知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025031496
(43)【公開日】2025-03-07
(54)【発明の名称】対話システム、対話方法及び対話プログラム
(51)【国際特許分類】
G06F 40/279 20200101AFI20250228BHJP
G06F 40/216 20200101ALI20250228BHJP
G06F 40/56 20200101ALI20250228BHJP
G06F 16/90 20190101ALI20250228BHJP
【ＦＩ】
G06F40/279
G06F40/216
G06F40/56
G06F16/90 100
【審査請求】未請求
【請求項の数】15
【出願形態】ＯＬ
(21)【出願番号】P 2024047636
(22)【出願日】2024-03-25
(31)【優先権主張番号】P 2023134388
(32)【優先日】2023-08-22
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】521077624
【氏名又は名称】株式会社ＩＶＲｙ
(74)【代理人】
【識別番号】110004093
【氏名又は名称】弁理士法人アクセル特許事務所
(72)【発明者】
【氏名】奥西亮賀
(72)【発明者】
【氏名】神山拓也
(72)【発明者】
【氏名】花木健太郎
(72)【発明者】
【氏名】町田雄一郎
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175EA01
5B175GC03
(57)【要約】
【課題】 対話システムが誤った情報を出力することを抑制する。
【解決手段】
一実施形態に係る対話システムは、推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、前記第１テキスト及び前記第２テキストを出力する出力部と、を備える。
【選択図】図１１
【解決手段】
一実施形態に係る対話システムは、推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、前記第１テキスト及び前記第２テキストを出力する出力部と、を備える。
【選択図】図１１
【特許請求の範囲】
【請求項1】
推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、
前記第１テキスト及び前記第２テキストを出力する出力部と、
を備える対話システム。
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、
前記第１テキスト及び前記第２テキストを出力する出力部と、
を備える対話システム。
【請求項2】
前記第１テキストは、予め設定された第１応答ルールに従って生成される
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項3】
前記第２テキストは、予め設定された第２応答ルールに従って生成される
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項4】
前記回答情報は、予め設定される
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項5】
前記推定モデルは、自然言語処理モデルである
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項6】
前記抽出モデルは、自然言語処理モデルである
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項7】
音声情報をテキスト情報に変換するテキスト変換部を更に備える
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項8】
前記手続きは、予約、注文、購入、申請又はこれらの変更若しくはキャンセルである
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項9】
前記手続きは、１又は複数のスロット情報を予め設定される
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項10】
前記出力部は、前記第１テキスト及び第２テキストに対応する音声情報を出力する
【請求項11】
前記出力部は、前記第１テキスト及び第２テキストに対応するテキスト情報を出力する
【請求項12】
前記手続きを実行する手続き部を更に備える
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項13】
前記手続き部が実行した手続きの内容を通知する通知部を更に備える
請求項１に記載の対話システム。
請求項１に記載の対話システム。
【請求項14】
対話システムが実行する対話方法であって、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法。
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法。
【請求項15】
対話システムに、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法を実行させる対話プログラム。
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法を実行させる対話プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、対話システム、対話方法及び対話プログラムに関する。
【背景技術】
【0002】
近年、自然言語処理（Natural Language Processing）モデルの一種である大規模言語モデル（Large Language Models）を利用した対話システムが実用化されている。例えば、引用文献１には、電子装置において遂行される応答生成方法であって、少なくとも１つの発話（ｕｔｔｅｒａｎｃｅ）データを獲得する段階と、コンテキスト候補セットから前記発話データに対応する第１コンテキストを獲得する段階と、前記第１コンテキストおよび前記発話データを含む１つ以上の対話（ｄｉａｌｏｇｕｅ）セットを生成する段階と、ユーザーから第２コンテキストを受信する段階と、前記１つ以上の対話セットに基づいて、言語モデルを使用して前記第２コンテキストに対応する応答を獲得する段階と、を含む、応答生成方法が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２３－７３２２０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記従来技術では、ユーザへの応答が言語モデルにより生成される。しかしながら、言語モデルは、誤った情報を出力する場合があるため、予約システムなどの、手続きを自動化するための対話システムでの利用は困難であった。
【0005】
本発明は、上記の課題を鑑みてなされたものであり、対話システムが誤った情報を出力することを抑制することを目的とする。
【課題を解決するための手段】
【0006】
一実施形態に係る対話システムは、推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、前記第１テキスト及び前記第２テキストを出力する出力部と、を備える。
【発明の効果】
【0007】
一実施形態によれば、対話システムが誤った情報を出力することを抑制することができる。
【図面の簡単な説明】
【0008】
【図1】対話システム１０００の構成の一例を示す図である。
【図2】対話装置１のハードウェア構成の一例を示す図である。
【図3】ユーザ端末２のハードウェア構成の一例を示す図である。
【図4】対話装置１の機能構成の一例を示す図である。
【図5】手続き情報１２４の一例を示す図である。
【図6】対象者情報の一例を示す図である。
【図7】Ｑ＆Ａ情報の一例を示す図である。
【図8】対話システム１０００が実行する処理の一例を示すフローチャートである。
【図9】第１テキストの生成方法の一例を示すフローチャートである。
【図10】第２テキストの生成方法の一例を示すフローチャートである。
【図11】対話の具体例を示す模式図である。
【図12】手続き情報１２４’の一例を示す図である。
【発明を実施するための形態】
【0009】
以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、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した説明を省略する。
【0010】
＜システム構成＞
まず、本実施形態に係る対話システム１０００の概要について説明する。対話システム１０００は、自然言語処理モデルを利用して、ユーザとの対話を自動で行うシステムである。対話システム１０００は、ユーザがテキストチャット、ボイスチャット又は通話（電話）で対象者に対して手続きを実行するための対話システムとして利用できる。チャットはテキスト入力であっても音声入力であってもよい。
まず、本実施形態に係る対話システム１０００の概要について説明する。対話システム１０００は、自然言語処理モデルを利用して、ユーザとの対話を自動で行うシステムである。対話システム１０００は、ユーザがテキストチャット、ボイスチャット又は通話（電話）で対象者に対して手続きを実行するための対話システムとして利用できる。チャットはテキスト入力であっても音声入力であってもよい。
【0011】
ユーザとは、対話システム１０００の利用者であり、手続きを行う者である。
【0012】
対象者とは、ユーザからの手続きを受け付ける者である。対象者は、例えば、サービス提供者（宿泊施設、飲食店など）、商品又はサービスの販売者（商店など）、公共機関、行政機関又はこれらから手続きの受付の代行を受けたものであるが、これに限られない。
【0013】
手続きとは、ユーザが対象者に対して実行することである。手続きは、例えば、予約、注文、購入、申請又はこれらの変更若しくはキャンセルであるが、これに限られない。
【0014】
図１は、対話システム１０００の構成の一例を示す図である。図１に示すように、対話システム１０００は、ネットワークＮを介して相互に通信可能に接続された、対話装置１と、ユーザ端末２と、を備える。ネットワークＮは、例えば、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、インターネット、公衆回線網、モバイルデータ通信網、又はこれらの組み合わせである。図１の例では、対話システム１０００は、対話装置１及びユーザ端末２をそれぞれ１つずつ備えるが、それぞれ複数備えてもよい。
【0015】
対話装置１は、ユーザからの入力に対して自動で応答する情報処理装置である。対話装置１は、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレット端末、サーバ装置、又はマイクロコンピュータであるが、これに限られない。図１の例では、対話装置１は、１の情報処理装置であるが、ネットワークＮを介して接続された複数の情報処理装置からなるシステムとして実現されてもよい。
【0016】
ユーザ端末２は、ユーザが手続きを実行するための情報処理装置である。ユーザ端末２は、例えば、ＰＣ、スマートフォン又はタブレット端末であるが、これに限られない。ユーザは、ユーザ端末２を介して、手続きのための入力を行う。ユーザの入力は、例えば、音声、テキスト又はボタン操作であるが、これに限られない。
【0017】
＜対話装置１のハードウェア構成＞
次に、対話装置１のハードウェア構成について説明する。図２は、対話装置１のハードウェア構成の一例を示す図である。図２に示すように、対話装置１は、バスＢ１を介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入力装置１０５と、出力装置１０６と、ドライブ装置１０７と、を備える。
次に、対話装置１のハードウェア構成について説明する。図２は、対話装置１のハードウェア構成の一例を示す図である。図２に示すように、対話装置１は、バスＢ１を介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入力装置１０５と、出力装置１０６と、ドライブ装置１０７と、を備える。
【0018】
プロセッサ１０１は、ストレージ１０３に記憶されたＯＳ（Operating System）及び対話プログラムを含む各種のプログラムをメモリ１０２に展開して実行することにより、対話装置１の各構成を制御し、対話装置１の機能を実現する。プロセッサ１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）又はＤＳＰ（Digital Signal Processor）であるが、これに限られない。
【0019】
メモリ１０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ（Dynamic RAM）又はＳＲＡＭ（Static RAM）であるが、これに限られない。
【0020】
ストレージ１０３は、ＯＳ及び対話プログラムを含む各種のプログラム及びデータを記憶する。ストレージ１０３は、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）又はＳＣＭ（Storage Class Memories）であるが、これに限られない。
【0021】
通信Ｉ／Ｆ１０４は、対話装置１を、ネットワークＮを介して外部装置に接続し、通信を制御するためのインタフェースである。通信Ｉ／Ｆ１０４は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）又はＥｔｈｅｒｎｅｔ（登録商標）であるが、これに限られない。
【0022】
入力装置１０５は、対話装置１に情報を入力するための装置である。入力装置１０５は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、撮影装置（カメラ）、各種センサ又は操作ボタンであるが、これに限られない。
【0023】
出力装置１０６は、対話装置１から情報を出力するための装置である。出力装置１０６は、例えば、表示装置（ディスプレイ）、プロジェクタ、プリンタ、スピーカ又はバイブレータであるが、これに限られない。
【0024】
ドライブ装置１０７は、記録メディア１０８のデータを読み書きする装置である。ドライブ装置１０７は、例えば、磁気ディスクドライブ、光学ディスクドライブ、光磁気ディスクドライブ又はＳＤカードリーダであるが、これに限られない。記録メディア１０８は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＦＤ（Floppy Disk）、ＭＯ（Magneto-Optical disk）、ＢＤ（Blu-ray（登録商標） Disc）、ＵＳＢ（登録商標）メモリ又はＳＤカードであるが、これに限られない。
【0025】
なお、本実施形態において、対話プログラムは、対話装置１の製造段階でメモリ１０２又はストレージ１０３に書き込まれてもよいし、ネットワークＮを介して対話装置１に提供されてもよいし、記録メディア１０８などの非一時的でコンピュータ読み取り可能な記録媒体を介して対話装置１に提供されてもよい。
【0026】
＜ユーザ端末２のハードウェア構成＞
次に、ユーザ端末２のハードウェア構成について説明する。図３は、ユーザ端末２のハードウェア構成の一例を示す図である。図３に示すように、ユーザ端末２は、バスＢ２を介して相互に接続された、プロセッサ２０１と、メモリ２０２と、ストレージ２０３と、通信Ｉ／Ｆ２０４と、入力装置２０５と、出力装置２０６と、を備える。
次に、ユーザ端末２のハードウェア構成について説明する。図３は、ユーザ端末２のハードウェア構成の一例を示す図である。図３に示すように、ユーザ端末２は、バスＢ２を介して相互に接続された、プロセッサ２０１と、メモリ２０２と、ストレージ２０３と、通信Ｉ／Ｆ２０４と、入力装置２０５と、出力装置２０６と、を備える。
【0027】
プロセッサ２０１は、ストレージ２０３に記憶されたＯＳ及び対話プログラムを含む各種のプログラムをメモリ２０２に展開して実行することにより、ユーザ端末２の各構成を制御し、ユーザ端末２の機能を実現する。プロセッサ２０１は、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ、ＡＳＩＣ又はＤＳＰであるが、これに限られない。
【0028】
メモリ２０２は、例えば、ＲＯＭ、ＲＡＭ、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ又はＳＲＡＭであるが、これに限られない。
【0029】
ストレージ２０３は、ＯＳ及び対話プログラムを含む各種のプログラム及びデータを記憶する。ストレージ２０３は、例えば、フラッシュメモリ、ＨＤＤ、ＳＳＤ又はＳＣＭであるが、これに限られない。
【0030】
通信Ｉ／Ｆ２０４は、ユーザ端末２を、ネットワークＮを介して外部装置に接続し、通信を制御するためのインタフェースである。通信Ｉ／Ｆ２０４は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）又はＥｔｈｅｒｎｅｔ（登録商標）であるが、これに限られない。
【0031】
入力装置２０５は、ユーザ端末２に情報を入力するための装置である。入力装置２０５は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、撮影装置（カメラ）、各種センサ又は操作ボタンであるが、これに限られない。
【0032】
出力装置２０６は、ユーザ端末２から情報を出力するための装置である。出力装置２０６は、例えば、表示装置（ディスプレイ）、プロジェクタ、プリンタ、スピーカ又はバイブレータであるが、これに限られない。
【0033】
なお、本実施形態において、対話プログラムは、ユーザ端末２の製造段階でメモリ２０２又はストレージ２０３に書き込まれてもよいし、ネットワークＮを介してユーザ端末２に提供されてもよいし、記録メディア２０８などの非一時的でコンピュータ読み取り可能な記録媒体を介してユーザ端末２に提供されてもよい。
【0034】
＜対話装置１の機能構成＞
次に、対話装置１の機能構成について説明する。図４は、対話装置１の機能構成の一例を示す図である。図４に示すように、対話装置１は、通信部１１と、記憶部１２と、制御部１３と、を備える。
次に、対話装置１の機能構成について説明する。図４は、対話装置１の機能構成の一例を示す図である。図４に示すように、対話装置１は、通信部１１と、記憶部１２と、制御部１３と、を備える。
【0035】
通信部１１は、通信Ｉ／Ｆ１０４により実現される。通信部１１は、ネットワークＮを介して、ユーザ端末２との間で情報の送受信を行う。通信部１１は、ユーザ端末２から入力を受信し、ユーザ端末２に応答を送信する。
【0036】
記憶部１２は、メモリ１０２及びストレージ１０３により実現される。記憶部１２は、音声情報１２１と、テキスト情報１２２と、推定モデル１２３と、手続き情報１２４と、抽出モデル１２５と、対象者情報１２６と、Ｑ＆Ａ情報１２７と、第１応答ルール１２８と、第２応答ルール１２９と、手続き内容情報１３０と、を記憶する。
【0037】
音声情報１２１は、ユーザが発話した音声の情報である。
【0038】
テキスト情報１２２は、ユーザが入力したテキストを示す情報又は音声情報１２１をテキストに変換した情報である。
【0039】
推定モデル１２３は、テキスト情報１２２からユーザの意図（コンテキスト）を推定する自然言語処理モデルである。推定モデル１２３は、例えば、大規模言語モデルであるが、これに限られない。推定モデル１２３は、テキスト情報１２２を入力されると、予め設定された１又は複数の意図の中から、入力されたテキスト情報１２２に対応する意図を出力するように学習される。推定モデル１２３は、例えば、テキスト情報１２２と意図の関係を学習してファインチューニングされたＧＰＴ（Generative Pretrained Transformer）であるが、これに限られない。
【0040】
意図は、テキスト情報１２２が示すテキストの目的、すなわち、発話又はテキストを入力したユーザの目的に相当する。意図は、例えば、手続き、質問、肯定又は否定であるが、これに限られない。手続きは、例えば、予約、注文、購入、申請又はこれらの変更若しくはキャンセルであるが、これに限られない。質問は、営業時間、金額、期限、人数、空席状況、キャンセル条件又は予約の可否に関する質問であるが、これに限られない。
【0041】
なお、推定モデル１２３は、音声情報１２１からユーザの意図を推定する自然言語処理モデルであってもよい。この場合、推定モデル１２３は、音声情報１２１を入力されると、予め設定された１又は複数の意図の中から、入力された音声情報１２１に対応する意図を出力するように学習される。推定モデル１２３は、例えば、音声情報１２１と意図の関係を学習してファインチューニングされたマルチモーダルＬＬＭ（Large Language Model）であるが、これに限られない。
【0042】
手続き情報１２４は、手続き（意図）ごとに設定されたスロット情報を示す情報である。スロット情報は、手続きを実行するために必要な情報として予め設定された情報である。手続き情報１２４は、予め設定されていてもよいし、対象者により任意に設定可能であってもよい。
【0043】
【0044】
「ＰＩＤ」は、手続きを一意に識別する識別情報である。以下では、「ＰＩＤ」が「Ｐｘｘｘ」である手続きを、手続きＰｘｘｘと称する場合がある。
【0045】
「手続き」は、手続き（意図）の名称である。
【0046】
「スロット」は、手続きを実行するために必要なスロット情報の名称である。
【0047】
「確定フラグ」は、手続き情報１２４のスロット情報が確定したか否かを示す情報である。「ｏｎ」は確定していることを示し、「ｏｆｆ」は確定していないことを示す。
【0048】
図５の例では、手続きＰ００１の「手続き」は「予約」、「スロット１」は「日付」、「スロット２」は「時間」、「スロット３」は「名前」、「スロット４」は「人数」、「確定フラグ」は「ｏｆｆ」である。これは、手続きＰ００１は予約の手続きであり、予約を実行するために必要な情報として「日付」、「時間」、「名前」及び「人数」が設定され、手続き情報１２４が確定していないことを示している。
【0049】
なお、手続き情報１２４に含まれる情報は、上記の例に限られない。手続き情報１２４には、上記の情報の一部が含まれなくてもよいし、上記以外の情報が含まれてもよい。
【0050】
抽出モデル１２５は、テキスト情報１２２からスロット情報を抽出する自然言語処理モデルである。抽出モデル１２５は、例えば、大規模言語モデルであるが、これに限られない。抽出モデル１２５は、テキスト情報１２２を入力されると、予め設定された１又は複数のスロット情報の中から、入力されたテキスト情報１２２に対応するスロット情報を抽出するように学習される。抽出モデル１２５は、例えば、テキスト情報１２２と意図とスロット情報の関係を学習してファインチューニングされたＧＰＴであるが、これに限られない。
【0051】
対象者情報１２６は、対象者に関する情報である。対象者情報１２６は、対象者ごとに記憶される。
【0052】
【0053】
「ＴＩＤ」は、対象者を一意に識別する識別情報である。以下では、「ＴＩＤ」が「Ｔｘｘｘ」である対象者を、対象者Ｔｘｘｘと称する場合がある。
【0054】
「名前」は、対象者の名前である。
【0055】
「住所」は、対象者の住所である。
【0056】
「電話番号」は、対象者の電話番号である。
【0057】
「営業時間」は、対象者の営業時間である。
【0058】
なお、対象者情報１２６に含まれる情報は、上記の例に限られない。対象者情報１２６には、上記の情報の一部が含まれなくてもよいし、上記以外の情報が含まれてもよい。
【0059】
Ｑ＆Ａ情報１２７は、質問を示す質問情報と、回答を示す回答情報と、の対応関係を示す情報である。Ｑ＆Ａ情報１２７は、予め設定されていてもよいし、対象者により任意に設定可能であってもよい。
【0060】
【0061】
「ＱＩＤ」は、質問（意図）を一意に識別する識別情報である。以下では、「ＱＩＤ」が「Ｑｘｘｘ」である質問を、質問Ｑｘｘｘと称する場合がある。
【0062】
「質問」は、質問の名称や内容を示す質問情報である。
【0063】
「回答」は、質問に対応する回答となるテキストを示す回答情報である。「回答」は、予め設定されていてもよいし、対象者により任意に設定可能であってもよい。また、「回答」は、対象者情報１２６を参照していてもよい。
【0064】
図７の例では、質問Ｑ００１の「質問」は「座席」、「回答」は「お席に関するご質問ですね。テーブル席、個室をご用意しております。」である。これは、質問Ｑ００１は座席に関する質問であり、この質問に対応する回答として「お席に関するご質問ですね。テーブル席、個室をご用意しております。」というテキストが設定されていることを示している。
【0065】
また、質問Ｑ００２の「質問」は「営業時間」、「回答」は「営業時間に関するご質問ですね。営業時間は｛営業時間｝です。」である。これは、質問Ｑ００２は営業時間に関する質問であり、この質問に対応する回答として「営業時間に関するご質問ですね。営業時間は｛営業時間｝です。」というテキストが設定されていることを示している。ここで、｛営業時間｝は、対象者情報１２６の「営業時間」を参照することを意味する。
【0066】
なお、Ｑ＆Ａ情報１２７に含まれる情報は、上記の例に限られない。Ｑ＆Ａ情報１２７には、上記の情報の一部が含まれなくてもよいし、上記以外の情報が含まれてもよい。
【0067】
第１応答ルール１２８は、第１テキストを生成するために予め設定されたルールである。第１テキストは、ユーザからの直前の入力に応答するテキストである。第１テキストは、例えば、相槌を示すテキスト、ユーザの入力内容を確認するテキストであるが、これに限られない。第１応答ルール１２８について、詳しくは後述する。
【0068】
第２応答ルール１２９は、第２テキストを生成するために予め設定されたルールである。第２テキストは、ユーザからの一連の入力に応じた生成される次のテキストである。第２テキストは、例えば、ユーザにスロット情報の入力を要求するテキスト、又はユーザにスロット情報の確認を要求するテキスト、又はユーザに手続きが確定したことを通知するテキストであるが、これに限られない。第２応答ルール１２９について、詳しくは後述する。
【0069】
手続き内容情報１３０は、対話装置１が実行した手続きの内容に関する情報である。手続き内容情報１３０は、スロット情報を含む。
【0070】
制御部１３は、プロセッサ１０１がメモリ１０２からプログラムを読み出して実行し、他のハードウェア構成と協働することにより実現される。制御部１３は、テキスト変換部１３１と、意図推定部１３２と、スロット抽出部１３３と、回答取得部１３４と、第１テキスト生成部１３５と、第２テキスト生成部１３６と、出力部１３７と、手続き部１３８と、通知部１３９と、を備える。
【0071】
テキスト変換部１３１は、音声認識処理により、音声情報１２１をテキスト情報１２２に変換する。
【0072】
意図推定部１３２は、推定モデル１２３を利用して、テキスト情報１２２からユーザの意図を推定する。
【0073】
スロット抽出部１３３は、いわゆるスロットフィリングを実行する。すなわち、スロット抽出部１３３は、ユーザの意図が手続きである場合、抽出モデル１２５を利用して、テキスト情報１２２からその手続きに対応するスロット情報を抽出し、その手続きのスロット情報として記憶部１２に一時的に保存する。
【0074】
回答取得部１３４は、ユーザの意図が質問である場合、Ｑ＆Ａ情報１２７を参照して、その質問に対応する回答情報を取得する。
【0075】
第１テキスト生成部１３５は、第１応答ルール１２８に従って、スロット情報及び回答情報の少なくとも一方に基づいて、第１テキストを生成する。
【0076】
第２テキスト生成部１３６は、第２応答ルール１２９に従って、スロット情報に基づいて、第２テキストを生成する。
【0077】
出力部１３７は、第１テキスト及び第２テキストを出力する。具体的には、ユーザとの対話が音声で行われる場合、出力部１３７は、第１テキスト及び第２テキストに対応する音声を音声合成し、得られた音声情報を出力する。出力された音声情報は、ユーザ端末２に送信され、出力装置２０６（スピーカ）から出力される。また、ユーザとの対話がテキストで行われる場合、出力部１３７は、第１テキスト及び第２テキストに対応するテキスト情報を生成して出力する。ここで生成されるテキスト情報は、出力されたテキスト情報は、ユーザ端末２に送信され、出力装置２０６（表示装置）に出力される。
【0078】
手続き部１３８は、手続き情報１２４の内容で手続きを実行する。例えば、手続きが予約である場合、手続き部１３８は、手続き情報１２４の内容で予約を実行する。ここでは、手続き部１３８が手続きを実行する手続きシステム（例えば、予約システム）として機能する場合を想定しているが、ネットワークＮを介して対話装置１と接続された手続きシステムが、対話装置１とは別に設けられていてもよい。この場合、手続き部１３８は、手続き情報１２４の内容で手続きを実行するように、手続きシステムに指示を行う。
【0079】
通知部１３９は、実行された手続きの内容をユーザ端末２に通知する。通知は、例えば、ＳＭＳ、チャット、電子メール、音声又はプッシュ通知で行われる。
【0080】
なお、対話装置１の機能構成は、上記の例に限られない。例えば、対話装置１は、上記の機能構成の一部を備え、残りをユーザ端末２が備えてもよい。また、対話装置１は、上記以外の機能構成を備えてもよい。また、対話装置１の各機能構成は、上記の通り、ソフトウェアにより実現されてもよいし、ＩＣチップ、ＳｏＣ（System on Chip）、ＬＳＩ（Large Scale Integration）、マイクロコンピュータ等のハードウェアによって実現されてもよい。
【0081】
＜対話システム１０００が実行する学習処理＞
次に、対話システム１０００が実行する処理について説明する。図８は、対話システム１０００が実行する処理の一例を示すフローチャートである。以下では、ユーザが通話（電話）で手続きする場合を例に説明する。対話システム１０００は、通話が終了するまで以下の処理を繰り返し実行する。
次に、対話システム１０００が実行する処理について説明する。図８は、対話システム１０００が実行する処理の一例を示すフローチャートである。以下では、ユーザが通話（電話）で手続きする場合を例に説明する。対話システム１０００は、通話が終了するまで以下の処理を繰り返し実行する。
【0082】
（ステップＳ１０１）
ユーザ端末２は、入力装置２０５（マイク）により、ユーザが発話した音声の音声情報を取得する（ステップＳ１０１）。
ユーザ端末２は、入力装置２０５（マイク）により、ユーザが発話した音声の音声情報を取得する（ステップＳ１０１）。
【0083】
（ステップＳ１０２）
ユーザ端末２の通信部２１は、取得した音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザ端末２の通信部２１は、取得した音声情報を対話装置１に送信する（ステップＳ１０２）。
【0084】
（ステップＳ１０３）
対話装置１の通信部１１は、ユーザ端末２から音声情報を受信（取得）し（ステップＳ１０３）、音声情報１２１として記憶部１２に保存する。
対話装置１の通信部１１は、ユーザ端末２から音声情報を受信（取得）し（ステップＳ１０３）、音声情報１２１として記憶部１２に保存する。
【0085】
（ステップＳ１０４）
テキスト変換部１３１は、音声認識処理により、音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、記憶部１２に保存する。
テキスト変換部１３１は、音声認識処理により、音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、記憶部１２に保存する。
【0086】
（ステップＳ１０５）
意図推定部１３２は、推定モデル１２３を利用して、テキスト情報１２２からユーザの意図を推定する（ステップＳ１０５）。意図推定部１３２は、例えば、ユーザの意図を手続き、質問、肯定、否定、又はこれらの組み合わせと推定する。意図推定部１３２は、例えば、ユーザが「３人で予約したいのですが、テーブル席は空いていますか？」と発話した場合、ユーザの意図は手続きかつ質問と推定する。
意図推定部１３２は、推定モデル１２３を利用して、テキスト情報１２２からユーザの意図を推定する（ステップＳ１０５）。意図推定部１３２は、例えば、ユーザの意図を手続き、質問、肯定、否定、又はこれらの組み合わせと推定する。意図推定部１３２は、例えば、ユーザが「３人で予約したいのですが、テーブル席は空いていますか？」と発話した場合、ユーザの意図は手続きかつ質問と推定する。
【0087】
ユーザの意図が手続きであった場合、処理はステップＳ１０６に進む。ユーザの意図が質問であった場合、処理はステップＳ１０９に進む。ユーザの意図が肯定であった場合、処理はステップＳ１１８に進む。ユーザの意図が手続き、質問及び肯定の少なくとも１つの組み合わせでであった場合、処理はそれぞれ対応するステップに進む。
【0088】
（ステップＳ１０６）
スロット抽出部１３３は、ステップＳ１０５で推定された手続きに対応する手続き情報１２４が設定済みであるか確認する（ステップＳ１０６）。手続き情報１２４が設定されていない場合（ステップＳ１０６：ＮＯ）、処理はステップＳ１０７に進む。手続き情報１２４が設定されている場合（ステップＳ１０６：ＹＥＳ）、処理はステップＳ１０８に進む。
スロット抽出部１３３は、ステップＳ１０５で推定された手続きに対応する手続き情報１２４が設定済みであるか確認する（ステップＳ１０６）。手続き情報１２４が設定されていない場合（ステップＳ１０６：ＮＯ）、処理はステップＳ１０７に進む。手続き情報１２４が設定されている場合（ステップＳ１０６：ＹＥＳ）、処理はステップＳ１０８に進む。
【0089】
（ステップＳ１０７）
スロット抽出部１３３は、手続き情報１２４を参照して、ステップＳ１０５で推定された手続きに対応する手続き情報１２４を、この通話のための手続き情報１２４として設定する（ステップＳ１０７）。以下、ここで設定された手続き情報１２４を、手続き情報１２４’と称する。なお、この時点では、設定された手続き情報１２４’に含まれるスロット情報の値はブランクである。
スロット抽出部１３３は、手続き情報１２４を参照して、ステップＳ１０５で推定された手続きに対応する手続き情報１２４を、この通話のための手続き情報１２４として設定する（ステップＳ１０７）。以下、ここで設定された手続き情報１２４を、手続き情報１２４’と称する。なお、この時点では、設定された手続き情報１２４’に含まれるスロット情報の値はブランクである。
【0090】
（ステップＳ１０８）
スロット抽出部１３３は、抽出モデル１２５を利用して、テキスト情報１２２から手続き情報１２４’に対応するスロット情報を抽出し（ステップＳ１０８）、手続き情報１２４’に追加する。その後、処理はステップＳ１１０に進む。
スロット抽出部１３３は、抽出モデル１２５を利用して、テキスト情報１２２から手続き情報１２４’に対応するスロット情報を抽出し（ステップＳ１０８）、手続き情報１２４’に追加する。その後、処理はステップＳ１１０に進む。
【0091】
（ステップＳ１０９）
回答取得部１３４は、Ｑ＆Ａ情報１２７を参照して、ステップＳ１０５で推定された質問に対応する回答情報を取得する（ステップＳ１０９）。
回答取得部１３４は、Ｑ＆Ａ情報１２７を参照して、ステップＳ１０５で推定された質問に対応する回答情報を取得する（ステップＳ１０９）。
【0092】
（ステップＳ１１０）
第１テキスト生成部１３５は、第１応答ルール１２８に従って、ステップＳ１０８で抽出したスロット情報及びステップＳ１０９で取得した回答情報の少なくとも一方に基づいて、第１テキストを生成する（ステップＳ１１１）。より詳細には、第１テキスト生成部１３５は、ユーザの意図が手続きであった場合、ステップＳ１０８で抽出したスロット情報に基づいて、第１テキストを生成する。また、第１テキスト生成部１３５は、ユーザの意図が質問であった場合、ステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する。また、第１テキスト生成部１３５は、ユーザの意図が手続きかつ質問であった場合、ステップＳ１０８で抽出したスロット情報及びステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する。第１テキスト生成部１３５は、予め設定された手続きと質問の優先度に基づいて、第１テキストを生成すればよい。例えば、手続きの優先度が質問の優先度より高い場合、第１テキスト生成部１３５は、スロット情報に基づいてテキストを生成し、その後に回答情報に基づいてテキストを生成し、これらの全体を第１テキストとして出力すればよい。
第１テキスト生成部１３５は、第１応答ルール１２８に従って、ステップＳ１０８で抽出したスロット情報及びステップＳ１０９で取得した回答情報の少なくとも一方に基づいて、第１テキストを生成する（ステップＳ１１１）。より詳細には、第１テキスト生成部１３５は、ユーザの意図が手続きであった場合、ステップＳ１０８で抽出したスロット情報に基づいて、第１テキストを生成する。また、第１テキスト生成部１３５は、ユーザの意図が質問であった場合、ステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する。また、第１テキスト生成部１３５は、ユーザの意図が手続きかつ質問であった場合、ステップＳ１０８で抽出したスロット情報及びステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する。第１テキスト生成部１３５は、予め設定された手続きと質問の優先度に基づいて、第１テキストを生成すればよい。例えば、手続きの優先度が質問の優先度より高い場合、第１テキスト生成部１３５は、スロット情報に基づいてテキストを生成し、その後に回答情報に基づいてテキストを生成し、これらの全体を第１テキストとして出力すればよい。
【0093】
（ステップＳ１１１）
第２テキスト生成部１３６は、第２応答ルール１２９に従って、手続き情報１２４’のスロット情報に基づいて、第２テキストを生成する（ステップＳ１１１）。手続き情報１２４’が設定されていない場合、処理はステップＳ１１２に進む。
第２テキスト生成部１３６は、第２応答ルール１２９に従って、手続き情報１２４’のスロット情報に基づいて、第２テキストを生成する（ステップＳ１１１）。手続き情報１２４’が設定されていない場合、処理はステップＳ１１２に進む。
【0094】
（ステップＳ１１２）
出力部１３７は、第１テキスト及び第２テキストに対応する音声を音声合成する（ステップＳ１１２）。
出力部１３７は、第１テキスト及び第２テキストに対応する音声を音声合成する（ステップＳ１１２）。
【0095】
（ステップＳ１１３）
出力部１３７は、ステップＳ１１２で得られた音声情報を、通信部１１を介してユーザ端末２に送信する（ステップＳ１１３）。
出力部１３７は、ステップＳ１１２で得られた音声情報を、通信部１１を介してユーザ端末２に送信する（ステップＳ１１３）。
【0096】
（ステップＳ１１４）
ユーザ端末２は、出力装置２０６（スピーカ）により、対話装置１から受信した音声情報を音声出力する（ステップＳ１１４）。以上の処理により、ユーザと対話装置１との音声による対話（通話）が実現される。
ユーザ端末２は、出力装置２０６（スピーカ）により、対話装置１から受信した音声情報を音声出力する（ステップＳ１１４）。以上の処理により、ユーザと対話装置１との音声による対話（通話）が実現される。
【0097】
（ステップＳ１１５）
一方、対話装置１の手続き部１３８は、手続き情報１２４’を参照して、スロット情報が確定したか判定する（ステップＳ１１５）。具体的には、手続き情報１２４’の「確定フラグ」が「ｏｎ」である場合、スロット情報が確定したと判定し（ステップＳ１１５：ＹＥＳ）、処理はステップＳ１１６に進む。一方、手続き情報１２４’の「確定フラグ」が「ｏｆｆ」である場合、又は手続き情報１２４’が設定されていない場合、スロット情報が確定していないと判定し（ステップＳ１１５：ＮＯ）、処理は終了する。
一方、対話装置１の手続き部１３８は、手続き情報１２４’を参照して、スロット情報が確定したか判定する（ステップＳ１１５）。具体的には、手続き情報１２４’の「確定フラグ」が「ｏｎ」である場合、スロット情報が確定したと判定し（ステップＳ１１５：ＹＥＳ）、処理はステップＳ１１６に進む。一方、手続き情報１２４’の「確定フラグ」が「ｏｆｆ」である場合、又は手続き情報１２４’が設定されていない場合、スロット情報が確定していないと判定し（ステップＳ１１５：ＮＯ）、処理は終了する。
【0098】
（ステップＳ１１６）
手続き部１３８は、手続き情報１２４’の内容で手続きを実行する（ステップＳ１１６）。以上の処理により、音声（通話）による手続の実行が実現される。
手続き部１３８は、手続き情報１２４’の内容で手続きを実行する（ステップＳ１１６）。以上の処理により、音声（通話）による手続の実行が実現される。
【0099】
（ステップＳ１１７）
通知部１３９は、ステップＳ１１７で実行された手続きの内容をユーザ端末２に通知する。通知される内容には、手続き情報１２４’のスロット情報が含まれる。
通知部１３９は、ステップＳ１１７で実行された手続きの内容をユーザ端末２に通知する。通知される内容には、手続き情報１２４’のスロット情報が含まれる。
【0100】
なお、ユーザが対話装置１とテキストで対話する場合、ユーザ端末２は、ユーザが入力したテキスト情報を取得し（ステップＳ１０１）、対話装置１に送信する（ステップＳ１０２）。そして、対話装置１は、ステップＳ１０３,Ｓ１０４を省略し、対話装置１から受信したテキスト情報からユーザの意図を推定する（ステップＳ１０５）。対話装置１は、第１テキスト及び第２テキストを生成した後（ステップＳ１１０,Ｓ１１１）、第１テキスト及び第２テキストに対応するテキスト情報を生成し（ステップＳ１１３）、テキスト情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、対話装置１から受信したテキスト情報を出力装置２０６（表示装置）に表示する（ステップＳ１１４）。
【0101】
（ステップＳ１１８）
意図推定部１３２は、手続き情報１２４’を参照して、スロット情報に空き（値がブランクの「スロット」）があるか確認する（ステップＳ１１８）。スロット情報に空きがある場合（ステップＳ１１８：ＹＥＳ）、処理はステップＳ１１０に進む。スロット情報に空きがない場合（ステップＳ１１８：ＮＯ）、処理はステップＳ１１９に進む。
意図推定部１３２は、手続き情報１２４’を参照して、スロット情報に空き（値がブランクの「スロット」）があるか確認する（ステップＳ１１８）。スロット情報に空きがある場合（ステップＳ１１８：ＹＥＳ）、処理はステップＳ１１０に進む。スロット情報に空きがない場合（ステップＳ１１８：ＮＯ）、処理はステップＳ１１９に進む。
【0102】
（ステップＳ１１９）
意図推定部１３２は、手続き情報１２４’の「確定フラグ」を「ｏｎ」にする（ステップＳ１１９）。これにより、手続き情報１２４’のスロット情報が確定する。その後、処理はステップＳ１１０に進む。
意図推定部１３２は、手続き情報１２４’の「確定フラグ」を「ｏｎ」にする（ステップＳ１１９）。これにより、手続き情報１２４’のスロット情報が確定する。その後、処理はステップＳ１１０に進む。
【0103】
＜第１テキストの生成方法＞
次に、第１テキストの生成方法（第１応答ルール１２８）について説明する。図９は、第１応答ルール１２８により定められた第１テキストの生成方法の一例を示すフローチャートである。図９は、図８のステップＳ１１０の内部処理に相当する。
次に、第１テキストの生成方法（第１応答ルール１２８）について説明する。図９は、第１応答ルール１２８により定められた第１テキストの生成方法の一例を示すフローチャートである。図９は、図８のステップＳ１１０の内部処理に相当する。
【0104】
（ステップＳ２０１）
ステップＳ１０５で推定されたユーザの意図が質問である場合（ステップＳ２０１：ＹＥＳ）、処理はステップＳ２０２に進む。ステップＳ１０５で推定されたユーザの意図が質問でない場合（ステップＳ２０１：ＮＯ）、処理はステップＳ２０３に進む。
ステップＳ１０５で推定されたユーザの意図が質問である場合（ステップＳ２０１：ＹＥＳ）、処理はステップＳ２０２に進む。ステップＳ１０５で推定されたユーザの意図が質問でない場合（ステップＳ２０１：ＮＯ）、処理はステップＳ２０３に進む。
【0105】
（ステップＳ２０２）
第１テキスト生成部１３５は、ステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する（ステップＳ２０２）。第１テキスト生成部１３５は、回答情報をそのまま第１テキストとしてもよいし、対象者情報１２６を参照して第１テキストを生成してもよい。これにより、第１テキストとして、相槌と質問への回答を含むテキストが生成される。
第１テキスト生成部１３５は、ステップＳ１０９で取得した回答情報に基づいて、第１テキストを生成する（ステップＳ２０２）。第１テキスト生成部１３５は、回答情報をそのまま第１テキストとしてもよいし、対象者情報１２６を参照して第１テキストを生成してもよい。これにより、第１テキストとして、相槌と質問への回答を含むテキストが生成される。
【0106】
（ステップＳ２０３）
ステップＳ１０５で推定されたユーザの意図が手続きである場合（ステップＳ２０３：ＹＥＳ）、処理はステップＳ２０４に進む。ステップＳ１０５で推定されたユーザの意図が手続きでない場合（ステップＳ２０３：ＮＯ）、処理はステップＳ２０８に進む。
ステップＳ１０５で推定されたユーザの意図が手続きである場合（ステップＳ２０３：ＹＥＳ）、処理はステップＳ２０４に進む。ステップＳ１０５で推定されたユーザの意図が手続きでない場合（ステップＳ２０３：ＮＯ）、処理はステップＳ２０８に進む。
【0107】
（ステップＳ２０４）
ユーザの意図が手続きと推定されたのが初めてである場合（ステップＳ２０４：ＹＥＳ）、処理はステップＳ２０５に進む。ユーザの意図が手続きと推定されたのが初めてでない、すなわち、それまでの対話でユーザの意図が手続きと推定済みであった場合（ステップＳ２０４：ＮＯ）、処理はステップＳ２０６に進む。
ユーザの意図が手続きと推定されたのが初めてである場合（ステップＳ２０４：ＹＥＳ）、処理はステップＳ２０５に進む。ユーザの意図が手続きと推定されたのが初めてでない、すなわち、それまでの対話でユーザの意図が手続きと推定済みであった場合（ステップＳ２０４：ＮＯ）、処理はステップＳ２０６に進む。
【0108】
（ステップＳ２０５）
第１テキスト生成部１３５は、第１テキストとして「｛手続き名｝ですね」というテキストを生成する。｛手続き名｝は、手続きの名称である。｛手続き名｝として、例えば、手続き情報１２４’の「手続き」が参照される。手続きが予約であり、図５の手続き情報１２４が参照される場合、「予約ですね」というテキストが生成される。また、手続き情報１２４に、「手続き」とは別に、｛手続き名｝が参照する情報項目が設けられてもよい。これにより、例えば、「ご予約ですね」と言った敬語表現が可能となる。これにより、第１テキストとして、相槌を示すテキストが生成される。
第１テキスト生成部１３５は、第１テキストとして「｛手続き名｝ですね」というテキストを生成する。｛手続き名｝は、手続きの名称である。｛手続き名｝として、例えば、手続き情報１２４’の「手続き」が参照される。手続きが予約であり、図５の手続き情報１２４が参照される場合、「予約ですね」というテキストが生成される。また、手続き情報１２４に、「手続き」とは別に、｛手続き名｝が参照する情報項目が設けられてもよい。これにより、例えば、「ご予約ですね」と言った敬語表現が可能となる。これにより、第１テキストとして、相槌を示すテキストが生成される。
【0109】
（ステップＳ２０６）
ステップＳ１０８でスロット情報が抽出された場合（ステップＳ２０６：ＹＥＳ）、処理はステップＳ２０７に進む。ステップＳ１０８でスロット情報が抽出されなかった場合（ステップＳ２０６：ＮＯ）、処理は終了する。
ステップＳ１０８でスロット情報が抽出された場合（ステップＳ２０６：ＹＥＳ）、処理はステップＳ２０７に進む。ステップＳ１０８でスロット情報が抽出されなかった場合（ステップＳ２０６：ＮＯ）、処理は終了する。
【0110】
（ステップＳ２０７）
第１テキスト生成部１３５は、手続き情報１２４’を参照して、第１テキストとして「｛Ｓ｝は｛ｓ｝ですね」というテキストを生成する。｛Ｓ｝は抽出されたスロット情報の名称、｛ｓ｝は抽出されたスロット情報の値である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝，｛ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前はサトウ様ですね」と言った敬語表現が可能となる。複数のスロット情報が抽出された場合、各スロット情報について「｛Ｓ｝は｛ｓ｝」を繰り返したテキストが生成される。これにより、第１テキストとして、ユーザの入力内容を確認するテキストが生成される。
第１テキスト生成部１３５は、手続き情報１２４’を参照して、第１テキストとして「｛Ｓ｝は｛ｓ｝ですね」というテキストを生成する。｛Ｓ｝は抽出されたスロット情報の名称、｛ｓ｝は抽出されたスロット情報の値である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝，｛ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前はサトウ様ですね」と言った敬語表現が可能となる。複数のスロット情報が抽出された場合、各スロット情報について「｛Ｓ｝は｛ｓ｝」を繰り返したテキストが生成される。これにより、第１テキストとして、ユーザの入力内容を確認するテキストが生成される。
【0111】
（ステップＳ２０８）
第１テキスト生成部１３５は、手続き情報１２４’を参照して、「確定フラグ」が「ｏｎ」があるか確認する（ステップＳ２０８）。「確定フラグ」が「ｏｎ」である場合（ステップＳ２０８：ＹＥＳ）、処理はステップＳ２０９に進む。「確定フラグ」が「ｏｆｆ」である場合（ステップＳ２０８：ＮＯ）、処理は終了する。
第１テキスト生成部１３５は、手続き情報１２４’を参照して、「確定フラグ」が「ｏｎ」があるか確認する（ステップＳ２０８）。「確定フラグ」が「ｏｎ」である場合（ステップＳ２０８：ＹＥＳ）、処理はステップＳ２０９に進む。「確定フラグ」が「ｏｆｆ」である場合（ステップＳ２０８：ＮＯ）、処理は終了する。
【0112】
（ステップＳ２０９）
第１テキスト生成部１３５は、第１テキストとして「｛Ｓ｝が｛ｓ｝で｛手続き名｝を確定いたします」というテキストを生成する（ステップＳ２０９）。｛Ｓ｝は手続き情報１２４’のスロット情報の名称である。｛ｓ｝は手続き情報１２４’のスロット情報の値である。手続き情報１２４’に、「スロット」，「手続き」とは別に、｛Ｓ｝，｛ｓ｝，｛手続き名｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前がサトウ様でご予約を確定いたします」と言った敬語表現が可能となる。スロット情報が複数設定されている場合、各スロット情報について「｛Ｓ｝が｛ｓ｝」を繰り返したテキストが生成される。これにより、第１テキストとして、ユーザに手続きが確定したことを通知するテキストが生成される。
第１テキスト生成部１３５は、第１テキストとして「｛Ｓ｝が｛ｓ｝で｛手続き名｝を確定いたします」というテキストを生成する（ステップＳ２０９）。｛Ｓ｝は手続き情報１２４’のスロット情報の名称である。｛ｓ｝は手続き情報１２４’のスロット情報の値である。手続き情報１２４’に、「スロット」，「手続き」とは別に、｛Ｓ｝，｛ｓ｝，｛手続き名｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前がサトウ様でご予約を確定いたします」と言った敬語表現が可能となる。スロット情報が複数設定されている場合、各スロット情報について「｛Ｓ｝が｛ｓ｝」を繰り返したテキストが生成される。これにより、第１テキストとして、ユーザに手続きが確定したことを通知するテキストが生成される。
【0113】
このように、第１テキストは、第１応答ルール１２８に従って生成される。より詳細には、第１テキストは、既定のテキストのフォーマットに、予め設定された回答情報及びスロット情報を当てはめることにより生成される。このように第１テキストを生成することにより、第１テキストとして誤った情報が出力されること（ハルシネーション）を抑制することができる。また、第１テキストは自然言語処理モデルにより生成されるわけではないため、対話システム１０００に対するプロンプトインジェクションのような攻撃を防ぐことができる。
【0114】
＜第２テキストの生成方法＞
次に、第２テキストの生成方法（第２応答ルール１２９）について説明する。図１０は、第２応答ルール１２９により定められた第２テキストの生成方法の一例を示すフローチャートである。図１０は、図８のステップＳ１１１の内部処理に相当する。
次に、第２テキストの生成方法（第２応答ルール１２９）について説明する。図１０は、第２応答ルール１２９により定められた第２テキストの生成方法の一例を示すフローチャートである。図１０は、図８のステップＳ１１１の内部処理に相当する。
【0115】
（ステップＳ３０１）
第２テキスト生成部１３６は、手続き情報１２４’を参照して、スロット情報に空き（値がブランクの「スロット」）があるか確認する（ステップＳ３０１）。スロット情報に空きがある場合（ステップＳ３０１：ＹＥＳ）、処理はステップＳ３０２に進む。スロット情報に空きがない場合（ステップＳ３０１：ＮＯ）、処理はステップＳ３０３に進む。
第２テキスト生成部１３６は、手続き情報１２４’を参照して、スロット情報に空き（値がブランクの「スロット」）があるか確認する（ステップＳ３０１）。スロット情報に空きがある場合（ステップＳ３０１：ＹＥＳ）、処理はステップＳ３０２に進む。スロット情報に空きがない場合（ステップＳ３０１：ＮＯ）、処理はステップＳ３０３に進む。
【0116】
（ステップＳ３０２）
第２テキスト生成部１３６は、手続き情報１２４’を参照して、第２テキストとして「｛Ｓ｝を教えてください」というテキストを生成する（ステップＳ３０２）。｛Ｓ｝は手続き情報１２４’における値がブランクのスロット情報の名称（「スロット」）である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前を教えてください」と言った敬語表現が可能となる。また、複数のスロット情報がブランクである場合、各スロット情報について同様のテキストが生成される。これにより、第２テキストとして、ユーザにスロット情報の入力を要求するテキストが生成される。
第２テキスト生成部１３６は、手続き情報１２４’を参照して、第２テキストとして「｛Ｓ｝を教えてください」というテキストを生成する（ステップＳ３０２）。｛Ｓ｝は手続き情報１２４’における値がブランクのスロット情報の名称（「スロット」）である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前を教えてください」と言った敬語表現が可能となる。また、複数のスロット情報がブランクである場合、各スロット情報について同様のテキストが生成される。これにより、第２テキストとして、ユーザにスロット情報の入力を要求するテキストが生成される。
【0117】
（ステップＳ３０３）
第２テキスト生成部１３６は、手続き情報１２４’を参照して、「確定フラグ」が「ｏｎ」があるか確認する（ステップＳ３０３）。「確定フラグ」が「ｏｎ」である場合（ステップＳ３０３：ＹＥＳ）、処理はステップＳ３０４に進む。「確定フラグ」が「ｏｆｆ」である場合（ステップＳ３０３：ＮＯ）、処理は終了する。
第２テキスト生成部１３６は、手続き情報１２４’を参照して、「確定フラグ」が「ｏｎ」があるか確認する（ステップＳ３０３）。「確定フラグ」が「ｏｎ」である場合（ステップＳ３０３：ＹＥＳ）、処理はステップＳ３０４に進む。「確定フラグ」が「ｏｆｆ」である場合（ステップＳ３０３：ＮＯ）、処理は終了する。
【0118】
（ステップＳ３０４）
第２テキスト生成部１３６は、手続き情報１２４’を参照して、第２テキストとして「｛Ｓ｝が｛ｓ｝でお間違いありませんか」というテキストを生成する（ステップＳ３０４）。｛Ｓ｝は手続き情報１２４’のスロット情報の名称（「スロット」）である。｛ｓ｝は手続き情報１２４’のスロット情報の値である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝，｛ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前がサトウ様でお間違いありませんか」と言った敬語表現が可能となる。スロット情報が複数設定されている場合、各スロット情報について「｛Ｓ｝が｛ｓ｝」を繰り返したテキストが生成される。これにより、第２テキストとして、ユーザにスロット情報の確認を要求するテキストが生成される。
第２テキスト生成部１３６は、手続き情報１２４’を参照して、第２テキストとして「｛Ｓ｝が｛ｓ｝でお間違いありませんか」というテキストを生成する（ステップＳ３０４）。｛Ｓ｝は手続き情報１２４’のスロット情報の名称（「スロット」）である。｛ｓ｝は手続き情報１２４’のスロット情報の値である。手続き情報１２４’に、「スロット」とは別に、｛Ｓ｝，｛ｓ｝が参照する情報項目が設けられてもよい。これにより、例えば、「お名前がサトウ様でお間違いありませんか」と言った敬語表現が可能となる。スロット情報が複数設定されている場合、各スロット情報について「｛Ｓ｝が｛ｓ｝」を繰り返したテキストが生成される。これにより、第２テキストとして、ユーザにスロット情報の確認を要求するテキストが生成される。
【0119】
このように、第２テキストは、第２応答ルール１２９に従って生成される。より詳細には、第２テキストは、既定のテキストのフォーマットに、予め設定された回答情報及びスロット情報を当てはめることにより生成される。このように第２テキストを生成することにより、第２テキストとして誤った情報が出力されること（ハルシネーション）を抑制することができる。また、第２テキストは自然言語処理モデルにより生成されるわけではないため、対話システム１０００に対するプロンプトインジェクションのような攻撃を防ぐことができる。
【0120】
＜対話の具体例＞
次に、ユーザと対話装置１との対話の具体例について説明する。図１１は、対話の具体例を示す模式図である。以下では、ユーザが通話により予約を行う場合を例に説明する。
次に、ユーザと対話装置１との対話の具体例について説明する。図１１は、対話の具体例を示す模式図である。以下では、ユーザが通話により予約を行う場合を例に説明する。
【0121】
（ステップＳ４０１）
対話装置１とユーザ端末２との通話の開始後、ユーザが「すみません、予約したいのですが」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
対話装置１とユーザ端末２との通話の開始後、ユーザが「すみません、予約したいのですが」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0122】
（ステップＳ４０２）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。この時点では、「予約」の手続き情報１２４’は設定されていないため（ステップＳ１０６：ＮＯ）、スロット抽出部１３３は、手続き情報１２４を参照して、「予約」の手続き情報１２４’を設定する（ステップＳ１０７）。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。この時点では、「予約」の手続き情報１２４’は設定されていないため（ステップＳ１０６：ＮＯ）、スロット抽出部１３３は、手続き情報１２４を参照して、「予約」の手続き情報１２４’を設定する（ステップＳ１０７）。
【0123】
図１２は、「予約」の手続き情報１２４’の一例を示す図である。図１２の例では、手続き情報１２４’はスロット情報として「日付」と、「時間」と、「名前」と、「人数」と、を有する。ステップＳ４０２の時点では、「日付」、「時間」、「名前」はブランク、「確定フラグ」は「ｏｆｆ」である。
【0124】
スロット抽出部１３３は、手続き情報１２４’の設定後、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、いずれのスロット情報も抽出されない。
【0125】
第１テキスト生成部１３５は、ユーザの意図が手続きと推定されたのが初めてであり（ステップＳ２０１：ＮＯ，ステップＳ２０３：ＹＥＳ，ステップＳ２０４：ＹＥＳ）、スロット情報が抽出されていないため（ステップＳ２０６：ＮＯ）、第１テキストとして「ご予約ですね」というテキストを生成する（ステップＳ２０５）。以上により、第１テキストが生成される（ステップＳ１１０）。
【0126】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがあるため（ステップＳ３０１：ＹＥＳ）、第２テキストとして「お日にちを教えてください」というテキストを生成する（ステップＳ３０２）。以上により、第２テキストが生成される（ステップＳ１１１）。なお、ここでは、値がブランクのスロット情報を先頭から順に確認することを想定しているが、値がブランクのスロット情報をまとめて確認してもよい。
【0127】
出力部１３７は、第１テキスト及び第２テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「ご予約ですね。お日にちを教えてください」というメッセージを音声出力する（ステップＳ１１４）。
【0128】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定していないため（ステップＳ１１５：ＮＯ）、予約を実行せず、処理を終了する。
【0129】
（ステップＳ４０３）
ユーザが「８月１０日でお願いします」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザが「８月１０日でお願いします」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0130】
（ステップＳ４０４）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「日付」として「８月１０日」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「日付」として「８月１０日」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
【0131】
第１テキスト生成部１３５は、ユーザの意図が手続きと推定されたのが初めてではなく（ステップＳ２０１：ＮＯ，ステップＳ２０３：ＹＥＳ，ステップＳ２０４：ＮＯ）、「日付」として「８月１０日」が抽出されたため（ステップＳ２０６：ＹＥＳ）、第１テキストとして「お日にちは８月１０日ですね」というテキストを生成する（ステップＳ２０７）。以上により、第１テキストが生成される（ステップＳ１１０）。
【0132】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがあるため（ステップＳ３０１：ＹＥＳ）、第２テキストとして「お時間を教えてください」というテキストを生成する（ステップＳ３０２）。以上により、第２テキストが生成される（ステップＳ１１１）。
【0133】
出力部１３７は、第１テキスト及び第２テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「お日にちは８月１０日ですね。お時間を教えてください」というメッセージを音声出力する（ステップＳ１１４）。
【0134】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定していないため（ステップＳ１１５：ＮＯ）、予約を実行せず、処理を終了する。
【0135】
（ステップＳ４０５）
ユーザが「何時からやっていますか？」と発話（質問）すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザが「何時からやっていますか？」と発話（質問）すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0136】
（ステップＳ４０６）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「営業時間」に関する質問と推定され（ステップＳ１０５：質問）、回答取得部１３４は、Ｑ＆Ａ情報１２７を参照して、「営業時間」に対応する回答情報（「営業時間に関するご質問ですね。営業時間は｛営業時間｝です」というテキスト）を取得する（ステップＳ１０９）。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「営業時間」に関する質問と推定され（ステップＳ１０５：質問）、回答取得部１３４は、Ｑ＆Ａ情報１２７を参照して、「営業時間」に対応する回答情報（「営業時間に関するご質問ですね。営業時間は｛営業時間｝です」というテキスト）を取得する（ステップＳ１０９）。
【0137】
第１テキスト生成部１３５は、ユーザの意図が質問と推定されたため（ステップＳ２０１：ＹＥＳ，ステップＳ２０３：ＮＯ）、回答情報に基づいて、第１テキストとして「営業時間に関するご質問ですね。営業時間は９時から１７時です」というテキストを生成する（ステップＳ２０２）。ここでは、回答情報に｛営業時間｝が含まれるため、第１テキスト生成部１３５は、対象者情報１２６を参照して、第１テキストを生成している。以上により、第１テキストが生成される（ステップＳ１１０）。
【0138】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがあるため（ステップＳ３０１：ＹＥＳ）、第２テキストとして「お時間を教えてください」というテキストを生成する（ステップＳ３０２）。以上により、第２テキストが生成される（ステップＳ１１１）。
【0139】
出力部１３７は、第１テキスト及び第２テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「営業時間に関するご質問ですね。営業時間は９時から１８時です。お時間を教えてください」というメッセージを音声出力する（ステップＳ１１４）。
【0140】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定していないため（ステップＳ１１５：ＮＯ）、予約を実行せず、処理を終了する。
【0141】
（ステップＳ４０７）
ユーザが「１７時から３名でお願いします」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザが「１７時から３名でお願いします」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0142】
（ステップＳ４０８）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「時間」として「１７時」、「人数」として「３」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「時間」として「１７時」、「人数」として「３」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
【0143】
第１テキスト生成部１３５は、ユーザの意図が手続きと推定されたのが初めてではなく（ステップＳ２０１：ＮＯ，ステップＳ２０３：ＹＥＳ，ステップＳ２０４：ＮＯ）、「時間」として「１７時」、「人数」として「３」が抽出されたため（ステップＳ２０６：ＹＥＳ）、第１テキストとして「お時間は１７時、人数は３名様ですね」というテキストを生成する（ステップＳ２０７）。以上により、第１テキストが生成される（ステップＳ１１０）。
【0144】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがあるため（ステップＳ３０１：ＹＥＳ）、第２テキストとして「お名前を教えてください」というテキストを生成する（ステップＳ３０２）。以上により、第２テキストが生成される（ステップＳ１１１）。
【0145】
出力部１３７は、第１テキスト及び第２テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「お時間は１７時、人数は３名様ですね。お名前を教えてください」というメッセージを音声出力する（ステップＳ１１４）。
【0146】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定していないため（ステップＳ１１５：ＮＯ）、予約を実行せず、処理を終了する。
【0147】
（ステップＳ４０９）
ユーザが「佐藤です」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザが「佐藤です」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0148】
（ステップＳ４１０）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「名前」として「サトウ」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「予約」と推定される（ステップＳ１０５：手続き）。すでに「予約」の手続き情報１２４’は設定済みであるため（ステップＳ１０６：ＹＥＳ）、スロット抽出部１３３は、テキスト情報１２２から、手続き情報１２４’に含まれるスロット情報を抽出する（ステップＳ１０８）。ここでは、「名前」として「サトウ」が抽出される。スロット抽出部１３３は、抽出されたスロット情報を手続き情報１２４’に追加する。
【0149】
第１テキスト生成部１３５は、ユーザの意図が手続きと推定されたのが初めてではなく（ステップＳ２０１：ＮＯ，ステップＳ２０３：ＹＥＳ，ステップＳ２０４：ＮＯ）、「名前」として「サトウ」が抽出されたため（ステップＳ２０６：ＹＥＳ）、第１テキストとして「お名前はサトウ様ですね」というテキストを生成する（ステップＳ２０７）。以上により、第１テキストが生成される（ステップＳ１１０）。
【0150】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがなく（ステップＳ３０１：ＮＯ）、「確定フラグ」が「ｏｆｆ」であるため（ステップＳ３０３：ＮＯ）、第２テキストとして「お日にちが８月１０日、お時間が１７時、お名前がサトウ様、人数が３名様でお間違いありませんか」というテキストを生成する（ステップＳ３０４）。以上により、第２テキストが生成される（ステップＳ１１１）。
【0151】
出力部１３７は、第１テキスト及び第２テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「お名前はサトウ様ですね。お日にちが８月１０日、お時間が１７時、お名前がサトウ様、人数が３名様でお間違いありませんか」というメッセージを音声出力する（ステップＳ１１４）。
【0152】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定していないため（ステップＳ１１５：ＮＯ）、予約を実行せず、処理を終了する。
【0153】
（ステップＳ４１１）
ユーザが「はい」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
ユーザが「はい」と発話すると、ユーザ端末２がその発話の音声情報を取得し（ステップＳ１０１）、音声情報を対話装置１に送信する（ステップＳ１０２）。
【0154】
（ステップＳ４１２）
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「肯定」と推定される（ステップＳ１０５：肯定）。手続き情報１２４’のスロット情報には空きがないため（ステップＳ１１８：ＮＯ）、意図推定部１３２は、手続き情報１２４’の「確定フラグ」を「ｏｎ」にする（ステップＳ１１９）。
対話装置１は、ユーザ端末２から音声情報１２１を取得すると（ステップＳ１０３）、テキスト変換部１３１が音声情報１２１をテキスト情報１２２に変換し（ステップＳ１０４）、意図推定部１３２が推定モデル１２３を利用してユーザの意図を推定する（ステップＳ１０５）。ここでは、ユーザの意図は「肯定」と推定される（ステップＳ１０５：肯定）。手続き情報１２４’のスロット情報には空きがないため（ステップＳ１１８：ＮＯ）、意図推定部１３２は、手続き情報１２４’の「確定フラグ」を「ｏｎ」にする（ステップＳ１１９）。
【0155】
第１テキスト生成部１３５は、ユーザの意図が質問でも手続きでもなく（ステップＳ２０１：ＮＯ，ステップＳ２０３：ＮＯ）、「確定フラグ」が「ｏｎ」であるため（ステップＳ２０８：ＹＥＳ）、第１テキストとして「お日にちが８月１０日、お時間が１７時、お名前がサトウ様、人数が３名様で予約を確定いたします」というテキストを生成する（ステップＳ２０９）。以上により、第１テキストが生成される（ステップＳ１１０）。
【0156】
第２テキスト生成部１３６は、手続き情報１２４’のスロット情報に空きがなく（ステップＳ３０１：ＮＯ）、「確定フラグ」が「ｏｎ」であるため（ステップＳ３０３：ＹＥＳ）、第２テキストを生成せずに処理を終了する。
【0157】
出力部１３７は、第１テキストに対応する音声情報を音声合成し（ステップＳ１１２）、通信部１１は、得られた音声情報をユーザ端末２に送信する（ステップＳ１１３）。ユーザ端末２は、音声情報を受信すると、「お日にちが８月１０日、お時間が１７時、お名前がサトウ様、人数が３名様で予約を確定いたします」というメッセージを音声出力する（ステップＳ１１４）。
【0158】
対話装置１の手続き部１３８は、手続き情報１２４’のスロット情報が確定しているため（ステップＳ１１５：ＹＥＳ）、手続き情報１２４’の内容で予約を実行し（ステップＳ１１６）、その内容を手続き内容情報１３０として記憶部１２に保存する。これにより、８月１０日の１７時にサトウという名前で３名の予約が行われる。
【0159】
その後、通知部１３９は、手続き内容情報１３０を、ＳＭＳ、プッシュ通知、電子メールなどの方法で、ユーザ端末２に通知する（ステップＳ１１７）。
【0160】
＜まとめ＞
以上説明した通り、本実施形態によれば、推定モデル１２３を利用して、テキスト情報１２２から意図を推定する意図推定部１３２と、意図が手続きである場合、抽出モデル１２５を利用して、テキスト情報１２２から当該手続きに対応するスロット情報を抽出するスロット抽出部１３３と、意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部１３４と、スロット情報及び回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部１３５と、スロット情報に基づいて、第２テキストを生成する第２テキスト生成部１３６と、第１テキスト及び第２テキストを出力する出力部１３７と、を備える対話システム１０００が実現される。
以上説明した通り、本実施形態によれば、推定モデル１２３を利用して、テキスト情報１２２から意図を推定する意図推定部１３２と、意図が手続きである場合、抽出モデル１２５を利用して、テキスト情報１２２から当該手続きに対応するスロット情報を抽出するスロット抽出部１３３と、意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部１３４と、スロット情報及び回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部１３５と、スロット情報に基づいて、第２テキストを生成する第２テキスト生成部１３６と、第１テキスト及び第２テキストを出力する出力部１３７と、を備える対話システム１０００が実現される。
【0161】
対話システム１０００によれば、第１テキスト及び第２テキストが第１応答ルール１２８及び第２応答ルール１２９に従って生成される。より詳細には、第１テキスト及び第２テキストは、既定のテキストのフォーマットに、予め設定された回答情報及びスロット情報を当てはめることにより生成される。このように第１テキスト及び第２テキストを生成することにより、第１テキスト及び第２テキストとして誤った情報が出力されること（ハルシネーション）を抑制することができる。また、第１テキスト及び第２テキストは自然言語処理モデルにより生成されるわけではないため、対話システム１０００に対するプロンプトインジェクションのような攻撃を防ぐことができる。
【0162】
＜付記＞
本実施形態は、以下の開示を含む。
本実施形態は、以下の開示を含む。
【0163】
（付記１）
推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、
前記第１テキスト及び前記第２テキストを出力する出力部と、
を備える対話システム。
推定モデルを利用して、音声情報又はテキスト情報から意図を推定する意図推定部と、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出部と、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得部と、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成部と、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成部と、
前記第１テキスト及び前記第２テキストを出力する出力部と、
を備える対話システム。
【0164】
（付記２）
前記第１テキストは、予め設定された第１応答ルールに従って生成される
付記１に記載の対話システム。
前記第１テキストは、予め設定された第１応答ルールに従って生成される
付記１に記載の対話システム。
【0165】
（付記３）
前記第２テキストは、予め設定された第２応答ルールに従って生成される
付記１に記載の対話システム。
前記第２テキストは、予め設定された第２応答ルールに従って生成される
付記１に記載の対話システム。
【0166】
（付記４）
前記回答情報は、予め設定される
付記１に記載の対話システム。
前記回答情報は、予め設定される
付記１に記載の対話システム。
【0167】
（付記５）
前記推定モデルは、自然言語処理モデルである
付記１に記載の対話システム。
前記推定モデルは、自然言語処理モデルである
付記１に記載の対話システム。
【0168】
（付記６）
前記抽出モデルは、自然言語処理モデルである
付記１に記載の対話システム。
前記抽出モデルは、自然言語処理モデルである
付記１に記載の対話システム。
【0169】
（付記７）
音声情報を前記テキスト情報に変換するテキスト変換部を更に備える
付記１に記載の対話システム。
音声情報を前記テキスト情報に変換するテキスト変換部を更に備える
付記１に記載の対話システム。
【0170】
（付記８）
前記手続きは、予約、注文、購入、申請又はこれらの変更若しくはキャンセルである
付記１に記載の対話システム。
前記手続きは、予約、注文、購入、申請又はこれらの変更若しくはキャンセルである
付記１に記載の対話システム。
【0171】
（付記９）
前記手続きは、１又は複数のスロット情報を予め設定される
付記１に記載の対話システム。
前記手続きは、１又は複数のスロット情報を予め設定される
付記１に記載の対話システム。
【0172】
（付記１０）
前記出力部は、前記第１テキスト及び第２テキストに対応する音声情報を出力する
前記出力部は、前記第１テキスト及び第２テキストに対応する音声情報を出力する
【0173】
（付記１１）
前記出力部は、前記第１テキスト及び第２テキストに対応するテキスト情報を出力する
前記出力部は、前記第１テキスト及び第２テキストに対応するテキスト情報を出力する
【0174】
（付記１２）
前記手続きを実行する手続き部を更に備える
付記１に記載の対話システム。
前記手続きを実行する手続き部を更に備える
付記１に記載の対話システム。
【0175】
（付記１３）
前記手続き部が実行した手続きの内容を通知する通知部を更に備える
付記１に記載の対話システム。
前記手続き部が実行した手続きの内容を通知する通知部を更に備える
付記１に記載の対話システム。
【0176】
（付記１４）
対話システムが実行する対話方法であって、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法。
対話システムが実行する対話方法であって、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法。
【0177】
（付記１５）
対話システムに、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法を実行させる対話プログラム。
対話システムに、
推定モデルを利用して、音声情報又はテキスト情報の意図を推定する意図推定ステップと、
前記意図が手続きである場合、抽出モデルを利用して、前記音声情報又はテキスト情報から当該手続きに対応するスロット情報を抽出するスロット抽出ステップと、
前記意図が質問である場合、当該質問に対応する回答情報を取得する回答取得ステップと、
前記スロット情報及び前記回答情報の少なくとも一方に基づいて、第１テキストを生成する第１テキスト生成ステップと、
前記スロット情報に基づいて、第２テキストを生成する第２テキスト生成ステップと、
前記第１テキスト及び前記第２テキストを出力する出力ステップと、
を備える対話方法を実行させる対話プログラム。
【0178】
今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。また、本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【符号の説明】
【0179】
１：対話装置
２：ユーザ端末
１１：通信部
１２：記憶部
１３：制御部
１２１：音声情報
１２２：テキスト情報
１２３：推定モデル
１２４：手続き情報
１２５：抽出モデル
１２６：対象者情報
１２７：Ｑ＆Ａ情報
１２８：第１応答ルール
１２９：第２応答ルール
１３０：手続き内容情報
１３１：テキスト変換部
１３２：意図推定部
１３３：スロット抽出部
１３４：回答取得部
１３５：第１テキスト生成部
１３６：第２テキスト生成部
１３７：出力部
１３８：手続き部
１３９：通知部
２：ユーザ端末
１１：通信部
１２：記憶部
１３：制御部
１２１：音声情報
１２２：テキスト情報
１２３：推定モデル
１２４：手続き情報
１２５：抽出モデル
１２６：対象者情報
１２７：Ｑ＆Ａ情報
１２８：第１応答ルール
１２９：第２応答ルール
１３０：手続き内容情報
１３１：テキスト変換部
１３２：意図推定部
１３３：スロット抽出部
１３４：回答取得部
１３５：第１テキスト生成部
１３６：第２テキスト生成部
１３７：出力部
１３８：手続き部
１３９：通知部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
