JPWO2019073668A1 - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】情報提示に係る学習進度をより自然かつ直観的にユーザに知覚させる。【解決手段】ユーザに対する応答情報の出力を制御する出力制御部、を備え、前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、情報処理装置が提供される。また、プロセッサが、ユーザに対する応答情報の出力を制御すること、を含み、前記制御することは、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御すること、をさらに含む、情報処理方法が提供される。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法、およびプログラムに関する。

近年、ユーザに対し音声や視覚情報を用いて情報提示を行う種々の装置が普及している。また、上記のような情報提示に係るユーザの利便性を向上させる技術も多く開発されている。例えば、特許文献１には、情報提示の質を情報探索度に基づいて定義し、当該情報探索度に応じて出力制御を行う技術が開示されている。

特開２０１６−１３６３５５号公報

ところで、上記のような装置により出力される情報の質は、情報提示に係る学習進度と密な相関を有する。しかし、特許文献１に記載されるような技術では、ユーザが装置の学習進度を把握することが困難である。

そこで、本開示では、情報提示に係る学習進度をより自然かつ直観的にユーザに知覚させることが可能な、新規かつ改良された情報処理装置および情報処理方法、およびプログラムを提案する。

本開示によれば、ユーザに対する応答情報の出力を制御する出力制御部、を備え、前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、情報処理装置が提供される。

また、本開示によれば、プロセッサが、ユーザに対する応答情報の出力を制御すること、を含み、前記制御することは、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御すること、をさらに含む、情報処理方法が提供される。

また、本開示によれば、コンピュータを、ユーザに対する応答情報の出力を制御する出力制御部、を備え、前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、情報処理装置、として機能させるためのプログラムが提供される。

以上説明したように本開示によれば、情報提示に係る学習進度をより自然かつ直観的にユーザに知覚させることが可能となる。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る出力制御の概要について説明するための図である。 同実施形態に係る情報処理システムの構成例を示すブロック図である。 同実施形態に係る情報処理端末の機能構成例を示すブロック図である。 同実施形態に係る情報処理サーバの機能構成例を示すブロック図である。 同実施形態に係るフィードバックに基づく学習進度の算出について説明するための図である。 同実施形態に係るフィードバックの要求に係る付加情報の出力制御について説明するための図である。 同実施形態に係る情報処理サーバによる学習進度に基づく出力表現の制御の流れを示すフローチャートである。 同実施形態に係る情報処理サーバによるフィードバック要求に係る付加情報の出力制御の流れを示すフローチャートである。 同実施形態に係る情報処理サーバによるフィードバックに基づく学習機能の更新の流れを示すフローチャートである。 本開示の一実施形態に係る情報処理サーバのハードウェア構成例を示す図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．実施形態
１．１．概要
１．２．システム構成例
１．３．情報処理端末１０の機能構成例
１．４．情報処理サーバ２０の機能構成例
１．５．学習進度の算出
１．６．フィードバックの要求に係る付加情報の出力制御
１．７．制御の流れ
２．ハードウェア構成例
３．まとめ

＜１．第１の実施形態＞
＜＜１．１．概要＞＞
近年、機械学習などの手法を用いてユーザに情報提示を行う種々の装置が普及している。上記のような装置には、例えば、音声発話や視覚情報を用いてユーザに情報を提示するエージェント装置が挙げられる。エージェント装置は、例えば、ユーザの問い合わせに対する応答情報などを、音声発話の出力や視覚情報の表示などにより行うことができる。

この際、エージェント装置が出力する応答情報の質は、当該応答情報の生成に係る学習の進度と密な相関を有する。このため、エージェント装置がより有益度の高い応答情報を出力するためには、応答情報に対するユーザのフィードバックを収集し、当該フィードバックを学習に反映する機構が重要となる。

上記のようなフィードバックの収集手段としては、例えば、出力された応答情報に対する評価を、ボタン押下やアンケート記入により収集する手法が挙げられる。しかし、多くの場合、評価項目や評価タイミングは、学習進度に依らず静的に決定されているのが実情である。

このため、エージェント装置の利用初期段階や、発生頻度の低いユースケースに直面した場合など、フィードバックがより重要となる状況であっても、ユーザが当該状況を把握することができず、効率的な学習を実現することが困難であった。

また、学習進度に依らず常に詳細なフィードバックをユーザに求め続けることも想定されるが、この場合、ユーザの入力負担が増大することとなる。さらには、度重なる内容の重複したフードバックの要求にユーザが辟易とし、フィードバック自体が収集できなくなる事態も想定される。

本開示の一実施形態に係る情報処理装置、情報処理方法、およびプログラムは、上記の点に着目して発想されたものであり、情報提示に係る学習進度をより自然にユーザに知覚させることで、より効率的なフィードバックの収集を実現することを可能とする。このために、本実施形態に係る情報処理方法を実現する情報処理装置は、応答情報の生成に係る学習進度に基づいて、当該応答情報の出力表現を制御すること、を特徴の一つとする。

図１は、本開示の一実施形態の概要について説明するための図である。図１の上部には、レストランの問い合わせに係るユーザ発話ＵＯ１ａを行うユーザＵ１と、ユーザ発話ＵＯ１ａに対する応答情報を音声発話ＳＯ１ａにより出力する情報処理端末１０が示されている。

なお、図１の上部では、レストランの推薦に係る学習進度が比較的低い場合の一例が示されている。すなわち、図１の上部に示す一例では、ユーザＵ１の嗜好に関する学習回数が低いなどの要因から、システムが推薦するレストランに係る応答情報の有益度がユーザＵ１にとって高くない可能性がある状況が示されている。

この際、本実施形態に係る情報処理サーバ２０は、レストランの推薦に係る学習進度が比較的低いことに基づいて、上記の状況を示唆する出力表現を決定し、当該出力表現を合成した応答情報を情報処理端末１０に出力させることができる。

例えば、本実施形態に係る情報処理サーバ２０は、応答情報の有益度に関し自信がないことを示す出力表現を応答情報に合成してもよい。具体的には、本例の場合、情報処理サーバ２０は、「ええと…お気に召すか分かりませんが」という文章を文頭に挿入するとともに、「評価が高いようです」という確度が比較的低い表現を応答情報に合成している。

また、情報処理サーバ２０は、音声発話ＳＯ１ａに係る音量や抑揚を抑えた出力表現を応答情報に合成してもよい。なお、本開示で用いられる図面において、音声発話に対応する文章のフォントの大きさや文字装飾は、音声発話の音量や抑揚にそれぞれ対応するものとする。

このように、本実施形態に係る情報処理サーバ２０と情報処理端末１０によれば、応答情報の出力表現を制御することで、学習進度が低いことを自然かつ直観的にユーザに知覚させることができ、ユーザによる積極的なフィードバックを効果的に促すことが可能となる。

一方、図１の下段には、レストランの推薦に係る学習進度が比較的高い場合の一例が示されている。この際、本実施形態に係る情報処理サーバ２０は、応答情報の有益度がユーザＵ１にとって高いと判断したことを示唆する出力表現を決定し、当該出力表現を合成した応答情報を音声発話ＳＯ１ｂとして情報処理端末１０に出力させることができる。

例えば、本実施形態に係る情報処理サーバ２０は、応答情報の有益度に関し自信があることを示す出力表現を応答情報に合成してもよい。具体的には、本例の場合、情報処理サーバ２０は、「自信を持って」という文章を文頭に挿入するとともに、断定的な表現を応答情報に合成している。

また、情報処理サーバ２０は、音声発話ＳＯ１ｂに係る音量や抑揚を高めた出力表現を応答情報に合成してもよい。

本実施形態に係る情報処理サーバ２０と情報処理端末１０によれば、応答情報の出力表現を制御することで、学習進度が高いことを自然かつ直観的にユーザに知覚させることができ、例えば、ユーザによるフィードバックが適切に学習に反映されていることなどを、ユーザに強調することが可能となる。

＜＜１．２．システム構成例＞＞
次に、本実施形態に係る情報処理システムの構成例について説明する。図２は、本実施形態に係る情報処理システムの構成例を示すブロック図である。図２を参照すると、本実施形態に係る情報処理システムは、情報処理端末１０および情報処理サーバ２０を備える。また、情報処理端末１０と情報処理サーバ２０は、ネットワーク３０を介して互いに通信が行えるように接続される。

（情報処理端末１０）
本実施形態に係る情報処理端末１０は、情報処理サーバ２０による制御に基づいて、ユーザに対し音声や視覚情報を用いた応答情報の出力を行う情報処理装置である。本実施形態に係る情報処理端末１０は、情報処理サーバ２０が学習進度に基づいて動的に決定した出力表現に基づいて応答情報の出力を行うことを特徴の一つとする。

本実施形態に係る情報処理端末１０は、音声や視覚情報を出力する機能を有する種々の装置として実現され得る。本実施形態に係る情報処理端末１０は、例えば、携帯電話、スマートフォン、タブレット、ウェアラブル装置、汎用コンピュータ、据え置き型または自律移動型の専用装置などであってもよい。

また、本実施形態に係る情報処理端末１０は、ユーザや周囲環境に係る種々の情報を収集する機能を有する。情報処理端末１０は、例えば、ユーザの発話を含む音情報、ユーザが機器操作により入力した入力文章、ユーザや周囲を撮像した画像情報、その他の種々のセンサ情報を収集し、情報処理サーバ２０に送信する。

（情報処理サーバ２０）
本実施形態に係る情報処理サーバ２０は、ユーザに対する応答情報の出力を制御する情報処理装置である。この際、本実施形態に係る情報処理サーバ２０は、応答情報の生成に係る学習の学習進度に基づいて、当該応答情報の出力表現を制御することを特徴の一つとする。具体的には、本実施形態に係る情報処理サーバ２０は、入力情報に基づいて生成した応答情報に対し、学習進度に基づいて決定した前記出力表現を合成してよい。

（ネットワーク３０）
ネットワーク３０は、情報処理端末１０と情報処理サーバ２０とを接続する機能を有する。ネットワーク３０は、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク３０は、ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。また、ネットワーク３０は、Ｗｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）など無線通信網を含んでもよい。

以上、本実施形態に係る情報処理システムの構成例について説明した。なお、図２を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理システムの構成は係る例に限定されない。例えば、本実施形態に係る情報処理端末１０および情報処理サーバ２０が有する機能は、単一の装置により実現されてもよい。本実施形態に係る情報処理システムの構成は、仕様や運用に応じて柔軟に変形可能である。

＜＜１．３．情報処理端末１０の機能構成例＞＞
次に、本実施形態に係る情報処理端末１０の機能構成例について説明する。図３は、本実施形態に係る情報処理端末１０の機能構成例を示すブロック図である。図３を参照すると、本実施形態に係る情報処理端末１０は、表示部１１０、音声出力部１２０、音声入力部１３０、撮像部１４０、センサ入力部１５０、制御部１６０、およびサーバ通信部１７０を備える。

（表示部１１０）
本実施形態に係る表示部１１０は、画像やテキストなどの視覚情報を出力する機能を有する。本実施形態に係る表示部１１０は、例えば、情報処理サーバ２０による制御に基づいて、応答情報に対応するテキストや画像を表示する。

このために、本実施形態に係る表示部１１０は、視覚情報を提示する表示デバイスなどを備える。上記の表示デバイスには、例えば、液晶ディスプレイ（ＬＣＤ：Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、タッチパネルなどが挙げられる。また、本実施形態に係る表示部１１０は、プロジェクション機能により視覚情報を出力してもよい。

（音声出力部１２０）
本実施形態に係る音声出力部１２０は、音声発話を含む種々の音を出力する機能を有する。本実施形態に係る音声出力部１２０は、例えば、情報処理サーバ２０による制御に基づいて、応答情報に対応する音声発話を出力する。このために、本実施形態に係る音声出力部１２０は、スピーカやアンプなどの音声出力装置を備える。

（音声入力部１３０）
本実施形態に係る音声入力部１３０は、ユーザによる発話や、情報処理端末１０の周囲で発生する周囲音などの音情報を収集する機能を有する。音声入力部１３０が収集する音情報は、情報処理サーバ２０による音声認識や周囲環境の認識などに用いられる。本実施形態に係る音声入力部１３０は、音情報を収集するためのマイクロフォンを備える。

（撮像部１４０）
本実施形態に係る撮像部１４０は、ユーザや周囲環境の画像を撮像する機能を有する。撮像部１４０が撮像した画像情報は、情報処理サーバ２０によるユーザの行動認識や状態認識、周囲環境の認識に用いられる。本実施形態に係る撮像部１４０は、画像を撮像することが可能な撮像装置を備える。なお、上記の画像には、静止画像のほか動画像が含まれる。

（センサ入力部１５０）
本実施形態に係るセンサ入力部１５０は、周囲環境やユーザの行動、状態に関する種々のセンサ情報を収集する機能を有する。センサ入力部１５０が収集したセンサ情報は、情報処理サーバ２０による周囲環境の認識やユーザの行動認識、状態認識に用いられる。センサ入力部１５０は、例えば、赤外線センサを含む光センサ、加速度センサ、ジャイロセンサ、地磁気センサ、熱センサ、振動センサ、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）信号受信装置などを備える。

また、本実施形態に係るセンサ入力部１５０は、ユーザが機器操作により入力した入力文章を検出する機能を有する。このために、本実施形態に係るセンサ入力部１５０は、例えば、キーボード、タッチパネル、マウス、各種のボタンなどを備える。

（制御部１６０）
本実施形態に係る制御部１６０は、情報処理端末１０が備える各構成を制御する機能を有する。制御部１６０は、例えば、各構成の起動や停止を制御する。また、制御部１６０は、情報処理サーバ２０により生成される制御信号を表示部１１０や音声出力部１２０に入力する。また、本実施形態に係る制御部１６０は、後述する情報処理サーバ２０の出力制御部２７０と同等の機能を有してもよい。

（サーバ通信部１７０）
本実施形態に係るサーバ通信部１７０は、ネットワーク３０を介して情報処理サーバ２０との情報通信を行う機能を有する。具体的には、サーバ通信部１７０は、音声入力部１３０が収集した音情報や、撮像部１４０が撮像した画像情報、センサ入力部１５０が収集したセンサ情報を情報処理サーバ２０に送信する。また、サーバ通信部１７０は、情報処理サーバ２０から応答情報の出力に係る制御信号などを受信する。

以上、本実施形態に係る情報処理端末１０の機能構成例について説明した。なお、図３を用いて説明した上記の構成はあくまで一例であり、本実施形態に係る情報処理端末１０の機能構成は係る例に限定されない。例えば、本実施形態に係る情報処理端末１０は、図３に示す構成のすべてを必ずしも備えなくてもよい。例えば、情報処理端末１０は、表示部１１０やセンサ入力部１５０などを備えない構成をとることもできる。また、上述したように、本実施形態に係る制御部１６０は、情報処理サーバ２０の出力制御部２７０と同等の機能を有してもよい。本実施形態に係る情報処理端末１０の機能構成は、仕様や運用に応じて柔軟に変形可能である。

＜＜１．４．情報処理サーバ２０の機能構成例＞＞
次に、本実施形態に係る情報処理サーバ２０の機能構成例について詳細に説明する。図４は、本実施形態に係る情報処理サーバ２０の機能構成例を示すブロック図である。図４を参照すると、本実施形態に係る情報処理サーバ２０は、入力解析部２１０、コンテクスト解析部２２０、カテゴリ抽出部２３０、学習進度管理部２４０、学習機能部２５０、応答生成部２６０、出力制御部２７０、および端末通信部２８０を備える。また、本実施形態に係る出力制御部２７０は、表現決定部２７２および合成部２７４を備える。

（入力解析部２１０）
本実施形態に係る入力解析部２１０は、情報処理端末１０が収集したユーザの発話に係る音情報や、機器操作により入力された入力文章を解析し、他の構成が利用可能な情報に変換する機能を有する。本実施形態に係る入力解析部２１０は、例えば、ユーザの発話に係る音情報を単語レベルのテキストに変換してもよい。

また、本実施形態に係る入力解析部２１０は、ユーザの状態や行動、周囲環境に係る認識を行ってよい。入力解析部２１０は、例えば、収集された画像情報に基づいて、ユーザの視線や表情、感情、行動などを認識することが可能である。また、入力解析部２１０は、例えば、画像情報やセンサ情報に基づいて、ユーザが位置する場所の特性を推定することも可能である。

（コンテクスト解析部２２０）
本実施形態に係るコンテクスト解析部２２０は、入力解析部２１０が解析、変換した情報に基づいて、ユーザの入力に係るコンテクストを解析する機能を有する。ここで、上記のコンテクストには、例えば、入力内容に係るＷＨＥＲＥ、ＷＨＥＮ、ＷＨＯ、ＷＨＡＴなどの要素を含んでよい。

例えば、図１に示したユーザ発話ＳＯ１の場合、コンテクスト解析部２２０は、入力解析部２１０が変換したテキストに基づいて、ＷＨＥＲＥ＝この辺、ＷＨＡＴ＝おすすめのレストラン、を抽出することができる。また、この場合、コンテクスト解析部２２０は、明示されなかった要素に対して、ＷＨＥＮ＝現時刻、ＷＨＯ＝ユーザＵ１、などの情報を補完して抽出してもよい。

（カテゴリ抽出部２３０）
本実施形態に係るカテゴリ抽出部２３０は、入力解析部２１０が解析した情報、およびコンテクスト解析部２２０が抽出したコンテクストに基づいて、応答情報の生成に係る学習のカテゴリを抽出する機能を有する。

本実施形態に係るカテゴリとは、学習進度の管理に係る単位を指す。すなわち、本実施形態に係る学習進度は、カテゴリごとに算出されてよい。本実施形態に係るカテゴリには、例えば、旅行先やレストランなどの問い合わせ目的（＝ＷＨＡＴ）に基づいて決定されてもよい。また、本実施形態に係るカテゴリは、例えば、ユーザ個人またはユーザの家族などの対象ユーザ（＝ＷＨＯ）に基づいて決定されてもよい。

また、本実施形態に係るカテゴリは、学習器の性質に基づいて定められてもよい。本実施形態に係るカテゴリには、例えば、画像認識、音声認識、機械制御なども含まれ得る。

（学習進度管理部２４０）
本実施形態に係る学習進度管理部２４０は、上述したカテゴリごとに学習進度を動的に算出する機能を有する。本実施形態に係る学習進度管理部２４０は、カテゴリ抽出部２３０が抽出したカテゴリについて、例えば、学習回数、学習履歴、信頼度などの判断要素を総合的に加味した学習進度を算出することができる。なお、本実施形態に係る学習進度管理部２４０が有する機能については別途詳細に説明する。

（学習機能部２５０）
本実施形態に係る学習機能部２５０は、Ｄｅｅｐ Ｌｅａｒｎｉｎｇなどのアルゴリズムを用いて入力情報に基づく学習を行う機能を有する。上述したように、本実施形態に係る学習機能部２５０は、ユーザの問い合わせに対する回答などの学習の他、画像認識、音声認識、機械制御に係る学習を行ってもよい。また、本実施形態に係る学習アルゴリズムは、上記の例に限定されず、生成される応答情報の特性に応じて適宜採択され得る。

（応答生成部２６０）
本実施形態に係る応答生成部２６０は、学習機能部２５０が学習した知識を用いて応答情報を生成する機能を有する。

（出力制御部２７０）
本実施形態に係る出力制御部２７０は、ユーザに対する応答情報の出力を制御する機能を有する。この際、本実施形態に係る出力制御部２７０は、学習進度管理部２４０が算出した学習進度に基づいて応答情報の出力表現を制御することを特徴の一つとする。

また、本実施形態に係る出力制御部２７０は、応答情報に対するフィードバックをユーザに要求する付加情報の出力をさらに制御する。本実施形態に係る出力制御部２７０が有する上記の機能については、別途詳細に説明する。

本実施形態に係る出力制御部２７０は、例えば、表現決定部２７２および合成部２７４を備えてもよい。

（（表現決定部２７２））
本実施形態に係る表現決定部２７２は、学習進度管理部２４０が算出した学習進度に基づいて、応答情報に合成する出力表現を決定する機能を有する。この際、本実施形態に係る表現決定部２７２は、カテゴリごとに算出された学習進度に基づいて、上記の出力表現を決定してよい。

より詳細には、本実施形態に係る表現決定部２７２は、学習進度管理部２４０が算出した学習進度に基づいて、ユーザに当該学習進度を知覚させるための前記出力表現を決定することができる。

例えば、本実施形態に係る表現決定部２７２は、学習進度が低い場合、ユーザに対する応答情報の有益度が高くない可能性があることを示唆する出力表現を決定してよい。表現決定部２７２は、図１に示した一例のように、応答情報の有益度に関し自信がないことを示す出力表現を決定してよい。より具体的には、表現決定部２７２は、例えば、音声発話に係る音量を低下させる、声を震えさせる、聞き取りづらく出力させる、などの出力表現や、視覚情報に係る文字を小さくする、薄くする、視認性の低いフォントを選択するなどの出力表現を決定してもよい。

一方、表現決定部２７２は、学習進度が高い場合、ユーザに対する応答情報の有益度が高いと判断したことを示唆する出力表現を決定してよい。例えば、表現決定部２７２は、図１に示した一例のように、応答情報の有益度に関し自信があることを示す出力表現を決定することができる。より具体的には、表現決定部２７２は、例えば、音声発話に係る音量を上昇させる、はっきりと発音させるなどの出力表現や、視覚情報に係る文字を大きくする、濃くする、視認性の高いフォントを選択するなどの出力表現を決定してもよい。

上記のような出力表現を実現するために、本実施形態に係る表現決定部２７２は、カテゴリごとに算出された学習進度に基づいて、応答情報に係る文章内容、出力態様、出力動作などを動的に変化させる機能を有する。

ここで、上記の出力態様とは、応答情報の出力に係る聴覚的または視覚的な表現を指す。応答情報を音声発話により出力させる場合、表現決定部２７２は、例えば、音声発話の声質、大きさ、韻律、出力タイミング、効果などの制御を行うことができる。なお、上記の韻律には、音のリズム、強弱、長短などが含まれる。

また、応答情報を視覚情報により出力させる場合、表現決定部２７２は、例えば、応答情報のフォント、大きさ、色、文字装飾、配置、アニメーションなどを制御することができる。本実施形態に係る表現決定部２７２が有する上記の機能によれば、学習進度に応じて応答情報に係る聴覚的または視覚的表現を変化させることで、ユーザにより効果的に学習進度を知覚させることが可能となる。

また、上記の出力動作とは、応答情報の出力に係る情報処理端末１０の物理的動作または視覚情報として表示させるキャラクターなどの動作を指す。例えば、情報処理端末１０が人間や動物を模したロボットである場合、出力動作には、四肢などのパーツの動き、視線やまばたきなどを含む表情などが含まれてよい。また、出力動作には、例えば、光や振動を用いた種々の物理的動作が含まれる。本実施形態に係る表現決定部２７２が有する上記の機能によれば、情報処理端末１０に学習進度に応じたより柔軟な出力動作を行わせることが可能となる。

（（合成部２７４））
本実施形態に係る合成部２７４は、応答生成部２６０が生成した応答情報に対し、表現決定部２７２が学習進度に基づいて決定した出力表現を合成する機能を有する。

（端末制御部２８０）
本実施形態に係る端末通信部２８０は、ネットワーク３０を介して情報処理端末１０との情報通信を行う機能を有する。具体的には、端末通信部２８０は、情報処理端末１０から音情報、入力文章、画像情報、センサ情報を受信する。また、端末通信部２８０は、応答情報の出力に係る制御信号を情報処理端末１０に送信する。

以上、本実施形態に係る情報処理サーバ２０の機能構成例について説明した。なお、図４を用いて説明した上記の機能構成はあくまで一例であり、本実施形態に係る情報処理サーバ２０の機能構成は係る例に限定されない。例えば、入力解析部２１０、コンテクスト解析部２２０、カテゴリ抽出部２３０、学習進度管理部２４０、学習機能部２５０、および応答生成部２６０などは、情報処理サーバ２０とは異なる別の装置に備えることも可能である。

また、上述したように、本実施形態に係る出力制御部２７０が有する機能は、情報処理端末１０の制御部１６０の機能として実現されてもよい。すなわち、本実施形態に係る出力制御部２７０の機能は、サーバ側およびクライアント側の両方の機能として実現され得る。例えば、当該機能を情報処理サーバ２０の機能として備える場合、ユーザは、様々な情報処理端末１０においてサービスを享受することが可能である。一方、情報処理端末１０が出力制御部２７０と同等の機能や、学習進度管理部２４０、学習機能部２５０、および応答生成部２６０などを備える場合、オフラインにおける使用や個人情報などのよりセキュアな保管が可能となる。本実施形態に係る情報処理サーバ２０の機能構成は、仕様や運用に応じて柔軟に変形可能である。

＜＜１．５．学習進度の算出＞＞
次に、本実施形態に係る学習進度の算出について詳細に説明する。上述したように、本実施形態に係る学習進度管理部２４０は、カテゴリごとに学習進度を動的に算出することが可能である。この際、本実施形態に係る学習進度管理部２４０は、判断要素に係る要素値と当該判断要素ごとに対する重み係数を用いて学習進度を算出してもよい。

ここで、上記の判断要素には、例えば、学習回数、学習履歴、および信頼度などが含まれてよい。なお、上記の学習回数とは、利用回数やユーザからのフィードバック回数などが含まれる。学習進度管理部２４０は、例えば、ログやルール適用回数、フィードバック回数などが多い場合、学習回数の要素値を高く算出してよい。

また、上記の学習履歴には、最後に利用されてからの期間や、直近における否定的なフィードバックの頻度や回数などが含まれてもよい。学習進度管理部２４０は、例えば、最後に利用されてから期間が短いほど学習履歴の要素値を高く算出してもよいし、直近における否定的なフィードバックの頻度や回数が多い場合には、要素値を低く算出してもよい。

また、上記の信頼度には、学習機能部２５０による出力の結果が考慮されてよい。例えば、情報検索などの汎用的な事項に対する学習においては、学習進度管理部２４０は、データ検索の範囲が広い場合や、データ検索判断結果の誤差が小さい場合に、要素値を高く算出してよい。また、画像認識や音声認識などの認識処理においては、学習進度管理部２４０は、認識モジュールが判断した認識結果に対する信頼度の値を要素値として用いることもできる。

ここで、学習回数をｆ、学習履歴をｇ、信頼度をｑとした場合、本実施形態に係る学習進度は、例えば、学習進度＝ｗ_ａ＊ｆ＋ｗ_ｂ＊ｇ＋ｗ_ｃ＊ｑ、として算出されてもよい。ただし、上記の式におけるｗ_ａ〜ｗ_ｃは、それぞれ、学習回数ｆ、学習履歴ｇ、信頼度ｑに対する重み係数である。

また、この際、本実施形態に係る学習進度管理部２４０は、例えば、学習のカテゴリの特性に応じて動的に重み係数ｗ_ａ〜ｗ_ｃを決定してよい。

例えば、ユーザの嗜好など、ユーザの特性に係る学習については、学習回数ｆと学習履歴ｇが重要な判断要素となる。このため、学習進度管理部２４０は、重み係数ｗ_ａおよびｗ_ｂを大きく設定し、重み係数ｗ_ｃを小さく設定してよい。

また、例えば、世間のトレンドなど短期間において比較的変化の大きい分野に関する学習に対しては、直近の学習履歴ｇが重要となることから、学習進度管理部２４０は、重み係数ｗ_ｂを大きく設定してよい。

また、例えば、画像認識や音声認識の場合、学習回数ｆと信頼度をｑが重要な判断要素となる。このため、学習進度管理部２４０は、重み係数ｗ_ａおよびｗ_ｃを大きく設定してよい。

また、例えば、情報検索などの汎用的な事項の場合、データ検索の範囲や精度が支配的となるため、学習進度管理部２４０は、重み係数ｗ_ｃを大きく設定してよい。ただし、情報の有効期限が短い分野の場合、データの鮮度が重要となることから、学習進度管理部２４０は、最後に利用されてからの期間を重視し、重み係数ｗ_ｂを大きく設定してもよい。

このように、本実施形態に係る学習進度管理部２４０は、種々の状況に応じて学習進度を動的に算出することが可能である。このため、本実施形態に係る学習進度は、不可逆的に増大するものではなく、可逆的に増減する値であるといえる。

例えば、変化の大きい分野において、しばらく利用されていない場合、学習履歴ｇに対する重み係数ｗ_ｂが支配的となったうえで、学習履歴ｇの要素値が小さくなるため、学習進度は低下することとなる。

また、学習回数ｆの要素値が高い場合であっても、直近におけるネガティブフィードバックの頻度や回数が多い場合には、学習履歴ｇの要素値が小さくなるため、学習進度は低下する。

また、例えば、認識すべき対象が増加するなど、未学習の領域が増えた場合、信頼度ｑの要素値が小さくなることから、学習進度は低下する。

このように、本実施形態に係る学習進度管理部２４０によれば、状況に応じた精度の高い学習進度を動的かつ可逆的に算出することが可能となる。

また、本実施形態に係る学習進度管理部２４０は、応答情報に対するユーザのフィードバックを受けたタイミングで学習進度の再算出を行ってもよい。図５は、本実施形態に係るフィードバックに基づく学習進度の算出について説明するための図である。

図５の上段には、情報処理端末１０が出力した応答情報に対し、ユーザＵ１が否定的なフィードバックとしてユーザ発話ＵＯ５ａを行った場合の一例が示されている。なお、図５に示すユーザ発話ＵＯ５ａは、図１に示した音声発話ＳＯ１ｂに対して行われたものであってよい。この場合、否定的なフィードバックを受けたことにより学習回数は増加するものの、学習の精度としては、学習進度が芳しくない状態といえる。

このため、本実施形態に係る学習進度管理部２４０は、学習回数ｆを高くする一方、学習履歴ｇが小さくなるよう要素値を算出してよい。また、学習進度管理部２４０は、上記の処理の後、学習履歴ｇの低下が顕著となるよう、重み係数ｗ_ａ〜ｗ_ｃをそれぞれ調整してよい。

また、学習進度管理部２４０は、例えば、学習進度が高いと判断した状態において出力された応答情報に対し否定的なフィードバックを受けた場合、通常の場合と比較してより学習履歴ｇの影響が大きくなるよう算出を行うことも可能である。この場合、誤った学習が進むことを防止し、ユーザに正しいフィードバックを仰ぐことが可能となる。

また、本実施形態に係る出力制御部２７０は、上記のように算出され直した学習進度に基づき出力表現を決定することで、都度精度の高い学習進度に基づいた応答情報を情報処理端末１０に出力させることができる。図５に示す一例の場合、出力制御部２７０が、低下した学習進度に基づいて、自信のなさを示唆する出力表現を合成した音声発話ＳＯ５ａや視覚情報ＳＶ５ａを情報処理端末１０に出力させている。

以上説明したように、本実施形態に係る学習進度管理部２４０および出力制御部２７０によれば、学習進度を精度高く算出し、当該学習進度をユーザにより自然かつ直観的に知覚させることが可能となる。

＜＜１．６．フィードバックの要求に係る付加情報の出力制御＞＞
次に、本実施形態に係るフィードバックの要求に係る付加情報の出力制御について詳細に説明する。本実施形態に係る出力制御部２７０は、上述した出力表現の制御に加え、フィードバックをユーザに要求するための付加情報の出力をさらに制御することを特徴の一つとする。

この際、本実施形態に係る表現決定部２７２は、学習進度管理部２４０が動的に算出した学習進度に基づいて、上記の付加情報の出力内容、出力タイミング、出力モーダル、出力回数、および対象ユーザなどを制御してよい。また、本実施形態に係る合成部２７４は、表現決定部２７２が生成した上記の付加情報を応答情報に合成して出力することが可能である。

図６は、本実施形態に係るフィードバックの要求に係る付加情報の出力制御について説明するための図である。図６には、学習進度が比較的低い場合において、出力制御部２７０が上記の付加情報を出力させる場合の一例が示されている。

例えば、本実施形態に係る出力制御部２７０は、学習進度が比較的低い場合、応答情報に対応するユーザの行動が完了したタイミングでフィードバック要求に係る付加情報を情報処理端末１０に出力させてもよい。

例えば、応答情報として、レストランの推薦に係る情報提示を行った場合、本実施形態に出力制御部２７０は、ユーザが当該レストランで食事を終えたタイミングでフィードバック要求に係る付加情報を出力させることができる。出力制御部２７０は、学習進度が十分高くなるまで、付加情報の出力を情報処理端末１０に繰り返し実行させてよい。

この際、出力制御部２７０は、学習進度に基づいて、付加情報に係る出力内容を動的に決定してよい。上記の出力内容には、例えば、フィードバック項目が含まれる。本実施形態に係る出力制御部２７０は、例えば、学習進度に基づいて、フィードバック項目の内容、粒度、数、フィードバック方法などを決定することができる。すなわち、本実施形態に係る出力制御部２７０は、学習進度が低いほど、より詳細なフィードバックが得られる付加情報を情報処理端末１０に出力させることができる。

例えば、図６に示す一例の場合、出力制御部２７０は、レストランＣに係る全体的な評価を求める選択肢Ｃ１や評価理由の入力を求めるフィールドＦ１を視覚情報ＳＶ６として情報処理端末１０に出力させている。

このように、本実施形態に係る出力制御部２７０は、学習進度に応じて、応答情報の精度を上げるために必要な情報をフィードバックとして求める付加情報を生成することができる。出力制御部２７０は、図６に示す項目のほか、例えば、レストランを選択した理由、改善要望、料理の好み、雰囲気の好み、場所の好み、シチュエーション（例えば、同行者）に対する適切度、予算、直近の履歴（最近食べた物や、行った店など）などの項目に関するフィードバックを求める付加情報を、学習進度に基づいて都度決定することができる。より具体的には、学習進度が高い場合には、出力制御部２７０は、応答情報に対する是非のみを選択肢として求める付加情報を出力してもよい。また、学習進度が低い場合には、出力制御部２７０は、上記の項目の数や自由記入形式のフィードバックを増やすことで、詳細なフィードバックをユーザに求めることが可能である。この際、出力制御部２７０は学習進度に応じた優先度に基づいて項目の絞込みを行ってよい。

また、本実施形態に係る出力制御部２７０は、学習進度が低い場合においては、問い合わせを行ったユーザに同行している他のユーザに対してもフィードバックを求めてもよい。図６に示す一例の場合、出力制御部２７０は、ユーザＵ１と共にレストランで食事をしたユーザＵ２に対して、フィードバックを求める付加情報を出力させることができる。

また、本実施形態に係る出力制御部２７０は、情報処理端末１０が複数の出力モーダル（例えば、音声および視覚情報）を備えている場合には、利用可能な出力モーダルをすべて用いたり、ユーザが利用中である出力モーダルを用いることで、ユーザからフィードバックを得る機会を高めることが可能である。

また、本実施形態に係る出力制御部２７０は、例えば、ユーザの状態認識の結果などから、ユーザが即時フィードバックを行うことが困難であると判断した場合には、後にフィードバックを求める旨の付加情報を出力させることもできる。図６に示す一例の場合、出力制御部２７０は、上記の旨を含む付加情報を音声発話ＳＯ６ａとして情報処理端末１０に出力させている。

このように、本実施形態に係る出力制御部２７０によれば、学習進度が比較的低い場合において、効果的な出力内容、出力タイミング、出力モーダル、出力回数、対象ユーザを設定して、ユーザにフィードバックを要求することができ、効率的な学習を実現することが可能となる。

一方、学習進度が十分に高い場合には、出力制御部２７０は、ユーザが多忙でないタイミングや、しばらくフィードバックを受けていない場合にのみ、簡易なフィードバックを要求する付加情報を出力させてよい。この際、出力制御部２７０は、ユーザの行動を阻害しないことを優先し、ユーザが用いていない出力モーダルにのみ付加情報を出力させてもよい。

本実施形態に係る出力制御部２７０が有する上記の機能によれば、必要以上にユーザの負担を増やすことなく、かつ十分な学習進度を維持する効果が期待される。

＜＜１．７．制御の流れ＞＞
次に、本実施形態に係る情報処理サーバ２０による制御の流れについて説明する。まず、情報処理サーバ２０による学習進度に基づく出力表現の制御について述べる。

図７は、本実施形態に係る情報処理サーバ２０による学習進度に基づく出力表現の制御の流れを示すフローチャートである。

図７を参照すると、まず、端末通信部２８０が情報処理端末１０から収集情報を受信する（Ｓ１１０１）。上記の収集情報には、ユーザの発話音声を含む音情報、機器操作に基づく入力文章、画像情報、センサ情報が含まれる。

次に、入力解析部２１０が、ステップＳ１１０１において受信された収集情報に基づく入力解析を実行する（Ｓ１１０２）。なお、ステップＳ１１０２における入力解析には、音声発話のテキスト変換や、種々の認識処理が含まれる。

次に、コンテクスト解析部２２０が、ステップＳ１１０２における入力解析の結果に基づいて、コンテストを抽出する（Ｓ１１０３）。

次に、カテゴリ抽出部２３０がステップＳ１１０２における入力解析の結果と、ステップＳ１１０３において抽出されたコンテクストとに基づいて、カテゴリ抽出を実行する（Ｓ１１０４）。

次に、応答生成部２６０が、ステップＳ１１０２における入力解析の結果、ステップＳ１１０３において抽出されたコンテクスト、および学習機能部２５０によって学習された知識に基づいて応答情報を生成する（Ｓ１１０５）。

次に、学習進度管理部２４０が、ステップ１１０４において抽出されたカテゴリに対する学習進度を算出する（Ｓ１１０６）。この際、学習進度管理部２４０は、学習回数、学習履歴、信頼度などに基づいて動的に学習進度を算出してよい。

次に、出力制御部２７０が、ステップＳ１１０６において算出された学習進度に基づいて出力表現を決定し、ステップＳ１１０５において生成された応答情報に合成する（Ｓ１１０７）。

次に、端末通信部２８０がステップＳ１１０７において出力表現が合成された応答情報に係る制御信号を情報処理端末１０に送信し、当該応答情報が出力される（Ｓ１１０８）。

次に、フィードバック要求に係る付加情報の出力制御の流れについて述べる。図８は、本実施形態に係る情報処理サーバ２０によるフィードバック要求に係る付加情報の出力制御の流れを示すフローチャートである。

図８を参照すると、まず、出力制御部２７０が、学習進度管理部２４０が算出した学習進度が十分に高い値であるか否かを判定する（Ｓ１２０１）。

ここで、学習進度が十分に高い値である場合（Ｓ１２０１：Ｙｅｓ）、出力制御部２７０は、付加情報の出力制御に係る処理を終了してもよい。一方、上述したように、出力制御部２７０は、学習進度が高い場合であっても、状況に応じて付加情報を出力させてもよい。

一方、学習進度が十分ではない場合（Ｓ１２０１：Ｎｏ）、出力制御部２７０は、続いて、ユーザが即時フィードバックが可能な状況であるか否かを判定する（Ｓ１２０２）。

ここで、ユーザが即時フィードバックが可能な状況ではない場合（Ｓ１２０２：Ｎｏ）、出力制御部２７０は、後にフィードバックを求める旨の付加情報を生成し（Ｓ１２０３）、情報処理端末１０に付加情報を出力させる（Ｓ１２０４）。

次に、出力制御部２７０は、フィードバックの要求タイミング、すなわちユーザがフィードバック可能な状態となるまで、繰り返し状況の判定を行う（Ｓ１２０５）。

ここで、ユーザがフィードバック可能な状態となった場合（Ｓ１２０５：Ｙｅｓ）、または、ステップＳ１２０２において、ユーザが即時フィードバックが可能な状態である場合（Ｓ１２０２：Ｙｅｓ）、出力制御部２７０は、学習進度に基づいてフィードバック要求に係る付加情報を生成し、（Ｓ１２０６）、情報処理端末１０に出力させる（Ｓ１２０７）。

次に、本実施形態に係る情報処理サーバ２０によるフィードバックに基づく学習機能の更新の流れについて説明する。図９は、本実施形態に係る情報処理サーバ２０によるフィードバックに基づく学習機能の更新の流れを示すフローチャートである。

図９を参照すると、まず、端末通信部２８０が情報処理端末１０からフィードバック情報を受信する（Ｓ１３０１）。

次に、入力解析部２１０がステップＳ１３０１において受信されたフィードバック情報の解析を実行する（Ｓ１３０２）。

次に、コンテクスト解析部２２０が、学習機能の更新対象を絞り込むためのコンテクスト情報を抽出する（Ｓ１３０３）。

次に、カテゴリ抽出部２３０が、学習機能の更新対象を絞り込むためのカテゴリを抽出する（Ｓ１３０４）。

次に、学習機能部２５０が、ステップＳ１３０１において受信されたフィードバック情報に基づいて、学習機能の更新処理を実行する（Ｓ１３０５）。

次に、学習進度管理部２４０が、ステップＳ１３０１において受信されたフィードバック情報と、ステップＳ１３０５における学習機能の更新結果とに基づいて、学習進度を再算出する（Ｓ１３０６）。

＜２．ハードウェア構成例＞
次に、本開示の一実施形態に係る情報処理端末１０および情報処理サーバ２０に共通するハードウェア構成例について説明する。図１０は、本開示の一実施形態に係る情報処理サーバ２０のハードウェア構成例を示すブロック図である。図１０を参照すると、情報処理サーバ２０は、例えば、ＣＰＵ８７１と、ＲＯＭ８７２と、ＲＡＭ８７３と、ホストバス８７４と、ブリッジ８７５と、外部バス８７６と、インターフェース８７７と、入力装置８７８と、出力装置８７９と、ストレージ８８０と、ドライブ８８１と、接続ポート８８２と、通信装置８８３と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。

（ＣＰＵ８７１）
ＣＰＵ８７１は、例えば、演算処理装置又は制御装置として機能し、ＲＯＭ８７２、ＲＡＭ８７３、ストレージ８８０、又はリムーバブル記録媒体９０１に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。

（ＲＯＭ８７２、ＲＡＭ８７３）
ＲＯＭ８７２は、ＣＰＵ８７１に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。ＲＡＭ８７３には、例えば、ＣＰＵ８７１に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。

（ホストバス８７４、ブリッジ８７５、外部バス８７６、インターフェース８７７）
ＣＰＵ８７１、ＲＯＭ８７２、ＲＡＭ８７３は、例えば、高速なデータ伝送が可能なホストバス８７４を介して相互に接続される。一方、ホストバス８７４は、例えば、ブリッジ８７５を介して比較的データ伝送速度が低速な外部バス８７６に接続される。また、外部バス８７６は、インターフェース８７７を介して種々の構成要素と接続される。

（入力装置８７８）
入力装置８７８には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、及びレバー等が用いられる。さらに、入力装置８７８としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ（以下、リモコン）が用いられることもある。また、入力装置８７８には、マイクロフォンなどの音声入力装置が含まれる。

（出力装置８７９）
出力装置８７９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、ＬＣＤ、又は有機ＥＬ等のディスプレイ装置、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。また、本開示に係る出力装置８７９は、触覚刺激を出力することが可能な種々の振動デバイスを含む。

（ストレージ８８０）
ストレージ８８０は、各種のデータを格納するための装置である。ストレージ８８０としては、例えば、ハードディスクドライブ（ＨＤＤ）等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。

（ドライブ８８１）
ドライブ８８１は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９０１に記録された情報を読み出し、又はリムーバブル記録媒体９０１に情報を書き込む装置である。

（リムーバブル記録媒体９０１）
リムーバブル記録媒体９０１は、例えば、ＤＶＤメディア、Ｂｌｕ−ｒａｙ（登録商標）メディア、ＨＤ ＤＶＤメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体９０１は、例えば、非接触型ＩＣチップを搭載したＩＣカード、又は電子機器等であってもよい。

（接続ポート８８２）
接続ポート８８２は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）、ＲＳ−２３２Ｃポート、又は光オーディオ端子等のような外部接続機器９０２を接続するためのポートである。

（外部接続機器９０２）
外部接続機器９０２は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はＩＣレコーダ等である。

（通信装置８８３）
通信装置８８３は、ネットワークに接続するための通信デバイスであり、例えば、有線又は無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カード、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、又は各種通信用のモデム等である。

＜３．まとめ＞
以上説明したように、本開示の一実施形態に係る情報処理サーバ２０は、ユーザに対する応答情報の出力を制御する機能を有する。この際、本開示の一実施形態に係る情報処理サーバ２０は、応答情報の生成に係る学習の学習進度に基づいて、当該応答情報の出力表現を制御すること、を特徴の一つとする。係る構成によれば、情報提示に係る学習進度をより自然かつ直観的にユーザに知覚させることが可能となる。が可能となる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書の情報処理サーバ２０の処理に係る各ステップは、必ずしもフローチャートに記載された順序に沿って時系列に処理される必要はない。例えば、情報処理サーバ２０の処理に係る各ステップは、フローチャートに記載された順序と異なる順序で処理されても、並列的に処理されてもよい。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
ユーザに対する応答情報の出力を制御する出力制御部、
を備え、
前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、
情報処理装置。
（２）
前記出力制御部は、入力情報に基づいて生成される応答情報に対し、前記学習進度に基づいて決定した前記出力表現を合成する、
前記（１）に記載の情報処理装置。
（３）
前記出力制御部は、前記応答情報の生成に係る学習のカテゴリごとに算出された前記学習進度に基づいて、前記出力表現を制御する、
前記（１）または（２）に記載の情報処理装置。
（４）
前記学習進度は、学習回数、学習履歴、または信頼度のうち少なくともいずれかに基づいて動的に算出される、
前記（１）〜（３）のいずれかに記載の情報処理装置。
（５）
前記学習進度は、判断要素に係る要素値と前記判断要素ごとに対する重み係数を用いて動的に算出され、
前記判断要素ごとに対する前記重み係数は、前記応答情報の生成に係る学習のカテゴリの特性に応じて決定される、
前記（１）〜（４）のいずれかに記載の情報処理装置。
（６）
前記学習進度は、応答情報に対するユーザのフィードバックに基づいて、動的に算出される、
前記（１）〜（５）のいずれかに記載の情報処理装置。
（７）
前記出力表現は、前記応答情報に係る文章内容、出力態様、または出力動作のうち少なくともいずれかを含み、
前記出力制御部は、前記学習進度に基づいて、前記文章内容、前記出力態様、または前記出力動作のうち少なくともいずれかを動的に変化させる、
前記（１）〜（６）のいずれかに記載の情報処理装置。
（８）
前記出力制御部は、前記学習進度に基づいて、ユーザに前記学習進度を知覚させるための前記出力表現を決定する、
前記（１）〜（７）のいずれかに記載の情報処理装置。
（９）
前記出力制御部は、前記学習進度が低い場合、ユーザに対する前記応答情報の有益度が高くない可能性があることを示唆する出力表現を決定する、
前記（８）に記載の情報処理装置。
（１０）
前記出力制御部は、前記学習進度が高い場合、ユーザに対する前記応答情報の有益度が高いと判断したことを示唆する出力表現を決定する、
前記（８）または（９）に記載の情報処理装置。
（１１）
前記出力制御部は、前記応答情報に対するフィードバックをユーザに要求する付加情報の出力をさらに制御する、
前記（１）〜（１０）のいずれかに記載の情報処理装置。
（１２）
前記出力制御部は、前記学習進度に基づいて、前記付加情報の出力内容、出力タイミング、出力モーダル、出力回数、または対象ユーザのうち少なくともいずれかを制御する、
前記（１１）に記載の情報処理装置。
（１３）
前記出力制御部は、前記学習進度が低い場合、前記応答情報に対応するユーザの行動が完了したタイミングで前記付加情報を出力させる、
前記（１２）に記載の情報処理装置。
（１４）
前記出力制御部は、前記学習進度が高い場合、ユーザが多忙でないタイミングで前記付加情報を出力させる、
前記（１２）または（１３）に記載の情報処理装置。
（１５）
前記出力制御部は、前記学習進度が低い場合であって、かつユーザが即時フィードバックを行うことが困難である場合、後にフィードバックを求める旨の付加情報を出力させる、
前記（１２）〜（１４）のいずれかに記載の情報処理装置。
（１６）
前記付加情報の出力内容は、フィードバック項目を含み、
前記出力制御部は、前記学習進度に基づいて、フィードバックバック項目に係る項目内容、粒度、数、またはフィードバック方法のうち少なくともいずれかを決定する、
前記（１２）〜（１５）のいずれかに記載の情報処理装置。
（１７）
前記学習進度を算出する学習進度管理部、
をさらに備える、
前記（１）〜（１６）のいずれかに記載の情報処理装置。
（１８）
前記出力制御部は、少なくとも前記応答情報に係る音声発話の出力表現を制御する、
前記（１）〜（１７）のいずれかに記載の情報処理装置。
（１９）
プロセッサが、ユーザに対する応答情報の出力を制御すること、
を含み、
前記制御することは、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御すること、
をさらに含む、
情報処理方法。
（２０）
コンピュータを、
ユーザに対する応答情報の出力を制御する出力制御部、
を備え、
前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、
情報処理装置、
として機能させるためのプログラム。

１０ 情報処理端末
１１０ 表示部
１２０ 音声出力部
１３０ 音声入力部
１４０ 撮像部
１５０ センサ入力部
１６０ 制御部
１７０ サーバ通信部
２０ 情報処理サーバ
２１０ 入力解析部
２２０ コンテクスト解析部
２３０ カテゴリ抽出部
２４０ 学習進度管理部
２５０ 学習機能部
２６０ 応答生成部
２７０ 出力制御部
２７２ 表現決定部
２７４ 合成部
２８０ 端末通信部

Claims (20)

1. ユーザに対する応答情報の出力を制御する出力制御部、
   を備え、
   前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、
   情報処理装置。
2. 前記出力制御部は、入力情報に基づいて生成される応答情報に対し、前記学習進度に基づいて決定した前記出力表現を合成する、
   請求項１に記載の情報処理装置。
3. 前記出力制御部は、前記応答情報の生成に係る学習のカテゴリごとに算出された前記学習進度に基づいて、前記出力表現を制御する、
   請求項１に記載の情報処理装置。
4. 前記学習進度は、学習回数、学習履歴、または信頼度のうち少なくともいずれかに基づいて動的に算出される、
   請求項１に記載の情報処理装置。
5. 前記学習進度は、判断要素に係る要素値と前記判断要素ごとに対する重み係数を用いて動的に算出され、
   前記判断要素ごとに対する前記重み係数は、前記応答情報の生成に係る学習のカテゴリの特性に応じて決定される、
   請求項１に記載の情報処理装置。
6. 前記学習進度は、応答情報に対するユーザのフィードバックに基づいて、動的に算出される、
   請求項１に記載の情報処理装置。
7. 前記出力表現は、前記応答情報に係る文章内容、出力態様、または出力動作のうち少なくともいずれかを含み、
   前記出力制御部は、前記学習進度に基づいて、前記文章内容、前記出力態様、または前記出力動作のうち少なくともいずれかを動的に変化させる、
   請求項１に記載の情報処理装置。
8. 前記出力制御部は、前記学習進度に基づいて、ユーザに前記学習進度を知覚させるための前記出力表現を決定する、
   請求項１に記載の情報処理装置。
9. 前記出力制御部は、前記学習進度が低い場合、ユーザに対する前記応答情報の有益度が高くない可能性があることを示唆する出力表現を決定する、
   請求項８に記載の情報処理装置。
10. 前記出力制御部は、前記学習進度が高い場合、ユーザに対する前記応答情報の有益度が高いと判断したことを示唆する出力表現を決定する、
    請求項８に記載の情報処理装置。
11. 前記出力制御部は、前記応答情報に対するフィードバックをユーザに要求する付加情報の出力をさらに制御する、
    請求項１に記載の情報処理装置。
12. 前記出力制御部は、前記学習進度に基づいて、前記付加情報の出力内容、出力タイミング、出力モーダル、出力回数、または対象ユーザのうち少なくともいずれかを制御する、
    請求項１１に記載の情報処理装置。
13. 前記出力制御部は、前記学習進度が低い場合、前記応答情報に対応するユーザの行動が完了したタイミングで前記付加情報を出力させる、
    請求項１２に記載の情報処理装置。
14. 前記出力制御部は、前記学習進度が高い場合、ユーザが多忙でないタイミングで前記付加情報を出力させる、
    請求項１２に記載の情報処理装置。
15. 前記出力制御部は、前記学習進度が低い場合であって、かつユーザが即時フィードバックを行うことが困難である場合、後にフィードバックを求める旨の付加情報を出力させる、
    請求項１２に記載の情報処理装置。
16. 前記付加情報の出力内容は、フィードバック項目を含み、
    前記出力制御部は、前記学習進度に基づいて、フィードバックバック項目に係る項目内容、粒度、数、またはフィードバック方法のうち少なくともいずれかを決定する、
    請求項１２に記載の情報処理装置。
17. 前記学習進度を算出する学習進度管理部、
    をさらに備える、
    請求項１に記載の情報処理装置。
18. 前記出力制御部は、少なくとも前記応答情報に係る音声発話の出力表現を制御する、
    請求項１に記載の情報処理装置。
19. プロセッサが、ユーザに対する応答情報の出力を制御すること、
    を含み、
    前記制御することは、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御すること、
    をさらに含む、
    情報処理方法。
20. コンピュータを、
    ユーザに対する応答情報の出力を制御する出力制御部、
    を備え、
    前記出力制御部は、前記応答情報の生成に係る学習の学習進度に基づいて、前記応答情報の出力表現を制御する、
    情報処理装置、
    として機能させるためのプログラム。

Images