JP6790894B2 - Dialogue device - Google Patents
Dialogue device Download PDFInfo
- Publication number
- JP6790894B2 JP6790894B2 JP2017027331A JP2017027331A JP6790894B2 JP 6790894 B2 JP6790894 B2 JP 6790894B2 JP 2017027331 A JP2017027331 A JP 2017027331A JP 2017027331 A JP2017027331 A JP 2017027331A JP 6790894 B2 JP6790894 B2 JP 6790894B2
- Authority
- JP
- Japan
- Prior art keywords
- response
- user
- intention
- dialogue
- unit
- 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
- User Interface Of Digital Computer (AREA)
- Machine Translation (AREA)
Description
本発明は、対話装置に関する。 The present invention relates to a dialogue device.
一般的な対話装置は、特許文献1に開示されているように、ユーザの発話に基づいて生成した複数の応答の中から1つの応答を、予め設定された評価関数を用いた評価結果に基づいて選択して出力している。
As disclosed in
特許文献1の対話装置においては、予め評価関数を設定する際に全ての状況を想定する必要があり、想定外の発話が行われた場合に適切な応答を行うことが難しい。そのため、特許文献1の対話装置は、自然な対話を行うことが難しい。
In the dialogue device of
本発明は、このような問題点に鑑みてなされたものであり、自然な対話を実現する対話装置を提供する。 The present invention has been made in view of such problems, and provides a dialogue device that realizes a natural dialogue.
本発明の一態様に係る対話装置は、入力されたユーザの言葉に対する応答文を対話モデルに基づいて決定して出力する対話装置であって、
前記ユーザの言葉に基づいて、応答の種類を示す応答種別と関連付られた応答文を生成する応答生成部と、
前記ユーザの言葉に基づいて、前記ユーザの意思を推定する意思推定部と、
前記ユーザの意思と前記応答種別との関係を示す対話モデルを格納した対話モデル格納部と、
前記対話モデルを参照して前記ユーザの意思に対応する応答種別を選択し、出力する応答文を選択する応答選択部と、
前記ユーザの意思と前記応答種別との組み合わせに基づいて、予め設定された評価点を格納した評価点格納部と、
前記推定したユーザの意思と、前記選択した応答種別と、に基づいて評価点を付与し、前記付与した評価点に基づいて、前記対話モデルの適否を学習する対話モデル学習部と、
を備える。
このような構成では、ユーザの意思と、選択した応答種別と、に基づいて評価点を付与し、付与した評価点に基づいて、対話モデルの適否を学習する。そのため、ユーザから想定外の発話が行われた場合も、学習を積めば、適切な応答を行うことができる。よって、ユーザとの自然な対話を実現することができる。
The dialogue device according to one aspect of the present invention is a dialogue device that determines and outputs a response sentence to an input user's words based on a dialogue model.
A response generation unit that generates a response statement associated with a response type indicating the response type based on the user's words.
An intention estimation unit that estimates the user's intention based on the user's words,
A dialogue model storage unit that stores a dialogue model showing the relationship between the user's intention and the response type, and
A response selection unit that selects a response type corresponding to the user's intention with reference to the dialogue model and selects a response statement to be output.
An evaluation point storage unit that stores preset evaluation points based on the combination of the user's intention and the response type, and
An evaluation point is given based on the estimated user's intention and the selected response type, and a dialogue model learning unit that learns the suitability of the dialogue model based on the given evaluation point.
To be equipped.
In such a configuration, evaluation points are given based on the user's intention, the selected response type, and the appropriateness of the dialogue model is learned based on the given evaluation points. Therefore, even if an unexpected utterance is made by the user, an appropriate response can be made by accumulating learning. Therefore, a natural dialogue with the user can be realized.
本発明によれば、自然な対話を実現する対話装置を提供することができる。 According to the present invention, it is possible to provide a dialogue device that realizes a natural dialogue.
以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。但し、本発明が以下の実施の形態に限定される訳ではない。また、説明を明確にするため、以下の記載及び図面は、適宜、簡略化されている。 Hereinafter, specific embodiments to which the present invention is applied will be described in detail with reference to the drawings. However, the present invention is not limited to the following embodiments. Further, in order to clarify the explanation, the following description and drawings have been simplified as appropriate.
本実施の形態の対話装置の基本構成を説明する。本実施の形態の対話装置は、ユーザの発話に対して応答することで、音声対話を実現する構成とされている。但し、本実施の形態の対話装置は、文章対話でも実施することができる。 The basic configuration of the dialogue device of the present embodiment will be described. The dialogue device of the present embodiment is configured to realize a voice dialogue by responding to a user's utterance. However, the dialogue device of the present embodiment can also be implemented in a text dialogue.
図1は、本実施の形態の対話装置を模式的に示すブロック図である。図1に示すように、対話装置1は、発話入力部2、音声認識部3、応答生成部4、意思推定部5、対話モデル格納部6、応答選択部7及び応答出力部8を備えている。
FIG. 1 is a block diagram schematically showing the dialogue device of the present embodiment. As shown in FIG. 1, the
発話入力部2は、ユーザの発話(音声)を集音するマイクロフォンなどを備えており、集音した音声のアナログデータをデジタルデータに変換して音声波形データを取得する。そして、発話入力部2は、音声波形データを音声認識部3及び意思推定部5に出力する。
The
音声認識部3は、発話入力部2から入力される音声波形データが示す音声波形に基づいて認識文字列を取得する。例えば、音声認識部3は、音声波形データが示す音声波形をテキストデータ化し、当該音声波形のテキストデータから各形態素の種類や掛かり受け関係を推定して認識文字列を取得する。そして、音声認識部3は、取得した認識文字列を示す認識文字列データを応答生成部4及び意思推定部5に出力する。ちなみに、各形態素の種類や掛かり受け関係の推定は、一般的な手法を用いることができる。
The
応答生成部4は、音声認識部3から入力される認識文字列データが示す認識文字列に基づいて応答(応答文)を生成する。応答生成部4は、一つの認識文字列に対して複数の応答を生成できるように、複数の応答生成器4aを備えている。
The
これらの応答生成器4aは、予め応答記憶部(図示を省略)に記憶された認識文字列と応答との関係を参照して、入力された認識文字列データが示す認識文字列に対応する応答を予め設定されている応答生成ルールに基づいて生成する。
These
例えば、応答生成部4は、応答生成器4aとして、QA(Question/Anser)応答生成器4a1、共感応答生成器4a2、不足格質問生成器4a3、話題誘導生成器4a4、オウム返し生成器4a5及び相槌生成器4a6を備えている。そして、例えば、入力された認識文字列データが示す認識文字列が「昨日プレゼントをもらったよ」の場合、QA応答生成器4a1は応答を生成せず、共感応答生成器4a2は「それはうれしかったね」を生成し、不足格質問生成器4a3は「誰にもらったのかな?」を生成し、話題誘導生成器4a4は「明日、晴れるかな?」を生成し、オウム返し生成器4a5は「プレゼントだね」を生成し、相槌生成器4a6は「うんうん」を生成する。各々の応答生成器4aは、このように生成した応答を示す応答データを応答選択部7に出力する。但し、各々の応答生成器4aで生成される応答は、適宜、変更することができる。
For example, the
意思推定部5は、発話入力部2から入力される音声波形データが示す音声波形、及び音声認識部3から入力される認識文字列データが示す認識文字列に基づいて、ユーザの意思(例えば、ユーザの感情及びユーザが対話装置1に求める意図)を推定する。例えば、意思推定部5は、感情推定器5a及び意図推定器5bを備えている。
The
感情推定器5aは、発話入力部2から入力される音声波形データが示す音声波形、及び音声認識部3から入力される認識文字列データが示す認識文字列に基づいて、ユーザの感情(例えば、ポジティブ/ニュートラル/ネガティブ)を推定する。例えば、感情推定器5aは、音声波形の基本周波数や振幅の変化など、即ち、韻律特徴に基づいて、ユーザの感情を推定する。また、例えば、感情推定器5aは、認識文字列の複数の形態素を一組とする形態素組の特徴ベクトルを算出し、算出した特徴ベクトルをSVM(Support Vector Machines)を用いて判別し、ユーザの感情を推定する。そして、感情推定器5aは、推定したユーザの感情を示す感情データを応答選択部7に出力する。但し、感情推定器5aは、ユーザの感情を推定することができれば、一般的な手法を用いることができる。
The emotion estimator 5a is based on the voice waveform indicated by the voice waveform data input from the
意図推定器5bは、音声認識部3から入力される認識文字列データが示す認識文字列に基づいて、ユーザが対話装置1に求める意図(例えば、質問/挨拶/同意の要求/語り/質問に対する回答/無効な入力(即ち、ノイズなど)を推定する。例えば、意図推定器5bは、認識文字列の品詞構造と述語項構造との組み合わせがユーザにとってどのような意図を有するかを機械学習から推定する。そして、意図推定器5bは、推定したユーザが対話装置1に求める意図を示す意図データを応答選択部7に出力する。但し、意図推定器5bは、ユーザの意図を推定することができれば、一般的な手法を用いることができる。
The
対話モデル格納部6には、ユーザの意思と応答生成器4aの応答種別(例えば、QA(Question/Anser)、共感、オウム返し、不足格質問、相槌及び課題誘導)との関係を表す対話モデルを示す対話モデルデータを格納している。例えば、対話モデルは、感情と意図との組み合わせに基づいて、各々の応答種別に付与された係数である。
The dialogue
応答選択部7は、感情推定器5aから入力される感情データが示すユーザの感情、及び意図推定器5bから入力される意図データが示すユーザが対話装置1に求める意図に対応する応答種別を、対話モデル格納部6に格納されている対話モデルデータが示す対話モデルの係数を参照して選択し(例えば、推定したユーザの感情及びユーザが対話装置1に求める意図に対応する応答種別のうち、係数が最も高い応答種別を選択し)、各々の応答生成器から入力される応答データが示す応答から選択した応答種別の応答生成器から入力される応答データが示す応答を選択し、選択した応答を示す応答データを応答出力部8に出力する。
The response selection unit 7 determines the response type corresponding to the user's emotion indicated by the emotion data input from the emotion estimator 5a and the intention indicated by the user's intention data input from the
応答出力部8は、応答選択部7から入力される応答データが示す応答を出力する。例えば、応答出力部8は、スピーカを備えており、デジタルデータである応答データをアナログデータに変換して出力する。
The
このような対話装置1は、ユーザとの対話に基づいて、対話モデルを学習(補正)できる構成とされており、上述の構成に加えて、対話モデル学習部9を備えている。対話モデル学習部9は、詳細は後述するが、図示を省略した評価点格納部に格納されている評価点テーブルデータが示す評価点テーブルを参照しつつ、ユーザの発話に基づいて推定した当該ユーザの意思と、出力した応答を生成した応答生成器の応答種別と、に基づいて評価点を付与(加算及び減算)し、付与した評価点に基づいて、対話モデルの適否を学習する。
Such a
次に、本実施の形態の対話装置1において、対話モデルを学習する流れを説明する。図2は、本実施の形態の対話装置において、対話モデルを学習する流れを示すフローチャート図である。本実施の形態の対話モデル学習部9は、評価点として報酬とペナルティとを付与して、対話モデルを学習する。また、本実施の形態の対話モデル学習部9は、ユーザとの対話回数(ターン数)も考慮して対話モデルを学習する。そのため、意思推定部5は、ターン数を計測するターンカウンタ5cを備えており、計測したターン数を示すターン数データを対話モデル学習部9に出力する。
Next, the flow of learning the dialogue model in the
先ず、図2に示すように、対話モデル学習部9は、感情推定器5aからユーザの感情を示す感情データ、及び意図推定器5bからユーザが対話装置1に求める意図を示す意図データが入力されると、報酬及びペナルティを付与する(S1〜S3)。
First, as shown in FIG. 2, the dialogue model learning unit 9 inputs emotion data indicating the user's emotion from the emotion estimator 5a and intention data indicating the intention that the user requests from the
ここで、評価点格納部には、報酬の評価点テーブルを示す評価点テーブルデータ、及びペナルティの評価点テーブルを示す評価点テーブルデータが格納されている。図3は、ユーザの意思と応答種別との組み合わせに基づいて予め設定された報酬の評価点を示す評価テーブルである。図4は、ユーザの意思と応答種別との組み合わせに基づいて予め設定されたペナルティの評価点を示す評価テーブルである。 Here, the evaluation point storage unit stores the evaluation point table data indicating the evaluation point table of the reward and the evaluation point table data indicating the evaluation point table of the penalty. FIG. 3 is an evaluation table showing evaluation points of rewards set in advance based on the combination of the user's intention and the response type. FIG. 4 is an evaluation table showing evaluation points of penalties set in advance based on the combination of the user's intention and the response type.
図3に示すように、対話モデル学習部9は、報酬として、ユーザの発話に基づいて推定した当該ユーザの意思と応答出力部8から出力した応答の応答種別との関係に基づいて、「1」、「0」又は「−1」の何れかを付与する。
As shown in FIG. 3, the dialogue model learning unit 9 receives "1" as a reward based on the relationship between the user's intention estimated based on the user's utterance and the response type of the response output from the
また、図4に示すように、対話モデル学習部9は、ペナルティとして、ユーザの発話に基づいて推定した当該ユーザの意思と応答出力部8から出力した応答の応答種別との関係に基づいて、「2」、「1」又は「0」の何れかを付与する。
Further, as shown in FIG. 4, as a penalty, the dialogue model learning unit 9 is based on the relationship between the user's intention estimated based on the user's utterance and the response type of the response output from the
次に、対話モデル学習部9は、ターンカウンタ5cから入力されるターン数データが示すターン数が一定回数(例えば、10ターン)以上か否かを判定する(S4)。例えば、ターンカウンタ5cには、応答選択部7から選択した応答種別を示す応答種別データが入力される。そして、ターンカウンタ5cは、応答選択部7から応答種別データが入力されてから、予め設定された期間内に発話入力部2から音声波形データが入力された場合、ユーザとの対話において1ターン成立したと判定し、ユーザとの対話が開始されてからのターン数を計測(累計)する。なお、ターンカウンタ5cは、予め設定された期間内に発話入力部2から音声波形データが入力されない場合、ユーザとの対話が遮断されたものと判定し、ターン数をリセットする。
Next, the dialogue model learning unit 9 determines whether or not the number of turns indicated by the number of turns data input from the turn counter 5c is a certain number of times (for example, 10 turns) or more (S4). For example, response type data indicating the response type selected from the response selection unit 7 is input to the turn counter 5c. Then, when the voice waveform data is input from the
ターン数が一定回数以上の場合(S4のYES)は、ユーザへの応答が適切で、対話が弾んでいる可能性が高いため、対話モデル学習部9は、報酬として一定値(例えば、20)を加算する(S5)。 When the number of turns is a certain number or more (YES in S4), the response to the user is appropriate and there is a high possibility that the dialogue is bouncing. Therefore, the dialogue model learning unit 9 has a fixed value (for example, 20) as a reward. Is added (S5).
一方、対話モデル学習部9は、ターンカウンタ5cから入力されるターン数データが示すターン数が一定回数未満の場合(S4のNO)、S5をスキップしてS6に移行する。 On the other hand, when the number of turns indicated by the number of turns data input from the turn counter 5c is less than a certain number (NO in S4), the dialogue model learning unit 9 skips S5 and shifts to S6.
次に、対話モデル学習部9は、ペナルティの累計が一定値(例えば、10)以上か否かを判定する(S6)。ペナルティの累計が一定値以上の場合(S6のYES)は、ユーザへの応答が不適切で、対話が弾んでいない可能性が高いため、対話モデル学習部9は、報酬の累計から一定値(例えば、20)を減算する(S7)。 Next, the dialogue model learning unit 9 determines whether or not the cumulative total of penalties is a certain value (for example, 10) or more (S6). If the cumulative penalty is greater than or equal to a certain value (YES in S6), there is a high possibility that the response to the user is inappropriate and the dialogue is not bouncing. Therefore, the dialogue model learning unit 9 has a constant value from the cumulative reward (YES). For example, 20) is subtracted (S7).
一方、ペナルティの累計が一定値未満の場合(S6のNO)、ユーザへの応答が適切である可能性が高いので、S7をスキップしてS8に移行する。 On the other hand, when the cumulative total of penalties is less than a certain value (NO in S6), there is a high possibility that the response to the user is appropriate, so S7 is skipped and the process proceeds to S8.
次に、対話モデル学習部9は、報酬の累計及びペナルティの累計に基づいて、対話モデルにおける応答種別の係数を補正する(S8)。例えば、対話モデル学習部9は、ペナルティの累計に応じて、対話モデルにおいて、推定したユーザの意思に基づいて選択した応答種別に付与されている係数を下げ、報酬の累計に応じて、対話モデルにおいて、推定したユーザの意思に基づいて推定した応答種別に付与されている係数を上げる。 Next, the dialogue model learning unit 9 corrects the coefficient of the response type in the dialogue model based on the cumulative reward and the cumulative penalty (S8). For example, the dialogue model learning unit 9 lowers the coefficient given to the response type selected based on the estimated user's intention in the dialogue model according to the cumulative penalty, and the dialogue model according to the cumulative reward. In, the coefficient given to the estimated response type based on the estimated user's intention is increased.
次に、対話モデル学習部9は、ターンカウンタ5cから入力されるターン数データが示すターン数が学習上限ターン数以上か否かを判定する(S9)。対話モデル学習部9は、ターンカウンタ5cから入力されるターン数データが示すターン数が学習上限ターン数以上の場合(S9のYES)、係数を補正した対話モデルを示す対話モデルデータを対話モデル格納部6に出力する(S10)。対話モデル格納部6は、格納されている対話モデルデータを入力された対話モデルデータに書き換える。これにより、本実施の形態の対話装置1における対話モデルの学習が終了する。
Next, the dialogue model learning unit 9 determines whether or not the number of turns indicated by the number of turns data input from the turn counter 5c is equal to or greater than the upper limit of learning turns (S9). When the number of turns indicated by the number of turns data input from the turn counter 5c is equal to or greater than the upper limit of learning turns (YES in S9), the dialogue model learning unit 9 stores the dialogue model data indicating the coefficient-corrected dialogue model. Output to unit 6 (S10). The dialogue
一方、対話モデル学習部9は、ターンカウンタ5cから入力されるターン数データが示すターン数が学習上限ターン数未満の場合(S9のNO)、S1に移行する。 On the other hand, when the number of turns indicated by the number of turns data input from the turn counter 5c is less than the maximum number of learning turns (NO in S9), the dialogue model learning unit 9 shifts to S1.
このように本実施の形態の対話装置1は、ユーザの意思と、選択した応答種別と、に基づいて評価点を付与し、付与した評価点に基づいて、対話モデルの適否を学習する。そのため、本実施の形態の対話装置1は、ユーザから想定外の発話が行われた場合も、学習を積めば、適切な応答を行うことができる。よって、本実施の形態の対話装置1は、ユーザとの自然な対話を実現することができる。
As described above, the
本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上述の実施の形態では、本発明をハードウェアの構成として説明したが、本発明は、これに限定されるものではない。本発明は、任意の処理を、CPU(Central Processing Unit)にコンピュータプログラムを実行させることにより実現することも可能である。 The present invention is not limited to the above-described embodiment, and can be appropriately modified without departing from the spirit. For example, in the above-described embodiment, the present invention has been described as a hardware configuration, but the present invention is not limited thereto. The present invention can also realize arbitrary processing by causing a CPU (Central Processing Unit) to execute a computer program.
上述の例において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体(例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ)、光磁気記録媒体(例えば光磁気ディスク)、CD−ROM(Read Only Memory)、CD−R、CD−R/W、DVD(Digital Versatile Disc)、BD(Blu-ray(登録商標) Disc)、半導体メモリ(例えば、マスクROM、PROM(Programmable ROM)、EPROM(Erasable PROM)、フラッシュROM、RAM(Random Access Memory))を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体(transitory computer readable medium)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。 In the above example, the program can be stored and supplied to a computer using various types of non-transitory computer readable media. Non-transitory computer-readable media include various types of tangible storage media. Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical disks), CD-ROMs (Read Only Memory), CD-Rs, CD-R / W, DVD (Digital Versatile Disc), BD (Blu-ray (registered trademark) Disc), semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (for example) Random Access Memory)) is included. The program may also be supplied to the computer by various types of transient computer readable media. Examples of temporary computer-readable media include electrical, optical, and electromagnetic waves. The temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
1 対話装置
2 発話入力部
3 音声認識部
4 応答生成部、4a 応答生成器、4a1 QA応答生成器、4a2 共感応答生成器、4a3 不足格質問生成器、4a4 話題誘導生成器、4a5 オウム返し生成器、4a6 相槌生成器
5 意思推定部、5a 感情推定器、5b 意図推定器、5c ターンカウンタ
6 対話モデル格納部
7 応答選択部
8 応答出力部
9 対話モデル学習部
1
Claims (1)
前記ユーザの言葉に基づいて、応答の種類を示す応答種別と関連付けられた応答文を生成する応答生成部と、
前記ユーザの言葉に基づいて、前記ユーザの意思を推定する意思推定部と、
前記ユーザの意思に基づいて前記応答種別に付与された係数である対話モデルを格納した対話モデル格納部と、
前記対話モデルの係数を参照して前記ユーザの意思に対応する応答種別を選択し、出力する応答文を選択する応答選択部と、
前記ユーザの意思と前記応答種別との組み合わせに基づいて予め設定された報酬の評価点及びペナルティの評価点を示す評価テーブルを格納した評価点格納部と、
前記評価テーブルを参照して前記推定したユーザの意思と、前記選択した応答種別と、に基づいて、前記報酬を累積すると共に前記ペナルティを累積し、前記報酬の累積に応じて、前記推定したユーザの意思に基づいて選択した前記応答種別に付与された係数を上げ、前記ペナルティの累積に応じて、前記推定したユーザの意思に基づいて選択した前記応答種別に付与された係数を下げる対話モデル学習部と、
を備える、対話装置。 It is a dialogue device that determines and outputs a response sentence to the input user's words based on the dialogue model.
A response generator that generates a response statement associated with a response type indicating the response type based on the user's words.
An intention estimation unit that estimates the user's intention based on the user's words,
Dialogue model storage unit for storing the interactive model is a coefficient granted prior Symbol response type based on intention of the user,
A response selection unit that selects the response type corresponding to the user's intention by referring to the coefficient of the dialogue model and selects the response statement to be output.
An evaluation point storage unit that stores an evaluation table showing evaluation points of rewards and evaluation points of penalties set in advance based on the combination of the user's intention and the response type.
Based on the estimated user's intention with reference to the evaluation table and the selected response type, the reward is accumulated and the penalty is accumulated, and the estimated user is accumulated according to the accumulation of the reward. Dialogue model learning that increases the coefficient assigned to the response type selected based on the intention of the user and decreases the coefficient assigned to the response type selected based on the estimated user's intention according to the accumulation of the penalties. Department and
A dialogue device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017027331A JP6790894B2 (en) | 2017-02-16 | 2017-02-16 | Dialogue device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017027331A JP6790894B2 (en) | 2017-02-16 | 2017-02-16 | Dialogue device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018132704A JP2018132704A (en) | 2018-08-23 |
JP6790894B2 true JP6790894B2 (en) | 2020-11-25 |
Family
ID=63248811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017027331A Active JP6790894B2 (en) | 2017-02-16 | 2017-02-16 | Dialogue device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6790894B2 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7063779B2 (en) * | 2018-08-31 | 2022-05-09 | 国立大学法人京都大学 | Speech dialogue system, speech dialogue method, program, learning model generator and learning model generation method |
JP7063230B2 (en) | 2018-10-25 | 2022-05-09 | トヨタ自動車株式会社 | Communication device and control program for communication device |
JP7379788B2 (en) * | 2019-07-05 | 2023-11-15 | 株式会社Nttドコモ | Emotion estimation device and emotion estimation system |
CN114490985B (en) * | 2022-01-25 | 2023-01-31 | 北京百度网讯科技有限公司 | Dialogue generation method and device, electronic equipment and storage medium |
-
2017
- 2017-02-16 JP JP2017027331A patent/JP6790894B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018132704A (en) | 2018-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6790894B2 (en) | Dialogue device | |
US11354512B2 (en) | Method and device for generating dialog using trained dialog model | |
JP6635004B2 (en) | Emotion estimation method | |
JP6747318B2 (en) | Dialogue device | |
JP6638435B2 (en) | Personal adaptation method of emotion estimator, emotion estimation device and program | |
JP2017059205A (en) | Subject estimation system, subject estimation method, and program | |
CN105718503A (en) | Voice retrieval apparatus, and voice retrieval method | |
JP6390264B2 (en) | Response generation method, response generation apparatus, and response generation program | |
JP6766675B2 (en) | Voice dialogue device | |
JP2016090775A (en) | Response generation apparatus, response generation method, and program | |
JP6270661B2 (en) | Spoken dialogue method and spoken dialogue system | |
JP6777002B2 (en) | Dialogue device, dialogue method and dialogue program | |
JP6295869B2 (en) | Response generation apparatus, response generation method, and program | |
JP6831110B2 (en) | Conversation support program, conversation support device and conversation support method | |
JP5680584B2 (en) | Comprehension word age table generation device, target age estimation device, method, and program | |
CN107239822B (en) | Information interaction method and system and robot | |
JP6772881B2 (en) | Voice dialogue device | |
JP7278340B2 (en) | Decision device, decision method, and decision program | |
JP5914119B2 (en) | Acoustic model performance evaluation apparatus, method and program | |
JP6176137B2 (en) | Spoken dialogue apparatus, spoken dialogue system, and program | |
TWI657421B (en) | Method, system and non-transitory computer-readable recording medium for supporting listening | |
JP2021149664A (en) | Output apparatus, output method, and output program | |
JP2020119288A (en) | Prompting utterance device, prompting utterance method and program | |
JP5726821B2 (en) | Infant vocabulary understanding time estimation device, method and program | |
WO2021131737A1 (en) | Information processing device, information processing method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191011 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200828 |
|
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: 20201006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201019 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6790894 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |