対話相手への好感に基づく発話構成要素の選択と お見合い対話システムへの実装

摘要

一問一答や短いやりとりを行う音声対話システムの実用化が進hでいる．我々は社会的かつ長いやりとりを通して人間らしい対話感を実現する音声対話システムの研究を進めている．人間らしい対話感を実現するための要素の一つとして，システムに感情などの内部状態を持たせることが挙げられる．本研究では，システムの内部状態として対話相手への好感を扱う．好感が反映されるシステムのふるまいとして，発話の構成要素を用いる．ここでは，発話の構成要素として反応，エピソード，質問の３つを考える．反応は相手の発話に対する反応や回答，エピソードは自己開示，質問は話題を掘り下げたり転換したりする質問にそれぞれ相当する．図1 に例を示す．好感が高い場合には反応に加えてエピソードあるいは質問を発話する．逆に，好感が低い場合には反応のみを発話するということが考えらえる．これを実現するための発話構成要素選択のモデルとして，システムの内部状態を中間層とする階層的ニューラルネットワークを提案する．入力はユーザのふるまい，出力はシステムの発話構成要素に対応する．内部状態を中間層に対応させるために，内部状態のラベルを用いて事前学習を行う．その後，入力と出力のラベルを用いてネットワーク全体をファインチューニングする．前回の発表では，上記のモデルを提案したが，本稿では，使用するコーパスでの傾向に基づき，発話構成要素を選択する複数のタスクについて再検討を行う．また，実応用として，現在実装を進めているお見合い対話システムについても述べる．