考察

話であるが，対話行為候補として出現しておらず，開始発話の確率も0.11と低い．一方，

7-3は対話行為候補が未知情報要求だけであり，開始発話の確率も1と非常に高い．この 結果，7-3から新しい局所対話構造が始まると推定されてしまった．コーパスを調査した 結果，7-2の対話行為候補に未知情報要求が出現しなかったのは，対話行為候補を選択す る決定木の訓練データにこの事例（話者交代情報：change，直前対話行為：あいさつ，疑 問詞の有無：1，直前発話と同一名詞の有無：0，文末品詞情報：助詞 非自立名詞）が存在 しなかったためであると判明した．そこで，訓練データにこの事例を含むようにして決定 木を学習し直した．この結果選択された局所対話構造を図5.4に，対話行為候補と開始発 話の確率を表5.5にそれぞれ示す．表5.5より，7-2の対話行為候補に未知情報要求が出現 し，開始発話の確率も1と高い値を得た．そして，図5.4より7-2から新しい局所対話構 造が始まると推定された．このことから，訓練データを増やすなどして7-2の対話行為候 補に未知情報要求が出現するようにし，開始発話の確率が高いと推定されるようにすれば 7-2から新しい話題が始まっている（すなわち，6-5で話者Kの話題が終了している）と 推定でき，局所対話構造を正しく認識できると考えられる．

表 5.4: 図5.3の発話列の対話行為候補と開始発話の確率

発話番号 対話行為候補 開始発話の確率

5-3 (1:約束・申し出,0.5),(1:情報伝達,0.5) 0.71

6-2 (2:あいづち,0.875),(2:あいさつ,0.125) 0

5-6

(1:肯定・受諾／情報伝達,0.0181818),

0.35 (1:否定・拒否／情報伝達,0.0181818),

(1:真偽情報要求,0.0545455),(1:示唆,0.0363636), (1:未知情報応答,0.0727273),(1:情報伝達,0.618182), (1:未知情報要求,0.0181818),(1:依頼,0.0363636), (1:確認,0.109091),(1:その他の働き掛け,0.0181818)

5-8

(1:情報伝達,0.5),(1:真偽情報要求,0.0294118), (1:示唆,0.117647),(1:未知情報応答,0.0294118), 0.04 (1:未知情報要求,0.0882353),(1:確認,0.205882), (1:自己紹介,0.0294118)

5-9 (1:情報伝達,0.857143),(1:真偽情報要求,0.047619), (1:肯定・受諾,0.047619),(1:依頼,0.047619) 0.04

6-4 (2:了解,0.00537634),(2:あいづち,0.849462), (2:肯定・受諾,0.145161) 0

5-11 (1:肯定・受諾,0.333333),(1:あいさつ,0.333333), (1:％,0.333333) 0

6-5

(2:約束・申し出,0.0526316),(2:情報伝達,0.105263),

0.75 (2:示唆,0.0526316),(2:あいづち,0.0526316),

(2:肯定・受諾,0.0526316),(2:あいさつ,0.210526), (2:未知情報要求,0.0526316),(2:依頼,0.0526316), (2:その他の働き掛け,0.0526316),(2:％,0.315789)

7-2 (1:情報伝達,0.333333),(1:確認,0.666667) 0.11

7-3 (1:未知情報要求,1) 1

(a)コーパス (b)出力

図 5.3: 多くの発話列で局所対話構造が認識される例

表 5.5: 図5.4の発話列の対話行為候補と開始発話の確率

発話番号 対話行為候補 開始発話の確率

5-3 (1:約束・申し出,0.5),(1:情報伝達,0.5) 0.71

6-2 (2:あいづち,0.875),(2:あいさつ,0.125) 0

5-6

(1:肯定・受諾／情報伝達,0.0181818),

0.35 (1:否定・拒否／情報伝達,0.0181818),

(1:真偽情報要求,0.0545455),(1:示唆,0.0363636), (1:未知情報応答,0.0727273),(1:情報伝達,0.618182), (1:未知情報要求,0.0181818),(1:依頼,0.0363636), (1:確認,0.109091),(1:その他の働き掛け,0.0181818)

5-8

(1:情報伝達,0.5),(1:真偽情報要求,0.0294118), (1:示唆,0.117647),(1:未知情報応答,0.0294118), 0.04 (1:未知情報要求,0.0882353),(1:確認,0.205882), (1:自己紹介,0.0294118)

5-9 (1:情報伝達,0.857143),(1:真偽情報要求,0.047619), (1:肯定・受諾,0.047619),(1:依頼,0.047619) 0.04

6-4 (2:了解,0.00537634),(2:あいづち,0.849462), (2:肯定・受諾,0.145161) 0

5-11 (1:肯定・受諾,0.2),(1:あいさつ,0.6), (1:％,0.2) 0

6-5

(2:約束・申し出,0.0454545),(2:情報伝達,0.0909091),

0 (2:示唆,0.0454545),(2:あいづち,0.0454545),

(2:肯定・受諾,0.0454545),(2:あいさつ,0.318182), (2:未知情報要求,0.0454545),(2:依頼,0.0454545), (2:その他の働き掛け,0.0454545),(2:％,0.272727)

7-2 (1:未知情報要求,1) 1

7-3 (1:未知情報要求,1) 0

図 5.4: 訓練データ追加後の出力

第 6 ^{章 おわりに}

6.1 ^まとめ

本研究では，対話の構造に着目して発話の対話行為と対話構造を認識する方法として，

高野らのモデルの問題点を解決する方法を示した．局所対話構造の開始発話に着目し，発 話末の談話標識語を利用して局所対話構造にコストを付与し，Viterbiアルゴリズムによっ て最適な局所対話構造列を選択するモデルを提案した．

実験の結果，対話行為の認識率は再現率55.38%，適合率58.70%で，局所対話構造の認

識率は11.88%，分割，結合を含めた場合でも19.14%の認識だった．局所対話構造の認識

があまり良い結果でなかったのは，コストの付与に用いた特徴が少なかったということが 考えられる．