KR102220926B1 - 영어 문장 생성 시스템 및 방법 - Google Patents

영어 문장 생성 시스템 및 방법 Download PDF

Info

Publication number
KR102220926B1
KR102220926B1 KR1020190025940A KR20190025940A KR102220926B1 KR 102220926 B1 KR102220926 B1 KR 102220926B1 KR 1020190025940 A KR1020190025940 A KR 1020190025940A KR 20190025940 A KR20190025940 A KR 20190025940A KR 102220926 B1 KR102220926 B1 KR 102220926B1
Authority
KR
South Korea
Prior art keywords
user
english
information
service server
answer
Prior art date
Application number
KR1020190025940A
Other languages
English (en)
Other versions
KR20200107197A (ko
Inventor
김주혁
이승명
Original Assignee
김주혁
이승명
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 김주혁, 이승명 filed Critical 김주혁
Priority to KR1020190025940A priority Critical patent/KR102220926B1/ko
Priority to PCT/KR2020/002937 priority patent/WO2020180062A2/ko
Publication of KR20200107197A publication Critical patent/KR20200107197A/ko
Application granted granted Critical
Publication of KR102220926B1 publication Critical patent/KR102220926B1/ko

Links

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
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Telephonic Communication Services (AREA)

Abstract

본 발명의 실시예에 따른 영어 문장 생성 시스템은, 사용자 단말과의 통신을 제공하는 통신부와, 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 사용자에 대한 정보를 저장하는 저장부와; 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 제어부를 포함한다.

Description

영어 문장 생성 시스템 및 방법{ENGLISH SCRIPT GENERATION SYSTEM AND METHOD THEREOF}
본 발명은 영어 문장 생성 시스템 및 방법에 관한 것이다.
영어 말하기를 평가하는 방법 중 하나인 OPIc(Oral Proficiency Interview - Computer)은 면대면 인터뷰인 OPI를 최대한 실제 인터뷰와 가깝게 만든 iBT 기반의 응시자 친화형 외국어 말하기 평가로서, 단순히 문법이나 어휘 등을 얼마나 많이 알고 있는가를 측정하는 시험이 아니라 실제 생활에서 얼마나 효과적이고 적절하게 언어를 사용할 수 있는가를 측정하는 언어 평가도구이다.
OPIc은 시험 전 Background Survey(하는 일, 경험, 관심분야, 선호도 조사)와 Self Assessment(본인의 외국어 말하기 수준 확인)를 통한 개인 맞춤형 평가이고, 12~15문제를 40분 이내에 답변하는 시험으로 주어지는 질문에 적절하게 답변하는 능력을 필요로 한다.
수험자는 다양한 주제에 대해 적절하게 문장을 구성하여 대비함으로써 자신이 원하는 평가등급을 받을 수 있다. 시험장에서 주어지는 문제는 1가지 주제에 대해 2~3문제가 연달아 제시되는 형태(콤보유형)이고 일정한 패턴(질문유형)을 보인다.
위 기재된 내용은 오직 본 발명의 기술적 사상들에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.
공개특허공보 제10-2015-0096024호 공개특허공보 제10-2014-0088327호
본 발명의 실시예는 사용자의 다양한 정보를 기반으로 모범 답변(Best Script)을 학습한 답변 생성 모델을 활용하여 사용자 맞춤 답변을 생성하는 영어 문장 생성 시스템 및 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명의 실시예에 따른 영어 문장 생성 시스템은, 사용자 단말과의 통신을 제공하는 통신부와; 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 상기 사용자에 대한 정보를 저장하는 저장부와; 상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 제어부를 포함한다.
상기 사용자에 대한 정보는 상기 사용자가 상기 영어 말하기 평가 시스템 가입 시 입력한 정보를 포함할 수 있다.
상기 사용자가 상기 영어 말하기 평가 시스템 가입 시 입력한 정보는 상기 사용자가 입력한 등급을 포함할 수 있다.
상기 사용자에 대한 정보는 상기 사용자가 상기 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보를 포함할 수 있다.
상기 인터넷 서비스는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스를 포함할 수 있다.
상기 사용자 단말은 VR(Virtual Reality) 기기, AR(Augmented Reality) 기기, 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book), 서버(Server) 및 모바일(Mobile) 단말기 중 적어도 하나를 포함할 수 있다.
상기 제어부는, 상기 사용자가 입력한 정보, 상기 사용자가 상기 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보, 및 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 정보수집 모듈, 상기 영어 말하기 평가 시스템의 모범 답변을 학습하고, 상기 정보수집 모듈에서 수집된 정보를 기초로 복수개의 예시적인 영어 답변을 생성하는 인공지능 답변생성 모듈, 및 상기 인공지능 답변생성 모듈에서 생성된 상기 복수개의 예시적인 영어 답변을 상기 통신부를 통해 상기 사용자 단말로 제공하는 답변제공 모듈을 포함할 수 있다.
상기 제어부는, 상기 사용자 단말로부터 음성을 수신하여 텍스트를 생성하는 인공지능 음성인식 모듈과, 상기 인공지능 음성인식 모듈에서 생성된 텍스트 구문을 분석하는 자연어 분석 딥러닝 모듈과, 상기 자연어 분석 딥러닝 모듈에서 분석된 결과를 기초로 평가하는 평가 모듈, 및 상기 사용자가 입력한 등급과 상기 평가 모듈에서 평가된 결과를 기초로 사용자 등급을 조정하는 등급 조정 모듈을 더 포함할 수 있다.
상기 예시적인 영어 답변의 생성 기준은 상기 사용자의 등급에 따라 결정될 수 있다.
상기 예시적인 영어 답변의 생성 기준은 답변의 길이, 어휘력, 문장 형식 다양성, 수식어 상세성, 접속어 다양성, 표현력 및 시제 다양성 중 적어도 하나를 포함할 수 있다.
본 발명의 실시예에 따른 영어 문장 생성 방법은, 사용자가 입력한 정보를 수신하는 단계와; 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 단계와; 상기 사용자가 입력한 정보와 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 단계와; 사용자 단말로 상기 생성된 예시적인 영어 답변을 제공하는 단계를 포함한다.
상기 사용자가 입력한 정보를 수신하는 단계는, 상기 사용자가 상기 영어 말하기 평가 시스템에 가입할 때 입력한 정보를 수신하는 단계와; 상기 사용자가 상기 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보를 수신하는 단계를 포함할 수 있다.
상기 사용자가 상기 영어 말하기 평가 시스템에 가입할 때 입력한 정보를 수신하는 단계는, 상기 사용자가 입력한 등급을 수신하는 단계를 포함할 수 있다.
상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 단계는, 상기 사용자가 가입하고 있는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스로부터 상기 사용자와 관련된 정보를 수집하는 단계를 포함할 수 있다.
상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 단계는, 상기 영어 말하기 평가 시스템의 모범 답변을 학습하는 단계와; 예시적인 주제와 상기 사용자의 등급에 따라 결정되는 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계를 포함할 수 있다.
상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는, 사용자 단말로부터 사용자 답변 음성을 수신하는 단계와; 상기 사용자 답변 음성에 인공지능 음성인식 기술을 적용하여 텍스트를 생성하는 단계와; 상기 생성된 텍스트를 자연어 분석 딥러닝 모델을 통해 텍스트 구문 분석하는 단계와; 상기 사용자가 입력한 등급과 상기 분석된 결과를 기초로 사용자의 등급을 조정하는 단계를 포함할 수 있다.
상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는, 상기 사용자의 등급에 따라 답변의 길이를 결정하는 단계를 포함할 수 있다.
상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는, 상기 사용자의 등급에 따라 어휘수 및/또는 전문용어 포함 비율을 포함하는 답변의 어휘력을 결정하는 단계를 포함할 수 있다.
상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는, 상기 사용자의 등급에 따라 문장형식 및/또는 시제를 포함하는 답변의 문법 정확도를 결정하는 단계를 포함할 수 있다.
상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는, 상기 사용자의 등급에 따라 답변의 수식어 포함 정도, 접속어 사용 정도, 및 표현력 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
이와 같은 본 발명의 실시예에 따른 영어 문장 생성 시스템 및 방법에 의하면 사용자의 다양한 정보를 기반으로 모범 답변(Best Script)을 학습한 답변 생성 모델을 활용하여 사용자 맞춤 답변을 생성하여 제공함으로써, 사용자가 영어 말하기 시험에서 원하는 평가등급을 받는데 도움을 줄 수 있다. 또한, 사용자의 인터넷 서비스 계정으로부터 수집해 온 정보를 활용하여 답변을 생성함으로써, 사용자 맞춤 답변의 독창성을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 영어 문장 생성 시스템을 개략적으로 나타낸 구성도이다.
도 2는 본 발명의 일 실시예에 따른 도 1의 서비스 서버의 구성을 개략적으로 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 영어 문장 생성 방법을 나타낸 순서도이다.
도 4는 본 발명의 일 실시예에 따른 도 3의 영어 답변 생성 방법을 나타낸 순서도이다.
아래의 서술에서, 설명의 목적으로, 다양한 실시예들의 이해를 돕기 위해 많은 구체적인 세부 내용들이 제시된다. 그러나, 다양한 실시예들이 이러한 구체적인 세부 내용들 없이 또는 하나 이상의 동등한 방식으로 실시될 수 있다는 것은 명백하다. 다른 예시들에서, 잘 알려진 구조들과 장치들은 다양한 실시예들을 불필요하게 이해하기 어렵게 하는 것을 피하기 위해 블록도로 표시된다.
도면에서, 레이어들, 필름들, 패널들, 영역들 등의 크기 또는 상대적인 크기는 명확한 설명을 위해 과장될 수 있다. 또한, 동일한 참조 번호는 동일한 구성 요소를 나타낸다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 그러나, 만약 어떤 부분이 다른 부분과 "직접적으로 연결되어 있다"고 서술되어 있으면, 이는 해당 부분과 다른 부분 사이에 다른 소자가 없음을 의미할 것이다. "X, Y, 및 Z 중 적어도 어느 하나", 그리고 "X, Y, 및 Z로 구성된 그룹으로부터 선택된 적어도 어느 하나"는 X 하나, Y 하나, Z 하나, 또는 X, Y, 및 Z 중 둘 또는 그 이상의 어떤 조합 (예를 들면, XYZ, XYY, YZ, ZZ) 으로 이해될 것이다. 여기에서, "및/또는"은 해당 구성들 중 하나 또는 그 이상의 모든 조합을 포함한다.
여기에서, 첫번째, 두번째 등과 같은 용어가 다양한 소자들, 요소들, 지역들, 레이어들, 및/또는 섹션들을 설명하기 위해 사용될 수 있지만, 이러한 소자들, 요소들, 지역들, 레이어들, 및/또는 섹션들은 이러한 용어들에 한정되지 않는다. 이러한 용어들은 하나의 소자, 요소, 지역, 레이어, 및/또는 섹션을 다른 소자, 요소, 지역, 레이어, 및 또는 섹션과 구별하기 위해 사용된다. 따라서, 일 실시예에서의 첫번째 소자, 요소, 지역, 레이어, 및/또는 섹션은 다른 실시예에서 두번째 소자, 요소, 지역, 레이어, 및/또는 섹션이라 칭할 수 있다.
"아래", "위" 등과 같은 공간적으로 상대적인 용어가 설명의 목적으로 사용될 수 있으며, 그렇게 함으로써 도면에서 도시된 대로 하나의 소자 또는 특징과 다른 소자(들) 또는 특징(들)과의 관계를 설명한다. 이는 도면 상에서 하나의 구성 요소의 다른 구성 요소에 대한 관계를 나타내는 데에 사용될 뿐, 절대적인 위치를 의미하는 것은 아니다. 예를 들어, 도면에 도시된 장치가 뒤집히면, 다른 소자들 또는 특징들의 "아래"에 위치하는 것으로 묘사된 소자들은 다른 소자들 또는 특징들의 "위"의 방향에 위치한다. 따라서, 일 실시예에서 "아래" 라는 용어는 위와 아래의 양방향을 포함할 수 있다. 뿐만 아니라, 장치는 그 외의 다른 방향일 수 있다 (예를 들어, 90도 회전된 혹은 다른 방향에서), 그리고, 여기에서 사용되는 그런 공간적으로 상대적인 용어들은 그에 따라 해석된다.
여기에서 사용된 용어는 특정한 실시예들을 설명하는 목적이고 제한하기 위한 목적이 아니다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다 고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 다른 정의가 없는 한, 여기에 사용된 용어들은 본 발명이 속하는 분야에서 통상적인 지식을 가진 자에게 일반적으로 이해되는 것과 같은 의미를 갖는다.
도 1은 본 발명의 일 실시예에 따른 영어 문장 생성 시스템을 개략적으로 나타낸 구성도이다.
도 1을 참조하면, 영어 문장 생성 시스템은 서비스 서버(30)를 포함하고, 사용자 단말(10)과 서비스 서버(30)는 네트워크(20)를 통해 연결되어 영어 문장 생성에 필요한 모든 데이터 및 정보를 송수신한다. 실시예로서, 영어 문장 생성 시스템은 사용자 인증을 위한 정보와 사용자 정보를 저장하는 데이터베이스(40)를 더 포함할 수 있다.
사용자 단말(10)은 사용자가 사용자 단말(10)에 설치된 영어 말하기 학습 프로그램 또는 어플리케이션을 실행하여 영어 말하기 학습을 시작하는 경우, 네트워크(20)를 통해 서비스 서버(30)로 사용자 인증을 요청한다. 사용자 단말(10)은 영어 말하기 학습이 시작되면, 사용자의 설문조사에 따른 답변을 포함하는 사용자 입력을 서비스 서버(30)로 전송하고, 서비스 서버(30)와 영어 말하기 학습에 필요한 모든 데이터 및 정보를 수신하여 사용자에게 보여준다. 실시예로서, 영어 말하기 학습은 영어 말하기 평가 프로그램 또는 어플리케이션 내에서 구현될 수 있고, 영어 문장 생성은 영어 말하기 학습 프로그램 영어 말하기 평가 프로그램 내에서 구현될 수 있다.
사용자 단말(10)은 네트워크(20)에 연결되어 데이터를 송수신할 수 있는 이동통신단말기를 대표적인 예로서 설명하지만 단말기는 이동통신단말기에 한정된 것이 아니고, 모든 정보 통신기기, 멀티미디어 단말기, 유선/무선 단말기, 고정형 단말기 및 IP(Internet Protocol) 단말기 등의 다양한 단말기를 포함할 수 있다. 또한, 단말기는 VR(Virtual Reality) 기기, AR(Augmented Reality) 기기, 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book), 서버(Server) 및 정보통신 기기 등과 같은 다양한 이동통신 사양을 갖는 모바일(Mobile) 단말기를 포함할 수 있다.
네트워크(20)는 다양한 형태의 통신망이 이용될 수 있으며, 예컨대, 무선랜(WLAN, Wireless LAN), 블루투스, 와이파이(Wi-Fi), 와이브로(Wibro), 와이맥스(Wimax), 고속하향패킷접속(HSDPA, High Speed Downlink Packet Access) 등의 무선 통신방식 또는 이더넷(Ethernet), xDSL(ADSL, VDSL), HFC(Hybrid Fiber Coax), FTTC(Fiber to The Curb), FTTH(Fiber To The Home) 등의 유선 통신방식이 이용될 수 있다. 한편, 네트워크(20)는 상기에 제시된 통신방식에 한정되는 것은 아니며, 상술한 통신 방식 이외에도 기타 널리 공지되었거나 향후 개발될 모든 형태의 통신 방식을 포함할 수 있다.
서비스 서버(30)는 사용자 단말(10)과 네트워크(20)를 통해 영어 말하기 학습에 필요한 모든 데이터 및 정보를 송수신하여 영어 말하기 학습 서비스를 제공한다.
본 발명의 일 실시예에서, 서비스 서버(30)는 사용자 단말(10)로부터 영어 말하기 학습 시작을 위한 사용자 인증 요청을 수신하여 사용자 로그인 과정을 수행한다. 실시예로서, 서비스 서버(30)는 영어 말하기 학습에 필요한 런칭 모듈을 제공할 수 있다. 영어 말하기 학습이 시작되면, 서비스 서버(30)는 사용자의 설문조사에 따른 답변을 포함하는 사용자 입력을 사용자 단말(10)로부터 수신하여 사용자의 영어 말하기 학습에 필요한 데이터 및 정보를 송신한다.
실시예로서, 사용자 단말(10)은 하나 이상의 기능 모듈을 포함할 수 있고, 서비스 서버(30)는 사용자 단말(10)의 하나 이상의 기능 모듈에서 입력 받은 정보들을 수신하여 처리할 수 있다. 실시예로서, 하나 이상의 기능 모듈에서 입력 받은 정보들은 사용자 식별 정보와 사용자 답변 음성 정보를 포함할 수 있다.
서비스 서버(30)는 영어 말하기 학습 서비스 제공자가 운영하는 서버를 포함할 수 있다. 실시예로서, 파고다, 해커스, 민병철, YBM, 시원스쿨과 같은 영어 말하기 학습 서비스 제공자가 운영하는 서버를 포함할 수 있다.
데이터베이스(40)는 사용자 인증을 위한 정보를 포함한 영어 문장 생성을 위해 필요한 모든 정보를 저장한다. 실시예로서, 데이터베이스(40)는 사용자 인증을 위한 정보와 사용자 정보를 저장할 수 있다.
도 2는 본 발명의 일 실시예에 따른 도 1의 서비스 서버의 구성을 개략적으로 나타낸 도면이다.
도 2를 참조하면, 서비스 서버(30)는 통신부(310), 저장부(320), 및 제어부(330)를 포함한다.
통신부(310)는 사용자 단말(10)과 네트워크(20)를 통하여 데이터를 주고 받는다.
저장부(320)는 서비스 서버(30)의 동작을 위한 데이터 및 프로그램을 저장한다. 실시예로서, 저장부(320)는 사용자 단말(10)로부터 입력 받은 정보들 및 영어 문장 생성을 위해 필요한 정보들을 저장하여 데이터베이스(40)와 같은 역할을 할 수 있다. 즉, 저장부(320)는 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 사용자에 대한 정보를 저장할 수 있다. 실시예로서, 사용자에 대한 정보는 사용자가 영어 말하기 학습 시스템을 가입할 때 입력한 정보, 사용자가 입력한 등급, 및 사용자가 영어 말하기 학습 시스템에서 자동으로 제시되는 질문에 답변한 정보를 포함할 수 있다.
제어부(330)는 사용자에 대한 정보를 기초로 영어 말하기 학습 시스템의 예시적인 영어 답변을 생성한다. 실시예로서, 제어부(330)는 정보수집 모듈(331), 인공지능 답변생성 모듈(332), 답변제공 모듈(333)을 포함할 수 있다.
정보수집 모듈(331)은 사용자가 입력한 정보, 사용자가 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보, 및 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집한다. 실시예로서, 사용자가 입력한 정보는 사용자가 입력한 등급을 포함할 수 있다. 실시예로서, 인터넷 서비스는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스를 포함할 수 있다.
인공지능 답변생성 모듈(332)은 영어 말하기 평가 시스템의 모범 답변을 학습하고, 정보수집 모듈(331)에서 수집된 정보를 기초로 복수개의 예시적인 영어 답변을 생성한다. 실시예로서, 답변생성 모듈(332)은 Sequence-to-Sequence, Word2Vec, 및 Doc2Vec 중 적어도 하나를 포함할 수 있다.
답변제공 모듈(333)은 인공지능 답변생성 모듈(332)에서 생성된 복수개의 예시적인 영어 답변을 통신부(310)를 통해 사용자 단말(10)로 제공한다.
본 발명의 일 실시예로서, 제어부(330)는 사용자 단말로부터 음성을 수신하여 텍스트를 생성하는 인공지능 음성인식 모듈과, 인공지능 음성인식 모듈에서 생성된 텍스트 구문을 분석하는 자연어 분석 딥러닝 모듈과, 자연어 분석 딥러닝 모듈에서 분석된 결과를 기초로 평가하는 평가 모듈, 및 사용자가 입력한 등급과 평가 모듈에서 평가된 결과를 기초로 사용자 등급을 조정하는 등급 조정 모듈을 더 포함할 수 있다. 즉, 사용자의 등급은 사용자가 서비스를 이용함에 따라 사용자의 영어 말하기 실력을 반영하여 등급 조정 모듈에서 조정될 수 있다.
실시예로서, 인공지능 답변생성 모듈(332)에서 생성되는 예시적인 영어 답변의 생성 기준은 사용자의 등급에 따라 결정될 수 있고, 답변의 길이, 어휘력, 문장 형식 다양성, 수식어 상세성, 접속어 다양성, 표현력 및 시제 다양성 중 적어도 하나를 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 영어 문장 생성 방법을 나타낸 순서도이다.
본 발명에 따른 영어 문장 생성 방법을 위하여 사용자 단말 내에 설치된 영어 말하기 학습 프로그램 또는 어플리케이션이 사용자에 의해 실행된다. 사용자 단말에서 영어 말하기 학습 프로그램 또는 어플리케이션이 실행되면, 서비스 서버는 사용자 단말로 영어 말하기 학습을 위한 문제를 제공할 수 있다. 실시예로서, 문제는 설문조사에서 선택한 항목의 주제, 돌발 주제, 및 롤플레이 유형의 문제 중 적어도 하나를 포함할 수 있다. 실시예로서, 영어 말하기 학습은 영어 말하기 평가 프로그램 또는 어플리케이션 내에서 구현될 수 있고, 영어 문장 생성은 영어 말하기 학습 프로그램 영어 말하기 평가 프로그램 내에서 구현될 수 있다.
본 발명에 따른 영어 문장 생성 방법을 위하여, 영어 말하기 학습을 위한 문제의 제공은 문제 은행 방식을 포함할 수 있다. 실시예로서, 문제 은행 방식은, 데이터베이스에 문제를 유형을 구분하여 사전 등록하는 문제 은행 등록, 문제의 앞 단에 덧붙여질 수 있는 문구를 상황을 구분하여 사전 등록하는 문제 Prefix 등록, 및 문제의 뒷 단에 덧붙여질 수 있는 문구를 상황을 구분하여 사전 등록하는 문제 Postfix 등록을 포함하는 문제 은행 구성 단계와, 설문/돌발/롤플레이 유형 중 문제 유형을 선택하는 문제 유형 선정, 영화, 음악과 같은 주제를 선정하는 문제 주제 선정, 문제 Prefix, 문제 본문 및 문제 Postfix를 조합하여 문제 유형, 문제 주제에 맞추어 문장을 자동 구성하는 문제 문장 구성, 및 사용자 단말에 이미지, 영상 및 사운드 중 적어도 하나를 출력하는 문제 출력을 포함하는 문제 출제 단계를 포함할 수 있다.
도 3을 참조하면, 서비스 서버는 사용자 단말로부터 사용자가 입력한 정보를 수신하고(S10), 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집한다(S20). 실시예로서, 서비스 서버는 사용자가 입력한 등급을 포함한 사용자가 영어 말하기 평가 시스템에 가입할 때 입력한 정보와 사용자가 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보를 수신할 수 있다. 실시예로서, 서비스 서버는 사용자가 가입하고 있는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스로부터 사용자와 관련된 정보를 수집할 수 있다.
서비스 서버는 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하고(S30), 사용자 단말로 생성된 예시적인 영어 답변을 제공한다(S40). 실시예로서, 서비스 서버는 영어 말하기 평가 시스템의 모범 답변을 학습하고, 예시적인 주제와 사용자의 등급에 따라 결정되는 기준에 따라 복수개의 예시적인 영어 답변을 생성할 수 있다.
도 4는 본 발명의 일 실시예에 따른 도 3의 영어 답변 생성 방법을 나타낸 순서도이다.
도 4를 참조하면, 서비스 서버는 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하기 위해, 영어 말하기 평가 시스템의 모범 답변을 학습한다(S310). 서비스 서버는 사용자 단말로부터 사용자 답변 음성을 수신하고(S320), 사용자 답변 음성에 인공지능 음성인식 기술을 적용하여 텍스트를 생성한 후(S330), 생성된 텍스트를 자연어 분석 딥러닝 모델을 통해 텍스트 구문 분석한다(S340). 서비스 서버는 분석된 결과와 사용자가 입력한 등급을 기초로 사용자의 등급을 조정하고(S350), 예시적인 주제와 사용자의 등급에 따라 결정되는 기준에 따라 복수개의 예시적인 영어 답변을 생성한다(S360). 실시예로서, 서비스 서버는 사용자의 등급에 따라 답변의 길이, 어휘수 및/또는 전문용어 포함 비율을 포함하는 답변의 어휘력, 문장형식 및/또는 시제를 포함하는 답변의 문법 정확도, 답변의 수식어 포함 정도, 접속어 사용 정도, 및 표현력 중 적어도 하나를 결정할 수 있다.
본 발명의 일 실시예에 따르면, 답변의 길이는 예시적인 영어 답변의 길이를 문장수, 단어수, 문자수로 측정하여 기준을 정할 수 있다. 어휘수는 예시적인 영어 답변에 사용될 어휘의 기본형 단위로 개수를 측정하여 기준을 정할 수 있다. 전문용어 포함 비율은 중, 고, 대학교 수준의 어휘에 대해 적정 비율을 정하여 기준을 정할 수 있다. 문장형식은 1에서 5형식을 비롯한 다양한 문장 구조를 적절하게 사용하였는지 측정하여 기준을 정할 수 있다. 수식어는 형용사, 부사 등의 수식어의 포함 정도를 측정하여 기준을 정할 수 있다. 접속어는 다양한 접속어를 사용하여 문장의 연결성을 높인 경우 접속어 수를 측정하여 기준을 정할 수 있다. 시제는 과거, 현재, 미래 및 가정, 완료 등의 시제를 적절하게 사용하였는지에 대해 기준을 정할 수 있다. 표현력은 완곡한 표현, 자기 수정 표현 등을 적절하게 포함하였는지 측정하여 기준을 정할 수 있다.
전술한 바와 같은 본 발명의 실시예들에 따르면, 본 발명의 일 실시예에 따른 영어 문장 생성 시스템 및 방법은 사용자의 다양한 정보를 기반으로 모범 답변(Best Script)을 학습한 답변 생성 모델을 활용하여 사용자 맞춤 답변을 생성하여 제공함으로써, 사용자가 영어 말하기 시험에서 원하는 평가등급을 받는데 도움을 줄 수 있다. 또한, 사용자의 인터넷 서비스 계정으로부터 수집해 온 정보를 활용하여 답변을 생성함으로써, 사용자 맞춤 답변의 독창성을 향상시킬 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
10: 사용자 단말 20: 네트워크
30: 서비스 서버 40: 데이터베이스

Claims (20)

  1. 사용자 단말과의 통신을 제공하는 통신부;
    상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 상기 사용자에 대한 정보를 저장하는 저장부; 및
    상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 제어부를 포함하고,
    상기 제어부는,
    상기 사용자가 입력한 정보, 상기 사용자가 상기 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보, 및 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 정보수집 모듈, Sequence-to-Sequence, Word2Vec, 및 Doc2Vec 중 적어도 하나를 포함하며, 영어 말하기 평가 시스템의 모범 답변을 학습하고, 상기 정보수집 모듈에서 수집된 정보를 기초로 복수개의 예시적인 영어 답변을 생성하는 인공지능 답변생성 모듈, 및 상기 인공지능 답변생성 모듈에서 생성된 상기 복수개의 예시적인 영어 답변을 상기 통신부를 통해 상기 사용자 단말로 제공하는 답변제공 모듈을 포함하고,
    상기 제어부는,
    상기 사용자 단말로부터 음성을 수신하여 텍스트를 생성하는 인공지능 음성인식 모듈과, 상기 인공지능 음성인식 모듈에서 생성된 텍스트 구문을 분석하는 자연어 분석 딥러닝 모듈과, 상기 자연어 분석 딥러닝 모듈에서 분석된 결과를 기초로 평가하는 평가 모듈, 및 상기 사용자가 입력한 등급과 상기 평가 모듈에서 평가된 결과를 기초로 사용자 등급을 조정하는 등급 조정 모듈을 더 포함하고,
    상기 예시적인 영어 답변의 생성 기준은 상기 사용자의 등급에 따라 결정되고,
    상기 예시적인 영어 답변의 생성 기준은 상기 사용자의 등급에 따른 문장수, 단어수, 문자수를 포함하는 답변의 길이, 상기 사용자의 등급에 따른 어휘수 및 전문용어 포함 비율을 포함하는 어휘력, 상기 사용자의 등급에 따른 문장 구조에 해당하는 문장 형식 다양성, 상기 사용자의 등급에 따른 수식어의 포함 정도에 해당하는 수식어 상세성, 상기 사용자의 등급에 따른 접속어 수에 해당하는 접속어 다양성, 상기 사용자의 등급에 따른 완곡한 표현, 자기 수정 표현의 포함 여부에 해당하는 표현력 및 상기 사용자의 등급에 따른 시제에 해당하는 시제 다양성을 포함하는, 영어 문장 생성 시스템.
  2. 제 1항에 있어서,
    상기 사용자에 대한 정보는 상기 사용자가 상기 영어 말하기 평가 시스템 가입 시 입력한 정보를 포함하는 영어 문장 생성 시스템.
  3. 제 2항에 있어서,
    상기 사용자가 상기 영어 말하기 평가 시스템 가입 시 입력한 정보는 상기 사용자가 입력한 등급을 포함하는 영어 문장 생성 시스템.
  4. 제 1항에 있어서,
    상기 사용자에 대한 정보는 상기 사용자가 상기 영어 말하기 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보를 포함하는 영어 문장 생성 시스템.
  5. 제 1항에 있어서,
    상기 인터넷 서비스는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스를 포함하는 영어 문장 생성 시스템.
  6. 제 1항에 있어서,
    상기 사용자 단말은 VR(Virtual Reality) 기기, AR(Augmented Reality) 기기, 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 스마트폰(Smart Phone), 데스크톱(Desktop), 태블릿컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book), 서버(Server) 및 모바일(Mobile) 단말기 중 적어도 하나를 포함하는 영어 문장 생성 시스템.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 네트워크를 통해 사용자 단말과 연결되는 서비스 서버를 이용하는 영어 문장 생성 방법에 있어서,
    상기 서비스 서버가 사용자가 입력한 정보를 수신하는 단계;
    상기 서비스 서버가 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 단계;
    상기 서비스 서버가 상기 사용자가 입력한 정보와 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 포함하는 상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 단계; 및
    상기 서비스 서버가 사용자 단말로 상기 생성된 예시적인 영어 답변을 제공하는 단계를 포함하고,
    상기 서비스 서버가 상기 사용자에 대한 정보를 기초로 영어 말하기 평가 시스템의 예시적인 영어 답변을 생성하는 단계는,
    상기 서비스 서버가 Sequence-to-Sequence, Word2Vec, 및 Doc2Vec 중 적어도 하나를 이용하여 상기 영어 말하기 평가 시스템의 모범 답변을 학습하는 단계 및 상기 서비스 서버가 예시적인 주제와 상기 사용자의 등급에 따라 결정되는 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계를 포함하고,
    상기 서비스 서버가 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는,
    상기 서비스 서버가 사용자 단말로부터 사용자 답변 음성을 수신하는 단계;
    상기 서비스 서버가 상기 사용자 답변 음성에 인공지능 음성인식 기술을 적용하여 텍스트를 생성하는 단계;
    상기 서비스 서버가 상기 생성된 텍스트를 자연어 분석 딥러닝 모델을 통해 텍스트 구문 분석하는 단계; 및
    상기 사용자가 입력한 등급과 상기 분석된 결과를 기초로 사용자의 등급을 조정하는 단계를 포함하고,
    상기 서비스 서버가 상기 예시적인 주제와 상기 사용자의 등급에 따른 기준에 따라 복수개의 예시적인 영어 답변을 생성하는 단계는,
    상기 서비스 서버가 상기 사용자의 등급에 따라 문장수, 단어수, 문자수를 포함하는 답변의 길이를 결정하는 단계, 상기 서비스 서버가 상기 사용자의 등급에 따라 어휘수 및/또는 전문용어 포함 비율을 포함하는 답변의 어휘력을 결정하는 단계, 상기 서비스 서버가 상기 사용자의 등급에 따라 문장 구조에 해당하는 문장형식 및 시제를 포함하는 답변의 문법 정확도를 결정하는 단계 및 상기 서비스 서버가 상기 사용자의 등급에 따라 답변의 수식어 포함 정도, 접속어 사용 정도, 및 완곡한 표현, 자기 수정 표현의 포함 여부에 해당하는 표현력을 결정하는 단계를 포함하는, 영어 문장 생성 방법.
  12. 제 11항에 있어서,
    상기 서비스 서버가 상기 사용자가 입력한 정보를 수신하는 단계는,
    상기 서비스 서버가 상기 사용자가 상기 영어 말하기 평가 시스템에 가입할 때 입력한 정보를 수신하는 단계; 및
    상기 서비스 서버가 상기 사용자가 상기 영어 문장 평가 시스템에서 자동으로 제시되는 질문에 답변한 정보를 수신하는 단계를 포함하는 영어 문장 생성 방법.
  13. 제 12항에 있어서,
    상기 서비스 서버가 상기 사용자가 상기 영어 말하기 평가 시스템에 가입할 때 입력한 정보를 수신하는 단계는,
    상기 서비스 서버가 상기 사용자가 입력한 등급을 수신하는 단계를 포함하는 영어 문장 생성 방법.
  14. 제 11항에 있어서,
    상기 서비스 서버가 상기 사용자의 인터넷 서비스 계정이 보유하고 있는 정보를 수집하는 단계는,
    상기 서비스 서버가 상기 사용자가 가입하고 있는 페이스북, 인스타그램, 링크드인, 유튜브, 트위터, 구글플러스, 텀블러, 블로거, 및 마이스페이스 중 적어도 하나를 포함하는 소셜 네트워크 서비스로부터 상기 사용자와 관련된 정보를 수집하는 단계를 포함하는 영어 문장 생성 방법.
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 삭제
KR1020190025940A 2019-03-06 2019-03-06 영어 문장 생성 시스템 및 방법 KR102220926B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190025940A KR102220926B1 (ko) 2019-03-06 2019-03-06 영어 문장 생성 시스템 및 방법
PCT/KR2020/002937 WO2020180062A2 (ko) 2019-03-06 2020-03-02 영어 문장 생성 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190025940A KR102220926B1 (ko) 2019-03-06 2019-03-06 영어 문장 생성 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200107197A KR20200107197A (ko) 2020-09-16
KR102220926B1 true KR102220926B1 (ko) 2021-02-25

Family

ID=72337290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190025940A KR102220926B1 (ko) 2019-03-06 2019-03-06 영어 문장 생성 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102220926B1 (ko)
WO (1) WO2020180062A2 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101648906B1 (ko) * 2015-09-07 2016-08-17 주식회사 파라다이스팩토리 학습자 로그정보에 기반한 외국어 학습 시스템 및 외국어 학습 정보 생성방법
KR101845304B1 (ko) * 2017-01-06 2018-05-18 박진하 언어 학습 시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101037247B1 (ko) * 2009-06-18 2011-05-26 포항공과대학교 산학협력단 외국어 회화 연습 방법 및 장치와 이것의 빠른 개발과 검증을 돕는 학습자 시뮬레이션 방법과 장치
KR101227131B1 (ko) * 2010-12-17 2013-01-28 백서연 대화형 언어 교육 시스템
KR20140088327A (ko) 2013-01-02 2014-07-10 에스케이텔레콤 주식회사 동적인 대화를 이용한 어학 학습 방법, 이를 위한 시스템 및 장치
KR20140094919A (ko) * 2013-01-23 2014-07-31 원종호 문장 형식별 구성요소 배열 및 확장에 따른 언어 교육 시스템 및 방법과 기록 매체: 팩토리얼 언어 교육법
KR101567551B1 (ko) 2014-02-13 2015-11-10 주식회사 솔트룩스 콘텐츠 추천을 위한 소셜 데이터 분석 시스템
KR101521281B1 (ko) * 2014-10-20 2015-05-19 포항공과대학교 산학협력단 어학 학습 시스템 및 학습 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101648906B1 (ko) * 2015-09-07 2016-08-17 주식회사 파라다이스팩토리 학습자 로그정보에 기반한 외국어 학습 시스템 및 외국어 학습 정보 생성방법
KR101845304B1 (ko) * 2017-01-06 2018-05-18 박진하 언어 학습 시스템

Also Published As

Publication number Publication date
KR20200107197A (ko) 2020-09-16
WO2020180062A3 (ko) 2020-10-29
WO2020180062A2 (ko) 2020-09-10

Similar Documents

Publication Publication Date Title
US10827024B1 (en) Realtime bandwidth-based communication for assistant systems
Ondáš et al. How chatbots can be involved in the education process
US9747895B1 (en) Building language models for a user in a social network from linguistic information
US9582496B2 (en) Facilitating a meeting using graphical text analysis
US20090055186A1 (en) Method to voice id tag content to ease reading for visually impaired
US20200098286A1 (en) Network-based online interactive language learning system
US20200019641A1 (en) Responding to multi-intent user input to a dialog system
US11316979B2 (en) Detecting vocabulary skill level and correcting misalignment in remote interactions
Bogers et al. A study of usage and usability of intelligent personal assistants in Denmark
KR102246130B1 (ko) 사용자 음성을 기반으로 한 서비스 제공 방법 및 시스템
KR102196917B1 (ko) 영어 말하기 평가 시스템 및 방법
Markl et al. Language technology practitioners as language managers: arbitrating data bias and predictive bias in ASR
US20210142685A1 (en) Literacy awareness skills tools implemented via smart speakers and conversational assistants on smart devices
KR102534275B1 (ko) 어학 학습 단말, 이를 포함하는 어학 학습 시스템 및 방법
US11907677B1 (en) Immutable universal language assistive translation and interpretation system that verifies and validates translations and interpretations by smart contract and blockchain technology
KR102220926B1 (ko) 영어 문장 생성 시스템 및 방법
CN110879869A (zh) 用于共同用户的元简档的自动化设置的方法、装置和系统
KR102337754B1 (ko) 평가 함수를 적용한 영어 말하기 평가 방법
Arora et al. Collaborative speech data acquisition for under resourced languages through crowdsourcing
Jati Perspective on ICT in teaching and learning listening & speaking in the 21st century: beyond classroom wall
Griol et al. Bringing context-aware access to the web through spoken interaction
KR102272567B1 (ko) 음성 인식 수정 시스템
KR102361102B1 (ko) 음성 파형을 기초로 한 영어 말하기 평가 방법
KR20200133635A (ko) 사용자 등급에 최적화된 영어 단어장 생성 방법
KR102648990B1 (ko) 또래 학습 추천 방법 및 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant