KR101565658B1 - 기억 능력을 이용한 대화 관리 방법 및 장치 - Google Patents

기억 능력을 이용한 대화 관리 방법 및 장치 Download PDF

Info

Publication number
KR101565658B1
KR101565658B1 KR1020130142742A KR20130142742A KR101565658B1 KR 101565658 B1 KR101565658 B1 KR 101565658B1 KR 1020130142742 A KR1020130142742 A KR 1020130142742A KR 20130142742 A KR20130142742 A KR 20130142742A KR 101565658 B1 KR101565658 B1 KR 101565658B1
Authority
KR
South Korea
Prior art keywords
response
unit
knowledge
unit knowledge
sentence
Prior art date
Application number
KR1020130142742A
Other languages
English (en)
Other versions
KR20140068760A (ko
Inventor
이근배
김용희
노형종
이동현
이인재
최준휘
서홍석
류성한
구상준
Original Assignee
포항공과대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포항공과대학교 산학협력단 filed Critical 포항공과대학교 산학협력단
Publication of KR20140068760A publication Critical patent/KR20140068760A/ko
Application granted granted Critical
Publication of KR101565658B1 publication Critical patent/KR101565658B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

기억 능력을 이용한 대화 관리 방법 및 장치가 개시된다. 본 발명에 따른 기억 능력을 이용한 대화 관리 방법은 발화 문장을 수신하는 단계, 수신된 발화 문장의 의도를 분석하여 제1 응답을 획득하는 단계, 수신된 발화 문장의 단위 지식을 분석하여 제2 응답을 획득하는 단계 및 상기 제1 응답 및 제2 응답에 기초하여 최종 응답을 출력하는 단계를 포함한다. 본 발명에 의하면 대화 상대의 흥미 및 관심사를 반영하는 대화 관리 데이터 베이스를 구축하고, 상기 데이터 베이스를 통하여 입력되는 발화에 대한 적합한 응답을 출력 가능하다.

Description

기억 능력을 이용한 대화 관리 방법 및 장치{METHOD FOR DIALOG MANAGEMENT USING MEMORY CAPCITY AND APPARATUS THEREFOR}
본 발명은 음성 대화 장치에 관한 것으로, 더욱 상세하게는 기억 능력을 이용한 대화 관리 방법 및 장치에 관한 것이다.
일반적으로 대화 장치는 사용자 입력에 반응하여 적절한 응답을 내보내는 방식으로 동작한다. 이러한 대화 장치는 사용자 발화와 시스템 발화를 포함한 말뭉치가 필요하며, 실제 대화 실행 시 사용자 발화를 분석을 통해, 분석 결과에 대한 적합한 시스템 발화를 선택하여 응답으로 출력하는 방식으로 구현되고 있다. 여기서, 시스템 발화 내에 특정 개체명이 치환될 수 있는 슬롯을 지정하여 문맥과 상황, 목적에 맞게 개체명을 선택하여 응답할 수 있다.
예제 기반의 대화 장치는 시스템 구축 시 지정한 개체명 사전 및 시스템 응답의 슬롯에 한해서 응답에 변화를 줄 수 있다. 이는 지식과 정보를 개체명 형태로 다루는 방식이기 때문에 사용자 개인과 관련된 광범위하고도 다양한 정보, 관심사 및 지식을 다루기에는 한계가 있다. 사용자들이 공통적으로 관심을 가지는 보편적인 주제뿐만 아니라 사용자 개개인의 관심 분야나 정보를 기억하기 위해서는 지식과 정보를 다루는 정형화된 기법이 필요하다. 온톨로지 모델링 지식 베이스(knowledge base)는 이에 적합한 기법으로 지식을 체계적으로 관리할 수 있으며 추론을 통해 정보를 확장할 수 있다.
이를 위해, 종래에는 동적 상황 결정을 위한 온톨로지 모델링 방법 및 지식 기반 온톨로지 프레임워크는 온톨로지를 활용해 다양한 상황을 인식하고 대응할 수 있는 방법을 제시하고 있다. 하지만 서비스 목적에 맞게 온톨로지가 특정 도메인에 제한되어 사용자에 따른 차이를 내재하기에는 부족한 문제점이 있다.
상기한 바와 같은 문제점을 극복하기 위한 본 발명의 목적은 기억 능력을 이용하여 대화 대상의 관심에 적합한 응답을 제공할 수 있는 기억 능력을 이용한 대화 관리 방법을 제공하는 것이다.
또한, 본 발명의 다른 목적은 상기 기억 능력을 이용한 대화 관리 방법을 수행하는 장치를 제공하는 것이다.
상술한 본 발명의 목적을 달성하기 위한 본 발명의 일 측면에 따른 기억 능력을 이용한 대화 관리 방법은 대화 장치에서 수행되는 기억 능력을 이용한 대화 관리 방법에 있어서, 발화 문장을 수신하는 단계, 상기 수신된 발화 문장의 의도를 분석하여, 상기 의도에 부합하는 제1 응답을 획득하는 단계, 상기 수신된 발화 문장에 포함된 단위 지식의 특성을 분석하여, 상기 단위 지식의 특성에 기초하여 제2 응답을 획득하는 단계 및 상기 제1 응답과 제2 응답 간의 동일성에 기초하여 제1 응답 또는 제2 응답을 최종 응답으로 출력하는 단계를 포함한다.
여기서, 상기 대화 관리 방법은 상기 최종 응답에 대한 응답인 응답 문장을 수신하고, 상기 응답 문장의 의도에 기초하여 단위 지식을 갱신하는 단계를 더 포함할 수 있다.
여기서, 상기 제2 응답을 획득하는 단계는 상기 발화 문장으로부터 제1 단위 지식을 추출하는 단계, 상기 추출된 제1 단위 지식과 미리 구축된 제2 단위 지식을 동일성에 기초하여 비교하는 단계, 상기 비교 결과를 기반으로 제2 단위 지식을 갱신하는 단계 및 상기 갱신된 제2 단위 지식을 기반으로 상기 발화 문장에 대한 제2 응답을 획득하는 단계를 포함할 수 있다.
여기서, 상기 단위 지식의 특성은 상기 단위 지식에 대한 흥미도, 장기적 관심도 및 영속성을 포함할 수 있다.
여기서, 상기 흥미도는 동일한 단위 지식을 수신한 빈도를 기반으로 결정될 수 있다.
여기서, 상기 장기적 관심도는 동일한 단위 지식을 주기적으로 수신한 빈도를 기반으로 결정될 수 있다.
여기서, 상기 제2 단위 지식을 갱신하는 단계는 상기 제2 단위 지식의 영속성을 기반으로 망각되는 정도를 갱신할 수 있다.
여기서, 상기 최종 응답을 출력하는 단계는 상기 제1 응답과 제2 응답이 다를 경우, 제2 응답을 최종 응답으로 출력할 수 있다.
또한, 본 발명의 다른 목적을 달성하기 위한 본 발명의 일 측면에 따른 기억 능력을 이용한 대화 관리 장치는 발화 문장을 수신하고, 상기 수신된 발화 문장의 의도 분석을 기반으로 제1 응답을 획득하고, 상기 수신된 발화 문장에 포함된 단위 지식의 특성 분석을 기반으로 제2 응답을 획득하고, 상기 제1 응답과 제2 응답 간의 동일성에 기초하여 제1 응답 또는 제2 응답을 최종 응답을 출력하는 처리부 및 상기 처리부에서 처리된 정보 및 처리된 정보를 저장하는 저장부를 포함한다.
여기서, 상기 처리부는 상기 최종 응답에 대한 응답인 응답 문장을 수신하고, 수신한 응답 문장의 의도에 기초하여 단위 지식을 갱신할 수 있다.
여기서, 상기 처리부는 상기 발화 문장으로부터 제1 단위 지식을 추출하여, 상기 추출된 제1 단위 지식과 미리 구축된 제2 단위 지식을 동일성에 기초하여 비교하고, 상기 비교 결과를 기반으로 제2 단위 지식을 갱신하고, 상기 갱신된 제2 단위 지식을 기반으로 상기 발화 문장에 대한 제2 응답을 획득할 수 있다.
여기서, 상기 단위 지식의 특성은 상기 단위 지식에 대한 흥미도, 장기적 관심도 및 영속성을 포함할 수 있다.
여기서, 상기 흥미도는 동일한 단위 지식을 수신한 빈도를 기반으로 결정될 수 있다.
여기서, 상기 장기적 관심도는 동일한 단위 지식을 주기적으로 수신한 빈도를 기반으로 결정될 수 있다.
여기서, 상기 처리부는 상기 제2 단위 지식을 갱신하는 경우, 상기 제2 단위 지식의 영속성을 기반으로 망각되는 정도를 갱신할 수 있다.
여기서, 상기 처리부는 상기 제1 응답과 제2 응답이 다를 경우, 제2 응답을 최종 응답으로 출력할 수 있다.
상술한 바와 같은 기억 능력을 이용한 대화 관리 방법에 따르면, 대화 대상의 흥미 또는 관심사가 반영된 대화 관리 데이터 베이스를 구축할 수 있다.
또한, 상기 대화 관리 데이터 베이스를 통하여 대화 대상의 흥미 또는 관심사가 반영된 적합한 응답을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 기억 능력을 이용한 대화 관리 방법을 나타내는 흐름도이다.
도 2는 도 1에 도시된 발화 문장 의도를 분석하여 제1 응답이 획득되는 과정을 보다 상세하게 나타낸 흐름도이다.
도 3은 도 1에 도시된 발화 문장에 포함된 단위 지식을 분석하여 제2 응답이 획득되는 과정을 보다 상세하게 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 대화 상대 반응에 기초하여 단위 지식 저장부를 갱신하는 과정을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 기억 능력을 이용한 대화 관리 장치를 나타내는 구성도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
아래에서 도 1 내지 도 4를 참조하여 설명되는 대화 관리 방법은 도 5에 도시된 대화 관리 장치에서 수행될 수 있다. 여기서, 대화 관리 장치는 발화 의도 분석부, 대화 관리부, 대화 예제 저장부, 단위 지식 추출부, 단위 지식 관리부, 단위 지식 저장부, 시스템 응답 생성부 및 대화 관리 질의부를 포함할 수 있다.
여기서, 상기 단위 지식 관리부는 흥미도 판단부, 장기적 관심도 판단부, 영속성 판단부, 망각 관리부, 추론부 및 검색부를 포함할 수 있다.
발화 의도 분석부는 수신된 발화 문장의 의도를 분석하는 기능을 할 수 있고, 대화 관리부는 상기 분석된 의도에 부합하는 응답을 대화 예제 저장부로부터 획득하는 기능을 할 수 있다.
단위 지식 추출부는 수신된 발화 문장에 포함된 단위 지식을 추출하는 기능을 할 수 있고, 단위 지식 관리부는 상기 추출된 단위 지식의 흥미도, 장기적 관심도 및 영속성을 판단하여 단위 지식 저장부에 저장된 단위 지식 또는 단위 지식을 포한하는 응답 문장을 갱신하는 기능을 할 수 있다.
단위 지식 관리부의 흥미도 판단부, 장기적 관심도 판단부 및 영속성 판단부는 단위 지식의 흥미도, 장기적 관심도 및 영속성을 각각 판단하는 기능을 할 수 있다.
망각 관리부는 판단된 단위 지식의 영속성을 기반으로 상기 단위 지식이 망각되는 정도를 단위 지식 저장부에 갱신하는 기능을 할 수 있다.
도 1은 본 발명의 일 실시예에 따른 기억 능력을 이용한 대화 관리 방법을 나타내는 흐름도이다.
도 1을 참조하면, 먼저 대화 관리 장치는, 자연어의 형태로 구성된 발화 문장을 수신할 수 있다(S100).
예를 들면, 대화 관리 장치는 사용자로부터 발화 문장을 직접 수신할 수 있고, 또는 사용자 단말로부터 발화 문장을 직접 수신할 수 있다. 여기서, 사용자 단말은 음성 출력할 수 있는 단말을 의미한다. 예를 들어, 사용자 단말은 스마트폰(Smart phone), 태블릿 PC(Tablet PC), 데스크탑(Desktop), 랩탑(Laptop), PDA(Personal Digital Assistant), 네비게이션(Navigation) 등을 의미할 수 있다.
이후, 대화 관리 장치는, 수신된 발화 문장의 의도 분석을 기반으로 제1 응답을 획득할 수 있다(S200).
도 2는 도 1에 도시된 발화 문장 의도를 분석하여 제1 응답이 획득되는 과정을 보다 상세하게 나타낸 흐름도이다.
대화 관리 장치는 수신된 발화 문장의 의도를 분석할 수 있다(S210). 이후, 대화 관리 장치는 분석된 의도에 기초하여 대화 예제 저장부로부터 제1 응답을 획득할 수 있다(S220). 여기서, 대화 예제 저장부는 복수의 대화 예제를 저장하고 있는 데이터 베이스의 형태로 구성될 수 있다.
예를 들어, 수신된 발화 문장을 “오늘은 날씨가 좋다.”라고 가정하면, 대화 관리 장치는 발화 문장의 의도를 “날씨”가 “좋다”라는 날씨의 상태를 의미하는 것으로 분석할 수 있다. 이후, 대화 관리 장치는 분석된 의도에 따라 대화 예제 저장부에서 날씨의 상태에 동의하는 표현 또는 반대하는 표현으로 예컨대,“정말 좋구나.”, “그래, 좋아.”, “아니, 그렇지 않아.”와 같은 응답을 제1 응답으로 획득할 수 있다.
다시 도 1을 참조하면, 대화 관리 장치는 발화 문장에 포함된 단위 지식 분석 기반으로 제2 응답을 획득할 수 있다(S300).
도 3은 도 1에 도시된 발화 문장에 포함된 단위 지식을 분석하여 제2 응답이 획득되는 과정을 보다 상세하게 나타낸 흐름도이다.
도 3을 참조하여, 도 1에 도시된 발화 문장의 단위 지식 분석 기반으로 제2 응답을 획득하는 단계(S300)를 보다 구체적으로 설명한다.
대화 관리 장치는 수신된 발화 문장의 단위 지식을 추출할 수 있다(S310).
여기서, 발화 문장으로부터 단위 지식을 추출하는 과정은 문장 구조를 분석함으로써, 단위 지식을 추출할 수 있다. 상기 단위 지식은 문장에 포함된 주어, 서술어, 목적어 등을 의미할 수 있다.
예를 들어, 대화 관리 장치는 발화 문장이 “나는 사과를 좋아해.”라는 문장이라고 가정하면, 발화 문장을 분석하여 주어, 서술어, 목적어 등의 문장을 구성하는 성분 및 문장에 포함된 낱말의 품사 정보를 획득할 수 있다. 즉, 상기 발화 문장을 분석하면 주어인 “나”, 서술어인 “좋아하다”, 목적어인 “사과”를 획득할 수 있다. 따라서, 발화 문장으로부터 “나”-“좋아하다”-“사과”와 같은 복수의 단위 지식을 추출할 수 있다.
이후, 대화 관리 장치는 추출된 단위 지식을 기 구축된 단위 지식 저장부 내의 단위 지식과 비교할 수 있다(S320). 단위 지식 저장부는 복수의 단위 지식 또는 상기 복수의 단위 지식을 포함한 복수의 응답이 저장될 수 있다.
여기서, 먼저, 대화 관리 장치는 추출된 제1 단위 지식과 동일한 단위 지식이 단위 지식 저장부에 포함되어 있는지 판단할 수 있다. 또한, 대화 관리 장치는 제1 단위 지식과 동일한 단위 지식이 없는 경우, 상기 제1 단위 지식과 동일 범주 내에 있는 단위 지식이 저장부에 포함되어 있는지 판단할 수 있다. 여기서, 동일 범주란 단위 지식의 의미를 포함하는 상위 개념을 의미할 수 있다.
예를 들어, 제1 단위 지식이 “사과”라고 가정하면, “사과”는 과일의 종류 중 하나이므로, 동일 범주는 “과일”이 될 수 있다. 따라서, 대화 관리 장치는 “사과”라는 단위 지식이 없는 경우, 동일 범주인 “과일”내에 있는 단위 지식으로 예를 들어, “바나나”, “딸기”, “오렌지”등과 같은 단위 지식의 존재 여부를 판단할 수 있다.
이후, 대화 관리 장치는 상기 비교 결과에 기초하여 상기 추출된 단위 지식에 대한 대화 상대의 흥미도(Interest), 장기적 관심도(Long-term Interest) 및 영속성(Temporality) 중 적어도 하나의 특성을 판단할 수 있다(S330).
여기서, 대화 관리 장치는 동일한 단위 지식의 수신 빈도에 기초하여 흥미도를 판단할 수 있고, 동일한 단위 지식을 주기적으로 수신한 빈도에 기초하여 장기적 관심도를 판단할 수 있다. 또한, 대화 관리 장치는 단위 지식의 유효성에 기반하여 영속성을 판단할 수 있다.
상기 흥미도는 동일한 단위 지식을 수신한 횟수에 따라 결정될 수 있다. 예를 들어, 흥미도는 동일한 단위 지식을 수신한 횟수가 많을수록 증가하고, 동일한 단위 지식을 수신한 횟수가 적을수록 감소한다.
또한, 장기적 관심도는 동일한 단위 지식이 수신되는 주기의 빈도를 기반으로 결정할 수 있다. 예를 들어, 장기적 관심도는 동일한 단위 지식이 주기적으로 입력되고, 입력되는 주기의 횟수가 많을수록 증가한다.
또한, 영속성은 단위 지식의 유효성을 기반으로 결정될 수 있다. 대화 관리 장치는 결정된 영속성을 기반으로 단위 지식의 망각되는 정도를 갱신할 수 있다.
예를 들어, 사람의 이름인 “철수”, “영희”와 같은 단위 지식일 경우, 사람의 이름은 비교적 장시간 동안 유효하므로, 상기 단위 지식은 영속성이 있는 것으로 결정될 수 있다. 이에 따라, 대화 관리 장치는 상기 단위 지식을 장시간 동안 망각되지 않도록 설정하여 갱신할 수 있다.
반면, 수신된 발화 문장이 “난 아이유를 좋아해.”라고 가정하면, 상기 발화 문장은 시간이 지남에 따라 관심 또는 흥미가 바뀌어 문장의 유효성을 상실할 수 있다. 따라서, 대화 관리 장치는 상기 발화 문장의 단위 지식 중 “아이유”를 비교적 단시간에 망각되도록 설정할 수 있다.
또 다른 예를 들어, 주기적인 1주일 간격으로 “영희”라는 단위 지식이 발화 문장에 포함되어 수신된다고 가정하면, “영희”에 대한 장기적 관심도를 의미하며, 대화 관리 장치는 상기 장기적 관심도는 일시적이지 않은 것으로 판단할 수 있다. 이와 같은 장기적 관심도를 갖는 단위 지식은 단위 지식 저장부에서 망각되는 정도가 낮게 설정될 수 있다.
이후, 대화 관리 장치는 상기 판단된 단위 지식의 흥미도, 장기적 관심도 및 영속성을 기반으로 단위 지식 저장부에 저장된 단위 지식을 갱신할 수 있다(S340).
예를 들어, 흥미도가 갱신되는 과정을 설명하면, 대화 관리 장치가 발화 문장을 수신하고, 상기 수신한 발화 문장에서 단위 지식을 추출하여 “사과”라는 단위 지식을 추출했다고 가정한다. 이후, 대화 관리 장치는 단위 지식 “사과”와 동일한 단위 지식 “사과”가 단위 지식 저장부에 있는지 판단하고, 단위 지식 “사과”를 수신한 빈도를 기반으로 단위 지식 “사과”의 흥미도를 결정할 수 있다. 여기서, 대화 관리 장치는 “사과”단위 지식시 수신되는 횟수가 미리 설정된 기준을 만족하면 그에 따라 단위 지식 “사과”의 흥미도를 증가시키고, 그렇지 않은 경우 흥미도를 감소시킨다. 따라서, 대화 관리 장치는 증감되는 단위 지식 “사과”의 흥미도를 기반으로 단위 지식 저장부의 단위 지식 “사과”를 갱신할 수 있다.
또 다른 예를 들어, 장기적 관심도가 갱신되는 과정을 설명하면, 대화 관리 장치가 “사과”라는 단위 지식이 주기적으로 수신하는 횟수가 미리 설정된 기준을 만족하면 그에 따라 단위 지식 “사과”의 흥미도를 증가시키고, 그렇지 않은 경우 장기적 관심도를 감소시킨다. 따라서, 대화 관리 장치는 증감되는 단위 지식 “사과”의 장기적 관심도를 기반으로 단위 지식 저장부의 단위 지식 “사과”를 갱신할 수 있다.
이후, 대화 관리 장치는 상기 갱신된 단위 지식 저장부로부터 수신된 발화 문장에 대한 응답으로, 제2 응답을 획득할 수 있다(S350).
구체적으로, 대화 관리 장치는 제1 단위 지식과 대응되는 제2 단위 지식을 포함하는 적어도 하나의 후보 응답 문장을 단위 지식 저장부로부터 추출하고, 적어도 하나의 후보 응답 문장 중에서, 흥미도, 장기적 관심도 및 영속성 중 적어도 하나의 특성이 높은 제2 단위 지식을 포함한 후보 응답 문장을 제2 응답 문장으로 결정할 수 있다.
여기서, 대화 관리 장치는 단계 S200 및 S300을 동시에 수행되도록 구성될 수도 있고, 단계 S300이 단계 S200보다 우선적으로 수행되도록 구성될 수도 있다.
다시 도 1을 참조하면, 대화 관리 장치는 상기 획득된 제1 응답 및 제2 응답을 비교할 수 있다(S400).
여기서, 대화 관리 장치는 제1 응답과 제2 응답의 비교 대상으로 각 응답이 포함하고 있는 단위 지식을 서로 비교할 수 있고, 이에 따라 대화 상대의 흥미 또는 관심에 적합한 응답인가를 판단할 수 있다.
이후, 대화 관리 장치는 상기 단계 S400에서 제1 응답 및 제2 응답이 같은 경우, 제1 응답 또는 제2 응답을 최종 응답으로 출력할 수 있다(S500).
반면, 대화 관리 장치는 상기 단계 S400에서 제1 응답과 제2 응답이 다를 경우, 단위 지식 분석 기반으로 획득된 제2 응답을 최종 응답으로 출력할 수 있다(S600).
도 4는 본 발명의 일 실시예에 따른 대화 상대 반응에 기초하여 단위 지식 저장부를 갱신하는 과정을 나타내는 흐름도이다.
도 4를 참조하면, 먼저 대화 관리 장치는 수신된 발화 문장에 대한 응답으로 시스템 응답을 출력할 수 있다(S410).
여기서, 대화 관리 장치는, 발화 문장의 의도 분석을 기반으로 획득한 제1 응답과 발화 문장에 포함된 단위 지식 분석을 기반으로 획득한 제2 응답을 동일성에 기초하여 비교할 수 있고, 비교 결과를 기반으로 시스템 응답을 생성하고 출력할 수 있다. 여기서, 시스템 응답은 상기에서 도 1 내지 도 3을 참조하여 설명한 대화 관리 방법을 통해 생성된 최종 응답을 의미할 수 있다.
이후, 대화 관리 장치는 출력한 시스템 응답에 대한 상대방의 응답 문장 문장을 수신할 수 있다(S420).
여기서, 대화 관리 장치는 응답 문장을 사용자로부터 발화 문장을 직접 수신할 수 있고, 또는 사용자 단말로부터 발화 문장을 직접 수신할 수 있다. 여기서, 사용자 단말은 음성 출력할 수 있는 단말을 의미한다. 예를 들어, 사용자 단말은 스마트폰(Smart phone), 태블릿 PC(Tablet PC), 데스크탑(Desktop), 랩탑(Laptop), PDA(Personal Digital Assistant), 네비게이션(Navigation) 등을 의미할 수 있다.
이후, 대화 관리 장치는 상기 수신한 응답 문장의 의도를 판단할 수 있다(S430).
여기서, 대화 관리 장치는 판단된 응답 발화 문장의 의도가 부정적일 경우, 상기 발화 문장에 포함된 단위 지식의 특성을 판단하여 단위 지식 저장부에 저장된 단위 지식 또는 단위 지식을 포함한 응답 문장을 갱신할 수 있다(S440). 여기서, 단위 지식 저장부는 복수의 단위 지식 또는 상기 단위 지식이 포함된 복수의 응답이 저장될 수 있고, 데이터 베이스 형태로 구성될 수 있다.
예를 들어, 대화 관리 장치는 상기 시스템 응답의 제1 단위 지식에 반대 또는 모순되는 제2 단위 지식이 응답 발화 문장에 포함되어 수신될 경우를 부정적인 반응으로 판단할 수 있고, 시스템 응답의 제1 단위 지식은 영속성이 약한 것으로 설정하여 갱신될 수 있다. 즉, 대화 관리 장치는 제1 단위 지식의 영속성을 낮게 설정할 수 있다.
반면, 대화 관리 장치는 판단된 응답 발화 문장의 반응이 부정적이지 않을 경우, 시스템 응답의 제1 단위 지식의 영속성을 갱신하지 않을 수도 있다.
도 5는 본 발명의 일 실시예에 따른 기억 능력을 이용한 대화 관리 장치를 나타내는 구성도이다.
도 5를 참조하면, 기억 능력을 이용한 대화 관리 장치(500)는 발화 의도 분석부(510), 대화 관리부(530), 대화 예제 저장부(531), 단위 지식 추출부(520), 단위 지식 관리부(540), 시스템 응답 생성부(550) 및 대화 관리 질의부(560)를 포함할 수 있다.
또한, 기억 능력을 이용한 대화 관리 장치(500)의 단위 지식 관리부(540)는 흥미도 판단부(541), 장기적 관심도 판단부(542), 영속성 판단부(543), 망각 관리부(544), 추론부(545) 및 검색부(546)를 포함할 수 있다.
먼저, 대화 관리 장치(500)는 발화 문장(10)을 수신할 수 있다. 이후, 발화 의도 분석부(510)는 입력된 발화 문장(10)의 발화 의도(30)를 분석할 수 있다. 이후, 대화 관리부(530)는 분석된 발화 의도(30)에 기초하여 제1 응답을 획득할 수 있다.
구체적으로, 예를 들면, 발화 문장(10)이 “오늘은 날씨가 좋다.”라고 가정하면, 대화 관리 장치(500)의 발화 의도 분석부(510)는 발화 의도(30)를 분석하여, 상기 분석된 발화 의도(30)가 “날씨”가 “좋다”라는 날씨의 상태를 의미하고 있음을 분석할 수 있다. 이에 따라, 대화 관리부(530)는 발화 의도(30)를 기반으로 대화 예제 저장부로부터 날씨의 상태에 동의 또는 반대하는 표현으로 예컨대,“정말 좋구나.”, “그래, 좋아.”, “아니, 그렇지 않아.”와 같은 응답을 제1 응답으로 획득할 수 있다.
또한, 대화 관리 장치(500)의 단위 지식 추출부(520)는 수신한 발화 문장(10)에 포함된 단위 지식(20)을 추출할 수 있다. 이후, 대화 관리 장치(500)는 단위 지식 관리부(540)를 통해 상기 추출된 단위 지식(20)의 특성을 판단할 수 있다. 여기서 상기 단위 지식(20)의 특성은 단위 지식의 흥미도, 장기적 관심도 및 영속성을 포함할 수 있다.
여기서, 단위 지식은 문장을 구성하고 있는 최소 단위로, 의미를 갖고 있는 단위를 의미할 수 있다. 또는, 문장을 구성하는 주어, 서술어, 목적어 등을 의미할 수 있다. 예를 들어, 문장이 “나는 사과를 좋아해.”라고 가정하면, 상기 문장에서 단위 지식은 주어인“나”, 목적어인“사과”및 서술어인“좋다”와 같이 3가지일 수 있다.
상기 단위 지식 관리부(540)는 판단된 단위 지식(20)을 기반으로 단위 지식 저장부(547)에 저장된 단위 지식(20) 또는 단위 지식(20)을 포함한 응답 문장을 갱신할 수 있다.
단위 지식 저장부(540)에 저장된 단위 지식(20) 또는 단위 지식(20)을 포함한 응답 문장을 갱신하는 구체적인 과정은 상기 단계 S340을 통해 수행되는 과정과 동일할 수 있다.
여기서, 단위 지식 저장부(547)에는 복수의 단위 지식 또는 상기 복수의 단위 지식을 포함한 응답이 저장될 수 있다.
여기서, 단위 지식 관리부(540)는 추출된 단위 지식(20)과 기 구축된 단위 지식 저장부(547)에 저장된 복수의 단위 지식을 비교하여 판단된 단위 지식(20)의 특성을 상기 기 구축된 단위 지식 저장부에 저장함으로써, 갱신할 수 있다.
단위 지식 관리부(540)의 망각 관리부(544)는 상기 단위 지식(20)의 영속성을 기반으로 단위 지식 저장부(547)에 저장된 단위 지식(20)의 망각되는 정도를 갱신할 수 있다.
예를 들어, 망각 관리부(544)는 영속성이 낮은 것으로 판단된 단위 지식(20)을 단위 지식 저장부(547)에서 비교적 단시간에 망각되도록 갱신할 수 있다. 반면, 망각 관리부(544)는 단위 지식(20)의 영속성이 높은 것으로 판단된 단위 지식(20)을 비교적 장시간동안 망각되지 않도록 갱신할 수 있다.
이후, 대화 관리 장치(500)의 검색부(546)는 상기 갱신된 단위 지식 저장부(547)로부터 제2 응답을 획득할 수 있다.
이후, 대화 관리 장치(500)의 대화 관리부(530)는 상기 획득된 제1 응답 및 제2 응답에 기초하여 선택된 응답(50)을 시스템 응답 생성부(550)로 전송할 수 있다. 여기서, 상기 선택된 응답(50)은 복수가 될 수 있다.
이후, 시스템 응답 생성부(550)는 선택된 응답(50)이 단위 지식 관리부(530)에서 출력된 응답과 동일한지 판단할 수 있다.
여기서, 시스템 응답 생성부(550)는 선택된 응답(50)에 포함된 제1 단위 지식과 단위 지식 관리부(530)에서 출력된 응답에 포함된 제2 단위 지식을 비교하여 동일 여부를 판단할 수 있다.
또는, 시스템 응답 생성부(550)는 제1 단위 지식과 단위 지식 저장부(547)에 저장된 복수의 단위 지식과 비교하여, 제1 단위 지식이 적합한 단위 지식인지 판단할 수 있다.
시스템 응답 생성부(550)는 선택된 응답(50)의 제1 단위 지식과 단위 지식 저장부(547)의 단위 지식들과 부합하지 않을 경우, 상기 단위 지식들을 반영하여 시스템 응답(70)을 생성할 수 있다.
구체적으로, 시스템 응답 생성부(550)는 상기 선택된 응답(50)이 제1 응답이거나 복수의 제1 응답 중 하나일 경우, 제1 응답의 제1 단위 지식을 단위 지식 저장부(547)에 저장된 복수의 단위 지식 중 적합한 단위 지식으로 치환하여 시스템 응답(70)을 생성할 수 있다.
여기서, 시스템 응답 생성부(550)는 제1 단위 지식을 제1 단위 지식과 동일 범주인 복수의 단위 지식 내에서 흥미도, 장기적 관심도 및 영속성이 높은 단위 지식으로 치환할 수 있다.
예를 들어, 시스템 응답 생성부(550)는 선택된 응답(50)이 “나는 바나나를 좋아해.”라고 가정하면, 단위 지식 저장부(547)에 저장된 복수의 단위 지식 중 상기 단위 지식 “바나나”와 동일 범주인 과일 종류의 단위 지식 내에서 치환할 수 있다. 또한, 시스템 응답 생성부(550)는 과일의 종류를 의미하는 복수의 단위 지식 중에서, 단위 지식 “바나나”보다 높은 흥미도, 관심도 및 영속성을 갖는 단위 지식으로 예를 들어, 단위 지식 “사과”가 있는 경우, 단위 지식 “바나나”를 단위 지식 “사과”로 치환할 수 있다.
또는, 시스템 응답 생성부(550)는 상기 갱신된 단위 지식 저장부(547)로부터 직접 획득한 제2 응답을 시스템 응답(70)으로 생성할 수도 있다.
이후 대화 관리 장치(500)는 생성된 시스템 응답(70)을 발화 문장(10)에 대한 응답으로 출력할 수 있다.
대화 관리 장치(500)의 추론부(545)는 새로운 단위 지식(20)이 수신될 경우, 상기 단위 지식 저장부(547)에 저장된 복수의 단위 지식과 비교하여 추론할 수 있고, 상기 추론을 통해 지속적인 단위 지식 저장부(547)를 갱신 및 관리할 수 있다.
여기서, 추론부(545)는 새로운 제1 단위 지식이 수신되면, 단위 지식 저장부(547)에서 상기 제1 단위 지식에 대한 수신 빈도를 기반으로 제1 단위 지식의 흥미도 또는 장기적 관심도를 추론할 수 있다.
대화 관리 장치(500)의 대화 관리 질의부(560)는 시스템 생성부(550)의 최종적인 시스템 응답(70)에 대한 대화 상대의 응답 문장을 수신하고, 수신한 발화 문장의 의도에 기초하여 단위 지식 저장부(547)의 단위 지식을 갱신할 수 있다.
한편, 대화 관리 장치(500)는 처리부와 저장부로 구성될 수도 있다.
처리부는 발화 의도 분석부(510), 대화 관리부(530), 단위 지식 추출부(520), 단위 지식 관리부(540), 시스템 응답 생성부(550), 대화 관리 질의부(560)를 포함할 수 있다.
여기서, 처리부는 프로세서(processor) 및 메모리(memory)를 포함할 수 있다. 프로세서는 범용의 프로세서(예를 들어, CPU(Central Processing Unit) 및/또는 GPU(Graphic Processing Unit) 등) 또는 기억 능력을 이용한 대화 관리 방법을 위한 전용의 프로세서를 의미할 수 있다. 메모리에는 기억 능력을 이용한 대화 관리 방법을 위한 프로그램 코드(program code)가 저장될 수 있다. 즉, 프로세서는 메모리에 저장된 프로그램 코드를 독출할 수 있고, 독출된 프로그램 코드를 기반으로 기억 능력을 이용한 대화 관리 방법의 각 단계를 수행할 수 있다.
저장부는 처리부에서 처리된 정보 및 처리되는 정보를 저장할 수 있다. 예를 들어, 저장부는 발화 문장, 응답 예제, 제1 응답, 제2 응답, 복수의 단위 지식, 단위 지식에 대한 흥미도, 장기적 관심도 및 영속성 등을 저장할 수 있다.
이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 발화 문장 20 : 단위 지식
30 : 발화 의도 50 : 선택된 응답
70 : 시스템 응답 500 : 대화 관리 장치
510 : 발화 의도 분석부 520 : 단위 지식 추출부
530 : 대화 관리부 531 : 대화 예제 저장부
540 : 단위 지식 관리부 541 : 흥미도 판단부
542 : 장기적 관심도 판단부 543 : 영속성 판단부
544 : 망각 관리부 545 : 추론부
546 : 검색부 547 : 단위 지식 저장부
550 : 시스템 응답 생성부 560 : 대화 관리 질의부

Claims (16)

  1. 대화 장치에서 수행되는 기억 능력을 이용한 대화 관리 방법에 있어서,
    발화 문장을 수신하는 단계;
    상기 수신된 발화 문장의 의도를 분석하여, 상기 의도에 부합하는 제1 응답을 획득하는 단계;
    상기 수신된 발화 문장에 포함된 단위 지식의 특성을 분석하여, 상기 단위 지식의 특성에 기초하여 제2 응답을 획득하는 단계; 및
    상기 제1 응답과 제2 응답 간의 동일성에 기초하여 제1 응답 또는 제2 응답을 최종 응답으로 출력하는 단계를 포함하되,
    상기 최종 응답을 출력하는 단계는,
    상기 제1 응답과 상기 제2 응답이 다른 경우, 상기 제2 응답을 최종 응답으로 출력하는 것을 특징으로 하는 제2 기억 능력을 이용한 대화 관리 방법.
  2. 청구항 1에 있어서,
    상기 대화 관리 방법은,
    상기 최종 응답에 대한 응답인 응답 문장을 수신하고, 상기 응답 문장의 의도에 기초하여 단위 지식을 갱신하는 단계를 더 포함하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  3. 청구항 1에 있어서,
    상기 제2 응답을 획득하는 단계는,
    상기 발화 문장으로부터 제1 단위 지식을 추출하는 단계;
    상기 추출된 제1 단위 지식과 미리 구축된 제2 단위 지식을 동일성에 기초하여 비교하는 단계;
    상기 비교 결과를 기반으로 제2 단위 지식을 갱신하는 단계; 및
    상기 갱신된 제2 단위 지식을 기반으로 상기 발화 문장에 대한 제2 응답을 획득하는 단계를 포함하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  4. 청구항 1에 있어서,
    상기 단위 지식의 특성은,
    상기 단위 지식에 대한 흥미도, 장기적 관심도 및 영속성을 포함하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  5. 청구항 4에 있어서,
    상기 흥미도는,
    동일한 단위 지식을 수신한 빈도를 기반으로 결정되는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  6. 청구항 4에 있어서,
    상기 장기적 관심도는,
    동일한 단위 지식을 주기적으로 수신한 빈도를 기반으로 결정되는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  7. 청구항 3에 있어서,
    상기 제2 단위 지식을 갱신하는 단계는,
    상기 제2 단위 지식의 영속성을 기반으로 망각되는 정도를 갱신하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  8. 청구항 1에 있어서,
    상기 최종 응답을 출력하는 단계는,
    상기 제1 응답과 상기 제2 응답이 같을 경우, 상기 제1 응답 또는 상기 제2 응답 중 어느 하나를 최종 응답으로 출력하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 방법.
  9. 발화 문장을 수신하고, 상기 수신된 발화 문장의 의도 분석을 기반으로 제1 응답을 획득하고, 상기 수신된 발화 문장에 포함된 단위 지식의 특성 분석을 기반으로 제2 응답을 획득하고, 상기 제1 응답과 제2 응답 간의 동일성에 기초하여 제1 응답 또는 제2 응답을 최종 응답을 출력하는 처리부; 및
    상기 처리부에서 처리된 정보 및 처리된 정보를 저장하는 저장부를 포함하되,
    상기 처리부는,
    상기 제1 응답과 상기 제2 응답이 다른 경우, 상기 제2 응답을 최종 응답으로 출력하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  10. 청구항 9에 있어서,
    상기 처리부는,
    상기 최종 응답에 대한 응답인 응답 문장을 수신하고, 수신한 응답 문장의 의도에 기초하여 단위 지식을 갱신하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  11. 청구항 9에 있어서,
    상기 처리부는,
    상기 발화 문장으로부터 제1 단위 지식을 추출하여, 상기 추출된 제1 단위 지식과 미리 구축된 제2 단위 지식을 동일성에 기초하여 비교하고, 상기 비교 결과를 기반으로 제2 단위 지식을 갱신하고, 상기 갱신된 제2 단위 지식을 기반으로 상기 발화 문장에 대한 제2 응답을 획득하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  12. 청구항 9에 있어서,
    상기 단위 지식의 특성은,
    상기 단위 지식에 대한 흥미도, 장기적 관심도 및 영속성을 포함하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  13. 청구항 12에 있어서,
    상기 흥미도는,
    동일한 단위 지식을 수신한 빈도를 기반으로 결정되는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  14. 청구항 12에 있어서,
    상기 장기적 관심도는,
    동일한 단위 지식을 주기적으로 수신한 빈도를 기반으로 결정되는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  15. 청구항 11에 있어서,
    상기 처리부는,
    상기 제2 단위 지식을 갱신하는 경우, 상기 제2 단위 지식의 영속성을 기반으로 망각되는 정도를 갱신하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
  16. 청구항 9에 있어서,
    상기 처리부는,
    상기 제1 응답과 제2 응답이 같을 경우, 상기 제1 응답 또는 상기 제2 응답 중 어느 하나를 최종 응답으로 출력하는 것을 특징으로 하는 기억 능력을 이용한 대화 관리 장치.
KR1020130142742A 2012-11-28 2013-11-22 기억 능력을 이용한 대화 관리 방법 및 장치 KR101565658B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20120135907 2012-11-28
KR1020120135907 2012-11-28

Publications (2)

Publication Number Publication Date
KR20140068760A KR20140068760A (ko) 2014-06-09
KR101565658B1 true KR101565658B1 (ko) 2015-11-04

Family

ID=51124437

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130142742A KR101565658B1 (ko) 2012-11-28 2013-11-22 기억 능력을 이용한 대화 관리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101565658B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101592756B1 (ko) * 2014-08-27 2016-02-11 포항공과대학교 산학협력단 사용자 지식의 기억 강도를 이용하는 대화 관리 방법 및 이를 수행하는 장치
KR102117281B1 (ko) * 2018-10-01 2020-06-01 주식회사 아카에이아이 빈도 테이블을 이용한 챗봇 발언 생성 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006227611A (ja) * 2005-02-15 2006-08-31 Samsung Electronics Co Ltd 音声対話インターフェース装置及び方法
JP2010224194A (ja) 2009-03-23 2010-10-07 Sony Corp 音声認識装置及び音声認識方法、言語モデル生成装置及び言語モデル生成方法、並びにコンピューター・プログラム
JP2010262147A (ja) 2009-05-08 2010-11-18 Toyota Central R&D Labs Inc 応答生成装置及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006227611A (ja) * 2005-02-15 2006-08-31 Samsung Electronics Co Ltd 音声対話インターフェース装置及び方法
JP2010224194A (ja) 2009-03-23 2010-10-07 Sony Corp 音声認識装置及び音声認識方法、言語モデル生成装置及び言語モデル生成方法、並びにコンピューター・プログラム
JP2010262147A (ja) 2009-05-08 2010-11-18 Toyota Central R&D Labs Inc 応答生成装置及びプログラム

Also Published As

Publication number Publication date
KR20140068760A (ko) 2014-06-09

Similar Documents

Publication Publication Date Title
US11037553B2 (en) Learning-type interactive device
US20190163691A1 (en) Intent Based Dynamic Generation of Personalized Content from Dynamic Sources
US9626152B2 (en) Methods and systems for recommending responsive sticker
EP2896039B1 (en) Improving phonetic pronunciation
EP1482415B1 (en) System and method for user modelling to enhance named entity recognition
US11749274B2 (en) Inference on date time constraint expressions
JP2018005624A (ja) 決定木生成装置、決定木生成方法、決定木生成プログラム及び質問システム
US9792909B2 (en) Methods and systems for recommending dialogue sticker based on similar situation detection
US11586689B2 (en) Electronic apparatus and controlling method thereof
KR20170001550A (ko) 인공 지능에 기초한 인간-컴퓨터 지능형 채팅 방법 및 장치
KR20160147303A (ko) 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치
CN109918494B (zh) 基于图的上下文关联回复生成方法、计算机及介质
CN111159364B (zh) 对话系统、对话装置、对话方法以及存储介质
US20210117458A1 (en) Response selecting apparatus, response selecting method, and response selecting program
KR102100214B1 (ko) 음성 인식 기반의 세일즈 대화 분석 방법 및 장치
JP2015219583A (ja) 話題決定装置、発話装置、方法、及びプログラム
JP6370962B1 (ja) 生成装置、生成方法および生成プログラム
KR101891498B1 (ko) 대화형 ai 에이전트 시스템에서 멀티 도메인 인텐트의 혼재성을 해소하는 멀티 도메인 서비스를 제공하는 방법, 컴퓨터 장치 및 컴퓨터 판독가능 기록 매체
JP7058574B2 (ja) 情報処理装置、情報処理方法、およびプログラム
KR101677859B1 (ko) 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치
KR20170061647A (ko) 화행 분석을 통한 스티커 추천 방법 및 시스템
CN111079428A (zh) 一种分词和行业词典构建方法、装置以及可读存储介质
KR101565658B1 (ko) 기억 능력을 이용한 대화 관리 방법 및 장치
KR20220109238A (ko) 사용자의 발화 입력에 관련된 추천 문장을 제공하는 디바이스 및 방법
JP7096199B2 (ja) 情報処理装置、情報処理方法、およびプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee