f rom NTTドコモ コンピュータとの自然な会話を実現する 雑談対話システム 人とコンピュータが自然に会話できる対話システムを目指し，NTTメディアインテリジェンス研究所の技術協力のもと，雑 談対話システムを開発しました．本対話システムの特長は，対話における話題と文脈を正しく認識し，大規模データから返答を 作成 ・ 選択することにより，人間どうしの会話に近い応答を行えることです．本システムは，スマート家電への適用や家庭用ロ ボットの対話機能として利用するなどの応用が期待されています． 開発の背景 近年，しゃべってコンシェルのような音声認識対応エー ジェントが普及してきています．しゃべってコンシェルは， 「メールを送る」や「電話をかける」などの何かしらの作 業目的を持った発話から，「富士山の高さは？」や「世界 一高い山は？」などのような質問，さらに，「好きだよ」 や「こんにちは」などの雑談に対しても返答が可能な音声 な特定の情報（この例では道案内）を要求する発話ではな く，「長野へ行きたいなあ」のような明確な目的のない発 話によって構成される対話のことを指します． 開発した雑談対話システムを用いたアプリの例を図 1 に 示します．左側がシステムの発話， 右側がユーザの発話です． ■システム特長 本システムの特長は，ユーザの発話とその発話に対する 返答データとの単純なマッチングによって返答を行うシス エージェントです．ユーザにとって作業目的の発話や情報 要求目的の発話が行えることは非常に便利ですが，しゃ べってコンシェルは便利さを享受するためだけに使用され ているわけではなく，日々多くの雑談も投げかけられてい ます．ここから，ユーザの雑談欲求が非常に高いことがう かがえます．しかし，しゃべってコンシェルは，想定内の 発話に対しては的確な返答をしますが，バリエーションが まだ十分ではありません．ユーザの雑談欲求を満たすこと ができれば，雑談対話そのものを人気コンテンツとして ユーザに提供したり，ロボットやゲーム機に搭載するなど， さまざまなビジネス応用が考えられます． このようなユーザの雑談欲求にさらにこたえるため NTTドコモでは，NTTメディアインテリジェンス研究所 の成果技術に基づき，雑談対話システムを開発しました． この雑談対話システムは，コンピュータと人間が自然に会 話できることを目的にしたもので，大規模データから作成 した発話データを利用し豊富な返答が可能なシステムで す．また本システムは，ユーザと単発の発話を繰り返すの ではなく，複数回のやり取りを可能としています．ここで は雑談対話システムの概要と対話技術について紹介します． 雑談対話システム概要 開発した雑談対話システムの概要を述べます．ここで“雑 談対話”とは，例えば「長野への行き方を教えて」のよう 50 NTT技術ジャーナル 2015.1 図 1 雑談対話システムを用いたアプリの例 （左：システム，右：ユーザ） しりとり モード ユーザ の発話 ①発話理解部 ③発話タイプ 分類部 ②対話制御部 ⑤出力前 変換部 ユーザ 属性情報 ④システム 発話選択部 対システム 質問応答部 発話データ システム 属性情報 知識検索 エンジン 図 2 システム概要 テムではなく，入力されたユーザの発話内容を解析し，発 ③ 発話タイプ分類部：発話タイプ分類部ではユーザの 話の意図や文脈を理解したうえで，大規模データに基づい 発 話 が ど の よ う な も の か を 大 雑 把 に 判 定 す る た め， て返答を行うことです．文脈を理解できることから，人間 ユーザの発話を“雑談対話”“質問応答システム向けの どうしの会話のように文脈を持った自然な対話をすること 質問”“システム自身への質問”の３タイプに分類しま ができます． す．例えば，「長野に行きたい」は“雑談対話”，「富士 ■システム動作 山の高さは？」は“質問応答システム向けの質問”， 「あ 図 ２ に示すシステム概要図を基にして，システムの動作 なたの名前は？」は“システム自身への質問”と分類さ を簡単に説明します．本システムは大きく分けて，①発話 れます．発話が“質問応答システム向けの質問”である 理解部，②対話制御部，③発話タイプ分類部，④システム 場合は，外部の知識検索エンジン 発話選択部，⑤出力前変換部の５つのパートで構成されて します．発話が“システム自身への質問”である場合は， います． システム自身の属性情報を参照し「20歳です」など 例としてユーザから「長野に行きたい」という発話を受 け取ったときの処理を説明します． ① 発話理解部：発話理解部では，入力発話を解析する ことにより，現在ユーザが話している話題を「長野」 であると認識します． ② 対話制御部：対話制御部では，ユーザ発話の対話行 を用いて返答 （1）， （2） と答えます．ユーザの発話が“雑談対話”である場合は， 後述するシステム発話選択部へ進み，返答を行います． ④ システム発話選択部：①～③の結果を基に，大規模 発話データから出力すべき応答を選択します．本対話 システムでは人手で作成したものやインターネットか ら取得したものなど合わせて大規模な発話データベー 為を推定し，これまでの対話の履歴を基に，次にどの スを保持しており，その中から現在の返答としてもっ ような返答を行うべきかを，“ポジティブな発言をす とも適切と考えられるものを選択し出力します．また， る”“ネガティブな発言をする”など大まかな枠組みの ③において“質問応答システム向けの質問”や“システ 中で推定します．詳細は後述の対話制御のセクション ム自身への質問”と判断されたものの，各モジュール で説明します． （対システム質問応答部または知識検索エンジン）か NTT技術ジャーナル 2015.1 51 from NTTドコモ 対 話 オランダで チーズを 食べたよ 対話行為 焦 点 チーズ 経験に関する発話 美味しい よね 評価 ですよね はい， とても 共感 そこは 良かった ですか オランダ 評価に関する質問 共感 カメラ 買いたい カメラ 願望 （次の 発話） システム （次の対話行為） ユーザ 図 3 対話と対話行為の遷移例 ら応答が得られなかった場合も，システム発話選択部 ことを認識できなければなりません．この問題を解決する から応答を得ます． ために，本対話システムでは発話から焦点としてふさわし ⑤ 出力前変換部：対システム応答部，知識検索エンジ い単語を推定し，抽出します．焦点の抽出は機械学習＊1に ンまたはシステム発話選択部のいずれかからの出力に よって実現されています．ユーザの発話に含まれる述語に 対して，出力前変換部でシステム返答の語尾変換を行 対して必須とされる要素がない場合は，文内に現れている います．例えば「明日は良い天気になるのか」という 名詞句，もしくは，これまでに焦点として抽出された名詞 文に対して，システムに女性というキャラクタを付与 句を使用し，足りない要素を補完することにより認識して したい場合は「明日は良い天気になるかしら」と変換 います． することができます． 対話技術 ■対 話 制 御 ユーザ発話の対話行為を推定し，次に発話すべき対話行 為を推定する対話制御について説明します．対話と対話行 為の遷移を図３に示します．本対話システムでは，まずユー 本対話システムにおいて，もっとも重要な対話技術であ ザの発話の対話行為を数十種類の対話行為の中から推定し る，焦点認識，対話制御，発話選択について図 3 に示す例 ます（3）．ここで，対話行為とは，発話意図のことで，例え を用いて解説します． ば，「共感」や「評価」などがあります．発話を対話行為 ■焦 点 認 識 に変換するための分類器＊2は，機械学習によって学習し作 対話を行うために重要なことは，現在ユーザが何につい 成します．対話は，このような対話行為の連続によって成 て話しているのかを理解することです．話題（焦点）は対 り立っています．システムはこれまでのユーザとシステム 話中で継続し，またあるタイミングで遷移します．例では， の対話行為の遷移を考慮し，次に発話すべき対話行為を推 ユーザは「そこは良かったですか」という発言まではオラ ンダの話をしていますが，次に「はい，とても」と答えた システムを遮り，続いてカメラの話を始めています．ここ でシステムは焦点が「オランダ」から「カメラ」に移った 52 NTT技術ジャーナル 2015.1 ＊1 ＊2 機械学習:サンプルデータから統計処理により，有用な判断基準をコン ピュータに学習させる枠組み． 分類器：入力を，その特徴量に基づいてあらかじめ定められた分類先の いずれかに分類する装置． 定します．この推定を行うため，本対話システムでは機械 学習によって構築した予測器＊3を用いています． ■発 話 選 択 システムが適切な応答を大規模発話データから選択する 手法について説明します．システムの応答は基本的に，現 在の焦点と次に発話すべき対話行為を基に選択されます． 表 「チーズ」に関する発話 焦 点 対話行為 発 話 チーズ 経験に関する発話 オランダでチーズを食べたよ チーズ 事実に関する発話 チーズはカロリーが高いらしい チーズ 願望 美味しいチーズが食べたい 焦点「チーズ」に関する発話例を表に示します．例えば焦 点が「チーズ」で，次にシステムがとるべき対話行為が「願 ステムの特長は話題と文脈を理解し柔軟な返答を行えるこ 望」である場合は，その２点を満たす「美味しいチーズが とです． 食べたい」を発話候補とします．発話候補が複数存在する この雑談対話システムは，ドコモ ・ イノベーションビ 場合は，直近の発話との類似度を計算します．これにより， レッジ（5）やdocomo Developer supportサイト ＊4を通し ある発話候補の文がこれまでの文脈と意味的なまとまりを て提供しています．また，ドライブネットインフォ＊5にお なすかどうかを確かめ，話が飛躍しないような発話文を選 ける雑談機能としても展開しています．ユーザは，これら 択することができます ． （4） エンタテインメント分野への応用 本対話システムは前述したような通常の雑談に加えて， のAPIやアプリケーションを通して，多様なバリエーショ ンを持つ雑談対話を楽しむことができます．その先の展開 としては，ロボットやゲーム機器，TV，車載機などの携 帯端末以外のデバイスとも接続し，多様なシーン ・ 目的で 雑談対話を楽しめるようにすることが挙げられます．サー エンタテインメント性の高い機能としてユーザとしりとり ビスの面からも本対話技術にはさまざまな可能性があり， ゲームを行うことができます．ユーザの発話を解析し，そ NTTドコモの目指すべき姿であるお客さまのスマートラ れがしりとりゲームの開始を示唆するものだった場合，シ イフパートナーとなるために必要とされる技術として，雑 ステムは対話からしりとりが始まったと認識し，しりとり 談対話は欠かせないものであると考えています． のルールに基づいて返答を行います．返答は，しりとり回 今後は実際に使用されたログを解析し，より人間らしい 答用の単語リストから選択された複数の語の中から発話さ 対話ができるシステムへさらに改良を継続する予定です． れます．これらの単語には頻度情報に基づいた優先度が付 また学術的なチャレンジとして，ユーザが対話で人間とシ 与されており，一般語ほど優先度が高く，システムの返答 ステムを見分けることができるかを問うチューリングテス として発話されやすくなっています．これにより，「りん ト ＊6にもチャレンジし，真に人間と同等の会話を実現する ご→ごりら」といった一般的なしりとりの応答から始まり， 対話システムの実現を目指します． 後半では一般的でない語による上級者向けの応答が可能と なります．ゲームが終了した後は自動的に対話へと切り替 わり，対話を継続することができます． 今後の展開 ここでは人間とコンピュータが自然な対話を行うことを 目的とした雑談対話エンジンについて紹介しました．本シ ＊3 ＊4 ＊5 ＊6 予測器：与えられた入力を基に，次に出現するものを推測する装置． docomo Developer supportサイト：スマートフォン向けサービスやアプ リケーションの開発者が，NTTドコモの保有するAPIを利用できるAPIの 提供サイト． ドライブネットインフォ：スマートフォンに話しかけるだけで渋滞情報や 周辺情報を教えてくれる新たなドライバー向け情報提供サービス．NTT ドコモの商標または登録商標． チューリングテスト：人間が，人間とコンピュータに対して会話を行い， 話している相手が人間なのかコンピュータなのかを判定するテスト． ■参考文献 （1） 内田 ・ 森田 ・ 吉森： “自然文質問への直接回答を実現する知識Q&A， ” NTT DOCOMOテクニカル ・ ジャーナル, Vol.20, No.4, pp. 6 -11, 2013. （2） 東中 ・ 貞光 ・ 内田 ・ 吉村： “しゃべってコンシェルにおける質問応答技 術， ” NTT技術ジャーナル, Vol.25, No.2, pp.56-59, 2013. （3） 目黒 ・ 東中 ・ 堂坂 ・ 南： “聞き役対話の分析および分析に基づいた対話 制御部の構築， ” 情処学論, Vol.53, No.12, pp.2787-2801, 2012. （4） R. Higashinaka, K. Imamura, T. Meguro, C. Miyazaki, N. Kobayashi, H. Sugiyama, T. Hirano, T. Makino, and Y. Matsuo: “Towards an opendomain conversational system fully based on natural language processing,” Proc. of COLING 2014, pp.928-939, Dublin, Ireland, August 2014. （5） Activities： “ドコモ ・ イノベーションビレッジによる起業支援， ” NTT DOCOMOテクニカル ・ ジャーナル, Vol.21, No.3, pp.29-31, 2013． ◆問い合わせ先 NTTドコモ R&D戦略部 TEL 03-5156-1749 NTT技術ジャーナル 2015.1 53
© Copyright 2025 ExpyDoc
