KR102449948B1 - Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore - Google Patents
Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore Download PDFInfo
- Publication number
- KR102449948B1 KR102449948B1 KR1020200016875A KR20200016875A KR102449948B1 KR 102449948 B1 KR102449948 B1 KR 102449948B1 KR 1020200016875 A KR1020200016875 A KR 1020200016875A KR 20200016875 A KR20200016875 A KR 20200016875A KR 102449948 B1 KR102449948 B1 KR 102449948B1
- Authority
- KR
- South Korea
- Prior art keywords
- mental model
- user
- message
- mental
- model
- Prior art date
Links
- 230000003340 mental effect Effects 0.000 title claims abstract description 309
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 49
- 230000004044 response Effects 0.000 claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 14
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000037213 diet Effects 0.000 description 10
- 235000005911 diet Nutrition 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000014347 soups Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
-
- G06Q50/50—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템이 개시된다. 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 지능형 에이전트에서 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 방법에 있어서, 사용자로부터 메시지를 수신하는 단계; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계를 포함한다.Disclosed are a method and system for providing an interactive message based on heterogeneous mental models in an intelligent agent. A method for providing an interactive message based on a heterogeneous mental model according to an embodiment of the present invention is a method for providing an interactive message based on a heterogeneous mental model in an intelligent agent, the method comprising: receiving a message from a user; determining one of the first mental model performing the role of a mechanical worker and the second mental model performing the role of a companion like a person as the mental model of the user; acquiring training data for the determined mental model based on the determined mental model and the content of the received message; and providing a response message to the received message to the user based on learning using the acquired learning data.
Description
본 발명은 지능형 에이전트의 대화형 플랫폼에서 제공하는 대화형 메시지를 표출하는 기술에 관한 것으로, 보다 상세하게는 지능형 에이전트 예를 들어, 챗봇과 인공지능 스피커와 같은 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있는 대화형 메시지 제공 방법 및 그 시스템에 관한 것이다.The present invention relates to a technology for expressing an interactive message provided by an interactive platform of an intelligent agent, and more particularly, to a different type of user determined in advance by an intelligent agent such as an intelligent agent, for example, a chatbot and an artificial intelligence speaker. The present invention relates to a method and system for providing an interactive message capable of providing an interactive message customized to an individual user by providing a different message expression format to match each mental model based on a mental model.
지능형 에이전트(intelligent agent, 이하, "에이전트")는 사용자에 대해 학습하고 개인에게 맞춤화된 서비스를 제공한다. 에이전트는 서비스 과정에서 제공되는 서비스 컨텐츠, 인터랙션 방식과 같은 요소들을 사용자 개인마다 달리함으로써 사용자가 맞춤화를 경험하게 할 수 있다. 대화형 플랫폼에 기반한 에이전트의 경우, 에이전트가 출력하는 메시지의 다양한 시각적 구성 요소, 말투, 출력 타이밍 등 다양한 부분에 맞춤화 가능성이 존재한다.An intelligent agent (hereinafter, "Agent") learns about users and provides customized services to individuals. The agent can allow the user to experience customization by changing elements such as service content and interaction method provided in the service process for each individual user. In the case of an agent based on an interactive platform, there is a possibility of customization in various parts of the message output by the agent, such as various visual components, tone of voice, and output timing.
사용자는 개개인마다 에이전트에게 기계적 '일꾼'의 역할(이하 '일꾼 멘탈 모델'이라 칭함) 또는 사람과 같은 '동반자'의 역할(이하, '동반자 멘탈 모델'이라 칭함) 중 한 가지를 기대한다. 두 멘탈 모델의 차이로 인해 사용자가 기대하는 인터랙션 방식 또한 달라지게 된다. 예를 들어, 에이전트가 실수를 저지른 상황에서 일꾼 멘탈 모델 사용자에게는 실질적 보상 제공 전략이 적합한 반면, 동반자 멘탈 모델 사용자에게는 감성적인 사과 전략이 적합하다.Each user expects the agent to play either the role of a mechanical 'worker' (hereinafter referred to as the 'worker mental model') or the role of a human-like 'companion' (hereinafter referred to as the 'companion mental model'). Due to the difference between the two mental models, the interaction method expected by the user will also be different. For example, in a situation where an agent makes a mistake, a practical reward provision strategy is suitable for a worker mental model user, whereas an emotional apology strategy is suitable for a companion mental model user.
이처럼 에이전트는 사용자의 멘탈 모델이 두 가지 중 무엇인지 파악하여 그에 따른 맞춤화를 제공할 수 있다. 특히, 대화형 플랫폼에 기반한 에이전트는 사용자의 멘탈 모델에 맞추어 출력하는 메시지의 표출 방식을 달리하는 방식으로 맞춤화 진행이 가능하다. 그러나, 현존하는 대화형 플랫폼에 기반한 에이전트 예를 들어, Bixby, Clova 등은 아직 이종의 사용자 멘탈 모델을 고려하여 메시지의 표출 방식을 맞춤화하는 방법을 제공하고 있지 않다.In this way, the agent can identify which of the two mental models the user has and provide customization accordingly. In particular, the agent based on the interactive platform can be customized by changing the expression method of the output message according to the user's mental model. However, agents based on existing interactive platforms, for example, Bixby, Clova, and the like, do not yet provide a method for customizing a message display method in consideration of heterogeneous user mental models.
따라서, 이종의 사용자 멘탈 모델을 고려하여 메시지의 표출 방식을 맞춤화할 수 있는 대화형 플랫폼의 필요성이 대두된다.Accordingly, there is a need for an interactive platform that can customize a message expression method in consideration of heterogeneous user mental models.
본 발명의 실시예들은, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있는 대화형 메시지 제공 방법 및 그 시스템을 제공한다.Embodiments of the present invention provide interactive messages customized to individual users by providing different message expression formats to match each mental model based on a heterogeneous user mental model determined in advance by an intelligent agent. A method and system for providing an interactive message that can provide
본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 지능형 에이전트에서 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 방법에 있어서, 사용자로부터 메시지를 수신하는 단계; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계를 포함한다.A method for providing an interactive message based on a heterogeneous mental model according to an embodiment of the present invention is a method for providing an interactive message based on a heterogeneous mental model in an intelligent agent, the method comprising: receiving a message from a user; determining one of the first mental model performing the role of a mechanical worker and the second mental model performing the role of a companion like a person as the mental model of the user; acquiring training data for the determined mental model based on the determined mental model and the content of the received message; and providing a response message to the received message to the user based on learning using the acquired learning data.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정할 수 있다.The determining of the mental model of the user may include determining the mental model of the user based on a main mental model preset by the user and the content of the received message.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.The determining of the user's mental model may include determining the relevance of each of the main mental model and a different mental model from the main mental model based on the content of the received message, and based on the determined relevance, the main mental model Alternatively, the different mental model may be determined as the mental model of the user.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.In the determining of the user's mental model, when it is impossible to determine the relevance through the contents of the received message, the main mental model may be determined as the mental model of the user.
상기 학습 데이터를 획득하는 단계는 상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 상기 사용자에게 제공하는 단계는 상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.The acquiring of the learning data may include acquiring only one type of learning data most highly correlated with the received message content when the determined mental model is the first mental model, and providing to the user may include: By learning only the type of learning data, the response message including at least one result corresponding to the content of the received message is provided to the user, and the response message is information on the learning data and an analysis result of the learning data and a result according to the analysis result.
상기 학습 데이터를 획득하는 단계는 상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고, 상기 사용자에게 제공하는 단계는 상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.If the determined mental model is the second mental model, the acquiring of the learning data may include acquiring all data of the user related to the content of the received message as learning data, and providing the learning data to the user may include the acquired learning. By learning data, the response message including one result corresponding to the content of the received message is provided to the user, and the response message includes information about all the data, an analysis result of the learning data, and the analysis result. It may include results according to
상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계After providing the response message to the user, when the determined mental model is changed by the user's input, a response message to the received message is displayed based on learning using the learning data obtained for the changed mental model. Steps to provide to users
를 더 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.Interactive message providing method based on heterogeneous mental model, characterized in that it further comprises.
나아가, 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템은 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 시스템에 있어서, 사용자로부터 메시지를 수신하는 수신부; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부를 포함한다.Furthermore, an interactive message providing system based on a heterogeneous mental model according to an embodiment of the present invention is an interactive message providing system based on a heterogeneous mental model, comprising: a receiver configured to receive a message from a user; a determination unit that determines one of a first mental model performing the role of a mechanical worker and a second mental model performing a role of a companion like a person as the mental model of the user; an acquisition unit configured to acquire learning data for the determined mental model based on the determined mental model and the content of the received message; and a providing unit providing a response message to the received message to the user based on learning using the acquired learning data.
상기 결정부는 상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정할 수 있다.The determination unit may determine the mental model of the user based on a main mental model preset by the user and the content of the received message.
상기 결정부는 상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.The determination unit determines the relevance of each of the main mental model and the different mental models from the main mental model based on the content of the received message, and sets the main mental model or the different mental model based on the determined relevance. It can be determined by the user's mental model.
상기 결정부는 상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.The determination unit may determine the main mental model as the mental model of the user when it is impossible to determine the relevance through the content of the received message.
상기 획득부는 상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 상기 제공부는 상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.When the determined mental model is the first mental model, the acquisition unit acquires only one type of learning data most highly related to the received message content, and the providing unit learns only the acquired one type of training data and receives the provides the user with the response message including at least one result corresponding to the content of the message, wherein the response message includes information on the learning data, an analysis result of the learning data, and a result according to the analysis result can do.
상기 획득부는 상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고, 상기 제공부는 상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.When the determined mental model is the second mental model, the acquiring unit acquires all data of the user related to the content of the received message as learning data, and the providing unit learns the acquired learning data to obtain information about the received message. The response message including one result corresponding to the content may be provided to the user, and the response message may include information on all the data, an analysis result of the learning data, and a result according to the analysis result.
상기 제공부는 상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공할 수 있다.When the determined mental model is changed by the user's input after the providing unit provides the response message to the user, the response to the received message is based on learning using the learning data acquired for the changed mental model. A message may be provided to the user.
본 발명의 실시예들에 따르면, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있다.According to embodiments of the present invention, by providing different message expression formats to match each mental model based on a heterogeneous user mental model determined in advance by the intelligent agent, a conversation customized to the individual user You can provide a type message.
본 발명의 실시예들에 따르면, 각각의 사용자가 지능형 에이전트에게 기대하는 자연스러운 인터랙션 방식에 부합하는 메시지를 받을 수 있도록 도와줌으로써, 사용자에게 긍정적 사용 경험을 제공하고 사용자-에이전트 간 관계 발전을 촉진시킬 수 있으며, 에이전트 메시지의 표출 형식이 가시적으로 변화하므로 사용자는 개인화의 결과물을 보다 직관적으로 체감할 수 있다.According to embodiments of the present invention, it is possible to provide a positive user experience to the user and promote the development of the user-agent relationship by helping each user to receive a message that matches the natural interaction method expected from the intelligent agent. In addition, since the expression form of the agent message is visually changed, the user can more intuitively feel the result of personalization.
도 1은 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법에 대한 동작 흐름도를 나타낸 것이다.
도 2와 도 3은 사용자에게 제공되는 대화형 메시지 제공 방식을 설명하기 위한 예시도들을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템에 대한 구성을 나타낸 것이다.1 is a flowchart illustrating a method for providing an interactive message based on a heterogeneous mental model according to an embodiment of the present invention.
2 and 3 show exemplary diagrams for explaining a method of providing an interactive message provided to a user.
4 shows the configuration of an interactive message providing system based on heterogeneous mental models according to an embodiment of the present invention.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형 태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.Advantages and features of the present invention and methods of achieving them will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be embodied in various different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the art to which the present invention pertains It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of describing the embodiments, and is not intended to limit the present invention. In this specification, the singular also includes the plural, unless specifically stated otherwise in the phrase. As used herein, “comprises” and/or “comprising” refers to the presence of one or more other components, steps, operations and/or elements mentioned. or addition is not excluded.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used with the meaning commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless clearly specifically defined.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the accompanying drawings. The same reference numerals are used for the same components in the drawings, and repeated descriptions of the same components are omitted.
본 발명의 실시예들은, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공하는 것을 그 요지로 한다.Embodiments of the present invention provide interactive messages customized to individual users by providing different message expression formats to match each mental model based on a heterogeneous user mental model determined in advance by an intelligent agent. Its gist is to provide
이 때, 본 발명에서 이종의 사용자 멘탈 모델은 기계적 일꾼 역할을 수행하는 일꾼 멘탈 모델(또는 제1 멘탈 모델)과 사람과 같은 동반자 역할을 수행하는 동반자 멘탈 모델(또는 제2 멘탈 모델)을 포함할 수 있다.At this time, in the present invention, the heterogeneous user mental model may include a worker mental model (or first mental model) performing the role of a mechanical worker and a companion mental model (or second mental model) performing the same role as a person. can
본 발명은 사용자에 의해 미리 설정된 주요 멘탈 모델과 지능형 에이전트와 대화하기 위해 사용자로부터 수신되는 사용자의 메시지에 대한 내용의 분석을 통해 제1 멘탈 모델과 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 이렇게 결정된 멘탈 모델에 대한 학습 데이터를 수신된 메시지의 내용에 기초하여 획득할 수 있다. The present invention provides a mental model of any one of the first mental model and the second mental model through the analysis of the contents of the user's message received from the user in order to communicate with the main mental model and the intelligent agent preset by the user. It may be determined as a mental model, and training data for the determined mental model may be acquired based on the content of the received message.
여기서, 획득되는 학습 데이터는 결정된 사용자의 멘탈 모델에 따라 상이할 수 있다. 일 예로, 제1 멘탈 모델인 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 획득된 한 종류의 학습 데이터만을 학습하여 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 사용자에게 제공할 수 있다. 다른 일 예로, 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득하고, 획득된 학습 데이터를 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 사용자에게 제공할 수 있다.Here, the acquired learning data may be different according to the determined mental model of the user. For example, in the case of the first mental model, only one type of learning data most highly related to the received message content is acquired, and only one type of acquired learning data is learned to obtain at least one result corresponding to the received message content. The user may be provided with a response message including As another example, in the case of the second mental model, all data of the user related to the content of the received message is acquired as learning data, and the response message including one result corresponding to the content of the received message by learning the acquired learning data can be provided to users.
도 1은 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법에 대한 동작 흐름도를 나타낸 것으로, 지능형 에이전트 예를 들어, 챗봇, 인공지능 스피커 등과 같은 지능형 에이전트에서의 동작 흐름도를 나타낸 것이다.1 is a flowchart of an operation of a method for providing an interactive message based on a heterogeneous mental model according to an embodiment of the present invention. it has been shown
도 1을 참조하면, 본 발명의 일 실시에에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 사용자로부터 입력되는 메시지를 수신하고, 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정한다(S110, S120).1 , the interactive message providing method based on a heterogeneous mental model according to an embodiment of the present invention receives a message input from a user and performs the role of a mechanical worker and a first mental model such as a person Any one of the second mental models serving as a companion is determined as the user's mental model ( S110 and S120 ).
여기서, 단계 S120은 사용자에 의해 미리 설정된 주요 멘탈 모델과 수신된 메시지의 내용에 기초하여 사용자의 멘탈 모델을 결정할 수 있다. 예컨대, 단계 S120은 수신된 메시지의 내용에 기초하여 주요 멘탈 모델 예를 들어, 제1 멘탈 모델 및 주요 멘탈 모델과 상이한 멘탈 모델 예를 들어, 제2 멘탈 모델 각각의 관련성을 판단하고, 판단된 관련성을 기반으로 주요 멘탈 모델 또는 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 이 때, 단계 S120은 수신된 메시지의 내용을 통해 관련성의 판단이 불가능한 경우 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 즉, 단계 S120은 사용자로부터 수신된 메시지의 내용 분석을 통해 해당 메시지에 대한 응답을 상이한 멘탈 모델로 결정해야되는 경우 사용자에 의해 주요 멘탈 모델이 설정되어 있더라도 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 메시지의 내용이 특별하게 특정 멘탈 모델과 관련이 없는 경우 사용자에 의해 설정된 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다.Here, in step S120, the mental model of the user may be determined based on the main mental model preset by the user and the content of the received message. For example, in step S120, the relevance of each of the main mental models, e.g., the first mental model and the main mental model, e.g., the second mental model, different from the main mental model, is determined based on the content of the received message, and the determined relevance Based on , a main mental model or a different mental model may be determined as the user's mental model. In this case, in step S120, if the relevance cannot be determined through the content of the received message, the main mental model may be determined as the mental model of the user. That is, in step S120, when a response to the message needs to be determined as a different mental model through the content analysis of the message received from the user, even if the main mental model is set by the user, a different mental model can be determined as the user's mental model. And, if the content of the message is not particularly related to a specific mental model, the main mental model set by the user may be determined as the user's mental model.
단계 S120에 의해 사용자의 멘탈 모델이 결정되면, 결정된 멘탈 모델과 수신된 메시지의 내용에 기초하여 결정된 멘탈 모델에 대한 학습 데이터를 획득한다(S130).When the mental model of the user is determined in step S120, learning data for the mental model determined based on the determined mental model and the content of the received message is acquired (S130).
이 때, 단계 S130은 사용자의 멘탈 모델이 제1 멘탈 모델로 결정되는 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득할 수 있으며, 사용자의 멘탈 모델이 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득할 수 있다. 즉, 단계 S130은 결정된 사용자의 멘탈 모델에 따라 획득하는 학습 데이터의 종류가 달라질 수 있다.In this case, in step S130, when the user's mental model is determined as the first mental model, only one type of learning data most highly related to the received message content may be acquired, and when the user's mental model is the second mental model All data of the user related to the content of the received message may be acquired as learning data. That is, in step S130, the type of learning data obtained may vary according to the determined mental model of the user.
단계 S130에 의해 결정된 멘탈 모델에 대한 학습 데이터가 획득되면, 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다(S140).When the learning data for the mental model determined in step S130 is obtained, a response message to the received message is generated based on learning using the acquired training data, and the generated response message is provided to the user (S140).
이 때, 단계 S140은 단계 S130에 의해 높은 한 종류의 학습 데이터만 획득되는 경우 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있으며, 단계 S130에 의해 사용자의 모든 데이터를 학습 데이터로 획득하는 경우 획득된 모든 데이터를 학습 데이터로 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있다. 즉, 응답 메시지는 학습 데이터에 대한 정보, 학습 데이터의 분석 결과 및 분석 결과에 따른 결과물을 포함할 수 있다.In this case, step S140 generates a response message including at least one result corresponding to the content of the received message by learning only one type of training data obtained when only one type of high learning data is acquired by step S130. can be provided to the user, and when all data of the user is acquired as learning data by step S130, all the acquired data is learned as learning data and a response message including one result corresponding to the content of the received message It can be created and provided to users. That is, the response message may include information on the training data, an analysis result of the training data, and a result according to the analysis result.
단계 S140 이후 즉, 응답 메시지를 사용자에게 제공한 후 사용자의 입력에 의해 결정된 멘탈 모델이 변경되는 경우 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다(S150).After step S140, that is, after providing a response message to the user, when the mental model determined by the user's input is changed, a response message to the received message is generated based on learning using the learning data obtained for the changed mental model, and , the generated response message is provided to the user (S150).
즉, 단계 S150은 지능형 에이전트로부터 제공받은 응답 메시지가 사용자의 입장에서 부족한 경우 응답 메시지를 생성하는 멘탈 모델을 변경한 후 변경된 멘탈 모델을 이용하여 대화형 메시지를 생성하고 제공하는 것이다. 여기서, 멘탈 모델의 변경은 미리 설정된 기능 버튼의 입력 또는 명령어의 입력을 통해 이루어질 수 있으며, 멘탈 모델의 변경이 상술한 내용으로 한정되지 않으며 멘탈 모델을 변경할 수 있는 모든 기능을 포함할 수 있다.That is, in step S150, when the response message provided from the intelligent agent is insufficient from the point of view of the user, the mental model for generating the response message is changed, and then an interactive message is generated and provided using the changed mental model. Here, the change of the mental model may be made through input of a preset function button or input of a command, and the change of the mental model is not limited to the above description and may include all functions capable of changing the mental model.
이러한 본 발명에 대해 도 2와 도 3을 참조하여 설명하면 다음과 같다.The present invention will be described with reference to FIGS. 2 and 3 as follows.
도 2와 도 3은 사용자에게 제공되는 대화형 메시지 제공 방식을 설명하기 위한 예시도들을 나타낸 것이다.2 and 3 show exemplary diagrams for explaining a method of providing an interactive message provided to a user.
도 2a에 도시된 방식은 모든 사용자 발화에 대해 획일화된 메시지를 출력하는 방식으로, 멘탈 모델의 차이를 고려하지 않은 기존의 메시지 표출 방식을 나타낸 것이며, 도 2b에 도시된 방식은 본 발명의 방식으로 이종의 멘탈 모델에 따라 형식이 달라지는 새로운 메시지 표출 방식을 나타낸 것이다. 여기서, 도 2b의 좌측은 일꾼 멘탈 모델을 이용한 대화형 메시지를 제공하는 일 예를 나타낸 것이며, 우측은 동반자 멘탈 모델을 이용한 대화형 메시지를 제공하는 일 예를 나타낸 것이다. 즉, 본 발명은 데이터의 유형, 데이터의 해석 결과, 서비스 결과물(예를 들어, 사용자에게 추천되는 컨텐츠)이 포함되도록 대화형 메시지를 제공하며, 지능형 에이전트가 사전에 판별한 사용자의 멘탈 모델에 따라 학습 데이터(또는 참고 데이터) 유형의 표출 방식 및 서비스 결과물의 표출 방식이 달라지게 된다.The method shown in FIG. 2A is a method of outputting a uniform message for all user utterances, and shows an existing message expression method that does not consider differences in mental models, and the method illustrated in FIG. 2B is the method of the present invention As a result, it shows a new message expression method that varies in form according to heterogeneous mental models. Here, the left side of FIG. 2B shows an example of providing an interactive message using a worker mental model, and the right side shows an example of providing an interactive message using a companion mental model. That is, the present invention provides an interactive message to include the type of data, the analysis result of the data, and the service result (for example, content recommended to the user), and according to the user's mental model determined in advance by the intelligent agent The expression method of the type of learning data (or reference data) and the expression method of the service result will be different.
구체적으로, 도 3에 도시된 바와 같이, 사용자로부터 "오늘 직접 요리하려고 해, 메뉴 좀 추천해줄래?"라는 메시지가 수신될 때 사용자의 멘탈 모델이 일꾼 멘탈 모델(제1 멘탈 모델)인 경우와 동반자 멘탈 모델(제2 멘탈 모델)인 경우로 나눠서 설명하면 다음과 같다.Specifically, as shown in FIG. 3 , when a message “Do you want to cook today, would you recommend a menu?” is received from the user, the mental model of the user is the worker mental model (the first mental model) and The following is a description of the companion mental model (the second mental model).
도 3의 좌측 이미지는 사용자의 멘탈 모델이 상술한 내용을 통해 일꾼 멘탈 모델로 결정된 경우에 대한 것으로, 일꾼 멘탈 모델 사용자에게는 사용자가 요청한 서비스(메시지 내용)와 가장 연관성이 높은 데이터 한 가지 즉, 사용자의 식단 데이터만을 활용하고, 해당 데이터를 나타내는 픽토그램 또는 해당 데이터의 출처가 되는 어플리케이션 아이콘과 학습하는 해당 데이터 즉, 식단 데이터 정보(a) 로 표출할 수 있다. 그리고, 획득된 식단 데이터를 학습하여 학습에 의한 해석 결과(b) 예를 들어, "빠른 조리가 가능한 국물 요리를 선호"라는 학습에 의한 해석 결과를 표출하며, 이러한 해석 결과(b)에 따른 적어도 하나 이상의 서비스 결과물(c)을 생성하여 표출한다. 여기서, 해석 결과에 도시된 바와 같이, 해당 사용자의 식단 데이터 학습에 의한 해석 결과, 사용자는 국물 요리를 선호한 것으로 나타나며, 이러한 국물 요리와 관련된 한가지 이상의 결과물을 나열식으로 표출할 수 있다.The left image of FIG. 3 is for a case in which the mental model of the user is determined as the worker mental model through the above-mentioned contents, and for the worker mental model user, one data most highly related to the service (message content) requested by the user, that is, the user It is possible to utilize only the diet data of , and display it as a pictogram representing the data or an application icon that is a source of the data and the corresponding data to be learned, that is, the menu data information (a). And, by learning the acquired diet data, the analysis result by learning (b), for example, "prefers soup dishes that can be cooked quickly", the analysis results are expressed, and at least according to the analysis result (b) One or more service outcomes (c) are generated and displayed. Here, as shown in the analysis result, as a result of the analysis by the learning of the user's diet data, it appears that the user prefers the soup dish, and one or more results related to the soup dish can be expressed in a serial form.
도 3의 우측 이미지는 사용자의 멘탈 모델이 상술한 내용을 통해 동반자 멘탈 모델로 결정된 경우에 대한 것으로, 동반자 멘탈 모델 사용자에게는 사용자가 요청한 서비스(메시지 내용)와 직간접적으로 연관된 모든 데이터를 활용하고 예를 들어, 사용자의 식단 데이터와 사용자의 유튜브 영상을 활용하고, 해당 데이터를 나타내는 픽토그램 또는 해당 데이터의 출처가 되는 어플리케이션 아이콘과 학습하는 해당 데이터 즉, 식단 데이터와 동영상 시청 데이터(a) 로 표출할 수 있다. 그리고, 획득된 식단 데이터와 동영상 시청 데이터를 학습하여 학습에 의한 해석 결과(b) 예를 들어, "현재 다이어트 중"이라는 학습에 의한 해석 결과를 표출하며, 이러한 해석 결과(b)에 따른 하나의 서비스 결과물(c)을 생성하여 표출한다. 여기서, 해석 결과에 도시된 바와 같이, 해당 사용자의 식단 데이터와 유튜브 영상 학습에 의한 해석 결과, 사용자는 다이어트 중인 것으로 나타나며, 다이어트와 관련된 하나의 요리 레시피 또는 음식을 결과물로 표출할 수 있다.The image on the right of FIG. 3 is for a case in which the user's mental model is determined as a companion mental model through the above-mentioned contents. For the companion mental model user, all data directly or indirectly related to the service (message content) requested by the user is utilized and yes For example, by using the user's diet data and the user's YouTube video, it can be expressed as a pictogram representing the data or an application icon that is the source of the data and the corresponding data to be learned, that is, the diet data and the video viewing data (a). have. And, by learning the acquired diet data and video viewing data, an analysis result by learning (b), for example, an analysis result by learning “I am currently on a diet” is expressed, and one analysis result according to this analysis result (b) The service result (c) is created and displayed. Here, as shown in the analysis result, as a result of analysis by the user's diet data and YouTube video learning, it appears that the user is on a diet, and one cooking recipe or food related to the diet can be expressed as a result.
도 3의 좌측 이미지와 우측 이미지에서의 a는 일꾼 멘탈 모델과 동반자 멘탈 모델에서 학습하는 데이터의 범위를 의미할 수 있다.A in the left image and the right image of FIG. 3 may mean a range of data learned from the worker mental model and the companion mental model.
이와 같이, 본 발명의 실시예에 따른 방법은 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델 즉, 일꾼 멘탈 모델과 동반자 멘탈 모델을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있다.As described above, the method according to an embodiment of the present invention provides different types of message expression to match each mental model based on the heterogeneous user mental model, that is, the worker mental model and the companion mental model, determined in advance by the intelligent agent. By doing so, it is possible to provide an interactive message customized to the individual user.
또한, 본 발명의 실시예에 따른 방법은 각각의 사용자가 지능형 에이전트에게 기대하는 자연스러운 인터랙션 방식에 부합하는 메시지를 받을 수 있도록 도와줌으로써, 사용자에게 긍정적 사용 경험을 제공하고 사용자-에이전트 간 관계 발전을 촉진시킬 수 있으며, 에이전트 메시지의 표출 형식이 가시적으로 변화하므로 사용자는 개인화의 결과물을 보다 직관적으로 체감할 수 있다.In addition, the method according to an embodiment of the present invention helps each user to receive a message conforming to a natural interaction method expected from an intelligent agent, thereby providing a positive user experience to the user and promoting the development of the user-agent relationship. Since the expression format of the agent message is changed visually, the user can more intuitively feel the result of personalization.
즉, 기존 지능형 에이전트가 서비스 제공 과정에서 출력하는 메시지는 대부분 참고한 데이터의 유형과 데이터의 해석 결과를 표출하지 않고, 서비스의 결과물 또는 외부 검색 엔진의 검색 결과 그 자체를 나열식으로 표출하는 반면, 본 발명의 실시예에 따른 방법은 지능형 에이전트가 개인화를 진행하는 부분 예를 들어, 참고하는 데이터의 유형, 데이터의 해석 결과 및 서비스의 결과물을 메시지에 드러내고 이를 사용자의 멘탈 모델에 따라 차별화함으로써, 인공지능 기반 맞춤화의 과정 및 결과물을 사용자가 효과적으로 느낄 수 있게 한다.In other words, most of the messages output by the existing intelligent agent during the service provision process do not express the type of data referenced and the analysis results of the data, but rather the results of the service or the search results of an external search engine in a list form. The method according to the embodiment of the present invention discloses the part where the intelligent agent performs personalization, for example, the type of data referenced, the data interpretation result, and the service result in a message, and differentiates it according to the user's mental model. It enables users to effectively feel the process and results of intelligence-based customization.
도 4는 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템에 대한 구성을 나타낸 것으로, 도 1 내지 도 3의 방법을 수행하는 시스템 또는 장치에 대한 구성을 나타낸 것이다.4 shows a configuration of a system for providing an interactive message based on a heterogeneous mental model according to an embodiment of the present invention, and shows a configuration of a system or apparatus for performing the method of FIGS. 1 to 3 .
도 4를 참조하면, 본 발명의 실시예에 따른 시스템(400)은 수신부(410), 결정부(420), 획득부(430), 제공부(440) 및 데이터베이스(DB)(450)를 포함한다.Referring to FIG. 4 , the
DB(450)는 본 발명과 관련된 다양한 데이터를 저장하는 수단으로, 이종의 멘탈 모델들 각각의 알고리즘, 이와 관련된 정보, 사용자와 관련된 참고 데이터, 사용자에 의해 설정된 주요 멘탈 모델을 포함하는 사용자 정보 등을 저장한다. 물론, DB(450)는 상술한 데이터에 한정하지 않으며, 본 발명과 관련된 모든 데이터를 저장할 수 있다.
수신부(410)는 사용자로부터 입력되는 메시지를 수신한다.The
결정부(420)는 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정한다.The
여기서, 결정부(420)는 사용자에 의해 미리 설정된 주요 멘탈 모델과 수신된 메시지의 내용에 기초하여 사용자의 멘탈 모델을 결정할 수 있다. 예컨대, 결정부(420)는 수신된 메시지의 내용에 기초하여 주요 멘탈 모델 예를 들어, 제1 멘탈 모델 및 주요 멘탈 모델과 상이한 멘탈 모델 예를 들어, 제2 멘탈 모델 각각의 관련성을 판단하고, 판단된 관련성을 기반으로 주요 멘탈 모델 또는 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 이 때, 결정부(420)는 수신된 메시지의 내용을 통해 관련성의 판단이 불가능한 경우 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 즉, 결정부(420)는 사용자로부터 수신된 메시지의 내용 분석을 통해 해당 메시지에 대한 응답을 상이한 멘탈 모델로 결정해야되는 경우 사용자에 의해 주요 멘탈 모델이 설정되어 있더라도 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 메시지의 내용이 특별하게 특정 멘탈 모델과 관련이 없는 경우 사용자에 의해 설정된 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다.Here, the
획득부(430)는 결정된 멘탈 모델과 수신된 메시지의 내용에 기초하여 결정된 멘탈 모델에 대한 학습 데이터를 획득한다.The
이 때, 획득부(430)는 사용자의 멘탈 모델이 제1 멘탈 모델로 결정되는 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득할 수 있으며, 사용자의 멘탈 모델이 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득할 수 있다. At this time, when the mental model of the user is determined as the first mental model, the acquiring
제공부(440)는 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다.The providing
이 때, 제공부(440)는 획득부(430)에 의해 높은 한 종류의 학습 데이터만 획득되는 경우 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있으며, 획득부(430)에 의해 사용자의 모든 데이터를 학습 데이터로 획득하는 경우 획득된 모든 데이터를 학습 데이터로 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있다. At this time, when only one type of high learning data is acquired by the acquiring
나아가, 제공부(440)는 응답 메시지를 사용자에게 제공한 후 사용자의 입력에 의해 결정된 멘탈 모델이 변경되는 경우 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공할 수도 있다.Furthermore, when the mental model determined by the user's input is changed after the providing
비록, 도 4의 시스템에서 그 설명이 생략되었더라도, 도 4의 시스템 도 1 내지 도 3의 방법에서 설명한 모든 내용을 포함할 수 있으며, 이는 이 기술 분야에 종사하는 당업자에게 있어서 자명하다.Although the description of the system of FIG. 4 is omitted, the system of FIG. 4 may include all the contents described in the method of FIGS. 1 to 3 , which will be apparent to those skilled in the art.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented as a hardware component, a software component, and/or a combination of the hardware component and the software component. For example, the devices and components described in the embodiments may include a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), and a programmable logic unit (PLU). It may be implemented using one or more general purpose or special purpose computers, such as a logic unit, microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에서 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. can be embodied in The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. In this case, the medium may be to continuously store the program executable by the computer, or to temporarily store the program for execution or download. In addition, the medium may be various recording means or storage means in the form of a single or several hardware combined, it is not limited to a medium directly connected to any computer system, and may exist distributed on a network. Examples of the medium include a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as CD-ROM and DVD, a magneto-optical medium such as a floppy disk, and those configured to store program instructions, including ROM, RAM, flash memory, and the like. In addition, examples of other media may include recording media or storage media managed by an app store that distributes applications, sites that supply or distribute various other software, or servers.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited embodiments and drawings, various modifications and variations are possible by those skilled in the art from the above description. For example, the described techniques are performed in a different order than the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
Claims (14)
사용자로부터 메시지를 수신하는 단계;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
를 포함하고,
상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
를 더 포함하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
A method for providing an interactive message based on a heterogeneous mental model in an intelligent agent, the method comprising:
receiving a message from a user;
determining one of the first mental model performing the role of a mechanical worker and the second mental model performing the role of a companion like a person as the mental model of the user;
acquiring training data for the determined mental model based on the determined mental model and the content of the received message; and
providing a response message to the received message to the user based on learning using the acquired learning data
including,
After providing the response message to the user, when the determined mental model is changed by the user's input, a response message to the received message is displayed based on learning using the learning data obtained for the changed mental model. Steps to provide to users
A method of providing an interactive message based on a heterogeneous mental model further comprising a.
상기 사용자의 멘탈 모델로 결정하는 단계는
상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델 또는 상기 제2 멘탈 모델인 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
According to claim 1,
The step of determining the user's mental model is
Determining a mental model of the user based on a main mental model preset by the user and the content of the received message, wherein the main mental model is the first mental model or the second mental model A method of providing interactive messages based on the mental model of
상기 사용자의 멘탈 모델로 결정하는 단계는
상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델이고, 상기 주요 멘탈 모델과 상이한 멘탈 모델은 상기 제2 멘탈 모델인 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
3. The method of claim 2,
The step of determining the user's mental model is
Based on the content of the received message, the relevance of each of the main mental model and the main mental model is determined, and based on the determined relevance, the main mental model or the different mental model is set to the mental model of the user. It is determined as a model, wherein the main mental model is the first mental model, and the mental model different from the main mental model is the second mental model.
상기 사용자의 멘탈 모델로 결정하는 단계는
상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
4. The method of claim 3,
The step of determining the user's mental model is
The interactive message providing method based on heterogeneous mental models, characterized in that when it is impossible to determine the relevance through the contents of the received message, the main mental model is determined as the mental model of the user.
사용자로부터 메시지를 수신하는 단계;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
를 포함하고,
상기 학습 데이터를 획득하는 단계는
상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고,
상기 사용자에게 제공하는 단계는
상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
상기 응답 메시지는
상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
A method for providing an interactive message based on a heterogeneous mental model in an intelligent agent, the method comprising:
receiving a message from a user;
determining one of the first mental model performing the role of a mechanical worker and the second mental model performing the role of a companion like a person as the mental model of the user;
acquiring training data for the determined mental model based on the determined mental model and the content of the received message; and
providing a response message to the received message to the user based on learning using the acquired learning data
including,
The step of obtaining the learning data is
When the determined mental model is the first mental model, only one type of training data most highly related to the received message content is acquired,
The step of providing the user
By learning only the acquired one type of learning data, the response message including at least one result corresponding to the content of the received message is provided to the user,
The response message is
The interactive message providing method based on heterogeneous mental models, characterized in that it includes information on the learning data, an analysis result of the learning data, and a result according to the analysis result.
사용자로부터 메시지를 수신하는 단계;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
를 포함하고,
상기 학습 데이터를 획득하는 단계는
상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고,
상기 사용자에게 제공하는 단계는
상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
상기 응답 메시지는
상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
A method for providing an interactive message based on a heterogeneous mental model in an intelligent agent, the method comprising:
receiving a message from a user;
determining one of the first mental model performing the role of a mechanical worker and the second mental model performing the role of a companion like a person as the mental model of the user;
acquiring training data for the determined mental model based on the determined mental model and the content of the received message; and
providing a response message to the received message to the user based on learning using the acquired learning data
including,
The step of obtaining the learning data is
When the determined mental model is the second mental model, acquiring all data of the user related to the content of the received message as learning data,
The step of providing the user
By learning the acquired learning data, the response message including one result corresponding to the content of the received message is provided to the user,
The response message is
The interactive message providing method based on heterogeneous mental models, characterized in that it includes information on all the data, an analysis result of the learning data, and a result according to the analysis result.
사용자로부터 메시지를 수신하는 수신부;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부
를 포함하고,
상기 제공부는
상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
In the interactive message providing system based on heterogeneous mental model (mental model),
a receiver for receiving a message from a user;
a determination unit that determines one of a first mental model performing the role of a mechanical worker and a second mental model performing a role of a companion like a person as the mental model of the user;
an acquisition unit configured to acquire learning data for the determined mental model based on the determined mental model and the content of the received message; and
A providing unit that provides a response message to the received message to the user based on learning using the acquired learning data
including,
The provider
After providing the response message to the user, when the determined mental model is changed by the user's input, a response message to the received message is displayed based on learning using the learning data obtained for the changed mental model. An interactive message providing system based on a heterogeneous mental model, characterized in that it is provided to the user.
상기 결정부는
상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델 또는 상기 제2 멘탈 모델인 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
9. The method of claim 8,
The decision part
Determining a mental model of the user based on a main mental model preset by the user and the content of the received message, wherein the main mental model is the first mental model or the second mental model An interactive message delivery system based on the mental model of
상기 결정부는
상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델이고, 상기 주요 멘탈 모델과 상이한 멘탈 모델은 상기 제2 멘탈 모델인 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
10. The method of claim 9,
The decision part
Based on the content of the received message, the relevance of each of the main mental model and the main mental model is determined, and based on the determined relevance, the main mental model or the different mental model is set to the mental model of the user. It is determined as a model, wherein the main mental model is the first mental model, and the mental model different from the main mental model is the second mental model. An interactive message providing system based on heterogeneous mental models.
사용자로부터 메시지를 수신하는 수신부;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부
를 포함하고,
상기 결정부는
상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하며, 상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델이고, 상기 주요 멘탈 모델과 상이한 멘탈 모델은 상기 제2 멘탈 모델이고, 상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
In the interactive message providing system based on heterogeneous mental model (mental model),
a receiver for receiving a message from a user;
a determination unit that determines one of a first mental model performing the role of a mechanical worker and a second mental model performing a role of a companion like a person as the mental model of the user;
an acquisition unit configured to acquire learning data for the determined mental model based on the determined mental model and the content of the received message; and
A providing unit that provides a response message to the received message to the user based on learning using the acquired learning data
including,
The decision part
a mental model of the user is determined based on a main mental model preset by the user and the content of the received message, and a mental model different from the main mental model and the main mental model based on the content of the received message Each relevance is determined, and the main mental model or the different mental model is determined as the mental model of the user based on the determined relevance, wherein the main mental model is the first mental model, and the main mental model and A different mental model is the second mental model, and when it is impossible to determine the relevance through the contents of the received message, the main mental model is determined as the mental model of the user. Conversation based on a heterogeneous mental model type message delivery system.
사용자로부터 메시지를 수신하는 수신부;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부
를 포함하고,
상기 결정부는
상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하며, 상기 주요 멘탈 모델은 상기 제1 멘탈 모델 또는 상기 제2 멘탈 모델이고,
상기 획득부는
상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고,
상기 제공부는
상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
상기 응답 메시지는
상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
In the interactive message providing system based on heterogeneous mental model,
a receiver for receiving a message from a user;
a determination unit that determines one of a first mental model performing the role of a mechanical worker and a second mental model performing a role of a companion like a person as the mental model of the user;
an acquisition unit configured to acquire learning data for the determined mental model based on the determined mental model and the content of the received message; and
A providing unit that provides a response message to the received message to the user based on learning using the acquired learning data
including,
The decision part
determine a mental model of the user based on a main mental model preset by the user and the contents of the received message, wherein the main mental model is the first mental model or the second mental model;
the acquisition unit
When the determined mental model is the first mental model, only one type of training data most highly related to the received message content is acquired,
The provider
By learning only the acquired one type of learning data, the response message including at least one result corresponding to the content of the received message is provided to the user,
The response message is
An interactive message providing system based on heterogeneous mental models, characterized in that it includes information on the learning data, an analysis result of the learning data, and a result according to the analysis result.
사용자로부터 메시지를 수신하는 수신부;
기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부;
상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및
상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부
를 포함하고,
상기 획득부는
상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고,
상기 제공부는
상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
상기 응답 메시지는
상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.In the interactive message providing system based on heterogeneous mental model,
a receiver for receiving a message from a user;
a determination unit that determines one of a first mental model performing the role of a mechanical worker and a second mental model performing a role of a companion like a person as the mental model of the user;
an acquisition unit configured to acquire learning data for the determined mental model based on the determined mental model and the content of the received message; and
A providing unit that provides a response message to the received message to the user based on learning using the acquired learning data
including,
the acquisition unit
When the determined mental model is the second mental model, acquiring all data of the user related to the content of the received message as learning data,
The provider
By learning the acquired learning data, the response message including one result corresponding to the content of the received message is provided to the user,
The response message is
An interactive message providing system based on heterogeneous mental models, characterized in that it includes information on all the data, an analysis result of the learning data, and a result according to the analysis result.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200016875A KR102449948B1 (en) | 2020-02-12 | 2020-02-12 | Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200016875A KR102449948B1 (en) | 2020-02-12 | 2020-02-12 | Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210102635A KR20210102635A (en) | 2021-08-20 |
| KR102449948B1 true KR102449948B1 (en) | 2022-10-05 |
Family
ID=77466725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200016875A KR102449948B1 (en) | 2020-02-12 | 2020-02-12 | Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102449948B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017224190A (en) * | 2016-06-16 | 2017-12-21 | 株式会社オルツ | Artificial intelligence system for supporting communication |
| KR101927050B1 (en) | 2018-01-18 | 2018-12-10 | 주식회사 머니브레인 | User terminal and computer readable recorindg medium including a user adaptive learning model to be tranined with user customized data without accessing a server |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4365784A2 (en) * | 2016-04-18 | 2024-05-08 | Google LLC | Automated assistant invocation of appropriate agent |
| KR102656620B1 (en) * | 2017-03-23 | 2024-04-12 | 삼성전자주식회사 | Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium |
| KR20190117837A (en) * | 2018-03-26 | 2019-10-17 | 삼성전자주식회사 | Device and method for providing response message to user input |
| KR102185369B1 (en) * | 2018-03-28 | 2020-12-01 | 삼성전자주식회사 | System and mehtod for generating information for conversation with user |
| KR20190094087A (en) * | 2018-11-22 | 2019-08-12 | 주식회사 머니브레인 | User terminal including a user customized learning model associated with interactive ai agent system based on machine learning, and computer readable recording medium having the customized learning model thereon |
| US11605379B2 (en) * | 2019-07-11 | 2023-03-14 | Lg Electronics Inc. | Artificial intelligence server |
-
2020
- 2020-02-12 KR KR1020200016875A patent/KR102449948B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017224190A (en) * | 2016-06-16 | 2017-12-21 | 株式会社オルツ | Artificial intelligence system for supporting communication |
| KR101927050B1 (en) | 2018-01-18 | 2018-12-10 | 주식회사 머니브레인 | User terminal and computer readable recorindg medium including a user adaptive learning model to be tranined with user customized data without accessing a server |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210102635A (en) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210304075A1 (en) | Batching techniques for handling unbalanced training data for a chatbot | |
| US20200143447A1 (en) | Method and device for recommending gift and mobile terminal | |
| KR102148064B1 (en) | Voice displaying | |
| KR20200012933A (en) | Shortened voice user interface for assistant applications | |
| US11032606B2 (en) | System, method, and recording medium for providing notifications in video streams to control video playback | |
| US20220368798A1 (en) | Method and device for displaying video playback interface, terminal device, and storage medium | |
| US11556360B2 (en) | Systems, methods, and apparatus that provide multi-functional links for interacting with an assistant agent | |
| CN109947388B (en) | Page playing and reading control method and device, electronic equipment and storage medium | |
| US11278801B2 (en) | Management of provisioning of video game during game preview | |
| US11251987B2 (en) | Modification of device settings based on user abilities | |
| KR20200100744A (en) | System and method for dynamically enabling and disabling biometric devices | |
| US20170171266A1 (en) | Method and electronic device based on android platform for multimedia resource play | |
| KR102449948B1 (en) | Method for providing interactive messages based on heterogeneous mental models in intelligent agents and system therefore | |
| CN113596529A (en) | Terminal control method and device, computer equipment and storage medium | |
| US20210098012A1 (en) | Voice Skill Recommendation Method, Apparatus, Device and Storage Medium | |
| US20170155943A1 (en) | Method and electronic device for customizing and playing personalized programme | |
| US11375283B2 (en) | Configuring settings of a television | |
| US9968844B2 (en) | Server and user device for providing a computer implemented game reward | |
| CN113596521A (en) | Video playing control method and device, electronic equipment and storage medium | |
| CN112614049A (en) | Image processing method, image processing device, storage medium and terminal | |
| US20220046319A1 (en) | Adapting interactions with a television user | |
| CN115002496B (en) | Information processing method and device of live broadcast platform, computer equipment and storage medium | |
| EP4087260A1 (en) | Personalizing instructional video | |
| KR102161907B1 (en) | Method for user interfacing for searching categories and apparatus thereof | |
| KR20230094834A (en) | Method and server generating user-customized setting menu for user device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |