JP2018128575A - 話し終わり判定装置、話し終わり判定方法およびプログラム - Google Patents

Abstract

【課題】コストの増加を抑制しつつ、対話における発話が話し終わりの発話であるか否かを判定する。
【解決手段】本発明に係る話し終わり判定装置１０は、対話における話者の交代の有無に基づき、対話における発話が話し終わりの発話であるか否かを判定する判定部１１を備える。
【選択図】図１

Description

本発明は、複数の話者による対話における発話が、話者の話し終わりの発話であるか否かを判定する話し終わり判定装置、話し終わり判定方法およびプログラムに関する。

コールセンタや窓口などでの顧客と応対担当者との対話の中から、話者の話し終わり（話し終わりの発話）を検出することで、例えば、顧客が話し終えてから、顧客の発話をまとめてシステムで解析するといった処理が可能となる。

顧客と応対担当者との対話のような複数の話者による対話における発話が話し終わりの発話であるか否かを判定する方法として、対話における発話に話し終わりの発話であるか否かの情報が付与された学習データ（話し終わり学習データ）を用いる方法がある（非特許文献１参照）。この方法では、対話における発話に話し終わりの発話であるか否かの情報が付与された学習データが利用される。そして、その学習データを用いた機械学習により、対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデルが生成される。

R.-E. Fan, K.-W. Chang, C.-J. Hsieh, X.-R. Wang, and C.-J. Lin. LIBLINEAR: A library for large linear classification Journal of Machine Learning Research 9(2008), 1871-1874.

一般に、話し終わりの発話には、分野ごとに表現に違いがある。そのため、非特許文献１に開示されている方法では、ある分野の話し終わり学習データを用いて生成された話し終わり判定モデルを他の分野に適用した場合、話し終わりの発話であるか否かを高精度に判定することができないことがある。判定を行いたい分野毎に、話し終わり学習データを用意することも考えられるが、分野毎に話し終わり学習データを用意することは、コストの増加を招いてしまう。

上記のような問題点に鑑みてなされた本発明の目的は、コストの増加を抑制しつつ、対話における発話が話し終わりの発話であるか否かを判定することができる話し終わり判定装置、話し終わり判定方法およびプログラムを提供することにある。

上記課題を解決するため、本発明に係る話し終わり判定装置は、複数の話者による対話における発話が、話者の話し終わりの発話であるか否かを判定する話し終わり判定装置であって、対話における話者の交代の有無に基づき、前記対話における発話が話し終わりの発話であるか否かを判定する判定部を備える。

また、上記課題を解決するため、本発明に係る話し終わり判定方法は、複数の話者による対話における発話が、話者の話し終わりの発話であるか否かを判定する話し終わり判定方法であって、対話における発話の話者の交代の有無に基づき、前記対話における発話が話し終わりの発話であるか否かを判定するステップを含む。

また、上記課題を解決するため、本発明に係るプログラムは、コンピュータを上述した話し終わり判定装置として機能させる。

本発明に係る話し終わり判定装置、話し終わり判定方法およびプログラムによれば、コストの増加を抑制しつつ、対話における発話が話し終わりの発話であるか否かを判定することができる。

本発明の第１の実施形態に係る話し終わり判定装置の構成例を示すブロック図である。 本発明の第２の実施形態に係る話し終わり判定装置の構成例を示すブロック図である。 話し終わり判定モデルの生成について説明するための図である。 顧客と応対担当者との対話の一例を示す図である。 話し終わり学習データの構成例を示す図である。 話し終わり学習データの他の構成例を示す図である。 本発明の第３の実施形態に係る話し終わり判定装置の構成例を示すブロック図である。 顧客と応対担当者との対話の一例を示す図である。 図７に示す話し終わり判定モデルによる判定結果の一例を示す図である。 本発明の第４の実施形態に係る話し終わり判定装置の構成例を示すブロック図である。 図１０に示す判定部による話し終わりの発話の判定について説明するための図である。 図１０に示す学習データ生成部の動作について説明するための図である。 自然言語を入力とした機械学習について概念的に示す図である。 bag-of-wordsの具体例を示す図である。 従来の自然言語を入力とした機械学習の方法の問題点について説明するための図である。 本発明に係る自然言語を入力とした機械学習の方法について説明するための図である。

以下、本発明を実施するための形態について、図面を参照しながら説明する。

（第１の実施形態）
図１は、本発明の第１の実施形態に係る話し終わり判定装置１０の構成例を示すブロック図である。本実施形態に係る話し終わり判定装置１０は、顧客と応対担当者との対話のような複数の話者による対話における発話が、話者が伝えたい内容を話し終えた話し終わりの発話であるか否かを判定するものである。

なお、人間は常に伝えたい内容を整理してよどみなく話せるわけではなく、話の途中で考えたり、言い淀んだりする。そのため、発話者が話している途中に、音声が途切れる（無音区間が発生する）ことがある。発話とは、話者の話をこのような音声の途切れなどで区切ったものである。

図１に示す話し終わり判定装置１０は、判定部１１を備える。

判定部１１は、複数の話者による対話（顧客と応対担当者との対話）の対話構造に基づき、対話における発話が話し終わりの発話であるか否かを判定する。具体的には、判定部１１は、対話において話者が交代する話者交代の有無を検出し、話者交代の直前の発話を話し終わりの発話であると判定する。

一般に、顧客と応対担当者との対話などにおいては、例えば、顧客が問い合わせたい内容を話し終えた後、応対担当者がその問い合わせに対する回答を行い、応対担当者が回答を話し終えた後、顧客が更に問い合わせを行うといった対話構造が多い。すなわち、話者交代が起こると、その直前の発話は話者交代が起こる前の話者の話し終わりの発話であることが多いという傾向がある。判定部１１は、この傾向に基づき、対話における発話が話し終わりの発話であるか否かを判定する。

なお、判定部１１は、対話における発話のうち、「あー」、「えーと」、「はい」などの対話の内容に関係しないフィラーのみの発話を取り除いた上で、話者交代が起こったか否かを判定する。フィラーのみの発話は、顧客が話している最中の応対担当者の相槌などである可能性が高く、このような発話を話者交代が起こったか否かの判定に含めると、話し終わりでないにも関わらず、話者交代が起こったと判定されてしまうことがある。そこで、本実施形態においては、フィラーのみの発話を取り除いた上で、話者交代が起こったか否かを判定する。

このように本実施形態においては、話し終わり判定装置１０は、対話における話者の交代の有無に基づき、対話における発話が話者の話し終わりの発話であるか否かを判定する判定部１１を備える。

話者交代の直前の発話が話し終わりの発話であるという対話構造は、対話が行われている分野に関わらず、よく見られる。この対話構造を用いて対話における発話が話し終わりの発話であるか否かを判定することで、判定を行いたい分野毎に、話し終わり学習データを用意するといったコストの増加を招くことなく、対話における発話が話し終わりの発話であるか否かを判定することができる。

（第２の実施形態）
図２は、本発明の第２の実施形態に係る話し終わり判定装置１０Ａの構成例を示す図である。本実施形態に係る話し終わり判定装置１０Ａは、顧客と応対担当者との対話のような複数の話者による対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデルを生成するための話し終わり学習データを生成するものである。なお、図２において、図１と同様の構成については同じ符号を付し、説明を省略する。

図２に示す話し終わり判定装置１０Ａは、図１に示す話し終わり判定装置１０と比較して、学習データ生成部１２を追加した点が異なる。

学習データ生成部１２は、対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデルを機械学習により生成するための話し終わり学習データ１３を、判定部１１の判定結果に基づき生成する。生成された話し終わり学習データ１３は、例えば、図３に示すように、判定モデル生成部１４に入力され、判定モデル生成部１４による機械学習により、対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデル１５が生成される。この話し終わり判定モデル１５により、例えば、コールセンターにおける顧客と応対担当者との対話における発話が話し終わりの発話であるか否かが判定される。なお、話し終わり判定モデル１５および判定モデル生成部１４は、話し終わり判定装置１０Ａが備えていてもよいし、話し終わり判定装置１０Ａとは別の外部装置が備えていてもよい。

図４は、顧客と応対担当者との対話の一例を示す図である。

図４に示す例では、顧客は、「あの、ちょっと伺いたいのですが」という発話＃１に続いて、「インターネットでの購入ですけども」という発話＃２を行っている。顧客の発話＃１，＃２を受けて、応対担当者は、顧客の発話に対する相槌として「はい」という発話＃３を行っている。

顧客は、応対担当者の発話＃３に続いて、「配送料はどうなりますか」という発話＃４を行っている。顧客の発話＃１，＃２，＃４は、インターネットでの購入の際の配送料について問い合わせる内容であり、発話＃４で問い合わせが終わっている。したがって、顧客の発話＃４は話し終わりの発話に相当する。

応対担当者は、顧客の発話＃４を受けて、「現在、インターネットでの配送料は無料です」という、顧客の問い合わせに対して回答する発話＃５を行っている。応対担当者の発話＃５により、顧客の問い合わせに対する回答が終わっている。したがって、応対担当者の発話＃５は話し終わりの発話に相当する。

図４に示す顧客と応対担当者との対話を例として、話し終わり判定モデル１５を生成するための話し終わり学習データ１３について図５を参照して説明する。

上述したように、対話の中にフィラーのみの発話が含まれると、実際には話者が話し終わっていないにも関わらず、話者交代が起こったと判定されることがある。そこで、話し終わり学習データ１３においては、フィラーのみの発話は取り除かれる。そのため、話し終わり学習データ１３としては、図５に示すように、応対担当者によるフィラー（「はい」）のみの発話＃３を除いた発話＃１，＃２，＃４，＃５が抽出される。そして、各発話に対して話し終わりの発話であるか否かを示す情報（話し終わりフラグ）が付与される。図５に示す例では、話し終わりフラグが「０」である場合には話し終わりの発話ではなく、話し終わりフラグが「１」である場合には話し終わりの発話であることを示す。したがって、話し終わりの発話である発話＃４，＃５の話し終わりフラグに「１」が設定され、他の発話＃１，＃２の話し終わりフラグに「０」が設定される。このように、話し終わり学習データ１３は、顧客や応対担当者の発話と、その発話が話し終わりの発話であるか否かを示す情報とが対応付けられたデータである。

なお、図５においては、フィラーのみの発話を取り除く例を説明したが、これに限られるものではない。例えば、フィラーのみの発話以外の発話にフィラーが含まれている場合には、そのフィラーは取り除いてもよいし、そのフィラーはそのままでもよい。

また、図５においては、発話毎に話し終わりフラグを設定する例を用いて説明したが、これに限られるものではなく、話し終わりまでの発話を順次つなげた発話に話し終わりフラグを設定してもよい。

例えば、図６に示すように、発話＃１は話し終わりの発話ではないため、発話＃１の話し終わりフラグに「０」が設定される。次に、顧客の発話＃１と、発話＃１に続く顧客の発話＃２とをつなげた発話が、話し終わり学習データ１３に追加される。発話＃２は話し終わりの発話ではないため、発話＃１と発話＃２とをつなげた発話は話し終わりの発話ではない。そのため、発話＃１と発話＃２とをつなげた発話の話し終わりフラグに「０」が設定される。

次に、顧客の発話＃１と、発話＃１に続く発話＃２と、発話＃２に続く顧客の発話＃４（フィラーのみの発話＃３を除く）とをつなげた発話が話し終わり学習データ１３に追加される。発話＃４は話し終わりの発話であるため、発話＃１と発話＃２と発話＃４とをつなげた発話は話し終わりの発話である。そのため、発話＃１と発話＃２と発話＃４をつなげた発話の話し終わりフラグに「１」が設定される。このように、話し終わりまでの発話を順次つなげた発話と、その発話の話し終わりフラグとを話し終わり学習データ１３に追加してもよい。

図５，６に示すような話し終わり学習データ１３は、顧客と応対担当者との対話から手動により生成することができる。ただし、このような話し終わり学習データ１３を、話し終わり判定を行いたい分野毎に生成するのはコストがかかってしまう。

そこで、本実施形態においては、対話構造から対話における発話が話し終わりの発話であるか否かを判定し、その判定結果を話し終わり学習データ１３として用いる。こうすることで、話し終わり判定を行いたい分野の対話から自動的に話し終わり学習データ１３を生成することができる。そして、生成した話し終わり学習データ１３を用いて話し終わり判定モデル１５を生成することで、コストの増加を抑制しつつ、対話における発話が話し終わりの発話であるか否かを判定することができる。

（第３の実施形態）
図７は、本発明の第３の実施形態に係る話し終わり判定装置１０Ｂの構成例を示す図である。なお、図７において、図２，３と同様の構成については同じ符号を付し、説明を省略する。

図７に示す話し終わり判定装置１０Ｂは、図２に示す話し終わり判定装置１０Ａと比較して、判定モデル生成部１４および話し終わり判定モデル１５を追加した点が異なる。すなわち、本実施形態においては、話し終わり判定装置１０Ｂは、対話構造を用いた話し終わりか否かの判定結果から話し終わり学習データ１３を生成し、生成した話し終わり学習データ１３を用いて話し終わり判定モデル１５を生成する。そして、話し終わり判定モデル１５による、対話における発話が話し終わりの発話であるか否かの判定結果を出力する。

次に、本実施形態に係る話し終わり判定装置１０Ｂの動作について、より詳細に説明する。

事前処理として、対話における発話に話し終わりフラグが付与された話し終わり学習データ１３を用いた機械学習により、対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデル１５が生成される。なお、事前処理で用いる話し終わり学習データ１３は、例えば、手動により話し終わりフラグが付与されたデータ、前述した対話構造を利用した判定により話し終わりフラグが付与されたデータなどを用いることができる。

機械学習の手法は、学習データに基づき適切なモデルを生成することできれば、特に限定されることはなく、ディープラーニング、サポートベクタマシンなどの種々の手法を用いることができる。話し終わりの発話であるか否かの判定に利用する情報（素性）についても特に限定されることはなく、正しい判定が可能となるように種々のものを用いることができる。

次に、オンライン処理（発話に応じたリアルタイム処理）として、話し終わり判定装置１０Ａに対して、顧客と応対担当者との対話の音声データ（対話データ）が入力され、話し終わり判定モデル１５を用いて、その対話データが示す対話における発話が話し終わりの発話であるか否かが判定される。

以下では、対話データとして、図８に示すような、顧客と応対担当者との対話データが入力されたとする。なお、話し終わり判定装置１０Ａには、顧客の発話と応対担当者の発話とが異なるチャンネル（２チャンネル）で入力される。

図８に示す例では、顧客は、「えーと、あんまり詳しくないので」という発話＃１１の後、「どれがいいかよくわからないんですけど」という発話＃１２を行っている。

応対担当者は、顧客の発話＃１２の後、顧客の発話に対する相槌として、「はい」というフィラーのみの発話＃１３を行っている。顧客は、応対担当者の発話＃１３の後、「どの商品がおすすめですか」という発話を行っている。おすすめの商品に問い合わせる顧客の発話が終わったので、応対担当者は、おすすめの商品を挙げる発話＃１５を行っている。

話し終わり判定モデル１５は、このような対話において、図９に示すように、顧客の発話＃１１は話し終わりの発話ではないと判定し、顧客の発話＃１２，＃１４は話し終わりの発話であると判定したとする。話し終わり判定装置１０Ｂは、この話し終わり判定モデル１５の判定結果を出力する。

なお、本実施形態においては、話し終わり判定装置１０Ｂが学習データ生成部１２や判定モデル生成部１４を備える例を用いて説明したが、これに限られるものではなく、話し終わり判定装置１０Ｂとは別の外部装置が、学習データ生成部１２や判定モデル生成部１４を備えていてよい。この場合、話し終わり判定装置１０Ｂは、外部装置により生成された話し終わり判定モデル１５を取得し、取得した話し終わり判定モデル１５の判定結果を出力する。

（第４の実施形態）
図１０は、本発明の第４の実施形態に係る話し終わり判定装置１０Ｃの構成例を示す図である。なお、図１０において、図７と同様の構成については同じ符号を付し、説明を省略する。

図１０に示す話し終わり判定装置１０Ｃは、図７に示す話し終わり判定装置１０Ｂと比較して、学習データ生成部１２を学習データ生成部１２Ｃに変更した点が異なる。

学習データ生成部１２Ｃは、判定部１１の判定結果と話し終わり判定モデル１５の判定結果とが入力され、これらの判定結果に基づき話し終わり学習データ１３を生成する。

次に、本実施形態に係る話し終わり判定装置１０Ｃの動作について説明する。本実施形態に係る話し終わり判定装置１０Ｃにおいても、第３の実施形態に係る話し終わり判定装置１０Ｂと同様に事前処理およびオンライン処理が行われる。

次に、事後処理として、判定部１１は、対話構造に基づき、入力された対話データが示す対話における発話が話し終わりの発話であるか否かを判定する。

まず、判定部１１は、対話における発話のうち、フィラーのみの発話（発話＃１３）を取り除く。そして、判定部１１は、各発話に対し、その発話の後に続く発話との間で話者交代が起こったか否かを判定する。なお、上述したように、顧客の発話と応対担当者の発話とが異なるチャンネルで入力される。判定部１１は、各チャンネルの入力を監視することで、話者交代が起こったか否かを判定することができる。そして、判定部１１は、話者交代が起こったと判定すると、話者交代の直前の発話を話し終わりの発話であると判定し、話者交代が起こっていないと判定すると、その直前の発話を話し終わりの発話でないと判定する。

図１１に示すように、発話＃１１と発話＃１１に続く発話＃１２との間では、発話は顧客のままであり、話者交代は起こっていない。また、発話＃１２と発話＃１２に続く発話＃１４（フィラーのみの発話＃３は除く）との間では、発話は顧客のままであり、話者交代は起こっていない。また、発話＃１４と発話＃１４に続く発話＃１５との間では、発話は顧客から応対担当者に交代しており、話者交代が起こっている。そのため、判定部１１は、図８に示すように、顧客の発話＃１１，＃１２を話し終わりの発話でないと判定し、顧客の発話＃１４を話し終わりの発話であると判定する。

学習データ生成部１２Ｃは、話し終わり判定モデル１５による判定結果と、判定部１１による判定結果とを比較する。そして、学習データ生成部１２Ｃは、図１２に示すように、話し終わり判定モデル１５による判定結果と、判定部１１による判定結果とが一致する発話を話し終わり学習データ１３に追加する。

図１２に示す例では、話し終わり判定モデル１５と判定部１１とで、発話＃１１の判定結果（話し終わりの発話でない）および発話＃１４の判定結果（話し終わりの発話である）が一致している。学習データ生成部１２Ｃは、発話＃１１，＃１４とその判定結果とを話し終わり学習データ１３として追加する。話し終わり判定モデル１５と判定部１１とで判定結果が一致している場合、その判定結果の信頼性は高いと考えられる。そのため、話し終わり判定モデル１５と判定部１１とで一致する判定結果を話し終わり学習データ１３とすることで、その話し終わり学習データ１３を用いた機械学習により、話し終わり判定モデル１５の信頼性の向上を図ることができる。

なお、学習データ生成部１２Ｃは、話し終わり判定モデル１５による判定結果と、判定部１１による判定結果とを比較することなく、判定部１１による判定結果を話し終わり学習データ１３に追加してもよい。

このように本実施形態においては、話し終わり判定装置１０Ｃは、対話における発話が話し終わりの発話であるか否かが、判定部１１と話し終わり判定モデル１５とで一致する判定結果を、話し終わり学習データ１３に追加する学習データ生成部１２Ｃを備える。

話し終わり判定モデル１５と判定部１１とで一致する判定結果を話し終わり学習データ１３とすることで、その話し終わり学習データ１３を用いた機械学習により、話し終わり判定モデル１５の信頼性の向上を図ることができる。

なお、上述したように、話し終わり学習データ１３は、発話単位ではなく、連続する複数の発話をまとめた（蓄積した）単位で生成してもよい。例えば、１つの発話が話し終わりの発話でない場合、その発話に話し終わりフラグを付与するとともに、その発話と次の発話とをつなげた発話に対しても話し終わりフラグを付与して、話し終わり学習データ１３を生成してもよい。この場合、話し終わりの発話であると判定されるまで、発話が順次つなげられる。そして、話し終わりの発話であると判定されると、発話の蓄積がリセットされ、話し終わりの発話であると判定された発話の次の発話について、話し終わりの発話であるか否かが判定される。

また、顧客と応対担当者との対話は、音声認識処理によりテキスト化した上で、話し終わり判定モデル１５での処理が行われる。ここで、音声認識処理においては、誤りが発生することがある。そこで、発話に含まれる単語の音声認識処理による認識結果として複数の候補を用意するＮ−ｂｅｓｔ法を用いた処理を行ってもよい。

図１３は、自然言語を入力とした機械学習について概念的に示す図である。

自然言語を入力とする機械学習では、機械学習（サポートベクターマシン（ＳＶＭ））の入力に合わせた数値ベクトル化を行うために、入力テキストに対する素性計算が行われる。すなわち、学習時や判定時に、入力テキストに対して、機械学習の入力に合わせた数値ベクトル化を行う必要がある。このような素性計算としては、例えば、文章に単語が含まれているかどうかのみを考慮し、単語の並び方などは考慮しないモデル（bag-of-words）が用いられるのが一般的である。

図１４は、bag-of-wordsの具体例を示す図である。

bag-of-wordsでは、文章に単語が含まれていれば、その単語に対応する数値を１とし、文章に単語が含まれているか否かを表現する入力ベクトルが計算される。入力テキストが「インターネットで定期預金の解約はできますか」であるとすると、入力テキストに対して形態素解析が行われる。

具体的には、図１４に示すように、大量のテキストの形態素解析により、テキストに出現する単語をカバーするようにリスト化され、各単語に単語番号が割り当てられた単語リストが事前に生成される。そして、単語リストに含まれる単語のうち、入力テキストに出現する単語の単語番号に対応する入力ベクトルの値が「１」となり。入力テキストに出現しない単語の単語番号に対応する入力ベクトルの値が「０」となる。

なお、形態素解析の代わりに、品詞を用いるbag-of-posなどの素性計算方法、bag-of-wordsとbag-of-posとを組み合わせた素性計算も用いてもよい。

話し終わり判定モデル１５での処理のために、対話の音声を音声認識処理によりテキスト化した音声認識結果テキストを形態素解析し、形態素解析の結果からbag-of-wordsなどで素性計算を行うことが考えられる。

ここで、音声認識処理に誤りが生じたとする。例えば、「インターネットで定期預金の解約はできますか」という音声に対して、図１５に示すように、「インターネットで敵よ金の害はできますか」と誤った音声認識が行われたとする。このような誤った音声認識結果テキストに対して形態素解析が行われ、入力ベクトルが計算されると、誤りが蓄積され、正しい入力音声を反映した素性計算を行うことができない。

このように、音声認識結果を機械学習の入力とする従来方法では、誤った形態素単位となりやすいという問題がある。このような問題が生じる原因としては、音声認識処理に用いられる音声認識辞書と、形態素解析に用いられる形態素解析辞書とが異なる場合が多く、これらの辞書に登録される単語の違いにより不整合が生じることがある。また、別の原因としては、形態素解析は、人が読める正常な文章を対象にしているため、音声認識結果テキストの誤りにより、誤った形態素解析が行われることがある。

また、音声認識結果を機械学習の入力とする従来方法では、音声認識処理に誤りが生じると、その誤りを含んだまま素性計算を行うため、正しい入力音声を反映する素性にならないという問題がある。

そこで、本発明においては、図１６に示すように、音声認識処理の結果得られる、Ｎ位候補の単語系列（Ｎ−ｂｅｓｔ結果）を、機械学習での素性計算（bag-of-wordsなど）に用いる。

音声認識処理では、音声認識辞書に登録されている登録（品詞情報なども含む）の組み合わせの中で、最も入力音声に近い単語列を探索するという処理が行われる。そのため、音声認識処理の結果として、単語（品詞情報なども含む）の列を得ることができる。また、入力音声への近さの順に、１位候補以外のＮ位候補までを得ることができる。そのため、仮に、１位候補が誤りであっても、Ｎ位候補内に正しい単語が含まれる可能性が高くなる。

このように本発明においては、形態素解析処理を行わず、音声認識処理の結果得られる、Ｎ位候補の単語系列を用いる。そのため、形態素解析による誤りが生じず、誤りも含めた音声認識処理の結果がそのまま素性に反映される。また、形態素解析を行わないため、処理量の削減を図ることができる。また、形態素解析を行わないため、形態素解析辞書を用意する必要がない。また、Ｎ位候補までの音声認識結果を素性に反映させるため、１位候補に音声認識誤りが生じても、Ｎ位候補内に正しい単語が含まれている可能性が高く、それらを素性計算に反映することができる。

実施形態では特に触れていないが、話し終わり判定装置１０として機能するコンピュータが行う各処理を実行するためのプログラムが提供されてもよい。また、プログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記録媒体であってもよい。

上述の実施形態は代表的な例として説明したが、本発明の趣旨および範囲内で、多くの変更および置換が可能であることは当業者に明らかである。したがって、本発明は、上述の実施形態によって制限するものと解するべきではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。例えば、実施形態の構成図に記載の複数の構成ブロックを１つに組み合わせたり、あるいは１つの構成ブロックを分割したりすることが可能である。

１０，１０Ａ，１０Ｂ，１０Ｃ 話し終わり判定装置
１１ 判定部
１２，１２Ｃ 学習データ生成部
１３ 話し終わり学習データ
１４ 判定モデル生成部
１５ 話し終わり判定モデル

Claims (8)

1. 複数の話者による対話における発話が、話者の話し終わりの発話であるか否かを判定する話し終わり判定装置であって、
   対話における話者の交代の有無に基づき、前記対話における発話が話し終わりの発話であるか否かを判定する判定部を備えることを特徴とする話し終わり判定装置。
2. 請求項１に記載の話し終わり判定装置において、
   対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデルの機械学習に用いる学習データを、前記判定部の判定結果に基づき生成する学習データ生成部をさらに備えることを特徴とする話し終わり判定装置。
3. 請求項２に記載の話し終わり判定装置において、
   前記学習データ生成部は、対話における発話が話し終わりの発話であるか否かが、前記判定部と前記話し終わり判定モデルとで一致する判定結果を、前記学習データに追加することを特徴とする話し終わり判定装置。
4. 請求項２または３に記載の話し終わり判定装置において、
   前記話し終わり判定モデルを用いて、前記対話における発話が話者の話し終わりの発話であるか否かを判定し、判定結果を出力することを特徴とする話し終わり判定装置。
5. 複数の話者による対話における発話が、話者の話し終わりの発話であるか否かを判定する話し終わり判定装置における話し終わり判定方法であって、
   対話における発話の話者の交代の有無に基づき、前記対話における発話が話し終わりの発話であるか否かを判定するステップを含むことを特徴とする話し終わり判定方法。
6. 請求項５に記載の話し終わり判定方法において、
   対話における発話が話し終わりの発話であるか否かを判定する話し終わり判定モデルの機械学習に用いる学習データを、前記判定の結果に基づき生成するステップをさらに含むことを特徴とする話し終わり判定方法。
7. 請求項６に記載の話し終わり判定方法において、
   対話における発話が話し終わりの発話であるか否かが、前記話者の交代の有無に基づく判定と前記話し終わり判定モデルとで一致する判定結果を、前記学習データに追加することを特徴とする話し終わり判定方法。
8. コンピュータを請求項１から４のいずれか一項に記載の話し終わり判定装置として機能させるためのプログラム。

Images