JP6670916B1 - Information processing apparatus and information processing method - Google Patents
Information processing apparatus and information processing method Download PDFInfo
- Publication number
- JP6670916B1 JP6670916B1 JP2018226252A JP2018226252A JP6670916B1 JP 6670916 B1 JP6670916 B1 JP 6670916B1 JP 2018226252 A JP2018226252 A JP 2018226252A JP 2018226252 A JP2018226252 A JP 2018226252A JP 6670916 B1 JP6670916 B1 JP 6670916B1
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- user
- chat
- inquiry
- genre
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】処理負担の軽減を図りつつ迅速な回答を行うことを目的とする。【解決手段】情報処理装置は、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行うチャット対応部と、チャット内容に応じて前記チャット対応部で使用する学習モデルを選択する選択部と、を備える。【選択図】図３PROBLEM TO BE SOLVED: To provide a quick response while reducing a processing load. An information processing apparatus includes a chat correspondence unit that performs a chat correspondence using a learning model selected from a plurality of learning models for responding to inquiries in a predetermined field, and a chat correspondence unit according to chat contents. And a selection unit that selects a learning model to be used in the chat corresponding unit. [Selection diagram] FIG.
Description
本発明は、学習モデルを用いてユーザからの問い合わせに対応するための自動応答システムについての各処理を行う情報処理装置及び情報処理方法についての技術分野に関する。 The present invention relates to a technical field of an information processing apparatus and an information processing method for performing each process of an automatic response system for responding to an inquiry from a user using a learning model.
機械によってユーザからの問い合わせ等に対応するＡＩ（Artificial Intelligence）技術を用いた自動応答システム（所謂チャットボット）が普及してきている（例えば、特許文献１）。チャットボットを利用することにより、ユーザからの問い合わせに対応するオペレータが不要とされることから、人件費等のコスト削減を図ることができる利点が存在する。 2. Description of the Related Art Automatic response systems (so-called chatbots) using AI (Artificial Intelligence) technology that responds to inquiries from users by machines have been widely used (for example, Patent Document 1). Using a chatbot eliminates the need for an operator to respond to inquiries from the user, and thus has the advantage of reducing costs such as personnel costs.
このような自動応答システムにおいては、ユーザによって入力される様々な会話内容に対応するために、各種データベースが肥大化しがちである。各種データベースが肥大化した状態でユーザへの応答を抽出する処理を行った場合、処理負担が大きくなり、ユーザの入力に対するレスポンスが遅くなってしまう虞がある。
本発明においては、このような状況を鑑み、処理負担の軽減を図りつつ迅速な回答を行うことを目的とする。
In such an automatic response system, various databases tend to be bloated in order to cope with various conversation contents input by the user. When a process of extracting a response to a user is performed in a state where various databases are enlarged, a processing load is increased, and a response to a user input may be delayed.
In the present invention, in view of such a situation, it is an object of the present invention to provide a quick answer while reducing the processing load.
本発明に係る情報処理装置は、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行うチャット対応部と、チャット内容に応じて前記チャット対応部で使用する学習モデルを選択する選択部と、を備えたものである。
一つのチャット対応部で複数の学習モデルを使い分ける構成を採用することにより、学習モデルごとにチャット対応部を設ける場合と比較して、少なくとも一部のシステムを共有することができる。
An information processing apparatus according to the present invention, a chat corresponding unit that performs chat correspondence using a learning model selected from among a plurality of learning models for performing inquiry correspondence in a predetermined field, A selection unit for selecting a learning model to be used in the chat corresponding unit.
By employing a configuration in which one learning unit uses a plurality of learning models, at least a part of the system can be shared as compared with a case where a learning unit is provided for each learning model.
上記した情報処理装置の選択部においては、ユーザによって入力された問い合わせ内容の分析結果に基づいて、問い合わせ内容が属するジャンルと、ユーザの知識レベルを特定するチャット内容特定部と、複数の学習モデルから特定されたジャンルの問い合わせ内容に対応するための学習モデル群を選択する対応ジャンル選択部と、前記学習モデル群から特定されたユーザの知識レベルに対応するための学習モデルを選択して切り替える学習モデル切換部と、を備えていてもよい。
学習モデルがジャンルごと、或いはユーザの知識レベルごとに用意されることにより、多様なユーザのニーズに適用することが可能となる。
In the selection unit of the information processing device described above, based on the analysis result of the inquiry content input by the user, a genre to which the inquiry content belongs, a chat content identification unit that identifies the knowledge level of the user, and a plurality of learning models A corresponding genre selection unit for selecting a learning model group for responding to the inquiry content of the specified genre, and a learning model for selecting and switching a learning model for corresponding to the knowledge level of the user specified from the learning model group And a switching unit.
By preparing a learning model for each genre or for each user's knowledge level, it is possible to apply to various user needs.
上記した情報処理装置においては、問い合わせ内容の分析結果から新たなジャンルを生成し、該新たなジャンルの問い合わせ内容に対応するための学習モデルを生成する生成部と、を備えていてもよい。
問い合わせ内容に応じて適応的にジャンルを生成すると共に、生成した新ジャンルについての問い合わせ内容に適用可能な学習モデルを新たに生成することにより、ユーザからの問い合わせが多いジャンルなどが新ジャンルとして確立されると共に、適切な問い合わせ対応を行うことが可能となる。
The information processing apparatus described above may include a generation unit that generates a new genre from the analysis result of the content of the inquiry and generates a learning model corresponding to the content of the inquiry of the new genre.
By generating a genre adaptively according to the content of the inquiry and generating a new learning model applicable to the content of the inquiry about the generated new genre, a genre with many inquiries from users is established as a new genre. At the same time, it is possible to appropriately respond to inquiries.
上記した情報処理装置においては、問い合わせ対応が継続している状況において、前記チャット内容特定部によるジャンルの特定を継続し、前記対応ジャンル選択部は特定されたジャンルが変更された場合に変更されたジャンルに合わせて学習モデル群を再度選択してもよい。
問い合わせ内容が時間経過と共に移り変わるような場合には、適宜適切なジャンルの特定が行われる。
In the information processing apparatus described above, in the situation where the inquiry response is continued, the genre is continuously specified by the chat content specifying unit, and the corresponding genre selecting unit is changed when the specified genre is changed. The learning model group may be selected again according to the genre.
If the content of the inquiry changes over time, an appropriate genre is specified as appropriate.
上記した情報処理装置においては、問い合わせ対応が継続している状況において、前記チャット内容特定部による知識レベルの特定を継続し、前記学習モデル切換部は特定された知識レベルが変更された場合に変更された知識レベルに合わせて学習モデル群から学習モデルを再度選択してもよい。
問い合わせ内容の解析を継続的に実行することにより、適宜ユーザの知識レベルを推定し直し、それに応じて適切な学習モデルが再度選択し直される。
In the above-described information processing apparatus, in a situation where the response to the inquiry is continued, the identification of the knowledge level by the chat content identification unit is continued, and the learning model switching unit is changed when the identified knowledge level is changed. The learning model may be selected again from the learning model group according to the obtained knowledge level.
By continuously analyzing the contents of the inquiry, the user's knowledge level is re-estimated as appropriate, and an appropriate learning model is selected again accordingly.
本発明に係る情報処理方法は、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行う処理と、チャット内容に応じて使用する学習モデルを選択する処理を、情報処理装置が実行するものである。 An information processing method according to the present invention includes a process of performing a chat correspondence using a learning model selected from a plurality of learning models for performing an inquiry correspondence in a predetermined field, and a learning process used in accordance with chat contents. The process of selecting a model is executed by the information processing device.
このように、複数の学習モデルが用意されることにより、学習モデルごとにチャット対応部を設ける場合と比較して、少なくとも一部のシステムを共有することができる。 By preparing a plurality of learning models in this way, at least a part of the system can be shared as compared with a case where a chat corresponding unit is provided for each learning model.
本発明によれば、処理負担の軽減が図られ、迅速な回答を行うことができる。 According to the present invention, the processing load can be reduced, and a quick answer can be made.
実施の形態について、添付図を参照しながら説明する。
＜１．チャットボットシステムの構成＞
ユーザからの問い合わせに対して、チャットを用いて回答を提示するチャットボットシステムＣＢＳの構成について、図１を参照して説明する。
チャットボットシステムＣＢＳは、後述する各種の処理を行う管理端末１と、該各種の処理を実行するために利用されるデータベース（Database、以降「DB」と記載）群を備えている。なお、チャットボットシステムＣＢＳは、ユーザの問い合わせに対して有人対応を行うためのオペレータ端末４を備えていてもよい。
チャットボットシステムＣＢＳは、通信ネットワーク２を介して複数のユーザ端末３と相互に通信可能とされている。
Embodiments will be described with reference to the accompanying drawings.
<1. Configuration of chatbot system>
A configuration of a chatbot system CBS that presents an answer using a chat in response to an inquiry from a user will be described with reference to FIG.
The chatbot system CBS includes a
The chatbot system CBS can communicate with a plurality of
なお、図１に示した通信ネットワーク２の構成は特に限定されるものではなく、上記したインターネット以外にも、例えばイントラネット、エキストラネット、ＬＡＮ（Local Area Network）、ＣＡＴＶ（Community Antenna TeleVision）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網などが想定される。
また、通信ネットワーク２の全部又は一部を構成する伝送媒体についても多様な例が想定される。例えばＩＥＥＥ（Institute of Electrical and Electronics Engineers）１３９４、ＵＳＢ（Universal Serial Bus）、電力線搬送、電話線などの有線でも、ＩｒＤＡ（Infrared Data Association）のような赤外線、ブルートゥース（登録商標）、８０２．１１無線、携帯電話網、衛星回線、地上波デジタル網などの無線でも利用可能である。
The configuration of the
Also, various examples of transmission media constituting all or a part of the
管理端末１は、チャットを利用したユーザからの問い合わせを受け付ける処理や、ユーザからの問い合わせ内容を解析する処理や、解析された問い合わせ内容に基づいてユーザへの応答を抽出して提示する処理などを実行する。
The
そのために、チャットボットシステムＣＢＳは、解析ＤＢ５１や学習モデルＤＢ５２や正誤ＤＢ５３や会話ＤＢ５４などを備えている。管理端末１は、これらの各ＤＢに情報を記憶する処理や、各ＤＢから情報を取得する処理などを実行可能とされている。
For this purpose, the chatbot system CBS includes an
ユーザ端末３は、問い合わせを行うユーザが利用する情報処理装置である。ユーザ端末３としては、例えば、通信機能を備えたＰＣ（Personal Computer）やフィーチャーフォンやＰＤＡ（Personal Digital Assistants）、或いは、スマートフォンやタブレット端末などのスマートデバイスなどである。
また、チャットボットシステムＣＢＳが音声チャットに対応可能とされている場合には、通話機能を備えた情報処理装置や、電話機などであってもよい。
なお、ユーザ端末３は複数あってもよい。例えば、複数のユーザ端末３が同時にチャットボットシステムＣＢＳに接続可能とされることにより、複数のユーザが同時に問い合わせ可能とされていてもよい。
The
Further, when the chatbot system CBS is capable of supporting voice chat, it may be an information processing device having a call function, a telephone, or the like.
Note that there may be a plurality of
オペレータ端末４は、ユーザからの問い合わせに対する対応を行うオペレータが使用する情報処理端末である。オペレータ端末４は、ユーザに対してテキストチャットを用いた案内を行うためのソフトウェアがインストールされている。また、ユーザに対して音声チャットを用いた案内が可能とされていてもよく、その場合には、音声チャットを行うためのソフトウェアがインストールされており、且つ、オペレータの音声を通信データに変換可能な構成を備えている。
The
続いて図１に示した管理端末１、ユーザ端末３、オペレータ端末４、解析ＤＢ５１、学習モデルＤＢ５２、正誤ＤＢ５３、会話ＤＢ５４を構成する情報処理装置のハードウェア構成を図２に示す。管理端末１、ユーザ端末３、オペレータ端末４、解析ＤＢ５１、学習モデルＤＢ５２、正誤ＤＢ５３、会話ＤＢ５４として示した各装置は、情報処理および情報通信が可能な図２に示すようなコンピュータ装置として実現できる。
Next, FIG. 2 illustrates a hardware configuration of the information processing apparatus that configures the
＜２．コンピュータ装置のハードウェア構成＞
図２において、コンピュータ装置のＣＰＵ（Central Processing Unit）１０１は、ＲＯＭ( Read Only Memory)１０２に記憶されているプログラム、または記憶部１０８からＲＡＭ( Random Access Memory )１０３にロードされたプログラムに従って各種の処理を実行する。ＲＡＭ１０３にはまた、ＣＰＵ１０１が各種の処理を実行する上において必要なデータなども適宜記憶される。
ＣＰＵ１０１、ＲＯＭ１０２、およびＲＡＭ１０３は、バス１０４を介して相互に接続されている。このバス１０４には、入出力インタフェース１０５も接続されている。
入出力インタフェース１０５には、入力部１０６、出力部１０７、記憶部１０８、通信部１０９が接続されている。
入力部１０６はキーボード、マウス、タッチパネルなどにより構成される。
出力部１０７はＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode Ray Tube）、有機ＥＬ（Electroluminescence）パネルなどよりなるディスプレイ、並びにスピーカなどにより構成される。
記憶部１０８はＨＤＤ（Hard Disk Drive）やフラッシュメモリ装置などにより構成される。
通信部１０９はネットワーク１を介しての通信処理や機器間通信を行う。
入出力インタフェース１０５にはまた、必要に応じてメディアドライブ１１０が接続され、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア１１１が適宜装着され、リムーバブルメディア１１１に対する情報の書込や読出が行われる。
<2. Hardware configuration of computer device>
In FIG. 2, a CPU (Central Processing Unit) 101 of a computer device executes various programs according to a program stored in a ROM (Read Only Memory) 102 or a program loaded from a
The
An
The
The
The
The
A media drive 110 is connected to the input /
このようなコンピュータ装置では、通信部１０９による通信によりデータやプログラムのアップロード、ダウンロードが行われる。またリムーバブルメディア１１１を介したデータやプログラムの受け渡しが可能である。
ＣＰＵ１０１が各種のプログラムに基づいて処理動作を行うことで、管理端末１、ユーザ端末３、オペレータ端末４、解析ＤＢ５１、学習モデルＤＢ５２、正誤ＤＢ５３、会話ＤＢ５４としての必要な情報処理や通信が実行される。
なお、管理端末１、ユーザ端末３、オペレータ端末４、解析ＤＢ５１、学習モデルＤＢ５２、正誤ＤＢ５３、会話ＤＢ５４を構成する情報処理装置は、図２のようなコンピュータ装置が単一で構成されることに限らず、複数のコンピュータ装置がシステム化されて構成されてもよい。複数のコンピュータ装置は、ＬＡＮ等によりシステム化されていてもよいし、インターネット等を利用したＶＰＮ等により遠隔地に配置されたものでもよい。複数の情報処理装置には、クラウドコンピューティングサービスによって利用可能なサーバ群（クラウド）としての情報処理装置が含まれてもよい。
In such a computer device, data and programs are uploaded and downloaded by communication through the
As the
It should be noted that the information processing apparatus constituting the
＜３．管理端末の機能構成＞
管理端末１の機能構成の一例について、図３を参照して説明する。
管理端末１としての各機能は、情報処理装置においてＣＰＵ１０１でプログラムに応じて実行される処理により実現される機能である。但し以下説明する全部又は一部の各構成の処理をハードウェアにより実現してもよい。
また各機能をソフトウェアで実現する場合に、各機能がそれぞれ独立したプログラムで実現される必要はない。１つのプログラムにより複数の機能の処理が実行されてもよいし、１つの機能が複数のプログラムモジュールの連携で実現されてもよい。
また各機能は複数の情報処理装置に分散されていてもよい。さらに機能の１つが、複数の情報処理装置によって実現されてもよい。
<3. Functional configuration of management terminal>
An example of a functional configuration of the
Each function as the
When each function is realized by software, each function does not need to be realized by an independent program. Processing of a plurality of functions may be executed by one program, or one function may be realized by cooperation of a plurality of program modules.
Each function may be distributed to a plurality of information processing devices. Further, one of the functions may be realized by a plurality of information processing devices.
管理端末１は、管理制御部１ａ、形態素解析部１ｂ、インデックス生成部１ｃ、回答抽出部１ｄ、選択部１ｅ、学習部１ｆ、生成部１ｇを備えている。なお、これらの各部は管理端末１の一部の機能であり、それ以外の機能についても必要に応じて設けられている。
The
管理制御部１ａは、ユーザ端末３を利用しているユーザによって入力された問い合わせ内容（チャット内容）を受信する処理を行う。例えば、チャットを行うためのウェブページ情報を取得しユーザ端末３に送信する処理を行い、該ウェブページを介してユーザによって入力されたチャットの内容を取得することにより、問い合わせ内容の受信を行う。また、受信した問い合わせ内容を後述する形態素解析部１ｂに提供する処理などを行う。
The management control unit 1a performs a process of receiving an inquiry content (chat content) input by a user using the
なお、ウェブブラウザを用いてウェブページ上でテキストチャットや音声チャットを行う例を示したが、それ以外の方法であってもよい。例えば、テキストチャットや音声チャットを行うための特定のソフトウェアがユーザ端末３にインストールされており、受付部１ａは各チャットを開始させるためのコネクションをユーザ端末３とチャットボットシステムＣＢＳの間で確立させる処理等を行うことにより、該特定のソフトウェアを用いたチャットを開始させてもよい。
Although an example in which a text chat or a voice chat is performed on a web page using a web browser has been described, other methods may be used. For example, specific software for performing a text chat or a voice chat is installed in the
管理制御部１ａは、形態素解析部１ｂから受け取った解析結果をインデックス生成部１ｃに提供し、インデックス生成を実行させる処理や、解析結果を選択部１ｅに提供し、学習モデルの切り換えを行うか否かを判定させる処理なども行う。
The management control unit 1a provides the analysis result received from the morphological analysis unit 1b to the index generation unit 1c, performs processing for executing index generation, and provides the analysis result to the
形態素解析部１ｂは、ユーザによって入力された文章データを管理制御部１ａから受け取り、形態素解析を行う。文章データの形態素解析を行うために、形態素解析部１ｂは解析ＤＢ５１を利用する。形態素解析部１ｂによって解析された結果は、管理制御部１ａに提供される。
The morphological analysis unit 1b receives the text data input by the user from the management control unit 1a, and performs morphological analysis. The morphological analysis unit 1b uses the
インデックス生成部１ｃは、形態素解析の結果を管理制御部１ａから取得し、インデックス生成を行う。インデックス生成は、学習モデルに対する入力情報を生成する処理である。生成したインデックス情報は、入力情報として回答抽出部１ｄに提供される。 The index generation unit 1c acquires the result of the morphological analysis from the management control unit 1a, and generates an index. Index generation is processing for generating input information for a learning model. The generated index information is provided to the answer extraction unit 1d as input information.
なお、図３においては、管理端末１が三つの学習モデルＧＭＡ，学習モデルＧＭＢ，学習モデルＧＭＣを備えている状態が示されている。それぞれの学習モデルは回答抽出部１ｄと学習モデルＤＢ５２を備えている。具体的には、学習モデルＧＭＡは回答抽出部１ｄＡと学習モデルＤＢ５２Ａを備えている。学習モデルＧＭＢは回答抽出部１ｄＢと学習モデルＤＢ５２Ｂを備えている。学習モデルＧＭＣは回答抽出部１ｄＣと学習モデルＤＢ５２Ｃを備えている。なお、図３における学習モデルＧＭＤは、まだ生成されていない学習モデルであり、破線で示している。以降の説明においては、いずれか任意の学習モデルを示す場合や学習モデル全体を示す場合は学習モデルＧＭと記載する。
図３に示す状態は、複数の学習モデルから選択されている学習モデルＧＭＢの回答抽出部１ｄＢにインデックス情報が提供されている。
Note that FIG. 3 shows a state in which the
In the state illustrated in FIG. 3, index information is provided to the
回答抽出部１ｄは、生成されたインデックス情報をインデックス生成部１ｃから受け取り、ユーザへ提示する回答情報を抽出する処理を行う。この処理では、学習モデルＤＢ５２から適切な回答情報が取得される。
なお、図３に示す状態においては、インデックス生成部１ｃからインデックス情報を取得した回答抽出部１ｄＢは、学習モデルＤＢ５２Ｂに記憶された情報に基づいて回答情報を取得する。
The answer extracting unit 1d receives the generated index information from the index generating unit 1c, and performs a process of extracting answer information to be presented to the user. In this process, appropriate answer information is acquired from the
In the state shown in FIG. 3, the answer extraction unit 1dB that has acquired the index information from the index generation unit 1c acquires the answer information based on the information stored in the
選択部１ｅは、管理制御部１ａから形態素解析の結果を取得し、学習モデルの切り換えを行うか否かを判定する。学習モデルは、例えば、図３に示す回答抽出部１ｄと学習モデルＤＢ５２を備えている。本実施の形態では、チャットボットシステムＣＢＳが複数の学習モデルを備えている。即ち、複数の回答抽出部１ｄとそれに応じたそれぞれの学習モデルＤＢ５２をチャットボットシステムＣＢＳは備えている。
例えば、図３においては、三つの学習モデルＧＭＡ、学習モデルＧＭＢ、学習モデルＧＭＣを備えており、その中から学習モデルＧＭＢが選択された状態を示している。
The
For example, FIG. 3 shows a state in which three learning models GMA, a learning model GMB, and a learning model GMC are provided, and the learning model GMB is selected from among them.
学習モデルの切り換えを行うと判定した場合には、回答抽出部１ｄと学習モデルＤＢ５２のセットを複数のセットから適切なものに切り換える処理を行う。
なお、学習モデルＤＢ５２のみを切り換えることにより、学習モデルの切り換えを行ってもよい。
また、インデックス生成部１ｃによって生成されたインデックス情報を取得し、該インデックス情報に基づいて学習モデルの切り換えを行うか否かを判定してもよい。
When it is determined that the learning model is to be switched, a process of switching the set of the answer extraction unit 1d and the
Note that the learning model may be switched by switching only the
Further, the index information generated by the index generating unit 1c may be acquired, and it may be determined whether to switch the learning model based on the index information.
なお、選択部１ｅは、図４に示すように、内容特定部５と対応ジャンル選択部６と学習モデル切換部７を備えている。
内容特定部５は、チャット内容からユーザの問い合わせ内容が属するジャンルと問い合わせユーザの知識レベルを特定する処理を行う。
The selecting
The
対応ジャンル選択部６は、特定されたジャンルに応じた対応を行うための学習モデル群（複数の学習モデル）を切り換え候補として選択する処理を行う。
例えば、学習モデルＧＭＡがジャンルＣ１の問い合わせに対応するためのもので、且つ、ジャンルＣ１についての知識が豊富でない（乏しい）ユーザに対応するための学習モデルであり、学習モデルＧＭＢがジャンルＣ１の問い合わせに対応するためのもので、且つ、ジャンルＣ１についての知識が豊富なユーザに対応するための学習モデルであり、学習モデルＧＭＣがジャンルＣ２の問い合わせに対応するためのものである場合を考える。
ここで、問い合わせ内容のジャンルがジャンルＣ１であると特定された場合、対応ジャンル選択部６は、学習モデルＧＭＡと学習モデルＧＭＢからなる学習モデル群を切り換え候補として選択する。
The corresponding
For example, the learning model GMA is for responding to an inquiry about the genre C1, and is a learning model for responding to a user who does not have enough (sparse) knowledge about the genre C1, and the learning model GMB is an inquiry about the genre C1. And a learning model for a user who has a great deal of knowledge about the genre C1, and the learning model GMC is for responding to an inquiry about the genre C2.
Here, when the genre of the inquiry content is specified as the genre C1, the corresponding
学習モデル切換部７は、選択された学習モデル群の中からユーザの知識レベルに応じた適切な学習モデルを一つ選択し切り換えを行う処理を実行する。
上述の例を用いて説明すると、内容特定部５によって今回の問い合わせユーザの知識レベルが高いと特定した場合、即ち、ジャンルＣ１についての知識が豊富なユーザであると特定した場合、学習モデル切換部７は、学習モデルＧＭＡと学習モデルＧＭＢのうち、学習モデルＧＭＢを選択する。
The learning model switching unit 7 executes a process of selecting and switching one appropriate learning model according to the user's knowledge level from the selected learning model group.
To explain using the above example, when the
学習部１ｆは、教師データやユーザが実際に入力した会話データを用いた学習を行い、学習モデルを構築する処理を行う。学習部１ｆはユーザが実際に入力した会話データを継続的に学習することにより、生成された学習モデルの更新を行う。
学習部１ｆが学習モデルの構築や更新を行うために実行する学習処理では、会話ＤＢ５４や正誤ＤＢ５３を用いる。
The learning unit 1f performs learning using teacher data and conversation data actually input by the user, and performs processing for constructing a learning model. The learning unit 1f updates the generated learning model by continuously learning the conversation data actually input by the user.
In the learning processing executed by the learning unit 1f to construct and update the learning model, the
生成部１ｇは、学習モデルを新たに生成する処理を行う。例えば、ユーザからの問い合わせ内容（質問傾向）に一定の偏りが見られた場合、そのような問い合わせに対応するための学習モデルを新たに生成することによって、特定の分野に特化した学習モデルが生成され、より専門的な対応が可能となる。
図３では、回答抽出部１ｄＤと学習モデルＤＢ５２Ｄを備えた学習モデルＧＭＤ（破線で図示）を生成部１ｇが新たに生成している状態を示している。学習モデルＧＭＤの生成後は、選択部１ｅの選択対象が三つの学習モデルＧＭから四つの学習モデルＧＭへと増加する。
The
FIG. 3 shows a state where the
管理制御部１ａと形態素解析部１ｂとインデックス生成部１ｃと回答抽出部１ｄは、ユーザからの問い合わせについてチャット対応を行うチャット対応部として機能する。 The management control unit 1a, the morphological analysis unit 1b, the index generation unit 1c, and the answer extraction unit 1d function as a chat corresponding unit that performs a chat corresponding to an inquiry from the user.
＜４．各ＤＢ＞
解析ＤＢ５１は、単語や品詞の情報が記憶されたデータベースであり、形態素解析に用いられる情報が記憶されたものである。解析ＤＢ５１には、一つの言語からなる文章データを解析するための情報が記憶されてもよいし、複数の言語からなる文章データを解析するための情報が記憶されていてもよい。
<4. Each DB>
The
学習モデルＤＢ５２は、インデックス情報とそれに対する回答情報が紐付けて記憶されているデータベースである。学習モデルＤＢ５２に記憶された情報は、ユーザとのやりとりが増えるごとに蓄積された会話情報に基づいて更新される。
The
正誤ＤＢ５３は、ユーザによって入力された問い合わせの内容（質問内容）に対してユーザに提示した回答が正しいか否かを示す情報が記憶される。
例えば、管理制御部１ａは、ユーザによって入力された会話データと、それに対してチャットボットシステムＣＢＳがユーザに提示した回答情報と、回答情報の提示を受けたユーザが示した反応の情報に基づいて、ユーザに提示した情報が正しかったか否かを判定する。正誤ＤＢ５３には、該判定結果が格納される。
ユーザが示した反応の情報は、例えば、ユーザに提示した情報が適切であったか否かをユーザ自身に回答させることにより取得した情報でもよいし、ユーザに情報を提示した後にユーザが入力した挨拶文の態様からユーザの満足度を推定した情報でもよいし、音声チャットである場合には、情報を提示した後のユーザの声の抑揚や高さなどからユーザの満足度を推定した情報でもよい。
The correct /
For example, the management control unit 1a is based on the conversation data input by the user, the response information presented to the user by the chatbot system CBS, and the information on the reaction indicated by the user who received the presentation of the response information. It is determined whether the information presented to the user is correct. The determination result is stored in the correct /
The information of the reaction indicated by the user may be, for example, information obtained by allowing the user to answer whether the information presented to the user is appropriate or a greeting sent by the user after presenting the information to the user. In the case of a voice chat, the information may be information obtained by estimating the user's satisfaction from the aspect described above, or may be information obtained by estimating the user's satisfaction from the inflection or pitch of the user's voice after presenting the information.
また、チャットボットシステムＣＢＳが対応できなかった質問に対する回答が管理者によって入力され正誤ＤＢ５３に記憶されてもよい。学習部１ｆは、対応できなかった質問とそれに対する模範的な回答情報から学習モデルＤＢ５２を更新することができる。
Further, an answer to a question that the chatbot system CBS could not respond to may be input by the administrator and stored in the correct /
会話ＤＢ５４は、ユーザによって入力された問い合わせ内容とユーザに提示された回答情報や、ユーザが入力した挨拶文など、ユーザとのチャットで送受信された情報が記憶されるデータベースである。
学習部１ｆは、会話ＤＢ５４に記憶された情報を利用した学習を行い、学習モデルＤＢ５２の更新を行う。
The
The learning unit 1f performs learning using the information stored in the
＜５．各種処理＞
管理端末１が実行する各種の処理について、添付図を参照して説明する。
＜５−１．問い合わせ対応処理＞
先ず、ユーザからの問い合わせを受け付けた場合に行う「問い合わせ対応処理」について、図５を参照して説明する。
<5. Various processing>
Various processes executed by the
<5-1. Inquiry handling process>
First, "inquiry response processing" performed when an inquiry from a user is received will be described with reference to FIG.
管理端末１は、ステップＳ１０１でチャット開始処理を行う。チャット開始処理では、チャットを開始させるための操作を行ったユーザ、即ちチャットの開始要請を行ったユーザに対して、該ユーザが使用するユーザ端末３とチャットボットシステムＣＢＳの間でチャットを行うための接続を確立させる処理などを行う。また、チャットを開始させるためのウェブページ情報を送信することによりチャット開始処理としてもよい。
The
管理端末１はステップＳ１０２で、記録開始処理を行う。記録開始処理は、ユーザが入力した問い合わせ内容や、それに対してチャットボットシステムＣＢＳがユーザに提示した提示内容の記録を開始させる処理である。問い合わせ内容や提示内容は、時間情報と共に会話ＤＢ５４に記録される。
In step S102, the
管理端末１はステップＳ１０３で、新規入力の有無を確認する。新規入力とは、ユーザによる新規のチャット入力であり、前回の処理から新たに追加されたチャット内容の有無を確認する処理である。
新規のチャット入力があった場合、管理端末１はステップＳ１０４からステップＳ１０８の各処理を実行する。即ち、先ず、ステップＳ１０４でチャット内容を取得する。ここで取得するチャット内容は、新規に追加されたチャット内容であってもよいし、新規に追加されたチャット内容だけでなくその直前に入力されたチャット内容を含んでいてもよい。
In step S103, the
When there is a new chat input, the
次に、管理端末１はステップＳ１０５で、取得したチャット内容に対する形態素解析を行う。これにより、チャット内容が文章を構成する最小単位（即ち形態素）に分解される。
Next, in step S105, the
管理端末１はステップＳ１０６で、学習モデルが未選択であるか否かを判定する。学習モデルが未選択の場合には、ユーザの問い合わせ内容に対して回答情報を提示することができないため、管理端末１はステップＳ１０７で学習モデル選択処理を実行し、適切な一つの学習モデルを選択する。
In step S106, the
学習モデル選択処理の一例について、図６を参照して説明する。
管理端末１はステップＳ２０１で、問い合わせ内容（チャット内容）及びユーザの知識量を特定する処理を実行する。この処理には、形態素解析の解析結果が用いられる。
問い合わせ内容の特定は、例えば、問い合わせ内容が属するジャンル情報を特定することである。具体的に、問い合わせ内容が保険に関することであれば、問い合わせ内容のジャンルが「保険」であることが特定される。なお、「保険」の中のサブジャンルである「ペット保険」がジャンルとして特定されてもよい。また、更に細分化された「ペット保険の手続」がジャンルとして特定されてもよい。
An example of the learning model selection process will be described with reference to FIG.
In step S201, the
The specification of the inquiry content is, for example, to specify genre information to which the inquiry content belongs. Specifically, if the content of the inquiry relates to insurance, it is specified that the genre of the content of the inquiry is "insurance". Note that “pet insurance”, which is a sub-genre of “insurance”, may be specified as a genre. Further, a further subdivided “pet insurance procedure” may be specified as a genre.
問い合わせ内容のジャンルは、例えば、形態素解析によって抽出されたユーザが入力したチャット内容に含まれるキーワードを分析することで特定可能である。
具体的には、ジャンルごとに特有のキーワードや関連するキーワードが紐付けて記憶されたデータベースを用いる。抽出されたキーワード群との関連性をジャンルごとに算出し、キーワード群との高い関連性が認められたジャンルを特定する。
The genre of the inquiry content can be specified, for example, by analyzing a keyword included in the chat content input by the user extracted by the morphological analysis.
Specifically, a database in which keywords specific to each genre and related keywords are stored in association with each other is used. The relevance to the extracted keyword group is calculated for each genre, and the genre that has been recognized to be highly relevant to the keyword group is specified.
問い合わせユーザの知識量の特定についても、ジャンルごとに専門用語が紐付けられたデータベースを用い、それらの専門用語がどの程度チャット内容に含まれているかどうかで特定することが可能である。また、チャット内容が専門性の高いものである場合に、ユーザの知識量が豊富であると特定してもよい。 Regarding the specification of the inquiring user's knowledge amount, it is possible to use a database in which technical terms are linked to each genre, and to specify how much those technical terms are included in the chat content. If the chat content is highly specialized, it may be specified that the user has a large amount of knowledge.
管理端末１はステップＳ２０２で、ジャンルに応じた学習モデル群を選択する。
チャットボットシステムＣＢＳが備える学習モデルは、ジャンルごとに設けられるだけでなく、問い合わせユーザの知識量によっても複数種類設けられている。ステップＳ２０２で選択する学習モデル群は、ステップＳ２０１で特定したジャンルに対応するための学習モデル複数個を学習モデル群として選択するものである。
なお、ジャンルに対応するための学習モデルが一つしかない場合、ステップＳ２０２の処理では該一つの学習モデルを選択する。
In step S202, the
The learning model provided in the chatbot system CBS is provided not only for each genre, but also for a plurality of types according to the knowledge amount of the inquiry user. The learning model group selected in step S202 is to select a plurality of learning models corresponding to the genre specified in step S201 as the learning model group.
If there is only one learning model corresponding to the genre, the one learning model is selected in the process of step S202.
管理端末１はステップＳ２０３で、ユーザの知識量に応じた学習モデルを選択する。即ち、複数の学習モデルからなる学習モデル群のうちから、問い合わせユーザの知識量に応じた適切な学習モデルを一つ選択する処理である。もちろん、ジャンルに対応するための学習モデルが一つしかない場合には、該一つの学習モデルが選択される。即ち、そのような場合には、ステップＳ２０３の処理をスキップしてもよい。
In step S203, the
ステップＳ２０２及びＳ２０３を実行することにより、問い合わせ内容が属するジャンルに適し、且つ、問い合わせユーザの該ジャンルにおける知識レベルに適した学習モデルが選択される。これによって、ユーザの問い合わせ内容に対して適切な回答情報の提示を行うことができる。 By executing steps S202 and S203, a learning model suitable for the genre to which the inquiry content belongs and suitable for the knowledge level of the genre of the inquiring user is selected. This makes it possible to present appropriate answer information to the content of the user's inquiry.
図５の説明に戻る。学習モデルが選択済み（ステップＳ１０６：選択済み）であった場合、管理端末１はステップＳ１０８で学習モデル切換処理を行う。学習モデル切換処理は、学習モデルの切り換えを行うか否かを判定し、学習モデルの切り換えを行った方が適切と判定した場合には学習モデルの切り換えを行い、そうでない場合はすでに選択済みの学習モデルを変更せずに処理を終えるものである。
Returning to the description of FIG. When the learning model has been selected (step S106: selected), the
学習モデル切換処理の一例について、図７を参照して説明する。
管理端末１はステップＳ２０１Ａで、問い合わせ内容及びユーザの知識量を特定する処理を実行する。この処理は、図６のステップＳ２０１と同様の処理である。
次に、管理端末１はステップＳ２５１で、特定したジャンルまたは特定したユーザ知識量に変更があるか否かを判定する。
An example of the learning model switching process will be described with reference to FIG.
In step S201A, the
Next, in step S251, the
チャットによるやりとりを続けていると、質問内容やジャンルが変更される場合がある。例えば、最初は生命保険についての話題であったのが、途中からユーザが飼育しているペットが加入できるペット保険の話題に変更された場合などである。
ユーザによって入力されたチャット内容を解析することによりジャンルやユーザの知識レベルを適宜特定することによって、このような話題の変化を捉えることが可能である。
If you continue chatting, the content of the question and the genre may change. For example, a topic about life insurance is initially changed to a topic about pet insurance in which a pet kept by a user can subscribe halfway.
By analyzing the chat content input by the user and appropriately specifying the genre and the knowledge level of the user, it is possible to catch such a change in the topic.
ユーザの問い合わせ内容の変化を捉えた場合、即ちステップＳ２５１の判定処理の結果が「Ｙｅｓ」の場合、管理端末１はステップＳ２０２Ａでジャンルに応じた学習モデル群を再度選択し直し、ステップＳ２０３Ａでユーザの知識量に応じた学習モデルを選択する処理を実行する。これらの処理は、図６のステップＳ２０２及びステップＳ２０３の各処理と同様の処理である。
When a change in the content of the user inquiry is captured, that is, when the result of the determination processing in step S251 is “Yes”, the
図５の説明に戻る。
ステップＳ１０７の学習モデル選択処理を実行した後、或いは、ステップＳ１０８の学習モデル切換処理を実行した後、管理端末１はステップＳ１０９で、インデックス生成処理を実行する。
インデックス生成処理は、学習モデルＤＢ５２からユーザに提示する情報を抽出（或いは検索）するために用いられるインデックス情報を生成する処理である。例えば、ディープラーニングなどの多層のニューラルネットワークを用いた機械学習によって学習モデルが生成されている場合には、その学習モデルに入力するための入力データを生成する処理がインデックス生成処理である。
Returning to the description of FIG.
After executing the learning model selection process in step S107 or executing the learning model switching process in step S108, the
The index generation process is a process of generating index information used for extracting (or searching) information to be presented to the user from the
なお、インデックス生成処理をステップＳ１０５の後に実行してもよい。また、その場合には、生成されたインデックス情報を用いてステップＳ１０７の学習モデル選択処理やステップＳ１０８の学習モデル切換処理を実行してもよい。 Note that the index generation processing may be executed after step S105. In that case, the learning model selection processing in step S107 and the learning model switching processing in step S108 may be executed using the generated index information.
管理端末１はステップＳ１１０で、回答抽出処理を実行する。回答抽出処理は、例えば、学習モデルＤＢ５２からユーザへ提示する情報を取得する処理である。この処理は、インデックス情報を引数として学習モデルＤＢ５２から適切な情報を取得してもよいし、先のニューラルネットワークの出力層からの出力情報を取得することによりユーザに提示する情報を取得してもよい。
In step S110, the
管理端末１はステップＳ１１１において、回答提示処理を行う。この処理を行うことにより、問い合わせユーザが使用するユーザ端末３の画面上などにユーザの問い合わせ内容に対する回答内容が提示される。
In step S111, the
管理端末１はステップＳ１１２において、ユーザ反応に関する情報（ユーザ反応情報）を取得する。ユーザ反応に関する情報とは、ステップＳ１１１で問い合わせユーザに提示した情報に対する該ユーザの満足度などの情報である。即ち、提示した情報が適切なものであったか否かを表す情報である。
ユーザ反応情報の取得は、例えば、提示した情報が適切であるか否かを問う質問をユーザが利用するチャット画面上に提示させ、ユーザに回答させることによって得てもよい。
また、ユーザの問い合わせ内容とそれに対する回答内容を管理者やオペレータなどが確認することにより評価してもよい。
In step S112, the
The user response information may be obtained by, for example, presenting a question as to whether the presented information is appropriate on a chat screen used by the user and allowing the user to answer.
Further, the evaluation may be performed by the administrator or the operator confirming the content of the inquiry of the user and the content of the answer to the content.
ユーザ反応情報から推測した回答内容の適切さの情報は、正誤ＤＢ５３に記憶されることにより、学習モデルの学習に用いられてもよい。
The information on the appropriateness of the answer content estimated from the user reaction information may be stored in the correct /
ユーザ反応に関する情報を取得した後、或いは、ステップＳ１０３で新規入力がないと判定した後、管理端末１はステップＳ１１３でチャットの終了を検出したか否かを判定する。
チャット終了の検出は、例えば、ユーザがチャットを終了させる意思表示を行ったことを検出してもよいし、ユーザの問い合わせに対する十分な回答を提示できたと判定した場合にチャット終了の検出をしたと推定してもよい。
チャット終了を検出した場合には、例えば、「これでチャットを終了します。他に問い合わせないようがある場合は再度チャット入力を行ってください」などの文言をユーザ端末３上に表示させた後に、ユーザ端末３との接続を解消してもよい。
After acquiring the information on the user reaction or determining that there is no new input in step S103, the
The detection of the chat end may be, for example, detecting that the user has indicated intention to end the chat, or detecting that the chat has ended when it is determined that a sufficient answer to the user's inquiry has been presented. It may be estimated.
If the end of the chat is detected, for example, after displaying a word such as “This ends the chat. If there is no other inquiry, please enter the chat again” on the
チャット終了を検出した場合は、管理端末１はステップＳ１１４の記録停止処理を実行することにより、会話ＤＢ５４への情報記録を停止させる。
また、チャット終了を検出しなかった場合、管理端末１は再度ステップＳ１０３からステップＳ１１３の各処理を実行する。
When detecting the end of the chat, the
When the end of the chat is not detected, the
＜５−２．学習処理＞
学習処理では、ユーザの問い合わせ内容や教師データなどを用いた機械学習を行うことにより、学習モデルの生成や更新を行う。学習処理の一例について、図８を参照して説明する。
管理端末１はステップＳ３０１で、ユーザの問い合わせ情報の取得を行う。ユーザの問い合わせ情報は、例えば、ユーザとのチャット上でのやりとりが記憶された会話ＤＢ５３などから取得する。
<5-2. Learning process>
In the learning process, a learning model is generated or updated by performing machine learning using the contents of a user inquiry, teacher data, and the like. An example of the learning process will be described with reference to FIG.
In step S301, the
管理端末１はステップＳ３０２で、提示した回答情報を取得する処理を行う。この処理は、例えば、会話ＤＢ５３などから取得可能である。
管理端末１はステップＳ３０３で、対応する正誤情報を取得する処理を行う。正誤情報は、ユーザの問い合わせ内容に対して提示した回答内容が適切であったか否かを示す情報であり、例えば前述した図５のステップＳ１１２で取得したユーザ反応に関する情報であり、正誤ＤＢ５３に記憶されている。
In step S302, the
In step S303, the
管理端末１はステップＳ３０４で、学習モデルの再構築を行う。学習モデルが未構築の場合は、ステップＳ３０４で学習モデルの生成を行う。学習モデルの生成や再構築は、ニューラルネットワークや遺伝的プログラミングなどの各種の手法を用いることにより、或いは複数の手法を組み合わせることにより、実現可能である。
In step S304, the
＜５−３．新規学習モデル生成処理＞
新規学習モデル生成処理では、既存のジャンルとは異なるジャンルを生成する処理や、既存のジャンルを細分化して新たなジャンルを生成する処理を行う。
管理端末１はステップＳ４０１で、前回の新規学習モデル生成処理の実行後に新たに受け付けた問い合わせ情報の取得を行う。
<5-3. New learning model generation processing>
In the new learning model generation process, a process of generating a genre different from the existing genre and a process of subdividing the existing genre and generating a new genre are performed.
In step S401, the
管理端末１はステップＳ４０２で、同種の問い合わせの数が所定数以上であるか否かを判定する。ここでは、ステップＳ４０１で取得した新規の問い合わせ情報だけでなく、これまでに受け付けた問い合わせ情報の中に、ある種類の問い合わせが所定数以上であるか否かを判定する。
ある二つの問い合わせ内容が同種である場合とは、例えば、問い合わせ内容から抽出したキーワードが所定割合以上（或いは全て）一致した場合や、ユーザが満足した回答内容が同一の場合などである。
In step S402, the
The case where certain two inquiries are of the same type is, for example, a case where the keywords extracted from the inquiries match a predetermined ratio or more (or all), or a case where the answer content satisfied by the user is the same.
キーワードが所定割合以上一致する場合は、ユーザが知りたい情報が同じである可能性が高いことを示している。
また、ユーザが満足した回答内容が同一である場合とは、ユーザが知りたい情報が一致していることを示しており、即ち、ユーザの問い合わせ内容が一致しているとみなす事が可能である。
If the keywords match by a predetermined ratio or more, it indicates that there is a high possibility that the information desired by the user is the same.
Also, the case where the contents of the answer satisfied by the user is the same indicates that the information desired by the user matches, that is, it can be considered that the contents of the inquiry of the user match. .
ステップＳ４０２で同種の問い合わせの数が所定数以上あると判定された場合、該同種の問い合わせに関する新ジャンルを新たに生成し、該新ジャンルについての問い合わせ対応を行うための学習モデルを新たに生成する処理を行う。
即ち、管理端末１はステップＳ４０３で、問い合わせ内容に則したジャンルを新ジャンルとして作成し、ステップＳ４０４で、学習モデルの生成処理を実行する。
If it is determined in step S402 that the number of inquiries of the same type is equal to or more than the predetermined number, a new genre related to the inquiries of the same type is newly generated, and a learning model for responding to the inquiry of the new genre is newly generated. Perform processing.
That is, the
一方、ステップＳ４０２で同種の問い合わせの数が所定数未満であると判定された場合、管理端末１は図９に示す新規学習モデル生成処理を終了させる。
On the other hand, when it is determined in step S402 that the number of inquiries of the same type is less than the predetermined number, the
なお、ステップＳ４０２では、単純に同種の問い合わせの数が所定数以上であるか否かで判定したが、それ以外の条件を適用することも考えられる。
例えば、既存のあるジャンルに付いての問い合わせの数が所定数以上（例えば１０００件以上）とされ、且つ、その中の所定割合以上（例えば４０％以上）が同種の問い合わせであった場合に、新たなジャンルを生成するとしてもよい。
その場合には、４００件の同種の問い合わせと提示内容に基づく機械学習を行うことにより、新ジャンルについての学習モデルを新規に生成する。
なお、この場合には、同種の問い合わせが所定割合以上（例えば４０％以上）を占めると共に所定割合未満（例えば９０％未満）である場合に、新規ジャンルを生成するとしてもよい。これについては、同種の問い合わせが１００％であった場合、該同種の問い合わせについて新規ジャンルを生成したとしても無意味となってしまうからである。
In step S402, the determination is made simply based on whether or not the number of inquiries of the same type is equal to or greater than a predetermined number. However, other conditions may be applied.
For example, when the number of inquiries about an existing genre is a predetermined number or more (for example, 1000 or more), and a predetermined ratio or more (for example, 40% or more) of the same type of inquiry is, A new genre may be generated.
In this case, a learning model for a new genre is newly generated by performing machine learning based on 400 similar queries and presentation contents.
In this case, a new genre may be generated when the same type of inquiry occupies a predetermined ratio or more (for example, 40% or more) and is less than the predetermined ratio (for example, less than 90%). This is because if the same type of inquiry is 100%, it becomes meaningless even if a new genre is generated for the same type of inquiry.
＜６．まとめ＞
上述の各例で説明したように、チャットボットシステムＣＢＳの管理端末１は、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行うチャット対応部（管理制御部１ａと形態素解析部１ｂとインデックス生成部１ｃと回答抽出部１ｄ）と、チャット内容に応じてチャット対応部で使用する学習モデルを選択する選択部１ｅと、を備えている。
問い合わせ内容の分野ごとに学習モデルが用意されることにより、分野に応じた適切な回答を行うことが可能とされる。また、チャット内容の解析結果に応じて適切な学習モデルを選択することにより、適切な問い合わせ対応を行うことができる。
一つのチャット対応部で複数の学習モデルを使い分ける構成を採用することにより、学習モデルごとにチャット対応部を設ける場合と比較して、少なくとも一部のシステムを共有することができるため、チャット対応を行うシステムのコンパクト化や開発工数の削減を図ることができる。
また、複数の学習モデルを使い分けることにより、一つ一つの学習モデルをコンパクトにすることができる。コンパクト化された一つの学習モデルを利用してユーザの問い合わせに対する回答を抽出する処理を行うことにより、処理負荷の軽減が図られ、ユーザに対して迅速な回答の提示を行うことができる。また、消費電力を低減させることが可能となる。
<6. Summary>
As described in each of the above-described examples, the
By preparing a learning model for each field of inquiry content, it is possible to give an appropriate answer according to the field. Further, by selecting an appropriate learning model according to the analysis result of the chat content, it is possible to appropriately respond to inquiries.
By adopting a configuration in which multiple learning models are used separately in one chat support unit, at least a part of the system can be shared compared to the case where a chat support unit is provided for each learning model. The system can be made more compact and the number of development steps can be reduced.
In addition, by using a plurality of learning models, each learning model can be made compact. By performing the process of extracting the answer to the user's inquiry using one compact learning model, the processing load is reduced, and a quick answer can be presented to the user. Further, power consumption can be reduced.
上述した管理端末１の選択部１ｅは、図４等を用いて説明したように、ユーザによって入力された問い合わせ内容の分析結果に基づいて、問い合わせ内容が属するジャンルと、ユーザの知識レベルを特定するチャット内容特定部（内容特定部５）と、複数の学習モデルから特定されたジャンルの問い合わせ内容に対応するための学習モデル群を選択する対応ジャンル選択部６と、学習モデル群から特定されたユーザの知識レベルに対応するための学習モデルを選択して切り替える学習モデル切換部７と、を備えていてもよい。
学習モデルがジャンルごと、或いはユーザの知識レベルごとに用意されることにより、多様なユーザのニーズに適用することが可能となる。
特に、ユーザの知識レベルごとに学習モデルを用意することにより、同じような問い合わせ内容であってもユーザの知識レベルに合わせた回答を提示することができるため、ユーザの利便性の向上に寄与することができる。
As described with reference to FIG. 4 and the like, the selecting
By preparing a learning model for each genre or for each user's knowledge level, it is possible to apply to various user needs.
In particular, by preparing a learning model for each knowledge level of the user, it is possible to present an answer according to the knowledge level of the user even for the same inquiry content, thereby contributing to the improvement of user convenience. be able to.
上述した管理端末１は、図９の新規学習モデル生成処理等で説明したように、問い合わせ内容の分析結果から新たなジャンルを生成し、該新たなジャンルの問い合わせ内容に対応するための学習モデルを生成する生成部１ｇと、を備えていてもよい。
問い合わせ内容に応じて適応的にジャンルを生成すると共に、生成した新ジャンルについての問い合わせ内容に適用可能な学習モデルを新たに生成することにより、ユーザからの問い合わせが多いジャンルなどが新ジャンルとして確立されると共に、適切な問い合わせ対応を行うことが可能となる。
また、あるジャンルを細分化したジャンルが新たなジャンルとして生成されることにより、専門性の高い学習モデルが生成され、専門性の高い問い合わせ対応を行うことができる。
The
By generating a genre adaptively according to the content of the inquiry and generating a new learning model applicable to the content of the inquiry about the generated new genre, a genre with many inquiries from users is established as a new genre. At the same time, it is possible to appropriately respond to inquiries.
Further, by generating a genre obtained by subdividing a certain genre as a new genre, a highly specialized learning model is generated, and a highly specialized inquiry can be handled.
上述した管理端末１においては、図５や図８等を用いて説明したように、問い合わせ対応が継続している状況において、チャット内容特定部によるジャンルの特定を継続し、対応ジャンル選択部は特定されたジャンルが変更された場合に変更されたジャンルに合わせて学習モデル群を再度選択するように構成してもよい。
問い合わせ内容が時間経過と共に移り変わるような場合には、適宜適切なジャンルの特定が行われる。
これによって、幅広い内容を問い合わせたいユーザに対して、適宜適切なジャンルに対応した学習モデルが選択され、適切な回答をユーザに提示することができる。
In the
If the content of the inquiry changes over time, an appropriate genre is specified as appropriate.
Thereby, a learning model corresponding to an appropriate genre is appropriately selected for a user who wants to inquire a wide range of contents, and an appropriate answer can be presented to the user.
上述した管理端末１においては、図５や図８等を用いて説明したように、問い合わせ対応が継続している状況において、チャット内容特定部（内容特定部５）による知識レベルの特定を継続し、学習モデル切換部は特定された知識レベルが変更された場合に変更された知識レベルに合わせて学習モデル群から学習モデルを再度選択するように構成してもよい。
問い合わせ内容を解析することによりユーザの知識レベルを推定し、該推定に合わせて適切な学習モデルが選択されるが、場合によっては、最初に行った知識レベルの推定が誤っている可能性がある。本構成によれば、問い合わせ内容の解析を継続的に実行することにより、適宜ユーザの知識レベルを推定し直し、それに応じて適切な学習モデルが再度選択し直される。
特に、変更されたジャンルに合わせて学習モデル群の再選択を行う構成と共に用いられた場合には、ジャンルごとに異なる知識レベルを持つユーザに対しても適切な対応を行うことができる。具体的には、例えばジャンルＡについての知識は乏しくジャンルＢについての知識が豊富なユーザに対して、問い合わせ内容がジャンルＡに関するものである場合には理解し易いように平易な用語を使用しつつ回答を提示するが、問い合わせ内容がジャンルＢに関するものに変化した場合には専門的な用語を交えつつ正確な情報を提示することが可能となる。
In the
The user's knowledge level is estimated by analyzing the contents of the inquiry, and an appropriate learning model is selected according to the estimation. However, in some cases, the estimation of the knowledge level performed first may be incorrect. . According to this configuration, by continuously analyzing the contents of the inquiry, the knowledge level of the user is appropriately re-estimated, and an appropriate learning model is selected again accordingly.
In particular, when used together with a configuration for reselecting a learning model group in accordance with a changed genre, it is possible to appropriately cope with a user having a different knowledge level for each genre. Specifically, for example, for a user who has little knowledge of genre A and has a great deal of knowledge about genre B, when the inquiry content is related to genre A, while using simple terms so as to be easily understood, An answer is presented, but when the content of the inquiry changes to one related to genre B, accurate information can be presented while using technical terms.
なお、ユーザからの一つの問い合わせに対して所定回数の回答情報の提供を行った場合にユーザの肯定的な反応情報が得られなかった場合には、オペレータ端末４を利用するオペレータに接続してもよい。その場合には、オペレータがユーザの問い合わせ内容に対応することにより、適切な回答情報を提供することが可能となり、ユーザの利便性の向上が図られる。
また、このような場合には、ユーザ対応が終了した後に、ユーザの問い合わせ内容とオペレータの回答情報を用いた機械学習を行うことが望ましい。これにより、次回同様の問い合わせがユーザからなされたとしても、オペレータの手を煩わせること無く適切な回答情報を提供することができ、業務効率の改善に寄与することができる。
Note that if a predetermined number of times of response information is provided for one inquiry from the user and no positive response information of the user is obtained, the user is connected to an operator using the
In such a case, it is desirable to perform machine learning using the contents of the user's inquiry and the answer information of the operator after the user response is completed. As a result, even if the same inquiry is made next time by the user, appropriate answer information can be provided without bothering the operator, and it is possible to contribute to improvement of work efficiency.
＜７．プログラム及び記憶媒体＞
以上、本発明の情報処理装置の実施の形態としての管理端末１を説明してきたが、実施の形態のプログラムは、チャットボットシステムＣＢＳにおける管理端末１の処理を情報処理装置（ＣＰＵ等）に実行させるプログラムである。
<7. Program and Storage Medium>
The
実施の形態のプログラムは、それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行う処理を情報処理装置に実行させる。
また、チャット内容に応じて使用する学習モデルを選択する処理を情報処理装置に実行させる。
即ちこのプログラムは、管理端末１に対して図５から図９の各図で説明した処理を実行させるプログラムである。
The program according to the embodiment causes the information processing apparatus to execute a process of performing chat correspondence using a learning model selected from a plurality of learning models for performing inquiry correspondence in a predetermined field.
In addition, the information processing device is caused to execute a process of selecting a learning model to be used in accordance with chat content.
That is, this program is a program that causes the
このようなプログラムにより、上述した管理端末１としての１又は複数の情報処理装置を実現できる。
そしてこのようなプログラムはコンピュータ装置等の機器に内蔵されている記憶媒体としてのＨＤＤや、ＣＰＵを有するマイクロコンピュータ内のＲＯＭ等に予め記憶しておくことができる。あるいはまた、半導体メモリ、メモリカード、光ディスク、光磁気ディスク、磁気ディスクなどのリムーバブル記憶媒体に、一時的あるいは永続的に格納（記憶）しておくことができる。またこのようなリムーバブル記憶媒体は、いわゆるパッケージソフトウェアとして提供することができる。
また、このようなプログラムは、リムーバブル記憶媒体からパーソナルコンピュータ等にインストールする他、ダウンロードサイトから、ＬＡＮ、インターネットなどのネットワークを介してダウンロードすることもできる。
With such a program, one or a plurality of information processing apparatuses as the
Such a program can be stored in advance in an HDD as a storage medium built in a device such as a computer device, a ROM in a microcomputer having a CPU, or the like. Alternatively, it can be temporarily (permanently) stored in a removable storage medium such as a semiconductor memory, a memory card, an optical disk, a magneto-optical disk, or a magnetic disk. Further, such a removable storage medium can be provided as so-called package software.
Such a program can be installed on a personal computer or the like from a removable storage medium, or can be downloaded from a download site via a network such as a LAN or the Internet.
１ 管理端末、１ａ 管理制御部、１ｂ 形態素解析部、１ｃ インデックス生成部、１ｄ 回答抽出部、１ｅ 選択部、１ｇ 生成部、５ 内容特定部、６ 対応ジャンル選択部、７ 学習モデル切換部
Claims (6)
チャット内容に応じて前記チャット対応部で使用する学習モデルを選択する選択部と、を備え、
前記選択部は、
ユーザによって入力された問い合わせ内容の分析結果に基づいて、ユーザの知識レベルを特定するチャット内容特定部と、
前記複数の学習モデルから特定されたユーザの知識レベルに対応するための学習モデルを選択して切り替える学習モデル切換部と、を備えた
情報処理装置。 A chat support unit that performs chat support using a learning model selected from a plurality of learning models for performing inquiry support in a predetermined field,
A selection unit that selects a learning model to be used in the chat corresponding unit according to chat content ,
The selection unit includes:
A chat content identification unit that identifies the knowledge level of the user based on the analysis result of the inquiry content input by the user;
An information processing apparatus comprising: a learning model switching unit that selects and switches a learning model corresponding to the knowledge level of the user specified from the plurality of learning models .
前記分析結果に基づいて、問い合わせ内容が属するジャンルを特定し、
複数の学習モデルから特定されたジャンルの問い合わせ内容に対応するための学習モデル群を選択する
請求項１に記載の情報処理装置。 The corresponding genre selection section,
On the basis of the analysis result, to identify the genre of inquiry content belongs,
The information processing apparatus according to claim 1 you select learning model group to respond to inquiries of the genre specified from a plurality of learning model.
前記対応ジャンル選択部は特定されたジャンルが変更された場合に変更されたジャンルに合わせて学習モデル群を再度選択する
請求項２に記載の情報処理装置。 In the situation where the inquiry response is continued, the genre is continuously specified by the chat content specifying unit,
The information processing apparatus according to claim 2, wherein the corresponding genre selection unit selects a learning model group again in accordance with the changed genre when the specified genre is changed.
前記学習モデル切換部は特定された知識レベルが変更された場合に変更された知識レベルに合わせて学習モデル群から学習モデルを再度選択する
請求項２または請求項３の何れかに記載の情報処理装置。 In the situation where the inquiry response is continuing, the identification of the knowledge level by the chat content identification unit is continued,
The information processing according to claim 2 or claim 3 wherein the learning model switching unit selects the learning model from the learning model group in accordance with the level of knowledge that was changed when a specific knowledge level is changed again apparatus.
それぞれが所定分野の問い合わせ対応を行うための複数の学習モデルのうちから選択された学習モデルを用いてチャット対応を行う処理と、
チャット内容に応じて使用する学習モデルを選択する処理と、を備え
前記学習モデルを選択する処理では、ユーザによって入力された問い合わせ内容の分析結果に基づいて、ユーザの知識レベルを特定する処理と、
前記複数の学習モデルから特定されたユーザの知識レベルに対応するための学習モデルを選択して切り替える処理と、を実行する
情報処理方法。 An information processing method executed by an information processing apparatus,
A process of performing chat correspondence using a learning model selected from a plurality of learning models for performing inquiry correspondence in a predetermined field,
And a process of selecting a learning model to be used in accordance with the chats
In the process of selecting the learning model, a process of specifying a knowledge level of the user based on an analysis result of the content of the inquiry input by the user;
A process of selecting and switching a learning model corresponding to the knowledge level of the user specified from the plurality of learning models .
チャット内容に応じて前記チャット対応部で使用する学習モデルを選択する選択部と、A selection unit that selects a learning model to be used in the chat corresponding unit according to chat content;
問い合わせ内容の分析結果から新たなジャンルを生成し、該新たなジャンルの問い合わせ内容に対応するための学習モデルを生成する生成部と、を備えたA generation unit that generates a new genre from the analysis result of the inquiry content, and generates a learning model for responding to the inquiry content of the new genre.
情報処理装置。Information processing device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018226252A JP6670916B1 (en) | 2018-12-03 | 2018-12-03 | Information processing apparatus and information processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018226252A JP6670916B1 (en) | 2018-12-03 | 2018-12-03 | Information processing apparatus and information processing method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6670916B1 true JP6670916B1 (en) | 2020-03-25 |
| JP2020091513A JP2020091513A (en) | 2020-06-11 |
Family
ID=70000781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018226252A Active JP6670916B1 (en) | 2018-12-03 | 2018-12-03 | Information processing apparatus and information processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6670916B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021182387A (en) * | 2020-05-18 | 2021-11-25 | アバイア マネジメント エル．ピー． | Variable chat box |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6976539B1 (en) * | 2021-01-18 | 2021-12-08 | 株式会社Macbee Planet | Information processing equipment, information processing methods and programs |
| WO2022201302A1 (en) * | 2021-03-23 | 2022-09-29 | 日本電気株式会社 | Qa data evaluation device |
| JP2023082970A (en) * | 2021-12-03 | 2023-06-15 | 株式会社ビデオリサーチ | expert answer system |
| JP7295207B1 (en) | 2021-12-03 | 2023-06-20 | 株式会社ビデオリサーチ | Survey tabulation system |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016212541A (en) * | 2015-05-01 | 2016-12-15 | 株式会社ＡＴＲ−Ｔｒｅｋ | Interactive device, interacting method, and computer program for the same |
| KR102047010B1 (en) * | 2017-12-21 | 2019-11-20 | 주식회사 카카오 | Server, device and method for providing instant messeging service by using relay chatbot |
| JP6537211B1 (en) * | 2018-07-06 | 2019-07-03 | Ｊｅインターナショナル株式会社 | Search device and program |
-
2018
- 2018-12-03 JP JP2018226252A patent/JP6670916B1/en active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021182387A (en) * | 2020-05-18 | 2021-11-25 | アバイア マネジメント エル．ピー． | Variable chat box |
| JP7216143B2 (en) | 2020-05-18 | 2023-01-31 | アバイア マネジメント エル．ピー． | variable chat box |
| US11659086B2 (en) | 2020-05-18 | 2023-05-23 | Avaya Management L.P. | Tunable chatbots |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020091513A (en) | 2020-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6670916B1 (en) | Information processing apparatus and information processing method | |
| US20200042515A1 (en) | Methods and apparatus for performing machine learning to improve capabilities of an artificial intelligence (ai) entity used for online communications | |
| US10621281B2 (en) | Populating values in a spreadsheet using semantic cues | |
| US7853602B2 (en) | System and method for creating an enhanced enterprise directory | |
| JP2023134486A (en) | Resource prioritization and communication-channel establishment | |
| US20130239006A1 (en) | Aggregator, filter and delivery system for online context dependent interaction, systems and methods | |
| US10650818B2 (en) | Semi-supervised question answering machine | |
| CN111586244B (en) | Voice customer service method and system | |
| US11245647B2 (en) | Information processing apparatus and information processing method | |
| CN110941708B (en) | Intelligent question and answer library establishing method, intelligent question and answer method and device and computer equipment | |
| CN104077294A (en) | Information recommendation method, information recommendation device and information resource recommendation system | |
| US9665640B2 (en) | System and method for collapsing search results | |
| CN103678704A (en) | Picture recognition method, system, equipment and device based on picture information | |
| US20240080283A1 (en) | Information processing system and information processing method | |
| JP2017072976A (en) | Information processing system, information processing method, and program | |
| CN112115244B (en) | Dialogue interaction method and device, storage medium and electronic equipment | |
| JP2019175464A (en) | Information processing device, information processing method and program | |
| JP2007220117A (en) | Method for relaying one-to-one question and answer through communication network, and system for executing the method | |
| KR20190097947A (en) | Device, method and computer program for processing user inquiry | |
| JP6890746B2 (en) | Information processing device, information processing method | |
| KR102205686B1 (en) | Method and apparatus for ranking candiate character and method and device for inputting character | |
| CN114387966A (en) | Control method and device of intelligent equipment, electronic equipment and storage medium | |
| US20200012688A1 (en) | Method and device for retrieving content | |
| CN113051405B (en) | Intelligent outbound knowledge graph construction method and device based on dialogue scene | |
| US20180176100A1 (en) | Method for using an extended workstation, and an associated system for using an extended workstation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181203 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191001 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191127 |
|
| 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: 20200204 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200302 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6670916 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |