JP3776341B2 - 音声対話方法および、この方法を実施する装置、プログラム、このプログラムを記録した記録媒体 - Google Patents

Description

【０００１】
【発明の属する技術分野】
この発明は、音声対話方法および、この方法を実施する装置、プログラム、このプログラムを記録した記録媒体に関し、特に、より少ない対話のやり取り回数でユーザの要求内容を把握する音声対話方法および、この方法を実施する装置、プログラム、このプログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】
ユーザとの間の対話により所定の動作を実行する装置（以下、音声対話装置、と呼ぶ）が知られている。この音声対話装置は、ユーザが発生した音声を文字列に変換する音声認識部を有し、この認識結果とこれまでの対話の履歴を利用して音声対話装置の次の発話内容を制御し、この発話内容を音声出力装置により音声として出力する。音声対話装置は、音声認識によりユーザの発話内容を必ず正しく認識するとは限らない。音声対話装置は、認識に誤りがあった場合でも、ユーザが求めている内容に応じた動作を行う必要があるので、通常、音声認識結果の確認をユーザに対して行う。また、認識結果のみに依っては実行すべき動作が定まらない場合がある。この場合、ユーザの要求内容を知るために、音声対話装置は、通常必要と思われる情報をユーザに対して質問する。この確認或いは質問に関して、音声対話装置とユーザとの間の対話のやり取り回数が多いと、ユーザの手間が増えて煩わしく、でき得る限りこのやり取り回数は少ない方が良い。
【０００３】
音声対話装置を実用に供することを想定した場合、処理可能なユーザの要求種類は１通りではなく、複数種類の要求を処理することができることが望ましい。例えば、スケジュール管理を行う音声対話装置を想定した場合、少なくとも「予定の照会」および「予定の削除」程度の要求種類を取り扱える必要があると思われる。ところが、この内の１種類の要求しか取り扱えないものとすると、この音声対話装置は実用的な装置であるとは言えない。複数の要求種類を受け付ける従来の音声対話装置における確認内容決定部においては、要求種類別に適切な確認手順とやり取り回数を計算する部分と、要求種類の確率分布を計算する部分を有し、これらのやり取り回数と確率分布に基づいて、すべての要求種類の確認順序の順列について期待やり取り回数を推定し、その期待やり取り回数が最も小さくなる順序を要求種類を単位として決定していた。
【０００４】
【発明が解決しようとする課題】
上述した通り、音声対話装置は、認識に誤りがある場合でも、ユーザが求めている内容に応じた動作を行う必要があるところから、通常、音声認識結果の確認をユーザに対して行い、正確にユーザの要求内容に応じた動作をする。この確認或いは質問は少ないことが望ましい。以上の従来技術には改善すべき点がある。即ち、相異なる要求種類間で共通に必要な情報を考慮していないということである。例えば、要求種類として「予定の追加」および「予定の照会」が含まれるスケジュール管理を行う音声対話装置の場合、何れの要求種類においても「日付」と「時間」は必須の項目と思われる。要求種類が定まらない場合に、他の項目を質問するより、先ず、これらの項目を質問する方が手間を削減することができる筈である。しかし、この従来技術の如く、要求種類を単位として計算する場合、仮に、「予定の追加」を仮定した場合のやり取り回数推定部６からの手順の出力が、先ず、「「予定の内容」の質問」であって、要求種類毎の確認順序が「予定の追加」→「予定の照会」である場合は、結果として「「予定の内容」の質問」をすることになる。
【０００５】
そこで、この発明は、要求種類間で共通の項目がある場合において、少ないやり取り回数によりユーザの要求の内容を決定する音声対話方法および、この方法を実施する装置、プログラム、このプログラムを記録した記録媒体を提供するものである。
【０００６】
【課題を解決するための手段】
請求項１：ユーザの音声を入力としてユーザの要求に応じた処理を実行して音声により応答内容を出力する音声対話方法において、音声信号を生成し、生成した音声信号に基づいてこれを文字列に変換し、文字列を解析して項目名と値の表より成る理解状態を作成し、現在処理することができるタスクの仕様を記述したタスク仕様データベース４を具備し、理解状態に基づいてユーザの要求内容種類の確率分布を推定し、理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合にユーザの要求している内容を把握するまでに必要なやり取り回数とその際の手順を決定し、理解状態に基づいて次の行動の種類を決定し、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定してユーザに対して行う確認および質問の内容を決定し、ユーザの要求に応じた行動を行い、確認内容或は応答内容を音声として出力する音声対話方法を構成した。
【０００７】
そして、請求項２：ユーザの音声を入力としてユーザの要求に応じた処理を実行して音声により応答内容を出力する音声対話装置において、音声を音声信号に変換する音声入力部１を具備し、音声入力部１により得られた音声信号を文字列に変換する音声認識部２を具備し、音声認識部２によって得られた文字列を解析し、項目名と値の表より成る理解状態を作成する言語理解部３を具備し、音声対話装置が現在処理することができるタスクの仕様を記述したタスク仕様データベース４を具備し、理解状態を入力としてユーザの要求内容種類の確率分布を推定する要求内容種類確率分布推定部５を具備し、理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合に、ユーザの要求している内容を音声対話装置が把握するまでに必要なやり取り回数とその際の手順を決定するやり取り回数推定部６を具備し、理解状態を入力として音声対話装置の次の行動の種類を決定する行動決定部７を具備し、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、装置がユーザに対して行う確認および質問の内容を決定する確認内容決定部８を具備し、ユーザの要求に応じた行動を行う応答内容決定部９を具備し、確認内容決定部８或いは応答内容決定部９により決定された確認内容或いは応答内容を音声として出力する音声出力部１０を具備する音声対話装置を構成した。
【０００８】
また、請求項３：コンピュータに対して、音声認識部２が音声入力部１を介して入力された音声信号を文字列に変換すべき指令をし、言語理解部３が音声認識部２により得られた文字列を解析して項目名と値の表より成る理解状態を作成すべき指令をし、要求内容種類確率分布推定部５が理解状態を入力としてユーザの要求内容種類の確率分布を推定すべき指令をし、やり取り回数推定部６が理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合に、ユーザの要求している内容を音声対話装置が把握する迄に必要なやり取り回数とその際の手順を決定すべき指令をし、行動決定部７が理解状態を入力として音声対話装置の次の行動の種類を決定すべき指令をし、確認内容決定部８が、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、装置がユーザに対して行う確認および質問の内容を決定すべき指令をし、応答内容決定部９がユーザの要求に応じた行動を行うべき指令をし、音声出力部１０が確認内容決定部８或いは応答内容決定部９により決定された確認内容或いは応答内容を音声として出力すべき指令をする音声対話プログラムを構成した。
【０００９】
更に、請求項４：コンピュータに対して、音声認識部２が音声入力部１を介して入力された音声信号を文字列に変換すべき指令をし、言語理解部３が音声認識部２により得られた文字列を解析して項目名と値の表より成る理解状態を作成すべき指令をし、要求内容種類確率分布推定部５が理解状態を入力としてユーザの要求内容種類の確率分布を推定すべき指令をし、やり取り回数推定部６が理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合にユーザの要求している内容を音声対話装置が把握するまでに必要なやり取り回数とその際の手順を決定すべき指令をし、行動決定部７が理解状態を入力として音声対話装置の次の行動の種類を決定すべき指令をし、確認内容決定部８が、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、装置がユーザに対して行う確認および質問の内容を決定すべき指令をし、応答内容決定部９がユーザの要求に応じた行動を行うべき指令をし、音声出力部１０が確認内容決定部８或いは応答内容決定部９により決定された確認内容或いは応答内容を音声として出力すべき指令をする音声対話プログラムを記録した記録媒体を構成した。
【００１０】
【発明の実施の形態】
この発明の実施の形態を図１の実施例を参照して説明する。
この発明による音声対話装置の実施例は、音声入力部１、音声認識部２、言語理解部３、タスク仕様データベース４、要求内容種類確率分布推定部５、やり取り回数推定部６、行動決定部７、確認内容決定部８、応答内容決定部９、および音声出力部１０により構成される。ここで、音声対話装置の各部位は、図示されてはいないが、コンピュータとこれに対して各部位の動作指令をするプログラムとにより構成される。
【００１１】
音声入力部１は、ユーザが発声した音声［１］を、ディジタル化された音声信号［２］に変換する。これには一般のマイク、電話機とＡＤコンバータの組み合わせを使うことができる。
音声認識部２は、音声入力部１からの音声信号［２］を受け、認識結果と認識結果の確からしさの対の文字列［３］を算出する。これは一般の隠れマルコフモデルＨＭＭを使った既存の音声認識器を使うことができる。
言語理解部３は、音声認識部２からの文字列［３］を解析して、理解状態を作成する。この理解状態としては項目名と値と値の確からしさと確認済みか否か［４］の表などを使う。項目名と値の対応を得るには、既存の構文解析器などを使うことができる。また、値と確からしさの対応を得るには、ＨＭＭを使った音声認識器の音響スコアなどを使うことができる。装置からユーザに発せられた確認の後に、肯定に相当する文に解析できる入力があった場合は、確認済みか否かを確認済みに変更する。この処理を経ていない項目の確認済みか否かはすべて未確認（否）である。
【００１２】
タスク仕様データベース４には、要求種類毎に必要な項目名とその項目に入りうる値［５］が記述してある表である。たとえば、スケジュール管理であれば、「予定の追加」という要求種類には「予定の内容」と「日付」と「時間が必要でり、「予定の内容」として可能な値としては、「会議」「打合せ」「発表」などがあり、「日付」として可能な値として年間の日付や曜日などがあり、「時間」として可能な値としては２４時間中の何れかがある。
要求内容種類確率分布推定部５は、言語理解部３から項目名と値と値の確からしさ［４］を入力し、現在の理解状態から要求内容それぞれの確率を推定し、ユーザ要求種類名および確率より成る対の集合［８］を出力する。このために、ｖi を項目ｓi の値、ｃi をその確からしさ、Ｎj を要求種類Ｇj において必要なスロット数、Ｖj をＧj で認められる値の集合、Ｍi をｖi を値域として認めるユーザの要求種類の個数としたとき、理解状態Ｓと要求種類Ｇj との間の関連度を
【００１３】
【数１】

という式で求め、この関連度のすべての和を１にする正規化した場合の、Ｒeι（Ｓ、Ｇj ）を要求種類Ｇj の確率とする。
やり取り回数推定部６は、言語理解部３から項目名と値と値の確からしさと確認済みか否かの集合［４］を入力すると共に、タスク仕様データベース４から要求種類毎に必要な項目名とその項目に入りうる値［６］を入力し、或る要求種類を仮定した場合に、現在の理解状態からその要求種類で必要な項目をユーザとの対話により装置が得るまでに、効率的に確認を行なったとしてどの程度のやり取り回数が必要か推定し、このときの効率的な確認の手順であるユーザ要求種類名とターン数より成る対の集合［７］を出力する。出力は、例えば、（「日付」の確認→「時間」と「内容」の質問）７ターンという確認手順と数字（ターン数）の組である。
【００１４】
項目毎に受け付け可能な語彙の数を使って、或る項目を認識する場合の認識誤り率を語彙数の平方根に比例して求める。これにより得られた認識率（＝１−認識誤り率）をｒとしたときに、確認の際に必要なやり取り回数は１／ｒと見積もり、また、質問の際に必要なやり取り回数を１／ｒ＋１と見積もる。確認か質問かは［４］中で、項目に対応する値があれば、確認、値が空であれば、質問である。仮定した要求種類で必要な項目のすべての確認或は質問の組合せの中から、以上の計算により求めたやり取り回数はすべて計算可能であるので、この最も小さい場合のやり取り回数とそのやり取りの回数となる場合の確認手順とそのときの回数をこのやり取り回数推定部６の出力とする。
【００１５】
行動決定部７は、言語理解部３から項目名と値と値の確からしさ［４］を入力すると共に、タスク仕様データベース４から要求種類毎に必要な項目名とその項目に入りうる値［５］を入力し、装置がユーザの要求内容に対して応答可能かそれとも確認を継続するかを表す情報応答可能フラグ出力する。両者を比較して現在の理解状態が何れかの要求種類にとって必要な項目をすべて満たしていて、すべて確認済みであれば、既に要求内容を把握することができているとして応答可能フラグを応答可能として出力し、そうでなければ応答可能フラグを応答不可能として出力する。
【００１６】
確認内容決定部８は、要求内容種類確率分布推定部５の出力の確率分布、やり取り回数推定部６の出力のやり取り回数とその際の手順、行動決定部７から出力される「応答可能フラグ」を入力し、応答可能フラグが応答可能であれば何も出力を行わず、応答可能フラグが応答不可能であれば、各時点において装置は次にどういう項目について確認或いは質問すれば良いかを決定する。出力されるものは、項目名と確認或いは項目名と要求の対の集合［８］’である。例えば、（日付確認）（曜日確認）という情報を出力する。入力としては、要求種類の確率分布推定部５で推定した確率分布と、やり取り回数推定部６で推定した要求種類を仮定した場合のやり取り回数と、その際の手順を入力とする。
【００１７】
音声対話装置がどのユーザ要求について確認をすればよいかを考える。実際にユーザが要求している要求種類がＧi である確率をｐＧi 、その要求種類を仮定した場合の期待やり取り回数をｔGi、と表す。
装置が或る要求種類ＧS を仮定して確認を行なっていったけれども、実際要求種は異なるものだった場合があり得る。このときに次に要求種類を仮定して確認を行うために確認しなければならない項目は、前回仮定した要求種類で必要な項目と、今仮定した要求種類で必要な項目との差分とする。即ち、最初に「日付」と「時間」という項目が必要な要求種類を仮定し、次に「日付」と「時間」と「予定の内容」という項目が必要な要求種類を仮定する場合は、最初に仮定した要求種類が実は誤りだった場合に、次に仮定した要求種類で必要な項目は「予定の内容」のみとする。
【００１８】
この差分の項目以外の必要な項目は既に値が定まっている状態を理解状態として、再びやり取り回数推定部６に入力し、この差分についての確認を終えるために必要なやり取りの回数の推定結果を得る。この差分のやり取り回数をＧa(i)までの確認に失敗した場合に、Ｇa(i+1)の確認に必要なやり取り回数の推定結果を
【００１９】
【数２】

が最小となるような要求種類の選択順ａ(1)、ａ(2)、.......、ａ(n)での最初の要求種類Ｇa(1)を取り、この要求種類を仮定した場合のやり取り回数推定部６が出力結果のひとつである確認手順を得て、この確認手順の最初の内容を確認内容決定部８の出力［８］'とする。
応答内容決定部９は言語理解部からの理解状態と行動決定部７からの情報応答可能フラグを入力として受け取る。情報応答可能フラグが応答不可能であれば何も出力を行わず、情報応答可能フラグが応答可能であれば、理解状態［７］'と、タスク仕様データベース４から入力される要求種類毎に必要な項目名とその項目に入り得る値［５］とを比較することにより要求種類とユーザの要求内容を得て、その要求種類に対して事前にプログラムされた応答内容を決定し、文字列［９］を出力する。
【００２０】
音声出力部１０は、確認内容決定部８から出力される項目名と確認或いは項目名と要求の対の集合［８］'、或いは応答内容決定部９から出力される応答内容の文字列［９］を入力として受け取る。既存のテンプレートベースの言語生成器と、既存の音声合成器の組み合わせにより実現することができる。
実施例の音声対話のデータの流れは図１において丸付き数字により示される。
以下において、確認内容決定部８の具体例を説明する。
部署としては会社の秘書タスクを想定し、ユーザの要求種類は、「社内便の配送受付」および「社員の呼び出し」を扱えるものとする。
【００２１】
要求種類それぞれで必要な情報とその値域は、
・「社内便の配送受付」について、
商品名（社内にあるもの）
部署名（全部署）
人名（全員）
数量（１−１０）
・「社員の呼び出し」について、
部署名（関連部署）
人名（関連人員）
日を表す数（１−３０）
数量（１−５０）
であるものとする。
【００２２】
それぞれの要求を仮定した場合に確認終了迄に必要なターン数の推定結果は、
・「社内便の配送受付」について、
ｔ（ａ）ターン
・「社員の呼び出し」について、
ｔ（ｂ）ターン
であるものとする。
それぞれの要求の現在の理解状態における確率推定の結果の確率は、
・「社内便の配送受付」について、
ｐ（ａ）
・「社員の呼び出し」について、
ｐ（ｂ）
であるものとする。
【００２３】
この発明の実施例において、確認内容決定部８は、すべての要求種類の順列について、期待されるターン数を計算する。この具体例においては、「社内便の配送受付」および「社員の呼び出し」の２種類の要求種類があるものと仮定しているので、可能な順列は、
（１） 「社内便の配送受付」→「社員の呼び出し」
（２） 「社員の呼び出し」→「社内便の配送受付」
の２通りである。
【００２４】
（１）の場合において、仮に最初に確認を試みた要求推定が誤っていた場合の推定ターン数を考える場合に、従来は必要なターン数は
ｔ（ａ）＋ｔ（ｂ）
としていた。この発明の実施例においては、最初に確認を試みた要求推定が誤っていた場合においても、そこで必要とされた情報の一部は次に仮定する要求種類の役に立つであろうという観点から、「社内便の配送受付」を仮定して失敗した後で「社員の呼び出し」を確定するには、「社員の呼び出し」で必要とされる情報であるけれども「社内便の配送受付」においては必要とされない情報である「日を表す数」のみを確定する必要があると仮定してターン数の推定を行う。ここで推定されたターン数をｔ'（ｂ）（これはｔ（ｂ）より小さい筈である）とすれば、この発明においては
ｔ（ａ）＋ｔ'（ｂ）
をこの場合の期待ターン数とする。これにより、より正確なターン数推定を実行することができる。
【００２５】
（２）の場合においても、同様に、「社員の呼び出し」の確認を試みて失敗した場合に、その後に「社内便の配送受付」を確定するに必要なターン数の推定結果をｔ'（ａ）とすれば、
ｔ'（ａ）＋ｔ（ｂ）
をこの場合の期待ターン数とする。これらにより、この発明においては、（１）の場合の
ｔ（ａ）＋（１−ｐ（ａ））（ｔ（ａ）＋ｔ'（ｂ））
と、（２）の場合の
ｔ（ｂ）＋（１−ｐ（ｂ））（ｔ'（ａ）＋ｔ（ｂ））
の内の小さい値を返した方の最小にあるユーザの要求種類の確認を最初に試みることにする。
【００２６】
【発明の効果】
以上の通りであって、この発明によれば、より少ない対話のやり取り回数でユーザの要求内容を把握することができ、ユーザの手間を軽減することができる。
【図面の簡単な説明】
【図１】 実施例を説明するブロック図。
【符号の説明】
１ 音声入力部 ２ 音声認識部
３ 言語理解部 ４ タスク仕様データベース
５ 要求内容種類確率分布推定部 ６ やり取り回数推定部
７ 行動決定部 ８ 確認内容決定部
９ 応答内容決定部 １０ 音声出力部

Claims (4)

1. ユーザの音声を入力としてユーザの要求に応じた処理を実行して音声により応答内容を出力する音声対話方法において、
   音声信号を生成し、
   生成した音声信号に基づいてこれを文字列に変換し、
   文字列を解析して項目名と値の表より成る理解状態を作成し、
   現在処理することができるタスクの仕様を記述したタスク仕様データベースを具備し、
   理解状態に基づいてユーザの要求内容種類の確率分布を推定し、
   理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合にユーザの要求している内容を把握するまでに必要なやり取り回数とその際の手順を決定し、
   理解状態に基づいて次の行動の種類を決定し、
   要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定し、
   仮定した次の要求種類のそれぞれに対し前記推定した差分に対するやり取り回数と前回までのやり取り回数との和を求め、その和と前回までの理解が誤まっていたとする確率との積を求め、その積と前回までのやり取り回数との和を求め、その和が最小になる要求種類についてユーザに対して行う確認および質問の内容を決定し、
   ユーザの要求に応じた行動を行い、
   確認内容或は応答内容を音声として出力することを特徴とする音声対話方法。
2. ユーザの音声を入力としてユーザの要求に応じた処理を実行して音声により応答内容を出力する音声対話装置において、
   音声を音声信号に変換する音声入力部を具備し、
   音声入力部により得られた音声信号を文字列に変換する音声認識部を具備し、
   音声認識部により得られた文字列を解析し、項目名と値の表より成る理解状態を作成する言語理解部を具備し、
   音声対話装置が現在処理することができるタスクの仕様を記述したタスク仕様データベースを具備し、
   理解状態を入力としてユーザの要求内容種類の確率分布を推定する要求内容種類確率分布推定部を具備し、
   理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合に、ユーザの要求している内容を音声対話装置が把握するまでに必要なやり取り回数とその際の手順を決定するやり取り回数推定部を具備し、
   理解状態を入力として音声対話装置の次の行動の種類を決定する行動決定部を具備し、
   要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、仮定した次の要求種類のそれぞれに対し前記推定した差分に対するやり取り回数と前回までのやり取り回数との和を求め、その和と前回までの理解が誤まっていたとする確率との積を求め、その積と前回までのやり取り回数との和を求め、その和が最小になる要求種類について、装置がユーザに対して行う確認および質問の内容を決定する確認内容決定部を具備し、
   ユーザの要求に応じた行動を行う応答内容決定部を具備し、
   確認内容決定部或いは応答内容決定部により決定された確認内容或いは応答内容を音声として出力する音声出力部を具備することを特徴とする音声対話装置。
3. コンピュータに対して、
   音声認識部が音声入力部を介して入力された音声信号を文字列に変換すべき指令をし、
   言語理解部が音声認識部により得られた文字列を解析して項目名と値の表より成る理解状態を作成すべき指令をし、
   要求内容種類確率分布推定部が理解状態を入力としてユーザの要求内容種類の確率分布を推定すべき指令をし、
   やり取り回数推定部が理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合に、ユーザの要求している内容を音声対話装置が把握するまでに必要なやり取り回数とその際の手順を決定すべき指令をし、
   行動決定部が理解状態を入力として音声対話装置の次の行動の種類を決定すべき指令をし、
   確認内容決定部が、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、仮定した次の要求種類のそれぞれに対し前記推定した差分に対するやり取り回数と前回までのやり取り回数との和を求め、その和と前回までの理解が誤まっていたとする確率との積を求め、その積と前回までのやり取り回数との和を求め、その和が最小になる要求種類について、装置がユーザに対して行う確認および質問の内容を決定すべき指令をし、
   応答内容決定部がユーザの要求に応じた行動を行うべき指令をし、
   音声出力部が確認内容決定部或いは応答内容決定部により決定された確認内容或いは応答内容を音声として出力すべき指令をすることを特徴とする音声対話プログラム。
4. コンピュータに対して、
   音声認識部が音声入力部を介して入力された音声信号を文字列に変換すべき指令をし、
   言語理解部が音声認識部により得られた文字列を解析して項目名と値の表より成る理解状態を作成すべき指令をし、
   要求内容種類確率分布推定部が理解状態を入力としてユーザの要求内容種類の確率分布を推定すべき指令をし、
   やり取り回数推定部が理解状態と特定の要求種類名を入力としてユーザの要求している要求種類を仮定した場合に、ユーザの要求している内容を音声対話装置が把握するまでに必要なやり取り回数とその際の手順を決定すべき指令をし、
   行動決定部が理解状態を入力として音声対話装置の次の行動の種類を決定すべき指令をし、
   確認内容決定部が、要求種類を仮定していった確認順序の中で、仮定が誤っている場合に次の要求種類を仮定した場合に必要なやり取りの回数の推定を、前回までに仮定した要求種類で必要な項目と次に仮定した要求種類で必要な項目との差分から推定して、仮定した次の要求種類のそれぞれに対し前記推定した差分に対するやり取り回数と前回までのやり取り回数との和を求め、その和と前回までの理解が誤まっていたとする確率との積を求め、その積と前回までのやり取り回数との和を求め、その和が最小になる要求種類について、装置がユーザに対して行う確認および質問の内容を決定すべき指令をし、
   応答内容決定部がユーザの要求に応じた行動を行うべき指令をし、
   音声出力部が確認内容決定部或いは応答内容決定部により決定された確認内容或いは応答内容を音声として出力すべき指令をする音声対話プログラムを記録したことを特徴とする記録媒体。

Images