对话分析系统、方法以及程序

技术领域

本发明的实施方式涉及例如利用云计算而实现的对话分析系统、方法以及程序。

背景技术

近年来，利用云计算实现了能够将软件功能、平台功能(统称为信息处理功能)作为服务而提供的构造(软件即服务：SaaS或平台即服务：PaaS等云服务)。

作为通过这样的服务提供的信息处理功能，能够利用所谓的人工智能(AI)功能，例如能够构建对餐饮业的店铺、酒店等的运营进行辅助的系统。

现有技术文献

专利文献

专利文献1：日本国专利第5285575号公报

发明内容

如果能够利用作为服务而提供的包括AI功能的信息处理功能，来构建能够对与业务协作有关的业务员的对话进行分析的系统，则例如作为对店铺等的运营进行辅助的系统是有效的。

鉴于此，本发明的目的在于，提供能够对与业务协作有关的业务员的对话进行分析的对话分析系统。

本实施方式的对话分析系统是利用计算机并具备输入机构、对话分析模型机构以及信息处理机构的构成。所述输入机构输入协作而执行业务的发声者的对话数据。所述对话分析模型机构使用通过机器学习而生成的对话分析模型，基于由所述输入机构输入的对话数据来对与多个发声者的业务协作有关的对话内容进行分析。所述信息处理机构基于所述对话分析模型机构的对话分析结果来生成与业务协作有关的多种评价信息。

附图说明

图1是表示实施方式涉及的系统的构成的框图。

图2是用于对实施方式涉及的对话分析处理部的动作进行说明的流程图。

图3是表示实施方式涉及的对话数据的附带信息的一个例子的图。

图4是用于对实施方式涉及的对话分析模型处理部的动作进行说明的流程图。

图5是用于对实施方式涉及的对话分析模型处理部的功能进行说明的概念图。

图6是用于对实施方式涉及的对话分析的分类模型的一个例子进行说明的图。

图7是用于对实施方式涉及的对话分析结果的一个例子进行说明的图。

图8是用于对实施方式涉及的对话分析结果的一个例子进行说明的图。

图9是用于对实施方式涉及的仪表板(dashboard)的第一具体例进行说明的图。

图10是用于对实施方式涉及的仪表板的第二具体例进行说明的图。

图11是用于对实施方式涉及的仪表板的第三具体例进行说明的图。

图12是用于对实施方式涉及的仪表板的第四具体例进行说明的图。

图13是用于对实施方式涉及的仪表板的第五具体例进行说明的图。

图14是用于对实施方式涉及的仪表板的第六具体例进行说明的图。

图15是用于对实施方式涉及的仪表板的第七具体例进行说明的图。

图16是用于对实施方式涉及的仪表板的第八具体例进行说明的图。

图17是用于对实施方式涉及的仪表板的第九具体例进行说明的图。

图18是表示本变形例中的对话数据的附带信息的一个例子的图。

图19是用于对本变形例涉及的仪表板的具体例进行说明的图。

具体实施方式

以下，参照附图对实施方式进行说明。

[系统的构成]

图1是表示本实施方式的系统1的构成的框图。如图1所示，系统1是包括对话分析处理部10、声音输入处理部11、输出处理部16、以及服务器系统17的构成。即，本实施方式的系统1是包括对话分析系统以及服务器系统17的构成，上述对话分析系统包括对话分析处理部10、声音输入处理部11以及输出处理部16。

声音输入处理部11相当于包括内部通信通话设备12以及输入处理部13的内部通信声音系统。内部通信通话设备12是基于无线的相互通信(intercommunication)方式的区域内电话的一种，是由耳机与麦克风构成的业务用通话设备。

输入处理部13包括对从内部通信通话设备12输入的声音信号进行识别的声音识别部14以及文本化处理部15。文本化处理部15将声音识别部14的声音识别结果变换为文本数据(以下，记作对话数据)。由输入处理部13处理后的对话数据能够在未图示的平板电脑、智能手机等终端设备的显示器上显示。

对话分析处理部10是对话分析系统的主要部分，包括信息收集部20、对话分析模型处理部21以及仪表板创建部22。对话分析处理部10如后述那样，通过由云的服务器系统17作为服务而提供的信息处理功能，在客户端侧实现。客户端侧例如是个人计算机(PC)，构成上述的对话分析系统。

信息收集部20对从输入处理部13输入的对话数据进行收集、处理，并将对话分析对象的信息输出至对话分析模型处理部21。从信息收集部20输出的信息包括表示对话内容的对话数据(文本数据)以及发声者ID、发声次数、发声时机(也包括日期时间等)、位置信息以及声音识别率等信息。

对话分析模型处理部21基于从服务器系统17提供的信息处理功能所包含的机器学习后的对话分析模型，来对从信息收集部20输出的信息(对话数据)进行分析。对话分析模型处理部21如后述那样，基于规定的分类模型来输出与多个发声者间的业务协作有关的对话分析结果。对话分析结果具体包括对发声者间的沟通的顺畅度等进行分析而得到的分析结果。作为具体例，发声者如后述是店铺、酒店等的业务员所包括的团队领导、职员等。

仪表板创建部22基于来自对话分析模型处理部21的分析结果来生成与多个发声者(业务员等)的业务协作有关的仪表板。仪表板相当于与该业务协作有关的多种评价信息，是能够在PC、智能手机等显示装置的画面上显示的信息。

输出处理部16将由仪表板创建部22生成的仪表板显示在PC、智能手机等显示装置的画面上。此外，输出处理部16也可以经由因特网将该仪表板转送至服务器系统17。

服务器系统17将利用云计算而实现对话分析处理部10的信息处理功能作为服务向客户端侧(PC)提供。服务器系统17包括数据保存部23、模型学习生成部24以及知识数据库(知识DB)25。

数据保存部23除了储存上述的仪表板以及来自输入处理部13的对话数据以外，还储存与成为分析对象的店铺有关的行业、业务数据。行业、业务数据包括与一般的各种业界、企业有关的数据。模型学习生成部24执行所谓的AI功能的机器学习，生成对话分析模型处理部21的对话分析模型。模型学习生成部24根据需要，能够使用储存于数据保存部23的数据来反复进行机器学习而更新对话分析模型。知识DB25将由模型学习生成部24生成的对话分析模型、以及储存于数据保存部23的数据储存为知识库。

[系统的作用效果]

本实施方式的对话分析系统例如作为对餐饮业的店铺、住宿设施(酒店)等的运营进行辅助的系统，通过由云的服务器系统17作为服务而提供的信息处理功能，在客户端侧的PC中实现。

具体而言，本实施方式的对话分析系统对与在店铺、住宿设施等从事业务的业务员间的业务协作有关的对话进行分析，执行能够使该分析结果仪表板化(可视化)的信息处理功能。业务员包括对业务进行管理的团队领导、执行业务的职员等。

图2是用于对本实施方式的对话分析系统的主要部分即对话分析处理部10的动作进行说明的流程图。如上述那样，对话分析系统包括对话分析处理部10、声音输入处理部11以及输出处理部16。

如图2所示，对话分析处理部10从声音输入处理部11输入有对话数据(S1)。若通过各业务员所佩戴的内部通信通话设备12执行了与业务协作有关的相互通话，则声音输入处理部11输入该相互通话的内容。声音输入处理部11通过输入处理部13将该相互通话的声音识别结果变换为文本数据。

信息收集部20基于从声音输入处理部11输入的对话数据来对对话分析对象的信息进行收集、处理，并输出至对话分析模型处理部21(S2)。除了表示业务员间的对话内容的对话数据(文本数据)之外，信息收集部20还将包括发声者ID、发声次数、发声时机(也包括日期时间等)、位置信息以及声音识别率等的信息输出至对话分析模型处理部21。

发声者ID等被输出至对话分析模型处理部21的对话数据的附带信息例如能够由输入处理部13取得或者生成。能够通过将业务员所佩戴的内部通信通话设备12与利用者建立关联来取得发声者ID。通过对来自内部通信通话设备12的发声输入进行计数能够取得发声次数，能够从安装有GPS的内部通信通话设备12取得位置信息。能够根据从内部通信通话设备12进行了发声输入的时刻的时间信息取得发声时机。在是搭载有钟表功能的内部通信通话设备12的情况下，也能够从内部通信通话设备12取得时间信息。能够根据声音识别部14的识别结果计算声音识别率。

图3(A)、(B)是表示发声ID等被输入至对话分析模型处理部21的对话数据的附带信息的一个例子的图。其中，这些信息例如被保存在数据保存部23。

如图3(A)所示，附带信息记录有表示内部通信通话设备12的设备编号、用于确定从各个内部通信通话设备12发声的发声者的发声者ID、发声者姓名、发声者的职务的信息。

另外，如图3(B)所示，对于从内部通信通话设备12输入的发声信息而言，与发声者ID建立对应地记录有发声日、发声开始时间、发声结束时间、发声内容。在本实施方式中，按每个发声者ID来管理发声信息，但也可以按每一个发声日、按每一个发声者ID以及发声日等进行管理，管理方法是任意的。另外，可以基于作为分析对象而收集到的信息来每次计算发声次数，但也可以按每一个发声者ID将以发声日、规定期间(1个星期、1个月等)为单位汇总的次数附加记录于图3(B)所示的信息。对于位置信息、声音识别率，也可以与图3(B)所示的各发声建立对应地在从声音输入处理部11取得了该信息的时刻记录于数据保存部23。

对话分析模型处理部21基于由服务器系统17提供的信息处理功能所包含的机器学习后的对话分析模型，来对从信息收集部20输出的表示对话内容的对话数据进行分析(S3)。具体而言，对话分析模型处理部21如后述那样，基于规定的分类模型来输出与多个发声者间的业务协作有关的对话分析结果。对话分析结果具体包括对发声者间的沟通的顺畅度等进行了分析后的分析结果。

仪表板创建部22基于来自对话分析模型处理部21的对话分析结果来生成与多个发声者(业务员等)的业务协作有关的仪表板(S4)。仪表板相当于与多个发声者(业务员等)的业务协作有关的多种评价信息。输出处理部16将由仪表板创建部22生成的仪表板显示在PC的显示装置的画面上(S5)。

接下来，参照图4的流程图以及图5至图8来说明对话分析模型处理部21的处理。

如图4所示，对话分析模型处理部21基于机器学习后的对话分析模型对由信息收集部20收集到的对话数据进行处理(S10)。这里，图5是用于对对话分析模型处理部21的功能进行说明的概念图。

如图5所示，对话分析模型处理部21例如使用对话分析模型来处理对话数据，所述对话分析模型基于用于对业务实施的团队协作度进行识别的业务协作的视点。具体而言，对话分析模型处理部21基于对话分析模型的基本框架40来对对话数据进行分类处理。

基本框架40例如由人(Who：职务)、日期时间(When)、场所(Where)、事象(What)、理由(Why)、对话渠道(How：沟通渠道)构成。人(职务)是协作来执行业务的团队成员，例如是指团队领导(经理、女店主等)以及职员(客人接待负责人、前台等)。沟通渠道是指通过各业务员所佩戴的内部通信通话设备12进行的相互通话。

对话分析模型处理部21基于表示基本框架40所包含的事象、理由的对话数据来执行协作实施业务的团队成员的行动推断处理(S11)。如图5所示，对话分析模型处理部21通过行动推断处理生成多个分类模型42、43、44(S12)。

分类模型42例如是行动分类型模型，被生成为主体发声、应答发声、其他这3种且将主体发声分类为“委托、指示”、“探索、催促”、“报告、共享”的5个分类。分类模型43例如是3种空间分类型模型。在分类模型43中，脑是指人，场是指状态。并且，分类模型44例如是业务不同的商务要素分类型模型。

在本实施方式中，对话分析模型处理部21基于分类模型42(行动分类型模型)来对对话数据进行分类处理。图6是表示作为行动分类型模型的分类模型42的一个例子的图。

如图6所示，对话分析模型处理部21针对在对话数据中团队领导、职员作为主体发声者而发出的内容附加“委托、指示”、“探索、催促”、“报告、共享”的分类标签。各分类标签作为团队中的业务协作的要件，能够识别为意味着主体的行动的发声。

作为具体例，例如对“拜托了”、“请处理”、“代替”等发声附加“委托、指示”的分类标签。“委托、指示”的发声能够将业务的工作委托给他人且最终做出正进行业务协作这一评价。例如对于“请告诉我”、“在哪里？”、“怎么样？”、“没问题吧？”等发声附加“探索、催促”的分类标签。“探索、催促”的发声能够掌握业务实施所需要的现场的状况且最终做出正进行业务协作这一评价。

并且，例如对于“完成了”、“这就去”、“已经进行了”、“这就做”、“结束了”、“预计”等发声附加“报告、共享”的分类标签。“报告、共享”的发声能够将必要的信息与团队成员共享且最终做出正进行业务协作这一评价。

对话分析模型处理部21针对在对话数据中团队领导、职员作为应答发声者而发出的内容附加“应答”的分类标签。“应答”的分类标签作为团队中的业务协作的要件，能够识别为对团队内的顺畅的沟通进行表示的基本的发声。例如，对于“非常感谢”、“谢谢”、“懂了”、“知道了”、“知晓了”等发声附加“应答”的分类标签。

对话分析模型处理部21针对在对话数据中与业务无关的发声(噪声)附加“其他”的分类标签。例如对于聊天、噪声、不能识别等的发声(声音)附加“其他”的分类标签。“其他”的发声能够做出存在团队内的顺畅的沟通的阻碍这一评价。

由对话分析模型处理部21分析得到的分析结果如图3(B)所示，按每个具体的发声内容被附加发声种类和分类标签，并记录于数据保存部23。

返回至图4的流程图，对话分析模型处理部21基于所生成的规定的分类模型，来输出与多个发声者间的业务协作有关的对话分析结果(S13)。

图7以及图8是表示对话分析结果的一个例子的概念图。如图7所示，对话分析结果例如是作为团队协作模型而表示中央集权型模型60、功能分散型模型61的信息。如图8所示，对话分析结果例如是表示按职业分类的团队协作模型的信息。

图7所示的表示团队协作模型的信息表示了基于发声者ID、发声次数、分类标签的分析结果，领导以及职员A～D的圆的尺寸相当于发声数。另外，将领导与各职员A～D之间连接的各粗线62～64分别表示“委托”、“探索”、“报告”各发声。即，在中央集权型模型60中，领导的发声数相对于各职员A～D的发声数相对变多。另一方面，在功能分散型模型61中，发声数为分散趋势，存在发声数相对多的职员A、B、C，但领导的发声数没有显著变多。

图8所示的表示团队协作模型的信息表示了基于分类等级的分析结果，按职业相当于“委托”、“探索”、“报告”各发声62～64的发声数的比例。例如，在职业是保安业务70的情况下，对于现场的保安人员的发声而言，与“委托”、“探索”各发声62、63相比，“报告”的发声64的发声数的比例较多。

同样，例如在职业是护理业务71的情况下，对于现场的护理人员的发声而言，也是“报告”的发声64的发声数的比例较多。另外，对于“委托”的发声62的发声数的比例而言，也相对变多。另一方面，例如在职业是客人接待业务72的情况下，对现场的负责客人接待的职员的发声而言，“委托”、“探索”、“报告”各发声62～64的发声数的比例几乎相同。

接下来，参照图9至图17来对由仪表板创建部22生成的仪表板的具体例进行说明。如上述那样，仪表板创建部22基于被记录于数据保存部23的来自对话分析模型处理部21的对话分析结果，来生成与多个发声者的业务协作有关的仪表板。仪表板相当于与多个发声者的业务协作有关的多种评价信息。

本实施方式创建在酒店等的接客服务业的现场中设想了女店主(名字A)100、经理(名字B)101、前台102以及负责客人接待的职员103作为多个发声者(业务员)的仪表板。仪表板创建部22利用被记录于数据保存部23的来自对话分析模型处理部21的对话分析结果、发声者ID、发声次数以及声音识别率来创建仪表板。

图9是表示仪表板的第一具体例的图。如图9所示，第一具体例是例如对于作为发声者的女店主(A)100、经理(B)101、以及客人接待职员(名字J)103表示了各发声者的发声的质量作为与业务协作有关的要素的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的、成为分析对象的发声者ID为“100A”的女店主(A)、发声者ID为“100B”的经理(B)、发声者ID为“100D”的客人接待职员(J)的信息，利用来自对话分析模型处理部21的对话分析结果、以及表示发声者ID、发声次数、声音识别率的信息来创建仪表板。

作为仪表板的项目，例如包括由箭头80A、80B、80C表示的长期间(1周至1个月左右)的成长程度、以及由数字81A、81B、81C和星星的数量82A、82B、82C表示的声音识别率分数。

作为成长程度，在右箭头80A的情况下表示维持，如果更良好则用绿色表示，如果需要改进则用红色或黄色的彩色显示来表示。同样，在下箭头80B且为红色的情况下，表示变差。在上箭头80C且为绿色的情况下，表示为正在被改进。作为声音识别率分数，分数越高则用绿色表示星星的数量82A，分数越低则用黄色表示星星的数量82C，在分数最低的情况下，用红色表示星星的数量82B。此外，也可以包括对于各发声者的每一个用于通过折线图来进行按过去的日期时间顺序表示声音识别率分数的历史记录显示的项目。

如果通过输出处理部16将这样的仪表板显示到智能手机、PC的显示装置的画面上，则作为与业务协作有关的要素，能够通过声音识别率分数识别各发声者的发声的质量的状况。如果能够改进发声的质量，则能够有助于业务员彼此的顺畅的沟通。

图10是表示仪表板的第二具体例的图。如图10所示，第二具体例是例如针对女店主(A)100、经理(B)101、以及客人接待职员(名字J)103表示各发声者的业务状态作为与业务协作有关的要素的仪表板。该情况下，仪表板创建部22与上述同样地参照被记录于数据保存部23的信息中的、成为分析对象的发声者ID的信息，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、位置信息、以及内部通信通话设备12的接通、关闭的状态的信息来创建仪表板。

如图10所示，作为业务状态，表示了“通话业务中”、“事件应对中”、“不能应对”等各业务员的状况。能够根据内部通信通话设备12的状态、业务员的对话内容来掌握业务状态，但也可以使用来自声音输入处理部11的输入信息以外的业务员的日程表信息等。

这里，该仪表板不仅包括业务状态，还包括每个业务员的数据的日志信息。对于该日志信息而言，横轴表示时间，纵轴表示发声次数。具体而言，例如表示为经理(B)101在上午9点到11点左右处于正应对在酒店内举办的事件的应对中90。另外，例如表示为女店主(A)100存在内部通信通话设备12被关闭的时间91、92而在该时间不能应对。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够识别各自的状况(繁忙或休息中等)。因此，由于能够共享各业务员的状况作为与业务协作有关的要素，所以能够顺利地进行各业务员间的业务协作。

图11是表示仪表板的第三具体例的图。如图11所示，第三具体例是表示作为与业务协作有关的要素即团队内的沟通状况而特别表示业务员的每个个人的沟通状况的仪表板。

其中，团队例如由女店主(A)100、经理(B)101、前台(名字C、D、E)102以及客人接待职员(名字F、G、H)103构成。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID的信息，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机以及发声内容的信息来创建仪表板。

如图11所示，对于与各业务员对应的圆而言，其面积表示总发声量(发声次数、时间)，显示颜色表示职业、职务(例如经理)。另外，圆间的柱形图的粗度表示与对象的对话相对于两者间的总发声量的比例，该柱形图的比率表示两者间的发声比率。例如，对于前台(C)102而言，与经理(B)101的对话量比与其他前台(D)102的对话量多。另外，例如在经理(B)101与前台(C)102之间，经理(B)101的发声比率相对多。

另外，例如若点击前台(C)102的圆，则能够通过以该业务员为中心的饼图来显示与对话的对象的对话比率。同样，如果点击其他业务员的圆，则能够切换为以该业务员为中心的饼图的显示。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够识别各自的状况(繁忙或休息中等)。因此，由于能够识别各业务员的总发声量、业务员间的发声比率作为与业务协作有关的要素，所以能够推测各业务员间的业务协作度、相关的趋势等。

图12是表示仪表板的第四具体例的图。如图12所示，第四具体例是表示团队内的沟通状况作为与业务协作有关的要素的仪表板。其中，团队例如由女店主(A)100、经理(B)101、前台102以及客人接待职员103构成。另外，团队内包括内部通信通话设备12被关闭而处于休息中等的业务员(F、I、L、Q、R)104。

该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID的信息，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、发声内容以及内部通信通话设备12的接通、断开的状态的信息来创建仪表板。

如图12所示，本具体例例如是基于1天的各业务员的发声趋势而使团队内的沟通状况可视化的仪表板。这里，将各业务员间连接的线表示相互通话的对象，该线的粗度表示总发声量(发声次数、时间)。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够基于团队内的相互通话的总发声量来识别团队内的沟通状况。因此作为与业务协作有关的要素，由于例如能够推测以经理(B)101为中心的业务协作是否被实现等，所以能够利用于团队运营的改进等。

图13是表示仪表板的第五具体例的图。如图13所示，第五具体例与上述的图12所示的例子相同，是表示团队内的沟通状况作为与业务协作有关的要素的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID的信息，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、发声内容、以及内部通信通话设备12的接通断开的状态的信息来创建仪表板。

如图13所示，本具体例是例如像经理(B)101基于所选择的业务员个人的发声趋势来使团队内的沟通状况可视化的仪表板。这里，例如与经理(B)101连接的线表示相互通话的对象，该线的粗度表示总发声量(发声次数、时间)。此外，也可以使该线柱形图化，来表现与对象的发声比率(参照图11)。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够着眼于团队内的每个个人而基于相互通话的对象和总发声量来识别团队内的沟通状况。因此，由于作为与业务协作有关的要素，能够推测各业务员间的沟通趋势所以能够利用于团队运营的改进等。另外，由于相对于如上述的图12所示以团队内的全员作为对象的沟通状况的同时显示，能够实现个人单位的显示，所以变得容易识别个人单位在团队内的沟通状况。

图14是表示仪表板的第六具体例的图。如图14所示，第六具体例是作为与业务协作有关的要素即团队内的沟通状况而以时间序列(时间线)表示各业务员的发声状况的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、发声内容、位置信息以及内部通信通话设备12的接通、断开的状态的信息来创建仪表板。

如图14所示，本具体例是例如基于1天的针对各业务员的时间序列下的发声趋势来使团队内的沟通状况可视化的仪表板。这里，各框130～132表示发声次数的数量程度。框130表示为发声次数相对多，以下发声次数按顺序变少。对内部通信通话设备12为断开的状态进行表示的“离线”的区域表示为发声次数是0。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够基于团队内的各业务员的发声次数和时机来识别团队内的沟通状况。例如，如果前台(C)102进入休息(离线的区域)，则能够识别为在该时间中女店主(A)100与经理(B)101的任意一个的发声次数都相对变多(130)。与此相对，如果客人接待职员(J)103进入休息(离线的区域)，则能够识别为在该时间中女店主(A)100与经理(B)101的任意一个的发声次数都非常少。

如果能够识别这样的沟通状况，则例如在前台(C)102不在的情况下存在业务不进展的可能性。据此，能够推断为前台(C)102的业务量过多、或者业务的协作状况不佳。因此，作为与业务协作有关的要素，能够利用于团队编排、轮班的改进等。其中，通过输入关键字(例如吃饭)作为各业务员的发声所包含的信息，由此如果能够选择显示内容，则可实现多样的业务分析。

图15是表示仪表板的第七具体例的图。如图15所示，第七具体例是作为与业务协作有关的要素即团队内的沟通状况而以时间序列表示各业务员的发声内容的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、发声内容、位置信息以及内部通信通话设备12的接通、断开的状态的信息来创建仪表板。

如图15所示，本具体例是例如基于1天的针对各业务员的时间序列下的发声内容来使团队内的各业务员的业务状况可视化的仪表板。这里，各框和线表示了各业务员的发声的联系。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够识别团队内的各业务员的业务状况和协作状况。例如，根据客人接待职员(J)103针对经理(B)101的发声内容140的反问(B先生，你说什么了？)，能够推测为经理(B)101的发声不清晰。或者，例如能够推测为客人接待职员(J)103将经理(B)101的发声内容误解为与吃饭有关的事项。并且，对于经理(B)101的发声内容140，从前台(C)102的回应(142)起到经理(B)101的回应(141)为止的发声次数越多，则能够推测为业务效率越不好。另外，从经理(B)101的发声内容140的开始起到经理(B)101的回应(141)为止所要的时间越长，则能够推测为业务效率越不好。

因此，由于能够识别团队内的各业务员的业务状况和协作状况，所以能够掌握团队内的业务效率、沟通的问题作为与业务协作有关的要素，并进行改进。

图16是表示仪表板的第八具体例的图。如图16所示，第八具体例是将作为与业务协作有关的要素的团队内的沟通状况、以及各业务员的发声内容以时间序列表示的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机、发声内容以及内部通信通话设备12的接通、断开的状态的信息来创建仪表板。

如图16所示，本具体例是使团队内的各业务员的发声种类与发声时机复合地可视化的仪表板。这里，以经理101为中心的饼图例如表示每1天的各业务员(经理101以及职员A～F)的发声种类的比例。发声种类是指主体150、应答151、其他152以及终端停止153。即，主体150是指作为团队内的沟通的主体者发出了指示或要求。应答151是指针对主体150的应答。其他152是联络等。终端停止153表示内部通信通话设备12为断开的状态而无法通话的状态。这里，是职员E处于休息中等而无法与经理101通话的状态。

接下来，以时间序列表示各业务员的发声状况的时间图按每个时刻表示各业务员按发声种类发出的发声时间。例如，在21点以后，如果经理101作为主体150发出“请引导一下5号桌的客人”这一声音，则职员D作为应答151回应为“知道了”。同样，以时间序列表示各业务员按发声种类发声的状况。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够识别各业务员的按发声种类的沟通状况。根据该识别能够推测作为领导的经理的团队运营能力、经理、职员的业务协作的状况。

图17是表示仪表板的第九具体例的图。如图17所示，第九具体例与上述的图16所示的例子相同，是以时间序列表示作为与业务协作有关的要素的团队内的沟通状况以及各业务员的发声内容的仪表板。该情况下，仪表板创建部22参照被记录于数据保存部23的信息中的成为分析对象的发声者ID，利用来自对话分析模型处理部21的对话分析结果、表示发声者ID、发声次数、发声时机以及发声内容的信息来创建仪表板。

如图17所示，本具体例例如是使每1天的团队内的各业务员的发声内容和在业务的场所(现场)的发声时机复合地可视化的仪表板。例如，如果在5号桌，职员A作为主体150而发出“请打扫5号桌”这一声音，则职员D作为应答151而回应为“知道了”。同样，例如若在入口侧，经理作为主体150发出“请带到5号”这一声音，则职员B作为应答151回应为“明白了”。

如果通过输出处理部16将这样的仪表板显示到各业务员的智能手机、PC的显示装置的画面上，则能够识别各业务员的按发声种类的沟通状况。根据该识别，能够推测作为领导的经理的团队运营能力、经理、职员的业务协作的状况。

综上所述，通过将本实施方式的对话分析系统例如作为对餐饮业的店铺、住宿设施(酒店)等的运营进行辅助的系统而例如构建于客户端侧的PC，能够对在店铺、住宿设施等从事业务的业务员间的对话进行分析。本实施方式的对话分析系统能够通过由云的服务器系统17作为服务而提供的信息处理功能来实现。

本实施方式的对话分析系统能够通过业务员间的对话分析处理输出对话分析结果，并基于该对话分析结果生成将与业务协作有关的业务员间的沟通状况以多样的显示方式显示的仪表板。因此，通过将该仪表板显示到PC、智能手机等的画面上，能够将业务员间的沟通状况以多样的显示方式可视化。因此，例如在餐饮业的店铺、住宿设施(酒店)等中，能够推测业务员间的沟通的顺畅度、业务协作状况、业务员的业务效率等。

由此，基于仪表板，例如根据与各店铺的营业额的因果关系(相关)来比较由业务员间的业务协作实现的生产率，最终能够对用于实现运营状况的改进、生产率的提高等的分析、措施、经营指导等的规划进行辅助。此外，在生产率的比较、分析处理中，也可以利用与该分析对象同样的业界、行业、不同业务的对话分析数据等。

(变形例)

在上述的实施方式中，对于对话分析系统中的分析结果的仪表板化(可视化)，表示了发声者的发声的质量的可视化(图9)、各发声者的业务状态的可视化(图10)、各发声者的发声量、发声者彼此(两者间)的对话的比例(图11)；作为团队内的沟通状况，表示了相互通话的对象、与该对象的对话量等(图12、图13)以及团队内的沟通状况的时间序列显示(图14、图15、图16)等具体例，但在本变形例中，对着眼于发声内容并通过将发声内容的分析结果分类而显示来将从发声内容观察的团队内的沟通状况易于理解地可视化的例子进行说明。

用于实现可视化的对话分析系统的构成以及动作流程与实施方式中所说明的构成、动作流程没有改变，用于进行仪表板化的对话分类和仪表板化(可视化)处理不同。在本变形例中，利用通过基于行动分类型模型42的对话数据分类处理而设定的分类标签，来将来自对话内容的分析结果可视化。

具体而言，本变形例的对话分析处理执行将对话分析模型处理部21基于行动分类型模型42附加了发声种类(主体发声、应答发声、其他)以及分类标签(“委托、指示”、“探索、催促”、“报告、共享”)的对话进一步分类为以下所示的各区域的处理。

(1)对于“基本质量区域”而言，被分类通常业务中的本来的团队内对话(业务指示、完成报告等)，主要包含在被赋予了主体发声的种类、应答发声的种类的发声之中。

(2)对于“价值创造区域”而言，被分类使团队力提高的对话(不满意信息共享、操作支援等)，主要包含在被赋予了主体发声的“探索、催促”“报告、共享”的分类标签的发声之中。

(3)对于“任务外区域”而言，被分类与浪费的减少、行动改进相关的对话(聊天、低效率的行动等)，主要包含在被赋予了其他的种类的发声。

(4)对于“噪声区域”而言，被分类噪音、不能识别的噪声，主包含在被赋予了其他的种类的发声之中。

接着，对话分析模型处理部21中的针对上述各区域的分类处理具体进行说明。

图18是表示本变形例中的向对话分析模型处理部21输出的对话数据的附带信息的一个例子的图。其中，这些信息例如被保存于数据保存部23。

如图18所示，与上述的实施方式相同，对话分析模型处理部21对于从内部通信通话设备12输入的发声信息，将发声者ID、发声日、发声开始时间、发声结束时间、发声内容、基于图6所示的分析模型42的行动分类型模型而被赋予的发声种类、分类模型建立对应而进行记录。并且，对话分析模型处理部21对发声种类为“主体”且被赋予了“委托、指示”的对话、以及发声种类被赋予了“应答”的发声设定“基本质量区域(第I区域标签)”。另外，对发声种类为“主体”且被赋予了“探索、催促”或者“报告、共享”的发声中的、“要多久完成”“完成了”等针对业务委托、指示的催促、属于报告的发声对话设定“基本质量区域(第I区域标签)”。

另一方面，对发声种类为“主体”且被赋予了“探索、催促”或者“报告、共享”的发声中的、针对业务委托、指示的催促、报告以外的应该在团队内应对的共享信息例如“是投诉”“不满意信息”、团队内的关怀例如“我来帮忙”“我来支援操作”等用于提高团队力的发声设定“价值创造区域(第II区域标签)”。

对对话种类被赋予了“其他”的对话中的噪音、噪声以外的聊天、非效率的行动例如“重复一遍”等发声设定“任务外区域(第III区域标签)”。对于对话种类被赋予了“其他”的发声中的噪音、噪声设定“噪声区域(第IV区域标签)”。

接着，对基于由对话分析模型处理部21设定的区域标签的、表示对话的分析结果的仪表板进行说明。图19是用于对变形例涉及的仪表板的具体例进行说明的图。

仪表板创建部22基于针对规定的范围的团队内的对话的、由对话分析模型处理部21设定的区域标签，如图19所示，以与各区域相应的发声的比例来表示团队内的对话。通过这样进行矩阵显示，不个别地参照团队内的对话历史记录就能够识别团队内的沟通状况。例如，在是餐饮业的店铺、住宿设施(酒店)等的连锁店的情况下，通过按每个店铺、设施以这样的矩阵显示进行比较，能够分析团队内的沟通的课题等。

对本发明的几个实施方式进行了说明，但这些实施方式只是例示，并不意图限定发明的范围。这些新的实施方式能够以其他各种方式来实施，在不脱离发明主旨的范围能够进行各种省略、置换、变更。这些实施方式及其变形包含于发明的范围、主旨，并且包含于技术方案所记载的发明及其等同的范围。