Close

Kagya3つの特徴

自然言語理解

話題の継続や相手の発話の一部を利用しての応答が可能です。チャットボットへのアクセス情報から有用なデータを収集し、解析が行えます。


タスク型対話技術

ユーザーの発話から適切な情報を導き出します。既存のFAQを利用して、ヘルプデスク等のサポート業務を行えます。

ユーザーに寄り添う

ユーザーに寄り添いながら情報をインプットし、効果的に推論。ユーザーエクスペリエンスを高めます。

自然言語理解

ユーザーから送られた発話内容からユーザーやボットの個性に合わせて応答文を生成します。

また、音声認識システムからのテキスト情報を解析し、登録されているルールに最も一致する対話スクリプトを抽出することもできます。

さらに、高度な技術を用いた構文解析・意味解析を行うことで、正確な理解を持った会話システムを作成できます。
一連の対話の流れを理解し、意味を外さない会話システムを実現します。

タスク型対話技術

ユーザーの目的を達成させるために、達成するための手順を決め、順番に情報を聞き出しながら会話を進めます。

聞き出したい情報はフレームで管理し、フレームの情報が埋まれば外部サーバーに問い合わせます。話題の継続や相手の発話の一部を利用しての応答が可能です。

スマートフォンにおいての具体例です。

  • 様々な出力モダリティ(音声、ボットの表情、画像、フォント)を使って対話します。
  • 誤った情報を提供しないように、会話の中で得られた情報を表示します。
  • 入力モダリティは音声だけでなくテキストも可能として、また、タッチ操作で選択も可能とします(複数の情報から選ぶ場合はタッチの方が便利であるため)。

推論技術

推論に必要になった事実を問い合わせながら、対話形式にて推論を行います。

前向き推論、後向き推論、表形式推論、ファジィ推論、ベイジアンネットワーク推論等を用い与えられた知識を使って推論を行い事実を導き出します。

機能詳細

様態抽出
キーワードマッチングを使っている他社製品に現時点では搭載されていない「様態抽出機能」が実装可能です。
事実判定
発話内容が蓄積した知識データベースに登録されている事実に相当するならば同意する返答を返します。
含意関係認識
表記ゆれや言い回しの違い等を解析し、同一知識データベースにマッチングさせます。
照応解析
連続した質問などで欠落格、照応詞(先行詞)を補うことにより構文解析を行ないます。
話題継続
話題継続:「そうそう」「だよね」など同意表現
表記ゆれ
データベースには、呼称がなくても入力に「さん」「ちゃん」「選手」「投手」「監督」などが含まれていてもマッチングします。

Kagyaを導入検討中のお客様

※Kagyaはソフネックの商標です。

機能、利点、長所理由
ルールが少なく、デバッグしやすい
開発期間が短い、プロトタイプがすぐにでき早く詳細要件が絞り込める
表記ゆれ、シソーラス、類義語
多様な言い回しに少数のルールで対応可
学習、記憶
自動的に事実を蓄えることが可、個人嗜好DBなどにも応用可
推論
ルールが少なくて済む、条件もれがなく網羅的
マッチング理由が明確
説明責任が明確、責任の所在明確、改修時にどのルールを変更すればよいか明確
モジュール構成
例えば、応答生成の次に方言モジュールを利用するなどカスタマイズが容易
プログラミングとDBが明確に分離
下の参照透過性を参照
参照透過性、透明性
関数(述語)の入力に用いる変数が変更されない、データ構造などに依存しない、副作用がない




Scroll Up