2017 Fiscal Year Research-status Report
話し手の語る意欲を高めるパーソナルロボットの傾聴技術
| Project/Area Number |
15K12095
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
松原 茂樹 名古屋大学, 情報連携統括本部, 教授 (20303589)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中村 剛士 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (90303693)
大野 誠寛 東京電機大学, 未来科学部, 准教授 (20402472)
村田 匡輝 豊田工業高等専門学校, 情報工学科, 助教 (30707807)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | 対話システム / 対話コーパス / 音声対話 / コミュニケーションロボット / 応答生成 / 深層学習 / 系列変換 / 言語生成 |
|---|
| Outline of Annual Research Achievements |
本研究では、人の生活に浸透するコミュニケーションロボットの実現に向け、人の語りを聞く技術の実現性、ならびに、その語りに対する効果を示すことを研究目的とする。ロボットが聞き手として認められるには、「語りを傾聴する機能」および「語りを傾聴していることを話し手に伝達する機能」を備える必要がある。今年度は、傾聴していることを話し手に伝達するための発話の生成技術に関する研究項目を実施した。具体的には以下に示す成果が得られた。
語りに対して傾聴を示す応答を付与したデータを用いて、深層学習による応答表現の生成手法を開発した。本手法は、ある時点までの語りの単語列を入力とし、Long Short-Term Memory(LSTM)を用いた系列変換モデルにより、応答表現を生成する。深層学習による応答生成に関する研究はすでにいくつか行われているが、これらの研究では、発話と応答のペアを大量に収集し、リカレントニューラルネットワーク(RNN)やLSTMを用いた系列変換モデルにより応答を生成している。本研究でも、LSTMを用いた系列変換による応答生成という手法を採用するが、独話的に語られる発話に対して発話権を保持しない応答を行う形態を対象とするため、入力として複数の種類の単語列を検討し、モデルの性能を比較する点が新しい。入力として与える単語列の単位、モデルを構成するパラメータ等を変化させた複数のモデルを学習し、傾聴的応答の特性から定めた評価指標により、各モデルを比較・評価した。応答データを用いた応答表現生成実験の結果、傾聴的応答らしい応答表現を生成できていることを確認するとともに、学習時のエポック数を増加させることにより、称賛を送る応答、繰り返し応答を生成できることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
これまでに、傾聴応答データの分析と体系化、及び、多様な応答表現を生成するための手法に取り組む、系列変換に基づく傾聴的応答生成の枠組みを構築するなど有用な成果を生み出すとともに、実験を通して生成される表現の多様性と妥当性を検証するに至ったため。
|
| Strategy for Future Research Activity |
本研究の主要な目的である。人の語りを聞く技術としての傾聴的応答の生成技術については一定の成果が得られており、今後は、生成された応答の語り手に対する効果を検証することを計画している。現状において研究進行上の致命的な問題が生じるには至っていない。
|
| Causes of Carryover |
本研究では、コミュニケーションロボットのための傾聴的応答生成の実現性の検証と目的としている。応答生成の技法についてはその妥当性と多様性について評価したものの、その効果を確認するために、総合的な観点からの評価が必要との結論に至ったため、それを次年度に遂行するために次年度使用額が生じた。費用については、評価実験用パーソナルコンピュータ、被験者への謝金、及び、研究発表旅費として使用することを計画している。
|
Research Products
(1 results)
