KR101811565B1 - 자연어 질의에 대한 전문가 답변을 제공하는 시스템 - Google Patents

자연어 질의에 대한 전문가 답변을 제공하는 시스템 Download PDF

Info

Publication number
KR101811565B1
KR101811565B1 KR1020170149586A KR20170149586A KR101811565B1 KR 101811565 B1 KR101811565 B1 KR 101811565B1 KR 1020170149586 A KR1020170149586 A KR 1020170149586A KR 20170149586 A KR20170149586 A KR 20170149586A KR 101811565 B1 KR101811565 B1 KR 101811565B1
Authority
KR
South Korea
Prior art keywords
natural language
expert
language query
stored
answer
Prior art date
Application number
KR1020170149586A
Other languages
English (en)
Inventor
이명기
백승빈
이정환
김동환
Original Assignee
(주)플랜아이
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 (주)플랜아이 filed Critical (주)플랜아이
Priority to KR1020170149586A priority Critical patent/KR101811565B1/ko
Application granted granted Critical
Publication of KR101811565B1 publication Critical patent/KR101811565B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G06F17/30654—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G06F17/2755—
    • G06F17/3069—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 관한 것으로서, 사용자로부터 자연어 질의를 입력받는 입력부; 복수의 자연어 질의들과 복수의 전문가 답변들이 저장되어 있는 저장부; 상기 입력받은 자연어 질의의 형태소를 분석하여 상기 저장부에 저장되어 있는 복수의 자연어 질의들 중 적어도 하나의 자연어 질의를 추출하는 분석부;를 포함하고, 상기 분석부는 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변을 추출하고, 상기 추출된 전문가 답변의 벡터와 입력받은 자연어 질의의 벡터를 비교하여 벡터 유사도를 비교하고, 상기 저장되어 있는 복수의 자연어 질의들은 적어도 하나의 대표 형태소로 지정된 대표 폴더에 저장되어 있는 것을 특징으로 한다.

Description

자연어 질의에 대한 전문가 답변을 제공하는 시스템{System for providing an expert answer to a natural language question}
본 발명은 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 관한 것으로, 비전문가에 의한 자연어 질의에 대하여 전문가에 의한 전문적인 답변을 제공하는 시스템에 관한 것이다. 좀 더 구체적으로 본 발명은 비전문가에 의한 자연어 질의에 사용되는 용어와 전문가에 의한 전문적인 답변에 사용되는 용어가 상이하여 비전문가에 의한 자연어 질의에 대한 답변을 적절하게 제공하지 못하는 경우가 있는바, 비전문가에 의한 자연어 질의에 대해서도 전문가에 의한 전문적인 답변을 적절하게 제공하는 시스템에 관한 것이다.
일반적으로 컴퓨터는 수치 데이터에 의해서 작동함에 따라 컴퓨터로 하여금 어떤 단어 또는 문서에 대해 인지할 수 있도록 하기 위해서는 단어 또는 문서를 수치 데이터로 표현할 수 있어야 한다.
TF-IDF(Term Frequency Inverse Document Frequency)는 정보 검색 등에서 사용되는 가중치로서, 문서의 핵심어를 추출하고 검색 결과의 순위를 결정하며 문서들 사이의 유사성을 구하는 용도로 사용되고 있다.
그러나 컴퓨터는 단어 또는 문서가 가지는 의미를 이해하지 못한다는 문제점을 가지고 있는바, 이러한 문제점을 해결하기 위하여 단어 또는 문서를 다차원 공간에 벡터화하는 방식을 개발하게 되었다.
단어 및 문서를 벡터화하는 방법은 이미 이루어져 왔는데, 특히 단어를 벡터화하는 방법으로서, 미국특허공보 제9037464호에서는 고차원 공간에 단어를 수치적으로 표현하는 방법 및 시스템에 대해서 개시하고 있으며, 단어를 수치적인 벡터로 표현하는 방법으로 워투벡(word2vec)은 실제 프로그램에서 라이브러리 또는 클래스로 구현되고 있다.
문서를 벡터화하여 수치적으로 표현하는 방법도 실제 프로그램에서 응용프로그램 인터페이스로 제공되고 있는데, 그 기본적인 원리 중 하나는 문서 내의 모든 단어에 대해 각 단어의 출현 빈도를 세어 수치화된 벡터로 나타냄으로써 문서를 벡터화하여 문서들간의 관련도를 측정하는 경우가 있다.
종래의 질의 응답 방법은 사용자의 자연어 질의를 분석하여 핵심 질의어를 추출하고, 추출된 질의어를 데이터베이스의 핵심어와 비교하여 핵심어에 대응하는 답변을 제공하는 방식이다.
문서를 벡터화하는 방법은 사용자의 질의에 대응하는 답변을 제공하는 방법에 사용될 수 있는데, 사용자의 자연어 질의를 벡터화하여 수치적으로 표현하고 데이터베이스의 벡터화된 문서와 비교하여 벡터 유사도가 높은 답변을 추출할 수 있으나, 이러한 방법에 의해서 여전히 적절한 결과를 도출하지 못하는 경우가 있고, 이러한 벡터 유사도의 측정은 시스템에 많은 부하를 유발하고, 이에 따라 처리 속도가 매우 낮아지는 문제점이 있다.
또한 사용자의 자연어 질의에 사용되는 단어와 이에 대응되는 답변에 사용되는 단어가 다른 경우에는 자연어 질의와 답변의 벡터 유사도가 높게 나오기가 어렵게 된다.
특히 비전문가에 의한 사용자가 입력하는 자연어 질의에 전문가가 답변하는 경우 전문가가 사용하는 단어는 비전문가에 의한 자연어 질의에서 사용되기 어렵다는 점에서 자연어 질의와 답변의 벡터 유사도가 높게 나올 수 없으므로, 비전문가에 의한 자연어 질의에 대한 전문가 답변을 제공하는데 문제점이 있다.
미국특허공보 제9037464호
본 발명은 상기 문제점을 해결하기 위한 것으로서, 비전문가에 의한 자연어 질의와 전문가 답변을 형태소 분석 및 벡터화하여 저장하여 구축한 데이터베이스로부터 사용자가 입력하는 자연어 질의에 대응하는 전문가 답변을 제공하는 것을 목적으로 한다.
본 발명은, 입력받은 자연어 질의의 형태소 분석 후 저장되어 있는 복수의 자연어 질의 추출과 벡터 유사도 측정을 통하여 시스템 부하를 저감하고 처리 속도를 높이는 것을 목적으로 한다.
본 발명이 해결하고자 하는 과제는 상기 목적으로만 제한하지 아니하고, 위에서 명시적으로 나타내지 아니한 다른 기술적 과제는 이하 본 발명의 구성 및 작용을 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있을 것이다.
본 발명에서는, 상기 과제를 해결하기 위하여 이하의 구성을 포함한다.
본 발명은 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 관한 것으로서, 사용자로부터 자연어 질의를 입력받는 입력부; 복수의 자연어 질의들과 복수의 전문가 답변들이 저장되어 있는 저장부; 상기 입력받은 자연어 질의의 형태소를 분석하여 상기 저장부에 저장되어 있는 복수의 자연어 질의들 중 적어도 하나의 자연어 질의를 추출하는 분석부;를 포함하고, 상기 분석부는 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변을 추출하고, 상기 추출된 전문가 답변의 벡터와 입력받은 자연어 질의의 벡터를 비교하여 벡터 유사도를 비교하고, 상기 저장되어 있는 복수의 자연어 질의들은 적어도 하나의 대표 형태소로 지정된 대표 폴더에 저장되어 있는 것을 특징으로 한다.
본 발명의 상기 대표 형태소로 지정된 대표 폴더에는 상기 저장되어 있는 복수의 자연어 질의들과 복수의 전문가 답변들이 저장되어 있는 것을 특징으로 한다.
또한 본 발명은 자연어 질의에 대한 전문가 답변을 저장하는 시스템에 관한 것으로서, 하나의 자연어 질의와 하나의 전문가 답변이 연결되어 저장되는 저장부; 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변에 대하여 형태소를 분석하는 분석부;를 포함하고, 상기 분석부는 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변을 벡터화하고, 상기 하나의 자연어 질의와 하나의 전문가 답변으로부터 대표 형태소를 지정하고, 상기 대표 형태소로 지정된 대표 폴더를 설정하고, 상기 하나의 자연어 질의와 하나의 전문가 답변을 상기 대표 폴더에 저장하는 것을 특징으로 한다.
또한 본 발명은 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 관한 것으로서, 하나의 자연어 질의와 하나의 전문가 답변이 연결되어 저장되는 저장부; 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변에 대하여 형태소를 분석하는 분석부 상기 분석부는 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변을 벡터화하고, 상기 하나의 자연어 질의와 하나의 전문가 답변으로부터 대표 형태소를 지정하며, 상기 대표 형태소로 지정된 대표 폴더를 설정하고, 상기 하나의 자연어 질의와 하나의 전문가 답변을 상기 대표 폴더에 저장하는 것을 반복적으로 수행하여 복수의 자연어 질의와 복수의 전문가 답변을 상기 저장부에 저장하고 -; 사용자로부터 자연어 질의를 입력받는 입력부; 상기 분석부는 상기 입력받은 자연어 질의의 형태소를 분석하여 상기 저장부에 저장되어 있는 복수의 자연어 질의들 중 적어도 하나의 자연어 질의를 추출하고, 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변을 추출하고, 상기 추출된 전문가 답변의 벡터와 입력받은 자연어 질의의 벡터를 비교하여 벡터 유사도를 비교하는 것을 특징으로 한다.
본 발명은 비전문가인 사용자가 입력하는 자연어 질의에 대응하는 전문가 답변을 제공하는 것이 가능한 효과가 있다.
본 발명은, 시스템 부하를 저감하고 처리 속도를 높이는 것이 가능한 효과가 있다.
본 발명에 의한 효과는 상기 효과로만 제한하지 아니하고, 위에서 명시적으로 나타내지 아니한 다른 효과는 이하 본 발명의 구성 및 작용을 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있을 것이다.
도 1은 본 발명의 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 대한 개략도를 도시한다.
도 2는 본 발명의 자연어 질의에 대한 전문가 답변을 제공하는 방법에 대한 흐름도를 도시한다.
도 3은 본 발명의 자연어 질의에 대한 전문가 답변을 저장하는 방법에 있어서 자연어 질의와 전문가 답변을 일대일로 연결하고 형태소를 분석한 상태를 개념적으로 도시한다.
도 4는 본 발명의 자연어 질의에 대한 전문가 답변을 저장하는 방법에 있어서 자연어 질의와 전문가 답변을 일대일로 연결하고 하나의 벡터로 변환하는 과정을 개념적으로 도시한다.
도 5는 본 발명의 자연어 질의에 대한 전문가 답변을 저장하는 방법에 있어서 자연어 질의와 전문가 답변을 일대일로 연결하여 대표폴더에 저장하는 과정을 개념적으로 도시한다.
도 6a, 도 6b는 본 발명의 자연어 질의에 대한 전문가 답변을 저장하는 방법에 있어서 대표폴더에 저장된 자연어 질의와 전문가 답변이 복수 대 복수 연결되어 있는 상태를 개념적으로 도시한다.
도 7은 본 발명의 자연어 질의에 대한 전문가 답변을 제공하는 방법에 있어서 사용자로부터 입력받은 자연어 질의에 대해서 형태소를 분석하고 벡터로 변환한 상태를 개념적으로 도시한다.
이하 본 발명의 바람직한 실시예에 따른 전체적인 구성 및 작용에 대해 설명하기로 한다. 이러한 실시예는 예시적인 것으로서 본 발명의 구성 및 작용을 제한하지는 아니하고, 실시예에서 명시적으로 나타내지 아니한 다른 구성 및 작용도 이하 본 발명의 실시예를 통하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 쉽게 이해할 수 있는 경우는 본 발명의 기술적 사상으로 볼 수 있을 것이다.
비전문가가 법률적, 의학적, 과학적 기타 전문 지식을 요구하는 경우, 비전문가에 의하여 작성되는 질의는 전문적인 용어를 사용하지 못한 경우가 대부분이지만, 전문가는 비전문가의 질의가 전문적인 용어를 사용하지 못하여 부정확하다고 하더라도 질의의 의미를 파악하여 전문적인 답변을 제공할 수 있다.
본 발명은 사용자가 입력하는 자연어 질의의 의미를 파악하여 전문가의 답변을 제공하기 위하여 단어의 의미를 벡터화하는 일반적인 구성에 형태소 분석 및 비교하는 구성을 부가하여 사용자가 입력하는 자연어 질의의 의미에 좀 더 부합하는 전문가 답변을 제공할 수 있게 된다.
이하 발명의 구체적인 실시예에 따른 전체적인 구성 및 동작에 대해 설명하기로 한다.
도 1 및 도 2를 참조하면, 본 발명은 자연어 질의에 대한 전문가 답변을 제공하는 시스템 및 방법에 관한 것이다.
사용자는 비전문가로서 전문가가 사용하는 전문적인 용어를 사용하지 못하는 것이 일반적이고, 이러한 사용자가 입력부(1)를 통하여 자연어 질의를 입력하는 경우(10) 분석부(3)는 입력된 자연어 질의의 형태소를 분석하고(20), 상기 입력된 자연어 질의의 형태소와 저장부(4)에 저장된 자연어 질의의 형태소를 서로 비교하여 입력된 자연어 질의와 비슷한 적어도 하나의 저장된 자연어 질의를 추출하게 되며(30), 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변도 함께 추출하게 된다(40).
다음은, 상기 추출된 적어도 하나의 전문가 답변과 입력받은 자연어 질의의 벡터를 서로 비교하여(50) 벡터유사도가 가장 높은 전문가 답변을 추출하여 출력부(2)로 출력하게 된다.
한편, 상기 전문가 답변의 벡터는 상기 전문가 답변과 연결된 자연어 질의가 함께 하나의 벡터로 변환되는 것이 바람직한데, 사용자가 입력하는 자연어 질의와 상기 전문가 답변의 벡터유사도가 높다는 것은 곧, 사용자가 입력하는 자연어 질의와 상기 전문가 답변과 연결되어 저장된 자연어 질의의 벡터유사도도 역시 높다는 의미이다.
결국 사용자가 입력하는 자연어 질의와 유사한 저장된 자연어 질의를 추출하게 되고, 상기 저장된 자연어 질의와 연결된 전문가 답변이 제시됨으로써 비전문가인 사용자가 입력하는 자연어 질의에 대응하는 전문가 답변을 좀 더 정확하게 제공할 수 있게 된다.
또한 상기 입력된 자연어 질의의 형태소와 저장부(4)에 저장된 자연어 질의의 형태소를 서로 비교하여 입력된 자연어 질의와 비슷한 적어도 하나의 저장된 자연어 질의를 추출하고, 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변도 함께 추출하며, 상기 추출된 적어도 하나의 전문가 답변과 입력받은 자연어 질의의 벡터를 서로 비교하여 벡터유사도가 가장 높은 전문가 답변을 추출함으로써 상기 벡터 유사도 측정을 위한 시스템 부하를 저감할 수 있고, 이에 따라 처리 속도를 높일 수 있게 된다.
도 3 내지 도6을 참조하여, 본 발명의 자연어 질의에 대한 전문가 답변을 제공하기 위하여 초기에 자연어 질의와 전문가 답변을 저장하는 과정을 구체적으로 살펴본다.
초기에는 자연어 질의(100-1~100-n)에 대한 전문가 답변(200-1~200-n)이 일대일로 연결된 데이터를 구입하여 저장부(4)에 저장하게 되고, 상기 일대일로 연결된 자연어 질의(100-1~100-n)와 전문가 답변(200-1~200-n)은 형태소를 분석하고, 하나의 벡터로 변환되어 저장된다.
벡터화는 일반적인 수단을 사용할 수 있으나, 자연어 질의(100-1~100-n)와 전문가 답변(200-1~200-n)이 하나의 벡터로 변환됨으로써 상기 자연어 질의(100-1~100-n)와 상기 전문가 답변(200-1~200-n)은 벡터유사도가 서로 높게 나타나게 된다.
상기 일대일로 연결된 자연어 질의(100-1~100-n)와 전문가 답변(200-1~200-n)으로부터 대표 형태소를 지정하고 이로부터 대표 폴더(300-1~300-k)를 설정한 후, 상기 대표 폴더에는 동일한 대표 형태소를 가지는 자연어 질의와 전문가 답변을 함께 저장하게 된다.
상기 일대일로 연결된 자연어 질의(100-1~100-n)와 전문가 답변(200-1~200-n)은 상기 대표 폴더(3001-1~300-k)에 저장되면서 자연어 질의와 전문가 답변은 복수 대 복수로 연결됨으로써, 추출된 자연어 질의와 연결된 전문가 답변을 추출하는 과정(40)에서 대표 폴더에 저장되는 자연어 질의가 추출되는 경우, 상기 대표 폴더에 저장된 전문가 답변이 모두 함께 추출될 수 있고, 상기 추출된 전문가 답변과 입력된 자연어 질의의 벡터유사도를 비교하게 된다.
이러한 과정에 저장되는 자연어 질의와 전문가 답변은 일반적으로 빅데이터로 일컬어지는 대규모 양의 데이터가 저장되는 것이 바람직하며, 이러한 빅데이터는 기계학습을 통하여 저장될 수 있다.
또한 사용자가 입력하는 자연어 질의에 대하여 전문가 답변이 제공된 후, 상기 자연어 질의와 전문가 답변도 서로 일대일로 연결되어 저장부(4)에 연결될 수 있고, 이러한 과정을 통하여 본 발명의 자연어 질의에 대한 전문가 답변을 제공하는 방법 및 시스템은 사용될수록 스스로 더 발전될 수 있다.
앞에서는 사용자로부터 자연어 질의를 입력받은 후, 이에 대한 전문가 답변을 제공하는 방법을 먼저 설명하고, 상기 전문가 답변을 제공하기 위하여 기존의 자연어 질의와 전문가 답변으로 이루어진 빅데이터를 기계학습하여 저장하는 방법을 나중에 설명하였으나, 이러한 방법은 개별적으로 이루어질 수도 있지만, 함께 이루어짐으로써 더욱 더 큰 효과를 가져올 수 있다.
다음은 이러한 과정을 함께 실행할 수 있는 본 발명의 자연어 질의에 대한 전문가 답변을 제공하는 방법을 설명한다.
빅데이터로서 하나의 자연어 질의와 하나의 전문가 답변이 연결된 데이터를 대규모로 저장하고, 상기 하나의 연결된 자연어 질의와 전문가 답변에 대하여 형태소를 분석하여 저장하고, 상기 하나의 연결된 자연어 질의와 전문가 답변을 하나의 벡터로 변환한다.
앞에서도 설명했지만, 벡터로 변환하는 수단은 일반적일 수 있지만, 상기 하나의 연결된 자연어 질의와 전문가 답변을 하나의 벡터로 변환함으로써 상기 자연어 질의와 전문가 답변은 서로 벡터유사도가 높게 나타도록 하는 것이다.
다음은, 형태소를 분석하여 저장한 상기 하나의 연결된 자연어 질의와 전문가 답변으로부터 대표 형태소를 지정하고 이로부터 대표 폴더를 설정한 후, 상기 대표 폴더(300-k)에는 동일한 대표 형태소를 가지는 복수의 자연어 질의와 전문가 답변의 연결 쌍을 저장하게 된다.
일대일로 연결되었던 자연어 질의와 전문가 답변이 상기 대표 폴더(300-k)에 분류되어 저장되면서 상기 대표 폴더(300-k)에 저장되는 자연어 질의와 전문가 답변은 복수 대 복수로 연결되도록 한다.
이러한 과정에 저장되는 자연어 질의와 전문가 답변은 일반적으로 빅데이터로 일컬어지는 대규모 양의 데이터가 저장되는 것이 바람직하며, 이러한 빅데이터는 기계학습을 통하여 저장부(4)에 저장될 수 있다.
전문적인 용어를 사용하지 못하는 비전문가로서 사용자는 입력부(1)를 통하여 자연어 질의를 입력하게 되고, 분석부(3)는 상기 입력된 자연어 질의의 형태소를 분석하고 이러한 형태소 분석을 통하여 상기 저장부(4)에 저장된 복수의 자연어 질의 중 적어도 하나의 자연어 질의를 추출하게 된다.
상기 추출된 적어도 하나의 자연어 질의가 속하는 대표 폴더로부터 적어도 하나의 전문가 답변을 추출하게 되는데, 하나의 대표 폴더로부터 복수의 전문가 답변이 추출될 수도 있고, 복수의 대표 폴더로부터 복수의 전문가 답변이 추출될 수도 있다.
상기 사용자로부터 입력받은 자연어 질의의 벡터와 상기 추출된 적어도 하나의 전문가 답변의 벡터를 비교하게 되고, 결국 벡터유사도가 가장 높게 나타나는 전문가 답변을 사용자에게 제공하게 된다.
종래의 벡터 유사도 측정만을 사용하는 경우에는 시스템의 부하가 증가하고 처리 속도가 저하되는 반면, 본 발명과 같이 벡터 유사도의 측정을 하기 전에 형태소 분석 및 대표 폴더로의 군집화를 통하여 벡터 유사도의 측정 범위를 좁혀 나감으로써 적절한 전문가 답변을 추출하면서도 동시에 시스템의 부하를 저감하고 처리 속도도 높일 수 있게 된다.
1: 입력부 2: 출력부
3: 분석부 4: 저장부

Claims (4)

  1. 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 있어서,
    사용자로부터 자연어 질의를 입력받는 입력부;
    복수의 자연어 질의들과 복수의 전문가 답변들이 저장되어 있는 저장부;
    상기 입력받은 자연어 질의의 형태소를 분석하여 상기 저장부에 저장되어 있는 복수의 자연어 질의들 중 적어도 하나의 자연어 질의를 추출하는 분석부;를 포함하고,
    상기 분석부는 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변을 추출하고, 상기 추출된 전문가 답변의 벡터와 입력받은 자연어 질의의 벡터를 비교하여 벡터 유사도를 비교하고,
    상기 저장되어 있는 복수의 자연어 질의들은 적어도 하나의 대표 형태소로 지정된 대표 폴더에 저장되어 있는 것을 특징으로 하는 자연어 질의에 대한 전문가 답변을 제공하는 시스템.
  2. 제1항에 있어서,
    상기 대표 형태소로 지정된 대표 폴더에는 상기 저장되어 있는 복수의 자연어 질의들과 복수의 전문가 답변들이 저장되어 있는 것을 특징으로 하는 자연어 질의에 대한 전문가 답변을 제공하는 시스템.
  3. 자연어 질의에 대한 전문가 답변을 저장하는 시스템에 있어서,
    하나의 자연어 질의와 하나의 전문가 답변이 연결되어 저장되는 저장부;
    상기 저장된 하나의 자연어 질의와 하나의 전문가 답변에 대하여 형태소를 분석하는 분석부;를 포함하고,
    상기 분석부는 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변을 벡터화하고, 상기 하나의 자연어 질의와 하나의 전문가 답변으로부터 대표 형태소를 지정하고, 상기 대표 형태소로 지정된 대표 폴더를 설정하고, 상기 하나의 자연어 질의와 하나의 전문가 답변을 상기 대표 폴더에 저장하는 것을 특징으로 하는 자연어 질의에 대한 전문가 답변을 저장하는 시스템.
  4. 자연어 질의에 대한 전문가 답변을 제공하는 시스템에 있어서,
    하나의 자연어 질의와 하나의 전문가 답변이 연결되어 저장되는 저장부;
    상기 저장된 하나의 자연어 질의와 하나의 전문가 답변에 대하여 형태소를 분석하는 분석부-
    상기 분석부는 상기 저장된 하나의 자연어 질의와 하나의 전문가 답변을 벡터화하고, 상기 하나의 자연어 질의와 하나의 전문가 답변으로부터 대표 형태소를 지정하며, 상기 대표 형태소로 지정된 대표 폴더를 설정하고, 상기 하나의 자연어 질의와 하나의 전문가 답변을 상기 대표 폴더에 저장하는 것을 반복적으로 수행하여 복수의 자연어 질의와 복수의 전문가 답변을 상기 저장부에 저장하고-;
    사용자로부터 자연어 질의를 입력받는 입력부;
    상기 분석부는 상기 입력받은 자연어 질의의 형태소를 분석하여 상기 저장부에 저장되어 있는 복수의 자연어 질의들 중 적어도 하나의 자연어 질의를 추출하고, 상기 추출된 자연어 질의와 연결된 적어도 하나의 전문가 답변을 추출하고, 상기 추출된 전문가 답변의 벡터와 입력받은 자연어 질의의 벡터를 비교하여 벡터 유사도를 비교하는 것을 특징으로 하는 자연어 질의에 대한 전문가 답변을 제공하는 시스템.
KR1020170149586A 2017-11-10 2017-11-10 자연어 질의에 대한 전문가 답변을 제공하는 시스템 KR101811565B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170149586A KR101811565B1 (ko) 2017-11-10 2017-11-10 자연어 질의에 대한 전문가 답변을 제공하는 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170149586A KR101811565B1 (ko) 2017-11-10 2017-11-10 자연어 질의에 대한 전문가 답변을 제공하는 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020170097376A Division KR101803095B1 (ko) 2017-07-31 2017-07-31 자연어 질의에 대한 전문가 답변을 제공하는 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101811565B1 true KR101811565B1 (ko) 2017-12-26

Family

ID=60936831

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170149586A KR101811565B1 (ko) 2017-11-10 2017-11-10 자연어 질의에 대한 전문가 답변을 제공하는 시스템

Country Status (1)

Country Link
KR (1) KR101811565B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190105479A (ko) * 2018-03-05 2019-09-17 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102069819B1 (ko) * 2019-07-15 2020-01-23 성균관대학교산학협력단 자연어 처리 기법을 이용한 선박설계 선주요구사항 대응지원 장치 및 그 방법
KR20200033009A (ko) * 2018-09-19 2020-03-27 네이버 주식회사 자동 답변 제공 방법

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102180874B1 (ko) * 2018-03-05 2020-11-19 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR20190109703A (ko) * 2018-03-05 2019-09-26 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR20190105477A (ko) * 2018-03-05 2019-09-17 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 차량 검색 서비스 방법
KR20190105481A (ko) * 2018-03-05 2019-09-17 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102180869B1 (ko) * 2018-03-05 2020-11-19 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 차량 검색 서비스 방법
KR20190109700A (ko) * 2018-03-05 2019-09-26 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 차량 임대 전자 계약 서비스 방법
KR20190105478A (ko) * 2018-03-05 2019-09-17 에스케이네트웍스 주식회사 렌터카 서비스 방법 및 그 장치
KR20190109702A (ko) * 2018-03-05 2019-09-26 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR20190109701A (ko) * 2018-03-05 2019-09-26 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102180881B1 (ko) * 2018-03-05 2020-11-19 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102096158B1 (ko) * 2018-03-05 2020-04-01 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 차량 임대 전자 계약 서비스 방법
KR102112394B1 (ko) * 2018-03-05 2020-06-04 에스케이네트웍스 주식회사 렌터카 서비스 방법 및 그 장치
KR20190105479A (ko) * 2018-03-05 2019-09-17 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102163354B1 (ko) * 2018-03-05 2020-10-08 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102163349B1 (ko) * 2018-03-05 2020-10-08 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102168990B1 (ko) * 2018-03-05 2020-10-22 에스케이네트웍스 주식회사 렌터카 서비스 장치 및 그 장치에서의 인공지능 기반 차량 검색 서비스 방법
KR102137809B1 (ko) * 2018-09-19 2020-07-24 네이버 주식회사 자동 답변 제공 방법
KR20200033009A (ko) * 2018-09-19 2020-03-27 네이버 주식회사 자동 답변 제공 방법
KR102069819B1 (ko) * 2019-07-15 2020-01-23 성균관대학교산학협력단 자연어 처리 기법을 이용한 선박설계 선주요구사항 대응지원 장치 및 그 방법

Similar Documents

Publication Publication Date Title
US20190347281A1 (en) Apparatus and method for semantic search
US20200081899A1 (en) Automated database schema matching
US11531818B2 (en) Device and method for machine reading comprehension question and answer
JP6870421B2 (ja) 判定プログラム、判定装置および判定方法
KR101811565B1 (ko) 자연어 질의에 대한 전문가 답변을 제공하는 시스템
CN106294733A (zh) 基于文本分析的网页检测方法
US10073890B1 (en) Systems and methods for patent reference comparison in a combined semantical-probabilistic algorithm
CN110990003B (zh) 一种基于词嵌入技术的api推荐方法
Gunaseelan et al. Automatic extraction of segments from resumes using machine learning
Balaji et al. Text Summarization using NLP Technique
CN112380848B (zh) 文本生成方法、装置、设备及存储介质
RAHUL RAJ et al. A novel extractive text summarization system with self-organizing map clustering and entity recognition
KR101803095B1 (ko) 자연어 질의에 대한 전문가 답변을 제공하는 방법 및 시스템
CN110427626B (zh) 关键词的提取方法及装置
CN116049376A (zh) 一种信创知识检索回复的方法、装置和系统
KR101359039B1 (ko) 복합명사 분석장치 및 복합명사 분석 방법
Naji et al. Text classification for arabic words using Rep-Tree
US9165063B2 (en) Organising and storing documents
Karmaker et al. Performance analysis of frequency and graph theoretic based text summarization
CN110633363B (zh) 一种基于nlp和模糊多准则决策的文本实体推荐方法
KR20220041336A (ko) 중요 키워드 추천 및 핵심 문서를 추출하기 위한 그래프 생성 시스템 및 이를 이용한 그래프 생성 방법
Pasala et al. An analytics-driven approach to identify duplicate bug records in large data repositories
Arivarasan et al. Data mining K-means document clustering using tfidf and word frequency count
Jasila et al. Ontology Based Document Clustering-An Efficient Hybrid Approach
Nagrale et al. Document theme extraction using named-entity recognition

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant