) H (t)
H (S) = − Σx∈T p (x) log 2 p (x)
H (S): Average information amount of the content set S p (x): The computer is caused to function so that all the content sets S become contents belonging to the category x. The interactive search program according to item 1.
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４のいずれか１項に記載の対話検索プログラム。 The selection probability P (a) is based on the maximum posterior probability estimation (MAP (Maximum a posteriori) estimation) with the user's preference probability g (a) for the category a calculated from the user's usage history as the prior probability. The interactive search program according to any one of claims 1 to 4, wherein the computer is operated so as to calculate.
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５のいずれか１項に記載の対話検索プログラム。 The content storage means causes a computer to function so as to use an online learning method (confidence-weighted linear classification) using a machine learning library in order to classify a large number of contents into categories. 6. The interactive search program according to any one of 5 above.
検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積手段と、
ユーザに対して前記カテゴリに基づく質問文を送信し、その回答文を受信する対話進行インタフェース手段と、
前記コンテンツ蓄積手段を用いて、前記回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索するコンテンツ検索手段と、
前記コンテンツ集合Ｓに対する前記カテゴリa毎の情報利得ＩＧ(a)を算出する情報利得算出手段と、
前記コンテンツ集合Ｓの中で、ユーザに任意に複数のコンテンツを選択させるコンテンツ選択手段と、
ユーザによって選択された複数のコンテンツに対する前記カテゴリa毎の選択確率Ｐ(a)を算出する選択確率算出手段と、
前記カテゴリa毎に、前記情報利得ＩＧ(a)に前記選択確率Ｐ(a)を重み付けした更新情報利得を算出する更新情報利得算出手段と
を有し、
前記対話進行インタフェース手段は、前記更新情報利得が最も高いカテゴリに基づく質問文を、前記端末へ送信する
ことを特徴とする対話検索サーバ。 A dialogue search server that interactively advances a scenario with a terminal based on a user operation,
Content accumulating means for accumulating a large number of contents to be searched and adding one or more categories to each content;
Dialogue progress interface means for sending a question sentence based on the category to the user and receiving the answer sentence;
Using the content storage means, a content search means for searching the content set S using a word contained in the answer sentence as a search key;
Information gain calculating means for calculating an information gain IG (a) for each category a for the content set S;
Content selection means for allowing a user to arbitrarily select a plurality of contents in the content set S;
Selection probability calculating means for calculating a selection probability P (a) for each category a for a plurality of contents selected by a user;
Update information gain calculation means for calculating an update information gain obtained by weighting the selection probability P (a) to the information gain IG (a) for each category a,
The dialog search server, wherein the dialog progress interface means transmits a question sentence based on a category having the highest update information gain to the terminal.
前記装置は、検索対象となる多数のコンテンツを蓄積すると共に、各コンテンツに１つ以上のカテゴリを付与して記憶するコンテンツ蓄積部を有し、
ユーザに対して前記カテゴリに基づく質問文を明示し、その回答文を取得する第１のステップと、
前記コンテンツ蓄積部を用いて、前記回答文に含まれる単語を検索キーとして、コンテンツ集合Ｓを検索する第２のステップと、
明示された前記コンテンツ集合に対する前記カテゴリ毎の情報利得ＩＧ(Ａ)を算出する第３のステップと、
前記コンテンツ集合の中で、ユーザに任意に複数のコンテンツを選択させる第４のステップと、
ユーザによって選択された複数のコンテンツに対する前記カテゴリ毎の選択確率Ｐ(a)を算出する第５のステップと、
前記カテゴリ毎に、前記情報利得に前記選択確率を重み付けした更新情報利得を算出する第６のステップと、
前記更新情報利得が最も高いカテゴリに基づく質問文をユーザに明示する第７のステップと
を有することを特徴とする対話方法。 A dialogue method in which a scenario is progressed interactively with a user using a device,
The apparatus has a content storage unit that stores a large number of contents to be searched, and stores one or more categories for each content.
A first step of clearly indicating a question sentence based on the category to the user and obtaining the answer sentence;
Using the content storage unit, a second step of searching the content set S using a word included in the answer sentence as a search key;
A third step of calculating an information gain IG (A) for each category with respect to the specified content set;
A fourth step for allowing the user to arbitrarily select a plurality of contents in the content set;
A fifth step of calculating a selection probability P (a) for each category for a plurality of contents selected by a user;
A sixth step of calculating an update information gain obtained by weighting the selection probability to the information gain for each category;
And a seventh step of clearly indicating a question sentence based on the category having the highest update information gain to the user.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013206055A JP6146864B2 (en) | 2013-10-01 | 2013-10-01 | Program, server, and method for promoting search interactively with user |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013206055A JP6146864B2 (en) | 2013-10-01 | 2013-10-01 | Program, server, and method for promoting search interactively with user |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015069608A JP2015069608A (en) | 2015-04-13 |
| JP6146864B2 true JP6146864B2 (en) | 2017-06-14 |
Family
ID=52836146
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013206055A Expired - Fee Related JP6146864B2 (en) | 2013-10-01 | 2013-10-01 | Program, server, and method for promoting search interactively with user |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6146864B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6719082B2 (en) * | 2016-07-04 | 2020-07-08 | パナソニックＩｐマネジメント株式会社 | Decision tree generation device, decision tree generation method, decision tree generation program, and question system |
| JP6482512B2 (en) * | 2016-09-14 | 2019-03-13 | ヤフー株式会社 | Information processing apparatus, information processing method, and program |
| JP6817593B2 (en) * | 2016-11-25 | 2021-01-20 | パナソニックＩｐマネジメント株式会社 | Information processing methods, information processing devices and programs |
| CN110727773B (en) * | 2019-10-11 | 2022-02-01 | 沈阳民航东北凯亚有限公司 | Information providing method and device |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3683906B1 (en) * | 2005-03-18 | 2005-08-17 | 松下電器産業株式会社 | Information retrieval device |
| JP2006338508A (en) * | 2005-06-03 | 2006-12-14 | Nippon Telegr & Teleph Corp <Ntt> | Relevant content searching device and method |
| JP4707621B2 (en) * | 2006-07-14 | 2011-06-22 | 富士通株式会社 | Information retrieval system |
| JP2009193457A (en) * | 2008-02-15 | 2009-08-27 | Oki Electric Ind Co Ltd | Information retrieval device, method and program |
-
2013
- 2013-10-01 JP JP2013206055A patent/JP6146864B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015069608A (en) | 2015-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10839151B2 (en) | Systems and methods for automatic analysis of text-based food-recipes | |
| US10650804B2 (en) | Sentiment-based recommendations as a function of grounding factors associated with a user | |
| CN108108821B (en) | Model training method and device | |
| CN109299994B (en) | Recommendation method, device, equipment and readable storage medium | |
| US20210225380A1 (en) | Voiceprint recognition method and apparatus | |
| WO2020238502A1 (en) | Article recommendation method and apparatus, electronic device and storage medium | |
| JP6146864B2 (en) | Program, server, and method for promoting search interactively with user | |
| CN115292543B (en) | Data processing method based on voice interaction novel and related product | |
| CN111737473B (en) | Text classification method, device and equipment | |
| US9672202B2 (en) | Context-aware re-formating of an input | |
| CN102937976A (en) | Drop-down prompting method and apparatus based on input prefix | |
| WO2020150163A1 (en) | Encoding textual data for personalized inventory management | |
| JPWO2019130410A1 (en) | Dialogue control system, dialogue control method, and program | |
| JP2016177690A (en) | Service recommendation device, service recommendation method, and service recommendation program | |
| KR20200118584A (en) | Food recommendation system | |
| CN115599890B (en) | Product recommendation method and related device | |
| CN110580285B (en) | Product label determination method and device and electronic equipment | |
| JP6305630B2 (en) | Document search apparatus, method and program | |
| KR102564513B1 (en) | Recommendation system and method base on emotion | |
| KR102226742B1 (en) | Information providing method and apparatus using reserved word | |
| JP6025796B2 (en) | Behavior prediction apparatus, behavior prediction method, and program | |
| JP6982017B2 (en) | Information processing equipment, information processing methods and information processing programs | |
| Fraser et al. | Crime, media, culture: Asia-style | |
| US11288457B1 (en) | Dialog management using knowledge graph-driven information state in a natural language processing system | |
| Fadhlullah et al. | Conversational Recommender Systems Based on Mobile Chatbot for Culinary |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160707 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170412 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170420 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170421 |
|
| 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: 20170511 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170512 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6146864 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |