JP6832502B2 - Agent device, dialogue system, dialogue method and program - Google Patents
Agent device, dialogue system, dialogue method and program Download PDFInfo
- Publication number
- JP6832502B2 JP6832502B2 JP2017012528A JP2017012528A JP6832502B2 JP 6832502 B2 JP6832502 B2 JP 6832502B2 JP 2017012528 A JP2017012528 A JP 2017012528A JP 2017012528 A JP2017012528 A JP 2017012528A JP 6832502 B2 JP6832502 B2 JP 6832502B2
- Authority
- JP
- Japan
- Prior art keywords
- dialogue
- action
- type
- information
- dialogue action
- 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)
Description
本発明は、ユーザと対話して情報処理を行うための対話システムと、この対話システムで用いられるエージェント装置、対話方法及びプログラムに関する。 The present invention relates to a dialogue system for interacting with a user to perform information processing, and an agent device, a dialogue method, and a program used in this dialogue system.
従来、コンピュータ等の装置によりユーザと対話することで必要な情報を特定するシステムが知られている。このシステムでは、ユーザとの対話状態に応じて適切な制御を行う必要がある。特許文献１には、対話状態に応じてＰＯＭＤＰ（部分観測マルコフ決定過程：Partially Observable Markov Decision Process）モデルを用いて行動を決定する技術が開示されている。非特許文献１には、対話行為タイプと行為項目とからなる対話行為について、記載されている。
Conventionally, there is known a system that identifies necessary information by interacting with a user using a device such as a computer. In this system, it is necessary to perform appropriate control according to the state of interaction with the user.
ところで、対話システムにおいて、数千以上の結論を導くような大規模タスクを遂行するためには、効率的に対話状態に対応する制御を行う必要がある。 By the way, in a dialogue system, in order to perform a large-scale task that draws thousands or more conclusions, it is necessary to efficiently perform control corresponding to the dialogue state.
そこで、本発明は、従来の技術より効率的に対話状態に応じた制御を行い得る対話システムを提供する。また、本発明は、その対話システムで用いられるエージェント装置、対話方法、及び、プログラムを提供する。 Therefore, the present invention provides a dialogue system capable of performing control according to the dialogue state more efficiently than the conventional technique. The present invention also provides an agent device, a dialogue method, and a program used in the dialogue system.
上記課題を解決するために本発明の一態様に係るエージェント装置は、ユーザインタフェース処理を行うフロントエンド、及び、情報処理を行うバックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行うエージェント装置であって、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定部と、前記決定部により決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供部とを備え、前記決定部は、前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、前記決定部は、前記提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定し、前記決定部は、観測としての対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定する行動決定部と、前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を前記行動決定部に観測として逐次入力する分離部と、前記行動決定部で決定された対話行為タイプと前記分離部で分離された付帯情報とを合成することで提供用の対話行為を生成する合成部とを有し、前記行動決定部は、行動としての対話行為タイプの前記決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて、行う。 In order to solve the above problems, the agent device according to one aspect of the present invention is composed of a front end that performs user interface processing, a back end that performs information processing, a dialogue action type, and incidental information. An agent device that exchanges and exchanges dialogue actions, which are information in the form of dialogue actions, and a determination unit that determines the dialogue actions to be provided according to the dialogue actions acquired from either the front end or the back end, and the determination. dialog acts for providing determined the that the parts provided with said front-end and providing unit for selectively providing to said one or the other of the back-end, the determination unit may interact in dialogue act for the providing The action type is determined based on the sequence of dialogue action types, not based on the sequence of incidental information, in the dialogue action sequentially acquired from the front end and the set of back ends, and the determination unit determines the dialogue for provision. The dialogue action type in the action is determined based on the series of dialogue action types determined in the past, and the determination unit determines the dialogue action type as an action based on the series of dialogue action types as observations. Dialogue actions are sequentially acquired from the action decision unit and the set of the front end and the back end, and by separating incidental information from the acquired dialogue actions, a series of dialogue action types is sequentially input to the action decision section as observations. It has a separation unit, a synthesis unit that generates a dialogue action for provision by synthesizing a dialogue action type determined by the action determination unit and ancillary information separated by the separation unit, and the action determination unit. Makes the determination of the dialogue action type as an action based on the series of dialogue action types as an action determined in the past .
また、上記課題を解決するために本発明の一態様に係る対話システムは、上述のエージェント装置と、自然言語で表現される情報をユーザとの間で交換する前記フロントエンドと、知識ベースの検索に基づき情報の提供を行う前記バックエンドとを備える。 Further, in order to solve the above problems, the dialogue system according to one aspect of the present invention includes the above-mentioned agent device, the front end for exchanging information expressed in natural language with the user, and a knowledge-based search. It is provided with the back end that provides information based on the above.
また、上記課題を解決するために本発明の一態様に係る対話方法は、自然言語で表現される情報をユーザとの間で交換するフロントエンドと、知識ベースの検索に基づく情報の提供を行うバックエンドと、前記フロントエンド及び前記バックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行うエージェント装置とを含む対話システムにおいて用いられる対話方法であって、前記エージェント装置が、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、前記エージェント装置が、前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供ステップとを含み、前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、前記決定ステップは、前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為における付帯情報と対話行為タイプとを分離する分離サブステップと、前記分離サブステップで分離された対話行為タイプを観測とし、当該観測に基づいて、観測に対応して行動を決定するための基準となる信念状態情報を参照して、行動としての対話行為タイプを決定する行動決定サブステップと、前記行動決定サブステップで決定された対話行為タイプと前記分離サブステップで分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップと、前記分離サブステップで分離された対話行為タイプの系列である観測と、前記行動決定サブステップで決定された対話行為タイプの系列である行動とに応じて前記信念状態情報を更新する更新ステップとを含む。 Further, in order to solve the above problems, the dialogue method according to one aspect of the present invention provides information based on a knowledge-based search and a front end for exchanging information expressed in natural language with a user. It is used in a dialogue system including a back end, each of the front end and the back end, and an agent device that exchanges dialogue actions, which is information in a predetermined dialogue action format composed of a dialogue action type and incidental information. In the dialogue method, a determination step in which the agent device determines a dialogue action for provision according to a dialogue action acquired from one of the front end and the back end, and the agent device determines in the determination step. It has been a dialogue act for the offer, and a providing step of selectively providing to said one or the other of the front end and the back end, a dialogue act type of dialogue act for the offer by the determining step, In the dialogue action sequentially acquired from the front end and the back end set, the decision is made based on the dialogue action type series, not based on the incidental information series, and the determination step is the set of the front end and the back end. The dialogue action is sequentially acquired from, and the separation sub-step that separates the incidental information and the dialogue action type in the acquired dialogue action and the dialogue action type separated by the separation sub-step are observed, and the observation is based on the observation. The action decision substep that determines the dialogue action type as an action, the dialogue action type determined in the action determination substep, and the above, with reference to the belief state information that serves as a reference for determining the action in response to A synthetic substep that generates a dialogue action for provision by synthesizing incidental information separated in the separation substep, an observation that is a series of dialogue action types separated in the separation substep, and the action determination sub. Includes an update step that updates the belief state information in response to an action that is a sequence of dialogue action types determined in the step .
また、上記課題を解決するために本発明の一態様に係るプログラムは、ユーザインタフェース処理を行うフロントエンド、及び、情報処理を行うバックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行う対話制御処理を、コンピュータに実行させるためのプログラムであって、前記対話制御処理は、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供ステップとを含み、前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、前記決定ステップでは、前記提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定し、前記決定ステップは、観測としての対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定する行動決定サブステップと、前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を前記行動決定部に観測として逐次入力する分離サブステップと、前記行動決定部で決定された対話行為タイプと前記分離部で分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップとを含み、前記行動決定サブステップでは、行動としての対話行為タイプの前記決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて、行う。 Further, in order to solve the above problems, the program according to one aspect of the present invention is composed of a front end that performs user interface processing, a back end that performs information processing, an interaction type, and incidental information. A program for causing a computer to execute a dialogue control process for giving and receiving a dialogue action, which is information in a predetermined dialogue action format, and the dialogue control process is a dialogue action acquired from one of the front end and the back end. A decision step for determining a dialogue act for provision according to the above , and a provision step for selectively providing the dialogue act for provision determined in the determination step to one or the other of the front end and the back end. In the determination step, the dialogue action type in the dialogue action for provision is changed to the dialogue action type series in the dialogue action sequentially acquired from the front end and the back end set, not based on the sequence of incidental information. Based on the decision , the decision step determines the dialogue type in the providing dialogue action based on the series of dialogue action types determined in the past, and the decision step determines the dialogue action as an observation. To sequentially acquire dialogue actions from the action determination substep that determines the dialogue action type as an action based on the type sequence and the set of the front end and the back end, and separate the incidental information from the acquired dialogue actions. Provided by synthesizing a separation substep in which a sequence of dialogue action types is sequentially input to the action determination unit as an observation, and an incidental information separated by the dialogue action type determined by the action determination unit and the separation unit. Including a synthetic substep that generates a dialogue action for, the action determination substep makes the determination of the dialogue action type as an action based on a series of dialogue action types as a previously determined action. ..
本発明によれば、対話状態に応じた制御が効率的に行われ得る。 According to the present invention, control according to the dialogue state can be efficiently performed.
（本発明の基礎となった知見等）
専門知識が豊富な専門家と専門知識が乏しい一般者とが対話により情報を交換することで、両者の納得する結論としての情報を特定するタスクが遂行される場面は多い。このようなタスクの一例としては、例えば、医者と患者との間で行われる問診が挙げられる。問診では、専門知識はあるが患者の自覚症状についての情報がない医者と、専門知識は乏しいが自分の症状についての情報を、問いかけに答えることで或いは自ら発することで、提供できる患者との間で、対話によって手掛りとなる情報の量を増やして結論（診断結果）に反映する。この問診等といった、一般者であるユーザとの対話により結論としての情報を特定するタスクを、コンピュータ等の機械を用いて遂行する対話システムが検討されている。例えばＰＯＭＤＰモデルによる対話制御では、音声認識、言語理解等のエラーを含んだ不確実な入力を扱うことができ、ユーザに対する確認行為等を過不足なく行うための行動選択の最適化が期待できる。
(Knowledge that became the basis of the present invention, etc.)
By exchanging information through dialogue between experts with abundant expertise and the general public with little expertise, there are many situations in which the task of identifying information as a convincing conclusion is carried out. An example of such a task is an interview conducted between a doctor and a patient. Interviews are between doctors who have expertise but no information about the patient's subjective symptoms and patients who have little expertise but can provide information about their symptoms by answering questions or by issuing their own. Then, increase the amount of information that can be used as a clue through dialogue and reflect it in the conclusion (diagnosis result). A dialogue system is being studied in which a task of identifying information as a conclusion through dialogue with a general user, such as this interview, is performed using a machine such as a computer. For example, in the dialogue control by the POMDP model, it is possible to handle uncertain input including errors such as voice recognition and language comprehension, and optimization of action selection for performing confirmation action to the user without excess or deficiency can be expected.
しかし、問診の例では、問診の結論（診断結果）となり得る病気の候補の数は、数千以上に及ぶ。つまり、患者から得られた情報に基づき、病気の候補を特定するプロセスを状態の遷移として表すには、論理的な条件分岐と結論とを含めて数千以上の状態が必要となる。対話制御に必要な状態（対話状態）の数が数千以上と多くなると、対話制御におけるユーザに対する確認行為等の行動選択の最適化のための演算負荷が増大し、対話制御のために例えば大規模なコンピュータリソースが必要となり得る。これまで、小規模の対話制御で大規模のタスクを遂行するための技術について検討がなされていなかった。 However, in the case of the interview, the number of disease candidates that can be the conclusion (diagnosis result) of the interview is more than thousands. In other words, in order to represent the process of identifying disease candidates as state transitions based on the information obtained from patients, thousands or more states including logical conditional branching and conclusions are required. When the number of states (dialogue states) required for dialogue control increases to several thousand or more, the calculation load for optimizing action selection such as confirmation action for the user in dialogue control increases, and for example, it is large for dialogue control. Large computer resources may be required. So far, no studies have been made on techniques for performing large-scale tasks with small-scale interactive control.
そこで、小規模の対話システムにおいて大規模のタスクの遂行を可能にすべく、本願発明者らは、対話制御に係る対話状態の数を減らす方式を着想した。そして、その方式を用いて、対話状態の数を減らすことで、従来の技術より効率的に対話状態に対する制御を行い得る対話システムを提供する。また、その対話システムの一部であるエージェント装置、対話方法、及び、プログラムを提供する。 Therefore, in order to enable the performance of a large-scale task in a small-scale dialogue system, the inventors of the present application have conceived a method of reducing the number of dialogue states related to dialogue control. Then, by using this method and reducing the number of dialogue states, a dialogue system capable of controlling the dialogue states more efficiently than the conventional technique is provided. It also provides an agent device, a dialogue method, and a program that are part of the dialogue system.
本発明の一態様に係るエージェント装置は、ユーザインタフェース処理を行うフロントエンド、及び、情報処理を行うバックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行うエージェント装置であって、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定部と、前記決定部により決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの一方へ提供する提供部とを備え、前記決定部は、前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定する。ここで付帯情報は上述の行為項目に相当する。この構成によると、対話行為から付帯情報を除いた対話行為タイプの系列に基づいて行動を決定する。このため、対話行為のバリエーションが多くなる要因となる付帯情報を除いて、対話行為タイプの系列から行動を決定するので、対話状態の数の低減化が可能となる。この結果として、強化学習により行動選択の最適化を行う場合における最適化の負荷が抑えられ、最適化が容易となり得る。これにより、例えば小規模の対話システムにおいて大規模のタスクを遂行可能なように、効率的に対話状態に応じた制御を行うことができるようになる。 The agent device according to one aspect of the present invention is information in a predetermined dialogue action format composed of a front end that performs user interface processing, a back end that performs information processing, and a dialogue action type and incidental information. An agent device for exchanging and receiving dialogue acts, a determination unit that determines a dialogue act for provision according to a dialogue act acquired from either the front end or the back end, and the provision determined by the determination unit. The decision unit includes a providing unit that provides the dialogue action for the front end and the back end, and the determination unit sets the dialogue action type in the providing dialogue action to the front end and the back end. The decision is made based on the series of dialogue action types, not based on the series of incidental information in the dialogue actions sequentially acquired from. Here, the incidental information corresponds to the above-mentioned action item. According to this configuration, the action is determined based on the series of dialogue action types excluding incidental information from the dialogue action. For this reason, the number of dialogue states can be reduced because the action is determined from the series of dialogue action types, excluding the incidental information that causes many variations of the dialogue action. As a result, the load of optimization when the action selection is optimized by reinforcement learning can be suppressed, and the optimization can be facilitated. As a result, for example, in a small-scale dialogue system, it becomes possible to efficiently perform control according to the dialogue state so that a large-scale task can be performed.
また、例えば、前記決定部は、前記提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定することとしてもよい。これにより、エージェント装置は、観測及び行動としての対話行為タイプの系列から行動を適切に決定し得るようになる。 Further, for example, the determination unit may determine the dialogue action type in the dialogue action for provision based on the series of dialogue action types determined in the past. This allows the agent device to appropriately determine actions from a series of dialogue action types as observations and actions.
また、前記決定部は、観測としての対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定する行動決定部と、前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を前記行動決定部に観測として逐次入力する分離部と、前記行動決定部で決定された対話行為タイプと前記分離部で分離された付帯情報とを合成することで提供用の対話行為を生成する合成部とを有し、前記行動決定部は、行動としての対話行為タイプの前記決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて、行うこととしてもよい。これにより、エージェント装置は取得した対話行為における付帯情報を、提供する対話行為のために利用でき、行動決定部においては付帯情報に依らずに行動としての対話行為タイプを決定し得るようになる。 In addition, the decision unit sequentially acquires dialogue actions from the action decision unit that determines the dialogue action type as an action, and the set of the front end and the back end, based on the series of dialogue action types as observations. By separating the incidental information from the acquired dialogue action, the dialogue action type series is sequentially input to the action decision unit as an observation, and the dialogue action type determined by the action decision section and the separation section are separated. It has a synthesis unit that generates a dialogue action for provision by synthesizing the incidental information, and the action determination unit determines the dialogue action type as an action, and the dialogue action as an action determined in the past. It may be done based on the series of types. As a result, the agent device can use the acquired incidental information in the dialogue act for the dialogue act to be provided, and the action determination unit can determine the dialogue act type as an action without depending on the incidental information.
また、前記行動決定部は、ＰＯＭＤＰ（Partially Observable Markov Decision Process）モデルに基づいて行動を決定することとしてもよい。これにより、強化学習により行動選択の最適化を行うことができる。 In addition, the action decision-making unit may decide the action based on the POMDP (Partially Observable Markov Decision Process) model. As a result, the action selection can be optimized by reinforcement learning.
また、前記観測としての対話行為タイプは、予め定められた複数の対話行為タイプ値のいずれかを表し、前記行動としての対話行為タイプは、前記フロントエンドに向けた第１種の対話行為タイプ値と前記バックエンドに向けた第２種の対話行為タイプ値とに区別される予め定められた複数の対話行為タイプ値のいずれかを表し、前記提供部は、前記決定部により決定された提供用の対話行為における対話行為タイプが第１種及び第２種のいずれの対話行為タイプ値を表すかに基づいて、前記フロントエンド及び前記バックエンドのうち当該対話行為の提供先を選択し、選択した提供先へ当該対話行為を提供することとしてもよい。これにより、エージェント装置は、ユーザ向けのフロントエンドへの対話行為の提供のみならず、対話行為タイプによって区別してバックエンドへの対話行為の提供も行える。
Further, the dialogue action type as the observation represents one of a plurality of predetermined dialogue action type values, and the dialogue action type as the action is a
また、前記付帯情報はキーワードを表すこととしてもよい。これにより、多様な情報を表し得るキーワード（付帯情報）を用いた多様な対話が可能となるにも関わらず、対話行為から付帯情報を除いた対話行為タイプに基づいて行動を決定するので、対話状態の数の低減化が可能となる。 Further, the incidental information may represent a keyword. As a result, although various dialogues using keywords (incidental information) that can represent various information are possible, the action is determined based on the dialogue act type excluding the incidental information from the dialogue act. It is possible to reduce the number of states.
また、本発明の一態様に係る対話システムは、上述のエージェント装置と、自然言語で表現される情報をユーザとの間で交換する前記フロントエンドと、知識ベースの検索に基づき情報の提供を行う前記バックエンドとを備える。これにより、例えば、症状についての質問により病気を特定する問診タスク等といった専門知識を必要とするタスクを、実現し得る。そして、このようなタスクのための対話（つまり対話行為の授受）において、対話行為のバリエーションが多くなる要因となる付帯情報を除いて、対話行為タイプの系列から行動を決定するので、対話状態の数の低減化が可能となる。 Further, the dialogue system according to one aspect of the present invention provides information based on the above-mentioned agent device, the front end for exchanging information expressed in natural language with a user, and a knowledge-based search. It includes the back end. Thereby, for example, a task requiring specialized knowledge such as a medical inquiry task for identifying a disease by asking a question about a symptom can be realized. Then, in the dialogue for such a task (that is, the transfer of the dialogue act), the action is determined from the sequence of the dialogue act type, except for the incidental information that causes many variations of the dialogue act, so that the dialogue state The number can be reduced.
また、例えば、前記付帯情報は前記知識ベースの検索のために利用可能なキーワードを表し、前記バックエンドは、前記エージェント装置から取得した対話行為における付帯情報が表すキーワードを用いて前記知識ベースの検索処理を行い、検索処理の結果に基づいて生成した対話行為を前記エージェント装置に提供することとしてもよい。これにより、知識ベースの検索に利用可能な、ユーザから取得されるキーワードが多様であっても、対話状態の数の低減化が可能となり、例えば強化学習によって行動選択（対話行為の選択）の最適化等が容易に行えるようになり得る。 Further, for example, the incidental information represents a keyword that can be used for the knowledge base search, and the back end uses the keyword represented by the incidental information in the dialogue act acquired from the agent device to search the knowledge base. The processing may be performed, and the dialogue action generated based on the result of the search processing may be provided to the agent device. This makes it possible to reduce the number of dialogue states even if the keywords obtained from the user are diverse, which can be used for knowledge-based search. For example, reinforcement learning is used to optimize action selection (selection of dialogue action). It can be easily converted.
また、前記バックエンドは、前記知識ベースの検索処理の結果が充分に絞り込まれたか否かを判定し、充分に絞り込まれたと判定した場合には当該結果を表す対話行為を前記エージェント装置に提供し、充分に絞り込まれていないと判定した場合には前記検索処理の結果を絞り込むために有効なキーワードを表す対話行為を前記エージェント装置に提供することとしてもよい。これにより、所望の情報を特定するための絞込みを対話的に行えるようになり得る。 Further, the back end determines whether or not the result of the knowledge-based search process is sufficiently narrowed down, and if it is determined that the result is sufficiently narrowed down, provides the agent device with an action of dialogue representing the result. If it is determined that the search process is not sufficiently narrowed down, the agent device may be provided with an action of dialogue representing a keyword effective for narrowing down the result of the search process. As a result, it may be possible to interactively narrow down the information to identify the desired information.
また、本発明の一態様に係る対話方法は、自然言語で表現される情報をユーザとの間で交換するフロントエンドと、知識ベースの検索に基づく情報の提供を行うバックエンドと、前記フロントエンド及び前記バックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行うエージェント装置とを含む対話システムにおいて用いられる対話方法であって、前記エージェント装置が、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、前記エージェント装置が、前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの一方へ提供する提供ステップとを含み、前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定する。これにより、対話行為のバリエーションが多くなる要因となる付帯情報を除いて、対話行為タイプの系列から行動を決定するので、対話状態の数の低減化が可能となり、効率的に対話状態に応じた制御を行うことができるようになる。 Further, the dialogue method according to one aspect of the present invention includes a front end for exchanging information expressed in natural language with a user, a back end for providing information based on a knowledge base search, and the front end. A dialogue method used in a dialogue system including each of the backends and an agent device that exchanges dialogue actions, which is information in a predetermined dialogue action format composed of a dialogue action type and incidental information. A decision step in which the agent device determines a dialogue action for provision according to a dialogue action acquired from one of the front end and the back end, and a decision step in which the agent device determines the dialogue action for provision determined in the determination step. Including a providing step of providing an action to one of the front end and the back end, the determination step sequentially acquires the dialogue action type in the providing dialogue action from the set of the front end and the back end. The decision is made based on the series of dialogue type, not based on the series of incidental information in the dialogue. As a result, the action is determined from the series of dialogue action types, excluding the incidental information that causes many variations of the dialogue action, so that the number of dialogue states can be reduced and the dialogue state can be efficiently adjusted. You will be able to control.
また、例えば、前記決定ステップは、前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為における付帯情報と対話行為タイプとを分離する分離サブステップと、前記分離サブステップで分離された対話行為タイプを観測とし、当該観測に基づいて、観測に対応して行動を決定するための基準となる信念状態情報を参照して、行動としての対話行為タイプを決定する行動決定サブステップと、前記行動決定サブステップで決定された対話行為タイプと前記分離サブステップで分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップと、前記分離サブステップで分離された対話行為タイプの系列である観測と、前記行動決定サブステップで決定された対話行為タイプの系列である行動とに応じて前記信念状態情報を更新する更新ステップとを含むこととしてもよい。これにより、付帯情報を用いずに対話行為タイプの系列によって効率的に信念状態を更新し得る。 Further, for example, the determination step sequentially acquires a dialogue action from the front end and the back end set, and separates the incidental information and the dialogue action type in the acquired dialogue action, and the separation substep. The dialogue action type separated by is used as an observation, and based on the observation, the action decision to determine the dialogue action type as an action is made by referring to the belief state information that is the reference for determining the action in response to the observation. A synthetic sub-step that generates a dialogue action for provision by synthesizing a sub-step, a dialogue action type determined in the action determination sub-step, and ancillary information separated in the separation sub-step, and the separation sub-step. It may also include an observation that is a sequence of dialogue action types separated in, and an update step that updates the belief state information according to an action that is a sequence of dialogue action types determined in the action determination substep. Good. As a result, the belief state can be efficiently updated by the dialogue type series without using incidental information.
また、本発明の一態様に係るプログラムは、ユーザインタフェース処理を行うフロントエンド、及び、情報処理を行うバックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行う対話制御処理を、コンピュータに実行させるためのプログラムであって、前記対話制御処理は、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの一方へ提供する提供ステップとを含み、前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定する。このプログラムをコンピュータにインストールすれば、コンピュータが対話エージェントとしての装置として機能し、対話行為のバリエーションが多くなる要因となる付帯情報を除いて、対話行為タイプの系列から行動を決定するので、対話状態の数の低減化が可能となる。これにより、強化学習により行動選択の最適化を行う場合における最適化の負荷が抑えられ、最適化が容易となり得る。 Further, the program according to one aspect of the present invention includes information in a predetermined dialogue action format composed of a front end that performs user interface processing, a back end that performs information processing, and a dialogue action type and incidental information. A program for causing a computer to execute a dialogue control process for giving and receiving a certain dialogue action, and the dialogue control process is a dialogue for providing according to a dialogue action acquired from one of the front end and the back end. The decision step includes a decision step for determining an action and a provision step for providing the offer dialogue action determined in the decision step to one of the front end and the back end, and the decision step includes the offer dialogue. The dialogue action type in the action is determined not based on the series of incidental information but based on the series of dialogue action types in the dialogue action sequentially acquired from the front end and the set of the back ends. If this program is installed on the computer, the computer functions as a device as a dialogue agent, and the action is determined from the series of dialogue action types, except for the incidental information that causes many variations of the dialogue action. It is possible to reduce the number of. As a result, the load of optimization when optimizing the action selection by reinforcement learning can be suppressed, and the optimization can be facilitated.
なお、これらの包括的又は具体的な態様は、システム、方法、集積回路、コンピュータプログラム又はコンピュータで読み取り可能なＣＤ−ＲＯＭ等の記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム又は記録媒体の任意な組み合わせで実現されてもよい。 It should be noted that these comprehensive or specific embodiments may be realized by a system, a method, an integrated circuit, a computer program, or a recording medium such as a computer-readable CD-ROM, and the system, method, integrated circuit, computer. It may be realized by any combination of programs or recording media.
以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の包括的又は具体的な一例を示すものである。以下の実施の形態で示される数値、形状、構成要素、構成要素の配置、ステップ、ステップの順序等は、一例であって本発明を限定するものではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意に付加可能な構成要素である。また、各図は、模式図であり、必ずしも厳密に図示されたものではない。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. It should be noted that all of the embodiments described below show a comprehensive or specific example of the present invention. The numerical values, shapes, components, arrangement of components, steps, order of steps, etc. shown in the following embodiments are examples and do not limit the present invention. Further, among the components in the following embodiments, the components not described in the independent claims are components that can be arbitrarily added. Further, each figure is a schematic view and is not necessarily exactly illustrated.
（提供するサービスの全体像）
まず、本実施の形態における対話システムが提供するサービスの態様について説明する。
(Overview of services provided)
First, an aspect of the service provided by the dialogue system in the present embodiment will be described.
図１Ａは、本実施の形態における対話システム１０が提供するサービスの態様の一例を示す図である。対話システム１０は、グループ１１００、データセンタ運営会社１１１０及びサービスプロバイダ１１２０を備える。
FIG. 1A is a diagram showing an example of a mode of service provided by the
グループ１１００は、例えば企業、団体又は家庭等の施設（例えばビルディング、住宅等）であり、その規模を問わない。グループ１１００は、機器１１０１及びホームゲートウェイ１１０２を備える。機器１１０１は、ユーザと何らかの方法で情報を交換するためのユーザインタフェースを有する。機器１１０１は、例えば、インターネットと接続可能な機器（例えば、スマートフォン、パーソナルコンピュータ（ＰＣ）、テレビ等）である。なお、機器１１０１は、それ自身ではインターネットと接続不可能な機器（例えば、洗濯機、冷蔵庫等）であってもよく、ホームゲートウェイ１１０２を介してインターネットと接続可能となる機器であってもよい。なお、ホームゲートウェイ１１０２が必要ない場合もある。ユーザ１０１０は、機器１１０１を使用する。機器１１０１が、インターネットに無線接続可能で携帯可能な機器（例えばスマートフォン、ノートＰＣ等）であってもよく、この場合には、ユーザ１０１０及び機器１１０１は、必ずしもグループ１１００内に所在していなくてもよい。なお、機器１１０１は、１台の機器に限られず、機器１１０１が、複数台の機器により構成されているとしてもよい。
データセンタ運営会社１１１０は、クラウドサーバ１１１１を備える。クラウドサーバ１１１１は、インターネットを介して様々な機器と連携するコンピュータであり、例えば仮想化サーバである。クラウドサーバ１１１１は、例えば、通常のデータベース管理ツール等で扱うことが困難な巨大なデータ（ビッグデータ）等を管理する。データセンタ運営会社１１１０は、データの管理、クラウドサーバ１１１１の管理等を行っている。なお、データセンタ運営会社１１１０は、データの管理又はクラウドサーバ１１１１の管理のみを行っている管理会社に限られず、他の事業を併せて行っている会社であってもよく、例えば、機器１１０１を開発又は製造している機器メーカであってもよい。また、データセンタ運営会社１１１０は一つの会社に限られず、例えば、図１Ｂに示すように、機器メーカ及び管理会社が共同又は分担してデータの管理又はクラウドサーバ１１１１の管理を行っている場合は、機器メーカ及び管理会社の両者がデータセンタ運営会社１１１０に該当し得る。
The data
サービスプロバイダ１１２０は、サーバ１１２１を備える。サーバ１１２１は、例えば１台又は複数台のコンピュータで実現され、その規模は問わず、記憶媒体として大容量のハードディスク等のストレージを備えてもよいし、例えば、ＰＣ内のメモリ等しか備えていなくてもよい。なお、サーバ１１２１が必ずしも記憶媒体を備えていなくてもよい。
次に、上述の態様の対話システム１０における情報の流れを説明する。
Next, the flow of information in the
まず、グループ１１００の機器１１０１は、ユーザインタフェースを介して取得した入力情報を、直接或いはホームゲートウェイ１１０２を介してデータセンタ運営会社１１１０のクラウドサーバ１１１１に送信する。機器１１０１においてユーザ１０１０による入力情報の入力に用いられるユーザインタフェースは、例えば、キーボード、タッチパネル、或いは、既存の音声認識技術を用いた音声入力装置等である。クラウドサーバ１１１１は、機器１１０１からの入力情報を取得する。
First, the
次に、データセンタ運営会社１１１０のクラウドサーバ１１１１は、機器１１０１からの入力情報に基づく情報をサービスプロバイダ１１２０のサーバ１１２１に送信する。この入力情報に基づく情報は、入力情報の少なくとも一部と同一の情報を含むものであっても、その同一の情報を含まず入力情報に対して演算等の処理を施した結果としての情報であってもよい。また、この入力情報に基づく情報の送信の単位は、いかなる単位であってもよい。サーバ１１２１は、クラウドサーバ１１１１からの情報を取得する。
Next, the
そして、サービスプロバイダ１１２０のサーバ１１２１は、クラウドサーバ１１１１からの情報に対応して、ユーザへの提供用の情報を特定して、その提供用の情報をユーザ１０１０に提供すべく、クラウドサーバ１１１１に送信する。クラウドサーバ１１１１は、サーバ１１２１からの提供用の情報を機器１１０１に転送する又はその提供用の情報に対して演算等の処理を施した結果としての情報を機器１１０１に送信する。これにより、機器１１０１のユーザインタフェースからユーザ１０１０に情報が提供される。機器１１０１においてユーザ１０１０への情報の提供に用いられるユーザインタフェースは、例えば、ディスプレイ、或いは、既存の音声合成技術を用いた音声出力装置等である。
Then, the
なお、サーバ１１２１が、クラウドサーバ１１１１を介さずに機器１１０１と通信を行うことで、ユーザ１０１０からの入力情報の取得、及び、提供用の情報の提供を行うこととしてもよい。また、対話システム１０は、上述した例と異なる態様であってもよい。例えば、対話システム１０において、データセンタ運営会社１１１０及びサービスプロバイダ１１２０を省いてもよく、機器１１０１がユーザから取得した入力情報に基づいて、提供用の情報を特定して、その提供用の情報をユーザに提供してもよい。
Note that the
（実施の形態１）
（構成）
以下、一例としてＰＯＭＤＰモデルを用いた対話システム１０においてユーザと情報を交換する対話方法を行うための構成について説明する。
(Embodiment 1)
(Constitution)
Hereinafter, as an example, a configuration for performing a dialogue method for exchanging information with a user in the
一般的に、ＰＯＭＤＰモデルは、状態の集合Ｓと、行動の集合Ａと、観測の集合Ｚと、状態遷移行列Ｔと、観測行列Ｏと、報酬行列Ｒと、信念状態の初期状態Ｂ０というモデル要素で定義される。ある環境内でエージェントが現在の状態を観測して取るべき行動を決定するＰＯＭＤＰモデルを用いた従来の対話システムでは、ユーザを環境、システム（コンピュータシステム）をエージェントと対応づけ、ユーザの対話行為を観測とし、システムの対話行為を行動とみなす。これに対して、対話システム１０では、１つのエージェントと２つの環境という構造でのモデル化を行う。
In general, the POMDP model is a model of a set of states S, a set of actions A, a set of observations Z, a state transition matrix T, an observation matrix O, a reward matrix R, and an initial state B0 of a belief state. Defined by the element. In a conventional dialogue system that uses a POMDP model in which an agent observes the current state and decides an action to be taken in a certain environment, the user is associated with the environment and the system (computer system) is associated with the agent, and the user's dialogue is performed. It is an observation, and the dialogue of the system is regarded as an action. On the other hand, in the
図２は、対話システム１０の概略構成図である。
FIG. 2 is a schematic configuration diagram of the
図２に示すように、対話システム１０は、エージェント２００１と、第１の環境としてのフロントエンド２００２と、第２の環境としてのバックエンド２００５と、知識ベース２０６とを備える。
As shown in FIG. 2, the
エージェント２００１は、対話エージェントとしての装置（エージェント装置）である。エージェント２００１は、例えば、プロセッサ（マイクロプロセッサ）、メモリ等を備えるコンピュータに実装され得る。具体的には、例えば、メモリに格納されたプログラムをプロセッサが実行すること等によりエージェント２００１の機能が実現され得る。エージェント２００１は、フロントエンド２００２とバックエンド２００５との間で対話行為の交換を仲介する。即ち、エージェント２００１は、フロントエンド２００２及びバックエンド２００５の各々と、対話行為の授受を行う。対話行為は、対話行為タイプと付帯情報とで構成される所定形式（所定対話行為形式）の情報である。
The
フロントエンド２００２は、ユーザインタフェース処理を行う装置であり、自然言語で表現される情報をユーザとの間で交換する。フロントエンド２００２は、例えば、エージェント２００１と同一又は別のコンピュータに実装され得る。例えば、コンピュータのユーザインタフェース、及び、コンピュータのメモリに格納されたプログラムを実行するプロセッサ等により、フロントエンド２００２の機能が実現され得る。
The
バックエンド２００５は、検索処理等の情報処理を行う装置であり、知識ベース２０６への問い合わせ（検索処理）に基づく情報の提供を含む知識処理を行う。バックエンド２００５は、例えば、エージェント２００１と同一又は別のコンピュータに実装され得る。例えば、コンピュータの通信インタフェース、及び、コンピュータのメモリに格納されたプログラムを実行するプロセッサ等により、バックエンド２００５の機能が実現され得る。
The
エージェント２００１と、フロントエンド２００２及びバックエンド２００５の各々とが、互いに離れた複数の装置で実現される場合には、エージェント２００１と、フロントエンド２００２及びバックエンド２００５の各々とは直接又は他装置を介して通信する。
When the
知識ベース２０６は、情報を保持する装置であり、例えば、情報を表すデータを構造化して管理するデータベース管理装置である。知識ベース２０６は、例えば、バックエンド２００５と同一又は別のコンピュータに実装され得る。例えば、コンピュータにおけるメモリ、ハードディスク等の記憶媒体等によって知識ベース２０６が実現され得る。問診タスクを遂行するための対話システム１０においては、知識ベース２０６は、問診タスクの遂行に有用な情報（例えば症状と病気とに関連する情報）を保持している。知識ベース２０６は複数台の装置で構成されていてもよい。
The
図２では、問診タスクを遂行するための対話システム１０における対話行為を例示している。観測２００３は、フロントエンド２００２からエージェント２００１が取得する対話行為の例である。観測２００６は、バックエンド２００５からエージェント２００１が取得する対話行為の例である。行動２００４は、エージェント２００１がフロントエンド２００２へ提供する対話行為の例である。また、行動２００７は、エージェント２００１がバックエンド２００５へ提供する対話行為の例である。観測２００３、観測２００６、行動２００４、及び、行動２００７は、いずれも所定対話行為形式の情報（対話行為）の例である。この例での文字列情報の対話行為において、括弧より前の部分（例えば「Provide」、「Confirm」等）が対話行為タイプであり、括弧内の部分（例えば「めまい」、「頭痛」等）が付帯情報である。対話行為タイプは、例えば、予め定められた「Provide」、「Confirm」、「Check」、「push」等といった複数の値（対話行為タイプ値）のいずれかを表し、対話行為タイプ値は例えば文字列で表される。この例では対話行為タイプ値を、英単語で表現しているがこれは一例に過ぎず、いかなる言語或いは規則に基づいて表現してもよい。付帯情報は、例えば、キーワードを示す文字列情報である。
FIG. 2 illustrates a dialogue action in the
対話システム１０においては、エージェント２００１と、フロントエンド２００２及びバックエンド２００５の集合との間で授受される対話行為の系列に対応して、タスクが遂行される。問診タスクの例では、ユーザから対話的にフロントエンド２００２を介してエージェント２００１に収集された情報に基づき、バックエンド２００５で病気の特定が行われる。
In the
以下、エージェント２００１、フロントエンド２００２、及び、バックエンド２００５の、より詳細な構成について説明する。
Hereinafter, more detailed configurations of the
図２に示すように、フロントエンド２００２は、ユーザインタフェース処理に係る入力処理部２０１と出力処理部２０８とを備える。エージェント２００１は、決定部２００と提供部２０５とを備える。バックエンド２００５は知識処理部２０７を備える。
As shown in FIG. 2, the
決定部２００は、フロントエンド２００２及びバックエンド２００５の一方から取得した対話行為に応じて、フロントエンド２００２及びバックエンド２００５の一方への提供用の対話行為を決定する機能を担う。この機能を実現すべく決定部２００は、分離部２０２と行動決定部２０３と合成部２０４とを備える。なお、決定部２００は、提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定するように構成され得る。
The
入力処理部２０１は、例えば、キーボード、タッチパネル、或いは、音声入力装置等のユーザインタフェース等によるユーザからの入力である自然言語表現（文字列）を既存の自然言語処理技術（例えば言語理解技術）により対話行為に変換し、対話行為に信頼度を付けて出力する。これにより、対話行為及び信頼度が分離部２０２により取得される。入力処理部２０１は、ユーザの入力が音声である場合に入力された音声を音声認識技術により文字化する前処理を行うこととしてもよい。
The
分離部２０２は、フロントエンド２００２の入力処理部２０１或いはバックエンド２００５の知識処理部２０７から取得した対話行為を、対話行為タイプと付帯情報とに分離する。例えば、対話行為「Provide（頭痛）」は、対話行為タイプ「Provide」と付帯情報「頭痛」とに分離される。分離部２０２は、分離した対話行為タイプを行動決定部２０３に入力する。即ち、分離部２０２は、フロントエンド２００２及びバックエンド２００５の集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を行動決定部２０３に観測として逐次入力する。また、分離部２０２は、分離した付帯情報を合成部２０４へ入力する。
The
行動決定部２０３は、ＰＯＭＤＰモデルを用いた既存の行動決定技術により、観測として逐次入力される対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定して出力する。行動決定部２０３により例えば、対話行為タイプ「push」が決定され、出力される。ＰＯＭＤＰモデルで参照される方策（policy）の学習には既存の技術を利用し得る。なお、ＰＯＭＤＰで扱う状態の確率分布（信念状態とも称する）が、０か１の値しかとらないケースでは、モデルをＭＤＰ（マルコフ決定過程：Markov Decision Process）モデルとみなすことができる。つまり行動決定部２０３による行動の決定には、ＭＤＰモデルによるものも含まれる。これらのモデル（ＰＯＭＤＰモデル、ＭＤＰモデル）では、選択的な行動決定のために参照される方策の最適化を、強化学習（Reinforcement Learning）によって行うことができる。なお、行動決定部２０３では、観測に基づいて、信念状態及び方策を参照して、行動を決定する。行動決定部２０３は、この信念状態を示す情報としての信念状態情報を保持しており、観測と決定した行動とに応じて信念状態情報を更新し得る。また、行動決定部２０３は、決定した行動としての対話行為タイプの履歴を保持してもよい。そして、行動決定部２０３は、行動としての対話行為タイプの決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて行うこととしてもよい。
The
合成部２０４は、分離部２０２で分離された対話行為タイプに基づいて行動決定部２０３で決定されて出力された対話行為タイプと、分離部２０２で分離された付帯情報とを合成することで、提供用の対話行為を生成して出力する。合成部２０４により、例えば、対話行為「push（頭痛）」が出力される。
The
提供部２０５は、決定部２００により決定された提供用の対話行為を、フロントエンド２００２及びバックエンド２００５の一方へ提供する機能を担う。提供部２０５は、合成部２０４から出力された対話行為の出力先となる環境を、フロントエンド２００２及びバックエンド２００５のいずれかに切り替え得る。具体的には、提供部２０５は、提供用の対話行為の出力先を、出力処理部２０８にすべきか、知識処理部２０７にすべきかを、対話行為の出力先を区別するために予め定められた基準に基づいて判定する。予め定め得られた基準は、例えば、対話行為の先頭の文字が大文字か小文字かにより出力先を区別する基準である。提供部２０５は、例えば行動２００４で示すように提供用の対話行為の先頭の文字（つまり対話行為タイプの先頭の文字）が大文字であればその対話行為を出力処理部２０８に出力する。また、提供部２０５は、例えば行動２００７で示すように提供用の対話行為の先頭の文字（つまり対話行為タイプの先頭の文字）が小文字であればその対話行為を知識処理部２０７に出力する。
The providing
出力処理部２０８は、提供部２０５から出力された対話行為の示す意味表現を、応答文生成技術（例えば既存の文生成技術）によって、応答文に変換して、文字列としてユーザに提供する。文字列のユーザへの提供は、例えば、ディスプレイ、音声出力装置等のユーザインタフェースによって行われる。出力処理部２０８は、ユーザへ提供すべき文字列を、音声合成技術により音声化する後処理を行うこととしてもよい。
The
知識処理部２０７は、知識ベース２０６を参照して、提供部２０５から出力された対話行為に応じた情報処理を行い、その結果を示す対話行為を、分離部２０２へ提供する。知識処理部２０７における情報処理は、例えば、知識ベース２０６から情報を検索して抽出する検索処理であり、例えば、エージェント２００１からこれまでに取得した対話行為における付帯情報が表す文字列としてのキーワードのリストを、検索キーワード（検索用のキーワード）の集合として、知識ベースの内容を、ＡＮＤ検索する検索処理を行う。知識処理部２０７は、検索処理の結果に基づいて対話行為を生成して、生成した対話行為をエージェント２００１の分離部２０２へ提供する。例えば、知識処理部２０７は、検索処理の結果が、充分に絞り込まれたか否かを判定し、充分に絞り込まれたことを示すように予め定められた所定の条件（例えば検索された情報の数の上限等の条件）が満たされて充分に絞り込まれたと判定した場合には、その検索結果を示す対話行為を生成して出力（分離部２０２へ提供）する。一方、充分に絞り込まれていないと判定した場合には、知識処理部２０７は、検索処理の結果を絞り込むために有効なキーワード（検索キーワード）を推定して、そのキーワードを示す対話行為を生成して出力（分離部２０２へ提供）する。検索処理の結果を絞り込むために有効なキーワードを示す対話行為の一例は、例えば、付帯情報として「発熱」を含ませた「suggest（発熱）」である。
The
このような構成を備えることによりエージェント２００１の決定部２００では、逐次取得した対話行為における対話行為タイプを抽出して、過去の対話行為タイプの系列に基づき、行動として出力すべき提供用の対話行為における対話行為タイプを決定できる。即ち、エージェント２００１では、対話行為における付帯情報に基づく判断を行うことなく、過去の対話行為タイプの系列に基づき、出力すべき対話行為タイプの決定を行うことが可能となっている。
By providing such a configuration, the
このように対話行為の種類（対話行為全体の値の各々）ではなく、対話行為タイプの種類（対話行為タイプ値の各々）に基づいて対話行為タイプを決定することにより、対話状態の数を、少なく抑えることができる。対話状態の数を少なく抑えることは、強化学習による行動選択の最適化に有利となる。この最適化の結果としてエージェント２００１は、環境の１つであるフロントエンド２００２から、観測２００３としての情報を取得（収集）するための質問のタイプ等に係る行動２００４を状況に応じて適切に選択できるようになり得るし、情報処理の結果として環境の他の１つであるバックエンドから観測２００６を得るための行動２００７を適切に選択できるようになり得る。これらの選択（例えば質問のタイプの異なる対話行為タイプの選択等）を通じて、エージェント２００１により、対話の主体者の制御、不確実な情報の確認の制御等の対話制御処理が行われ得る。
In this way, the number of dialogue states is determined by determining the dialogue type based on the type of dialogue type (each of the dialogue type values) rather than the type of dialogue (each of the values of the entire dialogue). It can be kept low. Keeping the number of dialogue states small is advantageous for optimizing action selection by reinforcement learning. As a result of this optimization, the
なお、エージェント２００１は、取得した対話行為における対話行為タイプと分離した付帯情報については、取得した最新の１つを保持すれば足りる。
It is sufficient for the
また、バックエンド２００５においては、対話開始以降、取得した付帯情報の系列を、メモリ等の一領域であるスタックに積んで管理すると、複数の付帯情報を用いた高度なタスクを遂行可能となる。バックエンド２００５での情報処理によって、例えば、「頭痛」、「めまい」等といった症状を表す付帯情報が収集され、これらの症状に基づいて、「病気Ａ」、「病気Ｂ」、「病気Ｃ」等といった病気が、所望の情報として特定され得る。バックエンド２００５においては、取得した対話行為の対話行為タイプを、例えばコマンドの種類として扱い、現在の対話行為タイプのみに応じて処理を行えばよく、対話行為タイプの履歴を管理する必要はない。
Further, in the
（動作）
以下、上述した構成を備える対話システム１０の動作について説明する。
(motion)
Hereinafter, the operation of the
図３は、対話システム１０における対話処理の一例を示すフローチャートである。以下、同図に即して、対話に係るエージェント２００１の動作に注目して説明する。
FIG. 3 is a flowchart showing an example of dialogue processing in the
対話の開始にあたって、まず、エージェント２００１は、信念状態を設定する（ステップＳ３１）。信念状態とは、対話の進行状況とユーザの意図をあわせて定義された対話状態に対して、総和が１となるような確率値の集合（確率分布）のことである。例えば、対話開始時にはひとつの対話状態にいると想定し、その状態の確率値を１、それ以外の状態の確率値を０とする。信念状態の設定は、エージェント２００１の決定部２００が、初期状態としての信念状態を示す信念状態情報をメモリ等の記憶媒体に保持することで行われる。
At the start of the dialogue, the
エージェント２００１の決定部２００は、信念状態情報が示す信念状態に基づいて行動を決定する（ステップＳ３２）。具体的には、決定部２００の行動決定部２０３は、どのような信念状態のときにどのような行動を取るべきかという基準の集合である方策を参照し、信念状態に基づいて行動としての対話行為タイプを決定する。決定部２００では、行動決定部２０３において決定された対話行為タイプを含む、提供用の対話行為を提供部２０５に伝える。
The
次に、エージェント２００１は、ステップＳ３２で決定された行動が向けられた環境がフロントエンド２００２であるか、バックエンド２００５であるかを判定する（ステップＳ３３）。具体的には、提供部２０５が、予め定められた基準に基づいて、提供用の対話行為に応じて出力先を判定する。そして提供部２０５は、判定結果に応じて、提供用の対話行為を、フロントエンド２００２の出力処理部２０８、及び、バックエンド２００５の知識処理部２０７のいずれかに提供する。
Next, the
ステップＳ３３での判定の結果として、環境の１つとしてのフロントエンド２００２にエージェント２００１から対話行為が提供された場合には、フロントエンド２００２は、ユーザとのインタラクションを実行する（ステップＳ３４）。つまり、フロントエンド２００２の出力処理部２０８は、提供部２０５から取得した所定対話行為形式の行動（対話行為）を自然言語に変換してユーザに提示する。また、フロントエンド２００２の入力処理部２０１は、ユーザからの応答（回答）を自然言語の形式で取得して、対話行為の形式に変換し、エージェント２００１に提供する。
As a result of the determination in step S33, when the
一方、ステップＳ３３での判定の結果として、環境の他の１つとしてのバックエンド２００５にエージェント２００１から対話行為が提供された場合には、バックエンド２００５は、知識処理を実行する（ステップＳ３５）。つまり、バックエンド２００５の知識処理部２０７は、提供部２０５から取得した所定対話行為形式の行動（対話行為）に基づき、知識ベース２０６の検索処理を行い、検索処理の結果に基づく情報を対話行為の形式にして、エージェント２００１に提供する。知識処理部２０７は、対話行為が知識ベース２０６の検索用のコマンド（例えば機械語のコマンド）としてそのまま用いることができればその対話行為であるコマンドを実行し、そのまま用いることができなければ機械語のコマンドに変換して実行する。また、知識処理部２０７は、検索処理の結果としての知識ベース２０６からの戻り値等に基づく情報を、対話行為の形式にして、エージェント２００１に提供する。
On the other hand, as a result of the determination in step S33, when the
ステップＳ３４又はステップＳ３５に続いて、エージェント２００１は、フロントエンド２００２又はバックエンド２００５から所定対話行為形式の観測（対話行為）を受理（取得）する（ステップＳ３６）。
Following step S34 or step S35, the
次に、エージェント２００１は、取得した対話行為に基づいて、対話処理を終了すべきか判断する（ステップＳ３７）。例えば、エージェント２００１は、観測として、フロントエンド２００２から「Acknowledge（）」という対話行為を取得したら、対話処理を終了すべきと判断し、対話処理を終了させる。
Next, the
ステップＳ３７で終了と判断しない場合には、エージェント２００１は、現在の信念状態と、決定した行動（対話行為タイプの形式の行動）と、環境から得られた観測（対話行為タイプの形式の観測）とに基づき、信念状態を更新する（ステップＳ３８）。つまり決定部２００は、信念状態を示す信念状態情報を、取得した対話行為における対話行為タイプの系列と、決定した対話行為タイプの系列とに応じて更新する。
If it is not determined to end in step S37, the
ステップＳ３８に続いて、エージェント２００１は、ステップＳ３２に戻って、ステップＳ３６で取得した対話行為に対応して、行動の決定を行う。
Following step S38, the
このように、対話処理においては、エージェント２００１による、次の決定ステップ及び提供ステップを含む対話制御処理が含まれている。対話処理において、繰り返されるステップＳ３６で、フロントエンド２００２及びバックエンド２００５のいずれかから対話行為を取得する度に、エージェント２００１は、取得した対話行為に応じて提供用の対話行為を決定する決定ステップ（ステップＳ３２）を行う。そしてエージェント２００１は、この決定ステップで決定した提供用の対話行為を、フロントエンド２００２及びバックエンド２００５のいずれかへ提供する提供ステップ（ステップＳ３３〜Ｓ３５）を行う。決定ステップでは、エージェント２００１は、提供用の対話行為における対話行為タイプを、フロントエンド２００２及びバックエンド２００５の集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定する。エージェント２００１は、対話行為タイプの系列に基づいて、信念状態を更新し、信念状態に基づいて、行動としての対話行為タイプを決定し得る。
As described above, the dialogue processing includes the dialogue control processing by the
このように、エージェント２００１における信念状態は、行動の対話行為タイプと観測の対話行為タイプによって逐次更新され、対話処理の開始以降における対話行為タイプの系列の全てを反映した信念状態となっている。このため、エージェント２００１は、信念状態に基づいて行動の決定を行えば、対話の進行状況に適合した行動で、かつ、ユーザの意図に適合した行動をとることができる。
As described above, the belief state in the
以下、バックエンド２００５における情報処理の一種である知識処理の一例について、図４Ａ及び図４Ｂを用いて説明する。
Hereinafter, an example of knowledge processing, which is a type of information processing in the
図４Ａは、バックエンド２００５で参照される知識ベース２０６の一例を示す図である。
FIG. 4A is a diagram showing an example of the
知識ベース２０６は、バックエンド２００５の知識処理部２０７による知識処理において検索対象となるデータベースであり、例えば症状を検索キーワードとして病気を検索するための知識を構造化して管理している。図４Ａの表は、知識ベース２０６の知識内容のイメージの一例を示す。図４Ａの表中、ある症状の行と、ある病気の列との交点となるセルには、その病気である場合においてその症状が出やすければ「+」を、その症状が出にくければ「−」を記述している。検索キーワードとして、例えば、症状が出ることを指定する指定キーワードと、症状が出ないことを指定する除外キーワードとに区別して検索を行うこととしてもよい。症状を指定する指定キーワードと除外キーワードとのうちの１つ以上の組み合わせでＡＮＤ検索を行うことで病気の集合から該当する病気を絞り込むことが可能となる。図４Ａの例では、症状Ａを指定キーワード（＋）とし、症状Ｄを除外キーワード（−）としてＡＮＤ検索を行うことで、該当する病気は、病気１のみとなる。図４Ａは説明の便宜上の一例に過ぎず、知識ベース２０６において、検索キーワード（例えば症状）と検索対象名（例えば病気）とは、それぞれ多数（例えば数十、数千以上等）であり得る。
The
図４Ｂは、バックエンド２００５の知識処理部２０７による知識処理の一例を、質問木で表した概念図である。
FIG. 4B is a conceptual diagram in which an example of knowledge processing by the
図４Ｂの例は、図４Ａの表で例示される知識ベース２０６を用いて、症状に係る質問により病気を特定するという問診タスクを遂行することに関連した質問木の例であり、ここでは、説明の便宜上、比較的単純な質問木を示している。図４Ｂの質問木のルートノードは最初の質問を表し、症状Ａが発症しているかどうかの質問を「症状Ａ」と表現している。リーフノードは、質問により特定された病気を示している。ルートとリーフとの中間に位置する各中間ノードは、２番目以降の質問を表している。ノード間の矢印（エッジ）は、質問への回答が「+」（質問の症状が発症していることを示す回答）であるか「−」（質問の症状が発症していないことを示す回答）であるかに対応しており、質問木全体は、二分木となっている。ルートノードでは、全ての病気の集合を対応させ、質問によって、該当する病気の集合が逐次分割されて、病気が絞り込まれる。これ以上病気の集合を分割する質問がなくなったところで、そのときに残っている病気の集合（１つ又は複数の病気）が結論（検索処理の結果）となる。この質問木は、質問の順番によって、候補の絞込みの効率が異なる。最悪ケースの質問回数をなるべく少なくするためには、残っている病気の集合の「＋」と「−」の割合が、１：１になるべく近い質問を選ぶとよい。
The example of FIG. 4B is an example of a question tree related to performing the interview task of identifying a disease by a symptom question using the
バックエンド２００５の知識処理部２０７としての動作は、エージェント２００１からコマンドを示す対話行為を取得して、コマンドに基づく知識処理（検索処理等）を行い、コマンドに対する戻り値を示す対話行為をエージェント２００１に返す（提供する）。より具体的には、知識処理部２０７は、取得した対話行為における対話行為タイプに付帯する付帯情報（症状を示すキーワード）を検索キーワードとしてスタックに積み、検索キーワードのリストに従って知識ベース２０６の検索を行う検索処理を行う。知識処理部２０７は、検索処理の結果として、検索対象の病気が充分絞り込まれたか否かを判定して、充分絞り込まれた場合には、結論として絞り込まれた検索対象の情報（病気）をエージェント２００１に返す。絞り込みが不充分であると判定した場合には、知識処理部２０７は、検索対象を絞り込むのに有効な検索キーワードを、エージェント２００１に提案（提供）する。なお、ここで示した、バックエンド２００５による病気の特定という処理は、バックエンド２００５による情報処理の一例に過ぎない。バックエンド２００５で行われる情報処理は、例えば、キーワードを用いて、インターネット検索（インターネット上の情報の検索）を行い、検索の結果が所定数（例えば１つ、数個等）以下になるまでは、次の有効な検索キーワードを提案（提供）し、所定数以下になると検索の結果としての情報を提供するような処理であってもよい。この場合に、バックエンド２００５は、既存のインターネット検索プログラムへのラッパー等を含んで構成され得る。
The operation of the
以下、対話システム１０による対話のシーケンスについて説明する。図５は、対話システム１０による対話のシーケンスの一例を示したシーケンス図である。
Hereinafter, the sequence of dialogue by the
図５において、フロントエンド２００２、エージェント２００１及びバックエンド２００５のそれぞれ（各オブジェクト）における処理区間（活性区間）を縦長長方形で表しており、オブジェクトから下に向かう縦の破線が時間経過を表し、横向きの矢線（矢印）のうち、実線の矢印が呼び出しメッセージ（つまりエージェント２００１からの対話行為の提供）を表し、破線の矢印が手続きの結果通知メッセージ（つまりエージェント２００１による対話行為の取得）を表している。また、図５ではバックエンド２００５内で管理されるスタック５０の内容（検索キーワードのリスト）を付記している。スタック５０内においてキーワードに付加された正（＋）の符号は、知識ベース２０６の検索時にそのキーワードが指定キーワードとして扱われることを意味し、キーワードに付加された負（−）の符号は、知識ベース２０６の検索時にそのキーワードが除外キーワードとして扱われることを意味する。
In FIG. 5, the processing section (active section) in each (each object) of the
以下、図５に即して、問診タスクに係る対話の例に係るシーケンスにおける各ステップを順に説明する。 Hereinafter, each step in the sequence according to the example of the dialogue related to the interview task will be described in order with reference to FIG.
ステップＳ１０１では、エージェント２００１は、バックエンド２００５に、知識ベース２０６の検索処理のための検索キーワードを格納するスタック５０を空にさせるコマンドを表す対話行為「clear（）」を、与える（提供する）。なお、エージェント２００１が提供する対話行為の先頭が小文字であればバックエンド２００５が提供先であり、大文字であればフロントエンド２００２が提供先となるように定められている。
In step S101, the
ステップＳ１０２では、エージェント２００１は、バックエンド２００５から、例えばコマンドに応じた処理が終わったこと等を表す対話行為「pass（）」を、受ける（取得する）。
In step S102, the
ステップＳ１０３では、エージェント２００１は、フロントエンド２００２に、「今日はどうされましたか？」という旨の質問を表す対話行為「What1st（）」を提供する。これにより、フロントエンド２００２は、ユーザに、例えば「今日はどうされましたか？」という自然言語で、質問する。この例では、この質問に対してユーザは、症状を示す「頭がくらくらします。」という回答を行う。
In step S103, the
ステップＳ１０４では、エージェント２００１は、ユーザの「頭がくらくらします。」という回答をフロントエンド２００２で変換した対話行為「Provide（頭痛）」を、フロントエンド２００２から取得する。
In step S104, the
ステップＳ１０４に続いて、エージェント２００１は、取得した対話行為「Provide（頭痛）」における対話行為タイプ「Provide」に応じて対話行為タイプ「Confirm」を決定し、その「Confirm」と、取得した対話行為における付帯情報である「頭痛」とを合成することで提供用の対話行為「Confirm（頭痛）」を生成する。
Following step S104, the
ステップＳ１０５では、エージェント２００１は、対話行為「Confirm（頭痛）」をフロントエンド２００２に提供する。これにより、フロントエンド２００２は、対話行為「Confirm（頭痛）」に基づいて変換した自然言語「頭痛ですか？」により、ユーザに対して確認の質問を行う。この例では、この質問に対してユーザは、頭痛を訂正して「めまいです。」という回答を行う。
In step S105, the
ステップＳ１０６では、エージェント２００１は、ユーザの「めまいです。」という回答（つまり確認内容を訂正する回答）をフロントエンド２００２で変換した対話行為「Correct（めまい）」を、フロントエンド２００２から取得する。
In step S106, the
ステップＳ１０６に続いて、エージェント２００１は、取得した対話行為「Correct（めまい）」における対話行為タイプ「Correct」に応じて対話行為タイプ「push」を決定し、その「push」と、取得した対話行為における付帯情報である「めまい」とを合成することで提供用の対話行為「push（めまい）」を生成する。
Following step S106, the
ステップＳ１０７では、エージェント２００１は、対話行為「push（めまい）」をバックエンド２００５に提供する。対話行為「push（めまい）」が表すコマンド（例えば検索キーワードの設定のためのコマンド）に応じて、バックエンド２００５のスタック５０には、付帯情報の「めまい」を示す指定キーワードが蓄積される。
In step S107,
ステップＳ１０８では、エージェント２００１は、バックエンド２００５から、例えばコマンドに応じた処理が終わったこと等を表す対話行為「pass（）」を取得する。
In step S108, the
ステップＳ１０８に続いて、エージェント２００１は、取得した対話行為「pass（）」における対話行為タイプ「pass」に応じて対話行為タイプ「WhatElse」を決定し、対話行為「WhatElse（）」を生成する。
Following step S108, the
ステップＳ１０９では、エージェント２００１は、対話行為「WhatElse（）」をフロントエンド２００２に提供する。なお、エージェント２００１においては、逐次取得した対話行為における対話行為タイプの系列によって、対話行為タイプの決定に際して参照される信念状態が変化しているので、同内容の対話行為を取得した場合であっても異なる提供用の対話行為を決定して提供し得る。フロントエンド２００２は、対話行為「WhatElse（）」に基づいて変換した自然言語「他に気になることはありますか？」により、ユーザに対して更なる質問を行う。この例では、この質問に対してユーザは、更なる症状を示す「動悸もします。」という回答を行う。
In step S109, the
ステップＳ１１０では、エージェント２００１は、ユーザの「動悸もします。」という回答をフロントエンド２００２で変換した対話行為「Provide（動悸）」を、フロントエンド２００２から取得する。
In step S110, the
ステップＳ１１０に続いて、エージェント２００１は、取得した対話行為「Provide（動悸）」における対話行為タイプ「Provide」に応じて対話行為タイプ「push」を決定し、その「push」と、取得した対話行為における付帯情報である「動悸」とを合成することで提供用の対話行為「push（動悸）」を生成する。
Following step S110, the
ステップＳ１１１では、エージェント２００１は、対話行為「push（動悸）」をバックエンド２００５に提供する。対話行為「push（動悸）」が表すコマンド（例えば検索キーワードの設定のためのコマンド）に応じて、バックエンド２００５のスタック５０には、更に付帯情報の「動悸」を示す指定キーワードが蓄積される。
In step S111, the
ステップＳ１１２では、エージェント２００１は、バックエンド２００５から、例えばコマンドに応じた処理が終わったこと等を表す対話行為「pass（）」を取得する。
In step S112, the
ステップＳ１１２に続いて、エージェント２００１は、取得した対話行為「pass（）」における対話行為タイプ「pass」に応じて対話行為タイプ「WhatElse」を決定し、対話行為「WhatElse（）」を生成する。
Following step S112, the
ステップＳ１１３では、エージェント２００１は、対話行為「WhatElse（）」をフロントエンド２００２に提供する。フロントエンド２００２は、対話行為「WhatElse（）」に基づいて変換した自然言語「他に気になることはありますか？」により、ユーザに対して更なる質問を行う。この例では、この質問に対してユーザは、他の症状がないことを示す「ないです。」という回答を行う。
In step S113, the
ステップＳ１１４では、エージェント２００１は、ユーザの「ないです。」という回答をフロントエンド２００２で変換した対話行為「Negative（）」を、フロントエンド２００２から取得する。
In step S114, the
ステップＳ１１４に続いて、エージェント２００１は、取得した対話行為「Negative（）」における対話行為タイプ「Negative」に応じて対話行為タイプ「solve1st」を決定し、提供用の対話行為「solve1st（）」を生成する。
Following step S114, the
ステップＳ１１５では、エージェント２００１は、対話行為「solve1st（）」をバックエンド２００５に提供する。対話行為「solve1st（）」が表すコマンド（例えば検索実行のためのコマンド）に応じて、バックエンド２００５では知識ベース２０６の検索処理を行う。バックエンド２００５は、検索処理の結果が充分に絞り込まれたか否かを判定する。例えば、バックエンド２００５は、検索処理の結果としての病気が所定数（例えば１つ、数個等）以下に絞り込まれたか否かを判定する。バックエンド２００５は、検索処理の結果が充分に絞り込まれない場合には、知識ベース２０６を用いて、検索処理の結果を絞り込むために有効な検索キーワードを特定して提案する。この例では、検索処理の結果が所定数以下に絞り込まれずに、絞り込みに有効な検索キーワードとして「発熱」が提案される。このとき、この例では、バックエンド２００５のスタック５０に、指定キーワードか除外キーワードかが未決定の状態の「発熱」を示す検索キーワードが蓄積される。
In step S115, the
ステップＳ１１６では、エージェント２００１は、バックエンド２００５から、「発熱」の症状の質問を提案することを表す対話行為「suggest（発熱）」を取得する。
In step S116, the
ステップＳ１１６に続いて、エージェント２００１は、取得した対話行為「suggest（発熱）」における対話行為タイプ「suggest」に応じて対話行為タイプ「Check」を決定し、その「Check」と、取得した対話行為における付帯情報である「発熱」とを合成することで提供用の対話行為「Check（発熱）」を生成する。
Following step S116, the
ステップＳ１１７では、エージェント２００１は、対話行為「Check（発熱）」をフロントエンド２００２に提供する。フロントエンド２００２は、対話行為「Check（発熱）」に基づいて変換した自然言語「発熱はありますか？」により、ユーザに対して発熱の症状についての質問を行う。この例では、この質問に対してユーザは、発熱の症状が現れていないことを示す「ありません。」という回答を行う。
In step S117, the
ステップＳ１１８では、エージェント２００１は、ユーザの「ありません。」という回答をフロントエンド２００２で変換した対話行為「Negative（）」を、フロントエンド２００２から取得する。
In step S118, the
ステップＳ１１８に続いて、エージェント２００１は、取得した対話行為「Negative（）」における対話行為タイプ「Negative」に応じて対話行為タイプ「set_negative」を決定し、提供用の対話行為「set_negative（）」を生成する。
Following step S118, the
ステップＳ１１９では、エージェント２００１は、対話行為「set_negative（）」をバックエンド２００５に提供する。対話行為「set_negative（）」が表すコマンド（例えばスタックに最後に積まれた検索キーワードを除外キーワードに設定した上で検索キーワードのリストで検索を実行するためのコマンド）に応じて、バックエンド２００５では、スタック５０の「発熱」を除外キーワードとして知識ベース２０６の検索処理を行う。そしてバックエンド２００５は、検索処理の結果が充分に絞り込まれたか否かを判定する。この例では、検索処理の結果がまだ所定数以下に絞り込まれずに、絞り込みに有効な検索キーワードとして更に「咳」が提案される。このとき、この例では、バックエンド２００５のスタック５０に、「咳」を示す検索キーワードが蓄積される。
In step S119, the
ステップＳ１２０では、エージェント２００１は、バックエンド２００５から、「咳」の症状の質問を提案することを表す対話行為「suggest（咳）」を取得する。
In step S120, the
ステップＳ１２０に続いて、エージェント２００１は、取得した対話行為「suggest（咳）」における対話行為タイプ「suggest」に応じて対話行為タイプ「Check」を決定し、その「Check」と、取得した対話行為における付帯情報である「咳」とを合成することで提供用の対話行為「Check（咳）」を生成する。
Following step S120, the
ステップＳ１２１では、エージェント２００１は、対話行為「Check（咳）」をフロントエンド２００２に提供する。フロントエンド２００２は、対話行為「Check（咳）」に基づいて変換した自然言語「咳は出ますか？」により、ユーザに対して咳の症状についての質問を行う。この例では、この質問に対してユーザは、咳の症状が現れていることを示す「出ます。」という回答を行う。
In step S121,
ステップＳ１２２では、エージェント２００１は、ユーザの「出ます。」という回答をフロントエンド２００２で変換した対話行為「Positive（）」を、フロントエンド２００２から取得する。
In step S122, the
ステップＳ１２２に続いて、エージェント２００１は、取得した対話行為「Positive（）」における対話行為タイプ「Positive」に応じて対話行為タイプ「set_positive」を決定し、提供用の対話行為「set_positive（）」を生成する。
Following step S122, the
ステップＳ１２３では、エージェント２００１は、対話行為「set_positive（）」をバックエンド２００５に提供する。対話行為「set_positive（）」が表すコマンド（例えばスタックに最後に積まれた検索キーワードを指定キーワードに設定した上で検索キーワードのリストで検索を実行するためのコマンド）に応じて、バックエンド２００５では、スタック５０の「咳」を指定キーワードにし、知識ベース２０６の検索処理を行う。そしてバックエンド２００５は、検索処理の結果が充分に絞り込まれたか否かを判定する。この例では、検索処理の結果が所定数以下の１つである「病気Ｃ」に絞り込まれる。
In step S123,
ステップＳ１２４では、エージェント２００１は、バックエンド２００５から、結論としての「病気Ｃ」を表す対話行為「conclude（病気Ｃ）」を取得する。
In step S124,
ステップＳ１２４に続いて、エージェント２００１は、取得した対話行為「conclude（病気Ｃ）」における対話行為タイプ「conclude」に応じて対話行為タイプ「Present」を決定し、その「Present」と、取得した対話行為における付帯情報である「病気Ｃ」とを合成することで提供用の対話行為「Present（病気Ｃ）」を生成する。
Following step S124, the
ステップＳ１２５では、エージェント２００１は、対話行為「Present（病気Ｃ）」をフロントエンド２００２に提供する。フロントエンド２００２は、対話行為「Present（病気Ｃ）」に基づいて変換した自然言語「病気Ｃのようです。」により、ユーザに対して結論を提供する。この例では、この結論の提供に対してユーザは、「わかりました。」という回答を行う。
In step S125,
ステップＳ１２６では、エージェント２００１は、ユーザの「わかりました。」という回答をフロントエンド２００２で変換した対話行為「Acknowledge（）」を、フロントエンド２００２から取得する。これにより、エージェント２００１が対話処理を終了させて、対話のシーケンスが終了する。
In step S126, the
このように、エージェント２００１が仲介してフロントエンド２００２とバックエンド２００５との対話が行われる。
In this way, the
上述の例で、エージェント２００１がフロントエンド２００２との間で授受する情報である対話行為のシーケンスは、次の対話行為シーケンス１となっている。
In the above example, the sequence of dialogue actions, which is the information exchanged by the
対話行為シーケンス１＝［What1st（），Provide（頭痛），Confirm（頭痛），Correct（めまい），WhatElse（），Provide（動悸），WhatElse（），Negative（），Check（発熱），Negative（），Check（咳），Positive（），Present（病気Ｃ），Acknowledge（）］
また、対話行為シーケンス１にエージェント２００１とバックエンド２００５との間で授受される対話行為を加えたシーケンスは、次の対話行為シーケンス２となっている。
Further, the sequence in which the dialogue action exchanged between the
対話行為シーケンス２＝［clear（），pass（），What1st（），Provide（頭痛），Confirm（頭痛），Correct（めまい），push（めまい），pass（），WhatElse（），Provide（動悸），push（動悸），pass（），WhatElse（），Negative（），solve1st（），suggest（発熱），Check（発熱），Negative（），set_negative（），suggest（咳），Check（咳），Positive（），set_positive（），conclude（病気Ｃ），Present（病気Ｃ），Acknowledge（）］ Dialogue sequence 2 = [clear (), pass (), What1st (), Provide (headache), Confirm (headache), Correct (dizziness), push (dizziness), pass (), WhatElse (), Provide (palpitations) , Push (palpitations), pass (), WhatElse (), Negative (), solve1st (), suggest (fever), Check (fever), Negative (), set_negative (), suggest (cough), Check (cough), Positive (), set_positive (), conclude (disease C), Present (disease C), Acknowledge ()]
対話行為シーケンス２において奇数番目の対話行為はエージェント２００１の行動に該当し、偶数番目の対話行為はエージェント２００１が、環境としてのフロントエンド２００２又はバックエンド２００５から得た観測に該当する。括弧内の付帯情報に注目すると、観測とそれに続く行動の間で一致している。つまり、エージェント２００１（対話エージェント）は、Provideに対してConfirm、Correctに対してpush等と対話行為タイプを決定しているが、付帯情報については、単に仲介しているだけである。このような観測に応じて行動を決定する動作は、エージェント２００１の決定部２００（つまり分離部２０２、行動決定部２０３、及び、合成部２０４）によって実現される。
In the dialogue action sequence 2, the odd-numbered dialogue actions correspond to the actions of the
（対話状態に係る考察）
以下、上述した対話システム１０による対話において遷移する対話状態の数の低減化等について、図６Ａ〜図６Ｄを用いて考察を行う。
(Consideration related to dialogue state)
Hereinafter, reduction of the number of dialogue states transitioning in the dialogue by the
まず、上述の図５の例に係る対話行為シーケンス１を用いて、ユーザと関わるフロントエンドのみを環境とした対話システムを仮定し、この仮定した対話システムでのフロントエンドとエージェント（ここでは知識処理の機能を包含するシステム）とでの対話の例について考える。
First, using the
図６Ａは、対話行為シーケンス１が含まれるように作成した状態遷移の一例を示す状態遷移図である。なお、ＰＯＭＤＰモデルにおいては、状態がｓであるときに、行動ａを取ったら、状態がｓ´に遷移する時の遷移確率Ｔ（ｓ´｜ｓ，ａ）と、行動ａを取った結果状態ｓ´において観測ｚが得られる観測確率Ｏ（ｚ｜ａ，ｓ´）とで行動と観測と状態の関係が表現される。ここでは、ＰＯＭＤＰモデルにおける上述の確率を閾値処理して、行動と観測と状態の関係を、状態遷移図で表している。以下で説明する図６Ｂ〜図６Ｄの各状態遷移図も図６Ａと同様である。例えば、状態遷移図での矢線は、状態の遷移確率が一定閾値を超える経路を表したものである。また、図６Ａ〜図６Ｄにおいて、各ノードを表す円には、状態の名前を記している。ノード間のエッジを表す矢線には、エージェントから環境への行動としての対話行為を記している。また、各ノード（状態）に、エージェントによる環境の観測としての対話行為を記している。これにより、状態遷移図において、行動によって、環境の状態が変化し、変化した状態の下で観測がなされることが表される。
FIG. 6A is a state transition diagram showing an example of a state transition created so as to include the
ここでは、対話行為シーケンス１を２つの部分（パート）に分けて考察を行う。まず、先行するパートである［What1st（），Provide（頭痛），Confirm（頭痛），Correct（めまい），WhatElse（），Provide（動悸），WhatElse（），Negative（）］のパートは、オープン質問（open question）を主としたユーザ主体の対話が行われているパートである。このパートは、問診タスクにおいて、患者中心の問診と言われる。一方、後続するパートである［Check（発熱），Negative（），Check（咳），Positive（），Present（病気Ｃ），Acknowledge（）］のパートは、クローズド質問（closed question）を主としたシステム（対話システム）主体の対話が行われているパートである。このパートは、問診タスクにおいて、医師中心の問診と言われる。
Here, the
先行するパート（ユーザ主体の対話パート）について、図６Ａでは、このパートの状態（ノード）を直線状に配置している。このパートに対応する対話行為のシーケンスは、Negative（）という観測で終わる可変長のシーケンスとなる。このパートの状態の数を減らすには、「ｓ１ａ」〜「ｓ３ａ」を縮退させて、ループ構造にすればよいように思われる。ループによって、可変長のシーケンスに対応できる。 Regarding the preceding part (user-centered dialogue part), in FIG. 6A, the states (nodes) of this part are arranged in a straight line. The sequence of dialogues corresponding to this part is a variable-length sequence ending with an observation called Negative (). In order to reduce the number of states of this part, it seems that "s1a" to "s3a" should be degenerated into a loop structure. The loop allows for variable length sequences.
また、後続するパート（システム主体の対話パート）について、図６Ａでは、このパートの状態（ノード）を木構造となるように配置している。対話行為シーケンス１のシステム主体の対話パートを、トレースするためには、「ｓ４ａ」に続いて、状態の系列［ｓ６ａ、ｓ９ａ、ｓ１３ａ］という経路を辿ればよい。木構造のパートは全体として、図４Ｂに例示したような質問木に対応しており、質問と回答に従って異なる結論に到達できるようになっている。このシステム主体の対話パートは、例えば知識ベースの規模により増大し得る。つまり、１０００の結論があれば、状態数は１０００以上になる。また、図４Ｂの質問木では、単純な例であるので長さが揃っているが、システム主体の対話パートの経路の長さは可変長である。このパートも、ループ構造にすればよいように思われる。
Further, regarding the succeeding part (system-based dialogue part), in FIG. 6A, the states (nodes) of this part are arranged so as to form a tree structure. In order to trace the system-based dialogue part of the
図６Ｂは、以上の考察に基づいて、２つのループ構造を持つようにした状態遷移の例を示す状態遷移図である。 FIG. 6B is a state transition diagram showing an example of a state transition having two loop structures based on the above considerations.
図６Ｂは、図６Ａと同様に、対話行為シーケンス１のユーザ主体の対話パート［What1st（），Provide（頭痛），Confirm（頭痛），Correct（めまい），WhatElse（），Provide（動悸），WhatElse（），Negative（）］と、システム主体の対話パート［Check（発熱），Negative（），Check（咳），Positive（），Present（病気Ｃ），Acknowledge（）］とに対応している。但し、図６Ｂでは、対話行為の付帯情報である「頭痛」、「病気Ｃ」等は、一般化して「＊」で表している。この一般化した部分の付帯情報はいずれであっても、状態との対応関係が変わらないと考えられる。
FIG. 6B shows the user-centered dialogue part [What1st (), Provide (headache), Confirm (headache), Correct (dizziness), WhatElse (), Provide (palpitations), WhatElse) of the
図６Ｂの状態「ｓ１ｂ」に注目すると、次の状態は「ｓ１ｂ」又は「ｓ２ｂ」である。つまり、「ｓ１ｂ」から出て「ｓ１ｂ」に戻るループを０回以上回った後に、ループから抜け出して、「ｓ２ｂ」に進む。「ｓ１ｂ」と「ｓ２ｂ」には、異なる観測が記されており、行動としての対話行為「WhatElse（）」に対して、「Negative（）」という対話行為が観測された場合に、ループから抜け出す。 Focusing on the state "s1b" in FIG. 6B, the next state is "s1b" or "s2b". That is, after going through the loop that exits from "s1b" and returns to "s1b" 0 times or more, the loop exits and proceeds to "s2b". Different observations are recorded in "s1b" and "s2b", and when the dialogue action "Negative ()" is observed for the dialogue action "WhatElse ()" as an action, the loop is exited. ..
また、状態「ｓ３ｂ」に注目すると、次の状態は「ｓ３ｂ」又は「ｓ４ｂ」である。つまり、「ｓ３ｂ」から出て「ｓ３ｂ」に戻るループを０回以上回った後に、ループから抜け出して、「ｓ４ｂ」に進む。「ｓ３ｂ」と「ｓ４ｂ」には、同じ観測（「Negative（）」及び「Positive（）」）が記されており、行動「Check（＊）」も同じであるため、ループを抜けるための条件は明確でない。このような場合には、ループを回る遷移確率とループを抜ける遷移確率との比によって、何回回ったらループを抜けるのかが決定される。しかし、問診により病気を特定するという問診タスクを考えれば、終了は、医者が、問診の内容によって決めるものであって、回数で決めるべきものではない。或いは「ｓ４ｂ」を除いて「ｓ３ｂ」から「ｓ５ｂ」に、行動「Present（＊）」によって遷移すればよいのかもしれない（図示せず）。しかし、行動選択のための情報がない。ここでは、「Check（＊）」という行動によってループを回るか「Present（＊）」という行動によってループを抜けるかについて、強化学習によって得られた方策に従うとしても、状態と観測とが同じであれば、常に同じ行動が選ばれる。つまり、無限ループに入るか、ループを１回も回らないで通過するかしかできないことになる。これは、ユーザと関わるフロントエンドのみを環境として、対話行為の付帯情報を使わずに、状態を極力縮退させようとした場合に起こる。これでは、タスクが遂行できない。 Focusing on the state "s3b", the next state is "s3b" or "s4b". That is, after going through the loop that exits from "s3b" and returns to "s3b" 0 or more times, the loop exits and proceeds to "s4b". Since the same observations ("Negative ()" and "Positive ()") are described in "s3b" and "s4b" and the action "Check (*)" is also the same, the conditions for exiting the loop Is not clear. In such a case, the ratio of the transition probability of going around the loop and the transition probability of going out of the loop determines how many times the loop is exited. However, considering the interview task of identifying the disease by interview, the end is decided by the doctor according to the content of the interview, not by the number of times. Alternatively, the transition from "s3b" to "s5b" except for "s4b" may be performed by the action "Present (*)" (not shown). However, there is no information for action selection. Here, whether the action of "Check (*)" goes around the loop or the action of "Present (*)" exits the loop, even if the policy obtained by reinforcement learning is followed, the state and the observation are the same. If so, the same action is always chosen. In other words, you can only enter an infinite loop or go through the loop without going around once. This happens when only the front end related to the user is used as the environment and the state is degenerated as much as possible without using the incidental information of the dialogue action. With this, the task cannot be performed.
次に、上述の図５の例に係る対話行為シーケンス２を用いて、フロントエンド２００２とバックエンド２００５とのそれぞれを環境とした対話システム１０について考える。
Next, using the dialogue action sequence 2 according to the example of FIG. 5 described above, consider a
図６Ｃは、対話行為シーケンス２に対応して作成した状態遷移の一例を示す状態遷移図である。図６Ｃの状態遷移図は、２つのループ構造を持ち、かつ、２つの環境に対応するようにしたものである。 FIG. 6C is a state transition diagram showing an example of the state transition created corresponding to the dialogue action sequence 2. The state transition diagram of FIG. 6C has two loop structures and corresponds to two environments.
全体を通して、２つのループが存在するのは、図６Ｂと図６Ｃとで同様である。図６Ｃでは、各ノードの配置について、左側がフロントエンド２００２とエージェント２００１との間で授受される対話行為と、右側がエージェント２００１とバックエンド２００５との間で授受される対話行為と、それぞれ対応するようにノードを配置している。
The existence of two loops throughout is similar in FIGS. 6B and 6C. In FIG. 6C, regarding the arrangement of each node, the left side corresponds to the dialogue action exchanged between the
ここでは、上述の対話行為シーケンス１と同様に、対話行為シーケンス２を２つの部分（パート）に分けて考察を行う。つまり、ユーザ主体の対話パートである［clear（），pass（），What1st（），Provide（頭痛），Confirm（頭痛），Correct（めまい），push（めまい），pass（），WhatElse（），Provide（動悸），push（動悸），pass（），WhatElse（），Negative（）］のパートと、これに後続するパートであるシステム主体の対話パートである［solve1st（），suggest（発熱），Check（発熱），Negative（），set_negative（），suggest（咳），Check（咳），Positive（），set_positive（），conclude（病気Ｃ），Present（病気Ｃ），Acknowledge（）］のパートに分ける。
Here, as in the above-mentioned
図６Ｃにおけるユーザ主体の対話パートには、１つ目のループが存在し、このループの終了条件は、フロントエンド２００２からの観測（具体的には「Negative（）」）によって与えられる。この１つ目のループの終了条件は、図６Ｂに示す１つ目のループの終了条件と同様である。一方、図６Ｃにおけるシステム主体の対話パートには、２つ目のループが存在し、ループの終了条件は、バックエンド２００５からの観測（具体的には「conclude（＊）」）によって与えられる。補足すれば、「ｓ５ｃ」においてとるべき行動は「Check（＊）」であり、その遷移先は３つあるが、次に想定される観測毎に状態を設定されているので、観測確率を乗ずると観測に応じた状態の確率が高くなる。つまり、２つ目のループの終了条件は、図６Ｂとは異なり、観測として与えられた対話行為が状態の確率に反映され、行動決定の基準となり得るので、強化学習により適切な方策の獲得が可能となる。 The user-centered dialogue part in FIG. 6C has a first loop, and the termination condition of this loop is given by observation from the front end 2002 (specifically, "Negative ()"). The end condition of the first loop is the same as the end condition of the first loop shown in FIG. 6B. On the other hand, the system-based dialogue part in FIG. 6C has a second loop, and the end condition of the loop is given by observation from the back end 2005 (specifically, “conclude (*)”). Supplementally, the action to be taken in "s5c" is "Check (*)", and there are three transition destinations, but since the state is set for each next assumed observation, the observation probability is multiplied. And the probability of the state according to the observation increases. In other words, unlike FIG. 6B, the end condition of the second loop is that the dialogue action given as an observation is reflected in the probability of the state and can be a standard for action decision, so that it is possible to acquire an appropriate measure by reinforcement learning. It will be possible.
なお、図６Ｃにおける１つ目のループでは、［Confirm（頭痛），Correct（めまい）］というシーケンスに対応する状態遷移は省略されており、これについては、次の図６Ｄを用いて考察する。 In the first loop in FIG. 6C, the state transition corresponding to the sequence [Confirm (headache), Correct (dizziness)] is omitted, and this will be considered with reference to FIG. 6D below.
図６Ｄは、図６Ｃの「ｓ２ｃ」の状態を分割して、不確実性への対応を行うための拡張を行った状態遷移を示す状態遷移図である。図６Ｄにおいて、「ｓ２ｄ ｌｅｖ０」、「ｓ２ｄ ｌｅｖ１」、「ｓ２ｄ ｐｏｓｉ」、及び「ｓ２ｄ ｃｏｒｒ」の４つを除くノードについては、図６Ｃにおける同じ名前のノードと対応している。 FIG. 6D is a state transition diagram showing a state transition in which the state of “s2c” in FIG. 6C is divided and expanded to deal with uncertainty. In FIG. 6D, the nodes other than the four nodes “s2d lev0”, “s2d lev1”, “s2d pose”, and “s2d corr” correspond to the nodes having the same name in FIG. 6C.
拡張の１つ目は、フロントエンド２００２の入力処理部２０１から得られる言語理解の結果の信頼度に応じた状態の分割である。「ｓ２ｄ ｌｅｖ０」及び「ｓ２ｄ ｌｅｖ１」の各ノードは、予め設定した信頼度の閾値との大小比較によって分かれるようにしたものであり、閾値より大きいものは「ｓ２ｄ ｌｅｖ０」とし、閾値未満であれば「ｓ２ｄ ｌｅｖ１」としている。この例では、２分割であるが、必要に応じて分割数は、数倍程度に増やせばよい。例えば、４分割する場合の各閾値の設定の仕方としては、信頼度の取り得る値域を４等分するように閾値を設定する方法、頻度分布を得て４分位点を閾値として設定する方法等が挙げられる。
The first extension is the division of states according to the reliability of the result of language understanding obtained from the
拡張の２つ目は、エージェント２００１がフロントエンド２００２から得られた情報をバックエンド２００５へ仲介する前に、フロントエンド２００２に確認を行うことで確実性を高める場合に対応した状態「ｓ２ｄ ｐｏｓｉ」と「ｓ２ｄ ｃｏｒｒ」とを設けたことである。
The second expansion is the state "s2d posi" corresponding to the case where the
対話行為シーケンス２の［Provide（頭痛），Confirm（頭痛），Correct（めまい），push（めまい），pass（），WhatElse（），Provide（動悸），push（動悸）］の部分に沿って、状態遷移の様子を追ってみると、「Provide（頭痛）」が観測される際の信頼度が比較的低い場合に状態「ｓ２ｄ ｌｅｖ１」にいると想定され、「Confirm（頭痛）」という行動が決定され、状態は「ｓ２ｄ ｃｏｒｒ」に遷移し、「Correct（めまい）」が観測される。次に「push（めまい）」という行動が決定されて「ｓ３ｃ」に遷移し、「pass（）」が観測される。次に、「WhatElse（）」という行動が決定され、「Provide（動悸）」が比較的高い信頼度とともに観測されると「ｓ２ｄ ｌｅｖ０」にいると想定される。ここでは、確認を行わずに、行動「push（動悸）」を伴って「ｓ３ｃ」に遷移する。 Follow the [Provide (headache), Confirm (headache), Correct (dizziness), push (dizziness), pass (), WhatElse (), Provide (palpitations), push (palpitations)] part of the dialogue action sequence 2. If you follow the state transition, it is assumed that you are in the state "s2d lev1" when the reliability when "Provide (headache)" is observed is relatively low, and the action "Confirm (headache)" is decided. Then, the state transitions to "s2d corr" and "Correct (dizziness)" is observed. Next, the action of "push (dizziness)" is determined, the transition to "s3c" occurs, and "pass ()" is observed. Next, when the action "WhatElse ()" is determined and "Provide (palpitations)" is observed with relatively high reliability, it is assumed that it is in "s2d lev0". Here, the transition to "s3c" is accompanied by the action "push" without confirmation.
このように、状態を、フロントエンド２００２からの観測の信頼度に基づいて分割し、分割された状態毎に別々の行動を紐付けることができる。図６Ｄの例では、信頼度のレベル（つまり閾値での分割数）が２つで、信頼度が高いときには確認を行わず、信頼度が低いときには確認を行う。このような信頼度に応じた行動を定める方策を人手によって設定することは、信頼度のレベルが２つであれば容易である。信頼度のレベルを多段階にする場合においては、レベル毎に確認を行うか行わないかを設定することには、試行錯誤が必要となり得る。
In this way, the states can be divided based on the reliability of the observation from the
なお、図５の例についての説明において、対話行為シーケンス２について、観測の対話行為とそれに続く行動の対話行為との間で付帯情報が一致することを説明したが、図６Ｄでは、[ｓ２ｄ ｌｅｖ１，ｓ２ｄ ｐｏｓｉ，ｓ３ｃ」の経路で、例えば、[Provide（頭痛），Confirm（頭痛），Positive（），push（頭痛）］というシーケンスに対応する状態遷移も可能となっている。上述したように、エージェント２００１は、取得した対話行為における対話行為タイプと分離した付帯情報については、取得した最新の１つを保持しているので、保持している最新の付帯情報を、必要に応じて行動の対話行為として補うことで、図６Ｄの状態遷移に対応できる。
In the explanation of the example of FIG. 5, it was explained that the incidental information matches between the observation dialogue action and the subsequent action dialogue action in the dialogue action sequence 2, but in FIG. 6D, [s2d lev1 , S2d pose, s3c ”, for example, state transitions corresponding to the sequences [Provide (headache), Confirm (headache), Positive (), push (headache)] are also possible. As described above, the
（比較実験結果）
以下、対話システム１０の効果を定量的に示すための比較実験について説明する。
(Comparative experiment results)
Hereinafter, a comparative experiment for quantitatively showing the effect of the
対話システム１０を用いて問診タスクとしての対話のシミュレーション実験を行った。図７は、対話システム１０を用いたシミュレーション実験の結果を示す図である。
A simulation experiment of dialogue as an interview task was conducted using the
このシミュレーション実験では、知識ベース２０６として、３９種類の症状と８５４の病気の関係を収めたものを用いた。また、対話行為タイプとして、観測２００３、観測２００６、行動２００４、及び、行動２００７（図２参照）に含まれる対話行為における対話行為タイプを用いた。対話のシミュレーション実験において対話システム１０のフロントエンド２００２と対話するユーザとしての患者シミュレータは、指定された病気と関連づけられた症状の回答（対話行為「Provide（）」に相当する回答）を１回行い、その後は、対話システム１０の質問に返答する。
In this simulation experiment, a
その他の主な条件は、以下の通りである。 Other main conditions are as follows.
・フロントエンド２００２における言語理解の機能部分は、２５％の割合で誤った症状を生成する。
・信頼度に応じた状態の分割数は４で、分割のための３つの閾値は、０．２、０．５及び０．８である。
・バックエンド２００５（知識処理部２０７）は、症状に係る検索キーワードを用いて検索して特定された病気（病気の候補）が１つになるか、又は、病気を絞り込むためのキーワード（症状）の候補がなくなると、検索により特定された病気を結論として出力（エージェント２００１に提供）する。それ以外の場合には、バックエンド２００５は、絞り込むために有効なキーワードを提案（エージェント２００１に提供）する。
・結論として得られた病気の数が３つ以内で、かつ、患者シミュレータに対して指定された病気が含まれれば、正解とする。
-The functional part of language comprehension in the
The number of divisions in the state according to the reliability is 4, and the three thresholds for division are 0.2, 0.5, and 0.8.
-The backend 2005 (Knowledge Processing Unit 207) searches for and identified diseases (disease candidates) using search keywords related to symptoms, or keywords (symptoms) for narrowing down the diseases. When there are no more candidates for, the disease identified by the search is output as a conclusion (provided to Agent 2001). Otherwise, the
-If the number of illnesses obtained in conclusion is 3 or less and the illnesses specified for the patient simulator are included, the answer is correct.
図７には、以上の条件で、「確認戦略なし」と、「確認戦略あり（hand-crafted）」と、「確認戦略あり（強化学習）」との３種類のモデルにおける実験結果をまとめている。ここで、「確認戦略なし」は、図６Ｃの状態遷移図に対応するモデルである。また、「確認戦略あり（hand-crafted）」は、信頼度が０．５以上の２つの状態については確認を行わず、信頼度が０．５未満の２つの状態については確認を行うようにしたものであり、図６Ｄの状態遷移図に対応するモデルである。「確認戦略あり（強化学習）」も、図６Ｄの状態遷移図の類型に相当するモデルであるが、このモデルでは、信頼度に応じた４つの状態が取るべき行動について、確認（Confirm）してから「push」するか、確認しないで「push」するかは、ＰＯＭＤＰモデルでの強化学習によって得られた方策に従うようにした。ある環境内でエージェントは現在の状態を観測して取るべき行動を決定するところ、強化学習では、エージェントが逐次選択した行動を行うことで、環境から最も多くの報酬が得られるような方策を学習する。「確認戦略あり（強化学習）」のモデルの強化学習での報酬については、トレーニング用の対話コーパスに表れる対話行為の系列が通る経路については５、それ以外は−５０を基本として、特に、「ｓ２ｄ ｃｏｒｒ」からの「push（＊）」は１００、「ｓ２ｄ ｐｏｓｉ」からの「push（＊）」は−１として、誤りの訂正のための確認を行って訂正されれば価値が高く、訂正の必要がないときの確認は価値が低いという設定を行った。 FIG. 7 summarizes the experimental results of three types of models, "without confirmation strategy", "with confirmation strategy (hand-crafted)", and "with confirmation strategy (reinforcement learning)" under the above conditions. There is. Here, "no confirmation strategy" is a model corresponding to the state transition diagram of FIG. 6C. In addition, "with confirmation strategy (hand-crafted)" does not confirm the two states with a reliability of 0.5 or more, and confirms the two states with a reliability of less than 0.5. This is a model corresponding to the state transition diagram of FIG. 6D. "With confirmation strategy (reinforcement learning)" is also a model corresponding to the type of state transition diagram in Fig. 6D, but in this model, the actions to be taken by the four states according to the reliability are confirmed. Whether to "push" after that or to "push" without confirmation follows the policy obtained by reinforcement learning in the POMDP model. In an environment, the agent observes the current state and decides the action to be taken, and in reinforcement learning, the agent learns the policy to get the most reward from the environment by performing the action of successive selection. To do. Regarding the reward for reinforcement learning of the model with "confirmation strategy (reinforcement learning)", the route through which the sequence of dialogue actions appearing in the dialogue corpus for training passes is 5, and the others are based on -50, especially " "Push (*)" from "s2d corr" is 100, and "push (*)" from "s2d pose" is -1, and it is highly valuable if it is corrected by checking for error correction. The value of confirmation when there is no need for is low.
図７の平均ターン数は、フロントエンド２００２とユーザ（患者シミュレータ）の間のインタラクションのみについてカウントしたターン数である。また、平均報酬は、「確認戦略あり（強化学習）」の他に強化学習を用いないモデルについても同じ条件で算出している。
The average number of turns in FIG. 7 is the number of turns counted only for the interaction between the
実験結果として図７のように、正解率は、「確認戦略あり（強化学習）」が最も高く、「確認戦略あり（hand-crafted）」が次に高く、「確認戦略なし」が最も低いことが確認できた。また、平均ターン数は、「確認戦略あり（強化学習）」が最も少なく、「確認戦略あり（hand-crafted）」が次に少なく、「確認戦略なし」が最も多いことが確認できた。また、得られる平均報酬は、「確認戦略あり（強化学習）」が最も高く、「確認戦略あり（hand-crafted）」が次に高く、「確認戦略なし」が最も低いことが確認できた。 As a result of the experiment, as shown in Fig. 7, the correct answer rate is highest for "with confirmation strategy (reinforcement learning)", next for "with confirmation strategy (hand-crafted)", and lowest for "without confirmation strategy". Was confirmed. In addition, it was confirmed that the average number of turns was the lowest with "confirmation strategy (reinforcement learning)", the second lowest with "hand-crafted", and the most with "without confirmation strategy". In addition, it was confirmed that the average reward obtained was highest for "with confirmation strategy (reinforcement learning)", next for "with confirmation strategy (hand-crafted)", and lowest for "without confirmation strategy".
なお、「確認戦略あり（強化学習）」のモデルの強化学習に用いたＰＯＭＤＰソルバーによる学習結果が収束するまでに要した時間は１秒未満であるが、図６Ａの状態遷移図に対応するモデルではＰＯＭＤＰソルバーが要した時間は３０日以上であった。 It should be noted that the time required for the learning result by the POMDP solver used for the reinforcement learning of the model with "confirmation strategy (reinforcement learning)" to converge is less than 1 second, but the model corresponding to the state transition diagram of FIG. 6A. Then, the time required for the POMDP solver was 30 days or more.
（他の実施の形態等）
以上のように、本発明に係る技術の例示として実施の形態１を用いて説明した。しかしながら、上述の実施の形態は一例にすぎず、各種の変更、付加、省略等が可能であることは言うまでもない。
(Other embodiments, etc.)
As described above, the first embodiment has been used as an example of the technique according to the present invention. However, it goes without saying that the above-described embodiment is only an example, and various changes, additions, omissions, etc. are possible.
上述の実施の形態では、バックエンド２００５が知識ベース２０６の検索処理を行う例を示したが、バックエンド２００５における情報処理は、検索処理でなくてもよく、いかなる処理であってもよい。バックエンド２００５は知識ベース２０６以外の外部装置と通信してもよい。また、知識ベース２０６は必ずしもバックエンド２００５の外部に存在する必要はなくバックエンド２００５に含まれるものとしてもよい。
In the above-described embodiment, the back-
また、上述の実施の形態では、フロントエンド２００２、バックエンド２００５が１つずつである例を示したが、フロントエンド２００２及びバックエンド２００５のそれぞれは、１つに限定されず、複数設けてもよい。
Further, in the above-described embodiment, an example in which one
また、上述の実施の形態では、付帯情報がキーワードである例を示したが、付帯情報は文字列以外の情報であってもよい。例えば、付帯情報は、標章、図形、画像、音声データ等であってもよい。また、例えば、付帯情報は、キーワードのみではなく、キーワードの種類を表すスロットとキーワードとの組であってもよい。 Further, in the above-described embodiment, an example in which the incidental information is a keyword is shown, but the incidental information may be information other than a character string. For example, the incidental information may be a mark, a figure, an image, audio data, or the like. Further, for example, the incidental information may be not only the keyword but also a set of a slot indicating the type of the keyword and the keyword.
また、上述の実施の形態では行動決定部２０３が、ＰＯＭＤＰモデルに基づいて行動として対話行為タイプを決定することとしたが、行動決定部２０３は、必ずしもＰＯＭＤＰモデルに基づくものでなくてもよい。行動決定部２０３は、例えば、信念状態に依らず、予め定められた方策と過去に入力された対話行為タイプの系列（履歴）とに基づいて、対話行為タイプを決定するものであってもよい。
Further, in the above-described embodiment, the
また、上述の実施の形態では、提供部２０５が、対話行為における先頭文字が大文字か小文字かにより対話行為の提供先がフロントエンド２００２かバックエンド２００５かを判定する例を示した。しかし、対話行為における対話行為タイプの値（対話行為タイプ値）が、フロントエンド２００２に向けたものとして予め定められた種類（第１種）か、バックエンド２００５に向けたものとして予め定められた種類（第２種）かにより区別できれば足りるので、その区別を、大文字か小文字かによる区別以外の方法で実現してもよい。提供部２０５が、対話行為タイプ値と、第１種か第２種かの種類（つまり提供先を区別する種類）とを対応付けた対応表を有していてもよい。例えば、提供部２０５は、決定部２００により決定された提供用の対話行為における対話行為タイプが第１種及び第２種のいずれの対話行為タイプ値を表すかに基づいて、対話行為の提供先を選択し、選択した提供先へ対話行為を提供し得る。
Further, in the above-described embodiment, the providing
上述の実施の形態では、対話システム１０を問診に用いる場合を例として説明した。しかし、上述の対話行為タイプは、問診に限らず、対話により情報を特定するタスクにおいては共通するものである。
In the above-described embodiment, the case where the
そのため、対話システム１０を、問診の例に限らず、種々の分野において、ユーザとの対話により情報を特定するタスクの遂行に適用することが可能である。具体例としては、対話システム１０は、料理等の分野でのレシピ検索、観光等の分野での旅行プラン検索、不動産売買等の分野での不動産物件検索、テレビジョン放送等の分野での映像コンテンツ検索等に適用可能である。この場合に、対話システム１０（図２参照）では、例えば、知識ベース２０６には、所定の分野（対話システム１０の適用分野等）に有用な情報を保持させておき、フロントエンド２００２で、当該分野に関して、自然言語で表現される情報をユーザとの間で交換するようにすればよい。なお、対話システム１０が行う対話処理は図３で例示した処理と同様である。
Therefore, the
対話システム１０をレシピ検索に用いる場合においては、知識ベース２０６に、例えば、食材、調味料、料理、調理方法等に関連する情報を保持させ、フロントエンド２００２では、例えば、好みの料理のジャンルや食材等に関する情報をユーザとの対話により取得するようにすればよい。また、対話システム１０を旅行プラン検索に用いる場合においては、知識ベース２０６に、例えば、行き先、人数、宿泊数、予算等に関する情報を保持させ、フロントエンド２００２では、例えば、ユーザが所望する旅行プランの行き先や人数等に関する情報をユーザとの対話により取得するようにすればよい。また、対話システム１０を不動産物件検索に用いる場合においては、知識ベース２０６には、例えば、住居エリア、間取り、築年数、最寄り駅からの距離、家賃等に関連する情報を保持させ、フロントエンド２００２では、例えば、ユーザが所望する不動産物件の住居エリアや間取り等に関する情報をユーザとの対話により取得するようにすればよい。また、対話システム１０を映像コンテンツ検索に用いる場合においては、知識ベース２０６には、例えば、ジャンル、出演者、放送局、放送日時等に関する情報を保持させ、フロントエンド２００２では、例えば、ユーザが見たい番組のジャンルや出演者等に関する情報をユーザとの対話により取得するようにすればよい。なお、いずれのタスクにおいても、ユーザとの対話によりユーザから取得する情報の種類、取得順、総数等は、予め定められた一定値等である必要はなく、ユーザが所望する情報が十分に絞り込まれて特定されるという条件を満たすように動的に決定されればよい。
When the
以上の各例において、エージェント２００１における分離部２０２は、フロントエンド２００２及びバックエンド２００５のいずれかから取得した対話行為を対話行為タイプと付帯情報とに分離するが、前述のとおり、情報を特定するタスクでは、対話行為タイプは分野を問わず共通するため、対話行為タイプの値は、問診の例と同様のものを用いることができる。
In each of the above examples, the
なお、具体的な適用分野に応じて、対話行為タイプを適宜追加してもよい。例えば、レシピ検索においては、実施の形態で例示した対話行為タイプに加え、ユーザからの情報要求に応じて推薦するレシピ（お薦めレシピ）の情報を提示するケースとして、フロントエンド２００２からエージェント２００１への推薦情報要求の対話行為タイプ「RequestRecommend」、エージェント２００１からバックエンド２００５への推薦情報探索の対話行為タイプ「seek_recommend」、バックエンド２００５からエージェント２００１への推薦情報提供の対話行為タイプ「inform_recommend」、エージェント２００１からフロントエンド２００２への推薦情報提示「PresentRecommend」、及び、お薦め情報等を追加してもよい。このようにして、分野に応じて効率的に情報の特定を行うことが可能となる。
It should be noted that the dialogue action type may be added as appropriate according to the specific application field. For example, in the recipe search, in addition to the dialogue action type illustrated in the embodiment, as a case of presenting information on a recipe (recommended recipe) recommended in response to an information request from the user, the
また、上記実施の形態における各構成要素（エージェント２００１、フロントエンド２００２、バックエンド２００５等）の一部又は全部は、１個のシステムＬＳＩ（Large Scale Integration：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ等を含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記録されている。前記マイクロプロセッサが、前記コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。また、上記各装置を構成する構成要素の各部は、個別に１チップ化されていてもよいし、一部又はすべてを含むように１チップ化されてもよい。また、ここでは、システムＬＳＩとしたが、集積度の違いにより、ＩＣ、ＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。更には、半導体技術の進歩又は派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適用等が可能性としてあり得る。
Further, a part or all of each component (
また、上記実施の形態における各構成要素の一部又は全部は、コンピュータ等の装置に脱着可能なＩＣカード又は単体のモジュールから構成されているとしてもよい。前記ＩＣカード又は前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭ等から構成されるコンピュータシステムである。前記ＩＣカード又は前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、前記ＩＣカード又は前記モジュールは、その機能を達成する。このＩＣカード又はこのモジュールは、耐タンパ性を有するとしてもよい。 Further, a part or all of each component in the above embodiment may be composed of an IC card or a single module that can be attached to and detached from a device such as a computer. The IC card or the module is a computer system composed of a microprocessor, a ROM, a RAM, and the like. The IC card or the module may include the above-mentioned super multifunctional LSI. When the microprocessor operates according to a computer program, the IC card or the module achieves its function. This IC card or this module may have tamper resistance.
また、本発明の一態様としては、例えば図３、図５等に示す手順の全部又は一部を含む対話方法であるとしてもよい。対話システム１０で用いられる対話方法は、例えば、エージェント２００１が、フロントエンド２００２及びバックエンド２００５の一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、エージェント２００１が、前記決定ステップで決定された提供用の対話行為を、フロントエンド２００２及びバックエンド２００５の一方へ提供する提供ステップとを含み、前記決定ステップでは提供用の対話行為における対話行為タイプを、フロントエンド２００２及びバックエンド２００５の集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定する。例えば、前記決定ステップは、フロントエンド２００２及びバックエンド２００５の集合から対話行為を逐次取得し、取得した対話行為における付帯情報と対話行為タイプとを分離する分離サブステップと、前記分離サブステップで分離された対話行為タイプを観測とし、その観測に基づいて、観測に対応して行動を決定するための基準となる信念状態情報を参照して、行動としての対話行為タイプを決定する行動決定サブステップと、前記行動決定サブステップで決定された対話行為タイプと前記分離サブステップで分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップと、前記分離サブステップで分離された対話行為タイプの系列である観測と、前記行動決定サブステップで決定された対話行為タイプの系列である行動とに応じて信念状態情報を更新する更新ステップとを含む。また、この対話方法をコンピュータにより実現するコンピュータプログラム（例えば前記決定ステップと前記提供ステップとを含む対話制御処理を行うプログラム等）であるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。また、本発明の一態様としては、前記コンピュータプログラム又は前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Blu-ray（登録商標） Disc）、半導体メモリ等に記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。また、本発明の一態様としては、前記コンピュータプログラム又は前記デジタル信号を、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。また、本発明の一態様としては、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記録しており、前記マイクロプロセッサは、前記コンピュータプログラムに従って動作するとしてもよい。また、前記プログラム又は前記デジタル信号を前記記録媒体に記録して移送することにより、或いは前記プログラム又は前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。
Further, as one aspect of the present invention, for example, it may be a dialogue method including all or a part of the procedures shown in FIGS. 3, 5, and the like. The dialogue method used in the
また、上記実施の形態で示した対話システム１０に係る技術は、上述したサービスの態様（図１参照）の他、例えば、以下のクラウドサービスの類型において実現され得る。但し、上記実施の形態で示した技術の適用が、ここで説明するクラウドサービスの類型に限られるものではない。
Further, the technique related to the
（サービスの類型１：自社データセンタ型クラウドサービス）
図８は、サービスの類型１（自社データセンタ型クラウドサービス）における対話システムが提供するサービスの全体像を示す図である。本類型では、サービスプロバイダ１１２０が、機器１１０１からユーザ１０１０により入力される情報を取得し、ユーザ１０１０に対して機器１１０１を介してサービスを提供する。本類型では、サービスプロバイダ１１２０が、データセンタ運営会社の機能を有している。すなわち、サービスプロバイダ１１２０が、ビッグデータを管理するクラウドサーバを保有している。本類型では、データセンタ運営会社は存在しない。本類型では、サービスプロバイダ１１２０は、データセンタとしてのクラウドサーバ１２０３を有し、オペレーティングシステム（ＯＳ）１２０２及びアプリケーションプログラム（アプリケーション）１２０１を管理する。サービスプロバイダ１１２０は、ＯＳ１２０２及びアプリケーション１２０１を用いて、クラウドサーバ１２０３により機器１１０１と通信することで、サービスを提供する。
(Service type 1: In-house data center type cloud service)
FIG. 8 is a diagram showing an overall picture of the service provided by the dialogue system in the service type 1 (in-house data center type cloud service). In this type, the
（サービスの類型２：ＩａａＳ利用型クラウドサービス）
図９は、サービスの類型２（ＩａａＳ利用型クラウドサービス）における対話システムが提供するサービスの全体像を示す図である。ここで、ＩａａＳとは、インフラストラクチャー・アズ・ア・サービスの略であり、コンピュータシステムを構築および稼動させるための基盤そのものを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。
(Service type 2: IaaS cloud service)
FIG. 9 is a diagram showing an overall picture of the service provided by the dialogue system in the service type 2 (IaaS-based cloud service). Here, IaaS is an abbreviation for Infrastructure as a Service, and is a cloud service provision model that provides the infrastructure itself for constructing and operating a computer system as a service via the Internet.
本類型では、データセンタ運営会社１１１０が、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、ＯＳ１２０２及びアプリケーション１２０１を管理する。サービスプロバイダ１１２０は、サービスプロバイダ１１２０が管理するＯＳ１２０２及びアプリケーション１２０１を用いてサービスを提供する。
In this type, the data
（サービスの類型３：ＰａａＳ利用型クラウドサービス）
図１０は、サービスの類型３（ＰａａＳ利用型クラウドサービス）における対話システムが提供するサービスの全体像を示す図である。ここで、ＰａａＳとは、プラットフォーム・アズ・ア・サービスの略であり、ソフトウェアを構築および稼動させるための土台となるプラットフォームを、インターネット経由のサービスとして提供するクラウドサービス提供モデルである。
(Service type 3: Platform as a service cloud service)
FIG. 10 is a diagram showing an overall picture of the service provided by the dialogue system in the service type 3 (PaaS-based cloud service). Here, PaaS is an abbreviation for Platform as a Service, and is a cloud service provision model that provides a platform as a base for building and operating software as a service via the Internet.
本類型では、データセンタ運営会社１１１０は、ＯＳ１２０２を管理し、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、アプリケーション１２０１を管理する。サービスプロバイダ１１２０は、データセンタ運営会社１１１０が管理するＯＳ１２０２及びサービスプロバイダ１１２０が管理するアプリケーション１２０１を用いてサービスを提供する。
In this type, the data
（サービスの類型４：ＳａａＳ利用型クラウドサービス）
図１１は、サービスの類型４（ＳａａＳ利用型クラウドサービス）における対話システムが提供するサービスの全体像を示す図である。ここで、ＳａａＳとは、ソフトウェア・アズ・ア・サービスの略である。ＳａａＳ利用型クラウドサービスは、例えば、データセンタ（クラウドサーバ）を保有しているプラットフォーム提供者が提供するアプリケーションを、データセンタ（クラウドサーバ）を保有していない会社又は個人等の利用者がインターネット等のネットワーク経由で使用できる機能を有するクラウドサービス提供モデルである。
(Service type 4: SaaS cloud service)
FIG. 11 is a diagram showing an overall picture of the service provided by the dialogue system in the service type 4 (Software as a Service cloud service). Here, SaaS is an abbreviation for Software as a Service. The SaaS cloud service is, for example, an application provided by a platform provider who owns a data center (cloud server), and a user such as a company or an individual who does not have a data center (cloud server) can use the Internet, etc. It is a cloud service provision model that has functions that can be used via the network of.
本類型では、データセンタ運営会社１１１０は、アプリケーション１２０１を管理し、ＯＳ１２０２を管理し、データセンタ（クラウドサーバ）１２０３を運営及び管理している。また、サービスプロバイダ１１２０は、データセンタ運営会社１１１０が管理するＯＳ１２０２及びアプリケーション１２０１を用いてサービスを提供する。
In this type, the data
以上、いずれのクラウドサービスの類型においても、サービスプロバイダ１１２０がサービスを提供する。また、例えば、サービスプロバイダ又はデータセンタ運営会社は、ＯＳ、アプリケーション又はビッグデータのデータベース等を自ら開発してもよいし、また、第三者に開発させてもよい。
As described above, the
なお、上述したクラウドサービスの類型に依らずに、図１に示す機器１１０１（例えばスマートフォン、ＰＣ等）単体で対話システム１０を構成してもよいし、例えば、知識ベース２０６を機器１１０１の外部のネットワーク上に配置して知識ベース２０６及び機器１１０１とで対話システム１０を構成してもよい。
The
また、上記実施の形態で示した各構成要素及び機能を任意に組み合わせることで実現される形態も本発明の範囲に含まれる。 Further, the scope of the present invention also includes a form realized by arbitrarily combining each component and a function shown in the above-described embodiment.
本発明は、例えば問診等といった対話により情報を提供する対話システムとして利用可能である。 The present invention can be used as a dialogue system that provides information through dialogue such as interviews.
１０ 対話システム
２００ 決定部
２０１ 入力処理部
２０２ 分離部
２０３ 行動決定部
２０４ 合成部
２０５ 提供部
２０６ 知識ベース
２０７ 知識処理部
２０８ 出力処理部
１０１０ ユーザ
１１００ グループ
１１０１ 機器
１１０２ ホームゲートウェイ
１１１０ データセンタ運営会社
１１１１ クラウドサーバ
１１２０ サービスプロバイダ
１１２１ サーバ
１２０１ アプリケーションプログラム
１２０２ オペレーティングシステム（ＯＳ）
１２０３ クラウドサーバ
２００１ エージェント
２００２ フロントエンド
２００３、２００６ 観測
２００４、２００７ 行動
２００５ バックエンド
10
1203
Claims (9)
前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定部と、
前記決定部により決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供部とを備え、
前記決定部は、前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、
前記決定部は、前記提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定し、
前記決定部は、
観測としての対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定する行動決定部と、
前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を前記行動決定部に観測として逐次入力する分離部と、
前記行動決定部で決定された対話行為タイプと前記分離部で分離された付帯情報とを合成することで提供用の対話行為を生成する合成部とを有し、
前記行動決定部は、行動としての対話行為タイプの前記決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて、行う
エージェント装置。 An agent device that exchanges dialogue actions, which are information in a predetermined dialogue action format composed of a front end that performs user interface processing and a back end that performs information processing, and a dialogue action type and incidental information. ,
A decision unit that determines the dialogue action for provision according to the dialogue action acquired from one of the front end and the back end, and
A providing unit that selectively provides the front-end and one or the other of the back-end the dialogue action for providing determined by the determining unit is provided.
The determination unit obtains the dialogue action type in the dialogue action for provision based on the dialogue action type sequence in the dialogue action sequentially acquired from the front end and the back end set, not based on the incidental information sequence. Decide and
The determination unit determines the dialogue action type in the dialogue action for provision based on the series of dialogue action types determined in the past.
The decision unit
A behavioral decision unit that determines the type of dialogue as an action based on a series of types of dialogue as an observation,
A separation unit that sequentially acquires dialogue actions from the front end and the set of back ends and sequentially inputs a series of dialogue action types to the action determination unit as observations by separating incidental information from the acquired dialogue actions.
It has a synthesis unit that generates a dialogue action for provision by synthesizing the dialogue action type determined by the action determination unit and the incidental information separated by the separation unit.
The action determination unit is an agent device that makes the determination of the dialogue action type as an action based on the sequence of the dialogue action type as the action determined in the past.
請求項１記載のエージェント装置。 The agent device according to claim 1, wherein the action decision unit determines an action based on a POMDP (Partially Observable Markov Decision Process) model.
前記行動としての対話行為タイプは、前記フロントエンドに向けた第１種の対話行為タイプ値と前記バックエンドに向けた第２種の対話行為タイプ値とに区別される予め定められた複数の対話行為タイプ値のいずれかを表し、
前記提供部は、前記決定部により決定された提供用の対話行為における対話行為タイプが第１種及び第２種のいずれの対話行為タイプ値を表すかに基づいて、前記フロントエンド及び前記バックエンドのうち当該対話行為の提供先を選択し、選択した提供先へ当該対話行為を提供する
請求項１又は２記載のエージェント装置。 The dialogue action type as the observation represents one of a plurality of predetermined dialogue action type values.
The dialogue action type as the action is a plurality of predetermined dialogues which are distinguished into a first type dialogue action type value toward the front end and a second type dialogue action type value toward the back end. Represents one of the action type values
The providing unit is the front end and the back end based on whether the dialogue type in the providing dialogue determined by the determination unit represents a type 1 or type 2 dialogue type value. The agent device according to claim 1 or 2, wherein the destination of the dialogue is selected, and the dialogue is provided to the selected destination.
請求項１〜３のいずれか一項に記載のエージェント装置。 The agent device according to any one of claims 1 to 3, wherein the incidental information represents a keyword.
自然言語で表現される情報をユーザとの間で交換する前記フロントエンドと、
知識ベースの検索に基づき情報の提供を行う前記バックエンドとを備える
対話システム。 The agent device according to any one of claims 1 to 4,
The front end, which exchanges information expressed in natural language with the user,
An interactive system with the backend that provides information based on a knowledge base search.
前記バックエンドは、前記エージェント装置から取得した対話行為における付帯情報が表すキーワードを用いて前記知識ベースの検索処理を行い、検索処理の結果に基づいて生成した対話行為を前記エージェント装置に提供する
請求項５記載の対話システム。 The ancillary information represents keywords that can be used for the knowledge base search.
The back end performs the knowledge-based search process using keywords represented by incidental information in the dialogue action acquired from the agent device, and provides the agent device with the dialogue action generated based on the result of the search process. Item 5. The dialogue system according to item 5.
請求項６記載の対話システム。 The backend determines whether or not the results of the knowledge-based search process have been sufficiently narrowed down, and if it is determined that the results have been sufficiently narrowed down, the backend provides the agent device with a dialogue action representing the results. The dialogue system according to claim 6, wherein when it is determined that the search process is not narrowed down to, the agent device is provided with a dialogue act representing a keyword effective for narrowing down the result of the search process.
知識ベースの検索に基づく情報の提供を行うバックエンドと、
前記フロントエンド及び前記バックエンドの各々と、対話行為タイプと付帯情報とで構成される所定対話行為形式の情報である対話行為の授受を行うエージェント装置とを含む対話システムにおいて用いられる対話方法であって、
前記エージェント装置が、前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、
前記エージェント装置が、前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供ステップとを含み、
前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、
前記決定ステップは、
前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為における付帯情報と対話行為タイプとを分離する分離サブステップと、
前記分離サブステップで分離された対話行為タイプを観測とし、当該観測に基づいて、観測に対応して行動を決定するための基準となる信念状態情報を参照して、行動としての対話行為タイプを決定する行動決定サブステップと、
前記行動決定サブステップで決定された対話行為タイプと前記分離サブステップで分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップと、
前記分離サブステップで分離された対話行為タイプの系列である観測と、前記行動決定サブステップで決定された対話行為タイプの系列である行動とに応じて前記信念状態情報を更新する更新ステップとを含む
対話方法。 A front end that exchanges information expressed in natural language with users,
A backend that provides information based on knowledge-based searches, and
A dialogue method used in a dialogue system including each of the front end and the back end, and an agent device that exchanges dialogue actions, which is information in a predetermined dialogue action format composed of a dialogue action type and incidental information. hand,
A determination step in which the agent device determines a dialogue action for provision according to a dialogue action acquired from one of the front end and the back end.
The agent apparatus includes a providing step of selectively providing the providing dialogue determined in the determination step to the one or the other of the front end and the back end.
In the determination step, the dialogue action type in the providing dialogue action is determined based on the dialogue action type sequence in the dialogue action sequentially acquired from the front end and the back end set, not based on the incidental information sequence. And
The determination step
A separation substep that sequentially acquires dialogue actions from the front end and the set of back ends and separates the incidental information and the dialogue action type in the acquired dialogue actions,
The dialogue action type as an action is determined by referring to the belief state information that is the reference for determining the action in response to the observation based on the observation, assuming that the dialogue action type separated in the separation substep is observed. Action decision substeps to decide and
A synthetic substep that generates a dialogue action for provision by synthesizing the dialogue action type determined in the action determination substep and the incidental information separated in the separation substep, and
An observation that is a series of dialogue action types separated in the separation sub-step, and an update step that updates the belief state information according to an action that is a series of dialogue action types determined in the action determination sub-step. Dialogue method including.
前記対話制御処理は、
前記フロントエンド及び前記バックエンドの一方から取得した対話行為に応じて提供用の対話行為を決定する決定ステップと、
前記決定ステップで決定された前記提供用の対話行為を、前記フロントエンド及び前記バックエンドの前記一方又は他方へ選択的に提供する提供ステップとを含み、
前記決定ステップでは前記提供用の対話行為における対話行為タイプを、前記フロントエンド及び前記バックエンドの集合から逐次取得した対話行為における、付帯情報の系列に基づかず対話行為タイプの系列に基づいて、決定し、
前記決定ステップでは、前記提供用の対話行為における対話行為タイプを、過去に決定した対話行為タイプの系列にも基づいて、決定し、
前記決定ステップは、
観測としての対話行為タイプの系列に基づいて、行動としての対話行為タイプを決定する行動決定サブステップと、
前記フロントエンド及び前記バックエンドの集合から対話行為を逐次取得し、取得した対話行為から付帯情報を分離することで対話行為タイプの系列を前記行動決定サブステップに観測として逐次入力する分離サブステップと、
前記行動決定サブステップで決定された対話行為タイプと前記分離サブステップで分離された付帯情報とを合成することで提供用の対話行為を生成する合成サブステップとを含み、
前記行動決定サブステップでは、行動としての対話行為タイプの前記決定を、過去に決定した行動としての対話行為タイプの系列にも基づいて、行う
プログラム。 A dialogue control process for exchanging dialogue actions, which is information in a predetermined dialogue action format composed of a front end that performs user interface processing and a back end that performs information processing, and a dialogue action type and incidental information. A program to be executed by a computer
The dialogue control process is
A decision step for determining a dialogue action for provision according to a dialogue action acquired from one of the front end and the back end, and
Includes a providing step of selectively providing the providing dialogue determined in the determination step to the one or the other of the front end and the back end.
In the determination step, the dialogue action type in the providing dialogue action is determined based on the dialogue action type sequence in the dialogue action sequentially acquired from the front end and the back end set, not based on the incidental information sequence. And
In the determination step, the dialogue type in the provisional dialogue is determined based on the series of dialogue types determined in the past.
The determination step
Action decision substeps that determine the type of dialogue as an action, based on a sequence of types of dialogue as an observation,
A separation substep in which dialogue actions are sequentially acquired from the front end and the set of back ends, and incidental information is separated from the acquired dialogue actions, so that a sequence of dialogue action types is sequentially input to the action determination substep as an observation. ,
It includes a synthetic sub-step that generates a dialogue action for provision by synthesizing the dialogue action type determined in the action determination sub-step and the incidental information separated in the separation sub-step.
In the action determination substep, a program in which the determination of the dialogue action type as an action is made based on a series of dialogue action types as an action determined in the past.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710404504.3A CN107562770A (en) | 2016-07-01 | 2017-06-01 | Information processing method and recording medium |
| US15/627,350 US11055799B2 (en) | 2016-07-01 | 2017-06-19 | Information processing method and recording medium |
| EP18190248.7A EP3438988A1 (en) | 2016-07-01 | 2017-06-20 | Information processing method and recording medium |
| EP17176796.5A EP3264301A1 (en) | 2016-07-01 | 2017-06-20 | Information processing method and recording medium |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016131739 | 2016-07-01 | ||
| JP2016131739 | 2016-07-01 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018010610A JP2018010610A (en) | 2018-01-18 |
| JP6832502B2 true JP6832502B2 (en) | 2021-02-24 |
Family
ID=60995597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017012528A Active JP6832502B2 (en) | 2016-07-01 | 2017-01-26 | Agent device, dialogue system, dialogue method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6832502B2 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7013329B2 (en) * | 2018-06-14 | 2022-01-31 | ヤフー株式会社 | Learning equipment, learning methods and learning programs |
| CN110931137B (en) * | 2018-09-19 | 2023-07-07 | 京东方科技集团股份有限公司 | Machine-assisted dialog systems, methods, and apparatus |
| US11288459B2 (en) | 2019-08-01 | 2022-03-29 | International Business Machines Corporation | Adapting conversation flow based on cognitive interaction |
| CN112420026B (en) * | 2019-08-23 | 2024-06-18 | 微软技术许可有限责任公司 | Optimizing keyword retrieval system |
| CN112100353B (en) * | 2020-09-15 | 2024-06-07 | 京东方科技集团股份有限公司 | Man-machine conversation method and system, computer equipment and medium |
| WO2024069974A1 (en) * | 2022-09-30 | 2024-04-04 | 日本電信電話株式会社 | Dialogue device, dialogue method, and dialogue program |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001061616A2 (en) * | 2000-02-14 | 2001-08-23 | First Opinion Corporation | Automated diagnostic system and method |
| JP4728905B2 (en) * | 2006-08-02 | 2011-07-20 | クラリオン株式会社 | Spoken dialogue apparatus and spoken dialogue program |
| JP4881903B2 (en) * | 2008-03-18 | 2012-02-22 | ヤフー株式会社 | Script creation support method and program for natural language dialogue agent |
| JP5286062B2 (en) * | 2008-12-11 | 2013-09-11 | 日本電信電話株式会社 | Dialogue device, dialogue method, dialogue program, and recording medium |
| EP2839391A4 (en) * | 2012-04-20 | 2016-01-27 | Maluuba Inc | Conversational agent |
| JP5857090B2 (en) * | 2014-05-26 | 2016-02-10 | ソフトバンク株式会社 | Information search device, information search program, and information search system |
| JP2016001242A (en) * | 2014-06-11 | 2016-01-07 | 日本電信電話株式会社 | Question sentence creation method, device, and program |
-
2017
- 2017-01-26 JP JP2017012528A patent/JP6832502B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018010610A (en) | 2018-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6832502B2 (en) | Agent device, dialogue system, dialogue method and program | |
| US11055799B2 (en) | Information processing method and recording medium | |
| US8751433B2 (en) | Efficient probabilistic reasoning over semantic data | |
| US20170187654A1 (en) | Non-transitory computer-readable recording medium, method, system, and apparatus for exchanging message | |
| US9514425B2 (en) | Method and system for providing user-customized contents | |
| JP6163607B2 (en) | Method and apparatus for constructing event knowledge database | |
| JP2017010528A (en) | Semantic information generation method, semantic information generation apparatus, and program | |
| JPWO2020065840A1 (en) | Computer systems, speech recognition methods and programs | |
| US20180226067A1 (en) | Modifying a language conversation model | |
| CN112639827A (en) | Automatically generating conversational services from computing applications | |
| CN109740122A (en) | The conversion method and device of mind map use-case file | |
| JP2009140467A (en) | Method and system for providing and using editable personal dictionary | |
| US20180218264A1 (en) | Dynamic resampling for sequential diagnosis and decision making | |
| KR20190023316A (en) | Question-answering system based dialogue model | |
| JP2022516227A (en) | Natural language solution | |
| WO2018167885A1 (en) | Information processing device, information processing method, and information processing program | |
| Murungi et al. | Theory through argument: Applying argument mapping to facilitate theory building | |
| JP6817593B2 (en) | Information processing methods, information processing devices and programs | |
| JP7473389B2 (en) | Learning model generation system and learning model generation method | |
| US11031111B1 (en) | Systems and methods for optimizing clinical workflow using a prioritization engine | |
| CN109313638B (en) | Application recommendation | |
| CN115862862A (en) | Disease prediction method, device and computer readable storage medium | |
| US20220108071A1 (en) | Information processing device, information processing system, and non-transitory computer readable medium | |
| Chakrabarti | Artificial conversations for chatter bots using knowledge representation, learning, and pragmatics | |
| Le et al. | Generating predictable and adaptive dialog policies in single-and multi-domain goal-oriented dialog systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190730 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200522 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200629 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201211 |
|
| 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: 20201222 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210113 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6832502 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |