TW201944266A - 對話機器人檢索系統、對話機器人檢索方法、及程式 - Google Patents

對話機器人檢索系統、對話機器人檢索方法、及程式

Info

Publication number
TW201944266A
TW201944266A TW108113065A TW108113065A TW201944266A TW 201944266 A TW201944266 A TW 201944266A TW 108113065 A TW108113065 A TW 108113065A TW 108113065 A TW108113065 A TW 108113065A TW 201944266 A TW201944266 A TW 201944266A
Authority
TW
Taiwan
Prior art keywords
information
dialogue
servo device
robot servo
evaluation
Prior art date
Application number
TW108113065A
Other languages
English (en)
Inventor
金敏秀
Original Assignee
日商Ｊｅ國際股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日商Ｊｅ國際股份有限公司 filed Critical 日商Ｊｅ國際股份有限公司
Publication of TW201944266A publication Critical patent/TW201944266A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一種檢索系統，具有以下之構成。對話機器人資訊收集部是從對話機器人伺服裝置收集記錄資訊(log information)，其中前述對話機器人伺服裝置是自動地生成回應文字並發送至終端裝置，藉此提供對話服務，前述記錄資訊是將在與終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊。評價測定部是與儲存對話機器人伺服裝置的評價資訊之評價資訊儲存部根據記錄資訊，而生成對話機器人伺服裝置的評價資訊並寫入評價資訊儲存部。檢索部是從評價資訊儲存部讀出與檢索條件相匹配的對話機器人伺服裝置的評價資訊，並以根據評價資訊的排序的方式來輸出對話機器人伺服裝置的資訊。

Description

對話機器人檢索系統、對話機器人檢索方法、及程式
發明領域
本發明是有關於一種對話機器人檢索系統、對話機器人檢索方法、及程式。
本申請是根據已於2018年4月16日於日本提出申請的特願2018-078637號而主張優先權，並在此引用其內容。
發明背景
收集所謂的巨量資料(Big data)，並活用於各種分析等的技術正在普及中。利用人工智慧來分析資料的技術也正在普及。在此之中，可預想到今後會推廣藉由引用了人工智慧(AI)的手法的自然語言處理來提供對話服務之作法。利用了人工智慧的對話服務也稱為AI對話機器人服務等。在AI對話機器人服務中，是利用機器學習的手法來事先進行知識的學習。AI對話機器人服務是根據其知識，對於從用戶端所發送的對話文字，輸出適當的回應的文字，並發送至用戶端。如此，可藉由在用戶端的終端裝置與伺服器端(對話機器人伺服裝置)之間交互地進行文字交流，使對話服務成立。利用了AI之如上述的對話服務本身，可以利用既有的技術來實現。
例如，在專利文獻1中記載有一種對話系統，前述對話系統會學習使用者偏好，並且利用自然語言處理來自動地生成發表文。
先前技術文獻
專利文獻
專利文獻1：日本專利特開2017-204157號公報
發明概要
發明欲解決之課題
若形成為各種業者等為了顧客等而提供大量AI對話機器人服務時，對於使用者而言，要因應於狀況來選擇最適宜的服務會變得困難。所謂的網頁搜尋引擎是進行下述處理：累積事先收集的網頁文件，並因應於其特徵來選擇與使用者所輸入的關鍵字等相匹配的網頁，並且依考慮為使用者所要求的程度由高到低之順序來排列並輸出。但是，該等網頁搜尋引擎只能判定靜態的文件內容是否匹配於使用者的要求，並不能以特別符合AI對話機器人服務的特徵之形式來實現檢索。為了檢索使用者所期望的AI對話機器人服務，只藉由根據文件的特徵之處理是不充分的。在AI的活用方法不佳的情況下，會難以提供信賴性較高的AI對話機器人服務，以往的網頁搜尋引擎並沒有特別對每個像這樣的服務的特徵進行分析。
本發明是根據上述的課題理解來進行的。本發明在於提供一種用於檢索可以符合使用者的目的，並且讓使用者信賴地使用的AI對話機器人服務之對話機器人檢索系統及其程式。
用以解決課題之手段
為了解決上述之課題，本發明的一態樣之對話機器人檢索系統具備：對話機器人資訊收集部，從對話機器人伺服裝置收集記錄資訊(log information)，其中前述對話機器人伺服裝置是因應從使用者的終端裝置發送的文字而自動地生成回應文字並發送至前述終端裝置，藉此提供對話服務，前述記錄資訊是將前述對話機器人伺服裝置中的與前述終端裝置之間的文字的交流和日期時間資訊建立關連並記錄之資訊；記錄資訊儲存部，儲存前述記錄資訊；評價資訊儲存部，儲存前述對話機器人伺服裝置的評價資訊；評價測定部，根據前述記錄資訊，生成前述對話機器人伺服裝置的評價資訊並寫入前述評價資訊儲存部；及檢索部，根據所輸入的檢索條件，從前述評價資訊儲存部讀出與前述檢索條件相匹配的前述對話機器人伺服裝置的前述評價資訊，並以根據前述評價資訊的排序的方式來輸出前述對話機器人伺服裝置的資訊。
在上述之對話機器人檢索系統中，前述評價測定部亦可藉由解析前述記錄資訊所包含的對話之文字，而對前述對話機器人伺服裝置的信賴度作評價，並且將前述信賴度作為前述對話機器人伺服裝置的評價資訊而寫入前述評價資訊儲存部。
在上述之對話機器人檢索系統中，前述評價測定部亦可根據前述文字及前述回應文字來分別將正面評價點數及負面評價點數計入，藉此對前述信賴度作評價。前述評價測定部亦可事先累積學習不足回應例，前述學習不足回應例是在前述對話機器人伺服裝置中的學習量不充分的情況下的回應文的例子，在前述對話機器人伺服裝置所輸出的前述文字相當於前述學習不足回應例的情況下，是針對該對話機器人伺服裝置將前述負面評價點數計入。
在上述之對話機器人檢索系統中，前述評價測定部亦可根據前述記錄資訊，算出前述對話機器人伺服裝置的每單位時間的使用者數量，並且將每單位時間的使用者數量作為前述對話機器人伺服裝置的評價資訊來寫入前述評價資訊儲存部。
在上述之對話機器人檢索系統中，前述評價測定部亦可根據前述記錄資訊，算出前述對話機器人伺服裝置中的使用者的平均利用時間，並且將使用者的平均利用時間作為前述對話機器人伺服裝置的評價資訊來寫入前述評價資訊儲存部。
在上述之對話機器人檢索系統中，前述對話機器人伺服裝置亦可進行下述處理：事先進行根據內容資料的機器學習，並且根據前述機器學習的結果，對應於使用者的終端裝置所發送的前述文字來自動地生成前述回應文字。前述對話機器人資訊收集部亦可從前述對話機器人伺服裝置收集前述內容資料。前述檢索部亦可根據前述對話機器人資訊收集部所收集的前述內容資料、與前述檢索條件之間的適合度，來選擇並輸出前述對話機器人伺服裝置。
在上述之對話機器人檢索系統中，前述對話機器人伺服裝置亦可留存領域資訊，前述領域資訊是表示所提供的前述對話服務的領域。前述對話機器人資訊收集部亦可從前述對話機器人伺服裝置收集前述領域資訊。前述檢索部亦可具有以下特徵：根據前述對話機器人資訊收集部所收集的前述領域資訊、與前述檢索條件所包含的領域資訊之間的適合度，來選擇並輸出前述對話機器人伺服裝置。
對話機器人伺服裝置亦可將管理該對話機器人伺服裝置之個人的資訊、店主的資訊、及公司的資訊和上述之領域資訊一起留存。對話機器人伺服裝置亦可留存有關連製品資訊等，前述關連製品資訊是有關於該等個人、店、公司等所經手的製品等。
在上述之對話機器人檢索系統中，亦可具備檢索介面部，前述檢索介面部是在第1前述對話機器人伺服裝置對前述終端裝置提供前述對話服務時，從前述第1對話機器人伺服裝置接收前述第1對話機器人伺服裝置從前述文字內所提取出的檢索條件，並且將所接收的前述檢索條件傳遞至前述檢索部，而從前述檢索部接收與前述檢索條件相對應的第2對話機器人伺服裝置的資訊，並將該第2對話機器人伺服裝置的資訊回傳至前述第1對話機器人伺服裝置。前述檢索部亦可在已從前述檢索介面部傳遞前述檢索條件的情況下，對前述檢索介面部輸出根據該檢索條件之前述第2對話機器人伺服裝置的資訊。
在上述之對話機器人檢索系統中，前述檢索部亦可對前述檢索介面部輸出前述對話機器人伺服裝置的資訊與前述第2對話機器人伺服裝置的資訊，前述對話機器人伺服裝置的資訊與前述第2對話機器人伺服裝置的資訊是用於供前述終端裝置同時對前述對話機器人伺服裝置與前述第2對話機器人伺服裝置之雙方進行存取的資訊。
在上述之對話機器人檢索系統中，前述對話機器人資訊收集部亦可收集：將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流中的有關於販賣業績的資訊和日期時間資訊建立關連並作為販賣記錄來包含的前述記錄資訊。前述評價資訊儲存部亦可將根據前述販賣記錄之加總有販賣業績的資訊，儲存作為前述評價資訊。前述評價測定部亦可根據前述記錄資訊內的前述販賣記錄，進行將販賣業績加總的處理，並且將加總有販賣業績的資訊作為前述評價資訊來寫入前述評價資訊儲存部。前述檢索部亦可用根據加總有前述販賣業績的資訊之排序的方式來輸出前述對話機器人伺服裝置的資訊。
一個態樣的對話機器人檢索方法包含以下步驟：對話機器人資訊收集部從對話機器人伺服裝置收集記錄資訊(log information)之步驟，其中前述對話機器人伺服裝置是因應從使用者的終端裝置發送的文字而自動地生成回應文字並發送至前述終端裝置，藉此提供對話服務，前述記錄資訊是將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊；將前述記錄資訊寫入記錄資訊儲存部之步驟；評價測定部根據前述記錄資訊，生成前述對話機器人伺服裝置的評價資訊並寫入評價資訊儲存部之步驟；及檢索部根據所輸入的檢索條件，從前述評價資訊儲存部讀出與前述檢索條件相匹配的前述對話機器人伺服裝置的前述評價資訊，並以根據前述評價資訊的排序的方式來輸出前述對話機器人伺服裝置的資訊之步驟。
又，一個態樣是一種用於使電腦執行上述之對話機器人檢索方法的程式。
發明效果
根據本發明，變得可對使用者提供可以信賴的AI對話機器人服務之資訊。藉此，使用者會變得易於存取信賴性較高且易於使用的AI對話機器人服務。
用以實施發明的形態
[第1實施形態]
接著，參照圖式來說明本發明的一實施形態。圖1是顯示包含本實施形態之對話機器人檢索系統之系統整體的功能構成的概略方塊圖。
在以下，「AI」是「artificial intelligence(人工智慧)」的縮寫。AI本身可以利用既有的技術。AI可以學習，以使得所輸入的資料(文字等)與所輸出的資料(文字等)的關係變得適當。
對話機器人檢索系統1是從多數個對話機器人伺服裝置2收集資訊。對話機器人檢索系統1是檢索與來自終端裝置31或終端裝置32等的要求相因應的對話機器人伺服裝置2的資訊，並且將檢索結果提供給終端裝置31或終端裝置32。
設為檢索的對象之對話機器人伺服裝置2存在有複數台。在圖1中，為了方便而對各個對話機器人伺服裝置2賦與有#1、#2、#3、…、#N之編號。
各個對話機器人伺服裝置2是對外部的終端裝置等提供對話的服務。於對話機器人伺服裝置2中搭載有AI，此AI可因應於從終端裝置等接收的對話文字，而回應適當的對話文字。因此，於對話機器人伺服裝置2中所搭載的AI是利用學習資料來事先進行學習成能夠回應適當的對話文字。或者，AI亦可設成一邊執行對話服務一邊利用該服務中所輸入輸出的文字資料來學習。可以利用例如深度學習(deep learning)的手法來作為學習處理。藉由進行像這樣的AI的學習，對話機器人伺服裝置2可以在毋須個別地透過人手的情形下，輸出符合使用者的意圖之對使用者的回答等之文字。
對話機器人伺服裝置2是一邊執行對話的服務一邊記錄訊務資訊(traffic information)。又，對話機器人伺服裝置2會記錄對話的內容。亦即，對話機器人伺服裝置2是記錄對話機器人伺服裝置2從外部的終端裝置等接收到的文字之資料、以及對話機器人伺服裝置2發送至該終端裝置等的文字之資料。又，對話機器人伺服裝置2留存有自身裝置所經手的領域之資訊。在此的領域是指對話機器人伺服裝置2所實施的對話的內容之領域。又，對話機器人伺服裝置2儲存有內容。此內容是屬於上述領域之大量的文件的資料。對話機器人伺服裝置2在進行上述之學習處理時，也可以進行利用了該等文件資料的學習。對話機器人伺服裝置2是因應於例如對話機器人檢索系統1的對話機器人資訊收集裝置11的要求，而將上述之訊務資訊、對話的內容的資料、領域資訊、或內容提供至對話機器人資訊收集裝置11。對話機器人伺服裝置也稱為「AI對話機器人伺服裝置」。
如圖所示，對話機器人檢索系統1包含對話機器人資訊收集裝置11、儲存裝置12、檢索伺服裝置13、及使用者介面伺服裝置14。對話機器人資訊收集裝置11也稱為「對話機器人資訊收集部」。
對話機器人資訊收集裝置11是從對話機器人伺服裝置2收集為了在對話機器人的檢索中利用的各種資訊，並且寫入儲存裝置12。具體而言，對話機器人資訊收集裝置11是收集對話機器人伺服裝置2中的訊務資訊、或由對話機器人伺服裝置2所進行之對話的內容的資訊。又，對話機器人資訊收集裝置11是收集對話機器人伺服裝置2的諮詢領域之資訊。對話機器人資訊收集裝置11是恆常地運作，並且以即時的方式從對話機器人伺服裝置2收集上述之各種資訊。但是，對話機器人資訊收集裝置11亦可設成按每個預定時間間隔來收集上述之各種資訊。又，對話機器人資訊收集裝置11是根據從對話機器人伺服裝置2收集到的資訊，來測定對話機器人伺服裝置2的評價。對話機器人資訊收集裝置11是將對話機器人伺服裝置2的評價結果之資訊寫入儲存裝置12。針對對話機器人資訊收集裝置11所進行的評價之處理的詳細內容將於後文描述，該處理包含根據對話內容的資訊，對利用對話服務的利用者的反應作評價。
對話機器人資訊收集裝置11亦可設成並非僅是在1個時間點從對話機器人伺服裝置2收集資訊並評價，而是持續地重複進行資料的收集與評價。對話機器人資訊收集裝置11亦可設成以即時的方式從對話機器人伺服裝置2收集最新的資訊並且評價。
亦即，對話機器人資訊收集裝置11是因應於使用者的終端裝置31或32所發送的文字而自動地生成回應文字，並且發送至前述終端裝置31或32。藉此，對話機器人資訊收集裝置11是從提供對話服務的對話機器人伺服裝置2收集記錄資訊，前述記錄資訊是將前述對話機器人伺服裝置2中的與前述終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊。
儲存裝置12是儲存對話機器人資訊收集裝置11所收集的資訊。針對儲存裝置12的詳細內容將於後文描述。
檢索伺服裝置13是一邊參照儲存裝置12所儲存的資料一邊因應於來自終端裝置31或32的檢索要求，而執行檢索處理。亦即，檢索伺服裝置13是根據所輸入的檢索條件，從評價資訊儲存部123讀出與檢索條件相匹配的對話機器人伺服裝置2的評價資訊。檢索伺服裝置13是以根據評價資訊的排序的方式來輸出對話機器人伺服裝置2的資訊。針對檢索伺服裝置13的詳細內容將於後文描述。
使用者介面伺服裝置14具有對終端裝置31或32提供對話機器人檢索系統1的使用者介面之功能。使用者介面伺服裝置14是透過所提供的使用者介面，從終端裝置31或32接收檢索條件。使用者介面伺服裝置14是將該檢索條件轉送至檢索伺服裝置13。又，使用者介面伺服裝置14是將從檢索伺服裝置13所回傳的檢索結果提示給要求來源之終端裝置31或32。使用者介面伺服裝置14具有對應於網頁用及應用程式用之雙方的使用者介面之功能。亦即，在使用者介面伺服裝置14中，對於來自終端裝置31之網頁的檢索要求，是進行網頁用的使用者介面功能所對應的處理。又，對於來自終端裝置32中運作的應用程式的檢索要求，是進行應用程式用的使用者介面功能所對應的處理。
上述對話機器人資訊收集裝置11、檢索伺服裝置13、使用者介面伺服裝置14是利用例如電子電路來實現。又，亦可使用電腦與程式來實現這些裝置。又，儲存裝置12是使用例如磁碟裝置或半導體記憶體等之類的儲存機構來實現。
終端裝置31及終端裝置32是使用例如智慧型手機、個人電腦(PC)、或其他資訊機器來實現。終端裝置31或終端裝置32是向對話機器人檢索系統1發送檢索條件，並且從對話機器人檢索系統1接收檢索結果來作為其回應。在此檢索結果中包含有用於對對話機器人伺服裝置2進行存取的資訊。用於對對話機器人伺服裝置2進行存取的資訊例如為統一資源定位符(Uniform Resource Locator)。終端裝置31或終端裝置32可以對檢索結果的資訊所示之對話機器人伺服裝置2進行存取，並且接受對話服務。
終端裝置31具備網頁瀏覽器部311。可以從終端裝置31利用網頁瀏覽器的功能，來利用對話機器人檢索系統1。
終端裝置32具備有應用程式執行部321。在應用程式執行部321中，可以讓用於對對話機器人檢索系統1進行存取的應用程式運作。可以從終端裝置32利用此應用程式的功能，來利用對話機器人檢索系統1。
接著，說明對話機器人伺服裝置2的功能。圖2是顯示對話機器人伺服裝置的概略功能構成的方塊圖。如圖所示，對話機器人伺服裝置2包含知識庫21、對話引擎部22、使用者介面部23、資訊儲存部24、及資訊提供部25。
知識庫21是儲存為了讓對話引擎部22執行對話處理而必要的知識資料。知識庫21及對話引擎部22會進行利用了人工智慧的處理。人工智慧本身是使用既有的技術來實現。具體而言，知識庫21是留存對話引擎部22之作為進行了機器學習處理的結果而得到的知識。這裏的機器學習處理是用於在接收到來自終端裝置31或32的對話之文字時，使對話機器人伺服裝置2進行成回傳最適當的回應文字之學習。
對話引擎部22是一邊參照上述之知識庫21，一邊對從終端裝置端所接收的文字，導出最適當的回應文字，並且回傳至終端裝置端。對話引擎部22在執行對話服務的處理時，會將其過程作為記錄資訊而記錄於資訊儲存部24。針對記錄資訊的詳細內容將於後文描述。
使用者介面部23具有實現對使用者的終端裝置的介面之功能。使用者介面部23是將來自終端裝置端的文字暫時接受，並傳遞至對話引擎部22。又，使用者介面部23是將從對話引擎部22所輸出的文字，在預定的使用者介面發送至終端裝置端。
資訊儲存部24是儲存上述之記錄資訊及其他資訊。資訊儲存部24是利用例如磁碟裝置或半導體記憶體等來實現。針對資訊儲存部24的詳細內容將於後文描述。
資訊提供部25是將資訊儲存部24所儲存的資訊提供至外部。具體而言，資訊提供部25是將資訊儲存部24所儲存的資訊提供至對話機器人資訊收集裝置11。
圖3是顯示上述資訊儲存部24之更詳細的構成的方塊圖。如圖所示，資訊儲存部24包含記錄資訊儲存部241、領域資訊儲存部242、及內容儲存部243。
記錄資訊儲存部241是記錄對話機器人伺服裝置2所執行的對話之記錄。針對記錄資訊的詳細內容將於後文描述。記錄資訊是留存：事件發生的時間點(日期時間)之資訊、該事件的內容、以及在該事件為對話文字的發送接收的情況下，留存對話內容(文字)。此記錄包含利用者人數的資訊、或對話的內容之資訊。
領域資訊儲存部242是儲存該對話機器人伺服裝置2的對話服務設為對象的領域之資訊。
內容儲存部243是儲存該對話機器人伺服裝置2為了學習處理而使用的內容。內容例如為記述有該對話服務設為對象之行業類別的知識之大量的文件資料。藉由使用機器學習的手法，上述之對話引擎部22即可事先進行根據這些內容的學習。
資訊儲存部24所儲存的這些資料是由後述之對話機器人資訊收集裝置11所收集。這些資料是為了對話機器人檢索系統1執行檢索處理而被活用。
圖4是顯示上述之記錄資訊儲存部241所留存的記錄資訊的構成及資料例的概略圖。如圖所示，記錄資訊為表格形式的資料，並且是將訊務資訊與對話內容資訊建立對應來擁有。訊務資訊包含日期時間、對話使用者ID、事件之各項目。對話內容資訊包含在對話服務中所交流的文字之資訊。對話機器人伺服裝置2的對話引擎部22是在執行對話服務時寫入記錄資訊。此記錄資訊中的1行資料是對應於對話服務中的1件事件。以下，說明記錄資訊的各項目。
日期時間是事件發生的日期時間。對話引擎部22是從對話機器人伺服裝置2所留存的時鐘取得日期時間資訊，並且記錄作為記錄資訊的一部分。在圖示的資料例中，是將年月日、時分秒、及百分之一秒的資訊包含作為日期時間資訊。
對話使用者ID是唯一地識別接受該對話服務的使用者之資訊。使用者是利用終端裝置等來接受對話機器人伺服裝置2所進行之對話服務者。
事件是表示記錄資訊中的該行所記錄的事件之種類的資訊。在圖示的資料例中，事件的種類為交談連接、交談切斷、接收、及發送之4個種類。接收是表示對話機器人伺服裝置2接收來自使用者的文字之情形。發送是表示對話機器人伺服裝置2對使用者發送文字之情形。
對話內容資訊是在對話服務中對話機器人伺服裝置2所接收或發送的文字之內容。事件的種類為交談連接或交談切斷的情況下，在對話內容資訊中會保存有「N/A」(not applicable，不適用)。
在圖示的例子中，對話內容是有關於酒或紅酒的商品。為了方便而對資料的各行賦與有行編號。一邊參照此行編號一邊在以下說明圖示的資料例。圖示的記錄資料的第1行至第8行全部都是以對話使用者ID「USER＿A」所識別的使用者、與對話機器人伺服裝置2之間的文字交流。對話機器人伺服裝置2是對應於終端裝置所發送的文字，並參照知識庫，而對該終端裝置回傳回應的文字。
第1行：記錄有日期時間「2018年04月01日18時03分32秒51」中的事件「交談連接」。因為此行不具有對話內容資訊，所以記錄有「N/A」之資料。
第2行：記錄有日期時間「2018年04月01日18時03分40秒85」中的事件「接收」。這表示對話機器人伺服裝置2已接收到來自終端裝置(用戶端)的文字。此行的對話內容資訊為「請介紹一下這款紅酒」。
第3行：記錄有日期時間「2018年04月01日18時03分42秒28」中的事件「發送」。這表示對話機器人伺服裝置2對終端裝置(用戶端)發送文字。此行的對話內容資訊為「感謝您的詢問。這款紅酒是法國波爾多產的紅酒，是很受顧客歡迎的製品」。
第4行：記錄有日期時間「2018年04月01日18時03分59秒21」中的事件「接收」。此行的對話內容資訊為「法國波爾多產為什麼有名呢？」。
第5行：記錄有日期時間「2018年04月01日18時04分03秒69」中的事件「發送」。此行的對話內容資訊為「由於法國波爾多地區有對葡萄而言最適合的氣候與乾淨的河川流過，因此是世界上最好的紅酒產地」。
第6行：記錄有日期時間「2018年04月01日18時04分51秒42」中的事件「接收」。此行的對話內容資訊為「謝謝」。
第7行：記錄有日期時間「2018年04月01日18時04分52秒98」中的事件「發送」。此行的對話內容資訊為「期待您的再次利用」。
第8行：記錄有日期時間「2018年04月01日18時05分04秒72」中的事件「交談切斷」。因為此行不具有對話內容資訊，所以在對話內容資訊的欄位中記錄有「N/A」。
圖5是顯示領域資訊儲存部242所留存的領域資訊的構成及資料例的概略圖。如圖所示，領域資訊儲存部242是將下述項目互相建立對應來儲存：用於唯一地識別該對話機器人伺服裝置2的對話機器人伺服ID、表示該伺服裝置所經手的對話的領域之資訊、管理者、製作日期、及連接人數。在圖示的資料例中，對話機器人伺服ID為「CHAT_LIQU_01」，該伺服裝置所經手的對話的領域為「酒」。又，管理者為「○×商事」，製作日期(服務的開始日)為「2017年1月13日」，連接人數為「1350」。上述製作日期表示服務的開始日期。上述連接人數是每單位時間中為了利用該服務的連接使用者數量。單位時間例如為1小時。
對話機器人伺服裝置2的資訊儲存部24亦可和上述之領域資訊等一起而留存有管理對話機器人伺服裝置2之個人的資訊、店主的資訊、或公司的資訊。又，資訊儲存部24亦可留存有關連製品資訊等，前述關連製品資訊是有關於該等個人、店、公司等所經手的製品等。
接著，說明對話機器人檢索系統1內的更詳細的功能構成。圖6是顯示對話機器人資訊收集裝置11及儲存裝置12的功能構成的方塊圖。
如圖所示，對話機器人資訊收集裝置11包含訊務資訊收集部111、評價測定部112、及對話機器人領域管理部113。又，儲存裝置12包含記錄資訊儲存部121、內容儲存部122、評價資訊儲存部123、及領域資訊儲存部124。
記錄資訊儲存部121是儲存對話機器人資訊收集裝置11從複數個對話機器人伺服裝置2所收集到的記錄資訊。記錄資訊的構成如圖4所說明。
內容儲存部122是儲存對話機器人資訊收集裝置11從複數個對話機器人伺服裝置2所收集到的內容資訊。內容儲存部122的構成將顯示於之後的圖7。
評價資訊儲存部123是儲存：根據上述之記錄資訊而由評價測定部112所判定之每個對話機器人伺服裝置2的評價資訊。評價資訊儲存部123的構成將顯示於之後的圖9。
領域資訊儲存部124是儲存對話機器人資訊收集裝置11從複數個對話機器人伺服裝置2所收集到的領域資訊。領域資訊儲存部124的構成將顯示於之後的圖8。
訊務資訊收集部111是從對話機器人伺服裝置2取得訊務資訊與對話的內容資訊。這些訊務資訊與對話的內容資訊是包含在對話機器人伺服裝置2所提供的記錄資訊中。關於記錄資訊，是如圖4所說明。訊務資訊收集部111是將已取得的記錄資訊寫入儲存裝置12的記錄資訊儲存部121。又，訊務資訊收集部111是從對話機器人伺服裝置2取得內容，並且將所取得的內容寫入內容儲存部122。
訊務資訊是表示對話機器人伺服裝置2所發送接收的通訊被活性化到何種程度之資訊。活性化的對話服務是受更多的使用者所使用，且信賴度較高。換言之，活性化的對話服務是訊務量較多的對話服務。又，對話內容資訊是表示對話服務的品質之資訊。在對話內容資訊當中，主要是將從用戶端的終端裝置等發送至對話機器人伺服裝置2端的文字使用作為用於測定使用者的滿意度及信賴度的資料。
評價測定部112是根據從記錄資訊儲存部121讀出的記錄資訊，來進行評價對話機器人伺服裝置2的處理。具體而言，評價測定部112是分析對話內容的文字(會話內容)，來測定使用者的信賴度(滿意度)等。並且，評價測定部112是將對話機器人伺服裝置2的評價結果之資訊寫入評價資訊儲存部123。
亦即，評價測定部112是生成對話機器人伺服裝置2的評價資訊並寫入評價資訊儲存部123。更具體而言，評價測定部112是藉由解析記錄資訊所包含的對話之文字，而對對話機器人伺服裝置2的信賴度作評價，並且將前述信賴度作為對話機器人伺服裝置2的評價資訊來寫入評價資訊儲存部123。針對評價測定部112所進行的處理之詳細內容將於後文描述。
對話機器人領域管理部113是從對話機器人伺服裝置2收集該裝置所執行的AI對話機器人的服務領域之資訊。並且，對話機器人領域管理部113是將所取得的領域資訊寫入領域資訊儲存部124。領域資訊是為了將與使用者的需求相匹配之對話機器人伺服裝置2提示作為檢索結果而可使用之資訊。上述使用者的需求可表示作為檢索條件等。
評價測定部112所進行的處理之詳細內容如下所述。作為一例，評價測定部112是根據每個對話機器人伺服裝置2的使用者數量、使用者的平均利用時間、對話內容資訊(文字)，來評價對話機器人伺服裝置2。
在此，使用者數量是指每單位時間之對話機器人伺服裝置2的唯一使用者(unique user)的數量。評價測定部112是藉由解析記錄資訊所包含的使用者ID，而求出每個時段的唯一使用者數量。例如，評價測定部112是以「人/小時」的單位來求出使用者數量。使用者數量越多，該對話機器人伺服裝置2的評價越高。
又，在此，使用者的利用時間是指1個使用者利用AI對話機器人服務的時間之長度。評價測定部112可藉由參照記錄資訊儲存部121，而解析使用者的利用時間。具體而言，評價測定部112是藉由從記錄資訊儲存部121取得特定的使用者從利用開始時刻到利用結束時刻的長度之資訊，而求出使用者的利用時間。但是，針對使用者的交談為：雖然是已連接的但在實質上並沒有對話文字交流的時段，亦可設成從利用時間中排除。
評價測定部112是求出多數個使用者的利用時間，並且求出每個對話機器人伺服裝置2的平均利用時間。例如，評價測定部112是將平均利用時間求出為「時：分：秒」之值。使用者的平均利用時間越長，則該對話機器人伺服裝置2的評價越高。
又，評價測定部112是解析記錄資訊所包含的對話內容，以求出該對話機器人伺服裝置2的信賴度。具體而言，評價測定部112是分別計數文字交流中的正面評價點數與負面評價點數，來求出使用者是否滿足於(亦即是否信賴)對話內容。
評價測定部112在解析對話內容的文字時，亦可根據該文字所包含的表情符號或圖畫文字的種類，來計數上述之正面評價點數及負面評價點數。
在此，正面評價點數在例如以下的情況下會被計入。
1)從用戶(終端裝置)端發送正面的表現之情況。正面的表現是表示對機器人的謝意、好感等。作為一例，正面的表現包含「你好聰明喔」、「你很了解喔」、「好厲害喔」等之類的語句。又，正面的表現包含例如笑容、稱讚等之類的表情之表情符號或圖畫文字。以將表示何為正面的表現之資訊事先登錄在表現字典等而參照之方式來進行。
2)對於來自用戶(終端裝置)端的提問等，來自對話機器人伺服裝置2的適當的回答等及時地回傳之情況。
3)從用戶(終端裝置)端發送表示要購買有關於該對話內容的製品或利用服務的表現之情況。該表現例如為「我要買(製品)」、「我要利用(服務)」、「我要訂購」、「我要申請」、「我要入會」等之類的表現。又，用戶(終端裝置)端與該對話內容協作，而造成購買製品或利用服務的行動之情況。上述之與對話內容的協作是藉由例如追蹤誘導到訂購頁面等的連結(link)等而實現。
相反地，負面評價點數是在例如以下的情況下被計入。
1)從用戶(終端裝置)端發送負面的表現(對機器人的批評等)之情況。作為一例，負面的表現包含「不是那個意思」、「不對，不是那個意思喔」、「笨蛋」、「你不太了解吧」之類的語句。又，負面的表現包含例如生氣、傷心、哭泣等之類的表情之表情符號或圖畫文字。以將表示何為負面表現的資訊事先登錄在表現字典等而參照之方式來進行。
2)對於來自用戶(終端裝置)端的提問等，沒有來自對話機器人伺服裝置2的適當的回答等之情況。例如，對於使用者的提問，有對話機器人伺服裝置2回傳「敬愛的顧客，關於您的提問我還沒有充分的研究。」之類的回答之情況。這是對話機器人伺服裝置2對該提問內容的領域尚未完成充分的學習之情況等。評價測定部112會對設為評價對象的對話機器人伺服裝置2，事先收集並累積這一類的學習量不充分的情況之回應文(「學習不足回應例」)。並且，評價測定部112在評價對話機器人伺服裝置2時，會判定在文字的交流之中，作為來自對話機器人伺服裝置2端的回應文字，是否包含有與上述之學習不足回應例相似的表現。評價測定部112在檢測到學習不足回應例的情況下，會對該對話機器人伺服裝置2計入負面評價點數。
評價測定部112亦可設成和對話文字所屬的領域建立關連，並按每個對話機器人伺服裝置2來將根據學習不足回應例之負面點數計入。亦即，亦可設成：關於對話機器人伺服裝置2，當A的領域中的學習不足回應例的發生頻率較低，而B的領域中的學習不足回應例的發生頻率較高的情況下，評價測定部112會只和B的領域建立關連，來計算根據學習不足回應例的負面評價點數。
如在此所記載地，評價測定部112是根據來自終端裝置端的文字及來自對話機器人伺服裝置2端的回應文字，來分別計算正面評價點數及負面評價點數。評價測定部112是藉此來對前述信賴度作評價之構成。又，評價測定部112是事先累積學習不足回應例，前述學習不足回應例是在對話機器人伺服裝置2中的學習量不充分的情況下的回應文的例子，在對話機器人伺服裝置2所輸出的文字是相當於學習不足回應例的情況下，會針對該對話機器人伺服裝置2將前述負面評價點數計入。
評價測定部112是按每個對話機器人伺服裝置2來對如上述的正面的點數或負面的點數作加法運算，並且將其結果之值標準化成0以上且100以下的數值，而作為信賴度來保留在評價資訊。
評價測定部112是對上述的利用時間、利用者數量、及信賴度綜合地作評價，並且輸出綜合評價值。作為一例，評價測定部112是對利用時間所產生的評價、利用者數量所產生的評價、及信賴度作加權相加，並將其結果標準化成0以上且100以下的數值，而作為綜合評價值來保留在評價資訊。
評價測定部112是將以上所列舉的各個評價結果寫入評價資訊儲存部123。針對評價資訊儲存部123的構成例將於後文描述。
亦即，評價測定部112具有以下的特徵。評價測定部112是根據記錄資訊，來算出對話機器人伺服裝置2的每單位時間的使用者數量。評價測定部112是將每單位時間的使用者數量作為對話機器人伺服裝置2的評價資訊而寫入評價資訊儲存部123。
評價測定部123是根據記錄資訊，算出對話機器人伺服裝置2中的使用者的平均利用時間，並且將使用者的平均利用時間作為對話機器人伺服裝置2的評價資訊來寫入評價資訊儲存部123。
接著，說明儲存裝置12所包含的各部分之更詳細的資料構成。圖7是顯示內容儲存部122所留存的資料的構成例的概略圖。如圖所示，內容儲存部122是與對話機器人伺服ID建立關連，而儲存和該對話機器人伺服裝置2相關連的內容之資料。在此，內容之資料是指複數個文件資料。文件資料為例如HTML(Hyper-text Markup Language，超文件標示語言)形式的文件、或PDF(Portable Document Format，可攜式文件格式)形式的文件等之資料。在圖示的例子中，內容儲存部122是與對話機器人伺服ID「CHAT_SECU_01」建立關連而儲存有文件1、文件2、文件3、文件4、文件5、文件6、…之類的內容資料。並表示對話機器人伺服裝置2已學習的內容。
在圖7中，雖然僅顯示有關於1個種類的對話機器人伺服ID的資料，但是內容儲存部122亦可留存有關於2個種類以上的對話機器人伺服ID的內容資料。
圖8是顯示領域資訊儲存部124所留存的資料的構成例的概略圖。如圖所示，領域資訊儲存部124為表格形式的資料，且包含有對話機器人伺服ID、領域、管理者、連接人數之資料項目。領域資訊儲存部124所儲存的表格的各行是對應於1個對話機器人伺服裝置2。在圖示的資料例中，「酒」、「觀光」、「美食」…之領域分別對應於對話機器人伺服ID「CHAT_LIQU_01」、「CHAT_TOUR_3」、「CHAT_EATOUT_22」…。又，管理者分別為「〇×商事」、「△△廳」、「〇×商事」…。又，製作日期分別為「2017年1月13日」、「2018年2月1日」、「2017年10月21日」…。又，連接人數分別為「1350」、「6780」、「1048」…。亦即，領域資訊儲存部124是將對話機器人資訊收集裝置11從複數個對話機器人伺服裝置2所獲取的領域資訊集中留存。
圖9是顯示評價資訊儲存部123所留存的資料的構成例的概略圖。如圖所示，評價資訊儲存部123是儲存表格形式的資料之構成。評價資訊儲存部123所儲存的表格具有對話機器人伺服ID、管理者、製作日期、URL、評價值之各資料項目。評價值的項目更包含使用者數量(連接人數)、平均利用時間、信賴度、及綜合評價值之項目。評價值亦可包含有其他的資料項目。此表的各行是對應於1台對話機器人伺服裝置2。各資料項目的意義如下所述。
對話機器人伺服ID是用於唯一地識別對話機器人伺服裝置2用的識別資訊。
管理者是管理並營運該對話機器人伺服裝置2的主體。營運對話機器人伺服裝置2的主體為法人等。
製作日期是該對話機器人伺服裝置2開始服務的日期。
URL是用於對該對話機器人伺服裝置2的對話服務進行存取的位址資訊。
使用者數量(連接人數)是在每單位時間中利用該對話機器人伺服裝置2的對話服務的使用者之數量。此使用者數量是以每1個小時的人數(人/小時)的單位來表示。
平均利用時間是1個使用者開始對話服務的利用到結束為止的時間之長度的平均值。平均利用時間是表示為「時：分：秒」的形式之值。
信賴度是對該對話機器人伺服裝置2所提供的服務之信賴度。針對信賴度的求取方法等是如上述所說明。在此，信賴度是設為0以上且100以下的數值來表示，數值越高表示受信賴的程度越高。
綜合評價值是根據上述之使用者數量、平均利用時間、或信賴度等，且為綜合性的評價之值。在此，綜合評價值是設為0以上且100以下的數值來表示，數值越高則表示評價越高。
接著，說明檢索伺服裝置13的更詳細的構成與處理。圖10是顯示檢索伺服裝置的概略功能構成的方塊圖。如圖所示，檢索伺服裝置13包含條件輸入部131、檢索部132、及檢索結果輸出部133。
條件輸入部131是從使用者介面伺服裝置14端取得用於檢索對話機器人伺服裝置的檢索條件。檢索條件是從終端裝置所傳送來的。條件輸入部131是將此檢索條件傳遞至檢索部132。
檢索部132是根據所傳遞的檢索條件，參照儲存裝置12所儲存的資料，選擇符合檢索條件的AI對話機器人服務的資訊。此服務的資訊包含對該對話機器人伺服裝置2的存取資訊(URL等)。針對檢索部132的詳細的處理之內容將於後文描述。
檢索結果輸出部133是輸出從檢索部132所傳遞的檢索結果。具體而言，檢索結果輸出部133是將檢索結果傳遞至使用者介面伺服裝置14。藉此，使用者介面伺服裝置14就變得能夠以規定的使用者介面將檢索結果回傳至終端裝置端。檢索結果輸出部133是將有關於1個或複數個對話機器人伺服裝置2的資訊作為檢索結果來輸出。因為檢索結果的資訊包含對相符的對話機器人伺服裝置2的存取資訊，所以接收到檢索結果的終端裝置可以對該對話機器人伺服裝置2進行存取並接受對話服務的提供。
在此，說明檢索部132所進行之處理的詳細內容。圖11是顯示檢索部132所進行的處理的內容的概略圖。
檢索部132所接收的檢索條件包含領域資訊、及任意的關鍵字。領域資訊是表示對話機器人伺服裝置2所提供的對話服務的領域之資訊。關鍵字為任意的字串等。作為檢索條件而傳遞的關鍵字可為1個字詞，亦可為複數個字詞的陳列，亦可為句子，或亦可為句子的片段。又，作為特殊的關鍵字，亦可包含源自製品名稱的關鍵字。
檢索部132是根據領域資訊與關鍵字所表示的檢索條件來進行檢索處理。具體而言，檢索部132是算出所接收到的檢索條件、與儲存裝置12所儲存的內容儲存部122及領域資訊儲存部124之適合度。此檢索條件是有關於製品名稱、其他關鍵字、領域資訊、管理者(個人、店主、公司等)的資訊、地區名稱等的條件。此時，檢索部132是算出例如檢索條件所包含的製品名稱及其他關鍵字、與內容儲存部122所包含的內容的文字之適合度。又，檢索部132是算出檢索條件所包含的領域資訊、與領域資訊儲存部124所儲存的領域資訊之適合度。在此的適合度的算出本身可以利用既有技術來進行。例如，關於關鍵字與內容的文字之適合度，檢索部132可以使用出現字詞向量的餘弦相似度來算出。又，關於領域資訊的適合度，檢索部132可以利用事先定義的領域樹中的節點間距離等來算出。上述的領域樹是將與領域相對應的多數個節點連接於樹上的圖表。如圖7所示，在內容儲存部122中，包含文字的內容(文件1、文件2、…等)是與對話機器人伺服ID建立有關連。又，如圖8所示，在領域資訊儲存部124中，領域的資訊是與對話機器人伺服ID建立有關連。亦即，檢索部132可以針對檢索條件所包含的關鍵字，算出每個對話機器人伺服ID的適合度。又，檢索部132可以針對檢索條件所包含的領域資訊，算出每個對話機器人伺服ID的適合度。檢索部132亦可藉由對在此所舉的2個種類的適合度(關鍵字中的適合度、領域資訊中的適合度)作加權相加，而算出整合的適合度。如此進行，檢索部132可以按每個對話機器人伺服ID來求出與所傳遞的檢索條件相對應的適合度。換言之，檢索部132可以對應於所傳遞的檢索條件，來決定對話機器人伺服ID的排序。
又，檢索部132會參照圖9所示的評價資訊儲存部123。亦即，檢索部132可以從評價資訊儲存部123中讀出每個對話機器人伺服ID的信賴度或綜合評價值、或該等雙方。
亦即，檢索部132在被分配到檢索條件時，會按每個對話機器人伺服ID來取得藉由參照內容儲存部122或領域資訊儲存部124而得到的適合度的資訊、以及藉由參照評價資訊儲存部123而得到的信賴度或綜合評價值。藉由追加此等兩者(例如算出得分的加權總和)，檢索部132即可以輸出與檢索條件相對應的對話機器人伺服ID的排序。此時，亦可將所算出的得分的資訊附加於各對話機器人伺服ID。
或者，檢索部132亦可在藉由參照內容儲存部122或領域資訊儲存部124而得到的適合度來縮小對話機器人伺服ID的範圍後，決定該等對話機器人伺服ID的排序。此排序是藉由評價資訊儲存部123所儲存的綜合評價值等而得到的。
檢索部132是將適合於檢索條件的對話機器人伺服ID與其排序的資訊作為檢索結果來輸出。如圖9所示，評價資訊儲存部123是與對話機器人伺服ID建立關連，而留存有用於對該伺服裝置的對話服務進行存取的存取資訊(URL等)。從而，檢索部132也可以輸出對適合於檢索條件的對話機器人伺服裝置2的存取資訊。檢索部132是以例如評價值由高到低降序的方式來排列並輸出複數個對話機器人伺服裝置2的資訊。
圖12是顯示終端裝置端中的使用者介面(畫面佈局)的一例的概略圖。如圖所示，畫面具有檢索條件輸入區域與檢索結果顯示區域。在檢索條件輸入區域中設置有可自由輸入檢索條件(例如，製品名稱、其他關鍵字、領域等)的欄位。又，在檢索條件輸入區域中設置有檢索按鈕，且藉由讓使用者按一下此按鈕，或進行點擊等之操作，而形成為可將輸入於各欄的資料發送到使用者介面伺服裝置14端。又，在檢索結果顯示區域中是形成為可以顯示檢索結果。在此例中，檢索結果是顯示：排序的資訊(1、2、…等之表示順位的數值)、對話服務的名稱(例如，「證券對話機器人」等)、其URL(例如，「http://chatbot.xxxxx.jp」等)。
亦可設成進一步顯示其他的資訊。於檢索結果顯示區域所顯示的資訊(對話服務的名稱或URL)可藉由使用者的操作(按一下、點擊等)來選擇。在使用者已選擇了作為檢索結果而顯示的資訊(對話機器人伺服裝置2的資訊)的情況下，終端裝置是藉由通訊而對該對話機器人伺服裝置2進行存取。如此進行，終端裝置即可以對檢索結果之中的任一個對話服務進行存取。
在本實施形態中，對話機器人伺服裝置2是進行以下處理：事先進行根據內容資料的機器學習，並且根據前述機器學習的結果，對應於使用者的終端裝置所發送的前述文字而自動地生成前述回應文字。對話機器人資訊收集裝置11是從對話機器人伺服裝置2收集前述內容資料。檢索伺服裝置13是根據對話機器人資訊收集裝置11所收集的前述內容資料、與前述檢索條件之間的適合度，來選擇並輸出對話機器人伺服裝置2。
對話機器人伺服裝置2留存有表示所提供的前述對話服務的領域之領域資訊。對話機器人資訊收集裝置11是從對話機器人伺服裝置2收集前述領域資訊之構成。
檢索伺服裝置13是根據對話機器人資訊收集裝置11所收集的前述領域資料、與前述檢索條件所包含的領域資訊之間的適合度，來選擇並輸出對話機器人伺服裝置2。
亦可設成以電腦來實現上述之實施形態中的對話機器人伺服裝置、對話機器人資訊收集裝置、檢索伺服裝置、使用者介面伺服裝置、終端裝置之各裝置的至少一部分的功能。在該情況下，亦可藉由以下作法來實現：將用於實現該等功能的程式記錄在電腦可讀取的記錄媒體中，並且使電腦系統讀入此記錄媒體所記錄的程式並執行。再者，在此所謂的「電腦系統」是設為包含OS或周邊機器等之硬體。又，「電腦可讀取的記錄媒體」是指軟式磁碟(flexible disk)、光碟、ROM、CD-ROM、DVD-ROM、USB記憶體等之可攜式媒體、內置於電腦系統的硬碟等之儲存裝置。此外，「電腦可讀取的記錄媒體」亦可包含：如透過網際網路等之網路或電話線路等之通訊線路來發送程式的情況之通訊線路，以暫時的且動態的方式留存程式的記錄媒體、如成為該情況的伺服器或客戶端的電腦系統內部之揮發性記憶體，在一定時間留存有程式的記錄媒體。又，上述程式亦可為用於實現前述之功能的一部分的程式，此外，亦可為能夠以和已經將前述之功能記錄於電腦系統的程式之組合的方式來實現的構成。
以下，說明實施形態的變形例。
[第1變形例]
圖13是顯示圖1所示的系統的變形例之動作順序的序列圖。在此變形例中，亦可根據檢索結果，在終端裝置31(亦可為終端裝置32。以下相同)與對話機器人伺服裝置2之間執行對話的中途，實現往其他對話機器人伺服裝置2之服務的切換。藉此，變得不只是由單一的對話機器人伺服裝置2來進行服務，而是因應於對話內容，自動地切換至更適當的對話機器人伺服裝置2。而且，該切換可在毋須麻煩使用者的情形下無縫地進行。
以下，沿著圖13所示的序列來說明順序。
首先，在步驟S1中，終端裝置31是對使用者介面伺服裝置14傳遞檢索條件，而要求對話機器人伺服裝置2的檢索。
接著在步驟S2中，使用者介面伺服裝置14將終端裝置31所傳遞來的檢索條件傳遞至檢索伺服裝置13，而要求對話機器人伺服裝置2的檢索。
接著在步驟S3中，檢索伺服裝置13是依照所傳遞來的檢索條件來進行檢索處理，並且將所得到的檢索結果傳遞至使用者介面伺服裝置14。
接著在步驟S4中，使用者介面伺服裝置14是將從檢索伺服裝置13所傳遞來的檢索結果，送回至終端裝置31。如以上所說明，在檢索結果中包含有對於對話機器人伺服裝置2的存取資訊(URL等)。藉此，變得可在終端裝置31端，從檢索結果之中選擇適當的對話機器人伺服裝置2，並且對該對話機器人伺服裝置2進行存取。
接著在步驟S5中，終端裝置31是根據所得到的檢索結果，而對所期望的對話機器人伺服裝置2(#1)進行存取。並且，在終端裝置31與對話機器人伺服裝置2(#1)之間執行對話。
在此對話中，有時會根據從終端裝置31發送至對話機器人伺服裝置2(#1)的文字內容，而判斷為其他對話機器人伺服裝置2提供服務較為適當。在此情況下，對話機器人伺服裝置2(#1)會為了找出適當的對話機器人伺服裝置2，而在以下透過對話機器人資訊收集裝置11，來向檢索伺服裝置13委托檢索。亦即，為如下所述。
在步驟S6中，對話機器人伺服裝置2(#1)將檢索條件傳遞至對話機器人資訊收集裝置11。此檢索條件包含關鍵字等。在此，對話機器人資訊收集裝置11是作為檢索介面裝置(檢索介面部)而發揮功能。亦即，對話機器人資訊收集裝置11是對對話機器人伺服裝置2(#1)提供對由檢索伺服裝置13所進行的檢索處理之介面的功能。
接著在步驟S7中，對話機器人資訊收集裝置11是藉由將從對話機器人伺服裝置2(#1)所傳遞來的檢索條件，傳遞至檢索伺服裝置13，而要求檢索。
接著在步驟S8中，檢索伺服裝置13是藉由所傳遞來的檢索條件來進行檢索處理，並且將所得到的檢索結果傳遞至對話機器人資訊收集裝置11。
接著在步驟S9中，對話機器人資訊收集裝置11是將從檢索伺服裝置13所傳遞來的檢索結果，送回至對話機器人伺服裝置2(#1)。
接著在步驟S10中，對話機器人伺服裝置2(#1)是將檢索結果送回至終端裝置31。在此，在檢索結果中也包含有對於對話機器人伺服裝置2的存取資訊。例如，檢索結果包含對於和對話機器人伺服裝置2(#1)不同的其他對話機器人伺服裝置2(#2)的存取資訊。又，此時，亦可包含有控制資訊，前述控制資訊是指示成使終端裝置31使用該存取資訊而自動地設為對話機器人伺服裝置2(#2)。
接著在步驟S11中，終端裝置31是根據所得到的檢索結果，而對對話機器人伺服裝置2(#2)進行存取。藉此，可在終端裝置31與對話機器人伺服裝置2(#2)之間執行對話。
藉由以上的處理順序，從對話機器人伺服裝置2(#1)接收到對話的服務之終端裝置31會自動地切換其存取目標。亦即，終端裝置31已順利地轉移到從對話機器人伺服裝置2(#2)接收對話的服務之狀態。
可適用此變形例的使用例為如下所述。首先，終端裝置31為了得到有關於「便當」的資訊而要求對話機器人伺服裝置2的檢索。此處理是相當於圖13的步驟S1。藉此，終端裝置31會執行和對話機器人伺服裝置2(#1)之間的對話。藉此，終端裝置31可得到有關於便當的資訊。在此有關於便當的對話之中，可能會發生和其內容相關連，而想得到有關於其他商品等的資訊之情況。例如，和便當相關連而為使用者想得到湯品的資訊之情況下，會從終端裝置31端發送反映該期望的文字。例如，「還有什麼湯品呢？」之類的文字會從終端裝置31發送至對話機器人伺服裝置2(#1)。此時，對話機器人伺服裝置2(#1)會理解到自身裝置所具有之湯品的知識不足之情形，亦即學習量相對較小之情形，而判斷為將對話服務移交給其他對話機器人伺服裝置2會較佳。其結果，對話機器人伺服裝置2(#1)會將針對「湯品」的檢索要求發送至對話機器人資訊收集裝置11。此處理是相當於圖13的步驟S6。其結果，經過所說明的順序，而成為終端裝置31無縫地轉移到與對話機器人伺服裝置2(#2)的對話之情形。
亦即，本變形例是如下所述。對話機器人資訊收集裝置11(作為檢索介面部而發揮功能)是在第1對話機器人伺服裝置2對終端裝置31或32提供前述對話服務時，從前述第1對話機器人伺服裝置接收第1對話機器人伺服裝置2從前述文字內提取出的檢索條件。對話機器人資訊收集裝置11是將所接收到的前述檢索條件傳遞至檢索伺服裝置13，並且從檢索伺服裝置13接收與檢索條件相對應的第2對話機器人伺服裝置2的資訊。對話機器人資訊收集裝置11會將該第2對話機器人伺服裝置的資訊回傳至前述第1對話機器人伺服裝置2(#1)。檢索伺服裝置13在已從對話機器人資訊收集裝置11(檢索介面部)傳遞檢索條件的情況下，會將根據該檢索條件的第2對話機器人伺服裝置2(#2)的資訊向對話機器人資訊收集裝置11(檢索介面部)輸出。
根據此變形例，變得可不只根據使用者所輸入的檢索條件等來讓檢索伺服裝置13進行檢索處理，也可以根據對話機器人伺服裝置2從對話文字內揀取出的檢索條件來使檢索伺服裝置13進行檢索處理。藉此，變得可讓複數個對話機器人伺服裝置2以動態的方式協作，而對終端裝置提供多樣化且活用各對話機器人伺服裝置2的特性之對話服務。
此外，亦可實施圖13所示的第1變形例之更進一步的變形例。
[第2變形例]
在第2變形例中，例如，在圖13的步驟S9中對話機器人伺服裝置2(#1)接收到檢索結果之後，對話機器人伺服裝置2(#1)亦可在與終端裝置31之間繼續地進行對話的處理。又，亦可設成在步驟S9中對話機器人伺服裝置2(#1)接收到檢索結果之後，複數個對話機器人伺服裝置2(#1與#2)並行地在與終端裝置31之間進行對話的處理。藉此，複數個對話機器人伺服裝置2(#1與#2)的每一個可以將有關於本身擅長的話題(知識、學習結果)的對話服務提供給終端裝置31。
此外，亦可讓上述之第2變形例取代如以下的第3變形例來實施。
[第3變形例]
在第3變形例中，在圖13的步驟S9中對話機器人伺服裝置2(#1)接收到檢索結果之後，對話機器人伺服裝置2(#1)會對終端裝置31詢問往新的對話服務的連接之可否。亦即，例如，此時對話機器人伺服裝置2(#1)是對終端裝置31詢問是否可連接至由對話機器人伺服裝置2(#2)所進行的對話服務。對此，終端裝置31會將可否資訊回傳至對話機器人伺服裝置2(#1)。可否資訊是表示「是」或「否」的其中任一個的資訊。
對話機器人伺服裝置2(#1)只有在從終端裝置31回傳相當於「是」的可否資訊的情況下，才會對終端裝置31傳遞步驟S10的存取資訊(URL)。藉此，終端裝置31是和對話機器人伺服裝置2(#1)一起也連接於對話機器人伺服裝置2(#2)，而可以在雙方之間實施對話。
又，對話機器人伺服裝置2(#1)在終端裝置31回傳相當於「否」的可否資訊的情況下，不會對終端裝置31傳遞步驟S10的存取資訊(URL)。在此情況下終端裝置31不會連接至對話機器人伺服裝置2(#2)，而僅與對話機器人伺服裝置2(#1)繼續進行對話的處理。
第3變形例的具體的適用例是如下所述。在本例中，對話機器人伺服裝置2(#1)是提供有關於壽司的對話服務。又，對話機器人伺服裝置2(#2)是提供有關於味噌湯的對話服務。
終端裝置31的使用者是在壽司店一邊吃壽司一邊操作終端裝置31，且正在從對話機器人伺服裝置2(#1)接收有關於壽司的對話服務(相當於圖13的步驟S5)。
在此，作為對話的內容，有提到味噌湯(在步驟S5之中)。例如，從終端裝置31將有關於味噌湯的提問之文字發送至對話機器人伺服裝置2(#1)。
對話機器人伺服裝置2(#1)理解到自身裝置並不具有有關於味噌湯的豐富知識，而對檢索伺服裝置13進行存取，並作為檢索結果得到其他裝置即對話機器人伺服裝置2(#2)的資訊(步驟S6、S7、S8、S9之一系列的處理)。再者，對話機器人伺服裝置2(#2)是提供有關於味噌湯的對話服務之裝置。
對話機器人伺服裝置2(#1)會對終端裝置31發送例如「要幫您介紹味噌湯對話機器人嗎？」之類的提問，並等待來自終端裝置31的可否資訊(步驟S9與S10之間的處理)。
在終端裝置31發送相當於「是」的回答之情況下，對話機器人伺服裝置2(#1)是發送對於對話機器人伺服裝置2(#2)的存取資訊(步驟S10)。藉此，終端裝置31可以從對話機器人伺服裝置2(#2)接收對話服務。
在終端裝置31發送相當於「否」的回答之情況下，對話機器人伺服裝置2(#1)不會發送對於對話機器人伺服裝置2(#2)的存取資訊(未圖示)。在此情況下，終端裝置31無法連接至對話機器人伺服裝置2(#2)。
[第4變形例]
第4變形例是上述之第1變形例、第2變形例、第3變形例之更進一步的變化。
在第4變形例中，檢索部132是對檢索介面部輸出對話機器人伺服裝置2(#1)的資訊與對話機器人伺服裝置2(#2)的資訊，前述對話機器人伺服裝置2(#1)的資訊與對話機器人伺服裝置2(#2)的資訊是用於供終端裝置同時地對對話機器人伺服裝置2(#1)與對話機器人伺服裝置2(#2)之雙方進行存取的資訊。藉此，終端裝置變得可從2個對話機器人伺服裝置2同時並行地接收對話服務。
[第2實施形態]
接著，說明第2實施形態。再者，本實施形態設為前提的構成及處理順序是如第1實施形態中圖1至圖13所示。針對在先前的實施形態中已經說明的事項，有時會將說明省略。在此，以本實施形態中特有的事項為中心來說明。
本實施形態的特徵是在對話機器人伺服裝置2所提供的對話服務中，會有對話機器人伺服裝置2的營運者端將商品或服務等(在以下，有時會全面性地稱為「商品等」)販賣給終端用戶端的情況。販賣對象的使用者是指終端裝置31或32的使用者。在此，上述之「營運者端」也包含將電腦系統的運用委託給該營運者的業者、或以加盟者等的立場來利用該營運者所提供的服務之業者。亦即，對話機器人伺服裝置的對話引擎部22是在根據知識庫21來實施對話時，在終端裝置端所發送的文字內尋找商品等的販賣之機會。又，對話引擎部22是對終端裝置發送用於訴求商品等的魅力的文字。又，對話引擎部22是在對話的文字的交流之中發現機會，而對終端裝置發送用於以訂購商品等的方式來對終端使用者提醒的文字。並且，對話引擎部22會從終端裝置端接收用於訂購商品等的文字。藉此，對話引擎部22即可完成由終端裝置端之使用者所進行的商品等的下單。對話中的這些一系列的交流可藉由事先學習完畢的知識庫21來實現。
在已進行商品等的販賣時，對話引擎部21會將商品等的受理訂單之內容作為記錄資訊內的販賣記錄，並寫入資訊儲存部24的記錄資訊儲存部241。
圖14是顯示記錄資訊內所包含的販賣記錄的構成例的概略圖。如圖所示，記錄資訊的項目名稱本身是和第1實施形態的圖4所示的項目名稱相同。在販賣記錄中，可在訊務資訊內的事件之項目中記錄為「販賣」。又，在對話內容資訊的項目中，記錄有已販賣的商品的種類、數量、或金額之資訊。在圖示的例子中，是利用標籤資訊而在販賣記錄內記錄有商品群組ID、商品群組名稱、商品ID、商品名稱、單價、販賣數量、販賣金額之各個項目的資訊。在圖示的例子中，所表示的是已販賣了商品群組ID為「C123456」，商品ID為「T87654321」之紅酒之記錄。又，此資料為：該商品的單價為「JPY5000」(5000日圓)，販賣數量為「3」，販賣金額為「JPY15000」(15000日圓)。
如所說明地，對話機器人資訊收集裝置11是從對話機器人伺服裝置2收集包含有記錄資訊的資訊。亦即，包含有上述之販賣記錄的記錄資訊也會被寫入儲存裝置12的記錄資訊儲存部121。
在本實施形態中，評價測定部112會進行記錄資訊儲存部121所包含的販賣記錄之加總分析。藉此，評價測定部112是生成多維的商品販賣加總資料。多維的商品販賣加總資料是在按每個商品群組ID、按每個商品ID、按每個對話機器人伺服ID、按每個期間之各軸上留存販賣數量及販賣金額的數值之資料。此期間亦可具有例如年-月-日-時段之階層、或年-週-日-時段之階層等。多維的商品販賣加總資料是藉由保存於例如既有技術即多維資料庫、關連式資料庫、或多媒體資料庫之作法來實現。
檢索伺服裝置13從終端裝置端接收到有關於商品等的檢索條件時，會根據檢索條件內所包含的商品ID、商品名稱、商品群組ID、或商品群組名稱等之類的資訊，來檢索上述之多維的商品販賣加總資料。藉此，檢索伺服裝置13即可以針對特定之單數或複數的商品群組ID或商品ID，進行對話機器人伺服ID的順位排行。對話機器人伺服ID的順位排行和業者(店家)的順位排行是等價的。再者，在此的順位排行是販賣數量或販賣金額之由多至少的順序之順序排行。再者，亦可設成在進行此順位排行時，進行販賣記錄所屬的期間的縮小範圍。
又，亦可設成檢索伺服裝置13根據前述之記錄資訊，針對特定之單數或複數的商品群組ID或商品ID，以販賣日期時間之由先到後的順序，來進行對話機器人伺服ID的順位排行。
如上述，檢索伺服裝置13會變得可根據記錄資訊內的販賣記錄、或根據販賣記錄的加總結果，針對預定的商品等，進行對話機器人伺服ID的順位排行，並且將依照該順位的檢索結果回傳至檢索要求來源之終端裝置。據此，在終端裝置端中，作為針對預定的商品等而檢索的結果，能夠良好地依販賣數量之由多至少或販賣金額之由多至少的順序，來得到並顯示對於對話機器人伺服裝置2的存取資訊。亦即，販賣業績越高的對話機器人伺服裝置2，越會被定位在檢索結果的上面順位，並且依照該順位而顯示在終端裝置端。
總結以上，本實施形態之對話機器人檢索系統是如下所述。對話機器人資訊收集裝置11是收集：將對話機器人伺服裝置2中的與終端裝置之間的文字交流中的有關於販賣業績的資訊和日期時間資訊建立關連並作為販賣記錄來包含的記錄資訊。評價資訊儲存部123是將根據販賣記錄之加總有販賣業績的資訊也儲存作為評價資訊。評價測定部112是根據記錄資訊內的販賣記錄，進行將販賣業績加總的處理，並且將加總有販賣業績的資訊也作為評價資訊來寫入評價資訊儲存部123。據此，檢索部132也能夠以根據加總有販賣業績的資訊之排序的方式來輸出對話機器人伺服裝置2的資訊。
藉由以上之構成，在本實施形態中，變得可讓對話機器人檢索系統1將商業上販賣業績較高的對話機器人伺服裝置2優先地輸出作為檢索結果。
以上，雖然參照圖式而詳細地描述了此發明的實施形態及變形例，但是具體的構成並不限定於此實施形態，也可包含不脫離此發明的主旨之範圍的設計等。
產業上之可利用性
本發明可以利用在例如網際網路上的檢索服務。但是，本發明的利用範圍並不限定於在此所例示的內容。
1‧‧‧對話機器人檢索系統
2‧‧‧對話機器人伺服裝置
11‧‧‧對話機器人資訊收集裝置(對話機器人資訊收集部、檢索介面裝置、檢索介面部)
12‧‧‧儲存裝置
13‧‧‧檢索伺服裝置
14‧‧‧使用者介面伺服裝置
21‧‧‧知識庫
22‧‧‧對話引擎部
23‧‧‧使用者介面部
24‧‧‧資訊儲存部
25‧‧‧資訊提供部
31、32‧‧‧終端裝置
111‧‧‧訊務資訊收集部
112‧‧‧評價測定部
113‧‧‧對話機器人領域管理部
121‧‧‧記錄資訊儲存部
122‧‧‧內容儲存部
123‧‧‧評價資訊儲存部
124‧‧‧領域資訊儲存部
131‧‧‧條件輸入部
132‧‧‧檢索部
133‧‧‧檢索結果輸出部
241‧‧‧記錄資訊儲存部
242‧‧‧領域資訊儲存部
243‧‧‧內容儲存部
311‧‧‧網頁瀏覽器部
321‧‧‧應用程式執行部
S1~S11‧‧‧步驟
圖1是顯示包含對話機器人檢索系統之系統整體的功能構成的概略方塊圖。(第1實施形態)
圖2是顯示對話機器人伺服裝置的概略功能構成的方塊圖。(第1實施形態)
圖3是顯示上述對話機器人伺服裝置的資訊儲存部之更詳細的構成的方塊圖。(第1實施形態)
圖4是顯示記錄資訊儲存部所留存的記錄資訊(顯示對話服務的記錄之記錄(log))的構成及資料例的概略圖。(第1實施形態)
圖5是顯示對話機器人伺服裝置的領域資訊儲存部所留存的領域資訊的構成及資料例的概略圖。(第1實施形態)
圖6是顯示對話機器人資訊收集裝置及儲存裝置的功能構成的方塊圖。(第1實施形態)
圖7是顯示對話機器人檢索系統中的內容儲存部所留存的資料的構成例的概略圖。(第1實施形態)
圖8是顯示對話機器人檢索系統中的領域資訊儲存部所留存的資料的構成例的概略圖。(第1實施形態)
圖9是顯示對話機器人檢索系統中之評價資訊儲存部所留存的資料的構成例的概略圖。(第1實施形態)
圖10是顯示檢索伺服裝置的概略功能構成的方塊圖。(第1實施形態)
圖11是顯示檢索伺服裝置中的檢索部所進行的處理的內容的概略圖。(第1實施形態)
圖12是顯示終端裝置端中的使用者介面(檢索畫面的佈局)的一例的概略圖。(第1實施形態)
圖13是顯示變形例之系統的動作順序(對話機器人伺服裝置2的自動切換)的序列圖。(第1實施形態)
圖14是顯示記錄資訊內所包含的販賣記錄的構成例的概略圖。(第2實施形態)

Claims (12)

  1. 一種對話機器人檢索系統，具備： 對話機器人資訊收集部，從對話機器人伺服裝置收集記錄資訊，其中前述對話機器人伺服裝置是因應從使用者的終端裝置發送的文字而自動地生成回應文字並發送至前述終端裝置，藉此提供對話服務，前述記錄資訊是將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊； 記錄資訊儲存部，儲存前述記錄資訊； 評價資訊儲存部，儲存前述對話機器人伺服裝置的評價資訊； 評價測定部，根據前述記錄資訊，生成前述對話機器人伺服裝置的評價資訊並寫入前述評價資訊儲存部；及 檢索部，根據所輸入的檢索條件，從前述評價資訊儲存部讀出與前述檢索條件相匹配的前述對話機器人伺服裝置的前述評價資訊，並以根據前述評價資訊的排序的方式來輸出前述對話機器人伺服裝置的資訊。
  2. 如請求項1之對話機器人檢索系統，其中前述評價測定部是藉由解析前述記錄資訊所包含的對話之文字，而對前述對話機器人伺服裝置的信賴度作評價，並且將前述信賴度作為前述對話機器人伺服裝置的評價資訊而寫入前述評價資訊儲存部。
  3. 如請求項2之對話機器人檢索系統，其中前述評價測定部是根據前述文字及前述回應文字來分別將正面評價點數及負面評價點數計入，藉此對前述信賴度作評價， 前述評價測定部是事先累積學習不足回應例，前述學習不足回應例是在前述對話機器人伺服裝置中的學習量不充分的情況下的回應文的例子，在前述對話機器人伺服裝置所輸出的前述文字相當於前述學習不足回應例的情況下，是針對該對話機器人伺服裝置將前述負面評價點數計入。
  4. 如請求項1至3中任一項之對話機器人檢索系統，其中前述評價測定部是根據前述記錄資訊，算出前述對話機器人伺服裝置的每單位時間的使用者數量，並且將每單位時間的使用者數量作為前述對話機器人伺服裝置的評價資訊來寫入前述評價資訊儲存部。
  5. 如請求項1至4中任一項之對話機器人檢索系統，其中前述評價測定部是根據前述記錄資訊，算出前述對話機器人伺服裝置中的使用者的平均利用時間，並且將使用者的平均利用時間作為前述對話機器人伺服裝置的評價資訊來寫入前述評價資訊儲存部。
  6. 如請求項1至5中任一項之對話機器人檢索系統，其中前述對話機器人伺服裝置是進行以下處理：事先進行根據內容資料的機器學習，並且根據前述機器學習的結果，對應於使用者的終端裝置所發送的前述文字來自動地生成前述回應文字， 前述對話機器人資訊收集部是從前述對話機器人伺服裝置收集前述內容資料， 前述檢索部是根據前述對話機器人資訊收集部所收集的前述內容資料、與前述檢索條件之間的適合度，來選擇並輸出前述對話機器人伺服裝置。
  7. 如請求項1至6中任一項之對話機器人檢索系統，其中前述對話機器人伺服裝置留存有表示所提供的前述對話服務的領域之領域資訊， 前述對話機器人資訊收集部是從前述對話機器人伺服裝置收集前述領域資訊， 前述檢索部是根據前述對話機器人資訊收集部所收集的前述領域資訊、與前述檢索條件所包含的領域資訊之間的適合度，來選擇並輸出前述對話機器人伺服裝置。
  8. 如請求項1至7中任一項之對話機器人檢索系統，其更具備檢索介面部，前述檢索介面部是在第1前述對話機器人伺服裝置對前述終端裝置提供前述對話服務時，從前述第1對話機器人伺服裝置接收前述第1對話機器人伺服裝置從前述文字內所提取出的檢索條件，並且將所接收的前述檢索條件傳遞至前述檢索部，而從前述檢索部接收與前述檢索條件相對應的第2對話機器人伺服裝置的資訊，並將該第2對話機器人伺服裝置的資訊回傳至前述第1對話機器人伺服裝置， 前述檢索部是在已從前述檢索介面部傳遞前述檢索條件的情況下，對前述檢索介面部輸出根據該檢索條件之前述第2對話機器人伺服裝置的資訊。
  9. 如請求項8之對話機器人檢索系統，其中前述檢索部是對前述檢索介面部輸出前述對話機器人伺服裝置的資訊與前述第2對話機器人伺服裝置的資訊，前述對話機器人伺服裝置的資訊與前述第2對話機器人伺服裝置的資訊是用於供前述終端裝置同時對前述對話機器人伺服裝置與前述第2對話機器人伺服裝置之雙方進行存取的資訊。
  10. 如請求項1至9中任一項之對話機器人檢索系統，其中前述對話機器人資訊收集部是收集：將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流中的有關於販賣業績的資訊和日期時間資訊建立關連並作為販賣記錄來包含的前述記錄資訊， 前述評價資訊儲存部是將根據前述販賣記錄之加總有販賣業績的資訊儲存作為前述評價資訊， 前述評價測定部是根據前述記錄資訊內的前述販賣記錄，進行將販賣業績加總的處理，並且將加總有販賣業績的資訊作為前述評價資訊來寫入前述評價資訊儲存部， 前述檢索部是以根據加總有前述販賣業績的資訊之排序的方式來輸出前述對話機器人伺服裝置的資訊。
  11. 一種對話機器人檢索方法，包含以下步驟： 對話機器人資訊收集部從對話機器人伺服裝置收集記錄資訊之步驟，其中前述對話機器人伺服裝置是因應從使用者的終端裝置發送的文字而自動地生成回應文字並發送至前述終端裝置，藉此提供對話服務，前述記錄資訊是將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊； 將前述記錄資訊寫入記錄資訊儲存部之步驟； 評價測定部根據前述記錄資訊，生成前述對話機器人伺服裝置的評價資訊並寫入評價資訊儲存部之步驟；及 檢索部根據所輸入的檢索條件，從前述評價資訊儲存部讀出與前述檢索條件相匹配的前述對話機器人伺服裝置的前述評價資訊，並以根據前述評價資訊的排序的方式來輸出前述對話機器人伺服裝置的資訊之步驟。
  12. 一種程式，是用於使電腦執行以下步驟： 從對話機器人伺服裝置收集記錄資訊之步驟，其中前述對話機器人伺服裝置是因應從使用者的終端裝置發送的文字而自動地生成回應文字並發送至前述終端裝置，藉此提供對話服務，前述記錄資訊是將前述對話機器人伺服裝置中的與前述終端裝置之間的文字交流和日期時間資訊建立關連並記錄之資訊； 將前述記錄資訊寫入記錄資訊儲存部之步驟； 根據前述記錄資訊，生成前述對話機器人伺服裝置的評價資訊並寫入評價資訊儲存部之步驟；及 根據所輸入的檢索條件，從前述評價資訊儲存部讀出與前述檢索條件相匹配的前述對話機器人伺服裝置的前述評價資訊，並以根據前述評價資訊的排序的方式來輸出前述對話機器人伺服裝置的資訊之步驟。
TW108113065A 2018-04-16 2019-04-15 對話機器人檢索系統、對話機器人檢索方法、及程式 TW201944266A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018078637A JP6433614B1 (ja) 2018-04-16 2018-04-16 チャットボット検索システムおよびプログラム
JP2018-078637 2018-04-16

Publications (1)

Publication Number Publication Date
TW201944266A true TW201944266A (zh) 2019-11-16

Family

ID=64560706

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108113065A TW201944266A (zh) 2018-04-16 2019-04-15 對話機器人檢索系統、對話機器人檢索方法、及程式

Country Status (5)

Country Link
US (1) US20210279232A1 (zh)
JP (1) JP6433614B1 (zh)
KR (1) KR101993771B1 (zh)
TW (1) TW201944266A (zh)
WO (1) WO2019203156A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9880818B2 (en) * 2014-11-05 2018-01-30 Ab Initio Technology Llc Application testing
JP6489670B1 (ja) * 2018-10-30 2019-03-27 Ｊｅインターナショナル株式会社 チャットシステム、チャットボットサーバー装置、チャットボットｉｄ管理装置、チャット仲介サーバー装置、プログラム、チャット方法、およびチャット仲介方法
JP6555838B1 (ja) * 2018-12-19 2019-08-07 Ｊｅインターナショナル株式会社 音声問合せシステム、音声問合せ処理方法、スマートスピーカー運用サーバー装置、チャットボットポータルサーバー装置、およびプログラム。
KR102324215B1 (ko) * 2019-11-21 2021-11-09 주식회사 카카오 대화형 서비스를 제공하는 챗봇 검색 서버, 사용자 단말 및 방법
JP7456344B2 (ja) 2019-11-29 2024-03-27 株式会社リコー 情報処理装置、情報処理システム、情報処理方法及びプログラム
US11461417B2 (en) 2020-03-05 2022-10-04 Kore.Ai, Inc. Methods for managing automated discovery and knowledge sharing in one or more networks and devices thereof
KR102461155B1 (ko) * 2020-03-25 2022-10-28 한전케이디엔주식회사 머신러닝 기반 맞춤형 챗봇 추천 시스템 및 그 방법
KR102439271B1 (ko) * 2020-06-05 2022-08-31 한전케이디엔주식회사 정확도 평점 기반 챗봇 관리 시스템
US11270063B1 (en) * 2020-07-17 2022-03-08 Citibank, N.A. Methods and systems for interactive data input
US11875121B2 (en) 2021-05-28 2024-01-16 International Business Machines Corporation Generating responses for live-streamed questions
KR20230004150A (ko) * 2021-06-30 2023-01-06 주식회사 카카오 상담 서비스 제공 방법 및 장치
KR20230123602A (ko) * 2022-02-17 2023-08-24 주식회사 마인드웨어웍스 챗봇 서비스 연계 제공 시스템
US11978049B1 (en) 2023-11-28 2024-05-07 Citibank, N.A. Systems and methods for blockchain network traffic management using automatic coin selection

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002123478A (ja) * 2000-10-17 2002-04-26 Isao:Kk チャットシステム、チャット情報処理装置、チャット情報処理方法、および、記録媒体
JP2005038348A (ja) * 2003-07-18 2005-02-10 Fuji Xerox Co Ltd 情報端末装置、人材評価情報提供方法、人材検索装置、人材検索方法
JP5343383B2 (ja) * 2008-03-25 2013-11-13 富士通株式会社 プログラム及び連携方法
CN103379228B (zh) * 2012-04-25 2016-05-11 中兴通讯股份有限公司 呼叫中心Chat评价方法及***
JP2016212541A (ja) * 2015-05-01 2016-12-15 株式会社ＡＴＲ−Ｔｒｅｋ 対話装置、対話方法、及びそのコンピュータプログラム
US10628749B2 (en) * 2015-11-17 2020-04-21 International Business Machines Corporation Automatically assessing question answering system performance across possible confidence values
US10038787B2 (en) * 2016-05-06 2018-07-31 Genesys Telecommunications Laboratories, Inc. System and method for managing and transitioning automated chat conversations
JP2017204157A (ja) 2016-05-11 2017-11-16 株式会社Ｚｅａｌｓ チャットシステム、管理サーバ及びプログラム
US10528632B2 (en) * 2016-07-19 2020-01-07 Microsoft Technology Licensing, Llc Systems and methods for responding to an online user query
JP6849964B2 (ja) * 2016-09-05 2021-03-31 株式会社Ｎｅｘｔｒｅｍｅｒ 対話制御装置、対話エンジン、管理端末、対話装置、対話制御方法、対話方法、およびプログラム
JP6737732B2 (ja) * 2017-04-05 2020-08-12 ヤフー株式会社 情報提供装置、情報提供方法および情報提供プログラム

Also Published As

Publication number Publication date
US20210279232A1 (en) 2021-09-09
JP2019185614A (ja) 2019-10-24
KR101993771B1 (ko) 2019-09-30
WO2019203156A1 (ja) 2019-10-24
JP6433614B1 (ja) 2018-12-05

Similar Documents

Publication Publication Date Title
TW201944266A (zh) 對話機器人檢索系統、對話機器人檢索方法、及程式
Yi et al. Designing for diagnosticity and serendipity: An investigation of social product-search mechanisms
Lu et al. BizSeeker: a hybrid semantic recommendation system for personalized government‐to‐business e‐services
JP4418135B2 (ja) グループ形成システム、グループ形成方法、およびグループ形成装置
JP4637969B1 (ja) ウェブページの主意，およびユーザの嗜好を適切に把握して，最善の情報をリアルタイムに推奨する方法
Liu et al. When web search fails, searchers become askers: Understanding the transition
US20060129463A1 (en) Method and system for automatic product searching, and use thereof
US20100030647A1 (en) Advertisement selection for internet search and content pages
US11455660B2 (en) Extraction device, extraction method, and non-transitory computer readable storage medium
US20100306192A1 (en) Method and system for a search engine for user generated content (ugc)
US20060129446A1 (en) Method and system for finding and aggregating reviews for a product
TW200917070A (en) System and method to facilitate matching of content to advertising information in a network
JP5398413B2 (ja) 銘柄推奨システム及び銘柄推奨プログラム
Vosecky et al. Searching for quality microblog posts: Filtering and ranking based on content analysis and implicit links
US20120066233A1 (en) System and methods for mapping user reviewed and rated websites to specific user activities
US20120173508A1 (en) Methods and Systems for a Semantic Search Engine for Finding, Aggregating and Providing Comments
TW201207649A (en) Search engine optimization at scale
JP2007264718A (ja) ユーザ興味分析装置、方法、プログラム
KR20220117425A (ko) 빅데이터를 활용한 시장성 분석 및 사업화방법론 분석 시스템
KR20160070282A (ko) 쇼핑몰 사이트 제공 시스템, 쇼핑몰 사이트 제공 방법, 그 프로그램 및 이를 기록한 기록매체
JP2004280180A (ja) 広告用キーワード抽出システム、広告文配信システム、広告用キーワード抽出プログラム及び広告文配信プログラム
KR100503779B1 (ko) 질문자 답변자 매칭 방법 및 시스템
Tuma et al. Online reviews as a source of marketing research data: a literature analysis
Gurjar et al. Trustworthiness Of User-Generated Content In Travel Planning Decisions Of Tourists
Mangnoesing et al. An empirical study for determining relevant features for sentiment summarization of online conversational documents