伝 康晴

This paper proposes a new model for recovering misunderstanding which frequently happens in a task-oriented dialogue. Unlike previous models which realize recovery mechanism by detecting conflict in an agent's belief and by invoking special procedures to correct her belief we consider misunderstanding to be resolved spontaneously through or dinary communication between agents without any particular procedures for recovering misunderstanding. An analysis of task-oriented human-human dialogues is carried out to show that spontaneous recovery is quite common for human subjects and an implementation of the recovery mechanism in a task-oriented dialogue system is provided to substantiate our idea.This paper proposes a new model for recovering misunderstanding which frequently happens in a task-oriented dialogue. Unlike previous models which realize recovery mechanism by detecting conflict in an agent's belief and by invoking special procedures to correct her belief, we consider misunderstanding to be resolved spontaneously through or dinary communication between agents without any particular procedures for recovering misunderstanding. An analysis of task-oriented human-human dialogues is carried out to show that spontaneous recovery is quite common for human subjects, and an implementation of the recovery mechanism in a task-oriented dialogue system is provided to substantiate our idea.

本論文では,課題遂行型対話における課題そのものを,計画立案の考え方を参考にして,(i)環境,(ii)環境を認識する能力(iii)環境を評価する能力(iv)実行可能な行為に関する制約という観点から,地図課題,ポンプ組み立て,分割クロスワードパズル,分割迷路問題,分割経路探索問題という,過去に提案された課題を分類するとともに,その課題の分類から得られる情報交換のタイプに関する含意について考察する.

本論文では,課題遂行型対話における課題そのものを,計画立案の考え方を参考にして,(i)環境, (ii)環境を認識する能力, (iii)環境を評価する能力, (iv)実行可能な行為に関する制約という観点から,地図課題,ポンプ組み立て,分割クロスワードパズル,分割迷路問題,分割経路探索問題という,過去に提案された課題を分類するとともに,その課題の分類から得られる情報交換のタイプに関する含意について考察する。

近年、自然言語処理において、話し言葉の解析／理解の研究が盛んになっている。話し言葉は、省略、提楡などのさざざまな不完全さを含んでおり、こういった不完全さを持つ入力に対して、その背後にある情報を補完しながら処理を行う能カが話し言葉を扱う自然言語処理システムには必要になる。このような処理を可能にするモデルとしてアブダクションに基づくモデルが有力である。しかし、その計算効率の悪さのため、アブダクションに基づく実用的なシステムはまだ実現されていない。そこで、本稿では、コスト付アブダクションのモデルを話し言葉の解析／理解に応用することを念頭におき、その計算効率の問題に対する根本的で実際的な解決策を提案する。その基本的なアイデアは、チャートパーサをアブダクションの手続きとみなすことである。チャートパーサには計算効率の観点からさまざまな利点があるので、このアイデアに基づきアブダクションの計算効率の問題をうまく解決できる。本手法は、（1）目標駆動上昇型導出、（2）部分解の表への登録、（3）アジェンダ制御機構という3つの特徴を持つ。これによってコスト付アブダクションの計算量が大きく改善されることを実験によって示す。

統合的自然言語処理は，不完全な部分情報を多様に組み合わせて問題を解決する必要のある音声対話の理解/翻訳/生成などの目的のためには不可欠である．なかでも，アブダクション計算に基づくモデルは実際的な問題に対して有力である．本研究では，統合的自然言語処理機構に砕けるアブダクション計算を効率的に行なう手法について述べる．本稿では，先に提案した一般化されたチャート法に基づく演繹計算機構に仮説を扱うための機能を導入することによって，アブダクション計算の手法に拡張する．拡張されたアルゴリズムの詳細とともに統合的自然言語処理への応用を目して簡単な例題を示す．この手法は会話文解釈をアブダクションに基づいて行なうモデルへの応用を目標としている．In the research are as such as interpretation/translation/generation of spoken dialogues, an integrated architecture for natural language processing is strongly required, since no single sort of (partial) information is decisive to derive appropriate results, and thus there should be diverse interactions among several sorts of information. Abduction is one of the powerful approaches to realize practical integrated NLP systems. In this paper, we propose an efficient computation mechanism for abduction based integrated NLP systems. Our algorithm proposed so far called a generalized chart based prover, is modified to treat assumptions, and is extended to an abductive prover. We show details of the new algorism along with simple examples aiming at its application to integrated NLP systems.

統語,意味/談話の統合的処理は,不完全な情報を多様に組み合わせて処理を行なう必要のある会話文解釈などに不可欠である.このような統合的処理を実現するモデルのうち,アブダクション計算に基づくものが実際的な問題に対して有力である.本研究では,統合的自然言語処理機構におけるアブダクション計算を効率的に行なう手法について述べる.本手法では,目標駆動の上昇型探索を用いることによって無駄な導出を回避するとともに,構文解析で用いられるチャートを拡張して用いることにより部分解の再利用を行なう.本稿では,この手法の基本的なアイデアとアルゴリズムの中心部分を簡単な例を用いて説明する.この手法は会話文解釈をアブダクションに基づいて行なうモデルへの応用を目標としている.

将来の自然言語処理の工学的応用では,話し言葉を対象とした研究の必要性がますます高くなる.ところが,話し言葉,特に日常会話文では,省略,倒置,言い淀み,言い直しなどの書き言葉には見られない特徴が多く現れる.そこで,このような話し言葉を対象したときに,これまで書き言葉に対して適用してきた自然言語処理の手法がそのまま適応できるのかという問題を考える必要がある.本稿では,書き言葉の解析のための強力な手法であるHPSGなどの制約型文法を用いる方法が日常会話文の解析モデルとして適当でないことを指摘する.それに代わるものとして,文法の中に記述された情報を文の構造を規定するための制約としてでなく,発話状況のもとで解釈すべき言語的情報としてとらえる情報伝達の観点から見た言語解析モデルを提案する.