KR101945983B1 - Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium - Google Patents

Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium Download PDF

Info

Publication number
KR101945983B1
KR101945983B1 KR1020180009678A KR20180009678A KR101945983B1 KR 101945983 B1 KR101945983 B1 KR 101945983B1 KR 1020180009678 A KR1020180009678 A KR 1020180009678A KR 20180009678 A KR20180009678 A KR 20180009678A KR 101945983 B1 KR101945983 B1 KR 101945983B1
Authority
KR
South Korea
Prior art keywords
conversation
dialog
patterns
service server
disclosure
Prior art date
Application number
KR1020180009678A
Other languages
Korean (ko)
Inventor
설재호
장세영
Original Assignee
주식회사 머니브레인
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 주식회사 머니브레인 filed Critical 주식회사 머니브레인
Priority to KR1020180009678A priority Critical patent/KR101945983B1/en
Application granted granted Critical
Publication of KR101945983B1 publication Critical patent/KR101945983B1/en

Links

Images

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • G06F40/35Discourse or dialogue representation
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/06Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/1822Parsing for meaning understanding
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications

Abstract

The present invention relates to a method to determine an optimal dialog pattern for attaining a target at a specific time during a dialog session related to a dialog understanding artificial intelligence (AI) service system, a method to determine an expected target attainment probability, and a computer-readable recoding medium thereof. More specifically, provided is a method to determine an expected target attainment probability at a specific time during a dialog session between one of a plurality of user terminals and a dialog understanding AI service server on the dialog understanding AI service server formed to process natural language dialog for each of the user terminals in order to attain a predetermined target. According to the present invention, the method comprises: a step of receiving a natural language input from a user terminal at a specific time; a step of determining intent corresponding to the received natural language input; a step of determining a dialog history at the specific time wherein the dialog history represents a flow of intents generated between the user terminal and the dialog understanding AI service server on a dialog session until the specific time and includes the intent determined at the last of the flow of intents; a step of determining one or more dialog patterns including the dialog history among the dialog patterns based on the dialog history and a template previously prepared for the dialog understanding AI service server wherein the template includes a plurality of dialog patterns representing each corresponding flow of intents and each dialog pattern has the number of successful target attainments and the number of failed target attainments; and a step of determining the expected target attainment probability at the specific time based on the number of successful target attainments and the number of failed target attainments corresponding to each of the one or more determined dialog patterns.

Description

대화 이해 AI 서비스 시스템과 연관된 대화 세션 중의 특정 시점에서 목표 달성을 위한 최적의 대화 패턴을 결정하는 방법, 목표 달성 예측 확률을 결정하는 방법, 및 컴퓨터 판독가능 기록 매체{METHOD FOR DETERMINING A BEST DIALOGUE PATTERN FOR ACHIEVING A GOAL, METHOD FOR DETERMINING AN ESTIMATED PROBABILITY OF ACHIEVING A GOAL AT A POINT OF A DIALOGUE SESSION ASSOCIATED WITH A CONVERSATIONAL AI SERVICE SYSTEM, AND COMPUTER READABLE RECORDING MEDIUM}≪ Desc / Clms Page number 1 > METHOD FOR DETERMINING A BEST DIALOGUE PATTERN FOR < RTI ID = 0.0 > ACHIEVING A GOAL, METHOD FOR DETERMINING AN ESTIMATED PROBABILITY OF ACHIEVING GOAL AT A POINT OF A DIALOGUE SESSION ASSOCIATED WITH A CONVERSATIONAL AI SERVICE SYSTEM, AND COMPUTER READABLE RECORDING MEDIUM}

본 개시는, 대화 이해 AI 서비스 시스템에 의한 대화 응답의 결정에 관한 것이며, 보다 구체적으로는 소정의 목표 작업을 갖는 특정 도메인의 대화 이해 AI 서비스 시스템 상에서 고객들과의 사이에 발생하는 대화의 진행 경과에 따라 각 시점에서 위 목표의 달성을 위한 최적의 대화 응답을 결정하는 방법 등에 관한 것이다.The present disclosure relates to the determination of an interactive response by a conversation understanding AI service system, and more particularly to an interactive progress of a conversation that occurs with customers on a conversation understanding AI service system of a specific domain having a predetermined target task And how to determine the optimal dialog response for achieving the goal at each point in time.

근래, 인공지능 분야, 특히 자연어 이해 분야의 기술 발전에 따라, 사용자에 의한 음성 및/또는 텍스트 형태의 자연어 입력을 수신 및 이해하고, 그에 따라 필요한 동작을 수행할 수 있는 대화 이해 AI 서비스 시스템의 개발 및 활용이 점차 늘어나고 있다. 한편, 최근에는, 각 기업이나 기관 등은 대부분 고객 응답 센터를 운영하는데, 이러한 고객 응답 센터를 위하여 대화 이해 AI 서비스 시스템이 구축되는 경우가 늘어나고 있다. 이들 고객 응답 센터는 저마다 대응하는 소정의 목표 작업을 갖는 경우가 많다(예컨대, 소정의 제품 및/또는 서비스 판매 센터의 경우 고객이 해당 제품이나 서비스를 구매하는 것 등). 고객이 고객 응답 센터에 액세스하여 해당 고객 응답 센터의 목표 작업에 도달하는 비율(즉, 목표 달성 확률)을 이른바 전환율(conversion rate)이라 하는데, 고객 응답 센터의 운영자는, 당연히, 이 전환율을 높이기를 희망하며, 이를 위한 다양한 방법을 모색한다. 고객 응답 센터의 상담원(사람 상담원 또는 대화 이해 AI 서비스 시스템 상담원)은 그 고객 응답 센터에 액세스 해 온 고객과 대화를 주고받으면서 해당 고객이 그 고객 응답 센터의 목표 작업에 도달하도록 유도를 할 것이다.Description of the Related Art [0002] In recent years, development of a conversation understanding AI service system capable of receiving and understanding natural language input of voice and / or text form by a user in accordance with technological development in artificial intelligence field, And utilization is gradually increasing. Meanwhile, in recent years, most companies and organizations operate a customer response center, and a dialogue understanding AI service system is being built for such a customer response center. These customer response centers often have a corresponding set of targeted tasks (e.g., a customer purchases the product or service for a given product and / or service center). The rate at which a customer accesses the Customer Response Center and reaches the target action of the Customer Response Center (the probability of achieving the goal) is the so-called conversion rate. The operator of the Customer Response Center, of course, I hope and explore various ways to do this. An agent in the Customer Response Center (a human agent or conversation AI Service System Agent) will interact with the customer who has accessed the Customer Response Center and convince the customer to reach the target action of the Customer Response Center.

특허문헌 1: 한국 특허출원 공개 제10-2017-0088164호Patent Document 1: Korean Patent Application Publication No. 10-2017-0088164

따라서, 고객과 상담원(사람 상담원 또는 대화 이해 AI 서비스 시스템 상담원) 간의 대화 기록들을 분석하여 그로부터 고객 응답 센터의 전환율 등을 높일 수 있는 대화 패턴을 찾아낼 필요가 있다.Therefore, it is necessary to analyze conversation records between the customer and agent (person agent or conversation AI service system agent) to find a conversation pattern that can increase the conversion rate of the customer response center.

본 개시의 일 특징에 의하면, 복수의 사용자 단말 각각을 위한 자연어 대화를 처리하도록 구성된 대화 이해 AI 서비스 서버 상에서, 복수의 사용자 단말 중 하나의 사용자 단말과 대화 이해 AI 서비스 서버 사이의 대화 세션 진행 중 특정 시점에서, 소정의 목표 달성을 위한 목표 달성 예측 확률을 결정하는 방법이 제공된다. 본 개시의 방법은, 특정 시점에서 사용자 단말로부터 자연어 입력을 수신하는 단계; 수신된 자연어 입력에 대응하는 인텐트를 결정하는 단계; 특정 시점에서의 대화 이력- 대화 이력은, 대화 세션 상에서 특정 시점까지 발생한 사용자 단말과 대화 이해 AI 서비스 서버 사이에 발생한 인텐트들의 흐름을 나타내며, 인텐트들의 흐름의 마지막에 결정된 인텐트가 포함됨 -을 결정하는 단계; 대화 이력과, 대화 이해 AI 서비스 서버를 위하여 미리 준비된 템플릿- 템플릿은, 각 대응하는 인텐트들의 흐름을 나타내는 대화 패턴을 복수 개 포함하고, 각 대화 패턴마다 목표 달성 성공 횟수 및 목표 달성 실패 횟수를 가짐 -에 기초하여, 대화 패턴들 중에서 대화 이력을 포함하는 하나 이상의 대화 패턴을 결정하는 단계; 및 결정된 하나 이상의 대화 패턴의 각 대응하는 목표 달성 성공 횟수 및 목표 달성 실패 횟수에 기초하여 특정 시점에서의 목표 달성 예측 확률을 결정하는 단계를 포함한다.According to one aspect of the present disclosure, there is provided a method, comprising: on a conversation understanding AI service server configured to process a natural language conversation for each of a plurality of user terminals, a conversation session between a user terminal of one of a plurality of user terminals and a conversation understanding AI service server A method for determining a target achievement prediction probability for achieving a predetermined goal is provided. The method of the present disclosure includes receiving natural language input from a user terminal at a particular point in time; Determining an intent corresponding to the received natural language input; The conversation history at a specific point-of-conversation history represents the flow of intents between the user terminal and the conversation comprehension AI service server that occurred up to a certain point on the conversation session, and includes the determined intent at the end of the flow of intents. Determining; The template-template prepared in advance for the conversation history and the conversation comprehension AI service server includes a plurality of conversation patterns representing flows of the corresponding intents, and has a goal achievement frequency and a target failure frequency for each conversation pattern - determining, based on the at least one dialog pattern, one or more dialog patterns comprising a conversation history; And determining a target achievement prediction probability at a specific time point based on each of the corresponding goal achievement times and the target achievement failure times of the determined one or more conversation patterns.

본 개시의 일 실시예에 의하면, 특정 시점에서의 목표 달성 예측 확률은, 결정된 하나 이상의 대화 패턴의 각 대응하는 목표 달성 성공 횟수 및 목표 달성 실패 횟수의 총 합에 대한 목표 달성 성공 횟수의 총 합의 비율에 대응할 수 있다.According to one embodiment of the present disclosure, the target achievement prediction probability at a specific point in time is a ratio of the total sum of successes of achievement of the target achievement to the total sum of the corresponding goal achievement times and the target achievement failure times of the determined one or more conversation patterns, .

본 개시의 일 실시예에 의하면, 템플릿은, 복수 개의 대화 패턴 각각마다, 각 대화 패턴의 목표 달성 성공 횟수 및 목표 달성 실패 횟수에 기초하여 결정된 성공률을 가질 수 있다.According to one embodiment of the present disclosure, the template may have a success rate determined based on the number of successes of the target achievement and the number of failure of the goal achievement of each dialog pattern for each of the plurality of conversation patterns.

본 개시의 다른 특징에 의하면, 복수의 사용자 단말 각각을 위한 자연어 대화를 처리하도록 구성된 대화 이해 AI 서비스 서버 상에서, 복수의 사용자 단말 중 하나의 사용자 단말과 대화 이해 AI 서비스 서버 사이의 대화 세션 진행 중 특정 시점에서 소정의 목표 달성을 위한 최적의 대화 패턴을 결정하는 방법이 제공된다. 본 개시의 방법은, 특정 시점에서 사용자 단말로부터 자연어 입력을 수신하는 단계; 수신된 자연어 입력에 대응하는 인텐트를 결정하는 단계; 특정 시점에서의 대화 이력- 대화 이력은, 대화 세션 상에서 특정 시점까지 발생한 사용자 단말과 대화 이해 AI 서비스 서버 사이에 발생한 인텐트들의 흐름을 나타내며, 인텐트들의 흐름의 마지막에 결정된 인텐트가 포함됨 -을 결정하는 단계; 대화 이력과, 대화 이해 AI 서비스 서버를 위하여 미리 준비된 템플릿- 템플릿은, 각 대응하는 인텐트들의 흐름을 나타내는 대화 패턴을 복수 개 포함하고, 각 대화 패턴마다 목표 달성 성공 횟수 및 목표 달성 실패 횟수를 가짐 -에 기초하여, 대화 패턴들 중에서 대화 이력을 포함하는 하나 이상의 대화 패턴을 결정하는 단계; 결정된 하나 이상의 대화 패턴 각각에 대해, 각 대화 패턴의 목표 달성 성공 횟수 및 목표 달성 실패 횟수에 기초하여 결정된 목표 달성 확률을 판정하는 단계; 및 결정된 하나 이상의 대화 패턴 중 가장 높은 목표 달성 확률을 갖는 대화 패턴을, 최적의 대화 패턴으로 결정하는 단계를 포함한다.In accordance with another aspect of the present disclosure there is provided a method, comprising: on a conversation understanding AI service server configured to process a natural language conversation for each of a plurality of user terminals, a conversation session between a user terminal of one of a plurality of user terminals and a conversation understanding AI service server There is provided a method for determining an optimal conversation pattern for achieving a predetermined goal at a time point. The method of the present disclosure includes receiving natural language input from a user terminal at a particular point in time; Determining an intent corresponding to the received natural language input; The conversation history at a specific point-of-conversation history represents the flow of intents between the user terminal and the conversation comprehension AI service server that occurred up to a certain point on the conversation session, and includes the determined intent at the end of the flow of intents. Determining; The template-template prepared in advance for the conversation history and the conversation comprehension AI service server includes a plurality of conversation patterns representing flows of the corresponding intents, and has a goal achievement frequency and a target failure frequency for each conversation pattern - determining, based on the at least one dialog pattern, one or more dialog patterns comprising a conversation history; Determining, for each of the determined one or more conversation patterns, a goal achievement probability determined based on the number of successes of the goal achievement and the number of failures of the goal achievement of each conversation pattern; And determining a conversation pattern having the highest goal achievement probability among the determined one or more conversation patterns as an optimal conversation pattern.

본 개시의 일 실시예에 의하면, 결정된 최적의 대화 패턴으로부터 대화 세션 상에서의 다음 대화 응답을 선택하는 단계를 더 포함할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버는, 소정의 디스플레이 장치를 포함하고, 디스플레이 장치를 통하여 결정된 최적의 대화 패턴 또는 최적의 대화 패턴 상에서 선택된 다음 대화 응답이 제시될 수 있다.According to one embodiment of the present disclosure, the method may further comprise selecting a next conversation response on the conversation session from the determined optimal conversation pattern. According to one embodiment of the present disclosure, the conversation understanding AI service server includes a predetermined display device, and may be presented on the optimal conversation pattern determined through the display device or on the optimal conversation pattern, followed by the conversation response.

본 개시의 일 실시예에 의하면, 목표는, 소정의 제품 및/또는 서비스 판매, 회원 가입, 및 구독 신청 중 적어도 하나와 연관될 수 있다.According to one embodiment of the present disclosure, a target may be associated with at least one of a predetermined product and / or service sale, a subscription, and a subscription.

본 개시의 일 실시예에 의하면, 복수의 대화 기록을 수집하는 단계- 각 대화 기록은, 목표와 연관되며, 하나의 통신 세션을 통해 발생하는 일련의 서로 연관된 자연어 입력들 및 응답들을 포함하고, 목표의 달성 여부의 결과를 가짐 -; 각 대화 기록마다, 대화 기록의 자연어 입력들 및 응답들 각각에 대응하는 각 인텐트를 결정하고, 대응하는 일련의 인텐트들의 흐름을 생성하는 단계; 각 대화 기록을, 대화 기록에 대응하여 생성된 인텐트들의 흐름에 따라, 소정의 대화 패턴들 중 하나의 대화 패턴에 대응시키는 단계 - 대화 패턴은, 대화 패턴에 대응되는 대화 기록들에 관한, 목표의 달성 여부의 결과들에 따라, 대화 패턴에 대응한 목표의 달성 확률을 가짐 -; 및 복수의 대화 기록을 대화 패턴들 중 하나의 대화 패턴에 대응시킨 결과에 기초하여, 대화 템플릿을 생성하는 단계를 더 포함할 수 있다.According to one embodiment of the present disclosure, there is provided a method comprising collecting a plurality of conversation records, each conversation record comprising a series of correlated natural language inputs and responses associated with a target, occurring over a communication session, - the result of the achievement of; For each conversation record, determining each intent corresponding to each of the natural language inputs and responses of the conversation record and generating a corresponding set of flows of intents; Each conversation record corresponding to a conversation pattern of one of the predetermined conversation patterns in accordance with a flow of intents generated corresponding to the conversation record; Having a probability of achieving a goal corresponding to a conversation pattern, according to the results of the achievement; And generating a conversation template based on a result of associating the plurality of conversation records with one of the conversation patterns.

본 개시의 다른 특징에 의하면, 하나 이상의 명령어가 수록된 컴퓨터 판독가능 기록매체로서, 하나 이상의 명령어는 컴퓨터에 의해 실행되는 경우, 컴퓨터로 하여금 전술한 방법들 중 어느 하나의 방법을 수행하도록 하는, 컴퓨터 판독가능 기록 매체가 제공된다.According to another aspect of the present disclosure there is provided a computer readable medium having stored thereon one or more instructions for causing a computer to perform any one of the methods described above when executed by the computer, A possible recording medium is provided.

본 개시의 실시예에 의하면, 고객과 상담원 간에 기 발생한 대화 기록들을 분석하여 그로부터 고객 응답 센터에서 발생할 수 있는 각종 대화 패턴과 각 대화 패턴마다의 목표 달성 확률을 결정할 수 있다. 본 개시의 실시예에 의하면, 고객과 상담원 간의 대화 진행 경과 중의 각 시점에서 목표 달성 예측 확률을 제시할 수 있고, 목표 달성 확률을 향상시키기 위한 이후 최적의 대화 패턴을 결정할 수 있다. 따라서, 본 개시의 실시예에 의하면, 궁극적으로, 고객 응답 센터의 전환율을 향상시킬 수 있다.According to the embodiment of the present disclosure, it is possible to analyze the conversation history recorded between the customer and the agent, and to determine various conversation patterns that may occur in the customer response center and the probability of achieving the goal for each conversation pattern. According to the embodiment of the present disclosure, it is possible to present the target achievement prediction probability at each point in the progress of the conversation progress between the customer and the agent, and to determine the optimal conversation pattern thereafter in order to improve the target achievement probability. Thus, according to the embodiments of the present disclosure, ultimately, the conversion rate of the customer response center can be improved.

도 1은, 본 개시의 일 실시예에 따라 구현될 수 있는, 고객 응답 센터 시스템 환경(100)을 개략적으로 도시한 도면이다.
도 2는, 본 개시의 일 실시예에 따른, 도 1의 고객 사용자 단말(102)의 기능적 구성을 개략적으로 도시한 기능 블록도이다.
도 3은, 본 개시의 일 실시예에 따른, 도 1의 대화 이해 AI 서비스 서버(106)의 기능적 구성을 개략적으로 도시한 기능 블록도이다.
도 4는, 본 개시의 일 실시예에 따른, 도 3의 대화/태스크 처리부(304)의 기능적 구성을 개략적으로 도시한 기능 블록도이다.
도 5는, 본 개시의 일 실시예에 따라, 도 3의 대화 템플릿 생성/저장부(308)에 의해 수행되는 예시적 동작 흐름도이다.
도 6은, 대화 이해 AI 서비스 서버(106)를 위한 템플릿(600)의 일 예를 개념적으로 도시한 도면이다.
도 7은, 본 개시의 일 실시예에 따라, 도 3의 대화/태스크 처리부(304)에 의해 수행되는 예시적 동작 흐름도이다.
1 is a schematic representation of a customer response center system environment 100 that may be implemented in accordance with one embodiment of the present disclosure.
FIG. 2 is a functional block diagram that schematically illustrates the functional configuration of the customer user terminal 102 of FIG. 1, in accordance with one embodiment of the present disclosure.
FIG. 3 is a functional block diagram that schematically illustrates the functional configuration of the AI service server 106 of FIG. 1 in accordance with one embodiment of the present disclosure.
FIG. 4 is a functional block diagram schematically illustrating the functional configuration of the dialog / task processing unit 304 of FIG. 3, according to one embodiment of the present disclosure.
FIG. 5 is an exemplary operational flow diagram performed by the dialog template creation / storage 308 of FIG. 3, in accordance with one embodiment of the present disclosure.
6 is a diagram conceptually showing an example of a template 600 for the conversation understanding AI service server 106. As shown in FIG.
FIG. 7 is an exemplary operational flow diagram performed by the dialog / task processing unit 304 of FIG. 3, in accordance with one embodiment of the present disclosure.

이하, 첨부 도면을 참조하여 본 개시의 실시예에 관하여 상세히 설명한다. 이하에서는, 본 개시의 요지를 불필요하게 흐릴 우려가 있다고 판단되는 경우, 이미 공지된 기능 및 구성에 관한 구체적인 설명을 생략한다. 또한, 이하에서 설명하는 내용은 어디까지나 본 개시의 일 실시예에 관한 것일 뿐 본 개시가 이로써 제한되는 것은 아님을 알아야 한다.Hereinafter, embodiments of the present disclosure will be described in detail with reference to the accompanying drawings. Hereinafter, when it is judged that there is a possibility that the gist of the present disclosure may be unnecessarily blurred, a detailed description of known functions and configurations will be omitted. It is also to be understood that the following description is only an example of the present disclosure, and the present disclosure is not limited thereto.

본 개시에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로 본 개시를 한정하려는 의도에서 사용된 것이 아니다. 예를 들면, 단수로 표현된 구성요소는 문맥상 명백하게 단수만을 의미하지 않는다면 복수의 구성요소를 포함하는 개념으로 이해되어야 한다. 본 개시에서 사용되는 "및/또는"이라는 용어는, 열거되는 항목들 중 하나 이상의 항목에 의한 임의의 가능한 모든 조합들을 포괄하는 것임이 이해되어야 한다. 본 개시에서 사용되는 '포함하다' 또는 '가지다' 등의 용어는 본 개시 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐이고, 이러한 용어의 사용에 의해 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하려는 것은 아니다.The terminology used in this disclosure is used only to describe a specific embodiment and is not used to limit the present disclosure. For example, an element expressed in singular < Desc / Clms Page number 5 > terms should be understood as including a plurality of elements unless the context clearly dictates a singular value. It is to be understood that the term " and / or " as used in this disclosure encompasses any and all possible combinations of one or more of the listed items. It should be understood that the terms " comprises " or " having ", etc. used in the present disclosure are intended to specify that there exist features, numbers, steps, operations, elements, It is not intended to exclude the presence or addition of one or more other features, numbers, steps, operations, components, parts, or combinations thereof, by use.

본 개시의 실시예에 있어서 '모듈' 또는 '부'는 적어도 하나의 기능이나 동작을 수행하는 기능적 부분을 의미하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 또는 '부'는, 특정한 하드웨어로 구현될 필요가 있는 '모듈' 또는 '부'를 제외하고는, 적어도 하나의 소프트웨어 모듈로 일체화되어 적어도 하나의 프로세서에 의해 구현될 수 있다.In the embodiments of the present disclosure, 'module' or 'sub-module' means a functional part that performs at least one function or operation, and may be implemented in hardware or software, or a combination of hardware and software. Also, a plurality of "modules" or "sub-modules" may be integrated into at least one software module and implemented by at least one processor, except for "module" or "sub-module" have.

본 개시의 실시예에 있어서 '대화 이해 AI 서비스 시스템'은, 사용자로부터 음성 형태의 자연어를 매개로 한 대화형 인터랙션을 통해, 사용자로부터 입력되는 자연어 입력(예컨대, 자연어로 된 사용자로부터의 명령, 진술, 요청, 질문 등)을 수신 및 해석하여 사용자의 인텐트(intent)를 알아내고, 그 알아낸 사용자의 인텐트에 기초하여 필요한 동작, 예컨대 적절한 대화 응답 및/또는 소정의 태스크 수행 등을 제공할 수 있는 임의의 정보 처리 시스템을 지칭할 수 있으며, 특정 형태로 제한되는 것은 아니다.In the embodiment of the present disclosure, a 'conversation understanding AI service system' is a system in which a natural language input (for example, a command from a user in a natural language, a statement from a user in a natural language) input from a user through an interactive interaction via a natural- , Requests, questions, etc.) to determine the intent of the user and to provide the necessary actions, such as appropriate dialog response and / or predetermined task performance, based on the learned intent of the user The present invention is not limited to any particular type of information processing system.

본 개시의 실시예에 있어서, '대화 이해 AI 서비스 시스템'에 의해 제공되는 대화 응답은 시각, 청각 및/또는 촉각 형태(예컨대, 음성, 음향, 텍스트, 비디오, 이미지, 기호, 이모티콘, 하이퍼링크, 애니메이션, 각종 노티스, 모션, 햅틱 피드백 등을 포함할 수 있으며, 이로써 제한되는 것은 아님) 등 다양한 형태로써 제공될 수 있음을 알아야 한다. 본 개시의 실시예에 있어서 '대화 이해 AI 서비스 시스템'에 의해 수행되는 태스크는, 예컨대 정보의 검색 및 제공, 결재의 진행, 회원 가입, 기타 소정 형태의 태스크(다만, 예시일 뿐이며 이로써 제한되는 것은 아님)를 포함할 수 있다.In an embodiment of the present disclosure, the conversation response provided by the " Conversation Comprehension AI Service System " may be in the form of a visual, auditory and / or tactile (e.g., voice, sound, text, video, image, symbol, emoticon, hyperlink, Animation, various notices, motion, haptic feedback, and the like), and the like. In the embodiment of the present disclosure, the tasks performed by the " Dialogue AI Service System " may include, for example, searching for and providing information, progressing payment, membership, or any other type of task, ). ≪ / RTI >

본 개시의 실시예에 의하면, '대화 템플릿'은 고객 응답 센터 시스템 상에서 발생할 수 있는 고객과 상담원 간의 모든 유형의 대화 패턴(인텐트들의 흐름)을 포함하는 템플릿일 수 있다. 본 개시의 실시예에 의하면, '대화 템플릿'은 전술한 대화 패턴들 각각마다 고객 응답 센터 시스템의 목표, 즉 해당 고객 응답 센터 시스템이 고객과의 대화에 의해 달성하려는 목표(예컨대, 소정의 제품 및/또는 서비스의 판매, 회원 가입, 및 구독 신청 등을 포함할 수 있으나, 이로써 제한되지는 않으며, 특정 목적이 있고 그 달성 여부가 명시적으로 파악될 수 있는 다양한 목표들일 수 있음)의 달성 확률을 포함할 수 있다.In accordance with an embodiment of the present disclosure, a 'conversation template' may be a template that includes all types of conversation patterns (flows of intents) between a customer and an agent that may occur on a customer response center system. In accordance with an embodiment of the present disclosure, a 'conversation template' is defined for each of the above-described conversation patterns as a goal of the customer response center system, that is, a target response center system, And / or the sale, subscription, and subscription of services, but are not limited thereby, and may be a variety of goals that have a particular purpose and may be explicitly identified as achievable) .

덧붙여, 달리 정의되지 않는 한 기술적 또는 과학적인 용어를 포함하여, 본 개시에서 사용되는 모든 용어들은 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의된 용어들은, 관련 기술의 문맥상 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 개시에서 명백하게 달리 정의하지 않는 한 과도하게 제한 또는 확장하여 해석되지 않는다는 점을 알아야 한다.In addition, all terms used in the present disclosure, including technical or scientific terms, unless otherwise defined, have the same meaning as commonly understood by one of ordinary skill in the art to which this disclosure belongs. It should be understood that commonly used predefined terms are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are not to be interpreted excessively or extensively unless explicitly defined otherwise in this disclosure .

이하, 첨부된 도면을 참조하여, 본 개시의 실시예에 대해 구체적으로 설명하기로 한다.Hereinafter, embodiments of the present disclosure will be described in detail with reference to the accompanying drawings.

도 1은, 본 개시의 일 실시예에 따라 구현될 수 있는, 고객 응답 센터 시스템 환경(100)을 개략적으로 도시한 도면이다. 도시된 바에 의하면, 시스템 환경(100)은, 복수의 고객 사용자 단말(102), 통신망(104), 및 대화 이해 AI 서비스 서버(106)를 포함한다.1 is a schematic representation of a customer response center system environment 100 that may be implemented in accordance with one embodiment of the present disclosure. As shown, the system environment 100 includes a plurality of customer user terminals 102, a communication network 104, and a conversation understanding AI service server 106.

본 개시의 일 실시예에 의하면, 복수의 고객 사용자 단말(102) 각각은 유선 또는 무선 통신 기능을 구비한 임의의 사용자 전자 장치일 수 있다. 고객 사용자 단말(102) 각각은, 예컨대 스마트 폰, 태블릿 PC, 뮤직 플레이어, 스마트 스피커, 데스크탑, 랩탑, PDA, 게임 콘솔, 디지털 TV, 셋탑박스 등을 포함한 다양한 유선 또는 무선 통신 단말일 수 있으며, 특정 형태로 제한되지 않음을 알아야 한다. 본 개시의 일 실시예에 의하면, 고객 사용자 단말(102) 각각은, 통신망(104)을 통해서, 대화 이해 AI 서비스 서버(106)와 통신, 즉 필요한 정보를 송수신할 수 있다. 본 개시의 일 실시예에 의하면, 고객 사용자 단말(102) 각각은, 외부로부터 음성 및/또는 텍스트 형태의 고객 사용자 입력을 수신할 수 있고, 통신망(104)을 통한 대화 이해 AI 서비스 서버(106)와의 통신(및/또는 고객 사용자 단말(102) 내 처리)을 통해 얻어진, 위 고객 사용자 입력에 대응한 동작 결과(예컨대, 특정 대화 응답의 제공 및/또는 특정 태스크의 수행 등)를 대응하는 고객 사용자에게 제공할 수 있다. According to one embodiment of the present disclosure, each of the plurality of customer user terminals 102 may be any user electronic device having wired or wireless communication capability. Each of the customer user terminals 102 may be a variety of wired or wireless communication terminals including, for example, a smart phone, a tablet PC, a music player, a smart speaker, a desktop, a laptop, a PDA, a game console, a digital TV, a set- But not limited to, the < / RTI > According to one embodiment of the present disclosure, each of the customer user terminals 102 can communicate with the AI service server 106 via the communication network 104, that is, send and receive necessary information. According to one embodiment of the present disclosure, each of the customer user terminals 102 may receive customer user input in the form of voice and / or text from the outside, and may communicate with the AI service server 106 via the communication network 104. [ (E.g., providing a specific conversation response and / or performing a specific task) corresponding to the above customer user input obtained through communication with the customer user terminal 102 (and / or processing in the customer user terminal 102) .

본 개시의 일 실시예에 의하면, 통신망(104)은, 임의의 유선 또는 무선 통신망, 예컨대 TCP/IP 통신망을 포함할 수 있다. 본 개시의 일 실시예에 의하면, 통신망(104)은, 예컨대 Wi-Fi망, LAN망, WAN망, 인터넷망 등을 포함할 수 있으며, 본 개시가 이로써 제한되는 것은 아니다. 본 개시의 일 실시예에 의하면, 통신망(104)은, 예컨대 이더넷, GSM, EDGE(Enhanced Data GSM Environment), CDMA, TDMA, OFDM, 블루투스, VoIP, Wi-MAX, Wibro 기타 임의의 다양한 유선 또는 무선 통신 프로토콜을 이용하여 구현될 수 있다.According to one embodiment of the present disclosure, the communication network 104 may comprise any wired or wireless communication network, e.g., a TCP / IP communication network. According to one embodiment of the present disclosure, the communication network 104 may include, for example, a Wi-Fi network, a LAN network, a WAN network, an Internet network, and the like, and the present disclosure is not limited thereto. In accordance with one embodiment of the present disclosure, the communication network 104 may be any of a variety of wired or wireless, including, but not limited to, Ethernet, GSM, EDGE, CDMA, TDMA, OFDM, Bluetooth, VoIP, Wi- May be implemented using a communication protocol.

본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 통신망(104)을 통해 고객 사용자 단말(102)과 통신할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 예컨대 통신망(104)을 통해 고객 사용자 단말(102)로부터 음성 및/또는 텍스트 형태의 고객 사용자 자연어 입력을 수신하고, 미리 준비된 지식베이스 모델에 기초해서 그 수신된 자연어 입력을 처리하여 고객 사용자의 인텐트(intent)를 결정할 수 있다. According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may communicate with the customer user terminal 102 via the communication network 104. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 receives customer user natural language input in the form of speech and / or text, for example, from the customer user terminal 102 via the communication network 104, The received natural language input may be processed based on the knowledge base model to determine the intent of the customer user.

본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 소정의 목표를 가질 수 있다. 예컨대, 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 소정의 제품 및/또는 서비스 판매를 위한 상담 센터로서 해당 대화 이해 AI 서비스 서버(106)에 액세스한 각 고객 사용자 단말(102)이 대응 제품 및/또는 서비스를 구매하는 경우를 목표가 달성된 것으로 할 수 있다. 본 개시의 다른 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 회원 가입 또는 구독 신청을 유도하기 위한 상담 센터로서 해당 대화 이해 AI 서비스 서버(106)에 액세스한 각 고객 사용자 단말(102)이 회원 가입 또는 구독 신청을 하는 경우를 목표가 달성된 것으로 할 수 있다. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 may have a predetermined goal. For example, according to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may be a consultation center for the sale of certain products and / or services, It can be said that the target is achieved when the purchaser 102 purchases the corresponding product and / or service. According to another embodiment of the present disclosure, the conversation comprehension AI service server 106 includes a respective customer user terminal 102 that accesses the conversation comprehension AI service server 106 as a consultation center for inducing subscription or subscription, If you join or subscribe to this membership, you can assume that your goal is achieved.

본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 도시되지 않은 하나 이상의 상담원 단말(도시되지 않음)과 유선 또는 무선 방식으로 통신할 수 있다. 예컨대, 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106) 상에서 수신된 고객 사용자 단말(102)로부터의 음성 및/또는 텍스트 형태의 고객 사용자 자연어 입력이 상담원 단말로 전달될 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 상담원 단말을 통해 상담원(예컨대, 사람 상담 직원)으로부터, 전술한 고객 사용자 자연어 입력에 대한 음성 및/또는 텍스트 형태의 자연어 응답을 수신하고, 그 수신된 자연어 응답을 통신망(104)을 통해 고객 사용자 단말(102)로 전송할 수 있다.According to one embodiment of the present disclosure, the conversation understanding AI service server 106 may communicate with one or more agent terminals (not shown), not shown, in a wired or wireless manner. For example, according to one embodiment of the present disclosure, voice and / or textual customer user natural language input from the customer user terminal 102 received on the conversation understanding AI service server 106 may be delivered to the agent terminal. According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may receive from the agent (e.g., a human consultant) via the agent terminal a natural language response of voice and / or text in response to the aforementioned customer user natural language input And may transmit the received natural language response to the customer user terminal 102 via the communication network 104. [

본 개시의 다른 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 상담원 단말과의 통신 없이 스스로 사용자 인텐트에 부합하는 동작 결과를 생성하고 이를 고객 사용자 단말(102)로 제공할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 미리 준비된 대화 흐름 관리 모델에 기초해서 위 결정된 사용자 인텐트에 대응하는 동작을 수행할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)에 의해 수행되는 각각의 동작은, 예컨대 각 사용자의 인텐트에 대응하여 이루어지는 대화 응답 및/또는 태스크 수행일 수 있다. According to another embodiment of the present disclosure, the conversation understanding AI service server 106 may generate operation results in accordance with the user intent and communicate it to the customer user terminal 102 without communication with the agent terminal. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 can perform an operation corresponding to the determined user intent based on a prepared conversation flow management model. According to one embodiment of the present disclosure, each action performed by the AI service server 106 may be an interaction response and / or task performance, e.g., corresponding to an intent of each user.

본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 고객 사용자 단말(102) 각각과 대화 이해 AI 서비스 서버(106) 사이에 송수신된 각 대화 기록을 복수 개 축적할 수 있다. 본 개시의 일 실시예에 의하면, 각 대화 기록은, 고객 사용자 단말(102)과 대화 이해 AI 서비스 서버(106) 사이에 수립된 하나의 통신 세션 상에서, 대화 이해 AI 서비스 서버(106)의 목표와 관련하여 이루어지는 일련의 서로 연관된 자연어 입력들 및 응답들(예컨대, 고객 사용자 단말(102a-10n)로부터의 자연어 입력들과, 상담원 단말로부터의 응답들 또는 대화 이해 AI 서비스 서버(106)에 의한 시스템 응답들)을 포함할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 해당 대화 이해 AI 서비스 서버(106)에 의해 생성되지 않은, 그러나 해당 대화 이해 AI 서비스 서버(106)와 동일/유사한 도메인의 다른 시스템 상에서 발생한 대화 기록들을 복수 개 축적할 수 있다. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 may accumulate a plurality of conversation records sent and received between each of the customer user terminals 102 and the conversation understanding AI service server 106. In accordance with one embodiment of the present disclosure, each conversation record is associated with a target of the conversation comprehension AI service server 106 on one communication session established between the customer user terminal 102 and the conversation comprehension AI service server 106 (E.g., natural language inputs from the customer user terminals 102a-10n), responses from the agent terminal, or system responses by the conversation comprehension AI service server 106 Lt; / RTI > According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 determines whether the conversation comprehension AI service server 106 has the same / similar domain as the AI service server 106, Multiple conversation records can be accumulated on other systems.

본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는 축적된 각 대화 기록(즉, 각 일련의 대화 흐름 기록)에 속한 각각의 입력/응답(예컨대, 고객 사용자 단말(102a-10n)로부터의 입력, 상담원 단말로부터의 응답 또는 대화 이해 AI 서비스 서버(106)에 의한 시스템 응답)에 대해 키워드 분석을 수행할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 전술한 바와 같이 키워드 분석을 통해 각 입력/응답을 미리 정해진 인텐트들 중 하나로 분류하고, 이를 통해 각각의 대화 기록을 일련의 인텐트들의 순차적 흐름으로 변경할 수 있다.In accordance with one embodiment of the present disclosure, the conversation comprehension AI service server 106 receives each input / response (e.g., a customer user terminal 102a-10n ), A response from the agent terminal, or a system response by the conversation understanding AI service server 106). According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 classifies each input / response into one of a predetermined set of intents via keyword analysis, as described above, Lt; RTI ID = 0.0 > of intents. ≪ / RTI >

전술한 바와 같이, 대화 이해 AI 서비스 서버(106)는 소정의 목표를 가질 수 있는데, 각각의 대화 기록, 즉 하나의 통신 세션 상에서 송수신되는 서로 관련된 고객 사용자 단말(102a-10n)로부터의 고객 사용자 입력들과 그에 대응한 상담원 단말의 응답들 또는 대화 이해 AI 서비스 서버(106)에 의한 시스템 응답들의 일련의 흐름 각각은, 제각기 대화 이해 AI 서비스 서버(106)의 목표가 달성되었는지 여부의 결과를 가질 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 복수 개의 축적된 대화 기록들을 소정 수의 대화 패턴(각 대화 패턴은, 각각의, 인텐트들의 흐름을 나타내는 소정의 패턴임)들 중 하나로 각각 분류할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 각 대화 패턴마다, 목표가 달성된 횟수와 목표가 달성되지 못한 횟수를 기록할 수 있고, 해당 대화 패턴과 연관된 목표 달성 확률을 산술적으로 획득할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 전술한 대화 패턴들과, 각 대화 패턴마다의 목표 달성 확률(또는 성공 및 실패 횟수들)을 연관시키고, 이들 대화 패턴들 및 목표 달성 확률들을 모두 포함하는, 대화 이해 AI 서비스 서버(106)를 위한 대화 패턴들의 템플릿을 생성 및 저장할 수 있다. 본 개시의 다른 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 대화 패턴들 중 발생 횟수가 소정의 기준값을 넘는 대화 패턴들과 그에 대응하는 각 목표 달성 확률들을 포함하는, 대화 이해 AI 서비스 서버(106)를 위한 대화 패턴들의 템플릿을 생성 및 저장할 수 있다.As described above, the conversation comprehension AI service server 106 may have a predetermined goal, and each conversation record, that is, a customer user input from an associated customer user terminal 102a-10n that is transmitted and received on one communication session And a corresponding series of responses of the agent's terminal or system responses by the conversation comprehension AI service server 106 may each have a result of whether or not the goal of the conversation comprehension AI service server 106 has been achieved . According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may generate a plurality of conversation conversations with a predetermined number of conversation patterns (each conversation pattern is a predetermined pattern representing the flow of intents, ), Respectively. According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may record the number of times the goal was achieved and the number of times the goal was not achieved for each conversation pattern, . According to one embodiment of the present disclosure, the conversation understanding AI service server 106 associates the above-described conversation patterns with a goal achievement probability (or success and failure times) for each conversation pattern, And a template of conversation patterns for the conversation comprehension AI service server 106, including both the goal achievement probabilities. According to another embodiment of the present disclosure, the conversation comprehension AI service server 106 may include a conversation comprehension AI service < RTI ID = 0.0 > And generate and store a template of dialog patterns for the server 106.

본 개시의 일 실시예에 의하면, 고객 사용자 단말(102) 중 하나가 대화 이해 AI 서비스 서버(106)에 액세스하여 통신망(104)을 통한 통신 세션을 수립한 후, 대화 이해 AI 서비스 서버(106)와 대화를 진행하는 중에 각 시점에서 목표 달성 확률을 향상시키기 위한 해당 특정 시점 이후의 최적의 대화 패턴을 결정할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는 또한 전술한 바와 같이 대화 진행 중의 각 시점에서 최적의 대화 패턴을 결정할 수 있을 뿐 아니라, 해당 시점에서 대화 이해 AI 서비스 서버(106)의 목표 달성 예측 확률을 결정할 수 있다.According to one embodiment of the present disclosure, one of the customer user terminals 102 accesses the conversation comprehension AI service server 106 to establish a communication session over the communication network 104, It is possible to determine an optimum conversation pattern after the specific point in time to improve the target achievement probability at each point in the course of conversation. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 can also determine the optimal conversation pattern at each point in the conversation progression as described above, and at the same time, the conversation comprehension AI service server 106 ) Can be determined.

구체적으로, 대화 이해 AI 서비스 서버(106)는, 대화의 특정 시점(예컨대, 대화가 시작된 이후 아직 대화가 종결되지 않아서 목표 달성 여부 역시 결정되지는 않은, 진행 중에 있는 대화에 있어서 특정 입력이 발생한 시점)에서 파악된 대화 이력, 즉 그 특정 시점에 도달하기까지 해당 고객 사용자 단말(102)과 대화 이해 AI 서비스 서버(106) 사이에서 발생한 일련의 인텐트들(입력/응답들에 대응하는 인텐트들)의 순차적 흐름을 이용하고, 앞서 생성된 대화 패턴들의 템플릿에 기초해서, 해당 대화의 진행이 향후 전개될 수 있는, 즉 향후 발생 가능한 대화 패턴들을 파악할 수 있다. 대화 이해 AI 서비스 서버(106)는, 향후 발생 가능한 대화 패턴들을 파악한 후, 그 대화 패턴들 각각에 있어서의 목표 달성 확률(각 대화 패턴의 목표 달성 성공 횟수 및 목표 달성 실패 횟수에 의해 결정된 성공률)을 판정할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 그 특정 시점 이후의 발생 가능한 대화 패턴들 각각의 목표 달성 확률을 비교하여, 목표 달성 확률이 가장 큰 대화 패턴을 그 시점에서의 최적의 대화 패턴으로 결정할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 또한, 전술한 템플릿을 기초로 파악된, 향후 발생 가능한 대화 패턴들 전체에 대한 목표 달성의 성공 횟수 및 실패 횟수에 기초하여, 해당 특정 시점에서의 목표 달성 예측 확률을 결정할 수 있다.Specifically, the conversation comprehension AI service server 106 determines whether or not a specific input at a specific point in time (e.g., at a point in time when a specific input has occurred in an ongoing conversation, , A series of intents that have occurred between the customer user terminal 102 and the conversation AI service server 106 until reaching that point in time (intents corresponding to the input / responses) ), And based on the template of the conversation patterns generated in the above, it is possible to grasp the conversation patterns that can be developed in the future, that is, conversation patterns that can be generated in the future. The conversation understanding AI service server 106 recognizes the conversation patterns that can be generated in the future and then determines the target achieving probability (the success rate determined by the number of successes of the target achievement and the number of failures of the target achievement of each conversation pattern) . According to one embodiment of the present disclosure, the conversation understanding AI service server 106 compares the target achievement probabilities of the possible conversation patterns after the specific point in time, As shown in FIG. According to one embodiment of the present disclosure, the conversation comprehension AI service server 106 may also determine, based on the number of successes and failures of the goal achievement for all of the future possible conversation patterns, , It is possible to determine the target achievement prediction probability at the specific time point.

도 2는, 본 개시의 일 실시예에 따른, 도 1에 도시된 고객 사용자 단말(102)의 기능적 구성을 개략적으로 도시한 기능 블록도이다. 도시된 바에 의하면, 고객 사용자 단말(102)은, 사용자 입력 수신 모듈(202), 센서 모듈(204), 프로그램 메모리 모듈(206), 프로세싱 모듈(208), 통신 모듈(210), 및 응답 출력 모듈(212)을 포함한다.FIG. 2 is a functional block diagram that schematically illustrates the functional configuration of the customer user terminal 102 shown in FIG. 1, according to one embodiment of the present disclosure. The customer user terminal 102 includes a user input receiving module 202, a sensor module 204, a program memory module 206, a processing module 208, a communication module 210, (212).

본 개시의 일 실시예에 의하면, 사용자 입력 수신 모듈(202)은, 사용자로부터 다양한 형태의 입력, 예컨대 음성 입력 및/또는 텍스트 입력 등의 자연어 입력(및 부가적으로 터치 입력 등의 다른 형태의 입력)을 수신할 수 있다. 본 개시의 일 실시예에 의하면, 사용자 입력 수신 모듈(202)은, 예컨대 마이크로폰 및 오디오 회로를 포함하며, 마이크로폰을 통해 사용자 음성 입력 신호를 획득하고 획득된 신호를 오디오 데이터로 변환할 수 있다. 본 개시의 일 실시예에 의하면, 사용자 입력 수신 모듈(202)은, 예컨대 마우스, 조이스틱, 트랙볼 등의 각종 포인팅 장치, 키보드, 터치패널, 터치스크린, 스타일러스 등 다양한 형태의 입력 장치를 포함할 수 있고, 이들 입력 장치를 통해 사용자로부터 입력된 텍스트 입력 및/또는 터치 입력 신호를 획득할 수 있다. 본 개시의 일 실시예에 의하면, 사용자 입력 수신 모듈(202)에서 수신되는 사용자 입력은, 소정의 태스크 수행, 예컨대 소정의 애플리케이션 실행이나 소정 정보의 검색 등과 연관될 수 있으나, 본 개시가 이로써 제한되는 것은 아니다. 본 개시의 다른 실시예에 의하면, 사용자 입력 수신 모듈(202)에서 수신되는 사용자 입력은, 소정의 애플리케이션 실행이나 정보의 검색 등과는 무관하게 단순한 대화 응답 만을 필요로 하는 것일 수도 있다. 본 개시의 다른 실시예에 의하면, 사용자 입력 수신 모듈(202)에서 수신되는 사용자 입력은, 일방적 의사 전달을 위한 단순 진술에 관한 것일 수도 있다.According to one embodiment of the present disclosure, the user input receiving module 202 is configured to receive various types of input from a user, such as natural language input (such as voice input and / or text input, and additionally other types of input Can be received. According to one embodiment of the present disclosure, the user input receiving module 202 includes, for example, a microphone and an audio circuit, and can acquire a user voice input signal through a microphone and convert the obtained signal into audio data. According to one embodiment of the present disclosure, the user input receiving module 202 may include various types of input devices such as various pointing devices such as a mouse, joystick, trackball, keyboard, touch panel, touch screen, stylus, , And can acquire a text input and / or a touch input signal inputted from a user through these input devices. According to one embodiment of the present disclosure, the user input received at the user input receiving module 202 may be associated with performing certain tasks, such as performing certain applications or retrieving certain information, It is not. According to another embodiment of the present disclosure, the user input received at the user input receiving module 202 may require only a simple conversation response, regardless of any application execution or retrieval of information. According to another embodiment of the present disclosure, the user input received at the user input receiving module 202 may relate to a simple statement for unilateral communication.

본 개시의 일 실시예에 의하면, 센서 모듈(204)은 하나 이상의 서로 다른 유형의 센서를 포함하고, 이들 센서를 통해 고객 사용자 단말(102)의 상태 정보, 예컨대 해당 고객 사용자 단말(102)의 물리적 상태, 소프트웨어 및/또는 하드웨어 상태, 또는 고객 사용자 단말(102)의 주위 환경 상태에 관한 정보 등을 획득할 수 있다. 본 개시의 일 실시예에 의하면, 센서 모듈(204)은, 예컨대 광 센서를 포함하고, 광 센서를 통해 해당 고객 사용자 단말(102)의 주변 광 상태를 감지할 수 있다. 본 개시의 일 실시예에 의하면, 센서 모듈(204)은, 예컨대 이동 센서를 포함하고, 이동 센서를 통해 해당 고객 사용자 단말(102)의 이동 상태 여부를 감지할 수 있다. 본 개시의 일 실시예에 의하면, 센서 모듈(204)은, 예컨대 속도 센서 및 GPS 센서를 포함하고, 이들 센서를 통해 해당 고객 사용자 단말(102)의 위치 및/또는 배향 상태를 감지할 수 있다. 본 개시의 다른 실시예에 의하면, 센서 모듈(204)은 온도 센서, 이미지 센서, 압력 센서, 접촉 센서 등을 비롯한 다른 다양한 형태의 센서를 포함할 수 있음을 알아야 한다.According to one embodiment of the present disclosure, the sensor module 204 comprises one or more different types of sensors, and through these sensors, status information of the customer user terminal 102, such as the physical Status, software and / or hardware status, or information regarding the environmental conditions of the customer user terminal 102, and the like. According to one embodiment of the present disclosure, the sensor module 204 may include an optical sensor, for example, and may sense the ambient light condition of the customer user terminal 102 via the optical sensor. According to one embodiment of the present disclosure, the sensor module 204 may include, for example, a movement sensor and may sense movement of the corresponding customer user terminal 102 via the movement sensor. According to one embodiment of the present disclosure, the sensor module 204 includes, for example, a velocity sensor and a GPS sensor, and through these sensors, the position and / or orientation of the corresponding customer user terminal 102 may be sensed. It should be noted that, according to another embodiment of the present disclosure, the sensor module 204 may include other various types of sensors, including temperature sensors, image sensors, pressure sensors, touch sensors, and the like.

본 개시의 일 실시예에 의하면, 프로그램 메모리 모듈(206)은, 고객 사용자 단말(102) 상에서 실행될 수 있는 각종 프로그램, 예컨대 각종 애플리케이션 프로그램 및 관련 데이터 등이 저장된 임의의 저장 매체일 수 있다. 본 개시의 일 실시예에 의하면, 프로그램 메모리 모듈(206)에는, 예컨대 전화 걸기 애플리케이션, 이메일 애플리케이션, 인스턴트 메시징 애플리케이션, 카메라 애플리케이션, 음악 재생 애플리케이션, 비디오 재생 애플리케이션, 이미지 관리 애플리케이션, 지도 애플리케이션, 브라우저 애플리케이션 등을 비롯한 다양한 애플리케이션 프로그램들과 이들 프로그램의 실행과 관련된 데이터들이 저장될 수 있다. 본 개시의 일 실시예에 의하면, 프로그램 메모리 모듈(206)은, DRAM, SRAM, DDR RAM, ROM, 자기 디스크, 광 디스크, 플래시 메모리 등 다양한 형태의 휘발성 또는 비휘발성 메모리를 포함하도록 구성될 수 있다.According to one embodiment of the present disclosure, the program memory module 206 may be any storage medium that stores various programs that may be executed on the customer user terminal 102, such as various application programs and associated data, and the like. In accordance with one embodiment of the present disclosure, program memory module 206 may include one or more applications, such as a telephone dialer application, an email application, an instant messaging application, a camera application, a music playback application, a video playback application, an image management application, , And data related to the execution of these programs. According to one embodiment of the present disclosure, program memory module 206 may be configured to include volatile or nonvolatile memory of various types such as DRAM, SRAM, DDR RAM, ROM, magnetic disk, optical disk, flash memory, .

본 개시의 일 실시예에 의하면, 프로세싱 모듈(208)은, 고객 사용자 단말(102)의 각 컴포넌트 모듈과 통신하고 고객 사용자 단말(102) 상에서 각종 연산을 수행할 수 있다. 본 개시의 일 실시예에 의하면, 프로세싱 모듈(208)은, 프로그램 메모리 모듈(206) 상의 각종 애플리케이션 프로그램을 구동 및 실행시킬 수 있다. 본 개시의 일 실시예에 의하면, 프로세싱 모듈(208)은, 필요한 경우, 사용자 입력 수신 모듈(202) 및 센서 모듈(204)에서 획득된 신호를 수신하고, 이들 신호에 관한 적절한 처리를 수행할 수 있다. 본 개시의 일 실시예에 의하면, 프로세싱 모듈(208)은, 필요한 경우, 통신 모듈(210)을 통해 외부로부터 수신되는 신호에 대해 적절한 처리를 수행할 수 있다.According to one embodiment of the present disclosure, the processing module 208 may communicate with each component module of the customer user terminal 102 and perform various operations on the customer user terminal 102. According to one embodiment of the present disclosure, the processing module 208 can drive and execute various application programs on the program memory module 206. [ According to one embodiment of the present disclosure, the processing module 208 may receive signals obtained from the user input receiving module 202 and the sensor module 204, if necessary, and perform appropriate processing on these signals have. According to one embodiment of the present disclosure, the processing module 208 may, if necessary, perform appropriate processing on signals received from the outside via the communication module 210.

본 개시의 일 실시예에 의하면, 통신 모듈(210)은, 고객 사용자 단말(102)이 도 1의 통신망(104)을 통하여, 대화 이해 AI 서비스 서버(106)와 통신할 수 있게 한다. 본 개시의 일 실시예에 의하면, 통신 모듈(210)은, 예컨대 사용자 입력 수신 모듈(202) 및 센서 모듈(204) 상에서 획득된 신호가 소정의 프로토콜에 따라 통신망(104)을 통하여 대화 이해 AI 서비스 서버(106)로 전송되도록 할 수 있다. 본 개시의 일 실시예에 의하면, 통신 모듈(210)은, 예컨대 통신망(104)을 통하여 대화 이해 AI 서비스 서버(106)로부터 수신된 각종 신호, 예컨대 음성 및/또는 텍스트 형태의 자연어 응답을 포함한 응답 신호 또는 각종 제어 신호 등을 수신하고, 소정의 프로토콜에 따라 적절한 처리를 수행할 수 있다.According to one embodiment of the present disclosure, the communication module 210 enables the customer user terminal 102 to communicate with the conversation understanding AI service server 106 via the communication network 104 of FIG. According to one embodiment of the present disclosure, the communication module 210 may be configured to communicate with a user terminal such as, for example, a user input receiving module 202 and a sensor module 204 via a communication network 104, To be transmitted to the server 106. In accordance with one embodiment of the present disclosure, the communication module 210 may provide a response including a natural language response in the form of various signals, e.g., voice and / or text, received from the conversation understanding AI service server 106 via, for example, Signals, various control signals, and the like, and can perform appropriate processing according to a predetermined protocol.

본 개시의 일 실시예에 의하면, 응답 출력 모듈(212)은, 사용자 입력에 대응하는 응답을 시각, 청각 및/또는 촉각 등 다양한 형태로써 출력할 수 있다. 본 개시의 일 실시예에 의하면, 응답 출력 모듈(212)은, 예컨대 LCD, LED, OLED, QLED 등의 기술에 기초한 터치 스크린 등의 각종 디스플레이 장치를 포함하고, 이들 디스플레이 장치를 통해 사용자 입력에 대응하는 시각적 응답, 예컨대 텍스트, 기호, 비디오, 이미지, 하이퍼링크, 애니메이션, 각종 노티스 등을 사용자에게 제시할 수 있다. 본 개시의 일 실시예에 의하면, 응답 출력 모듈(212)은, 예컨대 스피커 또는 헤드셋을 포함하고, 사용자 입력에 대응하는 청각적 응답, 예컨대 음성 및/또는 음향 응답을 스피커 또는 헤드셋을 통해 사용자에게 제공할 수 있다. 본 개시의 일 실시예에 의하면, 응답 출력 모듈(212)는 모션/햅틱 피드백 생성부를 포함하고, 이를 통해 촉각적 응답, 예컨대 모션/햅틱 피드백을 사용자에게 제공할 수 있다. 본 개시의 일 실시예에 의하면, 응답 출력 모듈(212)은, 사용자 입력에 대응하는 텍스트 응답, 음성 응답 및 모션/햅틱 피드백 중 임의의 두 개이상의 조합을 동시에 제공할 수 있음을 알아야 한다.According to one embodiment of the present disclosure, the response output module 212 may output a response corresponding to a user input in various forms, such as time, audible and / or tactile. According to one embodiment of the present disclosure, the response output module 212 includes various display devices, such as a touch screen based on technology such as LCD, LED, OLED, QLED, etc., Such as text, symbols, video, images, hyperlinks, animations, various notices, etc., to the user. According to one embodiment of the present disclosure, the response output module 212 includes a speaker or a headset, for example, and provides an audible response, e.g., voice and / or acoustic response, can do. According to one embodiment of the present disclosure, the response output module 212 includes a motion / haptic feedback generator, through which a tactile response, e.g., motion / haptic feedback, can be provided to the user. It should be appreciated that, in accordance with one embodiment of the present disclosure, the response output module 212 may concurrently provide any combination of two or more of a text response, a voice response and a motion / haptic feedback corresponding to a user input.

도 3은, 본 개시의 일 실시예에 따른, 도 1의 대화 이해 AI 서비스 서버(106)의 기능적 구성을 개략적으로 도시한 기능 블록도이다. 도시된 바에 의하면, 대화 이해 AI 서비스 서버(106)는, 통신 모듈(302), 대화/태스크 처리부(304), 대화 기록 축적부(306), 및 대화 템플릿 생성/저장부(308)를 포함한다.FIG. 3 is a functional block diagram that schematically illustrates the functional configuration of the AI service server 106 of FIG. 1 in accordance with one embodiment of the present disclosure. The conversation understanding AI service server 106 includes a communication module 302, a dialog / task processing section 304, a conversation record accumulation section 306, and a dialog template creation / storage section 308 .

본 개시의 일 실시예에 의하면, 통신 모듈(302)은, 소정의 유선 또는 무선 통신 프로토콜에 따라, 통신망(104)을 통하여, 대화 이해 AI 서비스 서버(106)가 고객 사용자 단말(102) 또는 상담원 단말(도시되지 않음)과 통신할 수 있게 한다. 본 개시의 일 실시예에 의하면, 통신 모듈(302)은, 통신망(104)을 통해, 고객 사용자 단말(102)로부터 전송되어 온, 고객 사용자로부터의 음성 입력 및/또는 텍스트 입력 등을 수신할 수 있다. 본 개시의 일 실시예에 의하면, 통신 모듈(302)은, 고객 사용자 단말(102)로부터 전송되어 온 사용자로부터의 음성 입력 및/또는 텍스트 입력과 함께 또는 그와 별도로, 통신망(104)을 통해, 고객 사용자 단말(102)로부터 전송되어온, 고객 사용자 단말(102)의 상태 정보를 수신할 수 있다. 본 개시의 일 실시예에 의하면, 상태 정보는, 예컨대 사용자로부터의 음성 입력 및/또는 텍스트 입력 당시의 해당 고객 사용자 단말(102)에 관련된 여러가지 상태 정보(예컨대, 고객 사용자 단말(102)의 물리적 상태, 고객 사용자 단말(102)의 소프트웨어 및/또는 하드웨어 상태, 고객 사용자 단말(102) 주위의 환경 상태 정보 등)일 수 있다. 본 개시의 일 실시예에 의하면, 통신 모듈(302)은, 또한, 위 수신된 고객 사용자 입력에 대응하여 생성된 대화 응답(예컨대, 음성 및/또는 텍스트 형태의 자연어 대화 응답 등) 및/또는 제어 신호를, 통신망(104)을 통해, 고객 사용자 단말(102)로 전달하기 위해 필요한 적절한 조치를 수행할 수 있다.According to one embodiment of the present disclosure, the communication module 302 is configured to communicate with the AI service server 106 via the communication network 104, in accordance with any wired or wireless communication protocol, To communicate with a terminal (not shown). According to one embodiment of the present disclosure, the communication module 302 is capable of receiving, via the communication network 104, voice input and / or text input, etc., received from the customer user terminal 102, have. According to one embodiment of the present disclosure, the communication module 302 may communicate with the customer user terminal 102 via the communication network 104 with or without voice input and / or text input from the user, The status information of the customer user terminal 102 transmitted from the customer user terminal 102 can be received. According to one embodiment of the present disclosure, the state information may include various state information (e.g., the physical state of the customer user terminal 102) associated with the customer user terminal 102 at the time of speech input from the user and / Software and / or hardware status of the customer user terminal 102, environmental status information around the customer user terminal 102, etc.). In accordance with one embodiment of the present disclosure, the communication module 302 may also include an interaction response (e.g., a natural-language interaction response in the form of voice and / or text) generated in response to the received customer user input and / May perform the appropriate actions necessary to communicate the signal, via the communication network 104, to the customer user terminal 102.

본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 통신 모듈(302)을 통하여 고객 사용자 단말(102)로부터의 사용자 자연어 입력을 수신하고, 미리 준비된 소정의 지식베이스 모델들을 기초로 이를 처리하여, 사용자 자연어 입력에 대응한 사용자의 인텐트(intent)를 결정할 수 있다. 본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는 또한 결정된 사용자 인텐트에 부합하는 동작, 예컨대 적절한 대화 응답 및/또는 태스크 수행을 제공할 수 있다. According to one embodiment of the present disclosure, the dialog / task processing unit 304 receives user natural language input from the customer user terminal 102 via the communication module 302, and based on predetermined knowledge base models prepared in advance The intent of the user corresponding to the user natural language input can be determined by processing this. According to one embodiment of the present disclosure, the dialog / task processing unit 304 may also provide an action consistent with the determined user ' s tent, e.g., appropriate dialog response and / or task performance.

본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 대화 진행 중에 고객 사용자로부터의 사용자 인텐트가 결정된 경우, 지금까지의 대화 이력 및 후술하는 대화 이해 AI 서비스 서버(106)를 위한 템플릿을 참조하여, 향후 발생 가능한 대화 패턴들을 파악하고, 그 대화 패턴들 각각에 있어서의 목표 달성 확률을 판정할 수 있다. 본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 그 특정 시점 이후의 발생 가능한 대화 패턴들 각각에 대해 판정된 목표 달성 확률을 비교하여, 목표 달성 확률이 가장 큰 대화 패턴을 최적의 대화 패턴으로 결정할 수 있다. 본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 또한, 그 향후 발생 가능한 대화 패턴들 전체에 대한 목표 달성의 성공 횟수 및 실패 횟수에 기초하여, 해당 시점에서의 목표 달성 예측 확률을 결정할 수 있다. . 본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 전술한 사용자 자연어 입력에 대응한 응답으로서 위 결정된 최적의 대화 패턴에 따른 응답을, 예컨대 음성 또는 텍스트 형태의 자연어로써 제공할 수 있다. 본 개시의 다른 실시예에 의하면, 대화/태스크 처리부(304)는, 전술한 사용자 자연어 입력에 대응한 응답으로서 위 결정된 최적의 대화 패턴에 따른 응답을, 상담자 단말(도시되지 않음)에 제공하여, 상담자 단말 상의 상담 직원이 참조하도록 할 수 있다.According to one embodiment of the present disclosure, when the tent of the user from the customer user is determined during the conversation progress, the conversation / task processing unit 304 acquires the conversation history up to now and the conversation understanding AI service server 106 By referring to the template, it is possible to grasp the dialog patterns that can be generated in the future, and to determine the target achievement probability in each of the dialog patterns. According to one embodiment of the present disclosure, the dialog / task processing unit 304 compares the determined target achievement probabilities for each of the possible dialog patterns after the specific point in time, Can be determined by the dialog pattern of FIG. According to one embodiment of the present disclosure, the conversation / task processing unit 304 also calculates a target achievement prediction probability at the corresponding point in time based on the number of times of success and the number of failures of the goal achievement with respect to all of the conversation patterns that can be generated in the future Can be determined. . According to one embodiment of the present disclosure, the dialog / task processing unit 304 can provide a response according to the determined optimal dialog pattern as a response corresponding to the above-described user natural language input, for example, as a natural language in voice or text form have. According to another embodiment of the present disclosure, the dialog / task processing unit 304 provides a response to the consultant terminal (not shown) according to the determined optimal dialog pattern as a response corresponding to the user natural language input described above, Counselors on the counselor's terminal can refer to them.

본 개시의 일 실시예에 의하면, 대화 기록 축적부(306)는, 도 3의 대화 이해 AI 서비스 서버(106) 상에서 획득되는, 해당 대화 이해 AI 서비스 서버(106)와 고객 사용자 단말(102) 각각 사이에 송수신된 각 대화 기록(예컨대, 각 대화 기록은 고객 사용자 단말(102a-10n)로부터의 입력들과, 상담원 단말로부터의 응답들 또는 대화 이해 AI 서비스 서버(106)에 의한 시스템 응답들로 구성된 일련의 대화 흐름 기록을 포함할 수 있음)을 복수 개 축적할 수 있다. 본 개시의 일 실시예에 의하면, 대화 기록 축적부(106)는, 임의의 다양한 방식에 의해, 해당 대화 이해 AI 서비스 서버(106)에 의해서 생성되지 않은, 그러나 해당 대화 이해 AI 서비스 서버(106)와 유사한 도메인의 다른 시스템 상에서 발생한 대화 기록들을 복수 개 축적할 수 있다. According to one embodiment of the present disclosure, the conversation record accumulation unit 306 includes a conversation comprehension AI service server 106 and a customer user terminal 102, which are obtained on the conversation comprehension AI service server 106 in Fig. 3 (E.g., each conversation record is made up of inputs from customer user terminals 102a-10n and responses from an agent terminal or system responses by conversation comprehension AI service server 106) And may include a series of conversation flow records). In accordance with one embodiment of the present disclosure, the conversation record accumulation unit 106 may be configured to perform the conversation with the AI service server 106, which is not generated by the AI service server 106, Lt; RTI ID = 0.0 > similar < / RTI > domain.

본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 대화 기록 축적부(306) 상의 각 대화 기록들을 분석하여, 각 대화 기록에 속한 각 입력/응답(예컨대, 고객 사용자 단말(102a-10n)로부터의 입력, 상담원 단말로부터의 응답 또는 대화 이해 AI 서비스 서버(106)에 의한 시스템 응답 중 하나)의 인텐트를, 미리 정해진 소정의 인텐트들 중 하나로 분류할 수 있다. 본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 예컨대 대화 기록 축적부(306) 상의 각 대화 기록의 각 입력/응답에 대해 키워드 분석을 수행하고, 그로부터 각 입력/응답을 소정의 인텐트들 중 하나로 분류할 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 AI 서비스 서버(106)는, 전술한 바와 같이, 대화 기록 축적부(306) 상의 각 대화 기록마다, 해당 대화 기록 상의 각 입력/응답의 인텐트를 결정 및 분류하고, 이로써 그 각 대화 기록에 대응하는 소정의 인텐트들의 일련의 흐름으로 변경할 수 있다. 따라서, 본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 대화 기록 축적부(306) 상에 축적된 대화 기록들을 소정 수의 대화 패턴(인텐트들의 흐름을 나타내는 소정의 패턴)들 중 하나로 각각 분류할 수 있다.According to one embodiment of the present disclosure, the conversation template creation / storage unit 308 analyzes each conversation record on the conversation record accumulation unit 306 and stores each input / response (e.g., (E.g., input from an agent terminal 102a-10n, response from an agent terminal, or system response by a conversation understanding AI service server 106) to one of predetermined predetermined intents. According to one embodiment of the present disclosure, the conversation template creation / storage unit 308 performs keyword analysis on each input / response of each conversation record on the conversation record storage unit 306, for example, May be classified into one of the predetermined intents. According to one embodiment of the present disclosure, the conversation understanding AI service server 106 determines the intent of each input / response on the conversation record for each conversation record on the conversation record storage unit 306, as described above And thereby change to a sequence of predetermined intents corresponding to the respective conversation record. Thus, according to one embodiment of the present disclosure, the conversation template creation / storage unit 308 stores the conversation records accumulated on the conversation record storage unit 306 in a predetermined number of dialog patterns (predetermined Pattern), respectively.

전술한 바와 같이, 각 대화 기록은 저마다 대화 이해 AI 서비스 서버(106)의 소정의 목표에 관한 결과, 즉 달성 성공 또는 실패의 여부의 결과를 가질 수 있다. 따라서, 대화 템플릿 생성/저장부(308)는, 각 대화 패턴마다, 목표가 달성된 횟수와 목표가 달성되지 못한 횟수를 기록할 수 있고, 해당 대화 패턴의 목표 작업이 달성되는 확률을 산술적으로 획득 및 기록할 수 있다. 본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 위 생성된 각 대화 패턴들과, 각 대화 패턴마다의 목표 달성 확률(또는 성공 및 실패 횟수들)을 연관시키고, 이들 대화 패턴들 및 목표 달성 확률들을 모두 포함하는, 대화 이해 AI 서비스 서버(106)를 위한 템플릿을 생성 및 저장할 수 있다. 본 개시의 다른 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 대화 패턴들 중 발생 횟수가 소정의 기준값을 넘는 대화 패턴들과 그에 대응하는 각 목표 달성 확률들을 포함하는, 대화 이해 AI 서비스 서버(106)를 위한 대화 패턴들의 템플릿을 생성 및 저장할 수 있다.As discussed above, each conversation record may have its own outcome as to the predetermined goal of the conversation comprehension AI service server 106, i. E. As a result of the achievement success or failure. Therefore, the dialog template generating / storing unit 308 can record the number of times the target is achieved and the number of times that the target is not achieved for each conversation pattern, and acquires and records the probability that the target task of the conversation pattern is achieved arithmetically can do. According to one embodiment of the present disclosure, the conversation template creation / storage unit 308 associates each of the generated conversation patterns with the goal achievement probability (or success and failure times) for each conversation pattern, And generate and store a template for the conversation comprehension AI service server 106, which includes both conversation patterns and goal fulfillment probabilities. According to another embodiment of the present disclosure, the conversation template creation / storage unit 308 generates a conversation template having a plurality of conversation patterns, each of which includes conversation patterns whose occurrence count exceeds a predetermined reference value, And generate and store a template of dialog patterns for the service server 106. [

구체적으로 도시되지는 않았으나, 본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 소정의 디스플레이 장치를 포함할 수 있고, 위 생성된 대화 패턴들의 템플릿을 시각화하여 해당 디스플레이 장치를 통해 제시할 수 있으며, 다만 본 개시가 이로써 제한되는 것은 아니다.Although not specifically shown, according to one embodiment of the present disclosure, the dialog template generating / storing unit 308 may include a predetermined display device, visualizes a template of the generated dialog patterns, , The disclosure of which is not so limited.

도 4는, 본 개시의 일 실시예에 따른, 도 3의 대화/태스크 처리부(304)의 기능적 구성을 개략적으로 도시한 기능 블록도이다. 도시된 바에 의하면, 대화/태스크 처리부(304)는, 음성-텍스트 변환(Speech-To-Text; STT) 모듈(402), 자연어 이해(Natural Language Understanding; NLU) 모듈(404), 사용자 데이터베이스(406), 대화 이해 지식베이스(408), 대화 관리 모듈(410), 대화 생성 모듈(412), 및 음성 합성(Text-To-Speech; TTS) 모듈(414)을 포함한다.FIG. 4 is a functional block diagram schematically illustrating the functional configuration of the dialog / task processing unit 304 of FIG. 3, according to one embodiment of the present disclosure. Task processing unit 304 includes a Speech-To-Text (STT) module 402, a Natural Language Understanding (NLU) module 404, a user database 406 A dialogue understanding knowledge base 408, a dialogue management module 410, a dialogue generation module 412, and a speech-to-speech (TTS) module 414.

본 개시의 일 실시예에 의하면, STT 모듈(402)은, 통신 모듈(302)을 통해 수신된 사용자 입력 중 음성 입력을 수신하고, 수신된 음성 입력을 패턴 매칭 등에 기초하여 텍스트 데이터로 변환할 수 있다. 본 개시의 일 실시예에 의하면, STT 모듈(402)은, 사용자의 음성 입력으로부터 특징을 추출하여 특징 벡터열을 생성할 수 있다. 본 개시의 일 실시예에 의하면, STT 모듈(402)은, DTW(Dynamic Time Warping) 방식이나 HMM 모델(Hidden Markov Model), GMM 모델(Gaussian-Mixture Mode), 딥 신경망 모델, n-gram 모델 등의 다양한 통계적 모델에 기초하여, 텍스트 인식 결과, 예컨대 단어들의 시퀀스를 생성할 수 있다. 본 개시의 일 실시예에 의하면, STT 모듈(402)은, 수신된 음성 입력을 패턴 매칭에 기초하여 텍스트 데이터로 변환할 때, 후술하는 사용자 데이터베이스(406)의 각 사용자 특징적 데이터를 참조할 수 있다. In accordance with one embodiment of the present disclosure, the STT module 402 is capable of receiving speech input during user input received via communication module 302 and converting the received speech input into text data based on pattern matching, have. According to one embodiment of the present disclosure, the STT module 402 may extract a feature from a user's speech input to generate a feature vector sequence. According to one embodiment of the present disclosure, the STT module 402 may be implemented using a DTW (Dynamic Time Warping) method, an HMM model (Hidden Markov Model), a GMM model (Gaussian-Mixture Mode), a deep neural network model, For example, a sequence of words, based on various statistical models of the speech recognition results. According to one embodiment of the present disclosure, the STT module 402 may refer to each user characteristic data of the user database 406, described below, when converting the received voice input into text data based on pattern matching .

본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 통신 모듈(302) 또는 STT 모듈(402)로부터 텍스트 입력을 수신할 수 있다. 본 개시의 일 실시예에 의하면, NLU 모듈(404)에서 수신되는 텍스트 입력은, 예컨대 통신 모듈(302)에서 통신망(104)을 통하여 고객 사용자 단말(102)로부터 수신되었던 사용자 텍스트 입력 또는 통신 모듈(302)에서 수신된 사용자 음성 입력으로부터 STT 모듈(402)에서 생성된 텍스트 인식 결과, 예컨대 단어들의 시퀀스일 수 있다. 본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 텍스트 입력을 수신하는 것과 함께 또는 그 이후에, 해당 사용자 입력과 연관된 상태 정보, 예컨대 해당 사용자 입력 당시의 고객 사용자 단말(102)의 상태 정보 등을 수신할 수 있다. 전술한 바와 같이, 상태 정보는, 예컨대 고객 사용자 단말(102)에서 사용자 음성 입력 및/또는 텍스트 입력 당시의 해당 고객 사용자 단말(102)에 관련된 여러가지 상태 정보(예컨대, 고객 사용자 단말(102)의 물리적 상태, 소프트웨어 및/또는 하드웨어 상태, 고객 사용자 단말(102) 주위의 환경 상태 정보 등)일 수 있다.According to one embodiment of the present disclosure, the NLU module 404 may receive text input from the communication module 302 or the STT module 402. According to one embodiment of the present disclosure, the textual input received at the NLU module 404 may be transmitted to the user user terminal 102 via the user text input or communication module (e.g., 302 may be a text recognition result, e.g., a sequence of words, generated by the STT module 402 from the user speech input received at. According to one embodiment of the present disclosure, the NLU module 404 may be configured to receive status information associated with the user input, such as with or after receipt of the text input, such as the status of the customer user terminal 102 Information and the like can be received. As described above, the status information may include various status information (e.g., the physical (physical) information of the customer user terminal 102) related to the customer user terminal 102 at the time of user input and / State of the software, and / or hardware status, environmental condition information around the customer user terminal 102, etc.).

본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 대화 이해 지식베이스(408)에 기초하여, 위 수신된 텍스트 입력을 하나 이상의 사용자 인텐트(intent)에 대응시킬 수 있다. 여기서 사용자 인텐트는, 그 사용자 인텐트에 따라 대화 이해 AI 서비스 서버(106)에 의해 이해되고 수행될 수 있는 일련의 동작(들)과 연관될 수 있다. 본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 수신된 텍스트 입력을 하나 이상의 사용자 인텐트에 대응시킴에 있어서 전술한 상태 정보를 참조할 수 있다. 본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 수신된 텍스트 입력을 하나 이상의 사용자 인텐트에 대응시킴에 있어서 후술하는 사용자 데이터베이스(406)의 각 사용자 특징적 데이터를 참조할 수 있다.In accordance with one embodiment of the present disclosure, the NLU module 404 may map the received text input to one or more user-defined intents based on the dialog understanding knowledge base 408. Where the user intent may be associated with a series of operations (s) that can be understood and performed by the AI service server 106 of the conversation understanding according to the user's tent. According to one embodiment of the present disclosure, the NLU module 404 may refer to the status information described above in mapping the received textual input to one or more user intents. According to one embodiment of the present disclosure, the NLU module 404 may refer to each user characteristic data of the user database 406, described below, in mapping the received text input to one or more user intents.

본 개시의 일 실시예에 의하면, 사용자 데이터베이스(406)는, 각 사용자별 특징적 데이터를 저장 및 관리하는 데이터베이스일 수 있다. 본 개시의 일 실시예에 의하면, 사용자 데이터베이스(406)는, 예컨대 각 사용자별로 해당 사용자의 이전 대화 기록, 사용자의 발음 특징 정보, 사용자 어휘 선호도, 사용자의 소재지, 설정 언어, 연락처/친구 목록, 기타 다양한 사용자 특징적 정보를 포함할 수 있다. According to one embodiment of the present disclosure, the user database 406 may be a database that stores and manages characteristic data for each user. According to one embodiment of the present disclosure, the user database 406 may include, for example, previous conversation history of the user for each user, pronunciation feature information of the user, user lexical preference, location of the user, And may include various user-specific information.

본 개시의 일 실시예에 의하면, 전술한 바와 같이, STT 모듈(402)은, 음성 입력을 텍스트 데이터로 변환할 때 사용자 데이터베이스(406)의 각 사용자 특징적 데이터, 예컨대 각 사용자별 발음 특징을 참조함으로써, 보다 정확한 텍스트 데이터를 얻을 수 있다. 본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 사용자 인텐트를 결정할 때 사용자 데이터베이스(406)의 각 사용자 특징적 데이터, 예컨대 각 사용자별 특징이나 맥락을 참조함으로써, 보다 정확한 사용자 인텐트 결정을 할 수 있다.According to one embodiment of the present disclosure, as described above, the STT module 402 may determine each user characteristic data of the user database 406, e.g., each user-specific pronunciation characteristic, , More accurate text data can be obtained. According to one embodiment of the present disclosure, the NLU module 404 may determine a more accurate user tent determination by referring to each user characteristic data of the user database 406, e.g., characteristics or contexts for each user, can do.

본 도면에서는, 각 사용자별 특징적 데이터를 저장 및 관리하는 사용자 데이터베이스(406)가 대화 이해 AI 서비스 서버(106)에 배치되는 것으로 도시되어 있으나, 본 개시가 이로써 제한되는 것은 아니다. 본 개시의 다른 실시예에 의하면, 각 사용자별 특징적 데이터를 저장 및 관리하는 사용자 데이터베이스는, 예컨대 고객 사용자 단말(102)에 존재할 수도 있고, 고객 사용자 단말(102) 및 대화 이해 AI 서비스 서버(106)에 분산되어 배치될 수도 있음을 알아야 한다.In the figure, a user database 406 for storing and managing characteristic data for each user is shown as being placed in the conversation understanding AI service server 106, but this disclosure is not limited thereto. According to another embodiment of the present disclosure, a user database that stores and manages characteristic data for each user may be present at, for example, the customer user terminal 102 and may include a customer user terminal 102 and a conversation comprehension AI service server 106. [ As shown in FIG.

본 개시의 일 실시예에 의하면, 대화 이해 지식베이스(408)는, 예컨대 미리 정의된 온톨로지 모델을 포함할 수 있다. 본 개시의 일 실시예에 의하면, 온톨로지 모델은, 예컨대 노드들 간의 계층 구조로 표현될 수 있는데, 각 노드는 사용자의 인텐트에 대응한 "인텐트" 노드 또는 "인텐트" 노드에 링크된 하위 "속성" 노드("인텐트" 노드에 직접 링크되거나 "인텐트" 노드의 "속성" 노드에 다시 링크된 하위 "속성" 노드) 중 하나일 수 있다. 본 개시의 일 실시예에 의하면, "인텐트" 노드와 그 "인텐트" 노드에 직접 또는 간접 링크된 "속성" 노드들은 하나의 도메인을 구성할 수 있고, 온톨로지는 이러한 도메인들의 집합으로 구성될 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 지식베이스(308)는, 예컨대 대화 이해 AI 서비스 서버(106)가 이해하고 그에 대응한 동작을 수행할 수 있는 모든 인텐트들에 각각 대응하는 도메인들을 포함하도록 구성될 수 있다. 본 개시의 일 실시예에 의하면, 온톨로지 모델은, 노드의 추가나 삭제, 또는 노드 간의 관계의 수정 등에 의해 동적으로 변경될 수 있음을 알아야 한다.According to one embodiment of the present disclosure, the conversation understanding knowledge base 408 may include, for example, a predefined ontology model. According to one embodiment of the present disclosure, an ontology model can be represented, for example, in a hierarchical structure between nodes, each node having an " intent " node corresponding to the user's intent or a &Quot; Attributes " node that is linked directly to an " Attributes " node or a " Attributes " node of an " Attributes " According to one embodiment of the present disclosure, the " intent " node and the " attribute " nodes directly or indirectly linked to the " intent " node can constitute one domain and the ontology comprises a set of such domains . According to one embodiment of the present disclosure, the conversation understanding knowledge base 308 includes, for example, domains corresponding to all intents that can be understood by the conversation understanding AI service server 106 and perform corresponding actions . It should be noted that, according to one embodiment of the present disclosure, the ontology model can be dynamically changed by addition or deletion of nodes, or modification of relations between nodes.

본 개시의 일 실시예에 의하면, 온톨로지 모델 내의 각 도메인의 인텐트 노드 및 속성 노드들은, 그에 대응하는 사용자 인텐트 또는 속성들에 관련된 단어들 및/또는 구절들과 각각 연관될 수 있다. 본 개시의 일 실시예에 의하면, 대화 이해 지식베이스(408)는, 온톨로지 모델을, 계층 구조의 노드들과, 각 노드 별로 연관된 단어들 및/또는 구절들의 집합으로 구성된, 예컨대 어휘 사전 형태(구체적으로 도시되지 않음)로 구현할 수 있고, NLU 모듈(404)은 이와 같이 어휘 사전 형태로 구현된 온톨로지 모델에 기초하여 사용자 인텐트를 결정할 수 있다. 예컨대, 본 개시의 일 실시예에 의하면, NLU 모듈(404)은, 텍스트 입력 또는 단어들의 시퀀스를 수신하면, 그 시퀀스 내의 각 단어들이 온톨로지 모델 내의 어떤 도메인의 어떤 노드들에 연관되는지 결정할 수 있고, 그러한 결정에 기초하여 대응하는 도메인, 즉 사용자 인텐트를 결정할 수 있다. According to one embodiment of the present disclosure, the intent nodes and attribute nodes of each domain in the ontology model may be associated with words and / or phrases associated with the corresponding user's tent or attributes, respectively. According to one embodiment of the present disclosure, the conversation understanding knowledge base 408 includes an ontology model 408, which may include an ontology model, for example, in a lexical dictionary form (specifically, , And the NLU module 404 may determine the user intent based on the ontology model implemented in the lexical dictionary form. For example, according to one embodiment of the present disclosure, the NLU module 404, upon receipt of a textual input or sequence of words, can determine which nodes in a domain within each of the words in the sequence are associated with which nodes in the ontology model, Based on such a determination, it is possible to determine the corresponding domain, i. E. The user tent.

본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, NLU 모듈(404)에 의해 결정된 사용자 인텐트에 따라, 그에 대응하는 일련의 동작 흐름을 생성할 수 있다. 본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, 소정의 대화 흐름 관리 모델(별도로 도시되지는 않음)에 기초하여, NLU 모듈(404)로부터 수신된 사용자 인텐트에 대응하여 어떠한 동작, 예컨대 어떠한 대화 응답 및/또는 태스크 수행을 행하여야 할지를 결정하고, 그에 따른 세부 동작 흐름을 생성할 수 있다. In accordance with one embodiment of the present disclosure, the conversation management module 410 may generate a corresponding series of operational flows in accordance with the user ' s tent determined by the NLU module 404. In accordance with one embodiment of the present disclosure, the conversation management module 410 may be configured to perform any action (e.g., based on the user's intent received from the NLU module 404) based on a predetermined conversation flow management model E.g., what dialog response and / or task execution should be performed, and generate a corresponding detailed action flow.

본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, 사용자 인텐트가 결정된 경우, 지금까지의 대화 이력 및 전술한 대화 이해 AI 서비스 서버(106)를 위한 템플릿을 참조하여, 향후 발생 가능한 대화 패턴들을 파악하고, 그로부터 해당 시점의 목표 달성 예측 확률을 결정 및 제공할 수 있다. 본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, 사용자 인텐트가 결정된 경우, 지금까지의 대화 이력 및 전술한 대화 이해 AI 서비스 서버(106)를 위한 템플릿을 참조하여, 향후 진행될 수 있는 대화 패턴들을 파악하고, 그 대화 패턴들 각각에 있어서의 목표 달성 확률을 판정할 수 있다. 본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, 그 특정 시점 이후의 발생 가능한 대화 패턴들 각각에 대해 판정된 목표 달성 확률을 비교하여, 목표 달성 확률이 가장 큰 대화 패턴을 그 단계에서의 최적의 대화 패턴으로 결정할 수 있다. 본 개시의 일 실시예에 의하면, 대화 관리 모듈(410)은, 위 결정된 최적의 대화 패턴에 기초하여, 어떠한 동작을 수행할지에 관한 동작 흐름(예컨대, 어떠한 대화 응답 및/또는 태스크 수행을 행하여야 할지에 관한 흐름)을 생성할 수 있다. According to one embodiment of the present disclosure, when the user intent is determined, the dialog management module 410 refers to the previous conversation history and the template for the conversation understanding AI service server 106 described above, It is possible to grasp the conversation patterns, and to determine and provide the target achievement prediction probability at that point in time. According to one embodiment of the present disclosure, when the user intent is determined, the dialog management module 410 refers to the previous conversation history and the template for the conversation understanding AI service server 106 described above, It is possible to grasp the conversation patterns and to determine the target achieving probability in each of the conversation patterns. According to one embodiment of the present disclosure, the dialogue management module 410 compares the determined goal achievement probabilities for each of the possible dialog patterns that occur after the specific point in time, It is possible to determine the optimal dialog pattern in FIG. According to one embodiment of the present disclosure, the conversation management module 410 determines whether to perform an action flow (e.g., any conversation response and / or task performance) as to which action to perform based on the determined optimal conversation pattern A flow relating to whether or not to do so).

본 개시의 일 실시예에 의하면, 대화 생성 모듈(412)은, 대화 관리 모듈(410)에 의해 생성된 동작 흐름에 기초하여 필요한 대화 응답을 생성할 수 있다. 본 개시의 일 실시예에 의하면, 대화 생성 모듈(412)은, 대화 응답 생성시, 예컨대 전술한 사용자 데이터베이스(406)의 사용자 특징적 데이터(예컨대, 사용자의 이전 대화 기록, 사용자의 발음 특징 정보, 사용자 어휘 선호도, 사용자의 소재지, 설정 언어, 연락처/친구 목록, 각 사용자별로 해당 사용자의 이전 대화 기록 등)를 참조할 수 있다.According to one embodiment of the present disclosure, the dialog generation module 412 may generate the necessary dialog response based on the operation flow generated by the dialogue management module 410. [ According to one embodiment of the present disclosure, the dialog generation module 412 is configured to generate user interaction data (e.g., user's previous conversation history, user's pronunciation feature information, Lexical preference, user's location, set language, contact / friend list, previous user conversation history for each user, etc.).

본 개시의 일 실시예에 의하면, TTS 모듈(414)은, 대화 생성 모듈(412)에 의해 고객 사용자 단말(102)로 전송되도록 생성된 대화 응답을 수신할 수 있다. TTS 모듈(414)에서 수신되는 대화 응답은 텍스트 형태를 갖는 자연어 또는 단어들의 시퀀스일 수 있다. 본 개시의 일 실시예에 의하면, TTS 모듈(414)은, 다양한 형태의 알고리즘에 따라, 위 수신된 텍스트 형태의 입력을 음성 형태로 변환할 수 있다.In accordance with one embodiment of the present disclosure, the TTS module 414 may receive an interactive response that is generated by the dialog generation module 412 to be transmitted to the customer user terminal 102. [ The conversation response received at the TTS module 414 may be a natural word or a sequence of words having a textual form. According to one embodiment of the present disclosure, the TTS module 414 may convert the input of the received textual form into speech form, according to various types of algorithms.

도 1 내지 4를 참조하여 전술한 본 개시의 실시예에서는, 편의상 특정 모듈이 소정의 동작들을 수행하는 것처럼 설명되었으나, 본 개시가 이로써 제한되는 것은 아니다. 본 개시의 다른 실시예에 의하면, 위 설명에서 어느 특정 모듈에 의해 수행되는 것과 같이 설명된 동작들이, 그와 다른 별개의 모듈에 의해 각각 수행될 수 있음을 알아야 한다.In the embodiments of the present disclosure described above with reference to Figs. 1-4, a particular module has been described as if it were performing certain operations for convenience, but the present disclosure is not so limited. It should be noted that, in accordance with another embodiment of the present disclosure, the operations described above as performed by any particular module in the above description can be performed by separate and distinct modules, respectively.

도 5는, 본 개시의 일 실시예에 따라, 도 3의 대화 템플릿 생성/저장부(306)에 의해 수행되는 예시적 동작 흐름도이다.5 is an exemplary operational flow diagram performed by the dialog template creation / storage 306 of FIG. 3, in accordance with one embodiment of the present disclosure.

단계(502)에서, 대화 템플릿 생성/저장부(308)는, 임의의 다양한 방식으로 수집된 대화 기록들 각각(구체적으로, 각 대화 기록의 각 입력, 예컨대 각 인텐트 단위의 각 문장 또는 문구의 기록)을 분석할 수 있다. 본 개시의 일 실시예에 의하면, 대화 템플릿 생성/저장부(308)는, 소정의 기준에 따라, 각 대화 기록 상의 각 입력 기록을 분석하고 미리 정해진 인텐트 그룹들 중 하나로 분류할 수 있다. 위 입력은, 예컨대 도 3의 대화 이해 AI 서비스 서버(106)와 고객 사용자 단말(102) 각각 사이에 송수신된 각 대화 기록으로부터 획득된 것일 수 있다. 본 개시의 일 실시예에 의하면, 위 입력은, 임의의 다른 방식에 의해 수집된 대화 기록으로부터 획득된 것일 수 있다. In step 502, the conversation template creation / storage unit 308 creates a conversation template for each of the conversation records collected in any of various ways (specifically, for each entry of each conversation record, e.g., for each sentence or phrase of each intent unit) Records) can be analyzed. According to one embodiment of the present disclosure, the dialog template generating / storing unit 308 analyzes each input record on each conversation record according to a predetermined criterion and classifies it into one of predetermined intent groups. The above input may be obtained, for example, from each conversation record sent and received between the conversation comprehension AI service server 106 and the customer user terminal 102, respectively, According to one embodiment of the present disclosure, the above input may be obtained from conversation records collected by any other method.

그런 다음, 단계(504)에서, 대화 템플릿 생성/저장부(308)는, 단계(502)에서의 분석 결과에 기초하여, 각 대화 기록마다, 그에 대응하는 소정의 인텐트들의 일련의 흐름, 예컨대 소정의 대화 패턴을 생성할 수 있다. 그런 다음, 단계(506)에서, 대화 템플릿 생성/저장부(308)는, 동일한 대화 패턴에 대응하는 대화 기록들을 그룹핑하고, 동일한 그룹 내에서 해당 그룹에 속한 대화 기록들에 관하여, 대화 이해 AI 서비스 서버(106)의 목표에 관한 결과, 즉 성공 또는 실패 여부에 따라, 목표 달성 성공 대화 기록의 수 및 목표 달성 실패 대화 기록의 수를 판정할 수 있다. Then, at step 504, the dialog template creation / storage unit 308 creates, based on the analysis result at step 502, a series of predetermined intents corresponding to each conversation record, for example, It is possible to generate a predetermined dialog pattern. Next, at step 506, the conversation template creation / storage unit 308 groups the conversation records corresponding to the same conversation pattern, and for each conversation record belonging to the group in the same group, It is possible to determine the number of the goal achievement success conversation records and the number of the goal attainment failure conversation records depending on the result about the goal of the server 106, that is, success or failure.

단계(508)에서, 대화 템플릿 생성/저장부(308)는, 위 생성된 대화 패턴들 각각마다의 목표 달성 성공/실패 대화 기록의 수(또는 목표 달성 확률)를 연관시키고, 이로써 이들 대화 패턴들 및 각 대화 패턴에 연관된 목표 달성 성공/실패 대화 기록의 수(또는 목표 달성 확률)을 포함하는, 대화 이해 AI 서비스 서버(106)를 위한 템플릿을 생성 및 저장할 수 있다. 단계(510)에서, 대화 템플릿 생성/저장부(308)는, 단계(508)에서 저장된 대화 패턴들 및 각 대화 패턴마다의 성공/실패 대화 기록의 수를 각각 시각화하고 소정의 디스플레이 장치를 통해 제시할 수 있으며, 본 개시가 이로써 제한되는 것은 아니다.In step 508, the conversation template creation / storage unit 308 associates the number of goal achievement / failure conversation records (or the goal achievement probability) for each of the generated conversation patterns with each other, And a number of goals achievement / failure conversation records (or goal achievement probabilities) associated with each conversation pattern. In step 510, the conversation template creation / storage unit 308 visualizes the number of conversation patterns stored in step 508 and the number of success / failure conversation records for each conversation pattern, and displays And this disclosure is not so limited.

도 6은, 대화 이해 AI 서비스 서버(106)를 위한 템플릿(600)의 일 예를 개념적으로 도시한 도면이다. 6 is a diagram conceptually showing an example of a template 600 for the conversation understanding AI service server 106. As shown in FIG.

도시된 바에 의하면, 템플릿(600)에 포함된, 대화 이해 AI 서비스 서버(106) 상에서 수행될 수 있는 대화 패턴, 즉 인텐트들의 순차적 흐름의 패턴은 9가지로 분류될 수 있다. 도시된 바에 의하면, 대화 패턴 열의 행들에 나타난 A, B, C, D, E, F, G, H, I, J 및 K 각각은 각 인텐트를 나타내는 것이며, 대화 패턴 열의 각 행은, 인텐트들의 임의의 조합 및 그들 간의 순차적 흐름을 보여주는 것이다. 도시된 바에 의하면, 각 대화 패턴은 또한 각 성공 횟수 및 실패 횟수, 그리고 그에 따른 성공률과 연관되어 있다. 예컨대, 제1행의 경우, 제1행은 대화 패턴들 중에서 A->B->C->D->E의 패턴을 가지며, 이러한 패턴은 목표 성공 횟수가 70회, 실패 횟수가 30회이며, 따라서 성공률은 0.7로 표시되어 있다. 도시된 바에 의하면, 마지막 제9행의 대화 패턴, 즉 A->D->C->K->G의 경우 성공 횟수가 1번이고 실패 횟수가 0번으로 성공률이 1로 나타나 있다. 본 개시의 일 실시예에 의하면, 예컨대 템플릿이 발생 횟수가 소정의 기준값(예컨대, 30)을 넘는 대화 패턴들만을 포함하도록 구성할 수 있으며, 이러한 경우 전술한 제9행의 A->D->C->K->G의 패턴은 템플릿에서 제외될 수 있음을 알아야 한다. As shown, the patterns of conversation patterns, that is, the sequence of intent flows that can be performed on the conversation comprehension AI service server 106, included in the template 600, can be classified into nine categories. Each of the rows of the dialog pattern column represents the intent of the intent, and each row of the dialog pattern column represents the intent of the intent, as shown in the rows of the dialog pattern column. As shown, each of A, B, C, D, E, F, G, H, And a sequential flow between them. As shown, each conversation pattern is also associated with a number of successes and failures, and a corresponding success rate. For example, in the case of the first row, the first row has a pattern of A-> B-> C-> D- > E among the conversation patterns, , So the success rate is indicated as 0.7. In the case of the last ninth line conversation pattern, that is, A-> D-> C-> K-> G, the success rate is 1 and the failure rate is 0 and the success rate is 1. According to one embodiment of the present disclosure, for example, the template can be configured to include only the dialog patterns whose occurrence count exceeds a predetermined reference value (for example, 30), and in this case, A-> D-> It should be noted that the pattern C-> K-> G can be excluded from the template.

도 6에 도시된 사항은, 본 개시의 실시예의 이해를 돕기 위하여 극도로 단순화된 대화 패턴을 개념적으로 표시한 것일 뿐, 본 개시를 제한하려는 것이 아님을 알아야 한다. 본 개시의 다른 실시예에 의하면, 다양한 형태의 대화 패턴들이 다양한 형태로 나타날 수 있음을 알아야 한다. It should be understood that the matter shown in FIG. 6 is merely a conceptual illustration of an extremely simplified dialog pattern to aid understanding of the embodiments of the present disclosure, and is not intended to limit the present disclosure. It should be noted that according to another embodiment of the present disclosure, various types of dialog patterns may appear in various forms.

도 7은, 본 개시의 일 실시예에 따라, 도 3의 대화/태스크 처리부(304)에 의해 수행되는 예시적 동작 흐름도이다.FIG. 7 is an exemplary operational flow diagram performed by the dialog / task processing unit 304 of FIG. 3, in accordance with one embodiment of the present disclosure.

본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 단계(702)에서, 도 1의 고객 사용자 단말(102)로부터의 사용자 자연어 입력을 수신할 수 있다. 그런 다음, 단계(704)에서, 미리 준비된 소정의 지식베이스 모델들을 기초로 위 수신된 사용자 자연어 입력을 처리하여, 그 사용자 자연어 입력에 대응한 사용자의 인텐트(intent)를 결정할 수 있다.According to one embodiment of the present disclosure, the dialog / task processing unit 304 may, at step 702, receive a user natural language input from the customer user terminal 102 of FIG. Then, at step 704, the user natural language input received above may be processed based on predetermined knowledge base models previously prepared to determine the intent of the user corresponding to the user natural language input.

그런 다음, 단계(706)에서, 대화/태스크 처리부(304)는, 지금까지의 대화 이력 및 후술하는 대화 이해 AI 서비스 서버(106)를 위한 템플릿(예컨대, 도 6의 템플릿(600))을 참조하여, 향후 발생 가능한 대화 패턴들을 획득할 수 있다. 본 개시의 일 실시예에 의하면, 예컨대 단계(704)에서 결정된 인텐트가 B이고, 지금까지의 대화 이력이 A->B의 패턴이라고 가정할 경우, 단계(706)에서는 템플릿(600) 상에서 향후 발생 가능한 대화 패턴으로서, 각각 1, 2, 5, 및 6행이 획득될 수 있다.Then, at step 706, the dialog / task processing unit 304 refers to the previous conversation history and a template (for example, the template 600 of FIG. 6) for the conversation understanding AI service server 106 So that future dialog patterns that can be generated can be obtained. According to one embodiment of the present disclosure, for example, if the intent determined at step 704 is B and the previous conversation history is a pattern of A- > B, then at step 706, As possible dialog patterns, 1, 2, 5, and 6 rows, respectively, can be obtained.

그런 다음, 단계(708)에서, 대화/태스크 처리부(304)는, 단계(706)에서 획득된 대화 패턴들(즉, 향후 발생 가능한 대화 패턴들) 각각의 목표 달성 확률을 판정할 수 있다. 예컨대, 각 대화 패턴의 목표 달성 확률은, 해당 대화 패턴에 관한 목표 달성 성공 횟수 및 목표 달성 실패 횟수에 기초하여 결정되는 성공률일 수 있다. 그런 다음, 절차는 단계(710)로 진행하고, 대화/태스크 처리부(304)는, 향후 발생 가능한 대화 패턴들 각각에 대해 판정된 목표 달성 확률을 비교하여, 목표 달성 확률이 가장 큰 대화 패턴을 그 시점에서의 최적의 대화 패턴으로 결정할 수 있다. 본 개시의 일 실시예에 의하면, 예컨대 대화/태스크 처리부(304)가, 지금까지의 대화 이력이 A->B의 패턴이고, 향후 발생 가능한 대화 패턴으로서, 각각 1, 2, 5, 및 6행이라고 판정한 경우, 이들 중 성공률이 가장 높은 2행을 현재 시점에서의 최적의 대화 패턴이라고 결정할 수 있다.Then, at step 708, the dialog / task processing unit 304 may determine the target achievement probability of each of the dialog patterns obtained in step 706 (i.e., future dialog patterns). For example, the target achievement probability of each conversation pattern may be a success rate determined based on the number of successes of goal achievement and the number of failure of goal achievement with respect to the conversation pattern. Then, the procedure proceeds to step 710, and the dialog / task processing unit 304 compares the determined target achievement probability with respect to each of the possible dialog patterns to be generated in the future, It is possible to determine the optimum dialog pattern at the time. According to one embodiment of the present disclosure, for example, the conversation / task processing unit 304 determines that the conversation history up to now is a pattern of A- > B, and that conversation patterns that can be generated in the future are 1, 2, 5, It is possible to determine that the two lines having the highest success rate among these are the optimal dialog pattern at the current point of time.

단계(712)에서는, 본 개시의 일 실시예에 의하면, 대화/태스크 처리부(304)는, 단계(706)에서 획득된 대화 패턴들(즉, 향후 발생 가능한 대화 패턴들) 전체에 대한 목표 달성의 성공 횟수 및 실패 횟수에 기초하여, 해당 시점에서의 목표 달성 예측 확률을 결정할 수 있다. 본 개시의 일 실시예에 의하면, 단계(706)에서, 향후 발생 가능한 대화 패턴으로서 각각 1, 2, 5, 및 6행이 획득된 경우, 이들 행 전체에 있어서 총 성공 횟수는 242회이고 실패 횟수는 117회로서, 해당 시점에서의 목표 달성 예측 확률은 약 0.67이 될 수 있다.In step 712, in accordance with one embodiment of the present disclosure, the dialog / task processing unit 304 determines whether the goal attainment of the entire conversation patterns (i.e., future possible dialog patterns) The target achievement prediction probability at the time point can be determined based on the number of successes and the number of failures. According to one embodiment of the present disclosure, if 1, 2, 5, and 6 rows, respectively, were obtained as possible dialog patterns in the future, in step 706, the total number of successes in these rows was 242, Is 117 times, and the predicted probability of achieving the target at that point of time can be about 0.67.

당업자라면 알 수 있듯이, 본 개시가 본 명세서에 기술된 예시에 한정되는 것이 아니라 본 개시의 범주를 벗어나지 않는 범위 내에서 다양하게 변형, 재구성 및 대체될 수 있다. 본 명세서에 기술된 다양한 기술들은 하드웨어 또는 소프트웨어, 또는 하드웨어와 소프트웨어의 조합에 의해 구현될 수 있음을 알아야 한다.As will be appreciated by those skilled in the art, the present disclosure is not limited to the examples described herein, but may be variously modified, rearranged, and replaced within the scope of the present disclosure. It should be understood that the various techniques described herein may be implemented in hardware or software, or a combination of hardware and software.

본 개시의 일 실시예에 따른 컴퓨터 프로그램은, 컴퓨터 프로세서 등에 의해 판독 가능한 저장 매체, 예컨대 EPROM, EEPROM, 플래시 메모리장치와 같은 비휘발성 메모리, 내장형 하드 디스크와 착탈식 디스크 같은 자기 디스크, 광자기 디스크, 및 CDROM 디스크 등을 포함한 다양한 유형의 저장 매체에 저장된 형태로 구현될 수 있다. 또한, 프로그램 코드(들)는 어셈블리어나 기계어로 구현될 수 있다. 본 개시의 진정한 사상 및 범주에 속하는 모든 변형 및 변경을 이하의 특허청구범위에 의해 모두 포괄하고자 한다.A computer program according to an embodiment of the present disclosure may be stored in a storage medium readable by a computer processor or the like, for example, a non-volatile memory such as an EPROM, EEPROM, or flash memory device, a magnetic disk such as an internal hard disk and a removable disk, CDROM disks, and the like. Also, the program code (s) may be implemented in assembly language or machine language. All such modifications and variations that fall within the true spirit and scope of this disclosure are intended to be embraced by the following claims.

Claims (10)

복수의 사용자 단말 각각을 위한 각 대화 세션의 자연어 대화를 처리하도록 구성된 대화 이해 AI 서비스 서버- 상기 대화 이해 AI 서비스 서버는 소정의 목표와 연관되고, 상기 복수의 사용자 단말 각각과 상기 대화 이해 AI 서비스 서버 사이의 상기 각 대화 세션이 종료될 때 해당 대화 세션의 상기 목표의 달성 성공 또는 달성 실패가 정해짐 - 상에서, 상기 복수의 사용자 단말 중 하나의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이의 소정 대화 세션의 종료 전 진행 중 특정 시점에, 상기 목표의 달성을 위한 목표 달성 예측 확률을 결정하는 방법으로서,
대화 템플릿을 생성하는 단계- 상기 대화 템플릿은, 상기 복수의 사용자 단말 중 임의의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이의 임의의 대화 세션 상에서 발생 가능한 복수의 대화 패턴을 포함하고, 상기 각 대화 패턴은 대응하는 상기 목표의 달성 성공 횟수 및 달성 실패 횟수를 가짐 -;
상기 특정 시점에, 상기 소정 대화 세션 상에서 상기 특정 시점까지 발생한, 상기 하나의 사용자 단말 및 상기 대화 이해 AI 서비스 서버로부터의 일련의 자연어 입력 및 응답들로부터, 대화 이력- 상기 대화 이력은 상기 일련의 자연어 입력 및 응답들 각각을 자연어 이해 처리함으로써 획득된 인텐트들의 순차적 흐름에 대응함 -을 결정하는 단계;
상기 대화 템플릿으로부터, 상기 복수의 대화 패턴 중에서 상기 대화 이력을 포함하는 하나 이상의 대화 패턴을 결정하는 단계; 및
상기 결정된 하나 이상의 대화 패턴의 각 대응하는 상기 목표의 상기 달성 성공 횟수 및 상기 달성 실패 횟수에 기초하여, 상기 특정 시점에서의 상기 소정 대화 세션을 위한 상기 목표 달성 예측 확률을 결정하는 단계
를 포함하고,
상기 대화 템플릿을 생성하는 단계는,
상기 복수의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이에서 종료된 복수의 대화 세션으로부터 복수의 대화 기록을 수집하는 단계- 상기 복수의 대화 기록 각각은 상기 목표와 연관된 일련의 자연어 입력 및 응답들을 포함하고, 상기 목표의 달성 성공 또는 달성 실패의 결과를 가짐 -;
상기 각 대화 기록마다, 상기 각 대화 기록의 상기 자연어 입력 및 응답들 각각을 자연어 이해 처리함으로써, 상기 대화 기록에 대응하는 인텐트들의 순차적 흐름을 생성하는 단계;
상기 복수의 대화 기록 각각에 대응하여 생성된 상기 인텐트들의 순차적 흐름 각각을, 상기 복수의 대화 패턴 중 하나로 분류하는 단계- 상기 분류에 의해, 상기 대화 패턴 각각은, 해당 대화 패턴으로 분류된 상기 각 대화 기록의 상기 목표의 달성 성공 또는 달성 실패의 결과에 따라, 상기 대화 패턴에 대응하는 상기 목표의 달성 성공 횟수 및 달성 실패 횟수를 가지게 됨 -; 및
상기 복수의 대화 기록을 상기 복수의 대화 패턴 중 하나로 분류한 결과에 기초하여, 상기 대화 템플릿을 생성하는 단계를 포함하는,
목표 달성 예측 확률 결정 방법.
A conversation comprehension AI service server configured to process a natural language conversation of each conversation session for each of a plurality of user terminals, the conversation comprehension AI service server being associated with a predetermined target, A predetermined conversation session between the user terminal of one of the plurality of user terminals and the conversation comprehension AI service server is established on the completion of the conversation session, As a method for determining a target achievement prediction probability for achieving the target,
Creating a dialog template, the dialog template including a plurality of dialog patterns that can occur on any dialog session between any user terminal of the plurality of user terminals and the conversation comprehension AI service server, Has a number of successes and failures to achieve the corresponding goal;
From the series of natural language inputs and responses from the one user terminal and the conversation comprehension AI service server that occurred up to the specified point on the predetermined conversation session at the particular point in time, Corresponding to a sequential flow of intents obtained by natural language understanding of each of the inputs and responses;
Determining from the conversation template one or more conversation patterns that include the conversation history among the plurality of conversation patterns; And
Determining the goal achievement prediction probability for the predetermined chat session at the specific time point based on the achievement success count and the achievement failure count of each corresponding goal of the determined one or more chat patterns
Lt; / RTI >
Wherein the step of generating the dialog template comprises:
Collecting a plurality of conversation records from a plurality of conversation sessions terminated between the plurality of user terminals and the conversation comprehension AI service server, each of the plurality of conversation records including a set of natural language inputs and responses associated with the target , A result of success or failure of achieving said goal;
Generating a sequential flow of intents corresponding to the conversation record by processing natural language input and responses of each conversation record for each of the conversation records;
Classifying each of the sequential flows of the intents generated corresponding to each of the plurality of conversation records into one of the plurality of conversation patterns, wherein each of the conversation patterns is classified into one of the plurality of conversation patterns, Having the number of successes and failures of the achievement of the target corresponding to the conversation pattern according to the success or failure of the achievement of the goal in the conversation record; And
And generating the conversation template based on a result of classifying the plurality of conversation records into one of the plurality of conversation patterns.
How to determine the target achievement probability.
제1항에 있어서,
상기 특정 시점의 상기 목표 달성 예측 확률은, 상기 결정된 하나 이상의 대화 패턴의 각 대응하는 상기 달성 성공 횟수 및 상기 달성 실패 횟수의 총 합에 대한 상기 달성 성공 횟수의 총 합의 비율에 대응하는, 목표 달성 예측 확률 결정 방법.
The method according to claim 1,
Wherein the target achievement prediction probability at the specific time point corresponds to a ratio of a total sum of the achievement success times to the total sum of the corresponding achievement success times and the achievement failure times of the determined one or more conversation patterns, Probability method.
제1항에 있어서,
상기 대화 템플릿은, 상기 복수의 대화 패턴 각각마다, 상기 각 대화 패턴의 상기 달성 성공 횟수 및 상기 달성 실패 횟수에 기초하여 결정된 성공률을 가지는, 목표 달성 예측 확률 결정 방법.
The method according to claim 1,
Wherein the dialog template has a success rate determined based on the achievement success count and the achievement failure count of each conversation pattern for each of the plurality of conversation patterns.
제1항에 있어서,
상기 목표는, 소정의 제품 및/또는 서비스 판매, 회원 가입, 및 구독 신청 중 적어도 하나와 연관되는, 목표 달성 예측 확률 결정 방법.
The method according to claim 1,
Wherein the target is associated with at least one of a predetermined product and / or service sale, a subscription, and a subscription.
복수의 사용자 단말 각각을 위한 각 대화 세션의 자연어 대화를 처리하도록 구성된 대화 이해 AI 서비스 서버- 상기 대화 이해 AI 서비스 서버는 소정의 목표와 연관되고, 상기 복수의 사용자 단말 각각과 상기 대화 이해 AI 서비스 서버 사이의 상기 각 대화 세션이 종료될 때 해당 대화 세션의 상기 목표의 달성 성공 또는 달성 실패가 정해짐 - 상에서, 상기 복수의 사용자 단말 중 하나의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이의 소정 대화 세션의 종료 전 진행 중 특정 시점에, 상기 목표의 달성 성공을 위한 최적의 대화 패턴을 결정하는 방법으로서,
대화 템플릿을 생성하는 단계- 상기 대화 템플릿은, 상기 복수의 사용자 단말 중 임의의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이의 임의의 대화 세션 상에서 발생 가능한 복수의 대화 패턴을 포함하고, 상기 각 대화 패턴은 대응하는 상기 목표의 달성 성공 횟수 및 달성 실패 횟수를 가짐 -;
상기 특정 시점에, 상기 소정 대화 세션 상에서 상기 특정 시점까지 발생한, 상기 하나의 사용자 단말 및 상기 대화 이해 AI 서비스 서버로부터의 일련의 자연어 입력 및 응답들로부터, 대화 이력- 상기 대화 이력은 상기 일련의 자연어 입력 및 응답들 각각을 자연어 이해 처리함으로써 획득된 인텐트들의 순차적 흐름에 대응함 -을 결정하는 단계;
상기 대화 템플릿으로부터, 상기 대화 패턴들 중에서 상기 대화 이력을 포함하는 하나 이상의 대화 패턴을 결정하는 단계; 및
상기 결정된 하나 이상의 대화 패턴 각각에 대해, 상기 각 대화 패턴의 상기 달성 성공 횟수 및 상기 달성 실패 횟수에 기초하여 정해지는 목표 달성 확률을 판정하는 단계; 및
상기 결정된 하나 이상의 대화 패턴 중 가장 높은 목표 달성 확률을 갖는 대화 패턴을, 최적의 대화 패턴으로 결정하는 단계
를 포함하고,
상기 대화 템플릿을 생성하는 단계는,
상기 복수의 사용자 단말과 상기 대화 이해 AI 서비스 서버 사이에서 종료된 복수의 대화 세션으로부터 복수의 대화 기록을 수집하는 단계- 상기 복수의 대화 기록 각각은 상기 목표와 연관된 일련의 자연어 입력 및 응답들을 포함하고, 상기 목표의 달성 성공 또는 달성 실패의 결과를 가짐 -;
상기 각 대화 기록마다, 상기 각 대화 기록의 상기 자연어 입력 및 응답들 각각을 자연어 이해 처리함으로써, 상기 대화 기록에 대응하는 인텐트들의 순차적 흐름을 생성하는 단계;
상기 복수의 대화 기록 각각에 대응하여 생성된 상기 인텐트들의 순차적 흐름 각각을, 상기 복수의 대화 패턴 중 하나로 분류하는 단계- 상기 분류에 의해, 상기 대화 패턴 각각은, 해당 대화 패턴으로 분류된 상기 각 대화 기록의 상기 목표의 달성 성공 또는 달성 실패의 결과에 따라, 상기 대화 패턴에 대응하는 상기 목표의 달성 성공 횟수 및 달성 실패 횟수를 가지게 됨 -; 및
상기 복수의 대화 기록을 상기 복수의 대화 패턴 중 하나로 분류한 결과에 기초하여, 상기 대화 템플릿을 생성하는 단계를 포함하는,
최적의 대화 패턴 결정 방법.
A conversation comprehension AI service server configured to process a natural language conversation of each conversation session for each of a plurality of user terminals, the conversation comprehension AI service server being associated with a predetermined target, A predetermined conversation session between the user terminal of one of the plurality of user terminals and the conversation comprehension AI service server is established on the completion of the conversation session, A method for determining an optimal conversation pattern for a successful completion of a goal at a particular point in time,
Creating a dialog template, the dialog template including a plurality of dialog patterns that can occur on any dialog session between any user terminal of the plurality of user terminals and the conversation comprehension AI service server, Has a number of successes and failures to achieve the corresponding goal;
From the series of natural language inputs and responses from the one user terminal and the conversation comprehension AI service server that occurred up to the specified point on the predetermined conversation session at the particular point in time, Corresponding to a sequential flow of intents obtained by natural language understanding of each of the inputs and responses;
Determining from the conversation template one or more conversation patterns that include the conversation history among the conversation patterns; And
Determining, for each of the determined one or more conversation patterns, a goal achievement probability that is determined based on the achievement success count and the achievement failure count of each conversation pattern; And
Determining an optimal dialog pattern having the highest goal achievement probability among the determined one or more dialog patterns as an optimal dialog pattern,
Lt; / RTI >
Wherein the step of generating the dialog template comprises:
Collecting a plurality of conversation records from a plurality of conversation sessions terminated between the plurality of user terminals and the conversation comprehension AI service server, each of the plurality of conversation records including a series of natural language inputs and responses associated with the target , A result of success or failure of achieving said goal;
Generating a sequential flow of intents corresponding to the conversation record by processing natural language input and responses of each conversation record for each of the conversation records;
Classifying each of the sequential flows of the intents generated corresponding to each of the plurality of conversation records into one of the plurality of conversation patterns, wherein each of the conversation patterns is classified into one of the plurality of conversation patterns, Having the number of successes and failures of the achievement of the target corresponding to the conversation pattern according to the success or failure of the achievement of the goal in the conversation record; And
And generating the conversation template based on a result of classifying the plurality of conversation records into one of the plurality of conversation patterns.
How to determine optimal conversation pattern.
제5항에 있어서,
상기 결정된 최적의 대화 패턴으로부터 상기 소정 대화 세션 상에서의 다음 대화 응답을 선택하는 단계를 더 포함하는, 최적의 대화 패턴 결정 방법.
6. The method of claim 5,
And selecting a next conversation response on the predetermined conversation session from the determined optimal conversation pattern.
제6항에 있어서,
상기 대화 이해 AI 서비스 서버는, 소정의 디스플레이 장치를 포함하고, 상기 디스플레이 장치를 통하여 상기 결정된 상기 최적의 대화 패턴 또는 상기 최적의 대화 패턴 상에서 선택된 상기 다음 대화 응답이 제시되는, 최적의 대화 패턴 결정 방법.
The method according to claim 6,
Wherein the conversation understanding AI service server includes a predetermined display device and presents the next dialog response selected on the determined optimal dialog pattern or the optimal dialog pattern through the display device .
제5항에 있어서,
상기 목표는, 소정의 제품 및/또는 서비스 판매, 회원 가입, 및 구독 신청 중 적어도 하나와 연관되는, 최적의 대화 패턴 결정 방법.
6. The method of claim 5,
Wherein the goal is associated with at least one of a predetermined product and / or service sale, membership, and subscription.
삭제delete 하나 이상의 명령어가 수록된 컴퓨터 판독가능 기록매체로서, 상기 하나 이상의 명령어는 컴퓨터에 의해 실행되는 경우, 상기 컴퓨터로 하여금 제1항 내지 제8항 중 어느 한 항의 방법을 수행하도록 하는, 컴퓨터 판독가능 기록 매체.A computer-readable medium having stored thereon one or more instructions for causing a computer to perform the method of any one of claims 1 to 8 when executed by a computer, .
KR1020180009678A 2018-01-26 2018-01-26 Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium KR101945983B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180009678A KR101945983B1 (en) 2018-01-26 2018-01-26 Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180009678A KR101945983B1 (en) 2018-01-26 2018-01-26 Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium
PCT/KR2019/001015 WO2019147039A1 (en) 2018-01-26 2019-01-24 Method for determining optimal conversation pattern for goal achievement at particular time point during conversation session associated with conversation understanding ai service system, method for determining goal achievement prediction probability, and computer-readable recording medium

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190011892A Division KR20190091224A (en) 2019-01-30 2019-01-30 Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium

Publications (1)

Publication Number Publication Date
KR101945983B1 true KR101945983B1 (en) 2019-02-11

Family

ID=65369574

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180009678A KR101945983B1 (en) 2018-01-26 2018-01-26 Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium

Country Status (2)

Country Link
KR (1) KR101945983B1 (en)
WO (1) WO2019147039A1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110532366A (en) * 2019-09-03 2019-12-03 出门问问(武汉)信息科技有限公司 A kind of pattern rule management method, language generation method, apparatus and storage equipment

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015125198A (en) * 2013-12-25 2015-07-06 Kddi株式会社 Interactive program, server and method for controlling inserting action of dynamic interactive node to interactive scenario

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110072847A (en) * 2009-12-23 2011-06-29 삼성전자주식회사 Dialog management system or method for processing information seeking dialog
KR101709187B1 (en) * 2012-11-14 2017-02-23 한국전자통신연구원 Spoken Dialog Management System Based on Dual Dialog Management using Hierarchical Dialog Task Library
CN105094315B (en) * 2015-06-25 2018-03-06 百度在线网络技术(北京)有限公司 The method and apparatus of human-machine intelligence's chat based on artificial intelligence
KR101677859B1 (en) * 2015-09-07 2016-11-18 포항공과대학교 산학협력단 Method for generating system response using knowledgy base and apparatus for performing the method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015125198A (en) * 2013-12-25 2015-07-06 Kddi株式会社 Interactive program, server and method for controlling inserting action of dynamic interactive node to interactive scenario

Also Published As

Publication number Publication date
WO2019147039A1 (en) 2019-08-01

Similar Documents

Publication Publication Date Title
KR101891492B1 (en) Method and computer device for providing contextual natural language conversation by modifying plain response, and computer readable recording medium
KR101891496B1 (en) Interactive ai agent system and method for actively monitoring and joining a dialogue session among users, computer readable recording medium
KR101949470B1 (en) Method, interactive ai agent system and computer readable recoding medium for providing user context-based authetication having enhanced security
KR101914583B1 (en) Interactive ai agent system and method for actively providing a security related service based on monitoring of a dialogue session among users via the dialogue session or a separate session, computer readable recording medium
KR101891498B1 (en) Method, computer device and computer readable recording medium for multi domain service resolving the mixture of multi-domain intents in interactive ai agent system
KR20190094087A (en) User terminal including a user customized learning model associated with interactive ai agent system based on machine learning, and computer readable recording medium having the customized learning model thereon
WO2019124647A1 (en) Method and computer apparatus for automatically building or updating hierarchical conversation flow management model for interactive ai agent system, and computer-readable recording medium
KR101945983B1 (en) Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium
KR102017544B1 (en) Interactive ai agent system and method for providing seamless chatting service among users using multiple messanger program, computer readable recording medium
KR102120751B1 (en) Method and computer readable recording medium for providing answers based on hybrid hierarchical conversation flow model with conversation management model using machine learning
KR101959292B1 (en) Method and computer device for providing improved speech recognition based on context, and computer readable recording medium
KR101970899B1 (en) Method and computer device for providing improved speech-to-text based on context, and computer readable recording medium
KR101927050B1 (en) User terminal and computer readable recorindg medium including a user adaptive learning model to be tranined with user customized data without accessing a server
KR101924215B1 (en) Method of generating a dialogue template for conversation understainding ai service system having a goal, and computer readable recording medium
KR20190103951A (en) Method, computer device and computer readable recording medium for building or updating knowledgebase models for interactive ai agent systen, by labeling identifiable but not-learnable data in training data set
KR101932264B1 (en) Method, interactive ai agent system and computer readable recoding medium for providing intent determination based on analysis of a plurality of same type entity information
KR101914582B1 (en) Method, interactive ai agent system and computer readable recoding medium for providing semantic-free user voiceprint authentication having enhanced security
KR101950387B1 (en) Method, computer device and computer readable recording medium for building or updating knowledgebase models for interactive ai agent systen, by labeling identifiable but not-learnable data in training data set
KR101932263B1 (en) Method, computer device and computer readable recording medium for providing natural language conversation by timely providing a substantive response
KR102120749B1 (en) Method and computer readable recording medium for storing bookmark information to provide bookmark search service based on keyword
KR20190091224A (en) Method for determining a best dialogue pattern for achieving a goal, method for determining an estimated probability of achieving a goal at a point of a dialogue session associated with a conversational ai service system, and computer readable recording medium
KR102120748B1 (en) Method and computer readable recording medium for providing bookmark search service stored with hierachical dialogue flow management model based on context
KR20190094082A (en) Method of generating a dialogue template for conversation understainding ai service system having a goal, and computer readable recording medium
KR101891489B1 (en) Method, computer device and computer readable recording medium for providing natural language conversation by timely providing a interjection response
KR101934583B1 (en) Method and computer readable recoding medium for visualizing knowledge base for interactive ai agent system

Legal Events

Date Code Title Description
A107 Divisional application of patent
GRNT Written decision to grant