KR101751113B1 - 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 - Google Patents
기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 Download PDFInfo
- Publication number
- KR101751113B1 KR101751113B1 KR1020150083855A KR20150083855A KR101751113B1 KR 101751113 B1 KR101751113 B1 KR 101751113B1 KR 1020150083855 A KR1020150083855 A KR 1020150083855A KR 20150083855 A KR20150083855 A KR 20150083855A KR 101751113 B1 KR101751113 B1 KR 101751113B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- input sentence
- information
- extracted
- ontology
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000015654 memory Effects 0.000 title description 3
- 230000004044 response Effects 0.000 claims abstract description 90
- 238000007726 management method Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 9
- 230000002452 interceptive effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000007787 long-term memory Effects 0.000 description 4
- 241000220223 Fragaria Species 0.000 description 3
- 235000016623 Fragaria vesca Nutrition 0.000 description 3
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 244000141359 Malus pumila Species 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G06F17/30734—
-
- G06F17/30976—
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
다중 사용자 기반의 대화 관리 방법 및 장치가 개시된다. 본 발명의 일 실시예에 따른 다중 사용자 기반의 대화 관리 방법은 다중 사용자로부터 입력 문장을 수신하는 단계, 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축하는 단계, 입력 문장으로부터 단위 지식을 추출하고, 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 단위 지식을 선별하여 온톨로지를 구축하는 단계 및 대화 이력 데이터베이스 및 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 입력 문장에 적합한 시스템 응답을 생성하는 단계를 포함한다. 따라서, 사용자 각각에게 맞춤형 대화 서비스를 제공할 수 있다.
Description
본 발명은 대화 시스템에 관한 것으로, 더욱 상세하게는, 사용자 개개인의 대화 내용을 기억하여 맞춤형 대화 서비스를 제공하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치에 관한 것이다.
최근 정보 처리 기술이 급속하게 발달하여 스마트폰, 태블릿 PC, PDA(Personal Digital Assistant) 등의 정보 처리 장치에서 텍스트 또는 음성과 같은 언어적 요소뿐만 아니라 몸짓, 손짓 또는 제스처와 같은 비언어적인 요소를 인식하여 처리할 수 있게됨에 따라 사용자와 정보 처리 간의 상호 작용을 제공하는 대화 시스템(Dialogue System)에 대한 연구가 활발하게 진행되고 있다.
일반적으로, 대화 시스템은 특정 서비스를 사용자에게 제공하기 위한 목적 지향 시스템과 일상적인 잡담을 제공하기 위한 채팅 시스템으로 사용되고 있다. 특히, 최근 빅데이터(Big data) 시대가 도래함에 따라 대화 시스템을 콘텐츠 검색, 지능형 로봇, 차세대 PC, 텔레매틱스, 홈네트워크와 같이 광범위한 기술 분야에서 활용할 수 있을 것으로 기대된다.
대화 시스템은 사용자 발화에 상응하는 시스템 응답(response)을 추출하는 대화 관리 기술이 필수적으로 구현되어야 한다. 그리하여, 종래에는 사용자 발화에 적합한 시스템 응답을 추출하기 위해 대화 예제 데이터베이스 구축을 통한 대화 모델링 기법을 이용하였다.
보다 구체적으로, 상술한 종래의 기술은 말뭉치(corpus)를 기반으로 사용자 발화의 의미를 분석하고 사용자 발화의 의도를 파악하여 대화 예제 데이터베이스를 구축한다. 이와 같이 구축된 대화 예제 데이터베이스를 이용하여 사용자 발화의 문맥, 상황 및 목적에 맞게 개체명을 치환함으로써 사용자 발화에 적합한 시스템 응답을 생성할 수 있다.
다만, 상술한 종래의 기술은 다수의 사용자가 보편적으로 관심을 가지는 주제에 대한 지식과 정보를 개체명(entity)의 형태로 다룬다는 점에서 사용자 개개인과 관련된 광범위하고 다양한 정보를 반영하지 못한다는 한계가 있다.
그리하여, 사용자들이 공통적으로 관심을 가지는 보편적인 정보뿐만 아니라 사용자와 관련된 정보를 기억하여 시스템 응답에 반영하는 온톨로지 모델링 기법이 제안되었다.
상술한 기법을 이용하면, 사용자가 처한 다양한 상황을 인식하여 개인에 특화된 시스템 응답을 제공할 수는 있으나, 대화 시스템을 사용하는 목적에 따라 온톨로지가 특정 도메인에 제한되어 다중 사용자가 존재하는 대화 시스템에서 사용자에 따른 대화를 제공하는 것에 한계가 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 다중 사용자의 대화 이력을 관리하여 사용자 개개인의 흥미 또는 관심 정보가 반영된 시스템 응답을 생성함으로써 사용자 각각에게 맞춤형 대화 서비스를 제공할 수 있는 다중 사용자 기반의 대화 관리 방법을 제공하는데 있다.
또한, 본 발명의 다른 목적은, 사용자 각각에게 맞춤형 대화 서비스를 제공함으로써 대화 시스템이 제공하는 서비스에 대한 사용자 만족도를 극대화시킴과 동시에 광범위한 기술 분야에서 활용할 수 있는 다중 사용자 기반의 대화 관리 장치를 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면에 따른 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법은, 다중 사용자 기반의 대화 관리 장치에서 수행되며 다중 사용자로부터 입력 문장을 수신하는 단계, 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축하는 단계, 수신된 입력 문장으로부터 단위 지식을 추출하고, 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 추출된 단위 지식을 선별하여 온톨로지를 구축하는 단계 및 대화 이력 데이터베이스 및 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 입력 문장에 적합한 시스템 응답을 생성하는 단계를 포함한다.
여기에서, 대화 이력 데이터베이스를 구축하는 단계는, 입력 문장을 분석하여 입력 문장을 구성하는 단어 중에서 개체명(named entity)을 표현하는 단어를 추출하는 단계, 추출된 단어와 추출된 단어에 해당되는 개체명 태그(tag)를 매핑하여 대화 이력 정보를 생성하는 단계 및 생성된 대화 이력 정보를 사용자 별로 식별하여 저장하는 단계를 포함할 수 있다.
여기에서, 온톨로지를 구축하는 단계는, 입력 문장의 구조를 분석하여 입력 문장을 구성하는 단어 각각의 품사 정보와 단어 간의 관계 정보를 추출하고, 추출된 품사 정보와 관계 정보를 이용하여 트리플(triple) 및 OWL(Web Ontology Language)기반의 RDF(Resource Description Framework) 중 적어도 하나의 구조를 가지는 단위 지식을 추출할 수 있다.
여기에서, 온톨로지를 구축하는 단계는, 단위 지식을 추출함에 있어 입력 문장의 구조를 분석하여 추출된 품사 정보에 대명사가 포함되어 있는 경우에 한하여, 대화 이력 데이터베이스에 상기 사용자 별로 저장된 대화 이력 정보를 이용하여 단위 지식을 추출할 수 있다.
여기에서, 온톨로지를 구축하는 단계는, 단위 지식에 다중 사용자를 식별할 수 있는 개인 정보 및 관심 정보 중 적어도 하나의 사용자 정보가 포함되어 있는 지를 판별하고, 사용자 정보가 포함되어 있는 것으로 판별된 단위 지식을 사용자 별로 저장함으로써 구축될 수 있다.
여기에서, 미리 추출된 시스템 응답 후보는, 미리 구축된 응답 예제 데이터베이스에 저장된 다수의 응답 예제 중에서 입력 문장의 의도에 상응하는 적어도 하나의 응답 예제가 시스템 응답 후보로 추출될 수 있다.
여기에서, 입력 문장에 적합한 시스템 응답을 생성하는 단계는, 시스템 응답 후보로부터 단위 지식을 추출하고, 시스템 응답 후보로부터 추출된 단위 지식을 대화 이력 데이터베이스의 대화 이력 정보 및 온톨로지가 저장된 단위 지식과 비교하여 입력 문장의 의도에 상응하도록 상기 시스템 응답 후보를 수정할 수 있다.
또한, 상기 목적을 달성하기 위한 본 발명의 다른 측면에 따른 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 장치는, 대화 시스템에 의해 구현되며 다중 사용자로부터 입력 문장을 수신하는 입력 문장 수신부, 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축하는 대화 이력 데이터베이스 구축부, 수신된 입력 문장으로부터 단위 지식을 추출하고, 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 추출된 단위 지식을 선별하여 온톨로지를 구축하는 온톨로지 구축부 및 대화 이력 데이터베이스 및 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 입력 문장에 적합한 시스템 응답을 생성하는 시스템 응답 생성부를 포함한다.
상술한 바와 같은 본 발명의 실시예에 따른 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치에 따르면, 다중 사용자의 대화 이력을 관리하여 사용자 개개인의 흥미 또는 관심 정보가 반영된 시스템 응답을 생성함으로써 사용자 각각에게 맞춤형 대화 서비스를 제공할 수 있다.
또한, 다중 사용자의 대화 이력을 관리하여 사용자로부터 수신한 입력 문장에 시스템 응답을 생성하기 위한 정보가 불충분한 경우에도 사용자에게 적합한 응답을 제공할 수 있으므로, 대화 시스템이 제공하는 서비스에 대한 사용자 만족도를 극대화시킬 수 있다.
또한, 스마트폰, 태블릿 PC, PDA(Personal Digital Assistant), 네비게이션(Navigation), 노트북, 컴퓨터, 스마트 가전 기기 및 시스템 로봇 등의 다양한 물리적 매체와 광범위한 기술 분야에서 활용할 수 있다.
도 1은 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 방법을 설명하는 흐름도이다.
도 2는 본 발명의 실시예에 따른 대화 이력 데이터베이스를 구축하는 것을 설명하는 흐름도이다.
도 3은 본 발명의 실시예에 따른 온톨로지를 구축함에 있어 단위 지식을 추출하는 것을 설명하는 예시도이다.
도 4는 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 장치가 구현된 대화 시스템을 나타내는 블록도이다.
도 5는 본 발명의 실시예에 따른 다중 사용자와 대화 시스템 간의 대화를 설명하는 예시도이다.
도 2는 본 발명의 실시예에 따른 대화 이력 데이터베이스를 구축하는 것을 설명하는 흐름도이다.
도 3은 본 발명의 실시예에 따른 온톨로지를 구축함에 있어 단위 지식을 추출하는 것을 설명하는 예시도이다.
도 4는 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 장치가 구현된 대화 시스템을 나타내는 블록도이다.
도 5는 본 발명의 실시예에 따른 다중 사용자와 대화 시스템 간의 대화를 설명하는 예시도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
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 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 방법을 설명하는 흐름도이고, 도 2는 본 발명의 실시예에 따른 대화 이력 데이터베이스를 구축하는 것을 설명하는 흐름도이다.
또한, 도 3은 본 발명의 실시예에 따른 온톨로지를 구축함에 있어 단위 지식을 추출하는 것을 설명하는 예시도이다.
도 1 내지 도 3을 참조하면, 다중 사용자 기반의 대화 관리 방법은 대화 시스템에 구현된 대화 관리 장치에서 수행될 수 있다.
여기에서, 대화 시스템은 사용자에 의해 운용되는 스마트폰, 태블릿 PC, PDA(Personal Digital Assistant), 네비게이션(Navigation), 노트북, 컴퓨터, 스마트 가전 기기 및 시스템 로봇과 같은 사용자 단말 또는 다수의 사용자 단말이 네트워크로 연결된 서버에 탑재될 수 있으나 이에 한정되지 않고 사용자와의 상호 작용이 필요한 기기 및 기술 분야에 적용될 수 있다.
대화 시스템은 사용자 발화에 상응하는 시스템 응답(response)을 생성하는 대화 관리 기술이 필수적으로 구현되어야 한다. 그리하여, 종래에는 사용자 발화에 적합한 시스템 응답을 추출하기 위해 대화 예제 데이터베이스 구축을 통한 대화 모델링 기법을 이용하거나 사용자와 관련된 정보를 기억하여 시스템 응답에 반영하는 온톨로지 모델링 기법을 이용하였다.
다만, 상술한 종래의 기술들은 사용자 개개인과 관련된 광범위하고 다양한 정보를 반영하지 못한다는 점에서 다중 사용자가 존재하는 대화 시스템에서 사용자에게 맞춤형 서비스를 제공하는 것에 한계가 있었다.
따라서, 본 발명에서는 사용자 개개인의 대화 내용을 기억하여 사용자의 흥미, 관심사 및 지식이 반영된 시스템 응답을 제공할 수 있는 다중 사용자 기반의 대화 관리 방법을 제안한다.
본 발명에 따른 다중 사용자 기반의 대화 관리 방법은 다중 사용자로부터 입력 문장을 수신하는 단계(S100), 입력 문장을 분석하여 대화 이력 데이터베이스를 구축하는 단계(S200), 입력 문장으로부터 추출된 단위 지식을 선별하여 온톨로지를 구축하는 단계(S300) 및 대화 이력 데이터베이스 및 온톨로지를 기반으로 입력 문장에 적합한 시스템 응답을 생성하는 단계(S400)를 포함할 수 있다.
다중 사용자로부터 입력 문장을 수신할 수 있다(S100).
여기에서, 입력 문장은 사용자가 발화한 음성을 인식하여 문자로 변환한 문장 또는 사용자가 사용자 단말에 설치된 적어도 하나의 어플리케이션 또는 온라인 서비스의 사용을 위해 입력하는 문장을 의미할 수 있으나 이에 한정되는 것은 아니다.
다중 사용자 각각에게 지속적으로 맞춤형 대화 서비스를 제공하기 위해서는 사용자 개개인이 대화 시스템과 진행한 대화 내용을 기억해야 한다.
따라서, 다중 사용자로부터 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축할 수 있다(S200).
대화 이력 데이터베이스를 구축하기 위해서는 먼저, 입력 문장에서 개체명(named entity)을 표현하는 단어를 추출할 수 있다(S210). 보다 구체적으로, 품사 태거(part of speech tagger), 구문 분석기(parser), 개체명 인식기(Named Entity recognizer) 및 화행 분류기 등을 통해 입력 문장을 분석하여 입력 문장을 구성하는 단어 중에서 인명, 지명, 기관명, 사물명, 시간 등과 같이 개체명을 표현하는 단어를 추출할 수 있으나 이에 한정되지 않고 다중 사용자와 대화 시스템 간의 대화를 진행함에 있어 기억이 필요한 다양한 단어가 추출될 수 있다.
개체명을 표현하는 단어가 추출되면, 추출된 단어에 개체명 태그(tag)를 매핑하여 대화 이력 정보를 생성할 수 있다(S220).
예를 들어, “나는 작년에 철수와 프랑스에 다녀왔어”라는 입력 문장이 수신되면, 입력 문장에서 개체명을 표현하는 단어인 ‘작년’, ‘철수’, ‘프랑스’가 추출될 수 있다. 그리하여, 추출된 단어 ‘작년’, ‘철수’, ‘프랑스’ 각각과 추출된 단어에 해당되는 개체명 태그 ‘시간’, ‘인명’, ‘지명’ 각각을 매핑하여 ‘작년-시간’, ‘철수-인명’, ‘프랑스-지명’과 같이 구조화된 형태의 대화 이력 정보를 생성할 수 있다.
상술한 바와 같이 생성된 대화 이력 정보는 추후에 다중 사용자와 대화 시스템 간의 상호 작용에 활용될 수 있도록 사용자 별로 식별하여 스택(stack)에 저장할 수 있다(S230).
만약, “나는 작년에 철수와 프랑스에 다녀왔어”의 입력 문장을 발화한 사용자로부터 “근데 그는 별로 안 좋아하더라”와 같은 추가적인 입력 문장이 수신되었을 때, 대화 이력 데이터베이스에 저장된 대화 이력 정보를 기반으로 ‘그’는 ‘철수’이고 ‘철수’가 좋아하지 않는 대상이 ‘프랑스’임을 추측 하여 “철수씨는 다른 나라를 좋아하시나봐요”와 같은 시스템 응답을 제공할 수 있다.
더 나아가, 다중 사용자 각각에게 맞춤형 대화 서비스를 제공하기 위해서는 상술한 바와 같이 다중 사용자 개개인의 대화 이력을 기억함과 동시에 다중 사용자 개개인의 개인 정보와 관심 정보 또한 기억해야 한다.
따라서, 다중 사용자로부터 수신된 입력 문장에서 단위 지식을 추출하고, 추출된 단위 지식을 선별하여 사용자 개개인의 개인 정보 또는 관심 정보가 저장된 온톨로지를 구축할 수 있다(S300).
온톨로지를 구축하기 위해서는 먼저, 입력 문장으로부터 단위 지식을 추출할 수 있다. 이를 위해, 입력 문장의 구조를 분석하여 입력 문장을 구성하는 단어 각각의 품사 정보 및 단어 간의 관계 정보를 추출할 수 있다.
여기에서, 품사 정보는 입력 문장을 구성하는 단어 각각을 기능, 형태 또는 의미에 따라 분류한 명사, 대명사, 수사, 조사, 동사, 형용사, 관형사, 부사 및 감탄사 등의 정보를 의미하고, 관계 정보는 입력 문장에서 입력 문장을 구성하는 단어 각각의 역할과 의존 관계에 따라 분류한 주어, 서술어, 목적어, 보어, 수식어 등의 정보를 의미할 수 있다.
추출된 품사 정보 및 관계 정보를 이용하여 트리플(triple) 및 OWL(Web Ontology Language)기반의 RDF(Resource Description Framework) 중 적어도 하나의 구조를 가지는 단위 지식을 추출할 수 있다.
여기에서, 트리플 구조는 주어, 서술어, 목적어로 이루어져 도메인의 제한 없이 범용적인 사용이 가능한 구조를 의미할 수 있으며, OWL 기반의 RDF-Triple 구조는 인스턴스(Instance)의 속성이나 인스턴스 간의 관계(Relation)를 보다 정밀하게 나타낼 수 있는 구조를 의미할 수 있다.
보다 구체적으로 예를 들어, 도 3 (a)에 도시된 바와 같이 사용자로부터 “나는 철수를 좋아해”라는 입력 문장이 수신되면, 화행 분석기와 같은 문장 구조 분석기를 기반으로 입력 문장을 분석하여 입력 문장을 구성하는 단어 각각에 대한 품사 정보인 대명사/ 조사/ 명사/ 조사/ 동사를 추출할 수 있다.
더불어, 의존 관계 분석기와 같은 문장 구조 분석기를 기반으로 입력 문장을 구성하는 단어 각각이 입력 문장에서 하는 역할과 단어 간의 의존 관계를 분석하여 ‘나’는 주어, ‘철수’는 목적어, ‘좋아해’는 서술어를 나타내는 관계 정보를 추출할 수 있다.
상술한 바와 같이 추출된 품사 정보와 관계 정보를 기반으로 “‘나’-‘좋아하다’-‘철수’”와 같이 주어, 서술어, 목적어로 이루어진 트리플 구조의 단위 지식을 추출할 수 있다. 트리플 구조의 단위 지식이 입력 문장에서 추출됨과 동시에 대화 이력 데이터베이스에는 “철수-인물”와 같이 개체명을 표현하는 단어와 그 단어에 해당하는 태그가 매핑되어 저장될 수 있다.
그 이후, 동일한 사용자로부터 도 3 (b)와 같이 “그는 사과를 좋아해”라는 입력 문장이 수신되면, 상술한 입력 문장의 구조를 분석하여 입력 문장을 구성하는 단어 각각의 품사 정보와 관계 정보를 추출할 수 있다.
다만, 상술한 입력 문장에서 ‘그’는 사용자가 이전의 발화를 통해 언급한 인물을 가리키는 대명사이므로, 사용자와의 원활한 상호 작용을 위해서는 입력 문장의 ‘그’가 지칭하는 구체적인 대상이 누구인지 추적할 수 있어야 한다. 따라서, 사용자가 이전에 발화한 입력 문장을 통해 저장된 대화 이력 데이터베이스의 대화 이력 정보를 이용하여 대명사를 구체적인 대상으로 대체할 수 있다.
즉, “나는 철수를 좋아해”라는 입력 문장의 분석을 통해 대화 이력 데이터베이스에 저장된 대화 이력 정보인 “철수-인물”을 이용하여 “그는 사과를 좋아해”라는 입력 문장의 ‘그’를 ‘철수’로 대체한 후, “‘철수’-‘좋아하다’-‘사과’”와 같은 트리플 구조의 단위 지식을 추출할 수 있다.
여기서는, 대명사의 다양한 종류 중 2인칭, 3인칭의 인칭 대명사의 경우를 예로 설명하였으나, 사람을 지칭하는 인칭 대명사에 한정되지 않고 사물, 장소, 방향 등을 지칭하는 지시 대명사가 입력 문장에 포함된 경우에도 사용자 별로 저장된 대화 이력 정보를 이용하여 지시 대명사를 구체적인 개체명으로 대체하여 단위 지식으로 추출할 수 있다.
상술한 바와 같이 입력 문장으로부터 단위 지식을 추출한 후, 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 단위 지식을 선별하여 온톨로지를 구축할 수 있다.
보다 구체적으로, 입력 문장으로부터 추출된 단위 지식에 다중 사용자를 식별할 수 있는 이름, 나이, 성별, 가족 관계 등과 같은 개인 정보나 흥미, 취미, 지식 등의 관심 정보 중 적어도 하나의 사용자 정보가 포함되어 있는 지를 판별하여, 단위 지식에 사용자 정보가 포함되어 있는 것으로 판별됨에 따라 해당 단위 지식을 장기 기억 저장소(Longterm memory; LTM)에 저장함으로써 온톨로지를 구축할 수 있다.
이 때, 장기 기억 저장소는 다중 사용자 각각마다 고유의 저장 공간을 부여함으로써 다중 사용자가 연속적으로 입력 문장을 발화하는 경우에도 사용자 간의 혼동 없이 다중 사용자 개개인의 개인 정보와 관심 정보를 기억할 수 있다.
대화 이력 데이터베이스 및 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 입력 문장에 적합한 시스템 응답을 생성할 수 있다(S400).
여기에서, 미리 추출된 시스템 응답 후보는 미리 구축된 응답 예제 데이터베이스에서 입력 문장의 의도에 따라 추출된 적어도 하나의 응답 예제를 포함할 수 있다.
그리하여, 시스템 응답 후보로부터 단위 지식을 추출하고, 시스템 응답 후보로부터 추출된 단위 지식을 대화 이력 데이터베이스의 대화 이력 정보 및 온톨로지가 저장된 단위 지식과 비교하여 입력 문장의 의도에 상응하도록 시스템 응답 후보를 수정할 수 있다.
다만, 이에 한정되지 않고 시스템 응답 후보에 포함된 적어도 하나의 응답 예제 중에서 대화 이력 데이터베이스와 온톨로지에 기억하고 있는 사용자 개개인의 대화 이력 또는 사용자 정보와 가장 연관성이 있는 응답 예제를 시스템 응답으로 선택할 수 있다.
도 4는 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 장치가 구현된 대화 시스템을 나타내는 블록도이다.
도 4를 참조하면, 다중 사용자 기반의 대화 관리 장치(100)는 대화 시스템(200)에서 구현될 수 있다.
여기에서, 대화 시스템(200)은 사용자에 의해 운용되는 스마트폰, 태블릿 PC, PDA(Personal Digital Assistant), 네비게이션(Navigation), 노트북, 컴퓨터, 스마트 가전 기기 및 시스템 로봇과 같은 사용자 단말 또는 다수의 사용자 단말이 네트워크로 연결된 서버에 탑재될 수 있으나 이에 한정되지 않고 사용자와의 상호 작용이 필요한 기기 및 기술 분야에 적용될 수 있다.
대화 시스템(200)은 언어 이해부(210), 대화 관리부(220), 응답 예제 데이터베이스(230) 및 자연어 생성부(240)를 포함한다.
특히, 본 발명에서는 사용자 개개인의 대화 내용을 기억하여 사용자의 흥미, 관심사 및 지식이 반영된 시스템 응답을 제공하기 위한 대화 관리 장치(100)가 대화 시스템(200)에 구현될 수 있다.
먼저, 언어 이해부(210)는 다중 사용자의 입력 문장(10)으로부터 의도를 파악할 수 있다. 즉, 품사 태거(part of speech tagger), 구문 분석기(parser), 개체명 인식기(Named Entity recognizer) 및 화행 분류기 등을 통해 입력 문장(10)에 대한 의미 프레임을 추출하여 입력 문장(10)의 사용자 의도를 추출할 수 있다.
대화 관리부(220)는 사용자 의도에 상응하는 시스템 응답을 선택할 수 있다. 이 때, 다중 사용자 각각에게 알맞은 시스템 응답을 선택할 수 있도록 본 발명에서 제안하는 대화 관리 장치(100)와 연동될 수 있다.
본 발명에서 제안하는 대화 관리 장치(100)는 다중 사용자 개개인에게 지속적으로 맞춤형 대화 서비스를 제공하기 위해 사용자 개개인의 대화 내용과 사용자의 흥미, 관심사 및 지식 등을 관리할 수 있다.
보다 구체적으로, 본 발명에서 제안하는 대화 관리 장치(100)는 입력 문장 수신부(110), 대화 이력 DB 구축부(120), 온톨로지 구축부(130) 및 시스템 응답 생성부(140)가 포함될 수 있다.
입력 문장 수신부(110)는 다중 사용자로부터 입력 문장을 수신할 수 있다. 다중 사용자로부터 입력 문장이 수신됨에 따라 다중 사용자를 식별하기 위해 얼굴 인식 기술 또는 음성 인식 기술이 활용될 수 있으나 이에 한정되는 것은 아니다.
대화 이력 DB 구축부(120)는 다중 사용자 개개인이 대화 시스템(200)과 진행한 대화 내용을 기억하여 다중 사용자 각각에게 지속적으로 맞춤형 대화 서비스를 제공하기 위해, 다중 사용자로부터 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축할 수 있다.
대화 이력 데이터베이스를 구축하기 위해 입력 문장(10)에서 개체명을 표현하는 단어를 추출할 수 있다. 이를 위해 언어 이해부(210)에서 추출된 의미 프레임을 이용하여 인명, 지명, 기관명, 사물명, 시간 등과 같이 개체명을 표현하는 단어를 추출할 수 있다.
개체명을 표현하는 단어가 추출되면, 추출된 단어에 개체명 태그(tag)를 매핑하여 대화 이력 정보를 생성할 수 있다. 생성된 대화 이력 정보는 추후에 다중 사용자와 대화 시스템 간의 상호 작용에 활용될 수 있도록 사용자 별로 식별하여 스택(stack)에 저장함으로써 대화 이력 데이터베이스를 구축할 수 있다.
온톨로지 구축부(130)는 사용자 개개인의 개인 정보와 관심 정보를 기억하여 다중 사용자 각각에게 맞춤형 대화 서비스를 제공하기 위해, 다중 사용자로부터 수신된 입력 문장에서 단위 지식을 추출하고, 추출된 단위 지식을 선별하여 사용자 개개인의 개인 정보 또는 관심 정보가 저장된 온톨로지를 구축할 수 있다.
온톨로지를 구축하기 위해서는 입력 문장으로부터 단위 지식을 추출할 수 있다. 단위 지식은 입력 문장의 구조를 분석하여 입력 문장을 구성하는 단어 각각의 품사 정보 및 단어 간의 관계 정보를 추출한 후, 추출된 품사 정보 및 관계 정보를 이용하여 트리플(triple) 및 OWL(Web Ontology Language)기반의 RDF(Resource Description Framework) 중 적어도 하나의 구조를 가지는 단위 지식을 추출할 수 있다.
여기에서, 트리플 구조는 주어, 서술어, 목적어로 이루어져 도메인의 제한 없이 범용적인 사용이 가능한 구조를 의미할 수 있으며, OWL 기반의 RDF-Triple 구조는 인스턴스(Instance)의 속성이나 인스턴스 간의 관계(Relation)를 보다 정밀하게 나타낼 수 있는 구조를 의미할 수 있다.
다만, 입력 문장(10)에 2인칭 또는 3인칭의 인칭 대명사 또는 사물, 장소, 방향 등을 지칭하는 지시 대명사 등 품사 정보가 대명사인 단어가 포함된 경우, 상술한 대화 이력 DB 구축부(120)에서 사용자 별로 저장된 대화 이력 정보를 이용하여 대명사인 단어를 구체적인 개체명으로 대체한 후에, 단위 지식으로 추출할 수 있다.
온톨로지 구축부(130)는 입력 문장(10)으로부터 추출된 단위 지식에 다중 사용자를 식별할 수 있는 사용자 정보가 포함되어 있는 경우에만 온톨로지로 구축할 수 있다.
보다 구체적으로, 입력 문장으로부터 추출된 단위 지식에 다중 사용자를 식별할 수 있는 이름, 나이, 성별, 가족 관계 등과 같은 개인 정보나 흥미, 취미, 지식 등의 관심 정보 중 적어도 하나의 사용자 정보가 포함되어 있는 지를 판별하여, 단위 지식에 사용자 정보가 포함되어 있는 것으로 판별됨에 따라 해당 단위 지식을 장기 기억 저장소(Longterm memory; LTM)에 저장함으로써 온톨로지를 구축할 수 있다.
이 때, 장기 기억 저장소는 다중 사용자 각각마다 고유의 저장 공간을 부여함으로써 다중 사용자가 연속적으로 입력 문장을 발화하는 경우에도 사용자 간의 혼동 없이 다중 사용자 개개인의 개인 정보와 관심 정보를 기억할 수 있다.
시스템 응답 생성부(140)는 대화 이력 데이터베이스 및 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 입력 문장에 적합한 시스템 응답을 생성할 수 있다. 여기에서, 미리 추출된 시스템 응답 후보는 미리 구축된 응답 예제 데이터베이스(230)에서 입력 문장(10)의 의도에 따라 추출된 적어도 하나의 응답 예제를 포함할 수 있다.
응답 예제 데이터베이스(230)는 사용자가 발화한 입력 문장과 입력 문장에 상응하는 시스템 응답 또는 시스템 액션이 쌍으로 구축될 수 있다.
그리하여, 시스템 응답 후보로부터 단위 지식을 추출하고, 시스템 응답 후보로부터 추출된 단위 지식을 대화 이력 데이터베이스의 대화 이력 정보 및 온톨로지가 저장된 단위 지식과 비교하여 입력 문장의 의도에 상응하도록 시스템 응답 후보를 수정할 수 있다.
다만, 이에 한정되지 않고 시스템 응답 후보에 포함된 적어도 하나의 응답 예제 중에서 대화 이력 데이터베이스와 온톨로지에 기억하고 있는 사용자 개개인의 대화 이력 또는 사용자 정보와 가장 연관성이 있는 응답 예제를 시스템 응답으로 선택할 수 있다.
자연어 생성부(240)는 대화 관리부(230)에서 다중 사용자 기반의 대화 관리 장치(100)와 연동되어 최종 선택되거나 생성된 시스템 응답을 자연어로 생성할 수 있다. 그리하여, 생성된 자연어를 시스템 응답(20)으로 출력하여 해당 사용자에게 제공할 수 있다.
상술한 본 발명의 실시예에 따른 다중 사용자 기반의 대화 관리 장치(100)의 구성을 설명의 입력 문장 수신부(110), 대화 이력 DB 구축부(120), 온톨로지 구축부(130) 및 시스템 응답 생성부(140)로 나열하고, 대화 시스템(200)을 언어 이해부(210), 대화 관리부(220), 응답 예제 데이터베이스(230) 및 자연어 생성부(240)로 나열하여 설명하였으나, 각 구성부 중 적어도 두 개가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수개의 구성부로 나뉘어져 기능을 수행할 수 있고 이러한 각 구성부의 통합 및 분리된 실시예의 경우도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리범위에 포함된다.
또한, 본 발명의 실시예에 따른 비휘발성 메모리 관리 장치(100) 및 대화 시스템(200)의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
이하에서 다중 사용자 기반의 대화 관리 장치(100)가 탑재된 대화 시스템(200)과 다중 사용자가 동시에 대화를 진행하는 예를 구체적으로 설명하도록 한다.
도 5는 본 발명의 실시예에 따른 다중 사용자와 대화 시스템 간의 대화를 설명하는 예시도이다.
도 5를 참조하면, 두 명의 사용자가 동시에 대화 시스템과 대화를 진행하는 것을 설명할 수 있다.
먼저, 도 5a와 같이 대화 시스템이 대화를 진행할 다중 사용자를 인식하는 과정이 진행될 수 있다. 이 때, 다중 사용자는 얼굴 인식 기술 또는 음성 인식 기술을 통해 인식할 수 있으나 이에 한정되는 것은 아니다.
다중 사용자가 인식되면, 대화 시스템은 사용자 각각과의 대화를 진행하여 사용자 각각으로부터 수신한 입력 문장을 분석하여 저장할 수 있다.
보다 구체적으로, 도 5b에 도시된 바와 같이 User_1, User_2 각각이 자신의 가장 친한 친구에 대한 정보가 포함된 입력 문장을 발화함에 따라 대화 시스템은 이를 분석하여 사용자 별로 대화 이력 데이터베이스와 온톨로지를 구축할 수 있다. 예를 들어, User_1으로부터 수신한 “My bestfriend is Seonghan”의 입력 문장을 분석하여 User_1에 대한 “Seonghan-people”과 같이 구조화된 형태의 대화 이력 정보가 저장될 수 있다. 그리하여, 추후에 User_1로부터 “He is very kind” 또는 “his favorite fruit is strawberry”의 입력 문장이 수신되었을 때, 이전에 저장한 대화 이력 정보로부터 ‘He’와 “His”가 ‘Seonghan’임을 추적할 수 있으며, ‘He’와 “His”를 ‘Seonghan’으로 대체하여 저장할 수 있다.
더 나아가, 대화 시스템은 사용자 각각에게 대화 내용이 저장되었음을 알리는 “Noted”, “I’ll remember that”과 같은 피드백을 제공할 수 있다.
사용자 별로 식별되어 구축된 대화 이력 데이터베이스 및 온톨로지를 이용하면, 도 5c와 같이 사용자 각각에게 맞춤형 대화 서비스를 제공할 수 있다. 예를 들어, User_1이 “Could you recommend a present for Seonghan?”과 같은 질의를 입력 문장으로 발화하였을 때, 대화 시스템은 이전에 “Seonghan’ favorite fruit is strawberry”를 저장하고 있으므로, 이를 이용하여 User_1에게 “You can give him shat he likes. You said Seonghan’ favorite fruit is strawberry”의 시스템 응답을 제공할 수 있다.
상기에서는 본 발명의 바람직한 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: 입력 문장 20: 시스템 응답
100: 대화 관리 장치 110:입력 문장 수신부
120: 대화 이력 DB 구축부 130: 온톨로지 구축부
140: 시스템 응답 생성부 200: 대화 시스템
210: 언어 이해부 220: 대화 관리부
230: 응답 예제 DB 240: 자연어 생성부
100: 대화 관리 장치 110:입력 문장 수신부
120: 대화 이력 DB 구축부 130: 온톨로지 구축부
140: 시스템 응답 생성부 200: 대화 시스템
210: 언어 이해부 220: 대화 관리부
230: 응답 예제 DB 240: 자연어 생성부
Claims (14)
- 다중 사용자 기반의 대화 관리 장치에서 수행되는 방법에 있어서,
다중 사용자로부터 입력 문장을 수신하는 단계;
상기 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축하는 단계;
상기 수신된 입력 문장으로부터 단위 지식을 추출하고, 상기 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 상기 추출된 단위 지식을 선별하여 온톨로지를 구축하는 단계; 및
상기 대화 이력 데이터베이스 및 상기 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 상기 입력 문장에 적합한 시스템 응답을 생성하는 단계를 포함하며,
상기 대화 이력 데이터베이스를 구축하는 단계는,
상기 입력 문장을 분석하여 상기 입력 문장을 구성하는 단어 중에서 개체명(named entity)을 표현하는 단어를 추출하는 단계;
상기 추출된 단어와 상기 추출된 단어에 해당되는 개체명 태그(tag)를 매핑하여 대화 이력 정보를 생성하는 단계; 및
상기 생성된 대화 이력 정보를 상기 사용자 별로 식별하여 저장하는 단계를 포함하는 다중 사용자 기반의 대화 관리 방법. - 삭제
- 청구항 1에 있어서,
상기 온톨로지를 구축하는 단계는,
상기 입력 문장의 구조를 분석하여 상기 입력 문장을 구성하는 단어 각각의 품사 정보와 상기 단어 간의 관계 정보를 추출하고, 상기 추출된 품사 정보와 상기 관계 정보를 이용하여 트리플(triple) 및 OWL(Web Ontology Language)기반의 RDF(Resource Description Framework) 중 적어도 하나의 구조를 가지는 단위 지식을 추출하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 방법. - 청구항 3에 있어서,
상기 온톨로지를 구축하는 단계는,
상기 단위 지식을 추출함에 있어 상기 입력 문장의 구조를 분석하여 추출된 품사 정보에 대명사가 포함되어 있는 경우에 한하여, 상기 대화 이력 데이터베이스에 상기 사용자 별로 저장된 대화 이력 정보를 이용하여 상기 단위 지식을 추출하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 방법. - 청구항 4에 있어서,
상기 온톨로지를 구축하는 단계는,
상기 단위 지식에 상기 다중 사용자를 식별할 수 있는 개인 정보 및 관심 정보 중 적어도 하나의 사용자 정보가 포함되어 있는 지를 판별하고, 상기 사용자 정보가 포함되어 있는 것으로 판별된 단위 지식을 상기 사용자 별로 저장함으로써 구축되는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 방법. - 청구항 1에 있어서,
상기 미리 추출된 시스템 응답 후보는,
미리 구축된 응답 예제 데이터베이스에 저장된 다수의 응답 예제 중에서 상기 입력 문장의 의도에 상응하는 적어도 하나의 응답 예제가 시스템 응답 후보로 추출된 것을 특징으로 하는 다중 사용자 기반의 대화 관리 방법. - 청구항 6에 있어서,
상기 입력 문장에 적합한 시스템 응답을 생성하는 단계는,
상기 시스템 응답 후보로부터 단위 지식을 추출하고, 상기 시스템 응답 후보로부터 추출된 단위 지식을 상기 대화 이력 데이터베이스의 대화 이력 정보 및 상기 온톨로지가 저장된 단위 지식과 비교하여 상기 입력 문장의 의도에 상응하도록 상기 시스템 응답 후보를 수정하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 방법. - 대화 시스템에 의해 구현되는 다중 사용자 기반의 대화 관리 장치에 있어서,
다중 사용자로부터 입력 문장을 수신하는 입력 문장 수신부;
상기 수신된 입력 문장을 분석하여 사용자 별로 저장함으로써 대화 이력 데이터베이스를 구축하는 대화 이력 데이터베이스 구축부;
상기 수신된 입력 문장으로부터 단위 지식을 추출하고, 상기 다중 사용자를 식별할 수 있는 사용자 정보의 유무를 기반으로 상기 추출된 단위 지식을 선별하여 온톨로지를 구축하는 온톨로지 구축부; 및
상기 대화 이력 데이터베이스 및 상기 온톨로지를 기반으로 미리 추출된 시스템 응답 후보를 수정하여 상기 입력 문장에 적합한 시스템 응답을 생성하는 시스템 응답 생성부를 포함하며,
상기 대화 이력 데이터베이스 구축부는,
상기 입력 문장을 분석하여 상기 입력 문장을 구성하는 단어 중에서 개체명(named entity)을 표현하는 단어를 추출하고,
상기 추출된 단어와 상기 추출된 단어에 해당되는 개체명 태그(tag)를 매핑하여 대화 이력 정보를 생성하며,
상기 생성된 대화 이력 정보를 상기 사용자 별로 식별하여 저장하는 다중 사용자 기반의 대화 관리 장치. - 삭제
- 청구항 8에 있어서,
상기 온톨로지 구축부는,
상기 입력 문장의 구조를 분석하여 상기 입력 문장을 구성하는 단어 각각의 품사 정보와 상기 단어 간의 관계 정보를 추출하고, 상기 추출된 품사 정보와 상기 관계 정보를 이용하여 트리플(triple) 및 OWL(Web Ontology Language)기반의 RDF(Resource Description Framework) 중 적어도 하나의 구조를 가지는 단위 지식을 추출하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 장치. - 청구항 10에 있어서,
상기 온톨로지 구축부는,
상기 단위 지식을 추출함에 있어 상기 입력 문장의 구조를 분석하여 추출된 품사 정보에 대명사가 포함되어 있는 경우에 한하여, 상기 대화 이력 데이터베이스에 상기 사용자 별로 저장된 대화 이력 정보를 이용하여 상기 단위 지식을 추출하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 장치. - 청구항 11에 있어서,
상기 온톨로지 구축부는,
상기 단위 지식에 상기 다중 사용자를 식별할 수 있는 개인 정보 및 관심 정보 중 적어도 하나의 사용자 정보가 포함되어 있는 지를 판별하고, 상기 사용자 정보가 포함되어 있는 것으로 판별된 단위 지식을 상기 사용자 별로 저장함으로써 구축되는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 장치. - 청구항 8에 있어서,
상기 미리 추출된 시스템 응답 후보는,
미리 구축된 응답 예제 데이터베이스에 저장된 다수의 응답 예제 중에서 상기 입력 문장의 의도에 상응하는 적어도 하나의 응답 예제가 시스템 응답 후보로 추출된 것을 특징으로 하는 다중 사용자 기반의 대화 관리 장치. - 청구항 13에 있어서,
상기 시스템 응답 생성부는,
상기 시스템 응답 후보로부터 단위 지식을 추출하고, 상기 시스템 응답 후보로부터 추출된 단위 지식을 상기 대화 이력 데이터베이스의 대화 이력 정보 및 상기 온톨로지가 저장된 단위 지식과 비교하여 상기 입력 문장의 의도에 상응하도록 상기 시스템 응답 후보를 수정하는 것을 특징으로 하는 다중 사용자 기반의 대화 관리 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150083855A KR101751113B1 (ko) | 2015-06-15 | 2015-06-15 | 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020150083855A KR101751113B1 (ko) | 2015-06-15 | 2015-06-15 | 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160147303A KR20160147303A (ko) | 2016-12-23 |
| KR101751113B1 true KR101751113B1 (ko) | 2017-06-27 |
Family
ID=57736290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020150083855A KR101751113B1 (ko) | 2015-06-15 | 2015-06-15 | 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101751113B1 (ko) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102204491B1 (ko) * | 2017-04-14 | 2021-02-04 | 얄리 주식회사 | 온톨로지 대화 관계망을 이용한 연속 대화 방법 및 시스템 |
| KR102707293B1 (ko) | 2018-03-29 | 2024-09-20 | 삼성전자주식회사 | 사용자 음성 입력을 처리하는 장치 |
| US11217244B2 (en) | 2018-08-07 | 2022-01-04 | Samsung Electronics Co., Ltd. | System for processing user voice utterance and method for operating same |
| KR102117281B1 (ko) * | 2018-10-01 | 2020-06-01 | 주식회사 아카에이아이 | 빈도 테이블을 이용한 챗봇 발언 생성 방법 |
| KR102198295B1 (ko) * | 2018-12-27 | 2021-01-05 | 주식회사 솔트룩스 | 복수의 대화 도메인을 가지는 대화 시스템 |
| WO2020180286A1 (en) * | 2019-03-01 | 2020-09-10 | Google Llc | Dynamically adapting assistant responses |
| CN111831798A (zh) * | 2019-04-19 | 2020-10-27 | 北京三星通信技术研究有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
| KR102358485B1 (ko) * | 2019-10-30 | 2022-02-04 | 주식회사 솔트룩스 | 도메인 자동 분류 대화 시스템 |
| KR102387206B1 (ko) * | 2020-02-13 | 2022-04-15 | (주) 큰사람커넥트 | 개체명 인식을 이용한 문장 분석 효율화 방법 |
| WO2022071790A1 (en) * | 2020-09-30 | 2022-04-07 | Mimos Berhad | System and method for text processing |
| US11935527B2 (en) | 2020-10-23 | 2024-03-19 | Google Llc | Adapting automated assistant functionality based on generated proficiency measure(s) |
| WO2024058597A1 (ko) * | 2022-09-16 | 2024-03-21 | 삼성전자주식회사 | 전자 장치 및 사용자 발화 처리 방법 |
-
2015
- 2015-06-15 KR KR1020150083855A patent/KR101751113B1/ko active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20160147303A (ko) | 2016-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101751113B1 (ko) | 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치 | |
| US9792279B2 (en) | Methods and systems for analyzing communication situation based on emotion information | |
| US10726204B2 (en) | Training data expansion for natural language classification | |
| US20190272269A1 (en) | Method and system of classification in a natural language user interface | |
| US9740677B2 (en) | Methods and systems for analyzing communication situation based on dialogue act information | |
| US9633653B1 (en) | Context-based utterance recognition | |
| US20190163691A1 (en) | Intent Based Dynamic Generation of Personalized Content from Dynamic Sources | |
| US20170337261A1 (en) | Decision Making and Planning/Prediction System for Human Intention Resolution | |
| US7822699B2 (en) | Adaptive semantic reasoning engine | |
| US20070203869A1 (en) | Adaptive semantic platform architecture | |
| US20150286943A1 (en) | Decision Making and Planning/Prediction System for Human Intention Resolution | |
| EP2717176A2 (en) | Method for searching for information using the web and method for voice conversation using same | |
| US10713288B2 (en) | Natural language content generator | |
| US20130124194A1 (en) | Systems and methods for manipulating data using natural language commands | |
| KR101677859B1 (ko) | 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치 | |
| JP2023531346A (ja) | 補助システムにおけるマルチパーソンコーリングのための単一の要求の使用 | |
| Lommatzsch et al. | An Information Retrieval-based Approach for Building Intuitive Chatbots for Large Knowledge Bases. | |
| Kim et al. | Acquisition and use of long-term memory for personalized dialog systems | |
| US20220147719A1 (en) | Dialogue management | |
| CN116541493A (zh) | 基于意图识别的交互应答方法、装置、设备、存储介质 | |
| CN110249326B (zh) | 自然语言内容生成器 | |
| KR101592756B1 (ko) | 사용자 지식의 기억 강도를 이용하는 대화 관리 방법 및 이를 수행하는 장치 | |
| CN115062136A (zh) | 基于图神经网络的事件消歧方法及其相关设备 | |
| Gurevych et al. | Natural language processing for ambient intelligence. | |
| Hernández et al. | User-centric Recommendation Model for AAC based on Multi-criteria Planning |
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 |