KR102307380B1 - 자연어 처리 기반 콜센터 지원 시스템 및 방법 - Google Patents

자연어 처리 기반 콜센터 지원 시스템 및 방법 Download PDF

Info

Publication number
KR102307380B1
KR102307380B1 KR1020180150139A KR20180150139A KR102307380B1 KR 102307380 B1 KR102307380 B1 KR 102307380B1 KR 1020180150139 A KR1020180150139 A KR 1020180150139A KR 20180150139 A KR20180150139 A KR 20180150139A KR 102307380 B1 KR102307380 B1 KR 102307380B1
Authority
KR
South Korea
Prior art keywords
customer
natural language
language processing
question
query
Prior art date
Application number
KR1020180150139A
Other languages
English (en)
Other versions
KR20200063886A (ko
Inventor
이정하
곽영건
배정수
김동준
양이랑
Original Assignee
(주)중외정보기술
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 (주)중외정보기술 filed Critical (주)중외정보기술
Priority to KR1020180150139A priority Critical patent/KR102307380B1/ko
Publication of KR20200063886A publication Critical patent/KR20200063886A/ko
Application granted granted Critical
Publication of KR102307380B1 publication Critical patent/KR102307380B1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/5175—Call or contact centers supervision arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템은 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스; 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석하며, 상기 분석의 결과에 기초하여 상기 데이터베이스로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하는 자연어 처리 계층부; 및 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록하는 서비스 계층부를 포함한다.

Description

자연어 처리 기반 콜센터 지원 시스템 및 방법{NATURAL LANGUAGE PROCESSING BASED CALL CENTER SUPPORT SYSTEM AND METHOD}
본 발명의 실시예들은 자연어 처리 기반 콜센터 지원 시스템 및 방법에 관한 것이다.
대부분의 제조사, 제휴사 또는 운영 회사는 사람들이 사용하는 각종 단말기, 가전 제품 등에 대한 고객 서비스를 제공하기 위해 콜센터와 같은 고객 센터를 운영하고 있다.
콜센터는 음성 안내 시스템을 이용하여 고객과 상담사를 연결하여 고객으로부터 서비스 요청을 접수받으며 상담사는 접수된 서비스 내용을 직접 전산에 입력하고 해당 서비스 내용을 처리할 작업자를 선택하는 등의 온라인상의 서비스 접수 절차를 진행한다.
그런데 이러한 기존의 콜센터 운용 방식은 콜센터로 전화한 고객이 해당 파트의 상담사와 연결되기까지 많은 단계의 절차를 거쳐야 하는 불편함이 있는 등 고객을 만족시키기에는 어려움이 따르는 실정이다.
고객 만족이 중요한 이유는 경쟁의 구도가 바뀌고 있기 때문이다. 과거에는 기업 대부분이 같은 업종 내부의 경쟁에만 집중하면 되었으나 고객층과 경쟁 구도의 변화라는 새로운 시장 상황에 직면해 고객 만족의 중요성이 증가하고 있다. 기업의 62%는 고객 만족을 기업 운영 성과평가 기준의 가장 중요한 지표 3개 중 하나이며 이러한 고객 대응의 최전선에 있는 것이 콜센터이다. 따라서 시장에서 차별화할 수 있는 요소는 콜센터와 고객 대응이며 빠른 대응이 필수적이다.
고객 응대는 동일한 문제로 질의를 하는 경우가 많으나, 현재 콜센터에서는 이전에 동일 또는 유사한 사항에 대한 답변을 일일이 찾아야 하며 대부분의 경우 다시 답변을 생성하는 방식으로 진행하여, 고객 응대가 늦어지며, 고객의 소리를 제품 개선에 활용하고 있지 못하고 있는 실정이다.
관련 선행기술로는 대한민국 등록특허공보 제10-1827320호(발명의 명칭: 인공지능 콜센터 서버, 등록일자: 2018.02.02)가 있다.
본 발명의 일 실시예는 콜센터에 접수된 고객 질문에 대해 자연어 처리 엔진 및 기계 학습을 통해 신속하고 정확하게 응대함으로써 고객 응대 시간을 단축시켜 고객의 만족도를 높일 수 있도록 하는 자연어 처리 기반 콜센터 지원 시스템 및 방법을 제공한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템은 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스; 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석하며, 상기 분석의 결과에 기초하여 상기 데이터베이스로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하는 자연어 처리 계층부; 및 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록하는 서비스 계층부를 포함한다.
상기 자연어 처리 계층부는 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행하여 불필요한 단어를 제거하고 의미 있는 단어들만 추출하고, 상기 추출된 의미 있는 단어들에 대해 구문 분석을 수행하여 상기 고객 등록 글에 대한 의미(Intent)를 도출할 수 있다.
상기 자연어 처리 계층부는 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행한 후, 상기 형태소 분석에 따라 추출된 단어들의 명사, 대명사, 동사 중 적어도 하나의 품사를 기준으로 각 품사별 빈도수에 따른 가중치를 반영하여, 상기 고객 등록 글과 관련된 핵심 단어를 시각화하여 제공할 수 있는 워드 클라우딩(Word Clouding)을 작성하여 상기 핵심 단어를 주간, 월간, 보험법 변경 전, 보험법 변경 후로 구분할 수 있다.
상기 자연어 처리 계층부는 상기 작성된 워드 클라우딩을 통해 상기 고객 등록 글(고객 문의 사항)에 대한 답변 중에서 최종 등록된 베스트 답변을 나타내는 고객 응대 유형을 파악하여 보험법 변경 전과 보험법 변경 후로 구분하여 제공할 수 있다.
상기 자연어 처리 계층부는 상기 고객 등록 글에 대한 의미에 기초하여 질의 내용을 분류하고, 분류된 각 질의 내용에 따라 담당자를 배정할 수 있다.
본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템은 상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 기계 학습 알고리즘을 수행하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 기계 학습 계층부를 더 포함할 수 있다.
상기 기계 학습 계층부는 상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 지도 학습(Supervised Learning)을 수행하여 예측 모델(Predictive Model)을 생성하고, 상기 생성된 예측 모델에 기초하여 상기 고객의 질문에 대한 베스트 답변을 추론할 수 있다.
상기 서비스 계층부는 상기 등록된 답변에 대한 고객 평가에 기초하여 상기 고객의 질문에 대한 답변의 해결 여부를 판단하고, 상기 판단 결과 미해결시 담당자를 연결하여 상기 담당자가 고객 문의 사항을 확인한 후 직접 답변을 등록하도록 하며, 상기 기계 학습 계층부는 상기 담당자에 의해 직접 등록된 답변을 상기 예측 모델에 적용하여 기계 학습을 수행하여 상기 예측 모델을 업데이트할 수 있다.
본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 방법은 자연어 처리 기반 콜센터 지원 시스템의 자연어 처리 계층부가 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석하는 단계; 상기 자연어 처리 계층부가 상기 분석의 결과에 기초하여 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하는 단계; 및 상기 자연어 처리 기반 콜센터 지원 시스템의 서비스 계층부가 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록하는 단계를 포함한다.
본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 방법은 상기 자연어 처리 기반 콜센터 지원 시스템의 기계 학습 계층부가 상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 기계 학습 알고리즘을 수행하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 단계를 더 포함할 수 있다.
상기 고객의 질문에 대한 베스트 답변을 추론하는 단계는 상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 지도 학습(Supervised Learning)을 수행하여 예측 모델(Predictive Model)을 생성하는 단계; 및 상기 생성된 예측 모델에 기초하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 방법은 상기 서비스 계층부가 상기 등록된 답변에 대한 고객 평가에 기초하여 상기 고객의 질문에 대한 답변의 해결 여부를 판단하는 단계; 및 상기 서비스 계층부가 상기 판단 결과 미해결시 담당자를 연결하여 상기 담당자가 고객 문의 사항을 확인한 후 직접 답변을 등록하도록 하는 단계를 더 포함하고, 상기 고객의 질문에 대한 베스트 답변을 추론하는 단계는 상기 담당자에 의해 직접 등록된 답변을 상기 예측 모델에 적용하여 기계 학습을 수행하여 상기 예측 모델을 업데이트하는 단계를 더 포함할 수 있다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 첨부 도면들에 포함되어 있다.
본 발명의 일 실시예에 따르면, 콜센터에 접수된 고객 질문에 대해 자연어 처리 엔진 및 기계 학습을 통해 신속하고 정확하게 응대함으로써 고객 응대 시간을 단축시켜 고객의 만족도를 높일 수 있다.
본 발명의 일 실시예에 따르면, 인간이 발화하는 언어 현상을 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 변환하고 도메인별로 축적되어지고 있는 산업 분야별 데이터를 기계학습을 통하여 처리 후 지식 DB로 축적, 원하는 상황별로 챗봇(ChatBot)을 통해 다시 인간이 이해할 수 있는 언어로 제공할 수 있다.
본 발명의 일 실시예에 따르면, 복잡한 생산라인에 투입된 신입사원이 SOP (Standard Operation Procedure) 또는 가이드라인(Guideline)에 대하여 숙지를 하지 않을 경우 효율적 공정 관리를 기대할 수 없으나, 텍스트 기반인 SOP 및 Guideline을 자연어 처리 엔진과 기계 학습을 이용하여 적시에 적절한 답변을 제공하고, 공정흐름 및 생산성 재고를 위한 지식을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템의 네트워크 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템을 설명하기 위해 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 방법을 설명하기 위해 도시한 흐름도이다.
도 4 내지 도 8은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템의 실행 화면의 일례를 도시한 예시도이다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다.
또한, 이하 실시되는 본 발명의 바람직한 실시예는 본 발명을 이루는 기술적 구성요소를 효율적으로 설명하기 위해 각각의 시스템 기능구성에 기 구비되어 있거나, 또는 본 발명이 속하는 기술분야에서 통상적으로 구비되는 시스템 기능 구성은 가능한 생략하고, 본 발명을 위해 추가적으로 구비되어야 하는 기능 구성을 위주로 설명한다. 만약 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면, 하기에 도시하지 않고 생략된 기능 구성 중에서 종래에 기 사용되고 있는 구성요소의 기능을 용이하게 이해할 수 있을 것이며, 또한 상기와 같이 생략된 구성 요소와 본 발명을 위해 추가된 구성 요소 사이의 관계도 명백하게 이해할 수 있을 것이다.
또한, 이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다.
이하에서는 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템의 네트워크 구성을 도시한 도면이다.
도 1을 참조하면, 사용자는 스마트폰 등의 모바일 디바이스(110) 또는 PC(120)를 포함하는 사용자 단말기(100)를 통해 콜센터에 질문(고객 질문)을 올릴 수 있다. 여기서, 상기 질문은 VOC(Voice of Customer), 영업활동관리, 스마트 팜, 병원 서비스, 스마트 팩토리 등과 관련하여 상기 콜센터에 접수되는 고객의 불만사항 등을 포함할 수 있다.
콜센터 지원 시스템(200)은 상기 사용자 단말기(100)를 통해 상기 콜센터에 상기 질문이 올라오면 상기 질문에 대응하는 고객 등록 글에 대해 자연어 처리를 수행하여 해당 고객 등록 글에 대한 의미를 분석할 수 있다. 상기 콜센터 지원 시스템(200)은 상기 분석의 결과에 기초하여 상기 질문의 유형을 판단한 후 상기 질문의 유형과 동일한 유형의 과거 질의 대응 내용을 데이터베이스(DB)(300)로부터 추출할 수 있다.
여기서, 상기 데이터베이스(300)는 과거의 유형별 질의 대응 내용을 저장하고 있는 저장 장치의 역할을 한다. 예를 들면, 상기 데이터베이스(300)는 2016년부터 2018년까지의 데이터 중에서 질문 약 50,000건과 그에 대한 답변 약 52,000건을 각 유형별로 분류하여 미리 저장하고 있을 수 있다.
상기 콜센터 지원 시스템(200)은 상기 추출된 과거 질의 대응 내용을 상기 고객 질문에 대한 답변(1차 답변)으로 등록할 수 있다. 이에 따라, 상기 사용자는 상기 사용자 단말기(100)를 통해 상기 콜센터 지원 시스템(200)에 접속하여 상기 등록된 답변을 확인할 수 있으며, 이때 상기 등록된 답변에 대한 고객 평가를 실시할 수 있다.
상기 고객 평가를 통해 상기 고객 질문이 해결된 경우, 즉 상기 고객 질문에 대한 답변이 만족스러운 경우, 상기 콜센터 지원 시스템(200)은 상기 고객 질문과 관련하여 배정된 담당자를 통해 상기 1차 답변을 상기 고객 질문(문의)에 대한 최종 답변(베스트 답변)으로서 등록할 수 있다.
다만, 상기 고객 평가를 통해 상기 고객 질문이 해결되지 못한 경우(미해결시), 상기 콜센터 지원 시스템(200)은 상기 고객 질문과 관련하여 배정된 담당자와 연결을 시도하고, 해당 담당자와 연결이 되면 해당 담당자에게 상기 고객 질문을 전달하여 상기 고객 질문에 대한 답변을 요청할 수 있다. 이에 따라, 해당 담당자는 고객 문의 사항을 확인한 후 직접 답변(최종 답변)을 작성하여 등록할 수 있다.
해당 담당자에 의해 직접 작성된 답변이 등록되면, 상기 콜센터 지원 시스템(200)은 기계 학습(Machine Learning) 알고리즘을 통해 상기 고객 문의 사항과 상기 최종 답변을 학습할 수 있다. 즉, 상기 콜센터 지원 시스템(200)은 상기 고객 문의 사항과 상기 최종 답변을, 지도 학습(Supervised Learning)을 통해 생성된 예측 모델(Predictive Model)에 적용하여 기계 학습을 수행함으로써 상기 예측 모델을 업데이트(Update)할 수 있다.
이로써, 상기 콜센터 지원 시스템(200)은 상기 업데이트된 예측 모델을 통해 상기 고객 문의 사항에 대해 고객이 만족할 수 있는 베스트 답변을 제시할 수 있다. 이하에서는 상기 콜센터 지원 시스템(200)의 구성 및 기능에 대하여 도 2를 참조하여 더욱 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템을 설명하기 위해 도시한 블록도이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템(200)은 자연어 처리 계층부(210), 기계 학습 계층부(220), 서비스 계층부(230), 및 제어부(240)를 포함할 수 있다.
상기 자연어 처리 계층부(210)는 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석할 수 있다.
구체적으로, 상기 자연어 처리 계층부(210)는 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행할 수 있으며, 이를 통하여 상기 고객 등록 글로부터 불필요한 단어를 제거하고 의미 있는 단어들만 추출할 수 있다. 그리고, 상기 자연어 처리 계층부(210)는 상기 추출된 의미 있는 단어들에 대해 구문 분석(Parsing)을 수행하여 상기 고객 등록 글에 대한 의미(Intent)를 도출할 수 있다.
상기 자연어 처리 계층부(210)는 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행한 후, 상기 형태소 분석에 따라 추출된 단어들의 명사, 대명사, 동사 중 적어도 하나의 품사를 기준으로 각 품사별 빈도수에 따른 가중치를 반영하여 작성된 워드 클라우딩(Word Clouding)을 제공할 수 있다. 상기 자연어 처리 계층부(210)는 상기 워드 클라우딩을 통해 상기 고객 등록 글과 관련된 핵심 단어를 시각화하여 주간, 월간, 보험법 변경 전, 보험법 변경 후로 구분하여 제공할 수 있다.
상기 자연어 처리 계층부(210)는 상기 워드 클라우딩를 통해 시각화 제공된 핵심 단어에 기초하여 상기 고객 등록 글에 대한 답변 중에서 최종 등록된 베스트 답변을 나타내는 고객 응대 유형을 파악할 수 있다. 이로써, 상기 자연어 처리 계층부(210)는 고객 문의 사항에 대한 고객 응대 유형을 보험법 변경 전과 후로 구분하여 제공함으로써 보다 정확한 답변의 초석을 마련할 수 있다.
상기 자연어 처리 계층부(210)는 상기 분석의 결과(상기 고객 등록 글에 대한 의미)에 기초하여 상기 데이터베이스(300)로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출할 수 있다. 즉, 상기 자연어 처리 계층부(210)는 상기 분석의 결과에 기초하여 상기 고객의 질문의 유형을 판단한 후 상기 질문의 유형과 동일한 유형의 과거 질의 대응 내용을 상기 데이터베이스(300)로부터 추출할 수 있다.
이때, 상기 고객 질문의 유형과 동일한 유형의 과거 질의 대응 내용이 상기 데이터베이스(300)에 없는 경우가 발생할 수 있다. 이러한 경우, 상기 자연어 처리 계층부(210)는 상기 고객 질문의 유형과 유사한 유형의 과거 질의 대응 내용에 관한 리스트를 검색하고, 상기 검색된 리스트 중에서 상기 고객 질문의 유형과 가장 유사한 유형의 과거 질의 대응 내용을 상기 데이터베이스(300)로부터 추출할 수 있다. 이를 위해, 상기 데이터베이스(300)에는 상기 고객 질문의 유형별로 유사한 유형의 과거 질의 대응 내용을 매칭시켜 기록한 리스트가 미리 저장될 수 있다.
한편, 상기 자연어 처리 계층부(210)는 상기 고객 등록 글의 분석 결과(상기 고객 등록 글에 대한 의미)에 기초하여 질의 내용을 분류할 수 있다. 그리고, 상기 자연어 처리 계층부(210)는 상기 분류된 각 질의 내용에 따라 담당자를 배정할 수 있다. 이를 위해, 상기 데이터베이스(300)에는 상기 분류의 기준에 따라 담당자를 구분하여 미리 저장할 수 있으며, 상기 자연어 처리 계층부(210)는 상기 데이터베이스(300)를 참조하여 상기 고객 등록 글에 대한 담당자를 배정할 수 있다.
상기 기계 학습 계층부(220)는 상기 자연어 처리 계층부(210)에 의해 추출된 상기 질의 대응 내용에 대해 기계 학습 알고리즘을 수행하여 상기 고객의 질문에 대한 베스트 답변을 추론할 수 있다.
구체적으로, 상기 기계 학습 계층부(220)는 상기 자연어 처리 계층부(210)에 의해 추출된 상기 질의 대응 내용에 대해서, 상기 데이터베이스(300)와 연동하여 지도 학습(Supervised Learning)을 수행하고, 상기 지도 학습을 통하여 예측 모델(Predictive Model)을 생성할 수 있다. 그리고, 상기 기계 학습 계층부(220)는 상기 생성된 예측 모델에 기초하여 상기 고객의 질문에 대한 베스트 답변을 추론할 수 있다.
여기서, 상기 지도 학습이란 신경망을 학습시키는 데 반드시 입력 x와 원하는 목표치 d의 쌍(x, d)가 필요하며, 이를 학습 패턴 쌍(training pattern pair)이라고 하는데, 상기 학습 패턴 쌍 (x, d)를 입력하여 신경망의 출력 y를 구하고, 그 차이에 근거하여 연결 강도를 △w만큼 변경한 후, 변경된 연결 강도 (w+△w)를 다시 비교하여 더 이상 연결 강도가 변하지 않으면 학습을 종료하는 학습 절차를 포함하는 개념을 말한다.
상기 서비스 계층부(230)는 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변(1차 답변)으로 등록할 수 있다. 이때, 상기 서비스 계층부(230)는 상기 고객의 질문에 대한 답변을 콜센터와 관련된 웹사이트에 등록하여 게시할 수 있다.
이에 따라, 사용자는 상기 사용자 단말기(100)를 통해 상기 웹사이트에 접속하여 상기 고객의 질문에 대한 답변을 확인할 수 있다. 또한, 상기 사용자는 상기 고객의 질문에 대한 답변에 대해서 고객 평가를 진행할 수 있다. 이를 위해, 상기 서비스 계층부(230)는 상기 고객 평가를 위한 유저 인터페이스(UI)를 제공할 수 있다.
상기 서비스 계층부(230)는 상기 등록된 답변에 대한 고객 평가에 기초하여 상기 고객의 질문에 대한 답변의 해결 여부를 판단할 수 있다. 상기 판단 결과 상기 고객의 질문이 해결된 경우, 즉 상기 고객의 질문에 대한 답변이 만족스러운 경우, 상기 서비스 계층부(230)는 상기 고객의 질문과 관련하여 배정된 담당자를 통해 상기 1차 답변을 상기 고객 질문(문의)에 대한 최종 답변(베스트 답변)으로서 등록할 수 있다.
반면, 상기 판단 결과 상기 고객의 질문이 해결되지 않은 경우(미해결시), 상기 서비스 계층부(230)는 담당자를 연결하여 상기 담당자가 고객 문의 사항을 확인한 후 직접 답변을 등록하도록 할 수 있다. 즉, 상기 서비스 계층부(230)는 상기 고객의 질문이 해결되지 않은 것으로 판단된 경우, 상기 담당자가 직접 작성한 답변을 상기 고객 질문(문의)에 대한 최종 답변(베스트 답변)으로서 등록할 수 있다.
여기서, 상기 담당자에 의해 직접 등록된 답변은 상기 기계 학습 계층부(220)에 의한 기계 학습을 통해 상기 예측 모델의 정확도를 높이는 데 활용될 수 있다. 다시 말하면, 상기 기계 학습 계층부(220)는 상기 담당자에 의해 직접 등록된 답변을 상기 예측 모델에 적용하여 기계 학습을 수행할 수 있으며, 이러한 기계 학습을 통하여 상기 예측 모델을 업데이트할 수 있다.
이로써, 본 발명의 일 실시예에 따르면 상기 예측 모델의 정확도를 향상시킬 수 있으며, 이를 통해 상기 고객의 질문에 대해 보다 만족할 만한 답변을 제시할 수 있다.
상기 제어부(240)는 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템(200), 즉 상기 자연어 처리 계층부(210), 상기 기계 학습 계층부(220), 상기 서비스 계층부(230) 등의 동작을 전반적으로 제어할 수 있다.
이상에서 설명된 장치는 하드웨어 구성 요소, 소프트웨어 구성 요소, 및/또는 하드웨어 구성 요소 및 소프트웨어 구성 요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성 요소는, 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 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.
도 3은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 방법을 설명하기 위해 도시한 흐름도이다.
여기서 설명하는 자연어 처리 기반 콜센터 지원 방법은 본 발명의 하나의 실시예에 불과하며, 그 이외에 필요에 따라 다양한 단계들이 부가될 수 있고, 하기의 단계들도 순서를 변경하여 실시될 수 있으므로, 본 발명이 하기에 설명하는 각 단계 및 그 순서에 한정되는 것은 아니다.
도 1 내지 도 3을 참조하면, 단계(301)에서 사용자는 사용자 단말기(100)를 통해 콜센터에 질문(고객 질문)을 올릴 수 있다.
다음으로, 단계(302)에서 상기 콜센터 지원 시스템(200)의 자연어 처리 계층부(210)는 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 형태소 분석을 수행할 수 있다. 이를 통해 상기 자연어 처리 계층부(210)는 상기 고객 등록 글로부터 불필요한 단어를 제거하고 의미 있는 단어들만 추출할 수 있다.
다음으로, 단계(303)에서 상기 자연어 처리 계층부(210)는 상기 추출된 의미 있는 단어들에 대해 구문 분석을 수행할 수 있다.
다음으로, 단계(304)에서 상기 자연어 처리 계층부(210)는 상기 구문 분석에 따라 상기 고객 등록 글에 대한 의미(Intent)를 도출할 수 있다.
다음으로, 단계(305)에서 상기 자연어 처리 계층부(210)는 상기 분석의 결과에 기초하여 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스(300)로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하여 제시할 수 있다.
다음으로, 단계(306)에서 상기 콜센터 지원 시스템(200)의 기계 학습 계층부(220)는 상기 질의 대응 내용에 대해 지도 학습(Supervised Learning)을 수행할 수 있다.
다음으로, 단계(307)에서 상기 기계 학습 계층부(220)는 상기 지도 학습을 통하여 예측 모델(Predictive Model)을 생성할 수 있다. 상기 기계 학습 계층부(220)는 상기 생성된 예측 모델에 기초하여 상기 고객의 질문에 대한 베스트 답변을 추론할 수 있다.
다음으로, 단계(308)에서 상기 콜센터 지원 시스템(200)의 서비스 계층부(230)는 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록할 수 있는데, 이때 모바일의 경우 챗봇(ChaBot)과 연동하여 등록하고 웹의 경우 레스트풀(RestFul) API와 연동하여 등록할 수 있다.
다음으로, 단계(309)에서 상기 사용자는 상기 사용자 단말기(100)를 통해 상기 고객의 질문에 대한 답변(1차 답변)을 확인할 수 있다.
다음으로, 단계(310)에서 상기 서비스 계층부(230)는 상기 등록된 답변에 대한 고객 평가에 기초하여 상기 고객의 질문에 대한 답변의 해결 여부를 판단할 수 있다.
상기 판단 결과 해결된 경우(310의 "예 방향), 본 실시예는 종료될 수 있다. 그러나, 상기 판단 결과 해결되지 않은 경우(310의 "아니오" 방향), 단계(311)에서 상기 서비스 계층부(230)는 담당자를 연결하여 상기 담당자가 고객 문의 사항을 확인한 후 직접 답변을 등록하도록 할 수 있다.
상기 담당자에 의해 직접 등록된 답변은 단계(307)에서 언급한 예측 모델에 적용되고, 상기 예측 모델은 기계 학습을 통해 업데이트됨으로써 상기 예측 모델의 정확도를 향상시킬 수 있으며, 이를 통해 상기 고객의 질문에 대해 보다 만족할 만한 답변을 제시할 수 있다.
도 4 내지 도 8은 본 발명의 일 실시예에 따른 자연어 처리 기반 콜센터 지원 시스템의 실행 화면의 일례를 도시한 예시도이다.
먼저 도 4를 참조하면, 고객 질문 분석 페이지를 제공할 수 있다. 상기 고객 질문 분석 페이지에서는 고객 질문에 대해 자연어 처리를 기반으로 한 형태소 분석을 수행하여 추출된 단어들의 명사, 대명사, 동사 등의 품사를 기준으로 각 품사별 빈도수에 따른 가중치를 반영하여 작성된 워드 클라우딩을 주간(Weekly), 월간(Monthly), 보험법 변경 전, 보험법 변경 후 등으로 나누어 제공할 수 있다. 이로써 본 발명의 일 실시예에 따르면 상기 워드 클라우딩을 통해 고객 질문에 대한 고객 응대 유형을 파악할 수 있다.
다음으로 도 5를 참조하면, A/S 신청 페이지를 제공할 수 있다. 상기 A/S 신청 페이지에서는 고객 요청 내용 입력 란에 고객 질의를 등록할 수 있으며, 고객 질의 등록 시 유사 답변에 대한 1차 답변이 자동으로 입력되어 사용자(고객)에게 제공될 수 있다. 답변에 만족하는 경우 '예' 버튼을 클릭하고 등록을 클릭하면 고객 질문에 대한 최종 답변으로서 등록이 되고, 답변에 만족하지 않는 경우 '아니오' 버튼을 클릭하고 자동 제시 답변에 대한 고객 평가를 진행할 수 있다. 여기서, 상기 고객 평가는 베스트 답변을 추론하는 기계 학습(ML)을 위하여 사용될 수 있다.
도 5의 A/S 신청 페이지에서 '아니오' 버튼을 클릭하면, 도 6과 같은 A/S 신청내역 상세보기 페이지를 제공할 수 있다. 상기 A/S 신청내역 상세보기 페이지에서는 담당자가 직접 고객 질의에 대한 답변을 기재하는 추가 응대를 실시할 수 있다.
도 7에서는 고객 응대 상황 대시보드(Dashboard)를 제공할 수 있다. 상기 고객 응대 상황 대시보드에서는 고객 문의 사항에 대한 접수 번호, 처리 상태, 문의 유형, 요청 내용, 신청자, 처리 담당자, 요청 철회, 접수 확인, 자동 답변 완료 등과 같은 항목을 제공할 수 있다.
도 8에서는 담당자 채팅 화면을 제공할 수 있다. 상기 담당자 채팅 화면은 왼쪽 도면과 같이 웹(Web)으로 제공될 수도 있고, 오른쪽 도면과 같이 모바일로도 제공될 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), CDROM, 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.
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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 사용자 단말기
110: 모바일 디바이스
120: PC
200: 콜센터 지원 시스템
210: 자연어 처리 계층부
220: 기계 학습 계층부
230: 서비스 계층부
240: 제어부

Claims (9)

  1. 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스;
    고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석하며, 상기 분석의 결과에 기초하여 상기 데이터베이스로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하는 자연어 처리 계층부; 및
    상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록하는 서비스 계층부를 포함하고,
    상기 자연어 처리 계층부는 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행한 후, 상기 형태소 분석에 따라 추출된 단어들의 명사, 대명사, 동사 중 적어도 하나의 품사를 기준으로 각 품사별 빈도수에 따른 가중치를 반영하여, 상기 고객 등록 글과 관련된 핵심 단어를 시각화하여 제공할 수 있는 워드 클라우딩(Word Clouding)을 작성하여 상기 핵심 단어를 주간, 월간, 보험법 변경 전, 보험법 변경 후로 구분하고, 상기 작성된 워드 클라우딩을 통해 상기 고객 등록 글(고객 문의 사항)에 대한 답변 중에서 최종 등록된 베스트 답변을 나타내는 고객 응대 유형을 파악하여 보험법 변경 전과 보험법 변경 후로 구분하여 제공하며,
    상기 데이터베이스는 고객 질문의 유형별로 유사한 유형의 과거 질의 대응 내용을 매칭시켜 기록한 리스트를 미리 저장하고 있으며,
    상기 자연어 처리 계층부는 상기 고객 질문의 유형과 동일한 유형에 대한 과거의 질의 대응 내용이 상기 데이터베이스에 없는 경우, 상기 고객 질문의 유형과 유사한 유형의 과거 질의 대응 내용에 관한 상기 리스트를 검색하고, 상기 검색된 리스트 중에서 상기 고객 질문의 유형과 가장 유사한 유형의 과거 질의 대응 내용을 상기 데이터베이스로부터 추출하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 시스템.
  2. 제1항에 있어서,
    상기 자연어 처리 계층부는
    상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행하여 불필요한 단어를 제거하고 의미 있는 단어들만 추출하고, 상기 추출된 의미 있는 단어들에 대해 구문 분석을 수행하여 상기 고객 등록 글에 대한 의미(Intent)를 도출하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 시스템.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 기계 학습 알고리즘을 수행하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 기계 학습 계층부
    를 더 포함하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 시스템.
  6. 제5항에 있어서,
    상기 기계 학습 계층부는
    상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 지도 학습(Supervised Learning)을 수행하여 예측 모델(Predictive Model)을 생성하고, 상기 생성된 예측 모델에 기초하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 시스템.
  7. 제6항에 있어서,
    상기 서비스 계층부는
    상기 등록된 답변에 대한 고객 평가에 기초하여 상기 고객의 질문에 대한 답변의 해결 여부를 판단하고, 상기 판단 결과 미해결시 담당자를 연결하여 상기 담당자가 고객 문의 사항을 확인한 후 직접 답변을 등록하도록 하며,
    상기 기계 학습 계층부는
    상기 담당자에 의해 직접 등록된 답변을 상기 예측 모델에 적용하여 기계 학습을 수행하여 상기 예측 모델을 업데이트하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 시스템.
  8. 자연어 처리 기반 콜센터 지원 시스템의 자연어 처리 계층부가 고객의 질문에 대응하는 고객 등록 글에 대하여 자연어 처리 엔진을 이용하여 자연어 처리를 수행하고, 상기 자연어 처리를 기반으로 상기 고객 등록 글에 대한 의미를 분석하는 단계;
    상기 자연어 처리 계층부가 상기 분석의 결과에 기초하여 과거의 유형별 질의 대응 내용을 저장하고 있는 데이터베이스로부터 상기 고객의 질문과 동일한 유형에 대한 과거의 질의 대응 내용을 추출하는 단계; 및
    상기 자연어 처리 기반 콜센터 지원 시스템의 서비스 계층부가 상기 추출된 질의 대응 내용을 상기 고객의 질문에 대한 답변으로 등록하는 단계
    를 포함하고,
    상기 자연어 처리 계층부가 상기 자연어 처리 엔진을 이용하여 상기 고객 등록 글에 대한 형태소 분석을 수행한 후, 상기 형태소 분석에 따라 추출된 단어들의 명사, 대명사, 동사 중 적어도 하나의 품사를 기준으로 각 품사별 빈도수에 따른 가중치를 반영하여, 상기 고객 등록 글과 관련된 핵심 단어를 시각화하여 제공할 수 있는 워드 클라우딩(Word Clouding)을 작성하여 상기 핵심 단어를 주간, 월간, 보험법 변경 전, 보험법 변경 후로 구분하고, 상기 작성된 워드 클라우딩을 통해 상기 고객 등록 글(고객 문의 사항)에 대한 답변 중에서 최종 등록된 베스트 답변을 나타내는 고객 응대 유형을 파악하여 보험법 변경 전과 보험법 변경 후로 구분하여 제공하는 단계;
    상기 데이터베이스가 고객 질문의 유형별로 유사한 유형의 과거 질의 대응 내용을 매칭시켜 기록한 리스트를 미리 저장하고 있는 단계; 및
    상기 자연어 처리 계층부가 상기 고객 질문의 유형과 동일한 유형에 대한 과거의 질의 대응 내용이 상기 데이터베이스에 없는 경우, 상기 고객 질문의 유형과 유사한 유형의 과거 질의 대응 내용에 관한 상기 리스트를 검색하고, 상기 검색된 리스트 중에서 상기 고객 질문의 유형과 가장 유사한 유형의 과거 질의 대응 내용을 상기 데이터베이스로부터 추출하는 단계
    를 더 포함하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 방법.
  9. 제8항에 있어서,
    상기 자연어 처리 기반 콜센터 지원 시스템의 기계 학습 계층부가 상기 자연어 처리 계층부에 의해 추출된 상기 질의 대응 내용에 대해 기계 학습 알고리즘을 수행하여 상기 고객의 질문에 대한 베스트 답변을 추론하는 단계
    를 더 포함하는 것을 특징으로 하는 자연어 처리 기반 콜센터 지원 방법.
KR1020180150139A 2018-11-28 2018-11-28 자연어 처리 기반 콜센터 지원 시스템 및 방법 KR102307380B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180150139A KR102307380B1 (ko) 2018-11-28 2018-11-28 자연어 처리 기반 콜센터 지원 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180150139A KR102307380B1 (ko) 2018-11-28 2018-11-28 자연어 처리 기반 콜센터 지원 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20200063886A KR20200063886A (ko) 2020-06-05
KR102307380B1 true KR102307380B1 (ko) 2021-09-30

Family

ID=71089010

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180150139A KR102307380B1 (ko) 2018-11-28 2018-11-28 자연어 처리 기반 콜센터 지원 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102307380B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319648B1 (ko) * 2021-02-19 2021-11-01 (주)아와소프트 빅데이터를 기반으로 생성된 학습데이터를 제공하는 챗봇 시스템 및 그 방법
KR102643045B1 (ko) * 2021-02-19 2024-03-04 (주)아와소프트 시점별로 분석 가능한 챗봇 서비스 제공 시스템 및 그 방법
KR102319655B1 (ko) * 2021-02-19 2021-11-01 (주)아와소프트 해당지식분야 정보 검색이 가능한 챗봇 서비스 제공 시스템 및 그 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101911466B1 (ko) * 2015-12-30 2018-10-29 대한민국 미래위험 변화예측 분석 시스템
KR102082208B1 (ko) * 2017-04-03 2020-02-27 주식회사 라이크어로컬 유사 사용자 매칭을 이용한 자동 답변 방법 및 시스템
KR20180022762A (ko) * 2018-02-26 2018-03-06 오영재 실시간 답변 메시지 생성을 이용한 고객 상담 서비스 제공 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체

Also Published As

Publication number Publication date
KR20200063886A (ko) 2020-06-05

Similar Documents

Publication Publication Date Title
US10026092B2 (en) Learning and automating agent actions
US20190057697A1 (en) Better resolution when referencing to concepts
CN105573966B (zh) 电子表格中所呈现的内容的自适应修改
CN109002510B (zh) 一种对话处理方法、装置、设备和介质
US11163778B2 (en) Integrating virtual and human agents in a multi-channel support system for complex software applications
CN111566638B (zh) 向应用编程接口添加描述性元数据以供智能代理使用
KR102307380B1 (ko) 자연어 처리 기반 콜센터 지원 시스템 및 방법
JP2020521210A (ja) 情報処理方法及び端末、コンピュータ記憶媒体
EP2944077B1 (en) Method and apparatus for analyzing leakage from chat to voice
US11856129B2 (en) Systems and methods to manage models for call data
US20210158210A1 (en) Hybrid in-domain and out-of-domain document processing for non-vocabulary tokens of electronic documents
US11194883B2 (en) Alert driven interactive interface to a website mining system
CN111047434B (zh) 一种操作记录生成方法、装置、计算机设备和存储介质
KR102532216B1 (ko) Esg 보조 툴을 이용하여 정형화된 esg 데이터로 이루어진 esg 데이터베이스를 구축하는 방법 및 이를 수행하는 esg 서비스 제공 시스템
CN113918577B (zh) 数据表识别方法、装置、电子设备及存储介质
KR102129817B1 (ko) 텍스트 기반 상담 품질 관리 시스템 및 방법
CN109787784B (zh) 群组推荐方法、装置、存储介质和计算机设备
EP3899820A1 (en) Contact center call volume prediction
CN111782776A (zh) 一种通过填槽实现意图识别的方法和装置
US20240193190A1 (en) Automated key-value extraction using natural language intents
US20230177518A1 (en) Enhanced issue detection and resolution in a call center
US20230259541A1 (en) Intelligent Assistant System for Conversational Job Search
KR20230072600A (ko) 인공지능 기반 기업 고객 대상 자동 정보 알람 방법, 장치 및 시스템
CN116909896A (zh) 提示模板处理方法、装置、设备及介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right