図面 (/)

技術 反論生成方法,反論生成システム

出願人 株式会社日立製作所
発明者 神田直之
出願日 2014年4月4日 (7年1ヶ月経過) 出願番号 2016-511280
公開日 2017年4月13日 (4年1ヶ月経過) 公開番号 WO2015-151268
状態 特許登録済
技術分野 機械翻訳
主要キーワード 根拠データ テンプレート文 端末内データ ディベート 表現生成 書き換え規則 成績データ 知識データ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年4月13日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (11)

課題・解決手段

意思決定支援のための反論生成システムにおいて,多様な議題における多様な意見に対して,その議題と反論対象意見の前提条件を抽出し,前提条件の関連が低いことを示すデータを検索することにより,自動的に適切な反論意見を生成することを可能とする。また,反論対象意見に矛盾する反論候補データを検索した後,議題と反論候補データの前提条件を抽出し,その関連が低いことを示すデータが存在しなければ,当該反論候補データを出力することによって,自動的に適切な反論意見を生成することを可能とする。

概要

背景

近年World Wide Webなどに大量の情報が蓄積され,また情報が瞬時に世界中へと拡散するようになり,人間が適切な意思決定を行うことがますます困難となっている。適切な意思決定を支援するために,ある議題に対する肯定否定意見を大量の情報源の中から抽出する方法が開示されている(特許文献1)。

特許文献2においては,パブリックコメント(意見公募手続き)のようにある議題に対する大量の意見が収集され,それらの意見に対する回答を述べるような状況を想定し,予め想定される意見と回答のセット(論点整理表)を用意しておき,ある意見に対して論点整理表内の類似した意見に対応付けられた回答を出力する,というシステムが開示されている。

一方,テキスト含意認識と呼ばれる技術においては、ある文章Tとある文章Hが矛盾関係にあるかどうかを検出することが可能となる。

概要

意思決定支援のための反論生成システムにおいて,多様な議題における多様な意見に対して,その議題と反論対象意見の前提条件を抽出し,前提条件の関連が低いことを示すデータを検索することにより,自動的に適切な反論意見を生成することを可能とする。また,反論対象意見に矛盾する反論候補データを検索した後,議題と反論候補データの前提条件を抽出し,その関連が低いことを示すデータが存在しなければ,当該反論候補データを出力することによって,自動的に適切な反論意見を生成することを可能とする。

目的

本発明は上記の課題に対し,広く一般的な話題に対する意見に対し,適切な反論を生成する方法及びシステムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

議題と、議題に関する意見である反論対象意見と、を記憶する第1ステップと、前記議題から、第1前提条件を抽出する第2ステップと、前記反論対象意見から、第2前提条件を抽出する第3ステップと、前記第1前提条件に含まれる第1条件と対応する第2条件が、前記第2前提条件に含まれるか判定する第4ステップと、前記第1条件と前記第2条件との関連性について、否定的な意見が記載されているデータである反論根拠データ検索する第5ステップと、前記反論根拠データのうち、前記反論対象意見との関連性が最も高いデータを、前記反論対象意見に対する反論文として文章化し、出力する第6ステップと、を有することを特徴とする反論生成方法

請求項2

請求項1に記載の反論生成方法において,前記第3ステップは、前記反論対象意見からさらに、第1の主となるを抽出し、前記第5ステップは、前記第1条件と前記第2条件とに加え、前記第1の主となる句を検索語として用いることを特徴とする反論生成方法。

請求項3

請求項1に記載の反論生成方法において、前記反論文から、第3前提条件を抽出する第7ステップと、前記第2前提条件に含まれる第3条件と対応する第4条件が、前記第3前提条件に含まれるか判定する第8ステップと、前記第3条件と前記第4条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索する第9ステップと、複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力する第10ステップと、をさらに有することを特徴とする反論生成方法。

請求項4

請求項3に記載の反論生成方法において、前記第7ステップは、前記反論対象意見からさらに、第2の主となる句を抽出し、前記第9ステップは、前記第3条件と前記第4条件とに加え、前記第2の主となる句を検索語として用いることを特徴とする反論生成方法。

請求項5

請求項3に記載の反論生成方法において、前記第6ステップで生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定する第11ステップをさらに有し、前記第7ステップでは、前記矛盾が存在すると判定された前記反論文から前記第3前提条件を抽出することを特徴とする反論生成方法。

請求項6

議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、前記議題から、第1前提条件を抽出し、前記反論対象意見から、第2前提条件を抽出する抽出部と、前記第1前提条件に含まれる第1条件と対応する第2条件が、前記第2前提条件に含まれるか判定する判定部と、前記第1条件と前記第2条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、前記反論根拠データのうち、前記反論対象意見との関連性が最も高いデータを、前記反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする反論生成システム

請求項7

請求項6に記載の反論生成システムにおいて,前記第抽出部は、前記反論対象意見からさらに、第1の主となる句を抽出し、前記第検索部は、前記第1条件と前記第2条件とに加え、前記第1の主となる句を検索語として用いることを特徴とする反論生成システム。

請求項8

請求項6に記載の反論生成システムにおいて、前記抽出部は、さらに、前記反論文から、第3前提条件を抽出し、前記判定部は、さらに、前記第2前提条件に含まれる第3条件と対応する第4条件が、前記第3前提条件に含まれるか判定し、前記検索部は、さらに、前記第3条件と前記第4条件との関連性について否定的な意見が記載されているデータである再反論根拠データを検索し、前記出力部は、複数の前記反論文のうち、前記再反論根拠データの数が最も少ない前記反論文を出力することを特徴とする反論生成システム。

請求項9

請求項8に記載の反論生成システムにおいて、前記抽出部は、さらに、前記反論対象意見から第2の主となる句を抽出し、前記検索部は、さらに、前記第3条件と前記第4条件とに加え、前記第2の主となる句を検索語として用いることを特徴とする反論生成システム。

請求項10

請求項8に記載の反論生成システムにおいて、前記出力部は、さらに、生成した前記反論文と、前記反論対象意見との間に矛盾が存在するかを判定し、前記抽出部は、前記矛盾が存在すると判定された前記反論文から前記第3前提条件を抽出することを特徴とする反論生成システム。

技術分野

0001

本発明はある議題における意見に対する反論意見を自動的に生成するための方法及びシステムに関するものである。

背景技術

0002

近年World Wide Webなどに大量の情報が蓄積され,また情報が瞬時に世界中へと拡散するようになり,人間が適切な意思決定を行うことがますます困難となっている。適切な意思決定を支援するために,ある議題に対する肯定否定の意見を大量の情報源の中から抽出する方法が開示されている(特許文献1)。

0003

特許文献2においては,パブリックコメント(意見公募手続き)のようにある議題に対する大量の意見が収集され,それらの意見に対する回答を述べるような状況を想定し,予め想定される意見と回答のセット(論点整理表)を用意しておき,ある意見に対して論点整理表内の類似した意見に対応付けられた回答を出力する,というシステムが開示されている。

0004

一方,テキスト含意認識と呼ばれる技術においては、ある文章Tとある文章Hが矛盾関係にあるかどうかを検出することが可能となる。

先行技術

0005

特開2007−241901号公報
特開2011−113400号公報

発明が解決しようとする課題

0006

従来技術では,広く一般的な話題に対する意見に対し,適切な反論を生成することができないという課題がある。

0007

具体的には,特許文献2のような方法では,この方法では予め論点整理表を人間が用意しておく必要がある。そのため,広く一般的な議題に対する意見に対して回答ないし反論を生成しようとする場合には,議題や意見を全て想定し,論点整理表を人間が用意しておく必要があるが,これは現実的に不可能である。

0008

本発明は上記の課題に対し,広く一般的な話題に対する意見に対し,適切な反論を生成する方法及びシステムを提供することを目的とする。

課題を解決するための手段

0009

上記課題を解決するために、例えば請求の範囲に記載の構成を採用する。本願は上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、反論生成方法であって、議題と、議題に関する意見である反論対象意見と、を記憶する第1ステップと、議題から、第1前提条件を抽出する第2ステップと、
反論対象意見から、第2前提条件を抽出する第3ステップと、第1前提条件のうちの第1条件と対応する第2条件を、第2前提条件のうちから判定する第4ステップと、第1条件と前記第2条件との関連性について、否定的な意見が記載されているデータである反論根拠データ検索する第5ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第6ステップと、を有することを特徴とする。

0010

または、反論生成システムであって、議題と、議題に関する意見である反論対象意見と、を記憶する記憶部と、議題から、第1前提条件を抽出し、反論対象意見から、第2前提条件を抽出する抽出部と、第1前提条件のうちの第1条件と対応する第2条件を、第2前提条件のうちから判定する判定部と、第1条件と第2条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する検索部と、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する出力部と、を有することを特徴とする。

発明の効果

0011

広く一般的な議題に対する意見に対し,適切な反論を生成することが可能となる。

図面の簡単な説明

0012

代表的なシステム構成
代表的なシステムの接続図
実施例1におけるフローチャート
前提条件抽出処理のフローチャート
前提条件抽出処理の生成物
前提条件の対応付け処理の生成物
表示装置に表示される情報の例
実施例2のシステム構成
実施例2におけるフローチャート
実施例3におけるフローチャート

0013

本実施例では議題と反論対象意見とのそれぞれの前提条件を抽出し,抽出された前提条件を対応付けた後,議題と反論対象意見の前提の間に関連がないことを示すデータを検索することによって,反論意見(反論)を生成する方法について述べる。

0014

以下、本発明の第1の実施形態について、図面を用いて説明する。

0015

図1は、第1の実施形態において、本発明を適用する計算機システムの構成を示すブロック図である。本実施形態の計算機システムは、反論生成サーバ101、操作端末109を持ち、これらがネットワーク120を介して接続される。また、ネットワーク120には検索の対象となる文書データを蓄積する文書データ蓄積装置125と構造化された知識を持つ知識データ蓄積装置130が接続される。

0016

反論生成サーバ101内には前提条件抽出102,前提条件対応103,反論データ検索104,反論表現生成105,反論提示106の各プログラムが納められている。

0017

操作端末109内には端末内データ蓄積装置131が納められている。また音声出力装置116、表示装置117、入力装置118、音声入力装置119がそれぞれ接続されている。

0018

図2は、図1の構成要素のうち特に反論生成サーバ101に含まれるモジュールを処理の流れに従って配置した図である。また図3は,図1の構成要素を用いて反論意見を生成するフローチャートを表す。ここでは図3に従って実施例を述べる。

0019

まずディベートの議題201を表すテキスト情報が入力装置118を通じて端末内データ蓄積装置131へと蓄積される(図3の300)。なお,音声入力装置119を通してユーザが発した音声を,音声認識プログラムによってテキストへと変換し,当該テキストを端末内データ蓄積装置131へと蓄積しても良い。音声認識プログラムについては,当業者であれば周知であるためここでは詳細は省略する。

0020

議題201はネットワーク120を通じて反論生成サーバ101へと送られた後,前提条件抽出部102が議題201に含まれる第1の前提条件の集合を抽出する(図3の301)。

0021

本願でいう前提条件とは、議題を論ずるために必要な、時間・場所などの土台となる条件や、反論対象意見を構成する条件の一部となっている、時間・場所などの土台となる条件を含む。これらの前提条件同士の関連性が低かったり、極端に異なっていたりすれば、そもそも議論成立せず、そこに矛盾が生ずることになる。そのため本願では、反対対象意見を論破するための反論を生成するに当たり、この前提条件に着目した。この前提条件は、必ずしも議題や反論対象意見のテキスト中では明示されていないため、下記のような抽出処理を行う。

0022

この前提条件抽出の処理の流れを図4に,途中結果図5に示す。この例では「我が国の小学校では宿題廃止すべき」という議題から前提条件を抽出する。まず議題に対し構文解析処理と依存解析処理を行う(400)ことにより,図5の501のような構造を得る。文章は単語に分かち書きされ,それぞれの単語ごとに品詞情報品詞,品詞2)や係り先情報が得られる。係り先情報は,各単語がどの単語に係っているかを単語番号で示したものである。例えば1番の単語「わが国」の係り先は2番の単語「の」であることを示している。図5の502は係り先情報を図示したものである。なお構文解析や依存解析は当業者であれば周知の技術であるため,詳細は省略する。

0023

続いて文中の主となるを抽出する(図4の401)。本実施例では,「係り先を持たない助動詞動詞形容詞と,当該する助動詞/動詞/形容詞に係る動詞/サ変接続名詞と,当該動詞/サ変接続名詞に係るガ格/ヲ格の助詞からなる系列」とする。この結果,503のように「宿題を廃止すべき」が主となる句として抽出される。

0024

ただし,上記の抽出ルールは,これに限定されるものではなく,主となる句が抽出できさえすればよい。例えば,別の実施例としては,識別器を用いた方法が可能である。この場合,まず予め多数の文章に構文解析処理と依存解析処理を行った上で,人間が判断して主となる句の先頭の単語に「B−MAIN」,主となる句の先頭以外の単語に「I−MAIN」,主となる句以外の単語に「OTHER」という3種類のラベルを付与しておく。

0025

このようにすることで,単語とラベル(B−MAIN, I−MAIN, OTHER)の組が大量に用意される。続いて,ある単語とその品詞情報,依存情報,及び,当該単語の前後N個の単語とその品詞情報,依存情報から,ラベル(B−MAIN, I−MAIN, OTHER)を予測する識別器を構築する。ここではConditional Random Fieldを用いた方法について述べる。Conditional Random Fieldは,下式で表される識別器である。

0026

0027

0028

ここでxは入力される単語や品詞などの情報であり,yはラベル(B−MAIN, I−MAIN, OTHER)を表す。またφは素性と呼ばれ,例えばxの品詞が名詞の時のみ1でそれ以外の時は0となるなど,特定の単語の種類や特定の品詞の種類などの条件が一致した時にのみ1となるような関数である。素性は様々な条件のものを多数用意しておく。wはConditional Random Fieldのパラメータであり,前記で用意した単語とラベル(B−MAIN, I−MAIN, OTHER)の組の集合から求める事が出来る。Conditional Random Fieldの学習方法は当業者であれば周知であるため,これ以上の詳細は省略する。

0029

実際に主となる句を抽出する際には,主となる句を抽出したい文章に対してまず構文解析処理と依存解析処理を行う。次に,各単語とその品詞情報,依存情報,及び,当該単語の前後N個の単語とその品詞情報,依存情報からラベル(B−MAIN, I−MAIN, OTHER)を予測する。得られたラベルのうちB−MAIN, I−MAINというラベルが付与された箇所を主となる句として用いる。

0030

なおConditional Random Fieldを用いたラベルの予測方法は当業者であれば周知であるため,詳細は省略する。

0031

以上が識別器を用いた「主となる句」の検出方法である。識別器の種類や,利用する情報の種類は上記で説明したものに限定されるものではなく,任意の組み合わせや情報を利用可能である。

0032

次に,前提条件を抽出するために,「主となる句」に係る文節を抽出する(図4の402)。これは図5の502の依存解析結果において「主となる句に係っている, “「ガ格」「ヲ格」以外の助詞”からなる系列」を全て抽出することで得られる。この結果,図5の504のように「我が国の小学校では」という1つの前提条件節が得られる。なお,この規則は1例であり,前提条件に相当する文が抽出できればどのような規則を用いても良い。

0033

例えば,「主となる句」を抽出したのと同じように,識別器を用いて前提条件を抽出してもよい。この場合,予め多数の文章に対して構文解析と依存解析した結果に対して,前提条件となる句の先頭の単語に「B−COND」,前提条件となる句の先頭以外の単語に「I−COND」,前提条件となる句以外の単語に「OTHER」という3種類のラベルを付与しておく。これらのラベルを用いて,前記の主となる句を抽出したのと同じ方法によって,ラベル(B−COND, I−COND, OTHER)を予測するConditional Random Fieldを構築する。

0034

前提条件を抽出する際には,前提条件となる句を抽出したい文章に対してまずまず構文解析処理と依存解析処理を行い,当該結果に対して前記で学習したConditional Random Fieldを適用することにより,各単語ごとにラベル(B−COND, I−COND, OTHER)が予測される。得られたラベルのうちB−COND, I−CONDというラベルが付与された箇所を主となる句として用いる。なお,識別器の種類や,利用する情報の種類は上記で説明したものに限定されるものではなく,任意の組み合わせや情報を利用可能である。

0035

最後に,一定の書き換え規則に従って,得られた前提条件節を正則化する(403)。一定の書き換え規則とは例えば「我が国」を「日本」に書き換えるなどの規則であり,図5の505のように任意のルールを用いることができる。このルールを適用すると,第1のルールにより「我が国」が「日本」に置換され,第2のルールにより「2013年」という前提条件が追加される。この結果,図5の506のように「日本の小学校では」「2013年」という第1の前提条件節が得られる。ここまでが図3の処理301である。

0036

もちろん、図5のルールは、本発明が実施される国等によって様々なものに対応させることができるのは言うまでもない。たとえば、505の1や3は、本発明が実施される国に置換する、というルールにすることも可能であり、505の2については年のみでなく月まで条件に追加するとしても良い。

0037

続いて,処理302では再び前提条件抽出部102が動作し,入力された反論対象意見を示すテキスト情報から第2の前提条件を抽出する。この前提処理は前記と同様に,図4に従って行われる。例えば,反論対象意見が「2000年のデータによるとB国では宿題の廃止によって成績伸びた。」であった場合,主となる句は「成績が伸びた」であり,第2の前提条件節は「2000年のデータによると」「B国では」「宿題の廃止によって」となる。

0038

なお,本実施例では第2の前提条件の抽出においても,第1の前提条件の抽出で用いたのと同じ処理を用いたが,必ずしも同一の処理を用いる必要はなく,第2の前提条件の抽出に異なる規則を用いても良い。

0039

続いて処理303では前提条件対応部103が動作し,第1の前提条件と第2の前提条件の対応する組合せの判定を行う。本実施例では前提条件の組み合わせ全てに対して,そこに含まれる名詞同士の対応付けを行う。この例を図6に示した。図6では「日本の小学校では」という第1の前提条件節1.1と「B国では」という第2の前提条件節2.2を比較した結果,「日本」と「B国」が対応付けられている。これは,予め「日本」と「B国」がどちらも国名であるという知識データを知識データベース129の中に持っておくことにより実現できる。同様に第1の前提条件節1.2と第2の前提条件節2.1の組み合わせからは「2013年」と「2000年」の組み合わせがどちらも時間を表す情報として対応付けられて抽出される。これらの結果が次の処理304へ引き継がれる。

0040

処理304では反論用データ集合を収集するための準備として,データ集合Dを空にする。このデータ集合Dは反論生成サーバ101のメモリ130上に格納される。

0041

続いて図3の305では,対応づけられた前提条件の組全てに対し,図3の306と307の処理を行う。まず反論データ検索部104が動作し,対応付けられた前提条件に関連性が低いことを示すデータ(関連性について、否定的な意見が記載されているデータ)の検索を行う(処理306)。この対応付けられた前提条件同士の関連性は、関連性が低い場合に議題に対する意見として反論対象意見が的外れである、矛盾している等を主張することができ、反論対象意見に対する反論を生成するために重要な指標となる。

0042

例として,「日本」と「B国」の組み合わせにおいて,「相関がない」という検索語を付加し,「日本,B国,相関がない」という3つの検索語が同時に出現する文書文書データベース124の中から検出することが考えられる。

0043

また、この際に反論対象意見の中の主となる句「成績が伸びた」に含まれる名詞のいずれかが含まれていることを条件として加えても良い。この場合「日本,B国,相関がない,成績」という4検索語が同時に出現する文章を文書データベース124の中から検出する。主となる句を検索語に追加することにより、前提条件のみの検索に比べ、より反論対象意見に即した文書を検索することができ、反論を生成するための根拠として有用な文書が検索できる。

0044

この結果,例えば文書データベース124から「日本とB国の成績には相関がない」という文章が検出された場合には,この文章dを反論根拠データとして反論用データ集合Dに加える。なお,検索語に基づき関連する文章を検索する処理は周知のどのような方法を用いても良い。文書もしくは文章の検索方法は当業者では周知であるため,詳細は省く。

0045

なお「相関がない」という検索語を追加したのは,対応付けられた前提条件に関連性が低いことを示すデータを検索するためであり,その他にも「関連がない」「負の相関がある」「関連性が低い」「関係ない」など、否定的な意見を示す様々な検索語を追加することが考えられる。

0046

また,関連性が低いことを示す反論根拠データは文書データベース124からのみでなく,知識データベース129から求めることもできる。例えば知識データベース129内に過去の日本とB国の成績が納められていた場合,それらの間の相関を計算し,相関係数一定値以下であれば,「日本とB国の成績データに相関がない」というデータを反論用データ集合Dに加えることが可能である。相関係数は公知の計算方法のいずれを用いても良い。なお,ここでは「XとYのZに相関がない」というテンプレート文章を用意しておき,Xに日本,YにB国,Zに成績データという単語をそれぞれ当てはめることで,「日本とB国の成績データに相関がない」というテキストを生成している。

0047

続いて処理309では,反論用データ集合Dに含まれるデータd全てについて処理310と処理311を行う。

0048

処理310においては反論表現生成部105が動作し,データdから反論意見テキストを生成する。本実施例では,「Xというデータがあり,Yのデータは参考にならない。」というテンプレートを予め用意しておき,Xにデータd(先の例では「日本とB国の成績には相関がない」)を,Yに関連付けられた前提条件のうちの第2の前提条件に当たる条件(先の例では「B国」)当てはめる。この結果、データdのうち反論対象意見と関連性の高いものから順に抽出され,例えば「日本とB国の成績には相関がないというデータがあり,B国のデータは参考にならない」という反論文が生成される。なお,反論文生成用のテンプレートはこれに限定されるものではない。データdと反論対象意見との関連性については、たとえば、データdと反論対象意見とに登場する単語の共通度合いによって評価することができるし、その他、公知の手法を用いても良い。

0049

最後に処理311において反論提示部106が動作し,作成された反論意見テキストが表示装置117を通じてユーザへ提示される。この際に,音声合成処理を用いてテキストから音声を生成し,当該音声を音声出力装置116を通じてユーザに1提示しても良い。

0050

上記の操作を操作端末109を通して実施する際に,表示装置117に提示される画面の例を図7に示した。ユーザは議題と意見をそれぞれテキストボックス701と702を通じて入力できる。反論生成ボタン703を押下すると,図3の処理が動作し,反論意見704が生成されてユーザへ提示される。また,「元データを表示」ボタンを押下すると,処理306において検索された文が含まれる元の文書を表示しても良い。また,反論文が生成されると同時に,反論文を合成音声により合成した音声を音声出力装置116を通じて出力しても良い。

0051

以上を踏まえると、本実施例に記載の反論生成方法は、議題と、議題に関する意見である反論対象意見と、を記憶する第1ステップと、議題から、第1前提条件を抽出する第2ステップと、反論対象意見から、第2前提条件を抽出する第3ステップと、第1前提条件のうちの第1条件と対応する第2条件を、第2前提条件のうちから判定する第4ステップと、第1条件と前記第2条件との関連性について、否定的な意見が記載されているデータである反論根拠データを検索する第5ステップと、反論根拠データのうち、反論対象意見との関連性が最も高いデータを、反論対象意見に対する反論文として文章化し、出力する第6ステップと、を有することを特徴とする。

0052

この第1の前提条件と第2の前提条件との関連性について否定的な意見が記載されているデータを検索することにより、文章として表に現れておらず看過しがちな矛盾を指摘し、反論文を容易に生成することができる。

0053

本実施例では,実施例1で作成した反論のうち、反論対象意見に矛盾する反論文のそれぞれに対して再反論データが存在するかどうかを調べ,当該再反論データがない場合に反論候補データを用いて反論意見を生成する方法について述べる。

0054

ここで矛盾関係のある反論文のみに候補を絞っている理由は、必ずしも矛盾関係が有っても反論対象意見を論破できるとは限らないためである。そこで、矛盾関係が有る反論文について、反論対象意見を論破できるかを実施例1を用いて検証したうえで、当該反論文を反論として用いる例を、本実施例で述べる。

0055

もちろん、矛盾関係の有無にかかわらず、実施例1で作成した反論文が再反論される可能性を少なくするために、全ての反論文に対して本実施例の処理903以降を適用することも可能である。

0056

以下、本発明の第2の実施形態を図面に基づいて説明する。

0057

システムの構成を図8に示す。図8は実施例1の図1とほぼ同じであるが,矛盾データ検索部832が反論生成サーバ801に追加されている点が異なる。ここでは処理手順図9に従って説明する。

0058

まず入力装置818からユーザが議題と反論対象意見を入力し,それらが端末内データ蓄積装置831へと蓄積される。蓄積されたデータはネットワーク820を介して反論生成サーバ801へと送られる(処理900)。反論生成サーバでは、実施例1で述べたように、反論対象意見に対しての反論文が生成され、文書データベースに蓄積される。

0059

続いて,反論生成サーバ801では矛盾データ検索処理が動作し,反論対象意見と矛盾する反論文を反論候補データとして文書データベース824の中から検索する。このために,文書データベース824に含まれるそれぞれの反論文に対して,反論対象意見と矛盾するかどうかの判定を行う。ここでは単語の類義語/反義語関係を用いて,2つの文が矛盾関係にあるかどうかを判定する方法について述べる。

0060

例として反論対象意見α「2000年のデータによるとB国では宿題の廃止によって成績が伸びた。」に対して,反論文β「C国では宿題を廃止した結果,成績が落ちた。」という文章が矛盾関係にあるかどうかを判定するとする。まず,反論対象意見αと反論文βのそれぞれに対して形態素解析処理を適用し,単語の分割と品詞の同定を行う。その後,反論対象意見αと反論文βそれぞれから名詞/動詞/否定詞を抽出することで反論対象意見αからは「2000年」「データ」「B国」「宿題」「廃止」「成績」「伸び」が得られ,反論文βからは「C国」「宿題」「廃止」「結果」「成績」「落ち」を得る。
続いて反論対象意見αから抽出された上記単語のそれぞれに対して,反論文βから得られた単語の中に類義語もしくは反義語が存在するかどうかを調べる。類義語もしくは反義語については知識データベース829に予め用意しておく。この例では「B国」と「C国」が類義語,「宿題」と「宿題」が一致,「廃止」と「廃止」が一致,「成績」と「成績」が一致,「伸び」と「落ち」が反義語という関係が得られる。「2000年」と「データ」に対しては対応する単語が存在しないと判定される。

0061

続いて次の式に従ってスコアSを計算する。

0062

0063

ただし,
λ=反義語の個数+αの否定詞の個数-βの否定詞の個数+1
である。

0064

なおmax()は含まれる要素の最大値を返す関数である。このスコアSがある閾値を超えた場合に,反論対象意見αと反論文βは矛盾していると判定する。

0065

例えば閾値が0.2として,反論対象意見αと反論文βに上式を適用する。反論対象意見αと反論文βにおいては,類義語もしくは一致の個数が4,対応する単語が存在しない個数は2,反義語の個数は1,αの否定詞の個数は0,βの否定詞の個数は0であり,

0066

0067

と計算される。これは閾値0.2を超えるので,反論対象意見αと反論文βは矛盾関係にあると判定される。なお閾値は,矛盾する文対が矛盾関係にあり,矛盾しない文対が矛盾関係にないと正しく判定される確率が最も高くなるように設定されている。ただしこの方法に依らず,その他の閾値を用いても良い。

0068

なお,ここで述べた方法は名詞や動詞の類義語もしくは反義語関係だけを用いた単純なものであり,機能語が持つ情報などは用いていない。より複雑な構文や知識を用いた矛盾関係の算出方法などは多数の方法が開示されており,文と文の間に矛盾関係があるかどうかを判定できるものであれば,それらのどれを用いても良い。

0069

処理902では反論用データ集合を収集するための準備として,データ集合Dを空にする。

0070

次に,処理901で検出された反論候補データ全てに対し,処理904と処理905を実施する。まず処理904においては,実施例1において説明した処理を議題と反論候補データに対して実施し,反論候補データに対する再反論根拠データを検索し、再反論意見を生成する。ここで再反論根拠データがもっとも少なかった場合(理想的には、子検索結果が0であったもの)に当該反論候補データを反論候補データdとして、集合Dに追加する(処理905)。

0071

処理903が終わると処理906に移り,反論用データ集合Dに含まれる反論候補データd全てについて,処理907と処理908を実施する。処理907においては反論候補データから反論意見テキストを生成する。本実施例では,「Xという矛盾する情報がある」というテンプレートを用意しておき,Xに検出された反論候補データを当てはめることを行う。これにより,例えば反論候補データ「C国では宿題を廃止した結果,成績が落ちた」があった場合,「C国では宿題を廃止した結果,成績が落ちたという矛盾する情報がある」というテキストが生成される。なお,反論候補データdから反論意見テキストを生成できるのであれば,どのようなテンプレートや方法を用いても良い。

0072

最後に処理908において,当該テキストを表示装置817を通じてユーザへ提示する。ここでの表示例は実施例1と同様に図7のような画面を用いることができる。ユーザが議題701と意見702を入力して反論生成ボタン703を押下すると反論意見が画面下部に生成される。この結果、例えば図7の706のように「C国では宿題を廃止した結果,成績が落ちたという矛盾する情報がある。」という反論意見が生成される。

0073

このように、実施例1を用い生成された反論文のうち、反論対象意見と矛盾する反論文に対し、再反論されうるかを本実施例のように検証し、反論文に対する再反論根拠データが最も少なかった反論候補データdを選択することで、より説得性のある反論案を生成することができる。

0074

実施例1では,議題と反論対象意見から前提条件を抽出し,その前提条件の間に関連がないことを示すデータを検索することで反論を生成する方法を開示した。また実施例2では,反論対象意見に対して矛盾するデータを検索した後,矛盾するデータに対して実施例1の方法で再反論意見を生成し,再反論意見が得られない場合に,当該矛盾データを反論に利用する方法を開示した。

0075

これらの2つの方法は組み合わせて用いることもできる。本実施例3では,その方法について述べる。

0076

システムの構成は実施例2と同様に図8に従う。本実施例の流れを図10に示す。図10は実施例2で用いた図9とほぼ同じであるが処理1001が異なる。

0077

まず入力装置818からユーザが議題と反論対象意見を入力し,それらが端末内データ蓄積装置831へと蓄積される。蓄積されたデータはネットワーク820を介して反論生成サーバ801へと送られる(処理1000)。

0078

続いて処理1001において,反論生成サーバ801では矛盾データ検索処理が動作し,反論対象意見と矛盾する文を反論候補データとして文書データベース824の中から検出する。ここで同時に,実施例1で示した方法に基づいて,反論対象意見に対して反論意見を生成し,これも反論候補データとして追加する。

0079

処理1002以下の処理の流れは実施例2と同一であり,詳細は省略する。処理1001において実施例1で得られる反論意見も追加することにより,実施例1の方法と実施例2の方法を組み合わせた形の反論意見が生成される。

実施例

0080

なお,上記の組み合わせ以外に,実施例1の方法と実施例2の方法を並列に実行し,それぞれで生成された反論意見を並列にユーザに提示することも可能である。

0081

101:反論生成サーバ
108、110,121,128:入出力インターフェース
109:操作端末
117:表示装置
118:文字入力装置
119:音声入力装置
120:ネットワーク
125:文書データ蓄積装置
130:知識データ蓄積装置
131:端末内データ蓄積装置。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • パナソニックIPマネジメント株式会社の「 ベクトル化装置、言語処理方法及びプログラム」が 公開されました。( 2021/03/18)

    【課題・解決手段】ベクトル化装置(2)は、文字列に応じたベクトルを生成する。ベクトル化装置は、取得部(22〜24)と、記憶部(21)と、演算処理部(20)とを備える。取得部は、文字列を取得する。記憶部... 詳細

  • 株式会社日立製作所の「 計算機システム及び文書の分類方法」が 公開されました。( 2021/03/18)

    【課題】文書の分類結果とともに、分類の根拠をユーザに提示する計算機システム及び文書の分類方法を提供する。【解決手段】計算機システムは、文書のデータの入力を受け付け、文書及び文書の要素を構成要素とする非... 詳細

  • 株式会社NTTドコモの「 情報提供システム」が 公開されました。( 2021/03/18)

    【課題】ユーザによって用いられる蓋然性が高いキーワードを精度良く提供する情報提供システムを提供する。【解決手段】情報提供システムは、対象ユーザを含む複数の閲覧者が第1情報源から提供される第1コンテンツ... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ