KR102192796B1 - 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치 - Google Patents

지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치 Download PDF

Info

Publication number
KR102192796B1
KR102192796B1 KR1020190042901A KR20190042901A KR102192796B1 KR 102192796 B1 KR102192796 B1 KR 102192796B1 KR 1020190042901 A KR1020190042901 A KR 1020190042901A KR 20190042901 A KR20190042901 A KR 20190042901A KR 102192796 B1 KR102192796 B1 KR 102192796B1
Authority
KR
South Korea
Prior art keywords
knowledge
conversation
user
topic
query
Prior art date
Application number
KR1020190042901A
Other languages
English (en)
Other versions
KR20200114920A (ko
Inventor
최기선
안상민
김건태
이민호
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to PCT/KR2020/001320 priority Critical patent/WO2020197074A1/ko
Publication of KR20200114920A publication Critical patent/KR20200114920A/ko
Application granted granted Critical
Publication of KR102192796B1 publication Critical patent/KR102192796B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q50/50—
    • 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

지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치가 제시된다. 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치는, 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 필요 지식 검색부; 및 시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 지식 습득부를 포함하고, 상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출할 수 있다.

Description

지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치{CONVERSATION LEADING METHOD AND APPARATUS FOR KNOWLEDGE LEARNING DIALOG AGENT}
아래의 실시예들은 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치에 관한 것이다.
대화 에이전트(dialog agent)는 인간과 유사하게 자연언어로 소통하는 시스템을 의미한다. 대화 에이전트는 크게 목적 지향적 대화 에이전트와 비목적 지향적 대화 에이전트로 나눌 수 있다. 목적 지향적 대화 에이전트는 특정 목적을 달성하기 위한 대화 에이전트이며, 예컨대 국민은행의 "리브똑똑", 신한은행 "쏠"의 챗봇, 우리은행의 "위비톡" 등의 챗봇 서비스가 있다. 비목적 지향적 대화 에이전트는 특정 목적을 가지지 않고 대화를 진행하는 에이전트로, 예를 들어 "심심이"가 있다.
현재 대화 에이전트의 한계는 목적 지향적 대화 에이전트가 목적 달성을 위해 참고하는 지식베이스(Knowledge Base, KB)는 고정되어 있거나 주기적인 업데이트를 필요로 하는 것이다. 또한, 비목적 지향적 대화 에이전트도 일반 상식에 대한 지식베이스를 갖추어야 자연스러운 대화를 이어 나갈 수 있다.
현실 세계에서의 대화는 상호간의 정보 교류에 의한 학습이 가능하지만, 대화 에이전트는 사용자의 목적(영화 티켓 예매, 날씨 검색, 식당 예약 등) 달성에 필요한 정보만을 요구하여 채워 넣는 수동적인 방식의 대화에 불과하다. 즉, 현재 대화 에이전트는 사용자의 발화에 맞추어 시스템의 발화를 지정하는 수동적인 대화만을 수행한다.
한국공개특허 10-2016-0149488호는 이러한 대화 상황 및 주제에 따른 대화 순서 관리 장치 및 방법에 관한 기술을 기재하고 있다.
한국공개특허 10-2016-0149488호
실시예들은 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치에 관하여 기술하며, 보다 구체적으로 시스템이 사용자와의 대화를 통해 지식을 습득하는 과정에 있어서 시스템의 효율적 지식 습득을 위해 주도적으로 화제를 전환하는 대화 에이전트를 제안한다.
실시예들은 사용자와의 자연스러운 대화 속에서 주제 변환, 직접적인 질문 등을 통해 능동적으로 필요로 하는 지식을 습득할 수 있고, 이를 스스로 학습하여 지식베이스를 확장시킬 수 있는 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치를 제공한다.
일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치는, 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 필요 지식 검색부; 및 시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 지식 습득부를 포함하고, 상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출할 수 있다.
상기 필요 지식 검색부에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 대화 주제 변환부를 더 포함할 수 있다.
상기 필요한 지식을 참조하도록 지식을 저장하며, 상기 사용자와의 대화를 통해 획득한 일반적인 지식인 새로운 지식을 추가하여 확장되는 지식베이스를 더 포함할 수 있다.
상기 사용자가의 발화에 대한 상기 대화 주제를 분석하고, 상기 필요 지식 검색부에 전달하는 사용자 발화 분석부를 더 포함할 수 있다.
상기 필요한 지식을 기반으로 자연언어 질의를 생성하여 상기 사용자에게 질의하는 시스템 질의 생성부를 더 포함할 수 있다.
상기 대화 주제 변환부에서 전환된 상기 대화 주제의 화제에 따른 자연언어 질의를 생성하여 상기 사용자에게 질의하는 시스템 질의 생성부를 더 포함할 수 있다.
상기 시스템 질의 생성부의 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하는 사용자 답변 해석부를 더 포함할 수 있다.
상기 대화 주제 변환부는, 현재 대화 주제 또는 현재 문맥에 맞춰 새로운 대화 주제 또는 새로운 문맥을 제안하여 상기 필요한 지식을 획득하기 위한 문장들을 생성하여 상기 시스템 질의 생성부에 전달할 수 있다.
다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 방법은, 필요 지식 검색부는 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 단계; 및 시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라, 지식 습득부는 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 단계를 포함하고, 상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출할 수 있다.
대화 주제 변환부는 상기 필요 지식 검색부에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 단계를 더 포함할 수 있다.
상기 지식베이스는, 상기 필요한 지식을 참조하도록 지식을 저장하며, 상기 사용자와의 대화를 통해 획득한 일반적인 지식인 새로운 지식을 추가하여 확장될 수 있다.
사용자 발화 분석부는 상기 사용자가의 발화에 대한 상기 대화 주제를 분석하고, 상기 필요 지식 검색부에 전달하는 단계를 더 포함할 수 있다.
시스템 질의 생성부는 상기 필요한 지식을 기반으로 자연언어 질의를 생성하여 상기 사용자에게 질의하는 단계를 더 포함할 수 있다.
시스템 질의 생성부는 상기 대화 주제 변환부에서 전환된 상기 대화 주제의 화제에 따른 자연언어 질의를 생성하여 상기 사용자에게 질의하는 단계를 더 포함할 수 있다.
사용자 답변 해석부는 상기 시스템 질의 생성부의 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하는 단계를 더 포함할 수 있다.
실시예들에 따르면 사용자와의 자연스러운 대화 속에서 주제 변환, 직접적인 질문 등을 통해 능동적으로 필요로 하는 지식을 습득할 수 있고, 이를 스스로 학습하여 지식베이스를 확장시킬 수 있는 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치를 제공할 수 있다.
실시예들에 따르면 사용자가 주도하는 일방적인 대화가 아닌 시스템이 자체적으로 목적을 가지고 이를 주도적으로 달성하려는 점에서 한 층 더 유저 친화적인 인터페이스로 발전할 수 있고, 지식베이스의 지속적인 확장으로 더 다양하고 정확한 서비스가 가능하다.
도 1은 일 실시예에 따른 사용자와 대화하는 대화 에이전트를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 방법을 나타내는 흐름도이다.
도 3은 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치를 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 필요 지식 검색부와 대화 주제 변환부의 예시를 나타내는 도면이다.
도 5는 다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치를 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
도 1은 일 실시예에 따른 사용자와 대화하는 대화 에이전트를 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 사용자(110)와 대화하는 대화 에이전트(120)는 새로운 지식을 학습하기 위해 주도적으로 알고자 하는 필요한 지식에 맞춰 대화 흐름을 이끌어 나갈 수 있다. 이러한 대화 에이전트(120)는 사용자(110)와의 대화를 통해 지속적으로 일반적인 지식에 대한 지식베이스(Knowledge Base, KB)를 증강시킬 수 있고, 사용자(110)와 능동적인 대화를 진행할 수 있다.
이러한 대화 에이전트(120)는 아래에서 설명되는 지식 학습을 위한 대화 에이전트(120)의 대화 주도 장치를 포함할 수 있다.
일 실시예에 따른 지식 학습을 위한 대화 에이전트(120)의 대화 주도 장치는 필요 지식 검색부, 대화 주제 변환부 및 지식 습득부를 포함할 수 있으며, 지식베이스를 더 포함하여 이루어질 수 있다. 또한, 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치는 사용자 발화 분석부, 시스템 질의 생성부 및 사용자 답변 해석부를 더 포함할 수 있다.
먼저, 지식베이스는 대화 에이전트(120)의 대화 주도 장치(시스템)가 보유하고 참조하는 지식베이스다. 사용자 발화 분석부는 사용자(110)가 시작한 발화에 대한 대화 주제 등을 분석할 수 있고, 필요 지식 검색부는 사용자(110)의 발화에서 파악된 대화 주제에 대해 현재 지식베이스에서 추가로 획득되어야 하는 지식이 있는지를 확인하고 어떤 지식이 획득되어야 되는지 검색할 수 있다. 또한, 시스템 질의 생성부는 필요한 지식을 토대로 자연언어 질문을 생성할 수 있으며, 대화 주제 변환부는 묻고자 하는 질문에 맞춰 사용자(110)에게 새로운 주제나 문맥을 제안하는 발화를 생성할 수 있다. 그리고 사용자 답변 해석부는 시스템의 질문에 대한 사용자(110)의 답변으로부터 지식을 추출할 수 있다. 마지막으로, 지식 습득부는 추출된 지식으로 실제 지식베이스를 확장시킬 수 있다.
따라서 일 실시예들에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치는 시스템이 사용자(110)와의 자연스러운 대화 속에서 주제 변환, 직접적 질문 등을 통해 능동적으로 지식을 습득할 수 있다. 이러한 지식 학습을 위한 대화 에이전트의 대화 주도 장치 및 방법을 아래에서 구체적으로 설명한다.
도 2는 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 방법을 나타내는 흐름도이다.
도 2를 참조하면, 지식 학습을 위한 대화 에이전트의 대화 주도 방법은, 필요 지식 검색부는 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 단계(220) 및 시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라, 지식 습득부는 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 단계(260)를 포함하고, 상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출할 수 있다.
또한, 대화 주제 변환부는 상기 필요 지식 검색부에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 단계(230)를 더 포함할 수 있다.
실시예에 따라 지식 학습을 위한 대화 에이전트의 대화 주도 방법은, 사용자 발화 분석부는 상기 사용자가의 발화에 대한 상기 대화 주제를 분석하고, 상기 필요 지식 검색부에 전달하는 단계(210)를 더 포함할 수 있다.
또한, 시스템 질의 생성부는 상기 필요한 지식을 기반으로 자연언어 질의를 생성하여 상기 사용자에게 질의하는 단계(240)를 더 포함할 수 있다. 한편, 시스템 질의 생성부는 상기 대화 주제 변환부에서 전환된 상기 대화 주제의 화제에 따른 자연언어 질의를 생성하여 상기 사용자에게 질의하는 단계를 더 포함할 수 있다.
또한, 사용자 답변 해석부는 상기 시스템 질의 생성부의 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하는 단계(250)를 더 포함할 수 있다.
아래에서 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 방법을 보다 상세히 설명하기로 한다.
도 3은 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치를 설명하기 위한 도면이다.
도 3을 참조하면, 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)는 필요 지식 검색부(320) 및 지식 습득부(370)를 포함할 수 있으며, 대화 주제 변환부(350)를 더 포함하여 이루어질 수 있다. 또한, 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)는 사용자 발화 분석부(310), 지식베이스(330), 시스템 질의 생성부(340) 및 사용자 답변 해석부(360)를 더 포함하여 이루어질 수 있다.
일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)를 도 2에서 설명한 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 방법을 통해 하나의 예를 들어 보다 구체적으로 설명하기로 한다.
단계(210)에서, 사용자 발화 분석부(310)는 사용자가 시작한 발화에 대한 대화 주제 등을 분석하는 것으로, 사용자가의 발화에 대한 대화 주제를 분석하고 필요 지식 검색부(320)에 전달할 수 있다.
단계(220)에서, 필요 지식 검색부(320)는 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스(330) 내에서 추가로 획득되어야 하는 필요한 지식을 검색할 수 있다. 즉, 필요 지식 검색부(320)는 사용자 발화에서 파악된 대화 주제에 대해 현재의 지식베이스(330)에서 추가로 획득되어야 하는 지식이 있는지 여부를 확인하고, 없는 경우 다른 어떤 지식이 획득되어야 되는지 검색할 수 있다.
다시 말하면, 필요 지식 검색부(320)는 현재의 대화 주제에서 추가로 획득되어야 하는 지식이 있는 경우 대화 주제 변환부(350)를 거치지 않고 시스템 질의 생성부(340)를 통해 필요한 지식을 사용자에게 질의할 수 있다. 또한 필요 지식 검색부(320)는 현재의 대화 주제에서 추가로 획득되어야 하는 지식이 없는 경우 다른 어떤 지식이 획득되어야 되는지 검색할 수 있으며, 대화 주제 변환부(350)를 통해 대화 주제의 화제를 전환할 수 있다.
여기서, 지식베이스(330)는 시스템이 보유하고 참조하는 지식베이스(330)를 의미하며, 필요한 지식을 참조하도록 지식을 저장하고, 사용자와의 대화를 통해 획득한 일반적인 지식인 새로운 지식을 추가하여 확장될 수 있다.
단계(230)에서, 대화 주제 변환부(350)는 필요 지식 검색부(320)에서 검색된 필요한 지식을 사용자에게 질의하기 위해 지식베이스(330)의 지식들을 기반으로 필요한 지식을 획득하기 위한 질의에 맞춰 대화 주제의 화제 전환을 주도할 수 있다.
특히, 대화 주제 변환부(350)는 현재 대화 주제 또는 현재 문맥에 맞춰 새로운 대화 주제 또는 새로운 문맥을 제안하여 필요한 지식을 획득하기 위한 문장들을 생성하여 시스템 질의 생성부(340)에 전달할 수 있다. 따라서 시스템의 목적을 위해 대화 흐름 자체를 주도적으로 바꾸어 제시할 수 있다.
단계(240)에서, 시스템 질의 생성부(340)는 필요한 지식을 기반으로 자연언어 질의를 생성하여 사용자에게 질의할 수 있다. 특히, 시스템 질의 생성부(340)는 대화 주제 변환부(350)에서 전환된 대화 주제의 화제에 따른 자연언어 질의를 생성하여 사용자에게 질의할 수 있다.
단계(250)에서, 사용자 답변 해석부(360)는 시스템 질의 생성부(340)의 질의에 대한 사용자의 답변으로부터 지식을 추출할 수 있다.
단계(260)에서, 시스템 질의 생성부(340)를 통해 필요한 지식을 기반으로 사용자에게 질의를 함에 따라, 지식 습득부(370)는 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 지식베이스(330)를 확장시킬 수 있다. 여기서, 획득되는 새로운 지식은 일반적인 사실에 근거한 지식이며, 이러한 일반적인 지식을 학습하기 위하여 능동적으로 대화 주제를 제시할 수 있다.
이에 따라 질의에 대한 사용자의 답변으로부터 지식을 추출할 수 있다. 다시 말하면, 일 실시예들에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)는 필요로 하는 지식에 대해 질문을 하고 사용자는 이에 대한 답변을 해주는 것을 통해 스스로 학습을 할 수 있다.
이러한 일 실시예들에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)는 필요로 하는 지식에 따라 능동적으로 질문을 하며 지식 학습을 진행할 수 있다. 이는 대화 주도 장치(300)의 능동적 행동이 지식베이스(330)의 확장이라는 목표를 가질 수 있다.
도 4는 일 실시예에 따른 필요 지식 검색부와 대화 주제 변환부의 예시를 나타내는 도면이다.
도 4를 참조하면, 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(300)의 필요 지식 검색부(320)에서 전달 받은 대화 주제를 대화 주제 변환부(350)를 통해 대화 주제를 변환하고, 시스템 질의 생성기를 통해 질의를 생성하는 하나의 예시를 나타내며 그 동작 방법은 다음과 같다. 여기에서는 대화 주제로, 예를 들어 '파리'가 주어졌을 때의 동작을 설명한다.
먼저, 필요 지식 검색부(320)는 사용자 발화 분석부(310)로부터 현재 대화 주제가 '파리'임을 전달 받을 수 있다.
필요 지식 검색부(320)는 지식베이스(330)를 조사한 결과, 현재 지식베이스(330)에서는 '파리'에 대해서 알고자 하는 지식이 없다는 것을 확인할 수 있다. 필요 지식 검색부(320)는 파리와 관련 있는 마르세유라는 도시가 있고, 마르세유를 연고지를 하는 올랭피크 드 마르세유라는 축구팀의 감독이 누구인지 필요하다는 것을 발견할 수 있다.
이에 맞춰 대화 주제 변환부(350)는 지식베이스(330)의 지식들을 기반으로 현재 대화 주제를 '파리'에서 '올랭피크 드 마르세유'라는 축구팀으로 변환할 수 있는 문장들을 생성해 낼 수 있다.
시스템 질의 생성부(340)는 알고자 하는 지식인 올랭피크 드 마르세유 축구팀의 감독을 물어보는 질의를 생성할 수 있다.
사용자로부터 지식을 학습하는 대화 에이전트는 대화 주도 장치(300)(시스템)가 지식베이스(330)에서 필요한 지식을 검색하고, 현재 사용자의 발화에서 파악할 수 있는 대화 주제에 한정되어 지식을 습득하는 것이 아니라, 대화 주도 장치(300)가 주도적으로 알고자 하는 지식에 맞춰 대화 흐름을 이끌어 나갈 수 있다.
이에 따라 실제 사람과 같이 대화를 통해 지속적으로 일반 지식에 대한 지식베이스(330)를 증강시킬 수 있고, 사용자에 맞추어 작동하는 수동적 대화 에이전트를 넘어 적극적으로 대화에 나서는 능동적 대화 에이전트 개발에 기여할 수 있다.
아래에서는 지식 학습을 위한 대화 에이전트의 대화 주도 장치에서 대화 주제 변환부를 통해 대화 주제를 변환하는 경우와 대화 주제를 변환하지 않는 경우를 비교하여 나타낸다.
먼저, 지식 학습을 위한 대화 에이전트의 대화 주도 장치의 화제 전환을 거치지 않는 경우의 대화 예시를 나타낸다.
[표 1]
Figure 112019037598826-pat00001
표 1을 참조하면, 지식 학습을 위한 대화 에이전트의 대화 주도 장치의 필요 지식 검색부는 현재 대화 주제인 '아이유'에서 데뷔년도에 대한 지식이 필요하므로, 대화 주제 변환부를 거치지 않고 시스템 질의 생성부를 통해 사용자에게 질의를 할 수 있다.
그리고, 질의에 대한 사용자의 답변을 사용자 답변 해석부를 통해 인식한 후, 지식 습득부에서 새로운 지식인 아이유의 데뷔년도에 대한 지식을 지식베이스에 저장하고, 추후에 이 지식을 활용할 수 있다.
다음으로, 지식 학습을 위한 대화 에이전트의 대화 주도 장치의 대화 주제 변환부를 통해 화제 전환을 거치는 경우의 대화 예시를 나타낸다.
[표 2]
Figure 112019037598826-pat00002
표 2를 참조하면, 지식 학습을 위한 대화 에이전트의 대화 주도 장치의 필요 지식 검색부는 현재 대화 주제인 '아이유'에서 필요한 지식을 없다고 판단하고, 대화 주제 변환부를 통해 대화의 맥락에 맞도록 다른 가수인 '싸이'로 대화 주제를 변환할 수 있다. 필요 지식 검색부는 싸이의 데뷔년도에 대한 지식이 필요하다고 판단하고, 대화 주제 변환부를 통해 묻고자 하는 질문에 맞춰 질의를 생성하고, 시스템 질의 생성부를 통해 자연언어로 변환하여 사용자에게 질의를 할 수 있다.
그리고, 질의에 대한 사용자의 답변을 사용자 답변 해석부를 통해 인식한 후, 지식 습득부에서 새로운 지식인 싸이의 데뷔년도에 대한 지식을 지식베이스에 저장하고, 추후에 이 지식을 활용할 수 있다.
이와 같이, 실시예들에 따르면 대화 주도 장치가 현재 보유 지식베이스에서 확장되어야 할 지식을 찾아낼 수 있다. 확장하고자 하는 지식을 사용자와의 자연스러운 대화 안에서 주제 변환, 질문을 통해 학습하고, 학습된 지식이 지식베이스에 추가되어 지식베이스가 확장될 수 있다.
따라서, 사용자의 목적 달성을 위한 수단으로만 사용되는 대화 에이전트가 아닌, 대화 주도 장치의 자가 발전을 목적으로 이를 달성하고자 하는 대화 에이전트를 제공할 수 있다. 즉, 수동적 대화 참여자가 아닌 능동적으로 대화를 이끌어 나가는 대화 에이전트를 제공할 수 있다.
도 5는 다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치를 설명하기 위한 도면이다.
도 5를 참조하면, 다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(510)는 필요 지식 검색부(511), 대화 주제 변환부(512) 및 지식 습득부(513)를 포함할 수 있으며, 실시예에 따라 지식베이스(520)를 더 포함하여 이루어질 수 있다. 한편, 도 1 내지 도 4에서 설명한 바와 같이, 다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(510)는 사용자 발화 분석부(530), 시스템 질의 생성부(540) 및 사용자 답변 해석부(550)를 더 포함할 수 있다.
여기서, 다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(510)는 필요 지식 검색부(511), 대화 주제 변환부(512) 및 지식 습득부(513)를 포함할 수 있으며, 외부에 별도로 구성된 외부 장치인 사용자 발화 분석부(530), 시스템 질의 생성부(540) 및 사용자 답변 해석부(550)를 더 포함하거나 외부 장치와 연결될 수 있다.
다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(510)는 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스(520) 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 필요 지식 검색부(511)와, 상기 필요 지식 검색부(511)에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스(520)의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 대화 주제 변환부(512)와, 시스템 질의 생성부(540)를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스(520)를 확장시키는 지식 습득부(513)를 포함하여 이루어질 수 있다. 이에 질의에 대한 상기 사용자의 답변으로부터 지식을 추출할 수 있다.
다른 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치(510)의 각 구성은 도 2 내지 도 4를 참조하여 설명한 일 실시예에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치의 그 구성과 일부 동일하여 중복되는 설명은 생략하기로 한다.
실시예들에 따른 지식 학습을 위한 대화 에이전트의 대화 주도 장치 및 방법은 질의응답 시스템, 인공지능 비서 시스템, IoT 서비스 등에 적용 가능하며, 인공지능 서비스에서 지식베이스는 매우 중요한 역할을 할 수 있다. 이러한 지식베이스를 확장할 수 있다는 점과 개인화로의 발전 가능성을 생각했을 때, 인공지능 서비스를 제공하는 다양한 분야에서 활용될 수 있다. 특히, 대화형으로 제공되는 AI 스피커 및 비서 시스템에서 활용성이 높다. 또한, 음성 인터페이스는 IoT(사물인터넷) 분야에서 가장 보편적으로 사용되는 유저 인터페이스이며, 이러한 음성 인터페이스는 대화 시스템을 기반으로 구축된다.
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, 컨트롤러, 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 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 필요 지식 검색부; 및
    시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 지식 습득부
    를 포함하고,
    상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하며,
    상기 필요 지식 검색부에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 대화 주제 변환부; 및
    상기 필요한 지식을 기반으로 자연언어 질의를 생성하여 상기 사용자에게 질의하거나, 상기 대화 주제 변환부에서 전환된 상기 대화 주제의 화제에 따른 자연언어 질의를 생성하여 상기 사용자에게 질의하는 시스템 질의 생성부
    를 더 포함하고,
    상기 필요 지식 검색부는,
    현재의 대화 주제에서 추가로 획득되어야 하는 지식이 있는 경우 상기 대화 주제 변환부를 거치지 않고 상기 시스템 질의 생성부를 통해 필요한 지식을 사용자에게 질의하고, 현재의 대화 주제에서 추가로 획득되어야 하는 지식이 없는 경우 다른 어떤 지식이 획득되어야 되는지 검색할 수 있으며, 상기 대화 주제 변환부를 통해 대화 주제의 화제를 전환하고,
    상기 대화 주제 변환부는,
    현재 대화 주제 또는 현재 문맥에 맞춰 새로운 대화 주제 또는 새로운 문맥을 제안하여 필요한 지식을 획득하기 위한 문장들을 생성하여 상기 시스템 질의 생성부에 전달함에 따라 대화 흐름 자체를 주도적으로 바꾸어 제시하는 것
    을 특징으로 하는, 지식 학습을 위한 대화 에이전트의 대화 주도 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 필요한 지식을 참조하도록 지식을 저장하며, 상기 사용자와의 대화를 통해 획득한 일반적인 지식인 새로운 지식을 추가하여 확장되는 지식베이스
    를 더 포함하는, 지식 학습을 위한 대화 에이전트의 대화 주도 장치.
  4. 제1항에 있어서,
    상기 사용자가의 발화에 대한 상기 대화 주제를 분석하고, 상기 필요 지식 검색부에 전달하는 사용자 발화 분석부
    를 더 포함하는, 지식 학습을 위한 대화 에이전트의 대화 주도 장치.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서,
    상기 시스템 질의 생성부의 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하는 사용자 답변 해석부
    를 더 포함하는, 지식 학습을 위한 대화 에이전트의 대화 주도 장치.
  8. 삭제
  9. 필요 지식 검색부는 사용자의 발화에서 파악된 대화 주제에 대해 지식베이스 내에서 추가로 획득되어야 하는 필요한 지식을 검색하는 단계; 및
    시스템 질의 생성부를 통해 상기 필요한 지식을 기반으로 상기 사용자에게 질의를 함에 따라, 지식 습득부는 상기 사용자의 답변으로부터 새로운 지식을 학습하여, 학습한 지식으로 상기 지식베이스를 확장시키는 단계
    를 포함하고,
    상기 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하며,
    대화 주제 변환부는 상기 필요 지식 검색부에서 검색된 상기 필요한 지식을 상기 사용자에게 질의하기 위해 상기 지식베이스의 지식들을 기반으로 상기 필요한 지식을 획득하기 위한 질의에 맞춰 상기 대화 주제의 화제 전환을 주도하는 단계; 및
    시스템 질의 생성부는 상기 필요한 지식을 기반으로 자연언어 질의를 생성하여 상기 사용자에게 질의하거나, 상기 대화 주제 변환부에서 전환된 상기 대화 주제의 화제에 따른 자연언어 질의를 생성하여 상기 사용자에게 질의하는 단계
    를 더 포함하고,
    상기 필요 지식 검색부는,
    현재의 대화 주제에서 추가로 획득되어야 하는 지식이 있는 경우 상기 대화 주제 변환부를 거치지 않고 상기 시스템 질의 생성부를 통해 필요한 지식을 사용자에게 질의하고, 현재의 대화 주제에서 추가로 획득되어야 하는 지식이 없는 경우 다른 어떤 지식이 획득되어야 되는지 검색할 수 있으며, 상기 대화 주제 변환부를 통해 대화 주제의 화제를 전환하고,
    상기 대화 주제 변환부는,
    현재 대화 주제 또는 현재 문맥에 맞춰 새로운 대화 주제 또는 새로운 문맥을 제안하여 필요한 지식을 획득하기 위한 문장들을 생성하여 상기 시스템 질의 생성부에 전달함에 따라 대화 흐름 자체를 주도적으로 바꾸어 제시하는 것
    을 특징으로 하는, 지식 학습을 위한 대화 에이전트의 대화 주도 방법.
  10. 삭제
  11. 제9항에 있어서,
    상기 지식베이스는,
    상기 필요한 지식을 참조하도록 지식을 저장하며, 상기 사용자와의 대화를 통해 획득한 일반적인 지식인 새로운 지식을 추가하여 확장되는 것
    을 특징으로 하는, 지식 학습을 위한 대화 에이전트의 대화 주도 방법.
  12. 제9항에 있어서,
    사용자 발화 분석부는 상기 사용자가의 발화에 대한 상기 대화 주제를 분석하고, 상기 필요 지식 검색부에 전달하는 단계
    를 더 포함하는, 지식 학습을 위한 대화 에이전트의 대화 주도 방법.
  13. 삭제
  14. 삭제
  15. 제9항에 있어서,
    사용자 답변 해석부는 상기 시스템 질의 생성부의 질의에 대한 상기 사용자의 답변으로부터 지식을 추출하는 단계
    를 더 포함하는, 지식 학습을 위한 대화 에이전트의 대화 주도 방법.
KR1020190042901A 2019-03-27 2019-04-12 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치 KR102192796B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2020/001320 WO2020197074A1 (ko) 2019-03-27 2020-01-29 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190034895 2019-03-27
KR20190034895 2019-03-27

Publications (2)

Publication Number Publication Date
KR20200114920A KR20200114920A (ko) 2020-10-07
KR102192796B1 true KR102192796B1 (ko) 2020-12-18

Family

ID=72883887

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190042901A KR102192796B1 (ko) 2019-03-27 2019-04-12 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102192796B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076413B (zh) * 2021-04-30 2023-12-26 平安国际智慧城市科技股份有限公司 参数关联服务方法、系统、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140280307A1 (en) 2013-03-15 2014-09-18 Google Inc. Question answering to populate knowledge base
JP2017067850A (ja) 2015-09-28 2017-04-06 株式会社デンソー 対話装置及び対話制御方法
US20170113353A1 (en) 2014-04-17 2017-04-27 Softbank Robotics Europe Methods and systems for managing dialogs of a robot
KR101940928B1 (ko) * 2017-11-15 2019-01-21 휴먼식스 주식회사 자연어 인공지능 데이터베이스 구축방법과 그 거래방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160149488A (ko) 2015-06-18 2016-12-28 한국전자통신연구원 대화 상황 및 주제에 따른 대화 순서 관리 장치 및 방법
KR102016602B1 (ko) * 2017-08-28 2019-08-30 주식회사 솔트룩스 대화 모델 기반의 질의응답 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140280307A1 (en) 2013-03-15 2014-09-18 Google Inc. Question answering to populate knowledge base
US20170113353A1 (en) 2014-04-17 2017-04-27 Softbank Robotics Europe Methods and systems for managing dialogs of a robot
JP2017067850A (ja) 2015-09-28 2017-04-06 株式会社デンソー 対話装置及び対話制御方法
KR101940928B1 (ko) * 2017-11-15 2019-01-21 휴먼식스 주식회사 자연어 인공지능 데이터베이스 구축방법과 그 거래방법

Also Published As

Publication number Publication date
KR20200114920A (ko) 2020-10-07

Similar Documents

Publication Publication Date Title
CN108334487B (zh) 缺失语意信息补全方法、装置、计算机设备和存储介质
Vedantam et al. Context-aware captions from context-agnostic supervision
Li et al. Alime assist: An intelligent assistant for creating an innovative e-commerce experience
TWI684881B (zh) 基於機器翻譯的自動生成重述以產生一對話式代理人的方法、系統及非暫態機器可讀取媒體
KR100679043B1 (ko) 음성 대화 인터페이스 장치 및 방법
KR102388042B1 (ko) 대화 시스템 및 그것을 위한 컴퓨터 프로그램
JP6771805B2 (ja) 音声認識方法、電子機器、及びコンピュータ記憶媒体
WO2019046463A1 (en) SYSTEM AND METHOD FOR THE DEFINITION OF DIALOGUE INTENTIONS AND THE CONSTRUCTION OF INTENTION RECOGNITION MODELS WITHOUT PRIOR KNOWLEDGE
JP2019503526A (ja) ダイアログ・システムにおけるパラメータ収集および自動ダイアログ生成
US11151332B2 (en) Dialog based speech recognition
JP2018055548A (ja) 対話装置、学習装置、対話方法、学習方法、およびプログラム
JP2020071869A (ja) 動画基盤求人求職マッチングサーバーおよび方法
WO2019208222A1 (ja) 回答選択装置、回答選択方法、回答選択プログラム
CN106202288B (zh) 一种人机交互系统知识库的优化方法及系统
JP2001357053A (ja) 対話装置
Gaglio et al. Smart assistance for students and people living in a campus
CN112685550B (zh) 智能问答方法、装置、服务器及计算机可读存储介质
AbuShawar et al. Automatic extraction of chatbot training data from natural dialogue corpora
KR20230075052A (ko) 언어 모델을 이용하여 도메인에 특화된 대화를 제공하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램
CN116910220A (zh) 多轮对话交互处理方法、装置、设备和存储介质
CN116821290A (zh) 面向多任务对话的大语言模型训练方法和交互方法
KR102192796B1 (ko) 지식 학습을 위한 대화 에이전트의 대화 주도 방법 및 장치
Stoyanchev et al. Action state update approach to dialogue management
Noura et al. Natural language goal understanding for smart home environments
JP2006106748A (ja) 音声認識の精度を改善するためのシステムおよび方法

Legal Events

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