KR102008169B1 - 고객 질의 대응 서버, 방법 및 판독 가능 저장매체에 저장된 컴퓨터 프로그램 - Google Patents

Abstract

본 개시의 일 실시예에 따라 챗봇을 이용하여 사용자의 질의에 대응하는 방법이 개시된다. 상기 방법은 수신부가 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 단계, 의도 그룹 분류부가 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹―상기 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 중 하나로 상기 입력 문장을 분류하는 단계 및 답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 단계를 포함할 수 있다.

Description

고객 질의 대응 서버, 방법 및 판독 가능 저장매체에 저장된 컴퓨터 프로그램{COMPUTER PROGRAM STORED ON COMPUTER-READABLE MEDIUM, METHOD AND SERVER FOR RESPONDING TO A CUSTOMER INQUIRY}

본 개시는 고객 질의 대응 서버에 관한 것으로, 보다 구체적으로 챗봇을 이용한 고객 질의 대응 서버에 관한 것이다.

최근 들어, 사회가 복잡해지고, 미래에 대한 불안감이 고조됨에 따라, 보험을 가입하는 사람이 크게 늘어가고 있다. 이와 같은 수요에 맞춰 다양한 금융 상품이 개발되고 있으며, 주5일제 근무 등 여가 활동 시간이 늘어나면서 보험가입자의 여가 활동이나 레저 활동 등을 타겟으로 하는 금융 상품들이 제시되고 있다.

이와 관련하여, 여러 보험사에서 다양한 종류의 보험 상품이 제공되고 있어서, 보험가입자는 자신에게 유리한 조건을 제시하는 보험사 및 상품을 선택해서 계약을 맺을 수 있다. 또한, 보험사는 보험가입자에게 맞는 상품을 추천할 수도 있다.

대한민국 특허공개 공보 KR20000030728A에는 양음, 사주, 팔자 및 오행에 따른 보험 상품을 사용자에게 권유할 수 있는 보험 추천 및 제공 방법을 개시하고 있다.

한편, 보험 회사는 보험 설계사 및 상담사를 통해 고객의 상담 및 문의를 접수 받고, 그에 따라 대응하고 있다. 예컨대, 자동차 보험에 관심있는 잠재 고객의 경우, 보험 가입을 위해 보험 회사의 상담사, 또는 보험 설계사에게 연락을 한 뒤, 상담을 통해 잠재 고객에게 알맞은 보험을 추천 받는 시스템으로 이루어져 있다.

하지만, 설계사, 또는 상담사를 통한 보험 문의는 인력 문제 및 상담 시간의 제약 때문에 고객이 원하는 시간에 바로 처리되기 어려운 문제가 있다. 또한, 이를 전문적으로 하는 보험 설계사 및 상담사 역시 간단한 업무 조차도 일일이 대응해야 하여 업무가 불필요하게 늘어나는 불편함이 있었다.

따라서, 챗봇을 통해 고객의 질의에 언제든지 대응할 수 있고, 데이터 학습에 기반하여 고객의 의도를 점차 정확하게 분류할 수 있는 솔루션에 대한 당업계의 수요가 있을 수 있다.

본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 챗봇을 이용한 고객 질의 대응 서버를 제공하기 위함이다.

전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 챗봇을 이용하여 사용자의 질의에 대응하는 방법이 개시된다. 상기 방법은 수신부가 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 단계, 의도 그룹 분류부가 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹―상기 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 중 하나로 상기 입력 문장을 분류하는 단계 및 답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 단계를 포함할 수 있다.

대안적으로, 상기 의도 그룹 분류부가 상기 입력 문장에 대한 자연어 처리를 통해 의도 그룹 중 하나로 상기 입력 문장을 분류하는 단계는 상기 의도 그룹 분류부가 상기 입력 문장에 대한 전처리를 수행하는 단계, 상기 의도 그룹 분류부가 상기 전처리된 입력 문장을 상기 자연어 처리 인공 신경망을 통해 연산하여 각각의 의도 그룹 중 하나에 대한 분석값을 출력하는 단계 및 상기 의도 그룹 분류부가 상기 분석값에 기초하여 상기 입력 문장을 상기 의도 그룹 중 하나로 분류하는 단계를 포함할 수 있다.

대안적으로, 상기 수신부가 상기 사용자 단말, 또는 금융사 컴퓨팅 장치 그룹―상기 금융사 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로부터 상기 분류된 의도 그룹에 대한 피드백을 수신하는 단계를 더 포함하고, 그리고 상기 의도 그룹 분류부가 상기 전처리된 입력 문장을 상기 자연어 처리 인공 신경망을 통해 연산하여 각각의 의도 그룹 중 하나에 대한 분석값을 출력하는 단계는 상기 의도 그룹 분류부가 상기 피드백에 기초하여 상기 자연어 처리 인공 신경망의 연결 가중치를 수정하는 단계를 더 포함할 수 있다.

대안적으로, 분류 심사부가 상기 분석값과 사전 설정된 기준값과 비교하는 단계, 상기 분석값이 상기 기준값 이상인 경우, 송신부가 상기 입력 문장에 대한 상기 표준 답변 문장을 상기 사용자 단말로 송신하는 단계 및 상기 분석값이 상기 기준값 미만인 경우, 상기 답변 처리부가 상기 표준 답변 문장의 송신을 보류하는 단계를 더 포함할 수 있다.

대안적으로, 상기 분석값이 상기 기준값 미만인 경우, 상기 답변 처리부가 상기 표준 답변 문장의 송신을 보류하는 단계는 상기 분류 심사부가 상기 입력 문장과 연관된 금융 컴퓨팅 장치 그룹―상기 금융 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로 상기 입력 문장을 송신하는 단계, 상기 답변 처리부가 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장을 수신하는 단계 및 상기 송신부가 상기 맞춤 답변 문장을 상기 사용자 단말로 송신하는 단계를 포함할 수 있다.

대안적으로, 상기 분석값이 상기 기준값 미만인 경우, 상기 답변 처리부가 상기 표준 답변 문장의 송신을 보류하는 단계는 상기 답변 처리부가 상기 입력 문장이 포함하는 키워드에 기초하여 상기 입력 문장을 상기 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하는 단계를 더 포함할 수 있다.

대안적으로, 상기 답변 처리부가 상기 입력 문장이 포함하는 키워드에 기초하여 상기 입력 문장을 상기 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하는 단계는 상기 답변 처리부가 상기 입력 문장을 상기 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하지 못하는 경우, 사전 설정된 관리자 부서로 상기 입력 문장을 송신하는 단계를 포함할 수 있다.

대안적으로, 상기 의도 그룹 분류부가 상기 입력 문장과 보험 사기 관련 데이터―상기 보험 사기 관련 데이터는 데이터베이스(DB)에 저장된 보험 사기에 사용되는 대화 시나리오를 포함함―를 비교하여 보험 사기 가능성을 판단하는 단계 및 상기 의도 그룹 분류부가 상기 사용자 단말을 보험 사기 서브 그룹 컴퓨팅 장치로 연결하는 단계를 더 포함할 수 있다.

대안적으로, 상기 자연어 처리는 RNN(Recurrent Neural Network)을 이용하여 수행될 수 있다.

대안적으로, 상기 의도 그룹 분류부가 상기 입력 문장에 대한 전처리를 수행하는 단계는 띄어쓰기 및 오타 교정, 형태소 분석, 구문 분석 및 개체명 인식 중 적어도 하나의 동작을 포함할 수 있다.

또한, 본 개시의 다른 일 실시예에 따라 챗봇을 이용하여 사용자의 질의에 대응하는 서버가 개시된다. 상기 서버는 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 수신부, 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹―상기 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 중 하나로 상기 입력 문장을 분류하는 의도 그룹 분류부 및 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 답변 처리부를 포함할 수 있다.

본 개시의 또 다른 일 실시예에 따라 챗봇을 이용하여 사용자의 질의에 대응하기 위하여 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램을 개시한다. 상기 컴퓨터 프로그램은 수신부가 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 명령, 의도 그룹 분류부가 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹―상기 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 중 하나로 상기 입력 문장을 분류하는 명령 및 답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 명령을 포함할 수 있다.

본 개시는 챗봇을 이용한 고객 질의 대응 서버를 제공할 수 있다.

도 1은 본 개시의 일 실시예에 따른 서버의 블록 구성도(Block diagram)를 도시한다.
도 2는 본 개시의 일 실시예에 따른 서버와 사용자 단말 간의 흐름도를 도시한다.
도 3은 본 개시의 일 실시예에 따른 보험 사기 가능성 판단에 따른 대응 흐름도를 도시한다.
도 4는 본 개시의 일 실시예에 따른 챗봇의 동작 인터페이스다.
도 5은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.

다양한 실시예들이 이제 도면을 참조하여 설명되며, 전체 도면에서 걸쳐 유사한 도면번호는 유사한 구성요소를 나타내기 위해서 사용된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다. 다른 예들에서, 공지된 구조 및 장치들은 실시예들의 설명을 용이하게 하기 위해서 블록 다이어그램 형태로 제공된다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정, 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있고, 일 컴포넌트는 하나의 컴퓨터 내에 로컬화될 수 있고, 또는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통한 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

도 1은 본 개시의 일 실시예에 따른 서버의 블록 구성도(Block diagram)를 도시한다.

본 개시의 일 실시예에 따른 챗봇을 이용하여 사용자의 의도를 분류하는 서버(100)는 개인 금융상품에 관련한 상담, 문의, 또는 고객 서비스 중 하나에 대한 사용자와의 일대일 대화에서 고객의 질의에 대응하기 위해 사용될 수 있다. 여기서 개인 금융상품은 보험, 대출, 연금, 펀드 등의 일반적인 상품을 의미할 수 있다.

본 개시의 일 실시예에 따른 챗봇을 이용하여 사용자의 의도를 분류하는 서버(100)는 수신부(110), 의도 그룹 분류부(120), 답변 처리부(130) 및 송신부(140)를 포함할 수 있다. 또한, 실시예에 따라 서버(100)는 분류 심사부(150)를 추가적으로 포함할 수 있다.

수신부(110)는 사용자 단말(200)로부터 하나 이상의 단어를 포함하는 입력 문장을 수신할 수 있다. 여기서 입력 문장은 서버(100)가 사용자 단말(200)로부터 수신하는 첫 문장을 포함할 수 있다. 또한, 상기 입력 문장은 서버(100)가 사용자 단말(200)에 대해 임의의 동작을 수행하기 전까지 수신되는 하나 이상의 문장일 수 있다. 예를 들어, 수신부(110)는 사용자 단말(200)을 통해 수신되는 첫 입력 문장으로 "안녕 챗봇아"를 수신할 수 있고, 이후 "보험 상담을 하고 싶어"라는 두번째 입력 문장을 수신할 수 있다. 여기서 서버(100)가 상기 첫 입력 문장 및 두번째 입력 문장에 대한 답변, 또는 결과값 출력 동작을 수행하지 않은 경우, 상기 첫 입력 문장 및 두번째 입력 문장을 하나의 입력 문장으로 판단할 수 있다. 전술한 입력 문장의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

또한, 수신부(110)는 사용자 단말(200), 또는 서브 그룹 컴퓨팅 장치(300)로부터 분류된 의도 그룹에 대한 피드백을 수신할 수 있다. 여기서 서브 그룹 컴퓨팅 장치(300)는 금융사 컴퓨팅 장치 그룹이 포함하는 하나 이상의 서브 그룹으로, 업무별로 분류되어 구성될 수 있다.

보다 구체적으로, 표준 답변 문장을 제공한 후, 수신부(110)는 사용자 단말(200)로부터 표준 답변 문장이 사용자의 의도와 상이하다는 의미의 부정적인 피드백(예켠대, "그 뜻이 아닌데", "그거 말고" 등)을 수신할 수 있다. 그리고, 맞춤 답변 문장을 제공한 후, 수신부(110)는 서브 그룹 컴퓨팅 장치(300)로부터 표준 답변 문장과 맞춤 답변 문장의 의도 분류에 대한 긍정적/부정적 피드백(예컨대, "유사", "전혀 다름" 등)백을 수신할 수 있다. 여기서 표준 답변 문장은 입력 문장에 대응하기 위하여 답변 처리부(130)가 생성할 수 있다. 또한, 수신부(110)는 사용자 단말(200)로부터 입력 문장의 의도 분류에 대해서 부정적인 피드백을 수신하는 경우, 서브 그룹 컴퓨팅 장치(300)로부터 의도 분류를 정정하고자 하는 피드백을 수신할 수 있다. 그리고, 수신부(110)는 서브 그룹 컴퓨팅 장치(300)로부터 맞춤 답변 문장에 대한 의도 분류에 대한 정보를 피드백으로써 수신할 수 있다. 여기서 맞춤 답변 문장은 입력 문장에 대응하기 위하여 서브 그룹 컴퓨팅 장치(300)로부터 수신될 수 있다.

추가적으로, 수신부(110)는 입력 문장 및 답변 문장을 포함하는 대화 로그에 대한 검토, 또는 평가를 포함하는 피드백을 수신할 수 있다. 보다 구체적으로, 수신부(110) 입력 문장 및 답변 문장(표준 답변 문장 및 맞춤 답변 문장)으로 구성된 대화 로그를 데이터베이스에 저장할 수 있다. 그리고, 수신부(110)는 상기 대화 로그에 관한 검토, 또는 평가 정보를 포함하는 피드백을 외부 서버(예컨대, 보험사 전산팀 서버 등)로부터 수신할 수 있다. 이에 따라, 의도 그룹 분류부(120)는 대화 로그 전반에 관한 검토 및 평가를 반영하여 자연어 처리 인공 신경망의 연결 가중치를 수정할 수 있다.

사용자 단말(200)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc), VR(Virtual Reality) 기기 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 수신부(110)는 네트워크 접속을 위한 유/무선 인터넷 모듈을 포함할 수 있다. 무선 인터넷 기술로는 WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다. 유선 인터넷 기술로는 XDSL(Digital Subscriber Line), FTTH(Fibers to the home), PLC(Power Line Communication) 등이 이용될 수 있다.

그리고, 수신부(110)는 근거리 통신 모듈을 포함하여, 비교적 근거리에 위치하고 근거리 통신 모듈을 포함한 전자 장치(예컨대, 외부 단말)와 데이터를 송수신할 수 있다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.

의도 그룹 분류부(120)는 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹 중 하나로 입력 문장을 분류할 수 있다. 여기서 의도 그룹은 보험에 관하여 사용자 단말(200)이 수행할 수 있는 동작이나 보험에 관련된 용어 설명을 사전 설정된 개수로 그룹화하여 분류한 것을 의미할 수 있다. 예를 들어, 의도 그룹은 사용자 단말(200)이 수행할 수 있는 "FAQ", "약관 대출", "보험 상품 추천", "보장 문의" 및 "기타 문의"라는 5개의 동작, 그리고 "약관 대출 정의", "해지환급금 정의" 및 "고객센터 위치" 등에 각각 대응되도록 8개로 구성될 수 있다. 전술한 의도 그룹의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 RNN(Recurrent Neural Network)을 이용하여 자연어 처리를 수행할 수 있다. 여기서 RNN은 하나 이상의 단어를 포함하는 문장의 데이터에 기초하여 패턴을 학습하기 위한 딥 러닝 모델을 의미할 수 있다. 즉, 의도 그룹 분류부(120)는 RNN에 기초하여 입력 문장을 입력 데이터, 그리고 상기 입력 문장에 대한 분류를 출력 데이터로써 반복 학습할 수 있다. 이에 따라, 의도 그룹 분류부(120)는 수신부(110)를 통해 수신되는 입력 문장이 축적되고, 상기 입력 문장에 대한 의도 그룹 분류 정보가 축적될수록 보다 정확한 의도 분류를 수행할 수 있다.

그리고, 본 개시의 일 실시예에 따른 RNN은 LSTM(Long Short-Term Memory Units) 방식 및 GRU(Gated Recurrent Units) 방식 중 적어도 하나를 통해 연속 학습으로 인한 그라디언트 소실(Vanishing Gradient) 문제를 해결할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 기본적인 RNN 구조에 각각의 가중치를 지니고 있는 입력, 출력 및 망각 게이트를 추가하는 LSTM 방식을 사용하여 그라디언트 소실을 방지할 수 있다. 또한, 다른 일 실시예에서 의도 그룹 분류부(120)는 RNN 구조에 입력 및 망각 게이트만 추가적으로 포함하는 GRU 방식(예컨대, 다이나믹 GRU(Dynamic Gated Recurrent Units) 방식)으로 그라디언트 소실을 방지할 수 있다. 전술한 RNN의 구조에 대한 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 입력 문장에 대하여 띄어쓰기 및 오타 교정, 형태소 분석, 구문 분석 및 개체명 인식 중 적어도 하나의 동작을 포함하는 전처리를 수행할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 입력 문장의 전처리를 위한 교정 서브 모듈(121), 형태소 분석 서브 모듈(122), 구문 분석 서브 모듈(123) 및 개체명 인식 서브 모듈(124) 중 적어도 하나를 포함할 수 있다.

의도 그룹 분류부(120)는 사용자 단말(200)로부터 수신한 입력 문장의 맞춤법을 검사하고 이를 교정하는 교정 서브 모듈(121)을 포함할 수 있다. 교정 서브 모듈(121)은 입력 문장에 대하여 맞춤법을 검사하고, 맞춤법이 틀린 입력 문장을 수신하는 경우에 이를 교정할 수 있다. 예를 들어, 수신부(110)가 "약간 대출 보험은 어때"라는 입력 문장을 수신하는 경우, 교정 서브 모듈(121)은 맞춤법을 검사하여 "약간 대출 보험은 어때?"를 "약관 대출 보험은 어때?"로 교정할 수 있다. 전술한 교정 서브 모듈(121)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

형태소 분석 서브 모듈(122)은 사용자 단말(200)로부터 수신한 입력 문장을 형태소 사전에 기초하여 입력 문장의 형태소를 분석할 수 있다. 보다 구체적으로, 형태소 분석 서브 모듈(122)은 하나 이상의 단어를 포함하는 입력 문장을 의미를 가질 수 있는 최소 단위로 쪼갤 수 있다. 그리고, 형태소 분석 서브 모듈(122)은 쪼개진 입력 문장을 형태소 사전이 포함하는 각각의 품사와 매칭 시킬 수 있다. 이에 따라, 형태소 분석 서브 모듈(122)은 데이터베이스(DB)에 저장된 형태소 사전에 기초하여 입력 문장을 형태소 단위로 분석하고 품사 태깅(Tagging)을 수행할 수 있다. 여기서, 형태소 단위는 일반 명사/NNG, 주격 조사/JKS, 형용사/VA, 종결어미/ EF, 마침표, 물음표, 느낌표/SF 등이 있다. 예를 들어, 입력 문장이 "약관 대출은 어때?"인 경우, 형태소 분석 서브 모듈(122)은 상기 입력 문장을 "약관/NNG + 대출/NNG + 은/JKS + 어떻/VA + 어/EF + ?/SF" 와 같은 형태소 단위로 분석하고 품사 태깅을 수행할 수 있다. 전술한 형태소 분석 서브 모듈(122)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

구문 분석 서브 모듈(123) 사전 정의된 룰(rule) 및 형태소 단위로 분석된 입력 문장에 기초하여 입력 문장을 구문 단위로 분석할 수 있다. 여기서 구문은 상기 입력 문장이 형태소 단위로 분석되고 품사 태깅이 수행된 후, 형태소 단위를 보다 큰 단위인 명사구, 동사구, 형용사구 등으로 묶은 덩어리를 의미한다. 예를 들어, "약관/NNG", "대출/NNG + 은/JKS", 어떻/VA + 어/EF + ?/SF"로 사용자의 메시지의 구문을 분석할 수 있다. 전술한 구문 분석은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

개체명 인식 서브 모듈(124)은 형태소, 또는 구문 단위로 분석된 입력 문장으로부터 개체명을 인식할 수 있다. 여기서 개체명은 문서에서 나타나는 고유한 의미를 가지는 명사나 숫자 표현과 같이 고유한 성질의 표현을 말하며 인명(Person), 지명(Location), 기관명(Organization)과 같은 이름 표현, 날짜나 시간과 같은 시간 표현, 금액이나 퍼센트와 같은 수치 표현으로 구분할 수 있다. 개체명 인식 서브 모듈(124)은 데이터 베이스에 저장된 개체명 사전에 기초하여 형태소, 또는 구문 단위로 분석된 입력 문장으로부터 개체명을 인식할 수 있다. 예를 들어, "약관/NNG + 대출/NNG + 은/JKS + 어떻/VA + 어/EF + ?/SF"에서 "약관" 및 "대출"를 각각 개체명으로 인식할 수 있다. 또한, "약관 대출"을 하나의 개체명으로 인식할 수도 있다. 전술한 개체명 인식 서브 모듈(124)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 입력 문장을 표준화하는 전처리를 수행할 수 있다. 여기서 표준화는 입력 문장이 포함하는 단어의 의미, 또는 둘 이상의 단어 간의 관계에 기초하여 단어 중 의미가 없다고 판단되는 단어를 삭제하거나, 또는 단어 중 일부를 변경하여 입력 문장을 의미 단위로 구성하는 동작일 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 입력 문장이 포함하는 단어 중 의미가 없다고 판단되는 단어를 삭제할 수 있다. 예를 들어, 의도 그룹 분류부(120)는 사전 설정된 횟수 이상 연속적으로 반복되는 단어, 또는 "ㅋ", "ㅎ" 및 "크크"등 사전 설정된 무의미 단어 목록이 포함하는 단어를 입력 문장이나 추가 입력 문장에서 삭제할 수 있다. 전술한 의도 그룹 분류부(120)의 표준화 전처리 동작은 예시일뿐, 본 개시는 이에 제한되지 않는다.

그리고, 본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 전처리된 입력 문장을 자연어 처리 인공 신경망을 통해 연산하여 각각의 의도 그룹에 대한 분석값을 출력할 수 있다. 여기서 자연어 처리 인공 신경망은 전처리된 입력 문장을 입력 데이터로하고, 각각의 연결 가중치를 연산하여 의도 그룹을 출력 노드로 할 수 있다. 여기서 연결 가중치는 LSTM 방식에서 사용되는 입력, 출력 및 망각 게이트의 가중치이거나, 또는 RNN에서 통용되는 게이트의 가중치일 수도 있다. 이에 따라, 의도 그룹 분류부(120)는 각각의 의도 그룹에 일대일 대응되는 입력 문장의 분석값을 연산할 수 있다. 그리고, 여기서 분석값은 입력 문장이 하나의 의도 그룹에 해당할 수 있는 확률을 의미할 수 있다.

예를 들어, 의도 그룹 분류부(120)는 전처리 된 입력 문장 "약관 대출은 어때?"를 자연어 처리 인공 신경망에 입력할 수 있다. 그리고, 자연어 처리 인공 신경망은 전처리 된 입력 문장"약관 대출은 어때?"을 각각의 노드에 대응되는 연결 가중치에 기초하여 분석값을 연산할 수 있다. 보다 구체적으로, 자연어 처리 인공 신경망은 전처리 된 입력 문장에서 "약관"과 "대출"을 개체명과 "어때?"라는 구문을 인식할 수 있다. 또한, 자연어 처리 인공 신경망은 인접하여 배치된 "약관" 및 "대출"을 결합하여 "약관 대출"이라는 하나의 개체명으로 인식할 수 있다. 그리고, 자연어 처리 인공 신경망은 복수의 노드를 통해 각각의 의도 그룹 "약관 대출 문의", "신용 평가" 및 "대출 실행"에 대응되는 분석값을 출력할 수 있다. 여기서 자연어 처리 인공 신경망이 출력한"약관 대출 문의"에 대한 분석값은 85%, "신용 평가"에 대한 분석값은 10%, 그리고 "대출 실행"에 대한 분석값은 5%일 수 있다. 전술한 의도 그룹 분류부(120)의 동작 및 수치의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

또한, 본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 분석값에 기초하여 입력 문장을 의도 그룹 중 하나로 분류할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 입력 문장 "약관 대출 문의를 하고 싶다"에 대한 전처리 동작을 통하여 "약관?,"대출" 및 "문의"이라는 개체명, 그리고 "원하다"라는 동사로 분석할 수 있다. 그리고, 의도 그룹 분류부(120)는 전처리 된 입력 문장을 자연어 처리 인공 신경망에 입력하여"약관 대출"에 대한 분석값 95%를 출력할 수 있다. 따라서, 의도 그룹 분류부(120)는 상기 입력 문장이 "약관 대출" 의도 그룹에 해당될 확률이 95%라는 분석값을 연산할 수 있다. 또한, 의도 그룹 분류부(120)는 전처리 된 상기 입력 문장을 자연어 처리 인공 신경망에 입력하여 "보험 상품 추천"의도 그룹에 분석값 35%를 출력할 수 있다. 그리고, 이에 따라 의도 그룹 분류부(120)는 입력 문장을 보다 높은 분석값을 지닌 "약관 대출" 의도 그룹으로 분류할 수 있다. 전술한 의도 그룹 분류부(120)의 자세한 동작 기재와 수치는 예시일뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 수신부(110)가 수신하는 피드백에 기초하여 자연어 처리 인공 신경망의 연결 가중치를 수정할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 자연어 처리 인공 신경망이 포함하는 각각의 노드에 대하여 초기 연결 가중치를 저장할 수 있다. 그리고, 의도 그룹 분류부(120)는 초기 연결 가중치 및 전처리 된 입력 문장에 기초하여 의도 그룹을 분류할 수 있다. 또한, 수신부(110)는 사용자 단말(200) 및 금융사 컴퓨팅 장치 그룹 중 하나로부터 분류된 의도 그룹에 관한 피드백을 수신할 수 있다. 그리고, 의도 그룹 분류부(120)는 피드백에 기초하여 각 노드의 초기 연결 가중치를 수정하여 업데이트할 수 있다. 여기서 피드백은 분류된 의도 그룹에 대한 긍정, 부정이나, 정정된 의도 그룹 분류 정보 등을 포함할 수 있다.

예를 들어, 의도 그룹 분류부(120)는 "해지환급금 확인방법은?"라는 입력 문장을 초기 연결 가중치가 설정된 자연어 처리 인공 신경망에 입력하여 "보험 해지" 의도 그룹으로 분류할 수 있다. 그리고, 답변 처리부(130)는 "보험 해지" 의도 그룹에 기초하여 답변을 생성하고, 사용자 단말(200)로 송신할 수 있다. 또한, 수신부(110)는 사용자 단말(200)로부터 "아 그 말이 아닌데"라는 피드백을 수신할 수 있다. 이러한 경우, 의도 그룹 분류부(120)는 자연어 처리 인공 신명망에서 입력 문장과 연관된 노드의 초기 연결 가중치를 업데이트함으로써, 추후 동일한 입력 문장에 대하여 "보험 해지" 의도 그룹으로 분류할 확률을 기존보다 낮게 할 수 있다. 또 다른 예시로서, 수신부(110)는 금융사 컴퓨팅 장치 그룹으로부터 "해지환급금 산정"이라는 정정된 의도 그룹 분류 정보를 수신할 수 있다. 이러한 경우, 의도 그룹 분류부(120)는 입력 문장과 연관된 노드의 연결 가중치를 업데이트함으로써, 이후에 동일한 입력 문장에 대하여 "해지환급금 산정" 의도 그룹으로 분류할 수 있도록 할 수 있다. 전술한 의도 그룹 분류부(120)의 가중치 업데이트 동작의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

답변 처리부(130)는 분류된 의도 그룹에 기초하여 입력 문장에 대한 표준 답변 문장을 생성할 수 있다. 보다 구체적으로, 답변 처리부(130)는 의도 그룹에 대응되는 하나 이상의 후속 동작, 또는 표준 답변 문장을 사전에 저장할 수 있다. 그리고, 답변 처리부(130)는 의도 그룹 분류부(120)가 입력 문장을 하나의 의도 그룹으로 분류하는 경우, 해당되는 하나 이상의 후속 동작을 실행하거나, 또는 송신부(140)가 표준 답변 문장을 사용자 단말(200)로 송신할 수 있다. 예를 들어, 답변 처리부(130)는 "노후 보장" 의도 그룹에 대하여 연금 점검, 연금 보험 추천 및 보험 가입 동작을 순차적으로 수행할 수 있다. 또 다른 예시로서, 답변 처리부(130)는 "연금보험의 정의" 의도 그룹에 대하여 "일정기간 동안 보험료를 납입하여 연금지급 재원을 마련하고 종신 또는 원하는 기간 동안 보험회사가 약관상 정한 금액을 지급하는 생명보험입니다."라는 표준 답변 문장을 사용자 단말(200)로 송신할 것을 결정할 수 있다. 전술한 답변 처리부(130)의 동작에 대한 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

또한, 본 개시의 일 실시예에 따른 답변 처리부(130)는 분류된 의도 그룹이 사전 설정된 의도 그룹일 경우, 의도 그룹 분류부(120)가 입력 문장을 사전 저장된 FAQ(Frequently Asked Questions) 중 하나와 비교하여 매칭할 수 있다. 그리고, 답변 처리부(130)는 입력 문장이 FAQ 중 하나와 매칭되는 경우, 매칭되는 FAQ에 기초하여 사전 저장된 답변을 제공할 수 있다. 예를 들어, 의도 그룹 분류부(120)가 입력 문장을 "구비서류 안내" 의도 그룹으로 분류하고, 수신부(110)가 사용자 단말(200)로부터 수신한 입력 문장이 "계약자 변경 시 구비 서류는?"일 수 있다. 이러한 경우, 답변 처리부(130)는 입력 문장과 FAQ 중 계약자 변경 구비서류 안내에 해당하는 FAQ와 매칭된다고 판단할 수 있다. 이에 따라, 답변 처리부(130)는 사용자 단말(200)로 "변경 전 계약자, 피보험자, 변경 후 계약자 모두 내방 시 내방인 신분증이 필요하며 대리인 내방 시 피보험자와 변경 후 계약자와의 관계확인서류(가족관계 증명서, 등본 등), 변경 전 계약자의 인감증명서, 자필위임장, 피보험자의 인감증명서, 자필위임장, 변경 후 계약자의 인감증명서, 자필위임장, 신용정보동의서, 고객확인서, 대리인 신분증이 필요합니다."라는 표준 답변 문장을 전송할 수 있다. 전술한 답변 처리부(130)의 동작은 예시일뿐, 본 개시는 이에 제한되지 않는다.

송신부(140)는 표준 답변 문장 및 맞춤 답변 문장 중 적어도 하나를 사용자 단말(200)로 송신할 수 있다. 보다 구체적으로, 송신부(140)는 답변 처리부가 생성한 표준 답변 문장을 획득할 수 있다. 또한, 송신부(140)는 금융사 컴퓨팅 장치 그룹 중 적어도 하나로부터 맞춤 답변 문장을 획득할 수 있다. 그리고 상기 송신부(140)는 표준 답변 문장 및 맞춤 답변 문장 중 적어도 하나를 사용자 단말(200)과 연결되어 있는 챗봇을 통해 인터페이스와 함께 사용자 단말(200)로 송신할 수 있다. 상기 과정에서 송신부(140)는 유/무선 네트워크를 통하여 사용자 단말(200)과 통신할 수 있다.

이하에서는 네트워크에 대해서 설명한다. 상기 네트워크는 단일 네트워크일 필요는 없다. 상기 네트워크는 다수의 컴퓨팅 장치 사이에 통신이 가능하게 하는 LAN, WAN, 인트라넷이나 인터넷 또는 이러한 것들의 결합일 수 있다. 더욱이, 네트워크는 무선, 유선, 또는 무선 유선 결합 연결을 포함할 수 있다. 추가적으로, 보안을 강화하기 위해 VPN 등의 기술이 사용될 수 있다.

보다 상세히, 여기서 제시되는 네트워크는 공중전화 교환망(PSTN:Public Switiched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), FTTH(Fibers to the home), PLC(Power Line Communication), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 여기서 제시되는 상기 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시의 일 실시예에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN:Personal Area Network), 근거리 통신망(WAN:Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW:World Wide Web)일 수 있으며, 적외선(IrDA:Infrared Data Assoication), RFID(Radio Frequency Identification), UWB(Ultra Wideband), ZigBee, Beacon 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 전술한 네트워크는 본 개시의 일 실시예에 따른 수신부(110) 및 송신부(140)가 사용자 단말(200)과 통신하기 위한 방법으로 사용될 수 있다.

본 개시의 일 실시에에 따른 분류 심사부(150)는 분석값과 사전 설정된 기준값을 비교할 수 있다. 보다 구체적으로, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 입력 문장이 분류된 의도 그룹에 대한 분석값을 획득할 수 있다. 그리고, 분류 심사부(150)는 사전 설정된 기준값을 저장해둘 수 있다. 여기서 사전 설정된 기준값은 입력 문장에 대한 의도 분류가 얼마나 신뢰할 수 있는지에 대한 기준이 되는 임의의 분석값일 수 있다. 그리고, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 획득한 분석값과 사전 설정된 기준값을 비교할 수 있다.

그리고, 본 개시의 일 실시예에 따른 분류 심사부(150)는 분석값이 기준값 이상인 경우, 송신부(140)로 하여금 입력 문장에 대한 표준 답변 문장을 사용자 단말(200)로 송신할 것을 결정할 수 있다. 예를 들어, 분류 심사부(150)는 사전 설정된 기준값 90%를 저장할 수 있다. 또한, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 "환급금에 대한 정의"의도 그룹에 대한 분석값 91.4%를 획득할 수 있다. 그리고, 분류 심사부(150)는 분석값 91.4%가 기준값인 90% 이상이라는 점에 기초하여, 송신부(140)로 하여금 입력 문장에 대한 표준 답변 문장 "해지환급금은 보험을 중간에 해지할 경우 돌려받게 되는 금액입니다."을 사용자 단말(200)로 송신할 것을 결정할 수 있다. 전술한 분류 심사부(150)의 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

또한, 본 개시의 일 실시예에 따른 분류 심사부(150)는 분석값이 기준값 미만인 경우, 송신부(140)로 하여금 입력 문장에 대한 표준 답변 문장을 사용자 단말(200)로 송신하지 않을 것을 결정할 수 있다. 예를 들어, 분류 심사부(150)는 사전 설정된 기준값 95%를 저장할 수 있다. 또한, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 "약관 대출 한도 문의"의도 그룹에 대한 분석값 70%를 획득할 수 있다. 그리고, 분류 심사부(150)는 분석값 70%가 기준값인 95% 미만이라는 점에 기초하여, 표준 답변 문장을 사용자 단말(200)로 송신하는 것을 보류하도록 결정할 수 있다. 전술한 분류 심사부(150)의 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

추가적으로, 분류 심사부(150)는 분석값이 기준값 미만인 경우, 입력 문장과 연관된 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 입력 문장을 송신할 수 있다. 여기서 금융 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성될 수 있다.

보다 구체적으로, 의도 그룹 분류부(120)는 분석값을 연산하고, 입력 문장을 하나의 의도 그룹으로 분류할 수 있다. 그리고, 답변 처리부(130)는 분류된 의도 그룹에 기초하여 표준 답변 문장을 생성할 수 있다. 또한, 답변 처리부(130)는 분석값이 기준값 미만인 것에 기초하여, 표준 답변 문장을 사용자 단말(200)로 송신하는 것을 보류할 수 있다. 또한, 답변 처리부(130)는 입력 문장을 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 송신할 수 있다. 그리고, 답변 처리부(130)는 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장을 수신할 수 있다. 여기서 맞춤 답변 문장은 업무 담당자로부터 서브 그룹 컴퓨팅 장치를 통해 수신될 수 있다. 그리고, 송신부(140)는 표준 답변 문장 대신 맞춤 답변 문장을 사용자 단말(200)로 송신할 수 있다. 이에 따라, 분류 심사부(150)는 입력 문장에 대한 의도 그룹 분류가 신뢰할 수 있다고 판단되는 경우에만 표준 답변 문장을 사용자 단말(200)로 송신할 수 있다.

예를 들어, 분류 심사부(150)가 저장하고 있는 기준값이 90%이고, 의도 그룹 분류부(120)로부터 획득한 "고객센터 문의"의도 그룹 분석값이 66%인 경우, 답변 처리부(130)는 분석값이 기준값 미만인 것에 기초하여, 표준 답변 문장 "고객센터 전화번호 안내 1588-3114"을 사용자 단말(200)로 송신하는 것을 보류할 수 있다. 그리고, 답변 처리부(130)는 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 입력 문장을 송신할 수 있다. 여기서 서브 그룹 컴퓨팅 장치는 분석값이 기준값 미만인 경우, 대응을 담당하는 전문 부서가 포함하는 컴퓨팅 장치이거나, 입력 문장과 연관된 특정 부서가 포함하는 컴퓨팅 장치일 수 있다. 또한, 실시예에 따라, 답변 처리부(130)는 서브 그룹 컴퓨팅 장치로 입력 문장과 표준 답변 문장을 동시에 송신할 수도 있다. 그리고, 답변 처리부(130)는 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장 "삼성생명 역삼역 서비스센터로 찾아가는 방법"을 수신할 수 있다. 그리고, 송신부(140)는 사용자 단말(200)로 상기 맞춤 답변 문장 "삼성생명 역삼역 서비스센터로 찾아가는 방법"을 송신할 수 있다. 추가적으로, 의도 그룹 분류부(120)는 상기 맞춤 답변 문장에 대한 의도 그룹 분류 정보를 획득하거나, 피드백 받을 수 있다. 그리고, 의도 그룹 분류부(120)는 상기 의도 그룹 분류 정보, 또는 피드백에 기초하여 입력 문장의 의도 분류를 수행하는 가중치를 업데이트할 수 있다. 전술한 의도 분류의 신뢰도에 기초한 맞춤 답변 문장 송신 동작의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

또한, 본 개시의 일 실시예에 따른 답변 처리부(130)는 분석값이 기준값 미만인 경우, 입력 문장이 포함하는 키워드에 기초하여 서브 그룹 컴퓨팅 장치를 선정할 수 있다. 보다 구체적으로, 답변 처리부(130)는 분석값이 분류 심사부(150)가 저장하고 있는 기준값 미만이라는 판단에 기초하여, 표준 답변 문장을 사용자 단말(200)로 송신하는 것을 보류할 수 있다. 또한, 답변 처리부(130)는 금융 컴퓨팅 장치 그룹이 포함하는 각각의 서브 그룹 컴퓨팅 장치에 대응되는 키워드를 저장할 수 있다. 그리고, 답변 처리부(130)는 입력 문장이 포함하는 키워드와 각각의 서브 그룹 컴퓨팅 장치에 대응되는 키워드를 매칭하여 가장 유사한 서브 그룹 컴퓨팅 장치를 선정할 수 있다. 또한, 실시예에 따라 답변 처리부(130)는 의도 그룹 분류부(120)가 전처리 한 입력 문장이나, 분류된 의도 그룹에 기초하여 서브 그룹 컴퓨팅 장치와의 매칭을 수행할 수 있다. 이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 의도 그룹의 분류에 대한 신뢰도가 낮을 경우, 사용자가 원하는 문의를 담당하고 있는 부서와의 직접적인 연결을 제공할 수 있다. 따라서, 챗봇이 대응하기 어려운 사용자의 특수한 질문에도 사용자가 원하는 답을 빠르게 대응할 수 있다.

예를 들어, 의도 그룹 분류부(120)가 입력 문장을 "계약 해지"의도 그룹으로 분류할 수 있다. 그리고, 분류 심사부(150)는 입력 문장의 분석값이 기준값 미만이라고 판단할 수 있다. 또한, 답변 처리부(130)는 고객 관리팀에 대응되는 키워드로 "해지" 및 "탈퇴"를 저장할 수 있다. 그리고, 답변 처리부(130)는 상기 분류 심사부(150)의 판단에 기초하여 입력 문장을 서브 그룹 컴퓨팅 장치로 송신할 것을 결정할 수 있다. 이 과정에서 답변 처리부(130)는 입력 문장이 포함하는 "해지"에 기초하여 고객 관리팀과 매칭할 수 있다. 그리고, 실시예에 따라 답변 처리부(130)는 의도 그룹 분류부(120)가 입력 문장에 대하여 분류한 "계약 해지"에 기초하여 고객 관리팀과 매칭할 수 있다. 이에 따라, 답변 처리부(130)는 "계약 해지"의 의도가 불확실한 사용자에 대하여 고객 관리팀의 전문적인 맞춤 답변 문장을 수신할 수 있다. 그리고, 송신부(140)는 상기 고객 관리팀의 맞춤 답변 문장을 사용자 단말(200)로 송신할 수 있다. 전술한 입력 문장과 서브 그룹 컴퓨팅 장치의 매칭은 자세한 기재일뿐, 본 개시는 이에 제한되지 않는다.

추가적으로, 본 개시의 일 실시에에 따른 답변 처리부(130)는 분석값이 기준값 미만이고, 입력 문장이 포함하는 키워드나 의도 그룹 분류를 통해 서브 그룹 컴퓨팅 장치 선정을 수행하지 못할 수 있다. 이러한 경우, 답변 처리부(130)는 입력 문장을 사전 설정된 관리자 컴퓨팅 장치로 송신할 수 있다. 여기서 관리자 컴퓨팅 장치는 고객 상담을 전문적으로 하는 CS팀이 포함하는 컴퓨팅 장치일 수 있다.

이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 보험에 관한 사용자의 질의를 다양한 의도 그룹으로 분류하여, 그에 기초한 표준 답변 문장을 제공함으로써, 사용자의 질의에 언제든지 대응할 수 있다. 그리고 이에 따라, 근무 시간이 특정되어 있는 상담사나 설계사와 달리 챗봇을 통해 고객이 원하는 시간에 언제든지 질의에 대한 대응을 수행할 수 있다.

또한, 서버(100)는 사용자 단말(200)이나 서브 그룹 컴퓨팅 장치(300)로부터 피드백을 수신하고, 그 과정에서 딥러닝 방식을 통한 데이터 학습에 기반하여 데이터가 축적 될수록 보다 고객의 의도를 정확하게 분류할 수 있다. 그리고, 입력 문장에 대한 의도 분류가 명확하지 않을 경우에도 연관된 담당 부서로 직접 연결함으로써. 사용자에게 명확하고 원하는 서비스를 제공할 수 있어 만족도가 크게 높아질 수 있다.

도 2는 본 개시의 일 실시예에 따른 서버와 사용자 단말 간의 흐름도를 도시한다.

먼저, 사용자 단말(200)은 사용자로부터 입력된 입력 문장을 서버(100)로 전송할 수 있다. 그리고, 서버(100)의 수신부(110)는 사용자 단말(200)로부터 입력 문장을 수신할 수 있다. 또한, 일 실시예에 따라 이와 같은 과정 이전에 사용자 단말(200)과 서버(100)가 연결되는 동작이 추가될 수 있다. 예를 들어, 사용자 단말(200)이 사용자의 입력에 기초하여 서버(100)의 챗봇을 친구로 추가하는 동작 및 사용자 단말(200)과 서버(100)가 대화 세션을 개설하는 동작 중 적어도 하나가 추가될 수 있다. 전술한 추가 동작의 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

서버(100)의 의도 그룹 분류부(120)는 전처리된 입력 문장을 자연어 처리 인공 신경망을 통해 연산하여 각각의 의도 그룹에 대한 분석값을 출력할 수 있다. 여기서 자연어 처리 인공 신경망은 전처리된 입력 문장을 입력 데이터로하고, 각각의 연결 가중치를 연산하여 의도 그룹을 출력 노드로 할 수 있다. 여기서 연결 가중치는 LSTM 방식에서 사용되는 입력, 출력 및 망각 게이트의 가중치이거나, 또는 RNN에서 통용되는 게이트의 가중치일 수도 있다. 이에 따라, 의도 그룹 분류부(120)는 각각의 의도 그룹에 일대일 대응되는 입력 문장의 분석값을 연산할 수 있다. 그리고, 여기서 분석값은 입력 문장이 하나의 의도 그룹에 해당할 수 있는 확률을 의미할 수 있다.

서버(100)의 의도 그룹 분류부(120)가 입력 문장을 자연어 처리 인공 신경망에 입력 하여 분석값을 출력함으로써, 의도 그룹 중 하나로 입력 문장을 분류할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 입력 문장을 자연어 처리 인공 신경망에 입력하여 의도 그룹 각각에 대응되는 분석값을 연산할 수 있다. 그리고, 의도 그룹 분류부(120)는 각각의 분석값 중 가장 높은 분석값에 기초하여 입력 문장을 의도 그룹 중 하나로 분류할 수 있다.

그리고, 서버(100)의 의도 그룹 분류부(120)가 연산한 분석값이 사전 설정된 기준값 이상인 경우, 송신부(140)가 입력 문장에 대한 표준 답변 문장을 사용자 단말(200)로 송신할 수 있다. 그리고 이에 따라, 서버(100)는 의도 분류가 신뢰할만하다고 판단되면 사용자 단말(200)로 입력 문장에 대한 대응을 수행할 수 있다.

또한, 서버(100)의 의도 그룹 분류부(120)가 연산한 분석값이 사전 설정된 기준값 미만인 경우, 답변 처리부(130)가 표준 답변 문장의 송신을 보류할 수 있다. 그리고, 답변 처리부(130)가 입력 문장과 연관된 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 입력 문장을 송신할 수 있다. 여기서 금융 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성될 수 있다.

보다 구체적으로, 서버(100)의 의도 그룹 분류부(120)는 분석값을 연산하고, 입력 문장을 하나의 의도 그룹으로 분류할 수 있다. 그리고, 답변 처리부(130)는 분류된 의도 그룹에 기초하여 표준 답변 문장을 생성할 수 있다. 또한, 답변 처리부(130)는 분석값이 기준값 미만인 것에 기초하여, 표준 답변 문장을 사용자 단말(200)로 송신하는 것을 보류할 수 있다. 또한, 답변 처리부(130)는 입력 문장을 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 송신할 수 있다. 그리고, 답변 처리부(130)는 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장을 수신할 수 있다. 여기서 맞춤 답변 문장은 업무 담당자로부터 서브 그룹 컴퓨팅 장치를 통해 수신될 수 있다. 그리고, 송신부(140)는 표준 답변 문장 대신 맞춤 답변 문장을 사용자 단말(200)로 송신할 수 있다. 이에 따라, 분류 심사부(150)는 입력 문장에 대한 의도 그룹 분류가 신뢰할 수 있다고 판단되는 경우에만 표준 답변 문장을 사용자 단말(200)로 송신할 수 있다.

또한, 서버(100)의 답변 처리부(130)는 분석값이 기준값 미만인 경우, 입력 문장이 포함하는 키워드에 기초하여 서브 그룹 컴퓨팅 장치를 선정할 수 있다. 보다 구체적으로, 답변 처리부(130)는 분석값이 분류 심사부(150)가 저장하고 있는 기준값 미만이라는 판단에 기초하여, 표준 답변 문장을 사용자 단말(200)로 송신하는 것을 보류할 수 있다. 또한, 답변 처리부(130)는 금융 컴퓨팅 장치 그룹이 포함하는 각각의 서브 그룹 컴퓨팅 장치에 대응되는 키워드를 저장할 수 있다. 그리고, 답변 처리부(130)는 입력 문장이 포함하는 키워드와 각각의 서브 그룹 컴퓨팅 장치에 대응되는 키워드를 매칭하여 가장 유사한 서브 그룹 컴퓨팅 장치를 선정할 수 있다. 또한, 실시예에 따라 답변 처리부(130)는 의도 그룹 분류부(120)가 전처리 한 입력 문장이나, 분류된 의도 그룹에 기초하여 서브 그룹 컴퓨팅 장치와의 매칭을 수행할 수 있다. 이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 의도 그룹의 분류에 대한 신뢰도가 낮을 경우, 사용자가 원하는 문의를 담당하고 있는 부서와의 직접적인 연결을 제공할 수 있다. 따라서, 챗봇이 대응하기 어려운 사용자의 특수한 질문에도 사용자가 원하는 답을 빠르게 대응할 수 있다.

서버(100)의 의도 그룹 분류부(120)는 수신부(110)가 수신하는 피드백에 기초하여 자연어 처리 인공 신경망의 연결 가중치를 수정할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 자연어 처리 인공 신경망이 포함하는 각각의 노드에 대하여 초기 연결 가중치를 저장할 수 있다. 그리고, 의도 그룹 분류부(120)는 초기 연결 가중치 및 전처리 된 입력 문장에 기초하여 의도 그룹을 분류할 수 있다. 또한, 수신부(110)는 사용자 단말(200) 및 금융사 컴퓨팅 장치 그룹 중 하나로부터 분류된 의도 그룹에 관한 피드백을 수신할 수 있다. 그리고, 의도 그룹 분류부(120)는 피드백에 기초하여 각 노드의 초기 연결 가중치를 수정하여 업데이트할 수 있다. 여기서 피드백은 분류된 의도 그룹에 대한 긍정, 부정이나, 정정된 의도 그룹 분류 정보 등을 포함할 수 있다.

예를 들어, 의도 그룹 분류부(120)는 "해지환급금 확인방법은?"라는 입력 문장을 초기 연결 가중치가 설정된 자연어 처리 인공 신경망에 입력하여 "보험 해지" 의도 그룹으로 분류할 수 있다. 그리고, 답변 처리부(130)는 "보험 해지" 의도 그룹에 기초하여 답변을 생성하고, 사용자 단말(200)로 송신할 수 있다. 또한, 수신부(110)는 사용자 단말(200)로부터 "아 그 말이 아닌데"라는 피드백을 수신할 수 있다. 이러한 경우, 의도 그룹 분류부(120)는 자연어 처리 인공 신명망에서 입력 문장과 연관된 노드의 초기 연결 가중치를 업데이트함으로써, 추후 동일한 입력 문장에 대하여 "보험 해지" 의도 그룹으로 분류하지 않도록 할 수 있다. 또 다른 예시로서, 수신부(110)는 금융사 컴퓨팅 장치 그룹으로부터 "해지환급금 산정"이라는 정정된 의도 그룹 분류 정보를 수신할 수 있다. 이러한 경우, 의도 그룹 분류부(120)는 입력 문장과 연관된 노드의 연결 가중치를 업데이트함으로써, 이후에 동일한 입력 문장에 대하여 "해지환급금 산정" 의도 그룹으로 분류할 수 있도록 할 수 있다. 전술한 의도 그룹 분류부(120)의 가중치 업데이트 동작의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 보험에 관한 사용자의 질의를 다양한 의도 그룹으로 분류하여, 그에 기초한 표준 답변 문장을 제공함으로써, 사용자의 질의에 언제든지 대응할 수 있다. 그리고 이에 따라, 근무 시간이 특정되어 있는 상담사나 설계사와 달리 챗봇을 통해 고객이 원하는 시간에 언제든지 질의에 대한 대응을 수행할 수 있다.

또한, 서버(100)는 사용자 단말(200)이나 서브 그룹 컴퓨팅 장치(300)로부터 피드백을 수신하고, 그 과정에서 딥러닝 방식을 통한 데이터 학습에 기반하여 데이터가 축적 될수록 보다 고객의 의도를 정확하게 분류할 수 있다. 그리고, 입력 문장에 대한 의도 분류가 명확하지 않을 경우에도 연관된 담당 부서로 직접 연결함으로써. 사용자에게 명확하고 원하는 서비스를 제공할 수 있어 만족도가 크게 높아질 수 있다.

도 3은 본 개시의 일 실시예에 따른 보험 사기 가능성 판단에 따른 대응 흐름도를 도시한다.

먼저, 사용자 단말(200)은 사용자로부터 입력된 입력 문장을 서버(100)로 전송할 수 있다. 그리고, 서버(100)의 수신부(110)는 사용자 단말(200)로부터 상기 입력 문장을 수신할 수 있다. 그리고 의도 그룹 분류부(120)는 입력 문장과 보험 사기 관련 데이터를 비교하여 보험 사기 가능성을 판단(310)할 수 있다. 여기서 보험 사기 관련 데이터는 데이터 베이스에 저장된 보험 사기에 사용되는 대화 시나리오를 포함할 수 있다.

보다 구체적으로, 의도 그룹 분류부(120)는 보험 사기 관련 데이터를 사전에 저장할 수 있다. 또한, 의도 그룹 분류부(120)는 입력 문장 및 보험 사기 관련 데이터를 전처리할 수 있다. 여기서 전처리는 교정, 형태소 분석, 구문 분석, 개체명 인식 및 표준화 중 적어도 하나의 작업을 포함할 수 있다. 그리고, 의도 그룹 분류부(120)는 자연어 처리 인공 신경망에 입력하여 전처리 된 입력 문장 및 보험 사기 관련 데이터 간의 유사도를 연산할 수 있다. 그리고, 의도 그룹 분류부(120)는 상기 유사도에 기초하여 보험 사기 가능성을 판단할 수 있다. 즉, 의도 그룹 분류부(120)는 입력 문장과 보험 사기 관련 데이터가 포함하는 입력 문장이 유사할수록 높은 유사도를 출력할 수 있다, 그리고, 의도 그룹 분류부(120)는 유사도가 임계치 이상인 경우, 보험 사기 가능성이 높다고 판단할 수 있다.

또한, 의도 그룹 분류부(120)는 상기 보험 사기 가능성을 임계치와 비교(310)하여 보험 사기 가능성이 임계치 이상인 경우, 사용자 단말(200)과의 연결을 보험 사기 서브 그룹 컴퓨팅 장치(400)로 변경할 수 있다. 여기서 보험 사기 서브 그룹 컴퓨팅 장치(400)는 보험 사기를 전담 부서의 담당자 컴퓨팅 장치일 수 있다. 그리고, 의도 그룹 분류부(120)는 보험 사기 가능성을 임계치와 비교(310)하여 보험 사기 가능성이 임게치 미만인 경우, 의도 그룹 중 하나의 의도로 분류할 수 있다.

이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 보험에 관한 사용자의 질의를 다양한 의도 그룹으로 분류하여, 그에 기초한 표준 답변 문장을 제공함으로써, 사용자의 질의에 언제든지 대응할 수 있다. 그리고 이에 따라, 근무 시간이 특정되어 있는 상담사나 설계사와 달리 챗봇을 통해 고객이 원하는 시간에 언제든지 질의에 대한 대응을 수행할 수 있다.

또한, 서버(100)는 사용자 단말(200)이나 서브 그룹 컴퓨팅 장치(300)로부터 피드백을 수신하고, 그 과정에서 딥러닝 방식을 통한 데이터 학습에 기반하여 데이터가 축적 될수록 보다 고객의 의도를 정확하게 분류할 수 있다. 그리고, 입력 문장에 대한 의도 분류가 명확하지 않을 경우에도 연관된 담당 부서로 직접 연결함으로써. 사용자에게 명확하고 원하는 서비스를 제공할 수 있어 만족도가 크게 높아질 수 있다.

도 4는 본 개시의 일 실시예에 따른 챗봇의 동작 인터페이스(500)다.

보다 구체적으로, 수신부(110)가 사용자 단말(200)로부터 챗봇에 관련된 세션을 개설하기 위한 요청을 수신할 수 있다. 그리고, 서버(100)는 상기 요청에 기초하여 챗봇과 사용자 단말(200) 간의 채팅 세션을 개설할 수 있다. 또한, 송신부(140)는 사용자 단말(200)로 입력 문장을 입력하거나, 표준 답변 문장, 또는 맞춤 답변 문장을 출력하기 위한 인터페이스(500)를 전송할 수 있다.

그리고, 수신부(110)는 사용자 단말(200)로부터 제 1 입력 문장(511) "아는게 뭐예요?"를 수신할 수 있다. 여기서 제 1 입력 문장(511)은 인터페이스(500)의 일 측(예컨대, 도 4에 도시된 바와 같이 좌측)에 인접하게 배치되고, 사용자 단말(200)을 식별할 수 있는 사용자 단말 아이콘(510)이 태그 될 수 있다. 그리고, 의도 그룹 분류부(120)는 수신된 입력 문장 "아는게 뭐예요?"에 기초하여 사용자의 의도를 "챗봇에 대한 질문" 의도 그룹으로 판단할 수 있다. 또한, 답변 처리부(130)는 상기 판단에 기초하여 제 1 표준 답변 문장(521)인 "저는 보험가입상담과 보험 용어설명을 도와드려요"를 생성한다. 상기 의도 그룹 분류부(120) 및 답변 처리부(130)의 동작에 관련된 자세한 설명은 도 1을 참조하여 전술하였기 때문에 생략한다.

송신부(140)는 답변 처리부(130)가 생성한 제 1 표준 답변 문장(521) "저는 보험가입상담과 보험 용어설명을 도와드려요"를 사용자 단말(200)로 전송한다. 여기서 제 1 표준 답변 문장(521)은 인터페이스(500)의 반대편 일 측(예컨대, 도 4에 도시된 바와 같이 우측)에 인접하게 배치되고, 챗봇을 식별할 수 있는 챗봇 아이콘(520)이 태그 될 수 있다.

그리고, 수신부(110)는 사용자 단말(200)로부터 제 2 입력 문장(512) "약관 대출이란?"을 수신할 수 있다. 여기서 제 2 입력 문장(512)은 제 1 입력 문장(511)과 동일한 측면에 일렬로 배치될 수 있다. 또한, 의도 그룹 분류부(120)는 상기 제 2 입력 문장(512)에 대하여 의도 그룹 분류를 수행함으로써, 상기 제 2 입력 문장(512)을 "약관 대출 정의"의도 그룹으로 분류할 수 있다. 그리고, 답변 처리부(130)는 "약관 대출 정의" 의도 그룹에 해당하는 제 2 표준 답변 문장(522) "보험계약대출은 보험 해지 시 돌려받을 환급금의 일정 범위 내에서 수시로 이용할 수 있는 대출입니다."를 생성할 수 있다. 또한, 송신부(140)는 상기 제 2 표준 답변 문장(522)을 사용자 단말(200)로 전송할 수 있다.

또한, 수신부(110)는 사용자 단말(200)로부터 제 3 입력 문장(513) "이벤트 통해서 가입할 수 있는 3대 질병 보장 보험은 없나?"를 수신할 수 있다. 이에 따라, 의도 그룹 분류부(120)는 분석값 60%에 기초하여 제 3 입력 문장을 "보험 추천" 의도 그룹으로 분류할 수 있다. 그리고, 분류 심사부(150)는 분석값 60%가 기준값 75% 미만이라는 것에 기초하여 제 3 입력 문장(513)을 서브 그룹 컴퓨팅 장치로 송신할 수 있다. 여기서 서브 그룹 컴퓨팅 장치는 "보험 추천" 의도 그룹에 기초하여 보험 상품 추천 업무를 수행하는 담당자의 컴퓨팅 장치일 수 있다. 그리고, 답변 처리부(130)는 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장(523) "보험 추천팀의 홍길동 대리입니다. 귀하께서 문의하신 상품으로 삼성생명 건강생활보험이 적합해 보입니다. 보다 자세한 문의를 원하십니까?"을 수신할 수 있다. 또한, 송신부(140)는 맞춤 답변 문장(523)을 사용자 단말(200)로 송신할 수 있다. 도 4를 참조하여 전술한 챗봇을 이용하여 사용자의 질의에 대응하는 서버(100)의 동작 인터페이스(500)는 자세한 예시의 기재일뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따라 챗봇을 이용하여 사용자의 질의에 대응하는 방법이 개시된다.

상기 방법은 수신부(110)가 사용자 단말(200)로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 단계를 포함할 수 있다. 여기서 입력 문장은 서버(100)가 사용자 단말(200)로부터 수신하는 첫 문장을 포함할 수 있다. 또한, 상기 입력 문장은 서버(100)가 사용자 단말(200)에 대해 임의의 동작을 수행하기 전까지 수신되는 하나 이상의 문장일 수 있다. 예를 들어, 수신부(110)는 사용자 단말(200)을 통해 수신되는 첫 입력 문장으로 "안녕 챗봇아"를 수신할 수 있고, 이후 "보험 상담을 하고 싶어"라는 두번째 입력 문장을 수신할 수 있다. 여기서 서버(100)가 상기 첫 입력 문장 및 두번째 입력 문장에 대한 답변, 또는 결과값 출력 동작을 수행하지 않은 경우, 상기 첫 입력 문장 및 두번째 입력 문장을 하나의 입력 문장으로 판단할 수 있다. 전술한 입력 문장의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

그리고, 의도 그룹 분류부(120)가 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹 중 하나로 입력 문장을 분류하는 단계를 포함할 수 있다. 여기서 의도 그룹은 보험에 관하여 사용자 단말(200)이 수행할 수 있는 동작이나 보험에 관련된 용어 설명을 사전 설정된 개수로 그룹화하여 분류한 것을 의미할 수 있다. 예를 들어, 의도 그룹은 사용자 단말(200)이 수행할 수 있는 "FAQ", "약관 대출", "보험 상품 추천", "보장 문의" 및 "기타 문의"라는 5개의 동작, 그리고 "약관 대출 정의", "해지환급금 정의" 및 "고객센터 위치" 등에 각각 대응되도록 8개로 구성될 수 있다. 전술한 의도 그룹의 자세한 기재는 예시일뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 RNN(Recurrent Neural Network)을 이용하여 자연어 처리를 수행할 수 있다. 여기서 RNN은 하나 이상의 단어를 포함하는 문장의 데이터에 기초하여 패턴을 학습하기 위한 딥 러닝 모델을 의미할 수 있다. 즉, 의도 그룹 분류부(120)는 RNN에 기초하여 입력 문장을 입력 데이터, 그리고 상기 입력 문장에 대한 분류를 출력 데이터로써 반복 학습할 수 있다. 이에 따라, 의도 그룹 분류부(120)는 수신부(110)를 통해 수신되는 입력 문장이 축적되고, 상기 입력 문장에 대한 의도 그룹 분류 정보가 축적될수록 보다 정확한 의도 분류를 수행할 수 있다.

보다 구체적으로, 본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 입력 문장에 대하여 띄어쓰기 및 오타 교정, 형태소 분석, 구문 분석 및 개체명 인식 중 적어도 하나의 동작을 포함하는 전처리 단계를 포함할 수 있다. 또한, 의도 그룹 분류부(120)는 실시예에 따라 입력 문장을 표준화하는 단계를 포함할 수 있다. 여기서 표준화는 입력 문장이 포함하는 단어의 의미, 또는 둘 이상의 단어 간의 관계에 기초하여 단어 중 의미가 없다고 판단되는 단어를 삭제하거나, 또는 단어 중 일부를 변경하여 입력 문장을 의미 단위로 구성하는 동작일 수 있다.

답변 처리부(130)가 분류된 의도 그룹에 기초하여 입력 문장에 대한 표준 답변 문장을 생성하는 단계를 포함할 수 있다. 보다 구체적으로, 답변 처리부(130)는 의도 그룹에 대응되는 하나 이상의 후속 동작, 또는 표준 답변 문장을 사전에 저장할 수 있다. 그리고, 답변 처리부(130)는 의도 그룹 분류부(120)가 입력 문장을 하나의 의도 그룹으로 분류하는 경우, 해당되는 하나 이상의 후속 동작을 실행하거나, 또는 송신부(140)가 표준 답변 문장을 사용자 단말(200)로 송신할 수 있다.

송신부(140)가 표준 답변 문장 및 맞춤 답변 문장 중 적어도 하나를 사용자 단말(200)로 송신하는 단계를 포함할 수 있다. 보다 구체적으로, 송신부(140)는 답변 처리부가 생성한 표준 답변 문장을 획득할 수 있다. 또한, 송신부(140)는 금융사 컴퓨팅 장치 그룹 중 적어도 하나로부터 맞춤 답변 문장을 획득할 수 있다. 그리고 상기 송신부(140)는 표준 답변 문장 및 맞춤 답변 문장 중 적어도 하나를 사용자 단말(200)과 연결되어 있는 챗봇을 통해 인터페이스와 함께 사용자 단말(200)로 송신할 수 있다. 상기 과정에서 송신부(140)는 유/무선 네트워크를 통하여 사용자 단말(200)과 통신할 수 있다.

본 개시의 일 실시에에 따른 방법은 분류 심사부(150)가 분석값과 사전 설정된 기준값을 비교하는 단계를 포함할 수 있다. 보다 구체적으로, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 입력 문장이 분류된 의도 그룹에 대한 분석값을 획득할 수 있다. 그리고, 분류 심사부(150)는 사전 설정된 기준값을 저장해둘 수 있다. 여기서 사전 설정된 기준값은 입력 문장에 대한 의도 분류가 얼마나 신뢰할 수 있는지에 대한 기준이 되는 임의의 분석값일 수 있다. 그리고, 분류 심사부(150)는 의도 그룹 분류부(120)로부터 획득한 분석값과 사전 설정된 기준값을 비교할 수 있다.

그리고, 분류 심사부(150)가 분석값이 기준값 이상인 경우, 송신부(140)로 하여금 입력 문장에 대한 표준 답변 문장을 사용자 단말(200)로 송신할 것을 결정하는 단계를 포함할 수 있다.

또한, 분류 심사부(150)가 분석값이 기준값 미만인 경우, 송신부(140)로 하여금 입력 문장에 대한 표준 답변 문장을 사용자 단말(200)로 송신하지 않을 것을 결정하는 단계를 포함할 수 있다. 그리고, 분류 심사부(150)가 분석값이 기준값 미만인 경우, 입력 문장과 연관된 금융 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 입력 문장을 송신하는 단계를 포함할 수 있다. 여기서 금융 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성될 수 있다. 추가적으로, 답변 처리부(130)는 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장을 수신하는 단계 및 송신부(140)가 사용자 단말(200)로 상기 맞춤 답변 문장을 송신하는 단계를 더 포함할 수 있다.

또한, 본 개시의 일 실시예에 따른 방법은 수신부(110)가 사용자 단말(200), 또는 서브 그룹 컴퓨팅 장치(300)로부터 분류된 의도 그룹에 대한 피드백을 수신하는 단계를 포함할 수 있다. 여기서 서브 그룹 컴퓨팅 장치(300)는 금융사 컴퓨팅 장치 그룹이 포함하는 하나 이상의 서브 그룹으로, 업무별로 분류되어 구성될 수 있다.

그리고, 본 개시의 일 실시예에 따른 의도 그룹 분류부(120)는 수신부(110)가 수신하는 피드백에 기초하여 자연어 처리 인공 신경망의 연결 가중치를 수정하는 단계를 포함할 수 있다. 보다 구체적으로, 의도 그룹 분류부(120)는 자연어 처리 인공 신경망이 포함하는 각각의 노드에 대하여 초기 연결 가중치를 저장할 수 있다. 그리고, 의도 그룹 분류부(120)는 초기 연결 가중치 및 전처리 된 입력 문장에 기초하여 의도 그룹을 분류할 수 있다. 또한, 수신부(110)는 사용자 단말(200) 및 금융사 컴퓨팅 장치 그룹 중 하나로부터 분류된 의도 그룹에 관한 피드백을 수신할 수 있다. 그리고, 의도 그룹 분류부(120)는 피드백에 기초하여 각 노드의 초기 연결 가중치를 수정하여 업데이트할 수 있다. 여기서 피드백은 분류된 의도 그룹에 대한 긍정, 부정이나, 정정된 의도 그룹 분류 정보 등을 포함할 수 있다.

본 개시의 다른 일 실시예에 따른 챗봇을 이용하여 사용자의 질의에 대응하기 위하여 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램을 개시한다.

상기 컴퓨터 프로그램은 수신부(110)가 사용자 단말(200)로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 명령을 포함할 수 있다.

그리고, 의도 그룹 분류부(120)가 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 의도 그룹 중 하나로 입력 문장을 분류하는 명령을 포함할 수 있다. 여기서 의도 그룹은 보험에 관련된 동작에 각각 대응될 수 있다.

또한, 답변 처리부(130)가 분류된 의도 그룹에 기초하여 입력 문장에 대한 표준 답변 문장을 생성하는 명령을 포함할 수 있다.

이에 따라, 본 개시의 일 실시예에 따른 서버(100)는 보험에 관한 사용자의 질의를 다양한 의도 그룹으로 분류하여, 그에 기초한 표준 답변 문장을 제공함으로써, 사용자의 질의에 언제든지 대응할 수 있다. 그리고 이에 따라, 근무 시간이 특정되어 있는 상담사나 설계사와 달리 챗봇을 통해 고객이 원하는 시간에 언제든지 질의에 대한 대응을 수행할 수 있다.

또한, 서버(100)는 사용자 단말(200)이나 서브 그룹 컴퓨팅 장치(300)로부터 피드백을 수신하고, 그 과정에서 딥러닝 방식을 통한 데이터 학습에 기반하여 데이터가 축적 될수록 보다 고객의 의도를 정확하게 분류할 수 있다. 그리고, 입력 문장에 대한 의도 분류가 명확하지 않을 경우에도 연관된 담당 부서로 직접 연결함으로써. 사용자에게 명확하고 원하는 서비스를 제공할 수 있어 만족도가 크게 높아질 수 있다.

도 5는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.

도 5는 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

본 개시가 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시가 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)－이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음－, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 여기서 매체는 저장 매체 및 전송 매체를 포함할 수 있다. 예를 들어, 컴퓨터-판독가능 저장 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 또한, 전송 매체는 명령(들) 및/또는 데이터를 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (12)

1. 챗봇을 이용하여 사용자의 질의에 대응하는 방법에 있어서,
   수신부가 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 단계;
   의도 그룹 분류부가 상기 입력 문장에 대하여 표준화 작업을 수행함으로써, 상기 입력 문장을 교정하는 전처리를 수행하는 단계;
   상기 의도 그룹 분류부가 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 하나 이상의 의도 그룹―상기 하나 이상의 의도 그룹은 보험에 관련된 동작에 각각 대응됨―각각에 대한 분석값을 출력하는 단계;
   상기 의도 그룹 분류부가 상기 하나 이상의 의도 그룹 각각의 분석값에 대한 비교에 기초하여 상기 입력 문장을 제 1 의도 그룹으로 분류하는 단계;
   분류 심사부가 상기 제 1 의도 그룹의 분석값과 사전 설정된 기준값을 비교하는 단계;
   답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 단계;
   상기 답변 처리부가 제 1 의도 그룹의 분석값이 상기 기준값 이상인 경우, 상기 입력 문장에 대한 상기 표준 답변 문장을 상기 사용자 단말로 송신할 것을 결정하는 단계;
   상기 답변 처리부가 제 1 의도 그룹의 분석값이 상기 기준값 미만인 경우, 상기 표준 답변 문장의 송신을 보류하는 단계;
   상기 답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 하나 이상의 후속 동작을 결정하는 단계;
   상기 의도 그룹 분류부가 상기 사용자 단말로부터 수신한 하나 이상의 입력 문장이 상기 표준 답변 문장에 대한 사용자의 부정적 피드백을 포함하는지 여부를 판별하는 단계;
   상기 하나 이상의 입력 문장에 상기 사용자의 부정적 피드백이 포함된 경우, 상기 부정적 피드백을 금융사 컴퓨팅 장치 그룹―상기 금융사 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 송신하는 단계; 및
   상기 수신부가 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로부터 관리자 피드백을 수신하는 경우, 상기 의도 그룹 분류부가 상기 관리자 피드백에 기초하여 상기 자연어 처리 인공 신경망의 연결 가중치를 수정하는 단계;
   를 포함하고, 그리고
   상기 하나 이상의 후속 동작은,
   상기 입력 문장과 연관된 추가 정보를 제공하기 위한 동작들로, 상기 사용자 단말의 사용자에게 상기 하나 이상의 의도 그룹 각각에 관련한 보험 상품 가입을 유도하기 위한 적어도 하나의 후속 동작을 포함하는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
2. 삭제
3. 삭제
4. 삭제
5. 제 1 항에 있어서,
   상기 분석값이 상기 기준값 미만인 경우, 상기 답변 처리부가 상기 표준 답변 문장의 송신을 보류하는 단계는,
   상기 분류 심사부가 상기 입력 문장과 연관된 금융 컴퓨팅 장치 그룹―상기 금융 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로 상기 입력 문장을 송신하는 단계;
   상기 답변 처리부가 상기 서브 그룹 컴퓨팅 장치로부터 맞춤 답변 문장을 수신하는 단계; 및
   송신부가 상기 맞춤 답변 문장을 상기 사용자 단말로 송신하는 단계;
   를 포함하는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
6. 제 1 항에 있어서,
   상기 분석값이 상기 기준값 미만인 경우, 상기 답변 처리부가 상기 표준 답변 문장의 송신을 보류하는 단계는,
   상기 답변 처리부가 상기 입력 문장이 포함하는 키워드에 기초하여 상기 입력 문장을 상기 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하는 단계;
   를 더 포함하는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
7. 제 6 항에 있어서,
   상기 답변 처리부가 상기 입력 문장이 포함하는 키워드에 기초하여 상기 입력 문장을 상기 금융사 컴퓨팅 장치 그룹 중 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하는 단계는,
   상기 답변 처리부가 상기 입력 문장을 상기 적어도 하나의 서브 그룹 컴퓨팅 장치와 매칭하지 못하는 경우, 사전 설정된 관리자 부서로 상기 입력 문장을 송신하는 단계;
   를 포함하는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
8. 제 1 항에 있어서,
   상기 의도 그룹 분류부가 상기 입력 문장과 보험 사기 관련 데이터―상기 보험 사기 관련 데이터는 데이터베이스(DB)에 저장된 보험 사기에 사용되는 대화 시나리오를 포함함―를 비교하여 보험 사기 가능성을 판단하는 단계; 및
   상기 의도 그룹 분류부가 상기 사용자 단말을 보험 사기 서브 그룹 컴퓨팅 장치로 연결하는 단계;
   를 더 포함하는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
9. 제 1 항에 있어서,
   상기 자연어 처리는,
   RNN(Recurrent Neural Network)을 이용하여 수행되는,
   챗봇을 이용하여 사용자의 질의에 대응하는 방법.
   
10. 제 1 항에 있어서,
    상기 의도 그룹 분류부가 상기 입력 문장에 대하여 표준화 작업을 수행함으로써, 상기 입력 문장을 교정하는 전처리를 수행하는 단계는,
    무의미 단어의 삭제, 띄어쓰기 및 오타 교정, 형태소 분석, 구문 분석 및 개체명 인식 중 적어도 하나의 동작을 포함하는,
    챗봇을 이용하여 사용자의 질의에 대응하는 방법.
    
11. 챗봇을 이용하여 사용자의 질의에 대응하는 서버에 있어서,
    사용자 단말로부터 하나 이상의 단어를 각각 포함하는 하나 이상의 입력 문장을 수신하고, 사용자의 부정적 피드백을 금융사 컴퓨팅 장치 그룹―상기 금융사 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 송신하고, 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로부터 관리자 피드백을 수신하는 수신부;
    상기 입력 문장에 대하여 표준화 작업을 수행함으로써, 상기 입력 문장을 교정하는 전처리를 수행하고, 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 하나 이상의 의도 그룹―상기 하나 이상의 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 각각에 대한 분석값을 출력하고, 상기 하나 이상의 의도 그룹 각각의 분석값에 대한 비교에 기초하여 상기 입력 문장을 제 1 의도 그룹으로 분류하고, 상기 하나 이상의 입력 문장이 표준 답변 문장에 대한 상기 사용자의 부정적 피드백을 포함하는지 여부를 판별하고, 그리고 상기 관리자 피드백에 기초하여 상기 자연어 처리 인공 신경망의 연결 가중치를 수정하는 의도 그룹 분류부;
    상기 제 1 의도 그룹의 분석값과 사전 설정된 기준값을 비교하는 분류 심사부; 및
    상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 상기 표준 답변 문장을 생성하고, 상기 제 1 의도 그룹의 분석값이 상기 기준값 이상인 경우, 상기 입력 문장에 대한 상기 표준 답변 문장을 상기 사용자 단말로 송신할 것을 결정하고, 상기 제 1 의도 그룹의 분석값이 상기 기준값 미만인 경우, 상기 표준 답변 문장의 송신을 보류하고, 그리고 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 하나 이상의 후속 동작을 결정하는 답변 처리부;
    를 포함하고, 그리고
    상기 하나 이상의 후속 동작은,
    상기 입력 문장과 연관된 추가 정보를 제공하기 위한 동작들로, 상기 사용자 단말의 사용자에게 상기 하나 이상의 의도 그룹 각각에 관련한 보험 상품에 대한 가입을 유도하기 위한 적어도 하나의 후속 동작을 포함하는,
    챗봇을 이용하여 사용자의 질의에 대응하는 서버.
    
12. 챗봇을 이용하여 사용자의 질의에 대응하기 위하여 하나 이상의 프로세서에 의해 실행되는 복수의 명령들을 포함하는 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은,
    수신부가 사용자 단말로부터 하나 이상의 단어를 포함하는 입력 문장을 수신하는 명령;
    의도 그룹 분류부가 상기 입력 문장에 대하여 표준화 작업을 수행함으로써, 상기 입력 문장을 교정하는 전처리를 수행하는 명령;
    상기 의도 그룹 분류부가 상기 입력 문장에 대하여 자연어 처리 인공 신경망을 이용한 자연어 처리를 통해 하나 이상의 의도 그룹―상기 하나 이상의 의도 그룹은 보험에 관련된 동작에 각각 대응됨― 각각에 대한 분석값을 출력하는 명령;
    상기 의도 그룹 분류부가 상기 하나 이상의 의도 그룹 각각의 분석값에 대한 비교에 기초하여 상기 입력 문장을 제 1 의도 그룹으로 분류하는 명령;
    분류 심사부가 상기 제 1 의도 그룹의 분석값과 사전 설정된 기준값을 비교하는 명령;
    답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 표준 답변 문장을 생성하는 명령;
    상기 답변 처리부가 제 1 의도 그룹의 분석값이 상기 기준값 이상인 경우, 상기 입력 문장에 대한 상기 표준 답변 문장을 상기 사용자 단말로 송신할 것을 결정하는 명령;
    상기 답변 처리부가 제 1 의도 그룹의 분석값이 상기 기준값 미만인 경우, 상기 표준 답변 문장의 송신을 보류하는 명령;
    상기 답변 처리부가 상기 분류된 의도 그룹에 기초하여 상기 입력 문장에 대한 하나 이상의 후속 동작을 결정하는 명령;
    상기 의도 그룹 분류부가 상기 사용자 단말로부터 수신한 하나 이상의 입력 문장이 상기 표준 답변 문장에 대한 사용자의 부정적 피드백을 포함하는지 여부를 판별하는 명령;
    상기 하나 이상의 입력 문장에 상기 사용자의 부정적 피드백이 포함된 경우, 상기 부정적 피드백을 금융사 컴퓨팅 장치 그룹―상기 금융사 컴퓨팅 장치 그룹은 업무별로 분류되는 하나 이상의 서브 그룹 컴퓨팅 장치로 구성됨― 중 적어도 하나의 서브 그룹 컴퓨팅 장치로 송신하는 명령; 및
    상기 수신부가 상기 적어도 하나의 서브 그룹 컴퓨팅 장치로부터 관리자 피드백을 수신하는 경우, 상기 의도 그룹 분류부가 상기 관리자 피드백에 기초하여 상기 자연어 처리 인공 신경망의 연결 가중치를 수정하는 명령;
    을 포함하고, 그리고
    상기 하나 이상의 후속 동작은,
    상기 입력 문장과 연관된 추가 정보를 제공하기 위한 동작들로, 상기 사용자 단말의 사용자에게 상기 하나 이상의 의도 그룹 각각에 관련한 보험 상품 가입을 유도하기 위한 적어도 하나의 후속 동작을 포함하는,
    컴퓨터 판독가능 저장매체에 저장된 컴퓨터 프로그램.

Images