Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Andere mochten auch
Andere mochten auch (20)
Ähnlich wie 対話システム, 南泰浩
Ähnlich wie 対話システム, 南泰浩 (20)
Mehr von KIT Cognitive Interaction Design
Mehr von KIT Cognitive Interaction Design (16)
対話システム, 南泰浩
- 2. 今年７月NTTより転職 これまでの研究 • 音声認識： 1000万語を対象とした音声認識 • 対話処理： 各種対話システムを作成 docomo が公開した雑談APIに貢献 • 幼児語彙習得： 語彙爆発を解明 • 東ロボプロジェクト：英語偏差値50.5 (NHK他で報 道) 自己紹介
- 9. 対話システムのイメージ
- 11. 心理学側面
- 16. 実験：礼儀正しさ
- 19. 実験設定１ • 被験者：２２人 • インストラクション：様々な話題についてコン ピュータを使って学習，その後使用したコン ピュータを評価する • 評価基準：コンピュータをどう感じたか
- 20. 実験設定２ • 実験状況：コンピュータと一対一 • 学習事項：アメリカ人の統計知識 • コンピュータ：NeXT, ２１インチ白黒モニタ • 出力：テキストとボタン • 入力：マウス，「よく知っている」「まあ知っている」 「ほとんどしらなかった」 • インストラクション：知識に合わせて質問を変える． （実は一緒．）
- 26. この他の心理的示唆 • 男性ユーザーも女性ユーザーも男性の声に 褒められたときに影響を受ける • 男性の声の方が女性の声のものより友好的 • 恋愛と人間関係 女性が良い • コンピュータ 男性が良い メディアを人間のように扱う
- 31. フーコー A⇒Bだけの権力だけではない． A B 何らかの手法 で従わせる B自らが自らに課す権力が存在 例： 尊法精神 信号が青なら渡らない 学校での教育，教習所での教育 ⇒規律訓練型権力
- 37. 対話システムの動向
- 38. タスク達成型システム Mokusei:天気案内システムを題材に S. Seneff, J. Glass, T.J. Hazen, Y. Minami, J. Polifroni, and V. Zue, "MOKUSEI: A Japanese Spoken Dialogue System in the Weather Domain," NTT R&D Vol. 49, No. 7, 2000. VV. Zue, et al., "From JUPITER to MOKUSEI: Multilingual Conversational Systems in the Weather Domain," Proc. Workshop on Multilingual Speech Communications (MSC2000), Kyoto, Japan, October 2000
- 41. Mokusei の文生成（言語依存） rain (possible (in the morning)) [English original] ((morning in) possible) rain [Japanese ordering] ((gozenchuu ni) kanoo na) ame [nonsense] gozenchuu (((ame no) kanoosee ga) arimasu) [fluent] morning (((rain of) possibility) exist) SBJ [English equivalent]
- 42. {c weather_event topic: {q precip_act name: "rain" pred: {p possibility qualifier: "possible" pred: {p in_time topic: {q time_of_day name: "morning" quantifier: "def"} } } } } Mokusei の意味表現（言語共通）
- 49. 意図エンジンの処理 形態素解析 発話内容を形態素に分割 カテゴリ付与 単語にカテゴリ情報を付与 特徴量抽出 形態素やカテゴリ等から特徴量を抽出 タスク判定 特徴量と学習モデルに基づきタスク 判定を実行（機械学習） キーワード抽出 発話内容に含まれる名詞と タスク判定結果からキーワードを抽出 発話内容 吉村健，情報処理学会研究報告,SLP93-4, 2012
- 51. DB質問型QA ユーザ質問 「エベレストの高さは？」 対象抽出 属性判定 システム解答 「8848m」 データベース検索 対象：エベレスト 属性：標高 富士山 3776 m エベレスト 8848 m K2 8611 m キリマン ジャロ 5895 m 標高テーブル 東中竜一郎他，NTT技術ジャーナル，2，2013
- 52. 検索型QA ユーザ質問 「世界で一番高い 山は」 文書解析 システム解答 「エベレスト」 富士山，北岳，モン ブラン，エベレスト， K2，カンチェンガ， ローツェ 回答タイプ：単語回答型 拡張固有表現タイプ：山 検索キーワード：世界, 一番, 高い, 山 質問解析 Web検索 エンジン リアルタイム 検索エンジン 回答評価 回答抽出 上位回答 表示 質問解析結果 回答抽出結果 東中竜一郎他，NTT技術ジャーナル，2，2013
- 54. DARPA PAL CALO • The DARPA PAL program (the Personalized Assistant that Learns) コンピューターが認知システムを利用して，人 間を支援する手法の改善にフォーカスする． • CALO (Cognitive Assistant that Learns and Organizes) CALOは認知的な多数のAI技術を統合する ことで人を補助するシステムを目指す人工知 能プロジェクト。
- 56. Mediator Asking Reasoner Asking Control Reasoner Iterative Deepening Reasoner Model Elimination Reasoner Asking Control Dispatcher Rule Expansion Reasoner Query Planner Assigned Goal Dispatcher Domain ModelRule Base KM Asking Reasoner Time Reasoner IRIS Asking Reasoner MOKB Asking Reasoner PTIME Asking Reasoner KM IRIS MOKB PTIMEMediator CALOの質問応答
- 58. 質問からKIFへ Which meetings will have a conflict if the CALO Test meeting runs overtime by an hour? (and (CurrentCaloUser ?user) (is-calendar-attendee ?user ?meeting) (Event-Entry ?meeting) (calendar-summary ?meeting “CALO Test”) (has-end-date ?meeting ?end-date) (time-add ?end-date “PT60M” ?new-end-date) (Event-Entry ?affected-meeting) (time-inside-event ?new-end-date ?affected-meeting) (is-calendar-attendee ?user ?affected-meeting)) KIF ：Knowledge Interchange Format
- 59. Query Manager Task Management User Interface Advice Preference Task Manager SPARK Process Models Time Manager PTIME Effectors Sensors CALOのスケジュール管理 Belief Desire Intention (BDI)フレームワーク
- 60. これから
- 61. 非タスク達成型対話 （雑談対話）
- 64. -64- （４） 統計ベース：係り受け構造を利用 関連話題データベース お腹空いたしご飯食べようー 「何も食べてなくて お腹空いたなあ」 ユーザ発話 お腹→空いた 入力係り受け構造 ご飯→食べる 何か→食べる 力 →出ない 関連係り受け構造 システム発話文候補 「ご飯食べるんですね」 「何か食べたいんですね」 「力が出ないんですね」 H. Sugiyama, T. Meguro, R. Higashinaka, Y. Minami, “Open-domain Utterance Generation for Conversational Dialogue Systems using Web-scale Dependency Structures,” in Proc. SIGDIAL, pp. 334-338, 2013.
- 65. ルールの作成 雑談対話の性能比較 1. 雑談：12万発話，パーソナリティ質問：4200件から発話 対（ユーザ発話：システム発話）の抽出 2. ユーザ発話から重要語以外の単語を削除し * を挿入し パターンを自動生成（重要語：名詞，動詞，形容詞，終 助詞「か」，連体詞など） 3. 作成者が取捨選択 +α: 雑談コーパス中の頻出キーワード250個に対して 「対話を続けたいと思う発話」を100 文ずつ作成し追加
- 67. ルールベース型対話システム対話例 話者 発話 マッチしたルール ユーザ こんにちは システム こんにちは こんには ユーザ お名前は何ですか システム 愛子といいます *お名前*何*か* ユーザ 愛子さんですね，こんにちは システム こんにちは こんにちは ユーザ ご機嫌はどうですか システム ええー？どうなんでしょう．．． どう*か ユーザ 体調はどうですか システム CMでよく見るパブロンという風邪薬が すごくよくきいてびっくりしました 体調*どう ユーザ 風邪をひいてたんですか システム そうなんです ですか
- 68. 各手法で生成された応答例 システム 応答例 評価値 １．ルール 雷は怖いですね 1 ２．類似したツイートの応 答 カレーだと 2 ３．類似した応答ツイート 混ざり合おう 1 ４．単語間の係り受け ヤングコーンも卵だ 1 ４．文節ペアの係り受け いい感じに混ざって 美味しかったな 5 入力文：卵とカレーほどよく混ざり合って美味しそう。
- 69. 各手法の比較 応答文として の自然さ ルール 文節ペア の係受け 単語間の 係受け 類似した ツイートの 応答 類似した 応答 雑談 （想定内） 4.11 3.16* 3.31* 2.11* 2.96* Twitter （想定外） 3.17 3.33 3.39 2.20* 2.74* 目黒豊美, 杉山弘晃, 東中竜一郎, 南泰浩, “ルールベース発話生成と統計的発話生成の融合に基づく対話システ ムの構築,”人工知能学会全国大会, 2014.
- 70. Oracle(最良の システム） 提案 各手法単独 ルール 単語間の係り受け 雑談 4.44** 4.33 4.11** 3.31** Twitter 4.02** 3.63 3.17** 3.39* 適切な識別によって，手法単独に比べて ユーザ評価が向上 *：有意差あり（提案手法との比較） 目黒豊美, 杉山弘晃, 東中竜一郎, 南泰浩, “ルールベース発話生成と統計的発話生成の融合に基づく対話システ ムの構築,”人工知能学会全国大会, 2014. ハイブリッド手法の評価
- 72. 解き方：発話意図と感情極性の利用 話者 発話 発話意図（推定） 感情極性（推定） Parker I hear your father is in hospital. 表明 Brown Yes, and he has to have an operation next week. 表明 Parker That’s too bad. 評価 Parker Let me know if I can do anything. 申し出 Brown Thanks a lot. 感謝 0 1 Positive Negative 0 1 Positive Negative 0 1 Positive Negative 0 1 Positive Negative 0 1 Positive Negative 発話意図の流れとして自然か，感情極性の流れとして自然かの両面でスコア付け 意見要旨把握（3C）も同 様に解ける
- 73. （2B）会話文完成問題の解き方詳細 選択肢 発話意図の 流れの自然 さ 感情の流れの自 然さ 重み付き和（スコア） ① Exactly, yes. 0.28 0.26 0.27 ② No problem. 0.07 0.28 0.16 ③ That's a relief. 0.28 0.21 0.25 ④ That's too bad. 0.37 0.25 0.32 やり取りが自然かだけでなく，話者の感情も考慮することがポイント 人間同士の対話ログにどのくら い出現するやり取りかで計算 自分および対話相手との 感情極性の一致率を計算 代ゼミ模試 過去5回 今回 7/15 1/3 意見要旨把握（3C） も同様に解ける
- 76. 課題 タスク：レポート 締切： ８月７日 提出方法： Wordで記入 メール：minami.yasuhiro@is.uec.ac.jp 課題： 皆さんは対話ができるロボットを作ろうとしていま す．どんな対話システムを作りたいですか？それが普及 すると世の中はどう良くなりますか？また，それによって 引き起こされる問題はなんですか？技術的，心理学的， 哲学的な観点から論じてください． レポートの長さ： A4 １～２枚程度（２枚にする必要はな いです．），枚数を埋めることが目的ではなく，自分の主 張点を過不足なく，冗長性なく書いてください．