KR102098003B1 - Method, apparatus and computer-readable medium for operating chatbot - Google Patents
Method, apparatus and computer-readable medium for operating chatbot Download PDFInfo
- Publication number
- KR102098003B1 KR102098003B1 KR1020180121337A KR20180121337A KR102098003B1 KR 102098003 B1 KR102098003 B1 KR 102098003B1 KR 1020180121337 A KR1020180121337 A KR 1020180121337A KR 20180121337 A KR20180121337 A KR 20180121337A KR 102098003 B1 KR102098003 B1 KR 102098003B1
- Authority
- KR
- South Korea
- Prior art keywords
- subject
- sub
- sentence
- input sentence
- user terminal
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004590 computer program Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 161
- 230000004044 response Effects 0.000 claims description 64
- 238000007781 pre-processing Methods 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 19
- 230000001186 cumulative effect Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- 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
Abstract
Description
본 개시는 챗봇을 구동하는 기술에 관한 것으로서, 보다 구체적으로 챗봇이 대화를 주도할 수 있는 방법에 관한 것이다.The present disclosure relates to a technology for driving a chatbot, and more particularly, to a method in which the chatbot can lead a conversation.
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.In recent years, as the society has become complicated and the anxiety about the future has increased, the number of people insured has increased significantly. Various financial products have been developed to meet such demands, and financial products targeting leisure activities or leisure activities of insurance subscribers have been proposed as leisure time such as five-day work week increases.
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.In this regard, various types of insurance products are provided by various insurance companies, and the insurer can select an insurance company and products that offer favorable conditions to the contract. In addition, the insurance company may recommend products suitable for the insurance subscriber.
대한민국 특허공개 공보 KR20000030728A에는 양음, 사주, 팔자 및 오행에 따른 보험 상품을 사용자에게 권유할 수 있는 보험 추천 및 제공 방법을 개시하고 있다.Korean Patent Publication No. KR20000030728A discloses a method of recommending and providing insurance that can incentivize a user to insure insurance products in accordance with positive, negative, negative, and five elements.
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 추천하는 시스템으로 이루어져 있다.Meanwhile, insurance companies receive customer consultations and inquiries through insurance designers and counselors, and respond accordingly. For example, in the case of a potential customer who is interested in auto insurance, the system consists of a system that recommends insurance suitable for potential customers through consultation after contacting an insurance company counselor or insurance planner for insurance.
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.However, insurance inquiries through a designer or a counselor have a problem that is difficult to be processed immediately at a time desired by a customer because of manpower issues and limitations in consultation time. In addition, insurance architects and counselors who specialize in this also had the inconvenience of unnecessarily increasing work because they had to deal with even simple tasks one by one.
또한, 챗봇은 고객의 질문에 대해서만 정해진 답변을 하는 방식으로, 고객들은 실제 상담사로부터 상담을 받는 느낌을 받을 수 없다는 한계가 있다.In addition, chatbots have a limitation in that they cannot receive the feeling of being consulted by an actual counselor, in a way that only a customer's question is answered.
따라서, 챗봇을 통해 고객이 궁금해하는 분야에 대하여 챗봇이 주도적으로 대화를 이끌어 나갈 수 있는 방법에 대한 당업계의 수요가 있을 수 있다.Therefore, there may be a demand in the art for a method in which the chatbot can lead the conversation in a way that the customer is curious about through the chatbot.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 사용자와의 상담에서 챗봇이 대화를 주도할 수 있는 방법을 제공하기 위함이다.The present disclosure has been devised in response to the above-mentioned background technology, and is intended to provide a method for a chatbot to lead a conversation in consultation with a user.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 컴퓨팅 장치의 하나 이상의 프로세서에서 실행되는 경우 챗봇의 구동을 위한 이하의 동작들을 수행하도록 하며 상기 동작들은: 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작; 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 동작; 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 동작; 및 상기 답변을 상기 사용자 단말로 전송하는 동작을 포함할 수 있다.Disclosed is a computer program stored in a computer-readable storage medium in accordance with one embodiment of the present disclosure for realizing the above-described problems. When the computer program is executed on one or more processors of the computing device, the following operations are performed for driving the chatbot, and the operations are: determining a reference sentence having a similarity with an input sentence received from a user terminal having a threshold value or higher. ; Determining a sub-subject of the reference sentence, and determining a topic of a conversation based on the sub-subject of the reference sentence; Determining an answer based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation; And transmitting the answer to the user terminal.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서 상기 답변은, 상기 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the answer may include a response for deriving an input sentence desired to be received from the user terminal.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은, 상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하는 동작; 하나 이상의 기준 문장 각각을 상기 전처리 모델을 통해 연산함으로써 하나 이상의 기준 문장 벡터를 획득하는 동작; 및 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of determining a reference sentence having a similarity level or higher with an input sentence received from a user terminal is greater than or equal to a threshold value. Obtaining an input sentence vector by calculating through a pre-processing model including a network function; Obtaining one or more reference sentence vectors by calculating each of the one or more reference sentences through the pre-processing model; And determining a reference sentence having a similarity level equal to or greater than a threshold value for each of the input sentence vector and the one or more reference sentence vectors.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은, 상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하는 동작; 상기 입력 문장 전에 입력된 과거 입력 문장을 상기 전처리 모델을 통해 연산함으로써 과거 입력 문장 벡터를 획득하는 동작; 상기 입력 문장 벡터 및 상기 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정하는 동작; 및 상기 누적 입력 벡터와의 유사도가 임계 값 이상인 상기 기준 문장을 결정하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of determining a reference sentence having a similarity level or higher with an input sentence received from a user terminal is greater than or equal to a threshold value. Obtaining an input sentence vector by calculating through a pre-processing model including a network function; Obtaining a past input sentence vector by calculating a past input sentence input before the input sentence through the pre-processing model; Determining a cumulative input vector based on the input sentence vector and the past input sentence vector; And determining the reference sentence having a degree of similarity with the accumulated input vector equal to or greater than a threshold value.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 동작은, 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하는 동작; 상기 과거 입력 문장의 서브 주제를 결정하는 동작; 및 상기 기준 문장의 서브 주제 및 상기 과거 입력 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of determining the sub-subject of the reference sentence and determining the topic of the conversation based on the sub-subject of the reference sentence, Determining a reference past input sentence having a similarity level with a threshold value equal to or higher than a past input sentence input before the input sentence; Determining a sub-subject of the past input sentence; And determining a topic of conversation based on the sub-subject of the reference sentence and the sub-subject of the past input sentence.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 동작은, 상기 기준 문장의 서브 주제 및 사용자의 상태 정보에 기초하여 대화의 주제를 결정하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of determining the sub-subject of the reference sentence and determining the topic of the conversation based on the sub-subject of the reference sentence, And determining a topic of the conversation based on the sub-subject of the reference sentence and the user's status information.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은, 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사 정도를 나타내는 하나 이상의 스코어링 값을 출력하는 동작; 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값의 클래스에 기초하여 기준 문장을 결정하는 동작; 및 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of determining a reference sentence having a similarity level above the threshold value for each of the input sentence vector and the one or more reference sentence vectors includes: Outputting one or more scoring values indicating the degree of similarity to each of the input sentence vector and the one or more reference sentence vectors; Determining a reference sentence based on a class of scoring values equal to or greater than a threshold value among the one or more scoring values; And when there is no class corresponding to a scoring value of a threshold value or more among the one or more scoring values, determining that the reference sentence cannot be determined.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하는 동작은, 상기 하나 이상의 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하는 답변 및 상기 입력 문장에 대한 판단 불가 답변 중 적어도 하나를 상기 사용자 단말로 전송하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, if there is no class corresponding to a scoring value above a threshold among the one or more scoring values, determining that the reference sentence cannot be determined The operation may include transmitting at least one of an answer to determine whether a reference sentence based on a class of the maximum scoring value among the one or more scoring values is correct and an answer that cannot be determined for the input sentence to the user terminal. .
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 답변을 상기 사용자 단말로 전송하는 동작은, 상기 답변이 컨텐츠를 포함하는 경우, 상기 입력 문장 및 상기 답변에 기초한 채팅 창과 상기 컨텐츠를 함께 상기 사용자 단말에 디스플레이하기 위해, 상기 채팅 창을 포함하는 제 1 레이어 및 상기 컨텐츠를 포함하는 제 2 레이어에 대한 인터페이스를 상기 사용자 단말에 전송하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, the operation of transmitting the answer to the user terminal includes: when the answer includes content, the input sentence and the answer The method may include transmitting an interface for a first layer including the chat window and a second layer including the content to the user terminal to display the chat window and the content together on the user terminal.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 동작은, 상기 제 1 서브 주제 및 상기 사용자 단말로부터 상기 입력 문장 전에 입력된 과거 입력 문장의 서브 주제를 비교하는 동작; 및 상기 제 1 서브 주제 및 상기 과거 입력 문장의 서브 주제가 일치하는 경우, 상기 제 1 서브 주제의 다음 서브 주제에 해당하는 제 2 서브 주제에 기초하여 답변을 결정하는 동작을 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving a chatbot, a first sub corresponding to a next sub topic of a sub topic of the reference sentence among a plurality of sub topics included in the topic of the conversation The operation of determining an answer based on a subject may include comparing the first sub-subject and the sub-subject of the past input sentence input before the input sentence from the user terminal; And when the first sub-subject and the sub-subject of the past input sentence match, determining an answer based on the second sub-subject corresponding to the next sub-subject of the first sub-subject.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 상기 서브 주제에 기초하여 획득된 주제가 둘 이상인 경우, 상기 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송하는 동작을 더 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, if there are two or more topics obtained based on the sub-themes, receive a selection input for one of the two or more topics The method may further include transmitting an answer for the user terminal.
챗봇의 구동을 위한 이하의 동작들을 수행하도록 하는 컴퓨터 프로그램 동작들의 대안적인 실시예에서, 본 개시의 다른 일 실시예에 따라 챗봇의 구동 방법이 개시된다. 상기 방법은, 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 단계; 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 단계; 및 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 단계; 및 상기 답변을 상기 사용자 단말로 전송하는 단계를 포함할 수 있다.In an alternative embodiment of computer program operations to perform the following operations for driving the chatbot, a method of driving the chatbot according to another embodiment of the present disclosure is disclosed. The method includes the steps of determining a reference sentence having a similarity level or higher with an input sentence received from a user terminal; Determining a sub-subject of the reference sentence, and determining a topic of conversation based on the sub-subject of the reference sentence; And determining a response based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation. And transmitting the answer to the user terminal.
본 개시의 다른 일 실시예에 따라 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서; 및 메모리; 를 포함하고, 상기 프로세서는, 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하고, 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하고, 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하고, 그리고 상기 답변을 상기 사용자 단말로 전송할 수 있다.A computing device is disclosed in accordance with another embodiment of the present disclosure. The computing device includes a processor including one or more cores; And memory; Including, the processor, determines a reference sentence having a similarity or higher than a threshold value of the input sentence received from the user terminal, determines the sub-subject of the reference sentence, and the subject of the conversation based on the sub-subject of the reference sentence And determines an answer based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation, and transmits the response to the user terminal You can.
본 개시는 챗봇의 구동 방법을 제공할 수 있다.The present disclosure can provide a method of driving a chatbot.
도 1은 본 개시의 일 실시예에 따른 챗봇의 구동을 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.
도 2는 본 개시의 일 실시예에 따른 서버와 사용자 단말 간의 흐름도를 도시한 도면이다.
도 3은 본 개시의 일 실시예에 따른 서버에 저장된 주제 및 기준 문장을 도시한 도면이다.
도 4는 본 개시의 일 실시예에 따른 챗봇의 동작 인터페이스를 도시한 도면이다.
도 5는 본 개시의 일 실시예에 따른 챗봇의 구동 방법의 순서도이다.
도 6은 본 개시의 일 실시예에 따른 챗봇의 구동 방법을 구현하기 위한 로직을 도시한 블록 구성도이다.
도 7은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.1 is a block diagram of a computing device performing an operation for driving a chatbot according to an embodiment of the present disclosure.
2 is a diagram illustrating a flowchart between a server and a user terminal according to an embodiment of the present disclosure.
3 is a diagram illustrating subject and reference sentences stored in a server according to an embodiment of the present disclosure.
4 is a diagram illustrating an operation interface of a chatbot according to an embodiment of the present disclosure.
5 is a flowchart of a method for driving a chatbot according to an embodiment of the present disclosure.
6 is a block diagram illustrating logic for implementing a method of driving a chatbot according to an embodiment of the present disclosure.
7 is a block diagram of a computing device according to an embodiment of the present disclosure.
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 예 들에서, 공지된 구조 및 장치들은 실시예들의 설명을 용이하게 하기 위해서 블록 다이어그램 형태로 제공된다.Various embodiments are now described with reference to the drawings, and like reference numbers throughout the drawings are used to indicate similar elements. In this specification, various descriptions are presented to provide an understanding of the present disclosure. However, it is clear that these embodiments can be practiced without these specific details. In other instances, well-known structures and devices are provided in block diagram form in order to facilitate describing the embodiments.
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. As used herein, the terms “component”, “module”, “system” and the like refer to computer-related entities, hardware, firmware, software, combinations of software and hardware, or execution of software. For example, a component can be, but is not limited to, a process running on a processor, a processor, an object, a thread of execution, a program, and / or a computer. For example, both the application and the computing device running on the computing device can be components. One or more components can reside within a processor and / or thread of execution, and one component can be localized within one computer, or distributed between two or more computers. In addition, these components can execute from various computer readable media having various data structures stored therein. The components are, for example, signals having one or more data packets (e.g., data from one component interacting with another component in a local system, distributed system, and / or data via another system and a network such as the Internet via a signal) ) Through local and / or remote processes.
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. Descriptions of the presented embodiments are provided to enable any person skilled in the art to use or practice the present disclosure. Various modifications to these embodiments will be apparent to those skilled in the art of the present disclosure, and the general principles defined herein can be applied to other embodiments without departing from the scope of the present disclosure. Thus, the present disclosure should not be limited to the embodiments presented herein, but should be interpreted in the broadest scope consistent with the principles and novel features presented herein.
본 개시의 일 실시예에서 서버는 서버의 서버 환경을 수행하기 위한 다른 구성들이 포함될 수도 있다. 서버는 임의의 형태의 장치는 모두 포함할 수 있다. 서버는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 서버는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다. In one embodiment of the present disclosure, the server may include other configurations for performing the server environment of the server. The server can include any type of device. The server is a digital device, and may be a digital device equipped with a processor and having computing power, such as a laptop computer, a notebook computer, a desktop computer, a web pad, and a mobile phone. The server may be a web server that processes services. The above-mentioned types of servers are only examples, and the present disclosure is not limited thereto.
본 명세서에 걸쳐, 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은 "뉴런(neuron)"들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.Throughout this specification, models, neural networks, network functions, and neural networks may be used in the same sense. A neural network may consist of a set of interconnected computational units, which may generally be referred to as "nodes." These “nodes” may also be referred to as “neurons”. The neural network comprises at least one node. The nodes (or neurons) that make up the neural networks can be interconnected by one or more “links”.
본 명세서에 걸쳐, 모델은 하나 이상의 네트워크 함수를 포함하는 의미로 사용될 수 있다. 모델은 다른 모델과 함께 데이터의 처리를 수행할 수 있다. 모델은 다른 모델과 직렬 또는 병렬로 상호 연결될 수 있다.Throughout this specification, a model can be used to mean including one or more network functions. The model can perform data processing along with other models. The models can be interconnected in series or in parallel with other models.
도 1은 본 개시의 일 실시예에 따른 챗봇의 구동을 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.1 is a block diagram of a computing device performing an operation for driving a chatbot according to an embodiment of the present disclosure.
본 개시의 일 실시예에 따른 챗봇의 구동 방법을 위한 컴퓨팅 장치(100)는 개인 금융상품에 관련한 상담, 문의, 또는 고객 서비스 중 하나에 대한 사용자와의 일대일 대화에서 고객의 의도를 분류하기 위해 사용될 수 있다. 여기서 개인 금융상품은 보험, 대출, 연금, 펀드 등의 일반적인 상품을 의미할 수 있다.The
본 개시의 일 실시예에 따른 챗봇의 구동 방법을 위한 컴퓨팅 장치(100)는 네트워크부(110), 프로세서(120) 및 메모리(130)를 포함할 수 있다.The
네트워크부(110)는 사용자 단말(200)로부터 하나 이상의 단어를 포함하는 입력 문장을 수신할 수 있다. 여기서 입력 문장은 컴퓨팅 장치(100)가 사용자 단말(200)로부터 수신하는 문장을 포함할 수 있다. 입력 문장은, 컴퓨팅 장치(100)가 사용자 단말(200)로부터 수신하는 첫번째 문장일 수도 있고, 첫번째 문장 이후의 문장일 수도 있다. 또한, 상기 입력 문장은 컴퓨팅 장치(100)가 사용자 단말(200)에 대해 임의의 동작을 수행하기 전까지 수신되는 하나 이상의 문장일 수 있다. 예를 들어, 네트워크부(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 컴퓨팅 장치(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 예시일 뿐, 본 개시는 이에 제한되지 않는다.The
네트워크부(110)는 사용자 단말(200)로부터 하나 이상의 단어를 포함하는 과거 입력 문장을 수신할 수 있다. 여기서 과거 입력 문장은 컴퓨팅 장치(100)가 사용자 단말(200)로부터 입력 문장을 수신하기 전에 수신한 문장을 의미할 수 있다. 컴퓨팅 장치(100)는 과거 입력 문장에 기초하여 입력 문장에 대한 기준 문장 들과의 유사도를 판단할 수 있다.The
네트워크부(110)는 응답 답변을 사용자 단말(200)로 송신할 수 있다. 응답 답변은 사용자 단말로부터 수신된 입력 문장에 대한 응답일 수 있다.The
네트워크부(110)는 답변을 사용자 단말(200)로 송신할 수 있다. 답변은 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답일 수 있다. 답변은 스코어 값에 기초한 기준 문장이 맞는 지 여부를 확인하기 위한 답변 및 입력 문장에 대한 판단이 불가능하다는 답변 중 적어도 하나를 포함할 수 있다. 답변은 사용자의 입력 문장에 기초하여 식별되는 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 받기 위한 답변을 포함할 수 있다. 답변은 사용자의 입력 문장에 기초하여 식별되는 하나의 주제에 포함된 하나 이상의 서브 주제 중 우선 순위가 가장 높은 서브 주제의 기준 문장에 기초한 답변을 포함할 수 있다. 보다 구체적으로, 네트워크부(110)는 프로세서(120)가 생성한 답변을 획득할 수 있다. 추가적으로, 네트워크부(110)는 금융사 컴퓨팅 장치 그룹 중 적어도 하나로부터 답변 문장을 획득할 수도 있다. 그리고 네트워크부(110)는 답변을 사용자 단말(200)과 연결되어 있는 챗봇을 통해 인터페이스와 함께 사용자 단말(200)로 송신할 수 있다. 상기 과정에서 네트워크부(110)는 유/무선 네트워크를 통하여 사용자 단말(200)과 통신할 수 있다.The
추가적으로, 네트워크부(110)는 메모리(130)상에 저장된 입력 문장에 매칭되는 답변을 사용자 단말(200)로 전송할 수 있다.Additionally, the
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, 네트워크부(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.The
그리고, 네트워크부(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.In addition, the
프로세서(120)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 챗봇의 구동을 위한 프로세서를 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 챗봇의 구동 방법을 수행할 수 있다. 본 개시의 일 실시예에 따라 프로세서(120)는 챗봇의 구동 방법을 위한 계산을 수행할 수 있다. The
프로세서(120)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 챗봇의 구동 방법을 위한 입력 문장에 대한 연산, 입력 문장 및 기준 문장에 대한 유사도 연산 등을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 챗봇의 구동 방법을 위하여 입력 문장 벡터 및 과거 입력 문장의 벡터에 기초하여 유사도가 임계 값 이상인 기준 문장을 결정하는 연산 등을 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 챗봇의 구동 방법을 위한 스코어링 값에 기초한 유사도 판단 등을 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.At least one of the CPU, GPGPU, and TPU of the
본 개시의 일 실시예에 따라, 사용자 단말(200)로부터 수신한 입력 문장에 기초하여 기준 문장을 결정할 수 있다.According to an embodiment of the present disclosure, a reference sentence may be determined based on an input sentence received from the
프로세서(120)는 사용자 단말(200)로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다.The
보다 구체적으로, 프로세서(120)는 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산함으로써 입력 문장 벡터를 획득할 수 있다.More specifically, the
본 개시의 일 실시예에 따른 전처리 모델(300)은 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, 프로세서(120)는 RNN에 기초하여 입력 문장을 입력 데이터, 그리고 상기 입력 문장에 대한 입력 문장 벡터를 출력 데이터로써 반복 학습할 수 있다. 이에 따라, 프로세서(120)는 네트워크부(110)를 통해 수신되는 입력 문장이 축적되고, 상기 입력 문장에 대한 입력 문장 벡터 정보가 축적될수록 보다 정확한 입력 문장의 벡터화를 수행할 수 있다. The
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, 프로세서(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 프로세서(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 예시일 뿐, 본 개시는 이에 제한되지 않는다.In addition, the RNN according to an embodiment of the present disclosure may solve a problem of vanishing gradient due to continuous learning through at least one of a Long Short-Term Memory Units (LSTM) method and a Gated Recurrent Units (GRU) method. . More specifically, the
보다 구체적으로, 프로세서(120)는 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산함으로써 입력 문장 벡터 형태로 환산할 수 있다. 여기서 전처리 모델(300)은 형태소 분석을 통해 입력 문장을 하나 이상의 형태소들의 집합으로 변환하기 위한 함수를 포함할 수 있다. 그리고, 전처리 모델(300)은 하나 이상의 형태소 각각을 사전 설정된 수의 차원(예컨대, 100차원)의 벡터로 환산하기 위한 함수를 포함할 수 있다. 예를 들어, 전처리 모델은 "Word2Vec"함수를 포함할 수 있다. 그리고, 전처리 모델(300)은 형태소 단위로 환산된 벡터 간의 거리를 산출하기 위한 함수를 이용하여 가중치 행렬의 형태로 산출할 수 있다. 그리고, 전처리 모델(300)은 입력 문장에 대한 가중치에 기초하여 입력 문장 자체의 벡터를 산출하기 위한 함수를 포함할 수 있다. 전술한 전처리 모델(300)에 대한 자세한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.More specifically, the
프로세서(120)는 하나 이상의 기준 문장 각각을 전처리 모델(300)을 통해 연산함으로써 하나 이상의 기준 문장 벡터를 획득할 수 있다.The
기준 문장은 사용자의 입력 문장을 분류하기 위한 카테고리 및 속성 중 적어도 하나를 대표하는 문장일 수 있다. 그리고, 기준 문장은 데이터베이스, 또는 메모리(130) 상에 사전 저장될 수 있다. 그리고, 각각의 기준 문장은 카테고리 및 하나 이상의 속성을 포함하고 있을 수 있다. 예를 들어, "약관 대출은 무엇인가요?"라는 기준 문장은 "약관 대출" 카테고리의 "정의"라는 속성으로 메모리(130) 상에 사전에 저장될 수 있다. 또한, "약관 대출은 무엇인가요?"라는 기준 문장은 기준 문장 벡터와 연관되어 저장될 수 있다. 다른 실시예에서, "약대가 뭐야?"라는 기준 문장은 메모리(130)에 저장되어 있고, 전처리 모델(300)을 통해 기준 문장 벡터로 연산 될 수 있다. 또한, "보험" 카테고리에 대한 "문의" 속성을 가진 기준 문장은 "보험에 대해 물어보고 싶어", "보험 좀 알아보고 싶습니다" 및 "보험 관련 문의 드립니다"를 각각 포함할 수도 있다. 전술한 기준 문장의 자세한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.The reference sentence may be a sentence representing at least one of categories and attributes for classifying the user's input sentence. In addition, the reference sentence may be pre-stored in the database or the
프로세서(120)는 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. 프로세서(120)는 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사 정도를 나타내는 하나 이상의 스코어링 값을 출력할 수 있다. 프로세서(120)는 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값의 클래스에 기초하여 기준 문장을 결정할 수 있다. 프로세서(120)는 입력 문장과 기준 문장이 포함하고 있는 하나 이상의 단어의 의미, 배열 및 각 단어 간의 관계에 기초한 분석을 수행하여 유사도를 산출할 수 있다. 프로세서(120)는 전처리 모델(300)에서 입력 문장 벡터 형태로 환산된 입력 문장과, 사전에 저장된 기준 문장 벡터의 간의 유사도를 산출할 수 있다. 여기서 유사도는 문장 단위로 스코어링 된 점수 형태일 수 있다.The
예를 들어, 프로세서(120)는 입력 문장 "약관 대출 문의를 하고 싶다"와 "약관 대출"카테고리의 "문의"속성에 대한 기준 문장인 "약관 대출을 원합니다"의 유사도를 분석할 수 있다. 그리고, 프로세서(120)는 입력 문장과 기준 문장이 포함하는 "약관" 및 "대출"이라는 단어의 일치, 그리고 "문의"와 "원합니다"의 의미 유사도에 기초하여, 입력 문장 벡터와 기준 문장 벡터와의 유사도가 "80" 이라고 산출할 수 있다. 또한, 프로세서(120)는 상기 입력 문장 "약관 대출 문의를 하고 싶다"와 "보험 상품"카테고리의 "추천"속성에 대한 기준 문장인 "보험 상품을 추천해줘"의 유사도를 분석할 수도 있다. 그리고, 프로세서(120)는 상기 입력 문장이 포함하는 "약관 대출"과 "문의"의 관계가 기준 문장이 포함하는 "보험"과 "추천"의 관계와 일치하는 정도를 분석하여, 입력 문장 벡터와 기준 문장 벡터와의 유사도가 "35"라고 산출할 수 있다. 전술한 프로세서(120)의 자세한 동작 기재와 수치는 예시일뿐, 본 개시는 이에 제한되지 않는다.For example, the
다른 예시에 있어서, 입력 문장이 "내가 든 상품에서 골절이 보장될까?"이고, "보험 상품"카테고리의 "보장 범위" 속성에 대한 제 1 기준 문장이 "가입한 보험 상품의 보장 정보는?", 그리고 제 2 기준 문장이 "이것도 보험금 청구할 수 있어?"일 수 있다. 이러한 경우, 프로세서(120)는 입력 문장 벡터와 제 1 및 2 기준 문장 벡터와의 유사도를 각각 산출하여 제 1 및 2 유사도를 생성할 수 있다. 보다 구체적으로, 프로세서(120)는 입력 문장의 "내가 든 상품" 및 "보장"과 제 1 기준 문장의 "가입한 보험 상품" 및 "보장 정보"의 의미 유사도에 기초하여, 입력 문장 벡터와 제 1 기준 문장 벡터의 제 1 유사도를 "95"라고 산출할 수 있다. 그리고 프로세서(120)는 입력 문장의 "가입한 상품" 및 "보장 정보"와 제 2 기준 문장의 "보험금 청구"의 의미 유사도에 기초하여, 입력 문장 벡터와 제 2 기준 문장 벡터의 제 2 유사도를 "61"라고 산출할 수 있다. 이에 따라, 프로세서(120)는 제 1 유사도가 제 2 유사도 보다 크다는 점에 기초하여, 제 1 유사도에 기초한 제 1 기준 문장을 기준 문장으로 결정할 수 있다. 전술한 프로세서(120)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.In another example, the input sentence is “Are fractures guaranteed in my product?”, And the first reference sentence for the “coverage” attribute of the “insurance product” category is “What is the coverage information for the insurance product you subscribed to?” And, the second standard sentence may be "Can I claim insurance for this too?" In this case, the
그리고, 프로세서(120)는 하나 이상의 기준 문장 중 적어도 하나에 대한 유사도가 임계 값 이상인 경우, 기준 질문 문장에 해당하는 응답 답변 문장을 사용자 단말(200)로 송신할 수 있다. 보다 구체적으로, 프로세서(120)는 입력 문장 벡터와 하나 이상의 기준 문장 벡터 간의 유사도를 각각 산출할 수 있다. 그리고, 프로세서(120)는 사전 결정된 임계 값과 상기 하나 이상의 유사도를 각각 비교할 수 있다. 이에 따라, 프로세서(120)는 유사도가 임계 값 이상인 기준 문장을 선별할 수 있다. 그리고, 프로세서(120)는 임계 값 이상의 유사도의 기준 문장 중 하나를 선정하여, 해당 기준 문장에 연결되어 저장된 응답 답변을 사용자 단말(200)로 송신할 것을 결정할 수 있다. 응답 답변은, 사용자 단말로부터 수신된 입력 문장에 대한 응답을 포함할 수 있다. 여기서 프로세서(120)가 임계 값 이상의 유사도가 산출된 기준 질문 중 하나를 선정하는 방식은 실시예에 따라 최고 유사도 선정 방식 등일 수 있다.In addition, when the similarity of at least one of the one or more reference sentences is equal to or greater than a threshold value, the
또한, 본 개시의 일 실시예에 따른 프로세서(120)는 유사도가 임계 값 이상인 기준 문장이 두 개 이상인 경우, 임계 값 대비 유사도의 초과치가 가장 큰 기준 문장으로 입력 문장을 매칭할 수 있다. 예를 들어, 제 1 기준 문장에 대한 유사도가 "70"이고, 제 2 기준 문장에 대한 유사도가 "80"일 수 있다. 또한, 프로세서(120)가 산정한 임계 값은 "68"일 수 있다. 이러한 경우, 프로세서(120)는 제 2 기준 문장의 임계 값 대비 유사도의 초과치가 제 1 기준 문장보다 크다는 점에 기초하여, 입력 문장을 제 2 기준 문장으로 분류할 수 있다. 전술한 프로세서(120)의 동작 및 수치는 예시일 뿐, 본 개시는 이에 제한되지 않는다.In addition, the
프로세서(120)는 기준 문장에 기초하여 응답 답변을 네트워크부(110)를 통해 사용자 단말(200)로 전송할 수 있다.The
본 개시의 다른 일 실시예에 따라, 사용자 단말(200)로부터 수신한 입력 문장 및 과거 입력 문장에 기초하여 기준 문장을 결정할 수 있다.According to another embodiment of the present disclosure, a reference sentence may be determined based on an input sentence and a past input sentence received from the
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산함으로써 입력 문장 벡터를 획득할 수 있다. 프로세서(120)는 입력 문장만으로는 기준 문장을 결정하는 것이 어렵다고 판단하는 경우, 과거 입력 문장을 입력 문장과 함께 연산하여 기준 문장을 결정할 수 있다. 입력 문장만으로는 기준 문장을 결정하는 것이 어렵다고 판단하는 경우는, 입력 문장에 대하여 전처리 모델(300)을 통해 벡터 형태로 환산한 값과 기준 문장 벡터 간의 유사도 판단으로 획득된 스코어링 값 중 임계 값 이상인 스코어링 값이 없는 경우 등을 포함할 수 있다.The
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장 전에 입력된 과거 입력 문장을 전처리 모델(300)을 통해 연산함으로써 과거 입력 문장 벡터를 획득할 수 있다. 프로세서(120)는 입력 문장 벡터 및 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정할 수 있다. 누적 입력 벡터는 입력 문장 벡터 및 과거 입력 문장 벡터의 합 벡터 또는 평균 벡터일 수 있다.The
예를 들어, 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장이 "이자율이 얼마야?"인 경우, "문의"속성을 포함하는 둘 이상의 기준 문장들 각각과 적어도 일부의 유사도가 있을 수 있으나, "문의"속성을 포함하는 둘 이상의 기준 문장들 각각의 카테고리는 상이(예를 들어 "약관 대출"카테고리, "신용 대출"카테고리)하여 기준 문장 전체와 비교하였을 때, 유사도에 대한 스코어링 값이 임계 값 이상인 클래스(즉, 기준 문장)가 없을 수 있다. 따라서, 프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 입력 문장 전에 수신한 과거 입력 문장 및 입력 문장에 기초하여 기준문장을 결정할 수 있다. 예를 들어, 프로세서(120)가 사용자 단말(200)로부터 수신한 입력 문장이 "이자율이 얼마야?"인 경우, 과거 입력 문장인 "약관 대출에 대해 소개해줘"에 대한 벡터를 입력 문장에 대한 벡터와 함께 연산할 수 있다. 예를 들어, 프로세서(120)는 입력 문장 "이자율이 얼마야?"에 대한 입력 문장 벡터를 획득하고, 과거 입력 문장 "약과 대출에 대해 소개해줘"에 대한 과거 입력 문장 벡터를 획득할 수 있다. 예를 들어, 프로세서(120)는 각 입력 문장 벡터와 과거 입력 문장 벡터를 합하여 누적 입력 벡터를 결정할 수 있다. 전술한 입력 벡터 및 과거 입력 벡터에 대한 구체적인 기재는 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.For example, when the input sentence received by the
본 기재의 다른 일 실시예에 따라, 프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장에 기초하여 유사도가 임계 값 이상인 기준 벡터를 결정하는 것이 어렵다고 판단하는 경우, 사용자 단말(200)로부터 수신한 과거 입력 문장을 입력 문장과 함께 벡터화 하여 기준 문장을 결정할 수 있다. 예를 들어, 프로세서(120)가 수신한 입력 문장이 "이자율이 얼마야?"인 경우, 과거 입력 문장인 "약관 대출에 대해 소개해줘"에 대한 문장과 합쳐 하나의 벡터로 연산할 수 있다. 예를 들어, 프로세서(120)는 누적 입력 벡터를 결정하기 위하여 "약관 대출에 대해 소개해줘 이자율이 얼마야"에 대한 문장을 벡터로 환산할 수 있다. 전술한 입력 문장 및 과거 입력 문장에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.According to another embodiment of the present disclosure, when the
프로세서(120)는 누적 입력 벡터와의 유사도가 임계 값 이상인 상기 기준 문장을 결정할 수 있다. 프로세서(120)는 전처리 모델(300)에서 누적 입력 벡터 형태로 환산된 입력 문장 및 과거 입력 문장과, 사전에 저장된 기준 문장 벡터의 간의 유사도를 산출하여, 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. The
프로세서(120)는 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단할 수 있다. 프로세서(120)는 하나 이상의 기준 문장에 대한 유사도와 임계 값을 비교하여, 모든 유사도가 임계 값 미만인 경우, 상기 입력 문장이 기준 질문 문장으로 분류되지 않는다고 판단할 수 있다. 보다 구체적으로, 프로세서(120)는 입력 문장 벡터와 각각의 기준 문장 벡터를 비교하여 유사도를 산출할 수 있다. 그리고, 프로세서(120)는 입력 문장 벡터와 모든 기준 문장 벡터가 임계 값 미만임을 판단할 수 있다.The
프로세서(120)는 네트워크부(110)를 통하여 상기 하나 이상의 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하는 답변 및 상기 입력 문장에 대한 판단 불가 답변 중 적어도 하나를 상기 사용자 단말(200)로 전송할 수 있다.The
프로세서(120)는 임계 값 이상인 기준 문장 벡터가 없는 경우, 입력 문장이 기준 문장으로 분류되지 않는다고 판단할 수 있다. 프로세서(120)는 네트워크부(110)를 통해 사과 메시지(예컨대, "죄송하지만 질문하신 내용은 아직 학습 중입니다")를 포함하는 답변을 사용자 단말(200)로 전송할 것을 결정할 수 있다. 예를 들어, 프로세서(120)가 사전 설정한 임계 값이 "65"이고, 네트워크부(110)가 "너는 심심이니?"라는 입력 문장을 수신할 수 있다. 이러한 경우, 프로세서(120)는 입력 문장을 입력 문장 벡터로 환산하고, 모든 기준 질문 문장 벡터와 유사도를 "14", "16", "22" 및 "20"라고 산출할 수 있다. 그리고, 프로세서(120)는 모든 유사도가 임계 값 "65" 미만인 점에 기초하여 입력 문장은 기준 질문 문장으로 분류되지 않는다고 판단할 수 있다. 전술한 프로세서(120)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.When there is no reference sentence vector above the threshold, the
프로세서(120)는 임계 값 이상인 기준 문장 벡터가 없는 경우, 임계 값 미만인 하나 이상의 클래스 별 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하기 위한 답변(예컨대, "계좌 등록 안내에 대한 내용을 문의하신 것이 맞으신가요?"또는 "계좌 등록 안내 및 입금 계좌 변경 방법 중 문의하신 내용에 관하여 선택해주세요.")을 사용자 단말(200)로 전송할 것을 결정할 수 있다. 예를 들어, 프로세서(120)가 사전 설정한 임계 값이 "65"이고, 네트워크부(110)가 "약디가 뭔지 모르겠어"라는 입력 문장을 수신할 수 있다. 이러한 경우, 프로세서(120)는 입력 문장을 입력 문장 벡터로 환산하고, 모든 기준 질문 문장 벡터와 유사도를 "14", "63", "22" 및 "35"라고 산출할 수 있다. 프로세서(120)는 사전 결정한 임계 값 이하인 하나 이상의 기준 문장 벡터와의 유사도에 대하여, 최대 스코어 값을 가지는 "63"에 기초한 기준 문장("약대는 무엇인가요?")이 사용자가 입력한 문장이 맞는지 여부를 확인하기 위한 답변("약대는 무엇인지 여쭤 보신 것이 맞나요?")을 네트워크부(110)를 통하여 사용자 단말(200)로 전송할 수 있다. 전술한 프로세서(120)의 동작은 예시일 뿐, 본 개시는 이에 제한되지 않는다.If there is no reference sentence vector above the threshold value, the
전술한 구체적인 답변에 대한 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.The description of the above specific answer is only an example, and the present disclosure is not limited thereto.
프로세서(120)는 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정할 수 있다.The
본 개시의 일 실시예에서 대화는 사용자와 본 개시의 컴퓨팅 장치가 주고받는 문장의 맥락을 의미할 수 있다. 대화는 사용자 단말로부터 수신된 입력 문장 및 사용자 단말로 전송하는 답변 중 적어도 하나의 문장을 포함하는 것일 수 있다.In one embodiment of the present disclosure, the conversation may refer to a context of a sentence exchanged between the user and the computing device of the present disclosure. The conversation may include at least one sentence of an input sentence received from the user terminal and an answer transmitted to the user terminal.
대화의 주제는, 챗봇이 사용자와 대화를 이어 나가는데 있어 중심이 되는 문제일 수 있다. 하나의 주제는 하나 이상의 서브 주제를 포함할 수 있다. 서브 주제는, 사용자와 대화를 이어 나가는데 있어 중심이 되는 문제에 속하는 하위 문제일 수 있다. 하나의 서브 주제는 하나 이상의 기준 문장을 포함할 수 있다. 기준 문장은, 전술한 바와 같이, 사용자의 입력 문장을 분류하기 위한 카테고리 및 속성 중 적어도 하나를 대표하는 문장일 수 있다.The topic of the conversation may be a central issue in the chatbot continuing the conversation with the user. One subject may include one or more sub-themes. The sub topic may be a sub-problem belonging to a central problem in continuing a conversation with a user. One sub-subject may include one or more reference sentences. As described above, the reference sentence may be a sentence representing at least one of a category and an attribute for classifying a user's input sentence.
이하에서는, 주제, 서브 주제 및 기준 문장에 관하여 도 3을 참조하여 설명한다.Hereinafter, the subject, sub-subject, and reference sentence will be described with reference to FIG. 3.
도 3은 본 개시의 일 실시예에 따른 서버에 저장된 주제 및 기준 문장을 도시한 도면이다.3 is a diagram illustrating subject and reference sentences stored in a server according to an embodiment of the present disclosure.
예를 들어, 신용대출 안내(310) 및 약관대출 안내(320)는 각각 주제일 수 있다. 약관대출 안내(320)의 주제는 하나 이상의 서브 주제를 포함할 수 있다. 약관대출 안내(320)의 주제는 하나 이상의 서브 주제를 포함할 수 있다. 약관대출 안내(320)의 주제는 약관대출의 정의 안내(321), 약관 대출 이자율 안내(322), 로그인 요청(323), 실제 적용 이자율 안내(324) 및 약관대출 실행(325)에 대한 서브 주제 각각을 포함할 수 있다. 프로세서(120)는 약관대출 안내(320)에 대한 주제에 관하여 사용자 단말(200)에 답변을 제공하는 경우, 서브 주제의 순서에 기초하여 답변(즉, 약관대출의 정의 안내(321) - 약관 대출 이자율 안내(322) - 로그인 요청(323) - 실제 적용 이자율 안내(324) - 약관대출 실행(325) 순서로 사용자 단말(200)에 답변을 제공)을 제공할 수 있다.For example, the
예를 들어, 약관대출 안내(320)의 주제에 속하는 하나 이상의 서브 주제 중, 약관대출 정의 안내(321)는 하나 이상의 기준 문장(330)을 포함할 수 있다. 약관대출 정의 안내(321)의 서브 주제는, 약대가 뭐야?(331), 약관대출이 뭐야?(332), 보험계약대출 좀 알려줘봐(333) 등의 기준 문장(330)을 포함할 수 있다. For example, among one or more sub-subjects belonging to the subject of the terms and
프로세서(120)는 사용자 단말(200)에 대하여 주제가 결정되는 경우, 해당 주제에 기초하여 대화(즉, 답변)를 진행할 수 있다. 프로세서(120)는 사용자에 대하여 서브 주제의 순서에 기초하여, 사용자 단말(200)에 답변을 제공할 수 있다.When the subject is determined for the
프로세서(120)는 사용자 단말(200)로부터 수신된 입력 문장에 기초하여 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. 예를 들어, 프로세서(120)가 사용자 단말(200)로부터 수신한 입력 문장이 “보험 계약 대출이 무엇 인지 알려주세요”인 경우, 전처리 모델(300)을 통해 상기 입력 문장에 대한 입력 문장 벡터를 획득할 수 있다. 프로세서(120)는 기준 문장(330) 각각에 대한 기준 문장 벡터와 입력 문장 벡터의 유사도에 기초하여 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. 본 예시에서, 프로세서(120)는 “보험 계약 대출이 무엇 인지 알려주세요”의 입력 문장 벡터에 대해 하나 이상의 기준 문장 중 “보험계약대출 좀 알려줘봐(333)”의 기준 문장 벡터의 유사도가 임계 값 이상이므로, “보험계약대출 좀 알려줘봐(333)”에 대한 기준 문장을 결정할 수 있다.The
프로세서(120)는 결정된 기준 문장 “보험계약대출 좀 알려줘봐(333)”이 하나 이상의 서브 주제 중 어느 서브 주제에 포함되는지를 확인할 수 있다. 프로세서(120)는 결정된 기준 문장 “보험계약대출 좀 알려줘봐(333)”이 속하는 서브 주제에 기초하여 사용자 단말(200)에 답변을 제공하기 위한 기초가 되는 대화의 주제를 결정할 수 있다. 예를 들어, 프로세서(120)는 기준 문장인 “보험계약대출 좀 알려줘봐(333)”를 포함하는 서브 주제 “약관대출의 정의 안내(321)”를 확인할 수 있다. 프로세서(120)는 서브 주제 “약관대출의 정의 안내(321)”를 포함하는 주제 “약관대출 안내(320)”를 확인할 수 있다. 전술한 기준 문장, 서브 주제 및 주제에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.The
본 개시의 다른 일 실시예에 따라, 프로세서(120)는 기준 문장의 서브 주제 및 과거 입력 문장의 서브 주제에 기초하여 대화의 주제를 결정할 수 있다.According to another embodiment of the present disclosure, the
프로세서(120)는 기준 문장의 서브 주제를 결정할 수 있다. 프로세서(120)는 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 것이 용이하지 않다고 판단하는 경우, 과거 입력 문장에 기초한 서브 주제를 추가로 확인하여 대화의 주제를 결정할 수 있다. 프로세서(120)는 기준 문장의 서브 주제가 둘 이상의 주제에 포함될 수 있는 경우, 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하는 것이 용이하지 않다고 판단할 수 있다. The
예를 들어, 도 3을 참조하여 설명하면, 프로세서(120)가 사용자 단말(200)로부터 수신한 입력 문장이 “이자율 알려줘”인 경우, 수신한 입력 문장만으로는 대화의 주제를 결정하는 것이 용이하지 않다고 판단할 수 있다. 프로세서(120)는 사용자 단말(200)로부터 수신한 “이자율 알려줘”에 대한 입력 문장에 기초한 기준 문장이 포함된 서브 주제가 “이자율 안내”인 것으로 결정할 수 있다. 프로세서(120)는 “이자율 안내”에 대한 서브 주제가 “신용대출 안내(310)” 및 “약관대출 안내(320)” 각각에 대한 주제에 포함될 수 있는 것으로 판단할 수 있다.For example, referring to FIG. 3, when the input sentence received by the
또는, 프로세서(120)는 기준 문장에 기초하여 둘 이상의 주제에 포함되는 서브 주제 각각에 대한 서브 주제로 결정할 수 있는 경우, 과거 입력 문장에 기초한 서브 주제를 추가로 확인하여 대화의 주제를 결정할 수 있다.Alternatively, the
또는, 예를 들어, 도 3을 참조하여 설명하면, 프로세서(120)는 사용자 단말(200)로부터 수신한 “이자율 알려줘”에 대한 입력 문장에 기초한 기준 문장은 “신용대출 이자율 안내(312)” 및 “약관대출 이자율 안내(322)”에 해당하는 서브 주제 각각에 모두 포함될 수 있는 것으로 판단할 수 있다.Or, for example, referring to FIG. 3, the
즉, 사용자 단말(200)로부터 수신한 입력 문장 만으로 어느 주제에 포함될 수 있는 지 여부에 대한 결정이 어려운 경우, 사용자 단말(200)로부터 수신한 과거 입력 문장을 확인할 수 있다. That is, when it is difficult to determine which subject can be included only with the input sentence received from the
프로세서(120)는 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정할 수 있다. 과거 입력 문장은, 사용자 단말(200)로부터 입력 문장 전에 수신한 입력 문장일 수 있다. 과거 입력 문장은, 사용자 단말(200)로부터 입력 문장 전에 수신한 최근의 사전 결정된 개수의 입력 문장들을 포함할 수 있다. 기준 과거 입력 문장은, 과거 입력 문장에 대한 기준 문장일 수 있다. 프로세서(120)는 사용자 단말(200)로부터 입력 문장 전에 수신한 과거 입력 문장인 “신용 대출 좀 알려줘”에 대한 기준 문장을 결정할 수 있다. 프로세서(120)는 기준 과거 입력 문장의 서브 주제를 결정할 수 있다. 프로세서(120)는 과거 입력 문장인 “신용 대출 좀 알려줘”에 대한 기준 문장에 대한 서브 주제를 “신용대출의 정의 안내(311)”로 결정할 수 있다.The
프로세서(120)는 기준 문장의 서브 주제 및 상기 과거 입력 문장의 서브 주제에 기초하여 대화의 주제를 결정할 수 있다. 프로세서(120)는 기준 문장의 서브 주제를 포함할 수 있는 둘 이상의 주제를 결정할 수 있다. 프로세서(120)는 상기 결정된 둘 이상의 주제 중 기준 과거 입력 문장의 서브 주제를 포함하는 주제를 입력 문장에 대한 주제로 결정할 수 있다. 전술한 예시에서, 프로세서(120)는 기준 문장의 서브 주제(본 예시에서, “이자율 안내”)를 포함할 수 있는 둘 이상의 주제(본 예시에서 “신용대출 안내(310)” 및 “약관대출 안내(320)”)를 결정하고, 상기 둘 이상의 주제 중 기준 과거 입력 문장에 기초한 서브 주제(본 예시에서 “신용대출의 정의 안내(311)”)를 포함할 수 있는 주제를 사용자 단말(200)로부터 수신한 입력 문장에 대한 주제로 결정할 수 있다. 전술한 주제 및 서브 주제에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.The
프로세서(120)는 기준 문장의 서브 주제 및 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다.The
프로세서(120)는 기준 문장만으로는 대화의 주제를 결정할 수 없는 경우, 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다. 사용자의 상태 정보는, 사용자의 과거 이용 내역에 관한 정보를 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장되어 있는 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다. 프로세서(120)는 기준 문장을 포함하는 서브 주제에 기초하여, 상기 서브 주제를 포함할 수 있는 둘 이상의 주제를 결정할 수 있고, 상기 둘 이상의 주제 중 사용자의 상태 정보에 기초한 데이터가 포함될 수 있는 주제로, 사용자 단말(200)에 대한 대화의 주제를 결정할 수 있다.The
예를 들어, 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장이 “안녕”인 경우, 상기 입력 문장에 대한 서브 주제를 “인사말”로 결정할 수 있다. 프로세서(120)는 상기 서브 주제가 포함되는 특정 한 개의 주제를 결정할 수 없을 수 있다. 프로세서(120)는 상기 서브 주제에 기초하여 사용자 단말(200)에 어떤 주제에 기초한 답변을 해야 하는지 여부에 대한 판단이 불가능하므로, 상기 사용자 단말(200)에 기초한 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다. 프로세서(120)는 사용자의 상태 정보에 상기 사용자가 신용 대출을 받은 내역이 포함되어 있는 경우, “신용대출 안내(310)”에 대한 주제에 기초하여 사용자 단말(200)에 답변을 할 것을 결정할 수 있다. For example, when the input sentence received from the
프로세서(120)는 기준 문장만으로는 대화의 주제를 결정할 수 없는 경우, 사용자의 상태 정보 및 다른 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다. 프로세서(120)는 메모리(130)에 저장되어 있는 사용자의 상태 정보와 다른 사용자의 상태 정보를 비교할 수 있다. 사용자의 상태 정보가 다른 사용자의 상태 정보와 유사한 데이터를 갖는 경우, 다른 사용자 단말에 적용된 최근 주제를 상기 사용자 단말에 적용되는 주제로 결정할 수 있다. 사용자의 상태 정보와 다른 사용자의 상태 정보가 유사한지 여부는 전처리 모델(300)을 통해 벡터로 환산하여 벡터 값의 유사도에 기초하여 정할 수 있다. 사용자의 상태 정보에 기초한 벡터와 다른 사용자의 상태 정보에 기초한 벡터가 사전결정된 임계 값 이상의 유사도를 나타내는 스코어 값을 갖는 경우, 프로세서(120)는 상기 다른 사용자에 대해 적용된 주제를 상기 사용자에 적용할 수 있다. 예를 들어, 다른 사용자의 상태 정보가 “신생아에 대한 실비보험”에 대한 주제 및 “부모의 생명보험”에 대한 주제를 포함하고 있고, 사용자의 상태 정보가 “신생아에 대한 실비보험”에 대한 주제를 포함하는 경우, 사용자 단말(200)에 답변을 위해 적용될 주제는 상기 다른 사용자에 적용된 주제에 기초하여 “부모의 생명보험”으로 판단할 수 있다. 전술한 사용자의 상태 정보 및 다른 사용자의 상태 정보에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.When the subject of the conversation cannot be determined only by the reference sentence, the
프로세서(120)는 상기 서브 주제에 기초하여 획득된 주제가 둘 이상인 경우, 상기 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송할 수 있다.When there are two or more topics obtained based on the sub-topics, the
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장에 기초하여 결정된 기준 문장의 서브 주제가 둘 이상의 주제에 포함되는 지 여부를 결정할 수 있다. 결정된 하나의 서브 주제에 관하여 둘 이상의 주제가 획득되는 경우, 프로세서(120)는 둘 이상의 주제 중 어떤 것이 사용자의 질문에 맞는 주제인지 확인하기 위하여, 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 수신 받기 위한 답변을 네트워크부(110)를 통하여 사용자 단말(200)로 전송할 수 있다.The
예를 들어, 사용자 단말(200)로부터 수신한 입력 문장이 “대출 가능해?”인 경우, 해당 입력 문장에 대한 서브 주제는 “대출의 정의 안내”일 수 있다. “대출의 정의 안내”에 해당하는 서브 주제는 “신용대출 안내(310)” 및 “약관대출 안내(320)” 각각에 대한 주제에 포함될 수 있다. 프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)에 “신용대출 안내(310)” 및 “약관대출 안내(320)”의 주제 중 하나의 주제에 대한 선택 입력을 받기 위한 답변을 전송할 수 있다. 답변은 사용자 단말에 하나의 주제에 대한 선택 입력을 받기 위하여 둘 이상의 주제 중 하나에 대한 주제를 선택해달라는 내용을 포함하는 텍스트 및 컨텐츠 중 적어도 하나일 수 있다. 예를 들어, 답변은 “신용대출 및 약관대출 중 원하시는 대출을 입력해주세요.”일 수 있고, 또는 신용대출을 클릭할 수 있는 컨텐츠 및 약관대출을 클릭할 수 있는 컨텐츠를 포함할 수도 있다. 전술한 답변에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.For example, when the input sentence received from the
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로 상기 주제에 포함된 하나 이상의 서브 주제 중 우선 순위가 가장 높은 서브 주제의 기준 문장에 기초한 답변을 상기 사용자 단말로 전송할 수 있다.The
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장에 기초하여 주제를 식별할 수 있다. The
프로세서(120)는 입력 문장을 전처리 모델(300)을 통해 연산하여 획득한 입력 문장 벡터와 기준 문장 벡터를 비교하여 유사도가 임계 값 이상인 기준 문장 벡터가 없음을 결정할 수 있다. 프로세서(120)는 기준 문장 벡터를 결정할 수 없는 경우, 해당 입력 문장에 기초하여 주제를 식별할 수 있는지 여부에 대해 확인할 수 있다. 프로세서(120)는 주제에 대해 전처리 모델(300)을 통해 연산하여 주제 벡터를 획득할 수 있다. 프로세서(120)는 입력 문장 벡터와 주제 벡터의 유사도를 비교하여 유사도가 사전결정된 임계 값 이상의 값을 갖는 경우, 사용자 단말(200)에 대하여 상기 주제를 결정할 수 있다.The
프로세서(120)는 주제에 포함된 하나 이상의 서브 주제 중 우선순위가 가장 높은 서브 주제에 기초하여 답변을 생성할 수 있다. 프로세서(120)는 네트워크부(110)를 통해 상기 답변을 사용자 단말(200)로 전송할 수 있다.The
예를 들어, 프로세서(120)가 네트워크부(110)를 통해 사용자 단말로부터 수신한 입력 문장이 “약대”인 경우, 상기 입력 문장에 기초한 입력 문장 벡터와 유사도가 임계 값 이상인 기준 문장 벡터가 없을 수 있다. 프로세서(120)는 “약대”에 대한 입력 문장에 기초한 입력 문장 벡터와 주제 벡터를 비교하여 유사도가 임계 값 이상인 주제(본 예시에서, “약관대출 안내(320)”)를 결정할 수 있다. 프로세서(120)는 “약관대출 안내(320)” 주제에 포함되는 하나 이상의 서브 주제 중, 우선순위가 가장 높은 서브 주제인 “약관대출의 정의 안내(321)”에 기초한 답변(본 예시에서, “약대가 무엇인지 알려드릴까요?”)을 사용자 단말(200)로 전송할 수 있다. 전술한 주제 및 답변에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.For example, when the input sentence received from the user terminal through the
프로세서(120)는 주제에 포함된 하나 이상의 서브 주제 중 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정할 수 있다.The
본 개시에서 대화는 하나 이상의 주제를 포함할 수 있다. 주제는 하나 이상의 서브 주제를 포함할 수 있다. 일 서브 주제는 대화의 진행 상황에 따라, 다른 서브 주제와 선후 관계를 가질 수 있다. 다음 서브 주제는, 대화의 진행 상황에 따라, 하나의 서브 주제 후순위에 올 수 있는 서브 주제를 의미할 수 있다. 예를 들어, 대화에 대한 주제가 약관대출 안내인 경우, 실제 적용 이자율 안내(324)에 대한 서브 주제는, 로그인 요청(323)의 서브 주제에 대한 다음 서브 주제일 수 있다. 전술한 예시에서, 로그인 요청(323) 서브 주제와 실제 적용 이자율 안내(324) 서브 주제는 서로 선후 관계에 있는 것으로 해석될 수 있다. 전술한 서브 주제에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.In the present disclosure, the conversation may include one or more topics. The subject may include one or more sub-themes. One sub-subject may have a sequential relationship with another sub-subject depending on the progress of the conversation. The next sub-subject may mean a sub-subject that can come to one sub-subject subordinate, depending on the progress of the conversation. For example, when the subject of the conversation is a loan guide, the sub-subject to the actual applied
제 1 서브 주제는 사용자 단말(200)로부터 수신한 입력 문장에 기초한 서브 주제의 다음 순서에 해당하는 서브 주제일 수 있다. 응답 답변은, 상기 사용자 단말로부터 수신된 입력 문장에 대한 응답을 포함할 수 있다. 답변은, 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함할 수 있다. 답변은, 프로세서(120)에서 제 1 서브 주제에 포함되는 하나 이상의 기준 문장 중 하나의 기준 문장에 기초하여 생성되는 답변일 수 있다. 도 3을 참조하여, 예를 들면, 프로세서(120)는 기준 문장의 서브 주제가 “약관대출 정의 안내(321)”인 경우 해당 서브 주제를 포함하는 주제 “약관대출 안내(320)”의 하위 서브 주제 중 제 1 서브 주제를 확인할 수 있다. 제 1 서브 주제는 기준 문장의 서브 주제인 “약관대출 정의 안내(321)”의 다음 서브 주제에 해당하는 “약관대출 이자율 안내(322)”일 수 있다. 프로세서(120)는 제 1 서브 주제(본 예시에서, “약관대출 이자율 안내(322)”)에 포함되는 하나 이상의 기준 문장 중 하나의 기준 문장에 기초하여 답변을 생성할 수 있다. 프로세서(120)는 제 1 서브 주제의 기준 문장에 기초하여 “혹시 이자율은 궁금하지 않으세요?”의 답변을 생성할 수 있다. The first sub-subject may be a sub-subject corresponding to the next order of the sub-subject based on the input sentence received from the
응답답변 및 답변 중 적어도 하나는 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)로 전송할 수 있다. 프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로부터 하나의 입력 문장을 수신 받고, 다음 입력 문장을 수신 받기 전에 응답 답변 및 답변을 전송할 수 있다. 예를 들어, 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장이 “약관 대출이 뭔 지 궁금합니다”인 경우, 프로세서(120)는 해당 입력 문장과 유사도가 높은 기준 문장을 결정하여, 상기 기준 문장에 대한 응답 답변(본 예시에서, “약관대출은 고객님이 납입한 보험료 내에서 대출을 받는 것으로, 고객님이 가입하신 보험 해약환급금의 70% 범위 내에서 수시로 대출을 받을 수 있는 제도입니다.”)을 결정할 수 있다. 프로세서(120)는, 기준 문장에 기초하여 결정된 주제(본 예시에서 “약관대출 안내(320)”)에 포함된 기준 문장에 대한 서브 주제(본 예시에서, “약관대출의 정의 안내(321)”)의 다음 순서의 서브 주제인 제 1 서브 주제(본 예시에서, “약관대출 이자율 안내(322)”)에 포함되는 하나 이상의 기준 문장에 기초하여 답변을 생성할 수 있다. 프로세서(120)는 제 1 서브 주제에 기초하여 생성된 답변인 “혹시 이자율은 궁금하지 않으세요?”을 결정할 수 있다. 프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로 응답 답변(본 예시에서, “약관대출은 고객님이 납입한 보험료 내에서 대출을 받는 것으로, 고객님이 가입하신 보험 해약환급금의 70% 범위 내에서 수시로 대출을 받을 수 있는 제도입니다.”) 및 답변(본 예시에서, “혹시 이자율은 궁금하지 않으세요?”)를 전송할 수 있다. At least one of the response response and the response may be transmitted by the
프로세서(120)는 네트워크부(110)를 통해 사용자 단말(200)로 응답 답변 및 답변 중 적어도 하나를 전송할 수 있다. 응답 답변 및 답변은, 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)로 하나의 트랜잭션을 통하여 전송할 수 있고, 또는 두개의 트랜잭션을 각각 전송하여 사용자 단말(200)의 디스플레이부에 디스플레이 될 수 있도록 할 수 있다. 예를 들어, 프로세서(120)는 사용자 단말(200)로 응답 답변 및 답변을 포함하는 트랜잭션(본 예시에서, “약관대출은 고객님이 납입한 보험료 내에서 대출을 받는 것으로, 고객님이 가입하신 보험 해약환급금의 70% 범위 내에서 수시로 대출을 받을 수 있는 제도입니다. 혹시 이자율은 궁금하지 않으세요?”)를 전송할 수 있다. 또한 예를 들어, 프로세서(120)는 사용자 단말(200)로 응답 답변 및 답변을 각각의 트랜잭션(본 예시에서, 제 1 트랜잭션인 “약관대출은 고객님이 납입한 보험료 내에서 대출을 받는 것으로, 고객님이 가입하신 보험 해약환급금의 70% 범위 내에서 수시로 대출을 받을 수 있는 제도입니다.” 및 제 2 트랜잭션인 “혹시 이자율은 궁금하지 않으세요?”)으로 전송할 수 있다. 전술한 응답 답변 및 답변에 대한 구체적인 기재일 뿐이며 본 개시는 이에 제한되지 않는다.The
프로세서(120)는 과거 입력 문장의 서브 주제 및 제 1 서브 주제를 비교하여 사용자에게 답변하려는 주제에 대해서 기존에 사용자와 대화를 진행한 적이 있는지 여부를 확인할 수 있다. 프로세서(120)는 사용자에게 답변하려는 주제에 대해서 기존에 사용자와 대화를 진행한 데이터가 있는 경우, 제 1 서브 주제 보다 뒤의 순서에 해당하는 제 2 서브 주제에 기초하여 답변을 사용자 단말(200)에 네트워크부(110)를 통해 전송할 수 있다.The
프로세서(120)는 상기 제 1 서브 주제 및 상기 사용자 단말로부터 상기 입력 문장 전에 입력된 과거 입력 문장의 서브 주제를 비교할 수 있다. 프로세서(120)는 상기 제 1 서브 주제 및 상기 과거 입력 문장의 서브 주제가 일치하는 경우, 상기 제 1 서브 주제의 다음 서브 주제에 해당하는 제 2 서브 주제에 기초하여 답변을 결정할 수 있다. 제 2 서브 주제는, 제 1 서브 주제와 동일한 주제에 포함되는 서브 주제일 수 있다. 제 2 서브 주제는 제 1 서브 주제의 다음 순서인 서브 주제일 수 있다. 제 2 서브 주제는 제 1 서브 주제의 다음 순서인 하나 이상의 서브 주제 중 하나의 서브 주제일 수 있다.The
도 3을 참조하여 설명하면, 입력 문장에 기초하여 결정된 서브 주제가 “약관대출 이자율 안내(322)”인 경우, 프로세서(120)는 상기 결정된 서브 주제와 동일한 주제에 포함되는 다음 순서의 서브 주제인 제 1 서브 주제(본 예시에서, “로그인 요청(323)”)에 기초하여 답변을 결정할 수 있다. 다만, 프로세서(120)는 사용자 단말(200)로부터 수신한 과거 입력 문장(본 예시에서, “내 아이디는 A이고 비밀번호는 B야”)에 기초하여 결정된 과거 입력 문장의 서브 주제(본 예시에서 “로그인 요청(323)”)가 상기 제 1 서브 주제(본 예시에서 “로그인 요청(323)”)와 동일한 경우, 즉, 사용자가 약관 대출에 관하여 질문 하기 전에 로그인을 이미 수행한 것으로 판단하여, 제 1 서브 주제(본 예시에서 “로그인 요청(323)”) 다음 순서에 해당하는 제 2 서브 주제(본 예시에서 “실제 적용 이자율 안내(324)”)에 기초하여 답변을 결정할 수 있다. 전술한 답변을 결정하는 방법에 대한 구체적인 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.Referring to FIG. 3, when the sub-subject determined based on the input sentence is the “term loan
프로세서(120)는 네트워크부(110)를 통해 답변을 사용자 단말(200)로 전송할 수 있다. 답변이 컨텐츠를 포함하는 경우, 입력 문장 및 답변에 기초한 채팅 창과 상기 컨텐츠를 함께 상기 사용자 단말에 디스플레이하기 위해, 프로세서(120)는 네트워크부(110)를 통해 채팅 창을 포함하는 제 1 레이어 및 상기 컨텐츠를 포함하는 제 2 레이어에 대한 인터페이스를 사용자 단말(200)에 전송할 수 있다.The
제 1 레이어는 사용자 단말(200)을 통해 사용자가 입력하는 문장 및 프로세서(120)에서 전송하는 답변을 포함하는 채팅 창을 포함할 수 있다. 제 2 레이어는 컨텐츠를 포함할 수 있다. 컨텐츠는 사용자와 챗봇이 상담을 진행하기 위해 필요한 정보를 포함할 수 있다. 컨텐츠는 사진, 그림, 텍스트 등을 포함할 수 있다. 예를 들어, 컨텐츠는 로그인 화면, 대출 계약서, 보험 브로슈어, 보험 계약 문서, 보험 약관 등을 포함할 수 있다.The first layer may include a chat window including a sentence input by the user through the
제 1 레이어 및 제 2 레이어는 사용자 단말(200)의 디스플레이부에서 한 화면에 포함될 수 있다. 본 개시의 일 실시예에서 제 1 레이어 및 제 2 레이어는 겹치지 않고 한 화면에 포함될 수 있다. 본 개시의 다른 일 실시예에서 제 1 레이어 및 제 2 레이어는 겹쳐진 상태로 한 화면에 포함될 수 있다. 제 1 레이어 및 제 2 레이어가 겹쳐지는 경우, 상위의 레이어는 반 투명한 레이어로 표시되어, 겹쳐진 부분에서도 하위 레이어의 내용이 보이도록 구성될 수 있다. 컨텐츠를 포함하는 제 2 레이어는 채팅 창을 포함하는 제 1 레이어의 상위 레이어일 수 있다. 제 2 레이어는 사용자에게 상담을 위한 정보를 전달하기 위하여 텍스트 등을 포함하는 문서일 수 있다. 제 2 레이어는 사용자가 상담 과정에서 필요한 부분을 작성하는 입력란을 포함하는 문서일 수 있다.The first layer and the second layer may be included in one screen in the display unit of the
예를 들어, 사용자에게 보험을 설명하기 위한 브로슈어를 사용자 단말(200)에 디스플레이하기 위하여 프로세서(120)가 네트워크부(110)를 통해 사용자 단말(200)에 답변을 전송하는 경우, 보험 브로슈어에 대한 컨텐츠를 포함하는 제 2 레이어는 제 1 레이어의 상위 레이어로, 반 투명한 레이어로 사용자 단말(200)의 디스플레이부의 적어도 일부에 표시될 수 있다. 다른 예를 들어, 사용자에 대한 이자율을 확인하기 위하여 사용자에게 로그인을 요청하는 경우, 사용자 단말(200)에 사용자 아이디 및 비밀번호 입력란에 대한 사용자 입력을 받기 위한 로그인 창을 표시하기 위하여, 프로세서(120)는 네트워크부(110)를 통해 로그인 컨텐츠를 포함하는 제 2 레이어에 기초한 답변을 사용자 단말(200)로 전송할 수 있다. 로그인 컨텐츠를 포함하는 제 2 레이어는 제 1 레이어와 겹치지 않게 배치될 수 있다. 전술한 제 1 레이어 및 제 2 레이어의 컨텐츠에 관한 구체적인 내용은 예시일 뿐이며, 본 개시는 이에 제한되지 않는다.For example, when the
도 2는 본 개시의 일 실시예에 따른 서버와 사용자 단말 간의 흐름도를 도시한 도면이다.2 is a diagram illustrating a flowchart between a server and a user terminal according to an embodiment of the present disclosure.
컴퓨팅 장치(100)는 사용자 단말(200)로부터 과거 입력 문장(201)을 수신할 수 있다. 과거 입력 문장(201)은, 컴퓨팅 장치(100)가 사용자 단말(200)로부터 입력 문장(202)을 수신하기 전에 수신한 문장을 의미할 수 있다. 입력 문장(202)은 컴퓨팅 장치(100)가 사용자 단말(200)로부터 수신하는 문장을 포함할 수 있다.The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 입력 문장(202)을 수신할 수 있다. 입력 문장은 컴퓨팅 장치(100)가 사용자 단말(200)로부터 수신하는 문장을 포함할 수 있다.The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 수신한 입력 문장(202)을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산 함으로써 하나 이상의 기준 문장 각각에 대한 유사도를 산출할 수 있다. 보다 구체적으로, 컴퓨팅 장치(100)는 입력 문장(202)을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산함으로써 입력 문장 벡터 형태로 환산할 수 있다. 전처리 모델(300)은 형태소 단위로 환산된 벡터 간의 거리를 산출하기 위한 함수하여 가중치 행렬의 형태로 산출할 수 있다. 그리고, 전처리 모델(300)은 입력 문장(202)에 대한 가중치에 기초하여 입력 문장(202) 자체의 벡터를 산출하기 위한 함수를 포함할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 기준 질문 문장 중 적어도 하나에 대한 유사도가 임계 값 이상(101)인 경우, 임계 값 이상인 기준 질문 문장에 기초하여 응답 답변을 사용자 단말(200)로 전송할 수 있다. 응답 답변은, 사용자 단말로부터 수신한 입력 문장(202)에 대한 응답을 포함할 수 있다.The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 수신한 입력 문장(202) 및 과거 입력 문장(201)에 기초하여 기준 문장을 결정할 수 있다. 컴퓨팅 장치(100)는 네트워크부(110)를 통해 사용자 단말(200)로부터 수신한 입력 문장(202) 전에 입력된 과거 입력 문장(201)을 전처리 모델(300)을 통해 연산함으로써 과거 입력 문장 벡터를 획득할 수 있다. 컴퓨팅 장치(100)는 입력 문장 벡터 및 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정할 수 있다. 누적 입력 벡터는 입력 문장 벡터 및 과거 입력 문장 벡터의 합 벡터 또는 평균 벡터일 수 있다. 컴퓨팅 장치(100)는 전처리 모델(300)에서 누적 입력 벡터 형태로 환산된 입력 문장(202) 및 과거 입력 문장(201)과, 사전에 저장된 기준 문장 벡터의 간의 유사도를 산출하여, 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. 컴퓨팅 장치(100)는 결정된 기준 문장에 기초하여 응답 답변을 사용자 단말(200)로 전송할 수 있다.The
컴퓨팅 장치(100)는 결정된 기준 문장이 하나 이상의 서브 주제 중 어느 서브 주제에 포함되는지를 확인할 수 있다. 컴퓨팅 장치(100)는 결정된 기준 문장이 속하는 서브 주제에 기초하여 사용자 단말(200)에 답변(102)을 제공하기 위한 기초가 되는 대화의 주제를 결정할 수 있다.The
컴퓨팅 장치(100)는 주제에 포함된 하나 이상의 서브 주제 중 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변(102)을 결정할 수 있다. 제 1 서브 주제는 사용자 단말(200)로부터 수신한 입력 문장(202)에 기초한 서브 주제의 다음 순서에 해당하는 서브 주제일 수 있다. 답변(102)은, 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함할 수 있다. 답변(102)은, 컴퓨팅 장치(100)에서 제 1 서브 주제에 포함되는 하나 이상의 기준 문장 중 하나의 기준 문장에 기초하여 생성되는 답변일 수 있다.The
컴퓨팅 장치(100)는 답변(102)을 사용자 단말(200)로 전송할 수 있다.The
컴퓨팅 장치(100)는 입력 문장(202)에 대하여 전처리 모델(300)을 통해 벡터 형태로 환산한 값과 기준 문장 벡터 간의 유사도 판단으로 획득된 스코어링 값 중 임계 값 이상(101)인 스코어링 값이 없는 경우 기준 문장을 결정할 수 없음을 판단할 수 있다. 컴퓨팅 장치(100)는 입력 문장(202)에 대한 판단 불가 답변(103)을 사용자 단말(200)로 전송할 수 있다.The
도 4는 본 개시의 일 실시예에 따른 챗봇의 동작 인터페이스를 도시한 도면이다.4 is a diagram illustrating an operation interface of a chatbot according to an embodiment of the present disclosure.
컴퓨팅 장치(100)는 사용자 단말(200)로부터 챗봇에 관련된 세션을 개설하기 위한 요청을 수신할 수 있다. 그리고, 컴퓨팅 장치(100)는 상기 요청에 기초하여 챗봇과 사용자 단말(200) 간의 채팅 세션을 개설할 수 있다. 또한, 컴퓨팅 장치(100)는 사용자 단말(200)로 사용자 단말(200)이 입력한 입력 문장을 출력하거나, 답변을 출력하기 위한 인터페이스를 전송할 수 있다.The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 입력 문장(411) "약대가 뭐에요?"를 수신할 수 있다. 여기서 입력 문장(411)은 인터페이스의 일 측(예컨대, 도 4에 도시된 바와 같이 좌측)에 인접하게 배치되고, 사용자 단말(200)을 식별할 수 있는 사용자 단말 아이콘(410)이 태그 될 수 있다. 그리고, 프로세서(120)는 수신된 입력 문장 "약대가 뭐에요?"를 전처리 모델(300)에 입력하여"약관 대출" 카테고리의 "질문" 속성으로 분류할 수 있다. 또한, 컴퓨팅 장치(100)는 카테고리 및 속성 분류에 기초하여 응답 답변(421)인 "보험계약대출(약관대출)은 ~ 입니다."를 생성할 수 있다. 컴퓨팅 장치(100)의 동작에 관련된 자세한 설명은 도 1을 참조하여 전술하였기 때문에 생략한다. The
컴퓨팅 장치(100)는 생성한 응답 답변(421) "보험계약대출(약관대출)은 ~ 입니다."를 사용자 단말(200)로 전송한다. 여기서 응답 답변(421)은 인터페이스의 반대편 일 측(예컨대, 도 4에 도시된 바와 같이 우측)에 인접하게 배치되고, 챗봇을 식별할 수 있는 챗봇 아이콘(420)이 태그 될 수 있다. The
컴퓨팅 장치(100)는 결정된 기준 문장이 하나 이상의 서브 주제 중 어느 서브 주제에 포함되는지를 확인할 수 있다. 컴퓨팅 장치(100)는 결정된 기준 문장이 속하는 서브 주제에 기초하여 사용자 단말(200)에 답변을 제공하기 위한 기초가 되는 대화의 주제를 결정할 수 있다.The
컴퓨팅 장치(100)는 주제에 포함된 하나 이상의 서브 주제 중 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변(422) “혹시 이자율은 궁금하지 않으세요?”을 결정할 수 있다. 제 1 서브 주제는 사용자 단말(200)로부터 수신한 입력 문장(411)에 기초한 서브 주제의 다음 순서에 해당하는 서브 주제일 수 있다. 응답 답변(421)은, 상기 사용자 단말로부터 수신된 입력 문장(411)에 대한 응답을 포함할 수 있다. 답변(422)은, 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함할 수 있다. 답변(422)은, 컴퓨팅 장치(100)에서 제 1 서브 주제에 포함되는 하나 이상의 기준 문장 중 하나의 기준 문장에 기초하여 생성되는 답변일 수 있다.The
컴퓨팅 장치(100)는 생성한 답변(422) “혹시 이자율은 궁금하지 않으세요?”을 사용자 단말(200)로 전송한다. 여기서 답변(422)은 인터페이스의 반대편 일 측(예컨대, 도 4에 도시된 바와 같이 우측)에 인접하게 배치되고, 챗봇을 식별할 수 있는 챗봇 아이콘이 태그 될 수 있다. The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 답변(422)에 따른 입력 문장(412) “응 이자율 알려줘”를 수신할 수 있다.The
컴퓨팅 장치(100)는 사용자 단말(200)로부터 수신한 입력 문장(412)에 기초하여 답변(423) “이자율 확인을 위해 로그인을 해주시기 바랍니다.”을 사용자 단말(200)로 전송할 수 있다. 답변(423)은 컨텐츠(424)를 포함할 수 있다. 컨텐츠(424)는 사용자와 챗봇이 상담을 진행하기 위해 필요한 정보를 포함할 수 있다. 컨텐츠는 사진, 그림, 텍스트 등을 포함할 수 있다. 답변(423)은 로그인을 위한 아이디 입력 컨텐츠 및 비밀번호 입력 컨텐츠를 포함할 수 있다. 답변(423)을 사용자 단말(200)에 제공하기 위한 인터페이스는 제 1 레이어 및 제 2 레이어를 포함할 수 있다. 제 1 레이어는 채팅창을 포함할 수 있고, 제 2 레이어는 답변(423)의 컨텐츠(424)를 포함할 수 있다.The
채팅창을 포함하는 제 1 레이어는 인터페이스의 전체에 배치될 수 있다. 컨텐츠를 포함하는 제 2 레이어는 인터페이스의 적어도 일부에 배치(예켠대, 도 4에 도시된 바와 같이 우측 하단)될 수 있다.The first layer including the chat window may be disposed over the entire interface. The second layer including the content may be disposed on at least a part of the interface (eg, at the bottom right as shown in FIG. 4).
도 5는 본 개시의 일 실시예에 따른 챗봇의 구동 방법의 순서도이다.5 is a flowchart of a method for driving a chatbot according to an embodiment of the present disclosure.
컴퓨팅 장치(100)는 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정(510)할 수 있다. 컴퓨팅 장치(100)는 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 기준 문장 각각을 상기 전처리 모델을 통해 연산함으로써 하나 이상의 기준 문장 벡터를 획득할 수 있다. 컴퓨팅 장치(100)는 입력 문장 벡터와 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다. 컴퓨팅 장치(100)는 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델(300)을 통해 연산함으로써 입력 문장 벡터 형태로 환산할 수 있다. 여기서 전처리 모델(300)은 형태소 분석을 통해 입력 문장을 하나 이상의 형태소들의 집합으로 변환하기 위한 함수를 포함할 수 있다. 전처리 모델(300)은 형태소 단위로 환산된 벡터 간의 거리를 산출하기 위한 함수를 이용하여 가중치 행렬의 형태로 산출할 수 있다. 그리고, 전처리 모델(300)은 입력 문장에 대한 가중치에 기초하여 입력 문장 자체의 벡터를 산출하기 위한 함수를 포함할 수 있다.The
컴퓨팅 장치(100)는 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득할 수 있다. 컴퓨팅 장치(100)는 입력 문장 전에 입력된 과거 입력 문장을 상기 전처리 모델을 통해 연산함으로써 과거 입력 문장 벡터를 획득할 수 있다. 컴퓨팅 장치(100)는 입력 문장 벡터 및 상기 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정할 수 있다. 컴퓨팅 장치(100)는 누적 입력 벡터와의 유사도가 임계 값 이상인 기준 문장을 결정할 수 있다.The
컴퓨팅 장치(100)는 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사 정도를 나타내는 하나 이상의 스코어링 값을 출력할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값의 클래스에 기초하여 기준 문장을 결정할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하는 답변 및 상기 입력 문장에 대한 판단 불가 답변 중 적어도 하나를 상기 사용자 단말로 전송할 수 있다.The
컴퓨팅 장치(100)는 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정(520)할 수 있다. 컴퓨팅 장치(100)는 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정할 수 있다. 컴퓨팅 장치(100)는 기준 과거 입력 문장의 서브 주제를 결정할 수 있다. 컴퓨팅 장치(100)는 기준 문장의 서브 주제 및 기준 과거 입력 문장의 서브 주제에 기초하여 대화의 주제를 결정할 수 있다.The
컴퓨팅 장치(100)는 상기 서브 주제에 기초하여 획득된 주제가 둘 이상인 경우, 상기 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송할 수 있다.The
컴퓨팅 장치(100)는 기준 문장의 서브 주제 및 사용자의 상태 정보에 기초하여 대화의 주제를 결정할 수 있다.The
컴퓨팅 장치(100)는 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정(530)할 수 있다. 답변은, 상기 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함할 수 있다.The
컴퓨팅 장치(100)는 제 1 서브 주제 및 상기 사용자 단말로부터 상기 입력 문장 전에 입력된 과거 입력 문장의 서브 주제를 비교할 수 있다. 컴퓨팅 장치(100)는 제 1 서브 주제 및 과거 입력 문장의 서브 주제가 일치하는 경우, 제 1 서브 주제의 다음 서브 주제에 해당하는 제 2 서브 주제에 기초하여 답변을 결정할 수 있다.The
컴퓨팅 장치(100)는 상기 답변을 사용자 단말로 전송(540)할 수 있다.The
컴퓨팅 장치(100)는 답변이 컨텐츠를 포함하는 경우, 입력 문장 및 답변에 기초한 채팅 창과 컨텐츠를 함께 사용자 단말에 디스플레이하기 위해, 채팅 창을 포함하는 제 1 레이어 및 컨텐츠를 포함하는 제 2 레이어에 대한 인터페이스를 사용자 단말에 전송할 수 있다.When the answer includes the content, the
본 개시의 일 실시예에서 컴퓨팅 장치(100)는 사용자의 입력 문장과 기준 문장과의 유사도 비교에 따라서 사용자의 입력 문장의 주제 및 서브 주제 중 적어도 하나를 결정할 수 있으며, 결정된 주제 및 서브 주제 중 적어도 하나에 기초하여 사용자와 다음 대화를 위한 답변을 제공할 수 있어, 주도적으로 사용자와의 대화를 이끌어 나갈 수 있는 챗봇을 제공할 수 있다. In one embodiment of the present disclosure, the
도 6은 본 개시의 일 실시예에 따른 챗봇의 구동 방법을 구현하기 위한 로직을 도시한 블록 구성도이다.6 is a block diagram illustrating logic for implementing a method of driving a chatbot according to an embodiment of the present disclosure.
본 개시의 일 실시예에 따라 챗봇의 구동 방법은 다음과 같은 로직에 의해 구현될 수 있다.According to an embodiment of the present disclosure, a method of driving a chatbot may be implemented by the following logic.
본 개시의 일 실시예에 따라 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하기 위한 로직(610); 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하기 위한 로직(620); 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하기 위한 로직(630); 및 상기 답변을 상기 사용자 단말로 전송하기 위한 로직(640)에 의하여 구현될 수 있다.
본 개시의 실시예에서 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하기 위한 로직(610)은, 상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하기 위한 로직; 하나 이상의 기준 문장 각각을 상기 전처리 모델을 통해 연산함으로써 하나 이상의 기준 문장 벡터를 획득하기 위한 로직; 및 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure,
본 개시의 실시예에서 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하기 위한 로직(610)은, 상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하기 위한 로직; 상기 입력 문장 전에 입력된 과거 입력 문장을 상기 전처리 모델을 통해 연산함으로써 과거 입력 문장 벡터를 획득하기 위한 로직; 상기 입력 문장 벡터 및 상기 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정하기 위한 로직; 상기 누적 입력 벡터와의 유사도가 임계 값 이상인 상기 기준 문장을 결정하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure,
본 개시의 실시예에서 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하기 위한 로직(620)은, 상기 기준 문장의 서브 주제를 결정하기 위한 로직; 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하기 위한 로직; 상기 기준 과거 입력 문장의 서브 주제를 결정하기 위한 로직; 및 상기 기준 문장의 서브 주제 및 상기 기준 과거 입력 문장의 서브 주제에 기초하여 대화의 주제를 결정하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, logic for determining a sub-subject of the reference sentence and determining a topic of a conversation based on the sub-subject of the reference sentence includes: logic for determining a sub-subject of the reference sentence; Logic for determining a reference past input sentence having a similarity level with a threshold value equal to or higher than a past input sentence input before the input sentence; Logic for determining a sub-subject of the reference past input sentence; And logic for determining a topic of conversation based on the sub-subject of the reference sentence and the sub-subject of the reference past input sentence.
본 개시의 실시예에서 상기 기준 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제에 기초하여 대화의 주제를 결정하기 위한 로직(620)은, 상기 기준 문장의 서브 주제 및 사용자의 상태 정보에 기초하여 대화의 주제를 결정하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure,
본 개시의 실시예에서 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하기 위한 로직은, 상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사 정도를 나타내는 하나 이상의 스코어링 값을 출력하기 위한 로직; 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값의 클래스에 기초하여 기준 문장을 결정하기 위한 로직; 및 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, logic for determining a reference sentence having a similarity level of each of the input sentence vector and each of the one or more reference sentence vectors equal to or greater than a threshold value includes a degree of similarity between each of the input sentence vector and the one or more reference sentence vectors. Logic for outputting one or more scoring values indicative of; Logic for determining a reference sentence based on a class of scoring values equal to or greater than a threshold value among the one or more scoring values; And if there is no class corresponding to a scoring value of a threshold value or more among the one or more scoring values, it may be implemented by logic for determining that a reference sentence cannot be determined.
본 개시의 실시예에서 상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하기 위한 로직은, 상기 하나 이상의 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하는 답변 및 상기 입력 문장에 대한 판단 불가 답변 중 적어도 하나를 상기 사용자 단말로 전송하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, when there is no class corresponding to a scoring value of a threshold value or more among the one or more scoring values, logic for determining that a reference sentence cannot be determined is selected from the class of the maximum scoring value among the one or more scoring values. It may also be implemented by logic for transmitting at least one of an answer for determining whether the basic reference sentence is correct and an answer for which the input sentence cannot be determined to the user terminal.
본 개시의 실시예에서 상기 답변을 상기 사용자 단말로 전송하기 위한 로직(640)은, 상기 답변이 컨텐츠를 포함하는 경우, 상기 입력 문장 및 상기 답변에 기초한 채팅 창과 상기 컨텐츠를 함께 상기 사용자 단말에 디스플레이하기 위해, 상기 채팅 창을 포함하는 제 1 레이어 및 상기 컨텐츠를 포함하는 제 2 레이어에 대한 인터페이스를 상기 사용자 단말에 전송하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, the
본 개시의 실시예에서 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하기 위한 로직(630)은, 상기 제 1 서브 주제 및 상기 사용자 단말로부터 상기 입력 문장 전에 입력된 과거 입력 문장의 서브 주제를 비교하기 위한 로직; 및 상기 제 1 서브 주제 및 상기 과거 입력 문장의 서브 주제가 일치하는 경우, 상기 제 1 서브 주제의 다음 서브 주제에 해당하는 제 2 서브 주제에 기초하여 상기 답변을 결정하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, a
본 개시의 실시예에서 상기 서브 주제에 기초하여 획득된 주제가 둘 이상인 경우, 상기 둘 이상의 주제 중 하나의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송하기 위한 로직에 의하여 구현될 수도 있다.In an embodiment of the present disclosure, when there are two or more topics obtained based on the sub-topics, it may be implemented by logic to transmit an answer for receiving a selection input for one of the two or more topics to the user terminal. have.
본 개시의 일 실시예에 따른 챗봇의 구동 방법을 구현하기 위한 로직은, 챗봇의 구동 방법을 구현하기 위한 모듈, 회로 또는 수단에 의하여 구현될 수도 있다.Logic for implementing a method for driving a chatbot according to an embodiment of the present disclosure may be implemented by a module, circuit, or means for implementing a method for driving a chatbot.
도 7은 본 개시의 일 실시예에 따른 컴퓨팅 장치의 블록 구성도이다.7 is a block diagram of a computing device according to an embodiment of the present disclosure.
도 7은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.7 shows a simplified and general schematic diagram of an exemplary computing environment in which embodiments of the present disclosure can be implemented.
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 조합으로써 구현될 수 있다는 것을 잘 알 것이다.Although the present disclosure has been described above in general with respect to computer-executable instructions that can be executed on one or more computers, those skilled in the art will appreciate that the present disclosure can be implemented in combination with other program modules and / or as a combination of hardware and software. will be.
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, 메인 프레임 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.Generally, program modules include routines, programs, components, data structures, etc. that perform particular tasks or implement particular abstract data types. In addition, those of ordinary skill in the art may find that the methods of the present disclosure include single-processor or multiprocessor computer systems, minicomputers, mainframe computers, as well as personal computers, handheld computing devices, microprocessor-based or programmable consumer electronics, and the like (each of which is). It will be appreciated that it may be implemented in other computer system configurations, including one that may operate in conjunction with one or more associated devices.
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 둘 다에 위치할 수 있다.The described embodiments of the present disclosure may also be practiced in distributed computing environments where certain tasks are performed by remote processing devices that are linked through a communications network. In a distributed computing environment, program modules may be located in both local and remote memory storage devices.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있다. 컴퓨터 판독가능 매체는 휘발성 및 비 휘발성 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 비 휘발성 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.Computers typically include a variety of computer readable media. Any computer-accessible medium can be a computer-readable medium. Computer-readable media includes volatile and non-volatile media, transitory and non-transitory media, removable and non-removable media. By way of example, and not limitation, computer readable media may include computer readable storage media and computer readable transmission media. Computer-readable storage media are volatile and non-volatile media, temporary and non-transitory media, removable and non-removable media implemented in any method or technology for storing information such as computer readable instructions, data structures, program modules or other data Includes media. Computer storage media include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage devices, magnetic cassettes, magnetic tapes, magnetic disk storage devices or other magnetic storage devices, Or any other medium that can be accessed by a computer and used to store desired information.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피 변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피 변조 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.Computer readable transmission media typically embodies computer readable instructions, data structures, program modules or other data in a modulated data signal, such as a carrier wave or other transport mechanism, and Includes all information delivery media. The term modulated data signal means a signal in which one or more of the characteristics of the signal are set or changed to encode information in the signal. By way of example, and not limitation, computer readable transmission media includes wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above-described media are also intended to be included within the scope of computer-readable transmission media.
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.An exemplary environment 1100 is shown that implements various aspects of the present disclosure, including a
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 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 비 휘발성 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.The
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 둘 다를 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.These drives and their associated computer-readable media provide non-volatile storage of data, data structures, computer-executable instructions, and the like. In the case of
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.A number of program modules may be stored in the drive and
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.The user may input commands and information to the
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.The
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.The
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.When used in a LAN networking environment, the
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.The
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 신뢰성 있으며 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.Wi-Fi (Wireless Fidelity) enables a connection to the Internet or the like without a wired connection. Wi-Fi is a wireless technology such as a cell phone that allows a device, for example, a computer to transmit and receive data indoors and outdoors, ie anywhere within the base station's coverage area. Wi-Fi networks use a wireless technology called IEEE 802.11 (a, b, g, etc.) to provide a secure, reliable and high-speed wireless connection. Wi-Fi can be used to connect computers to each other, to the Internet, and to a wired network (using IEEE 802.3 or Ethernet). Wi-Fi networks can operate in unlicensed 2.4 and 5 GHz radio bands, for example, at 11 Mbps (802.11a) or 54 Mbps (802.11b) data rates, or in products that include both bands (dual band). have.
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.One of ordinary skill in the art of the present disclosure will understand that information and signals can be represented using any of a variety of different technologies and techniques. For example, data, instructions, instructions, information, signals, bits, symbols and chips that can be referenced in the above description are voltages, currents, electromagnetic waves, magnetic fields or particles, optical fields Or particles, or any combination thereof.
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.Those of ordinary skill in the art of the present disclosure may use various examples of logical blocks, modules, processors, means, circuits, and algorithm steps described in connection with the embodiments disclosed herein in electronic hardware, (convenience For the sake of understanding, it may be implemented by various forms of program or design code (referred to herein as “software”) or a combination of both. To clearly illustrate this interoperability of hardware and software, various illustrative components, blocks, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software depends on the particular application and design constraints imposed on the overall system. Those skilled in the art of the present disclosure may implement the functions described in various ways for each particular application, but such implementation decisions should not be interpreted as being outside the scope of the present disclosure.
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. 예를 들어, 컴퓨터-판독가능 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. Various embodiments presented herein may be implemented as a method, apparatus, or article of manufacture using standard programming and / or engineering techniques. The term "manufactured article" includes a computer program, carrier, or media accessible from any computer-readable device. For example, computer-readable media include magnetic storage devices (eg, hard disks, floppy disks, magnetic strips, etc.), optical disks (eg, CDs, DVDs, etc.), smart cards, and flash memory Devices (eg, EEPROMs, cards, sticks, key drives, etc.), but are not limited to these. Also, various storage media presented herein include one or more devices and / or other machine-readable media for storing information.
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.It is understood that the specific order or hierarchy of steps in the processes presented is an example of exemplary approaches. Based on design priorities, it is understood that within the scope of the present disclosure, a specific order or hierarchy of steps in the processes may be rearranged. The accompanying method claims provide elements of the various steps in a sample order, but are not meant to be limited to the specific order or hierarchy presented.
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 것이다. 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.Descriptions of the presented embodiments are provided to enable any person of ordinary skill in the art to use or practice the present disclosure. Various modifications to these embodiments will be apparent to those skilled in the art of the present disclosure. The general principles defined herein can be applied to other embodiments without departing from the scope of the present disclosure. Thus, the present disclosure should not be limited to the embodiments presented herein, but should be interpreted in the broadest scope consistent with the principles and novel features presented herein.
Claims (13)
사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작;
상기 기준 문장의 서브 주제를 결정하고, 상기 서브 주제가 둘 이상의 대화의 주제에 포함되는지 여부를 결정하는 동작;
상기 서브 주제가 하나의 대화의 주제에 포함되는 경우, 상기 서브 주제가 포함된 주제를 상기 대화의 주제로 결정하는 동작;
상기 서브 주제가 둘 이상의 대화의 주제에 포함되는 경우, 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하고, 상기 기준 과거 입력 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제 및 상기 기준 과거 입력 문장의 서브 주제에 기초하여 상기 대화의 주제를 결정하거나, 또는, 상기 둘 이상의 대화의 주제 중 하나의 대화의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송하는 동작;
상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 동작; 및
상기 답변을 상기 사용자 단말로 전송하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
A computer program stored in a computer-readable storage medium, wherein the computer program, when executed on one or more processors, performs the following operations for a method of driving a chatbot, the operations being:
Determining a reference sentence having a similarity level or higher with an input sentence received from the user terminal;
Determining a sub-subject of the reference sentence, and determining whether the sub-subject is included in a topic of two or more conversations;
When the sub-subject is included in the subject of one conversation, determining a subject including the sub-subject as the subject of the conversation;
When the sub-subject is included in a topic of two or more conversations, a reference past input sentence having similarity with a past input sentence input before the input sentence is greater than or equal to a threshold value is determined, and a sub-subject of the reference past input sentence is determined, and the Determine a topic of the conversation based on a sub-subject of the reference sentence and the sub-subject of the reference past input sentence, or receive an answer for receiving a selection input for the topic of one of the two or more conversation topics Transmitting to a user terminal;
Determining an answer based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation; And
Transmitting the answer to the user terminal;
Containing,
A computer program stored on a computer readable storage medium.
상기 답변은, 상기 사용자 단말로부터 수신을 희망하는 입력 문장을 유도하기 위한 응답을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
The answer includes a response for deriving an input sentence desired to be received from the user terminal,
A computer program stored on a computer readable storage medium.
사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은,
상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하는 동작;
하나 이상의 기준 문장 각각을 상기 전처리 모델을 통해 연산함으로써 하나 이상의 기준 문장 벡터를 획득하는 동작; 및
상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
Determining a reference sentence having a similarity or higher than a threshold value with the input sentence received from the user terminal,
Obtaining an input sentence vector by computing the input sentence through a pre-processing model including one or more network functions;
Obtaining one or more reference sentence vectors by calculating each of the one or more reference sentences through the pre-processing model; And
Determining a reference sentence having a similarity level equal to or greater than a threshold value for each of the input sentence vector and the one or more reference sentence vectors;
Containing,
A computer program stored on a computer readable storage medium.
사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은,
상기 입력 문장을 하나 이상의 네트워크 함수를 포함하는 전처리 모델을 통해 연산함으로써 입력 문장 벡터를 획득하는 동작;
상기 입력 문장 전에 입력된 과거 입력 문장을 상기 전처리 모델을 통해 연산함으로써 과거 입력 문장 벡터를 획득하는 동작;
상기 입력 문장 벡터 및 상기 과거 입력 문장 벡터에 기초하여 누적 입력 벡터를 결정하는 동작; 및
상기 누적 입력 벡터와의 유사도가 임계 값 이상인 상기 기준 문장을 결정하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
Determining a reference sentence having a similarity or higher than a threshold value with the input sentence received from the user terminal,
Obtaining an input sentence vector by computing the input sentence through a pre-processing model including one or more network functions;
Obtaining a past input sentence vector by calculating a past input sentence input before the input sentence through the pre-processing model;
Determining a cumulative input vector based on the input sentence vector and the past input sentence vector; And
Determining the reference sentence having a degree of similarity with the accumulated input vector equal to or greater than a threshold value;
Containing,
A computer program stored on a computer readable storage medium.
상기 서브 주제가 둘 이상의 대화의 주제에 포함되는 경우, 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하고, 상기 기준 과거 입력 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제 및 상기 기준 과거 입력 문장의 서브 주제에 기초하여 상기 대화의 주제를 결정하거나, 또는, 상기 둘 이상의 대화의 주제 중 하나의 대화의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송하는 동작은,
상기 기준 문장의 서브 주제 및 사용자의 상태 정보에 기초하여 상기 대화의 주제를 결정하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
When the sub-subject is included in a topic of two or more conversations, a reference past input sentence having similarity with a past input sentence input before the input sentence is greater than or equal to a threshold value is determined, and a sub-subject of the reference past input sentence is determined, and the Determine a topic of the conversation based on a sub-subject of the reference sentence and the sub-subject of the reference past input sentence, or receive an answer for receiving a selection input for the topic of one of the two or more conversation topics The operation to transmit to the user terminal,
Determining a topic of the conversation based on the sub-subject of the reference sentence and status information of a user;
Containing,
A computer program stored on a computer readable storage medium.
상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사도가 임계 값 이상인 기준 문장을 결정하는 동작은,
상기 입력 문장 벡터와 상기 하나 이상의 기준 문장 벡터 각각에 대한 유사 정도를 나타내는 하나 이상의 스코어링 값을 출력하는 동작;
상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값의 클래스에 기초하여 기준 문장을 결정하는 동작; 및
상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 3,
Determining a reference sentence having a similarity level equal to or greater than a threshold value for each of the input sentence vector and the one or more reference sentence vectors includes:
Outputting one or more scoring values indicating a degree of similarity to each of the input sentence vector and the one or more reference sentence vectors;
Determining a reference sentence based on a class of scoring values equal to or greater than a threshold value among the one or more scoring values; And
Determining that a reference sentence cannot be determined when there is no class corresponding to a scoring value of a threshold value or more among the one or more scoring values;
Containing,
A computer program stored on a computer readable storage medium.
상기 하나 이상의 스코어링 값 중 임계 값 이상의 스코어링 값에 해당하는 클래스가 없는 경우, 기준 문장을 결정할 수 없음을 판단하는 동작은,
상기 하나 이상의 스코어링 값 중 최대 스코어링 값의 클래스에 기초한 기준 문장이 맞는지 여부를 확인하는 답변 및 상기 입력 문장에 대한 판단 불가 답변 중 적어도 하나를 상기 사용자 단말로 전송하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
The method of claim 7,
If there is no class corresponding to a scoring value of a threshold value or more among the one or more scoring values, the operation of determining that the reference sentence cannot be determined is:
Transmitting at least one of an answer to determine whether a reference sentence based on a class of the maximum scoring value among the one or more scoring values is correct and an answer that cannot be determined for the input sentence to the user terminal;
Containing,
A computer program stored on a computer readable storage medium.
상기 답변을 상기 사용자 단말로 전송하는 동작은,
상기 답변이 컨텐츠를 포함하는 경우,
상기 입력 문장 및 상기 답변에 기초한 채팅 창과 상기 컨텐츠를 함께 상기 사용자 단말에 디스플레이하기 위해,
상기 채팅 창을 포함하는 제 1 레이어 및 상기 컨텐츠를 포함하는 제 2 레이어에 대한 인터페이스를 상기 사용자 단말에 전송하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
The operation of transmitting the answer to the user terminal,
If the answer includes content,
To display the chat window and the content based on the input sentence and the answer together on the user terminal,
Transmitting an interface for a first layer including the chat window and a second layer including the content to the user terminal;
Containing,
A computer program stored on a computer readable storage medium.
상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 동작은,
상기 제 1 서브 주제 및 상기 사용자 단말로부터 상기 입력 문장 전에 입력된 과거 입력 문장의 서브 주제를 비교하는 동작; 및
상기 제 1 서브 주제 및 상기 과거 입력 문장의 서브 주제가 일치하는 경우, 상기 제 1 서브 주제의 다음 서브 주제에 해당하는 제 2 서브 주제에 기초하여 상기 답변을 결정하는 동작;
을 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
According to claim 1,
The operation of determining an answer based on a first sub-subject corresponding to the next sub-subject of the sub-subject of the reference sentence among the plurality of sub-subjects included in the topic of the conversation,
Comparing the first sub-subject and the sub-subject of a past input sentence input before the input sentence from the user terminal; And
If the first sub-subject and the sub-subject of the past input sentence match, determining the answer based on a second sub-subject corresponding to the next sub-subject of the first sub-subject;
Containing,
A computer program stored on a computer readable storage medium.
상기 프로세서에서 네트워크부를 통해 사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하는 단계;
상기 프로세서에서 상기 기준 문장의 서브 주제를 결정하고, 상기 서브 주제가 둘 이상의 대화의 주제에 포함되는지 여부를 결정하는 단계;
상기 프로세서에서 상기 서브 주제가 하나의 대화의 주제에 포함되는 경우, 상기 서브 주제가 포함된 주제를 상기 대화의 주제로 결정하는 단계;
상기 프로세서에서 상기 서브 주제가 둘 이상의 대화의 주제에 포함되는 경우, 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하고, 상기 기준 과거 입력 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제 및 상기 기준 과거 입력 문장의 서브 주제에 기초하여 상기 대화의 주제를 결정하거나, 또는, 상기 둘 이상의 대화의 주제 중 하나의 대화의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 네트워크부를 통해 상기 사용자 단말로 전송하는 단계;
상기 프로세서에서 상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하는 단계; 및
상기 프로세서에서 상기 네트워크부를 통해 상기 답변을 상기 사용자 단말로 전송하는 단계;
를 포함하는,
컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 챗봇의 구동을 위한 방법.
A method for driving a chatbot performed on one or more processors of a computing device,
Determining, by the processor, a reference sentence having a similarity level or higher with a threshold value that is received from a user terminal through a network unit;
Determining, by the processor, a sub-subject of the reference sentence, and determining whether the sub-subject is included in a topic of two or more conversations;
When the sub-subject is included in the subject of one conversation in the processor, determining a subject including the sub-subject as the subject of the conversation;
When the sub-subject is included in the subject of two or more conversations in the processor, a reference past input sentence having similarity to a past input sentence input before the input sentence is greater than or equal to a threshold value is determined, and a sub-subject of the reference past input sentence is determined. To determine the subject of the conversation based on the sub-subject of the reference sentence and the sub-subject of the reference past input sentence, or to receive a selection input for the subject of one of the two or more conversation subjects Transmitting an answer to the user terminal through the network unit;
Determining, by the processor, an answer based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation; And
Transmitting the answer from the processor to the user terminal through the network unit;
Containing,
A method for driving a chatbot performed on one or more processors of a computing device.
하나 이상의 코어를 포함하는 프로세서;
네트워크부; 및
메모리;
를 포함하고,
상기 프로세서는,
사용자 단말로부터 수신된 입력 문장과의 유사도가 임계 값 이상인 기준 문장을 결정하고,
상기 기준 문장의 서브 주제를 결정하고, 상기 서브 주제가 둘 이상의 대화의 주제에 포함되는지 여부를 결정하고,
상기 서브 주제가 하나의 대화의 주제에 포함되는 경우, 상기 서브 주제가 포함된 주제를 상기 대화의 주제로 결정하고,
상기 서브 주제가 둘 이상의 대화의 주제에 포함되는 경우, 상기 입력 문장 전에 입력된 과거 입력 문장과의 유사도가 임계 값 이상인 기준 과거 입력 문장을 결정하고, 상기 기준 과거 입력 문장의 서브 주제를 결정하고, 상기 기준 문장의 서브 주제 및 상기 기준 과거 입력 문장의 서브 주제에 기초하여 상기 대화의 주제를 결정하거나, 또는, 상기 둘 이상의 대화의 주제 중 하나의 대화의 주제에 대한 선택 입력을 수신 받기 위한 답변을 상기 사용자 단말로 전송하고,
상기 대화의 주제에 포함된 다수의 서브 주제 중 상기 기준 문장의 서브 주제의 다음 서브 주제에 해당하는 제 1 서브 주제에 기초하여 답변을 결정하고, 그리고
상기 답변을 상기 사용자 단말로 전송하는,
챗봇의 구동을 위한 컴퓨팅 장치.
As a computing device for driving the chatbot,
A processor comprising one or more cores;
Network unit; And
Memory;
Including,
The processor,
Determine a reference sentence having a similarity or higher than a threshold value with the input sentence received from the user terminal,
Determine a sub-subject of the reference sentence, determine whether the sub-subject is included in a topic of two or more conversations,
When the sub-subject is included in the subject of one conversation, a subject including the sub-subject is determined as the subject of the conversation,
When the sub-subject is included in a topic of two or more conversations, a reference past input sentence having similarity with a past input sentence input before the input sentence is greater than or equal to a threshold value is determined, and a sub-subject of the reference past input sentence is determined, and the Determine a topic of the conversation based on a sub-subject of the reference sentence and the sub-subject of the reference past input sentence, or receive an answer for receiving a selection input for the topic of one of the two or more conversation topics Transmitted to the user terminal,
A response is determined based on a first sub-subject corresponding to a next sub-subject of the sub-subject of the reference sentence among a plurality of sub-subjects included in the topic of the conversation, and
Transmitting the answer to the user terminal,
A computing device for driving the chatbot.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180121337A KR102098003B1 (en) | 2018-10-11 | 2018-10-11 | Method, apparatus and computer-readable medium for operating chatbot |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180121337A KR102098003B1 (en) | 2018-10-11 | 2018-10-11 | Method, apparatus and computer-readable medium for operating chatbot |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102098003B1 true KR102098003B1 (en) | 2020-04-07 |
Family
ID=70290856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180121337A KR102098003B1 (en) | 2018-10-11 | 2018-10-11 | Method, apparatus and computer-readable medium for operating chatbot |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102098003B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858856A (en) * | 2020-07-23 | 2020-10-30 | 海信电子科技(武汉)有限公司 | Multi-round search type chatting method and display equipment |
KR20220104406A (en) | 2021-01-18 | 2022-07-26 | 주식회사 깃플 | Customer consultation system, method and program using chatbot |
WO2023219298A1 (en) * | 2022-05-09 | 2023-11-16 | 삼성전자주식회사 | Electronic device and control method therefor |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007115144A (en) * | 2005-10-21 | 2007-05-10 | Aruze Corp | Conversation controller |
KR20170014772A (en) * | 2015-07-31 | 2017-02-08 | 김상오 | Automatic response system |
KR20180046550A (en) * | 2016-10-28 | 2018-05-09 | 이재윤 | Apparatus and method for conversaion using artificial intelligence |
KR20180058877A (en) * | 2016-11-24 | 2018-06-04 | 주식회사 와이즈넛 | Business support method using a chatting bot |
KR20180060872A (en) * | 2016-11-01 | 2018-06-07 | 주식회사 트라이패스 | Method and server for providing real-time consultation |
JP2018147189A (en) * | 2017-03-03 | 2018-09-20 | 日本電信電話株式会社 | Dialog system, method, and program |
-
2018
- 2018-10-11 KR KR1020180121337A patent/KR102098003B1/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007115144A (en) * | 2005-10-21 | 2007-05-10 | Aruze Corp | Conversation controller |
KR20170014772A (en) * | 2015-07-31 | 2017-02-08 | 김상오 | Automatic response system |
KR20180046550A (en) * | 2016-10-28 | 2018-05-09 | 이재윤 | Apparatus and method for conversaion using artificial intelligence |
KR20180060872A (en) * | 2016-11-01 | 2018-06-07 | 주식회사 트라이패스 | Method and server for providing real-time consultation |
KR20180058877A (en) * | 2016-11-24 | 2018-06-04 | 주식회사 와이즈넛 | Business support method using a chatting bot |
JP2018147189A (en) * | 2017-03-03 | 2018-09-20 | 日本電信電話株式会社 | Dialog system, method, and program |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858856A (en) * | 2020-07-23 | 2020-10-30 | 海信电子科技(武汉)有限公司 | Multi-round search type chatting method and display equipment |
KR20220104406A (en) | 2021-01-18 | 2022-07-26 | 주식회사 깃플 | Customer consultation system, method and program using chatbot |
WO2023219298A1 (en) * | 2022-05-09 | 2023-11-16 | 삼성전자주식회사 | Electronic device and control method therefor |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102047385B1 (en) | Method, apparatus and computer-readable medium for operating chatbot | |
US11727677B2 (en) | Personalized gesture recognition for user interaction with assistant systems | |
WO2021114974A1 (en) | User risk assessment method and apparatus, electronic device, and storage medium | |
US10733668B2 (en) | Multi-layer machine learning classifier | |
US11676220B2 (en) | Processing multimodal user input for assistant systems | |
KR20190051904A (en) | Computer program stored on computer-readable medium, method and server for classifying a client intent by a chat bot | |
Vieira et al. | How banks can better serve their customers through artificial techniques | |
US11307880B2 (en) | Assisting users with personalized and contextual communication content | |
US11531987B2 (en) | User profiling based on transaction data associated with a user | |
KR102098003B1 (en) | Method, apparatus and computer-readable medium for operating chatbot | |
US20160379224A1 (en) | Targeted e-commerce business strategies based on affiliation networks derived from predictive cognitive traits | |
CN112732911A (en) | Semantic recognition-based conversational recommendation method, device, equipment and storage medium | |
KR102008169B1 (en) | Computer program stored on computer-readable medium, method and server for responding to a customer inquiry | |
US11095601B1 (en) | Connection tier structure defining for control of multi-tier propagation of social network content | |
CN111737546A (en) | Method and device for determining entity service attribute | |
CN112860852A (en) | Information analysis method and device, electronic equipment and computer readable storage medium | |
KR20200041199A (en) | Method, apparatus and computer-readable medium for operating chatbot | |
CN110637321A (en) | Dynamic claims submission system | |
Chursook et al. | Twitter sentiment analysis and expert ratings of initial coin offering fundraising: evidence from Australia and Singapore markets | |
Tiwari et al. | Towards personalized persuasive dialogue generation for adversarial task oriented dialogue setting | |
CN116204624A (en) | Response method, response device, electronic equipment and storage medium | |
KR102276391B1 (en) | Computer program for providing a way to respond to customers | |
US11163964B2 (en) | Configurable conversational agent generator | |
Sabharwal et al. | Up and Running Google AutoML and AI Platform: Building Machine Learning and NLP Models Using AutoML and AI Platform for Production Environment (English Edition) | |
CN112131484A (en) | Multi-person session establishing method, device, equipment and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |