[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP7519138B1 - Information Providing Device - Google Patents

Information Providing Device Download PDF

Info

Publication number
JP7519138B1
JP7519138B1 JP2023147915A JP2023147915A JP7519138B1 JP 7519138 B1 JP7519138 B1 JP 7519138B1 JP 2023147915 A JP2023147915 A JP 2023147915A JP 2023147915 A JP2023147915 A JP 2023147915A JP 7519138 B1 JP7519138 B1 JP 7519138B1
Authority
JP
Japan
Prior art keywords
information
question
unit
answer
questions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2023147915A
Other languages
Japanese (ja)
Other versions
JP2024155674A (en
Inventor
秀成 西澤
Original Assignee
キャンバス社会保険労務士法人
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by キャンバス社会保険労務士法人 filed Critical キャンバス社会保険労務士法人
Priority to JP2023147915A priority Critical patent/JP7519138B1/en
Priority to JP2024095334A priority patent/JP2024155910A/en
Application granted granted Critical
Publication of JP7519138B1 publication Critical patent/JP7519138B1/en
Publication of JP2024155674A publication Critical patent/JP2024155674A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】対象とするサービスの分野における多様な質問に対する正確かつわかりやすい情報を提供可能な手段を提供すること。【解決手段】本発明の情報提供装置1は、質問を受信するよう構成された質問受信部111と、Generative Pre-trained Transformer(GPT)に質問に対する回答を生成させるよう構成された回答生成部114と、質問に関する図表等をWeb上から取得するよう構成された図表等取得部116と、回答生成部114により生成された回答及び図表等取得部116により取得された図表等を含むレポートを生成するよう構成されたレポート生成部119と、を備える。【選択図】図1[Problem] To provide a means capable of providing accurate and easy-to-understand information for various questions in the field of a target service. [Solution] The information providing device 1 of the present invention comprises a question receiving unit 111 configured to receive a question, an answer generating unit 114 configured to cause a Generative Pre-trained Transformer (GPT) to generate an answer to the question, a diagram etc. acquiring unit 116 configured to acquire diagrams etc. related to the question from the Web, and a report generating unit 119 configured to generate a report including the answer generated by the answer generating unit 114 and the diagrams etc. acquired by the diagram etc. acquiring unit 116. [Selected Figure] Figure 1

Description

本発明は、情報提供装置に関する。 The present invention relates to an information providing device.

人間の質問に対して応答するプログラム、いわゆるチャットボットを利用した情報提供が行われている。チャットボットを利用した情報提供において、該チャットボットを用いたサービスの分野における多様な質問に対して、正確な情報を提供できるようにしたいとの要望がある。 Information is provided using chatbots, programs that respond to human questions. When providing information using chatbots, there is a demand to be able to provide accurate information in response to a variety of questions in the field of services using the chatbots.

多様な質問に対する正確な情報の提供を意図したチャットボットに関し、特許文献1は、第1の情報端末1との間で双方向(インタラクティブ)かつリアルタイムに情報をやりとり(送受信)することで、第1の情報端末を介して第1の利用者との間でコミュニケーションを成立させるチャットボットにおいて、DNN-HMM等を用いたパターンマッチングにより利用者が発した音声をテキストデータに変換し、該テキストデータに対するあらかじめ学習された応答パターン及び/又はデータベースに格納されている応答パターンを用いて利用者に応答するテキストデータを生成し、利用者が提供する情報から誤り、不確実な情報等を排除するように構成されたシステムを開示している。特許文献1の技術によれば、利用者が提供する情報から誤りや不確実な情報を排除し、情報の信頼性を高め得る。 Regarding a chatbot intended to provide accurate information in response to a variety of questions, Patent Document 1 discloses a system configured in a chatbot that establishes communication with a first user via a first information terminal 1 by interactively (interactively) exchanging information (sending and receiving) with the first information terminal 1 in real time, converting speech uttered by the user into text data by pattern matching using DNN-HMM or the like, generating text data to respond to the user using response patterns that have been learned in advance for the text data and/or response patterns stored in a database, and eliminating errors, uncertain information, etc. from information provided by the user. The technology in Patent Document 1 makes it possible to eliminate errors and uncertain information from information provided by users, thereby increasing the reliability of the information.

特開2021-57049号公報JP 2021-57049 A

しかしながら、特許文献1の技術は、何らかの手法でテキストデータに対してあらかじめ学習された応答パターン及び/又はデータベースに格納されている応答パターンを用いて利用者に応答するテキストデータを生成することを開示するにとどまる。そのため、特許文献1の技術は、対象とするサービスの分野における多様な質問に対する応答パターンが学習・格納されているか不明である。よって、特許文献1の技術は、対象とするサービスの分野における多様な質問に対して正確な情報を提供できるチャットボットを提供する点において、さらなる改良の余地がある。 However, the technology of Patent Document 1 merely discloses generating text data to respond to a user using response patterns that have been learned in advance for text data by some method and/or response patterns stored in a database. As a result, it is unclear whether the technology of Patent Document 1 has learned and stored response patterns for a variety of questions in the field of the target service. Therefore, there is room for further improvement in the technology of Patent Document 1 in terms of providing a chatbot that can provide accurate information in response to a variety of questions in the field of the target service.

本発明は係る事情に鑑みてなされたものであり、その目的は、対象とするサービスの分野における多様な質問に対する正確かつわかりやすい情報を提供可能な手段の提供である。 The present invention was made in consideration of the above circumstances, and its purpose is to provide a means capable of providing accurate and easy-to-understand information in response to various questions in the field of the target service.

本発明者らは、上記課題を解決するために鋭意検討した結果、質問に対する回答をGPTに生成させ、この回答とWeb上から取得した質問に関する図表とを合わせたレポートを生成することによって、上記の目的を達成できることを見いだした。そして、本発明者らは、本発明を完成させるに至った。具体的に、本発明は以下のものを提供する。 As a result of intensive research into solving the above problems, the inventors discovered that the above object could be achieved by having GPT generate answers to questions and then generating a report that combines these answers with diagrams related to the questions obtained from the web. The inventors then completed the present invention. Specifically, the present invention provides the following:

本発明は、質問を受信するよう構成された質問受信部と、GPTに前記質問に対する回答を生成させるよう構成された回答生成部と、前記質問に関する図表等をWeb上から取得するよう構成された図表等取得部と、前記回答生成部により生成された回答及び前記図表等取得部により取得された図表等を含むレポートを生成するよう構成されたレポート生成部と、を備える、情報提供装置を提供する。 The present invention provides an information providing device including a question receiving unit configured to receive a question, an answer generating unit configured to cause a GPT to generate an answer to the question, a chart etc. acquiring unit configured to acquire charts etc. related to the question from the Web, and a report generating unit configured to generate a report including the answer generated by the answer generating unit and the charts etc. acquired by the chart etc. acquiring unit.

質問に対する回答を生成する機械学習の手法として、確率的な手法によるパターンマッチングを用いた機械学習によって予め用意されたグループに質問を分類し、該グループに対する応答パターンとして人間が用意した回答を出力する手法がある。しかしながら、このような手法では、あらかじめ用意されたグループに分類できない質問に対して回答を生成することができない。よって、このような手法は、対象とするサービスの分野における多様な質問に対する情報を提供する点において、さらなる改良の余地がある。 One machine learning method for generating answers to questions is to classify questions into pre-prepared groups using machine learning with probabilistic pattern matching, and output answers prepared by humans as response patterns for the groups. However, this method cannot generate answers to questions that cannot be classified into the pre-prepared groups. Therefore, this method has room for further improvement in terms of providing information for a variety of questions in the field of the target service.

本発明の情報提供装置は、大規模なテキストデータのコーパスで人間のようなテキストを生成するよう訓練されたGPTに質問に対する回答を生成させる。よって、本発明は、対象とするサービスの分野における多様な質問に対する回答を生成できる。 The information providing device of the present invention generates answers to questions using a GPT trained to generate human-like text from a large corpus of text data. Thus, the present invention can generate answers to a variety of questions in the field of the target service.

質問に対する回答は、図、表、及び画像等によって例示される図表等が付されて補足されることにより、より理解しやすく正確な情報となる。しかしながら、GPTは、人間のようなテキストを生成する言語モデルであり、質問に対する回答を補足する図表等を生成する言語モデルではない。よって、GPTのみを用いる手法は、質問に対するより理解しやすく正確な情報を提供する点において、さらなる改良の余地がある。 Answers to questions become more understandable and accurate when supplemented with diagrams, tables, images, and other such illustrations. However, GPT is a language model that generates human-like text, and is not a language model that generates diagrams and other illustrations that supplement answers to questions. Therefore, there is room for further improvement in the method of using only GPT in terms of providing more understandable and accurate information to questions.

本発明の情報提供装置は、質問に関する図表等をWeb上から取得し、GPTによって生成された回答に取得した図表等を付したレポートを生成できる。対象とするサービスの分野が、例えば、労務管理に関する助言を与えるサービスである場合、Web上には、省庁等が提供する労務管理に関する図表等によって例示される、多様な質問に対する回答を補足できる正確な図表等が多数存在する。これにより、本発明は、質問に対し、図、表、及び画像等によって例示される図表等が付された、より理解しやすく正確な情報を提供できる。 The information providing device of the present invention can obtain charts, etc. related to questions from the Web and generate a report that includes the obtained charts, etc. in addition to the answer generated by GPT. For example, if the target service field is a service that provides advice on labor management, there are many accurate charts, etc. on the Web that can supplement answers to a variety of questions, as exemplified by charts, etc. related to labor management provided by government ministries and agencies. This allows the present invention to provide more understandable and accurate information in response to questions, including charts, etc. exemplified by figures, tables, images, etc.

本発明は、対象とするサービスの分野における多様な質問に対する正確かつわかりやすい情報を提供可能な手段を提供できる。 The present invention can provide a means for providing accurate and easy-to-understand information in response to a variety of questions in the field of the targeted service.

図1は、本実施形態におけるシステムSのハードウェア構成及びソフトウェア構成の一例を示すブロック図である。FIG. 1 is a block diagram showing an example of the hardware configuration and software configuration of a system S according to the present embodiment. 図2は、本実施形態の情報提供装置1で実行される情報提供処理の好ましい流れの一例を示すメインフローチャートである。FIG. 2 is a main flow chart showing an example of a preferable flow of the information provision process executed by the information provision device 1 of this embodiment. 図3は、図2から続く図である。FIG. 3 is a continuation of FIG. 図4は、図3から続く図である。FIG. 4 is a continuation of FIG. 図5は、本実施形態の情報提供処理において生成されたレポートの一例である。FIG. 5 shows an example of a report generated in the information provision process of this embodiment. 図6は、各種情報が設定された割合で含まれるよう生成されたレポートの一例である。FIG. 6 is an example of a report that is generated so that various information is included in a set ratio. 図7は、各種情報が図6と異なる割合で含まれるよう生成されたレポートの一例である。FIG. 7 is an example of a report that has been generated so that various information is included in a different proportion than in FIG.

以下は、本発明の実施形態の一例について、図面を参照しながら詳細に説明するものである。 The following describes in detail an example of an embodiment of the present invention with reference to the drawings.

図1は、本実施形態におけるシステムSのハードウェア構成及びソフトウェア構成の一例を示すブロック図である。情報提供システムS(システムS)は、少なくとも、情報提供装置1を含んで構成される。システムSは、ネットワークNを介して情報提供装置1と通信可能な端末Tを含んで構成されることが好ましい。 FIG. 1 is a block diagram showing an example of the hardware configuration and software configuration of a system S in this embodiment. The information provision system S (system S) is configured to include at least an information provision device 1. It is preferable that the system S is configured to include a terminal T that can communicate with the information provision device 1 via a network N.

〔情報提供装置1〕
情報提供装置1は、少なくとも、制御部11、記憶部12、及び通信部13を備える。情報提供装置1の種類は、特に限定されない。該種類として、例えば、サーバ、クラウドサーバ等が挙げられる。
[Information Providing Device 1]
The information providing device 1 includes at least a control unit 11, a storage unit 12, and a communication unit 13. There is no particular limitation on the type of the information providing device 1. Examples of the type include a server, a cloud server, and the like.

[制御部11]
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)、及びROM(Read Only Memory)等を備える。
[Control unit 11]
The control unit 11 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), and a ROM (Read Only Memory).

制御部11は、必要に応じて記憶部12及び/又は通信部13と協働する。そして、制御部11は、情報提供装置1で実行される本実施形態のプログラムのソフトウェア構成要素である、質問受信部111、感情推定部112、引継部113、回答生成部114、読上部115、図表等取得部116、割合設定部117、情報取得部118、レポート生成部119等を実現する。本実施形態のプログラムのソフトウェア構成要素それぞれが提供する機能は、後述する情報提供処理の好ましい流れの説明において示される。 The control unit 11 cooperates with the memory unit 12 and/or the communication unit 13 as necessary. The control unit 11 then realizes the software components of the program of this embodiment executed by the information provision device 1, such as a question receiving unit 111, an emotion estimation unit 112, a handover unit 113, an answer generation unit 114, a reading unit 115, a chart and graph acquisition unit 116, a ratio setting unit 117, an information acquisition unit 118, and a report generation unit 119. The functions provided by each of the software components of the program of this embodiment will be described later in the description of a preferred flow of the information provision process.

[記憶部12]
記憶部12は、データ及び/又はファイルが記憶される装置であって、ハードディスク、半導体メモリ、記録媒体、及びメモリカード等によるデータのストレージ部を有する。
[Memory unit 12]
The memory unit 12 is a device in which data and/or files are stored, and includes a data storage unit such as a hard disk, a semiconductor memory, a recording medium, and a memory card.

記憶部12は、ネットワークNを介してNAS、SAN、クラウドストレージ、ファイルサーバ及び/又は分散ファイルシステム等の記憶装置又は記憶システムとの接続を可能にする仕組みを有してもよい。 The storage unit 12 may have a mechanism that enables connection to a storage device or storage system such as a NAS, a SAN, cloud storage, a file server, and/or a distributed file system via the network N.

記憶部12には、マイクロコンピューターで実行されるプログラム、受信した質問、質問に対する回答、対話の履歴、質問に対するレポート、言語モデル(GPT)、労務管理情報データベース、レポートにおける解決案、通達、及び判例それぞれの割合、感情の度合いを示す指定キーワード群、感情の度合い、人間のオペレータへの引継ぎに関する情報、音声認識モデル、音声合成モデル、等が記憶されている。 The memory unit 12 stores programs executed by the microcomputer, received questions, answers to questions, dialogue history, reports on questions, language models (GPT), a labor management information database, the proportion of solutions, notices, and precedents in the report, a group of designated keywords indicating the degree of emotion, the degree of emotion, information on handover to a human operator, a voice recognition model, a voice synthesis model, etc.

(言語モデル)
言語モデルは、Generative Pre-trained Transformer又はこれに基づく言語モデルであれば特に限定されない。以下、このような言語モデルは、単に「GPT」とも称される。言語モデルは、記憶部12に格納されていてもよく、情報提供装置1の記憶部12の構成を簡略化すべく、通信部13を介した通信によって利用可能な他のサーバに格納されていてもよい。
(Language Model)
The language model is not particularly limited as long as it is a Generative Pre-trained Transformer or a language model based thereon. Hereinafter, such a language model is also simply referred to as "GPT". The language model may be stored in the storage unit 12, or may be stored in another server available by communication via the communication unit 13 in order to simplify the configuration of the storage unit 12 of the information providing device 1.

具体的な言語モデルとして、例えば、OpenAIによるChatGPT、GPT-3、GPT-4、EleutherAIによるGPT-J等が挙げられる。これらの言語モデルが大規模なテキストデータのコーパスで訓練されているため、本実施形態の情報提供装置1は、対象とするサービスの分野における多様な質問に対する回答であって、人間が書いたかのような回答を生成できる。 Specific language models include, for example, ChatGPT, GPT-3, and GPT-4 by OpenAI, and GPT-J by EtherAI. Because these language models are trained on a large-scale corpus of text data, the information providing device 1 of this embodiment can generate answers to a variety of questions in the field of the target service that sound as if they were written by a human.

言語モデルは、労務管理に関する質問への回答の生成に関する事前学習が行われたGPTであることが好ましい。これにより、情報提供装置1は、対象とするサービスの分野が労務管理に関する助言を与えるサービスである場合において、該サービスにおける多様な質問に対する正確な情報を提供可能な手段を提供できる。ここで言う事前学習は、特に限定されない。該事前学習として、例えば、労務管理に関する質問及び該質問への回答のデータセットを用いた転移学習及び/又はファインチューニング等が挙げられる。 The language model is preferably a GPT that has been pre-trained to generate answers to questions about labor management. In this way, when the target service field is a service that provides advice on labor management, the information providing device 1 can provide a means for providing accurate information for a variety of questions in the service. The pre-training referred to here is not particularly limited. Examples of the pre-training include transfer learning and/or fine tuning using a dataset of questions about labor management and answers to those questions.

ところで、労務管理に関する質問は、しばしば、いくつかの典型的な質問のグループに分類される。質問が属するグループが事前に判別され得る場合、言語モデルは、あらかじめ用意された複数のグループそれぞれについて、該グループに属する質問への回答の生成に関する事前学習が行われたGPT(グループ別事前学習済GPT)を含むことが好ましい。これにより、該GPTは、対応するグループに属する質問に対するより正確な情報を提供できる。また、そのようなGPTは、グループが未判別の質問に対する正確な回答を生成するGPTより軽量化が可能である。 Now, questions about labor management are often classified into several groups of typical questions. When the group to which a question belongs can be determined in advance, it is preferable that the language model includes a GPT (group-specific pre-trained GPT) that has been pre-trained for generating answers to questions belonging to each of a number of groups prepared in advance. This allows the GPT to provide more accurate information for questions belonging to the corresponding group. In addition, such a GPT can be made lighter than a GPT that generates accurate answers to questions whose groups have not been determined.

質問のグループは、例えば、労働時間に関する質問のグループ、賃金に関する質問のグループ、安全衛生に関する質問のグループ、教育訓練に関する質問のグループ、補助金に関する質問のグループ等である。 Example groups of questions might be a group of questions about working hours, a group of questions about wages, a group of questions about health and safety, a group of questions about education and training, a group of questions about subsidies, etc.

グループ別事前学習済GPTは、例えば、労働時間に関する質問への回答に関する事前学習が行われた労働時間事前学習済GPT、賃金に関する質問への回答に関する事前学習が行われた賃金事前学習済GPT、安全衛生に関する質問への回答に関する事前学習が行われた安全衛生事前学習済GPT、教育訓練に関する質問への回答に関する事前学習が行われた教育訓練事前学習済GPT、補助金に関する質問のグループへの回答に関する事前学習が行われた補助金事前学習済GPT等である。 Examples of pre-trained GPTs by group include a work-hours pre-trained GPT in which pre-training has been conducted regarding answers to questions about work hours, a wages pre-trained GPT in which pre-training has been conducted regarding answers to questions about wages, a safety and health pre-trained GPT in which pre-training has been conducted regarding answers to questions about safety and health, an education and training pre-trained GPT in which pre-training has been conducted regarding answers to questions about education and training, and a subsidy pre-trained GPT in which pre-training has been conducted regarding answers to a group of questions about subsidies.

賃金に関する質問への回答に関する事前学習が行われた賃金事前学習済GPTが記憶部12に記憶されることにより、情報提供装置1は、賃金への質問について、質問を行った質問者が属する組織の規模、属性等に応じた適切な賃金を提案する回答を生成できる。 By storing the wage pre-trained GPT, which has been pre-trained regarding answers to questions about wages, in the memory unit 12, the information providing device 1 can generate answers to questions about wages that suggest appropriate wages according to the size, attributes, etc. of the organization to which the person asking the question belongs.

安全衛生に関する質問への回答に関する事前学習が行われた安全衛生事前学習済GPTが記憶部12に記憶されることにより、情報提供装置1は、安全衛生への質問について、現行の申請様式に沿った傷病手当金の申請方法等、安全衛生に関する制度の利用方法を提案する回答を生成できる。 By storing the safety and health pre-trained GPT, which has undergone pre-training regarding answers to questions about safety and health, in the memory unit 12, the information providing device 1 can generate answers to questions about safety and health that suggest ways to use safety and health systems, such as how to apply for sickness and injury benefits in accordance with the current application format.

教育訓練に関する質問への回答に関する事前学習が行われた教育訓練事前学習済GPTが記憶部12に記憶されることにより、情報提供装置1は、教育訓練への質問について、質問を行った質問者が属する組織の規模、属性等に応じた採用・定着に結び付きやすい教育訓練等の採用を提案する回答を生成できる。 By storing in the memory unit 12 the pre-trained education and training GPT, which has undergone pre-learning regarding answers to questions about education and training, the information providing device 1 can generate answers to questions about education and training that suggest the adoption of education and training that is likely to lead to recruitment and retention according to the size, attributes, etc. of the organization to which the person who asked the question belongs.

補助金に関する質問のグループへの回答に関する事前学習が行われた補助金事前学習済GPTが記憶部12に記憶されることにより、情報提供装置1は、補助金・助成金等への質問について、質問を行った質問者が属する組織の規模、属性等に応じた補助金等の利用を提案する回答を生成できる。 By storing the subsidy pre-trained GPT, which has been pre-trained regarding answers to a group of questions about subsidies, in the memory unit 12, the information providing device 1 can generate answers to questions about subsidies, grants, etc. that suggest the use of subsidies, etc. according to the size, attributes, etc. of the organization to which the questioner who asked the question belongs.

また、言語モデルは、既に学習してある言語モデルを使用し、より軽量な言語モデルを生み出す「蒸留」によって軽量化された言語モデルでもよい。これにより、情報提供装置1は、より軽量な処理により、迅速に情報を提供できる。特に、労務管理に関する質問への回答の生成に関する事前学習が行われた後に「蒸留」が行われた言語モデルを用いることにより、情報提供装置1は、質問から回答までの時間が事前学習によって長くなることを防ぐことができる。 The language model may also be a lightweight language model that uses an already trained language model and is "distilled" to produce a lighter language model. This allows the information providing device 1 to provide information quickly with lighter processing. In particular, by using a language model that has been "distilled" after pre-learning for generating answers to questions about labor management, the information providing device 1 can prevent the time from a question to a response from being lengthened by pre-learning.

(労務管理情報データベース)
労務管理情報データベース(データベース)には、労務管理に関する情報が格納される。格納される情報には、労務管理に関する質問へのレポートに添えられることで該レポートを補足可能な情報である、レポート労務管理に関する質問への解決案、労務管理に関する行政機関の通達、及び労務管理に関する判例が含まれることが好ましい。
(Labor management information database)
The labor management information database (database) stores information related to labor management. The stored information preferably includes reports on labor management, solutions to questions about labor management, notices from administrative agencies about labor management, and legal precedents about labor management, which are information that can be added to reports on questions about labor management to supplement the reports.

質問者による内容の確認を可能とすべく、格納される情報は、ワールドワイドウェブ(Web)上から取得された情報を含むことが好ましい。最新の知見を反映させるべく、格納される情報は、クローリング等によってWeb上から定期的に取得された情報であることが好ましい。正確な情報であることが担保されるべく、格納される情報は、人間によって内容が確認された情報を含むことが好ましい。質問と適切に関連付けられるべく、格納される情報は、人間によって質問と対応付けられた情報を含むことが好ましい。 The stored information preferably includes information obtained from the World Wide Web (Web) so that the questioner can confirm the content. The stored information preferably is information that is periodically obtained from the Web by crawling or the like so that it reflects the latest knowledge. The stored information preferably includes information whose content has been confirmed by a human so that it is guaranteed to be accurate. The stored information preferably includes information that has been associated with the question by a human so that it can be appropriately associated with the question.

(指定キーワード群)
指定キーワード群は、質問者の感情の度合いと対応付けられた1以上の指定キーワードからなる。指定キーワードとして、例えば、「わかってない」「不親切だ」「冷たい」「無理」「無茶」等の正の値を取る感情の度合いと対応付けられたキーワード、「ありがとう」「なるほど」「感謝」「わかりました」等の負の値を取る感情の度合いと対応付けられたキーワード等が挙げられる。記憶部12に指定キーワード群が格納されることにより、情報提供装置1は、質問に含まれる指定キーワードに基づいて質問を送信した質問者の感情の度合いを推定できる。
(Specified keywords)
The designated keyword group is made up of one or more designated keywords associated with the degree of emotion of the questioner. Examples of the designated keywords include keywords associated with the degree of emotion that takes a positive value, such as "you don't understand,""unkind,""cold,""impossible," and "unreasonable," and keywords associated with the degree of emotion that takes a negative value, such as "thank you,""Isee,""gratitude," and "I get it." By storing the designated keyword group in the memory unit 12, the information providing device 1 can estimate the degree of emotion of the questioner who sent the question, based on the designated keywords included in the question.

(音声認識モデル)
音声認識モデルは、質問(質問データ)の態様を音声からテキストに変換可能なモデルであれば、特に限定されない。音声認識モデルは、例えば、音響分析に関するモデル、音響モデル、言語モデル等を含む。
(Speech recognition model)
The voice recognition model is not particularly limited as long as it is a model that can convert the form of a question (question data) from voice to text. The voice recognition model includes, for example, a model related to acoustic analysis, an acoustic model, a language model, and the like.

音声認識モデルに音響分析に関するモデルが含まれることにより、情報提供装置1は、質問を構成する音声の特徴量(周波数や音の強弱)を調べ、音響モデルにおいて扱いやすいデータとして抽出し変換できる。 By including a model related to acoustic analysis in the speech recognition model, the information providing device 1 can examine the features of the voice that constitutes the question (such as frequency and volume) and extract and convert it into data that is easy to handle in the acoustic model.

音声認識モデルに音響モデルが含まれることにより、情報提供装置1は、音響分析においてデータ化された特徴量を事前学習された音響モデルのデータと照らし合わせ、音波の最小単位である音素を抽出できる。 By including an acoustic model in the speech recognition model, the information providing device 1 can compare the features digitized in the acoustic analysis with the data of the pre-trained acoustic model to extract phonemes, which are the smallest units of sound waves.

音声認識モデルに言語モデルが含まれることにより、情報提供装置1は、抽出された音素を正確なテキストデータに変換できる。認識精度を高めるため、音声認識モデルは、例えば、OpenAIによる音声認識モデルWhisper等によって例示される、ニューラルネットワークを用いたモデルであることが好ましい。 By including a language model in the speech recognition model, the information providing device 1 can convert the extracted phonemes into accurate text data. In order to improve the recognition accuracy, it is preferable that the speech recognition model is a model using a neural network, such as the speech recognition model Whisper by OpenAI.

(音声合成モデル)
音声合成モデルは、回答生成部114において生成された回答等のテキストデータを、該テキストデータを読み上げる音声に変換可能なモデルであれば、特に限定されない。音声合成モデルは、例えば、規則合成の音声合成モデル、波形接続型音声合成の音声合成モデル、統計的パラメトリック音声合成の音声合成モデル等でよい。
(Speech synthesis model)
The voice synthesis model is not particularly limited as long as it is a model that can convert text data such as an answer generated by the answer generation unit 114 into a voice that reads out the text data. The voice synthesis model may be, for example, a rule-based voice synthesis model, a waveform concatenation type voice synthesis model, a statistical parametric voice synthesis model, or the like.

なかでも、音声合成モデルは、隠れマルコフモデル音声合成、ニューラルネットワーク音声合成によって例示される統計的パラメトリック音声合成の音声合成モデルであることが好ましい。これにより、情報提供装置1は、隠れマルコフモデルに比べて表現力が高く、より自然な音声合成を行える。 In particular, it is preferable that the voice synthesis model is a statistical parametric voice synthesis model exemplified by hidden Markov model voice synthesis and neural network voice synthesis. This allows the information providing device 1 to perform more expressive and natural voice synthesis compared to the hidden Markov model.

音声認識モデルと音声合成モデルとが記憶部12に格納されることにより、情報提供装置1は、音声対話によって、対象とするサービスの分野における多様な質問に対する正確な情報を提供できる。特に、音声認識モデルと統計的パラメトリック音声合成の音声合成モデルとが記憶部12に格納されることにより、情報提供装置1は、人間と対話するときのような自然な音声対話によって、対象とするサービスの分野における多様な質問に対する正確な情報を提供できる。 By storing the voice recognition model and the voice synthesis model in the memory unit 12, the information providing device 1 can provide accurate information for various questions in the field of the target service through voice dialogue. In particular, by storing the voice recognition model and the voice synthesis model of statistical parametric voice synthesis in the memory unit 12, the information providing device 1 can provide accurate information for various questions in the field of the target service through natural voice dialogue like when interacting with a human.

[通信部13]
通信部13は、情報提供装置1をネットワークNに接続して端末T等と通信可能にするものであれば特に限定されない。通信部13として、例えば、携帯電話ネットワークに対応した無線装置、無線LANに接続可能なデバイス、及びイーサネット規格に対応したネットワークカード等が挙げられる。
[Communication unit 13]
The communication unit 13 is not particularly limited as long as it connects the information providing device 1 to the network N and enables communication with the terminal T, etc. Examples of the communication unit 13 include a wireless device compatible with a mobile phone network, a device connectable to a wireless LAN, and a network card compatible with the Ethernet standard.

〔ネットワークN〕
ネットワークNの種類は、情報提供装置1及び端末T等を互いに通信可能にするものであれば特に限定されない。ネットワークNの種類は、例えば、インターネット、携帯電話ネットワーク、無線LAN等である。
[Network N]
The type of the network N is not particularly limited as long as it enables the information providing device 1 and the terminal T to communicate with each other. The type of the network N is, for example, the Internet, a mobile phone network, a wireless LAN, and the like.

〔端末T〕
端末Tは、例えば、パーソナルコンピュータ、ラップトップコンピュータ、スマートフォン、タブレット端末等である。端末Tは、情報提供装置1から提供された情報を表示する処理、ユーザインタフェースを介した利用者の入力を情報提供装置1に提供する処理等を実行可能である。
[Terminal T]
The terminal T is, for example, a personal computer, a laptop computer, a smartphone, a tablet terminal, etc. The terminal T is capable of executing a process of displaying information provided by the information providing device 1, a process of providing user input via a user interface to the information providing device 1, and the like.

〔情報提供処理のメインフローチャート〕
図2は、本実施形態の情報提供装置1で実行される情報提供処理の好ましい流れの一例を示すメインフローチャートである。図3は、図2から続く図である。図4は、図3から続く図である。以下、図2から図4を用いて、本実施形態の情報提供装置1で実行される情報提供処理の好ましい流れの一例が説明される。
[Main Flowchart of Information Provision Processing]
Fig. 2 is a main flow chart showing an example of a preferred flow of the information provision process executed by the information provision device 1 of this embodiment. Fig. 3 is a diagram continued from Fig. 2. Fig. 4 is a diagram continued from Fig. 3. Hereinafter, an example of a preferred flow of the information provision process executed by the information provision device 1 of this embodiment will be described with reference to Figs. 2 to 4.

まず、制御部11は、記憶部12及び通信部13と協働して質問受信部111を実行する。そして、制御部11は、質問受信部111に関する処理である、ステップS1からステップS3の処理を実行する。 First, the control unit 11 executes the question receiving unit 111 in cooperation with the memory unit 12 and the communication unit 13. Then, the control unit 11 executes the processes related to the question receiving unit 111, that is, steps S1 to S3.

[ステップS1:質問を受信]
制御部11は、記憶部12及び通信部13と協働して、端末T等から質問を受信する処理を実行する(ステップS1、質問受信ステップ)。制御部11は、処理をステップS2に移す。質問受信ステップで受信可能な質問の態様は、テキストの態様を含む。
[Step S1: Receiving a question]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of receiving a question from the terminal T or the like (step S1, question receiving step). The control unit 11 moves the process to step S2. The form of the question that can be received in the question receiving step includes a text form.

対象とするサービスの分野における多様な質問に対する正確な情報を情報提供装置1が音声対話によって提供できるようにすべく、質問受信ステップで受信可能な質問の態様は、音声の態様を含むことが好ましい。このとき、管理処理は、ステップS2からステップS3の処理を含むことが好ましい。 In order to enable the information providing device 1 to provide accurate information for various questions in the field of the target service through voice dialogue, it is preferable that the form of the question that can be received in the question receiving step includes a voice form. In this case, it is preferable that the management process includes the processes of steps S2 to S3.

[ステップS2:質問が音声の態様であるか判別]
制御部11は、記憶部12及び通信部13と協働して、ステップS1で受信された質問の態様が音声であるか判別する処理を実行する(ステップS2、質問態様判別ステップ)。音声であると判別したならば、制御部11は、処理をステップS3に移す。音声であると判別しなかったならば、制御部11は、処理をステップS4に移す。
[Step S2: Determine whether the question is in the form of voice]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of determining whether the type of the question received in step S1 is voice (step S2, question type determination step). If it is determined that the question is voice, the control unit 11 proceeds to step S3. If it is not determined that the question is voice, the control unit 11 proceeds to step S4.

[ステップS3:質問をテキストの態様に変換]
制御部11は、記憶部12と協働して、ステップS2で音声の態様であると判別された質問の態様を、記憶部12に格納された音声認識モデルを用いて、テキストの態様に変換する処理を実行する(ステップS3、音声認識ステップ)。制御部11は、処理をステップS4に移す。
[Step S3: Converting the question into text form]
The control unit 11, in cooperation with the storage unit 12, executes a process of converting the question form determined to be a voice form in step S2 into a text form using a voice recognition model stored in the storage unit 12 (step S3, voice recognition step). The control unit 11 proceeds to step S4.

質問の受信後、制御部11は、記憶部12及び通信部13と協働して感情推定部112及び引継部113を実行することが好ましい。このとき、制御部11は、感情推定部112に関する処理であるステップS4の処理及び引継部113に関する処理であるステップS5からステップS6の処理を実行する。 After receiving the question, it is preferable that the control unit 11 cooperates with the memory unit 12 and the communication unit 13 to execute the emotion estimation unit 112 and the handover unit 113. At this time, the control unit 11 executes the process of step S4, which is the process related to the emotion estimation unit 112, and the process of steps S5 to S6, which are the processes related to the handover unit 113.

GPTにより生成された回答を用いて対話を行う場合、生成される回答が人間により書かれたものであるかのような回答であるため、質問を行った利用者が人間を相手にするときのように感情的になることが懸念される。情報提供装置1は、ステップS4からステップS6の処理を実行することにより、感情的になり、本実施形態のプログラムによる対応が困難となった質問者への応対を人間のオペレータに引き継げる。 When a dialogue is conducted using answers generated by GPT, the generated answers look as if they were written by a human, so there is a concern that the user who asked the question may become emotional, as when dealing with a human. By executing the processes of steps S4 to S6, the information providing device 1 can hand over to a human operator the response to a questioner who has become emotional and is difficult to handle using the program of this embodiment.

なお、以下に示すステップS4からステップS6では、感情の度合いが閾値を超えたことを原因とする引継ぎが説明されるが、引継ステップへ遷移する原因は、感情の度合いに限定されない。該原因は、例えば、GPTにより生成された回答に質問の意図を理解できないことを示すフレーズ等が含まれているとの原因、質問に公序良俗に反する回答を促すフレーズ等が含まれているとの原因等でもよい。 Note that in steps S4 to S6 below, handover due to the degree of emotion exceeding a threshold is described, but the cause of transitioning to the handover step is not limited to the degree of emotion. The cause may be, for example, that the answer generated by the GPT contains a phrase indicating that the intent of the question cannot be understood, or that the question contains a phrase encouraging an answer that violates public order and morals.

GPTは、多様な質問に対して回答を生成しようとするため、GPTが正確な回答を生成できない場合に、不正確な回答を生成することが懸念される。質問の意図を理解できないことを示すフレーズ等が回答に含まれているとの判別に基づいて引継ステップへ遷移するよう構成された情報提供装置1は、そのような回答が生成されることを防ぎ得る。 Since the GPT attempts to generate answers to a variety of questions, there is a concern that if the GPT is unable to generate an accurate answer, it may generate an inaccurate answer. The information providing device 1 is configured to transition to a handover step based on a determination that the answer contains a phrase or the like that indicates that the intent of the question cannot be understood, and can prevent such answers from being generated.

GPTは、多様な質問に対して回答を生成可能であるため、例えば、公序良俗に反する回答を促す質問等により、情報提供装置1の提供者の評判を貶めるような回答を生成することが懸念される。質問に公序良俗に反する回答を促すフレーズ等が含まれているとの判別に基づいて引継ステップへ遷移するよう構成された情報提供装置1は、そのような回答が生成されることを防ぎ得る。 Since GPT can generate answers to a variety of questions, there is concern that it may generate answers that tarnish the reputation of the provider of the information providing device 1, for example, by asking questions that encourage answers that go against public order and morals. An information providing device 1 that is configured to transition to a handover step based on a determination that a question contains a phrase that encourages an answer that goes against public order and morals can prevent such answers from being generated.

[ステップS4:質問者の感情の度合いを推定]
制御部11は、記憶部12と協働して、ステップS1で受信された質問に含まれる指定キーワードに基づいて、質問を送信した質問者の感情の度合いを推定する処理を実行する(ステップS4、感情推定ステップ)。制御部11は、処理をステップS5に移す。
[Step S4: Estimate the degree of emotion of the questioner]
The control unit 11, in cooperation with the storage unit 12, executes a process of estimating the degree of emotion of the questioner who sent the question, based on the specified keyword included in the question received in step S1 (step S4, emotion estimation step). The control unit 11 then proceeds to step S5.

感情推定ステップにおける「指定キーワード」は、記憶部12に格納された指定キーワード群に含まれる指定キーワードそれぞれを指す。該ステップは、例えば、指定キーワード群に含まれる指定キーワードそれぞれについて、指定キーワードが質問に含まれる数に該指定キーワードと対応付けられた感情の度合いを乗じた値の合計が質問者の感情の度合いに相当すると推定する手順等を含む。 The "designated keyword" in the emotion estimation step refers to each of the designated keywords included in the designated keyword group stored in the memory unit 12. This step includes, for example, a procedure for estimating that the sum of the value obtained by multiplying the number of designated keywords included in the question by the degree of emotion associated with the designated keyword for each designated keyword included in the designated keyword group corresponds to the degree of emotion of the questioner.

[ステップS5:感情の度合いが閾値を超えているか判別]
制御部11は、記憶部12と協働して、ステップS4で推定された感情の度合いがオペレータの介入を要する閾値を超えているか判別する処理を実行する(ステップS5、感情閾値超過判別ステップ)。超えていると判別したならば、制御部11は、処理をステップS6に移す。超えていると判別しなかったならば、制御部11は、処理をステップS7に移す。閾値は、特に限定されず、例えば、システムSの管理者等によって指定された値でよい。
[Step S5: Determine whether the emotion level exceeds the threshold]
The control unit 11, in cooperation with the storage unit 12, executes a process of determining whether the degree of emotion estimated in step S4 exceeds a threshold that requires operator intervention (step S5, emotion threshold excess determination step). If it is determined that the degree of emotion is exceeded, the control unit 11 moves the process to step S6. If it is not determined that the degree of emotion is exceeded, the control unit 11 moves the process to step S7. The threshold is not particularly limited, and may be, for example, a value designated by an administrator of the system S.

[ステップS6:人間のオペレータに引継ぎ]
制御部11は、記憶部12と協働して、ステップS1で受信した質問に関する対話を人間のオペレータに引継ぐ処理を実行する(ステップS6、引継ステップ)。制御部11は、情報提供処理を終了し、処理をステップS1に戻す。
[Step S6: Handover to human operator]
The control unit 11, in cooperation with the storage unit 12, executes a process of handing over the dialogue regarding the question received in step S1 to a human operator (step S6, handover step). The control unit 11 ends the information provision process and returns the process to step S1.

引継ステップにおける引継ぎの手段は、特に限定されない。該手段として、例えば、人間のオペレータとのチャットへの自動遷移、人間のオペレータの連絡先(メールアドレス、URL、電話番号等)の提示等が挙げられる。引継ぎを円滑に行うべく、引継ステップは、当該質問に関する経緯(例えば、一連の質問及び回答等)の通知を含むことが好ましい。 The means of handover in the handover step is not particularly limited. Examples of such means include automatic transition to a chat with a human operator, presentation of the human operator's contact information (email address, URL, phone number, etc.), etc. In order to ensure a smooth handover, it is preferable that the handover step includes notification of the history of the question (e.g., a series of questions and answers, etc.).

続いて、制御部11は、記憶部12及び通信部13と協働して回答生成部114を実行する。そして、制御部11は、回答生成部114に関する処理である、ステップS7の処理を実行する。 Next, the control unit 11 executes the answer generation unit 114 in cooperation with the storage unit 12 and the communication unit 13. Then, the control unit 11 executes the process of step S7, which is a process related to the answer generation unit 114.

[ステップS7:質問に対する回答を生成させる]
制御部11は、記憶部12及び通信部13と協働して、記憶部12に格納されたGPTに、ステップS1で受信された質問に対する回答を生成させる処理を実行する(ステップS7、回答生成ステップ)。制御部11は、処理をステップS8に移す。
[Step S7: Generate an answer to the question]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of causing the GPT stored in the storage unit 12 to generate an answer to the question received in step S1 (step S7, answer generation step). The control unit 11 proceeds to step S8.

処理の肥大化を防ぐべく、回答生成ステップは、回答生成におけるトークン数に上限(例えば、4096トークン)が設けられた手順であることが好ましい。「トークン」は、GPTにおける文字、単語等に相当する処理単位である。回答生成におけるトークン数は、履歴のトークン数、質問のトークン数、回答のトークン数の合計である。これにより、本実施形態の情報提供装置1は、回答生成における処理の肥大化を防ぎ、より迅速に情報を提供できる。 To prevent processing from becoming too large, the answer generation step is preferably a procedure in which an upper limit is set on the number of tokens in answer generation (e.g., 4096 tokens). A "token" is a processing unit equivalent to a character, word, etc. in the GPT. The number of tokens in answer generation is the sum of the number of tokens in the history, the number of tokens in the question, and the number of tokens in the answer. This allows the information providing device 1 of this embodiment to prevent processing from becoming too large in answer generation and provide information more quickly.

ところで、回答生成におけるトークン数に上限が設けられた場合、回答のトークン数が制限され得る。これにより、質問への回答として十分な情報が含まれない回答が生成され得る。質問への回答として十分な情報が含まれた回答を生成すべく、回答生成ステップは、あらかじめ用意されたグループに質問を分類する手順を含むことが好ましい。質問を分類する手順は、特に限定されない。該手順は、質問の分類に関する手順が記録されたRPAを用いた手順でも良く、質問を分類することに関する事前学習が行われたGPTを用いた手順でも良い。 However, if an upper limit is set on the number of tokens in answer generation, the number of tokens in the answer may be limited. This may result in an answer being generated that does not contain sufficient information as an answer to the question. In order to generate an answer that contains sufficient information as an answer to the question, it is preferable that the answer generation step includes a procedure for classifying questions into groups prepared in advance. The procedure for classifying questions is not particularly limited. The procedure may be a procedure using an RPA in which a procedure for classifying questions is recorded, or a procedure using a GPT that has been pre-trained on classifying questions.

回答生成ステップが質問を分類する手順を含むことにより、情報提供装置1は、分類後の下流タスクとして、グループ別事前学習済GPTに質問に対する回答を生成させることができる。このとき、情報提供装置1は、グループ別事前学習済GPTにおける生成の前提であり、履歴を介して該GPTに伝える必要が無い情報である、上述の分類に関する情報を除いて、回答を生成させることができる。よって、上述の手順を含む回答生成ステップを実行する情報提供装置1は、回答生成におけるトークン数に上限が設けられた場合であっても、質問への回答として十分な情報が含まれた回答を生成できる。 By including a procedure for classifying questions in the answer generation step, the information providing device 1 can cause the group-specific pre-trained GPT to generate an answer to the question as a downstream task after classification. At this time, the information providing device 1 can generate an answer excluding information related to the above-mentioned classification, which is a prerequisite for generation in the group-specific pre-trained GPT and is information that does not need to be transmitted to the GPT via history. Therefore, the information providing device 1 that executes the answer generation step including the above-mentioned procedure can generate an answer that contains sufficient information as an answer to a question, even if an upper limit is set on the number of tokens in answer generation.

また、回答生成ステップが質問を分類する手順を含むことにより、情報提供装置1は、グループが未判別の質問に対する回答を生成するGPTに回答を生成させる場合より軽量化されたグループ別事前学習済GPTに、より正確な回答を生成させることができる。 In addition, since the answer generation step includes a procedure for classifying questions, the information providing device 1 can generate more accurate answers using a group-specific pre-trained GPT that is lighter than when an answer is generated using a GPT that generates answers to questions whose groups are not yet determined.

回答生成ステップは、正確な回答を生成するために十分な情報が質問に含まれていない場合に、質問を補足するよう促す回答を生成する手順を含むことが好ましい。これにより、情報提供装置1は、元の質問とこのような回答によって促された質問者からの補足情報とに基づくより正確な回答を生成できる。 The answer generation step preferably includes a procedure for generating an answer that prompts the questioner to supplement the question when the question does not contain enough information to generate an accurate answer. This allows the information providing device 1 to generate a more accurate answer based on the original question and the supplemental information from the questioner prompted by such an answer.

回答生成ステップは、ステップS1で受信された質問が企業その他の組織の労務管理に関する質問であると判別された場合に、情報取得部118によって当該組織から提供される組織情報を取得する手順を含むことが好ましい。組織情報は、特に限定されず、例えば、当該組織の就業規則、当該組織で用いられている雇用契約書、当該組織の賃金台帳、当該組織のタイムカード、当該組織の規模・業種等によって例示される、労務管理に関する基礎的な情報が含まれる。 The answer generation step preferably includes a procedure for acquiring organizational information provided by the organization by the information acquisition unit 118 when it is determined that the question received in step S1 is a question about the labor management of a company or other organization. The organizational information is not particularly limited, and may include, for example, basic information about labor management, such as the organization's work rules, employment contracts used by the organization, the organization's payroll ledger, the organization's time cards, and examples of information exemplified by the organization's size, industry, etc.

これにより、情報提供装置1は、回答生成ステップにおいて、この組織情報が取得された後に、該組織情報を履歴に含めてGPTに質問に対する回答を生成させる手順を実行できる。そして、情報提供装置1は、当該組織から提供された労務管理に関する基礎的な情報を踏まえた、より正確な回答をGPTによって生成し、提供できる。 As a result, in the answer generation step, the information providing device 1 can execute a procedure in which, after acquiring this organizational information, the information providing device 1 includes the organizational information in the history and causes the GPT to generate an answer to the question. Then, the information providing device 1 can generate and provide a more accurate answer using the GPT that takes into account the basic information on labor management provided by the organization.

回答生成ステップは、質問に対する回答の構成をGPTにより生成し、当該構成に含まれる回答要素をGPTによりさらに生成する手順を含むことが好ましい。これにより、情報提供装置1は、回答生成におけるトークン数に上限が設けられた場合であっても、トークン数の上限を上回る長さの回答を生成できる。 The answer generation step preferably includes a procedure of generating an answer structure for a question using GPT, and further generating answer elements included in the structure using GPT. This allows the information providing device 1 to generate an answer that is longer than the upper limit of the number of tokens, even if an upper limit is set on the number of tokens in answer generation.

制御部11は、記憶部12及び通信部13と協働して読上部115を実行することが好ましい。このとき、制御部11は、読上部115に関する処理であるステップS8の処理を実行する。これにより、情報提供装置1は、音声対話によって、対象とするサービスの分野における多様な質問に対する正確な情報を提供できる。 It is preferable that the control unit 11 cooperates with the memory unit 12 and the communication unit 13 to execute the reading unit 115. At this time, the control unit 11 executes the process of step S8, which is a process related to the reading unit 115. This allows the information providing device 1 to provide accurate information in response to various questions in the field of the target service through voice dialogue.

[ステップS8:回答を音声により読み上げ]
制御部11は、記憶部12と協働して、ステップS7で生成された回答を音声により読み上げる処理を実行する(ステップS8、読上ステップ)。制御部11は、処理をステップS9に移す。
[Step S8: Read out the answer aloud]
The control unit 11 cooperates with the storage unit 12 to execute a process of reading out the answer generated in step S7 by voice (step S8, reading step). The control unit 11 moves the process to step S9.

読上ステップにおける読み上げの手順は、特に限定されず、従来技術の音声合成技術を用いた手順でよい。該手順は、パラメトリック音声合成の音声合成モデルを用いた手順を含むことが好ましい。これにより、情報提供装置1は、隠れマルコフモデルに比べて表現力が高く、より自然な音声合成を行える。該手順は、なかでも、隠れマルコフモデル音声合成より表現力が高く自然な音声合成を行える、ニューラルネットワーク音声合成を用いた手順を含むことが好ましい。 The procedure for reading out in the reading step is not particularly limited, and may be a procedure using a conventional voice synthesis technology. The procedure preferably includes a procedure using a voice synthesis model for parametric voice synthesis. This allows the information providing device 1 to perform voice synthesis that is more expressive and natural than a hidden Markov model. In particular, the procedure preferably includes a procedure using neural network voice synthesis, which can perform voice synthesis that is more expressive and natural than hidden Markov model voice synthesis.

GPTによる回答が生成されると、制御部11は、記憶部12及び通信部13と協働し、質問に対するレポートを生成する前に、さらなる対話を要するか判別するステップS9の処理を実行する。労務管理に関する質問への回答等の情報提供においては、図表等が含まれるレポートより、対話が重要な場面がある。ステップS9の処理が実行されることにより、情報提供装置1は、対話が重要な場面において、レポートの提示によって対話を中断させることを防げる。 When a response is generated by the GPT, the control unit 11, in cooperation with the memory unit 12 and the communication unit 13, executes the process of step S9 to determine whether further dialogue is required before generating a report for the question. When providing information such as answers to questions about labor management, there are times when dialogue is more important than a report that includes charts and graphs. By executing the process of step S9, the information providing device 1 can prevent interrupting the dialogue by presenting a report in situations where dialogue is important.

[ステップS9:さらなる対話を要するか判別]
制御部11は、記憶部12と協働して、さらなる対話を要するか判別する処理を実行する(ステップS9、対話続行判別ステップ)。要すると判別したならば、制御部11は、対話の履歴を記憶部12に格納し、処理をステップS1に移す。要すると判別しなかったならば、制御部11は、処理をステップS10に移す。対話続行判別ステップは、特に限定されない。該ステップは、例えば、レポートの生成が指示及び/又は示唆されていない場合、ステップS7において質問を補足するよう促す回答が生成された場合等にさらなる対話を要すると判別する手順を含む。
[Step S9: Determine if further interaction is required]
The control unit 11, in cooperation with the storage unit 12, executes a process of determining whether further dialogue is required (step S9, dialogue continuation determination step). If it is determined that further dialogue is required, the control unit 11 stores the dialogue history in the storage unit 12 and moves the process to step S1. If it is not determined that further dialogue is required, the control unit 11 moves the process to step S10. The dialogue continuation determination step is not particularly limited. This step includes a procedure of determining that further dialogue is required, for example, when the generation of a report is not instructed and/or suggested, when a response prompting a supplement to the question is generated in step S7, etc.

質問に対する回答が生成された後に、制御部11は、記憶部12及び通信部13と協働して図表等取得部116を実行する。そして、制御部11は、図表等取得部116に関する処理である、ステップS10からステップS11の処理を実行する。 After the answer to the question is generated, the control unit 11 executes the chart, etc. acquisition unit 116 in cooperation with the memory unit 12 and the communication unit 13. The control unit 11 then executes the processes related to the chart, etc. acquisition unit 116, from step S10 to step S11.

質問に対する回答は、図、表、及び画像等によって例示される図表等が付されて補足されることにより、より理解しやすく正確な情報となる。しかしながら、GPTは、人間のようなテキストを生成する言語モデルであり、質問に対する回答を補足する図表等を生成する言語モデルではない。よって、GPTのみを用いる手法は、質問に対するより理解しやすく正確な情報を提供する点において、さらなる改良の余地がある。 Answers to questions become more understandable and accurate when supplemented with diagrams, tables, images, and other such illustrations. However, GPT is a language model that generates human-like text, and is not a language model that generates diagrams and other illustrations that supplement answers to questions. Therefore, there is room for further improvement in the method of using only GPT in terms of providing more understandable and accurate information to questions.

図表等取得部116に関する処理が実行されることにより、本実施形態の情報提供装置1は、質問に関する図表等をWeb上から取得し、GPTによって生成された回答に取得した図表等を付したレポートを生成できる。対象とするサービスの分野が、例えば、労務管理に関する助言を与えるサービスである場合、Web上には、省庁等が提供する労務管理に関する図表等の多様な質問に対する回答を補足できる正確な図表等が多数存在する。これにより、本発明は、質問に対し、図、表、及び画像等によって例示される図表等が付された、より理解しやすく正確な情報を提供できる。 By executing the process related to the chart/diagram acquisition unit 116, the information providing device 1 of this embodiment can acquire charts/diagrams related to the question from the Web and generate a report in which the acquired charts/diagrams are attached to the answer generated by GPT. For example, if the target service field is a service that provides advice on labor management, there are many accurate charts/diagrams on the Web that can supplement answers to various questions, such as charts related to labor management provided by government ministries and agencies. This allows the present invention to provide more understandable and accurate information in response to questions, accompanied by charts/diagrams exemplified by figures, tables, images, etc.

[ステップS10:検索フレーズを生成]
制御部11は、記憶部12及び通信部13と協働して、ステップS1で受信した質問に基づいてWeb上から図表等を検索するための検索フレーズを生成する処理を実行する(ステップS10、検索フレーズ生成ステップ)。制御部11は、処理をステップS11に移す。
[Step S10: Generate search phrases]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of generating a search phrase for searching for charts and the like on the Web based on the question received in step S1 (step S10, search phrase generation step). The control unit 11 then proceeds to step S11.

検索フレーズ生成ステップは、特に限定されない。該ステップは、例えば、検索フレーズの生成手順が記録されたRPAを用いた手順でも良く、検索フレーズの生成に関する事前学習が行われたGPTを用いた手順でも良い。 The search phrase generation step is not particularly limited. For example, the step may be a procedure using RPA in which a procedure for generating search phrases is recorded, or a procedure using GPT that has been pre-trained on generating search phrases.

[ステップS11:Web上から図表等を取得]
制御部11は、記憶部12及び通信部13と協働して、ステップS10で生成された検索フレーズを用いてステップS1で受信した質問に関する図表等をWeb上から取得する処理を実行する(ステップS11、図表等取得ステップ)。制御部11は、処理をステップS12に移す。
[Step S11: Obtaining charts, tables, etc. from the Web]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of acquiring, from the Web, charts and the like related to the question received in step S1, using the search phrase generated in step S10 (step S11, chart and the like acquisition step). The control unit 11 then proceeds to step S12.

制御部11は、記憶部12及び通信部13と協働して割合設定部117及び情報取得部118を実行することが好ましい。このとき、制御部11は、割合設定部117に関する処理であるステップS12の処理及び情報取得部118に関する処理であるステップS13からステップS14の処理を実行する。 It is preferable that the control unit 11 cooperates with the memory unit 12 and the communication unit 13 to execute the ratio setting unit 117 and the information acquisition unit 118. At this time, the control unit 11 executes the process of step S12, which is the process related to the ratio setting unit 117, and the process of steps S13 to S14, which are the process related to the information acquisition unit 118.

[ステップS12:レポートにおける各種情報の割合を設定]
制御部11は、記憶部12及び通信部13と協働して、後にレポート生成部119によって生成されるレポートにおける情報取得部118によって取得された各種情報の割合を設定する処理を実行する(ステップS12、割合設定ステップ)。制御部11は、処理をステップS13に移す。
[Step S12: Setting the ratio of various information in the report]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of setting the ratio of various pieces of information acquired by the information acquisition unit 118 in a report to be generated later by the report generation unit 119 (step S12, ratio setting step). The control unit 11 proceeds to step S13.

割合設定ステップは、特に限定されない。該ステップは、例えば、質問者の指定に基づく手順でも良く、各種情報の割合の設定に関する手順が記録されたRPAを用いた手順でも良く、履歴から各種情報の割合を設定することに関する事前学習が行われたGPTを用いた手順でも良い。質問者の指定に基づく手順として、例えば、あらかじめ用意された5段階の割合を利用者に提示し、その中から各種情報の割合を選択させる手順等が挙げられる。 The ratio setting step is not particularly limited. For example, the step may be a procedure based on the requester's specification, a procedure using RPA in which procedures for setting the ratios of various pieces of information are recorded, or a procedure using GPT that has undergone advance learning regarding setting the ratios of various pieces of information from history. An example of a procedure based on the requester's specification is a procedure in which five levels of ratios prepared in advance are presented to the user and the user is asked to select the ratio of various pieces of information from among them.

割合設定ステップは、各種情報ごとに、該情報が含まれる割合の下限及び上限等によって示された範囲によって割合を設定することが好ましい。これにより、生成される回答、取得される図表等、取得される各種情報の量を細かく制御できない場合であっても、情報提供装置1は、割合設定ステップにおいて設定された範囲で示された割合で、解決案、通達、及び判例を含むようレポートを生成できる。 In the ratio setting step, it is preferable to set a ratio for each type of information according to a range indicated by a lower limit and an upper limit of the ratio of the information included. In this way, even if the amount of each type of information obtained, such as the answers generated and the charts obtained, cannot be precisely controlled, the information providing device 1 can generate a report that includes solutions, notices, and precedents in the ratio indicated by the range set in the ratio setting step.

組織は、事業規模、事業内容、立地等によって例示される組織の性質によって、労務管理に関する質問において期待する回答の傾向が異なる場合がある。そのため、割合設定ステップは、ステップS7において示した組織から提供された組織情報を用いて組織をその性質ごとにあらかじめ用意された複数のグループのいずれかに分類し、該グループに関連付けられた割合を設定する手順を含むことが好ましい。 Depending on the nature of the organization, such as business scale, business content, location, etc., the expected tendency of answers to questions regarding labor management may differ. Therefore, it is preferable that the ratio setting step includes a procedure of classifying the organization into one of a number of groups prepared in advance according to its nature using the organizational information provided by the organization shown in step S7, and setting a ratio associated with the group.

割合設定ステップは、レポートに含まれる質問された労務管理に関する課題に対応する解決案の割合、該課題に関する官公庁等からの通達の割合、及び該課題に関する裁判所における判例の割合を設定する手順を含むことが好ましい。これにより、情報提供装置1は、解決案、通達、課題のそれぞれが含まれる割合を質問者が属する組織の性質に応じて適切に設定できる。 The proportion setting step preferably includes a procedure for setting the proportion of solutions corresponding to the labor management-related issues included in the report that are the subject of the question, the proportion of notices from government agencies and the like relating to the issues, and the proportion of court precedents relating to the issues. This allows the information providing device 1 to appropriately set the proportions of solutions, notices, and issues included depending on the nature of the organization to which the questioner belongs.

[ステップS13:各種情報の取得を要するか判別]
制御部11は、記憶部12と協働して、ステップS12で割合が設定された各種情報の取得を要するか判別する処理を実行する(ステップS13、取得要否判別ステップ)。要すると判別したならば、制御部11は、処理をステップS14に移す。要すると判別しなかったならば、制御部11は、処理をステップS16に移す。取得要否判別ステップは、特に限定されず、例えば、ステップS12において設定された各種情報の割合のいずれかが0でない場合に各種情報の取得を要すると判別する手順等を含む。
[Step S13: Determine whether various information needs to be acquired]
The control unit 11, in cooperation with the storage unit 12, executes a process of determining whether or not it is necessary to acquire the various information whose ratios have been set in step S12 (step S13, acquisition necessity determination step). If it is determined that it is necessary, the control unit 11 moves the process to step S14. If it is not determined that it is necessary, the control unit 11 moves the process to step S16. The acquisition necessity determination step is not particularly limited, and may include, for example, a procedure of determining that it is necessary to acquire the various information if any of the ratios of the various information set in step S12 is not 0.

[ステップS14:各種情報を取得]
制御部11は、記憶部12と協働して、ステップS13で取得を要すると判別された各種情報を記憶部12に記憶された労務管理情報データベースから取得する処理を実行する(ステップS14、情報取得ステップ)。制御部11は、処理をステップS15に移す。
[Step S14: Acquire various information]
The control unit 11, in cooperation with the storage unit 12, executes a process of acquiring the various pieces of information determined to be required to be acquired in step S13 from the labor management information database stored in the storage unit 12 (step S14, information acquisition step). The control unit 11 proceeds to step S15.

情報取得ステップで取得される情報は、ステップS13での判別に基づいて、労務管理に関する質問への解決案、労務管理に関する行政機関の通達、及び/又は労務管理に関する判例を含むことが好ましい。これにより、情報提供装置1は、労務管理情報データベースに格納された、人間によって内容が確認され、質問と対応付けられた解決案、通達、判例等の各種情報が添えられたレポートを生成できる。 It is preferable that the information acquired in the information acquisition step includes solutions to questions about labor management, notices from government agencies about labor management, and/or legal precedents about labor management, based on the determination in step S13. This allows the information providing device 1 to generate a report that includes various information such as solutions, notices, legal precedents, etc., that have been stored in the labor management information database and whose contents have been confirmed by a human and that are associated with questions.

制御部11は、記憶部12及び通信部13と協働してレポート生成部119を実行する。そして、制御部11は、レポート生成部119に関する処理であるステップS15からステップS16の処理を実行する。 The control unit 11 executes the report generation unit 119 in cooperation with the memory unit 12 and the communication unit 13. The control unit 11 then executes the processes from step S15 to step S16, which are processes related to the report generation unit 119.

[ステップS15:図表等及び各種情報が添えられたレポートを生成]
制御部11は、記憶部12及び通信部13と協働して、ステップS7で生成された回答に、ステップS11で取得された図表等とステップS14で取得された各種情報とが添えられたレポートを生成する処理を実行する(ステップS15、各種情報付レポート生成ステップ)。制御部11は、情報提供処理を終了し、処理をステップS1に戻す。
[Step S15: Generate a report with charts, graphs, and other information]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of generating a report in which the answer generated in step S7 is accompanied by the charts and the like acquired in step S11 and the various information acquired in step S14 (step S15, various information-attached report generating step). The control unit 11 ends the information provision process and returns the process to step S1.

各種情報付レポート生成ステップで生成されるレポート(各種情報付レポート)は、ステップS11で取得された図表等を所定の割合で含む。ここで言う「所定の割合で含む」は、例えば、図表等が各種情報付レポートに占める面積の割合があらかじめ設定された割合の範囲に含まれることを指す。 The report generated in the various information-attached report generation step (various information-attached report) includes a predetermined proportion of the charts, etc. acquired in step S11. Here, "including a predetermined proportion" refers to, for example, that the proportion of the area that the charts, etc. occupy in the various information-attached report is within a preset range of proportions.

各種情報付レポートは、ステップS14で取得された解決案、通達、及び判例をステップS12で設定された割合(割合設定部117によって設定された割合)で含む。ここで言う「割合で含む」は、例えば、各種情報の面積、文字数等の割合がステップS12で設定された割合の範囲に含まれることを指す。各種情報付レポートは、後に、図6及び図7を用いてより詳細に説明される。 The report with various information includes the solutions, notices, and precedents obtained in step S14 at the ratio set in step S12 (the ratio set by the ratio setting unit 117). "Include at the ratio" here means that, for example, the ratio of the area, number of characters, etc. of the various information is included within the range of the ratio set in step S12. The report with various information will be described in more detail later with reference to Figures 6 and 7.

情報提供装置1は、図表等に加えて各種情報が設定された割合で含まれた各種情報付レポートを生成することにより、質問に関する各種情報(解決案、通達、判例等)が含まれた正確かつわかりやすい情報を提供できる。各種情報が労務管理情報データベースにあらかじめ格納された情報であるため、情報提供装置1は、クローリング等によってWeb上から定期的に取得され、利用者が確認可能な情報であり、人間によって内容が確認され、質問と適切に関連付けられる等した各種情報によって、提供される情報をより正確なものとすることができる。 The information providing device 1 can provide accurate and easy-to-understand information that includes various information related to questions (solution proposals, notices, precedents, etc.) by generating reports with various information that includes a set ratio of various information in addition to charts, etc. Since the various information is information that is pre-stored in the labor management information database, the information providing device 1 can provide more accurate information that is periodically obtained from the Web by crawling, etc., and is information that can be confirmed by users, and whose contents are confirmed by humans and appropriately associated with questions, etc.

[ステップS16:図表等が添えられたレポートを生成]
制御部11は、記憶部12及び通信部13と協働して、ステップS7で生成された回答に、ステップS11で取得された図表等が添えられたレポートを生成する処理を実行する(ステップS16、レポート生成ステップ)。制御部11は、情報提供処理を終了し、処理をステップS1に戻す。
[Step S16: Generate a report with charts, graphs, etc.]
The control unit 11, in cooperation with the storage unit 12 and the communication unit 13, executes a process of generating a report in which the answer generated in step S7 is supplemented with the charts and the like acquired in step S11 (step S16, report generation step). The control unit 11 ends the information provision process and returns the process to step S1.

レポート生成ステップで生成されるレポート(回答レポート)は、ステップS11で取得された図表等を所定の割合で含む。ここで言う「所定の割合で含む」は、例えば、図表等が回答レポートに占める面積の割合があらかじめ設定された割合の範囲に含まれることを指す。回答レポートは、後に、図5を用いてより詳細に説明される。 The report (answer report) generated in the report generation step includes a predetermined proportion of the charts, etc. acquired in step S11. Here, "including a predetermined proportion" refers to, for example, that the proportion of the area of the answer report that the charts, etc. occupy is within a preset range. The answer report will be described in more detail later with reference to FIG. 5.

情報提供装置1は、所定の割合の図表等が含まれた各種情報付レポートを生成することにより、対象とするサービスの分野における多様な質問に対する正確かつわかりやすい情報を提供できる。 The information providing device 1 can provide accurate and easy-to-understand information for various questions in the field of the target service by generating reports with various information including charts and graphs of a specified ratio.

[アンケートステップ]
情報提供処理は、GPTの追加学習、後述の履歴提供ステップ等で利用すべく、情報提供装置1への質問及び情報提供装置1からの回答からなる対話に対する質問者の評価を取得し、記憶部12に記憶するアンケートステップを含むことが好ましい。
[Survey Step]
It is preferable that the information provision process includes a questionnaire step in which the questioner's evaluation of the dialogue consisting of a question to the information provision device 1 and a response from the information provision device 1 is obtained and stored in the memory unit 12 for use in additional learning of the GPT, the history provision step described below, etc.

これにより、情報提供装置1は、対話が質問した課題の解決に寄与したと感じられたか否か、対話が感情に寄り添っていると感じられたか否か、人間のオペレータとの対話の方が好ましいか否か等によって例示される質問者の評価をGPTの追加学習、後述の履歴提供ステップ等で利用できる。これにより、情報提供装置1は、人間のオペレータへの引継ぎを行うタイミングをより的確に判断できるよう改善され得る。 In this way, the information providing device 1 can use the questioner's evaluation, exemplified by whether or not the questioner felt that the dialogue contributed to solving the problem asked about, whether or not the questioner felt that the dialogue was emotionally relevant, whether or not the questioner would prefer dialogue with a human operator, etc., in additional learning of the GPT, in the history providing step described below, etc. This can improve the information providing device 1 so that it can more accurately determine the timing to hand over to a human operator.

[履歴提供ステップ]
情報提供処理は、情報提供装置1において送受信した質問、回答、図表等、各種情報等の1以上を含む履歴を対象とするサービスの分野における専門家等に提供する履歴提供ステップを含むことが好ましい。これにより、当該専門家は、質問者及び該質問者が属する組織の性質に応じた助言の改善に、当該履歴の内容・傾向等を利用できる。
[History provision step]
The information provision process preferably includes a history provision step of providing a history including one or more of various information such as questions, answers, charts, etc., transmitted and received by the information provision device 1 to an expert or the like in the field of the target service. This enables the expert to use the contents and trends of the history to improve advice according to the nature of the questioner and the organization to which the questioner belongs.

これにより、例えば、対象とするサービスの分野が労務管理に関する助言を与えるサービスである場合、社労士等の労務管理に関する専門家は、質問の内容、質問の傾向、質問者が属する組織の規模・業種・立地等が含まれた履歴に基づいて、当該組織に対し、規則の整備等の作業性を向上させる助言等を行い得る。 For example, if the service field in question is one that provides advice on labor management, a labor management expert such as a social insurance labor consultant can provide advice to the organization on how to improve work efficiency, such as by establishing rules, based on a history that includes the content of the question, the tendency of the question, and the size, industry, and location of the organization to which the questioner belongs.

[情報更新ステップ]
情報提供処理は、行政機関の通達文を公開するウェブサイト、裁判所の判例を公開するウェブサイト等によって例示される所定のクローリング対象サイトをクローリングし、公開されている通達文、判例等を用いてGPTの追加訓練を行う情報更新ステップを含むことが好ましい。これにより、情報提供装置1は、改正によって古いものとなった制度、判例によって適切でないと示された運用等によって例示される、以前は正確であったが通達文、判例等によって正確でなくなった回答を生成することを防ぐことができる。
[Information update step]
The information provision process preferably includes an information updating step of crawling a predetermined crawling target site, exemplified by a website that publishes notices from administrative agencies, a website that publishes precedents from courts, etc., and performing additional training of the GPT using the published notices, precedents, etc. This enables the information provision device 1 to prevent generating answers that were previously accurate but have become inaccurate due to notices, precedents, etc., exemplified by a system that has become outdated due to revision, an operation that has been shown to be inappropriate by precedents, etc.

<使用例>
以下、情報提供装置1の使用例が説明される。
<Usage example>
An example of how the information providing device 1 is used will be described below.

〔質問の送信〕
まず、端末Tを介して情報提供装置1を利用する利用者は、組織の労務管理に関する質問(例えば、「タイムレコーダーを良くしたい。」とのテキスト又は発話による音声データ)を情報提供装置1に送信する。情報提供装置1は、送信された質問を受信する。
[Submit a question]
First, a user who uses the information providing device 1 via the terminal T transmits a question about the labor management of the organization (for example, text or spoken voice data such as "I would like to improve the time recorder") to the information providing device 1. The information providing device 1 receives the transmitted question.

〔回答の生成〕
情報提供装置1は、質問を分類することに関する事前学習が行われたGPTを用いて受信された質問を分類し、当該質問が労働時間に関する質問であるとの分類結果を得る。そして、情報提供装置1は、労働時間に関する事前学習が行われた労働時間事前学習済GPTを用いて受信された質問への回答を生成する。
[Answer Generation]
The information providing device 1 classifies the received question using a GPT that has been pre-trained on classifying questions, and obtains a classification result that the question is a question about working hours. Then, the information providing device 1 generates an answer to the received question using a working hours pre-trained GPT that has been pre-trained on working hours.

[補足情報の要請]
ここで、質問が「タイムレコーダーを良くしたい。」との曖昧な質問であったため、労働時間事前学習済GPTは、質問の意図を絞り込むべく、「タイムレコーダーを良くするためには、どのような点を改善したいのでしょうか? 詳細をお聞かせください。」との回答を生成する。そして、情報提供装置1は、音声合成モデルを用いてこの回答を読み上げる。利用者は、端末Tにおいて読み上げられた回答を受けて、「あー、つまり、タイムレコーダーを良くして勤怠管理を効率化したいということです。」と補足する情報を送信する。
[Request for additional information]
Here, since the question is ambiguous, "I want to improve the time recorder," the working-hour pre-trained GPT generates an answer, "What aspects would you like to improve in order to improve the time recorder? Please tell me the details," in order to narrow down the intent of the question. The information providing device 1 then reads out this answer using a voice synthesis model. In response to the answer read out on the terminal T, the user transmits supplementary information, such as, "Ah, so what I'm saying is that I want to improve the time recorder to make attendance management more efficient."

[組織情報提供の要請]
ここで、利用者が属する組織の性質及び該組織における勤怠管理の現状が不明であるため、労働時間事前学習済GPTは、現状を確認すべく、「会社についての資料をいただけますでしょうか。また、勤怠管理の現状をお聞かせください。」との回答を生成する。利用者は、この回答を受けて、該組織の規模・業種に関する資料と、該組織で使われているタイムカードとを情報提供装置1に提供する。情報提供装置1は、提供された情報を受信し、該情報を履歴に含めて回答を生成する。
[Request for organization information]
Here, since the nature of the organization to which the user belongs and the current status of attendance management in the organization are unknown, the working hours pre-trained GPT generates a response to confirm the current status, saying, "Could you please provide us with materials about your company? Also, please tell us the current status of attendance management." In response to this response, the user provides the information providing device 1 with materials related to the size and industry of the organization and the time cards used in the organization. The information providing device 1 receives the provided information and generates a response by including the information in its history.

〔レポートの生成〕
情報提供装置1は、ここまでの質問及び回答からなる対話並びに提供された情報を履歴に含めて、労働時間事前学習済GPTに質問に対する回答を生成させる。また、情報提供装置1は、質問(及び補足する情報)から「勤怠管理」との検索フレーズを生成し、Web上から「勤怠管理」に関する図表等を取得する。そして、情報提供装置1は、生成された回答及び取得された図表等を含むレポートを生成する。
[Generating Reports]
The information providing device 1 includes the dialogue consisting of the questions and answers up to this point and the provided information in the history, and causes the working time pre-trained GPT to generate an answer to the question. The information providing device 1 also generates a search phrase "attendance management" from the question (and supplementary information), and acquires charts and the like related to "attendance management" from the Web. The information providing device 1 then generates a report including the generated answers and the acquired charts and the like.

図5は、本実施形態の情報提供処理において生成されたレポートの一例である。図5に示される第1レポートR1は、GPTにより生成された回答(第1表題R1T「勤怠管理の効率化に関する提案」及び勤怠管理の効率化の具体的な手法が示された第1生成テキストR1G)、Web上から取得された図表等(勤怠管理に関するアンケート結果の円グラフ、勤怠管理の現状、課題、解決策、利点がまとめられた表を含む第1図表等R1F)を含む。 Figure 5 is an example of a report generated in the information provision process of this embodiment. The first report R1 shown in Figure 5 includes answers generated by the GPT (first title R1T "Proposal for Improving the Efficiency of Attendance Management" and first generated text R1G showing specific methods for improving the efficiency of attendance management), and charts, etc. obtained from the web (first charts, etc. R1F including a pie chart of the results of a questionnaire on attendance management and a table summarizing the current situation, issues, solutions, and advantages of attendance management).

情報提供装置1は、上述の手順を経て第1レポートR1を生成することにより、対象とするサービスの分野(労務管理に関する助言を与えるサービス)における多様な質問に対する正確な情報がわかりやすく示されたレポートを提供できる。 By generating the first report R1 through the above-described procedure, the information providing device 1 can provide a report that clearly shows accurate information for various questions in the field of the target service (service providing advice on labor management).

[各種情報が含まれたレポート]
以下は、割合設定部117及び情報取得部118を備える情報提供装置1が生成するレポートの一例である。
[Reports containing various information]
The following is an example of a report generated by the information providing device 1 including the ratio setting unit 117 and the information acquiring unit 118.

図6は、各種情報が設定された割合で含まれるよう生成されたレポートの一例である。図6に示される第2レポートR2の生成において、割合設定部117は、利用者の性質に関する判別から、解決案及び通達が含まれる割合をそれぞれ1-3割に設定し、判例が含まれる割合を0割に設定した。そのため、第2レポートR2は、第1レポートR1と異なり、それぞれ2割程度の分量の第2解決案R2S(「解決案等」と題され、勤怠管理ツールの名称及びそのURLが示されている)及び第2通達R2N(「関連通達等」と題され、中小企業庁による通達及びそのURLが示されている)を含む。第2解決案R2S及び第2通達R2Nは、本実施形態のデータベースから取得された各種情報である。なお、第2レポートR2は、第1レポートR1と同様に、GPTにより生成された回答(第2表題R2T「勤怠管理の効率化に関する提案」及び勤怠管理の効率化の具体的な手法が示された第2生成テキストR2G)、Web上から取得された図表等(勤怠管理に関するアンケート結果の円グラフ、勤怠管理の現状、課題、解決策、利点がまとめられた表を含む第2図表等R2F)を含んでいる。 Figure 6 is an example of a report generated so that various information is included at a set ratio. In generating the second report R2 shown in Figure 6, the ratio setting unit 117 sets the ratio of solutions and notices included to 10-30% each based on the judgment regarding the user's characteristics, and sets the ratio of precedents included to 0%. Therefore, unlike the first report R1, the second report R2 includes a second solution proposal R2S (titled "Solution proposal, etc." and showing the name of the attendance management tool and its URL) and a second notice R2N (titled "Related notices, etc." and showing notices from the Small and Medium Enterprise Agency and their URL), each of which accounts for about 20% of the total. The second solution proposal R2S and the second notice R2N are various information obtained from the database of this embodiment. Like the first report R1, the second report R2 includes answers generated by the GPT (the second title R2T "Proposals for improving the efficiency of attendance management" and the second generated text R2G showing specific methods for improving the efficiency of attendance management), as well as charts and graphs obtained from the web (the second charts and graphs R2F including a pie chart of the results of a questionnaire on attendance management and a table summarizing the current situation, issues, solutions, and advantages of attendance management).

図7は、各種情報が図6と異なる割合で含まれるよう生成されたレポートの一例である。図7に示される第3レポートR3の生成において、割合設定部117は、利用者の性質に関する判別から、解決案が含まれる割合を1-3割に設定し、通達及び判例が含まれる割合をそれぞれ0割に設定した。そのため、第3レポートR3は、第1レポートR1及び第2レポートR2のいずれとも異なり、2割程度の分量の第3解決案R3S(「解決案等」と題され、勤怠管理ツールの名称及びそのURLが示されている)を含み、通達等を含まない。第3解決案R3Sは、本実施形態のデータベースから取得された各種情報である。なお、第3レポートR3は、第1レポートR1及び第2レポートR2と同様に、GPTにより生成された回答(第3表題R3T「勤怠管理の効率化に関する提案」及び勤怠管理の効率化の具体的な手法が示された第3生成テキストR3G)、Web上から取得された図表等(勤怠管理に関するアンケート結果の円グラフ、勤怠管理の現状、課題、解決策、利点がまとめられた表を含む第3図表等R3F)を含んでいる。 Figure 7 is an example of a report that has been generated so that various information is included in different proportions than in Figure 6. In generating the third report R3 shown in Figure 7, the proportion setting unit 117 sets the proportion of solutions included to 10-30% based on a determination of the user's characteristics, and sets the proportion of notices and precedents included to 0%. Therefore, unlike both the first report R1 and the second report R2, the third report R3 includes about 20% of the third solution proposal R3S (titled "Solution proposal, etc." and showing the name of the attendance management tool and its URL), and does not include notices, etc. The third solution proposal R3S is various information obtained from the database of this embodiment. Like the first report R1 and the second report R2, the third report R3 includes answers generated by the GPT (third title R3T "Proposals for improving the efficiency of attendance management" and third generated text R3G showing specific methods for improving the efficiency of attendance management), as well as charts and other data obtained from the web (third charts and other data R3F including a pie chart of the results of a questionnaire on attendance management and a table summarizing the current situation, issues, solutions, and advantages of attendance management).

このように、割合設定部117及び情報取得部118を備える情報提供装置1は、利用者に合わせて各種情報が所定割合で含まれるレポートを生成するため、対象とするサービスの分野における多様な質問に対する正確な情報がよりいっそうわかりやすく示されたレポートを提供できる。 In this way, the information providing device 1 equipped with the ratio setting unit 117 and the information acquiring unit 118 generates a report that includes various information in a predetermined ratio tailored to the user, and can provide a report that shows accurate information in response to various questions in the field of the target service in an even easier-to-understand manner.

なお、本発明の思想の範疇において、当業者であれば各種の変更例及び修正例に想到し得るものである。よって、それら変更例及び修正例は、本発明の範囲に属するものと了解される。例えば、前述の実施の形態に対して、当業者が適宜、構成要素の追加、削除若しくは設計変更を行ったもの、又は、工程の追加、省略若しくは条件変更を行ったものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。 Note that within the scope of the concept of the present invention, a person skilled in the art may come up with various modifications and alterations. It is therefore understood that these modifications and alterations fall within the scope of the present invention. For example, even if a person skilled in the art appropriately adds, deletes, or modifies the design of the above-mentioned embodiment, or adds, omits, or modifies processes, these modifications are also included in the scope of the present invention as long as they incorporate the gist of the present invention.

S システム
1 情報提供装置
11 制御部
111 質問受信部
112 感情推定部
113 引継部
114 回答生成部
115 読上部
116 図表等取得部
117 割合設定部
118 情報取得部
119 レポート生成部
12 記憶部
13 通信部
N ネットワーク
T 端末
S System 1 Information providing device 11 Control unit 111 Question receiving unit 112 Emotion estimating unit 113 Handover unit 114 Answer generating unit 115 Reading unit 116 Chart and other obtaining unit 117 Ratio setting unit 118 Information obtaining unit 119 Report generating unit 12 Storage unit 13 Communication unit N Network T Terminal

Claims (1)

質問を受信する質問受信部と、
言語モデルに前記質問に対する回答を生成させる回答生成部と、
前記回答生成部により生成された回答を含むレポートを生成するレポート生成部と、
前記質問に関する各種情報を取得する情報取得部と、
前記レポート生成部が生成するレポートにおける前記質問に関する各種情報の割合を設定する割合設定部と、
を備え、
前記レポート生成部は、前記割合設定部において設定された割合で前記各種情報を含むレポートを生成する、
情報提供装置。
a question receiving unit for receiving a question;
an answer generation unit that causes a language model to generate an answer to the question;
a report generation unit that generates a report including the answer generated by the answer generation unit;
an information acquisition unit that acquires various information related to the question;
a ratio setting unit that sets a ratio of various pieces of information related to the question in the report generated by the report generating unit;
Equipped with
the report generation unit generates a report including the various information at the ratio set by the ratio setting unit.
Information providing device.
JP2023147915A 2023-04-20 2023-09-12 Information Providing Device Active JP7519138B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023147915A JP7519138B1 (en) 2023-04-20 2023-09-12 Information Providing Device
JP2024095334A JP2024155910A (en) 2023-04-20 2024-06-12 Information Providing Device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023069184A JP7353695B1 (en) 2023-04-20 2023-04-20 Information provision device
JP2023147915A JP7519138B1 (en) 2023-04-20 2023-09-12 Information Providing Device

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2023069184A Division JP7353695B1 (en) 2023-04-20 2023-04-20 Information provision device

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2024095334A Division JP2024155910A (en) 2023-04-20 2024-06-12 Information Providing Device

Publications (2)

Publication Number Publication Date
JP7519138B1 true JP7519138B1 (en) 2024-07-19
JP2024155674A JP2024155674A (en) 2024-10-31

Family

ID=88198154

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2023069184A Active JP7353695B1 (en) 2023-04-20 2023-04-20 Information provision device
JP2023147915A Active JP7519138B1 (en) 2023-04-20 2023-09-12 Information Providing Device
JP2024095334A Pending JP2024155910A (en) 2023-04-20 2024-06-12 Information Providing Device

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2023069184A Active JP7353695B1 (en) 2023-04-20 2023-04-20 Information provision device

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2024095334A Pending JP2024155910A (en) 2023-04-20 2024-06-12 Information Providing Device

Country Status (1)

Country Link
JP (3) JP7353695B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004302660A (en) 2003-03-28 2004-10-28 Toshiba Corp Question answer system, its method and program
JP2016018386A (en) 2014-07-08 2016-02-01 株式会社Nttドコモ Information processing apparatus, program, and content provision method
CN111523019A (en) 2020-04-23 2020-08-11 北京百度网讯科技有限公司 Method, apparatus, device and storage medium for outputting information
CN114372160A (en) 2022-01-12 2022-04-19 北京字节跳动网络技术有限公司 Search request processing method and device, computer equipment and storage medium

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6464604B2 (en) * 2014-08-08 2019-02-06 富士通株式会社 Search support program, search support method, and search support apparatus
GB2552598A (en) * 2015-07-13 2018-01-31 Google Inc Images for query answers

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004302660A (en) 2003-03-28 2004-10-28 Toshiba Corp Question answer system, its method and program
JP2016018386A (en) 2014-07-08 2016-02-01 株式会社Nttドコモ Information processing apparatus, program, and content provision method
CN111523019A (en) 2020-04-23 2020-08-11 北京百度网讯科技有限公司 Method, apparatus, device and storage medium for outputting information
CN114372160A (en) 2022-01-12 2022-04-19 北京字节跳动网络技术有限公司 Search request processing method and device, computer equipment and storage medium

Also Published As

Publication number Publication date
JP7353695B1 (en) 2023-10-02
JP2024155910A (en) 2024-10-31
JP2024155674A (en) 2024-10-31
JP2024154941A (en) 2024-10-31

Similar Documents

Publication Publication Date Title
US11328231B2 (en) Method of matching employers with job seekers
CN107851097B (en) Data analysis system, data analysis method, data analysis program, and storage medium
US11675821B2 (en) Method for capturing and updating database entries of CRM system based on voice commands
US12079706B2 (en) Method for capturing and storing contact information from a physical medium using machine learning
AU2013251195B2 (en) Program, apparatus, and method for information processing
CN115335902A (en) System and method for automatic candidate evaluation in asynchronous video settings
TW200837717A (en) Apparatus and method to reduce recognization errors through context relations among dialogue turns
JP2017504883A (en) Model-driven candidate sorting based on audio cues
US10810511B2 (en) Data input in an enterprise system for machine learning
JP2008547038A (en) Systems and methods for semantic knowledge evaluation, teaching and acquisition
CN110264330B (en) Credit index calculation method, apparatus, and computer-readable storage medium
US9171255B2 (en) Method, software, and system for making a decision
JP2022184890A (en) Conversation business tool
CN111507573A (en) Business staff assessment method, system, device and storage medium
US20210390263A1 (en) System and method for automated decision making
JP2007226460A (en) Data processor and data processing method
Mascaro et al. Not just a wink and smile: an analysis of user-defined success in online dating
JP7519138B1 (en) Information Providing Device
Riley et al. Decision making in wildlife management
Stanica et al. How to choose one’s career? a proposal for a smart career profiler system to improve practices from romanian educational institutions
US20240112120A1 (en) Quantifying human sentiment to determine a sentiment score reflective of the health of a project
US20190034474A1 (en) Resolving Inconsistencies in Information Graphs
Alkhurayyif et al. Evaluating readability as a factor in information security policies
JP7584760B1 (en) Information Providing Device
US20240312234A1 (en) Information processing device and method for processing information

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240507

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240507

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20240524

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240606

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240612

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240614

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240627

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240701

R150 Certificate of patent or registration of utility model

Ref document number: 7519138

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150