KR102039294B1 - 인공지능 기반 질의 응답을 통한 포상관광지 획득 방법, 장치 및 프로그램 - Google Patents

Abstract

컴퓨터에 의하여 수행되는 방법에 있어서, 구성원정보를 수집하는 단계, 질의를 결정하는 단계, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계를 포함하는, 인공지능 기반 질의응답 도출방법이 개시된다.

Description

인공지능 기반 질의 응답을 통한 포상관광지 획득 방법, 장치 및 프로그램{METHOD, APPARATUS AND PROGRAM FOR OBTAINING PLACE OF THE INVENTION TRIPS THROUGH ANSWER BASED ON ARTIFICIAL INTELLIGENCE}

본 발명은 인공지능 기반 질의응답 도출방법, 장치 및 프로그램에 관한 것이다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

MICE는 기업회의(Meeting), 포상관광(Incentive trip), 컨벤션(Convention), 전시박람회와 이벤트(Exhibition&Event) 등의 영문 앞 글자를 딴 용어로, 좁은 의미에서는 국제회의와 전시회를 주축으로 한 유망 산업을 뜻하며, 광의적 개념으로는 참여자 중심의 보상관광과 메가 이벤트 등을 포함하는 융복합산업을 뜻한다.

등록특허공보 제10-1611438호, 2016.04.05 등록

본 발명이 해결하고자 하는 과제는 인공지능 기반 질의응답 도출방법, 장치 및 프로그램을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 인공지능 기반 질의응답 도출방법은, 구성원정보를 수집하는 단계(S101), 질의를 결정하는 단계(S102), 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계(S103) 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계(S104)를 포함한다.

또한, 상기 단계(S101)는, 구성원의 배경정보, 생활정보 및 설문정보 중 적어도 하나를 수집하는 단계(S105)를 포함하고, 상기 단계(S102)는, 상기 질의에 대응하는 키워드를 결정하는 단계(S106)를 포함하고, 상기 단계(S103)는, 상기 구성원정보로부터 상기 키워드와 연관된 정보를 추출하는 단계(S107)를 포함할 수 있다.

또한, 상기 단계(S107)는, 상기 구성원정보로부터 상기 키워드와 연관된 하나 이상의 키워드를 추출하는 단계(S108) 및 상기 구성원정보로부터 상기 추출된 하나 이상의 키워드를 포함하는 기 설정된 단위의 정보를 추출하는 단계(S109)를 포함할 수 있다.

또한, 상기 단계(S109)는, 상기 구성원정보를 하나 이상의 말뭉치(Corpus)로 분류하는 단계(S110) 및 상기 하나 이상의 말뭉치 중, 상기 추출된 하나 이상의 키워드를 포함하는 말뭉치를 추출하는 단계(S111)를 포함하고, 상기 단계(S104)는, 상기 추출된 말뭉치에 포함된 키워드들에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S112)를 포함할 수 있다.

또한, 상기 단계(S101)는, 구성원의 배경정보 및 생활정보를 수집하는 단계(S113), 상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114), 상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115) 및 상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116)를 포함할 수 있다.

또한, 상기 단계(S115)는, 데이터베이스에 저장된 설문 문항들을 클러스터링하는 단계(S117), 상기 클러스터링 결과 생성된 클러스터들의 특성을 판단하는 단계(S118), 상기 1차 응답에 대응하는 특성을 판단하고, 상기 1차 응답의 특성을 포함하는 하나 이상의 클러스터를 결정하는 단계(S119) 및 상기 결정된 하나 이상의 클러스터에 포함된 하나 이상의 설문 문항을 획득하는 단계(S120)를 포함할 수 있다.

또한, 상기 단계(S115)는, 상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121), 상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122) 및 상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123)를 포함하고, 상기 단계(S104)는, 상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124) 및 상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125)를 포함할 수 있다.

또한, 상기 단계(S125)는, 상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126)를 포함하고, 상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우, 상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127), 상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128) 및 상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129)를 포함할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 구성원정보를 수집하는 단계, 질의를 결정하는 단계, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계를 수행한다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 인공지능 기반 질의응답 도출방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 제공된다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

개시된 실시 예에 따르면, 특정 집단이나 범위의 구성원들에 대하여, 특정 질의에 대한 응답을 획득할 수 있는 방법이 제공된다.

특히, 특정 질의에 대한 전체 구성원들의 의견을 종합한 결과를 획득할 수 있는 효과가 있으며, 실시 예에 따라 직접적인 문의 없이 특정 질의에 대한 구성원들의 의견을 수집할 수 있는 장점이 있다.

또한, 설문을 통해 정보를 수집하는 경우 각 구성원에게 적합한 설문 문항을 제공할 수 있는 장점이 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 인공지능 기반 질의응답 도출방법을 도시한 흐름도이다.
도 3은 일 실시 예에 따라 키워드를 추출하는 방법을 도시한 흐름도이다.
도 4는 일 실시 예에 따라 정보를 추출하는 방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따라 질의에 대한 응답을 도출하는 방법을 도시한 흐름도이다.
도 6은 일 실시 예에 따른 정보수집 방법을 도시한 흐름도이다.
도 7은 일 실시 예에 따라 설문 문항을 획득하는 방법을 도시한 흐름도이다.
도 8은 일 실시 예에 따라 구성원별 설문을 수행하는 방법을 도시한 흐름도이다.
도 9는 일 실시 예에 따른 가중치 기반 응답 획득방법을 도시한 흐름도이다.
도 10은 일 실시 예에 따른 장치의 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.

도 1을 참조하면, 관리서버(100), 클라우드 서버(200) 및 사용자 단말들(300)이 도시되어 있다.

일 실시 예에서, 관리서버(100) 또는 클라우드 서버(200)는 개시된 실시 예에 따른 질의응답 도출에 이용되는 인공지능 모델을 학습시킬 수 있다. 관리서버(100)와 클라우드 서버(200)는 인공지능 모델의 학습에 필요한 학습 데이터를 공유할 수 있으며, 학습 결과로서 생성되는 모델을 구성하는 파라미터를 공유할 수 있다.

일 실시 예에서, 관리서버(100) 또는 클라우드 서버(200)는 사용자 단말들(300)로부터 수집되는 정보를 이용하여 학습 데이터를 획득하고, 획득된 학습 데이터에 기초하여 인공지능 모델을 학습시킬 수 있다.

일 실시 예에서, 인공지능 모델의 학습은 클라우드 서버(200)에서 수행되고, 관리서버(100)는 학습된 인공지능 모델을 클라우드 서버(200)로부터 획득하여 개시된 실시 예에 따른 질의응답 도출을 수행할 수도 있다.

일 실시 예에서, 사용자 단말들(300)은 특정 집단의 구성원들이 보유한 사용자 단말들을 포함할 수 있다. 예를 들어, 사용자 단말들(300)은 특정 기업의 직원들이 보유한 스마트폰들과, 각 직원이 이용하는 컴퓨터를 포함할 수 있으나, 이에 제한되는 것은 아니다.

일 실시 예에서, 관리서버(100)는 사용자 단말들(300)로부터 구성원정보를 획득하고, 이를 분석하여 질의응답을 도출할 수 있다.

구성원정보는 구성원의 신상을 포함하는 개인정보를 의미할 수도 있고, 기타 다양한 정보를 더 포함할 수 있다. 구체적인 구성원정보의 종류에 대해서는 후술한다.

실시 예에 따라서, 구성원정보로부터 질의응답을 도출하는 인공지능 모델이 활용될 수 있다. 본 명세서에서, 인공지능 모델은 머신러닝을 통하여 학습된 모델을 포함하는 의미로서 이해된다.

일 실시 예에서, 본 명세서에서 설명하는 질의응답 도출방법은 기업의 포상관광을 위하여 직원들이 원하는 관광지에 대한 정보를 도출하는 방법을 포함할 수 있으며, 이에 제한되지 않는다.

도 2는 일 실시 예에 따른 인공지능 기반 질의응답 도출방법을 도시한 흐름도이다.

단계 S101에서, 컴퓨터는 구성원정보를 수집한다.

구성원정보는 구성원의 신상을 포함하는 개인정보를 의미할 수도 있고, 기타 다양한 정보를 더 포함할 수 있다. 구체적인 구성원정보의 종류에 대해서는 후술한다.

단계 S102에서, 컴퓨터는 질의를 결정한다.

질의의 종류는 제한되지 않으나, 예를 들어 컴퓨터는 구성원들이 원하는 포상관광지를 질의할 수 있다. 다른 예로, 컴퓨터는 구성원들이 원하는 명절 선물이나 회식 날짜, 혹은 회사의 특정 정책에 대한 의견, 사업전략에 대한 의견 등을 질의할 수도 있으며, 제한되지 않는다.

단계 S103에서, 컴퓨터는 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출한다.

예를 들어, 컴퓨터는 구성원정보로부터 질의에 대한 응답을 도출해낼 수 있는 정보들을 추출할 수 있다. 예를 들어, 포상관광 지역을 질의하는 경우 여행과 관련된 구성원정보(예를 들어, 검색기록, 방문기록, 대화내역 등)를 추출할 수 있고, 포상관광 지역을 결정하는 데 참고할 수 있는 구성원의 취향에 대한 정보를 추출할 수 있다.

단계 S104에서, 컴퓨터는 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출한다.

일 실시 예에서, 컴퓨터는 수집된 구성원정보에서 키워드들을 추출하고, 추출된 키워드들을 클러스터링하거나 기타 다른 수단을 이용하여 분류함으로써 구성원의 의견이나 취향 등에 대한 정보를 도출해낼 수 있다.

도 3은 일 실시 예에 따라 키워드를 추출하는 방법을 도시한 흐름도이다.

상술한 단계(S101)에서, 컴퓨터는 구성원의 배경정보, 생활정보 및 설문정보 중 적어도 하나를 수집하는 단계(S105)를 수행할 수 있다.

상술한 단계(S102)에서, 컴퓨터는 상기 질의에 대응하는 키워드를 결정하는 단계(S106)를 수행할 수 있다.

상술한 단계(S103)에서, 컴퓨터는 상기 구성원정보로부터 상기 키워드와 연관된 정보를 추출하는 단계(S107)를 수행할 수 있다.

일 실시 예에서, 구성원의 배경정보는 구성원의 개인정보나 취미 등에 대한 기존 정보들을 포함할 수 있다.

일 실시 예에서, 구성원의 생활정보는 각 구성원의 대화내용을 포함할 수 있다. 예를 들어, 구성원의 생활정보는 각 구성원이 메일, 메신저 등을 이용하여 수행한 대화내용을 포함할 수 있다.

또한, 구성원의 생활정보는 구성원의 출퇴근 시간, 업무시간, 업무실적, 복지포인트 이용내역, 기타 복지(어학, 체육 등) 이용내역 등에 기초하여 수집된 다양한 개인정보 파라미터들을 포함할 수 있다.

포상관광 장소를 선택하는 실시 예를 기준으로 설명하면, 컴퓨터는 수집된 구성원의 배경정보 및 생활정보 중 적어도 하나에 기초하여 각 구성원에게 적합한 장소를 추천할 수 있다. 장소의 추천은 상술한 인공지능 모델에 기초하여 수행될 수 있다.

예를 들어, 인공지능 모델은 각 구성원의 생활정보와, 각 구성원이 원하는 장소가 라벨링된 학습 데이터에 기초하여 학습될 수 있다. 실시 예에 따라서, 인공지능 모델은 각 구성원의 설문정보와 생활정보를 함께 이용하여 학습될 수도 있다.

일 실시 예에서, 인공지능 모델은 구성원의 대화내용으로부터 자연어 처리를 통해 장소 선정에 필요한 키워드들을 획득하고, 획득된 키워드에 기초하여 연산을 통해 구성원들이 원하는 장소를 획득할 수 있다.

일 실시 예에서, 인공지능 모델은 구성원의 생활정보 중 장소 선정과 유의미한 연관성을 갖는 하나 이상의 파라미터를 결정하고, 해당 파라미터에 대응하는 정보를 구성원의 생활정보로부터 추출하고, 추출된 파라미터를 이용하여 학습을 수행함으로써 구성원이 원하는 장소를 획득할 수 있다.

일 실시 예에서, 인공지능 모델은 각 구성원들이 원하는 장소에 대한 정보를 취합할 수 있다. 예를 들어, 각 구성원들이 원하는 장소에 대한 정보는 직접적인 설문정보로부터 획득될 수도 있고, 상술한 방법에 의하여 인공지능 모델으로부터 획득될 수도 있다.

인공지능 모델은 각 구성원들이 원하는 장소에 대한 정보를 취합하고, 클러스터링할 수 있다. 인공지능 모델은 더 많은 구성원들이 원하는 장소를 선택할 수도 있고, 서로 다른 장소들이 취합되는 경우, 클러스터링을 통해 각 장소들의 특징에 기초하여 각 장소들에 대한 정보를 포함하는 장소 지도를 생성할 수 있다.

예를 들어, 장소 지도는 각 장소들의 연관성에 기초하여 클러스터링되어 정리된 지도일 수 있으며, 서로 연관성이 높은 장소일수록 가까이에, 서로 연관성이 낮은 장소일수록 멀리 위치할 수 있다. 장소 지도는 2차원 또는 3차원으로 구성될 수 있으며, 실시 예에 따라 더 높은 차원으로 구성될 수도 있다.

인공지능 모델은 장소 지도에 기초하여, 장소 지도에 포함된 클러스터들의 중앙에 위치한 장소를 선택할 수 있다. 예를 들어, 장소 A를 선택한 구성원이 50%이고, 장소 B를 선택한 구성원이 20%이고, 장소 C를 선택한 구성원이 30%인 경우에도, 장소 지도에 기초하여 산출된 중앙값이 장소 B에 가까운 경우, 장소 B가 최종적으로 선정될 수 있다.

장소의 연관성을 판단하는 기준은 각 장소의 특징들에 의하여 서로 다르게 설정될 수 있으며, 예를 들어 포상 관광의 경우, 각 장소가 휴양지에 가까운지, 관광지에 가까운지, 더운지, 추운지, 산이 많은지, 바다가 많은지 등 다양한 파라미터에 기초하여 분류될 수 있다.

각 장소를 분류하는 파라미터는 미리 설정될 수도 있으며, 인공지능 모델의 클러스터링에 의하여 결정될 수도 있다.

설문정보는 질의에 대한 응답을 직접적으로 요구하는 형태로 구성될 수도 있고, 간접적으로 응답을 도출해낼 수 있는 질의들의 집합으로 구성될 수도 있으며, 그 형태는 제한되지 않는다.

도 4는 일 실시 예에 따라 정보를 추출하는 방법을 도시한 흐름도이다.

상술한 단계(S107)에서, 컴퓨터는 상기 구성원정보로부터 상기 키워드와 연관된 하나 이상의 키워드를 추출하는 단계(S108)를 수행할 수 있다.

또한, 컴퓨터는 상기 구성원정보로부터 상기 추출된 하나 이상의 키워드를 포함하는 기 설정된 단위의 정보를 추출하는 단계(S109)를 수행할 수 있다.

예를 들어, 기 설정된 단위는 문장단위, 문단 단위, 대화 단위 또는 쿠키, 검색이력, 방문기록, 웹페이지, 사이트 등 다양한 기준으로 설정될 수 있다. 예를 들어, 컴퓨터는 특정 키워드가 포함된 문장들을 추출함으로써, 해당 키워드에 대한 사용자의 의견을 도출할 수 있다. 예를 들어, 각 문장에 해당 키워드와 함께 긍정표현이 쓰였는지 혹은 부정표현이 쓰였는지 등에 대한 정보를 수집하여, 각 키워드에 대한 사용자의 의견을 도출할 수 있다.

도 5는 일 실시 예에 따라 질의에 대한 응답을 도출하는 방법을 도시한 흐름도이다.

상술한 단계(S109)에서, 컴퓨터는 상기 구성원정보를 하나 이상의 말뭉치(Corpus)로 분류하는 단계(S110)를 수행할 수 있다.

또한, 컴퓨터는 상기 하나 이상의 말뭉치 중, 상기 추출된 하나 이상의 키워드를 포함하는 말뭉치를 추출하는 단계(S111)를 수행할 수 있다.

상술한 단계(S104)에서, 컴퓨터는 상기 추출된 말뭉치에 포함된 키워드들에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S112)를 수행할 수 있다.

말뭉치는 언어를 다양한 기준 단위로 분할하여 분류하고, 그룹화한 다양한 종류의 언어 집합을 의미할 수 있으며, 인공지능 학습에서 널리 이용된다. 컴퓨터는 구성원 정보를 말뭉치 기반으로 분류하고, 각 키워드를 포함하는 말뭉치를 검색한 후, 해당 말뭉치에 포함된 다른 키워드들을 획득하여 질의에 대한 응답을 도출할 수 있다.

도 6은 일 실시 예에 따른 정보수집 방법을 도시한 흐름도이다.

상술한 단계(S101)에서, 컴퓨터는 구성원의 배경정보 및 생활정보를 수집하는 단계(S113)를 수행할 수 있다.

또한, 컴퓨터는 상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114)를 수행할 수 있다.

즉, 컴퓨터는 각 구성원들의 배경정보 및 생활정보에 기초하여, 구성원들의 응답을 예측할 수 있다.

또한, 컴퓨터는 상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115)를 수행할 수 있다.

예를 들어, 1차 응답은 복수의 후보 응답들을 포함할 수 있다. 이 경우, 컴퓨터는 복수의 후보 응답 중 적어도 하나를 선택하도록 하는 설문 문항을 생성할 수도 있고, 복수의 후보 응답들의 특성을 추출하여, 각 특성들 중 각 구성원이 선호하는 특성을 응답하도록 하는 형태의 설문 문항을 생성한 후 구성원의 답변에 따라, 이에 대응하는 후보 응답을 최종 응답으로 선택할 수 있다.

또한, 컴퓨터는 상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116)를 수행할 수 있다.

컴퓨터는 설문정보에 따라 최종 응답을 결정할 수 있다.

도 7은 일 실시 예에 따라 설문 문항을 획득하는 방법을 도시한 흐름도이다.

상술한 단계(S115)에서, 컴퓨터는 데이터베이스에 저장된 설문 문항들을 클러스터링하는 단계(S117)를 수행할 수 있다.

또한, 컴퓨터는 상기 클러스터링 결과 생성된 클러스터들의 특성을 판단하는 단계(S118)를 수행할 수 있다.

또한, 컴퓨터는 상기 1차 응답에 대응하는 특성을 판단하고, 상기 1차 응답의 특성을 포함하는 하나 이상의 클러스터를 결정하는 단계(S119)를 수행할 수 있다.

또한, 컴퓨터는 상기 결정된 하나 이상의 클러스터에 포함된 하나 이상의 설문 문항을 획득하는 단계(S120)를 수행할 수 있다.

예를 들어, 1차 응답의 특성에 대응하는 설문 문항들을 이용하여 구성원으로부터 응답을 수신함으로써, 1차 응답의 방향성이 올바른가에 대한 정보를 획득할 수 있으며, 1차 응답의 방향성이 잘못된 것으로 판단되는 경우, 수정된 방향성과, 구성원의 배경정보 및 생활정보를 반영하여 응답을 다시 예측할 수 있다.

또한, 컴퓨터는 1차 응답에 복수의 후보 응답이 포함되거나, 1차 응답이 일정 범위로 설정된 응답인 경우, 1차 응답의 특성에 대응하는 설문 문항들을 이용하여 해당 특성에 대한 응답을 더욱 구체적으로 획득하고, 최종 응답을 결정할 수도 있다.

예를 들어, 결정된 포상 관광지가 바다가 있는 휴양지인 경우, 바다 및 휴양지와 관련된 질문들을 구성원들에게 제공하고, 그 결과에 따라 포상 관광지의 유형을 변경할 수도 있고, 바다가 있는 휴양지들 중 구성원이 원하는 특정 휴양지를 결정할 수도 있다. 또한, 포상 관광지가 특정 국가 혹은 대륙으로 선택되는 경우, 해당 특성을 포함하는 질문들을 통해 더 구체적인 응답을 수신하고, 이를 이용하여 도시나 국가를 더 구체적으로 특정할 수도 있다.

도 8은 일 실시 예에 따라 구성원별 설문을 수행하는 방법을 도시한 흐름도이다.

상술한 단계(S115)에서, 컴퓨터는 상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121)를 수행할 수 있다.

예를 들어, 포상 관광지를 선택하는 실시 예를 기준으로 하였을 때, 포상 관광지가 태국 푸켓으로 결정되었다고 가정하자. 이 경우, 만일 구성원들 중 일부가 최근에 태국 푸켓에 가고 싶다는 내용의 대화를 수행한 이력이 있는 경우, 해당 대화 내역이 구성원 정보에 포함되어 있을 수 있다.

이 경우 회사의 포상 관광지가 태국 푸켓으로 결정되는 경우, 해당 대화의 참여자들은 대화내용이 유출되거나 감시되었다는 느낌을 받을 수 있다. 빅 데이터를 활용한 맞춤형 서비스를 제공하는 기술에 있어서, 사용자로 하여금 감시당하거나 간파당한다는 느낌을 받도록 하는 것은 지양하는 편이 바람직한 경우가 많다. 따라서, 본 실시 예에서는 이러한 느낌을 해소할 수 있는 맞춤형 설문정보 제공방법을 설명한다.

또한, 컴퓨터는 상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122)를 수행할 수 있다.

예를 들어, 해당 구성원들에게 원하는 포상관광지를 직접 질의하는 경우, 선택지로서 태국 푸켓을 포함시키되, 나머지 선택지는 이와 상대적 관련성이 낮은, 예를 들어 바다가 없는 도심지 등을 포함시켜, 사용자로 하여금 직접 태국 푸켓을 선택할 수 있도록 유도할 수 있다.

또한, 컴퓨터는 상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123)를 수행할 수 있다.

상술한 단계(S104)에서, 컴퓨터는 상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124)를 수행할 수 있다.

또한, 컴퓨터는 상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125)를 수행할 수 있다.

도 9는 일 실시 예에 따른 가중치 기반 응답 획득방법을 도시한 흐름도이다.

상술한 단계(S125)에서, 컴퓨터는 상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126)를 수행할 수 있다.

예를 들어, 상기한 예시에서 구성원이 태국 푸켓을 직접 선택하는 경우, 제1 응답에 포함된 태국 푸켓 응답에 가중치를 부여할 수 있다.

예를 들어, 제1 응답은 복수의 후보 응답을 포함할 수도 있으며, 후보 응답들 중 하나가 제1 구성원의 구성원 정보에 명시된 것일 수도 있다. 이 경우, 컴퓨터는 제1 구성원의 구성원 정보에 명시된 응답을 선택지에 포함하는 설문 문항을 생성하여 제1 구성원에게 제공할 수 있으며, 실시 예에 따라 해당 설문 문항의 나머지 답변들은 다른 후보 응답들로 채워질 수도 있고, 상술한 실시 예와 같이 제1 응답과 관련성이 낮은 다른 응답으로 채워질 수도 있다.

이 경우 제1 구성원이 명시된 응답을 선택하는 경우, 해당 응답에 대하여 기 설정된 가중치를 부여함으로써, 해당 응답이 최종 응답으로 결정될 확률을 높일 수 있다.

또한, 컴퓨터는 상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우, 아래 단계(S127 내지 S129)들을 수행할 수 있다.

일 실시 예에서, 컴퓨터는 상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127)를 수행할 수 있다.

예를 들어, 1차 응답이 복수의 후보 문항을 포함하는 경우, 후보 문항들은 서로 연관성이 있는 태국 푸켓, 인도네시아 발리, 필리핀 세부 등을 포함할 수 있다. 이 경우 태국 푸켓이 구성원 정보에 명시된 제1 구성원에게 태국 푸켓을 답변에 포함하고, 나머지는 도심지나 산악지대를 포함하는 설문 문항을 제공하였을 수 있다. 이 때 제1 구성원이 태국 푸켓이 아닌 산악지대를 선택하는 경우, 컴퓨터는 예외상황에 대한 재확인을 위해, 제1 구성원이 선택한 산악지대를 답변에 포함하되 나머지 답변들은 제1 응답에 포함된 인도네시아 발리, 필리핀 세부를 포함하는 설문 문항을 생성하여 제1 구성원에게 다시 질의를 수행할 수 있다.

또한, 컴퓨터는 상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128)를 수행할 수 있다.

또한, 컴퓨터는 상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129)를 수행할 수 있다.

이 경우, 제1 구성원이 다시 산악지대를 선택하는 경우 제1 구성원의 의견이 확고한 것으로 판단, 산악지대에 가중치를 부여할 수 있다. 또한, 제1 구성원이 발리나 세부를 선택하는 경우, 제1 구성원은 바다가 있는 휴양지를 원하지만 푸켓보다는 발리나 세부를 선호하는 것으로 판단, 제1 구성원의 응답에 가중치를 부여할 수 있다.

도 10은 일 실시 예에 따른 장치의 구성도이다.

프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 명세서에서 설명된 방법을 수행한다.

예를 들어, 프로세서(102)는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써 구성원정보를 수집하고, 질의를 결정하고, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하고, 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출할 수 있다.

한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

100 : 관리서버
200 : 클라우드 서버
300 : 사용자 단말들
310 : 제1 사용자 단말

Claims (1)

1. 컴퓨터에 의하여 수행되는 방법에 있어서,
   구성원정보를 수집하는 단계(S101);
   질의를 결정하는 단계(S102);
   상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계(S103); 및
   인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계(S104); 를 포함하고,
   상기 단계(S101)는,
   구성원의 배경정보 및 생활정보를 수집하는 단계(S113);
   상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114);
   상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115); 및
   상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116); 를 포함하고,
   상기 단계(S115)는,
   상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121);
   상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122); 및
   상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123); 를 포함하고,
   상기 단계(S104)는,
   상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124); 및
   상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125); 를 포함하고,
   상기 단계(S125)는,
   상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126); 를 포함하고,
   상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우,
   상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127);
   상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128); 및
   상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129); 를 포함하는,
   인공지능 기반 질의응답 도출방법.

Images