KR102119468B1 - System and method for learning counseling chatter robot based on counceling contents of counselor - Google Patents
System and method for learning counseling chatter robot based on counceling contents of counselor Download PDFInfo
- Publication number
- KR102119468B1 KR102119468B1 KR1020180096571A KR20180096571A KR102119468B1 KR 102119468 B1 KR102119468 B1 KR 102119468B1 KR 1020180096571 A KR1020180096571 A KR 1020180096571A KR 20180096571 A KR20180096571 A KR 20180096571A KR 102119468 B1 KR102119468 B1 KR 102119468B1
- Authority
- KR
- South Korea
- Prior art keywords
- counseling
- consultation
- content
- learning
- chatbot
- Prior art date
Links
- 238000009223 counseling Methods 0.000 title claims abstract description 211
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000012805 post-processing Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000013441 quality evaluation Methods 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000013515 script Methods 0.000 claims description 18
- 230000008451 emotion Effects 0.000 claims description 15
- 230000002787 reinforcement Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000035755 proliferation Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/50—Business processes related to the communications industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 상담용 챗봇의 학습데이터를 구축하고, 구축된 학습데이터를 이용하여 상담 챗봇을 학습하는 기술로서, 일실시예에 따른 상담 챗봇의 학습 시스템은 고객과 상담원과의 상담내용을 수집하는 상담내용 수집부, 상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함할 수 있다.The present invention is a technology for constructing the learning data of the chatbot for consultation, and learning the counseling chatbot using the built-in learning data. The learning system of the counseling chatbot according to an embodiment is a consultation for collecting the consultation content between the customer and the counselor Content collection unit, post-processing automation processing unit that post-processes the collected consultation content, evaluates the post-processed consultation content, scores each consultation content according to the pre-selected evaluation criteria, and reflects the scoring results to provide excellent consultation content Includes a counseling quality evaluation processing unit for selecting, a learning data extracting unit for extracting learning data by analyzing the selected excellent counseling content, and a learning processing unit for controlling the counseling chatbot to learn in a deep learning manner using the extracted learning data can do.
Description
본 발명은 상담용 챗봇의 학습데이터를 구축하고, 구축된 학습데이터를 이용하여 상담 챗봇을 학습하는 기술로서, 보다 상세하게는 상담원의 상담 내용을 자동으로 평가하여 우수 상담 내용을 선정하고, 선정된 상담 내용을 학습데이터로 사용하여 상담 챗봇이 상담원의 상담과 유사한 지식을 기반으로 고객 상담에 대응 할 수 있도록 하는 시스템 및 그 방법에 관한 것이다.The present invention is a technology for constructing the learning data of the counseling chatbot and learning the counseling chatbot using the constructed learning data. More specifically, the counseling content of the counselor is automatically evaluated to select the excellent counseling content and selected. It relates to a system and a method for using a counseling content as learning data so that a counseling chatbot can respond to customer counseling based on knowledge similar to counseling by an agent.
챗봇(chatter robot)은 메신저에서 일상 언어로 대화할 수 있는 채팅로봇 프로그램을 의미한다.Chatbot (chatter robot) means a chat robot program that can communicate in a daily language from a messenger.
구체적으로, 상담을 희망하는 사용자가 메신저에 채팅하듯 질문을 입력하면, 인공지능(AI)이 빅데이터 분석을 바탕으로 일상언어로 사람과 대화를 하며 해답을 주는 대화형 메신저를 말한다.Specifically, when a user who wishes to consult enters a question like chatting on a messenger, artificial intelligence (AI) is an interactive messenger that provides answers by talking to people in everyday languages based on big data analysis.
페이스북의 페이스북 메신저, 텐센트의 위젯, 텔레그램의 텔레그램, 킥의 봇숍, 슬랙사의 슬랙, 네이버웍스모바일의 운앱, 이스트소프트의 팀업 등이 이에 해당된다.These include Facebook's Facebook Messenger, Tencent's Widget, Telegram's Telegram, Kick's Bot Shop, Slack's Slack, Naverworks Mobile's Unluck App, and Eastsoft's Team Up.
주로 사용하는 언어 등 빅데이터를 수집해 자연어 처리 능력을 향상시킬 수 있기 때문에 초연결(hyperconnectivity)과 초지능(superintelligence)을 특징으로 하는 4차산업혁명과 맞물려 챗봇을 활용하려는 기업들의 경쟁이 치열한 실정이다.Since it is possible to improve natural language processing ability by collecting big data such as the language used mainly, the competition of companies trying to use chatbots in the 4th industrial revolution characterized by hyperconnectivity and superintelligence is fierce. to be.
이러한 시대적인 흐름과는 달리, 일반적인 챗봇 시스템은 기존에 준비된 FAQ를 사용하거나, 챗봇 개발 엔지니어나 아르바이트 인원 등이 고객사에서 제공하는 자료를 바탕으로 학습데이터를 생성하는 수준의 기술이 주로 사용된다.Unlike the trend of the times, the typical chatbot system uses a pre-prepared FAQ, or a technology that generates learning data based on data provided by a customer such as a chatbot development engineer or part-timer.
이러한 방식의 챗봇 시스템은 단기간 내에 생성할 수 있는 적은 양의 데이터 업무나, 단순 상담 업무, 또는 지점 위치 안내나 전화 번호 안내 등 상품에 대한 지식이 없는 비숙련자도 처리할 수 있는 단순한 문의에 대해서만 적용할 수 있다.This type of chatbot system only applies to small inquiries that can be generated in a short period of time, simple consultation, or simple inquiries that can be handled even by unskilled people who do not have knowledge of products such as branch location guidance or phone number guidance. can do.
따라서, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습할 수 있는 기술이 요구되는 추세이다.Accordingly, there is a trend in demand for a technology capable of constructing professional counseling knowledge and learning counseling chatbots at the agent level based on this.
본 발명의 목적은 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 것이다.The object of the present invention is to utilize the counseling knowledge of the counselor as the counseling knowledge of the chatbot.
본 발명의 목적은 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습하는 것이다.The object of the present invention is to construct a professional counseling knowledge by constructing the counseling knowledge of the chatbot based on the best counseling cases, and to learn the counseling chatbot at the agent level based on this.
본 발명의 목적은 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시키는 것이다.An object of the present invention is to improve the performance of a consultation chatbot, thereby reducing the waiting time for consultation, and improving the accuracy of the consultation content, thereby improving customer satisfaction.
본 발명의 목적은 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축하는 것이다.It is an object of the present invention to improve the performance of a consultation chatbot and to build a system for the proliferation of artificial intelligence technology and the fourth industrial revolution through the preemptive construction of big data application-based data.
일실시예에 따른 상담 챗봇의 학습 시스템은 고객과 상담원과의 상담내용을 수집하는 상담내용 수집부, 상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함할 수 있다.The learning system of the counseling chatbot according to an embodiment includes a counseling content collection unit that collects counseling content between a customer and an agent, a post-processing automation processing unit that post-processes the collected counseling content, and evaluates the post-processed counseling content, A counseling quality evaluation processing unit that scores each consultation content according to a pre-selected evaluation criterion and selects excellent consultation contents by reflecting the scoring results, a learning data extraction unit that analyzes the selected excellent consultation contents and extracts learning data, and It may include a learning processing unit for controlling the counseling chatbot to learn in a deep learning manner using the extracted learning data.
일실시예에 따른 상기 상담내용 수집부는, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고, 음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다.The counseling content collection unit according to an embodiment collects counseling content consisting of only the voice of the counselor and the customer from the entire audio data using a voice conversion engine, and using a voice analysis engine, of the counselors among the collected counseling content The voice and the customer's voice can be separated.
일실시예에 따른 상기 상담내용 수집부는, 상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.The counseling content collection unit according to an embodiment may output at least one of the customer's past counseling history and counseling content in the form of text.
일실시예에 따른 상기 후처리 자동화 처리부는, 상기 수집된 상담내용을 텍스트화하고, 상기 텍스트화된 상담내용으로부터 키워드를 추출하며, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 할 수 있다.The post-processing automation processing unit according to an embodiment texts the collected consultation contents, extracts keywords from the textual consultation contents, and classifies emotions and categories of customers based on the extracted keywords, Based on the classified emotions and categories, the counseling content can be summarized and post-processed.
일실시예에 따른 상담품질평가 처리부는, 상기 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 상기 우수 상담내용을 선정할 수 있다.The counseling quality evaluation processing unit according to an embodiment performs at least one of script keyword detection, hoisting and avoidance analysis, ineligible counseling detection, and cross talk analysis based on the post-processed counseling content, and scores it for each counseling content, The above counseling information can be selected by reflecting the scoring results.
일실시예에 따른 상기 학습데이터 추출부는, 상기 우수 상담내용으로부터 질문과 답을 분류하고, 상기 분류된 질문과 답에 대한 검증을 수행하며, 상기 검증된 질문과 답에 대한 강화처리를 수행하여 학습데이터를 추출할 수 있다.The learning data extracting unit according to an embodiment classifies questions and answers from the excellent consultation content, performs verification on the classified questions and answers, and performs reinforcement processing on the verified questions and answers to learn Data can be extracted.
일실시예에 따른 상기 학습 처리부는, 상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상기 상담 챗봇을 다시 학습하도록 제어할 수 있다.The learning processing unit according to an embodiment may control the learning chatbot to learn the counseling chatbot again by using the extracted learning data after feedback of the counseling content from the learned chatbot to a post-processing process.
일실시예에 따른 상기 학습 처리부는, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다.The learning processing unit according to an embodiment may control the counseling chatbot to be learned in a deep learning manner using customer evaluation information on the counseling result of the counseling chatbot.
일실시예에 따른 상담 챗봇의 학습 방법은 고객과 상담원과의 상담내용을 수집하는 단계, 상기 수집된 상담내용을 후처리 하는 단계, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 단계, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 단계, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 단계를 포함할 수 있다.The learning method of the counseling chatbot according to an embodiment includes the steps of collecting consultation content between a customer and an agent, post-processing the collected consultation content, evaluating the post-processed consultation content, and evaluating the pre-selected evaluation criteria. Scoring each consultation content accordingly, selecting excellent consultation contents by reflecting the scoring result, analyzing the selected excellent consultation contents, extracting learning data, and deep learning a counseling chatbot using the extracted learning data And controlling to learn in a manner.
일실시예에 따른 상기 상담내용을 수집하는 단계는, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하는 단계, 음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 단계, 및 상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 단계를 포함할 수 있다.In the collecting of the consultation contents according to an embodiment, using the voice conversion engine, collecting the consultation contents consisting of only the voice of the agent and the customer from the entire audio data, using the voice analysis engine, the collected consultation It may include the step of separating the voice of the counselor and the voice of the customer from among the content, and outputting at least one of the customer's past counseling history and the content in the form of text.
일실시예에 따른 상기 후처리 하는 단계는, 상기 수집된 상담내용을 텍스트화하는 단계, 상기 텍스트화된 상담내용으로부터 키워드를 추출하는 단계, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하는 단계, 및 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 단계를 포함할 수 있다.The post-processing according to an embodiment may include texting the collected consultation content, extracting keywords from the texted consultation content, and classifying customer emotions and categories based on the extracted keywords. And summarizing and post-processing counseling content based on the classified emotions and categories.
일실시예에 따른 상기 학습하도록 제어하는 단계는, 상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터와, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상기 상담 챗봇을 다시 학습하도록 제어하는 단계를 포함할 수 있다.The step of controlling to learn according to an embodiment may include using learning data extracted after feedback of the counseling content from the learned chatbot to a post-processing process, and customer evaluation information on the counseling result of the counseling chatbot. And controlling the counseling chatbot to learn again.
일실시예에 따르면, 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 것이다.According to one embodiment, the counseling knowledge of the counselor is utilized as the counseling knowledge of the chatbot.
일실시예에 따르면, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.According to one embodiment, by constructing the counseling knowledge of the chatbot based on the best counseling case, it is possible to build professional counseling knowledge and train the counseling chatbot to the agent level based on this.
일실시예에 따르면, 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시킬 수 있다.According to one embodiment, the performance of the consultation chatbot can be improved to reduce the waiting time for the consultation, and the accuracy of the consultation content may be improved to improve customer satisfaction.
일실시예에 따르면, 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축할 수 있다.According to one embodiment, it is possible to build a system for the proliferation of artificial intelligence technology and the fourth industrial revolution through the proactive construction of big data application-based data by improving the performance of the consultation chatbot.
도 1은 일실시예에 따른 상담 챗봇의 학습 시스템을 설명하는 도면이다.
도 2는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 전체 동작을 설명하는 도면이다.
도 3a는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 지식구성 과정을 설명하는 도면이다.
도 3b는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 학습 및 강화학습 과정을 설명하는 도면이다.
도 4는 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법을 설명하는 도면이다.1 is a diagram illustrating a learning system of a counseling chatbot according to an embodiment.
2 is a diagram for explaining the overall operation of utilizing the learning system of the counseling chatbot according to an embodiment.
3A is a diagram illustrating a knowledge construction process using a learning system of a counseling chatbot according to an embodiment.
3B is a diagram illustrating a learning and reinforcement learning process using a learning system of a counseling chatbot according to an embodiment.
4 is a diagram illustrating an operation method of a learning system of a counseling chatbot according to an embodiment.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed in this specification are exemplified only for the purpose of illustrating the embodiments according to the concept of the present invention, and the embodiments according to the concept of the present invention These can be implemented in various forms and are not limited to the embodiments described herein.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Embodiments according to the concept of the present invention can be applied to various changes and have various forms, so the embodiments will be illustrated in the drawings and described in detail herein. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosure forms, and includes modifications, equivalents, or substitutes included in the spirit and scope of the present invention.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but the components should not be limited by the terms. The above terms are only for the purpose of distinguishing one component from other components, for example, without departing from the scope of rights according to the concept of the present invention, the first component may be referred to as the second component, Similarly, the second component may also be referred to as the first component.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.When an element is said to be "connected" or "connected" to another component, it is understood that other components may be directly connected to or connected to the other component, but there may be other components in between. It should be. On the other hand, when a component is said to be "directly connected" or "directly connected" to another component, it should be understood that no other component exists in the middle. Expressions describing the relationship between the components, for example, "between" and "immediately between" or "directly adjacent to" should be interpreted similarly.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is only used to describe specific embodiments and is not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this specification, the terms "include" or "have" are intended to designate the presence of a feature, number, step, action, component, part, or combination thereof as described, one or more other features or numbers, It should be understood that the presence or addition possibilities of steps, actions, components, parts or combinations thereof are not excluded in advance.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms, such as those defined in a commonly used dictionary, should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined herein. Does not.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, the scope of the patent application is not limited or limited by these embodiments. The same reference numerals in each drawing denote the same members.
도 1은 일실시예에 따른 상담 챗봇의 학습 시스템(100)을 설명하는 도면이다.1 is a diagram illustrating a
본 발명에서는 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 기술을 개시한다.The present invention discloses a technique of using the counseling knowledge of the counselor as the counseling knowledge of the chatbot.
일실시예에 따른 상담 챗봇의 학습 시스템(100)은 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.The counseling chatbot
이를 위해, 일실시예에 따른 상담 챗봇의 학습 시스템(100)은 상담내용 수집부(110), 후처리 자동화 처리부(120), 상담품질평가 처리부(130), 학습데이터 추출부(140), 및 학습 처리부(150)를 포함할 수 있다. 이 밖에도 구성요소들을 전체적으로 제어할 수 있는 제어부(160)를 더 포함할 수 있다.To this end, the
먼저, 일실시예에 따른 상담내용 수집부(110)는 고객과 상담원과의 상담내용을 수집할 수 있다.First, the counseling
일례로, 상담내용 수집부(110)는 음성전환엔진과 음성분석엔진을 활용하여 상담 내용을 수집할 수 있다. 이를 위해, 상담내용 수집부(110)는 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집할 수 있다. 상담에 따라 생성된 오디오 데이터에는 상담원과 고객 간의 상담 내용뿐만 아니라, 다양한 음성이나 불필요한 소리가 녹음될 수 있다. 이에, 상담내용 수집부(110)는 음성분석엔진을 통해 화자를 인식하여 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다. 이때, 상담 내용을 제외한 오디오 데이터와 담당 내용에 해당하는 오디오 데이터를 분리한 후, 상담원의 음성과 고객의 음성을 각각 분리할 수도 있다.For example, the counseling
일실시예에 따른 상담내용 수집부(110)는 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.The counseling
일반적으로 인바운드, 아웃바운드 고객을 특정하기 위해 다양한 정보를 활용할 수 있다. 이 과정에서 기존 고객의 경우는 전화번호 등 개인정보를 기록으로 남기고, 신규 고객의 경우는 자신을 특정할 수 있는 개인정보를 상담원에게 제공함으로써 고객을 특정하는 과정을 거친다.In general, various information can be used to specify inbound and outbound customers. In this process, in the case of an existing customer, personal information such as a telephone number is recorded as a record, and in the case of a new customer, the customer is identified by providing personal information to identify the customer.
또한, 식별된 고객에 대한 상담이력이나 상담내용이 기록될 수 있고, 상담내용 수집부(110)는 이렇게 기록된 정보들을 참고할 수도 있다.In addition, the history or consultation information for the identified customer may be recorded, and the consultation
일실시예에 따른 후처리 자동화 처리부(120)는 수집된 상담내용을 후처리 할 수 있다.The post-processing
이를 위해, 후처리 자동화 처리부(120)는 수집된 상담내용을 텍스트화하고, 텍스트화된 상담내용으로부터 키워드를 추출할 수 있다. 또한, 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 분류된 감정 및 카테고리에 기초하여 상담내용을 요약 및 후처리할 수 있다.To this end, the post-processing
일실시예에 따른 상담품질평가 처리부(130)는 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.The counseling quality
이를 위해, 상담품질평가 처리부(130)는 기 저장된 기준스크립트와 상담내용으로부터 텍스트로 변환된 스크립트를 구간별로 매칭시키고, 매칭도를 산출할 수 있다. 또한, 스크립트 구간별 중요도에 따라 매칭도 기준을 조절하고, 구간별 매칭도를 평가함으로써, 상담내용을 스코어링할 수 있다.To this end, the counseling quality
우수 상담내용을 선정하기 위해서는 다양한 기준과 알고리즘이 적용될 수 있다. Various criteria and algorithms can be applied to select excellent consultation content.
예를 들면, 상담품질평가 처리부(130)는 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.For example, the counseling quality
일례로, 상담품질평가 처리부(130)는 상담 유형, 상담 분류, 키워드, 고객 감정, 상담 요약 등을 참고하여 평가할 수 있다.For example, the counseling quality
또한, 상담품질평가 처리부(130)는 기준 스크립트와 텍스트로 변환된 스크립트 간의 매칭 결과 상담원의 고지 내지는 공지가 제대로 이루어졌는지, 그에 따른 고객 답변이 있었는지 등을 확인할 수도 있다.In addition, the counseling quality
일실시예에 따른 학습데이터 추출부(140)는 선정된 우수 상담내용을 분석하여 학습데이터를 추출할 수 있다.The learning
예를 들어, 학습데이터 추출부(140)는 우수 상담내용으로부터 고객 질문과 답 또는 상담원 질문과 답을 그룹화하여 학습데이터로서 생성하고, 분류별로 다시 그룹화할 수 있다. 그룹화까지 완료되면 우수 상담내용에 대한 학습데이터가 추출되었다고 해석될 수 있다.For example, the learning
일실시예에 따른 학습데이터 추출부(140)는 우수 상담내용으로부터 질문과 답을 분류하고, 분류된 질문과 답에 대한 검증을 수행할 수 있다. 또한, 검증된 질문과 답에 대한 강화처리를 수행하고, 학습데이터에 유효기간을 설정할 수 있다.The learning
일실시예에 따른 학습 처리부(150)는 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다. 이를 위해, 학습 처리부(150)는 학습데이터를 갱신하여 상담 챗봇의 학습을 반복적으로 수행할 수 있다. The
예를 들어, 학습 처리부(150)는 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상담 챗봇을 다시 학습하도록 제어할 수 있다.For example, the
뿐만 아니라, 학습 처리부(150)는 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다.In addition, the
도 2는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 전체 동작(200)을 설명하는 도면이다.2 is a view for explaining the
일실시예에 따른 상담 챗봇의 학습 시스템은 상담내용 수집 과정을 통해 옴니채널을 활용할 수 있다(210). 옴니채널에서는 상담사는 이첩민원에 대한 상담내용을 수집할 수 있다. 이를 위해, 상담사는 이첩민원을 위해 홈페이지나 모바일 앱 등을 활용할 수 있다.The learning system of the counseling chatbot according to an embodiment may utilize an omni channel through a counseling content collection process (210). In Omni Channel, the counselor can collect the content of counseling on this complaint. To this end, the counselor can use a homepage or a mobile app, etc. for this espionage.
상담내용 수집 과정에서는 데이터 통합을 수행할 수 있다(220). 예를 들어, 상담내용 수집 과정에서는 상담내용과 관련 있는 고객정보, 서비스 정보, 자료관리, 케이스 정보 등을 관리 및 통합할 수 있다. In the process of collecting consultation content, data integration may be performed (220). For example, in the course of collecting the consultation contents, customer information, service information, data management, and case information related to the consultation contents may be managed and integrated.
한편, 옴니채널을 통한 상담내용은 STT(Speak To Text) 과정을 통해 텍스트화될 수 있다(230).On the other hand, the consultation content through the omni channel can be textized through the STT (Speak To Text) process (230).
다음으로, TA(Text Analysis) 분석을 수행할 수 있다(240).Next, a TA (Text Analysis) analysis may be performed (240 ).
TA(Text Analysis) 분석은 글로 고정된 모든 담화에 대한 분석으로 해석될 수 있다. 텍스트는 그 저자와의 연관을 부정할 수는 없지만, 독립된 의미를 지속적으로 산출할 수 있다. 이 점에서 텍스트는 작품(work)과 구별되고, 일정한 자율성을 갖는 체계이면서, 동시에 다른 텍스트에 의하여 직조되는 열린 체계로서의 특징을 가지고 있다.TA (Text Analysis) analysis can be interpreted as an analysis of all discourses fixed in writing. The text cannot deny its association with the author, but it can continue to produce independent meaning. In this respect, text is distinct from work, and has a certain autonomy, and at the same time, it has the characteristic of an open system that is woven by other texts.
일실시예에 따른 상담 챗봇의 학습 시스템은 상담내용 수집 과정에서 녹취정보, 평가기준, 스크립트, 상담이력 등을 참고하여 TA 분석을 수행할 수 있다.The learning system of the counseling chatbot according to an embodiment may perform TA analysis by referring to recording information, evaluation criteria, scripts, and counseling history in the course of gathering counseling content.
한편, 일실시예에 따른 상담 챗봇의 학습 시스템은 후처리 자동화 과정을 수행할 수 있다(250).Meanwhile, the learning system of the consultation chatbot according to an embodiment may perform a post-processing automation process (250).
후처리 자동화 과정에서, 학습 시스템은 상담 내용의 텍스트화, 고객 감정 분류, 상담 내용으로부터의 키워드 추출, 추출된 키워드를 활용하여 상담 내용 분류, 이러한 정보들을 기반으로 상담내용 요약을 진행할 수 있다.In the post-processing automation process, the learning system may perform textualization of the consultation content, classification of customer emotions, extraction of keywords from the consultation content, classification of the consultation content using the extracted keywords, and summary of the consultation content based on such information.
이러한 후처리 자동화 과정이 진행되면, 학습 시스템은 상담품질을 평가할 수 있다(260). 이 과정에서, 스크립트 키워드를 선정하고, 선정된 스크립트 키워드를 상담 내용으로부터 검출할 수 있다. 또한, 검출된 스크립트 키워드를 이용해서 권양 분석 및 지양 분석을 수행하여 부적격 상담을 검출할 수 있다. 또한, 학습 시스템은 부적격 상담과 함께 혼선(Cross Talk) 분석을 수행할 수 있다.When the post-processing automation process is performed, the learning system can evaluate the counseling quality (260). In this process, a script keyword can be selected and the selected script keyword can be detected from the consultation content. In addition, it is possible to detect ineligible counseling by performing a hoisting analysis and a hoisting analysis using the detected script keyword. In addition, the learning system can perform cross talk analysis together with ineligible counseling.
일실시예에 따른 상담 챗봇의 학습 시스템은 후처리 자동화 과정 이후 상담품질 평가과정을 통해 평가기준 콜점수를 부여할 수 있다. 또한, 부여된 콜점수에 따라 우수콜을 선정하고, 선정된 우수콜을 우수 상담내용으로 지식 구성을 수행할 수 있다(단계 270).The learning system of the counseling chatbot according to an embodiment may assign an evaluation standard call score through the counseling quality evaluation process after the post-processing automation process. In addition, an excellent call can be selected according to the assigned call scores, and knowledge construction can be performed using the selected excellent call as excellent consultation content (step 270).
일실시예에 따른 상담 챗봇의 학습 시스템은 지식 구성 과정을 통해 우수 상담내용에 대한 질문과 답을 분류할 수 있다. 또한, 분류된 질문과 답을 기초로 학습데이터를 검증하고, 이를 기반으로 상담 챗봇에 대한 학습 및 강화학습을 요청할 수 있다.The learning system of the counseling chatbot according to an embodiment may classify questions and answers for excellent counseling content through a knowledge construction process. In addition, the learning data can be verified based on the classified questions and answers, and based on this, learning and reinforcement learning for the counseling chatbot can be requested.
상담 챗봇은 검증된 학습데이터를 이용해서 딥러닝 방식으로 학습 및 강화학습을 수행할 수 있다(280). 이 과정에서, 고객의 피드백이 학습에 더 반영될 수 있다.The counseling chatbot can perform learning and reinforcement learning in a deep learning manner using verified learning data (280). In this process, customer feedback can be further reflected in learning.
지식구성 및 학습 과정은 이하 도 3a 내지 도 3b를 통해 상세히 설명한다.The knowledge construction and learning process will be described in detail with reference to FIGS. 3A to 3B below.
도 3a는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 지식구성 과정(310)을 설명하는 도면이다.3A is a diagram illustrating a
우수콜이 선정되면, 선정된 우수콜에 대한 상담내용이 전달될 수 있다.When an excellent call is selected, consultation information about the selected excellent call can be delivered.
선정된 우수콜에 대한 상담내용으로, 상담서, 상담일시, 평가회차, 평가자, 자동질의 비율, 평점 등을 포함할 수 있다.Counseling content for the selected excellent call can include consultation, consultation date, evaluation session, evaluator, automatic query ratio, and rating.
일실시예에 따른 상담 챗봇의 학습 시스템은 지식구성 과정을 통해, 우수 상담내용에 분류정보추가(311), 학습데이터 선정(312), 학습데이터 확인(313) 과정을 통해 수행될 수 있다.The learning system of the counseling chatbot according to an embodiment may be performed through the process of knowledge construction, through the process of adding classification information to 311, selecting learning
먼저, 분류정보추가(311)에서는 우수 상담내용에 상담유형, 상담분류, 키워드, 고객 감정 등의 분류정보가 추가될 수 있다. 또한, 학습데이터 선정(312) 과정에서는 상담이력별로 상담내용, 상담내용의 분류, 선택여부 등을 포함할 수 있다. 또한, 학습데이터 확인(313) 과정에서는 질문과 답변에 대한 확인 과정이 수행될 수 있다.First, in the
이렇게 진행된 지식구성 과정은 이후 상담 챗봇의 학습에 활용될 수 있다.This knowledge construction process can then be used to learn the counseling chatbot.
도 3b는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 학습 및 강화학습 과정을 설명하는 도면이다.3B is a diagram illustrating a learning and reinforcement learning process using a learning system of a counseling chatbot according to an embodiment.
일실시예에 따른 상담 챗봇의 학습 시스템은 학습 및 강화학습 과정(320)을 수행할 수 있다.The learning system of the counseling chatbot according to an embodiment may perform a learning and
이를 위해, 학습 시스템은 확인 과정을 거친 학습데이터를 이용해서 상담 챗봇을 기계학습할 수 있다(321). 이 과정에서 딥러닝 방식의 기계학습 방식이 적용될 수 있다.To this end, the learning system may machine-learn the counseling chatbot using the learning data that has been verified. In this process, deep learning machine learning can be applied.
이후, 일실시예에 따른 상담 챗봇의 학습 시스템은 기계학습된 상담 챗봇을 통해 고객 상담(322)을 진행하고, 고객 평가를 수집할 수 있다(323).Thereafter, the learning system of the counseling chatbot according to an embodiment may conduct
고객이 상담 챗봇에 의한 상담이 도움이 되었다는 취지의 평가를 하는 경우, 고객 상담에 대한 상담내용을 이용해서, 학습데이터를 업데이트하여 상담 챗봇을 강화시키기 위한 강화학습(324)을 진행할 수 있다.When the customer evaluates that the counseling by the counseling chatbot was helpful, the reinforcement learning 324 may be performed to strengthen the counseling chatbot by updating the learning data by using the counseling content for the customer counseling.
이 과정에서, 고객평가에 가중치와 대화 모델을 학습에 반영시킬 수 있다.In this process, the weight and dialogue model can be reflected in learning in customer evaluation.
본 발명을 이용하면 상담원의 상담 지식을 챗봇의 상담 지식으로 활용할 수 있다. 즉, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.Using the present invention, the counseling knowledge of the counselor can be utilized as the counseling knowledge of the chatbot. That is, by constructing the counseling knowledge of the chatbot based on the best counseling case, it is possible to build professional counseling knowledge and train the counseling chatbot to the agent level based on this.
결과적으로는, 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시킬 수 있다. 뿐만 아니라, 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축할 수 있다.As a result, it is possible to improve the performance of the counseling chatbot, thereby reducing the waiting time for counseling and improving the accuracy of the counseling content, thereby improving customer satisfaction. In addition, by improving the performance of the chat chatbot, it is possible to build a system for the proliferation of artificial intelligence technology and the 4th industrial revolution through the proactive construction of big data application-based data.
도 4는 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법을 설명하는 도면이다.4 is a diagram illustrating an operation method of a learning system of a counseling chatbot according to an embodiment.
일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 고객과 상담원과의 상담내용을 수집할 수 있다(단계 410).The method of operation of the learning system of the counseling chatbot according to an embodiment may collect counseling content between a customer and an agent (step 410).
이를 위해, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고, 음성분석엔진을 이용해서, 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다. 또한, 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.To this end, the voice conversion engine is used to collect the consultation contents consisting of only the voice of the agent and the customer from the entire audio data, and using the voice analysis engine, the voice of the agent and the voice of the customer can be separated from the collected consultation contents. Can. In addition, at least one of the customer's past counseling history and counseling content may be output in the form of text.
다음으로, 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 수집된 상담내용을 후처리할 수 있다(단계 420). 후처리를 위해, 학습 시스템의 동작 방법은 수집된 상담내용을 텍스트화할 수 있다. 또한, 텍스트화된 상담내용으로부터 키워드를 추출하고, 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류할 수 있다. 이후, 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리할 수 있다.Next, the method of operating the learning system of the counseling chatbot according to the embodiment may post-process the collected counseling content (step 420). For post-processing, the method of operation of the learning system can text the collected consultation content. In addition, keywords can be extracted from textual counseling content, and customer emotions and categories can be classified based on the extracted keywords. Thereafter, the counseling content may be summarized and post-processed based on the classified emotions and categories.
또한, 학습 시스템의 동작 방법은 후처리 결과를 이용해서 우수 상담내용을 선정할 수 있다(단계 430). 일례로, 학습 시스템의 동작 방법은 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.In addition, the operation method of the learning system may select excellent consultation content using the post-processing result (step 430). For example, the operation method of the learning system may evaluate post-processed counseling content, score each counseling content according to a pre-selected evaluation criterion, and select excellent counseling content by reflecting the scoring result.
일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 선정된 우수 상담내용을 분석하여 학습데이터를 추출할 수 있다(단계 440). 또한, 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다(단계 450). 이 과정에서, 학습 시스템의 동작 방법은 피드백된 학습데이터 또는 고객 평가 정보를 이용하여 상담 챗봇을 다시 학습하도록 제어할 수 있다(단계 450).The operation method of the learning system of the counseling chatbot according to an embodiment may analyze the selected excellent counseling content and extract learning data (step 440). In addition, the extracted chat data may be used to control the counseling chatbot to learn in a deep learning manner (step 450). In this process, the operation method of the learning system may be controlled to learn the counseling chatbot again using the feedback learning data or customer evaluation information (step 450).
결국, 본 발명을 이용하면, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.In the end, by using the present invention, by constructing the counseling knowledge of the chatbot based on the best counseling case, it is possible to build a professional counseling knowledge and train the counseling chatbot to the agent level based on this.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and/or combinations of hardware components and software components. For example, the devices and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, field programmable arrays (FPAs), It may be implemented using one or more general purpose computers or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and/or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodied in the transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded in the medium may be specially designed and configured for the embodiments or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. -Hardware devices specifically configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described by the limited drawings as described above, a person skilled in the art can make various modifications and variations from the above description. For example, the described techniques are performed in a different order than the described method, and/or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if replaced or substituted by equivalents, appropriate results can be achieved.
그러므로 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.
100: 상담 챗봇의 학습 시스템 110: 상담내용 수집부
120: 후처리 자동화 처리부 130: 상담품질평가 처리부
140: 학습데이터 추출부 150: 학습 처리부
160: 제어부100: counseling chatbot learning system 110: counseling content collection unit
120: post-processing automation processing unit 130: consultation quality evaluation processing unit
140: learning data extraction unit 150: learning processing unit
160: control unit
Claims (12)
고객과 상담원과의 상담내용을 수집하는 상담내용 수집부;
상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부;
상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부;
상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부; 및
상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함하고,
상기 상담품질평가 처리부는 기 저장된 기준스크립트와 상담내용으로부터 텍스트로 변환된 스크립트를 구간별로 매칭시키고, 매칭도를 산출하며, 스크립트의 구간별 중요도에 따라 매칭도 기준을 조절하고, 구간별 매칭도를 평가하여 상담내용을 스코어링 하고,
상기 학습 처리부는,
상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상기 상담 챗봇을 다시 학습하도록 제어하되,
상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.In the learning system of the consultation chatbot that deep-learning the consultation chatbot based on the 4th industrial revolution,
A counseling content collection unit that collects counseling content between customers and counselors;
A post-processing automation processing unit that post-processes the collected consultation information;
A counseling quality evaluation processing unit that evaluates the post-processed counseling content, scores each counseling content according to a pre-selected evaluation criterion, and selects excellent counseling content by reflecting the scoring result;
A learning data extraction unit that extracts learning data by analyzing the selected excellent counseling content; And
A learning processing unit for controlling the counseling chatbot to learn in a deep learning manner using the extracted learning data,
The consultation quality evaluation processing unit matches the previously stored reference script and the script converted into text from the consultation content for each section, calculates a matching degree, adjusts the matching degree criteria according to the importance of each section of the script, and adjusts the matching degree for each section. Score counseling content by evaluating,
The learning processing unit,
The feedback from the learned chatbot is fed back to the post-processing process, and then the learning chat data is extracted to control the learning chatbot to be learned again.
A learning system for a counseling chatbot, characterized in that the counseling chatbot is controlled to learn in a deep learning manner by using customer evaluation information on the counseling result of the counseling chatbot.
상기 상담내용 수집부는,
음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고,
음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.According to claim 1,
The consultation content collection unit,
The voice conversion engine is used to collect consultation contents consisting of only the voice of the agent and the customer from the entire audio data,
A learning system for a counseling chatbot using a voice analysis engine, separating an agent's voice from the customer's voice among the collected consultation contents.
상기 상담내용 수집부는,
상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.According to claim 1,
The consultation content collection unit,
A learning system for a counseling chatbot, characterized in that at least one of the past counseling history and counseling content of the customer is output in the form of text.
상기 후처리 자동화 처리부는,
상기 수집된 상담내용을 텍스트화하고,
상기 텍스트화된 상담내용으로부터 키워드를 추출하며, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.According to claim 1,
The post-processing automation processing unit,
Text the consultation contents collected above,
Characterized by extracting keywords from the textual counseling content, classifying the customer's emotions and categories based on the extracted keywords, and summarizing the counseling content based on the classified emotions and categories to perform post-processing Chatbot's learning system.
상기 상담품질평가 처리부는,
상기 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 상기 우수 상담내용을 선정하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.According to claim 1,
The consultation quality evaluation processing unit,
Detect script keywords based on the post-processed counseling content, perform at least one of analyzing hoisting and avoidance, detecting ineligible counseling, and cross-talk analysis to score each counseling content and reflect the scoring results to select the best counseling content Consultation chatbot learning system, characterized in that.
상기 학습데이터 추출부는,
상기 우수 상담내용으로부터 질문과 답을 분류하고, 상기 분류된 질문과 답에 대한 검증을 수행하며, 상기 검증된 질문과 답에 대한 강화처리를 수행하여 학습데이터를 추출하는 것을 특징으로 하는 상담 챗봇의 학습 시스템.According to claim 1,
The learning data extraction unit,
Classification of questions and answers from the excellent consultation content, performing verification on the classified questions and answers, and performing reinforcement processing on the verified questions and answers to extract learning data Learning system.
고객과 상담원과의 상담내용을 수집하는 단계;
상기 수집된 상담내용을 후처리 하는 단계;
상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 단계;
상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 단계; 및
상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 단계를 포함하고,
상기 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 단계는 기 저장된 기준스크립트와 상담내용으로부터 텍스트로 변환된 스크립트를 구간별로 매칭시키고, 매칭도를 산출하며, 스크립트의 구간별 중요도에 따라 매칭도 기준을 조절하고, 구간별 매칭도를 평가하여 상담내용을 스코어링하는 단계를 포함하며,
상기 학습하도록 제어하는 단계는,
상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터와, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상기 상담 챗봇을 다시 학습하도록 제어하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법.In the learning method of the counseling chatbot that deep-learns the counseling chatbot operating in the learning system of the 4th industrial revolution-based counseling chatbot,
Collecting consultation content between the customer and the counselor;
Post-processing the collected consultation information;
Evaluating the post-processed counseling content, scoring each counseling content according to a pre-selected evaluation criterion, and selecting excellent counseling content by reflecting the scoring result;
Analyzing the selected excellent counseling content and extracting learning data; And
And controlling the counseling chatbot to learn in a deep learning manner using the extracted learning data,
The step of scoring for each consultation content and selecting excellent consultation contents by reflecting the scoring result matches the previously stored reference script and the script converted into text from the consultation contents for each section, calculates the matching degree, and importance for each section of the script Adjusting the criteria for matching according to, and scoring the consultation by evaluating the matching degree for each section,
The step of controlling to learn,
And controlling the learning chatbot to be re-learned by using the learning data extracted after feedback of the counseling content from the learned chatbot as a post-processing process and customer evaluation information on the counseling result of the counseling chatbot. Characteristic method of counseling chatbot learning.
상기 상담내용을 수집하는 단계는,
음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하는 단계;
음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 단계; 및
상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법.The method of claim 9,
The step of collecting the consultation contents,
Collecting the consultation contents consisting of only the voice of the agent and the customer from the entire audio data using the voice conversion engine;
Separating an agent's voice from the customer's voice among the collected consultation contents using a voice analysis engine; And
And outputting at least one of the customer's past consultation history and consultation contents in the form of text.
상기 후처리 하는 단계는,
상기 수집된 상담내용을 텍스트화하는 단계;
상기 텍스트화된 상담내용으로부터 키워드를 추출하는 단계;
상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하는 단계; 및
상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법.The method of claim 9,
The post-processing step,
Texting the collected consultation content;
Extracting keywords from the textual consultation content;
Classifying a customer's emotion and category based on the extracted keyword; And
And summarizing and post-processing the consultation contents based on the classified emotions and categories.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (en) | 2018-08-20 | 2018-08-20 | System and method for learning counseling chatter robot based on counceling contents of counselor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (en) | 2018-08-20 | 2018-08-20 | System and method for learning counseling chatter robot based on counceling contents of counselor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200021162A KR20200021162A (en) | 2020-02-28 |
| KR102119468B1 true KR102119468B1 (en) | 2020-06-05 |
Family
ID=69638252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (en) | 2018-08-20 | 2018-08-20 | System and method for learning counseling chatter robot based on counceling contents of counselor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102119468B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220070826A (en) | 2020-11-23 | 2022-05-31 | 주식회사 와이즈넛 | Utterance manipulation apparatus for retrieval-based response selection and method thereof |
| KR20240034566A (en) | 2022-09-07 | 2024-03-14 | 주식회사 케이티 | Apparatus and method for dialog data augmentation |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102184289B1 (en) * | 2020-03-03 | 2020-11-30 | 강원도 횡성군 | Agricultural Field Consultation Data Accumulation System and Farm Counseling Support Method |
| KR20220023211A (en) * | 2020-08-20 | 2022-03-02 | 삼성전자주식회사 | Electronic device and operating method for generating summary information about conversation text |
| KR102444677B1 (en) * | 2020-10-13 | 2022-09-16 | 우석대학교 산학협력단 | Local food providing system to provide online consultation function for urban-rural exchange experience |
| KR102573438B1 (en) * | 2020-12-03 | 2023-09-04 | 주식회사 이노그리드 | Veterinary image information management method and system for diagnosis based on artificial intelligence |
| KR102327011B1 (en) * | 2021-01-19 | 2021-11-16 | 주식회사 엔터프라이즈블록체인 | Method and apparatus for enhancing consultation service quality |
| KR102280490B1 (en) * | 2021-01-27 | 2021-07-22 | 주식회사 두유비 | Training data construction method for automatically generating training data for artificial intelligence model for counseling intention classification |
| KR102319648B1 (en) * | 2021-02-19 | 2021-11-01 | (주)아와소프트 | Chatbot system providing learning data generated based on big data and method thereof |
| KR102532908B1 (en) * | 2021-03-11 | 2023-05-15 | 정선경 | Device, method and program for providing psychological counseling using deep learning and virtual reality |
| KR102622115B1 (en) * | 2021-07-08 | 2024-01-09 | 주식회사 유비온 | Method for grouping students in real time video communication system for education |
| KR102334236B1 (en) * | 2021-08-31 | 2021-12-02 | (주)네오플로우 | Method and application of meaningful keyword extraction from speech-converted text data |
| KR20230072656A (en) | 2021-11-18 | 2023-05-25 | 고려대학교 산학협력단 | Device and method for generating dialogue based on pre-trained language model |
| KR102503260B1 (en) * | 2022-03-31 | 2023-02-23 | 유대건 | A hospital customer management system that improves the response of each customer by analyzing customer consultation and follow-up management based on artificial intelligence |
| KR102516856B1 (en) * | 2022-04-28 | 2023-03-30 | 최윤영 | Method and apparatus for providing non-face-to-face counseling service |
| KR102562810B1 (en) * | 2022-10-06 | 2023-08-02 | 주식회사 빅거츠 | System for providing on line coaching service base on ai, method performing thereof and recording medium performing t hereof |
| KR102558407B1 (en) * | 2022-10-19 | 2023-07-24 | 씨에스쉐어링 주식회사 | Knowledge management system for cuustomer service with ai function based on expert consultation data and free speech emotion analysis |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824242B1 (en) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | Apparatus for estimating total counsel quality |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101131278B1 (en) * | 2010-03-02 | 2012-03-30 | 포항공과대학교 산학협력단 | Method and Apparatus to Improve Dialog System based on Study |
| KR101590908B1 (en) * | 2013-12-24 | 2016-02-03 | 서강대학교산학협력단 | Method of learning chatting data and system thereof |
| KR101797856B1 (en) * | 2016-02-24 | 2017-11-15 | 라인 가부시키가이샤 | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence |
| KR101851785B1 (en) | 2017-03-20 | 2018-06-07 | 주식회사 마인드셋 | Apparatus and method for generating a training set of a chatbot |
| KR101827320B1 (en) | 2017-06-08 | 2018-02-09 | 윤준호 | Server for call center using artificial intelligence |
-
2018
- 2018-08-20 KR KR1020180096571A patent/KR102119468B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101824242B1 (en) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | Apparatus for estimating total counsel quality |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220070826A (en) | 2020-11-23 | 2022-05-31 | 주식회사 와이즈넛 | Utterance manipulation apparatus for retrieval-based response selection and method thereof |
| KR20240034566A (en) | 2022-09-07 | 2024-03-14 | 주식회사 케이티 | Apparatus and method for dialog data augmentation |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200021162A (en) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102119468B1 (en) | System and method for learning counseling chatter robot based on counceling contents of counselor | |
| US11769492B2 (en) | Voice conversation analysis method and apparatus using artificial intelligence | |
| US20210183366A1 (en) | Speech recognition through disambiguation feedback | |
| US11270081B2 (en) | Artificial intelligence based virtual agent trainer | |
| US10929611B2 (en) | Computer-based interlocutor understanding using classifying conversation segments | |
| US10803850B2 (en) | Voice generation with predetermined emotion type | |
| US11297016B1 (en) | Intelligent conversational systems | |
| JP6025785B2 (en) | Automatic speech recognition proxy system for natural language understanding | |
| CN110136749A (en) | The relevant end-to-end speech end-point detecting method of speaker and device | |
| US9904927B2 (en) | Funnel analysis | |
| US10950223B2 (en) | System and method for analyzing partial utterances | |
| Prasad et al. | Intelligent chatbot for lab security and automation | |
| US10255346B2 (en) | Tagging relations with N-best | |
| US8315874B2 (en) | Voice user interface authoring tool | |
| WO2015188454A1 (en) | Method and device for quickly accessing ivr menu | |
| KR102139855B1 (en) | Intelligent personal assistant system based on the inner state of user | |
| US11449726B1 (en) | Tailored artificial intelligence | |
| US11694682B1 (en) | Triggering voice control disambiguation | |
| Foggia et al. | Few-shot re-identification of the speaker by social robots | |
| CN115048517A (en) | Quality inspection method for conversation process, electronic device and storage medium | |
| US20220180865A1 (en) | Runtime topic change analyses in spoken dialog contexts | |
| JP6929960B2 (en) | Information processing device and information processing method | |
| KR101997072B1 (en) | Robot control system using natural language and operation method therefor | |
| US20230342642A1 (en) | System and method for managing a user-controllable device | |
| US20230079775A1 (en) | Deep neural networks-based voice-ai plugin for human-computer interfaces |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |