[发明专利]对话行为推定方法、对话行为推定装置以及程序

权利要求书

1.一种对话行为推定方法，是推定语言表达文被分类的对话行为的对话行为推定装置中的对话行为推定方法，包括：

取得使可能成为当前的语言表达文的第1文句的文本数据、可能成为所述第1文句的前一语言表达文的第2文句的文本数据、表示所述第1文句的说话者是否与所述第2文句的说话者相同的第1说话者交替信息、表示所述第1文句的分类的对话行为信息相关联而成的第1训练数据，

通过将所述第1训练数据应用于预定模型，由此对所述当前的语言表达文与所述对话行为信息的关联进行学习，

将所述学习的结果作为学习结果信息进行存储。

2.根据权利要求1所述的对话行为推定方法，

所述第1训练数据还包括表示所述第1文句的说话者的第1说话者识别信息、和表示所述第2文句的说话者的第2说话者识别信息。

3.根据权利要求2所述的对话行为推定方法，

所述模型包括：

第1模型，其基于所述第1文句的文本数据、所述第2文句的文本数据、所述第1说话者识别信息、所述第2说话者识别信息、第1权重参数，输出第1特征向量；

第2模型，其基于所述第1文句的文本数据、所述第2文句的文本数据、所述第1说话者交替信息、第2权重参数，输出第2特征向量；以及

第3模型，其基于所述第1特征向量、所述第2特征向量、第3权重参数，输出与所述第1文句对应的对话行为的后验概率，

所述学习通过在所述后验概率与由所述第1训练数据表示的所述对话行为信息之间进行误差反向传播学习来执行。

4.根据权利要求3所述的对话行为推定方法，

所述第1模型根据具有依赖于所述第1说话者识别信息以及所述第2说话者识别信息的所述第1权重参数的第1RNN-LSTM，从所述第1文句和所述第2文句求取所述第1特征向量，

所述第2模型根据具有依赖于所述第1说话者交替信息的所述第2权重参数的第2RNN-LSTM，从所述第1文句和所述第2文句求取所述第2特征向量。

5.根据权利要求1～4中任一项所述的对话行为推定方法，

所述第1训练数据从收集了2个以上的训练数据的语料库取得。

6.根据权利要求1～5中任一项所述的对话行为推定方法，

所述对话行为推定方法还包括：

取得对话数据，所述对话数据包括由用户说出的作为当前的语言表达文的第3文句的文本数据、作为所述第3文句的前一语言表达文的第4文句的文本数据、以及表示所述第3文句的说话者是否与所述第4文句的说话者相同的第2说话者交替信息，

基于所述学习结果信息，将所述对话数据应用于所述模型，由此推定所述第3文句被分类的对话行为。

7.一种对话行为推定装置，推定语言表达文被分类的对话行为，具备：

训练数据取得部，其取得使可能成为当前的语言表达文的第1文句的文本数据、可能成为所述第1文句的前一语言表达文的第2文句的文本数据、表示所述第1文句的说话者是否与所述第2文句的说话者相同的第1说话者交替信息、表示所述第1文句的分类的对话行为信息相关联而成的第1训练数据；

学习部，其通过将所述第1训练数据应用于预定模型，由此对所述当前的语言表达文与所述对话行为信息的关联进行学习；以及

存储部，其将所述学习的结果作为学习结果信息来存储。

8.一种程序，其使计算机执行权利要求1所述的对话行为推定方法。