検索語出現傾向分析方法、検索語出現傾向分析装置、プログラム
【課題】ユーザが所望する内容の音声ドキュメントを高精度に検索することができる検索語出現傾向分析装置を提供する。
【解決手段】Ｍ個の検索語を入力とし、当該Ｍ個の検索語を含むＮ個の音声ドキュメントを検索するドキュメント検索部と、検索されたＮ個の音声ドキュメントを音声ドキュメント毎にｎ個の分析フレームに分割するフレーム分割手段と、音声ドキュメント毎にＭ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（出現傾向ベクトル）を抽出するテーブル抽出手段と、抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する類似度計算手段とを備える。
【解決手段】Ｍ個の検索語を入力とし、当該Ｍ個の検索語を含むＮ個の音声ドキュメントを検索するドキュメント検索部と、検索されたＮ個の音声ドキュメントを音声ドキュメント毎にｎ個の分析フレームに分割するフレーム分割手段と、音声ドキュメント毎にＭ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（出現傾向ベクトル）を抽出するテーブル抽出手段と、抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する類似度計算手段とを備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明はユーザが入力した検索語を含む音声ドキュメントを検索し、検索された音声ドキュメント内の検索語の出現傾向を分析する検索語出現傾向分析方法、検索語出現傾向分析装置、プログラムに関する。
【背景技術】
【０００２】
従来、音声ファイルを音声認識技術によりテキスト化したもの（以下、音声ドキュメントという）に対し、通常のテキスト検索に広く用いられている検索手法と同様に、ユーザが入力した１つまたは複数の検索語の全て、又は何れかが音声ドキュメント内に含まれるか否かによって、所望の音声ドキュメントを検索する手法が一般的である（非特許文献１参照）。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】徳永健伸、辻井潤一著、「情報検索と言語処理（言語と計算）」、東京大学出版会、1999年 11月、pp11〜26.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来のように、１つまたは複数の検索語が音声ドキュメントに含まれるか否かによっても、ある程度ユーザの意図に合致する文書を抽出することは可能である。しかし、検索語の有無のみを基準に音声ドキュメントを検索した場合、検索結果にユーザの意図に合致しないような音声ドキュメントが含まれる場合も少なくない。例えば、コールセンターにおける顧客とオペレータとの会話を記録した音声ドキュメント群から、「顧客がオペレータに、登録住所を引っ越し前の住所から引っ越し後の住所に変更したいと要請している」という趣旨の会話のやりとりを検索したい場合に、「引越し」、「住所」、「変更」を検索語として指定して検索を行ったとする。この場合、所望の音声ドキュメントの他に、「オペレータが顧客に、引っ越し等による住所変更がないかを確認している」という趣旨の会話のやりとりを含む音声ドキュメントも同時に検索結果として出力されてしまう。このように、従来の検索語による音声ドキュメントの検索手法では、意図しない音声ドキュメントも検索結果として含まれてしまうことが課題であった。そこで、本発明ではユーザが所望する内容の音声ドキュメントを高精度に検索することができる検索語出現傾向分析装置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】
【０００５】
本発明の検索語出現傾向分析装置は、ドキュメント検索部と、出現傾向解析部と、類似度算出部とを備える。出現傾向解析部は、フレーム分割手段と、テーブル抽出手段とを備える。類似度算出部は、平均ベクトル算出手段と、類似度計算手段とを備える。
【０００６】
ドキュメント検索部は、Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索する。フレーム分割手段は、検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割する。テーブル抽出手段は、分割されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出する。平均ベクトル算出手段は、音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する。類似度計算手段は、出現傾向ベクトルと、平均ベクトルとを入力とし、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する。
【発明の効果】
【０００７】
本発明の検索語出現傾向分析装置によれば、会話の種類に応じて検索語の出現傾向が一定の傾向をもつことに着目し、テーブル抽出手段において検索語の出現傾向を出現傾向ベクトルとして抽出し、平均ベクトル算出手段において出現傾向ベクトルの平均ベクトルを算出し、類似度計算手段において出現傾向ベクトルと平均ベクトルの類似度を計算し、当該類似度を用いることにより、ユーザが所望する内容の音声ドキュメントの検索精度を向上することができる。
【図面の簡単な説明】
【０００８】
【図１】実施例１に係る検索語出現傾向分析装置の構成を示すブロック図。
【図２】実施例１に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図３】音声ドキュメントと分析フレームを例示する図。
【図４】実施例１のテーブル抽出手段で抽出されるテーブル（出現傾向ベクトル）を例示する図。
【図５】実施例２に係る検索語出現傾向分析装置の構成を示すブロック図。
【図６】実施例２に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図７】実施例２のフレーム分割手段により分割された分析フレームについて例示する図。
【図８】実施例３に係る検索語出現傾向分析装置の構成を示すブロック図。
【図９】実施例３に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図１０】実施例３のテーブル抽出手段で抽出されるテーブル（出現傾向ベクトル）を例示する図。
【発明を実施するための形態】
【０００９】
以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
【００１０】
＜本発明の着眼点＞
まず本発明の着眼点について述べる。まず、音声ドキュメント群に対して複数の検索語により検索を行えばある程度の精度で検索意図に合致した音声ドキュメントを抽出することはできる。これに加えて、例えばコールセンターにおける会話は、話者が顧客であるかオペレータであるかに関わりなく、やりとりされる大まかな内容がいくつかの時系列パターンに収束する場合が多い。例えば、使用料金の問い合わせについての会話であれば、（１）オープニングの挨拶（２）要件（３）顧客情報の確認（４）使用料金の伝達（５）クロージングの挨拶という時系列パターンに収束する。従って、会話の種類に応じて検索語の出現傾向（時系列的分布）が有る傾向をもって収束する場合が多くみられる。本発明では、同様の種類の会話に共通にみられる検索語の出現傾向（時系列分布）を分析し、分析された検索語出現傾向の平均から大きく外れた音声ドキュメントについては検索結果から除外したり、検索結果の下位に出力することで検索精度が向上することに着眼した。
【実施例１】
【００１１】
以下に、図１、図２、図３、図４を参照して実施例１に係る検索語出現傾向分析装置１００について説明する。図１は本実施例に係る検索語出現傾向分析装置１００の構成を示すブロック図である。図２は本実施例に係る検索語出現傾向分析装置１００の動作を示すフローチャートである。図３は音声ドキュメントと分析フレームを例示する図である。図４は本実施例のテーブル抽出手段２３で抽出されるテーブル（出現傾向ベクトル）を例示する図である。
【００１２】
本実施例の検索語出現傾向分析装置１００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部２０と、類似度算出部３０とを備える。出現傾向解析部２０は、検索結果記憶手段２１と、フレーム分割手段２２と、テーブル抽出手段２３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。
【００１３】
音声ドキュメント記憶部１５は、検索対象となる音声ドキュメントを予め記憶している。本明細書の実施例においては、検索対象となる音声ドキュメントは音声ドキュメント記憶部１５に蓄えられているものとしたが、これに限られず、例えば検索対象の音声ドキュメントをネットワーク上のサーバに蓄えておき、本発明の検索語出現傾向分析装置が、当該サーバから検索語を含む音声ドキュメントを検索することとしてもよい。本発明の検索語出現傾向分析装置は、本装置のユーザが所望の音声ドキュメントを検索すべく、Ｍ個（Ｍは１以上の整数）の検索語を本装置に対して入力することで動作を開始する。この場合、ドキュメント検索部１０は、ユーザが入力したＭ個の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索する（Ｓ１０）。検索結果の音声ドキュメント群は検索結果記憶手段２１に一時保存される。検索結果の音声ドキュメント群を検索結果記憶手段２１に一時保存する動作は適宜省略することもできるし、検索結果記憶手段２１を後述するテーブル記憶手段３１などと同一のバッファで構成することも可能である。フレーム分割手段２２は、検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割する（ＳＳ２２）。音声ドキュメントＤｉ（ｉ＝１、２、３、…、Ｎ）がＵｉ個の発話から構成される場合、１フレーム当たりに（Ｕｉ／ｎ）個の発話を含むように分割すればよい。ｎは５程度に設定すればよい。また、話題の変化が激しい音声ドキュメントや非常に長い音声ドキュメントでは、ｎの値を大きく設定し、より細かく分割することで、検索語の出現位置の分解能を上げることができる。逆に、話題の変化が小さく、短い音声ドキュメントが多い場合には、ｎの値を小さく設定するとよい。図３に、分析フレームによる分割例を示した。この分割例では、音声ドキュメントは分析フレーム１フレームにつき４つの発話が含まれるように分割されている。次に、テーブル抽出手段２３は、分割されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出する（ＳＳ２３）。テーブル抽出手段２３においては、各フレームにおける、各検索語Ｑｊ（ｊ＝１、２、３、…、Ｍ）の出現頻度を求める。出現頻度は、各フレームにおける各検索語の出現回数をカウントして算出する。また、複数の話者が話している音声ドキュメントが含まれる場合には、各フレームで話者Ｓｋ（ｋ＝１、２、３、…、Ｋ）ごとに出現回数をカウントし算出する。ここでＫは音声ドキュメント中の話者数である。テーブル抽出手段２３で行われる手順により、ある音声ドキュメントＤｉにおける、検索語のフレームごとの出現傾向を（ｎ×Ｍ×Ｋ）次元の出現傾向ベクトルＦｑ→ｉで表現することができる。本明細書においては出現傾向ベクトルをテーブルとも表現する。出現傾向ベクトル（テーブル）の例を図４に示した。図４（ａ）は、話者考慮なしの場合の例である。図４（ｂ）は話者考慮ありの場合の例である。この出現傾向ベクトル（テーブル）は、テーブル記憶手段３１に一時記憶される。出現傾向ベクトル（テーブル）をテーブル記憶手段３１に一時保存する動作は適宜省略することもできるし、テーブル記憶手段３１を前述の検索結果記憶手段２１などと同一のバッファで構成することも可能である。次に、平均ベクトル算出手段３２は、音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する（ＳＳ３２）。平均ベクトル算出手段３２においては、テーブル抽出手段２３において求めた音声ドキュメントＤｉ（ｉ＝１、２、３、…、Ｎ）における検索語の出現傾向ベクトルＦｑ→ｉの平均ベクトルＦｑ→ａｖｅ＝（ｆ１、ｆ２、ｆ３、…、ｆ（ｎ×Ｍ×Ｋ））を算出する。Ｆｑ→ａｖｅは（Ｆｑ→ｉの各次元における要素ｘｉｌ（ｌ＝１、２、３、…、ｎ×Ｍ×Ｋ）の平均値を要素とするベクトルとして下記のように求める。
【００１４】
【数１】
【００１５】
次に、類似度計算手段３３は、出現傾向ベクトルと、平均ベクトルとを入力とし、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する（ＳＳ３３）。類似度計算手段３３においては、各検索結果音声ドキュメントの出現傾向ベクトルＦｑ→ｉと前段で求めた平均ベクトルＦｑ→ａｖｅの類似度を計算する。全体の傾向に合致する音声ドキュメントほど、分析意図に合致しているものと見なすことができるからである。
【００１６】
類似度には、例えばコサイン類似度を用いることができる。ある音声ドキュメントＤｉの出現傾向ベクトルＦｑ→ｉと平均ベクトルＦｑ→ａｖｅとの類似度ｓｉｍ＿ｉは以下のように算出可能である。
【００１７】
【数２】
【００１８】
上式により求まる類似度ｓｉｍ＿ｉは、値が１に近づくほど、ある音声ドキュメントＤｉの出現傾向ベクトルＦｑ→ｉと全体の傾向を表す平均ベクトルＦｑ→ａｖｅとが類似していることを示している。
【００１９】
次に、ソート手段３４は、類似度を用いて、Ｎ個の音声ドキュメントを降順に並び替えて表示する（ＳＳ３４）。ソート手段３４によるランキングの表示方法は例えば、図１に示したように左列に音声ドキュメントのドキュメント番号を、右列にその類似度を表示すればよい。
【００２０】
このように、本実施例の検索語出現傾向分析装置１００は、会話の種類に応じて検索語の出現傾向が一定の傾向をもつことに着目し、テーブル抽出手段２３において検索語の出現傾向を出現傾向ベクトルとして抽出し、平均ベクトル算出手段３２において出現傾向ベクトルの平均ベクトルを算出し、類似度計算手段３３において出現傾向ベクトルと平均ベクトルの類似度を計算し、当該類似度を用いることにより、検索語出現傾向の平均から大きく外れた音声ドキュメントについては検索結果の下位に出力することでユーザが所望する内容の音声ドキュメントの検索精度を向上することができる。
【実施例２】
【００２１】
次に、図５、図６、図７を参照して実施例２に係る検索語出現傾向分析装置２００について説明する。図５は本実施例に係る検索語出現傾向分析装置２００の構成を示すブロック図である。図６は本実施例に係る検索語出現傾向分析装置２００の動作を示すフローチャートである。図７は本実施例のフレーム分割手段５２により分割された分析フレームについて例示する図である。
【００２２】
本実施例の検索語出現傾向分析装置２００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部５０と、類似度算出部３０とを備える。出現傾向解析部５０は、検索結果記憶手段２１と、フレーム分割手段５２と、テーブル抽出手段２３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。本実施例と実施例１との違いは、実施例１の検索語出現傾向分析装置１００が出現傾向解析部２０内にフレーム分割手段２２を備えるのに対し、本実施例の検索語出現傾向分析装置２００においては、対応する出現傾向解析部５０内にフレーム分割手段５２を備える点である。従って、本実施例において実施例１と同一の番号を付した各構成部については、実施例１の同一番号の各構成部と同じ動作をするため説明を割愛する。
【００２３】
人間と人間との会話の場合、会話が始まり暫く経過すると、会話内容が話者に依存して変化する可能性がある。しかしながら、会話終了付近では、話が収束していくため、同じような目的の会話であれば同じような結論に落ち着くことが多い。つまり、同様な目的の会話の場合、似たような傾向が会話の冒頭と終了間際において出やすく、会話の中盤において出にくいという特徴がある。本実施例の検索語出現傾向分析装置２００においては、上記の特徴に着目した。具体的には、フレーム分割手段５２において、音声ドキュメントの冒頭部分および終盤部分を、当該冒頭部分および終盤部分以外の音声ドキュメントの部分よりも短い区間で分割して分析フレームを生成する（ＳＳ５２）。具体的には、図７に例示するように常に冒頭・終了付近でのフレーム幅を一定値として、長い音声ドキュメントに対しても、冒頭・終了付近の分解能を保ったままにする方法がある。序盤および終盤のフレーム幅については、検索結果の音声ドキュメントの長さの１０％程度のテキストを通話の冒頭・終了付近から抽出し、そこに含まれる内容語（動詞・名詞・形容詞）の数の平均値を用いる方法がある。発話数や時間長でカウントしないのは、人間の発話の場合、相槌やフィラーなどによって、同じ内容を伝えている場合でも、掛かった発話数・時間が異なってくるためである。このように、本実施例の検索語出現傾向分析装置２００によれば、実施例１の検索語出現傾向分析装置１００の有する効果に加えて、フレーム分割手段５２において、冒頭・終盤のみ常に細かいフレームでの分析を可能にし、フレーム数ｎが小さい場合でも、会話の主題となるキーワードが出やすい冒頭・終盤の分解能を低下させずに済むため、より高精度な音声ドキュメントの検索を実現できる。
【実施例３】
【００２４】
次に、図８、図９、図１０を参照して実施例３に係る検索語出現傾向分析装置３００について説明する。図８は本実施例に係る検索語出現傾向分析装置３００の構成を示すブロック図である。図９は本実施例に係る検索語出現傾向分析装置３００の動作を示すフローチャートである。図１０は本実施例のテーブル抽出手段６３で抽出されるテーブル（出現傾向ベクトル）を例示する図である。
【００２５】
本実施例の検索語出現傾向分析装置３００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部６０と、類似度算出部３０とを備える。出現傾向解析部６０は、検索結果記憶手段２１と、テーブル抽出手段６３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。本実施例と実施例１との違いは、実施例１の検索語出現傾向分析装置１００が出現傾向解析部２０内にフレーム分析手段２２、テーブル抽出手段２３を備えるのに対し、本実施例の検索語出現傾向分析装置３００においては、対応する出現傾向解析部６０内にフレーム分析手段を備えず、テーブル抽出手段６３を備える点である。従って、本実施例において実施例１と同一の番号を付した各構成部については、実施例１の同一番号の各構成部と同じ動作をするため説明を割愛する。本実施例では、実施例１、２とは異なり、音声ドキュメントを分析フレームに分割して用いずに、検索語の出現傾向を算出する。本実施例のテーブル抽出手段６３は、実施例１、２同様に検索されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出する（ＳＳ６３）。具体的には、本実施例のテーブル抽出手段６３は、まず検索結果であるＮ個の音声ドキュメントから、Ｍ個の検索語Ｑｊ（ｊ＝１、２、３、…、Ｍ）それぞれに対して、ひとつの検索結果である音声ドキュメント内における検索語Ｑｊの最大出現回数Ｒｊ（ｊ＝１、２、３、…、Ｍ）を求める。図１０の例では、１番目の検索語である「支払い」は、ひとつの音声ドキュメント内における最大出現回数が２回であった（Ｒ１＝２）。Ｒｊを設定するのはテーブル（出現傾向ベクトル）のサイズを適切に決定するためである。図１０の例では、１番目の検索語である「支払い」が１回のみ登場する音声ドキュメントについてのテーブルの例であるため、「支払い（２回目）」はこの音声ドキュメント内に存在しない。従って、図１０のテーブルでは、「支払い（２回目）」の欄は横軸、縦軸ともに０となっている。話者が複数いる場合には出現回数Ｒｊについては、検索語ごと、話者ごとに求める（ｊ＝１、２、３、…、Ｍ×Ｋ）。
【００２６】
次に、本実施例のテーブル抽出手段６３は、各検索語の出現位置を算出する。ここでは、話者の違いや同一検索語が複数回出現する可能性も考慮する。具体的には、話者、出現位置の異なる同一検索語を区別し、各検索語の出現位置、及び検索語間距離を算出する。
【００２７】
本実施例のテーブル抽出手段６３は、出現位置に関し、各検索語が出現するまでに存在する内容語（動詞、名詞、形容詞）の数をカウントし、当該音声ドキュメントの総内容語数で除した値を出現位置とする。ｘ番目の検索語の出現位置Ｐｘは以下のように求めることができる。
出現位置Ｐｘ＝ｘ番目の検索語が出現するまでに出現する内容語総数／総内容語数
【００２８】
次に、本実施例のテーブル抽出手段６３は、検索語間の距離を算出する。ここでは、ｓ番目の検索語とｔ番目の検索語（ｓ≠ｔ）の間に出現する内容語の数を検索語間距離ｄｉｓｔａｎｃｅｓ、ｔとする。検索語間距離ｄｉｓｔａｎｃｅｓ、ｔは以下のように求めることができる。
ｄｉｓｔａｎｃｅｓ、ｔ＝ｓ番目の検索語とｔ番目の検索語の間に出現する内容語の数
上記のように、出現位置は
【００２９】
【数３】
【００３０】
個の要素で、検索語間距離は
【００３１】
【数４】
【００３２】
個の要素で、検索結果音声ドキュメントごとに表現することが可能である。結果的に、音声ドキュメントＤｉ（ｉ＝１、２、…、Ｎ）における検索語ごとの出現傾向は
【００３３】
【数５】
【００３４】
次元のベクトルＦｑ→ｉで表現することができる。
【００３５】
このように、本実施例の検索語出現傾向分析装置３００によれば、実施例１の効果に加えて、分析フレームへの分割手順を省略することができる。
【００３６】
また、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。
【００３７】
また、上述の構成をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。
【００３８】
この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
【００３９】
また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
【００４０】
このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。
【００４１】
また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
【技術分野】
【０００１】
本発明はユーザが入力した検索語を含む音声ドキュメントを検索し、検索された音声ドキュメント内の検索語の出現傾向を分析する検索語出現傾向分析方法、検索語出現傾向分析装置、プログラムに関する。
【背景技術】
【０００２】
従来、音声ファイルを音声認識技術によりテキスト化したもの（以下、音声ドキュメントという）に対し、通常のテキスト検索に広く用いられている検索手法と同様に、ユーザが入力した１つまたは複数の検索語の全て、又は何れかが音声ドキュメント内に含まれるか否かによって、所望の音声ドキュメントを検索する手法が一般的である（非特許文献１参照）。
【先行技術文献】
【非特許文献】
【０００３】
【非特許文献１】徳永健伸、辻井潤一著、「情報検索と言語処理（言語と計算）」、東京大学出版会、1999年 11月、pp11〜26.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来のように、１つまたは複数の検索語が音声ドキュメントに含まれるか否かによっても、ある程度ユーザの意図に合致する文書を抽出することは可能である。しかし、検索語の有無のみを基準に音声ドキュメントを検索した場合、検索結果にユーザの意図に合致しないような音声ドキュメントが含まれる場合も少なくない。例えば、コールセンターにおける顧客とオペレータとの会話を記録した音声ドキュメント群から、「顧客がオペレータに、登録住所を引っ越し前の住所から引っ越し後の住所に変更したいと要請している」という趣旨の会話のやりとりを検索したい場合に、「引越し」、「住所」、「変更」を検索語として指定して検索を行ったとする。この場合、所望の音声ドキュメントの他に、「オペレータが顧客に、引っ越し等による住所変更がないかを確認している」という趣旨の会話のやりとりを含む音声ドキュメントも同時に検索結果として出力されてしまう。このように、従来の検索語による音声ドキュメントの検索手法では、意図しない音声ドキュメントも検索結果として含まれてしまうことが課題であった。そこで、本発明ではユーザが所望する内容の音声ドキュメントを高精度に検索することができる検索語出現傾向分析装置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】
【０００５】
本発明の検索語出現傾向分析装置は、ドキュメント検索部と、出現傾向解析部と、類似度算出部とを備える。出現傾向解析部は、フレーム分割手段と、テーブル抽出手段とを備える。類似度算出部は、平均ベクトル算出手段と、類似度計算手段とを備える。
【０００６】
ドキュメント検索部は、Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索する。フレーム分割手段は、検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割する。テーブル抽出手段は、分割されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出する。平均ベクトル算出手段は、音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する。類似度計算手段は、出現傾向ベクトルと、平均ベクトルとを入力とし、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する。
【発明の効果】
【０００７】
本発明の検索語出現傾向分析装置によれば、会話の種類に応じて検索語の出現傾向が一定の傾向をもつことに着目し、テーブル抽出手段において検索語の出現傾向を出現傾向ベクトルとして抽出し、平均ベクトル算出手段において出現傾向ベクトルの平均ベクトルを算出し、類似度計算手段において出現傾向ベクトルと平均ベクトルの類似度を計算し、当該類似度を用いることにより、ユーザが所望する内容の音声ドキュメントの検索精度を向上することができる。
【図面の簡単な説明】
【０００８】
【図１】実施例１に係る検索語出現傾向分析装置の構成を示すブロック図。
【図２】実施例１に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図３】音声ドキュメントと分析フレームを例示する図。
【図４】実施例１のテーブル抽出手段で抽出されるテーブル（出現傾向ベクトル）を例示する図。
【図５】実施例２に係る検索語出現傾向分析装置の構成を示すブロック図。
【図６】実施例２に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図７】実施例２のフレーム分割手段により分割された分析フレームについて例示する図。
【図８】実施例３に係る検索語出現傾向分析装置の構成を示すブロック図。
【図９】実施例３に係る検索語出現傾向分析装置の動作を示すフローチャート。
【図１０】実施例３のテーブル抽出手段で抽出されるテーブル（出現傾向ベクトル）を例示する図。
【発明を実施するための形態】
【０００９】
以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。
【００１０】
＜本発明の着眼点＞
まず本発明の着眼点について述べる。まず、音声ドキュメント群に対して複数の検索語により検索を行えばある程度の精度で検索意図に合致した音声ドキュメントを抽出することはできる。これに加えて、例えばコールセンターにおける会話は、話者が顧客であるかオペレータであるかに関わりなく、やりとりされる大まかな内容がいくつかの時系列パターンに収束する場合が多い。例えば、使用料金の問い合わせについての会話であれば、（１）オープニングの挨拶（２）要件（３）顧客情報の確認（４）使用料金の伝達（５）クロージングの挨拶という時系列パターンに収束する。従って、会話の種類に応じて検索語の出現傾向（時系列的分布）が有る傾向をもって収束する場合が多くみられる。本発明では、同様の種類の会話に共通にみられる検索語の出現傾向（時系列分布）を分析し、分析された検索語出現傾向の平均から大きく外れた音声ドキュメントについては検索結果から除外したり、検索結果の下位に出力することで検索精度が向上することに着眼した。
【実施例１】
【００１１】
以下に、図１、図２、図３、図４を参照して実施例１に係る検索語出現傾向分析装置１００について説明する。図１は本実施例に係る検索語出現傾向分析装置１００の構成を示すブロック図である。図２は本実施例に係る検索語出現傾向分析装置１００の動作を示すフローチャートである。図３は音声ドキュメントと分析フレームを例示する図である。図４は本実施例のテーブル抽出手段２３で抽出されるテーブル（出現傾向ベクトル）を例示する図である。
【００１２】
本実施例の検索語出現傾向分析装置１００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部２０と、類似度算出部３０とを備える。出現傾向解析部２０は、検索結果記憶手段２１と、フレーム分割手段２２と、テーブル抽出手段２３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。
【００１３】
音声ドキュメント記憶部１５は、検索対象となる音声ドキュメントを予め記憶している。本明細書の実施例においては、検索対象となる音声ドキュメントは音声ドキュメント記憶部１５に蓄えられているものとしたが、これに限られず、例えば検索対象の音声ドキュメントをネットワーク上のサーバに蓄えておき、本発明の検索語出現傾向分析装置が、当該サーバから検索語を含む音声ドキュメントを検索することとしてもよい。本発明の検索語出現傾向分析装置は、本装置のユーザが所望の音声ドキュメントを検索すべく、Ｍ個（Ｍは１以上の整数）の検索語を本装置に対して入力することで動作を開始する。この場合、ドキュメント検索部１０は、ユーザが入力したＭ個の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索する（Ｓ１０）。検索結果の音声ドキュメント群は検索結果記憶手段２１に一時保存される。検索結果の音声ドキュメント群を検索結果記憶手段２１に一時保存する動作は適宜省略することもできるし、検索結果記憶手段２１を後述するテーブル記憶手段３１などと同一のバッファで構成することも可能である。フレーム分割手段２２は、検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割する（ＳＳ２２）。音声ドキュメントＤｉ（ｉ＝１、２、３、…、Ｎ）がＵｉ個の発話から構成される場合、１フレーム当たりに（Ｕｉ／ｎ）個の発話を含むように分割すればよい。ｎは５程度に設定すればよい。また、話題の変化が激しい音声ドキュメントや非常に長い音声ドキュメントでは、ｎの値を大きく設定し、より細かく分割することで、検索語の出現位置の分解能を上げることができる。逆に、話題の変化が小さく、短い音声ドキュメントが多い場合には、ｎの値を小さく設定するとよい。図３に、分析フレームによる分割例を示した。この分割例では、音声ドキュメントは分析フレーム１フレームにつき４つの発話が含まれるように分割されている。次に、テーブル抽出手段２３は、分割されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現回数を分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出する（ＳＳ２３）。テーブル抽出手段２３においては、各フレームにおける、各検索語Ｑｊ（ｊ＝１、２、３、…、Ｍ）の出現頻度を求める。出現頻度は、各フレームにおける各検索語の出現回数をカウントして算出する。また、複数の話者が話している音声ドキュメントが含まれる場合には、各フレームで話者Ｓｋ（ｋ＝１、２、３、…、Ｋ）ごとに出現回数をカウントし算出する。ここでＫは音声ドキュメント中の話者数である。テーブル抽出手段２３で行われる手順により、ある音声ドキュメントＤｉにおける、検索語のフレームごとの出現傾向を（ｎ×Ｍ×Ｋ）次元の出現傾向ベクトルＦｑ→ｉで表現することができる。本明細書においては出現傾向ベクトルをテーブルとも表現する。出現傾向ベクトル（テーブル）の例を図４に示した。図４（ａ）は、話者考慮なしの場合の例である。図４（ｂ）は話者考慮ありの場合の例である。この出現傾向ベクトル（テーブル）は、テーブル記憶手段３１に一時記憶される。出現傾向ベクトル（テーブル）をテーブル記憶手段３１に一時保存する動作は適宜省略することもできるし、テーブル記憶手段３１を前述の検索結果記憶手段２１などと同一のバッファで構成することも可能である。次に、平均ベクトル算出手段３２は、音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する（ＳＳ３２）。平均ベクトル算出手段３２においては、テーブル抽出手段２３において求めた音声ドキュメントＤｉ（ｉ＝１、２、３、…、Ｎ）における検索語の出現傾向ベクトルＦｑ→ｉの平均ベクトルＦｑ→ａｖｅ＝（ｆ１、ｆ２、ｆ３、…、ｆ（ｎ×Ｍ×Ｋ））を算出する。Ｆｑ→ａｖｅは（Ｆｑ→ｉの各次元における要素ｘｉｌ（ｌ＝１、２、３、…、ｎ×Ｍ×Ｋ）の平均値を要素とするベクトルとして下記のように求める。
【００１４】
【数１】
【００１５】
次に、類似度計算手段３３は、出現傾向ベクトルと、平均ベクトルとを入力とし、音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと平均ベクトルとの類似度を計算する（ＳＳ３３）。類似度計算手段３３においては、各検索結果音声ドキュメントの出現傾向ベクトルＦｑ→ｉと前段で求めた平均ベクトルＦｑ→ａｖｅの類似度を計算する。全体の傾向に合致する音声ドキュメントほど、分析意図に合致しているものと見なすことができるからである。
【００１６】
類似度には、例えばコサイン類似度を用いることができる。ある音声ドキュメントＤｉの出現傾向ベクトルＦｑ→ｉと平均ベクトルＦｑ→ａｖｅとの類似度ｓｉｍ＿ｉは以下のように算出可能である。
【００１７】
【数２】
【００１８】
上式により求まる類似度ｓｉｍ＿ｉは、値が１に近づくほど、ある音声ドキュメントＤｉの出現傾向ベクトルＦｑ→ｉと全体の傾向を表す平均ベクトルＦｑ→ａｖｅとが類似していることを示している。
【００１９】
次に、ソート手段３４は、類似度を用いて、Ｎ個の音声ドキュメントを降順に並び替えて表示する（ＳＳ３４）。ソート手段３４によるランキングの表示方法は例えば、図１に示したように左列に音声ドキュメントのドキュメント番号を、右列にその類似度を表示すればよい。
【００２０】
このように、本実施例の検索語出現傾向分析装置１００は、会話の種類に応じて検索語の出現傾向が一定の傾向をもつことに着目し、テーブル抽出手段２３において検索語の出現傾向を出現傾向ベクトルとして抽出し、平均ベクトル算出手段３２において出現傾向ベクトルの平均ベクトルを算出し、類似度計算手段３３において出現傾向ベクトルと平均ベクトルの類似度を計算し、当該類似度を用いることにより、検索語出現傾向の平均から大きく外れた音声ドキュメントについては検索結果の下位に出力することでユーザが所望する内容の音声ドキュメントの検索精度を向上することができる。
【実施例２】
【００２１】
次に、図５、図６、図７を参照して実施例２に係る検索語出現傾向分析装置２００について説明する。図５は本実施例に係る検索語出現傾向分析装置２００の構成を示すブロック図である。図６は本実施例に係る検索語出現傾向分析装置２００の動作を示すフローチャートである。図７は本実施例のフレーム分割手段５２により分割された分析フレームについて例示する図である。
【００２２】
本実施例の検索語出現傾向分析装置２００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部５０と、類似度算出部３０とを備える。出現傾向解析部５０は、検索結果記憶手段２１と、フレーム分割手段５２と、テーブル抽出手段２３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。本実施例と実施例１との違いは、実施例１の検索語出現傾向分析装置１００が出現傾向解析部２０内にフレーム分割手段２２を備えるのに対し、本実施例の検索語出現傾向分析装置２００においては、対応する出現傾向解析部５０内にフレーム分割手段５２を備える点である。従って、本実施例において実施例１と同一の番号を付した各構成部については、実施例１の同一番号の各構成部と同じ動作をするため説明を割愛する。
【００２３】
人間と人間との会話の場合、会話が始まり暫く経過すると、会話内容が話者に依存して変化する可能性がある。しかしながら、会話終了付近では、話が収束していくため、同じような目的の会話であれば同じような結論に落ち着くことが多い。つまり、同様な目的の会話の場合、似たような傾向が会話の冒頭と終了間際において出やすく、会話の中盤において出にくいという特徴がある。本実施例の検索語出現傾向分析装置２００においては、上記の特徴に着目した。具体的には、フレーム分割手段５２において、音声ドキュメントの冒頭部分および終盤部分を、当該冒頭部分および終盤部分以外の音声ドキュメントの部分よりも短い区間で分割して分析フレームを生成する（ＳＳ５２）。具体的には、図７に例示するように常に冒頭・終了付近でのフレーム幅を一定値として、長い音声ドキュメントに対しても、冒頭・終了付近の分解能を保ったままにする方法がある。序盤および終盤のフレーム幅については、検索結果の音声ドキュメントの長さの１０％程度のテキストを通話の冒頭・終了付近から抽出し、そこに含まれる内容語（動詞・名詞・形容詞）の数の平均値を用いる方法がある。発話数や時間長でカウントしないのは、人間の発話の場合、相槌やフィラーなどによって、同じ内容を伝えている場合でも、掛かった発話数・時間が異なってくるためである。このように、本実施例の検索語出現傾向分析装置２００によれば、実施例１の検索語出現傾向分析装置１００の有する効果に加えて、フレーム分割手段５２において、冒頭・終盤のみ常に細かいフレームでの分析を可能にし、フレーム数ｎが小さい場合でも、会話の主題となるキーワードが出やすい冒頭・終盤の分解能を低下させずに済むため、より高精度な音声ドキュメントの検索を実現できる。
【実施例３】
【００２４】
次に、図８、図９、図１０を参照して実施例３に係る検索語出現傾向分析装置３００について説明する。図８は本実施例に係る検索語出現傾向分析装置３００の構成を示すブロック図である。図９は本実施例に係る検索語出現傾向分析装置３００の動作を示すフローチャートである。図１０は本実施例のテーブル抽出手段６３で抽出されるテーブル（出現傾向ベクトル）を例示する図である。
【００２５】
本実施例の検索語出現傾向分析装置３００は、ドキュメント検索部１０と、音声ドキュメント記憶部１５と、出現傾向解析部６０と、類似度算出部３０とを備える。出現傾向解析部６０は、検索結果記憶手段２１と、テーブル抽出手段６３とを備える。類似度算出部３０は、テーブル記憶手段３１と、平均ベクトル算出手段３２と、類似度計算手段３３と、ソート手段３４とを備える。本実施例と実施例１との違いは、実施例１の検索語出現傾向分析装置１００が出現傾向解析部２０内にフレーム分析手段２２、テーブル抽出手段２３を備えるのに対し、本実施例の検索語出現傾向分析装置３００においては、対応する出現傾向解析部６０内にフレーム分析手段を備えず、テーブル抽出手段６３を備える点である。従って、本実施例において実施例１と同一の番号を付した各構成部については、実施例１の同一番号の各構成部と同じ動作をするため説明を割愛する。本実施例では、実施例１、２とは異なり、音声ドキュメントを分析フレームに分割して用いずに、検索語の出現傾向を算出する。本実施例のテーブル抽出手段６３は、実施例１、２同様に検索されたＮ個の音声ドキュメントを入力とし、音声ドキュメント毎に、Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出する（ＳＳ６３）。具体的には、本実施例のテーブル抽出手段６３は、まず検索結果であるＮ個の音声ドキュメントから、Ｍ個の検索語Ｑｊ（ｊ＝１、２、３、…、Ｍ）それぞれに対して、ひとつの検索結果である音声ドキュメント内における検索語Ｑｊの最大出現回数Ｒｊ（ｊ＝１、２、３、…、Ｍ）を求める。図１０の例では、１番目の検索語である「支払い」は、ひとつの音声ドキュメント内における最大出現回数が２回であった（Ｒ１＝２）。Ｒｊを設定するのはテーブル（出現傾向ベクトル）のサイズを適切に決定するためである。図１０の例では、１番目の検索語である「支払い」が１回のみ登場する音声ドキュメントについてのテーブルの例であるため、「支払い（２回目）」はこの音声ドキュメント内に存在しない。従って、図１０のテーブルでは、「支払い（２回目）」の欄は横軸、縦軸ともに０となっている。話者が複数いる場合には出現回数Ｒｊについては、検索語ごと、話者ごとに求める（ｊ＝１、２、３、…、Ｍ×Ｋ）。
【００２６】
次に、本実施例のテーブル抽出手段６３は、各検索語の出現位置を算出する。ここでは、話者の違いや同一検索語が複数回出現する可能性も考慮する。具体的には、話者、出現位置の異なる同一検索語を区別し、各検索語の出現位置、及び検索語間距離を算出する。
【００２７】
本実施例のテーブル抽出手段６３は、出現位置に関し、各検索語が出現するまでに存在する内容語（動詞、名詞、形容詞）の数をカウントし、当該音声ドキュメントの総内容語数で除した値を出現位置とする。ｘ番目の検索語の出現位置Ｐｘは以下のように求めることができる。
出現位置Ｐｘ＝ｘ番目の検索語が出現するまでに出現する内容語総数／総内容語数
【００２８】
次に、本実施例のテーブル抽出手段６３は、検索語間の距離を算出する。ここでは、ｓ番目の検索語とｔ番目の検索語（ｓ≠ｔ）の間に出現する内容語の数を検索語間距離ｄｉｓｔａｎｃｅｓ、ｔとする。検索語間距離ｄｉｓｔａｎｃｅｓ、ｔは以下のように求めることができる。
ｄｉｓｔａｎｃｅｓ、ｔ＝ｓ番目の検索語とｔ番目の検索語の間に出現する内容語の数
上記のように、出現位置は
【００２９】
【数３】
【００３０】
個の要素で、検索語間距離は
【００３１】
【数４】
【００３２】
個の要素で、検索結果音声ドキュメントごとに表現することが可能である。結果的に、音声ドキュメントＤｉ（ｉ＝１、２、…、Ｎ）における検索語ごとの出現傾向は
【００３３】
【数５】
【００３４】
次元のベクトルＦｑ→ｉで表現することができる。
【００３５】
このように、本実施例の検索語出現傾向分析装置３００によれば、実施例１の効果に加えて、分析フレームへの分割手順を省略することができる。
【００３６】
また、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。
【００３７】
また、上述の構成をコンピュータによって実現する場合、各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。
【００３８】
この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
【００３９】
また、このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ−ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
【００４０】
このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。
【００４１】
また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
【特許請求の範囲】
【請求項１】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析方法であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索ステップと、
前記検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割するフレーム分割サブステップと、
前記分割されたＮ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現回数を前記分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出するテーブル抽出サブステップと、を有する出現傾向解析ステップと、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出サブステップと、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算サブステップと、を有する類似度算出ステップと、
を有することを特徴とする検索語出現傾向分析方法。
【請求項２】
請求項１に記載の検索語出現傾向分析方法であって、
前記フレーム分割サブステップにおいて、前記音声ドキュメントの冒頭部分および終盤部分を、当該冒頭部分および終盤部分以外の音声ドキュメントの部分よりも短い区間で分割して分析フレームを生成すること
を特徴とする検索語出現傾向分析方法。
【請求項３】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析方法であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索ステップと、
前記Ｎ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出するテーブル抽出サブステップを有する出現傾向解析ステップと、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出サブステップと、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算サブステップと、を有する類似度算出ステップと、
を有することを特徴とする検索語出現傾向分析方法。
【請求項４】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析装置であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索部と、
前記検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割するフレーム分割手段と、
前記分割されたＮ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現回数を前記分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出するテーブル抽出手段と、を備える出現傾向解析部と、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算手段と、を備える類似度算出部と、
を備えることを特徴とする検索語出現傾向分析装置。
【請求項５】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析装置であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索部と、
前記Ｎ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出するテーブル抽出手段を備える出現傾向解析部と、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算手段と、を備える類似度算出部と、
を備えることを特徴とする検索語出現傾向分析装置。
【請求項６】
請求項１から３の何れかに記載の検索語出現傾向分析方法を実行すべき指令をコンピュータに対してするプログラム。
【請求項１】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析方法であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索ステップと、
前記検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割するフレーム分割サブステップと、
前記分割されたＮ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現回数を前記分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出するテーブル抽出サブステップと、を有する出現傾向解析ステップと、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出サブステップと、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算サブステップと、を有する類似度算出ステップと、
を有することを特徴とする検索語出現傾向分析方法。
【請求項２】
請求項１に記載の検索語出現傾向分析方法であって、
前記フレーム分割サブステップにおいて、前記音声ドキュメントの冒頭部分および終盤部分を、当該冒頭部分および終盤部分以外の音声ドキュメントの部分よりも短い区間で分割して分析フレームを生成すること
を特徴とする検索語出現傾向分析方法。
【請求項３】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析方法であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索ステップと、
前記Ｎ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出するテーブル抽出サブステップを有する出現傾向解析ステップと、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出サブステップと、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算サブステップと、を有する類似度算出ステップと、
を有することを特徴とする検索語出現傾向分析方法。
【請求項４】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析装置であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索部と、
前記検索されたＮ個の音声ドキュメントを入力とし、当該Ｎ個の音声ドキュメントを音声ドキュメント毎にｎ個（ｎは２以上の整数）の分析フレームに分割するフレーム分割手段と、
前記分割されたＮ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現回数を前記分析フレーム毎にカウントし当該フレーム毎の検索語の出現回数の分布（以下、出現傾向ベクトルという）を抽出するテーブル抽出手段と、を備える出現傾向解析部と、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算手段と、を備える類似度算出部と、
を備えることを特徴とする検索語出現傾向分析装置。
【請求項５】
ユーザが入力した検索語を含む音声ドキュメントを検索し、当該検索された音声ドキュメント内の前記検索語の出現傾向を分析する検索語出現傾向分析装置であって、
Ｍ個（Ｍは１以上の整数）の検索語を入力とし、当該Ｍ個の検索語を含むＮ個（Ｎは２以上の整数）の音声ドキュメントを検索するドキュメント検索部と、
前記Ｎ個の音声ドキュメントを入力とし、前記音声ドキュメント毎に、前記Ｍ個の検索語の出現位置と、検索語同士の距離（以下、検索語間距離という）とを出現傾向ベクトルとして抽出するテーブル抽出手段を備える出現傾向解析部と、
前記音声ドキュメント毎に抽出された出現傾向ベクトルを入力とし、当該抽出されたＮ個の出現傾向べクトルの平均ベクトルを算出する平均ベクトル算出手段と、
前記出現傾向ベクトルと、前記平均ベクトルとを入力とし、前記音声ドキュメント毎に当該音声ドキュメントに対応する出現傾向ベクトルと前記平均ベクトルとの類似度を計算する類似度計算手段と、を備える類似度算出部と、
を備えることを特徴とする検索語出現傾向分析装置。
【請求項６】
請求項１から３の何れかに記載の検索語出現傾向分析方法を実行すべき指令をコンピュータに対してするプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１２−２５６３０４（Ｐ２０１２−２５６３０４Ａ）
【公開日】平成２４年１２月２７日（２０１２．１２．２７）
【国際特許分類】
【出願番号】特願２０１１−１３０４１６（Ｐ２０１１−１３０４１６）
【出願日】平成２３年６月１０日（２０１１．６．１０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
【公開日】平成２４年１２月２７日（２０１２．１２．２７）
【国際特許分類】
【出願日】平成２３年６月１０日（２０１１．６．１０）
【出願人】（０００００４２２６）日本電信電話株式会社 (13,992)
[ Back to top ]