無限関係モデルを用いた対話における概念獲得手法に関する検討-主観的意見のやり取りを行う自律対話アンドロイド-

(1)

無限関係モデルを用いた対話における概念獲得手法に関する検討

–

主観的意見のやり取りを行う自律対話アンドロイド

–

A Study on Concept Acquisition Method in Dialogue Using Infinite

Relational Model

–An Autonomous Conversational Android Which Exchanges

Subjective Opinion with Users–

内田貴久

1,2∗

_港隆史

1

_中村泰

2

_石黒浩

1,2

Takahisa Uchida

1,2

Takashi Minato

1

Yutaka Nakamura

2

Hiroshi Ishiguro

1,2

1

_{国際電気通信基礎技術研究所}

1

_{Advanced Telecommunications Research Institute International}

2

_大阪大学

2

_{Osaka University}

Abstract: The purpose of this study is to propose a method to estimate the users’ subjective

con-cept (e.g., preferences and interest) through non-task-oriented dialogue like a casual conversation. Estimating the subjective concepts enables the dialogue system to express a deep understanding about the users. The previous methods of concept estimation need large amount of learning data; therefore, the users need to have cumbersome interactions and might decrease their motivation to talk. On the other hand, people can estimate many things on the partner from less information in conversations. In this paper, we propose a dialogue system that can quickly estimate the subjec-tive concept of the users by referring the other people’s subjecsubjec-tive concepts that are acquired in advance of the dialogue.

1 はじめに

本研究の目的は，意見のやり取りを行う対話において，ロボットと対話するユーザが持つ選好をモデル化する手法を確立することである．選好とは，複数の選択肢の中から好みに応じてあるものを選ぶことである．ユーザと意見のやり取りができるロボットは，ユーザの対話する意欲を喚起することができる．したがって，例えば，高齢者のコミュニケーション支援などの現場での応用が期待される [横山 10]．意見のやり取りを対話に取り入れるためには，システムがユーザの意見を理解していると思えることが必要であると考えられる．意見の理解を示す１つの手段は，聞いた意見を別の言葉で言い換えたり，別の言葉で例えたりすることである．すなわち，その意見で表現されていることの概念を持っていて，概念を用いて異なる表現ができることを示すことである．例えば，食べ物の選好に関する意見をやり取りしている際に，相手 ∗_{連絡先：国際電気通信基礎技術研究所} 京都府「けいはんな学研都市」光台 2-2-2 E-mail: [email protected] の「ラーメンやうどんが好き」という発言に対して，システムが“ 麺類 ”という概念を持っていて，麺類が好きなら蕎麦も好きではないかという発言を行えば，ユーザにシステムが意見を理解していると思わせることができると考えられる．意見のやり取りで，各対話参加者が意見を形成する際に参照する概念には，社会的に共有されているもの（例えば，先に例示した“ 麺類 ”など）もあれば，主観的に形成されたもの（例えば，“ その人にとって高級なイメージのある食事 ”）もある．言い換えれば，意見のやり取りは互いに相手の主観的な概念を理解する過程と言える．ここで，主観的概念とは個々に依存した情報のクラスタリングによって形成されたカテゴリの集合と定義する．ユーザの主観的概念を理解できる対話ロボットは，より深い理解をユーザに示すことが可能になる．その結果，ユーザの対話する意欲をかき立てることができ，継続的な対話が可能になると考えられる．人工知能学会研究会資料 SIG-SLUD-B801-03

(2)

2

Approach



Infinite Relational Model (IRM)

[Kemp+ 06]



A method of clustering relationship between items



Estimate the user's subjective relationship model

(concept model) from IRM

1

Cluster Topic

(e.g., game, anime)

Android can express the deeper understanding with less data

without complex natural language processing (NLP)

図 1: 無限関係モデル

れば，ユーザに対するより深い理解を表現することが可能になる．

3 提案手法

本研究では，意見のやり取りとして選好に関するやり取りをする中で，主観的概念を用いてユーザの選好を推定し，それを用いてユーザの選好を予想したり，選好の視点に言及したりするための対話システムを提案する．ユーザの選好を推定するために，複数人の主観的な概念を用いてユーザの選好を推定する方針を採用し，下記の２点を実現するための手法を提案する． • 事前に用意する複数人の主観的概念を獲得する手 法の改良 • ユーザが選好を判断している視点の特定

3.1 概念を表現する無限関係モデル

本研究では，個人の主観的概念をクラスタリング手法である無限関係モデル（Infinate Relational Model: IRM）を用いて表現する．無限関係モデルは，アイテム間の関連性データからアイテムをクラスタリングする手法であり，事前にクラスタ数を設定する必要がない点が特徴である．Kemp et al. [Kemp 06] はこの手法によって概念学習が可能であることを報告しており，本研究でもこの手法を用いる．図 1 は無限関係モデルによるクラスタリングの例である．左図でアイテム間の関連があることが，黒のブロックで表現されている．右図はクラスタリング結果で，(1,7,8), (2,3,5,9), (4,6) の 3 つのクラスタが形成されている．ここで，アイテム 2 と 7 の関連性が未知であったとしても，クラスタリング結果から関連性があることが推定できる．このように無限関係モデルを用いることにより，関連が未知のアイテム間の関連度合いを推定することが可能になる．

(3)

1 図 2: 関係性データ収集用インタフェース

3.2 事前に保持する主観的概念の取得

先行研究 [Sumi 00] では，事前に用意する複数の概念空間は，提供者にとって関連があると判断されたアイテムのペアの集合で作成されたものである．しかしアイテム数が大きくなるにしたがって，提供者が全ての組み合わせに関して関連性を判断することは困難である．そこで本研究では，概念構築に必要なアイテム間の関連性データを取得する方法として，Gomes et al. [Gomes 11] の研究で提案されている Human Intel-ligent Task（HIT）を採用した．図 2 のようなインタフェースを用いて，関連していると思う複数アイテムをボタンを押すことで選択する．本研究では，類似しているアイテムに対する選好は一致している（好きなアイテムに類似したアイテムもまた好きだろう）との考えに基づいて選好を推定することを想定し，類似していると思うアイテムを選択させる．インタフェースは類似性の特徴が複数ある場合にも対応できるようになっている．図 2 の例は人物間の関係性データの収集例であるが，例えば B,H,F は可愛らしさで類似している，F,D はスタイルの良さで類似している，などのように異なる視点で類似性が判定された例である．このように全 N 個のアイテムの中からランダムに n 個を取り出して上記のインタフェースで類似性を判定させることを複数回繰り返す．これにより，主観的概念の提供者は膨大なアイテムの組み合わせを考慮する必要なく，少ないアイテムの組み合わせにおいて関連するものを選択することを繰り返すだけでよい．無限関係モデルでは，こうして得られたデータから，各提供者の類似性に基づいた主観的概念を取得することができる．

3.3 選好モデルの推定方法

ここでは，無限関係モデルによって構築された複数人の主観的概念から，ユーザがどのようなカテゴリを好むのか（選好モデル）を推定する方法について述べる．個人がある概念について興味があるならばその概念と意味的に近いと他人が判断している概念についても興味がある可能性がある [Sumi 00]．そこで，現在の

Method for Concept Acquisition

1

Estimate User’s Concept Model

Recognition of User’s Utterance

Subjective Concepts on Items

ARI Utterance Based on User’s Model ROBOT USER 図 3: 選好モデルの推定システムユーザ（対話相手）との対話から得たユーザの選好事例に基づいて，どのようなカテゴリを好むのかを保持している主観的概念に当てはめて推定する．得られた選好事例からユーザの好むアイテムと好まないアイテムのクラスタが部分的に判明する．そのクラスタ分けと同様にクラスタが分かれている主観的概念を，保持しているものの中から選択し，それをユーザの選好モデルとして用いる．選択の際の指標として，クラスタリングされた結果の類似度を評価する調整ランド指数（Adjusted Rand Index: ARI） [Hubert 85] を採用した．ARI はクラスタの正解ラベルに対するクラスタリング結果の一致度を評価する指数であり，1 に近づくほど一致度が高い．本研究では，対話中にユーザから選好の事例が得られる度に，それまでに得られた事例における選好クラスタ（好むアイテムと好まないアイテムのクラスタ）と事前に用意したユーザ以外の複数人の主観的概念（類似アイテムのクラスタリング結果）間の ARI を計算し，ARI が高い主観的概念をユーザの選好モデルとして選択する．これにより，あるアイテムと同一クラスタに存在するアイテムに対する選好が同じであると推定することが可能になる．本研究で提案する選好推定のためのシステムを図 3 に示す．対話中にユーザから選好事例が得られる度に，それまでに得られた全ての選好事例に無限関係モデルを適用して，選好に関する主観的概念を推定する方法も考えられる．しかし，無限関係モデルの計算時間を考慮すると，相手の発話ごとに更新することは現実的でない．そのため本研究では，複数人の主観的概念からユーザの選好に関する概念に近いものを選択することで選好モデルを推定する方法を採用した．

3.4 概念の階層モデル

ここで，ユーザがどのような視点から選好を判断しているのかを特定することを考える．例えば，有名人

(4)

Apply pre-learned IRM data to the topics

Preference Estimation

1 Famous Woman Famous Man Famous Woman for Lover Famous Person Famous Woman for Boss Famous Woman for Friend Generic Specific IRM Data 図 4: 選好の階層モデルを好む基準は，友達にしたいと思えるか，恋人にしたいと思えるかどうか，などユーザやアイテムによって変化すると考えられる．本研究では，選好対象の意味的な階層構造に上述の無限関係モデルで推定した主観的概念を当てはめることによって，ユーザがどの階層の意味（どのような視点）で選好を判断しているのかを推定する手法を提案する．話題の意味的な階層構造とは，例えば，有名人→女性有名人→恋人にしたい女性有名人のように，下位層になるほど，対象のカテゴリが具体的に限定されるような階層構造である．提案する手法の概念図を図 4 に示す．ユーザとの対話を通して，下位のある階層の意味での選好事例を収集し，それから形成されるクラスタが，上位階層でのユーザの選好モデルと一致していれば，その上位階層での選好が現階層の意味で判断されていると特定することができる．ユーザの選好の視点が分かれば，ユーザに対するより深い理解を表現することが可能になる．

3.5 選好がない（関心がない）場合の対処

選好を問う場面では，あるアイテムに対してユーザの選好が存在しない，つまり，好きでも嫌いでもない場合が存在する．本研究では，ある階層の話題で，ユーザの選好が存在しないアイテムが一定数以上ある場合，ユーザはその話題に関心がないものと判断する．選好のない（関心のない）話題に関してユーザに選好を問うことは，ユーザの対話意欲を減退させると考えられるため，システムは別の話題へ遷移する．具体的には，ある話題（例えば，女性有名人）に関して関心がないと判断すると下位話題（例えば，恋人にしたい女性有名人）へ遷移し，その話題でも関心がないと判断すれば，別の話題（例えば，食べ物）へ遷移を行う． 1 「好きなTopic[i]は？」 NO START アイテムがDBにある YES 「そのItem[j]は知らないですね」 Nu++ あり NO YES 話題遷移 (i++) 好きなアイテム(Item[j+1])を推定「それじゃあ，Item[j+1] も好きでは？」モデル推定 NO YES 推定が正解 Nc++ モデル推定「他に好きなTopic[i]は？」対話データ更新対話データ更新対話修復部選好推定部話題制御部 Nc > const YES 「 Topic[i]とTopic[k]は同じ/違う考え方なんですね」 Topic[i]と同じ選好モデルを持つTopic[k]を探索ランダムにItem[j]を選択して「 Item[j]は好きですか？ Nu > const NO Nt > const NO YES 図 5: 対話フロー

3.6 選好推定を利用した発話生成

ここで，上述の選好推定手法を用いて対話を行う方法について説明する．対話ロボットがユーザにある話題のあるアイテムに関する選好を尋ね，選好事例データを蓄積する．そして，その選好データを基に対話の中で出現していない未知のアイテムに対する選好を推定する．未知アイテムの中で，同様の選好を持つと推定されるアイテムについてユーザに同様の選好であるかを尋ねる．その正解・不正解から，さらに選好データを更新し，次の未知アイテムに対する選好の推定を行う．また，ユーザの選好モデルが獲得できた場合（未知のアイテムに対する選好が正しく推定できるようになった場合）には，階層構造を参照して，ユーザがどのような意味で選好を判断しているのかを特定する．例えば，女性有名人に対する「好き」（上位話題）というのは「友達にしたい」（下位話題）という意味で判断しているのかを尋ねる．本研究で提案する主観的概念を用いたユーザの選好推定のための対話フローを図 5 に示す．この対話フローでは，大きく 3 つの要素（話題制御部，選好推定部，対話修復部）から構成される．話題制御部では，話題を遷移すべきかどうかの判断を行う．話題遷移の判断基準は，以下のように設定した． • 推定した選好モデルを用いて，選好が未知のアイ テムに対するユーザの選好を正しく推定（正解） できた回数が一定回数 (N c) 以上に達した（ユー ザの選好モデルが獲得された） • システムが知らない（データベースにない）アイ テムに関してユーザが一定回数 (N u) 以上言及す

(5)

る（システムが理解できない選好をユーザが持っている） • 一定ターン数 (Nt) 以上対話しても，選好が未知 のアイテムに対するユーザの選好を正しく推定し た回数が N c に達しない（ユーザの選好をモデル が獲得できない） • ユーザの選好がないアイテムが一定数 (Ni) 以上 存在する（本話題に関してユーザの関心がない）選好推定部では，選好事例を得てユーザの選好を予想する発話を行う．対話データ更新では，ユーザに対して選好を尋ねたアイテムに関して，好き・嫌い・好きでも嫌いでもないものをそれぞれ同一のクラスタに分類する．対話データの初期値はどのアイテムもクラスタリングされていない状態である．モデル推定では，まず，対話データと事前に取得した複数人の主観的概念との類似度を ARI によって計算する．そして，ARI の数値が最も大きい主観的概念を現在対話しているユーザの選好モデルとして選択する．好きなアイテムの推定では，選択された主観的概念を参照し，ユーザが好きだと述べたアイテムと同一のクラスタの中で未出現のアイテムを選択する．対話修復部では，ユーザあるいはシステムが知らないアイテムが対話で現れた際に対処発話を行う．

4 実装例

4.1 選好対象と主観的概念の取得

対話する話題（選好の対象）として，本実装では「有名人」を設定し，有名人の下位話題として女性有名人・男性有名人，さらにその下位話題として恋人にしたい女性/男性有名人・友達にしたい女性/男性有名人・上司にしたい女性/ 男性有名人を設定した．ユーザが知らないアイテムが少ないことと，選好が個々のユーザに大きく依存することを考慮して，話題を有名人に設定した．話題におけるアイテムとして，システムは女性有名人 50 名，男性有名人 47 名の名前をデータベースに保持する．そして事前に女性有名人に関する主観的概念，男性有名人に関する主観的概念を用意した．各概念提供者がランダムに抽出した 8 アイテム組み合わせに対して HIT を 20 回繰り返して収集した関係性データから，IRM により各人の主観的概念を取得した．女性有名人に関して 5 名分，男性有名人に関して 5 名分の主観的概念を取得した．

4.2 対話実行例

本システムを使用した場合の対話例を以下に記す． System: 好きな女性有名人は誰ですか？ User: A が好きです． System: A が好きなんですね．それじゃあ，B も好きなんじゃないですか？ User: はい．好きです． System: やっぱり．えーっと，友達にしたい女性有名人は誰ですか？ User: C です． System: それじゃあ，D も友達にしたいと思いますか？ User: D は友達にしたいと思わないです． System: あっ，そうなんですね．E は友達にしたいと思いますか？ User: はい．友達にしたいですね． System: やっぱり．それじゃあ，F も友達にしたいと思いますか？ User: F も友達にしたいですね． System: 何となく，あなたのことが分かった気がします．ところで，好きと友達にしたいというのは違った考え方を持っているんですか？ User: まあそうですね．そうかもしれないです．（注）A∼F には女性有名人の名前が入る

5 考察

本稿では，意見として選好に関するやり取りをする中で，主観的概念を用いてユーザの選好を推定するための対話システムを提案した．ユーザの選好に関する推定では，話題の意味的な階層構造を利用して，ユーザがどのような視点から選好を判断しているのかについて推定する手法を検討した．さらに，選好に関する対話から，その話題に対するユーザの関心推定に関する可能性を示した．このように，ユーザの選好を理解していると感じさせることができる対話ロボットは，意見をやり取りする相手として見なされる効果が期待される．今後は，本研究の提案手法を備えた対話ロボットが，ユーザが意見をやり取りしたい相手と見なされるかどうかを評価する必要がある．人間は過去の経験等を参照することで，少ない情報から様々な推定を行っていると考えられる．今回実装したシステムにおいて，複数人の主観的概念や話題の階層構造及び話題のアイテムに関する知識は宣言的知識，対話フローに関しては手続き的知識と捉えることができる．少ないデータから様々な推定を可能にするシステムを構築することで，人間の対話における認知モデルに関する考察を深めることができると考えられる．今回の実装例では，人間の選好をモデル化することを目的としたため，ユーザの選好に関する発話のみで対話を構成さした．しかしこのままでは，対話として

(6)

ユーザに一方的に質問することになり，ユーザの対話意欲を減退させてしまうことが考えられる．自身の選好について述べることは自己開示の一種と考えられ，自己開示の返報性に関しては様々な研究で指摘されていることから，選好について述べる機会が対話者同士でバランスされている必要があると考えられる．したがって，ロボット自身の選好について述べながら，ユーザの選好について推定・言及することが対話意欲を維持するために必要になると考えられる．今後は，ユーザとロボットの両者の選好を基に発話生成を行う対話システムを検討することが課題となる．

謝辞

本研究は JST ERATO 石黒共生ヒューマンロボットインタラクションプロジェクト（グラント番号：JPM-JER1401）の一環として行われたものです．

参考文献

[Gomes 11] Gomes, R. G., Welinder, P., Krause, A., and Perona, P.: Crowdclustering, in Advances in neural information processing systems, pp. 558–566 (2011)

[Hubert 85] Hubert, L. and Arabie, P.: Comparing partitions, Journal of classification, Vol. 2, No. 1, pp. 193–218 (1985)

[Kemp 06] Kemp, C., Tenenbaum, J. B., Grif-fiths, T. L., Yamada, T., and Ueda, N.: Learn-ing systems of concepts with an infinite relational model, in AAAI, Vol. 3, p. 381–388 (2006)

[Shardanand 95] Shardanand, U. and Maes, P.: So-cial information filtering: algorithms for automat-ing“word of mouth”, in Proceedings of the SIGCHI conference on Human factors in computing sys-tems, pp. 210–217 (1995)

[Sumi 00] Sumi, K., Sumi, Y., Mase, K., Naka-suka, S.-i., and Hori, K.: Information presentation by inferring user’s interests based on individual con-ceptual spaces, Systems and Computers in Japan, Vol. 31, No. 10, pp. 41–55 (2000) [横山 10] 横山祥恵, 山本大介, 小林優佳, 土井美和子他：高齢者向け対話インタフェース-雑談継続を目的とした話題提示・傾聴の切替式対話法, 研究報告音声言語情報処理 (SLP), Vol. 2010, No. 4, pp. 1–6 (2010) [小林 10] 小林優佳, 山本大介, 土井美和子：高齢者対話インタフェース-ユーザの聴き手になる音声対話インタフェース, 人工知能学会研究会資料. SLUD, 言語・音声理解と対話処理研究会, Vol. 59, pp. 1–6 (2010) [土方 04] 土方嘉徳他：情報推薦・情報フィルタリングのためのユーザプロファイリング技術, 人工知能学会誌, Vol. 19, No. 3, pp. 365–372 (2004)

無限関係モデルを用いた対話における概念獲得手法に関する検討-主観的意見のやり取りを行う自律対話アンドロイド-