[发明专利]方法、装置以及程序

权利要求书

1.一种方法，包括：

取得学习用数据，所述学习用数据包括：第1文句，其为推定对象的第1时刻的第1说话文的文本数据；第2文句，其为所述第1时刻之前的时刻的、与所述第1说话文连续的第2说话文的文本数据；行为信息，其表示与所述第1文句关联的行为；属性信息，其表示与所述第1文句关联的属性；以及对话行为信息，其表示作为与所述第1文句关联的行为和属性的组合的对话行为，

使用所述学习用数据，使预定模型同时学习两种以上的任务，

将所述学习得到的结果作为学习结果信息存储于存储器，

在所述学习中，

作为所述任务之一，使用所述学习用数据所包含的所述行为信息来作为教师数据，使所述预定模型学习所述第1说话文与所述行为信息的关联，

作为所述任务之一，使用所述学习用数据所包含的所述属性信息来作为教师数据，使所述预定模型学习所述第1说话文与所述属性信息的关联，

作为所述任务之一，将所述学习用数据所包含的所述对话行为信息作为教师数据，使所述预定模型学习所述第1说话文与所述对话行为信息的关联。

2.根据权利要求1所述的方法，

所述学习用数据还包括表示所述第1文句的说话者的第1说话者识别信息和表示所述第2文句的说话者的第2说话者识别信息。

3.根据权利要求2所述的方法，

所述预定模型包括：

第1模型，其基于所述第1文句、所述第2文句、所述第1说话者识别信息、所述第2说话者识别信息和第1权重参数，输出第1特征向量，所述第1特征向量表现与所述第1文句所示的行为有关的单词特征以及该单词特征的上下文信息；

第2模型，其基于所述第1文句、所述第2文句、所述第1说话者识别信息、所述第2说话者识别信息和第2权重参数，输出第2特征向量，所述第2特征向量表现与所述第1文句所示的属性有关的单词特征以及该单词特征的上下文信息；

第3模型，其基于所述第1特征向量和第3权重参数，输出与所述第1文句对应的行为的后验概率；

第4模型，其基于所述第2特征向量和第4权重参数，输出与所述第1文句对应的属性的后验概率；以及

第5模型，其基于所述第1特征向量、所述第2特征向量和第5权重参数，输出与所述第1文句对应的对话行为的后验概率，

在所述学习中，

通过基于与所述第1文句对应的行为的后验概率、与所述第1文句对应的属性的后验概率以及与所述第1文句对应的对话行为的后验概率和所述学习用数据所包含的所述对话行为信息、所述行为信息以及所述属性信息之间的误差，用误差反向传播法来更新所述第1权重参数、所述第2权重参数、所述第3权重参数、所述第4权重参数以及所述第5权重参数，从而使用所述学习用数据来使所述预定模型同时学习两种以上的任务。

4.根据权利要求3所述的方法，

所述第1模型通过具有依赖于所述第1说话者识别信息以及所述第2说话者识别信息的所述第1权重参数的RNN-LSTM即长短期记忆递归神经网络来构成，

所述第2模型通过具有依赖于所述第1说话者识别信息以及所述第2说话者识别信息的所述第2权重参数的RNN-LSTM来构成。

5.根据权利要求2所述的方法，

所述预定模型包括：

第1模型，其基于所述第1文句、所述第2文句、所述第1说话者识别信息、所述第2说话者识别信息和第1权重参数，输出特征向量，所述特征向量表现与所述第1文句所示的行为和属性有关的单词特征以及该单词特征的上下文信息；

第3模型，其基于所述特征向量和第3权重参数，输出与所述第1文句对应的行为的后验概率；

第4模型，其基于所述特征向量和第4权重参数，输出与所述第1文句对应的属性的后验概率；以及

第5模型，其基于所述特征向量和第5权重参数，输出与所述第1文句对应的对话行为的后验概率，

在所述学习中，

通过基于与所述第1文句对应的行为的后验概率、与所述第1文句对应的属性的后验概率以及与所述第1文句对应的对话行为的后验概率和所述学习用数据所包含的所述对话行为信息、所述行为信息以及所述属性信息之间的误差，用误差反向传播法来更新所述第1权重参数、所述第3权重参数、所述第4权重参数以及所述第5权重参数，从而使用所述学习用数据来使所述预定模型同时学习两种以上的任务。