音声対話システムにおいてストリーム型能動学習として未知語を獲得する際，ユーザの負担となる聞き返しは最小限に抑える必要がある．認識誤りが起こると，誤認識された既知語を未知語として扱うことで，不要な聞き返しが生じる．本研究では，強化学習を用いた聞き返し判断の最適化において，認識結果の確信度を行動方策に反映させる．具体的には，音節認識の確信度（CTC及びDecoderスコア）を特徴量として利用する．認識結果の確信度が高い発話に対して優先的に聞き返しを行うことで，不要な聞き返しの抑制が期待される．評価の結果，誤認識された発話に対する聞き返しが抑制され，分割正解率のAUCが向上した．