ユーザ・状況に適応的な音声対話による大規模情報の検索・提示

点击翻译按钮获取中文摘要

膨大かつ複雑な情報を誰もが理解・活用できるようにするには, 人間と対話しながら, その人の意図や興味を推察することによって, 的確な情報を検索し提示するシステムの実現が重要となる. 現状の情報検索システムでは, キーワードにマッチする数多くの候補がディスプレイに表示されて, ユーザがそれらを1つずつチェックするというインタフェースとなっている. これに対して我々は, 音声対話によるリアルタイムのインタラクションを介して, ユーザの興味を喚起し, 意図や選好を顕在化しながら, 情報を検索・提示するプロアクティブなシステム「情報コンシェルジェ」の実現を目指して研究を行った.プロアクティブな情報検索・提示を実現するには, リアルタイムのインタラクションにおいて, ユーザの興味や反応を察知することが鍵となる. 特に, 対面の音声対話においては, いちいち言葉で確認しなくても, 提示された情報に興味を示しているか, 否定的であるかを察知できることが望ましい. そこで, 人間のプロのガイドが京都の観光地を案内し, ユーザが1日に回る場所を決めるというタスクの模擬対話を対象に分析を行った. ここでは, ある名所の説明中になされたユーザのあいづち(「はい」「うーん」など)に着目し, その発話タイミング及び頻度と, その名所が実際に訪問先として選ばれたかとの関係を調べた. その結果, 早いタイミングで(100msec以内に)なされたあいづちは大半が肯定的な反応であり, あいづちが多くなされた(発話数当り頻度0.3以上の)場合もほぼ肯定的であることがわかった. この2つの特徴を統合することで, 適合率84%(再現率は59%)で肯定的な場合を検出できた.