対話型質問応答（ConvQA）は、後続の質問における文脈が暗黙のうちに提示される順次的情報需要に対処する。現在のConvQAシステムは、いずれか一つの均質な情報源（知識ベース（KB）、テキストコーパス、またはテーブルのコレクション）上で動作している。本稿では、これらすべての異種情報源を統合的に活用するという新たな課題に取り組み、回答のカバー範囲と信頼性を向上させる。本研究では、異種情報源上で対話型質問応答を行うためのエンドツーエンドパイプライン「CONVINSE」を提案する。このパイプラインは3段階で構成される：i) 入力される質問およびその対話文脈を明示的な構造化表現として学習する、ii) このフレーム型表現を活用してKB、テキスト、テーブルから一貫した形で関連する証拠を抽出する、iii) デコーダ内での統合（fusion-in-decoder）モデルを用いて回答を生成する。さらに、本研究では、異種情報源上のConvQAを評価するための最初のベンチマーク「ConvMix」を構築・公開した。ConvMixは、3,000件の実ユーザー対話（合計16,000件の質問）を含み、エンティティの注釈、完成形の質問発話、および質問の言い換えを備えている。実験により、最先端のベースラインと比較して、本手法の有効性と優位性が確認された。