意圖理解裝置以及方法與流程

2024-01-29 23:41:15

本發明涉及根據語音識別結果估計用戶的意圖的意圖理解裝置以及其方法。

背景技術：

近年來，使用人們說的語言的語音識別結果來執行裝置的操作的技術受到關注。該技術被用作行動電話、導航裝置等的語音接口。作為現有的基本方法，具有以下這樣的方法：例如裝置預先存儲假定的語音識別結果與操作的對應關係，當用戶發出的語音的識別結果是假定的內容時，執行與該識別結果對應的操作。

該方法與用戶手動操作的情況相比，可通過語音的發聲進行直接操作，因此，作為快捷功能有效地發揮作用。另一方面，用戶為了執行操作，需要發出裝置等待的語言，當裝置處理的功能增加時，用戶不得不預先記住的語言增加。另外，一般情況下，在充分理解使用說明書後使用裝置的用戶較少，所以，沒有理解的用戶不知道為了進行操作要說什麼，所以，還具有這樣的問題：實際上，除了記住的功能的指令以外，無法利用語音進行操作。

因此，作為改良上述問題的技術，提出了以下這樣的方法：即使用戶沒有記住用於達成目的的指令，裝置也通過對話來引導用戶達成目的。作為其實現的方法的一個重要技術，例如在專利文獻1中公開了根據用戶的發話來正確地估計該用戶的意圖的技術。

專利文獻1的語音處理裝置按照分別表示多個意圖的多個意圖信息，具有語言的詞典資料庫以及文法資料庫，還將此前執行的指令的信息作為事先分數進行保持。該語音處理裝置按照多個意圖信息來計算音響分數、語言分數以及事先分數，作為表示根據用戶發話而輸入的語音信號相對於意圖信息的一致度的分數，選擇綜合這些分數而獲得的綜合分數最大的意圖信息。此外，還公開了以下的情況：語音處理裝置根據綜合分數來執行所選擇的意圖信息，在用戶確認後執行或放棄。

但是，在專利文獻1中，所定義的意圖是「請告訴天氣」、「請告訴時間」這種形式的唯一決定的意圖，沒有提及例如假定了包含在導航裝置的終點設定中所需的多用的設施名這樣的意圖的處理。

現有技術文獻

專利文獻

專利文獻1：日本特開2011-33680號公報

技術實現要素：

發明要解決的課題

在上述專利文獻1的語音處理裝置中，因為按照意圖來設計語音識別結果，所以，僅僅是從多個不同的意圖中進行選擇、以及判定最終選擇的意圖信息的執行和放棄，不處理語音識別結果的次級候選。

例如，在用戶聽音樂的狀態下作出「不聽音樂」這樣的發話的情況下，當「想聽音樂」這樣的第1候選和「不聽音樂」這樣的第2候選的意圖作為結果求出時，選擇第1候選的「想聽音樂」。

此外，在導航裝置的終點已經設定了「○○中心」的狀態下用戶為了追加途經地而作出「停在○×中心」這樣的發話的結果是，在「停在○○中心」是第1候選的意圖、「停在○×中心」是第2候選的意圖的情況下也會選擇第1候選的「停在○○中心」。

這樣，具有以下這樣的課題：因為現有裝置不處理次級候選，所以，難以正確地理解用戶的意圖。其結果是，用戶必須取消所選擇的第1候選，再次作出發話。

本發明是為了解決上述這樣的課題而完成的，其目的是提供利用輸入語音來正確地理解用戶的意圖的意圖理解裝置以及方法。

解決問題的手段

本發明的意圖理解裝置具備：語音識別部，其識別用戶用自然語言發出的一個語音，生成多個語音識別結果；詞素分析部，其將語音識別結果分別轉換為詞素串；意圖理解部，其根據詞素串估計用戶的發話的意圖，從一個詞素串中輸出一個以上的意圖理解結果候選和表示可能性的程度的分數；權重計算部，其計算每個意圖理解結果候選的權重；以及意圖理解校正部，其使用權重校正意圖理解結果候選的分數，算出最終分數，根據該最終分數從意圖理解結果候選中選擇意圖理解結果。

本發明的意圖理解方法包括以下的步驟：語音識別步驟，識別用戶用自然語言發出的一個語音，生成多個語音識別結果；詞素分析步驟，將語音識別結果分別轉換為詞素串；意圖理解步驟，根據詞素串估計用戶的發話的意圖，從一個詞素串中輸出一個以上的意圖理解結果候選和表示可能性的程度的分數；權重計算步驟，計算每個意圖理解結果候選的權重；以及意圖理解校正步驟，使用權重校正意圖理解結果候選的分數來算出最終分數，根據該最終分數從所述意圖理解結果候選中選擇意圖理解結果。

發明效果

根據本發明，根據一個語音生成多個語音識別結果，從語音識別結果分別生成意圖理解結果候選，使用權重來校正意圖理解結果候選的分數，算出最終分數，根據該最終分數從多個意圖理解結果候選中選擇意圖理解結果，所以，能夠從不僅包含與輸入語音相對的語音識別結果的第1候選還包含次級候選的候選中選擇最終的意圖理解結果。因此，能夠提供可正確地理解用戶意圖的意圖理解裝置。

根據本發明，根據一個語音生成多個語音識別結果，根據語音識別結果分別生成意圖理解結果候選，使用權重來校正意圖理解結果候選的分數，算出最終分數，根據該最終分數從多個意圖理解結果候選中選擇意圖理解結果，所以，能夠從不僅包含與輸入語音相對的語音識別結果的第1候選還包含次級候選的候選中選擇最終的意圖理解結果。因此，能夠提供可正確地理解用戶意圖的意圖理解方法。

附圖說明

圖1是示出本發明的實施方式1的意圖理解裝置的結構的框圖。

圖2是示出將實施方式1的意圖理解裝置作為語音接口組裝的導航裝置的結構的框圖。

圖3是說明實施方式1的意圖理解裝置的動作的圖，圖3的(a)是設定信息的例子，圖3的(b)是對話的例子。

圖4是示出實施方式1的意圖理解裝置的各部的輸出結果的圖，圖4的(a)是語音識別結果的例子，圖4的(a)～圖4的(d)是與語音識別結果1位～3位相對的意圖理解結果候選等的例子。

圖5是定義了實施方式1的意圖理解裝置的權重計算部所使用的制約條件與等待權重的對應關係的表。

圖6是示出實施方式1的意圖理解裝置的動作的流程圖。

圖7是示出本發明的實施方式2的意圖理解裝置的結構的框圖。

圖8是說明實施方式2的意圖理解裝置的動作的圖，示出對話的例子。

圖9是示出實施方式2的意圖理解裝置的各部的輸出結果的圖，圖9的(a)是語音識別結果的例子，圖9的(b)～圖9的(d)是與語音識別結果1位～3位相對的意圖理解結果候選等的例子。

圖10是示出實施方式2的意圖理解裝置的層次樹的例子的圖。

圖11是圖10的層次樹的各節點的意圖的列表。

圖12是示出實施方式2的意圖理解裝置的權重計算部計算的等待權重的例子的圖。

圖13是示出實施方式2的意圖理解裝置的動作的流程圖。

圖14是示出圖13的步驟ST20的具體動作的流程圖。

圖15是示出本發明的實施方式3的意圖理解裝置的結構的框圖。

圖16是示出實施方式3的意圖理解裝置的關鍵字表的例子的圖。

圖17是示出實施方式3的意圖理解裝置的關鍵字對應意圖的例子的圖。

圖18是示出實施方式3的意圖理解裝置的各個部的輸出結果的圖，圖18的(a)是語音識別結果的例子，圖18的(b)～圖18的(d)是與語音識別結果第1位～第3位相對的意圖理解結果候選等的例子。

圖19是示出實施方式3的意圖理解裝置的動作的流程圖。

圖20是示出圖19的步驟ST31的具體動作的流程圖。

圖21是示出本發明的意圖理解裝置的變形例的框圖。

圖22是說明本發明的意圖理解裝置的動作的圖，示出對話的例子。

具體實施方式

以下，為了更詳細地說明本發明，根據附圖說明用於實施本發明的方式。

實施方式1.

如圖1所示，本發明的實施方式1的意圖理解裝置1具備：語音識別部3，其對用戶發出的輸入語音2進行語音識別，轉換為文本；語音識別部3在語音識別中使用的語音識別詞典4；詞素分析部5，其將語音識別結果分解為詞素；詞素分析部5在詞素分析中使用的詞素分析詞典6；意圖理解部7，其根據詞素分析結果生成意圖理解結果的候選；用於供意圖理解部7估計用戶的意圖的意圖理解模型8；設定信息存儲部10，其存儲控制對象設備的設定信息9；權重計算部11，其使用設定信息存儲部10的設定信息9計算權重；以及意圖理解校正部12，其使用權重來校正意圖理解結果的候選，從中選擇最終的意圖理解結果13並輸出。

意圖理解裝置1由未圖示的CPU(Central Processing Unit)構成，該CPU通過執行內部存儲器存儲的程序，實現作為語音識別部3、詞素分析部5、意圖理解部7、權重計算部11以及意圖理解校正部12的功能。

語音識別詞典4、詞素分析詞典6、意圖理解模型8以及設定信息存儲部10由HDD(Hard Disk Drive)、DVD(Digital Versatile Disc)、存儲器等構成。

圖2是示出將意圖理解裝置1作為語音接口組裝的導航裝置100的結構的框圖。該導航裝置100是基於語音的控制對象。語音輸入部101由麥克風等構成，將用戶發出的語音轉換為信號，將其作為輸入語音2輸出至意圖理解裝置1。導航控制部102由CPU等構成，執行從當前地到終點的路徑的搜索以及引導等功能。終點等的設定信息9從導航控制部102輸出至意圖理解裝置1。另外，該導航控制部102從意圖理解裝置1接收意圖理解結果13，執行意圖理解結果13所示的操作，或者將關於意圖理解結果13的語音信號輸出到語音輸出部103。語音輸出部103由揚聲器等構成，再現從導航控制部102輸入的語音信號。

此外，可以使用不同的CPU構成意圖理解裝置1和導航控制部102，也可以使用1個CPU構成意圖理解裝置1和導航控制部102。

例如，以「＜主意圖＞[＜槽名＞＝＜槽值＞、···]」這樣的形式來表現意圖。具體地說，以「終點設定[設施＝？]」以及「終點設定[設施＝＄設施＄(＝○○店)]」這樣的方式表現。「終點設定[設施＝？]」表示這樣的狀態：雖然用戶希望設定終點，但尚未決定具體的設施名。「終點設定[設施＝＄設施＄(＝○○店)]」表示這樣的狀態：用戶將「○○店」這樣的具體設施設定為終點。

作為意圖理解部7進行的意圖理解方法，例如可利用最大熵法等方法。具體地說，意圖理解模型8大量地保持「終點、設定」這樣的獨立單詞(以下，稱為特徵)與「終點設定[設施＝？]」這樣的正確意圖的組。意圖理解部7例如從「希望設定終點」這樣的輸入語音2的詞素分析結果中提取「終點、設定」這樣的特徵，利用統計的方法從意圖理解模型8中估計哪個意圖有多大的可能性。意圖理解部7輸出意圖與表示該意圖的可能性的分數的組的列表作為意圖理解結果的候選。

以下，說明意圖理解部7執行利用最大熵法的意圖理解方法的情況。

圖3的(a)是實施方式1中的設定信息9的例子，圖3的(b)是對話的例子。

在基於語音的控制對象是導航裝置100的情況下，在設定信息9中包含有無終點以及經由地的設定，在進行了設定的情況下包含該終點或經由地的名稱，此外還包含所顯示的地圖的類型等信息。意圖理解裝置1的設定信息存儲部10存儲導航裝置100的導航控制部102所輸出的設定信息9。在圖3的(a)的例子中，在設定信息9中包含「終點：△△」和「經由地：○○」的信息。

圖3的(b)表示在導航裝置100與用戶之間從上依次進行對話的情況。在對話內容中，各行的行頭的「U：」表示用戶發出的輸入語音2，「S：」表示來自導航裝置100的應答。

圖4是意圖理解裝置1的各部的輸出結果的例子。

圖4的(a)表示語音識別部3所輸出的語音識別結果的例子。語音識別結果是「○○是目的地」這樣的語音識別結果與表示該語音識別結果的可能性的似然度的組的列表，按照似然度從高到低的順序排列。

圖4的(b)是與圖4的(a)的語音識別結果中的第1位的語音識別結果「○○是目的地」相對的意圖理解結果候選、分數、等待權重以及最終分數，圖4的(c)與第2位的語音識別結果「不去○○」相對，圖4的(d)與第3位的語音識別結果「尋找○△」相對。意圖理解部7輸出「經由地設定[設施＝＄設施＄]」這樣的意圖與分數的組的列表作為意圖理解結果的候選。這些意圖理解結果候選按照分數從高到低的順序排列。權重計算部11按照意圖理解部7輸出的每個意圖理解結果候選，計算等待權重。意圖理解校正部12按照意圖理解部7所輸出的每個意圖理解結果候選，使用等待權重計算最終分數。

圖5是定義了制約條件與等待權重的對應關係的表。

例如，可認為在導航裝置100的終點已被設定為「△△」的情況下，用戶在下一次發話時再一次進行「將終點設定為△△」這樣的意圖的發話的可能性較低。由此，針對此制約條件，將意圖「終點設定[設施＝＄設施＄(＝△△)]」的等待權重設定為「0.0」。另一方面，因為存在用戶將終點變更為「？」(△△以外的場所)的可能性，所以，將意圖「終點設定[設施＝設施＝＄設施＄(＝？)]」的等待權重設定為「1.0」。另外，因為用戶進行將與終點相同的「○○」設定為經由地的意圖的發話的可能性較低，所以，將意圖「經由地設定[設施＝＄設施＄(＝○○)]」的等待權重設定為「0.0」。此外，因為有時用戶刪除已經設定的經由地「○○」，所以，將意圖「刪除經由地[設施＝＄設施＄(＝○○)]」的等待權重設定為「1.0」。

權重計算部11保持如上所述地根據產生意圖的可能性而事先定義的等待權重的信息，根據設定信息9選擇與意圖對應的等待權重。

意圖理解校正部12使用以下的式(1)，校正意圖理解部7的意圖理解結果的候選。具體地說，意圖理解校正部12對從語音識別部3獲得的語音識別結果的似然度與從意圖理解部7獲得的意圖理解結果候選的意圖理解分數進行乘法計算，來計算分數(相當於圖4的(b)等所示的「分數」)，對該分數與從權重計算部11獲得的等待權重進行乘法運算，獲得最終分數(相當於圖4的(b)等所示的「最終分數」)。在本實施方式1中，如式(1)那樣進行利用乘法運算的意圖理解校正，但不限於該方法。

(似然度)×(意圖理解分數)＝(分數)

(分數)×(等待權重)＝(最終分數)

···(1)

接著，參照圖6的流程圖，來說明意圖理解裝置1的動作。

這裡，意圖理解裝置1被組裝到作為控制對象的導航裝置100，當用戶按下未明示的對話開始按鈕時，開始對話。另外，假設在設定信息存儲部10中存儲有圖3的(a)所示的設定信息9，針對圖3的(b)的對話內容進行意圖理解過程的詳細說明。

在檢測到用戶已按下導航裝置100的對話開始按鈕時，導航控制部102以語音的形式從語音輸出部103輸出提示對話開始的應答「發出嗶的聲音後，請說話」，繼續使蜂鳴聲鳴叫。另外，意圖理解裝置1使語音識別部3成為可識別的狀態，成為等待用戶發話的狀態。

接著，如圖3的(b)那樣，當用戶發出「不去○○」時，語音輸入部101將該發話轉換為語音數據，並輸出至意圖理解裝置1的語音識別部3。意圖理解裝置1的語音識別部3使用語音識別詞典4將輸入語音2轉換為文本，並且算出似然度，輸出至詞素分析部5(步驟ST11)。

接著，詞素分析部5使用詞素分析詞典6，對語音識別結果進行詞素分析，輸出至意圖理解部7(步驟ST12)。例如，語音識別結果「○○是目的地」的詞素分析結果為「○○/名詞、は/助詞、目的地/名詞、で/助詞」。

接著，意圖理解部7使用意圖理解模型8，根據詞素分析結果估計意圖，並且算出分數，作為意圖理解結果候選輸出至意圖理解校正部12(步驟ST13)。此時，意圖理解部7從詞素分析結果中提取使用於意圖理解的特徵，將該特徵與意圖理解模型8進行對照來估計意圖。從圖4的(a)的語音識別結果「○○是目的地」的詞素分析結果中，提取「○○、目的地」這樣的特徵的列表，並獲得圖4的(b)的意圖理解結果候選「經由地設定[設施＝＄設施＄(＝○○)]」及其分數「0.623」以及意圖理解結果候選「設施檢索[設施＝＄設施＄(＝○○)]」及其分數「0.286」。

然後，權重計算部11從設定信息存儲部10中讀入設定信息9，根據該設定信息9和圖5所示的表來選擇每個意圖的等待權重，輸出至意圖理解校正部12(步驟ST14)。

接著，意圖理解校正部12使用語音識別部3所計算的語音識別結果的似然度、意圖理解部7計算的意圖理解結果候選的分數和權重計算部11選擇的等待權重，根據上式(1)來算出意圖理解結果候選的最終分數(步驟ST15)。此時，意圖理解校正部12按照語音識別結果的似然度從上位到下位的順序且同一語音識別結果中的意圖理解結果候選的分數從上位到下位的順序，計算最終分數，每次計算都評價其最終分數。意圖理解校正部12例如在發現最終分數X＝0.5以上的意圖理解結果候選的時刻，使該意圖理解結果候選成為最終的意圖理解結果13。

在圖4的例子中，關於與輸入語音2「不去○○」相對的第1位的語音識別結果「○○是目的地」，圖4的(b)的意圖理解結果候選第1位「經由地設定[設施＝＄設施＄(＝○○)]」的最終分數為「0.0」，第2位「設施檢索[設施＝＄設施＄(＝○○)]」的最終分數為「0.286」，任意的意圖理解結果候選都不滿足最終分數是X以上的條件(步驟ST16「否」)。

因此，意圖理解裝置1針對第2位的語音識別結果「不去○○」反覆進行步驟ST12～ST15的處理，其結果是，獲得圖4的(c)的意圖理解結果候選第1位「經由地刪除[設施＝＄設施＄(＝○○)]」的最終分數「0.589」和第2位「設施檢索[設施＝＄設施＄(＝○○)]」的最終分數「0.232」。因為語音識別結果第2位且意圖理解結果候選第1位的「經由地刪除[設施＝＄設施＄(＝○○)]」的最終分數「0.589」滿足X以上(步驟ST16「是」)，所以，在此時刻，意圖理解校正部12將「經由地刪除[設施＝＄設施＄(＝○○)]」作為最終的意圖理解結果13返回導航控制部102，結束處理。

導航控制部102在從意圖理解裝置1接收到意圖理解結果13的「經由地刪除[設施＝＄設施＄(＝○○)]」時，對語音輸出部103進行指示，如圖3的(b)那樣以語音的形式輸出「刪除經由地○○。可以嗎？」。在用戶對其發出「是」的情況下，意圖理解裝置1通過語音輸入部101受理該發出的輸入語音2，判斷為正確地進行了語音識別以及意圖理解。另外，意圖理解裝置1針對「是」的輸入語音2進行語音識別以及意圖理解，將意圖理解結果13輸出至導航控制部102。導航控制部102根據該意圖理解結果13，執行刪除經由地「○○」的操作。

由此，在導航控制部102中，執行「經由地刪除[設施＝＄設施＄(＝○○)]」，而不是具有語音識別結果的最大似然度以及意圖理解結果的最大分數的「經由地設定[設施＝＄設施＄(＝○○)]」，能夠排除誤識別的影響。

以上，根據實施方式1，意圖理解裝置1構成為具備：語音識別部3，其識別用戶以自然語言發出的一個輸入語音2，生成多個語音識別結果；詞素分析部5，其將語音識別結果分別轉換為詞素串；意圖理解部7，其根據詞素串估計用戶發話的意圖，從一個詞素串輸出一個以上的意圖理解結果候選和分數；權重計算部11，其計算每個意圖理解結果候選的等待權重；以及意圖理解校正部12，其使用等待權重校正意圖理解結果候選的分數，算出最終分數，根據該最終分數從意圖理解結果候選中選擇意圖理解結果13。因此，可以從不僅包含與輸入語音2相對的第1位的語音識別結果、還包含第2位以後的語音識別結果的結果中選擇最終的意圖理解結果13。因此，能夠提供可正確地理解用戶的意圖的意圖理解裝置1。

另外，根據實施方式1，意圖理解部7從多個語音識別結果中的具有可能性的語音識別結果依次生成意圖理解結果候選，意圖理解校正部12構成為，每當意圖理解部7生成意圖理解結果候選時，算出最終分數，選擇該最終分數滿足預先設定的條件X的意圖理解結果候選作為意圖理解結果13。因此，能夠抑制意圖理解裝置1的運算量。

另外，根據實施方式1，權重計算部11構成為，使用根據意圖理解校正部12所選擇的意圖理解結果13而工作的控制對象設備(例如，導航裝置100)的設定信息9，計算等待權重。具體地說，權重計算部11構成為，具有對制約條件和滿足該制約條件時的等待權重進行定義的圖5這樣的表，根據設定信息9來判斷是否滿足制約條件，選擇等待權重。因此，能夠估計與控制對象設備的狀況相應的確切意圖。

實施方式2.

圖7是示出實施方式2的意圖理解裝置20的結構的框圖。在圖7中對與圖1相同或相當的部分標註相同的符號，並省略說明。該意圖理解裝置20具備：層級地表現意圖的層次樹21；以及根據層次樹21的意圖中的已激活的意圖來計算等待權重的權重計算部22。

圖8是實施方式2中的對話的例子。與圖3的(b)相同，行頭的「U：」表示用戶發話，「S：」表示來自控制對象的裝置(例如，圖2所示的導航裝置100)的應答。

圖9是意圖理解裝置1的各部的輸出結果的例子。圖9的(a)是語音識別部3輸出的語音識別結果及其似然度。圖9的(b)～圖9的(d)是意圖理解部7輸出的意圖理解結果的候選及其分數、權重計算部22所輸出的等待權重以及意圖理解校正部12輸出的最終分數。圖9的(b)示出圖9的(a)的第1位的語音識別結果「不去○○」的意圖理解結果候選，圖9的(c)示出第2位的語音識別結果「經由○○」的意圖理解結果候選，圖9的(d)示出第3位的語音識別結果「把○○作為目的地」的意圖理解結果候選。

圖10以及圖11是層次樹21的例子。如圖10所示，在層次樹21中，表示意圖的節點是層級構造，越到根(上的層級)部，則越成為表示抽象意圖的節點，越到葉(下的層級)部，則越成為表示具體意圖的節點。例如，當比較第3層級的節點#9的「終點設定[設施＝？]」與第4層級的節點#16的「目的設定[設施＝＄設施＄(＝○○店)]」這兩個意圖時，在上位的層級存在表示更抽象的意圖的節點#9，表示填充了具體的槽值(例如，○○店)的意圖的節點#16位於其下方。

位於第1層級的節點#1的意圖「導航」是表示導航控制部102的導航功能的集合的抽象節點，表示個別的導航功能的節點#2～#5位於其下方的第2層級。例如，節點#4的意圖「終點設定[]」表示這樣的狀態：雖然用戶希望設定終點，但尚未決定具體的場所。當成為已設定終點的狀態時，從節點#4轉移到節點#9或節點#16。在圖10的例子中示出根據圖8所示的「設定目的地」這樣的用戶的發話激活了節點#4的狀態。

層次樹21根據導航裝置100所輸出的信息，激活意圖節點。

圖12是權重計算部22計算出的等待權重的例子。

根據「設定目的地」這樣的用戶發話，層次樹21的節點#4的意圖「終點設定[]」已被激活，所以，節點#4的枝葉方向的節點#9、#10的意圖的等待權重成為1.0，其它意圖節點的等待權重成為0.5。

後面敘述權重計算部22的等待權重的計算方法。

圖13是示出意圖理解裝置20的動作的流程圖。圖13的步驟ST11～ST13、ST15、ST16與圖6的步驟ST11～ST13、ST15、ST16的處理相同。

在步驟ST20中，權重計算部22參照層次樹21，計算意圖理解部7的意圖理解結果候選的等待權重，輸出至意圖理解校正部12。

圖14是示出圖13的步驟ST20的具體動作的流程圖。在步驟ST21中，權重計算部22對意圖理解部7的意圖理解結果候選與層次樹21的被激活的意圖進行比較。在意圖理解部7的意圖理解結果候選位於層次樹21的被激活的意圖的枝葉方向時(步驟ST22「是」)，權重計算部22將等待權重設為第1權重a(步驟ST23)。另一方面，在意圖理解部7的意圖理解結果候選位於層次樹21的被激活的意圖的枝葉方向以外時(步驟ST22「否」)，權重計算部22將等待權重設為第2權重b(步驟ST24)。在本實施方式2中，a＝1、0，b＝0.5。另外，在不存在被激活的意圖節點時，使等待權重成為1.0。

接著，說明意圖理解裝置20的動作。

意圖理解裝置20的動作基本上與上述實施方式1的意圖理解裝置1的動作相同。本實施方式2與上述實施方式1的區別是等待權重的計算方法。

以下，關於圖8所示的對話內容，詳細地說明意圖理解過程。與上述實施方式1相同，假定在作為控制對象的導航裝置100(圖2所示)中組裝了意圖理解裝置20的情況。另外，當由用戶按下未圖示的發話開始按鈕時，開始對話。在圖8的最初的用戶發話「設定目的地」的時刻，導航裝置100沒有取得任何來自用戶的信息，所以，是在意圖理解裝置20的層次樹21上不存在激活的意圖節點的狀態。

此外，層次樹21根據意圖理解校正部12所輸出的意圖理解結果13激活意圖節點。

在對話開始後，當用戶發出「設定目的地」時，該發話的輸入語音2被輸入到意圖理解裝置20。該輸入語音2被語音識別部3識別(步驟ST11)，被詞素分析部5分解為詞素(步驟ST12)，意圖理解部7算出意圖理解結果候選(步驟ST13)。這裡，假設對用戶發話「設定目的地」正確地進行了識別而沒有誤識別、正確地理解了其意圖，意圖理解校正部12獲得「終點設定[]」的意圖理解結果13。導航控制部102為了使設定為終點的設施具體化，對語音輸出部103進行指示，以語音的形式輸出「設定終點。請說出場所」。另外，層次樹21激活與意圖理解結果13的「終點設定[]」相應的節點#4。

導航裝置100進行了提示下一發話的應答，所以，繼續與用戶的對話，如圖8那樣，用戶發出「把○○作為目的地」。意圖理解裝置20對該用戶發話「把○○作為目的地」進行步驟ST11、ST12的處理。其結果，獲得圖9的(a)的語音識別結果「不去○○」、「經由○○」、「把○○作為目的地」的各個詞素分析結果。接著，意圖理解部7根據詞素分析結果估計意圖(步驟ST13)。這裡，假設意圖理解結果的候選成為圖9的(b)的「經由地刪除[設施＝＄設施＄(＝○○)]」和「終點設定[設施＝＄設施＄(＝○○)]」。

接著，權重計算部22參照層次樹21計算等待權重(步驟ST20)。在此時刻，層次樹21的節點#4為激活狀態，權重計算部22根據此狀態計算權重。

首先，在步驟ST21中，將激活的節點#4的信息從層次樹21傳遞到權重計算部22，並且將意圖理解結果候選「經由地刪除[設施＝＄設施＄(＝○○)]」和「終點設定[設施＝＄設施＄(＝○○)]」從意圖理解部7傳遞到權重計算部22。權重計算部22比較已激活的節點#4的意圖和意圖理解結果候選，在意圖理解結果候選位於激活節點#4的枝葉方向(即，節點#9以及節點#10)的情況下(步驟ST22「是」)，將等待權重設為第1權重a(步驟ST23)。另一方面，在意圖理解結果候選位於激活節點#4的枝葉方向以外的情況下(步驟ST22「否」)，權重計算部22將等待權重設為第2權重b(步驟ST24)。

第1權重a為大於第2權重b的值。例如，在a＝1.0、b＝0.5的情況下，等待權重如圖9的(b)所示。

接著，意圖理解校正部12使用語音識別部3計算的語音識別結果的似然度、意圖理解部7計算的意圖理解結果候選的分數和權重計算部22計算的等待權重，根據上式(1)算出意圖理解結果候選的最終分數(步驟ST15)。最終分數如圖9的(b)所示。

接著，意圖理解校正部12與上述實施方式1同樣地判定最終分數是否滿足條件X以上(步驟ST16)。這裡，如果也把X＝0.5作為條件，則與語音識別結果第1位「不去○○」相對的圖9的(b)的意圖理解結果候選「經由地刪除[設施＝＄設施＄(＝○○)]」的最終分數「0.314」和「終點設定[設施＝＄設施＄(＝○○)]」的最終分數「0.127」都不滿足條件。

因此，意圖理解裝置20針對語音識別結果第2位的「經由○○」反覆進行步驟ST12～ST14、ST20、ST15的處理。其結果是，如圖9的(c)那樣求出意圖理解結果候選「經由地刪除[設施＝＄設施＄(＝○○)]」的最終分數「0.295」和「設施檢索[設施＝＄設施＄(＝○○)]」的最終分數「0.116」，但這些也不滿足X以上的條件。

因此，意圖理解裝置20針對語音識別結果第3位的「把○○作為目的地」反覆進行步驟ST12、ST13、ST20、ST15的處理，其結果是，如圖9的(d)那樣求出意圖理解結果候選「終點設定[設施＝＄設施＄(＝○○)]」的最終分數「0.538」。因為該最終分數滿足X以上的條件，所以，意圖理解校正部12將「終點設定[設施＝＄設施＄(＝○○)]」作為最終的意圖理解結果13輸出。層次樹21根據意圖理解結果13激活節點#16。

導航控制部102在從意圖理解裝置20接收到意圖理解結果13的「終點設定[設施＝＄設施＄(＝○○)]」時，對語音輸出部103進行指示，如圖8那樣，以語音的形式輸出「將○○設定為終點。可以嗎？」。在用戶對此發出「是」的情況下，意圖理解裝置20通過語音輸入部101受理該發話的輸入語音2，判斷為正確地進行了語音識別以及意圖理解。另外，意圖理解裝置20對「是」的輸入語音2進行語音識別以及意圖理解，將意圖理解結果13輸出至導航控制部102。導航控制部102根據該意圖理解結果13將「○○」設定為終點，從語音輸出部103以語音的形式輸出「已經把○○作為終點」，向用戶通知已進行終點設定。

以上，根據實施方式2，權重計算部22構成為，以使得意圖理解校正部12容易地選擇出符合根據與用戶的對話的流程而期待的意圖的意圖理解結果候選的方式進行加權。因此，能夠估計與用戶和控制對象設備的對話狀況相應的確切意圖。

另外，根據實施方式2，意圖理解裝置20具備層次樹21，該層次樹21使用越到根部則越成為抽象意圖、越到葉部則越成為具體意圖的樹結構表現用戶的意圖，權重計算部22根據層次樹21，以容易選擇出相對於與剛剛選擇的意圖理解結果13對應的意圖位於枝葉方向的意圖理解結果候選的方式進行加權。這樣，可通過利用意圖的層次性校正與用戶發話相對的意圖，使控制對象設備根據確切的語音識別結果以及意圖理解結果進行動作。

實施方式3.

圖15是示出實施方式3的意圖理解裝置30的結構的框圖。在圖15中對與圖1以及圖5相同或相當的部分標註相同的符號並省略說明。該意圖理解裝置30具備：關鍵字表31，其存儲與意圖對應的關鍵字；關鍵字檢索部32，其從關鍵字表31中檢索與詞素分析結果對應的意圖；以及權重計算部33，其使對應於關鍵字的意圖與層次樹21的激活的意圖進行比較，計算等待權重。

圖16是關鍵字表31的一例。關鍵字表31存儲意圖與關鍵字的組。例如，針對意圖「終點設定[]」，賦予「目的地」、「去」、「終點」等成為意圖的特徵表現的關鍵字。對除了層次樹21的第1層級的節點#1之外的第2層級以下的各節點的意圖賦予關鍵字。

以下，將與關鍵字對應的意圖稱為關鍵字對應意圖。另外，將與層次樹21的激活的意圖節點對應的意圖稱為層次樹對應意圖。

圖17是語音識別部3輸出的語音識別結果、語音識別結果所包含的關鍵字、關鍵字檢索部32檢索到的關鍵字對應意圖的例子。與語音識別結果「不去○○」的關鍵字「不去」對應的關鍵字對應意圖為「經由地刪除[]」，與語音識別結果「經由○○」的關鍵字「經由」對應的關鍵字對應意圖為「經由地設定[]」，與語音識別結果「把○○作為目的地」的關鍵字「目的地」對應的關鍵字對應意圖為「終點設定[]」。

圖18的(a)是語音識別部3輸出的語音識別結果及其似然度的例子。圖18的(b)～圖18的(d)是意圖理解部7輸出的意圖理解結果候選及其分數、權重計算部33輸出的等待權重以及意圖理解校正部12輸出的最終分數。圖18的(b)示出圖18的(a)的第1位的語音識別結果「不去○○」的意圖理解結果候選，圖18的(c)示出第2位的語音識別結果「經由○○」的意圖理解結果候選，圖18的(d)示出第3位的語音識別結果「把○○作為目的地」的意圖理解結果候選。

圖19是示出意圖理解裝置30的動作的流程圖。圖19的步驟ST11～ST13、ST15、ST16與圖6的步驟ST11～ST13、ST15、ST16的處理相同。

在步驟ST30中，關鍵字檢索部32從關鍵字表31中檢索與詞素分析結果對應的關鍵字，取得與檢索的關鍵字對應的關鍵字對應意圖。關鍵字檢索部32向權重計算部33輸出所取得的關鍵字對應意圖。

圖20是示出圖19的步驟ST31的具體動作的流程圖。在步驟ST32中，權重計算部33對意圖理解部7的意圖理解結果候選、層次樹21的激活的層次樹對應意圖、關鍵字檢索部32的關鍵字對應意圖進行比較。在意圖理解結果候選與關鍵字對應意圖、層次樹對應意圖都不一致的情況下(步驟ST32「否」)，權重計算部33將等待權重設為第3權重c。

在意圖理解結果候選與層次樹對應意圖一致的情況下(步驟ST32「是」且步驟ST34「是」)，權重計算部33將等待權重設為第4權重d(步驟ST35)。此外，在步驟ST34「是」中，可能存在意圖理解結果候選與層次樹對應意圖、關鍵字對應意圖雙方一致的情況。

在意圖理解結果候選與層次樹對應意圖不一致而僅與關鍵字對應意圖一致的情況下(步驟ST34「否」)，權重計算部33將等待權重設為第5權重e(步驟ST36)。

在本實施方式3中，假設c＝0.0、d＝1.0、e＝0.5。即，如果意圖理解結果候選與層次樹對應意圖一致，則等待權重成為1.0，如果與層次樹對應意圖不一致而與關鍵字對應意圖一致，則成為0.5，如果與層次樹對應意圖、關鍵字對應意圖都不一致，則成為0.0。

接著，說明意圖理解裝置30的動作。

意圖理解裝置30的動作基本上與上述實施方式1、2的意圖理解裝置1、20的動作相同。本實施方式3與上述實施方式1、2的區別是等待權重的計算方法。

以下，詳細地說明圖8所示的對話內容中的用戶發話「把○○作為目的地」的意圖理解過程。與上述實施方式1、2同樣，假定在作為控制對象的導航裝置100(圖2所示)中組裝了意圖理解裝置30的情況。

另外，層次樹21引用圖10以及圖11。

用戶發話「把○○作為目的地」的輸入語音2被語音識別部3識別(步驟ST11)，被詞素分析部5分解為詞素(步驟ST12)，意圖理解部7算出意圖理解結果的候選(步驟ST13)。然後，可獲得圖18的(b)這樣的意圖理解結果候選「經由地刪除[設施＝＄設施＄(＝○○)]」及其分數「0.623」以及「終點設定[設施＝＄設施＄(＝○○)]」及其分數「0.127」。

接著，關鍵字檢索部32從關鍵字表31中檢索與詞素分析部5的詞素分析結果對應的關鍵字，取得與檢索出的關鍵字對應的關鍵字對應意圖。因為在「不去○○」的詞素分析結果中存在圖16的「不去」這樣的關鍵字，所以，關鍵字對應意圖成為「經由地刪除[]」。

接著，權重計算部33計算等待權重(步驟ST31)。在此時刻，層次樹21的節點#4是激活狀態，節點#4的層次樹對應意圖是「終點設定[]」。

首先，在步驟ST32中，層次樹21對權重計算部33輸出已激活的節點#4的層次樹對應意圖「終點設定[]」。另外，意圖理解部7對權重計算部33輸出用戶發話「不去○○」的意圖理解結果候選第1位「經由地刪除[設施＝＄設施＄(＝○○)]」。此外，關鍵字檢索部32對權重計算部33輸出關鍵字對應意圖「經由地刪除[]」。

因為意圖理解結果候選第1位的「經由地刪除[設施＝＄設施＄(＝○○)]」與關鍵字對應意圖「經由地刪除[]」一致(步驟ST32「是」且步驟ST34「否」)，所以，權重計算部33將意圖理解結果候選第1位的等待權重設為第5權重e(＝0.5)(步驟ST35)。

這裡，權重計算部33還把層次樹21的父子關係包含在內判斷一致，因為「經由地刪除[設施＝＄設施＄(＝○○)]」是「經由地刪除[]」的子，所以，判斷為一致。

另一方面，因為意圖理解結果候選第2位「終點設定[設施＝＄設施＄(＝○○)]」與層次樹對應意圖「終點設定[]」一致(步驟ST32「是」且步驟ST34「是」)，所以，權重計算部33將意圖理解結果候選第2位的等待權重設為第4權重d(＝1.0)(步驟ST36)。

最終，如圖18的(b)那樣，求出與第1位的語音識別結果「不去○○」相對的第1位的意圖理解結果候選「經由地刪除[設施＝＄設施＄(＝○○)]」的最終分數「0.312」、第2位的意圖理解結果候選「終點設定[設施＝＄設施＄(＝○○)]」的最終分數「0.127」。因為第1位、第2位的最終分數都不滿足X以上的條件，所以，意圖理解裝置30針對第2位的語音識別結果「經由○○」，進行步驟ST12、ST13、ST30、ST31、ST15的處理。

其結果是，如圖18的(c)那樣，「經由○○」的意圖理解結果候選第1位「經由地刪除[設施＝＄設施＄(＝○○)]」以及第2位「設施檢索[設施＝＄設施＄(＝○○)]」分別設定等待權重「0.0」(＝c)，最終分數分別為「0.0」，這裡也不滿足X以上的條件。

因此，處理對象轉移至第3位的語音識別結果「把○○作為目的地」，如圖18的(d)那樣，意圖理解結果候選第1位「終點設定[設施＝＄設施＄(＝○○)]」的最終分數滿足X以上的條件，所以，作為意圖理解結果13進行輸出。由此，與上述實施方式2同樣地將「○○」設定為終點。

以上，根據實施方式3，意圖理解裝置30具備關鍵字檢索部32，其從定義了意圖與關鍵字的對應關係的關鍵字表31中檢索與詞素串一致的關鍵字，並取得與該檢索的關鍵字對應的關鍵字對應意圖，權重計算部33構成為，使用層次樹對應意圖和關鍵字對應意圖來計算等待權重。因此，可利用意圖的層級性和作為意圖的特徵表現的關鍵字來校正與用戶發話相對的意圖，並能夠使控制對象設備根據確切的語音識別結果以及意圖理解結果進行動作。

此外，在上述實施方式1～3中，雖然說明了日語的例子，但也可以按照各種語言變更與意圖理解相關的特徵提取方法，由此，能夠應用於英語、德語以及中文等各種語言。

另外，在單詞是用特定的符號(例如，空格)劃分的語言的情況下，如果難以分析語言的構造，則可以針對輸入語音2的自然語言文本，利用模式匹配這樣的方法提取「＄設施＄」、「＄住所＄」等槽值，然後，直接執行意圖理解處理。

此外，在上述實施方式1～3中，通過利用詞素分析部5分析語音識別結果的文本來進行意圖理解處理的準備，但是，根據語音識別部3的識別方法的不同，有時存在語音識別結果本身包含詞素分析結果的情況，在此情況下，可以省略詞素分析部5和詞素分析詞典6，在語音識別處理之後直接執行意圖理解處理。

另外，在上述實施方式1～3中，作為意圖理解的方法，以假定基於最大熵法的學習模型的例子進行了說明，但不是限定意圖理解方法。

此外，在上述實施方式3中，構成為，權重計算部33使用層次樹對應意圖和關鍵字對應意圖來計算等待權重，但即便不使用層次樹21而根據關鍵字表31的關鍵字在詞素分析結果中出現的次數來變更意圖理解結果候選的分數，也能夠計算等待權重。

例如，在用戶發話中出現了對於確定「不去」、「經由」這樣的意圖而言重要的單詞的情況下，意圖理解部7通常對用戶發話「不去○○」使用「○○、不去」這樣的特徵進行意圖理解處理。取而代之，也可以通過像「○○、不去、不去」這樣地重複位於關鍵字表31中的關鍵字，意圖理解部7計算在估計意圖時根據「不去」的個數而加權的分數。

另外，在上述實施方式1～3中，按照多個語音識別結果中的似然度從高到低的順序依次進行意圖理解處理，在發現最終分數滿足X以上的條件的意圖理解結果候選的時刻結束處理，但在意圖理解裝置的運算處理中存在富餘的情況下，對全部語音識別結果進行意圖理解處理來選擇意圖理解結果13的方法也是可行的。

此外，在上述實施方式1～3中，雖然在執行與意圖理解結果13對應的操作之前向用戶確認是否可以執行(例如，圖3的(b)的「刪除經由地○○。可以嗎？」)，但也可以根據意圖理解結果13的最終分數來變更是否進行確認。

另外，例如，也可以是，在將語音識別結果第1位的意圖理解結果候選被選擇為意圖理解結果13的情況下不進行確認、在第2位以後的意圖理解結果候選被選擇為意圖理解結果13的情況下進行確認等，根據名次變更是否進行確認。

另外，例如，也可以是，在用等待權重進行校正之前的分數最高的意圖理解結果候選被選擇為意圖理解結果13的情況下不進行確認，在分數比其低的意圖理解結果候選被選擇為意圖理解結果13的情況下進行確認等，根據分數的大小變更是否進行確認。

這裡，圖21示出意圖理解裝置40的變形例。意圖理解裝置40具備：語音輸入部41，其將用戶發出的語音轉換成信號，並取得該信號作為輸入語音；意圖確認處理部42，其在意圖理解校正部12排除可能性最大的意圖理解結果候選(即，利用等待權重校正之前的分數大的意圖理解結果候選)並將其以外的意圖理解結果候選選擇為意圖理解結果13的情況下，向用戶確認是否採用該意圖理解結果13而決定可否採用；以及語音輸出部43，其輸出意圖確認處理部42所生成的意圖理解結果確認用的語音信號。這些語音輸入部41、意圖確認處理部42以及語音輸出部43發揮與圖2所示的語音輸入部101、導航控制部102以及語音輸出部103相同的作用，通過如圖3的(b)那樣的「刪除經由地○○。可以嗎？」的語音輸出，向用戶確認可否採用意圖理解結果13。

此外，向用戶的確認方法除了語音輸出之外，還可以是畫面顯示等。

此外，在上述實施方式2、3中，雖然利用層次樹21的樹結構表現了意圖的層次性，但並非必需是完整的樹結構，如果是不包含環結構的曲線結構，也能夠進行同樣的處理。

此外，在上述實施方式2、3中，雖然在意圖理解處理中僅利用了本次的用戶發話，但在層次樹21的層次變化過程中的發話的情況下，也可以使用從包含本次之前的用戶發話在內的多個發話中提取的特徵來進行意圖理解處理。由此，能夠估計根據通過多個部分發話獲得的部分信息難以估計的意圖。

這裡，使用圖22所示的對話內容作為例子進行說明。

在上述實施方式2的情況下，從最初的用戶發話「設定目的地」中提取「目的地、設定」作為特徵。另外，從第2個的發話「○○」中提取「＄設施＄(＝○○)」作為特徵。作為結果，通常在第2個的發話中僅使用「＄設施＄(＝○○)」進行意圖理解處理(圖13的步驟ST13)。

另一方面，在考慮是否是層次變化過程中的情況下，最初的發話「設定目的地」是層次樹21的節點#4、第2個的發話與節點#4為父子關係的可能性高，所以，對第2個發話使用「目的地、設定、＄設施＄(＝○○)」這3個特徵進行意圖理解處理，由此可獲得更確切的意圖理解結果。

另外，在上述實施方式1～3中，雖然作為意圖理解裝置的控制對象設備，以圖2的導航裝置100為例，但不限於導航裝置。另外，在圖2中將意圖理解裝置內置於控制對象設備，但也可以外置。

除了上述以外，本發明在其發明的範圍內，可進行各實施方式的自由組合、各實施方式的任意構成要素的變形或者在各實施方式中省略任意的構成要素。

工業上的可利用性

如以上那樣，本發明的意圖理解裝置使用輸入語音來估計用戶的意圖，所以，適合用於手動難以操作的汽車導航裝置等的語音接口。

標號說明

1、20、30、40意圖理解裝置，2輸入語音，3語音識別部，4語音識別詞典，5詞素分析部，6詞素分析詞典，7意圖理解部，8意圖理解模型，9設定信息，10設定信息存儲部，11、22、33權重計算部，12意圖理解校正部，13意圖理解結果，21層次樹，31關鍵字表，32關鍵字檢索部，41、101語音輸入部，43、103語音輸出部，42意圖確認處理部，100導航裝置，102導航控制部。