KR101854576B1 - 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법 - Google Patents

챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법 Download PDF

Info

Publication number
KR101854576B1
KR101854576B1 KR1020170149126A KR20170149126A KR101854576B1 KR 101854576 B1 KR101854576 B1 KR 101854576B1 KR 1020170149126 A KR1020170149126 A KR 1020170149126A KR 20170149126 A KR20170149126 A KR 20170149126A KR 101854576 B1 KR101854576 B1 KR 101854576B1
Authority
KR
South Korea
Prior art keywords
information
failure
infrastructure
query
engine
Prior art date
Application number
KR1020170149126A
Other languages
English (en)
Inventor
최종목
김준태
박민상
정민수
Original Assignee
베스핀글로벌 주식회사
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 베스핀글로벌 주식회사 filed Critical 베스핀글로벌 주식회사
Priority to KR1020170149126A priority Critical patent/KR101854576B1/ko
Application granted granted Critical
Publication of KR101854576B1 publication Critical patent/KR101854576B1/ko
Priority to US16/143,876 priority patent/US10795940B2/en
Priority to CN201811138515.2A priority patent/CN109760041B/zh

Links

Images

Classifications

    • 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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0748—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a remote unit communicating with a single-box computer node experiencing an error/fault
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q50/40—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • 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
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Abstract

본 발명은 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법에 관한 것이다. 본 발명에 따른 챗봇 기반 클라우드 관리 시스템은, 복수의 접속 채널을 통해 클라이언트로부터의 질의를 수신하고, 수신된 질의에 대응하여 생성된 응답을 클라이언트에게 전달하는 인터페이스, 상기 수신된 질의를 분석하여 대화 정보를 추출하여 미리 학습된 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 질의에 대한 응답 처리를 수행하고, 상기 질의로부터 요청 이벤트가 발생 시 이벤트 발생 정보를 출력하는 챗봇 엔진, 및 상기 챗봇 엔진으로부터 이벤트 발생 정보가 수신되면, 상기 요청 이벤트가 발생한 인프라의 장애 발생 상황을 파악하고 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 장애 발생 상황에 대응하는 장애 처리 방안을 생성하여 상기 챗봇 엔진으로 제공하는 처리 엔진을 포함한다.

Description

챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법{CLOUD MANAGEMENT SYSTEM BASED ON CHATBOT AND OPERATING METHOD THEREOF}
본 발명은 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법에 관한 것으로, Bot 플랫폼을 통해서 대화형 서비스 및 장애 처리 방안에 대한 자동화 솔루션을 실시간으로 제공할 수 있도록 한 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법에 관한 것이다.
챗봇(CHATBOT) 서비스는 빅데이터 분석 및 머신 러닝, 그리고 자연어 처리 기술과 함께 비약적인 발전을 거듭하여 사용자의 대화 내용 분석 기반으로 올바른 답을 유추하고 다음 질문을 예측하여 대화 서비스를 제공하며, 나아가 최근에는 단순한 대화 서비스를 넘어, 쇼핑 및 결제와 같은 다양한 동작을 처리하는 용도로까지 확대되고 있다.
이와 함께, 클라우드 서비스가 활성화 되면서 DevOps, NoOps라는 용어가 대두된지 오래이며, 신속하고 자동화된 개발, 운영 및 소프트웨어 품질과 관련된 새로운 패러다임으로 자리 잡고 있다.
DevOps는 개발(Development)과 운영(Operations)의 합성어로, 시스템 개발과 운영을 병행 및 협업하는 방식을 의미한다. DevOps는 개발과 운영 간 협업을 통해 운영하는 방식이기 때문에 시스템 운영 중 장애가 발생한다거나 클라이언트에 의해 추가적 요구사항 등이 발생했을 때 신속한 해결이 쉽지 않다.
NoOps(노옵스)는 "no"와 "operation"의 합성어로, 운영 업무를 제거하여 최대한 인간에 의한 운영 요소를 없애는 방식을 의미한다.
이에, 최근 클라우드 서비스는 지능형 리소스 관리를 통하여 운영에 소모되는 비용을 줄이고, 이를 통하여 확보한 시간을 바탕으로 개발 및 비즈니스에 충실할 수 있도록 DevOps에서 NoOps로 이동하고 있는 추세이다.
대한민국 등록특허 제10-0522625호 (2005.10.20. 공고)
본 발명의 목적은, 챗봇을 이용한 양방향 커뮤니케이션을 통하여 클라이언트가 리소스를 모니터링하고 인프라를 운영할 수 있도록 하는 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법을 제공함에 있다.
또한, 본 발명의 다른 목적은, 기계 학습을 통해 학습된 알고리즘과 자동 규칙을 조합하여 고객의 장애 처리 방안에 대한 솔루션을 실시간으로 제공하고, 이를 통해 클라이언트에게 NoOps 환경을 제공할 수 있도록 한, 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법을 제공함에 있다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위한 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템은, 복수의 접속 채널을 통해 클라이언트로부터의 질의를 수신하고, 수신된 질의에 대응하여 생성된 응답을 클라이언트에게 전달하는 인터페이스, 상기 수신된 질의를 분석하여 대화 정보를 추출하여 미리 학습된 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 질의에 대한 응답 처리를 수행하고, 상기 질의로부터 요청 이벤트가 발생 시 이벤트 발생 정보를 출력하는 챗봇 엔진, 및 상기 챗봇 엔진으로부터 이벤트 발생 정보가 수신되면, 상기 요청 이벤트가 발생한 인프라의 장애 발생 상황을 파악하고 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 장애 발생 상황에 대응하는 장애 처리 방안을 생성하여 상기 챗봇 엔진으로 제공하는 처리 엔진을 포함하는 것을 특징으로 한다.
상기 챗봇 엔진은, 학습 모듈의 기계 학습을 통해 생성된 대화 학습 모델 및 대화 지식 컨텍스트가 저장된 DB, 상기 질의를 분석하고 대화 정보를 추출하는 언어 처리 모듈, 상기 DB로부터 대화 학습 모델 및 대화 지식 컨텍스트를 호출하여 상기 호출된 대화 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 추출된 대화 정보에 대응하는 대화 지식을 추출하고, 상기 추출된 대화 지식에 기초하여 상기 질의에 대한 응답을 생성하는 제1 AI 모듈을 포함하는 것을 특징으로 한다.
상기 제1 AI 모듈은, 상기 대화 지식에 기초하여 상기 요청 이벤트가 발생하는지 판단하고, 상기 요청 이벤트가 발생한 것으로 확인되면 상기 처리 엔진으로 이벤트 발생 정보를 송신하는 것을 특징으로 한다.
상기 요청 이벤트는, 상기 인프라의 장애 처리 요청 이벤트인 것을 특징으로 한다.
상기 처리 엔진은, 학습 모듈의 기계 학습을 통해 생성된 장애 처리 모델 및 미리 정의된 장애 처리 규칙이 저장된 DB, 및 상기 챗봇 엔진으로부터 이벤트 발생 정보가 수신되면 상기 이벤트 발생 정보에 기초하여 상기 인프라의 장애 발생 상황을 파악하고, 상기 DB로부터 장애 처리 모델 및 장애 처리 규칙을 호출하여 상기 호출된 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 인프라의 장애 발생 상황에 대응하는 장애 처리 방안을 생성하여 상기 챗봇 엔진으로 송신하는 제2 AI 모듈을 포함하는 것을 특징으로 한다.
상기 제1 AI 모듈은, 상기 제2 AI 모듈에 의해 생성된 상기 인프라의 장애 처리 방안에 대응하는 응답을 생성하여 상기 인터페이스로 출력하는 것을 특징으로 한다.
상기 처리 엔진은, 상기 인프라의 정보를 관리하며, 상기 인프라로부터 수집되는 장애 처리 내역 정보를 감시하는 관리 모듈을 더 포함하는 것을 특징으로 한다.
상기 관리 모듈은, 상기 인프라의 장애 처리 방안에 대응하는 템플릿을 추출하여 상기 인프라에 반영하는 것을 특징으로 한다.
상기의 목적을 달성하기 위한 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템의 운영 방법은, 복수의 접속 채널을 통해 클라이언트로부터의 질의를 수신하는 단계, 상기 수신된 질의를 분석하여 대화 정보를 추출하여 미리 학습된 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 질의에 대한 응답 처리를 수행하는 단계, 상기 수신된 질의로부터 요청 이벤트가 발생하는지 판단하여 상기 요청 이벤트 발생 시 상기 요청 이벤트가 발생한 인프라의 장애 발생 상황을 파악하고 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 장애 발생 상황에 대응하는 장애 처리 방안을 생성하는 단계, 및 상기 장애 처리 방안에 대응하는 응답을 생성하여 상기 클라이언트에 제공하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 챗봇을 이용한 양방향 커뮤니케이션을 통하여 클라이언트가 리소스를 모니터링하고 인프라를 운영할 수 있으며, 이를 통해 클라이언트에게 NoOps 환경을 제공할 수 있는 효과가 있다.
또한, 본 발명에 따르면, 기계 학습을 통해 학습된 알고리즘과 자동 규칙을 조합하여 고객의 장애 처리 방안에 대한 솔루션을 실시간으로 제공할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템의 구성을 도시한 도면이다.
도 2는 도 1의 챗봇 엔진에 대한 세부 구성을 도시한 도면이다.
도 3은 도 1의 처리 엔진에 대한 세부 구성을 도시한 도면이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템의 운영 방법에 대한 동작 흐름을 도시한 도면이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 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 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템(100)은 인터페이스(I/F)(110), 챗봇 엔진(130) 및 처리 엔진(150)을 포함할 수 있다.
인터페이스(110)는 복수의 채널을 통해 클라이언트(10)로부터의 질의를 수신하고, 수신된 질의에 대응하여 생성된 응답을 클라이언트(10)에게 전달하는 역할을 한다.
여기서, 클라이언트(10)는 유선 또는 무선 통신을 통해 클라우드 서비스를 제공하는 인프라(예를 들어, AWS, AZURE, IDS 등)(20)에 접속하여 클라우드 서비스를 제공 받는 전자 장치를 포함할 수 있다. 또한, 클라이언트(10)는 유선 또는 무선 통신을 통해 클라우드 관리 시스템(100)에 접속할 수 있다. 일 예로, 전자 장치는 데스크톱, 랩탑, 노트북, 태블릿 PC, 스마트 폰 및/또는 PDA 등을 포함할 수 있다. 여기서, 전자 장치는 클라우드 관리 시스템(100)과 연동되는 어플리케이션이 설치된 것일 수 있다.
인터페이스(110)는 클라이언트(10)와 클라우드 관리 시스템(100) 간 접속 채널을 지원한다. 여기서, 접속 채널은 메신저, 웹(Web) 및/또는 메시지(SMS) 등이 해당될 수 있다. 물론, 인터페이스(110)에 의해 지원되는 접속 채널 형태는 어느 하나에 한정되는 것은 아니며, 그 외에도 클라이언트(10)와 대화 정보를 송수신할 수 있는 형태의 다양한 접속 채널을 지원할 수 있음은 당연한 것이다.
챗봇 엔진(130)은 인터페이스(110)를 통해 클라이언트(10)로부터의 질의가 수신되면, 수신된 질의에 해당하는 텍스트를 분석하여 대화 정보를 추출하고, 추출된 대화 정보를 인식하여 그에 대응하는 대화 지식을 추출한다. 이때, 챗봇 엔진(130)은 추출된 대화 지식을 기반으로 클라이언트(10)로부터의 질의에 대한 응답 처리를 할 수 있다.
또한, 챗봇 엔진(130)은 추출된 대화 지식으로부터 요청 이벤트 발생을 파악할 수 있다. 챗봇 엔진(130)은 요청 이벤트가 발생한 것으로 확인되면, 처리 엔진(150)으로 요청 이벤트에 대한 처리를 요청할 수 있다.
여기서, 챗봇 엔진(130)의 세부 구성은 도 2를 참조하여 상세히 설명하도록 한다.
도 2를 참조하면, 챗봇 엔진(130)은 언어 처리 모듈(131), 제1 제어 모듈(132), 제1 AI 모듈(133), 학습 모듈(134), 컨텍스트 관리 모듈(135) 및 DB(136)를 포함할 수 있다.
언어 처리 모듈(131)은 인터페이스(110)를 통해 수신된 클라이언트(10)로부터의 질의를 분석하고 대화 정보를 추출하는 역할을 한다. 여기서, 언어 처리 모듈(131)은 텍스트 형태의 질의를 구문 분석하여 대화 정보를 추출할 수 있다.
또한, 언어 처리 모듈(131)은 음성 형태의 질의를 텍스트 형태로 변환하고, 변환된 텍스트를 구문 분석하여 대화 정보를 추출할 수도 있다. 이 경우, 언어 처리 모듈(131)은 음성 형태의 질의를 인식하는 모듈 및 음성 인식 결과를 제1 AI 모듈(133)이 인식할 수 있는 자연어 형태로 처리하는 모듈을 포함할 수 있다. 또한, 언어 처리 모듈(131)은 제1 AI 모듈(133)의 응답을 문장 합성하는 모듈 및 합성된 문장을 음성 합성하여 출력하는 모듈을 더 포함할 수도 있다.
제1 제어 모듈(132)은 언어 처리 모듈(131)에 의해 추출된 대화 정보를 제1 AI 모듈(133)로 전달한다.
제1 AI 모듈(133)은 학습 모듈(134) 및/또는 컨텍스트 관리 모듈(135)과 연동하여 동작하며, 학습 모듈(134)에 의해 생성된 대화 학습 모델 및/또는 컨텍스트 관리 모듈(135)에 의해 관리되는 대화 지식 컨텍스트에 기초하여 언어 처리 모듈(131)에 의해 추출된 대화 정보에 대응하는 대화 지식을 추출한다.
제1 AI 모듈(133)은 추출된 대화 지식을 기반으로 응답을 생성한다. 이에, 제1 제어 모듈(132)은 제1 AI 모듈(133)에 의해 생성된 응답을 언어 처리 모듈(131)로 전달하고, 언어 처리 모듈(131)은 제1 제어 모듈(132)로부터 전달된 응답을 클라이언트(10)에게 제공할 수 있는 형태로 변환하여 인터페이스(110)를 통해 송신한다.
여기서, 제1 AI 모듈(133)은 언어 처리 모듈(131)에 의해 추출된 대화 지식으로부터 클라이언트(10)의 요청 이벤트가 발생하였는지를 판단할 수 있다. 요청 이벤트는 장애 처리 요청 이벤트일 수 있다.
제1 AI 모듈(133)은 클라이언트(10)의 요청 이벤트 발생 시, 이벤트 발생 정보를 처리 엔진(150)으로 송신한다. 여기서, 이벤트 발생 정보는 요청 이벤트 발생을 알리는 정보 및 인터페이스(110)로부터 추출된 대화 지식을 포함할 수 있다.
이에, 처리 엔진(150)은 요청 이벤트에 대응하는 처리 방안을 생성할 수 있으며, 제1 AI 모듈(133)은 처리 엔진(150)으로부터 요청 이벤트에 대한 처리 방안이 수신되면 수신된 처리 방안에 대응하는 응답을 생성한다. 이에, 제1 제어 모듈(132)은 제1 AI 모듈(133)에 의해 생성된 응답을 언어 처리 모듈(131)로 전달하고, 언어 처리 모듈(131)은 제1 제어 모듈(132)로부터 전달된 응답을 클라이언트(10)에게 제공할 수 있는 형태로 변환하여 인터페이스(110)를 통해 송신한다.
학습 모듈(134)은 클라이언트(10)와 챗봇 엔진(130) 간 대화 내용을 토대로 기계 학습(MACHINE LEARNING)을 수행하여 대화 학습 모델을 생성하고, 생성한 대화 학습 모델을 DB(136)에 저장한다. DB(136)에 저장된 대화 학습 모델은 제1 AI 모듈(133)이 대화 지식을 추출하는데 이용될 수 있다.
컨텍스트 관리 모듈(135)은 복수의 질의에 대응하는 응답 및/또는 처리 패턴 등이 정의된 대화 컨텍스트를 DB(136)에 저장하고 관리하는 기능을 수행한다. 컨텍스트 관리 모듈(135)은 DB(136)에 저장된 대화 지식 컨텍스트를 관리하며, 제1 AI 모듈(133)로부터 별도의 요청이 있는 경우 대화 정보와 관련된 하나 이상의 대화 지식 컨텍스트를 호출하여 제1 AI 모듈(133)로 제공할 수 있다.
DB(136)는 챗봇 엔진(130)이 동작하는데 필요한 데이터 및/또는 알고리즘 등을 저장할 수 있다. 여기서, DB(136)는 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), PROM(Programmable Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory)와 같은 저장매체를 포함할 수 있다. 도 2에서는 DB(136)가 챗봇 엔진(130)에 포함되도록 구현된 형태로 도시하였으나, DB(136)는 챗봇 엔진(130)과 별도로 구비되어 챗봇 엔진(130)과 연동되도록 구현될 수도 있다.
처리 엔진(150)은 챗봇 엔진(130)으로부터 이벤트 발생 정보가 수신되면, 수신된 이벤트 발생 정보에 기초하여 현재 상황을 파악한다. 일 예로, 처리 엔진(150)은 이벤트 발생 정보에 포함된 대화 지식에 기초하여 인프라(20)의 장애 발생 상황을 파악할 수 있다. 이에, 처리 엔진(150)은 미리 정의된 장애 처리 규칙 및/또는 미리 학습된 장애 처리 모델에 기초하여 요청 이벤트가 발생한 상황에 대한 처리 방안을 생성하고, 생성한 처리 방안을 챗봇 엔진(130)으로 송신할 수 있다.
처리 엔진(150)에 대한 세부 구성은 도 3을 참조하여 더욱 상세히 설명하도록 한다.
도 3을 참조하면, 처리 엔진(150)은 제2 제어 모듈(151), 제2 AI 모듈(152), 학습 모듈(153), 관리 모듈(154) 및 DB(155)를 포함할 수 있다.
제2 제어 모듈(151)은 정해진 주기 혹은 특정 이벤트 발생 시에 인프라(20)의 성능 정보, 장애 정보 및/또는 장애 처리 내역 정보 등을 수집하여 DB(155)에 저장한다. 이때, 학습 모듈(153)은 DB(155)에 저장된 인프라(20)의 성능 정보, 장애 정보 및/또는 장애 처리 내역 정보 등을 기반으로 기계 학습(MACHINE LEARNING)을 수행하고, 장애 처리 방안을 도출하기 위한 장애 처리 모델을 생성한다. 생성된 장애 처리 모델은 DB(155)에 저장될 수 있다.
또한, 제2 제어 모듈(151)은 사전에 복수의 요청 이벤트 발생 상황에 따른 처리 규칙을 정의하고, 정의된 처리 규칙을 DB(155)에 저장할 수 있다. 이때, 제2 제어 모듈(151)은 외부 시스템으로부터 각 요청 이벤트 발생 상황에 따른 처리 규칙을 수신하여 DB(155)에 저장할 수도 있다. 일 예로, 제2 제어 모듈(151)은 복수의 장애 발생 상황에 따른 장애 처리 규칙을 DB(155)에 저장할 수 있다.
한편, 관리 모듈(154)은 각 인프라(20)의 정보를 DB(155)에 저장하고 관리한다. 이때, 관리 모듈(154)은 장애 발생 상황에 따른 장애 처리 모델 및/또는 장애 처리 규칙을 각 인프라(20) 별로 구분하여 관리할 수 있다. 또한, 관리 모듈(154)은 각 인프라(20)의 장애 처리 방안에 대응하는 템플릿 정보를 관리할 수 있다.
일 예로, 템플릿은 인프라(20)의 OS(Operating System)의 재시작 작업을 수행하는 템플릿, 인프라(20)의 각 어플리케이션(Application)의 재시작 작업을 수행하는 템플릿 및/또는 인프라(20)의 오토 스케일(Auto Scale) 작업을 수행하는 템플릿을 포함할 수 있다.
DB(155)는 처리 엔진(150)이 동작하는데 필요한 데이터 및/또는 알고리즘 등을 저장할 수 있다. 일 예로, DB(155)는 학습 모듈(153)에 의해 생성된 장애 처리 모델이 저장될 수 있으며, 복수의 장애 발생 상황에 따른 장애 처리 규칙이 저장될 수 있다. 또한, DB(155)는 장애 처리 방안에 대응하는 템플릿 정보가 저장될 수도 있다. 여기서, DB(155)는 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), PROM(Programmable Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory)와 같은 저장매체를 포함할 수 있다. 도 3에서는 DB(155)가 처리 엔진(150)에 포함되도록 구현된 형태로 도시하였으나, DB(155)는 처리 엔진(150)과 별도로 구비되어 처리 엔진(150)과 연동되도록 구현될 수도 있다.
한편, 제2 제어 모듈(151)은 챗봇 엔진(130)으로부터 이벤트 발생 정보가 수신되면, 제2 AI 모듈(152)로 이벤트 발생 정보를 전달한다.
이에, 제2 AI 모듈(152)은 이벤트 발생 정보가 수신되면, 대화 지식에 기초하여 요청 이벤트 발생 상황을 파악한다. 일 예로, 제2 AI 모듈(152)은 이벤트 발생 정보에 포함된 대화 지식에 기초하여 특정 인프라(20)의 장애 발생 상황을 파악할 수 있다. 이때, 제2 AI 모듈(152)은 DB(155)에 저장된 장애 처리 모델 및/또는 장애 처리 규칙에 근거하여 해당 인프라(20)의 장애 발생 상황에 대응하는 장애 처리 방안을 생성하고, 생성한 장애 처리 방안을 제2 제어 모듈(151)로 전달한다.
제2 제어 모듈(151)은 제2 AI 모듈(152)에 의해 생성된 장애 처리 방안을 챗봇 엔진(130)으로 송신한다. 따라서, 챗봇 엔진(130)은 처리 엔진(150)의 제2 제어 모듈(151)로부터 수신한 장애 처리 방안에 대응하는 응답을 생성하고 이를 클라이언트(10)에게 제공함으로써 클라이언트(10)의 요청 이벤트에 대한 응답을 실시간으로 처리할 수 있게 된다.
한편, 관리 모듈(154)은 특정 인프라(20)의 장애 발생 상황에 대한 장애 처리 방안을 제공한 이후 제2 제어 모듈(151)에 의해 해당 인프라(20)로부터 수집되는 장애 처리 내역 정보를 감시한다. 만일, 정해진 시간이 경과하도록 해당 인프라(20)의 장애 발생 상황이 해소되지 않는 경우, 관리 모듈(154)은 DB(155)로부터 해당 인프라(20)의 장애 처리 방안에 대응하는 템플릿을 추출하여 해당 인프라(20)에 반영할 수 있다.
상기와 같이 구성되는 본 발명에 따른 챗봇 기반 클라우드 관리 시스템(100)의 동작 흐름을 보다 상세히 설명하면 다음과 같다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 챗봇 기반 클라우드 관리 시스템의 운영 방법에 대한 동작 흐름을 도시한 도면이다.
도 4 및 도 5를 참조하면, 클라우드 관리 시스템(100)의 챗봇 엔진(130)은 인터페이스(110)를 통해 클라이언트(10)로부터의 질의를 수신하면(S110), 수신된 질의를 분석하여(S120), 대화 정보를 추출한다(130). 여기서, 챗봇 엔진(130)은 질의가 텍스트 형태인 경우 해당 텍스트를 구분 분석하여 대화 정보를 추출한다. 한편, 질의가 음성 형태인 경우, 챗봇 엔진(130)은 음성 인식을 통해 질의를 텍스트 형태로 변환하고, 변환된 텍스트를 구분 분석하여 대화 정보를 추출할 수 있다.
이후, 챗봇 엔진(130)은 사전에 학습되어 DB(136)에 저장된 대화 학습 모델 및/또는 대화 지식 컨텍스트를 호출하고, 호출된 대화 학습 모델 및/또는 대화 지식 컨텍스트에 기초하여 'S130' 과정에서 추출된 대화 정보에 대응하는 대화 지식을 추출한다(S140).
이때, 챗봇 엔진(130)은 'S134'과정에서 추출된 대화 지식으로부터 클라이언트(10)의 요청 이벤트가 발생하였는지를 판단한다(S150). 여기서, 클라이언트(10)의 요청 이벤트는 특정 인프라(20)의 장애 처리 요청 이벤트일 수 있다.
'S150' 과정에서 요청 이벤트가 발생하지 않은 것으로 확인되면, 챗봇 엔진(130)은 'S140' 과정에서 추출된 대화 지식에 기초하여 클라이언트(10)에게 응답 처리한다(S160). 이와 같은 방식으로, 챗봇 엔진(130)은 'S110' 내지 'S160' 과정을 반복하여 수행할 수 있다.
한편, 챗봇 엔진(130)은 'S140' 과정에서 추출된 대화 지식이 특정 인프라(20)의 장애 해결에 관한 것인 경우 요청 이벤트가 발생한 것으로 판단하여 처리 엔진(150)으로 이벤트 발생 정보를 송신한다. 이에, 처리 엔진(150)은 챗봇 엔진으로부터 수신된 이벤트 발생 정보에 기초하여 도 5의 (A) 이후 과정을 수행한다.
처리 엔진(150)은 챗봇 엔진(130)으로부터 수신된 이벤트 발생 정보에 기초하여 장애 발생 상황을 파악한다(S210).
이후, 처리 엔진(150)은 사전에 학습되어 DB(155)에 저장된 장애 처리 모델 및/또는 장애 처리 규칙을 호출하고, 호출된 장애 처리 모델 및/또는 장애 처리 규칙에 기초하여 'S210' 과정에서 파악된 장애 발생 상황에 대응하는 장애 처리 방안을 생성한다(S220).
처리 엔진(150)은 'S220' 과정에서 생성된 장애 처리 방안을 챗봇 엔진(130)으로 송신한다. 이에, 챗봇 엔진(130)은 'S220' 과정에서 생성된 장애 처리 방안에 기초하여 클라이언트(10)에게 요청 이벤트에 대응하는 응답 처리를 한다(S230).
이후, 처리 엔진(150)은 해당 인프라(20)로부터 수집되는 장애 처리 내역 정보를 감시하며, 정해진 시간이 경과하도록 해당 인프라(20)의 장애 발생 상황이 해소되지 않는 경우, DB(155)로부터 해당 인프라(20)의 장애 처리 방안에 대응하는 템플릿을 추출하여(S240), 해당 인프라(20)에 반영할 수 있다(S250).
처리 엔진(150)은 해당 인프라(20)로부터 수집되는 정보에 기초하여 장애 처리 내역에 대한 평가를 수행할 수도 있다.
여기서, 처리 엔진(150)은 챗봇 엔진(130)을 통해 처리 내역을 확인하고, 챗봇 엔진(130)을 통해 확인한 처리 내역에 해당되는 템플릿을 통해 자동으로 서버에 접속하여 평가를 실행할 수 있다. 이때, 평가는 기계 학습을 통해 얻어진 결과, 예를 들어, 인프라의 성능 정보, 인프라의 알람 및/또는 장애 정보, 인프라의 알람 및/또는 장애를 처리하는 템플릿의 실행 정보 등에 기초하여 실행될 수 있다.
상기에서와 같이 동작하는 본 실시예에 따른 챗봇 기반 클라우드 관리 시스템(100)은 메모리와 각 동작을 처리하는 프로세서를 포함하는 독립적인 하드웨어 장치 형태로 구현될 수 있으며, 마이크로 프로세서나 범용 컴퓨터 시스템과 같은 다른 하드웨어 장치에 포함된 형태로 구동될 수 있다. 또한, 본 실시예에 따른 챗봇 기반 클라우드 관리 시스템(100)의 챗봇 엔진(130), 처리 엔진(150) 및 각 엔진에 포함되는 각 모듈들은 적어도 하나 이상의 프로세서(processor)로서 구현될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 클라이언트 20: 인프라
100: 클라우드 관리 시스템 110: 인터페이스
130: 챗봇 엔진 131: 언어 처리 모듈
132: 제1 제어 모듈 133: 제1 AI 모듈
134, 153: 학습 모듈 135: 컨텍스트 관리 모듈
136, 155: DB 150: 처리 엔진
151: 제2 제어 모듈 152: 제2 AI 모듈
154: 컨텍스트 관리 모듈

Claims (15)

  1. 복수의 접속 채널을 통해 클라이언트로부터의 질의를 수신하고, 수신된 질의에 대응하여 생성된 응답을 클라이언트에게 전달하는 인터페이스;
    상기 수신된 질의를 분석하여 대화 정보를 추출하여 미리 학습된 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 질의에 대한 응답 처리를 수행하고, 상기 질의로부터 요청 이벤트가 발생 시 이벤트 발생 정보를 출력하는 챗봇 엔진; 및
    상기 챗봇 엔진으로부터 이벤트 발생 정보가 수신되면, 상기 요청 이벤트가 발생한 인프라의 장애 발생 상황을 파악하고 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 장애 발생 상황에 대응하는 장애 처리 방안을 생성하여 상기 챗봇 엔진으로 제공하는 처리 엔진을 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  2. 청구항 1에 있어서,
    상기 챗봇 엔진은,
    학습 모듈의 기계 학습을 통해 생성된 대화 학습 모델 및 대화 지식 컨텍스트가 저장된 DB;
    상기 질의를 분석하고 대화 정보를 추출하는 언어 처리 모듈;
    상기 DB로부터 대화 학습 모델 및 대화 지식 컨텍스트를 호출하여 상기 호출된 대화 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 추출된 대화 정보에 대응하는 대화 지식을 추출하고, 상기 추출된 대화 지식에 기초하여 상기 질의에 대한 응답을 생성하는 제1 AI 모듈을 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  3. 청구항 2에 있어서,
    상기 제1 AI 모듈은,
    상기 대화 지식에 기초하여 상기 요청 이벤트가 발생하는지 판단하고, 상기 요청 이벤트가 발생한 것으로 확인되면 상기 처리 엔진으로 이벤트 발생 정보를 송신하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  4. 청구항 3에 있어서,
    상기 요청 이벤트는,
    상기 인프라의 장애 처리 요청 이벤트인 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  5. 청구항 1에 있어서,
    상기 처리 엔진은,
    학습 모듈의 기계 학습을 통해 생성된 장애 처리 모델 및 미리 정의된 장애 처리 규칙이 저장된 DB; 및
    상기 챗봇 엔진으로부터 이벤트 발생 정보가 수신되면 상기 이벤트 발생 정보에 기초하여 상기 인프라의 장애 발생 상황을 파악하고, 상기 DB로부터 장애 처리 모델 및 장애 처리 규칙을 호출하여 상기 호출된 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 인프라의 장애 발생 상황에 대응하는 장애 처리 방안을 생성하여 상기 챗봇 엔진으로 송신하는 제2 AI 모듈을 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  6. 청구항 5에 있어서,
    상기 학습 모듈은,
    상기 인프라로부터 수집된 성능 정보, 장애 정보 및 장애 처리 내역 정보 중 적어도 하나 이상을 기반으로 기계 학습을 수행하여 장애 처리 방안을 도출하는 장애 처리 모델을 생성하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  7. 청구항 5에 있어서,
    상기 처리 엔진은,
    상기 인프라의 정보를 관리하며, 상기 인프라로부터 수집되는 장애 처리 내역 정보를 감시하는 관리 모듈을 더 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  8. 청구항 7에 있어서,
    상기 관리 모듈은,
    상기 인프라의 장애 처리 방안에 대응하는 템플릿을 추출하여 상기 인프라에 반영하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템.
  9. 복수의 접속 채널을 통해 클라이언트로부터의 질의를 수신하는 단계;
    상기 수신된 질의를 분석하여 대화 정보를 추출하여 미리 학습된 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 질의에 대한 응답 처리를 수행하는 단계;
    상기 수신된 질의로부터 요청 이벤트가 발생하는지 판단하여 상기 요청 이벤트 발생 시 상기 요청 이벤트가 발생한 인프라의 장애 발생 상황을 파악하고 미리 학습된 장애 처리 모델 및 장애 처리 규칙 기반으로 상기 장애 발생 상황에 대응하는 장애 처리 방안을 생성하는 단계; 및
    상기 장애 처리 방안에 대응하는 응답을 생성하여 상기 클라이언트에 제공하는 단계를 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  10. 청구항 9에 있어서,
    상기 질의에 대한 응답 처리를 수행하는 단계는,
    상기 질의를 분석하고 대화 정보를 추출하는 단계;
    대화 학습 모델 및 대화 지식 컨텍스트가 저장된 DB로부터 상기 대화 학습 모델 및 상기 대화 지식 컨텍스트를 호출하여 상기 호출된 대화 학습 모델 및 대화 지식 컨텍스트를 기반으로 상기 추출된 대화 정보에 대응하는 대화 지식을 추출하는 단계; 및
    상기 추출된 대화 지식에 기초하여 상기 질의에 대한 응답을 생성하는 단계를 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  11. 청구항 9에 있어서,
    상기 요청 이벤트는,
    상기 인프라의 장애 처리 요청 이벤트인 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  12. 청구항 9에 있어서,
    상기 인프라의 정보를 관리하며, 상기 인프라로부터 성능 정보, 장애 정보 및 장애 처리 내역 정보 중 적어도 하나 이상을 수집하는 단계를 더 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  13. 청구항 12에 있어서,
    상기 장애 처리 방안을 생성하는 단계 이전에, 상기 인프라로부터 수집된 성능 정보, 장애 정보 및 장애 처리 내역 정보 중 적어도 하나 이상을 기반으로 기계 학습을 수행하여 장애 처리 방안을 도출하는 장애 처리 모델을 생성하는 단계를 더 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  14. 청구항 9에 있어서,
    상기 인프라의 장애 처리 방안에 대응하는 템플릿을 추출하여 상기 인프라에 반영하는 단계를 더 포함하는 것을 특징으로 하는 챗봇 기반 클라우드 관리 시스템의 운영 방법.
  15. 삭제
KR1020170149126A 2017-11-10 2017-11-10 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법 KR101854576B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170149126A KR101854576B1 (ko) 2017-11-10 2017-11-10 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법
US16/143,876 US10795940B2 (en) 2017-11-10 2018-09-27 Chatbot-based cloud management system and method for operating the same
CN201811138515.2A CN109760041B (zh) 2017-11-10 2018-09-28 基于聊天机器人的云管理系统及其操作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170149126A KR101854576B1 (ko) 2017-11-10 2017-11-10 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법

Publications (1)

Publication Number Publication Date
KR101854576B1 true KR101854576B1 (ko) 2018-05-03

Family

ID=62244983

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170149126A KR101854576B1 (ko) 2017-11-10 2017-11-10 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법

Country Status (3)

Country Link
US (1) US10795940B2 (ko)
KR (1) KR101854576B1 (ko)
CN (1) CN109760041B (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102035596B1 (ko) * 2018-05-25 2019-10-23 주식회사 데커드에이아이피 인공지능 기반의 가상 캐릭터의 페이셜 애니메이션 자동 생성 시스템 및 방법
KR102073069B1 (ko) * 2019-05-28 2020-02-04 위더스컴퓨터(주) Pc 애프터 서비스 관리 시스템
US10983789B2 (en) 2019-01-25 2021-04-20 Allstate Insurance Company Systems and methods for automating and monitoring software development operations
WO2023008842A1 (ko) * 2021-07-26 2023-02-02 마인드로직 주식회사 인공지능 대화 엔진 학습 방법 및 그 시스템
KR102504445B1 (ko) * 2022-07-14 2023-03-02 (주)인티그리트 인공지능형 음성 인식 및 대화 서비스를 지원하는 시스템 및 방법
KR20230166489A (ko) 2022-05-31 2023-12-07 삼성에스디에스 주식회사 챗봇 서비스 기반의 레거시 시스템 제어 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11196686B2 (en) * 2019-07-30 2021-12-07 Hewlett Packard Enterprise Development Lp Chatbot context setting using packet capture
US10956255B1 (en) * 2020-04-24 2021-03-23 Moveworks, Inc. Automated agent for proactively alerting a user of L1 IT support issues through chat-based communication
CN111858232A (zh) * 2020-06-03 2020-10-30 华人运通(江苏)技术有限公司 基于DevOps平台的信息交互系统及方法
CN112363903A (zh) * 2020-11-30 2021-02-12 网银在线（北京）科技有限公司 故障报告生成方法、装置、电子设备和计算机可读介质
CN112804098B (zh) * 2021-01-06 2023-04-07 北京小米松果电子有限公司 域名故障线路的切换方法、装置、终端设备及存储介质
US11881216B2 (en) 2021-06-08 2024-01-23 Bank Of America Corporation System and method for conversation agent selection based on processing contextual data from speech

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62170282A (ja) * 1986-01-21 1987-07-27 久間　章生 おしやべりロボツト
KR100522625B1 (ko) 2003-05-02 2005-10-20 에스케이 텔레콤주식회사 대화형 인터페이스 통신시스템의 서비스 제공방법
US7711779B2 (en) * 2003-06-20 2010-05-04 Microsoft Corporation Prevention of outgoing spam
CN100518070C (zh) * 2004-08-13 2009-07-22 上海赢思软件技术有限公司 一种聊天机器人系统
US8068860B1 (en) * 2006-08-25 2011-11-29 At&T Mobility Ii Llc Short message service (SMS) protocol gateway
CN101076061A (zh) * 2007-03-30 2007-11-21 腾讯科技（深圳）有限公司 一种机器人服务器及自动聊天方法
US9454859B2 (en) * 2009-02-23 2016-09-27 Michael D. Roth Behavior modification apparatus and method of use thereof
FR2989209B1 (fr) * 2012-04-04 2015-01-23 Aldebaran Robotics Robot apte a integrer des dialogues naturels avec un utilisateur dans ses comportements, procedes de programmation et d'utilisation dudit robot
KR20140047273A (ko) * 2012-10-12 2014-04-22 피프가부시끼가이샤 로봇
KR101545215B1 (ko) 2013-10-30 2015-08-18 삼성에스디에스 주식회사 데이터 센터 장애 이벤트 관리 자동화 시스템 및 방법
EP2933071A1 (en) * 2014-04-17 2015-10-21 Aldebaran Robotics Methods and systems for managing dialogs of a robot
CN104290097B (zh) * 2014-08-19 2016-03-30 白劲实 一种学习型智能家庭社交机器人系统和方法
CN105138710B (zh) * 2015-10-12 2019-02-19 金耀星 一种聊天代理系统及方法
CN105930367B (zh) * 2016-04-12 2020-06-09 华南师范大学 智能聊天机器人控制方法及控制装置
CN105912712B (zh) * 2016-04-29 2019-09-17 华南师范大学 基于大数据的机器人对话控制方法和系统
CN106570102B (zh) * 2016-10-31 2021-01-22 努比亚技术有限公司 智能聊天方法、装置及终端
CN107329996B (zh) * 2017-06-08 2021-06-29 三峡大学 一种基于模糊神经网络的聊天机器人系统与聊天方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102035596B1 (ko) * 2018-05-25 2019-10-23 주식회사 데커드에이아이피 인공지능 기반의 가상 캐릭터의 페이셜 애니메이션 자동 생성 시스템 및 방법
US10983789B2 (en) 2019-01-25 2021-04-20 Allstate Insurance Company Systems and methods for automating and monitoring software development operations
US11487539B2 (en) 2019-01-25 2022-11-01 Allstate Insurance Company Systems and methods for automating and monitoring software development operations
KR102073069B1 (ko) * 2019-05-28 2020-02-04 위더스컴퓨터(주) Pc 애프터 서비스 관리 시스템
WO2023008842A1 (ko) * 2021-07-26 2023-02-02 마인드로직 주식회사 인공지능 대화 엔진 학습 방법 및 그 시스템
KR20230166489A (ko) 2022-05-31 2023-12-07 삼성에스디에스 주식회사 챗봇 서비스 기반의 레거시 시스템 제어 방법
KR102504445B1 (ko) * 2022-07-14 2023-03-02 (주)인티그리트 인공지능형 음성 인식 및 대화 서비스를 지원하는 시스템 및 방법

Also Published As

Publication number Publication date
CN109760041B (zh) 2022-05-06
US10795940B2 (en) 2020-10-06
CN109760041A (zh) 2019-05-17
US20190147111A1 (en) 2019-05-16

Similar Documents

Publication Publication Date Title
KR101854576B1 (ko) 챗봇 기반 클라우드 관리 시스템 및 그의 운영 방법
CN111401903B (zh) 区块链消息处理方法、装置、计算机以及可读存储介质
US10891560B2 (en) Supervised learning system training using chatbot interaction
US20200160230A1 (en) Tool-specific alerting rules based on abnormal and normal patterns obtained from history logs
AU2017348460A1 (en) Systems and methods for monitoring and analyzing computer and network activity
US11182163B1 (en) Customizable courses of action for responding to incidents in information technology environments
CN109514586A (zh) 实现智能客服机器人的方法及系统
US11025687B2 (en) Establishing a conversation between intelligent assistants
US11886818B2 (en) Method and apparatus for detecting anomalies in mission critical environments
CN113811854A (zh) 利用跨应用的活动相关性的微应用功能建议
US11423499B2 (en) Logistics sensors for smart contract arbitration
CN115204889A (zh) 文本处理方法、装置、计算机设备及存储介质
CN108768742B (zh) 网络构建方法及装置、电子设备、存储介质
CN112994934B (zh) 数据交互方法、装置及系统
CN114091909A (zh) 一种协同开发的方法、系统、装置及电子设备
US11849006B2 (en) Method for reporting asynchronous data, electronic device and storage medium
Breve et al. An Intrusion Detection Framework for Non-expert Users (S)
US20240056511A1 (en) Systems and methods to determine the loss of ability to notify customer through mobile app and prompt re-download
CN114791996B (zh) 信息处理方法、装置、系统、电子设备及存储介质
CN112422414B (zh) 会话消息处理方法、装置及计算机可读存储介质
CN110399131B (zh) 提高应用程序稳定性的方法、装置、计算机设备
US20240118960A1 (en) Error context for bot optimization
US20230032167A1 (en) Agent assist design - autoplay
CN111368512A (zh) 一种业务数据的转换方法、装置、设备及存储介质
CN117395309A (zh) 数据上报方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant