| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-06-05 14:00 ［ポスター講演］日本語日常会話コーパスを用いたマルチモーダル談話行為推定の検討 ○牧岡 秀・山田武志（筑波大）  SP2026-7 |
|
| 抄録 | （和） | 近年，大規模言語モデルの登場によって，AIとのコミュニケーションが一般的になりつつあることをきっかけに，傾聴や雑談といった自然な会話が可能な対話システムの実現がより強く求められている．対話システムとの自然な会話を成立させるためには，発話意図を談話行為として推定し，それに応じて適切な返答や行動を行うことが重要である．談話行為推定は会話文脈の把握が重視されることから，これまでにテキストを入力とするモデルが多く提案されてきた．その一方で，イントネーションといった非言語的要素の差異によって意図の解釈が分かれる発話も存在する．その中で近年の研究では，テキストと音声を利用したマルチモーダル学習が注目を集めており，テキストだけでは捉えづらいニュアンスの差異を，非言語情報を用いて補完できることが報告されている．しかし現状では，マルチモーダル学習を談話行為推定に適用した研究は依然として少なく，Transformerに代表される最新のアーキテクチャも，談話行為推定への適用は十分に進んでいない．そこで本研究では，音声およびテキストを入力とするTransformerベースのマルチモーダル学習モデルを提案し，既存研究との比較を通してその有効性を評価する．また，本研究ではデータセットとして用いる日本語日常会話コーパス（CEJC）を，マルチモーダル学習へ活用する方法についても検討する． |
| （英） | In recent years, advances in artificial intelligence have created strong demand for dialogue systems capable of natural conversation, including active listening and small talk. To realize natural conversation with a dialogue system, it is important to infer utterance intent as a dialogue act and generate an appropriate response or action accordingly. To date, many dialogue-act classification models have been proposed that use only text as input, because capturing conversational context is especially important. However, there are utterances whose intended meaning varies depending on nonverbal elements such as intonation. Against this backdrop, recent research has focused on multimodal learning that uses both text and speech, and it has been shown that nonverbal information can compensate for nuances that are difficult to capture with text alone. However, relatively few studies have applied multimodal learning to dialogue-act classification, and Transformer-based architectures have not yet been sufficiently applied to this task. Therefore, this study proposes a Transformer-based multimodal learning model that takes both speech and text as input and evaluates its effectiveness by comparing it with existing studies. In addition, this study examines how the Corpus of Everyday Japanese Conversation (CEJC), which is used as the dataset, can be leveraged for multimodal learning. | |
| キーワード | （和） | 談話行為推定 / マルチモーダル学習 / 日本語日常会話コーパス / Transformer / / / / |
| （英） | Dialogue Act Classification / Multimodal Learning / Corpus of Everyday Japanese Conversation / Transformer / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 58, SP2026-7, pp. 37-42, 2026年6月. | |
| 資料番号 | SP2026-7 | |
| 発行日 | 2026-05-29 (SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2026-7 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP IPSJ-MUS |
| 開催期間 | 2026-06-05 - 2026-06-06 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The University of Electro-Communications |
| テーマ（和） | 音学シンポジウム2026 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2026-06-SP-SLP-MUS |
| 本文の言語 | 日本語 |
| タイトル（和） | 日本語日常会話コーパスを用いたマルチモーダル談話行為推定の検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Multimodal Dialog Act Classification Using Corpus of Everyday Japanese Conversation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 談話行為推定 / Dialogue Act Classification |
| キーワード(2)（和/英） | マルチモーダル学習 / Multimodal Learning |
| キーワード(3)（和/英） | 日本語日常会話コーパス / Corpus of Everyday Japanese Conversation |
| キーワード(4)（和/英） | Transformer / Transformer |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 牧岡 秀 / Shu Makioka / マキオカ シュウ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. Tsukuba) |
| 第2著者 氏名（和/英/ヨミ） | 山田 武志 / Takeshi Yamada / ヤマダ タケシ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. Tsukuba) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-05 14:00:00 |
| 発表時間 | 180分 |
| 申込先研究会 | SP |
| 資料番号 | SP2026-7 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.58 |
| ページ範囲 | pp.37-42 |
| ページ数 | 6 |
| 発行日 | 2026-05-29 (SP) |
[研究会発表申込システムのトップページに戻る]