KR102221088B1 - 모듈형 대화 모델을 위한 시스템 및 방법 - Google Patents

모듈형 대화 모델을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102221088B1
KR102221088B1 KR1020190002992A KR20190002992A KR102221088B1 KR 102221088 B1 KR102221088 B1 KR 102221088B1 KR 1020190002992 A KR1020190002992 A KR 1020190002992A KR 20190002992 A KR20190002992 A KR 20190002992A KR 102221088 B1 KR102221088 B1 KR 102221088B1
Authority
KR
South Korea
Prior art keywords
model
conversation
dialogue
dialog
models
Prior art date
Application number
KR1020190002992A
Other languages
English (en)
Other versions
KR20200086587A (ko
Inventor
이반 베를로셰
이종민
Original Assignee
주식회사 솔트룩스
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 주식회사 솔트룩스 filed Critical 주식회사 솔트룩스
Priority to KR1020190002992A priority Critical patent/KR102221088B1/ko
Publication of KR20200086587A publication Critical patent/KR20200086587A/ko
Application granted granted Critical
Publication of KR102221088B1 publication Critical patent/KR102221088B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3329Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

모듈형 대화 모델을 위한 시스템은, 본 발명의 예시적 실시예에 따라, 복수의 대화 모델들 중 하나를 실행하는 대화 모델 운영부, 복수의 대화 모델들 각각이 시스템 메시지의 생성을 위해 요구하는 정보와 사용자 메시지의 매칭 정도에 기초하여, 복수의 대화 모델들을 평가하는 대화 모델 평가부, 및 평가 결과에 기초하여 복수의 대화 모델들 중 하나를 선택하는 대화 모델 선택부를 포함할 수 있다.

Description

모듈형 대화 모델을 위한 시스템 및 방법{SYSTEM AND METHOD FOR MODULAR DIALOGUE MODEL}
본 발명의 기술적 사상은 사용자와의 대화를 제공하는 대화 모델에 관한 것으로서, 자세하게는 모듈형 대화 모델을 위한 시스템 및 방법에 관한 것이다.
본 발명은 미래창조과학부 SW컴퓨팅원천기술개발사업(SW)의 일환으로 (주)비트컴퓨터가 주관하고 (주)솔트룩스가 연구하여 수행된 연구로부터 도출된 것이다. [연구기간: 2018.04.01~2019.03.31, 연구관리 전문기관: 정보통신기술진흥센터, 연구과제명: 머신러닝기반 의료HER 클라우드 서비스 개발, 과제 고유번호: 2017-0-03355]
대화 에이전트는 인간이 정보의 교환이나 문제 해결을 위해서 사용하는 대화라는 비정형 메시지의 교환 행위를 수행하기 위한 인공지능 프로그램을 지칭할 수 있다. 기존 대화 에이전트는 룰 베이스 구축, 대화 흐름에 대한 시나리오 작성, 대화 예제 데이터 기반 대화 그래프 모델 추정 등의 방식으로 대화 모델을 구축함으로써 특정 도메인이나 상황에서 가능한 대화 환경을 제공할 수 있다. 다양한 주제들에 따라 다수의 대화 모델들이 구축될 수 있는 한편, 2이상의 주제들이 통합된 주제의 대화 모델을 구현하기 위하여 이미 구축된 대화 모델들과 무관하게 새로운 대화 모델을 구축하는 것은 많은 시간이 소요될 뿐만 아니라 검증된 대화 모델의 생성을 방해할 수 있다.
본 발명의 기술적 사상은, 모듈형 대화 모델에 기초하여 효율적으로 구축되는 대화 모델을 위한 시스템 및 방법을 제공한다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 기술적 사상의 일측면에 따른 모듈형 대화 모델을 위한 시스템은, 복수의 대화 모델들 중 하나를 실행하는 대화 모델 운영부, 복수의 대화 모델들 각각이 시스템 메시지의 생성을 위해 요구하는 정보와 사용자 메시지의 매칭 정도에 기초하여, 복수의 대화 모델들을 평가하는 대화 모델 평가부, 및 평가 결과에 기초하여 복수의 대화 모델들 중 하나를 선택하는 대화 모델 선택부를 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 복수의 대화 모델들 각각이 요구하는 정보로서, 시스템 메시지의 특정에 요구되는 요소들, 사용자의 의도, 키워드 중 적어도 하나를 저장하는 대화 모델 정보 저장부를 더 포함할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 운영부는, 복수의 대화 모델들과 상이한 제1 대화 모델을 수신하고 제1 대화 모델이 시스템 메시지의 생성을 위해 요구하는 정보를 획득하여 대화 모델 정보 저장부에 저장함으로써, 제1 대화 모델을 신규로 등록할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 운영부는, 복수의 대화 모델들 중 제2 대화 모델의 실행 중 제1 사용자 메시지에 기초하여 제2 대화 모델의 실행 정지를 판정할 수 있고, 대화 모델 평가부는, 제2 대화 모델의 실행 정지에 응답하여 제1 사용자 메시지에 기초하여 복수의 대화 모델들을 평가할 수 있고, 대화 모델 선택부는, 평가 결과에 기초하여 제3 대화 모델을 선택하고, 제2 대화 모델의 실행 정지시까지 형성된 대화 컨택스트를 제3 대화 모델에 제공할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 운영부는, 제1 사용자 메시지에 기초하여 제2 대화 모델의 실행 정지로서 제2 대화 모델의 실행 종료 및 실행 일시 중지 중 하나를 판정할 수 있고, 대화 모델 선택부는, 제2 대화 모델의 실행 일시 중지가 판정된 경우, 제3 대화 모델의 종료시 제2 대화 모델을 선택할 수 있다.
본 발명의 기술적 사상의 일측면에 따른 모듈형 대화 모델의 구현을 위한 시스템은, 복수의 대화 모델들을 제공하는 대화 모델 라이브러리, 제1 대화 모델에 포함된 복수의 단계들을 편집하기 위한 인터페이스를 제공하는 대화 모델 편집부, 및 대화 모델 편집부에 의해서 작성된 데이터에 기초하여 제1 대화 모델을 생성하는 대화 모델 생성기를 포함할 수 있고, 대화 모델 편집부는, 복수의 대화 모델들 중 사용자에 의해서 선택된 제2 대화 모델이 하나의 단계로서 제1 대화 모델에 추가되도록, 사용자에 대화 모델 라이브러리를 제공할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 생성기는, 대화 모델 라이브러리를 참조하여, 제2 대화 모델을 그대로 포함하는 제1 대화 모델을 생성할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 생성기는, 대화 모델 라이브러리를 참조하여, 제2 대화 모델을 호출하는 제1 대화 모델을 생성할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 생성기는, 제1 대화 모델을 대화 모델 라이브러리에 추가할 수 있다.
본 발명의 예시적 실시예에 따라, 대화 모델 생성기는, 제1 대화 모델의 이전 단계까지 수집된 정보 중 제2 대화 모델이 시스템 메시지의 생성을 위해 요구하는 정보와 공통되는 정보를 제2 대화 모델에 제공하는 제1 대화 모델을 생성할 수 있다.
본 발명의 기술적 사상에 따른 모듈형 대화 모델을 위한 시스템 및 방법에 의하면, 구축이 완료된 검증된 대화 모델들을 활용함으로써 검증된 대화 모델이 조기에 구축될 수 있다.
또한, 본 발명의 기술적 사상에 따른 모듈형 대화 모델을 위한 시스템 및 방법에 의하면, 대화 모델의 수정이 용이할 수 있고, 이에 따라 대화 모델의 갱신이 신속하고 정확하게 이루어질 수 있다.
또한, 본 발명의 기술적 사상에 따른 모듈형 대화 모델을 위한 시스템 및 방법에 의하면, 구축이 완료된 대화 모델들을 사용함으로써 신규 대화 모델의 생성이 용이할 수 있고, 이에 따라 대화 모델의 활용성을 현저하게 증가시킬 수 있다.
본 발명의 실시예들에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 아니하며, 언급되지 아니한 다른 효과들은 이하의 본 발명의 실시예들에 대한 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다. 즉, 본 발명을 실시함에 따른 의도하지 아니한 효과들 역시 본 발명의 실시예들로부터 당해 기술분야의 통상의 지식을 가진 자에 의해 도출될 수 있다.
도 1은 본 발명의 예시적 실시예에 따른 대화 시스템을 나타내는 블록도이다.
도 2는 본 발명의 예시적 실시예에 따른 대화 모델의 예시를 나타낸다.
도 3은 본 발명의 예시적 실시예에 따라 복수의 대화 모델들에 기초하여 대화 모델을 구축하는 예시를 나타내는 도면이다.
도 4는 본 발명의 예시적 실시예에 따른 모듈화된 대화 모델을 위한 방법을 나타내는 순서도이다.
도 5는 본 발명의 예시적 실시예에 따라 모듈형 대화 모듈을 위한 방법을 나타내는 순서도이다.
도 6a 및 도 6b는 본 발명의 예시적 실시예들에 따라 대화 모델의 전환의 예시들을 나타내는 도면들이다.
도 7은 본 발명의 예시적 실시예에 따른 대화 모델 구현 플랫폼을 나타내는 블록도이다.
도 8은 본 발명의 예시적 실시예들에 따른 대화 모델의 예시들을 나타낸다.
이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대해 상세히 설명한다. 본 발명의 실시예는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하거나 축소하여 도시한 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하 도면 및 설명에서, 하나의 블록으로 표시 또는 설명되는 구성요소는 하드웨어 블록 또는 소프트웨어 블록일 수 있다. 예를 들면, 구성요소들 각각은 서로 신호를 주고 받는 독립적인 하드웨어 블록일 수도 있고, 또는 하나의 프로세서에서 실행되는 소프트웨어 블록일 수도 있다.
도 1은 본 발명의 예시적 실시예에 따른 대화 시스템(100)을 나타내는 블록도이고, 도 2는 본 발명의 예시적 실시예에 따른 대화 모델의 예시를 나타낸다. 일부 실시예들에서, 도 1의 대화 시스템(100)은 모듈형 대화 모델을 위한 시스템, 대화 처리 시스템, 챗봇 시스템 등으로 지칭될 수도 있다. 후술되는 바와 같이, 대화 시스템(100)은 모듈화된 복수의 대화 모델들을 사용하여 사용자(200)와의 대화, 예컨대 도 1에 도시된 바와 같이, 사용자(200)와 메시지들(U_MSG, S_MSG)를 주고 받을 수 있다.
사용자(200)는 대화 시스템(100)에 사용자 메시지(U_MSG)를 제공할 수 있고, 대화 시스템(100)으로부터 시스템 메시지(S_MSG)를 수신할 수 있다. 일부 실시예들에서, 사용자(200)는, 음성이나 텍스트 등으로 대화 시스템(100)에 직접 사용자 메시지(U_MSG)를 제공하고 음성이나 텍스트 등으로 시스템 메시지(S_MSG)를 확인하는 임의의 주체를 지칭할 수 있다. 일부 실시예들에서, 사용자(200)는 대화 시스템(100)과 통신 채널을 통해서 통신하는 임의의 단말기를 지칭할 수 있고, 단말기의 사용자로부터 입력된 메시지에 따라 통신 채널을 통해서 사용자 메시지(U_MSG)를 대화 시스템(100)에 전송하거나, 대화 시스템(100)으로부터 통신 채널을 통해서 수신된 시스템 메시지(S_MSG)를 음성 출력, 디스플레이 등의 방식으로 단말기의 사용자에게 제공할 수 있다. 사용자 메시지(U_MSG) 및 시스템 메시지(S_MSG)는 사용자(200) 및 대화 시스템(100) 사이 대화를 형성하는 메시지들에 대응할 수 있다.
대화 시스템(100)은 모듈화된 복수의 대화 모델들(DM1, DM2,..., DMn)에 기초하여 대화 모델을 구축할 수 있고, 구축된 대화 모델에 기초하여 사용자(200)와 대화를 수행할 수 있다. 도 1에 도시된 바와 같이, 대화 시스템(100)은 대화 처리부(110), 대화 모델 평가부(130), 대화 모델 선택부(150), 대화 모델 정보 저장부(170) 및 대화 모델 운영부(190)를 포함할 수 있다.
대화 처리부(110)는 사용자 메시지(U_MSG)를 수신할 수 있고, 사용자 메시지(U_MSG)를 분석함으로써 구조화된 데이터를 생성할 수 있다. 예를 들면, 대화 처리부(110)는 자연어 처리기를 포함할 수 있고, 자연어 처리기는 사용자 메시지(U_MSG)의 형태소를 분석하고 키워드를 추출할 수 있다. 대화 처리부(110)가 사용자 메시지(U_MSG)를 처리함으로써 생성된 구조화된 데이터는 대화 모델 평가부(130) 및 대화 모델 운영부(190)에 제공될 수 있고, 본 명세서에서 설명의 편의상 대화 모델 평가부(130) 및 대화 모델 운영부(190)가 사용자 메시지(U_MSG)를 수신하는 것으로 지칭될 수도 있다.
대화 처리부(110)는 대화 모델 운영부(190)가 제공하는 구조화된 데이터로부터 시스템 메시지(S_MSG)를 생성할 수 있다. 예를 들면, 대화 처리부(110)는 자연어 생성기를 포함할 수 있고, 자연어 생성기는 대화 모델 운영부(190)로부터 수신된 구조화된 데이터에 포함된 키워드들을 배치하고 조사, 부호 등을 추가함으로써 시스템 메시지(S_MSG)를 생성할 수 있다. 본 명세서에서 설명의 편의상, 대화 모델 운영부(190)가 제공한 구조화된 데이터로부터 대화 처리부(110)가 시스템 메시지(S_MSG)를 생성하는 것은 대화 모델 운영부(190)가 시스템 메시지(S_MSG)를 생성하는 것으로 지칭될 수도 있다.
대화 모델 운영부(190)는 복수의 대회 모델들(DM1, DM2,..., DMn) 중 하나를 실행할 수 있다. 대화 모델은 시나리오, 챗봇 등으로 지칭될 수 있고, 상호 전이 가능한 복수의 노드(또는 단계)들을 포함하는 전이 그래프(transition graph)를 포함할 수 있다. 본 명세서에서, 대화 모델은 단순하게 모델로서 지칭될 수도 있다. 대화 모델 운영부(190)는, 복수의 대회 모델들(DM1, DM2,..., DMn) 중 하나에 포함된 복수의 노드들 중 사용자 메시지(U_MSG)에 기초하여 현재 노드에서 다른 노드로 전이함으로써 전이된 노드에 대응하는 시스템 메시지(S_MSG)를 생성할 수 있다.
도 2를 참조하면, 대화 모델 운영부(190)에 포함된 대화 모델의 예시로서, 항공권 예약에 관한 대화 모델은 복수의 단계들(S11 내지 S17)을 포함할 수 있다. 도 2에 도시된 바와 같이, 대화 모델은 출발지 선택(S11), 도착지 선택(S12), 출발일 선택(S13), 도착일 선택(S14), 항공기 선택(S15), 좌석 선택(S16) 및 결재(S17)의 시나리오를 정의할 수 있다. 비록 도 2는 단순하게 연계된 복수의 단계들(S11 내지 S17)을 도시하였으나, 조건에 따라 하나의 단계에서 2이상의 단계들 중 하나의 단계로 진행할 수도 있다.
이와 같이, 대화 모델은 특정 시나리오를 지원할 수 있고, 이에 따라 대화의 주제 범위가 확장되는 경우 대화에 필요한 모든 구성요소를 하나의 대화 모델로 구현하는 것은 용이하지 아니할 수 있다. 예를 들면, 대화 모델을 구축하기 위하여, 사용자의 의도를 이해하기 위한 인텐트 정의, 여행 정보를 제공하기 위해 필요한 시간, 장소와 같이 대화 모델의 목적 달성을 위한 요소 추출(또는 슬롯필링(slot-filing)), 시간, 장소 등을 나타내는 단어들과 같이 요소의 인식을 위한 키워드 정의(또는 사전 구축) 등의 다양한 작업들이 요구될 수 있고, 대화 시나리오의 진행, 즉 노드 전이를 위한 대화 단계별 조건 설정이 요구될 수 있다. 확장된 주제로서 여행과 관련된 주제의 대화에서 호텔 예약, 항공권 예약, 날씨 정보 등이 필요한 경우, 대화 모델은 가능한 구성들, 즉 단계들을 하나의 시나리오에 담아 항공권 예약, 호텔 예약 및 날씨 정보 요청과 같은 순으로 대화 모델이 구축될 수 있다. 이에 따라, 개별 주제들, 예컨대 항공권 예약, 호텔 예약 및 날씨 정보 요청 각각에 대하여 대화 모델들이 이미 구축되어 있다 할지라도, 여행과 관련된 주제의 대화 모델의 구축은 전술된 작업들을 다시 수행할 것을 요구할 수 있고, 확장된 주제에 기인하여 그러한 작업들의 양은 개별 주제를 위한 대화 모델과 비교할 때 현저하게 증가할 수 있다.
또한, 확장된 주제의 대화 모델을 하나의 대화 모델로 구현하는 경우, 대화 모델의 수정이 용이하지 아니할 수 있다. 예를 들면, 대화 모델을 사용하여 대화 서비스를 제공하는 중 새로운 단계를 추가하거나 기존 단계가 불필요해진 경우, 전체 대화 모델의 수정이 요구될 수 있고, 결과적으로 대화 모델의 수정에 많은 시간과 비용이 소요될 수 있다.
이하에서 도면들을 참조하여 설명되는 바와 같이, 본 발명의 예시적 실시예들에 따른 모듈형 대화 모델을 위한 시스템 및 방법에 의하면, 개별 주제, 즉 항공권 예약, 호텔 예약 및 날씨 정보 요청 각각에 대하여 대화 모델들이 구축되고, 이러한 대화 모델들을 활용하여 전체 주제의 검증된 대화 모델이 용이하게 구축될 수 있다. 즉, 모듈형 대화 모델들을 활용함으로써 설계자가 원하는 대화 모델이 용이하게 구축될 수 있다.
대화 모델 평가부(130)는 사용자 메시지(U_MSG)에 기초하여 대화 모델 운영부(190)에 포함된 복수의 대화 모델들(DM1, DM2,..., DMn)을 평가할 수 있다. 후술되는 바와 같이, 대화 모델 정보 저장부(170)는 복수의 대화 모델들(DM1, DM2,..., DMn) 각각이 시스템 메시지(S_MSG)의 생성을 위해 요구하는 정보(또는 대화 모델의 목적 달성을 위해 요구되는 정보)를 저장할 수 있고, 대화 모델 평가부(130)는 대화 모델 정보 저장부(170)에 저장된 정보 및 사용자 메시지(U_MSG) 사이 매칭 정도에 기초하여 복수의 대화 모델들(DM1, DM2,..., DMn)을 평가할 수 있다. 예를 들면, 사용자 메시지(U_MSG)로부터 분석된 의도, 요소 및 키워드와 복수의 대화 모델들(DM1, DM2,..., DMn)에 대응하는 의도, 요소 및 키워드 사이 매칭 정도가 평가될 수 있다. 일부 실시예들에서, 대화 모델 평가부(130)는 단어가 가지는 의미가 고유한 벡터값으로 표현된 워드 벡터를 사용하여 매칭 정도를 평가할 수 있다.
대화 모델 선택부(150)는 대화 모델 평가부(130)가 복수의 대화 모델들(DM1, DM2,..., DMn)을 평가한 결과에 기초하여 복수의 대화 모델들(DM1, DM2,..., DMn) 중 하나를 선택할 수 있다. 예를 들면, 대화 모델 선택부(150)는 사용자 메시지(U_MSG)와 가장 높은 매칭 정도를 가지는 대화 모델을 선택할 수 있다. 대화 모델 운영부(190)는 대화 모델 선택부(150)에 의해서 선택된 대화 모델을 실행할 수 있다. 예를 들면, 대화 모델 운영부(190)는 대화의 시작시 선택된 대화 모델을 실행할 수도 있고, 실행 중인 대화 모델을 정지하고 대화 모델 선택부(150)에 의해서 선택된 다른 대화 모델을 실행할 수도 있다. 대화 모델 선택부(150) 및 대화 모델 운영부(190)의 동작의 예시들은 도 4 및 도 5 등을 참조하여 후술될 것이다.
대화 모델 정보 저장부(170)는 대화 모델 운영부(190)에 포함된 복수의 대화 모델들(DM1, DM2,..., DMn)에 대한 정보를 저장할 수 있다. 일부 실시예들에서, 대화 모델 정보 저장부(170)는, 전술된 바와 같이 복수의 대화 모델들(DM1, DM2,..., DMn) 각각이 시스템 메시지(S_MSG)의 생성을 위해 요구하는 정보(또는 대화 모델의 목적 달성을 위해 요구되는 정보)를 저장할 수 있다. 예를 들면, 대화 모델 정보 저장부(170)는 복수의 대화 모델들(DM1, DM2,..., DMn) 각각이 요구하는 정보로서 시스템 메시지(S_MSG)의 특정에 요구되는 요소들, 사용자의 의도, 키워드 중 적어도 하나를 저장할 수 있다. 도 4를 참조하여 후술되는 바와 같이, 대화 모델 정보 저장부(170)에 저장된 정보는 신규 대화 모델(본 명세서에서 제1 대화 모델로서 지칭될 수 있다)을 등록시 갱신될 수 있다.
도 3은 본 발명의 예시적 실시예에 따라 복수의 대화 모델들에 기초하여 대화 모델을 구축하는 예시를 나타내는 도면이다. 도 1을 참조하여 전술된 바와 같이, 일부 실시예들에서 수평적 구조의 복수의 대화 모델들(DM1, DM2,..., DMn)이 준비될 수 있고, 사용자(200)와의 대화에 따라 복수의 대화 모델들(DM1, DM2,..., DMn) 중 하나를 선택함으로써 대화가 수행될 수 있다. 이하에서, 도 3은 도 1을 참조하여 설명될 것이다.
도 3의 좌측을 참조하면, 개별 주제에 대응하는 대화 모델들로서, 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33)이 구축될 수 있다. 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33) 중 적어도 하나는, 기존 서비스를 위해서 구축된 대화 모델일 수도 있고, 여행 대화 모델(30)의 구축을 위하여 생성된 대화 모델일 수도 있다. 개별 주제들에 각각 대응하는 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33)은 상대적으로 간이하게 생성될 수 있다.
도 3의 중간을 참조하면, 호텔 예약 모델(31'), 항공권 예약 모델(32') 및 날씨 정보 응답 모델(33')을 포함하는 여행 대화 모델(30)이 구축될 수 있다. 도 1을 참조하여 전술된 바와 같이, 여행 대화 모델(30)을 하나의 대화 모델로서 처음부터 구축하는 것보다, 모듈화된 대화 모델, 즉 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33)을 사용하여 구축하는 것이 보다 효율적일 수 있다. 예를 들면, 대화 모델이 포함하는 전이 그래프의 복잡도는 노드들의 수에 지수함수적으로(exponentially) 비례할 수 있으므로, 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33)을 개별적으로 구현하고 이를 이용하는 것이 보다 효율적일 수 있다.
도 3의 우측을 참조하면, 도 3의 중간에 도시된 여행 대화 모델(30)에 관광정보 제공 모델(33")이 추가됨으로써 여행 대화 모델(30')이 구축될 수 있다. 예를 들면, 여행 대화 모델(30)에 기초하여 대화 서비스를 제공 중 관광정보에 대한 대화를 추가하고자 하는 경우, 여행 대화 모델(30')을 폐기하고 관광정보에 대한 대화를 지원하는 여행 대화 모델을 다시 구축하는 것보다, 여행 대화 모델(30)에 관광정보 제공 모델(33")을 추가함으로써 여행 대화 모델(30')을 생성하는 것이 보다 효율적일 수 있다.
전술된 바와 같은 도 3의 여행 대화 모델들(30, 30')은, 도 1을 참조하여 전술된 바와 같이, 모듈화된 대화 모델들, 즉 상호 대등한 복수의 대화 모델들(예컨대, 31, 32, 33)을 평가하고, 평가 결과 가장 높은 점수를 가지는 대화 모델이 적절하게 선택되어 실행됨으로써 구축될 수 있다.
도 4는 본 발명의 예시적 실시예에 따른 모듈화된 대화 모델을 위한 방법을 나타내는 순서도이다. 구체적으로, 도 4는 신규 대화 모델을 추가하는 방법을 나타낸다. 도 4에 도시된 바와 같이, 도 4의 방법은 복수의 동작들(OP42, OP44, OP46)을 포함할 수 있고, 일부 실시예들에서 도 1의 대화 시스템(100)에 의해서 수행될 수 있다. 이하에서, 도 4는 도 1을 참조하여 설명될 것이다.
동작 OP42에서, 신규 대화 모델을 수신하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 운영부(190)는 복수의 대화 모델들(DM1, DM2,..., DMn)과 상이한 신규 대화 모델을 수신할 수 있다. 일부 실시예들에서, 대화 시스템(100)은 인터넷과 같은 네트워크에 접속할 수 있고, 대화 모델 운영부(190)는 네트워크를 통해서 신규 대화 모델을 수신할 수 있다. 일부 실시예들에서, 대화 모델 운영부(190)는 대화 시스템(100)에 접속된 스토리지 장치로부터 신규 대화 모델을 수신할 수도 있다.
동작 OP44에서, 신규 대화 모델의 정보를 대화 모델 정보 저장부(170)에 저장하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 운영부(190)는 동작 OP42에서 수신된 신규 대화 모델에 대한 정보로서, 신규 대화 모델이 시스템 메시지(S_MSG)의 생성을 위해 요구하는 정보를 획득하여 대화 모델 정보 저장부(170)에 저장할 수 있다. 도 1을 참조하여 전술된 바와 같이, 대화 모델 정보 저장부(170)에 저장된 정보는 대화 모델 평가부(130)에 의해서 신규 대화 모델을 평가하는데 사용될 수 있다.
동작 OP46에서, 신규 대화 모델의 등록을 완료하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 평가부(130)는 복수의 대화 모델들(DM1, DM2,..., DMn)뿐만 아니라 신규 대화 모델을 평가하도록 구성될 수 있고, 대화 모델 선택부(150)는 신규 대화 모델을 선택할 수 있도록 구성될 수 있으며, 대화 모델 운영부(190)는 대화 모델 선택부(150)의 선택에 따라 신규 대화 모델을 실행할 수 있도록 구성될 수 있다.
도 5는 본 발명의 예시적 실시예에 따라 모듈형 대화 모듈을 위한 방법을 나타내는 순서도이다. 구체적으로, 도 5는 대화 모델을 전환하는 방법을 나타낸다. 도 5에 도시된 바와 같이, 도 5의 방법은 복수의 동작들(OP52, OP54, OP56, OP58)을 포함할 수 있고, 일부 실시예들에서 도 1의 대화 시스템(100)에 의해서 수행될 수 있다. 이하에서, 도 5는 도 1을 참조하여 설명될 것이다.
동작 OP52에서, 사용자 메시지(U_MSG)를 수신하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 운영부(190)는 대화 처리부(110)를 통해서 사용자 메시지(U_MSG)로부터 생성된 구조화된 데이터를 수신할 수 있다. 도 1 및 도 2를 참조하여 전술된 바와 같이, 대화 모델 운영부(190)는 사용자 메시지(U_MSG)에 기초하여 대화 모델에 포함된 현재 단계에서 다음 단계로 진행할 수 있다.
동작 OP54에서, 대화 모델의 실행을 정지할지 여부를 판정하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 운영부(190)는 동작 OP52에서 수신된 사용자 메시지(U_MSG)가 현재 실행 중인 대화 모델의 주제와 상이한 주제에 대응하는 경우, 대화 모델의 실행 정지를 판정할 수 있다. 도 3의 여행 대화 모델(30)에서, 호텔 예약 모델(31')에 따라 대화가 진행 중 사용자(200)가 항공권 예약을 요청하는 경우, 대화 모델 운영부(190)는 호텔 예약 모델(31')의 실행을 정지할 수 있다. 도 6a 및 도 6b를 참조하여 후술되는 바와 같이, 대화 모델의 실행 정지는 대화 모델의 실행 종료 및 대화 모델의 실행 일시 중지를 포함할 수 있다. 도 5에 도시된 바와 같이, 대화 모델의 실행을 정지하지 아니하는 것으로 판정된 경우, 대화 모델의 전환 없이 도 5의 방법은 종료할 수 있고, 동작 OP52에 따라 노드 전이가 발생할 수 있다. 다른 한편으로, 대화 모델의 실행을 정지하는 것으로 판정된 경우, 동작 OP56이 후속하여 수행될 수 있다.
동작 OP56에서, 복수의 대화 모델들(DM1, DM2,..., DMn)을 평가하는 동작이 수행될 수 있다. 예를 들면, 도 1을 참조하여 전술된 바와 같이, 대화 모델 평가부(130)는 동작 OP52에서 수신된 사용자 메시지(U_MSG)에 기초하여 대화 모델 운영부(190)에 포함된 복수의 대화 모델들(DM1, DM2,..., DMn)을 평가할 수 있다. 일부 실시예들에서, 대화 모델 평가부(130)는 동작 OP54에서 실행이 정지된 대화 모델에 대한 평가는 생략할 수 있다. 그 다음에, 대화 모델 선택부(150)는 평가 결과에 기초하여 복수의 대화 모델들(DM1, DM2,..., DMn) 중 하나를 선택할 수 있다.
동작 OP58에서, 선택된 대화 모델에 대화 컨텍스트를 제공하는 동작이 수행될 수 있다. 예를 들면, 대화 모델 선택부(150)는 동작 OP54에서 대화 모델의 실행이 정지될 때까지 사용자(200)와의 대화를 통해서 수집된 정보를 포함하는 대화 컨텍스트를 동작 OP56에서 선택된 대화 모델에 제공할 수 있다. 이에 따라, 선택된 대화 모델이 자신의 목적 달성을 위한 요소 중 적어도 일부가 대화 컨텍스트에 의해서 확보될 수 있다.
도 6a 및 도 6b는 본 발명의 예시적 실시예들에 따라 대화 모델의 전환의 예시들을 나타내는 도면들이다. 구체적으로, 도 6a 및 도 6b는 제2 대화 모델로부터 제3 대화 모델로 전환하는 예시들을 나타낸다. 도 5를 참조하여 전술된 바와 같이, 실행 중인 대화 모델, 즉 제2 대화 모델의 정지 여부가 판정될 수 있고, 제2 대화 모델의 정지가 판정된 경우, 대화 모델들의 평가를 통해서 제3 대화 모델이 선택될 수 있다. 이하에서, 도 6a 및 도 6b는 도 1 및 도 5를 참조하여 설명될 것이며, 도 6a 및 도 6b에 대한 설명 중 중복되는 내용은 생략될 것이다.
도 6a를 참조하면, 대화 모델 운영부(190)는 제2 대화 모델을 실행할 수 있다. 예를 들면, 도 6a에 도시된 바와 같이, 대화 모델 운영부(190)는 사용자 메시지(U_MSG)에 기초하여 단계 S21에서 단계 S22로 진행(즉, 노드 전이)할 수 있고, 시스템 메시지(S_MSG)를 사용자(200)에 제공할 수 있다. 또한, 대화 모델 운영부(190)는 단계 S22에서 수신된 사용자 메시지(U_MSG)에 기초하여 제2 대화 모델의 정지로서 제2 대화 모델의 종료를 판정할 수 있다. 이에 따라, 단계 S22에 후속하는 제2 대화 모델의 단계들은 고려되지 아니할 수 있고, 대화 모델들의 평가에 의해서 선택된 제3 대화 모델의 단계들, 즉 단계 S31 및 단계 S32 등이 후속하여 실행될 수 있다.
도 6b를 참조하면, 대화 모델 운영부(190)는 사용자 메시지(U_MSG)에 기초하여 단계 S21'에서 단계 S22'로 진행할 수 있고, 시스템 메시지(S_MSG)를 사용자(200)에 제공할 수 있다. 또한, 대화 모델 운영부(190)는 단계 S22'에서 수신된 사용자 메시지(U_MSG)에 기초하여 제2 대화 모델의 정지로서 제2 대화 모델의 일시 중지를 판정할 수 있다. 일부 실시예들에서, 대화 모델 선택부(150)는 제2 대화 모델의 일시 중지가 판정된 경우, 일시 중지된 단계, 즉 단계 S22'에 대한 정보를 저장한 후 평가를 통해서 선택된 대화 모델, 즉 제3 대화 모델을 선택할 수 있다. 이에 따라, 대화 모델 운영부(190)는 제3 대화 모델의 단계들, 즉 단계 S31' 내지 S3m'을 후속하여 실행할 수 있고, 제3 대화 모델의 실행이 완료된 경우(즉, 제3 대화 모델의 목적이 달성된 경우), 대화 모델 선택부(150)는 제2 대화 모델에서 일시 중지된 단계, 즉 단계 S22'를 대화 모델 운영부(190)가 실행하도록 할 수 있다.
도 7은 본 발명의 예시적 실시예에 따른 대화 모델 구현 플랫폼(300)을 나타내는 블록도이고, 도 8은 본 발명의 예시적 실시예들에 따른 대화 모델의 예시들을 나타낸다. 일부 실시예들에서, 도 7의 대화 모델 구현 플랫폼(300)은 모듈형 대화 모델의 구현을 위한 시스템으로 지칭될 수 있다. 후술되는 바와 같이, 대화 모델 구현 플랫폼(300)은 사용자(400)(또는 대화 모델의 설계자)가 대화 모델을 설계하는 환경을 제공할 수 있고, 설계된 대화 모델을 생성할 수 있다.
일부 실시예들에서, 하나의 대화 모델의 단계로서 다른 대화 모델이 사용될 수 있다. 도 8을 참조하면, 항공권 예약 모델은 출발지 선택(S41), 도착지 선택(S42), 출발일 선택(S43), 도착일 선택(S44), 항공기 선택(S45), 좌석 선택(S46) 및 결재(S47)의 시나리오를 정의할 수 있는 한편, 호텔 예약 모델은 호텔 선택(S51), 체크인 선택(S52), 체크아웃 선택(S53), 인원수 선택(S54), 룸 선택(S55), 옵션 선택(S56) 및 결재(S57)의 시나리오를 정의할 수 있다. 이에 따라, 도 8에서 음영처리된 바와 같이, 항공권 예약 모델의 결재(S47) 및 호텔 예약 모델의 결재(S57)는 공통될 수 있고, 항공권 예약 모델 및 호텔 예약 모델은 이러한 공통되는 대화 모델의 단계를 대화 모델, 즉 결재 모델로서 포함할 수 있다. 이에 따라, 항공권 예약 모델 및 호텔 예약 모델의 구축에 소비되는 비용이 절감될 수 있을 뿐만 아니라 이미 구축된 검증된 대화 모델, 즉 결재 모델이 그대로 활용될 수 있다.
다시 도 7을 참조하면, 대화 모델 구현 플랫폼(300)은 모듈형 대화 모델에 기초하여, 설계 중인 대화 모델(본 명세서에서 제1 대화 모델로서 지칭될 수 있다)에 포함되는 하나의 단계로서 다른 대화 모델(본 명세서에서 제2 대화 모델로서 지칭될 수 있다)이 사용되도록, 사용자(400)에 인터페이스를 제공할 수 있고, 설계된 대화 모델을 생성할 수 있다. 이에 따라, 도 1 등을 참조하여 전술된 예시들에서 상호 대등한 관계의 대화 모델들이 선택을 통해서 실행되는 것과 비교할 때, 도 7의 대화 모델 구현 플랫폼(300)에 의해서 생성된 대화 모델은 다른 대화 모델을 포함할 수 있다. 도 7에 도시된 바와 같이, 대화 모델 구현 플랫폼(300)은 대화 모델 편집부(320), 대화 모델 라이브러리(340) 및 대화 모델 생성기(360)를 포함할 수 있다.
대화 모델 라이브러리(340)는 복수의 대화 모델들을 저장할 수 있다. 예를 들면, 도 3의 호텔 예약 모델(31), 항공권 예약 모델(32) 및 날씨 정보 응답 모델(33)과 같은 복수의 모듈화된 대화 모델들이 대화 모델 라이브러리(340)에 저장될 수 있다.
대화 모델 편집부(320)는 설계 중인 대화 모델, 즉 제1 대화 모델에 포함된 복수의 단계들을 편집하기 위한 인터페이스를 사용자(400)에 제공할 수 있다. 예를 들면, 대화 모델 편집부(320)는 복수의 노드들을 포함하는 전이 그래프의 디스플레이를 사용자(400)에 제공할 수 있다. 일부 실시예들에서, 대화 모델 편집부(320)는 대화 모델 라이브러리(340)에 포함된 복수의 대화 모델들 중 사용자(400)에 의해서 선택된 대화 모델, 즉 제2 대화 모델이, 제1 대화 모델의 하나의 단계로서 추가되도록 사용자(400)에 대화 모델 라이브러리(340)를 제공할 수 있다. 예를 들면, 대화 모델 편집부(320)는 대화 모델 라이브러리(340)에 포함된 복수의 대화 모델들 중 하나를 사용자가 선택할 수 있도록, 복수의 대화 모델들의 리스트를 사용자(400)에 제공할 수 있다. 이에 따라, 사용자(400)는 제1 대화 모델에서 제2 대화 모델을 용이하게 추가할 수 있고, 결과적으로 대화 모델의 설계를 조기에 완료할 수 있다. 대화 모델 편집부(320)는 제1 대화 모델을 정의하는 데이터를 대화 모델 생성기(360)에 제공할 수 있다.
대화 모델 생성기(360)는 대화 모델 편집부(320)로부터 제공된 데이터에 기초하여 대화 모델, 즉 제1 대화 모델을 생성할 수 있고, 제1 대화 모델을 대화 모델 라이브러리(340)에 추가할 수 있다. 대화 모델 생성기(360)는 대화 모델 편집부(320)에서 사용자가 하나의 단계로서 추가한 제2 대화 모델을 다양한 방식으로 제1 대화 모델의 하나의 단계에 대응시킬 수 있다. 일부 실시예들에서, 대화 모델 생성기(360)는, 대화 모델 라이브러리(340)를 참조하여, 제2 대화 모델을 그대로 포함하는 제1 대화 모델을 생성할 수 있다. 일부 실시예들에서, 대화 모델 생성기(360)는, 대화 모델 라이브러리(340)를 참조하여, 대화 모델 라이브러리(340)에 포함된 제2 대화 모델을 호출하는 제1 대화 모델을 생성할 수도 있다. 또한, 일부 실시예들에서, 대화 모델 생성기(360)는, 제2 대화 모델이 추가되는 단계의 이전 단계까지 수집된 정보 중 제2 대화 모델이 시스템 메시지(S_MSG)의 생성을 위해 요구하는 정보와 공통되는 정보를 제2 대화 모델에 제공하도록 제1 대화 모델을 생성할 수 있다. 이에 따라, 공통되는 정보에 의해서 제2 대화 모델에 포함된 단계들 중 적어도 일부가 스킵될 수 있고, 예컨대 제1 대화 모델에 포함되는 제2 대화 모델은 초기의 적어도 일부 단계들이 스킵된 단계에서 출발할 수 있다.
이상에서와 같이 도면과 명세서에서 예시적인 실시예들이 개시되었다. 본 명세서에서 특정한 용어를 사용하여 실시예들을 설명되었으나, 이는 단지 본 발명의 기술적 사상을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (10)

  1. 모듈형 대화 모델을 위한 시스템으로서,
    사용자 메시지에 기초하여 대화 모델에 포함된 단계들을 전이함으로써, 복수의 대화 모델들 중 하나를 실행하도록 구성된 대화 모델 운영부;
    상기 복수의 대화 모델들 각각이 시스템 메시지의 생성을 위해 요구하는 정보와 사용자 메시지의 매칭 정도에 기초하여, 상기 복수의 대화 모델들을 평가하도록 구성된 대화 모델 평가부; 및
    평가 결과에 기초하여 상기 복수의 대화 모델들 중 하나를 선택하도록 구성된 대화 모델 선택부를 포함하고,
    상기 대화 모델 운영부는, 상기 복수의 대화 모델들 중 제1 대화 모델의 실행 중 제1 사용자 메시지에 기초하여 상기 제1 대화 모델의 실행 종료 및 실행 일시 중지 중 하나로서 상기 제1 대화 모델의 실행 정지를 판정하도록 구성되고,
    상기 대화 모델 평가부는, 상기 제1 대화 모델의 실행 정지에 응답하여 상기 제1 사용자 메시지에 기초하여 상기 복수의 대화 모델들을 평가하도록 구성되고,
    상기 대화 모델 선택부는,
    평가 결과에 기초하여 제2 대화 모델을 선택하고,
    상기 제1 대화 모델의 실행 정지시까지 형성된 대화 컨택스트를 상기 제2 대화 모델에 제공하고,
    상기 제1 대화 모델의 실행 일시 중지가 판정된 경우, 상기 제1 대화 모델에서 일시 중지된 단계에 대한 정보를 저장하고, 상기 제2 대화 모델의 종료시 상기 제1 대화 모델을 선택하고, 상기 대화 모델 운영부가 상기 제1 대화 모델의 상기 일시 중지된 단계를 실행하도록 하는 것을 특징으로 하는 모듈형 대화 모델을 위한 시스템.
  2. 청구항 1에 있어서,
    상기 복수의 대화 모델들 각각이 요구하는 정보로서, 상기 시스템 메시지의 특정에 요구되는 요소들, 사용자의 의도, 키워드 중 적어도 하나를 저장하도록 구성된 대화 모델 정보 저장부를 더 포함하는 모듈형 대화 모델을 위한 시스템.
  3. 청구항 2에 있어서,
    상기 대화 모델 운영부는, 상기 복수의 대화 모델들과 상이한 제3 대화 모델을 수신하고 상기 제3 대화 모델이 시스템 메시지의 생성을 위해 요구하는 정보를 획득하여 상기 대화 모델 정보 저장부에 저장함으로써, 상기 제3 대화 모델을 신규로 등록하도록 구성된 것을 특징으로 하는 모듈형 대화 모델을 위한 시스템.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
KR1020190002992A 2019-01-09 2019-01-09 모듈형 대화 모델을 위한 시스템 및 방법 KR102221088B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190002992A KR102221088B1 (ko) 2019-01-09 2019-01-09 모듈형 대화 모델을 위한 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190002992A KR102221088B1 (ko) 2019-01-09 2019-01-09 모듈형 대화 모델을 위한 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200086587A KR20200086587A (ko) 2020-07-17
KR102221088B1 true KR102221088B1 (ko) 2021-02-26

Family

ID=71832455

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190002992A KR102221088B1 (ko) 2019-01-09 2019-01-09 모듈형 대화 모델을 위한 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102221088B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004092967A1 (ja) 2003-04-14 2004-10-28 Fujitsu Limited 対話装置、対話方法及び対話プログラム
JP2017514173A (ja) 2014-04-17 2017-06-01 ソフトバンク・ロボティクス・ヨーロッパSoftbank Robotics Europe ロボットの対話を管理する方法とシステム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060070605A (ko) * 2004-12-21 2006-06-26 한국전자통신연구원 영역별 언어모델과 대화모델을 이용한 지능형 로봇 음성인식 서비스 장치 및 방법
KR101940719B1 (ko) * 2012-12-14 2019-01-23 한국전자통신연구원 태스크 그래프 기반 대화 처리 시스템의 태스크 그래프 구축 장치 및 방법
KR20160149488A (ko) * 2015-06-18 2016-12-28 한국전자통신연구원 대화 상황 및 주제에 따른 대화 순서 관리 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004092967A1 (ja) 2003-04-14 2004-10-28 Fujitsu Limited 対話装置、対話方法及び対話プログラム
JP2017514173A (ja) 2014-04-17 2017-06-01 ソフトバンク・ロボティクス・ヨーロッパSoftbank Robotics Europe ロボットの対話を管理する方法とシステム

Also Published As

Publication number Publication date
KR20200086587A (ko) 2020-07-17

Similar Documents

Publication Publication Date Title
US11481418B2 (en) Natural question generation via reinforcement learning based graph-to-sequence model
Petriu et al. Software performance models from system scenarios in use case maps
CN110321413B (zh) 会话框架
Petriu et al. Applying the UML performance profile: Graph grammar-based derivation of LQN models from UML specifications
Martens Analyzing web service based business processes
US20180090141A1 (en) Conversational interactions using superbots
CN109033223A (zh) 用于跨类型对话的方法、装置、设备以及计算机可读存储介质
TW201833903A (zh) 對話生成方法、裝置及儲存介質
US11600276B2 (en) Graph based prediction for next action in conversation flow
US20100080148A1 (en) Adaptive enterprise service bus (esb) runtime system and method
Olszewska et al. DevOps meets formal modelling in high-criticality complex systems
CN113641591A (zh) 测试用例生成方法及装置、测试方法及装置
KR102016603B1 (ko) 온톨로지 기반의 대화 시스템
KR102221088B1 (ko) 모듈형 대화 모델을 위한 시스템 및 방법
Srivastava et al. A reference architecture for applications with conversational components
Popp et al. A high-level agent interaction protocol based on a communication ontology
US8744820B2 (en) Integration of workflows from various systems
Petriu et al. Software performance models from system scenarios
US20220269868A1 (en) Structure self-aware model for discourse parsing on multi-party dialogues
Van Doc et al. Development of the rules for transformation of UML sequence diagrams into queueing petri nets
Sun et al. A demonstration-based model transformation approach to automate model scalability
Zhu et al. Validation of pervasive cloud task migration with colored petri net
CN116341633B (zh) 一种模型部署方法、装置、设备及存储介质
Qian et al. A dynamic service composition schema for pervasive computing
Kunneman et al. SUPPLE: A Dialogue Management Approach Based on Conversation Patterns

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant