Nothing Special   »   [go: up one dir, main page]

CN109791571A - 信息处理系统、信息处理装置、信息处理方法及存储介质 - Google Patents

信息处理系统、信息处理装置、信息处理方法及存储介质 Download PDF

Info

Publication number
CN109791571A
CN109791571A CN201780059201.0A CN201780059201A CN109791571A CN 109791571 A CN109791571 A CN 109791571A CN 201780059201 A CN201780059201 A CN 201780059201A CN 109791571 A CN109791571 A CN 109791571A
Authority
CN
China
Prior art keywords
user
information
information processing
speech
dialogue
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.)
Pending
Application number
CN201780059201.0A
Other languages
English (en)
Inventor
金子祐纪
田中康成
筱崎政久
吉田久子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Digital Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Digital Solutions Corp
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 Toshiba Corp, Toshiba Digital Solutions Corp filed Critical Toshiba Corp
Publication of CN109791571A publication Critical patent/CN109791571A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/027—Concept to speech synthesisers; Generation of natural phrases from machine-based concepts
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Document Processing Apparatus (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

实施方式的信息处理系统拥有对话部、存储部、系统用户转换部。对话部生成发言而进行与用户的对话。存储部存储表示发言的转换规则的转换信息。系统用户转换部使用存储于所述存储部的转换信息，将所述对话部生成的发言转换为与用户对应的形式。

Description

信息处理系统、信息处理装置、信息处理方法及存储介质
技术领域
本发明的实施方式涉及信息处理系统、信息处理装置、信息处理方法及存储介质。
背景技术
存在下述系统，该系统使用信息处理技术，搜索对于来自用户的询问的解答，提示给用户。但是，在现有技术中，对于询问的应答或是统一的，或依赖于用户，因此存在不能使通用性与多样性共存的情况。
现有技术文献
专利文献
专利文献1：日本特表2008-512789号公报
发明内容
发明要解决的课题
本发明要解决的课题是提供能够使通用性和多样性共存的信息处理系统、信息处理装置、信息处理方法及存储介质。
用于解决问题的手段
实施方式的信息处理系统拥有对话部、存储部、系统用户转换部。对话部，生成发言而进行与用户的对话。存储部存储表示发言的转换规则的转换信息。系统用户转换部使用存储于所述存储部的转换信息，将所述对话部生成的发言转换为与用户对应的形式。
附图说明
图1是表示第1实施方式涉及的信息处理系统的概要的图。
图2是表示该实施方式涉及的过滤器的概要的图。
图3是表示该实施方式涉及的信息处理系统的结构的框图。
图4是表示该实施方式涉及的终端装置的结构的框图。
图5是表示该实施方式涉及的应答控制装置的结构的框图。
图6是表示该实施方式涉及的用户信息的数据的结构的图。
图7是表示该实施方式涉及的履历信息的数据的结构的图。
图8是表示该实施方式涉及的由信息处理系统进行的处理的流程的流程图。
图9是表示该实施方式涉及的由信息处理系统进行的应答的提示例的第1图。
图10是表示该实施方式涉及的由信息处理系统进行的应答的提示例的第2图。
图11是表示第2实施方式涉及的过滤器的概要的图。
图12是表示该实施方式涉及的应答控制装置的结构的框图。
图13是表示该实施方式涉及的由信息处理系统进行的处理的流程的流程图。
图14是表示第3实施方式涉及的过滤器的概要的图。
图15是表示该实施方式涉及的应答控制装置的结构的框图。
图16是表示该实施方式涉及的由信息处理系统进行的处理的流程的流程图。
图17是表示第4实施方式涉及的终端装置的结构的框图。
图18是表示该实施方式涉及的应答控制装置的结构的框图。
具体实施方式
下面，参照附图，对实施方式的信息处理系统、信息处理装置、信息处理方法及程序进行说明。
(第1实施方式)
对第1实施方式涉及的信息处理系统1的概要进行说明。
图1是表示信息处理系统1的概要的图。
如图1所示，信息处理系统1是根据用户的发言返回意见或选项等的系统。下面，将信息处理系统1对于用户的发言所返回的发言称作“应答”。下面，将用户的发言与信息处理系统1生成的发言的交互称作“对话”。输入至信息处理系统1的来自用户的发言或从信息处理系统1输出的应答不限定于声音，也可以是文本等。
在信息处理系统1中设置有用于生成应答的结构。下面，将能够独立地生成应答的结构的单位称作“代理”。信息处理系统1具有多个代理。各代理具有不同的个性。下面，“个性”是指影响应答的倾向、应答的内容、应答的表达方法等的要素。例如，各代理的个性是由下述要素决定的，即，为了生成应答而使用的信息(例如，机器学习的教师数据、下述的履历信息、用户信息等)的内容、应答的生成中的逻辑展开、用于应答的生成的算法等。代理的个性的赋予可以由任意的方法进行。这样，信息处理系统1提示由个性不同的多个代理生成的应答，因此能够对于用户提出多样的观点和选项，辅助用户的决断。
在本实施方式中，来自各代理的应答经过由过滤器进行的转换，提示给用户。在这里，参照图2，对对话的流程和由过滤器进行的转换的概要进行说明。
图2是表示本实施方式涉及的过滤器的概要的图。
在本实施方式涉及的对话中，首先，用户进行提问等发言(p1)。接下来，代理a1、a2、…分别生成对于用户的发言的应答(p2-1、p2-2、…)。代理生成的应答依赖于用户的发言内容，不依赖于用户。
接下来，系统用户转换过滤器lf根据用户转换代理a1、a2、…的应答，提示给用户(p3-1、p3-2、…)。在本实施方式中，针对每个用户都设置有系统用户转换过滤器lf。接下来，用户对代理a1、a2、…的应答进行评价。该评价反映于由系统用户转换过滤器lf进行的转换处理，和由代理a1、a2、…进行的应答的生成处理(p4、p5)。这样，信息处理系统1不是原样提示代理a1、a2、…的应答，而是进行转换而提示。因此，能够提示与用户对应对应的优选的应答。
接下来，对信息处理系统1的结构进行说明。
图3是表示的信息处理系统1的结构的框图。
信息处理系统1具有多个终端装置10-1、10-2、…和应答控制装置30。下面，只要不特别进行区分，则将多个终端装置10-1、10-2、…总称为终端装置10。终端装置10与应答控制装置30经由网络NW以能够通信的方式相连接。
终端装置10是具有计算机系统的电子设备。具体地说，终端装置10是个人计算机、手机、平板电脑、智能手机、PHS(个人手持式电话系统：Personal Handy--phone System)终端装置、游戏机等。终端装置10受理来自用户的输入，进行对于用户的信息的提示。
应答控制装置30是具有计算机系统的电子设备。具体地说，应答控制装置30是服务器装置等。应答控制装置30安装代理和过滤器(例如，系统用户转换过滤器lf)。在本实施方式中，作为一个例子，对代理和过滤器是由人工智能实现的情况进行说明。人工智能是指模仿学习、推论、判断等人类的智能的功能的计算机系统。用于实现人工智能的算法可以是任意的。具体地说，人工智能可以由神经网络、范例推理等实现。
在这里，对由信息处理系统1进行的处理的流程的概要进行说明。
终端装置10从用户受理发言的输入。终端装置10将表示用户的发言的信息发送至应答控制装置30。应答控制装置30从终端装置10接收表示用户的发言的信息。应答控制装置30参照表示用户的发言的信息，生成表示与用户的发言对应的应答的信息。应答控制装置30通过过滤器转换表示应答的信息，生成表示转换结果的信息。应答控制装置30将表示转换结果的信息发送至终端装置10。终端装置10从应答控制装置30接收表示转换结果的信息。终端装置10参照表示转换结果的信息，通过显示或声音提示转换出的应答的内容。
接下来，对终端装置10的结构进行说明。
图4是表示终端装置10的结构的框图。
终端装置10具有通信部11、输入部12、显示部13、声音输出部14、存储部15、控制部16。
通信部11与应答控制装置30等连接于网络NW的其他装置进行各种信息的发送接收。通信部11包含通信用IC(集成电路：Integrated Circuit)等。
输入部12受理各种信息的输入。例如，输入部12受理由用户进行的发言的输入、对话的场景的选择等。输入部12可以通过文字输入、声音输入、指向等任意的方法受理来自用户的输入。输入部12包含键盘、鼠标、触摸式传感器、麦克风等。
显示部13显示各种信息。例如，显示部13显示用户的发言的内容、代理的应答的内容等。显示部13包含液晶显示面板、有机EL(电致发光：Electro-Luminescence)显示面板等。
声音输出部14播放各种音源。例如，声音输出部14对应答的内容等进行声音输出。声音输出部14包含扬声器、低音扬声器等。
存储部15存储各种信息。例如，存储部15存储能够由终端装置10具有的CPU(中央处理器：Central Processing Unit)执行的程序、该程序参照的信息等。存储部15包含ROM(只读存储器：Read Only Memory)，RAM(随机存取存储器：Random Access Memory)等。
控制部16对终端装置10具有的各种结构进行控制。例如，控制部16是通过终端装置10具有的CPU执行存储于存储部15的程序而实现的。控制部16具有对话处理部161。
对话处理部161对用于对话的输入输出处理进行控制。例如，对话处理部161执行用于提供用于对话的用户界面的处理。例如，对话处理部161对与应答控制装置30之间的表示用户的发言的信息和表示应答的转换结果的信息的发送接收进行控制。
接下来，对应答控制装置30的结构进行说明。
图5是表示应答控制装置30的结构的框图。
应答控制装置30具有通信部31、存储部32、控制部33。
通信部31与终端装置10等连接于网络NW的其他的装置进行各种信息的发送接收。通信部31包含通信用IC等。
存储部32存储各种信息。例如，存储部32存储能够由应答控制装置30具有的CPU执行的程序，或该程序参照的信息等。
存储部32包含ROM、RAM等。存储部32具有系统用户转换信息存储部321、大于或等于1个的代理结构信息存储部322-1、322-2、…，用户信息存储部323、履历信息存储部324。下面，只要不特别进行区分，则将代理结构信息存储部322-1、322-2、…总称为代理结构信息存储部322。
系统用户转换信息存储部321存储系统用户转换信息。系统用户转换信息是指表示系统用户转换过滤器lf的转换规则的信息。即，系统用户转换信息是表示发言的转换规则的转换信息的一个例子。在本实施方式中，作为一个例子，对系统用户转换信息是针对每个用户进行设定而针对每个用户进行存储的情况进行说明。例如，在系统用户转换过滤器lf是通过神经网络实现的情况下，系统用户转换信息包含机器学习的结果，例如包含由于机器学习而变动的激活函数的参数等信息。在系统用户转换过滤器lf是通过人工智能以外的方法实现的情况下，系统用户转换过滤器lf例如可以是唯一地关联了应答和对于应答的转换结果的信息等。该关联可以通过表格等进行，也可以通过函数等进行。
代理结构信息存储部322存储代理结构信息。代理结构信息是指表示下述的代理执行部35的结构的信息。例如，在代理执行部35是通过神经网络实现的情况下，代理结构信息包含机器学习的结果，例如包含由于机器学习而变动的激活函数的参数等信息。代理结构信息是表示对话中的应答的生成规则的信息的一个例子。在代理执行部35是通过人工智能以外的方法实现的情况下，代理结构信息例如可以是唯一地关联了用户的发言和对于发言的应答的信息等。
用户信息是指表示用户的属性的信息。在这里，对用户信息的数据的结构的例子进行说明。
图6是表示用户信息的数据的结构的图。
用户信息例如是将用户识别信息(图6中的“用户”)、年龄信息(图6中的“年龄”)、性别信息(图6中的“性别”)、嗜好信息(图6中的“嗜好”)、用户性格信息(图6中的“性格”)彼此关联所得的信息。
用户识别信息是指用于唯一地识别用户的信息。年龄信息是指表示用户的年龄的信息。性别信息是指表示用户的性别的信息。嗜好信息是指表示用户的嗜好的信息。用户性格信息是指表示用户的性格的信息。
这样，在用户信息中，用户与其属性相关联。换句话说，用户信息表示用户的个性。因此，终端装置10和应答控制装置30能够通过参照用户信息从而确认用户的个性。
返回至图5，继续对应答控制装置30的结构的说明。
履历信息存储部324存储履历信息。履历信息是指表示用户与信息处理系统1之间的对话的履历的信息。履历信息可以针对每个用户进行管理。在这里，对履历信息的数据的结构的例子进行说明。
图7是表示履历信息的数据的结构的图。
履历信息是将话题识别信息(图7中的“话题”)、肯定关键字信息(图7中的“肯定关键字”)、否定关键字信息(图7中的“否定关键字”)彼此关联所得的信息。
话题识别信息是指用于唯一地识别对话的信息。肯定关键字信息是指表示在对话中用户示出了肯定的反应的关键字的信息。否定关键字信息是指表示在对话中用户示出了否定的反应的关键字的信息。在履历信息中，对于1个场景识别信息，可以关联大于或等于1个肯定关键字信息、否定关键字信息。
这样，履历信息表示对话的履历。即，能够通过参照履历信息，从而根据履历信息掌握对于各用户而言的优选的应答的倾向。因此，终端装置10和应答控制装置30通过参照履历信息，从而能够防止进行用户难以接受的提案，进行用户容易接受的提案。
返回至图5，继续对应答控制装置30的结构的说明。
控制部33对应答控制装置30具有的各种结构进行控制。例如，控制部33是通过应答控制装置30具有的CPU执行存储于存储部32的程序而实现的。控制部33具有对话处理部331、系统用户过滤器部34、大于或等于1个代理执行部35-1、35-2，…。下面，只要不特别进行区分，则将代理执行部35-1、35-2、…总称为代理执行部35。
对话处理部331对用于对话的输入输出处理进行控制。对话处理部331是与终端装置10的对话处理部161对应的应答控制装置30侧的结构。例如，对话处理部331对与终端装置10之间表示用户的发言的信息和表示应答的转换结果的信息的发送接收进行控制。
对话处理部331对履历信息进行管理。例如，对话处理部331在对话中用户的发言包含有肯定的语句的情况下，确定与该语句对应的用户的发言的关键字，或应答的关键字，登记至肯定关键字信息。
例如，对话处理部331在用户的发言包含有否定的语句的情况下，确定与该语句对应的用户的发言的关键字，或应答的关键字，登记至否定关键字信息。这样，对话处理部331可以配合履历信息的数据的结构而进行履历信息的追加、编辑、删除等。
系统用户过滤器部34作为系统用户转换过滤器lf起作用。在本实施方式中，作为一个例子，系统用户过滤器部34作为针对每个用户的系统用户转换过滤器lf起作用。系统用户过滤器部34可以参照用户信息或履历信息等关于用户的信息而进行处理。系统用户过滤器部34具有系统用户转换部341和系统用户转换学习部342。
系统用户转换部341基于系统用户转换信息转换代理执行部35生成的应答。应答的转换可以通过应答内容的隐藏、置换、派生、表达方法的变更等进行。应答内容的隐藏是指不对应答内容的一部分或全部进行提示。置换是指将应答内容置换为其他语句。派生是指生成从应答内容推导出的其他发言。表达方法的变更是指不变更应答的实质内容，而变更应答的文风或细节等。例如，表达方法的变更包含代理的腔调的变更。
系统用户转换学习部342进行用于实现系统用户转换过滤器lf的功能的机器学习。系统用户转换学习部342能够执行在用户的利用开始前进行的机器学习和根据对话中的用户的评价的机器学习的2种机器学习。由系统用户转换学习部342进行的机器学习的结果反映于系统用户转换信息。此外，下面将“评价”作为表示对于用户而言的应答的精度和准确度的指标而进行说明。用于由系统用户转换学习部342进行的机器学习的教师数据是关联了应答(例如，图2所示的p2-1、p2-2等)、转换结果(例如，图2所示的p3-1、p3-2等)、评价的数据。该教师数据也可以关联有用户信息或履历信息。评价可以是真伪的二值，也可以是大于或等于3阶段的值。通过使用这样的教师数据反复进行机器学习，从而系统用户转换部341能够将应答转换为与用户对应的形式。
系统用户转换学习部342可以针对每个用户区别进行根据对话中的用户的评价的机器学习。即，系统用户转换信息可以针对每个用户进行存储。下面，作为一个例子，对针对每个用户进行机器学习的情况进行说明。在该情况下，使针对某个用户的发言的应答的转换结果的评价仅反映于该用户的系统用户转换信息。通过进行这样的机器学习，从而系统用户转换部341变得能够针对每个用户将代理的应答转换为优选的形式。
代理执行部35-1、35-2，…分别作为不同的代理(例如，图2所示的代理a1、a2、…)起作用。代理执行部35-1、35-2、…是基于存储于代理结构信息存储部322-1、322-2、…的代理结构信息实现的。代理执行部35-1、35-2、…具有对话部351-1、351-2、…和代理学习部352-1、352-2、…。下面，将对话部351-1、351-2、…总称为对话部351。下面，将代理学习部352-1、352-2、…总称为代理学习部352。在本实施方式中，作为一个例子，限制了代理执行部35对用户信息或履历信息等关于用户的信息的参照。
对话部351生成对于用户的发言的代理的应答。
代理学习部352进行用于实现代理执行部35的功能的机器学习。代理学习部352能够执行在用户的利用开始前进行的机器学习，和根据对话中的用户的评价的机器学习的2种机器学习。由代理学习部352进行的机器学习的结果反映于代理结构信息。
用于由代理学习部352进行的机器学习的教师数据是关联了用户的发言(例如，图2所示的p1等)、应答(例如，图2所示的p2-1、p2-2等)、评价的数据。该教师数据也可以是关联了用户的发言(例如，图2所示的p1等)、应答的转换结果(例如，图2所示的p3-1、p3-2等)、评价的数据。代理学习部352也可以将不是包含该代理学习部352的代理执行部35而是别的代理执行部35进行的应答用作教师数据。通过反复进行使用这样的教师数据的学习，从而对话部351变得能够生成与用户的发言对应的应答。
该教师数据也可以关联有用户信息或履历信息，但在本实施方式中，作为一个例子，对代理学习部352使用不关联用户信息或履历信息的教师数据进行机器学习的情况进行说明。由此，对话部351能够生成不与用户对应，而是纯粹依赖于发言内容的应答。即，能够使代理执行部35成为在各用户间共用的通用的结构。
接下来，对信息处理系统1的动作进行说明。
图8是表示由信息处理系统1进行的处理的流程的流程图。
(步骤S100)终端装置10对用户的发言进行受理。之后，信息处理系统1将处理前进至步骤S102。
(步骤S102)应答控制装置30基于代理结构信息生成对于已在步骤S100中受理的用户的发言的各代理的应答。之后，信息处理系统1将处理前进至步骤S104。
(步骤S104)应答控制装置30基于用户信息、履历信息、系统用户转换信息等对在步骤S102中生成的应答进行转换。终端装置10向用户提示用户的发言和根据该发言而生成的应答的转换结果。之后，信息处理系统1将处理前进至步骤S106。
(步骤S106)应答控制装置30基于对话结果进行系统用户转换过滤器lf及代理的机器学习。对话结果是指，用户对于提示出的转换结果的反应和对话的总括，表示对于系统用户转换过滤器lf及代理的评价。对话结果可以是针对对话整体的结果，也可以是针对各个应答的结果。之后，信息处理系统1结束图8所示的处理。
用于步骤S106中的机器学习的用户的评价(对话结果)可以根据用户的发言确定，也可以在对话后使用户输入。评价可以以肯定和否定的2值输入，也可以以大于或等于3阶段的值输入，也可以从自然文转换为值。评价可以基于对话的特征进行。例如，对话中的用户的发言的数量、应答的数量、对话的长度等表示对话是活跃的。因此，可以将对话中的用户的发言的数量、应答的数量、对话的长度作为评价的指标。
评价过滤器时的评价对象可以是进行了评价的用户的系统用户转换过滤器lf，也可以是与进行了评价的用户属性相同的用户的系统用户转换过滤器lf。评价代理时的评价对象可以是全部代理，也可以是代理的一部分。例如，对对话整体的评价可以反映于进行了评价的用户的系统用户转换过滤器lf、与该用户属性相同的用户的系统用户转换过滤器lf、参加了对话的全部代理等。对应答的评价可以反映于进行了评价的用户的系统用户转换过滤器lf、与该用户属性相同的用户的系统用户转换过滤器lf，也可以仅反映于进行了该应答的代理。
接下来，对对话中的应答的提示形式进行说明。
图9、图10是表示由信息处理系统1进行的应答的提示例的图。
在图9和图10所示的例子中，都由用户进行了“胸部有堵塞感”的医疗咨询。其中，在图9所示的例子中，用户是医疗相关人员，与此相对，在图10所示的例子中，用户是公司职员。对于医疗相关人员，要求提供准确的医疗信息。因此，在图9所示的例子中，过滤器并未转换代理a1、a2的应答而直接进行了提示。
与此相对，对于公司职员，准确地提供医疗信息并不一定是最适当的。例如，存在用户厌恶被指出是否存在压力的情况，或不希望轻率地通知存在严重的疾病的可能性从而无意义地使用户感到不安的情况等。因此，在图10所示的例子中，过滤器将由代理a1进行的指出是否存在压力的应答转换为提示压力的消除方法的应答。过滤器将由代理a2进行的指出疾病的可能性的应答转换为隐藏一部分病名而提示应对方法的应答。
如上面所说明的，信息处理系统1(信息处理系统的一个例子)具有对话部351(对话部的一个例子)、存储部32(存储部的一个例子)、系统用户过滤器部34(系统用户转换部的一个例子)。对话部351生成应答(发言的一个例子)而进行与用户的对话。存储部32存储表示发言的转换规则的系统用户转换信息(转换信息的一个例子)。系统用户过滤器部34使用存储于存储部32的系统用户转换信息，将对话部351生成的发言转换为与用户对应的形式。
由此，对话部351生成的应答通过系统用户过滤器部34转换为与用户对应的形式。例如，在对话部351生成的应答包含有对于用户而言会给与不快感的内容或向用户的提示包含有不希望的信息的情况下，转换应答，降低不快感或抑制信息的提示。例如，通过将对话部351生成的应答转换为周到的表达，或转换为分项列举的表达，从而使其易于被用户接受，或易于确认。因此，信息处理系统1能够进行与用户对应的应答。并且，信息处理系统1将对于用户的应答的生成和应答的转换作为不同的处理，因此能够通过使应答的生成不依赖于用户从而确保通用性，同时通过使应答的转换依赖于用户从而确保多样性。即，信息处理系统1能够使通用性和多样性并存。
在信息处理系统1中，存储部32针对每个用户而存储系统用户转换信息。系统用户过滤器部34使用存储于存储部32的针对每个用户的系统用户转换信息(转换信息的一个例子)将对话部351生成的发言转换为与用户对应的形式。
由此，使用针对每个用户的系统用户转换信息将对话部351生成的应答转换为与用户对应的形式。即，通过各个用户专用的转换规则进行应答的转换。因此，信息处理系统1易于进行适用于个性不同的各个用户的转换。因此，信息处理系统1能够进行与用户对应的应答。
(第2实施方式)
对第2实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第2实施方式涉及的信息处理系统1A(未图示)与信息处理系统1同样地是转换由代理进行的应答而进行提示的系统。其中，信息处理系统1A在转换用户的发言这一点上不同。
在这里，参照图11，对对话的流程和由过滤器进行的转换的概要进行说明。
图11是表示本实施方式涉及的过滤器的概要的图。
在本实施方式的对话中，首先，用户进行提问等发言(p’1)。接下来，用户系统转换过滤器uf转换用户的发言，输出至各代理a1、a2、…(p’2)。用户系统转换过滤器uf可以针对每个用户进行设置，也可以在各用户间共用。在这里，作为一个例子，对用户系统转换过滤器uf在各用户间共用的情况进行说明。接下来，代理a1、a2、…分别生成与用户的发言相对的应答(p’3-1、p’3-2、…)。在该转换中，进行例如个人信息的删除或表达的修正等。
接下来，系统用户转换过滤器lf根据用户转换代理a1、a2、…的应答，提示给用户(p’4-1、p’4-2、…)。接下来，用户评价代理a1、a2、…的应答。该评价反映于由用户系统转换过滤器uf进行的转换处理、由系统用户转换过滤器lf进行的转换处理、由代理a1、a2、…进行的应答的生成处理(p’5、p’6、p’7)。这样，信息处理系统1A不直接将用户的发言输出至代理a1、a2、…，而是进行转换而输出。因此，能够防止例如用户的个人信息被代理a1、a2、…学习而在对其他用户的应答时被利用，或准确地掌握用户的发言的意图而使由代理a1、a2、…进行应答的精度提高。
接下来，对信息处理系统1A的结构进行说明。
信息处理系统1A取代信息处理系统1具有的应答控制装置30而具有应答控制装置30A。
图12是表示应答控制装置30A的结构的框图。
应答控制装置30A的存储部32具有用户系统转换信息存储部325A。应答控制装置30A的控制部33具有用户系统过滤器部36A。
用户系统转换信息存储部325A存储用户系统转换信息。
用户系统转换信息是指表示用户系统转换过滤器uf的转换规则的信息。即，用户系统转换信息是指表示发言的转换规则的转换信息的一个例子。例如，在用户系统转换过滤器uf是通过神经网络实现的情况下，用户系统转换信息包含机器学习的结果，例如包含由于机器学习而变动的激活函数的参数等信息。在用户系统转换过滤器uf是通过人工智能以外的方法实现的情况下，用户系统转换过滤器uf例如可以是唯一地关联了发言和对于发言的转换结果的信息等。该关联可以通过表格等进行，也可以通过函数等进行。
用户系统过滤器部36A作为用户系统转换过滤器uf起作用。用户系统过滤器部36A具有用户系统转换部361A和用户系统转换学习部362A。
用户系统转换部361A基于用户系统转换信息转换用户的发言。用户的发言的转换可以通过发言内容的隐藏、置换、派生、表达方法的变更等进行。发言内容的隐藏是指不对发言内容的一部分或全部进行提示。置换是指将发言内容置换为其他语句。派生是指生成从发言内容推导出的其他发言。表达方法的变更是指不变更发言的实质内容，而变更发言的文风或细节等。例如，表达方法的变更包含，对构成发言的语句进行词素解析，将该结果一起表示，将发言内容短句化等。即，可以进行用户的措辞的习惯的消除等。
用户系统转换学习部362进行用于实现用户系统转换过滤器uf的功能的机器学习。用户系统转换学习部362能够执行在用户的利用开始前进行的机器学习，和根据对话中的用户的评价的机器学习的2种机器学习。由用户系统转换学习部362进行的机器学习的结果反映于用户系统转换信息。用于由用户系统转换学习部362进行的机器学习的教师数据是关联了发言(例如，图11所示的p’1)、转换结果(例如，图11所示的p’2)、评价的数据。评价可以是真伪的二值，也可以是大于或等于3阶段的值。通过使用这样的教师数据反复进行机器学习，从而用户系统转换部361A变得能够转换用户的发言。
接下来，对信息处理系统1A的动作进行说明。
图13是表示由信息处理系统1A进行的处理的流程的流程图。
图13所示的步骤S100、S102、S104与图8所示的步骤S100、S102、S104相同，因此引用其说明。
(步骤SA101)步骤S100之后，应答控制装置30A基于用户信息、履历信息、用户系统转换信息等对在步骤S100中受理的用户的发言进行转换。之后，信息处理系统1A将处理前进至步骤S102。
(步骤SA106)步骤S104之后，应答控制装置30A基于对话结果进行用户系统转换过滤器uf、系统用户转换过滤器lf及代理的机器学习。对话结果是指用户对于提示出的转换结果的反应，表示对用户系统转换过滤器uf、系统用户转换过滤器lf及代理的评价。之后，信息处理系统1A结束图13所示的处理。
用户系统转换过滤器uf可以控制由系统用户转换过滤器lf及代理进行的学习。例如，用户系统转换过滤器uf可以选择(判定)进行机器学习的系统用户转换过滤器lf及代理，仅对进行机器学习的系统用户转换过滤器lf及代理通知用户的评价(对话结果)。与此相对，用户系统转换过滤器uf对于不进行机器学习的系统用户转换过滤器lf及代理不通知用户的评价。
例如，在用户的反应与被系统用户转换过滤器lf删除了的应答内容相关的情况等情况下，对于由转换导致进行的评价，可以仅使系统用户转换过滤器lf进行学习。与此相对，在用户的反应与在由系统用户转换过滤器lf进行的转换前后没有变化的应答内容相关的情况等情况下，对于不由转换导致进行的评价，可以仅使代理进行学习。
例如，可以根据用户与代理的关系性、代理的属性等选择进行学习的代理。在根据用户与代理的关系性进行选择的情况下，例如，对由用户进行的各代理的评价的履历进行管理。并且，可以仅使获得更高评价的代理，即与用户匹配性优良的代理进行学习。在根据代理的属性进行选择的情况下，例如，可以仅使与进行了已被用户评价的应答的代理具有相同属性的代理进行学习。
可以通过预先设定针对每个代理示出其属性的信息从而对代理的属性进行管理。作为代理的属性，例如可以设定类型或性格等。类型是指，代理的分类，例如是对话中的代理的专业领域。性格是指积极性或情感表达等应答的倾向。系统用户转换过滤器lf及代理的学习的控制例如可以由对话处理部331等与用户系统转换过滤器uf不同的结构进行。
如上面所说明的，信息处理系统1A(信息处理系统的一个例子)具有对话处理部331(受理部的一个例子)和用户系统过滤器部36A(用户系统转换部的一个例子)。对话处理部331从用户受理发言。用户系统过滤器部36A将对话处理部331受理的发言转换为与对话部351对应的形式。
由此，用户的发言转换为与对话部351对应的形式。例如，在用户的发言包含有个人信息的情况下，将个人信息删除。例如，在用户的发言的表达不适于由对话部351进行的处理的情况下，转换为适于由对话部351进行的处理形式。因此，信息处理系统1能够保护个人信息，也能够生成适当的应答。
信息处理系统1A(信息处理系统的一个例子)具有系统用户过滤器部34(系统用户转换部的一个例子)和用户系统过滤器部36A(第1判定部的一个例子)。系统用户过滤器部34基于机器学习进行转换。用户系统过滤器部36A对是否进行上述机器学习进行判定。
由此，系统用户过滤器部34仅进行必要的机器学习。因此，信息处理系统1A能够使转换的精度提高。
信息处理系统1A(信息处理系统的一个例子)具有多个代理执行部35(对话部的一个例子)和用户系统过滤器部36A(也是第2判定部的一个例子)。代理执行部35基于机器学习生成发言。用户系统过滤器部36A对多个代理执行部35中的进行机器学习的代理执行部35进行选择。
即，信息处理系统1A筛选进行机器学习的代理执行部35。
与此相对，在多个代理执行部35进行了相同的机器学习的情况下，各代理执行部35的应答有可能同质化。对于这一点，信息处理系统1A对机器学习的对象进行选择，因此能够维持各个代理执行部35的个性，使应答的通用性和多样性共存。信息处理系统1A例如能够通过将机器学习的对象设为与用户匹配性优良的代理，从而使向个性类似的用户的应答的精度提高。
(第3实施方式)
对第3实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第3实施方式涉及的信息处理系统1B(未图示)与信息处理系统1同样地是转换由代理进行的应答而进行提示的系统。其中，信息处理系统1B在具有多个系统用户转换过滤器这一点上不同。
在这里，参照图14，对对话的流程和由过滤器进行的转换的概要进行说明。
图14是表示本实施方式涉及的过滤器的概要的图。
在这里作为一个例子，对具有3个系统用户转换过滤器lf1、lf2、lf3的情况进行说明。下面，在不对各个系统用户转换过滤器lf1、lf2、lf3进行区分的情况下，将它们总称为系统用户转换过滤器lf。
在本实施方式涉及的对话中，首先，用户进行提问等发言(p”1)。接下来，代理a1、a2、…分别生成对于用户的发言的应答(p”2-1、p”2-2、…)。接下来，第1系统用户转换过滤器lf1与用户对应地转换代理a1、a2、…的应答，提示给用户(p”3-1、p”3-2、…)。接下来，第2系统用户转换过滤器lf2与用户对应地转换第2系统用户转换过滤器lf1的转换结果，提示给用户(p”4-1、p”4-2、…)。在这里，在该例子中，信息处理系统1B具有第3系统用户转换过滤器lf3，但不应用第3系统用户转换过滤器lf3，不进行由第3系统用户转换过滤器lf3进行的转换。
接下来，用户评价代理a1、a2、…的应答。该评价反映于由所应用的系统用户转换过滤器lf1、lf2进行的转换处理，和由代理a1、a2、…进行的应答的生成处理(p”5-1、p”5-2、p”6)。这样，信息处理系统1B能够通过多个系统用户转换过滤器转换代理a1、a2、…的应答。并且，能够选择所应用的系统用户转换过滤器。因此，例如能够通过针对每个用户切换应用的系统用户转换过滤器，从而提示与用户对应的优选的应答。
接下来，对信息处理系统1B的结构进行说明。
信息处理系统1B取代信息处理系统1具有的应答控制装置30而具有应答控制装置30B。
图15是表示应答控制装置30B的结构的框图。
应答控制装置30B的存储部32取代系统用户转换信息存储部321而具有系统用户转换信息存储部321B-1、321B-2、…。下面，将系统用户转换信息存储部321-1、321-2、…总称为系统用户转换信息存储部321B。应答控制装置30B的控制部33取代对话部351而具有对话部351B。应答控制装置30B的控制部33取代系统用户过滤器部34而具有系统用户过滤器部34B-1、34B-2、…。下面，将系统用户过滤器部34B-1、34B-2、…总称为系统用户过滤器部34B。
系统用户转换信息存储部321B存储系统用户转换信息。
其中，本实施方式涉及的系统用户转换信息不是针对每个用户的信息，而是针对每个用户属性的信息这一点不同。
对话处理部331B与对话处理部331同样地对用于对话的输入输出处理进行控制。对话处理部331B根据用户选择应用的系统用户转换过滤器lf。例如，对话处理部331B参照进行对话的用户的用户信息，对用户的属性进行确认。并且，对话处理部331B使用进行对话的用户的属性检索系统用户转换信息，选择符合进行对话的用户的属性的系统用户转换过滤器lf。具体地说，在用户是男性的情况下选择男性用的系统用户转换过滤器lf，在用户是小学生的情况下选择青少年用的系统用户转换过滤器lf。
系统用户过滤器部34B与系统用户过滤器部34同样地作为系统用户转换过滤器lf起作用。其中，系统用户过滤器部34B不作为针对每个用户的系统用户转换过滤器lf，而作为针对每个用户属性的系统用户转换过滤器lf起作用这一点不同。
接下来，对信息处理系统1B的动作进行说明。
图16是表示由信息处理系统1B进行的处理的流程的流程图。
在这里，作为一个例子，对为了与用户的对话而选择了2个系统用户转换过滤器lf作为应用对象的情况进行说明。图16所示的步骤S100、S102与图8所示的步骤S100、S102相同，因此引用其说明。
(步骤SB104)步骤S102的处理之后，应答控制装置30B基于用户信息、履历信息、第1系统用户转换过滤器lf1的系统用户转换信息转换在步骤S102中生成的应答。之后，信息处理系统1B将处理前进至步骤SB105。
(步骤SB105)应答控制装置30B基于用户信息、履历信息、第2系统用户转换过滤器lf2的系统用户转换信息转换在步骤SB104中生成的应答。之后，信息处理系统1B将处理前进至步骤SB106。
(步骤SB106)应答控制装置30B基于对话结果进行应用的2个系统用户转换过滤器lf及代理的机器学习。对话结果是指，用户对于提示出的转换结果的反应，表示对于应用的系统用户转换过滤器lf及代理的评价。之后，信息处理系统1B结束图16所示的处理。
如上面所说明的，在信息处理系统1B(信息处理系统的一个例子)中，存储部32(存储部的一个例子)针对每个用户属性存储系统用户转换信息(转换信息的一个例子)。系统用户过滤器部34使用用户的属性检索存储于存储部32的系统用户转换信息，使用通过检索而确定的转换信息，将对话部351生成的发言转换为与该用户对应的形式。
由此，基于用户的属性将对话部351生成的应答转换为与用户对应的形式。即，使用针对每个用户属性的通用的转换规则，进行与各个用户对应的应答的转换。因此，信息处理系统1B与设定各个用户专用的转换规则相比以少的负荷易于进行与用户对应的转换。因此，信息处理系统1能够进行与用户对应的应答。
(第4实施方式)
对第4实施方式进行说明。在本实施方式中，对与上述结构相同的结构标注相同的标号，引用其说明。
第4实施方式涉及的信息处理系统1C(未图示)与信息处理系统1同样地是转换由代理进行的应答而进行提示的系统。但是，相对于在信息处理系统1中，使应答控制装置30拥有过滤器的功能，在信息处理系统1C中，使用户的终端装置侧拥有过滤器的功能这一点不同。
对信息处理系统1C的结构进行说明。
信息处理系统1C取代信息处理系统1具有的终端装置10和应答控制装置30，而具有终端装置10C和应答控制装置30C。
图17是表示终端装置10C的结构的框图。
终端装置10C的存储部15具有系统用户转换信息存储部151C、用户信息存储部152C、履历信息存储部153C。终端装置10C的控制部16具有系统用户过滤器部17C。系统用户过滤器部17C具有系统用户转换部171C、系统用户转换学习部172C。
系统用户转换信息存储部151C是与系统用户转换信息存储部321相同的结构。用户信息存储部152C是与用户信息存储部323相同的结构。履历信息存储部153C是与履历信息存储部324相同的结构。
系统用户过滤器部17C是与系统用户过滤器部34相同的结构。系统用户转换部171C是与系统用户转换部341相同的结构。系统用户转换学习部172C是与系统用户转换学习部342相同的结构。
图18是表示应答控制装置30C的结构的框图。
应答控制装置30C的存储部32不具有应答控制装置30的存储部32所具有的系统用户转换信息存储部321。应答控制装置30C的控制部33不具有系统用户过滤器部34。
如上面所说明的，在信息处理系统1C(信息处理系统的一个例子)中，终端装置10C具有系统用户过滤器部17C。这样，可以具有分离为分体的装置的上述的各实施方式中的任意的结构，也可以进行组合。
在上述各实施方式中，将系统用户转换过滤器lf作为表示与用户对应的转换规则的过滤器而进行了说明，但不限定于此。系统用户转换过滤器lf可以表示与代理对应的转换规则，也可以表示与用户和代理的组合对应的转换规则。即，可以表示与用户和代理的关系性对应的转换规则。
在上述实施方式中，各种信息的数据的结构不限定于上述的数据的结构。
各信息的关联可以直接地进行，也可以间接地进行。可以省略处理所不必须的信息，也可以追加类似的信息而进行处理。例如，作为用户信息可以包含用户的住所或职业等。例如，履历信息可以像上述实施方式一样，不汇总对话的内容，而是记录了对话自身的信息。
在上述实施方式中，应答的提示方式不限定于上述的提示方式。例如，各发言可以按时间序列提示。例如，可以不明确进行应答的应答用代理而提示应答。
在上述实施方式中，说明了对代理执行部35限制了用户信息或履历信息等关于用户的信息的参照的情况，但不限定于此。例如，代理执行部35也可以参照关于用户的信息而进行应答的生成或机器学习。但是，能够通过对代理执行部35限制关于用户的信息，从而保护个人信息。
例如，在将代理执行部35利用于向多个用户的应答的情况下，在向某个用户的应答中会反映向其他用户的机器学习的结果。如果该机器学习包含其他用户的个人信息，则生成的应答包含个人信息，用户的个人信息有可能会泄露。对于这一点，通过对用户信息的参照进行限制，从而应答不再包含个人信息。这样，在实施方式中进行了说明的任意的信息的利用可以由来自用户的指定或初始设定限制。
在上述各实施方式中，将控制部16、控制部33设为软件功能部，但也可以是LSI(大规模集成：Large Scale Integration)等硬件功能部。
根据上面说明的至少一个实施方式，通过拥有系统用户过滤器部34，从而能够对于用户的发言进行与用户对应的应答。
可以通过下述方式进行作为终端装置10、10C，应答控制装置30、30A～30C的处理，即，将用于实现上述终端装置10、10C，应答控制装置30、30A～30C的功能的程序存储至计算机能够读取的存储介质，使计算机读入存储于该存储介质的程序而执行。在这里，“使计算机读入存储于存储介质的程序而执行”包含将程序安装于计算机系统。在这里所说的“计算机系统”包含OS或外围设备等硬件。
“计算机系统”可以包含经由包含互联网或WAN、LAN、专用线路等通信线路的网络连接的多个计算机装置。
“计算机能够读取的存储介质”是指软盘、磁光碟、ROM、CD-ROM等可移动介质，是指内置于计算机系统的硬盘等存储装置。这样，存储了程序的存储介质可以是CD-ROM等非暂时性的存储介质。存储介质还包含，为了发布该程序而能够从发布服务器访问的设置于内部或外部的存储介质。在发布服务器的存储介质中存储的程序的代码可以与能够在终端装置中执行的形式的程序的代码不同。即，只要能够从发布服务器下载而以能够在终端装置执行的形式安装，则不管在发布服务器存储的形式。可以是将程序分割为多个，分别在不同的定时下载后在终端装置合并的结构，或发布各个分割出的程序的发布服务器不同。进而“计算机能够读取的存储介质”包含像在经由网络发送了程序的情况下的作为服务器或客户端的计算机系统内部的易失存储器(RAM)一样，保持程序一定时间的存储器。上述程序可以是用于实现上述的功能的一部分的程序。并且，可以是能够由与已存储于计算机系统的程序的组合实现上述的功能的程序，即差异文件(差异程序)。
上述的终端装置10、10C，应答控制装置30、30A～30C的功能的一部分或全部可以作为LSI等集成电路实现。上述的各功能可以个别地处理器化，也可以将一部分或全部集成而处理器化。集成电路化的手法不限定于LSI也可以由专用电路或通用处理器实现。
在由于半导体技术的进步而出现了代替LSI的集成电路化的技术的情况下，也可以使用由该技术得到的集成电路。
对本发明的几个实施方式进行了说明，但这些实施方式是作为例子提出的，不旨在限定发明的范围。这些实施方式能够以其他的各种各样的形态实施，能够在不脱离发明的要旨的范围内进行各种省略、置换、变更。这些实施方式和其变形与包含于发明的范围和要旨同样地，包含于记载于专利申请的范围的发明及其等同的范围。

Claims (9)

1.一种信息处理系统，其具有：
对话部，其生成发言而进行与用户的对话；
存储部，其存储表示发言的转换规则的转换信息；以及
系统用户转换部，其使用存储于所述存储部的转换信息，将所述对话部生成的发言转换为与用户对应的形式。
2.如权利要求1所述的信息处理系统，还具有：
受理部，其从用户受理发言；以及
用户系统转换部，其将通过所述受理部受理的发言转换为与所述对话部对应的形式。
3.如权利要求1所述的信息处理系统，其中，
所述系统用户转换部使用存储于存储部的针对每个用户的转换信息，将所述对话部生成的发言转换为与用户对应的形式。
4.如权利要求1所述的信息处理系统，其中，
所述系统用户转换部使用用户属性检索存储于存储部的针对每个用户属性的转换信息，使用通过检索而得到的转换信息，将所述对话部生成的发言转换为与该用户对应的形式。
5.如权利要求1所述的信息处理系统，其中，
所述系统用户转换部基于机器学习进行转换，
所述信息处理系统还具有第1判定部，该第1判定部对是否进行所述机器学习进行判定。
6.如权利要求1所述的信息处理系统，其中，
所述对话部基于机器学习生成发言，
所述信息处理系统还具有第2判定部，该第2判定部从多个所述对话部中判定进行机器学习的对话部。
7.一种信息处理装置，其具有：
对话部，其生成发言而进行与用户的对话；以及
系统用户转换部，其从存储部读出表示发言的转换规则的转换信息，使用读出的所述转换信息，将所述对话部生成的发言转换为与用户对应的形式。
8.一种信息处理方法，
其是具有存储表示发言的转换规则的转换信息的存储部的信息处理系统的信息处理方法，
所述信息处理方法包含：
第1步骤，所述信息处理系统生成发言而进行与用户的对话；以及
第2步骤，所述信息处理系统使用存储于所述存储部的转换信息，将在所述第1步骤中生成的发言转换为与用户对应的形式。
9.一种存储介质，其存储有程序，
该程序用于使计算机执行下述步骤：
第1步骤，生成发言而进行与用户的对话；以及
第2步骤，从存储部读出表示发言的转换规则的转换信息，使用读出的所述转换信息，将在所述第1步骤中生成的发言转换为与用户对应的形式。
CN201780059201.0A 2016-09-29 2017-09-13 信息处理系统、信息处理装置、信息处理方法及存储介质 Pending CN109791571A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016191015A JP2018055422A (ja) 2016-09-29 2016-09-29 情報処理システム、情報処理装置、情報処理方法、及びプログラム
JP2016-191015 2016-09-29
PCT/JP2017/033084 WO2018061776A1 (ja) 2016-09-29 2017-09-13 情報処理システム、情報処理装置、情報処理方法、及び記憶媒体

Publications (1)

Publication Number Publication Date
CN109791571A true CN109791571A (zh) 2019-05-21

Family

ID=61760293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780059201.0A Pending CN109791571A (zh) 2016-09-29 2017-09-13 信息处理系统、信息处理装置、信息处理方法及存储介质

Country Status (4)

Country Link
US (1) US20190228760A1 (zh)
JP (1) JP2018055422A (zh)
CN (1) CN109791571A (zh)
WO (1) WO2018061776A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6550603B1 (ja) * 2018-04-25 2019-07-31 メドケア株式会社 指導支援システム、指導支援方法及び指導支援サーバ
EP3805914A4 (en) * 2018-05-25 2021-06-30 Sony Corporation INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND INFORMATION PROCESSING SYSTEM
US10826864B2 (en) 2018-07-27 2020-11-03 At&T Intellectual Property I, L.P. Artificially intelligent messaging
JP2022047550A (ja) * 2019-01-23 2022-03-25 ソニーグループ株式会社 情報処理装置、及び情報処理方法
JP7293743B2 (ja) * 2019-03-13 2023-06-20 日本電気株式会社 処理装置、処理方法及びプログラム
US20220229994A1 (en) * 2021-01-21 2022-07-21 Servicenow, Inc. Operational modeling and optimization system for a natural language understanding (nlu) framework

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020066105A1 (en) * 2000-09-12 2002-05-30 Akiko Asami Information providing system, information providing apparatus and information providing method as well as data recording medium
US20020138266A1 (en) * 2001-01-12 2002-09-26 International Business Machines Corporation Method and apparatus for converting utterance representations into actions in a conversational system
US20140136450A1 (en) * 2012-11-09 2014-05-15 Samsung Electronics Co., Ltd. Apparatus and method for determining user's mental state
US20150161606A1 (en) * 2013-12-11 2015-06-11 Mastercard International Incorporated Method and system for assessing financial condition of a merchant
CN104902065A (zh) * 2014-03-06 2015-09-09 歌乐株式会社 对话历史记录管理装置、对话装置和对话历史记录管理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6999932B1 (en) * 2000-10-10 2006-02-14 Intel Corporation Language independent voice-based search system
WO2016104736A1 (ja) * 2014-12-26 2016-06-30 株式会社オルツ コミュニケーション提供システム及びコミュニケーション提供方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020066105A1 (en) * 2000-09-12 2002-05-30 Akiko Asami Information providing system, information providing apparatus and information providing method as well as data recording medium
US20020138266A1 (en) * 2001-01-12 2002-09-26 International Business Machines Corporation Method and apparatus for converting utterance representations into actions in a conversational system
US20140136450A1 (en) * 2012-11-09 2014-05-15 Samsung Electronics Co., Ltd. Apparatus and method for determining user's mental state
US20150161606A1 (en) * 2013-12-11 2015-06-11 Mastercard International Incorporated Method and system for assessing financial condition of a merchant
CN104902065A (zh) * 2014-03-06 2015-09-09 歌乐株式会社 对话历史记录管理装置、对话装置和对话历史记录管理方法

Also Published As

Publication number Publication date
JP2018055422A (ja) 2018-04-05
WO2018061776A1 (ja) 2018-04-05
US20190228760A1 (en) 2019-07-25

Similar Documents

Publication Publication Date Title
CN109791571A (zh) 信息处理系统、信息处理装置、信息处理方法及存储介质
JP7095000B2 (ja) 会話型インターフェースの一部として動的に適用されるフィルタリングオペレータを伴う適応会話状態管理のための方法
WO2017217507A1 (ja) コミュニケーションを支援する人工知能システム
Hunter The importance of reciprocity in relationships between community-based midwives and mothers
Honos-Webb et al. Assimilation of voices in psychotherapy: The case of Jan.
COATSWORTH‐PUSPOKY et al. Peer support relationships: an unexplored interpersonal process in mental health
KR102030078B1 (ko) 대화형 상호작용 시스템에서 서치 입력에서의 사용자 의도를 추론하는 방법 및 이를 위한 시스템
CN114556355A (zh) 抑制助理系统的提醒
CN109478188A (zh) 对话系统以及用于其的计算机程序
US20160124937A1 (en) Natural language execution system, method and computer readable medium
Arundale Conceptualizing ‘interaction’in interpersonal pragmatics: Implications for understanding and research
WO2022252636A1 (zh) 基于人工智能的回答生成方法、装置、设备及存储介质
CN109791551A (zh) 信息处理系统、信息处理装置、信息处理方法、及存储介质
Khadija et al. AI-powered health chatbots: toward a general architecture
McTear et al. The dawn of the conversational interface
Illingworth Content, context, reflexivity and the qualitative research encounter: Telling stories in the virtual realm
Minutolo et al. A conversational agent for querying Italian Patient Information Leaflets and improving health literacy
CN112581203A (zh) 在会话中提供解释性产品推荐
Anand et al. Multi-lingual hybrid chatbot for empowering rural women self-help groups in india
Walton Living in between: A grounded theory study of depression among middle-class black women
Pallagani et al. A generic dialog agent for information retrieval based on automated planning within a reinforcement learning platform
Aattouri et al. Modeling of an artificial intelligence based enterprise callbot with natural language processing and machine learning algorithms
US20210224303A1 (en) Searching device and searching program
Fulda et al. Byu-eve: Mixed initiative dialog via structured knowledge graph traversal and conversational scaffolding
Upadhyaya et al. Smart Multi-linguistic Health Awareness System using RASA Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190521