特許 7418106 情報処理装置、情報処理方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-01-11

(45)【発行日】2024-01-19

(54)【発明の名称】情報処理装置、情報処理方法およびプログラム

(51)【国際特許分類】

   G06N 20/00 20190101AFI20240112BHJP

【ＦＩ】

G06N20/00 130

【請求項の数】 11

(21)【出願番号】P 2019165579

(22)【出願日】2019-09-11

(65)【公開番号】P2021043723

(43)【公開日】2021-03-18

【審査請求日】2022-09-02

(73)【特許権者】

【識別番号】000001007

【氏名又は名称】キヤノン株式会社

(74)【代理人】

【識別番号】100126240

【弁理士】

【氏名又は名称】阿部 琢磨

(74)【代理人】

【識別番号】100223941

【弁理士】

【氏名又は名称】高橋 佳子

(74)【代理人】

【識別番号】100159695

【弁理士】

【氏名又は名称】中辻 七朗

(74)【代理人】

【識別番号】100172476

【弁理士】

【氏名又は名称】冨田 一史

(74)【代理人】

【識別番号】100126974

【弁理士】

【氏名又は名称】大朋 靖尚

(72)【発明者】

【氏名】奥冨 一則

(72)【発明者】

【氏名】山崎 健史

【審査官】福西 章人

(56)【参考文献】

【文献】特開２０１９－０９１３８７（ＪＰ，Ａ）

【文献】特開２０１８－１８１３００（ＪＰ，Ａ）

【文献】特開２０１９－０４０５１６（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

特定人物の応答の情報を、前記応答の時の前記特定人物の年齢情報とともに取得する取得手段と、
所定の年齢を設定する設定手段と、
前記所定の年齢と前記年齢情報とに基づき、前記応答の情報から前記所定の年齢に対応する応答の情報を抽出する抽出手段と、
前記抽出された応答の情報から、前記特定人物の応答の学習モデルを生成する生成手段と、を有することを特徴とする情報処理装置。

【請求項2】

前記設定手段は、所定の年齢を年齢の範囲で設定することを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記応答の情報に含まれる応答それぞれは、前記特定人物の年齢情報と関連付けられていることを特徴とする請求項１または請求項２に記載の情報処理装置。

【請求項4】

前記応答の学習モデルは、ユーザからの入力に対して、前記所定の年齢に対応する応答を出力するモデルであることを特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。

【請求項5】

前記生成手段は、ユーザからの入力の意味を解析する解析モデルを含む応答の学習モデルを生成することを特徴とする請求項１乃至４のいずれか１項に記載の情報処理装置。

【請求項6】

前記生成手段は、前記所定の年齢の前記特定人物の口調を再現する口調モデルを含む応答の学習モデルを生成することを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。

【請求項7】

前記生成手段は、前記抽出された応答の情報と、標準的な応答を行う標準応答モデルとに基づき、前記応答の学習モデルを生成することを特徴とする請求項１乃至６のいずれか１項に記載の情報処理装置。

【請求項8】

前記生成手段は、ニューラルネットワークを用いて、前記応答の学習モデルを生成することを特徴とする請求項１乃至７のいずれか１項に記載の情報処理装置。

【請求項9】

前記特定人物の応答の学習モデルと関連付けられたアバターを表示させる表示手段を有することを特徴とする請求項１乃至８のいずれか１項に記載の情報処理装置。

【請求項10】

情報処理装置が実行する情報処理方法であって、
取得手段が、特定人物の応答の情報を、前記応答の時の前記特定人物の年齢情報とともに取得する取得工程と、
設定手段が、所定の年齢を設定する設定工程と、
抽出手段が、前記所定の年齢と前記年齢情報とに基づき、前記応答の情報から前記所定の年齢に対応する応答の情報を抽出する抽出工程と、
生成手段が、前記抽出された応答の情報から、前記特定人物の応答の学習モデルを生成する生成工程と、を有することを特徴とする情報処理方法。

【請求項11】

コンピュータを、
特定人物の応答の情報を、前記応答の時の前記特定人物の年齢情報とともに取得する取得手段と、
所定の年齢を設定する設定手段と、
前記所定の年齢と前記年齢情報とに基づき、前記応答の情報から前記所定の年齢に対応する応答の情報を抽出する抽出手段と、
前記抽出された応答の情報から、前記特定人物の応答の学習モデルを生成する生成手段と、を有することを特徴とする情報処理装置として機能させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、特定人物を模した応答を実現する技術に関する。

【背景技術】

【0002】

近年、パーソナルコンピュータやスマートフォンの処理性能の向上に伴い、ユーザの質問や問いかけに対して、パーソナルコンピュータやスマートフォン上に生成されたチャットボットやアバターが自動応答する技術が発達している。チャットボットに関する技術として、特許文献１には、複数のユーザの端末からの質問文に対して自動応答するチャットボットシステムにおいて、長文の応答メッセージを適切な長さに分割することが開示されている。チャットボットやアバターとのコミュニケーションにおいて、ユーザは、必要な情報が速やかに得られるというだけでなく、コミュニケーション自体を楽しむことも出来るようになってきている。そのため、より人間らしいコミュニケーションを人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＡＩ））で実現するために、様々なケースの会話などをコンピュータに学習させることも行われている。機械学習されたアバターは、あたかも、本物の特定人物が応答しているかのような自動応答をすることが可能である。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００９－３５３３号公報

【発明の開示】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術におけるチャットボットシステムやアバターとのコミュニケーションでは、ユーザに対して十分な満足感を与えることが出来ない場合がある。例えば、俳優などの著名人を模したアバターとコミュニケーションを行う場合、現在の著名人を模したアバターではなく、過去の最も活躍していた時の著名人を再現したアバターとのコミュニケーションが望まれることがある。また、故人をアバターで再現してコミュニケーションを行う場合、亡くなる直前の故人ではなく、所望の年齢の故人とのコミュニケーションが望まれることもある。

【0005】

本発明は、上記課題を鑑みてなされたものであり、所定の年齢の特定人物を模した応答を実現するための学習モデルを生成することを目的とする。

【課題を解決するための手段】

【0006】

本発明は、特定人物の応答の情報を、前記応答の時の前記特定人物の年齢情報とともに取得する取得手段と、所定の年齢を設定する設定手段と、前記所定の年齢と前記年齢情報とに基づき、前記応答の情報から前記所定の年齢に対応する応答の情報を抽出する抽出手段と、前記抽出された応答の情報から、前記特定人物の応答の学習モデルを生成する生成手段と、を有することを特徴とする。

【発明の効果】

【0007】

本発明によれば、所定の年齢の特定人物を模した応答を実現出来る。

【図面の簡単な説明】

【0008】

【図1】第１の実施形態における装置およびシステム構成図

【図2】第１の実施形態における機能構成図

【図3】Ｑ＆Ａデータと年齢情報とを示す図

【図4】第１の実施形態における応答モデルの概念図

【図5】ニューラルネットワークの概念を示す図

【図6】第１の実施形態における応答モデル生成のフローチャート

【図7】第１の実施形態における応答モデルを使ったコミュニケーションのフローチャート

【図8】第２の実施形態における応答モデルの概念図

【図9】年齢別の応答モデルを用いたアバターの表示例

【図10】応答モデルを年齢別に選択するモデルの概念図

【発明を実施するための形態】

【0009】

（第１の実施形態）
以下、図面を用いて、第一の実施形態を説明する。図１は、本実施形態における装置およびシステム構成図である。情報処理装置１１００は、例えば、一般的なコンピュータであり、特定人物を模した応答を実現するための応答モデル（学習モデル）を生成する。

【0010】

情報処理装置１１００は、ＣＰＵ１１０１、ＤＲＡＭ１１０２、二次記憶装置１１０３、ネットワークＩＦ１１０４、Ｉ／Ｏコントローラ１１０５から構成されている。ＣＰＵ１１０１は、中央演算装置であり、コンピュータプログラムの指示命令に従い、各種処理を行う。ＤＲＡＭ１１０２は、揮発性のメモリであり、コンピュータプログラムや各種データを一時的に記憶する。二次記憶装置１１０３は、ハードディスクドライブ（ＨＤＤ）もしくはソリッドステイトディスク（ＳＳＤ）などの不揮発性記憶装置であり、コンピュータプログラムや各種データを記憶する。ネットワーク１４００は、有線ケーブルもしくは無線ネットワークであり、ネットワーク１４００を介して、外部装置との各種データの送受信が行われる。コンピュータプログラムや各種データは、二次記憶装置１１０３もしくはネットワーク１４００から取得され、ＤＲＡＭ１１０２に一時的に記憶される。ＣＰＵ１１０１は、ＤＲＡＭ１１０２に記憶されたコンピュータプログラムや各種データに基づき情報処理を行う。Ｉ／Ｏコントローラ１１０５は、外部接続された入力装置１１０６、モニタ１１０７、スピーカ１１０８との間の入出力を制御するコントローラである。入力装置１１０６は、例えば、キーボードやマウス、マイクのデバイスであり、ユーザの入力を受け付ける。ユーザは、入力装置１１０６を使い、情報処理装置１１００上に再現された仮想的な特定人物に対して、テキスト入力や音声入力で、問いかけや質問を行うことが可能である。モニタ１１０７は、例えば、一般的な液晶ディスプレイであり、情報処理装置１１００の処理結果を表示する。モニタ１１０７上に、情報処理装置１１００上に再現された特定人物のコンピュータグラフィックスを表示しても良い。また、モニタ１１０７上に、特定人物の応答をテキスト表示しても良い。スピーカ１１０８は、情報処理装置１１００上に再現された特定人物の応答を音声出力するようにしても良い。

【0011】

ユーザは、モニタ１１０７上に表示された特定人物のコンピュータグラフィックスを視認しながら、入力装置１１０６で質問などの問いかけを行い、スピーカ１１０８から音声出力される応答を聞くことが出来る。尚、情報処理装置１１００上に再現された特定人物とのコミュニケーションは、入力装置１１０６、モニタ１１０７、スピーカ１１０８を用いずに行っても良い。例えば、情報処理装置１１００とネットワーク１４００を介して接続されているクライアントＰＣやスマートフォン１３００を使って、土曜のコミュニケーションを行うことが可能である。

【0012】

図２は、本実施形態における機能構成図である。図２に示した各機能は、情報処理装置１１００が、ＤＲＡＭ１１０２に記憶されたコンピュータプログラムや各種データに基づく処理を行うことにより、実現される。記憶手段２００１は、ＤＲＡＭ１１０２や二次記憶装置１１０３により実現され、Ｑ＆Ａデータおよび年齢情報を保持する。Ｑ＆Ａデータは、特定人物に対して行った質問に対する応答を集めたデータである。Ｑ＆Ａデータは、テキスト形式のデータでも良いし、音声形式のデータでも良い。また、特定人物の自発的な発言として、無言に対する応答を含むデータでも良い。Ｑ＆Ａデータは、携帯電話やスマートフォンの会話ログから収集しても良いし、パーソナルコンピュータ上に記録されているチャットログから収集しても良い。年齢情報は、Ｑ＆Ａデータに含まれる各応答を特定人物が何歳の時にしたものかを示す情報である。年齢情報は、Ｑ＆Ａデータに含まれる各応答に関連付けて記憶されている。図３は、本実施形態におけるＱ＆Ａデータおよび年齢情報を示す図である。図に示す通り、Ｑ＆Ａデータ３００１には、多くの質問に対する回答が含まれている。また、各Ｑ＆Ａが、何歳の時になされたものかを示す年齢情報３００２が関連付けられている。記憶手段２００１には、一人の特定人物のＱ＆Ａデータ３００１および年齢情報３００２だけでなく、複数の特定人物のＱ＆Ａデータ３００１および年齢情報３００２を記憶しておいても良い。また、年齢情報３００２は、２５歳～３０歳のように年齢の範囲で設定しておいても良い。

【0013】

取得手段２００２は、記憶手段２００１に記憶されているＱ＆Ａデータと年齢情報とを取得する手段である。そして、設定手段２００３は、ユーザ指示などに基づき所定の年齢を設定する手段である。所定の年齢は、ユーザが所望の年齢を定めればよい。例えば、特定人物が２５歳の時の仮想人物を再現してコミュニケーションを行いたい場合は、２５歳を設定する。また、２５～３０歳のように年齢の範囲を設定しても良い。抽出手段２００４は、設定手段２００３で設定された所定の年齢に基づき、Ｑ＆Ａデータから対応する応答情報を抽出する手段である。例えば、設定手段２００３で２５歳が設定されている場合、図３に示すＱ＆Ａデータ３００１には、２５歳、５０歳、５１歳の応答情報が含まれているため、年齢情報３００２を参照して、２５歳のみの応答情報を抽出する。生成手段２００５は、抽出手段２００４で抽出された応答情報を用いて、特定人物の応答モデル（学習モデル）を生成する。応答モデルは、最も単純なものでは、抽出手段２００４で抽出されたＱ＆Ａデータそのものでも良い。その場合、記憶手段２００１に記憶されていたＱ＆Ａデータに含まれる質問のみ応答できるモデルになる。判定手段２００６は、生成した応答モデルを使ったコミュニケーションを行うか否か、またコミュニケーションを停止するか否かを判定する判定手段である。判定手段２００６は、所定の時間だけユーザからの質問がなかった場合やユーザからコミュニケーション停止の指示を受けた場合、学習によって生成した応答モデルを使ったコミュニケーションを停止させる。入力手段２００７は、ユーザからの質問を受け付け、応答モデルに質問のデータを入力する手段である。尚、生成した応答モデルが複数存在する場合、入力手段２００７からの入力に基づき、所望の応答モデルを選択する。出力手段２００８は、ユーザからの質問に対する応答モデルの応答を出力する手段である。

【0014】

図４は、本実施形態における応答モデルの一例の概念図である。前述した通り、抽出手段２００４で抽出されたＱ＆Ａデータそのものを応答モデルにした場合、記憶手段２００１に記憶されていたＱ＆Ａデータに含まれる質問のみしか応答することが出来ない。よって、記憶手段２００１に記憶されていたＱ＆Ａデータに含まれる質問以外の質問にも応答するため、意味解析モデル４１０２を導入する。意味解析モデル４１０２は、あらかじめ、ニューラルネットワークやサポートベクターマシンなどの機械学習を用いて作成しておく。意味解析モデル４１０２は、テキスト形式もしくは音声形式の質問データを入力とし、質問を同定可能な質問の特徴量４１０３を出力する。類似の質問に同一ラベルを付与した多くの質問データを教師データとして機械学習を行うことにより、類似の質問に対して同一の特徴量を出力する意味解析モデル４１０２を作成することが出来る。Ｑ＆Ａデータが比較的少ない場合は、特徴量４１０３はスカラー値でも良いが、Ｑ＆Ａデータが多い場合は、特徴量４１０３はベクトル値にすると良い。ここで、機械学習の一つであるニューラルネットワークの概念について説明する。

【0015】

なお、ニューラルネットワークの原理自体は公知であるため、簡単に説明する。図５は、ニューラルネットワークを説明する図である。図５では中間層を１層としているが、２層以上で中間層を構成することが望ましい。図５に示すニューラルネットワークでは、入力層はＭｉ個のノード（ｎ１１、ｎ１２、…、ｎ１Ｍｉ）を有し、中間層はＭｈ個のノード（ｎ２１、ｎ２２、…、ｎ２Ｍｈ）を有し、出力層（最終層）はＭｏ個のノード（ｎ３１、ｎ３２、…、ｎ３Ｍｏ）を有している。そして、各層のノードは隣接する層の全てのノードと結合しており、階層間で情報伝達を行う３層の階層型ニューラルネットワークを構成している。

【0016】

入力層に画像を入力する場合、該入力層には、画素とノードとが１対１となるように、画素数分のノードを設ける。また、出力層においても出力する画素数分のノードが設定されている。つまり本実施形態においては、１６画素×１６画素のブロック画像が入力され、１６画素×１６画素の画素値を出力するので、入力層および出量層におけるノードは２５６個である。データは、図５の左から右へ、即ち、入力層、中間層、出力層の順で受け渡される。入力層の各ノードは中間層のすべてのノードに接続され、ノード間の接続はそれぞれ重みを持っている。一方のノードから結合を通して他方のノードに伝達される際の出力値は、結合の重みによって増強あるいは減衰される。このような接続に定められた重み係数、バイアス値の集合は学習モデルのパラメータである。なお活性化関数については特に限定しないが、ロジスティックシグモイド関数やＲｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ（ＲｅＬＵ）関数などを用いれば良い。学習方法としては、種々提案されているニューラルネットワークの学習方法を適用すれば良い。例えば、入力層に生徒データを入力してニューラルネットワークを動作させた場合に出力層から得られる出力と、該生徒データに予め対応づけられている教師データと、の差分を計算し、該差分を極小化するように、重み係数及びバイアス値を調整する。

【0017】

図４に示す通り、上記の通りに作成された意味解析モデル４１０２と、抽出手段２００４で抽出された応答情報から作成されたＱ＆Ａモデル４１０１とを直列接続することにより、応答モデル４１００を作成することが出来る。Ｑ＆Ａモデル４１０１は、Ｑ＆Ａデータの集合であるが、意味解析モデル４１０２と接続するため、入力の質問を意味解析モデル４１０２の特徴量に変更しておく。応答モデル４１００の処理としては、まず、質問が入力されると、意味解析モデル４１０２は、質問を同定可能な特徴量４１０３を出力する。Ｑ＆Ａモデル４１０１は、意味解析モデル４１０２が出力した特徴量４１０３を入力として、特徴量４１０３に対応する応答を出力する。以上の処理により、あらかじめ記憶されていた質問以外の質問にも応答可能な応答モデル４１００を実現することが出来る。尚、上記実施形態では、Ｑ＆Ａモデル４１０１とは別に、意味解析モデル４１０２を機械学習により生成したが、機械学習の段階で、Ｑ＆Ａモデル４１０１を含めて応答モデル４１００を作成しても良い。

【0018】

図６は、本実施形態における応答モデルの生成を示すフローチャートである。以下、各ステップについて説明する。尚、以下の各ステップは、情報処理装置１１００、クライアントＰＣ１２００、スマートフォン１３００の少なくともいずれか一つが行うものである。

【0019】

Ｓ６０１は、取得手段２００２が、記憶手段２００１から、特定人物のＱ＆Ａデータおよび、対応する年齢情報を取得するステップである。尚、特定人物は、あらかじめ設定しておいても良いし、ユーザの指示に基づき設定しても良い。

【0020】

Ｓ６０２は、設定手段２００３が、ユーザ所望の年齢を設定するステップである。ここで設定する年齢は、特定の年齢ではなく、２５～３０歳のように年齢の範囲であっても良い。また、西暦や元号で指定し、特定人物の生年月日に基づき、年齢を算出ししても良い。

【0021】

Ｓ６０３は、抽出手段２００４が、Ｓ６０２で設定された所定の年齢に基づき、特定人物のＱ＆Ａデータから対応する応答情報を抽出する処理である。例えば、Ｓ６０２で２５歳が設定された場合、Ｓ６０１で取得した年齢情報を参照して、特定人物のＱ＆Ａデータから２５歳の応答情報のみを抽出する。

【0022】

Ｓ６０４は、Ｓ６０３で抽出された応答情報を用いて、応答モデルを生成するステップである。応答モデルの生成の詳細については、前述したため、ここでは省略する。

【0023】

以上の処理により、ユーザが所望した年齢の特定人物の応答を再現することが可能な応答モデルを生成することが出来る。

【0024】

次に、情報処理装置１１００、クライアントＰＣ１２００、スマートフォン１３００の少なくともいずれか一つを使い、生成された応答モデルを用いたコミュニケーションを行う方法について説明する。

【0025】

図７は、第１の実施形態における応答モデルを使ったコミュニケーションのフローチャートである。以下、各ステップについて説明する。

【0026】

Ｓ７０１は、入力手段２００７が、ユーザからの入力指示に基づき、コミュニケーションを望む年齢の特定人物の応答モデルを選択するステップである。尚、ここでは、複数の特定人物もしくは複数年齢の応答モデルがすでに生成されている前提で選択を行っている。しかしながら、所望の応答モデルが一つだけ生成されている場合には、本ステップにおける選択を省略することも可能である。

【0027】

Ｓ７０２は、判定手段２００６が、Ｓ７０１で選択された応答モデルとのコミュニケーションを停止するか否かを判定するステップである。判定は、ユーザの入力指示や、あらかじめ設定した所定時間を経過したことなどに基づき行う。コミュニケーションを停止すると判定された場合は、本フローにおける処理を終了させる。コミュニケーションを停止しないと判定された場合、すなわち、コミュニケーションを継続すると判定された場合は、Ｓ７０３に処理を進める。

【0028】

Ｓ７０３は、判定手段２００６が、ユーザからの質問があるか否かを判定するステップである。ユーザからの質問は、入力装置１１０６、クライアントＰＣ１２００、スマートフォン１３００を用いて、テキスト形式や音声形式のデータで入力される。また、特定人物からの自発的な発言を望む場合は、自発モードをあらかじめ設定しておくことにより、ユーザからの質問がなかったとしても、質問が入力されたものとして処理を進める。質問が入力されたら、質問ありと判定され、Ｓ７０４に処理を進める。質問なしと判定された場合、コミュニケーションを停止するか否かを判定するため、Ｓ７０２に処理を戻す。

【0029】

Ｓ７０４は、出力手段２００８が、Ｓ７０３で入力された質問に対する応答を出力するステップである。応答は、Ｓ７０３で入力された質問を応答モデルに入力し、応答モデルから応答を出力する。応答は、スピーカ１１０８、モニタ１１０７、ネットワーク１４００を介したクライアントＰＣ１２００、スマートフォン１３００で出力される。出力後、次のユーザからの質問を受けるため、Ｓ７０３に処理を戻す。

【0030】

以上、本実施形態によれば、ユーザ所望の年齢の特定人物の応答モデルを作成し、生成された応答モデルを使ったコミュニケーションが可能となる。

【0031】

（第二の実施形態）
第一の実施形態では、意味解析モデル４１０２とＱ＆Ａモデル４１０１と直列接続させて、応答モデル４１００を生成した。しかしながら、ユーザの多様な質問に対して、対象の特定人物らしい応答を適切に行うためには、異なる方法で応答モデルを作成したほうが良いこともある。

【0032】

一般的に、特定人物らしいか否かは、応答の内容と、語尾の癖や方言の有無などの口調とで判別されていると考えられる。そこで、本実施形態では、口調モデルを導入した応答モデルを生成する。尚、応答モデルの生成方法以外に関しては、第一の実施形態と同様であるため、以下では、本実施形態における応答モデルの生成方法のみについて説明する。

【0033】

図８は、本実施形態における応答モデル８１００の概念図である。図８において、意味解析モデル８１０２は第一の実施形態における意味解析モデル４１０２と同様で、特徴量８１０３は第一の実施形態における特徴量４１０３と同様である。本実施形態における応答モデル８１００は、意味解析モデル８１０２、再学習済の標準応答モデル８１０１、口調モデル８１０４を直列に接続することにより実現される。

【0034】

再学習済の標準応答モデル８１０１は、標準応答モデルに対して、Ｑ＆Ａデータ３００１および年齢情報３００２を用いた再学習を行い、生成されたものである。標準応答モデルは、一般的な標準応答を行うことが可能なモデルであり、標準的な会話ログなどを教師データとすることにより生成可能である。標準的な会話ログからは、特定人物ならではの応答を学習することは出来ないが、膨大なＱ＆Ａデータを収集することが可能である。よって、多様な質問に対して応答可能な応答モデルを生成することが出来る。本実施形態では、多様な質問に対して応答可能な標準応答モデルに対して、Ｑ＆Ａデータ３００１および年齢情報３００２を用いて再学習を行う。すなわち、ユーザが設定した年齢に対応するＱ＆Ａデータ３００１を用いて再学習を行い、Ｑ＆Ａデータ３００１に含まれる質問に対してはＱ＆Ａデータ３００１に含まれる応答を行う。そして、Ｑ＆Ａデータ３００１に含まれない質問に対しては標準応答を行うように学習するものである。

【0035】

口調モデル８１０４は、入力されたテキストもしくは音声をそのまま出力するモデルに対して、ユーザが設定した年齢に対応するＱ＆Ａデータ３００１を用いて口調を学習させたモデルである。すなわち、入力されたテキストもしくは音声に対して、内容としては同じあるが、語尾の癖や方言などの特定人物の口調らしさが加わった出力を行うように学習させたものである。

【0036】

本実施形態における応答モデル８１００では、第一の実施形態と同様に、質問が入力されると、意味解析モデル８１０２は、質問を同定可能な特徴量８１０３を出力する。再学習済の標準応答モデル８１０１は、意味解析モデル８１０２が出力した特徴量８１０３を入力として、特徴量８１０３に対応する応答を出力する。ここでの応答は、Ｑ＆Ａデータ３００１に含まれていた質問に対しては、特定人物らしい応答になるが、Ｑ＆Ａデータ３００１に含まれていなかった質問に対しては、標準応答となる。再学習済の標準応答モデル８１０１の出力は、口調モデル８１０４に入力され、特定人物らしい口調の応答で出力される。以上の処理により、仮に、再学習済の標準応答モデル８１０１からの出力が標準応答だったとしても、口調モデル８１０４により特定人物らしい口調の応答で出力されるため、ユーザは特定人物らしさを感じることが出来る。再学習済の標準応答モデル８１０１からの出力がＱ＆Ａデータ３００１に含まれていた質問だった場合は、応答の内容と口調ともに特定人物らしくすることが可能になる。

【0037】

尚、本実施形態におけるモデルの学習は、前述したニューラルネットワークやサポートベクターマシンなどの各機械学習の手法を用いて実現することが可能である。以上、本実施形態によれば、ユーザの多様な質問に対して、対象の特定人物らしい応答を適切に行う応答モデルを生成することが可能となる。

【0038】

図９は、年齢別の応答モデルを用いたアバターの表示例を示したものである。図９に示した年齢別のアバターの画像を、モニタ１１０７、クライアントＰＣ１２００、スマートフォン１３００のいずれかに表示させることにより、ユーザは、互いに異なる年齢とアバターを対面しているかのように感じることが出来る。そして、あらかじめ作成された年齢別の応答モデルを各年齢のアバターに設定しておけば、ユーザの質問や問いかけに対して、年齢ごとに特有の応答をすることが出来るため、ユーザが互いに異なる年齢のアバターと会話をしているような感覚を得ることが出来る。

【0039】

図１０は、図９のアバターによる応答を実現するための応答モデルの一例であり、応答モデルを年齢別に選択するモデルの概念図である。図に示す通り、応答モデル１０１００には、２５歳で再学習済の標準応答モデル１０１０１、５０歳で再学習済の標準応答モデル１０２０１、７０歳で再学習済の標準応答モデル１０３０１、が含まれている。更に、２５歳で再学習済の標準応答モデル１０１０１には２５歳の口調モデル１０１０４が接続されている。５０歳で再学習済の標準応答モデル１０２０１には５０歳の口調モデル１０２０４が接続され、７０歳で再学習済の標準応答モデル１０３０１には７０歳の口調モデル１０３０４が接続されている。モデルの機能は図８に示した応答８１００と類似している。大きく異なる点として、入力（質問）に対して意味解析モデルおよび年齢選択１０１０２では、入力（質問）の意味解析に加えて、年齢選択を行い、選択された年齢に対応するモデルに対して、特徴量１０１０３を出力するようになっている。年齢選択は、あらかじめ設定されたものでも良いし、ユーザの設定指示に応じて選択しても良い。また、特定の年齢だけでなく、年齢の幅で選択しても良い。このような構成にすることにより、図９に示した年齢別のアバターそれぞれに対応した応答モデルが選択され、適切な出力（応答）がなされる。

【0040】

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

【符号の説明】

【0041】

２００２ 取得手段
２００３ 設定手段
２００４ 抽出手段
２００５ 生成手段

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】