KR101982991B1 - 복수의 챗봇을 이용한 질의 응답 방법 및 장치 - Google Patents

복수의 챗봇을 이용한 질의 응답 방법 및 장치 Download PDF

Info

Publication number
KR101982991B1
KR101982991B1 KR1020180172374A KR20180172374A KR101982991B1 KR 101982991 B1 KR101982991 B1 KR 101982991B1 KR 1020180172374 A KR1020180172374 A KR 1020180172374A KR 20180172374 A KR20180172374 A KR 20180172374A KR 101982991 B1 KR101982991 B1 KR 101982991B1
Authority
KR
South Korea
Prior art keywords
data
query
chatbot
determining
morpheme
Prior art date
Application number
KR1020180172374A
Other languages
English (en)
Inventor
이강희
김두현
박근영
Original Assignee
건국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 건국대학교 산학협력단 filed Critical 건국대학교 산학협력단
Priority to KR1020180172374A priority Critical patent/KR101982991B1/ko
Application granted granted Critical
Publication of KR101982991B1 publication Critical patent/KR101982991B1/ko
Priority to PCT/KR2019/007723 priority patent/WO2020138608A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
    • G06F17/2755—
    • G06K9/00402—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/32—Digital ink
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
    • G06K2209/01—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

복수의 챗봇(chat bot)들을 이용한 질의 응답 방법은 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하는 단계, 상기 질의 데이터에 포함된 형태소를 결정하는 단계, 상기 결정된 형태소 및 상기 복수의 챗봇들 각각에 대한 태깅 정보(tagging information)에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계, 상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하는 단계; 및 상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대응하는 응답을 수신하는 경우, 상기 수신한 응답을 상기 사용자의 사용자 단말에 전송하는 단계를 포함할 수 있다.

Description

복수의 챗봇을 이용한 질의 응답 방법 및 장치{METHOD AND APPARATUS FOR QUESTIONING AND ANSWERING USING A PLURALITY OF CHATBOTS}
아래 실시예들은 복수의 챗봇을 이용하여 질의 응답을 하는 기술에 관한 것이다.
인공지능(AI) 및 SNS(Social Network Service)의 발달로 기존 메신저를 통해 대화하듯이 정보를 획득할 수 있는 챗봇 서비스가 활발히 도입되고 있다.
챗봇은 사용자가 기존에 사용하던 메신저를 통해 채팅하듯이 질문을 입력하면, 인공지능이 질문 내용을 분석하여 적절한 해답을 주는 대화형 메신저이다. 최근 국내외 유수 기업들은 고객지원 서비스에 챗봇을 도입해 고객 응대에 필요한 인력을 줄임과 동시에 24시간 빠르게 응답을 처리하여 고객지원 서비스의 품질 향상을 도모하고 있다. 이러한 챗봇 서비스는 공공 정보 제공, 음식 주문, 지도 정보 등 다양한 영역에 사용될 수 있다.
한편, 챗봇은 각각의 제공되는 서비스에 따라 구별되어 생성되고, 각각의 챗봇은 해당 서비스와 관련된 질의에 대한 응답만을 제공할 수 있다. 챗봇의 보다 효율적인 활용을 위해 통합적으로 복수의 서비스에 대하여 응답을 제공하는 챗봇을 구현하는 것이 요구될 수 있다. 이러한 챗봇의 구현은 대용량의 저장 공간 및 네트워크 리소스가 요구되는 바, 실제적인 구현은 어려움이 뒤따를 수 있다.
일 실시예에 따른 복수의 챗봇(chat bot)들을 이용한 질의 응답 방법은 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하는 단계; 상기 질의 데이터에 포함된 형태소를 결정하는 단계; 및 상기 결정된 형태소 및 상기 복수의 챗봇들 각각에 대한 태깅 정보(tagging information)에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계; 상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하는 단계; 및 상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대응하는 응답을 수신하는 경우, 상기 수신한 응답을 상기 사용자의 사용자 단말에 전송하는 단계를 포함할 수 있다.
일 실시예에 따른 적어도 하나의 챗봇을 결정하는 단계는 상기 형태소의 품사를 결정하는 단계; 미리 결정된 조건에 기초하여 상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하는 단계; 및 상기 결정된 핵심 품사에 해당하는 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 적어도 하나의 챗봇을 결정하는 단계는 상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 벡터 데이터를 생성하는 단계; 및 상기 벡터 데이터 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 태깅 정보는 상기 복수의 챗봇 응답할 수 있는 단어들에 대한 정보에 기초하여 결정될 수 있다.
일 실시예에 따른 적어도 하나의 챗봇을 결정하는 단계는 상기 벡터 데이터에 포함된 각각의 형태소의 조합과 상기 단어들의 유사도를 산출하는 단계; 및 상기 유사도에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 결정된 적어도 하나의 챗봇은 활성화 상태를 유지하고, 상기 결정된 적어도 하나의 챗봇 이외의 나머지 챗봇은 비활성화 상태를 유지할 수 있다.
일 실시예에 따른 복수의 챗봇(chat bot)을 이용한 질의 응답 방법은 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하는 단계; 상기 질의 데이터가 텍스트 데이터인지 여부를 결정하는 단계; 상기 질의 데이터가 텍스트 데이터인 경우, 상기 질의 데이터에 포함된 형태소를 결정하는 단계; 상기 형태소의 조합에 기초하여 벡터 데이터를 결정하는 단계; 상기 벡터 데이터에 포함된 상기 형태소의 조합과 상기 복수의 챗봇들 각각에 대한 태깅 정보를 비교하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계; 상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하는 단계; 및 상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대한 응답을 수신하는 경우, 상기 응답을 상기 사용자의 사용자 단말에 전송하는 단계를 포함할 수 있다.
일 실시예에 따른 질의 응답 방법은 상기 질의 데이터가 이미지 데이터인 경우, 상기 질의 데이터로부터 문자를 검출하는 단계를 더 포함하고, 상기 형태소를 결정하는 단계는 상기 검출된 문자에 기초하여 상기 질의 데이터에 포함되는 형태소를 결정할 수 있다.
일 실시예에 따른 상기 문자를 검출하는 단계는 상기 이미지 데이터의 해상도 조정, 상기 이미지 데이터의 컬러를 회색조로 변경 및 상기 이미지 데이터의 이진화 중 적어도 하나를 수행하는 단계; 및 상기 수행 결과에 기초하여 상기 문자를 검출하는 단계를 포함할 수 있다. 챗봇을 이용한 질의 응답 방법.
일 실시예에 따른 상기 문자를 검출하는 단계는 상기 문자를 검출하는 단계는 광학 문자 인식(Optical Character Recognition)을 이용하여 상기 이미지 데이터에 포함된 문자를 검출하는 단계를 포함할 수 있다.
일 실시예에 따른 질의 응답 방법은 상기 질의 데이터가 오디오 데이터인 경우, 상기 질의 데이터를 텍스트 데이터로 변환하는 단계를 더 포함하고, 상기 형태소를 결정하는 단계는 상기 텍스트 데이터로 변환된 질의 데이터에 기초하여, 상기 질의 데이터에 포함되는 형태소를 결정할 수 있다.
일 실시예에 따른 벡터 데이터를 결정하는 단계는 상기 형태소의 품사를 결정하는 단계; 상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하는 단계; 상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 상기 벡터 데이터를 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 상기 적어도 하나의 챗봇을 결정하는 단계는 상기 벡터 데이터에 포함된 각각의 형태소의 조합과 상기 태깅 정보에 포함된 단어의 유사도를 산출하는 단계; 및 상기 유사도에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 복수의 챗봇(chat bot)을 이용한 질의 응답 장치는 메모리 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들(instructions)을 저장하고, 상기 프로세서는 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하고, 상기 질의 데이터에 포함된 형태소를 결정하고, 상기 결정된 형태소 및 상기 복수의 챗봇들 각각에 대한 태깅 정보에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하고, 상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하고, 상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대한 응답을 수신하는 경우, 상기 응답을 상기 사용자의 사용자 단말에 전송할 수 있다.
일 실시예에 따른 프로세서는 상기 형태소의 품사를 결정하고, 미리 결정된 조건에 기초하여 상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하고, 상기 결정된 핵심 품사에 해당하는 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정할 수 있다.
일 실시예에 따른 프로세서는 상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 벡터 데이터를 생성하고, 상기 벡터 데이터에 포함된 각각의 형태소의 조합과 태깅 정보에 포함된 단어들의 유사도를 산출하고, 상기 유사도에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정할 수 있다.
일 실시예에 따른 프로세서는 상기 질의 데이터가 이미지 데이터인 경우, 상기 질의 데이터로부터 문자를 검출하고, 상기 검출된 문자에 포함된 형태소를 결정하고, 상기 결정된 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정할 수 있다.
일 실시예에 따른 프로세서는 상기 질의 데이터가 오디오 데이터인 경우, 상기 질의 데이터를 텍스트 데이터로 변환하고, 상기 변환된 질의 데이터에 기초하여, 상기 질의 데이터에 포함되는 형태소를 결정하고, 상기 결정된 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정할 수 있다.
도 1은 일 실시예에 개인화된 콘텐츠 제공 시스템의 동작을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 질의 응답 시스템의 네트워크 구성도를 도시한 것이다.
도 3은 일 실시예에 따른 질의 응답 방법을 설명하기 위한 흐름도를 도시하는 도면이다.
도 4는 일 실시예에 따른 질의 응답 방법의 동작을 설명하기 위한 흐름도를 도시하는 도면이다.
도 5는 일 실시예에 따른 질의 응답 장치의 전체적인 구성을 도시하는 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 질의 응답 시스템의 동작을 설명하기 위한 도면이다.
챗봇은 사용자의 질의에 대한 질의 데이터를 분석하여 질의에 적합한 응답을 제공할 수 있다. 챗봇은 각각의 질의에 대응되는 응답을 데이터베이스에 저장하고, 사용자로부터 질의를 수신하는 경우, 데이터베이스에서 질의에 대응되는 응답을 검색하여 사용자에게 제공할 수 있다.
챗봇은 모든 질의에 대한 응답을 데이터베이스에 미리 저장해야 하기 때문에, 한정된 자원 내에서 챗봇은 응답을 제공할 수 있는 주제 별로 생성될 수 있다. 예를 들어, 챗봇 1(121)은 날씨와 관련된 질의에 대한 응답을 제공하는 챗봇일 수 있고, 챗봇 n(122)는 지도 관련 질의에 응답할 수 있는 챗봇일 수 있다.
각각의 챗봇(121, 122)은 대응되는 주제에 대한 질의에만 응답을 제공할 수 있으므로, 사용자가 각각의 챗봇(121, 122)에 문의할 수 있는 질의의 종류는 제한적일 수 있다. 즉, 날씨와 관련된 질의에 응답을 제공하는 챗봇 1(121)은 도서관의 주소를 문의하는 질의에는 적절한 응답을 제공할 수 없다.
각각의 챗봇(121, 122)이 다양한 주제의 질의에 대해 응답할 수 있도록 응답 가능한 주제를 확장하는 것은 큰 저장 공간을 요구될 수 있고, 질의를 분석하는 과정에 대해서도 과도한 리소스가 요구될 수 있다.
일 실시예에 따른 질의 응답 시스템은 사용자와 복수의 챗봇들(121, 122) 사이의 중개 역할을 하는 질의 응답 장치(110)를 통해, 각각의 챗봇(121, 122)의 응답 가능한 질의의 범위를 확장할 필요 없이, 사용자의 다양한 질의에 대한 응답을 제공할 수 있는 수단을 제공할 수 있다.
질의 응답 장치(110)는 사용자 질의의 내용에 따라 챗봇들(121, 122)를 중 적어도 하나의 챗봇을 선택하여 질의 데이터를 제공하고, 질의 데이터에 대한 응답을 사용자에게 제공할 수 있다. 예를 들어, 사용자가 오늘 날씨에 대한 질의 데이터를 질의 응답 장치(110)에 입력하는 경우, 질의 응답 장치(110)는 질의 데이터에 대한 분석을 통해, 질의 데이터를 날씨에 대한 응답을 제공하는 챗봇(121)에 제공할 수 있다. 또한, 사용자가 도서관의 주소에 대한 질의 제이터를 질의 응답 장치(110)에 입력하는 경우, 질의 응답 장치(110)는 질의 데이터에 기초하여 지도 관련 문의에 대한 응답을 제공하는 챗봇 n(122)에 질의 데이터를 제공할 수 있다.
질의 응답 장치(110)에 의해 선택된 챗봇은 활성화되어 질의 데이터에 대한 응답을 생성하는 동시에, 선택되지 않은 챗봇은 비활성화 상태를 유지할 수 있다. 이를 통해 질의에 대한 응답을 생성하는 과정에서 요구되는 리소스(전력, 네트워크 리소스 등)를 줄일 수 있다.
또한, 각각의 챗봇에 대하여 응답 가능한 질의의 범위를 확장하지 않으므로, 질의 응답 시스템은 각각의 챗봇에 대해 질의에 대한 응답을 추가적으로 저장하기 위한 추가 저장 공간을 요구하지 않는다.
질의 응답 장치가 복수의 챗봇을 이용하여 질의에 대한 응답을 제공하는 구체적인 방식은 이하 첨부되는 도면을 통해 보다 상세히 설명된다.
도 2는 일 실시예에 따른 질의 응답 시스템의 네트워크 구성도를 도시한 것이다.
도 2에서 도시된 바와 같이, 질의 응답 시스템은 질의 응답 장치(210) 및 복수의 사용자 단말(231, 232, 233, 234)과 인터넷 등의 통신망(220)을 통하여 연결된 구성일 수 있다. 질의 응답 장치(210)는 웹서버(Web Server) 또는 이에 상응하는 장치를 통해 구현될 수 있다. 질의 응답 장치(210)는 인터넷 등의 통신망을 통하여 사용자 단말(231, 232, 233, 234)로부터 질의 데이터를 수신하고, 질의 데이터를 분석하여 복수의 챗봇(240-1, 240-2, …240-n) 중 질의 데이터에 대응하는 응답을 제공할 수 있는 챗봇을 결정하고, 결정된 챗봇에 질의 데이터를 제공할 수 있다. 이 과정에서 질의 데이터를 제공받는 챗봇은 활성화될 수 있고, 나머지 챗봇은 비활성화 상태를 유지할 수 있다. 질의 응답 장치(210)는 질의 데이터를 제공한 챗봇으로부터 질의 데이터에 대한 응답을 수신하는 경우 응답을 사용자 단말(231, 232, 233, 234)에 제공할 수 있다.
사용자 단말(231, 232, 233, 234)은 통신 기능을 구비하여 통신망을 통하여 서버에 접속할 수 있는 단말기로서, 스마트폰, PC, 태블릿, 노트북 등 오늘날 일반 사용자들에게 널리 보급된 다양한 전자기기 중의 어느 하나일 수 있지만 이에 한정되지 않는 임의의 통신기기를 포함할 수 있다. 사용자 단말(231, 232, 233, 234)에는 클라이언트 프로그램(client program)이 설치되고, 상기 프로그램을 통하여 질의 응답 장치(210)에 접속될 수 있다.
도 3은 일 실시예에 따른 질의 응답 방법을 설명하기 위한 흐름도를 도시하는 도면이다.
일 실시예에 따르면, 질의 응답 장치는 단계(310)에서 내장된 통신 인터페이스를 통해 사용자 단말로부터 사용자의 질의에 대한 질의 데이터를 수신할 수 있다. 질의 데이터는 사용자가 사용자 단말을 통해 사용자 입력을 통해 생성되는 텍스트 형태의 데이터일 수 있고, 사용자의 질의 내용을 포함할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(320)에서 질의 데이터에 포함된 형태소를 결정할 수 있다. 질의 응답 장치는 형태소 분석 알고리즘을 통해 질의 데이터에 포함된 형태소를 결정할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(330)에서 결정된 형태소 및 복수의 챗봇들 각각에 대한 태깅 정보에 기초하여 질의 데이터를 제공할 적어도 하나의 챗봇을 결정할 수 있다.
질의 응답 장치는 질의 데이터에 포함된 형태소들의 품사를 결정하고, 미리 결정된 조건에 기초하여 형태소들 중 핵심 품사에 해당하는 형태소를 결정할 수 있다. 예를 들어, 핵심 품사는 질의 데이터에 대응되는 질의의 의미를 결정하는 데에 핵심적인 품사로 동사, 명사 등으로 결정될 수 있으나, 핵심 품사를 결정하는 방식은 이에 한정되지 않고 구현에 따라 상이할 수 있다.
질의 응답 장치는 핵심 품사에 해당하는 형태소의 조합들에 기초하여 질의 데이터에 대응하는 벡터 데이터를 생성할 수 있다. 예를 들어, 핵심 품사가 3개로 결정되는 경우, 벡터 데이터는 핵심 품사의 조합인 6가지의 조합을 포함하는 데이터로 생성될 수 있다.
질의 응답 장치는 생성된 벡터 데이터 및 복수의 챗봇 각각에 대한 태깅 정보(tagging information)에 기초하여 복수의 챗봇 중 질의 데이터를 전송할 적어도 하나의 챗봇을 결정할 수 있다.
태깅 정보는 각각의 챗봇을 식별하는 정보로써, 각각의 챗봇에 대응하여 생성될 수 있다. 태깅 정보는 대응되는 챗봇이 응답을 제공할 수 있는 단어들에 대한 정보에 기초하여 생성될 수 있다. 예를 들어, 날씨에 대한 질의에 응답을 제공하는 챗봇의 태깅 정보는 기온, 강수량, 일조량의 단어 등을 포함할 수 있고, 지도에 대한 질의에 응답을 제공하는 챗봇의 태깅 정보는 주소, 소요 시간 등의 단어를 포함할 수 있다.
질의 응답 장치는 질의 데이터에 대응되는 벡터 데이터에 포함되는 각각의 형태소의 조합과 챗봇의 태깅 정보에 포함된 각각의 단어의 유사도를 산출하고, 산출된 유사도에 기초하여 복수의 챗봇들 중 질의 데이터를 제공할 챗봇을 결정할 수 있다. 예를 들어, 질의 응답 장치는 질의 데이터에 대한 벡터 데이터에 6개의 형태소 조합이 포함된 경우, 6개의 형태소 조합을 각각의 챗봇들의 태깅 정보에 포함된 단어들과 유사도를 산출하고, 산출된 유사도에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정할 수 있다. 유사도에 기초하여 챗봇을 결정하는 방식은 벡터 데이터에 포함된 각각의 형태소 조합과 태깅 정보 사이에 산출된 각각의 유사도에 기초하여 각각의 챗봇 별 스코어를 산출하고, 산출된 스코어가 가장 높은 챗봇이 질의 데이터를 전송할 챗봇으로 결정하는 것일 수 있다. 유사도에 기초하여 챗봇을 산출하는 방식은 이에 한정되지 않고, 유사도를 통해 챗봇을 결정하는 임의의 변형된 방식을 포함할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(340)에서 결정된 적어도 하나의 챗봇에 질의 데이터를 전송할 수 있다.
질의 응답 장치와 연동된 복수의 챗봇들 중 질의 데이터를 제공받는 챗봇은 질의 데이터에 대한 응답을 제공하기 위하여 활성화 상태를 유지할 수 있고, 나머지 챗봇은 비활성화 상태를 유지할 수 있다. 활성화 상태를 유지한다는 것의 의미는 챗봇의 동작을 위해 정상적인 전력 공급이 이루어지고, 정상적인 수준의 네트워크 리소스가 제공되는 상태를 의미할 수 있고, 비활성화 상태는 저전력 모드 등과 같이 전력 공급이 제한되고, 네트워크 리소스는 정상 동작 상태보다 적게 제공되는 상태를 의미할 수 있다. 질의 응답 시스템은 설명된 챗봇의 선택적 활성화를 통해 보다 적은 자원을 통해 질의 응답 서비스를 사용자에게 제공할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(350)에서 챗봇으로부터 질의 데이터에 대한 응답을 수신하는 경우, 수신한 응답을 사용자 단말에 전송할 수 있다.
도 4는 일 실시예에 따른 질의 응답 방법의 동작을 설명하기 위한 흐름도를 도시하는 도면이다.
일 실시예에 따르면, 질의 응답 장치는 단계(410)에서 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신할 수 있다.
질의 응답 장치는 단계(420)에서 수신한 질의 데이터가 텍스트 데이터인지 여부를 결정할 수 있다. 질의 데이터가 텍스트 데이터에 해당하는 경우, 질의 응답 장치는 단계(440)에서 질의 데이터에 포함된 형태소를 결정할 수 있다.
단계(420)에서 질의 데이터가 텍스트 데이터가 아닌 것으로 결정된 경우, 질의 응답 장치는 단계(430)를 통해 질의 데이터에 대한 추가 프로세싱을 수행할 수 있다.
질의 응답 장치는 질의 데이터가 이미지 데이터에 해당하는 경우, 질의 데이터로부터 문자를 검출할 수 있다. 질의 응답 장치는 이미지 데이터 형태의 질의 데이터로부터 문자를 검출하기 위하여 질의 데이터에 대해 전처리를 수행하고, 전처리가 수행된 질의 데이터로부터 문자를 검출할 수 있다. 질의 응답 장치는 질의 데이터의 해상도를 조정하고, 질의 데이터의 컬러를 회색조로 변경하여 질의 데이터의 이진화를 통해 질의 데이터에 대한 전처리를 수행할 수 있다. 질의 응답 장치는 전처리가 수행된 질의 데이터에서 문자를 검출할 수 있다. 구체적으로, 질의 응답 장치는 질의 데이터에 포함된 문자를 기계가 읽을 수 있는 문자로 변환하는 광학 문자 인식(Optical Character Recognition) 기능을 활용하여 전처리가 수행된 질의 데이터에서 문자를 검출할 수 있다.
질의 응답 장치는 검출된 문자에 기초하여 단계(440)를 통해 질의 데이터에 포함되는 형태소를 결정할 수 있다.
질의 응답 장치는 질의 데이터가 오디오 데이터에 해당하는 경우, 질의 데이터를 텍스트 데이터로 변환하고, 텍스트 데이터로 변환된 질의 데이터에 기초하여 단계(440)를 통해 질의 데이터에 포함되는 형태소를 결정할 수 있다.
단계(440)를 통해 질의 데이터에 포함된 형태소가 결정되는 경우, 질의 응답 장치는 단계(460)를 통해 질의 데이터에 벡터 데이터를 생성할 수 있다. 구체적으로, 질의 응답 장치는 결정된 형태소의 품사를 결정하고, 미리 결정된 조건에 기초하여 형태소 중 핵심 품사에 해당하는 형태소들을 결정할 수 있다. 질의 응답 장치는 핵심 품사에 해당하는 형태소들의 조합에 기초하여 벡터 데이터를 생성할 수 있다. 핵심 품사에 해당하는 형태소에 기초하여 벡터 데이터를 생성하는 구체적인 방식은 도 3의 단계(330)을 통해 설명한 방식과 동일하다.
질의 응답 장치는 단계(470)을 통해 생성된 벡터 데이터에 기초하여 복수의 챗봇들 중 질의 데이터를 전송할 챗봇을 결정할 수 있다. 구체적으로, 질의 응답 장치는 벡터 데이터에 포함된 각각의 형태소의 조합과 복수의 챗봇 각각에 대한 태깅 정보에 포함된 단어의 유사도를 산출하고, 산출된 유사도에 기초하여 복수의 챗봇들 중 질의 데이터를 전송할 적어도 하나의 챗봇을 결정할 수 있다. 산출된 유사도에 기초하여 챗봇을 결정하는 구체적인 방식은 도 3의 단계(330)에서 설명된 내용과 동일하다.
질의 데이터를 제공 받는 것으로 결정된 챗봇은 활성화 상태를 유지할 수 있고, 그 이외의 나머지 챗봇들은 비활성화 상태를 유지할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(480)를 통해 결정된 챗봇에 질의 데이터를 전송할 수 있다.
일 실시예에 따르면, 질의 응답 장치는 단계(490)을 통해 질의 데이터를 제공한 챗봇으로부터 질의 데이터에 대한 응답을 수신하는 경우, 수신한 응답을 사용자 단말에 제공할 수 있다.
도 5는 일 실시예에 따른 질의 응답 장치의 전체적인 구성을 도시하는 도면이다.
도 5를 참조하면, 질의 응답 장치(500)는 프로세서(510), 메모리(520) 및 통신 인터페이스(530)를 포함할 수 있다. 실시예에 따라, 질의 응답 장치(500)는 데이터베이스(540)를 더 포함할 수도 있다. 질의 응답 장치(500)는 도 2의 질의 응답 장치(210)에 대응될 수 있다.
메모리(520)는 프로세서(510)에 연결되고, 프로세서(510)에 의해 실행가능한 인스트럭션들, 프로세서(510)가 연산할 데이터 또는 프로세서(510)에 의해 처리된 데이터를 저장할 수 있다. 메모리(520)는 비일시적인 컴퓨터 판독가능 매체, 예컨대 고속 랜덤 액세스 메모리 및/또는 비휘발성 컴퓨터 판독가능 저장 매체(예컨대, 하나 이상의 디스크 저장 장치, 플래쉬 메모리 장치, 또는 기타 비휘발성 솔리드 스테이트 메모리 장치)를 포함할 수 있다.
통신 인터페이스(530)는 외부 장치(예를 들어, 사용자 단말)와 통신하기 위한 인터페이스를 제공한다. 통신 인터페이스(530)는 유선 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다.
데이터베이스(540)는 질의 응답 장치(500)가 동작하는데 필요한 정보 및 데이터를 저장할 수 있다. 예를 들어, 데이터베이스(540)는 각각의 챗봇에 대한 태깅 정보, 복수의 형태소 중 핵심 품사에 해당하는 형태소를 결정하기 위한 정보 등을 저장할 수 있다.
프로세서(510)는 질의 응답 장치(500) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행하고, 질의 응답 장치(500)의 전체적인 동작을 제어한다. 프로세서(510)는 통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하고, 질의 데이터에 포함된 형태소를 결정하고, 결정된 형태소 및 복수의 챗봇들 각각에 대한 태깅 정보에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 질의 데이터를 전송할 챗봇으로 결정하고, 결정된 적어도 하나의 챗봇에 질의 데이터를 전송할 수 있다. 또한, 프로세서(510)은 결정된 적어도 하나의 챗봇으로부터 질의 데이터에 대한 응답을 수신하는 경우, 수신한 응답을 사용자의 사용자 단말에 전송할 수 있다.
프로세서(510)는 도 1 내지 도 4에서 설명된 질의 응답 방법에서 질의 응답 장치와 관련된 하나 이상의 동작을 수행할 수 있다.
일 실시예에 따르면, 프로세서(510)는 결정된 형태소의 품사를 결정하고, 미리 결정된 조건에 기초하여 형태소 중 핵심 품사에 해당하는 형태소를 결정하고, 결정된 핵심 품사에 해당하는 형태소 및 태깅 정보에 기초하여 복수의 챗봇들 중 질의 데이터를 전송할 적어도 하나의 챗봇을 결정할 수 있다.
또한, 프로세서(510)는 핵심 품사에 해당하는 형태소의 조합에 기초하여 벡터 데이터를 생성하고, 벡터 데이터에 포함된 각각의 형태소의 조합과 태깅 정보에 포함된 단어들의 유사도를 산출하고, 유사도에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정할 수 있다.
프로세서(510)는 질의 데이터가 이미지 데이터인 경우, 질의 데이터로부터 문자를 검출하고, 검출된 문자에 포함된 형태소를 결정하고, 결정된 형태소 및 태깅 정보에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 질의 데이터를 전송할 챗봇으로 결정할 수 있다.
프로세서(510)는 질의 데이터가 오디오 데이터인 경우 질의 데이터를 텍스트 데이터로 변환하고, 변환된 질의 데이터에 기초하여, 질의 데이터에 포함되는 형태소를 결정하고, 결정된 형태소 및 태깅 정보에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 질의 데이터를 전송할 챗봇으로 결정할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
[1]

Claims (19)

  1. 복수의 챗봇(chat bot)들을 이용한 질의 응답 방법에 있어서,
    통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하는 단계;
    상기 질의 데이터에 포함된 형태소를 결정하는 단계;
    상기 결정된 형태소 및 상기 복수의 챗봇들 각각에 대한 태깅 정보(tagging information)에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계;
    상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하는 단계; 및
    상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대응하는 응답을 수신하는 경우, 상기 수신한 응답을 상기 사용자의 사용자 단말에 전송하는 단계
    를 포함하는, 질의 응답 방법.
  2. 제1항에 있어서,
    상기 적어도 하나의 챗봇을 결정하는 단계는,
    상기 형태소의 품사를 결정하는 단계;
    미리 결정된 조건에 기초하여 상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하는 단계; 및
    상기 결정된 핵심 품사에 해당하는 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계
    를 포함하는, 질의 응답 방법.
  3. 제2항에 있어서,
    상기 적어도 하나의 챗봇을 결정하는 단계는,
    상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 벡터 데이터를 생성하는 단계; 및
    상기 벡터 데이터 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계
    를 포함하는, 질의 응답 방법.
  4. 제3항에 있어서,
    상기 태깅 정보는,
    상기 복수의 챗봇 응답할 수 있는 단어들에 대한 정보에 기초하여 결정되는, 질의 응답 방법.
  5. 제4항에 있어서,
    상기 적어도 하나의 챗봇을 결정하는 단계는,
    상기 벡터 데이터에 포함된 각각의 형태소의 조합과 상기 단어들의 유사도를 산출하는 단계; 및
    상기 유사도에 기초하여 상기 복수의 챗봇 중 적어도 하나의 챗봇을 결정하는 단계
    를 포함하는, 질의 응답 방법.
  6. 제1항에 있어서,
    상기 결정된 적어도 하나의 챗봇은 활성화 상태를 유지하고,
    상기 결정된 적어도 하나의 챗봇 이외의 나머지 챗봇은 비활성화 상태를 유지하는, 질의 응답 방법.
  7. 복수의 챗봇(chat bot)을 이용한 질의 응답 방법에 있어서,
    통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하는 단계;
    상기 질의 데이터가 텍스트 데이터인지 여부를 결정하는 단계;
    상기 질의 데이터가 텍스트 데이터인 경우, 상기 질의 데이터에 포함된 형태소를 결정하는 단계;
    상기 형태소의 조합에 기초하여 벡터 데이터를 결정하는 단계;
    상기 벡터 데이터에 포함된 상기 형태소의 조합과 상기 복수의 챗봇들 각각에 대한 태깅 정보를 비교하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계;
    상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하는 단계; 및
    상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대한 응답을 수신하는 경우, 상기 응답을 상기 사용자의 사용자 단말에 전송하는 단계
    를 포함하는, 질의 응답 방법.
  8. 제7항에 있어서,
    상기 질의 데이터가 이미지 데이터인 경우,
    상기 질의 데이터로부터 문자를 검출하는 단계
    를 더 포함하고,
    상기 형태소를 결정하는 단계는,
    상기 검출된 문자에 기초하여 상기 질의 데이터에 포함되는 형태소를 결정하는, 질의 응답 방법.
  9. 제8항에 있어서,
    상기 문자를 검출하는 단계는,
    상기 이미지 데이터의 해상도 조정, 상기 이미지 데이터의 컬러를 회색조로 변경 및 상기 이미지 데이터의 이진화 중 적어도 하나를 수행하는 단계; 및
    상기 수행 결과에 기초하여 상기 문자를 검출하는 단계
    를 포함하는, 질의 응답 방법.
  10. 제8항에 있어서,
    상기 문자를 검출하는 단계는,
    광학 문자 인식(Optical Character Recognition)을 이용하여 상기 이미지 데이터에 포함된 문자를 검출하는 단계
    를 포함하는, 질의 응답 방법.
  11. 제7항에 있어서,
    상기 질의 데이터가 오디오 데이터인 경우,
    상기 질의 데이터를 텍스트 데이터로 변환하는 단계
    를 더 포함하고,
    상기 형태소를 결정하는 단계는,
    상기 텍스트 데이터로 변환된 질의 데이터에 기초하여, 상기 질의 데이터에 포함되는 형태소를 결정하는, 질의 응답 방법.
  12. 제7항에 있어서,
    상기 벡터 데이터를 결정하는 단계는,
    상기 형태소의 품사를 결정하는 단계;
    상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하는 단계;
    상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 상기 벡터 데이터를 결정하는 단계
    를 포함하는, 질의 응답 방법.
  13. 제12항에 있어서,
    상기 적어도 하나의 챗봇을 결정하는 단계는,
    상기 벡터 데이터에 포함된 각각의 형태소의 조합과 상기 태깅 정보에 포함된 단어의 유사도를 산출하는 단계; 및
    상기 유사도에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는 단계
    를 포함하는, 질의 응답 방법.
  14. 제1항 내지 제13항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  15. 복수의 챗봇(chat bot)을 이용한 질의 응답 장치에 있어서,
    메모리 및 프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 인스트럭션들(instructions)을 저장하고,
    상기 프로세서는,
    통신 인터페이스를 통해 사용자의 질의에 대한 질의 데이터를 수신하고,
    상기 질의 데이터에 포함된 형태소를 결정하고,
    상기 결정된 형태소 및 상기 복수의 챗봇들 각각에 대한 태깅 정보에 기초하여 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하고,
    상기 결정된 적어도 하나의 챗봇에 상기 질의 데이터를 전송하고,
    상기 결정된 적어도 하나의 챗봇으로부터 상기 질의 데이터에 대한 응답을 수신하는 경우, 상기 응답을 상기 사용자의 사용자 단말에 전송하는, 질의 응답 장치.
  16. 제15항에 있어서,
    상기 프로세서는,
    상기 형태소의 품사를 결정하고,
    미리 결정된 조건에 기초하여 상기 형태소 중 핵심 품사에 해당하는 형태소를 결정하고,
    상기 결정된 핵심 품사에 해당하는 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는, 질의 응답 장치.
  17. 제16항에 있어서,
    상기 프로세서는,
    상기 핵심 품사에 해당하는 형태소의 조합에 기초하여 벡터 데이터를 생성하고,
    상기 벡터 데이터에 포함된 각각의 형태소의 조합과 태깅 정보에 포함된 단어들의 유사도를 산출하고,
    상기 유사도에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는, 질의 응답 장치.
  18. 제15항에 있어서,
    상기 프로세서는,
    상기 질의 데이터가 이미지 데이터인 경우,
    상기 질의 데이터로부터 문자를 검출하고,
    상기 검출된 문자에 포함된 형태소를 결정하고,
    상기 결정된 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는, 질의 응답 장치.
  19. 제15항에 있어서,
    상기 프로세서는,
    상기 질의 데이터가 오디오 데이터인 경우,
    상기 질의 데이터를 텍스트 데이터로 변환하고,
    상기 변환된 질의 데이터에 기초하여, 상기 질의 데이터에 포함되는 형태소를 결정하고,
    상기 결정된 형태소 및 상기 태깅 정보에 기초하여 상기 복수의 챗봇들 중 적어도 하나의 챗봇을 결정하는, 질의 응답 장치.

KR1020180172374A 2018-12-28 2018-12-28 복수의 챗봇을 이용한 질의 응답 방법 및 장치 KR101982991B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180172374A KR101982991B1 (ko) 2018-12-28 2018-12-28 복수의 챗봇을 이용한 질의 응답 방법 및 장치
PCT/KR2019/007723 WO2020138608A1 (ko) 2018-12-28 2019-06-26 복수의 챗봇을 이용한 질의 응답 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180172374A KR101982991B1 (ko) 2018-12-28 2018-12-28 복수의 챗봇을 이용한 질의 응답 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101982991B1 true KR101982991B1 (ko) 2019-05-27

Family

ID=66679161

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180172374A KR101982991B1 (ko) 2018-12-28 2018-12-28 복수의 챗봇을 이용한 질의 응답 방법 및 장치

Country Status (2)

Country Link
KR (1) KR101982991B1 (ko)
WO (1) WO2020138608A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220083332A (ko) * 2020-12-11 2022-06-20 주식회사 워크앤조이 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법
KR20230049822A (ko) * 2021-10-06 2023-04-14 단국대학교 산학협력단 감성 사전을 자동으로 구축하는 방법 및 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101811751B1 (ko) * 2017-05-18 2017-12-22 유승재 챗봇을 이용한 광고 제공 서버

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9135277B2 (en) * 2009-08-07 2015-09-15 Google Inc. Architecture for responding to a visual query
KR101821358B1 (ko) * 2013-01-22 2018-01-25 네이버 주식회사 다자간 메신저 서비스를 제공하는 방법 및 시스템
KR101712180B1 (ko) * 2015-12-29 2017-03-06 라인 가부시키가이샤 메시지를 송수신하기 위한 컴퓨터로 읽을 수 있는 기록매체에 저장된 프로그램, 방법 및 장치
KR101797856B1 (ko) * 2016-02-24 2017-11-15 라인 가부시키가이샤 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101811751B1 (ko) * 2017-05-18 2017-12-22 유승재 챗봇을 이용한 광고 제공 서버

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220083332A (ko) * 2020-12-11 2022-06-20 주식회사 워크앤조이 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법
KR102553576B1 (ko) 2020-12-11 2023-07-11 주식회사 워크앤조이 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법
KR20230049822A (ko) * 2021-10-06 2023-04-14 단국대학교 산학협력단 감성 사전을 자동으로 구축하는 방법 및 장치
KR102609132B1 (ko) * 2021-10-06 2023-12-05 단국대학교 산학협력단 감성 사전을 자동으로 구축하는 방법 및 장치

Also Published As

Publication number Publication date
WO2020138608A1 (ko) 2020-07-02

Similar Documents

Publication Publication Date Title
US11531817B2 (en) Creating a knowledge graph based on text-based knowledge corpora
US11188720B2 (en) Computing system including virtual agent bot providing semantic topic model-based response
US11038821B1 (en) Chatbot artificial intelligence
CN107193974B (zh) 基于人工智能的地域性信息确定方法和装置
US11263208B2 (en) Context-sensitive cross-lingual searches
US11683283B2 (en) Method for electronic messaging
KR102088357B1 (ko) 기계독해기반 질의응답방법 및 기기
US20170243234A1 (en) Methods and systems for tag expansion by handling website object variations and automatic tag suggestions in dynamic tag management
KR101982991B1 (ko) 복수의 챗봇을 이용한 질의 응답 방법 및 장치
KR20200063886A (ko) 자연어 처리 기반 콜센터 지원 시스템 및 방법
CN115914148A (zh) 具有两侧建模的对话智能体
JP6563350B2 (ja) データ分類装置、データ分類方法、及びプログラム
CN112148844A (zh) 机器人的信息回复方法及装置
US20190288964A1 (en) Processing Combined Multi-Source Data Streams
US10810497B2 (en) Supporting generation of a response to an inquiry
US11303683B2 (en) Methods and systems for managing distribution of online content based on content maturity
CN112735465B (zh) 无效信息确定方法、装置、计算机设备及存储介质
US20220180865A1 (en) Runtime topic change analyses in spoken dialog contexts
CN114363664A (zh) 生成视频合集标题的方法及装置
KR20210000882A (ko) 인공지능을 이용한 챗봇 질의 응답 방법
US20200073891A1 (en) Systems and methods for classifying data in high volume data streams
KR102713221B1 (ko) 음성 분석 기반의 상담 유형 분류를 통한 맞춤형 콜센터 운영 시스템
US20240143945A1 (en) Systems and methods for intent classification in a natural language processing agent
JP7093266B2 (ja) 決定装置、決定方法及び決定プログラム
KR20240051469A (ko) 텍스트 기반의 대화 장치

Legal Events

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