個性除去を用いたツンデレキャラ型化チャットAIの対話応答制御

性格や見た目，声質などの個性（キャラクタ性）に関するユーザの嗜好を反映した対話システムを作成する場合，一般的に（訓練）データとして膨大な入力文と応答文とのペアが必要となってしまい，個人で十分に用意するのは容易ではない．この問題を解決するため，我々は，ユーザの発話（入力文）に対して，顔表情の変化もともなって自然に応答するチャットAIに任意の個性（キャラクタ性）を付与する，いい換えると「キャラ型化」する手法を研究し，かつ，そのキャラ型化チャットAIを個人でもより簡単に自由自在に構築できることを目指している．本論文では，特に「ツンデレ」という個性が付与されたキャラ型化チャットAIの対話応答制御を対象とする．ツンデレ個性付き応答文に対して，クロス言語やルールベース，また両方を組み合わせた「個性除去」を適用することで，キャラ型化チャットAIの構築に必要なコスト（データ量）を削減する手法を提案する．評価実験の結果，クロス言語な一般個性除去を導入することで，チャットAIのツンデレキャラ型化に必要な個性付き応答文のデータ量が41件と少なく，構築・維持コストをあまり掛けない場合であっても，ユーザの入力文に対して相応しい個性付き応答文を出力する上位1件の平均応答精度は0.366，mAP（mean Average Precision）は0.363となり，個性除去を有さない比較手法やルールベースな特定個性除去を上回った．

When a user wants to personally build a dialogue system which meets her/his preference on its character, it requires a huge number of pairs of inputs and their responses. To solve this problem, the authors have carried out several studies on methods for characterization of chat AIs to respond to a user's utterance (input) with facial expressions towards building characterized chat AIs more easily and freely even if personally. This paper carries out a deeper study on linguistic expression control for a Tsundere characterized chat AI, and validates a novel method for more easily building and maintaining it by “Character Filtering (CF)” from its Tsundere characterized response candidates, such as cross-language CF, rule-based CF, and a hybrid of them. The experimental results show that Tsundere characterized chat AIs even with a little amount of data, e.g., only 41 Tsundere characterized responses, can respond to a user's input with cross-language CF, e.g., 0.366 on top 1 response accuracy and 0.363 on mAP (mean Average Precision), more precisely than without CF and with rule-based tsundere-specific CF.