KR102309540B1

KR102309540B1 - 사용자의 입력 입력에 기초하여 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 서버 및 그 동작 방법

Info

Publication number: KR102309540B1
Application number: KR1020190092641A
Authority: KR
Inventors: 고현목; 오형래; 이호정
Original assignee: 삼성전자주식회사
Priority date: 2019-05-02
Filing date: 2019-07-30
Publication date: 2021-10-07
Also published as: KR20200127814A; KR20210120960A; KR102429436B1

Abstract

사용자의 음성 입력에 기초하여 디바이스를 제어하는 서버 및 그 동작 방법을 개시한다. 본 개시의 일 실시예는 복수의 디바이스를 포함하는 네트워크 환경에서 클라이언트 디바이스로부터 수신한 사용자의 음성 입력과 관련된 타겟 디바이스의 타입을 결정하고, 결정된 타입 및 복수의 디바이스에 관한 디바이스 정보에 기초하여 타겟 디바이스를 결정하고, 결정된 타겟 디바이스가 동작을 수행하기 위한 동작 정보를 획득하는 서버 및 서버의 동작 방법을 제공한다.

Description

사용자의 입력 입력에 기초하여 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 서버 및 그 동작 방법 {SERVER FOR SELETING A TARGET DEVICE ACCORDING TO A VOICE INPUT, AND CONTROLLING THE SELECTED TARGET DEVICE, AND METHOD FOR OPERATING THE SAME}

본 개시는 복수의 디바이스를 포함하는 네트워크 환경에서 사용자로부터 수신한 음성 입력에 포함되는 사용자의 의도에 따른 동작을 수행할 타겟 디바이스를 결정하고, 결정된 타겟 디바이스를 제어하는 서버 및 그 동작 방법에 관한 것이다.

멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 음성 인식 기술이 발전함에 따라, 사용자는 디바이스에 음성(예를 들어, 발화)을 입력하고, 서비스 제공 에이전트를 통해 음성 입력에 따른 응답 메시지를 수신할 수 있게 되었다.

하지만, 복수의 디바이스를 포함하는 홈 네트워크 환경 등에서 사용자가 음성 입력 등을 통해 대화(interaction)하는 클라이언트 디바이스가 아닌, 다른 디바이스를 통해 서비스를 제공받고 싶은 경우, 서비스 에이전트를 직접 선택해야 하는 번거로움이 있다. 특히, 복수의 디바이스 각각이 제공할 수 있는 서비스의 종류가 다르기 때문에, 사용자의 음성 입력에 포함된 의도를 파악하여 효과적으로 서비스를 제공할 수 있는 기술이 요구되고 있다.

사용자의 음성 입력에 포함된 의도를 파악할 때, 인공지능(Artificial Intelligence, AI) 기술이 활용될 수 있으며, 룰(Rule) 기반의 자연어 이해 기술(Natural Language Understanding, NLU)이 활용될 수도 있다.

본 개시는 서버 및 그 동작 방법에 관한 것으로, 보다 구체적으로는 복수의 디바이스를 포함하는 네트워크 환경에서 음성 입력으로부터 사용자의 의도를 파악하고, 파악된 의도에 따른 동작을 수행할 디바이스를 자동으로 결정하고, 결정된 디바이스를 제어하는 서버 및 그 동작 방법을 제공하는 것을 목적으로 한다.

상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 클라이언트 디바이스로부터 사용자의 음성 입력을 수신하는 단계, ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하는 단계, 상기 텍스트에 제1 자연어 이해 모델(Natural Language Understanding)을 적용하여, 상기 텍스트와 관련된 타겟 디바이스의 타입(type)을 결정하는 단계, 복수의 제2 자연어 이해 모델 중 상기 결정된 타겟 디바이스의 타입에 대응하는 제2 자연어 이해 모델을 선택하는 단계, 결정된 타입 및 상기 복수의 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정하는 단계, 상기 텍스트 중 적어도 일부에 상기 선택된 제2 자연어 이해 모델을 적용하여 상기 텍스트를 해석함으로써, 상기 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 단계, 및 상기 획득된 동작 정보를 상기 타겟 디바이스에 전송하는 단계를 포함하는, 서버가 음성 입력에 기초하여 디바이스를 제어하는 방법을 제공한다.

상술한 기술적 과제를 해결하기 위하여, 본 개시의 다른 실시예는 클라이언트 디바이스 및 복수의 디바이스와 데이터 통신을 수행하는 통신 인터페이스, 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리, 및 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 상기 클라이언트 디바이스로부터 사용자의 음성 입력을 수신하도록 상기 통신 인터페이스를 제어하고, ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하고, 상기 텍스트에 제1 자연어 이해 모델(Natural Language Understanding)을 적용하여, 상기 텍스트와 관련된 타겟 디바이스의 타입(type)을 결정하고, 복수의 제2 자연어 이해 모델 중 상기 결정된 타입에 대응되는 제2 자연어 이해 모델을 선택하고, 결정된 타입 및 상기 복수의 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정하고, 상기 텍스트 중 적어도 일부에 상기 선택된 제2 자연어 이해 모델을 적용하여 상기 텍스트를 해석함으로써, 상기 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하고, 상기 획득된 동작 정보를 상기 타겟 디바이스에 전송하도록 상기 통신 인터페이스를 제어하는, 서버를 제공한다.

상술한 기술적 과제를 해결하기 위하여, 본 개시의 다른 실시예는 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하고, 상기 기록매체는 클라이언트 디바이스로부터 사용자의 음성 입력을 수신하는 단계, ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하는 단계, 제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 텍스트를 해석함으로써, 텍스트와 관련된 타겟 디바이스의 타입(type)을 결정하는 단계, 결정된 타입 및 복수의 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정하는 단계, 결정된 타입에 대응되는 제2 자연어 이해 모델을 이용하여 텍스트를 해석함으로써, 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 단계, 및 획득된 동작 정보를 IoT 클라우드 서버에 전송하는 단계를 포함한다.

본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있다.
도 1은 서버 및 복수의 디바이스를 포함하는 네트워크 환경을 도시한 도면이다.
도 2a 및 도 2b는 본 개시의 서버에서 실행 가능한 음성비서의 실시예를 도시한 도면이다.
도 3은 본 개시의 서버가 사용자의 음성 입력으로부터 사용자의 의도를 파악하고, 사용자의 의도와 관련에 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 실시예를 도시한 개념도이다.
도 4는 본 개시의 서버가 사용자의 음성 입력으로부터 사용자의 의도에 따른 동작을 수행할 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 방법을 도시한 흐름도이다.
도 5는 본 개시의 서버가 사용자의 음성 입력으로부터 사용자의 의도에 따른 동작을 수행할 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 방법을 도시한 흐름도이다.
도 6은 본 개시의 서버가 음성 입력으로부터 변환된 텍스트를 통해 타겟 디바이스의 타입을 결정하는 구체적인 방법을 도시한 흐름도이다.
도 7은 본 개시의 서버가 텍스트로부터 결정된 타겟 디바이스 타입 및 복수의 디바이스에 관한 정보에 기초하여 타겟 디바이스를 결정하는 방법을 도시한 흐름도이다.
도 8은 본 개시의 서버가 복수의 디바이스의 정보를 고려하더라도 타겟 디바이스를 결정할 수 없는 경우, 사용자의 응답 입력에 기초하여 타겟 디바이스를 결정하는 방법에 관한 흐름도이다.
도 9는 본 개시의 서버가 제2 자연어 이해 모델을 이용하여 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 방법을 도시한 흐름도이다.
도 10은 본 개시의 서버가 텍스트로부터 제1 인텐트와 제2 인텐트를 결정하고, 액션 플랜 관리 모델로부터 동작 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 11은 본 개시의 클라이언트 디바이스, 서버, 인공지능 비서 엔진, 및 IoT 클라우드 서버의 동작을 도시한 흐름도이다.
도 12는 본 개시의 클라이언트 디바이스, 서버, 및 IoT 클라우드 서버의 동작을 도시한 흐름도이다.
도 13은 본 개시의 클라이언트 디바이스, 서버, 및 IoT 클라우드 서버의 동작을 도시한 흐름도이다.
도 14는 본 개시의 클라이언트 디바이스, 서버, 및 IoT 클라우드 서버를 도시한 블록도이다.
도 15는 본 개시의 서버에 의해 실행되는 프로그램의 시스템 아키텍쳐(architecture)의 일 예시를 도시한 도면이다.
도 16은 본 개시의 서버에 의해 실행되는 프로그램의 디바이스 타입 분류부(Device Type Classifier)의 일 예시를 도시한 도면이다.
도 17은 본 개시의 서버에 의해 실행되는 프로그램의 디바이스 명확화부를 도시한 도면이다.
도 18은 본 개시의 서버에 의해 실행되는 프로그램의 응답 메시지 제어부(Response Execute Manager) 의 일 예시를 도시한 도면이다.
도 19는 본 개시의 서버에 의해 실행되는 프로그램의 지능적 디바이스 리졸버(Intelligence Device Resolver)의 일 예시를 도시한 도면이다.
도 20은 본 개시의 일 실시예에 따른 액션 플랜 관리 모델을 도시한 개념도이다.
도 21은 본 개시의 일 실시예에 따른 캡슐 데이터베이스를 도시한 도면이다.
도 22는 본 개시의 디바이스의 구성 요소를 도시한 블록도이다.

본 명세서의 실시예들에서 사용되는 용어는 본 개시의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 명세서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 본 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

본 명세서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 시스템"이라는 표현은, 그 시스템이 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

본 명세서에서 '제1 자연어 이해 모델'은 음성 신호로부터 변환된 텍스트를 해석하여, 텍스트에 대응하는 제1 인텐트를 획득하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트가 입력되면 사용자가 의도하는 동작을 수행할 디바이스 타입을 결정하도록 학습된 모델일 수 있다. 제1 자연어 이해 모델은 입력된 텍스트를 해석함으로써 제1 인텐트를 결정할 수 있으며, 제1 인텐트는 디바이스 타입을 결정하는데 이용될 수 있다. 또한, 제1 자연어 이해 모델은 입력된 텍스트를 해석함으로써 타겟 디바이스를 결정하는 데 이용될 수 있다.

본 명세서에서 '제2 자연어 이해 모델'은 특정 타입의 디바이스와 관련된 텍스트를 해석하기 위하여 학습된 인공지능 모델이다. 본 명세서에서 제2 자연어 이해 모델을 복수 개이며, 복수의 제2 자연어 이해 모델 각각은 서로 다른 복수의 디바이스 타입에 대응된다. 제1 자연어 이해 모델을 통해 디바이스 타입이 결정되면, 복수의 제2 자연어 이해 모델 중 디바이스 타입에 대응하는 제2 자연어 이해 모델이 선택된다. 선택된 제2 자연어 이해 모델에 음성 신호로부터 변환된 텍스트가 입력된다. 이 때, 입력되는 텍스트는, 음성 신호로부터 변환된 텍스트의 일부일 수도 있다. 제2 자연어 이해 모델은 입력된 텍스트를 해석함으로써 사용자가 의도하는 동작과 관련된 제2 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 제2 자연어 이해 모델은 텍스트가 입력되면 특정 디바이스의 타입과 관련된 기능을 결정하도록 학습된 모델일 수 있다. 복수 개의 제2 자연어 이해 모델의 저장 용량은 제1 자연어 이해 모델의 저장 용량에 비해 클 수 있다.

본 명세서에서 '인텐트'는 텍스트를 해석하여 판단되는 사용자의 의도를 나타내는 정보이다. 인텐트는 사용자의 발화 의도를 나타내는 정보로, 사용자가 요청한 타겟 디바이스의 동작을 나타내는 정보일 수 있다. 인텐트는 자연어 이해 모델(Natural Language Understanding, NLU) 모델을 이용하여 텍스트를 해석함으로써 결정될 수 있다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘"인 경우, 인텐트는 "컨텐트 재생"일 수 있다. 다른 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "에어컨 온도를 18°C로 내려줘"인 경우, 인텐트는 "온도 제어"일 수 있다.

인텐트는, 사용자의 발화 의도를 나타내는 정보(이하, 의도 정보)뿐 아니라, 사용자의 의도를 나타내는 정보에 대응하는 수치값을 포함할 수 있다. 수치값은, 텍스트가 특정 의도를 나타내는 정보와 관련될 확률을 나타낼 수 있다. 자연어 이해 모델을 이용하여 텍스트를 해석한 결과, 사용자의 의도를 나타내는 정보가 복수개 획득되는 경우, 각 의도 정보에 대응되는 수치값이 최대인 의도 정보가 인텐트로 결정될 수 있다.

'제1 인텐트'는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 복수의 타겟 디바이스 타입 중 적어도 하나의 타입을 결정하는 데 사용될 수 있다. 제1 인텐트는 제1 자연어 이해 모델을 이용하여 텍스트를 분석함으로써 결정될 수 있다.

'제2 인텐트'는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 타입의 디바이스가 수행할 동작을 결정하는 데 사용될 수 있다. 또한, 제2 자연어 이해 모델은 텍스트를 해석함으로써 사용자의 음성 입력과 관련된 디바이스의 동작을 결정할 수 있도록 학습된 모델일 수 있다. 제2 인텐트는 제2 자연어 이해 모델을 이용하여 텍스트를 분석함으로써 결정될 수 있다.

본 명세서에서 '파라미터'는 인텐트와 관련된 타겟 디바이스의 세부 동작 들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터는 인텐트와 관련된 정보이며, 하나의 인텐트에 복수 종류의 파라미터가 대응될 수 있다. 파라미터는 타겟 디바이스의 동작 정보를 결정하기 위한 변수 정보 뿐만 아니라, 텍스트가 그 변수 정보와 관련될 확률을 나타내는 수치값을 포함할 수 있다. 제2 자연어 이해 모델을 이용하여 텍스트를 해석한 결과, 파라미터를 나타내는 변수 정보가 복수개 획득될 수 있다. 이 경우, 각 변수 정보에 대응되는 수치값이 최대인 변수 정보가 파라미터로 결정될 수 있다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "영화 어벤져스 틀어줘"인 경우, 인텐트는 '컨텐트 재생(play)'이고, 파라미터는 재생할 컨텐츠의 장르인 '영화' 및/또는 재생할 컨텐츠의 타이틀인 '어벤져스'일 수 있다.

본 명세서에서 '액션 플랜 관리 모델'은 타겟 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 모델일 수 있다. 액션 플랜 관리 모델은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. 액션 플랜 관리 모델은, 텍스트로부터 출력된 제2 인텐트 및 파라미터에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.

본 명세서에서, 디바이스의 동작은, 디바이스에서 특정 기능을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다. 동작은 예를 들어, 디바이스가 애플리케이션의 실행을 통해 수행하는 동영상 재생(play), 음악 재생, 이메일 작성, 날씨 정보 수신, 뉴스 정보 표시, 게임 실행 및 사진 촬영 등을 나타낼 수 있다. 다만, 동작이 전술한 예시로 한정되지는 않는다.

디바이스의 동작은 액션 플랜 관리 모델에서 출력한 세부 동작에 관한 정보에 기초하여 수행될 수 있다. 디바이스는, 액션 플랜 관리 모델에서 출력한 세부 동작에 대응하는 기능을 실행함으로써, 적어도 하나의 액션을 수행할 수 있다. 디바이스는, 세부 동작에 대응하는 기능을 실행하기 위한 명령어를 저장할 수 있으며, 세부 동작이 결정되면 세부 동작에 대응하는 명령어를 결정하여 명령어를 실행함으로써 특정 기능을 실행할 수 있다.

또한, 디바이스는, 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 저장할 수 있다. 애플리케이션을 실행하기 위한 명령어는, 애플리케이션 자체를 실행하기 위한 명령어 및 애플리케이션을 구성하는 세부 기능을 실행하기 위한 명령어를 포함할 수 있다. 디바이스는 세부 동작이 결정되면 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 실행함으로써 애플리케이션을 실행하고, 세부 동작에 대응하는 애플리케이션의 세부 기능을 실행하기 위한 명령어를 실행함으로써 세부 기능을 실행할 수 있다.

본 명세서에서 '동작 정보'는, 디바이스가 수행할 세부 동작들, 각 세부 동작들과 다른 세부 동작과의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 각 세부 동작과 다른 세부 동작과의 연관 관계는, 하나의 동작을 실행하기 위해서 그 동작을 실행하기 전에 필수적으로 실행되어야 할 다른 동작에 대한 정보를 포함한다. 예를 들어, 수행할 동작이 "음악 재생"인 경우, "전원 온(on)"은 "음악 재생" 동작 이전에 필수적으로 실행되어야 하는 다른 세부 동작이 될 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.

IoT 클라우드 서버는, 복수의 디바이스 각각에 관한 디바이스 정보를 획득하고, 저장하고, 관리하는 서버이다. IoT 클라우드 서버는 저장된 디바이스 정보를 활용하여 디바이스를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. IoT 클라우드 서버는, 동작 정보에 기초하여 동작을 수행하도록 결정된 디바이스에 제어 명령을 전송할 수 있다. IoT 클라우드 서버는 제어 명령에 따른 동작 수행 결과를, 동작을 수행한 디바이스로부터 수신할 수 있다. IoT 클라우드 서버는 본 명세서에 기재된 '서버'와는 독립된 하드웨어 장치로 구성될 수 있지만, 이에 한정되는 것은 아니다. IoT 클라우드 서버는 본 명세서의 '서버'의 일 구성 요소이거나, 또는 소프트웨어로 구분되도록 설계된 서버일 수 있다.

아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

이하에서는 도면을 참조하여 본 개시의 실시예들을 상세하게 설명한다.

도 1은 클라이언트 디바이스(110), 복수의 디바이스(121 내지 127) 및 서버(300)를 포함하는 네트워크 환경을 도시한 도면이다.

도 1을 참조하면, 클라이언트 디바이스(110), 복수의 디바이스(121 내지 127), 서버(300), 및 IoT 클라우드 서버(400)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 통신을 수행할 수 있다. 일 실시예에서, 클라이언트 디바이스(110)와 복수의 디바이스(121 내지 127)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. 클라이언트 디바이스(110) 및 복수의 디바이스(121 내지 127)는 서버(300)와 연결될 수 있으며, 클라이언트 디바이스(110)은 서버를 통해 복수의 디바이스(121 내지 127)과 연결될 수 있다. 또한, 클라이언트 디바이스(110)와 복수의 디바이스(121 내지 127)는 IoT 클라우드 서버(400)와 연결될 수 있다. 다른 실시예에서, 클라이언트 디바이스(110)와 복수의 디바이스(121 내지 127) 각각은 통신망을 통해 서버(300)와 연결되고, 서버(300)를 통해 외부의 IoT 클라우드 서버(400)와 연결될 수 있다. 또 다른 실시예에서, 클라이언트 디바이스(110) 및 복수의 디바이스(121 내지 127)는 게이트웨이(Gateway), 또는 중계기(relay)를 통해 연결될 수 있다.

클라이언트 디바이스(110), 복수의 디바이스(121 내지 127), 서버(300) 및 IoT 클라우드 서버(400)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.

일 실시예에서, 클라이언트 디바이스(110)는 사용자의 음성 입력을 수신할 수 있다. 복수의 디바이스(121 내지 127) 중 적어도 하나는 서버(300) 및/또는 IoT 클라우드 서버(400)의 제어 명령을 받아 특정 동작을 수행하는 타겟 디바이스일 수 있다. 복수의 디바이스(121 내지 127) 중 적어도 하나는, 클라이언트 디바이스(100)가 수신한 사용자의 음성 입력에 기반하여, 특정 동작을 수행하도록 제어될 수 있다. 일 실시예에서, 복수의 디바이스(121 내지 127) 중 적어도 하나는, 서버(300) 및/또는 IoT 클라우드 서버(400)로부터 제어 명령을 받지 않고, 클라이언트 디바이스(110)로부터 제어 명령을 수신할 수 있다.

클라이언트 디바이스(110)는 사용자로부터 음성 입력(예를 들어, 발화)을 수신할 수 있다. 일 실시예에서, 클라이언트 디바이스(110)는 음성 인식 모듈을 포함할 수 있다. 일 실시예에서, 클라이언트 디바이스(110)는 제한적인 기능을 갖는 음성 인식 모듈을 포함할 수 있다. 예를 들어, 클라이언트 디바이스(110)는 지정된 음성 입력(예를 들어, '하이 빅스비', '오케이 구글'등과 같은 웨이크 업 입력)을 감지하는 기능 또는 일부 음성 입력으로부터 획득한 음성 신호를 전처리하는 기능을 갖는 음성 인식 모듈을 포함할 수 있다. 도 1에서, 클라이언트 디바이스(110)는 인공지능 스피커(AI speaker)로 도시되었지만, 이에 한정되는 것은 아니다. 일 실시예에서, 복수의 디바이스(121 내지 127) 중 어느 하나의 디바이스가 클라이언트 디바이스(110)일 수 있다.

클라이언트 디바이스(110)는 마이크를 통해 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 서버(300)에 전송할 수 있다. 일 실시예에서, 클라이언트 디바이스(110)는 수신된 음성 입력으로부터 음성 신호를 획득하고, 음성 신호를 서버(300)에게 전송할 수 있다.

도 1에 도시된 실시예에서, 복수의 디바이스(121 내지 127)는 전등(121), 에어컨(122), TV(123), 로봇 청소기(124), 세탁기(125), 체중계(126) 및 냉장고(127)를 포함하지만, 이에 한정되지 않는다. 예를 들어, 복수의 디바이스(121 내지 127)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 복수의 디바이스(121 내지 127)는 가전 제품(home appliance)일 수 있다. 가전 제품은, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), 홈 오토매이션 컨트롤 패널(home automation control panel), 보안 컨트롤 패널(security control panel), 게임 콘솔, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.

서버(300)는 수신된 음성 신호에 기초하여, 사용자가 의도하는 동작을 수행할 타겟 디바이스의 타입(type)을 결정할 수 있다. 서버(300)는 클라이언트 디바이스(110)로부터 아날로그 신호인 음성 신호를 수신하고, ASR(Automatic Speech Recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 서버(300)는 제1 자연어 이해(Natural Language Understanding, NLU) 모델을 이용하여 변환된 텍스트를 해석하고, 해석 결과에 기초하여 타겟 디바이스의 타입을 결정할 수 있다.

서버(300)는, 결정된 타겟 디바이스의 타입에 대응하는 제2 자연어 이해 모델을 이용하여 사용자가 요청한 타겟 디바이스에서 수행하고자 하는 동작을 판단할 수 있다.

서버(300)는 IoT 클라우드 서버(400)로부터 복수의 디바이스(121 내지 127)의 정보를 수신할 수 있다. 서버(300)는 수신한 복수의 디바이스(121 내지 127) 의 정보 및 결정된 타겟 디바이스의 타입을 이용하여 타겟 디바이스를 결정할 수 있다. 또한, 서버(300)는, IoT 클라우드 서버(400)을 통하여, 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스를 제어할 수 있다. 서버(300)의 동작에 관해서는 도 4 내지 도 9에서 구체적으로 설명하기로 한다.

IoT 클라우드 서버(400)는 네트워크를 통해 연결된 기등록된 복수의 디바이스(121 내지 127)에 관한 정보를 저장할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 복수의 디바이스(121 내지 127)의 식별 값(예: 디바이스 id 정보), 복수의 디바이스(121 내지 127) 각각의 디바이스 타입, 및 복수의 디바이스(121 내지 127) 각각의 기능 수행 능력 정보(capability) 중 적어도 하나를 저장할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 복수의 디바이스(121 내지 127) 각각의 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 상태 정보를 저장할 수도 있다.

IoT 클라우드 서버(400)는, 판단된 동작을 실행하기 위한 제어 명령을 복수의 디바이스(121 내지 127) 중 타겟 디바이스로 전송할 수 있다. IoT 클라우드 서버(400)는, 서버(300)로부터 결정된 타겟 디바이스에 대한 정보 및 판단된 동작에 대한 정보를 수신하고, 수신한 정보에 기반하여 타겟 디바이스로 제어 명령을 전송할 수 있다.

도 2a 및 도 2b는 본 개시의 서버(300)에서 실행 가능한 음성비서(200)의 실시예를 도시한 도면이다.

도 2a 및 도 2b를 참조하면, 음성비서(200)는, 소프트웨어로 구현될 수 있다. 음성비서(200)는 사용자의 음성 입력으로부터 사용자의 의도를 결정하고, 사용자의 의도와 관련된 타겟 디바이스를 제어하도록 구성될 수 있다. 음성비서(200)는, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때, 학습 등을 통해 기존 모델을 새로운 모델로 갱신하도록 구성된 제1 어시스턴트 모델(200a), 및 추가된 디바이스에 대응하는 모델을 기존 모델에 추가하도록 구성된 제2 어시스턴트 모델(200b)을 포함할 수 있다.

제1 어시스턴트 모델 (200a)은, 사용자 음성 입력을 분석하여 사용자 의도와 관련된 타겟 디바이스를 결정하는 모델이다. 제1 어시스턴트 모델(200a)은, ASR 모델(202), NLG 모델(204), 제1 자연어 이해 모델(300a), 및 디바이스 디스패쳐 모델(310)을 포함할 수 있다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 포함할 수 있다. 또 다른 실시예에서, 디바이스 디스패쳐 모델(310)과 제1 자연어 이해 모델(300a)을 별도의 구성 요소로 구성될 수 있다. 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)의 분석 결과를 이용하여 타겟 디바이스를 결정하는 동작을 수행하기 위한 모델이다. 디바이스 디스패쳐 모델(310)은 복수 개의 세부 모델을 포함할 수 있다.

제2 어시스턴트 모델(200b)은, 특정 디바이스에 특화된 모델로, 사용자의 음성 입력에 대응하는 타겟 디바이스가 수행할 동작을 결정하는 모델이다. 도 2a에서 제2 어시스턴트 모델(200b)은, 복수의 제2 자연어 이해 모델(300b), NLG 모델(206), 및 액션 플랜 관리 모델(210)을 포함할 수 있다. 복수의 자연어 이해 모델(300b)은 서로 다른 복수의 디바이스에 각각 대응될 수 있다.

도 2b를 참조하면, 제2 어시스턴트 모델(200b)은, 복수의 액션 플랜 관리 모델과 복수의 NLG 모델을 포함할 수 있다. 도 2b에서, 제2 어시스턴트 모델(200b)에 포함된 복수의 제2 자연어 이해 모델 각각은 도2a의 제2 자연어 이해 모델(300b)에 대응되고, 제2 어시스턴트 모델(200b)에 포함된 복수의 NLG 모델 각각은 도2a의 NLG 모델(206)에 대응되며, 제2 어시스턴트 모델(200b)에 포함된 복수의 액션 플랜 관리 모델 각각은 도2a의 액션 플랜 관리 모듈(210)에 대응될 수 있다.

도 2b에서, 복수의 액션 플랜 관리 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 또한, 복수의 NLG 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 다른 실시예에서, 하나의 NLG 모델이 복수의 제2 자연어 이해 모델에 대응될 수 있으며, 하나의 액션 플랜 관리 모델이 복수의 제2 자연어 이해 모델에 대응되도록 구성될 수 있다.

도 2b에서, 제1 자연어 이해 모델(300a)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 새로운 모델로 갱신되도록 구성될 수 있다. 또한, 디바이스 디스패쳐 모델(310)이 제1 자연어 이해 모델(300a)을 포함하도록 구성된 경우, 디바이스 디스패쳐 모델(310)은 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 기존 모델 전체가 새로운 모델로 갱신되도록 구성될 수 있다. 제1 자연어 이해 모델(300a) 또는 디바이스 디스패쳐 모델(310)은 인공지능 모델일 수 있다.

도 2b에서, 제2 어시스턴트 모델(200b)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 추가된 디바이스에 대응하는 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델을 기존 모델에 추가함으로써 업데이트될 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 룰 베이스 시스템(rule-based system)으로 구현되는 모델일 수 있다.

도 2b의 일 실시예에서, 제2 자연어 이해 모델, NLG 모델, 및 액션 플랜 관리 모델은 인공지능 모델일 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 각각 대응하는 디바이스에 따라 하나의 모듈로 관리될 수 있다. 이 경우, 제2 어시스턴트 모델(200-b)는 복수의 디바이스에 각각 대응하는 복수의 제2 어시스턴트 모델(200b-1, 200b-2, 200b-3)을 포함할 수 있다. 예를 들면, TV에 대응하는 제2 자연어 이해 모델, TV에 대응하는 NLG 모델 및 TV에 대응하는 액션 플랜 관리 모델은 TV에 대응하는 제2 어시스턴트 모델(200b-1)로 관리될 수 있다. 또한, 스피커에 대응하는 제2 자연어 이해 모델, 스피커에 대응하는 NLG 모델 및 스피커에 대응하는 액션 플랜 관리 모델은 스피커에 대응하는 제2 어시스턴트 모델(200b-2)로 관리될 수 있다. 또한, 냉장고에 대응하는 제2 자연어 이해 모델, 냉장고에 대응하는 NLG 모델 및 냉장고에 대응하는 액션 플랜 관리 모델은 냉장고에 대응하는 제2 어시스턴트 모델(200b-3)로 관리될 수 있다.

도 3은 본 개시의 서버(300)가 사용자의 음성 입력으로부터 사용자의 의도를 결정하고, 사용자의 의도와 관련에 타겟 디바이스를 제어하는 실시예를 도시한 개념도이다.

도 3을 참조하면, 클라이언트 디바이스(110)는 마이크를 통해 사용자로부터 음성 입력을 수신한다. 도 2에 도시된 실시예에서, 클라이언트 디바이스(110)는 인공 지능 스피커일 수 있으나, 이에 한정되는 것은 아니다. 클라이언트 디바이스(110)는 음성 인식 모듈을 포함할 수 있다.

일 실시예에서, 클라이언트 디바이스(110)는 사용자로부터 "볼륨 올려줘"와 같이 볼륨을 증가시키는 동작을 수행할 타겟 디바이스의 명칭을 명시하지 않은 음성 입력을 수신할 수 있다. 다른 실시예에서, 클라이언트 디바이스(110)는 사용자로부터 "TV에서 보헤미안 랩소디 틀어줘~"와 같이 타겟 디바이스의 명칭을 포함하는 음성 입력을 수신할 수도 있다.

클라이언트 디바이스(110)는 마이크를 통해 수신된 음성 입력으로부터 음성 신호를 획득하고, 획득된 음성 신호를 서버(300)로 전송한다.

서버(300)는 수신된 음성 신호에 기초하여 타겟 디바이스(123)를 결정하는 음성비서(200)의 기능 또는 동작들에 관한 명령어들(instructions)을 포함하는 프로그램 코드(program code), 애플리케이션(application), 알고리즘(algorithm), 루틴(routine), 명령어 세트(set of instructions), 자연어 이해 엔진, 또는 인공 지능 모델 중 어느 하나를 포함할 수 있다.

서버(300)는 ASR(Automatic Speech Recognition)을 수행함으로써, 클라이언트 디바이스(110)로부터 수신한 음성 신호를 텍스트로 변환한다. 일 실시예에서, 서버(300)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다.

서버(300)는 제1 자연어 이해 모델(제1 NLU)(300a)를 이용하여 텍스트를 해석함으로써, 제1 인텐트를 결정할 수 있다. 서버(300)는 결정된 제1 인텐트와 관련된 타겟 디바이스의 타입을 결정할 수 있다.

서버(300)는, 결정된 타겟 디바이스의 타입을 고려하여, 복수의 제2 자연어 이해 모델(제2 NLU)(300b) 중 타겟 디바이스의 타입에 대응하는 제2 자연어 이해 모델을 결정할 수 있다. 서버(300)는 복수의 제2 자연어 이해 모델(300b) 중 타겟 디바이스의 타입에 대응하는 제2 자연어 이해 모델(제2 NLU)를 이용하여 텍스트를 해석함으로써, 제2 인텐트를 결정할 수 있다. 이 때, 제2 자연어 이해 모델에 입력되는 텍스트는, 음성 신호로부터 변환된 텍스트의 적어도 일부일 수 있다. 일 실시예에서, 서버(300)는 제2 자연어 이해 모델을 이용하여, 텍스트로부터 제2 인텐트 및 파라미터를 결정할 수도 있다.

서버(300)는, IoT 클라우드 서버(400)로부터 복수의 디바이스(120)의 정보를 수신한다. 복수의 디바이스(120)는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 디바이스일 수 있다.

서버(300)는 기 등록된 복수의 디바이스(120)에 관한 디바이스 정보를 IoT 클라우드 서버(400)로부터 수신할 수 있다. 일 실시예에서, 서버(300)는 복수의 디바이스(120)의 기능 수행 능력(capability) 정보, 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 IoT 클라우드 서버(400)로부터 수신할 수 있다. 일 실시예에서, 서버(300)는 복수의 디바이스(120)의 전원 온오프(on/off) 여부 또는 현재 수행하고 있는 동작 정보를 포함하는 상태 정보를 IoT 클라우드 서버(400)로부터 수신할 수 있다.

서버(300)는 결정된 타겟 디바이스의 타입 및 IoT 클라우드 서버(400)로부터 수신된 디바이스 정보에 기초하여 타겟 디바이스를 결정할 수 있다. 서버(300)는 복수의 디바이스(120) 중 결정된 타입에 해당되는 복수의 후보 디바이스를 선택하고, 선택된 복수의 후보 디바이스의 상태 정보를 고려함으로써, 타겟 디바이스를 결정할 수 있다. 도 3에 도시된 실시예에서, 서버(300)는 제3 디바이스(123)를 타겟 디바이스로 결정할 수 있다.

서버(300)는 결정된 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 이용하여 텍스트로부터 제2 인텐트 및 파라미터(parameter)를 결정할 수 있다. 이 때, 제2 자연어 이해 모델에 입력되는 텍스트는, 음성 신호로부터 변환된 텍스트의 적어도 일부일 수 있다. 서버(300)는 제2 인텐트 및 파라미터에 기초하여 타겟 디바이스가 수행할 동작을 결정할 수 있다. 일 실시예에서, 서버(300)는 액션 플랜 관리 모델에 타겟 디바이스의 식별 정보, 제2 인텐트 및 파라미터를 전송하고, 액션 플랜 관리 모델로부터 제2 인텐트 및 파라미터와 관련된 동작을 수행하기 위한 세부 동작에 대한 동작 정보를 획득할 수 있다.

서버(300)는 동작 정보를 IoT 클라우드 서버(400)에 전송한다. IoT 클라우드 서버(400)는 서버(300)로부터 획득한 동작 정보를 타겟 디바이스가 판독할 수 있는 제어 명령(control command)으로 변환할 수 있다. 여기서, 제어 명령은, 타겟 디바이스가 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 타겟 디바이스가 판독하고, 실행할 수 있는 명령어를 의미한다.

IoT 클라우드 서버(400)는 제어 명령을 타겟 디바이스로 결정된 제3 디바이스(123)에 전송한다.

종래에는 복수의 디바이스(120)를 포함하는 네트워크 환경에서, 사용자는 음성 입력 등을 통해 대화와 같은 상호 작용(interaction)을 하는 클라이언트 디바이스(110)가 아닌 다른 디바이스를 통해 서비스를 제공받고 싶은 경우, 다른 디바이스를 직접 선택하고, 다른 디바이스를 직접 실행시켜야 하는 번거로움이 있었다.

본 개시의 서버(300)는 클라이언트 디바이스(110)를 통해 수신된 사용자의 음성 입력에 포함된 의도를 결정하여 타겟 디바이스를 자동으로 결정함으로써, 사용자에게 자동화된 시스템 환경을 제공하고, 사용자 편의성을 향상시킬 수 있다. 또한, 도 3에 도시된 실시예에 따른 서버(300)는, 사용자가 디바이스의 명칭 또는 디바이스의 타입에 관하여 발화하지 않거나 불명확하게 발화하는 경우에도 디바이스의 상태 정보를 고려하여 타겟 디바이스(123)를 결정하는바, 직관적이고 편리한 사용자 경험(User eXperience, UX)을 제공할 수 있다. 서버(300)가 수행하는 구체적인 동작들에 관해서는 도 4 및 도 5에서 상세하게 설명하기로 한다.

도 4는 본 개시의 서버(300)가 사용자의 음성 입력으로부터 사용자의 의도에 따른 동작을 수행할 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 방법을 도시한 흐름도이다.

단계 S410에서, 서버(300)는 사용자의 음성 신호를 수신한다. 일 실시예에서, 서버(300)는 음성 신호를 클라이언트 디바이스(110)로부터 수신할 수 있다. 일 실시예에서, 서버(300)는 클라이언트 디바이스(110)로부터, 클라이언트 디바이스(110)의 식별 정보(id 정보) 또는 사용자의 식별 정보를 획득할 수 있다. 일 실시예에서, 서버(300)는 클라이언트 디바이스(110)의 식별 정보를 수신하면, 클라이언트 디바이스(110)의 식별 정보와 관련된 사용자의 계정 정보를 검색할 수 있다.

단계 S420에서, 서버(300)는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 신호를 텍스트(text)로 변환한다. 일 실시예에서, 서버(300)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다.

단계 S430에서, 서버(300)는 제1 자연어 이해 모델(Natural Language Understanding; NLU)을 이용하여 변환된 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 타겟 디바이스를 결정한다. 제1 자연어 이해 모델은 ASR을 통해 변환된 텍스트를 해석하여, 사용자의 음성 입력과 관련된 적어도 하나의 타겟 디바이스를 결정하도록 학습된 모델일 수 있다. 일 실시예에 따르면, 제1 자연어 이해 모델을 포함하는 디바이스 디스패쳐 모델은, 사용자의 음성 입력과 관련된 적어도 하나의 타겟 디바이스를 결정한다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "보헤미안 랩소디 틀어줘~"인 경우, 타겟 디바이스는 TV일 수 있다.

단계 S440에서, 서버(300)는 복수의 제2 자연어 이해 모델 중 결정된 타겟 디바이스에 대응되는 제2 자연어 이해 모델을 이용하여, 타겟 디바이스가 수행할 동작에 관한 정보를 획득한다.

일 실시예에서, 서버(300)는 복수의 제2 자연어 이해 모델 중 결정된 타겟 디바이스에 대응되는 제2 자연어 이해 모델을 선택할 수 있다. 제2 자연어 이해 모델은 특정 디바이스에 특화된 모델로서, 제1 자연어 이해 모델에 의해 결정된 디바이스와 관련되며 텍스트에 대응하는, 동작을 결정하도록 학습된 인공지능 모델일 수 있다. 동작은, 디바이스에서 특정 기능을 실행함으로서, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은, 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다.

단계 S450에서, 서버(300)는 획득된 동작 정보를 타겟 디바이스에 전송한다. 서버(300)는 동작 정보 및 결정된 타겟 디바이스의 식별 정보(디바이스 id)를 이용하여 타겟 디바이스에게 동작 정보를 전송할 수 있다. 일 실시예에서, 서버(300)는 단계 S410에서 획득한 사용자의 계정 정보(예를 들어, 사용자 id)와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보 중에, 단계 S430에서 결정된 타겟 디바이스의 식별 정보를 확인한다. 복수의 디바이스에 관한 디바이스 정보는 IoT 클라우드 서버(400)를 통해 획득할 수 있다.

일 실시예에서, 서버(300)는 동작 정보를 타겟 디바이스로 직접 전송할 수 있으며, 이 경우 동작 정보는 동작 명령을 포함할 수 있다. 다른 실시예에서, 서버(300)는 동작 정보를 IoT 클라우드 서버(400)를 통해 타겟 디바이스로 전송할 수 있다. 이 경우, IoT 클라우드 서버(400)는, 서버(300)부터 수신한 동작 정보를 이용하여 타겟 디바이스로 전송할 제어 명령을 확인할 수 있다. IoT 클라우드 서버(400)는, 타겟 디바이스의 식별 정보를 이용하여 확인된 제어 명령을 타겟 디바이스로 전송할 수 있다.

도 5는 본 개시의 서버(300)가 사용자의 음성 입력으로부터 사용자의 의도에 따른 동작을 수행할 타겟 디바이스를 결정하고, 타겟 디바이스를 제어하는 방법을 도시한 흐름도이다.

단계 S510에서, 서버(300)는 클라이언트 디바이스(110)로부터 사용자의 음성 신호를 수신한다. 일 실시예에서, 클라이언트 디바이스(110)는 사용자의 음성 입력(예를 들어, 발화)을 마이크를 통해 수신하고, 사용자의 음성 입력으로부터 음성 신호를 획득하고, 서버(300)는 음성 신호를 클라이언트 디바이스(110)로부터 수신할 수 있다. 클라이언트 디바이스(110)는 마이크를 통해 수신된 소리(sound)를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다.

일 실시예에서, 클라이언트 디바이스(110)는 음성 신호를 서버(300)에 전송할 때, 클라이언트 디바이스(110)의 식별 정보(예를 들어, 클라이언트 디바이스의 id 정보) 또는 사용자의 계정 정보(예를 들어, 사용자의 id 정보)를 서버(300)에 전송할 수 있다. 서버(300)는 클라이언트 디바이스(110)로부터, 클라이언트 디바이스(110)의 식별 정보(id 정보) 또는 사용자의 식별 정보를 획득할 수 있다. 일 실시예에서, 서버(300)는 클라이언트 디바이스(110)의 식별 정보를 수신하면, 클라이언트 디바이스(110)의 식별 정보와 관련된 사용자의 계정 정보를 검색할 수 있다.

단계 S520에서, 서버(300)는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 신호를 텍스트(text)로 변환한다. 일 실시예에서, 서버(300)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다. 서버(300)가 클라이언트 디바이스로부터 노이즈가 제거되지 않은 음향 신호를 수신할 경우에는, 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.

단계 S530에서, 서버(300)는 제1 자연어 이해 모델(Natural Language Understanding; NLU)을 이용하여 변환된 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 타겟 디바이스의 타입(type)을 결정한다. 제1 자연어 이해 모델은, ASR을 통해 변환된 텍스트를 해석하여 텍스트에 대응하는 제1 인텐트를 획득하도록 학습된 모델일 수 있다. 여기서, 제1 인텐트는, 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 복수의 타겟 디바이스의 타입 중 적어도 하나의 타입을 결정하는 데 사용될 수 있다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "보헤미안 랩소디 틀어줘~"인 경우, 제1 인텐트는 "컨텐트 재생(play)"일 수 있다. 일 실시예에서, 제1 자연어 이해 모델은 ASR을 통해 변환된 텍스트를 해석하여, 사용자의 음성 입력과 관련된 적어도 하나의 타겟 디바이스의 타입을 결정하도록 학습된 모델일 수 있다. 다른 실시예에서, 제1 자연어 이해 모델을 포함하는 디바이스 디스패쳐 모델은, 제1 자연어 이해 모델의 해석 결과에 기반하여 사용자의 음성 입력과 관련된 적어도 하나의 타겟 디바이스의 타입을 결정할 수 있다.

서버(300)는 제1 자연어 이해 모델을 이용하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행함으로써, 변환된 텍스트로부터 사용자의 제1 인텐트(intent)를 결정할 수 있다. 일 실시예에서, 서버(300)는 제1 자연어 이해 모델을 이용하여, 변환된 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)한다. 서버(300)는 제1 자연어 이해 모델을 이용하여, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 서버(300)는, 추론된 단어의 의미를 제1 자연어 이해 모델에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 제1 인텐트를 결정할 수 있다.

서버(300)는 제1 인텐트에 기초하여 타겟 디바이스의 타입을 결정할 수 있다. 일 실시예에서, 서버(300)는 제1 자연어 이해 모델을 이용하여 제1 인텐트에 관련된 타겟 디바이스의 타입을 결정할 수 있다. '타입(type)'은 기설정된 기준에 따라 분류된 디바이스의 카테고리를 의미한다. 디바이스의 타입은, 예를 들어, 디바이스의 기능 또는 용도에 기초하여 결정될 수 있다. 예를 들어, 디바이스는 음향 신호를 출력하는 오디오 장치(예: 스피커), 음향 신호와 영상 신호를 모두 출력하는 영상 장치(예: TV), 공기의 온도를 제어하는 공조 장치(예: 에어컨), 청소 장치(예: 로봇 청소기) 등의 타입으로 분류될 수 있으나, 이에 제한되지 않는다.

또 다른 실시예에서, 서버(300)는 제1 인텐트와 타겟 디바이스 타입 간의 관련성을 판단할 수 있는 매칭 모델에 기초하여, 텍스트로부터 인식된 제1 인텐트와 관련된 타겟 디바이스 타입을 결정할 수 있다. 제1 인텐트와 타겟 디바이스 타입 간의 관련성은 소정의 수치 값으로 산출될 수 있다. 일 실시예에서, 제1 인텐트와 타겟 디바이스 타입 간의 관련성은 확률값으로 산출될 수 있다.

서버(300)는, 제1 자연어 이해 모델에서 획득한 제1 인텐트에 매칭 모델을 적용하여, 복수의 타겟 디바이스의 타입 중 제1 인텐트와 관련된 타겟 디바이스의 타입을 결정할 수 있다. 일 실시예에서, 서버(300)는 제1 인텐트에 매칭 모델을 적용함으로써, 제1 인텐트와 복수의 타겟 디바이스 타입 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 타겟 디바이스 타입을 최종 타입으로 결정할 수 있다. 예를 들어, 제1 인텐트가 제1 디바이스 타입 및 제2 디바이스 타입과 각각 관련되는 경우, 서버(300)는 제1 인텐트와 제1 디바이스 타입 간의 관련성 정도를 나타내는 제1 수치값, 및 제1 인텐트와 제2 디바이스 타입 간의 관련성 정도를 나타내는 제2 수치값을 획득하고, 제1 수치값 및 제2 수치값 중 높은 수치값을 갖는 제1 디바이스 타입을 타겟 디바이스 타입으로 결정할 수 있다.

예를 들어, 매칭 모델을 적용하여 산출된 "컨텐트 재생"의 제1 인텐트와 "TV" 간의 관련도를 나타내는 제1 수치값은 다른 타겟 디바이스 타입, 예를 들어 "냉장고"와 "컨텐트 재생" 간의 관련도를 나타내는 제2 수치값 보다 클 수 있다. 이 경우, 서버(300)는 컨텐트 재생의 제1 인텐트와 관련된 타겟 디바이스 타입으로 TV를 결정할 수 있다. 다른 예에서, 제1 인텐트가 "온도 제어"인 경우, 제1 인텐트와 "TV" 간의 관련도를 나타내는 수치값 보다는 제1 인텐트와 "에어컨"의 관련도를 나타내는 수치값이 더 높을 수 있다. 이와 같은 경우에, 서버(300)는 온도 제어의 제1 인텐트와 관련된 타겟 디바이스 타입으로 에어컨을 결정할 수 있다.

그러나, 전술한 예시로 한정되는 것은 아니고, 서버(300)는 제1 인텐트와 복수의 디바이스 타입 간의 관련성 정도를 나타내는 수치값을 높은 순서로 나열하여, 미리 정해진 개수의 디바이스 타입을 결정할 수도 있다. 일 실시예에서, 서버(300)는 관련성 정도를 나타내는 수치값이 소정의 임계치 이상인 디바이스 타입을 제1 인텐트와 관련된 디바이스 타입으로 결정할 수 있다. 이 경우, 복수의 디바이스 타입이 타겟 디바이스 타입으로 결정될 수 있다.

서버(300)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 제1 인텐트와 타겟 디바이스 타입 간의 매칭 모델을 학습할 수 있으나, 이에 한정되는 것은 아니다. 서버(300)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neural network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다.

서버(300)는 제1 자연어 이해 모델을 이용하여 결정된 타겟 디바이스의 타입 및 복수의 디바이스의 정보에 기초하여 타겟 디바이스를 결정한다. 서버(300)는 단계 S510에서 클라이언트 디바이스(110)로부터 획득한 사용자의 계정 정보(예를 들어, 사용자 id)를 IoT 클라우드 서버(400)에게 전송하고, IoT 클라우드 서버(400)에 사용자의 계정 정보와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 요청할 수 있다. IoT 클라우드 서버(400)는 사용자의 계정 별로 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 저장하는 서버일 수 있다. IoT 클라우드 서버(400)는 서버(300)와는 별개이고, 서버(300)와는 네트워크를 통해 연결될 수 있다. 서버(300)는 IoT 클라우드 서버(400)로부터 사용자의 계정 정보와 관련하여 등록된 복수의 디바이스에 관한 디바이스 정보를 수신할 수 있다. 예를 들어, 디바이스 정보는 디바이스의 식별 정보(디바이스 id 정보), 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보를 포함할 수 있다.

일 실시예에서, 서버(300)는, 서버(300)에 기 저장되어 있던 사용자의 계정 정보 등을 이용하여 IoT 클라우드 서버(400)로부터 복수의 디바이스에 관한 디바이스 정보를 수신할 수 있다. 서버(300)는, 음성 입력이 수신되기 전에도 IoT 클라우드 서버(400)로부터 디바이스 정보를 수신할 수 있으며, 기 설정된 주기에 따라 디바이스 정보를 수신할 수 있다.

기능 수행 능력 정보는, 동작을 수행하기 위하여 기 정의된 디바이스의 기능에 관한 정보일 수 있다. 예를 들어, 디바이스가 에어컨인 경우에 에어컨의 기능 수행 능력 정보는, 온도 업, 온도 다운, 또는 공기 정화와 같은 기능을 나타낼 수 있고, 디바이스가 스피커인 경우에 볼륨업/다운, 음악 재생(play) 와 같은 기능을 나타낼 수 있다. 기능 수행 능력 정보는 IoT 클라우드 서버(400)에 기 저장되어 있을 수 있다. 그러나, 이에 한정되는 것은 아니고, 기능 수행 능력 정보는 서버(300)에 저장될 수도 있다.

또한, 위치 정보는 디바이스의 위치를 나타내는 정보로서, 예를 들어, 디바이스가 위치하는 장소의 명칭 및 디바이스의 위치를 나타내는 위치 좌표 값을 포함할 수 있다. 예를 들어, 디바이스의 위치 정보는, 방, 거실 등과 같이 집 안의 특정 장소를 나타내는 명칭을 포함하거나, 집, 사무실과 같은 장소의 명칭을 포함할 수 있다.

디바이스의 상태 정보는, 예를 들어, 전원 온오프(on/off) 정보, 및 현재 실행하고 있는 동작 정보 중 적어도 하나를 포함하는 디바이스의 현재 상태를 나타내는 정보일 수 있다.

일 실시예에서, 서버(300)는 단계 S530에서 결정된 타겟 디바이스 타입에 관한 정보와 사용자의 계정 정보를 IoT 클라우드 서버(400)에게 전송하고, 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 결정된 타겟 디바이스 타입에 해당되는 디바이스에 관한 정보만을 획득할 수도 있다.

일 실시예에서, 서버(300)는 사용자의 계정 별로 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 저장할 수 있다. 이 경우, 서버(300)는 IoT 클라우드 서버(400)로 디바이스 정보를 요청하지 않고, 서버(300)에 저장되어 있는 사용자의 계정 정보와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 이용할 수 있다. 또한, 결정된 타겟 디바이스 타입에 대한 정보를 이용하여, 기 등록된 사용자의 복수의 디바이스 중 결정된 타겟 디바이스 타입에 해당하는 디바이스에 대한 정보만을 획득할 수도 있다.

서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 결정된 타겟 디바이스 타입에 해당되는 후보 디바이스를 선택할 수 있다. 선택된 후보 디바이스는 한 개일 수 있으나, 복수개일 수도 있다. 선택된 후보 디바이스가 한 개인 경우, 선택된 후보 디바이스가 타겟 디바이스로 결정될 수 있다.

일 실시예에서, 선택된 후보 디바이스가 복수개인 경우, 서버(300)는 선택된 복수의 후보 디바이스의 상태 정보를 고려하여 타겟 디바이스 결정할 수 있다. 예를 들어, "컨텐트 재생"의 제1 인텐트와 관련된 타겟 디바이스 타입이 "TV"로 결정된 경우, 서버(300)는 후보 디바이스인 거실 TV, 안방 TV, 자녀방 TV 중 현재 전원이 켜져있는 거실 TV를 타겟 디바이스로 결정할 수 있다.

다른 실시예에서, 선택된 디바이스가 복수개인 경우, 서버(300)는 선택된 복수의 후보 디바이스의 설치 위치를 고려하여 타겟 디바이스를 결정할 수 있다. 예를 들어, "컨텐트 재생"의 제1 인텐트와 관련된 타겟 디바이스 타입이 "TV"로 결정된 경우, 서버(300)는 후보 디바이스인 거실 TV, 안방 TV, 자녀방 TV 중 사용자의 현재 위치와 근접한 위치에 설치되어 있는 안방 TV를 타겟 디바이스로 결정할 수 있다. 전술한 예시들에서, 거실 TV, 안방 TV, 및 자녀방 TV 각각의 전원 온오프 여부 및 설치 위치 정보는 IoT 클라우드 서버(400)로부터 획득될 수 있다.

서버(300)는 결정된 타입 및 IoT 클라우드 서버(400)로부터 수신한 디바이스 정보에 기초하여 타겟 디바이스를 결정할 수 있지만, 이에 한정되는 것은 아니다. 서버(300)가 결정된 타입에 해당되는 후보 디바이스가 복수 개 존재하고, IoT 클라우드 서버(400)로부터 수신한 디바이스 정보를 이용하더라도 타겟 디바이스를 결정할 수 없는 경우에는 질의 메시지를 통해 사용자가 특정 타겟 디바이스를 결정할 것을 요청할 수도 있다.

단계 S530에서는 하나의 타겟 디바이스의 타입을 결정하는 것으로 설명되었지만, 이에 한정되는 것은 아니다. 단계 S530에서 서버(300)는 복수개의 타겟 디바이스 타입을 결정할 수 있다. 복수의 타겟 디바이스 타입이 결정된 경우, 서버(300)는 복수의 타겟 디바이스 타입에 기초하여 타겟 디바이스를 결정할 수 있다. 예를 들어, 타겟 디바이스 타입으로서 제1 디바이스 타입 및 제2 디바이스 타입이 결정된 경우, 서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 제1 디바이스 타입에 해당되는 복수의 디바이스를 선택하고, 선택된 복수의 디바이스의 상태 정보 및 설치 위치 정보에 기초하여 제1 후보 디바이스 및 제2 후보 디바이스를 결정할 수 있다. 또한, 서버(300)는 기 등록된 복수의 디바이스 중 제2 디바이스 타입에 해당되는 복수의 디바이스를 선택하고, 선택된 복수의 디바이스의 상태 정보 및 설치 위치 정보에 기초하여 제3 후보 디바이스 및 제4 후보 디바이스를 결정할 수 있다. 서버(300)는 제1 후보 디바이스, 제2 후보 디바이스, 제3 후보 디바이스 및 제4 후보 디바이스 중 어느 하나의 디바이스를 타겟 디바이스로 결정할 수 있다.

단계 S540에서, 서버(300)는 복수의 제2 자연어 이해 모델 중 결정된 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 선택하고, 선택된 제2 자연어 이해 모델을 이용하여, 타겟 디바이스가 수행할 동작에 관한 정보를 획득한다. 제2 자연어 이해 모델은 특정 타입의 디바이스에 특화된 모델로서, 제1 자연어 이해 모델에 의해 결정된 타입에 해당되는 디바이스와 관련되며 텍스트에 대응하는 제2 인텐트 및 파라미터를 획득하도록 학습된 인공지능 모델일 수 있다. 제2 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로, 특정 타입의 디바이스가 수행할 동작을 결정하는 데 사용될 수 있다.

일 실시예에서, 제2 자연어 이해 모델은 텍스트를 해석함으로써 사용자의 음성 입력과 관련된 디바이스의 동작을 결정할 수 있도록 학습된 모델일 수 있다. 동작은, 디바이스에서 특정 기능을 실행함으로서, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은, 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다.

일 실시예에서, 서버(300)는 결정된 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 이용하여 텍스트를 분석할 수 있다. 이 때, 제2 자연어 이해 모델에 입력되는 텍스트는, 음성 신호로부터 변환된 텍스트의 적어도 일부일 수 있다. 예를 들면, 변환된 텍스트에 디바이스 명칭이 포함되어 있는 경우, 서버(300)는 텍스트에서 디바이스 명칭을 제거하고, 제2 자연어 이해 모델에 입력할 수 있다. 즉, 서버(300)는 변환된 텍스트를 제2 자연어 이해 모델이 분석할 수 있는 포맷의 텍스트로 변환하여 입력할 수 있다. 제2 자연어 이해 모델이 분석할 수 있는 포맷이란, 제2 자연어 이해 모델의 학습 데이터로 사용된 텍스트에 대응하는 문장 구조를 의미한다.

서버(300)는 제2 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 파악하고, 파악된 의미를 기 정의된 단어에 매칭시켜 제2 인텐트 및 파라미터를 결정할 수 있다. 서버(300)는 제2 자연어 이해 모델을 이용하여 텍스트로부터 제2 인텐트를 결정할 수 있는데, 제1 인텐트 보다 디바이스 타입에 특화된 인텐트를 제2 인텐트로 결정할 수 있다. 예를 들어, 디바이스 타입이 "TV"로 결정된 경우, 제2 자연어 이해 모델을 이용하는 경우, "보헤미안 랩소디 틀어줘~"라는 텍스트를 분석하여, '영화 컨텐트 재생'을 제2 인텐트로 결정할 수 있다. 다른 예에서, 디바이스 타입이 "스피커"로 결정된 경우, 제2 자연어 이해 모델을 이용하는 경우, "보헤미안 랩소디 틀어줘~"라는 텍스트를 분석하여 '노래 재생'을 제2 인텐트로 결정할 수 있다.

서버(300)는 복수 개의 제2 자연어 이해 모델을 포함할 수 있으며, S530에서 결정된 타겟 디바이스의 타입에 기초하여, 타겟 디바이스의 타입에 대응하는 적어도 하나의 제2 자연어 이해 모델을 선택할 수 있다. 적어도 하나의 제2 자연어 이해 모델이 선택되면, 서버(300)는 선택된 제2 자연어 이해 모델을 이용하여 텍스트를 해석함으로써 제2 인텐트 및 파라미터를 결정할 수 있다.

서버(300)는 결정된 타겟 디바이스의 타입에 관한 액션 플랜들이 저장되어 있는 액션 플랜 관리 모델을 이용하여 제2 인텐트 및 파라미터에 관련된 적어도 하나의 세부 동작에 대한 동작 정보를 획득할 수 있다. 액션 플랜 관리 모델은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 서버(300)는 액션 플랜 관리 모델을 이용함으로써, 제2 인텐트 및 파라미터에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.

서버(300)는 결정된 타겟 디바이스의 식별 정보(디바이스 id 정보)와 타겟 디바이스 타입의 식별 값을 액션 플랜 관리 모델에게 제공함으로써, 타겟 디바이스가 수행할 일련의 세부 동작들에 관한 동작 정보를 획득할 수 있다. 동작 정보는, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 디바이스가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작과의 연관 관계 및 실행 순서에 관련된 정보를 포함할 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.

단계 S550에서, 서버(300)는 획득된 동작 정보를 IoT 클라우드 서버(400)에 전송한다. 서버(300)는 동작 정보 및 결정된 타겟 디바이스의 식별 정보(디바이스 id)를 IoT 클라우드 서버(400)에게 전송할 수 있다.

IoT 클라우드 서버(400)는 서버(300)로부터 수신한 동작 정보 및 디바이스 식별 정보에 기초하여, 타겟 디바이스의 세부 동작들을 제어하기 위한 제어 명령(control command)을 획득할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 데이터베이스(DB)에 기 저장된 타겟 디바이스의 제어 명령들 중에서, 동작 정보 내의 타겟 디바이스의 세부 동작들을 제어하기 위한 제어 명령을 선택할 수 있다. IoT 클라우드 서버(400)에는 복수의 디바이스에 대한 제어 명령 및 동작 정보가 저장된 데이터베이스를 포함할 수 있다. IoT 클라우드 서버(400)는 서버(300)로부터 수신한 디바이스 식별 정보를 이용하여 데이터베이스를 선택하고, 선택된 데이터베이스에서 동작 정보를 이용하여 제어 명령을 검색할 수 있다.

제어 명령은 디바이스가 판독할 수 있는 정보로서, 디바이스가 기능을 실행하여 동작 정보에 따른 세부 동작들을 수행하기 위한 명령어를 포함할 수 있다.

IoT 클라우드 서버(400)는 제어 명령을 타겟 디바이스에 전송할 수 있다.

종래에는, 복수의 디바이스로 구성된 네트워크 환경에서 사용자의 음성을 입력받아 디바이스가 동작을 수행하기 위해서는, 복수의 디바이스 모두가 사용자의 음성 입력을 수신하고, 음성 입력에 따라 동작할 수 있는 기능을 갖추고 있어야만 하였으므로, 디바이스의 리소스(resource)가 과다해지는 문제점이 있었다. 즉, 새로운 디바이스가 네트워크 환경에 추가되는 경우, 새로운 디바이스를 제어하기 위해서는 모든 기능들을 새로 개발해야 할 수밖에 없었다.

본 개시의 일 실시예에 따른 서버(300)는, 클라이언트 디바이스(110)가 수신한 사용자의 음성 입력을 텍스트로 변환하고, 제1 자연어 이해 모델을 이용하여 텍스트를 해석하여 타겟 디바이스의 타입을 결정하고, 제1 자연어 이해 모델에 의해 결정된 디바이스 타입에 대응되는 제2 자연어 이해 모델을 이용하여 분석된 텍스트와 관련된 동작 정보를 획득하는바, 디바이스 내에 불필요한 리소스를 감소시키고, 시스템 아키텍쳐의 범용성을 확보하는 효과가 있다.

도 6은 본 개시의 서버(300)가 음성 입력으로부터 변환된 텍스트를 통해 타겟 디바이스의 타입을 결정하는 구체적인 방법을 도시한 흐름도이다. 도 6은 도 5의 단계 S530의 구체적인 실시예를 도시한 도면이다.

단계 S610에서, 서버(300)는 단계 S520에서 변환된 텍스트를 파싱한다. 일 실시예에서, 서버(300)는 제1 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)할 수 있다. 예를 들어, 서버(300)는 "TV에서 보헤미안 랩소디 틀어줘~"의 텍스트를 'TV', '보헤미안 랩소디', '틀어', 및 '줘'로 파싱할 수 있다.

단계 S620에서, 서버(300)는 파싱된 텍스트 중에 디바이스의 명칭이 포함되어 있는지를 판단한다. 일 실시예에서, 서버(300)는 제1 자연어 이해 모델을 이용하여, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 분석하고, 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 서버(300)는, 추론된 단어의 의미를 제1 자연어 이해 모델에서 제공되는 기 정의된 디바이스 명칭들과 비교함으로써, 추론된 단어의 의미에 대응되는 디바이스 명칭을 결정할 수 있다. 예를 들어, 서버(300)는 "TV에서 보헤미안 랩소디 틀어줘~"의 텍스트를 파싱하여 추출된 단어 또는 구를 기 정의된 디바이스 명칭들과 비교함으로써, 'TV'를 디바이스 명칭으로서 결정할 수 있다. 이 경우, 서버(300)는 텍스트가 디바이스 명칭을 포함하고 있다고 판단할 수 있다.

다른 예를 들어, "보헤미안 랩소디 틀어줘~"의 텍스트를 파싱하여 추출된 단어 또는 구를 기 정의된 디바이스의 명칭들과 비교하더라도 디바이스 명칭에 대응되는 단어 또는 구를 추출할 수 없는 경우, 서버(300)는 텍스트에 디바이스 명칭이 포함되지 않는다고 판단할 수 있다.

단계 S620에서 파싱된 텍스트 중에 디바이스 명칭이 포함되어 있다고 판단한 경우(YES), 서버(300)는 텍스트 내에 포함된 타겟 디바이스의 명칭에 기초하여, 타겟 디바이스의 타입을 결정한다 (단계 S630). 예를 들어, 서버(300)는 "TV에서 보헤미안 랩소디 틀어줘~"의 텍스트를 파싱하여 'TV'를 디바이스 명칭으로서 추출한 경우, 'TV'를 타겟 디바이스 타입으로 결정할 수 있다.

일 실시예에서, 파싱된 텍스트에 디바이스의 보통 명칭 및 설치 위치가 포함될 수 있다. 이 경우, 서버(300)는 텍스트를 파싱하여 추출된 단어 또는 구를 기 정의된 단어 또는 구와 매칭시켜 디바이스의 보통 명칭 및 설치 위치에 관한 단어를 획득할 수 있다. 예를 들어, 텍스트가 "거실 TV에서 보헤미안 랩소디 틀어줘~"인 경우, 서버(300)는 텍스트를 파싱한 후, 파싱된 텍스트로부터 디바이스의 보통 명칭(TV)과 설치 위치(거실)에 관한 단어를 추출할 수 있다. 서버(300)는 추출된 디바이스의 보통 명칭 및 설치 위치에 기초하여 타겟 디바이스의 타입을 결정할 수 있다.

단계 S620에서 파싱된 텍스트 중에 디바이스 명칭이 포함되지 않는다고 판단한 경우(NO), 서버(300)는 제1 자연어 이해 모델을 이용하여 텍스트를 해석함으로써, 제1 인텐트를 인식한다 (단계 S640). 일 실시예에서, 서버(300)는 제1 자연어 이해 모델을 이용하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행함으로써, 텍스트로부터 사용자의 제1 인텐트(intent)를 결정할 수 있다. 서버(300)는 제1 자연어 이해 모델을 이용하여, 파싱된 텍스트로부터 추출된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 분석함으로써, 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 서버(300)는, 추론된 단어의 의미를 제1 자연어 이해 모델에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 제1 인텐트를 결정할 수 있다. 예를 들어, 서버(300)는 "보헤미안 랩소디 틀어줘~"의 텍스트를 '보헤미안 랩소디', '틀어', '줘~'와 같이 단어 또는 구 단위로 파싱하고, 파싱된 단어 또는 구를 기 정의된 인텐트와 비교하여 보헤미안 랩소디의 식별값(예: 영화 제목)을 갖는 컨텐트를 재생하는 '컨텐트 재생(play)'을 제1 인텐트로 결정할 수 있다.

단계 S650에서, 서버(300)는 복수의 디바이스의 특성 정보를 획득한다. 일 실시예에서, 서버(300)는 사용자의 계정 정보(예를 들어, 사용자 id)와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스의 특성 정보를, IoT 클라우드 서버(400)로부터 수신할 수 있다. 서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스에 관한 특성 정보를 IoT 클라우드 서버(400)에 요청할 수 있다. 서버(300)는 IoT 클라우드 서버(400)로부터 사용자의 계정 정보와 관련하여 등록된 복수의 디바이스에 관한 특성 정보를 수신할 수 있다. 특성 정보는 디바이스 타입을 결정하기 위하여 서버에 의해 이용되는 정보일 수 있다. 특성 정보는 디바이스 정보 중 일부를 포함할 수 있다. 특성 정보는 예를 들어, 복수의 디바이스 각각의 식별 값(디바이스 id), 및 기능 수행 능력 정보(capability)에 관한 정보를 포함할 수 있다.

서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스에 대한 특성 정보를 저장할 수 있으며, 이 경우 서버(300)는 저장된 특성 정보를 이용할 수 있다.

단계 S660에서, 서버(300)는 제1 인텐트 및 특성 정보에 기초하여 타겟 디바이스 타입을 결정한다. 일 실시예에서, 서버(300)는 제1 인텐트와 타겟 디바이스 타입 간의 관련성을 판단할 수 있는 매칭 모델에 기초하여, 텍스트로부터 인식된 제1 인텐트와 관련된 타겟 디바이스 타입을 결정할 수 있다. 매칭 모델은 제1 인텐트와 타겟 디바이스의 특성 정보에 기초하여 기 정의되어 있을 수 있다. 매칭 모델에는 예를 들어, 제1 인텐트가 나타내는 동작에 대하여 적어도 하나의 기능이 매칭될 수 있다. 서버(300)는 디바이스의 특성 정보에 기초하여, 제1 인텐트에 매칭된 기능을 수행할 수 있는 디바이스를 식별함으로써, 적어도 하나의 디바이스 타입을 결정할 수 있다. 디바이스의 기능 수행 능력 정보는, 디바이스가 실행할 수 있는 기능에 관한 정보를 의미할 수 있다. 예를 들어, 모바일 폰의 기능 수행 능력은 SNS, 지도, 전화, 인터넷 등이고, TV의 기능 수행 능력은 컨텐트 재생, 에어컨의 수행 능력은 공기의 온도 조절일 수 있다.

예를 들어, 매칭 모델에서 '컨텐트 재생'의 제1 인텐트는 영화 또는 음악과 같은 컨텐트를 재생할 수 있는 기능 수행 능력을 갖는 'TV' 또는 '스피커'와 매칭되는 것으로 정의될 수 있다. 다른 예를 들어, 매칭 모델에서 '온도 제어'의 제1 인텐트는 공기의 온도를 올리거나 내릴 수 있는 기능을 수행하는 능력을 갖는 디바이스인 '에어컨'과 매칭되는 것으로 정의될 수 있다.

일 실시예에서, 매칭 모델에서 제1 인텐트와 타겟 디바이스 타입 간의 매칭 룰 또는 매칭 패턴이 기 정의되어 있을 수도 있다.

매칭 모델에서 매칭의 정도, 즉 제1 인텐트와 타겟 디바이스 타입 간의 관련성 정도는 확률값으로 산출될 수 있다. 서버(300)는 텍스트로부터 결정된 제1 인텐트에 매칭 모델을 적용함으로서, 제1 인텐트와 복수의 타겟 디바이스 타입 간의 매칭 정도를 나타내는 복수의 확률값을 획득하고, 획득된 복수의 확률값 중 최대값을 갖는 타겟 디바이스 타입을 최종 타겟 디바이스 타입으로 결정할 수 있다.

예를 들어, 매칭 모델을 적용하여 산출된 "컨텐트 재생"의 제1 인텐트와 "TV" 간의 매칭 정도를 나타내는 제1 확률값은 다른 타겟 디바이스 타입, 예를 들어 "냉장고"와 "컨텐트 재생" 간의 매칭 정도를 나타내는 제2 확률값 보다 클 수 있다. 이 경우, 서버(300)는 컨텐트 재생의 제1 인텐트와 관련된 타겟 디바이스 타입으로 TV를 결정할 수 있다. 다른 예에서, 제1 인텐트가 "온도 제어"인 경우, 제1 인텐트와 "TV" 간의 매칭 정도를 나타내는 확률값 보다는 제1 인텐트와 "에어컨"의 매칭 정도를 나타내는 확률값이 더 높을 수 있다. 이와 같은 경우에, 서버(300)는 온도 제어의 제1 인텐트와 관련된 타겟 디바이스 타입으로 에어컨을 결정할 수 있다.

도 7은 본 개시의 서버(300)가 텍스트로부터 결정된 타겟 디바이스 타입 및 복수의 디바이스에 관한 정보에 기초하여 타겟 디바이스를 결정하는 방법을 도시한 흐름도이다.

단계 S710에서, 서버(300)는 사용자의 계정 정보를 IoT 클라우드 서버(400)에 전송함으로써, 디바이스 정보를 요청한다. 서버(300)는 클라이언트 디바이스(110)로부터 획득한 사용자의 계정 정보(예를 들어, 사용자 id)를 IoT 클라우드 서버(400)에게 전송하고, IoT 클라우드 서버(400)에 사용자의 계정 정보와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 요청할 수 있다.

일 실시예에서, 서버(300)는 결정된 타겟 디바이스 타입에 관한 정보를 사용자의 계정 정보와 함께 IoT 클라우드 서버(400)에 전송할 수 있다. 이 경우, 서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 결정된 타겟 디바이스 타입에 해당되는 디바이스에 관한 디바이스 정보만을 IoT 클라우드 서버(400)에 요청할 수 있다.

일 실시예에서, 서버(300)는 메모리(306)에 복수의 디바이스에 대한 정보를 저장할 수 있으며, 사용자의 계정 정보를 이용하여 메모리(306)에 저장되어 있는 복수의 디바이스에 대한 정보를 검색할 수 있다.

단계 S720에서, 서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 디바이스 정보를 IoT 클라우드 서버(400)로부터 수신한다. IoT 클라우드 서버(400)는, 서버(300)로부터 수신한 사용자의 계정 정보 별로 기 등록된 복수의 디바이스에 관한 리스트를 저장하고, 리스트에 포함된 복수의 디바이스 각각에 관한 기능 수행 능력 정보, 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 저장할 수 있다. 상태 정보는, 예를 들어, 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 전원 온오프(on/off) 정보, 및 현재 실행하고 있는 동작 정보 중 적어도 하나를 포함할 수 있다. 서버(300)는 IoT 클라우드 서버(400)로부터 복수의 디바이스 각각의 기능 수행 능력 정보, 위치 정보, 및 상태 정보 중 적어도 하나를 수신할 수 있다.

일 실시예에서, 서버(300)가 메모리(306)에 복수의 디바이스에 대한 정보를 저장하고 있는 경우, 메모리(306)에 저장된 정보 중 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스에 대한 정보를 획득할 수 있다.

단계 S730에서, 서버(300)는 복수의 디바이스 중 결정된 타입에 해당되는 적어도 하나의 디바이스를 선택한다. 일 실시예에서, 서버(300)는 제1 인텐트와 관련된 타겟 디바이스 타입을 하나의 타입만 결정한 경우, 결정된 타입에 해당되는 적어도 하나의 디바이스를 선택할 수 있다. 다른 실시예에서, 서버(300)가 제1 인텐트와 관련된 타겟 디바이스 타입으로서 복수의 타입을 결정한 경우, 서버(300)는 복수의 타겟 디바이스 타입 각각에 해당되는 복수의 디바이스를 선택할 수 있다. 예를 들어, 타겟 디바이스 타입으로서 'TV'와 '스피커'를 포함하는 복수의 타입이 결정된 경우, 서버(300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 TV에 해당되는 복수의 디바이스, 예를 들어 거실 TV, 안방 TV, 및 자녀방 TV와, 스피커에 해당되는 인공지능 스피커 및 블루투스 오디오 스피커를 각각 선택할 수 있다.

단계 S740에서, 서버(300)는 선택된 복수의 디바이스의 디바이스 정보를 고려함으로써, 타겟 디바이스 후보가 복수개인지 여부를 판단한다. 일 실시예에서, 서버(300)는 타겟 디바이스 타입이 하나인 경우, 타겟 디바이스의 타입에 해당되는 디바이스의 디바이스 정보에 기초하여 타겟 디바이스 후보를 결정하고, 결정된 타겟 디바이스 후보가 복수개인지 여부를 판단할 수 있다. 다른 실시예에서, 타겟 디바이스의 타입이 복수개인 경우, 서버(300)는 복수의 타입에 해당되는 복수의 디바이스 각각의 상태 정보 또는 설치 위치 정보에 기초하여 타겟 디바이스 후보를 결정하고, 결정된 타겟 디바이스 후보가 복수개인지 여부를 판단할 수 있다.

단계 S740에서, 타겟 디바이스 후보가 하나로 판단되는 경우(NO), 서버(300)가 하나의 타겟 디바이스를 최종 타겟 디바이스로 결정한다(단계 S750).

단계 S740에서, 타겟 디바이스 후보가 복수개인 경우(YES), ⓐ 단계로 진행되는데, ⓐ 단계는 도 8에서 설명하기로 한다.

도 8은 본 개시의 서버(300)가 복수의 디바이스의 정보를 고려하더라도 타겟 디바이스를 결정할 수 없는 경우, 사용자의 응답 입력에 기초하여 타겟 디바이스를 결정하는 방법에 관한 흐름도이다. 도 8은 도 7의 단계 S740에 도시된 ⓐ의 경우에 관한 구체적인 실시예를 도시한 도면이다.

단계 S810에서, 서버(300)는 자연어 생성 모델(Natural Language Generation; NLG)을 이용하여, 타겟 디바이스를 선택하기 위한 질의 메시지를 생성한다. 서버(300)는 도 7의 단계 S730에서 선택된, 특정 타입에 해당되는 복수의 디바이스 후보 중 어느 하나의 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 예를 들어, 도 7의 단계 S730에서 선택된 복수의 디바이스의 타입이 TV인 경우, 네트워크 내에 TV가 '거실 TV', '안방 TV', '자녀방 TV'로 복수 개 존재할 수 있다. 단계 S810에서 서버(300)는 선택된 복수 개의 디바이스 중 타겟 디바이스를 결정하는 명확화(disambiguation) 단계를 수행할 수 있다. 일 실시예에서, 서버(300)는 자연어 생성 모델을 이용하여 복수의 디바이스 후보 중 어느 디바이스를 타겟 디바이스로 결정할 것인지에 관하여 사용자의 응답을 유도하는 질의 메시지를 생성할 수 있다.

일 실시예에서, 질의 메시지는 특정 타입에 해당되는 복수의 디바이스 후보를 나열하는 리스트(list)를 포함하고, 리스트에 포함된 복수의 디바이스 후보 중 타겟 디바이스를 선택할 것을 사용자에게 요청하는 메시지일 수 있다. 예를 들어, 서버(300)는 "1. 거실 TV, 2. 안방 TV, 3. 자녀방 TV 중 어느 TV로 보헤미안 랩소디 영화를 재생할까요?"와 같이 복수의 TV를 기설정된 순서로 나열하는 리스트를 사용자에게 제공하는 질의 메시지를 생성할 수 있다.

다른 실시예에서, 질의 메시지는 복수의 디바이스 후보를 설치 위치에 따라 선택하게 하는 메시지일 수 있다. 예를 들어, 서버(300)는 "거실, 안방, 자녀방에 있는 TV 중 어느 TV로 영화 보헤미안 랩소디를 재생할까요?"와 같이 복수의 TV를 위치에 기초하여 제시하고, 제시된 복수의 TV 중 타겟 디바이스를 선택할 것을 사용자에게 요청하는 질의 메시지를 생성할 수 있다.

서버(300)는 자연어 생성 모델이 생성한 질의 메시지에 TTS(Text to Speech) 모델을 이용하여, 텍스트 형태의 질의 메시지를 오디오 신호로 변환할 수 있다.

단계 S820에서, 서버(300)는 클라이언트 디바이스(110)에 질의 메시지를 전송함으로써, 클라이언트 디바이스(110)가 질의 메시지를 출력하도록 요청한다. 서버(300)는 클라이언트 디바이스(110)에 질의 메시지를 전송할 수 있다. 서버(300)는 클라이언트 디바이스(110)에 오디오 신호로 변환된 질의 메시지를 전송할 수 있다. 클라이언트 디바이스(110)가 디스플레이를 포함하고 있는 디바이스인 경우, 텍스트 형태의 질의 메시지를 전송할 수도 있다.

단계 S830에서, 서버(300)는 클라이언트 디바이스(110)로부터 사용자의 응답 입력을 수신한다. 클라이언트 디바이스(110)는 질의 메시지 내에 포함된 복수의 디바이스 중 특정 디바이스를 선택하는 사용자의 응답 입력을 수신할 수 있다. 예를 들어, 질의 메시지가 "1. 거실 TV, 2. 안방 TV, 3. 자녀방 TV 중 어느 TV로 영화 보헤미안 랩소디를 재생할까요?"와 같이 복수의 TV를 기설정된 순서로 나열하는 리스트를 사용자에게 제공하는 메시지인 경우, 클라이언트 디바이스는 "첫번째 TV"와 같이 특정 서수를 통해 타겟 디바이스를 선택하는 응답 입력을 수신할 수 있다. 예를 들어, 질의 메시지가 "거실, 안방, 자녀방에 있는 TV 중 어느 TV로 영화 보헤미안 랩소디를 재생할까요?"와 같이 복수의 TV를 위치에 기초하여 선택할 것을 사용자에게 요청하는 메시지인 경우, 클라이언트 디바이스는 "거실"과 같이 설치 위치를 통해 타겟 디바이스를 선택하는 사용자의 응답 입력을 수신할 수 있다. 서버(300)는 클라이언트 디바이스로부터 사용자의 응답 입력을 수신할 수 있다.

사용자의 응답 입력은, 클라이언트 디바이스(110)로부터 음성 신호의 형태로 전송될 수 있다.

단계 S840에서, 서버(300)는 사용자의 응답 입력에 기초하여 타겟 디바이스를 결정한다. 서버(300)는 수신된 응답 입력을 ASR 과정을 거쳐 텍스트로 변환하고, 변환된 텍스트를 자연어 이해 모델을 이용하여 분석함으로써, 사용자가 선택한 타겟 디바이스에 관한 단어를 추출할 수 있다. 서버(300)는 자연어 이해 모델을 이용하여 추출된 단어의 의미를 해석하고, 추출된 단어에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서는, ASR 과정을 거쳐 사용자의 응답 입력에 대한 텍스트를 획득하고, 획득한 텍스트를 기 정의된 텍스트와 매칭하여 텍스트의 의미를 판단할 수 있다. 이 때 사용되는 ASR 모델 및 자연어 이해 모델은 도 2a 및 도 2b에서 설명한 모델과는 상이한 모델일 수 있다. 물론, 서버(300)는 도 2a 및 도 2b에서 설명한 모델 중 적어도 하나를 사용할 수도 있다.

도 9는 본 개시의 서버(300)가 제2 자연어 이해 모델을 이용하여 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 방법을 도시한 흐름도이다. 도 9는 도 5의 단계 S540의 구체적인 실시예를 도시한 도면이다.

단계 S910에서, 서버(300)는 단계 S530에서 결정한 타겟 디바이스의 타입을 이용하여, 타겟 디바이스 타입에 특화된 제2 자연어 이해 모델(NLU)을 선택한다. 제2 자연어 이해 모델은 특정 타입의 디바이스와 관련하여 텍스트를 해석하도록 학습된 모델이다. 제2 자연어 이해 모델은 텍스트를 해석함으로써 특정 타입의 디바이스들와 관련된 제2 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 제2 자연어 이해 모델은 복수 개가 존재할 수 있으며, 각 제2 자연어 이해 모델은 각 디바이스 타입에 대응한다. 일 실시예에서, 서버(300)는 결정된 타겟 디바이스 타입의 식별 정보를 기초로 복수의 제2 자연어 이해 모델 중 타겟 디바이스 타입에 대응되는 제2 자연어 이해 모델을 선택할 수 있다.

단계 S920에서, 서버(300)는 제2 자연어 이해 모델을 이용하여 텍스트를 분석함으로써, 제2 인텐트 및 파라미터를 획득한다. 일 실시예에서, 서버(300)는 제2 자연어 이해 모델을 이용하여 텍스트를 단어, 또는 구 단위로 파싱하고, 문법적 분석 및 의미적 분석을 통해 파싱된 단어, 또는 구의 의미를 추론하고, 추론된 의미를 기 정의된 인텐트 및 파라미터에 매칭시켜 제2 인텐트 및 파라미터를 획득할 수 있다. 일 실시예에서, 서버(300)는 단계 S610에서 수행한 텍스트에 대한 파싱 결과를 이용하여, 제2 인텐트 및 파라미터를 획득할 수 있다.

제2 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 타입의 디바이스가 수행할 동작을 결정하는 데 사용될 수 있다. 제2 인텐트는 제2 자연어 이해 모델을 이용하여 텍스트를 분석함으로써 결정될 수 있다. 파라미터는 제2 인텐트와 관련된 타겟 디바이스의 세부 동작들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터를 제2 인텐트에 대응하는 정보이며, 하나의 제2 인텐트에 복수 종류의 파라미터가 대응될 수 있다. 파라미터는 타겟 디바이스의 동작 정보를 결정하기 위한 변수 정보와, 텍스트가 그 변수 정보와 관련될 확률을 나타내는 수치값을 포함할 수 있다. 제2 자연어 이해 모델을 이용하여 텍스트를 해석한 결과, 파라미터를 나타내는 변수 정보가 복수개 획득되는 경우, 각 변수 정보에 대응되는 수치값이 최대인 변수 정보가 파라미터로 결정될 수 있다. 예를 들어, "거실 TV에서 보헤미안 랩소디 틀어줘~"의 텍스트에서, 제2 인텐트는 TV와 관련된 동작을 나타내는 '컨텐트 재생(play)'이고, 파라미터는 'TV', '거실 TV', '영화' 또는 영화 제목인'보헤미안 랩소디'로 결정될 수 있다.

제2 자연어 이해 모델은 텍스트를 해석함으로써 특정 디바이스의 타입과 관련된 제2 인텐트를 결정하기 때문에, 제2 인텐트는 제1 인텐트 보다 구체적인 데이터일 수 있다. 제1 인텐트와 제2 인텐트에 관해서는 도 10에서 상세하게 설명하기로 한다.

단계 S930에서, 서버(300)는 디바이스 별 액션 플랜(action plan)을 저장하고 있는 액션 플랜 관리 모델에 제2 인텐트, 파라미터, 및 타겟 디바이스의 식별 정보를 제공한다. 일 실시예에서, 서버(300)는 단계 S920에서 획득된 제2 인텐트 및 파라미터와, 결정된 타겟 디바이스의 디바이스 id를 액션 플랜 관리 모델에 제공할 수 있다. 액션 플랜 관리 모델은 액션 플랜을 생성하기 위하여 디바이스의 세부 동작과 관련된 정보를 관리하는 모델일 수 있다. 액션 플랜 관리 모델은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 일 실시예에서, 액션 플랜 관리 모델은, 세부 동작들의 실행을 위하여 입력되는 파라미터 값 또는 동작들의 실행에 의해 출력되는 결과 값을 에 대응되는 정보를 디바이스의 타입 별로 저장할 수 있다.

일 실시예에서, 단계 S930은 IoT 클라우드 서버(400)에 의해 수행될 수 있다. 이 경우, 서버(300)는 단계 S920에서 획득한 제2 인텐트, 파라미터, 및 타겟 디바이스의 식별정보를 IoT 클라우드 서버(400)로 전송할 수 있다. IoT 클라우드 서버(400)는 액션 플랜 관리 모델을 포함할 수 있다.

단계 S940에서, 서버(300)는 액션 플랜 관리 모델로부터 타겟 디바이스가 수행할 세부 동작에 관한 동작 정보를 획득한다. 액션 플랜 관리 모델은 서버(300)로부터 획득한 타겟 디바이스의 식별 정보로부터 타겟 디바이스를 식별하고, 타겟 디바이스에 관련된 기저장된 '세부 동작들 및 세부 동작들 간의 연관 관계를 나타내는 정보'를 메모리로부터 획득할 수 있다.

액션 플랜 관리 모델(210)은 '세부 동작들 및 세부 동작들 간의 관계를 나타내는 정보' 중 제2 인텐트 및 파라미터와 관련된 동작들을 식별하고, 식별된 세부 동작들 및 세부 동작들의 실행 순서를 플래닝함으로써, 타겟 디바이스가 수행할 동작 정보를 생성할 수 있다. 동작 정보는, 디바이스가 수행할 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서와 관련된 정보일 수 있다. 동작 정보는 예를 들어, 특정 동작들의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다. 액션 플랜 관리 모델은 동작 정보를 서버(300)에 제공하고, 서버(300)는 액션 플랜 관리 모델로부터 동작 정보를 획득할 수 있다.

일 실시예에서, 단계 S940은 IoT 클라우드 서버(400)에서 수행될 수 있다. IoT 클라우드 서버(400)는 제2 인텐트, 파라미터, 및 타겟 디바이스의 식별정보를 수신하여, 타겟 디바이스가 수행할 세부 동작들 및 세부 동작들에 관한 실행 순서를 포함하는 동작 정보를 획득한다.

단계 S950에서, 서버(300)는 IoT 클라우드 서버(400)로부터 타겟 디바이로 제어 명령이 제공될 수 있도록, 획득된 동작 정보를 IoT 클라우드 서버(400)에 전송한다. 서버(300)는 동작 정보 및 결정된 타겟 디바이스의 식별 정보를 IoT 클라우드 서버(400)에게 전송할 수 있다.

IoT 클라우드 서버(400)는 서버(300)로부터 수신한 동작 정보 및 디바이스 식별 정보에 기초하여, 타겟 디바이스의 세부 동작들을 제어하기 위한 제어 명령(control command)을 획득할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 데이터베이스(DB)에 기 저장된 타겟 디바이스의 제어 명령들 중에서, 동작 정보 내의 타겟 디바이스의 세부 동작들을 제어하기 위한 제어 명령을 선택할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 서버(300)로부터 수신한 디바이스 식별 정보를 이용하여 데이터베이스를 선택하고, 선택된 데이터베이스에서 동작 정보를 이용하여 제어 명령을 검색할 수 있다. 제어 명령은 디바이스가 판독할 수 있는 정보로서, 디바이스가 기능을 실행하여 동작을 수행하기 위한 명령어를 포함할 수 있다.

도 10은 본 개시의 서버(300)가 텍스트로부터 제1 인텐트와 제2 인텐트를 결정하고, 액션 플랜 관리 모델(210)로부터 동작 정보를 획득하는 방법을 설명하기 위한 도면이다.

도 10을 참조하면, 서버(300)는 제1 자연어 이해 모델(300a), 제2 자연어 이해 모델(300b), 및 액션 플랜 관리 모델(210)을 포함할 수 있다. 여기서, "자연어 이해 모델"은 텍스트를 해석하기 위한 모델로서, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 서버(300)와는 별개의 구성 요소일 수 있으며, IoT 클라우드 서버(400)에 포함될 수 있다.

도 10에 도시된 실시예에서, 사용자가 "보헤미안 랩소디 틀어줘~"라는 발화를 한 경우, 서버(300)는 클라이언트 디바이스(110)로부터 음성 신호를 수신하고, ASR을 수행하여 음성 신호를 텍스트로 변환할 수 있다. 제1 자연어 이해 모델(300a)은 텍스트를 해석하여, 텍스트에 대응하는 제1 인텐트를 획득하도록 학습된 모델이다. 제1 자연어 이해 모델(300a)은 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 제1 자연어 이해 모델(300a)은 추론된 단어의 의미를 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 제1 인텐트를 결정할 수 있다. 제1 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보를 의미한다.

예를 들어, 텍스트가 "보헤미안 랩소디 틀어줘"인 경우, 제1 자연어 이해 모델(300a)은 텍스트를 형태소, 단어 등으로 "보헤미안", "랩소디", "틀어줘"와 같이 세분화한다. 제1 자연어 이해 모델(300a)은 세분화된 각 형태소 또는 단어들에 대해 문법적 요소, 즉, 품사, 문장 구조 등을 각 형태소 또는 단어에 태깅(tagging)하는 과정을 수행한다. "보헤미안"이라는 단어에는 형용사 또는 수식어, "랩소디"이라는 단어에는 명사 또는 목적어, "틀어줘"라는 단어에는 동사 또는 서술어가 태깅될 수 있다. 제1 자연어 이해 모델(300a)은 각 단어, 단어의 위치/순서 및 단어의 태깅 정보 등을 이용하여 각 단어의 관계를 도출한다. 즉, 제1 자연어 이해 모델(300a)은 "보헤미안"은 "랩소디"를 수식하는 형용사 또는 수식어이며, "보헤미안"과 "랩소디"를 조합한 "보헤미안 랩소디"라는 단어는 "틀어줘"라는 동사 또는 서술어의 대상이 되는 명사 또는 목적어라는 것을 판단한다. 제1 자연어 이해 모델(300a)은, 텍스트를 문법적 요소를 이용하여 분석한 결과를 이용하여, 텍스트 내 동사 또는 서술어의 의미를 추론한다. 예를 들면, 제1 자연어 이해 모델(300a)은, "보헤미안 랩소디 틀어줘"라는 텍스트 중 '틀어줘'가 '어떤 것을 틀어줘(play something)'라는 동작(action)을 수행한다는 의미를 갖고 있다는 것을 추론할 수 있다.

본 명세서에서 제1 자연어 이해 모델은 위에서 추론된 의미에 대응하는 제1 인텐트를 결정한다. 제1 자연어 이해 모델(300a)은, 복수 개의 제1 인텐트에 대한 정보를 포함하고 있으며, 위에서 추론된 의미에 대한 정보와 복수 개의 제1 인텐트에 대한 정보를 비교하여, 추론된 의미에 대응하는 제1 인텐트를 결정한다. 예를 들어, 제1 자연어 이해 모델(300a)은, '어떤 것을 틀어줘(play something)'와 복수 개의 제1 인텐트에 대한 정보와 비교하여, '어떤 것을 틀어줘(play something)'에 대응하는 제1 인텐트를 "컨텐츠 재생(content play)"으로 결정할 수 있다.

제1 자연어 이해 모델(300a)은 특정 디바이스의 타입을 고려하지 않고 텍스트를 해석하는 모델로서, 제2 자연어 이해 모델(300b) 보다는 간소화된 모델일 수 있다. 제1 자연어 이해 모델(300a)은, 입력된 텍스트에서 서술어 또는 동사에 해당하는 단어에 대한 해석을 수행하는 모델이다. 또한, 제1 자연어 이해 모델(300a)은, 새로운 텍스트를 해석하기 위해서 학습 등을 통해 기존 모델 전체를 새로운 모델로 갱신하도록 구성될 수 있다.

제2 자연어 이해 모델(300b)은 특정 타입의 디바이스와 관련하여 텍스트를 해석하기 위하여 학습된 모델이다. 제2 자연어 이해 모델(300b)은 특정 타입의 디바이스들에 대하여 적용될 수 있으며, 텍스트를 해석함으로써 사용자가 의도하는 동작과 관련된 제2 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 제2 자연어 이해 모델(300b)은 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 추론하고, 추론된 의미를 기 정의된 단어에 매칭시켜 제2 인텐트 및 파라미터를 획득할 수 있다. 제2 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 타입의 디바이스가 수행할 동작을 결정하기 위하여 사용될 수 있다. 파라미터는 제2 인텐트와 관련된 타겟 디바이스의 세부 동작들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터를 제2 인텐트에 대응하는 정보이며, 하나의 제2 인텐트에 복수 종류의 파라미터가 대응될 수 있다.

예를 들어, 텍스트가 "보헤미안 랩소디 틀어줘"인 경우, 제2 자연어 이해 모델(300b)은 텍스트를 형태소, 단어 등으로 "보헤미안", "랩소디", "틀어줘"와 같이 세분화한다. 제2 자연어 이해 모델(300b)은 세분화된 각 형태소 또는 단어들에 대해 문법적 요소, 즉, 품사, 문장 구조 등을 각 형태소 또는 단어에 태깅하는 과정을 수행한다. "보헤미안"이라는 단어에는 형용사 또는 수식어, "랩소디"이라는 단어에는 명사 또는 목적어, "틀어줘"라는 단어에는 동사 또는 서술어가 태깅될 수 있다. 제2 자연어 이해 모델(300b)은 각 단어, 단어의 위치/순서 및 단어의 태깅 정보 등을 이용하여 각 단어의 관계를 도출한다. 즉, 제2 자연어 이해 모델(300b)은 "보헤미안"은 "랩소디"를 수식하는 형용사 또는 수식어이며, "보헤미안"과 "랩소디"를 조합한 "보헤미안 랩소디"라는 단어는 "틀어줘"라는 동사 또는 서술어의 대상이 되는 명사 또는 목적어라는 것을 판단한다. 제2 자연어 이해 모델(300b)은, "보헤미안 랩소디 틀어줘"라는 텍스트가 '어떤 것을 틀어줘(play something)'라는 동작(action)을 수행한다는 의미를 갖고 있으며, 어떤 것은 '보헤미안 랩소디'라는 대상(object)이라는 것을 추론할 수 있다.

여기서, 제2 자연어 이해 모델(300b)은, 제1 자연어 이해 모델(300a)에 의해 분석된 결과를 획득하고, 일부 단계를 추가적으로 수행하여 제2 인텐트 및 파라미터를 결정할 수 있다. 예를 들어, 제2 자연어 이해 모델(300b)은, 제1 자연어 이해 모델(300a)이 분석한 텍스트에 포함되어 있는 각 단어들의 관계 정보를 수신할 수 있다. 예를 들면, 제2 자연어 이해 모델(300b)은 보헤미안"은 "랩소디"를 수식하는 형용사 또는 수식어이며, "보헤미안"과 "랩소디"를 조합한 "보헤미안 랩소디"라는 단어는 "틀어줘"라는 동사 또는 서술어의 대상이 되는 명사 또는 목적어라는 정보를 제1 자연어 이해 모델(300a)로부터 수신할 수 있다. 제2 자연어 이해 모델(300b)은, 수신된 정보를 이용하여 "보헤미안 랩소디 틀어줘"라는 텍스트가 '어떤 것을 틀어줘(play something)'라는 동작(action)을 수행하라는 의도를 갖고 있으며, 동작의 수행 대상은'보헤미안 랩소디'이라는 것을 추론할 수 있다.

또한, 제2 자연어 이해 모델(300b)은, 제1 자연어 이해 모델(300a)에 입력된 변환된 텍스트 중 적어도 일부를 분석할 수 있다. 예를 들면, 변환된 텍스트에 디바이스 명칭이 포함되어 있는 경우, 제2 자연어 이해 모델(300b)은 변환된 텍스트에서 디바이스 명칭을 삭제한 나머지 텍스트를 입력받아 분석할 수 있다. 변환된 텍스트에서 디바이스 명칭을 삭제하는 것은, 제1 자연어 이해 모델(300a)에 의해 수행될 수 있고, 제2 자연어 이해 모델(300b)에 의해 수행될 수도 있다.

본 명세서에서 제2 자연어 이해 모델(300b)은 위에서 추론된 의미에 대응하는 제2 인텐트를 결정한다. 제2 자연어 이해 모델(300b)은, 복수 개의 제2 인텐트에 대한 정보를 포함하고 있으며, 추론된 의미에 대한 정보와 복수 개의 제2 인텐트에 대한 정보를 비교하여, 추론된 의미에 대응하는 제2 인텐트를 결정한다.

또한, 제2 자연어 이해 모델(300b)은, 제2 인텐트의 대상이 될 수 있는 복수의 파라미터에 대한 정보를 포함한다. 제2 자연어 이해 모델(300b)은 '보헤미안 랩소디'라는 대상에 대한 정보와 복수의 파라미터에 대한 정보를 비교하여, 제2 인텐트와 관련된 파라미터를 결정한다.

예를 들어, 디바이스 타입이 "TV"인 경우, 제2 자연어 이해 모델(300b)은 “보헤미안 랩소디 틀어줘~”의 텍스트를 파싱하여 추출된 '어떤 것을 틀어줘' 라는 추론된 의미와 제2 자연어 이해 모델(300b)이 포함하고 있는 복수의 제2 인텐트 정보와 비교하고, 복수의 제2 인텐트 정보와 '어떤 것을 틀어줘' 간의 관련성 정도를 나타내는 수치값에 기초하여 '영화 컨텐트 재생(movie content play)’을 제2 인텐트로 결정할 수 있다. 제2 자연어 이해 모델(300b)에서 관련성 정도를 나타내는 수치값은 디바이스 타입을 고려하여 결정되는 것으로서, 디바이스 타입이 TV임을 고려할 때 '틀어줘'와 영화 컨텐트 재생 간의 관련성 정도를 나타내는 제1 수치값은 '틀어줘'와 음악 컨텐트 재생 간의 관련성 정도를 나타내는 제2 수치값 보다는 클 수 있다. 따라서, 제2 자연어 이해 모델(300b)은 디바이스 타입이 TV인 경우, '틀어줘'와 관련된 제2 인텐트로서 '영화 컨텐트 재생'을 결정할 수 있다.

다른 예에서, 디바이스 타입이 스피커인 경우, 제2 자연어 이해 모델(300b)을 통해 동일한 텍스트를 해석하면 '틀어줘'와 영화 컨텐트 재생 간의 관련성 정도를 나타내는 제1 수치값 보다 '틀어줘'와 음악 컨텐트 재생 간의 관련성 정도를 나타내는 제2 수치값이 더 클 수 있다. 이 경우에, 제2 자연어 이해 모델(300b)은 '틀어줘'와 관련된 제2 인텐트로서 '음악 컨텐트 재생(music content play)'을 결정할 수 있다.

제2 자연어 이해 모델(300b)은 특정 디바이스의 타입에 따른 속성을 반영하여 텍스트를 해석함으로써 제2 인텐트를 결정하기 때문에, 제2 인텐트는 제1 인텐트 보다는 구체적인 정보일 수 있다. 제2 자연어 이해 모델(300b)은, 입력된 텍스트에서 서술어 또는 동사 뿐만 아니라 목적어 또는 명사, 수식어 또는 형용사에 해당하는 단어에 대한 해석을 수행하는 모델이다. 따라서, 제2 자연어 이해 모델(300b)은 제1 자연어 이해 모델(300a) 보다 텍스트 해석에 소요되는 시간이 길거나, 메모리에 저장되는 보다 많은 정보를 활용하여 텍스트를 해석할 수 있다. 또한, 제2 자연어 이해 모델(300b)은, 새로운 디바이스와 관련된 텍스트를 해석하기 위해서 기존 모델에 새로운 디바이스에 대응하는 모델을 추가되도록 구성될 수 있다.

제2 자연어 이해 모델(300b)은 디바이스 타입을 고려하여 텍스트를 해석함으로써, 파라미터를 결정할 수 있다. 제2 자연어 이해 모델(300b)은 텍스트를 해석한 결과, 파라미터를 나타내는 변수 정보가 복수개 획득되는 경우, 각 변수 정보에 대응되는 수치값이 최대인 변수 정보가 파라미터로 결정될 수 있다. 예를 들어, 제2 자연어 이해 모델(300b)은 디바이스 타입이 TV인 경우, "보헤미안 랩소디 틀어줘~"의 텍스트를 파싱하여 추출된 '보헤미안 랩소디'를 제2 자연어 이해 모델(300b)이 포함하고 있는 복수의 파라미터에 대한 정보와 비교하여, 제2 인텐트와 관련된 파라미터를 결정할 수 있다. 이 때, 제2 자연어 이해 모델(300b)은 복수의 파라미터에 대한 정보 중 제2 인텐트와 관련된 복수의 파리미터의 정보와 텍스트에서 추출된 '보헤미안 랩소디'를 비교하여, 보헤미안 랩소디에 대응하는 파라미터를 결정할 수 있다. 제2 인텐트가 '영화 컨텐트 재생'으로 결정된 경우, 제2 자연어 이해 모델(300b)은, 영화 컨텐트와 관련된 복수의 파라미터 중 보헤미안 랩소디에 대응하는 파라미터를 결정한다. 다른 예에서, 제2 인텐트가 '음악 컨텐트 재생'으로 결정된 경우, 제2 자연어 이해 모델은, 음악 컨텐트와 관련된 복수의 파라미터 중 보헤미안 랩소디에 대응하는 파라미터를 결정한다.

서버(300)는 결정된 제2 인텐트 및 파라미터를 액션 플랜 관리 모델(210)에 제공하고, 액션 플랜 관리 모델(210)로부터 제2 인텐트 및 파라미터에 관련된 동작 정보를 획득할 수 있다. 일 실시예에서, 서버(300)는 제2 인텐트 및 파라미터 뿐만 아니라, 타겟 디바이스의 타입에 관한 식별 정보를 액션 플랜 관리 모델(210)에 제공할 수도 있다.

액션 플랜 관리 모델(210)은 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 액션 플랜 관리 모델(210)은 획득한 타겟 디바이스의 식별 정보에 기초하여 타겟 디바이스를 식별하고, 타겟 디바이스에 관련된 기 저장된 세부 동작들 및 세부 동작들 간의 연관 관계를 나타내는 정보를 메모리로부터 획득할 수 있다. 액션 플랜 관리 모델(210)은 타겟 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보 중 제2 인텐트 및 파라미터와 관련된 세부 동작들을 선택하고, 선택된 세부 동작들의 실행 순서를 플래닝함으로써, 동작 정보를 획득할 수 있다.

도 10에 도시된 실시예에서, 액션 플랜 관리 모델(210)은 타겟 디바이스 타입에 관한 식별 정보, 즉 TV 타입의 id 정보를 획득하고, 영화 보헤미안 랩소디를 재생하기 위한 복수의 세부 동작들(동작 A 내지 동작 C)을 식별하고, 복수의 세부 동작들(동작 A 내지 동작 C)의 실행 순서를 플래닝함으로써, 동작 정보를 획득할 수 있다. 여기서, 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.

액션 플랜 관리 모델(210)은 예를 들어, 영화 플레이어 애플리케이션을 실행하는 동작 A, 네트워크 또는 로컬 저장소 내에서 영화 보헤미안 랩소디를 검색하는 동작 B, 및 검색된 보헤미안 랩소디를 재생(play)하는 동작 C를 데이터베이스로부터 선택하고, 선택된 동작 A 내지 동작 C의 실행 순서를 플래닝함으로써, 동작 정보를 획득할 수 있다.

도 11은 본 개시의 클라이언트 디바이스(110), 서버(300), 및 IoT 클라우드 서버(400)의 동작을 도시한 흐름도이다.

도 11을 참조하면, 서버(300)는 제1 어시스턴트 모델(assistant model)(200a) 및 제2 어시스턴트 모델(200b)을 포함할 수 있다. 도 11에서 제2 어시스턴트 모델(200b)은 서버(300) 내에 포함되는 구성 요소인 것으로 도시되어 있으나, 이에 한정되지 않는다. 제2 어시스턴트 모델(200b)은 서버(300)와는 별개의 구성 요소일 수 있다. 일 실시예에서, 제2 어시스턴트 모델(200b)은 IoT 클라우드 서버(400) 내에 포함될 수 있다.

제1 어시스턴트 모델(200a)과 제2 어시스턴트 모델(200b)은 서버(300) 내에 포함되는 구성으로서, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 일 실시예에서, 제1 어시스턴트 모델(200a)과 제2 어시스턴트 모델(200b)은 명령어들(instructions)을 포함하는 프로그램 코드(program code), 애플리케이션(application), 알고리즘(algorithm), 루틴(routine), 명령어 세트(set of instructions), 또는 인공 지능 학습 모델 중 어느 하나 또는 적어도 두 개의 집합으로 구성될 수 있다.

단계 S1110에서, 클라이언트 디바이스(110)는 사용자로부터 음성 신호를 획득한다. 사용자가 발화하면, 클라이언트 디바이스(110)는 마이크를 통해 사용자의 음성 입력을 수신할 수 있다. 클라이언트 디바이스(110)는 마이크를 통해 수신된 소리(sound)를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다.

단계 S1112에서, 클라이언트 디바이스(110)는 음성 신호를 서버(300)에 전송한다.

단계 S1120에서, 제1 어시스턴트 모델(200a)은 ASR(Automatic Speech Recognition) 모델(202)을 이용하여, ASR을 수행함으로서, 음성 신호를 텍스트로 변환한다. 일 실시예에서, 제1 어시스턴트 모델(200a)의 ASR 모델(202)은 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다. 제1 어시스턴트 모델(200a)이 클라이언트 디바이스(110)로부터 노이즈가 제거되지 않은 음향 신호를 수신한 경우에는, ASR 모델(202)은 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.

단계 S1130에서, 제1 어시스턴트 모델(200a)의 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 이용하여 텍스트를 분석하고, 분석 결과에 기초하여 제1 인텐트를 결정한다. 제1 자연어 이해 모델(300a)은, 텍스트를 해석하여 텍스트에 대응하는 제1 인텐트를 획득하도록 학습된 모델일 수 있다. 여기서, 제1 인텐트는, 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보일 수 있다. 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 이용하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행함으로써, 변환된 텍스트로부터 사용자의 제1 인텐트(intent)를 결정할 수 있다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 이용하여, 변환된 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 디바이스 디스패쳐 모델(310)은, 추론된 단어의 의미를 제1 자연어 이해 모델(300a)에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 제1 인텐트를 결정할 수 있다.

단계 S1140에서, 디바이스 디스패쳐 모델(310)은 제1 인텐트에 기초하여 타겟 디바이스의 타입(type)을 결정한다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 이용하여 획득한 제1 인텐트를 활용하여, 타겟 디바이스의 타입을 결정할 수 있다.

일 실시예에서, 디바이스 디스패쳐 모델(310)은 제1 인텐트와 타겟 디바이스 타입 간의 관련성을 판단할 수 있는 매칭 모델에 기초하여, 텍스트로부터 인식된 제1 인텐트와 관련된 타겟 디바이스 타입을 결정할 수 있다. 제1 인텐트와 타겟 디바이스 타입 간의 관련성은 소정의 수치 값으로 산출될 수 있다. 일 실시예에서, 제1 인텐트와 타겟 디바이스 타입 간의 관련성은 확률값으로 산출될 수 있다.

디바이스 디스패쳐 모델(310)은, 제1 자연어 이해 모델(300a)을 통해 획득한 제1 인텐트에 매칭 모델을 적용하여, 복수의 타겟 디바이스의 타입 중 제1 인텐트와 관련된 타겟 디바이스의 타입을 결정할 수 있다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 제1 인텐트에 매칭 모델을 적용함으로써, 제1 인텐트와 복수의 타겟 디바이스 타입 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 타겟 디바이스 타입을 최종 타입으로 결정할 수 있다.

단계 S1150에서, 디바이스 디스패쳐 모델(310)은 결정된 타입 및 기 등록된 복수의 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정한다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 IoT 클라우드 서버(400)로부터 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 디바이스 정보를 수신할 수 있다. 디바이스 디스패쳐 모델(310)은 예를 들어, 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 IoT 클라우드 서버(400)로부터 수신할 수 있다. 여기서 상태 정보는, 복수의 디바이스의 전원 온오프(on/off) 여부 및 현재 실행 중인 동작에 관한 정보를 포함할 수 있다.

디바이스 디스패쳐 모델(310)은 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 단계 S1140에서 결정된 타입에 해당되는 복수의 디바이스를 선택하고, 선택된 복수의 디바이스에 관한 상태 정보에 기초하여 타겟 디바이스를 결정할 수 있다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 선택된 복수의 디바이스의 설치 위치 정보에 고려하여 사용자의 위치와 근접한 위치에 있는 디바이스를 타겟 디바이스로 결정할 수 있다. 다른 실시예에서, 디바이스 디스패쳐 모델(310)은 선택된 복수의 디바이스의 전원 온오프 여부 또는 현재 실행하고 있는 동작에 관한 상태 정보에 기초하여 타겟 디바이스를 결정할 수 있다.

단계 S1160에서, 제1 어시스턴트 모델(200a)은 파싱된 텍스트 및 타겟 디바이스 정보를 제2 어시스턴트 모델(200b)에 제공한다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 결정된 타겟 디바이스의 식별 정보(예: 디바이스 id)를 파싱된 텍스트와 함께 제2 어시스턴트 모델(200b)에게 제공할 수 있다.

단계 S1170에서, 제2 어시스턴트 모델(200b)은 복수의 제2 자연어 이해 모델(300b) 중 단계 S1140에서 결정된 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 이용하여 파싱된 텍스트를 분석함으로써, 제2 인텐트 및 파라미터를 결정한다. 일 실시예에서, 제2 어시스턴트 모델(200b)은 제2 자연어 이해 모델을 이용하여 파싱된 텍스트로부터 추출된 단어 또는 구의 의미를 추론하고, 추론된 의미를 기 정의된 인텐트 및 파라미터에 매칭시켜 제2 인텐트 및 파라미터를 결정할 수 있다. 제2 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 타입의 디바이스가 수행할 동작을 결정하는 데 사용될 수 있다. 파라미터는 제2 인텐트와 관련된 타겟 디바이스의 세부 동작들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터를 제2 인텐트에 대응하는 정보이며, 하나의 제2 인텐트에 복수 종류의 파라미터가 대응될 수 있다.

단계 S1180에서, 제2 어시스턴트 모델(200b)의 액션 플랜 관리 모델(210)은 제2 인텐트 및 파라미터에 기초하여 타겟 디바이스가 수행할 동작 정보를 플래닝(planning)한다. 액션 플랜 관리 모델(210)은 디바이스 디스패쳐 모델(310)로부터 획득한 타겟 디바이스의 식별 정보로부터 타겟 디바이스를 식별하고, 제2 인텐트 및 파라미터에 기초하여 타겟 디바이스가 수행할 동작들을 해석할 수 있다. 액션 플랜 관리 모델(210)은 기 저장된 디바이스 별 동작들 중 해석된 동작들과 관련된 세부 동작들을 선택하고, 선택된 세부 동작들의 실행 순서를 플래닝할 수 있다. 액션 플랜 관리 모델(210)은 플래닝 결과를 이용하여 타겟 디바이스가 수행할 세부 동작에 관한 동작 정보를 획득할 수 있다. 여기서 동작 정보는, 디바이스가 수행할 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서와 관련된 정보일 수 있다. 동작 정보는 예를 들어, 세부 동작들의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.

단계 S1190에서, 제2 어시스턴트 모델(200b)은 액션 플랜 관리 모델(210)을 통해 획득한 동작 정보를 제1 어시스턴트 모델(200a)에 제공한다.

도 12는 본 개시의 클라이언트 디바이스(110), 서버(300), 및 IoT 클라우드 서버(400)의 동작을 도시한 흐름도이다. 도 12는 도 11의 단계 S1150의 구체적인 실시예를 도시한 도면이다. 도 12에서는 설명의 편의 상 서버(300)가 제1 어시스턴트 모델(200a)만을 포함하는 것으로 도시하였으나, 이에 한정되는 것은 아니다. 서버(300)은 도 11에 도시된 바와 같이 제2 어시스턴트 모델(200b)을 더 포함할 수 있다. 도 12에서 제1 어시스턴트 모델(200a)은 ASR 모델(202), NLG 모델(204), 제1 자연어 이해 모델(300a), 및 디바이스 디스패쳐 모델(310)을 포함할 수 있다.

단계 S1210에서, 서버(300)는 복수의 디바이스에 관한 디바이스 정보를 IoT 클라우드 서버(400)에 요청한다. 서버(300)는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스에 관한 디바이스 정보를 요청하는 신호를 IoT 클라우드 서버(400)에 전송할 수 있다. IoT 클라우드 서버(400)는 사용자의 계정 별로 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 저장하는 서버일 수 있다. IoT 클라우드 서버(400)는 서버(300)와는 별개이고, 서버(300)와는 네트워크를 통해 연결될 수 있다. 일 실시예에서, 서버(300)는 클라이언트 디바이스(110)로부터 획득한 사용자의 계정 정보(예: 사용자 id)를 IoT 클라우드 서버(400)에게 전송하고, IoT 클라우드 서버(400)에 사용자의 계정 정보와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 요청할 수 있다.

일 실시예에서, 서버(300)는 결정된 타겟 디바이스 타입에 관한 타입 정보를 IoT 클라우드 서버(400)에 전송할 수도 있다. 이 경우, 서버(300)는 사용자의 계정 정보에 기 등록된 복수의 디바이스 중 결정된 타입에 해당되는 디바이스에 관한 정보만을 IoT 클라우드 서버(400)에 요청할 수 있다.

일 실시예에서, 서버(300)는 사용자의 계정 별로 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 저장할 수 있다. 이 경우, 서버(300)는 IoT 클라우드 서버(400)에게 디바이스 정보를 요청하지 않고, 서버(300)에 저장되어 있는 사용자의 계정 정보와 관련하여 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 이용할 수 있다. 또한, 결정된 타겟 디바이스 타입에 대한 정보를 이용하여, 기 등록된 사용자의 복수의 디바이스 중 결정된 타겟 디바이스 타입에 해당하는 디바이스에 대한 정보만을 획득할 수도 있다.

단계 S1220에서, IoT 클라우드 서버(400)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 기능 수행 능력 정보(capability), 위치 정보, 상태 정보 중 적어도 하나의 정보를 서버(300)에 전송한다.

일 실시예에서, IoT 클라우드 서버(400)가 서버(300)로부터 타겟 디바이스 타입에 관한 타입 정보를 획득한 경우, IoT 클라우드 서버(400)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 중 타입 정보에 기초한 특정 타입에 해당되는 디바이스에 관한 정보만을 서버(300)에 전송할 수 있다.

단계 S1230에서, 서버(300)는 제1 어시스턴트 모델(200a)의 디바이스 디스패쳐 모델(310)을 이용하여 결정된 타입 및 획득된 복수의 디바이스 정보에 기초하여 타겟 디바이스 후보가 복수개 존재하는지 판단한다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 타겟 디바이스 타입이 하나인 경우, 타겟 디바이스의 타입에 해당되는 디바이스의 상태 정보 또는 설치 위치 정보에 기초하여 타겟 디바이스 후보를 결정하고, 결정된 타겟 디바이스 후보가 복수개인지 여부를 판단할 수 있다.

다른 실시예에서, 타겟 디바이스의 타입이 복수개인 경우, 디바이스 디스패쳐 모델(310)은 복수의 타입에 해당되는 복수의 디바이스 각각의 상태 정보 또는 설치 위치 정보에 기초하여 타겟 디바이스 후보를 결정하고, 결정된 타겟 디바이스 후보가 복수개인지 여부를 판단할 수 있다.

단계 S1230에서, 타겟 디바이스 후보가 하나로 판단되는 경우(NO), 서버(300)가 제1 어시스턴트 모델(200a)의 디바이스 디스패쳐 모델(310)을 이용하여 하나의 타겟 디바이스를 최종 타겟 디바이스로 결정한다(단계 S1240).

단계 S1230에서, 타겟 디바이스 후보가 복수개로 판단되는 경우(YES), 서버(300)는 제1 어시스턴트 모델(200a)의 NLG 모델(204)을 이용하여, 복수의 후보 디바이스 중 타겟 디바이스를 결정하기 위한 질의 메시지를 생성한다 (단계 S1250). 서버(300)는 NLG 모델(204)을 이용하여 특정 타입에 해당되는 복수의 디바이스 중 어느 하나의 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 단계 S1250에서 서버(300)는 복수개의 후보 디바이스 중 타겟 디바이스를 결정하는 명확화(disambiguation) 단계를 수행할 수 있다. 일 실시예에서, 서버(300)는 NLG 모델(204)을 이용하여, 복수의 디바이스 중 어느 디바이스를 타겟 디바이스로 결정할 것인지에 관하여 사용자의 응답을 유도하는 질의 메시지를 생성할 수 있다.

일 실시예에서, 질의 메시지는 특정 타입에 해당되는 복수의 디바이스를 나열하는 리스트(list)를 포함하고, 리스트에 포함된 복수의 디바이스 중 타겟 디바이스를 선택할 것을 사용자에게 요청하는 메시지일 수 있다. 다른 실시예에서, 질의 메시지는 복수의 디바이스를 설치 위치에 따라 선택하도록 요청하는 메시지일 수 있다.

단계 S1260에서, 서버(300)는 생성된 질의 메시지를 클라이언트 디바이스(110)에 전송한다. 일 실시예에서, 서버(300)의 제1 어시스턴트 모델(200a)은 TTS(Text-to-Speech)를 통해 텍스트로 구성된 질의 메시지를 오디오 신호로 변환할 수 있다. 서버(300)는 오디오 신호로 변환된 질의 메시지를 클라이언트 디바이스(110)에 전송할 수 있다. 그러나 이에 한정되는 것은 아니고, 클라이언트 디바이스(110)가 디스플레이부를 포함하고 있는 디바이스인 경우, 서버(300)는 질의 메시지를 텍스트 데이터의 형태로 클라이언트 디바이스(110)에 전송할 수도 있다.

단계 S1270에서, 클라이언트 디바이스(110)는 서버(300)부터 질의 메시지를 수신하고, 수신된 질의 메시지를 출력한다. 일 실시예에서, 클라이언트 디바이스(110)는 오디오 신호로 변환된 질의 메시지를 스피커를 통해 출력할 수 있다. 다른 실시예에서, 클라이언트 디바이스(110)가 디스플레이부를 포함하는 디바이스인 경우, 클라이언트 디바이스(110)는 질의 메시지를 디스플레이부 상에 디스플레이할 수도 있다.

단계 S1272에서, 클라이언트 디바이스(110)는 사용자의 응답 입력을 수신한다. 일 실시예에서, 클라이언트 디바이스(110)는 복수의 후보 디바이스 중 어느 하나의 디바이스를 선택하는 사용자의 응답 입력을 수신할 수 있다. 사용자의 응답 입력을 선택된 디바이스의 명칭일 수 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 사용자의 응답 입력은 복수의 후보 디바이스를 포함하는 리스트 내의 나열된 순서, 즉 서수(예: 두번째 디바이스)일 수 있다.

단계 S1274에서, 클라이언트 디바이스(110)는 사용자로부터 수신한 응답 입력을 서버(300)에 전송한다. 사용자의 응답 입력은, 클라이언트 디바이스(110)로부터 음성 신호의 형태로 전송될 수 있다.

단계 S1280에서, 서버(300)는 제1 어시스턴트 모델(200a)을 이용하여 응답 입력에 기초하여 타겟 디바이스를 결정한다. 일 실시예에서, 서버(300)는 ASR 모델(202)을 이용하여 수신된 응답 입력을 ASR 과정을 거쳐 텍스트로 변환하고, 변환된 텍스트를 제1 자연어 이해 모델(300a)을 이용하여 분석함으로써, 사용자가 선택한 타겟 디바이스에 관한 단어를 추출할 수 있다. 서버(300)는 제1 자연어 이해 모델(300a)을 이용하여 추출된 단어의 의미를 판단하고, 추출된 단어에 기초하여 타겟 디바이스를 결정할 수 있다. 일 실시예에서, ASR 과정을 거쳐 사용자의 응답 입력을 텍스트로 변환하고, 변환된 텍스트를 기 정의된 텍스트와 매칭하여 텍스트의 의미를 판단하는 ASR 모델(202) 및 제1 자연어 이해 모델(300a)은 도 2a 및 도 2b에서 설명한 모델과는 상이한 모델일 수 있다. 그러나 이에 한정되는 것은 아니고, 서버(300)는 도 2a 및 도 2b에서 설명한 모델 중 적어도 하나를 사용할 수도 있다.

일 실시예에서, 서버(300)의 디바이스 디스패쳐 모델(310)은 질의 메시지 내 후보 디바이스에 관한 리스트 중 특정 순서를 선택하는 사용자의 응답 입력에 기초하여 특정 순서에 매칭(matching)되는 타겟 디바이스를 결정할 수도 있다.

도 13은 본 개시의 클라이언트 디바이스(110), 타겟 디바이스(120), 서버(300), 및 IoT 클라우드 서버(400)의 동작을 도시한 흐름도이다. 도 13은 도 11의 단계 S1190 이후에 클라이언트 디바이스(110), 타겟 디바이스(120), 서버(300), 및 IoT 클라우드 서버(400)에 의해 수행되는 단계들을 구체적으로 도시한 도면이다.

단계 S1310에서, 제2 어시스턴트 모델(200b)은 제1 어시스턴트 모델(200a)에 동작 정보를 제공한다. 단계 S1310은 도 11의 단계 S1190과 동일한 단계이다.

단계 S1320에서 제1 어시스턴트 모델(200a)은 IoT 클라우드 서버(400)에 동작 수행 요청 정보를 전송한다. 일 실시예에서, 제1 어시스턴트 모델(200a)은 IoT 클라우드 서버(400)에 동작 정보 및 타겟 디바이스 식별 정보(예: 디바이스 id)를 전송할 수 있다. 일 실시예에서, 제1 어시스턴트 모델(200a)은 IoT 클라우드 서버(400)에 대화 정보를 전송할 수도 있다. 여기서, 대화 정보는 서버(300)의 ASR 모델(202)이 클라이언트 디바이스(110)를 통해 수신한 사용자의 음성 입력을 변환한 텍스트, 서버(300)가 NLG 모델(204, 206)을 이용하여 자연어 생성 모델을 이용하여 생성한 질의 메시지, 및 사용자의 응답 입력을 변환한 텍스트 중 적어도 하나를 포함할 수 있다.

단계 S1330에서, IoT 클라우드 서버(400)는 제1 어시스턴트 모델(200a)로부터 수신한 타겟 디바이스의 식별 정보 및 동작 정보에 기초하여 제어 명령(control command)을 획득, 생성 또는 결정한다. 일 실시예에서, IoT 클라우드 서버(400)는 동작 정보에 기초하여, 타겟 디바이스가 동작 정보 내의 세부 동작들을 수행하도록 하기 위한 제어 명령을 생성할 수 있다. 생성된 제어 명령은 타겟 디바이스로 전송되며, 타겟 디바이스는 생성된 제어 명령을 판독함으로써 동작 정보 내의 세부 동작들을 실행 순서에 따라 순차적으로 실행할 수 있다. 그러나, 이에 한정되는 것은 아니고, IoT 클라우드 서버(400)는 동작 정보 및 타겟 디바이스의 식별 정보에 대응되는 제어 명령을 저장하고 있을 수도 있다.

단계 S1340에서, IoT 클라우드 서버(400)는 타겟 정보의 식별 정보를 이용하여 단계 S1330에서 획득, 생성 또는 결정된 제어 명령을 타겟 디바이스(120)에 전송한다.

단계 S1350에서, 타겟 디바이스(120)는 수신된 제어 명령에 따라, 제어 명령에 대응하는 동작들을 실행한다.

단계 S1352에서, 동작의 실행이 성공적으로 완료되거나 동작의 실행이 실패하면, 타겟 디바이스(120)는 동작의 실행 결과를 IoT 클라우드 서버(400)에 전송한다. 동작의 실행이 실패한 경우, 타겟 디바이스(120)는 동작의 실행이 실패된 원인과 함께 동작의 실행 결과를 IoT 클라우드 서버(400)에 전송한다.

단계 S1354에서, IoT 클라우드 서버(400)는 동작 실행 결과를 제1 어시스턴트 모델(200a)에 전송한다.

단계 S1356에서, 제1 어시스턴트 모델(200a)은 동작 실행 결과를 제2 어시스턴트 모델(200b)에게 전송한다. 일 실시예에서, 제1 어시스턴트 모델(200a)은 동작 실행 결과와 함께 타겟 디바이스(120)의 타입에 관한 정보를 함께 전송할 수 있다.

단계 S1360에서, 제2 어시스턴트 모델(200b)은 NLG 모델(206)을 이용하여, 동작 실행 결과를 나타내는 응답 메시지를 생성, 획득 또는 결정한다. 일 실시예에서, 제2 어시스턴트 모델(200b)은 수신된 타겟 디바이스 타입에 관한 정보에 기초하여 동작 실행 결과에 대응되는 응답 메시지를 생성, 획득 또는 결정할 수 있다. 응답 메시지는, 타겟 디바이스(120)에 의해 동작이 실행되었다는 실행 결과를 나타내는 메시지일 수 있다.

예를 들어, 타겟 디바이스(120)가 TV이고, TV가 영화를 재생하는 동작을 실행한 경우, 제2 어시스턴트 모델(200b)은 서버(300)로부터 수신된 영화 재생 동작의 실행 결과에 기초하여, "TV에서 영화를 재생하였습니다."라는 응답 메시지를 생성할 수 있다.

또 다른 예에서, 타겟 디바이스(120)가 스피커이고, 스피커가 볼륨을 증가하는 동작에 대한 실행에 실패한 경우, 제2 어시스턴트 모델(200b)은 서버(300)로부터 수신된 볼륨 증가 동작의 실행 결과 및 실패 원인에 기초하여, "볼륨이 가장 높은 상태이므로, 볼륨 증가에 실패하였습니다."라는 응답 메시지를 생성할 수 있다. 이 경우, 서버(300)로부터 수신된 실행 결과는 "실패"이고, 실행 결과와 함께 수신된 실패 원인은 "현재 볼륨은 가장 높은 상태"일 수 있다.

단계 S1360에는 제2 어시스턴트 모델(200b)이 NLG 모델(206)을 이용하여 동작 실행 결과에 따른 응답 메시지를 생성, 획득 또는 결정하는 것으로 기재되어 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 응답 메시지는 액션 플랜 관리 모델(210) 내의 디바이스 타입 별 액션 플랜과 함께 기 저장되어 있을 수 있다. 액션 플랜 관리 모델(210)은 기 저장된 응답 메시지 중 수신된 동작 실행 결과에 대응되는 응답 메시지를 식별하고, 식별된 응답 메시지를 획득할 수 있다.

단계 S1362에서, 제2 어시스턴트 모델(200b)은 응답 메시지를 제1 어시스턴트 모델(200a)에 전송한다.

단계 S1370에서, 제1 어시스턴트 모델(200a)은 응답 메시지에 기초하여, 동작 실행 결과를 알리기 위한 알림 컨텐트를 생성한다. 일 실시예에서, 제1 어시스턴트 모델(200a)는 알림 컨텐트의 포맷으로, 텍스트, 오디오, 이미지, 및 동영상 중 적어도 하나를 결정하고, 결정된 포맷에 맞게 알림 컨텐트를 생성 또는 획득할 수 있다.

제1 어시스턴트 모델(200a)은 텍스트를 음성으로 변환하는 TTS(Text-to- Speech) 기능을 수행하여, 텍스트 포맷의 응답 메시지를 오디오 신호로 변환할 수 있다. 일 실시예에서, 서버(300)는 타겟 디바이스(120)로부터 수신한 레이아웃 키(layout key)에 대응되는 레이아웃에 기초하여 이미지를 생성할 수 있다.

단계 S1372에서, 서버(300)의 제1 어시스턴트 모델(200a)은 알림 컨텐트를 클라이언트 디바이스(110)에 전송한다. 일 실시예에서, 서버(300)는 알림 컨텐트를 타겟 디바이스(120)에 전송할 수 있다. 서버(300)는 알림 컨텐트를 제공할 디바이스를 기 정의된 규칙에 의해 판단할 수 있다. 기 정의된 규칙은, 동작 별로 대응하는 알림 컨텐트의 포맷에 대한 정보를 포함한다. 또한, 추가적으로 알림 컨텐트를 출력할 디바이스에 대한 정보를 포함할 수도 있다.

예를 들면, 영화 재생 동작은 오디오 포맷의 알림 컨텐트를 출력하는 것으로 정의되어 있으며, 사용자의 음성 입력을 전송한 클라이언트 디바이스(110)에서 제공하는 것으로 정의되어 있다. 영화 재생 동작에 대한 알림 컨텐츠는, 오디오 포맷으로 출력되며 클라이언트 디바이스에서 제공하는 것으로 정의되어 있다면, 서버(300)는 알림 컨텐트를 오디오 포맷으로 변환하여 클라이언트 디바이스로 전송할 수 있다.

단계 S1380에서, 클라이언트 디바이스(110)는 알림 컨텐트를 출력한다. 알림 컨텐트가 오디오 포맷인 경우, 클라이언트 디바이스(110)는 스피커를 통해 알림 컨텐트를 출력할 수 있다. 알림 컨텐트가 이미지인 경우, 클라이언트 디바이스(110)는 이미지를 디스플레이부 상에 알림 컨텐트를 디스플레이할 수 있다.

도 14는 본 개시의 클라이언트 디바이스(110), 서버(300), 및 IoT 클라우드 서버(400)를 도시한 블록도이다.

클라이언트 디바이스(110)는 적어도 마이크(112), 프로세서(114), 메모리(116), 및 통신 인터페이스(118)을 포함하도록 구성될 수 있다. 클라이언트 디바이스(110)는 마이크(112)를 통해 사용자로부터 음성 입력(예를 들어, 발화)을 수신하고, 사용자의 음성 입력으로부터 음성 신호를 획득할 수 있다. 클라이언트 디바이스(110)는 프로세서(114)를 통해 통신 인터페이스(118)를 제어하고, 통신 인터페이스(118)를 통해 서버(300)에 음성 신호를 전송할 수 있다. 일 실시예에서, 클라이언트 디바이스(110)의 프로세서(114)는, 마이크(112)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다.

메모리(116)는 클라이언트 디바이스(110)의 식별 정보(예를 들어, 클라이언트 디바이스의 id 정보) 또는 사용자의 계정 정보(예를 들어, 사용자의 id 정보)를 기 저장하고 있을 수 있다. 일 실시예에서, 클라이언트 디바이스(110)는 프로세서(114)의 제어에 따라 통신 인터페이스(118)를 통해 음성 신호를 서버(300)에 전송할 때, 메모리(116)에 저장되어 있는 클라이언트 디바이스(110)의 식별 정보(예를 들어, 클라이언트 디바이스의 id 정보) 또는 사용자의 계정 정보(예를 들어, 사용자의 id 정보)를 서버(300)에 전송할 수 있다.

서버(300)는 통신 인터페이스(302), 프로세서(304), 및 메모리(306)를 포함할 수 있다.

통신 인터페이스(302)은 클라이언트 디바이스(110) 및 IoT 클라우드 서버(400)와 데이터 통신을 수행할 수 있다. 통신 인터페이스(302)는 예를 들어, 유선 랜, 무선 랜(Wireless LAN), 와이파이(Wi-Fi), 블루투스(Bluetooth), 지그비(zigbee), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association), BLE (Bluetooth Low Energy), NFC(Near Field Communication), 와이브로(Wireless Broadband Internet, Wibro), 와이맥스(World Interoperability for Microwave Access, WiMAX), SWAP(Shared Wireless Access Protocol), 와이기그(Wireless Gigabit Allicance, WiGig) 및 RF 통신을 포함하는 데이터 통신 방식 중 적어도 하나를 이용하여 클라이언트 디바이스(110) 또는 IoT 클라우드 서버(400)와 데이터 통신을 수행할 수 있다.

프로세서(304)는 메모리(306)에 저장된 프로그램의 하나 이상의 명령어들(instructions)을 실행할 수 있다. 프로세서(304)는 산술, 로직 및 입출력 연산과 시그널 프로세싱을 수행하는 하드웨어 구성 요소로 구성될 수 있다. 프로세서(304)는 예를 들어, 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나로 구성될 수 있으나, 이에 제한되는 것은 아니다.

메모리(306)에는 사용자의 음성 입력으로부터 동작을 수행할 타겟 디바이스를 결정하는 명령어들(instruction)을 포함하는 프로그램이 저장될 수 있다. 메모리(306)에는 프로세서(304)가 판독할 수 있는 명령어들 및 프로그램 코드(program code)가 저장될 수 있다. 이하의 실시예에서, 프로세서(304)는 메모리에 저장된 프로그램의 명령어들 또는 코드들을 실행함으로써 구현될 수 있다.

또한, 메모리(306)에는 제1 어시스턴트 모델(200a)과 제2 어시스턴트 모델(200b)에 대응하는 데이터가 저장될 수 있다. 제1 어시스턴트 모델(200a)에 대응하는 데이터는 적어도 ASR 모델(202)에 대한 데이터, NLG 모델(204)에 관한 데이터, 제1 자연어 이해 모델(300a)에 대한 데이터, 및 디바이스 디스패쳐 모델(310)에 대한 데이터를 포함할 수 있다. 제2 어시스턴트 모델(200b)에 대응하는 데이터는 적어도 복수의 제2 자연어 이해 모델(300b)에 대한 데이터, NLG 모델(206)에 관한 데이터, 및 액션 플랜 관리 모델(310)에 대한 데이터 등을 포함한다.

메모리(306)는 예를 들어, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

프로세서(304)는 예를 들어, 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나의 하드웨어로 구성될 수 있으나, 이에 한정되는 것은 아니다.

프로세서(304)는 클라이언트 디바이스(110)로부터 음성 신호를 수신하도록 통신 인터페이스(302)를 제어할 수 있다. 프로세서(304)는 메모리(306)에 저장된 ASR 모델(202)에 대한 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행하고, 클라이언트 디바이스(110)로부터 수신한 음성 신호를 텍스트(text)로 변환할 수 있다.

프로세서(304)는 메모리(306)에 저장된 제1 자연어 이해 모델(Natural Language Understanding; NLU)(300a)에 대한 데이터를 이용하여 변환된 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 적어도 하나의 타겟 디바이스의 타입(type)을 결정할 수 있다. 일 실시예에서, 프로세서(304)는 메모리(306)에 저장된 제1 자연어 이해 모델(300a)에 관한 데이터를 이용하여, 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 프로세서(304)는, 추론된 단어의 의미를 제1 자연어 이해 모델(300a)에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 제1 인텐트를 결정할 수 있다.

프로세서(304)는 제1 인텐트와 타겟 디바이스 타입 간의 관련성을 판단할 수 있는 매칭 모델에 기초하여, 텍스트로부터 인식된 제1 인텐트와 관련된 타겟 디바이스 타입을 결정할 수 있다. 일 실시예에서, 매칭 모델은 메모리(306)에 저장된 디바이스 디스패쳐 모델(310)에 대한 데이터에 포함되며, 룰 베이스 시스템(rule-based system)을 통한 학습을 통해 획득될 수 있지만, 이에 한정되지는 않는다. 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)와는 별개로 구성될 수 있지만, 이에 한정되는 것은 아니다. 디바이스 디스패쳐 모델(310)은 제1 자연어 이해 모델(300a)을 포함하도록 구성될 수도 있다.

일 실시예에서, 프로세서(304)는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버에 기 등록되어 있는 복수의 디바이스에 관한 정보를 수신하도록 통신 인터페이스(302)을 제어할 수 있다. 사용자의 계정 정보는 클라이언트 디바이스(110)의 메모리(116)에 저장되어 있는 정보로, 서버(300)는 통신 인터페이스(302)와 클라이언트 디바이스(110)의 통신 인터페이스(118) 간의 통신을 통해 사용자의 계정 정보를 수신할 수 있다.

IoT 클라우드 서버(400)는 사용자의 계정 별로 기 등록된 사용자의 복수의 디바이스에 관한 디바이스 정보를 저장하는 서버일 수 있다. IoT 클라우드 서버(400)는 서버(300)와는 별개이고, 서버(300)와는 네트워크를 통해 연결될 수 있다. IoT 클라우드 서버(400)는 적어도 통신 인터페이스(402), 프로세서(404), 및 메모리(406)을 포함할 수 있다. IoT 클라우드 서버(400)의 메모리(406)는, 사용자 계정별로 기 등록된 복수의 디바이스의 식별 정보, 기능 수행 능력 정보, 위치 정보, 상태 정보, 디바이스의 명칭 정보, 디바이스별 제어 명령을 저장할 수 있다. IoT 클라우드 서버(400)는 통신 인터페이스(402)를 통해 서버(300) 또는 타겟 디바이스(120)와 네트워크를 통해 연결되고 데이터를 수신 또는 전송할 수 있다. IoT 클라우드 서버(400)는 프로세서(404)의 제어에 따라 통신 인터페이스(402)를 통해 서버(300) 또는 타겟 디바이스(120)로 메모리(406)에 저장된 데이터를 전송할 수 있다. 또한 IoT 클라우드 서버(400)는 프로세서(404)의 제어에 따라 통신 인터페이스(402)를 통해 서버(300) 또는 타겟 디바이스(120)로부터 데이터를 수신할 수 있다.

프로세서(304)는 통신 인터페이스(302)를 제어하고, 통신 인터페이스(302)를 통해, 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스의 식별 정보(예: 디바이스 id), 기능 수행 능력 정보, 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 IoT 클라우드 서버(400)로부터 수신할 수 있다. 여기서, 상태 정보는 복수의 디바이스의 전원 온오프(on/off) 정보, 및 현재 실행하고 있는 동작 정보 중 적어도 하나와 같이 디바이스의 현재 상태를 나타내는 정보일 수 있다.

프로세서(304)는 메모리(306)에 저장된 제1 어시스턴트 모델(200a)에 관한 데이터를 이용하여, 결정된 타겟 디바이스 타입 및 사용자의 계정에 기 등록된 복수의 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서, 프로세서(304)는 메모리(306)에 저장된 제1 자연어 이해 모델(300a)에 관한 데이터를 이용하여, 텍스트로부터 디바이스의 타입에 관련된 보통 명칭 및 디바이스의 설치 위치에 관한 단어 또는 구를 추출하고, 추출된 디바이스의 보통 명칭 및 설치 위치에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서, 프로세서(304)는 텍스트로부터 사용자에 의해 기 등록된 개인화된 디바이스의 명칭을 추출할 수 있다. 프로세서(304)는 통신 인터페이스(302)를 제어함으로써, 추출된 디바이스의 명칭을 복수의 디바이스의 명칭 및 각 디바이스의 명칭에 대응하는 디바이스 식별 정보를 저장하고 있는IoT 서버(400) 또는 디바이스 명칭 서버(410, 도 15 참조)에 추출된 디바이스의 명칭을 전송할 수 있다. 프로세서(304)는 외부 서버로부터 전송한 디바이스의 명칭에 대응되는 디바이스 식별 정보를 수신하도록 통신 인터페이스(302)을 제어할 수 있다. 여기서, 디바이스 명칭 서버(410)는 IoT 클라우드 서버(400)에 포함되는 일부 구성 요소일 수 있으나, 이에 한정되지 않는다. 디바이스 명칭 서버(410)는 IoT 클라우드 서버(400)와 분리된 형태의 서버로 구성될 수도 있다. 디바이스 명칭 서버(410)에 저장된 복수의 디바이스의 명칭은 사용자가 직접 등록한 명칭 및 등록된 명칭의 동의어, 유사어 및 속어 중 적어도 하나를 포함할 수 있다.

프로세서(304)는 메모리(302)에 저장된 제1 어시스턴트 모델(200a)에 대한 데이터를 이용하여, 수신된 디바이스 식별 정보에 기초하여 타겟 디바이스를 결정할 수 있다. 일 실시예에서, 프로세서(304)는 결정된 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 메모리(302)에 저장된 NLG 모델(204)을 이용하여, 복수의 후보 디바이스 중 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 프로세서(304)는 클라이언트 디바이스(110)가 생성된 질의 메시지를 출력하도록 클라이언트 디바이스(110)를 제어할 수 있다.

프로세서(304)는 메모리(302)에 저장된 제2 어시스턴트 모델(200b)에 포함되는 복수의 제2 자연어 이해 모델(300b) 중 결정된 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 이용하여, 타겟 디바이스가 수행할 세부 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 프로세서(304)는 제2 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 추론하고, 추론된 의미를 기 정의된 단어에 매칭시켜 제2 인텐트 및 파라미터를 획득할 수 있다. 프로세서(304)는 제2 자연어 이해 모델을 이용하여 텍스트로부터 제2 인텐트를 결정할 수 있는데, 제1 인텐트보다 디바이스 타입에 특화된 인텐트를 제2 인텐트로 결정할 수 있다.

프로세서(304)는 메모리(302)에 저장된 제2 어시스턴트 모델(200b) 중 액션 플랜 관리 모델(210)을 이용하여 제2 인텐트 및 파라미터에 관련된 적어도 하나의 동작에 대한 동작 정보를 획득할 수 있다. 동작 정보는, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 액션 플랜 관리 모델(210)은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 프로세서(304)는 액션 플랜 관리 모델(210)을 이용함으로써, 제2 인텐트 및 파라미터에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.

통신 인터페이스(302)는 프로세서(304)의 제어에 따라 결정된 타겟 디바이스의 식별 정보, 타겟 디바이스의 세부 동작 및 세부 동작의 실행 순서에 대한 정보를 IoT 클라우드 서버(400)로 전송한다. IoT 클라우드 서버(400)는 통신 인터페이스(402)를 통해 수신한 타겟 디바이스의 식별 정보, 타겟 디바이스의 세부 동작 및 세부 동작의 실행 순서에 대한 정보를 이용하여, 프로세서(404)의 제어에 따라 메모리(402)에 저장된 디바이스 별 제어 명령 중 대응하는 제어 명령들을 결정할 수 있다.

IoT 클라우드 서버(400)의 통신 인터페이스(402)는 프로세서(404)의 제어에 따라, 통신 인터페이스(402)를 통해 결정된 제어 명령들을 타겟 디바이스로 전송한다. 일 실시예에서, 프로세서(404)는 타겟 디바이스의 식별 정보를 이용하여 결정된 제어 명령을 전송할 디바이스를 결정하고, 통신 인터페이스(402)를 통해 결정된 디바이스로 제어 명령들을 전송한다. 일 실시예에서, 프로세서(404)는 통신 인터페이스(402)를 통해 타겟 디바이스에서 제어 명령에 따라 동작을 실행한 결과를 수신할 수 있다.

도 15 내지 도 19는 본 개시의 서버에 의해 실행되는 프로그램 모듈의 동작들을 설명하는 도면들이다.

도 15는 본 개시의 일 실시예에 따른 서버(300)에 의해 실행되는 프로그램의 아키텍쳐(architecture)를 도시한 도면이다. 도 15에 도시된 클라이언트 디바이스(110) 및 IoT 클라우드 서버(400)는 도 14에 도시된 클라이언트 디바이스(110) 및 IoT 클라우드 서버(400)와 동일한 구성 요소이다. 도 15에서는 편의 상 제1 어시스턴트 모델(200a)의 구성 요소들 중 일부 구성 요소는 생략하여 도시하였으며, 제2 어시스턴트 모델(200b)에 포함되는 구성 요소들에 관한 도시는 생략하였다. 제1 어시스턴트 모델(200a) 및 제2 어시스턴트 모델(200b) 각각에 포함되는 구성 요소들에 관한 예시는 도 14를 참조한다.

도 15를 참조하면, 서버(300)는 제2 어시스턴트 모델(200b), 및 디바이스 디스패쳐 모델(310)을 포함할 수 있다. 디바이스 디스패쳐 모델(310)은 플로우 제어부(Flow Controller)(320), 디바이스 타입 분류부(Device Type Classifier)(330), 디바이스 명확화부(Conversational Device Disambiguation)(340), 지능적 디바이스 리졸버(Intelligence Device Resolver)(350) 및 응답 메시지 수행 제어부(Reponse Execute Manager)(360)를 포함할 수 있다.

플로우 제어부(IDS Flow Controller)(320), 디바이스 타입 분류부(Device Type Classifier)(330), 디바이스 명확화부(Conversational Device Disambiguation)(340), 지능적 디바이스 리졸버(Intelligence Device Resolver)(350) 및 응답 메시지 수행 제어부(Reponse Execute Manager)(360)는 서버(300)에 의해 실행되는 프로그램의 명령어들 또는 프로그램 코드로 구성된 소프트웨어 모듈일 수 있다. 도 15에서는 소프트웨어 모듈들이 별개의 구성인 것으로 도시되어 있지만, 이는 설명의 편의를 위한 것이고, 도시된 바와 같이 한정되는 것은 아니다.

도 15에는 도시되지 않았지만, 디바이스 디스패쳐 모델(310)은 세션 매니져(Session Manager)를 더 포함할 수 있다. 세션 매니져는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스와 서버(300) 간의 세션(session)에 관한 정보를 저장할 수 있다. 세션 매니져는 또한, 클라이언트 디바이스(110)와 디바이스 디스패쳐 모델(310) 및 제2 어시스턴트 모델(200b)과 디바이스 디스패쳐 모델(310) 간의 데이터 및 명령어의 송수신을 제어할 수 있다. 일 실시예에서, 세션 매니져는 사용자와의 대화(interaction)에서 복수의 디바이스 간의 대화를 유지할 것인지 또는 클라이언트 디바이스(110)를 통해서만 사용자의 음성 입력을 수신할 것인지에 관한 정책(policy)을 저장할 수 있다. 세션 매니져는 사용자로부터 특정 디바이스의 명칭 또는 타입을 특정하지 않는 음성 입력을 수신하는 경우, 음성 입력이 수신되기 전에 동작을 수행하던 디바이스를 선택하고, 제2 어시스턴트 모델(200b)에서 결정된 타겟 디바이스에 관련된 동작 정보를 검색할 수 있다.

플로우 제어부(320)는 클라이언트 디바이스(110)로부터 음성 신호를 수신할 수 있다. 플로우 제어부(320)는 디바이스 디스패쳐 모델(310) 내의 데이터 흐름(flow)을 제어하는 모듈일 수 있다. 플로우 제어부(320)는 디바이스 타입 분류부(330) 및 디바이스 명확화부(340)와 연결되고, 디바이스 타입 분류부(330) 및 디바이스 명확화부(340) 사이에서 음성 신호로부터 타겟 디바이스의 타입을 결정하는데 필요한 데이터 플로우의 송수신을 제어할 수 있다.

디바이스 타입 분류부(330)는 음성 신호와 관련된 타겟 디바이스 타입(type)을 결정할 수 있다. 디바이스 타입 분류부(330)는 ASR(Automatic Speech Recognition)을 수행하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 디바이스 타입 분류부(330)는 제1 자연어 이해 모델을 이용하여 텍스트를 해석하고, 해석 결과에 기초하여 사용자가 타겟 디바이스에서 수행하고자 하는 제1 인텐트(intent)를 획득할 수 있다. 일 실시예에서, 디바이스 타입 분류부(330)는 인공지능 모델을 이용하여 제1 인텐트와 관련된 타겟 디바이스의 타입 간의 매칭 룰(matching rule) 또는 매칭 패턴(matching pattern)을 학습하고, 학습된 매칭 룰 또는 매칭 패턴에 기초하여 인텐트에 따른 타겟 디바이스의 타입을 결정할 수 있다.

디바이스 타입 분류부(330)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 인텐트와 타겟 디바이스 타입 간의 매칭 룰 또는 매칭 패턴을 학습할 수 있으나, 이에 한정되는 것은 아니다. 디바이스 타입 분류부(330)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neual network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다.

일 실시예에서, 디바이스 타입 분류부(330)는 텍스트로부터 디바이스의 명칭을 인식하고, 인식된 디바이스의 명칭에 기초하여 디바이스의 타입을 결정할 수 있다. 디바이스 타입 분류부(330)는 제1 자연어 이해 모델을 이용하여 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 파싱된 단어 또는 구를 기 정의된 디바이스 명칭에 대응시켜, 텍스트에 포함된 디바이스 명칭을 획득할 수 있다. 예를 들어, 플로우 제어부(320)로부터 "TV에서 보헤미안 랩소디 틀어줘~"라는 음성 신호를 수신하는 경우, 디바이스 타입 분류부(330)는 음성 신호를 텍스트로 변환하고, 변환된 텍스트를 파싱하여, 'TV'라는 디바이스 명칭을 획득할 수 있다.

일 실시예에서, 디바이스 타입 분류부(330)는 텍스트로부터 획득된 디바이스의 명칭이 개인화된 별칭인 경우, 디바이스 명칭 서버(410)에 쿼리(query)를 전송하고, 디바이스 명칭 서버(410)로부터 개인화된 별칭에 해당되는 디바이스 식별 정보를 수신할 수 있다. 디바이스 명칭 서버(410)는 기등록된 복수의 디바이스의 명칭과 관련된 별칭 정보를 저장하는 외부 서버일 수 있다. 디바이스 명칭 서버(410)는 IoT 클라우드 서버(400) 내에 포함될 수 있으나, 이에 한정되는 것은 아니다. 디바이스 명칭 서버(410)는 IoT 클라우드 서버(400)와는 별개의 서버일 수 있다. 디바이스 명칭 서버(410)는 예를 들어, 사용자에 의해 등록된 복수의 디바이스 각각의 명칭의 동의어, 유사어, 및 속어 중 적어도 하나의 개인화된 어휘(personalized vocabulary)를 저장할 수 있다.

디바이스 명칭 서버(410)는 사용자가 계정 정보에 디바이스를 등록할 때 개인화된 단어 또는 어휘로 등록하여 저장할 수 있고, 개인화된 단어 또는 어휘는 추가 또는 삭제될 수 있다. 예를 들어, 사용자가 거실 TV를 '네모네모'라고 디바이스 명칭 서버(410)에 저장한 경우, 디바이스 타입 분류부(330)는 디바이스 명칭 서버(410)에 '네모네모'에 관한 쿼리(query)를 전송하고, 디바이스 명칭 서버(410)로부터 '네모네모'에 대응되는 "거실 TV"의 식별 정보(id 정보)를 수신할 수 있다. 일 실시예에서, 디바이스 명칭 서버(410)는 클라우드 서버, 외부 저장소 또는 데이터 베이스(DB) 형태로 존재할 수도 있다.

디바이스 타입 분류부(330)는 결정된 타겟 디바이스의 타입에 관한 정보를 플로우 제어부(320)에 전송할 수 있다.

플로우 제어부(320)는 디바이스 명확화부(340)에 타겟 디바이스 타입에 관한 정보를 전송한다.

디바이스 명확화부(340)는 디바이스 타입 분류부(330)에 의해 결정된 타입에 해당되는 디바이스가 복수 개인 경우, 사용자와의 대화를 통해 타겟 디바이스를 명확화(disambiguation)할 수 있다. 디바이스 명확화부(340)는 복수의 타겟 디바이스 후보 중 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 디바이스 명확화부(340)는 자연어 생성(Natural Language Generation; NLG) 모델을 이용하여 질의 메시지를 생성할 수 있다. 디바이스 명확화부(340)는 TTS(Text to Speech) 모델을 이용하여, 텍스트 형태의 질의 메시지를 오디오 신호로 변환할 수 있다. 일 실시예에서, 디바이스 명확화부(340)는 생성된 질의 메시지가 사용자로부터 음성 입력을 수신하는 클라이언트 디바이스(110)에 의해 출력되도록, 질의 메시지를 플로우 제어부(320)에 전송할 수 있다. 디바이스 명확화부(340)는 텍스트 형태의 질의 메시지를 플로우 제어부(320)에 전송할 수 있지만, 이에 한정되는 것은 아니다. 디바이스 명확화부(340)는 오디오 신호로 변환된 질의 메시지를 플로우 제어부(320)에 전송할 수도 있다.

플로우 제어부(320)는 질의 메시지를 클라이언트 디바이스(110)에 전송할 수 있다.

디바이스 명확화부(340)는 복수의 타겟 디바이스 중 어느 하나를 선택해야 하는 경우, 사용자의 기존 응답 입력 및 기존 응답 입력에 의해 사용자가 기존에 선택하였던 타겟 디바이스에 관한 정보를 질의 메시지와 함께 제공할 수 있다.

디바이스 명확화부(340)는 질의 메시지 내에 포함되는 복수의 타겟 디바이스 후보 중 어느 하나를 선택하는 사용자의 응답 입력에 기초하여 타겟 디바이스를 결정할 수 있다. 사용자의 응답 입력은, 클라이언트 디바이스(110)로부터 음성 신호의 형태로 전송될 수 있다. 일 실시예에서, 디바이스 명확화부(340)는 응답 입력으로부터 디바이스의 보통 명칭, 설치 위치, 또는 질의 메시지 내에서 복수의 타겟 디바이스 후보가 나열된 순서를 인식하고, 응답 입력에 기초하여 타겟 디바이스를 결정할 수 있다. 디바이스 명확화부(340)는 클라이언트 디바이스(110)로부터 수신된 응답 입력을 텍스트로 변환하고, 텍스트를 단어 또는 구 단위로 파싱하여, 텍스트에 포함된 디바이스의 보통 명칭, 설치 위치, 또는 서수(나열 순서, 예: '첫번째 디바이스')를 획득할 수 있다. 예를 들어, 질의 메시지가 복수의 타겟 디바이스 후보를 기설정된 순서로 나열된 리스트를 포함하는 경우, 디바이스 명확화부(340)는 "첫번째" 또는 "두번째"와 같은 사용자의 응답 입력에 기초하여 리스트 내에서 특정 타겟 디바이스의 순서에 대응되는 디바이스를 인식하고, 인식된 디바이스를 타겟 디바이스로 결정할 수 있다.

디바이스 명확화부(340)는 지능적 디바이스 리졸버(350)에 복수의 타겟 디바이스 후보에 관한 정보를 전송할 수 있다.

지능적 디바이스 리졸버(350)는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스에 관한 식별 정보를 획득하고, 복수의 디바이스 각각에 관한 디바이스 정보에 기초하여 타겟 디바이스를 선택할 수 있다. 디바이스 정보는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 각각의 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보를 포함할 수 있다. 상태 정보는 예를 들어, 복수의 디바이스의 전원 온오프(on/off) 여부, 및 현재 실행 중인 동작 중 적어도 하나의 정보를 포함할 수 있다.

지능적 디바이스 리졸버(350)는 선택된 타겟 디바이스에 관한 정보를 디바이스 명확화부(340)에 전송할 수 있다. 일 실시예에서, 지능적 디바이스 리졸버(350)는 타겟 디바이스의 식별 정보(id), 명칭, 별칭, 위치, 제조사, 모델 id, 기능 수행 능력 및 현재 동작 상태에 관한 정보 중 적어도 하나를 디바이스 명확화부(340)에 전송할 수 있다.

플로우 제어부(320)는 타겟 디바이스에 관한 정보를 세션 매니져에 전송할 수 있다. 세션 매니져는 제2 어시스턴트 모델(200b)에 파싱된(parsed) 텍스트 및 타겟 디바이스에 관한 정보를 전송할 수 있다.

제2 어시스턴트 모델(200b)의 액션 플랜 관리 모델(210)은 디바이스 타입 별로 디바이스의 동작들 및 동작들 간의 관계에 관한 정보를 관리할 수 있다. 제2 어시스턴트 모델(200b)은 복수의 제2 자연어 이해 모델 중 타겟 디바이스의 타입에 대응되는 제2 자연어 이해 모델을 이용하여 파싱된 텍스트를 해석함으로써, 제2 인텐트 및 파라미터를 결정할 수 있다. 제2 어시스턴트 모델(200b)은 제2 인텐트 및 파라미터에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)함으로써, 타겟 디바이스가 수행할 동작에 관한 동작 정보를 생성할 수 있다. 제2 어시스턴트 모델(200b)은 예를 들어, TV 에이전트 또는 스피커 에이전트의 동작 실행과 관련된 액션 플래닝을 수행하여 동작 정보를 생성할 수 있다.

제2 어시스턴트 모델(200b)은 동작 정보, 및 타겟 디바이스의 식별 정보를 세션 매니져에 전송할 수 있다. 세션 매니져는 제2 어시스턴트 모델(200b)로부터 획득한 동작 정보를 응답 메시지 제어부(360)에 전송할 수 있다. 응답 메시지 제어부(360)는 동작 정보 및 타겟 디바이스 식별 정보를 IoT 클라우드 서버(400)에 전송할 수 있다. 일 실시예에서, 응답 메시지 제어부(360)는 대화 정보를 IoT 클라우드 서버(400)에 전송할 수 있다. 대화 정보는, 사용자로부터 수신한 음성 입력을 변환한 텍스트, 서버(300)가 자연어 생성 모델을 이용하여 생성한 질의 메시지, 및 질의 메시지에 관한 응답 입력을 변환한 텍스트 중 적어도 하나를 포함할 수 있다.

IoT 클라우드 서버(400)는 수신한 타겟 디바이스의 식별 정보 및 동작 정보에 기초하여 디바이스를 제어할 수 있는 제어 명령(control command)을 획득, 결정 또는 생성할 수 있다. 일 실시예에서, IoT 클라우드 서버(400)는 동작 정보에 기초하여, 타겟 디바이스가 동작 정보 내의 세부 동작들을 수행하도록 하기 위한 제어 명령을 획득, 결정, 또는 생성할 수 있다. 제어 명령은, 타겟 디바이스가 동작 정보에 따른 세부 동작들을 실행하도록 제어하는 명령어를 의미할 수 있다. 그러나, 이에 한정되는 것은 아니고, IoT 클라우드 서버(400)는 동작 정보 및 타겟 디바이스의 식별 정보에 대응되는 제어 명령을 저장하고 있을 수도 있다.

IoT 클라우드 서버(400)는 타겟 디바이스에 제어 명령을 전송할 수 있다. 타겟 디바이스는 생성된 제어 명령을 판독함으로써, 동작 정보 내의 세부 동작들을 실행 순서에 따라 순차적으로 실행할 수 있다. IoT 클라우드 서버(400)는 제어 명령이 타겟 디바이스에 의해 실행된 결과인, 동작 실행 결과에 관한 신호를 타겟 디바이스로부터 수신할 수 있다.

IoT 클라우드 서버(400)는 동작 실행 결과 신호를 응답 메시지 제어부(360)에 전송할 수 있다.

응답 메시지 제어부(360)는 동작 실행 결과에 기초하여 알림 컨텐트를 생성할 수 있다. 일 실시예에서, 응답 메시지 제어부(360)는 자연어 생성(NLG) 모델을 이용하여 알림 컨텐트를 생성할 수 있다. 알림 컨텐트는 타겟 디바이스에 의해 동작이 실행되었다는 결과를 나타내는 메시지일 수 있다.

응답 메시지 제어부(360)는 알림 컨텐츠의 포맷으로, 텍스트, 오디오, 이미지, 및 동영상 중 적어도 하나를 결정하고, 결정된 포맷에 맞게 알림 컨텐츠를 생성 또는 획득할 수 있다. 응답 메시지 제어부(360)는 텍스트를 음성으로 변환하는 TTS(Text-to- Speech) 기능을 수행하여, 텍스트 포맷의 알림 컨텐트를 오디오 신호로 변환할 수 있다.

응답 메시지 제어부(360)는 알림 컨텐트를 세션 매니져에 전송할 수 있다.

세션 매니져는 클라이언트 디바이스(110)에 알림 컨텐트를 전송할 수 있다. 세션 매니져는 알림 컨텐트를 제공할 디바이스를 기 정의된 규칙에 의해 판단할 수 있다. 기 정의된 규칙은, 동작 별로 대응하는 알림 컨텐트의 포맷에 관한 정보를 포함할 수 있다. 또한, 기 정의된 규칙은 추가적으로 알림 컨텐트를 출력할 디바이스에 관한 정보를 포함할 수도 있다.

클라이언트 디바이스(110)는 수신된 알림 컨텐트를 스피커를 통해 출력할 수 있다.

도 15에서 디바이스 디스패쳐 모델(310)은 사용자로부터 수신된 음성 입력과 관련하여 결정된 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 사용자에게 어느 디바이스를 타겟 디바이스로 선택할 것인지 질의하는 질의 메시지를 통해 최종적으로 동작을 수행할 타겟 디바이스를 결정하는 실시예를 도시하고 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 디바이스 디스패쳐 모델(310)은 사용자의 음성 입력으로부터 인식된 제1 인텐트와 사용자가 최종적으로 선택한 타겟 디바이스의 쌍(pair)을 인공 신경망의 입력과 출력으로 적용하여 학습(training)하고, 학습의 결과를 통해 생성된 학습 네트워크 모델을 이용하여 타겟 디바이스를 선택할 수도 있다. 여기서, 디바이스 디스패쳐 모델(310)은 컨볼루션 신경망 모델(Convolution Neural Network, CNN) 또는 재귀 신경망 모델(Recurrent Neural Network, RNN)와 같은 공지의 심층 신경망 모델(Deep Neural Network, DNN)을 이용하여 학습할 수 있으나, 이에 한정되지는 않는다. 학습을 통한 방법을 통해, 사용자의 의도에 따른 타겟 디바이스 결정의 정확도를 향상시킬 수도 있다.

도 16은 본 개시의 일 실시예에 따른 디바이스 디스패쳐 모델(310)의 디바이스 타입 분류부(330)를 도시한 도면이다.

도 16을 참조하면, 디바이스 디스패쳐 모델(310)은 플로우 제어부(320) 및 디바이스 타입 분류부(330)를 포함할 수 있다.

디바이스 타입 분류부(330)는 프록시(331), 사전 매니져(Dictionary Manager)(332), 디바이스 이름 디스패쳐(Device Named Dispatcher)(333), 디바이스 타입 디스패쳐(Device Type Dispatcher)(334), 수행 능력 디스패쳐(Capability Dispatcher)(335), 룰 엔진(336), 기준 핸들러(Criteria Handler)(337) 및 그래머(Grammar)(338)를 포함할 수 있다.

사전 매니져(332)는 클라이언트 디바이스로부터 수신한 사용자의 음성 입력으로부터 획득된 디바이스의 명칭이 개인화된 별칭인 경우, 디바이스 명칭 서버(410, 도 15 참조)에 쿼리(query)를 전송하고, 디바이스 명칭 서버로부터 개인화된 별칭에 대응되는 디바이스의 식별 정보를 수신할 수 있다. 사전 매니져(332)는 음성 입력으로부터 변환된 텍스트 내에 포함되는 디바이스의 개인화된 별칭을 외부의 디바이스 명칭 서버 내에 등록된 동의어, 유사어, 및 속어 중 적어도 하나의 어휘와 동기화(synchronization)할 수 있다. 예를 들어, 텍스트로부터 '바보 상자'라는 어휘를 인식한 경우, 사전 매니져(332)는 디바이스 명칭 서버에 쿼리(query)를 전송하고, '바보 상자'에 대응되는 '거실 TV'의 식별 정보를 수신할 수 있다. 사전 매니져(332)는 수신된 거실 TV의 식별 정보를 '바보 상자'라는 별칭과 동기화할 수 있다.

디바이스 이름 디스패쳐(333)는 음성 입력으로부터 변환된 텍스트를 파싱하고, 파싱된 텍스트로부터 디바이스의 명칭을 획득할 수 있다. 일 실시예에서, 디바이스 이름 디스패쳐(333)는 자연어 이해 모델을 이용하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하고, 텍스트로부터 디바이스 명칭에 해당되는 단어 또는 구를 추출할 수 있다. 일 실시예에서, 디바이스 이름 디스패쳐(333)는 추출된 디바이스 명칭에 관한 쿼리(query)를 사전 매니져(332)에 전송하고, 기 정의된 디바이스의 명칭과 비교하여 디바이스의 식별 정보를 인식할 수 있다. 예를 들어, 디바이스 타입 분류부 프록시(331)로부터 "TV에서 보헤미안 랩소디 틀어줘~"라는 텍스트가 수신되는 경우, 디바이스 이름 디스패쳐(333)는 텍스트로부터 'TV'라는 디바이스 명칭을 획득할 수 있다.

디바이스 타입 디스패쳐(334)는 음성 입력으로부터 변환된 텍스트에 기초하여, 디바이스의 타입을 결정할 수 있다. 디바이스 타입 디스패쳐(334)는 제1 자연어 이해 모델을 이용하여 텍스트로부터 제1 인텐트를 획득하고, 룰 엔진(336)에 기 저장된 매칭 룰에 기초하여 획득된 제1 인텐트와 매칭되는 디바이스 타입을 결정할 수 있다. 제1 자연어 이해 모델을 이용하여 텍스트로부터 제1 인텐트를 결정하는 구체적인 방법은 도 5에서 설명한 서버(300)가 제1 인텐트로부터 타겟 디바이스 타입을 결정하는 방법과 동일하므로, 중복되는 설명은 생략한다.

수행 능력 디스패쳐(335)는 제1 인텐트가 나타내는 동작과 관련된 기능 수행 능력에 기초하여 타겟 디바이스 타입을 결정할 수 있다. 예를 들어, 제1 인텐트가 나타내는 동작에 대하여 적어도 하나의 기능이 매칭될 수 있다. 수행 능력 디스패쳐(335)는 디바이스의 기능 수행 능력 정보에 기초하여, 제1 인텐트에 매칭된 기능을 수행할 수 있는 디바이스를 식별함으로써, 타겟 디바이스 타입을 결정할 수 있다. 여기서, 기능 수행 능력 정보는 디바이스가 실행할 수 있는 기능에 관한 정보를 의미할 수 있다. 예를 들어, 모바일 폰의 기능 수행 능력은 SNS, 지도, 전화, 인터넷 등이고, TV의 기능 수행 능력은 컨텐트 재생, 에어컨의 수행 능력은 공기의 온도 조절일 수 있다.

디바이스 타입 디스패쳐(334) 및 수행 능력 디스패쳐(335)가 프로그램 코드 또는 알고리즘으로 구성되는 경우, 룰 엔진(336)의 그래머(338)들을 사용하여 전술한 기능들을 수행할 수 있다. 디바이스 타입 디스패쳐(334) 및 수행 능력 디스패쳐(335)가 기계 학습(Machine Learning) 또는 인공신경망 모델로 구현되는 경우, 룰 엔진(336) 및 그래머(338)는 생략될 수 있다.

기준 핸들러(Criteria Handler)(337)는 결정된 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 복수의 후보 디바이스가 나열된 순서와 실제 타겟 디바이스 간의 매핑(mapping) 정보를 저장할 수 있다. 일 실시예에서, 기준 핸들러(337)는 복수의 후보 디바이스가 나열된 순서에 관한 정보를 저장하고, 나열 순서에 관한 정보에 기초하여 사용자의 응답 입력에 의해 선택된 특정 순서의 타겟 디바이스에 매핑되는 실제 타겟 디바이스를 결정할 수 있다. 예를 들어, 기준 핸들러(337)는 타겟 디바이스 후보로서 거실 TV, 안방 TV, 자녀방 TV 등 3개의 TV가 존재하는 경우, 첫번째 TV, 두번째 TV, 세번째 TV 각각과 매핑되는 실제 TV가 무엇인지에 관한 식별 정보를 포함할 수 있다.

도 17은 본 개시의 일 실시예에 따른 디바이스 디스패쳐 모델(310)의 디바이스 명확화부(340)을 도시한 도면이다.

도 17을 참조하면, 디바이스 디스패쳐 모델(310)은 플로우 제어부(320), 디바이스 명확화부(340), 및 지능적 디바이스 리졸버(350)를 포함할 수 있다.

디바이스 명확화부(340)는 디바이스 명확화 서비스 모델(Device Disambiguation Service)(341), 질의 메시지 생성부(342), 대화 상태 매니져(Device State Manager)(343), IDR 연결부(344), 대화 상태 추적부(Conversation State Tracker)(345), 및 데이터베이스(346)를 포함할 수 있다.

디바이스 명확화 서비스 모델(341)은 플로우 제어부(320)로부터 타겟 디바이스 후보가 한 개인지, 또는 복수 개인지 여부를 인식하고, 타겟 디바이스 후보가 복수 개인 경우 타겟 디바이스를 명확하게 하기 위한 신호를 질의 메시지 생성부(342)에 전송할 수 있다.

질의 메시지 생성부(342)는 복수의 타겟 디바이스 후보 중 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 일 실시예에서, 질의 메시지 생성부(342)는 자연어 생성(Natural Language Generation, NLG) 모델을 이용하여 질의 메시지를 생성할 수 있다. 일 실시예에서, 질의 메시지 생성부(342)는 TTS(Text to Speech) 모델을 이용하여, 텍스트 형태의 질의 메시지를 오디오 신호로 변환할 수 있다.

대화 상태 매니져(343)는 사용자와 클라이언트 디바이스 간의 대화 또는 디바이스 간의 대화에 관한 상태(state)를 제어할 수 있다. 예를 들어, 정지 상태(idle)에서 사용자의 음성 입력으로부터 타겟 디바이스가"TV"로 인식되는 경우, 대화 상태 매니져(343)는 어느 TV가 동작을 수행할 지에 관하여 명확화(disambiguation)을 수행하는 상태로 변경할 수 있다.

IDR 연결부(344)는 사용자의 음성 입력에 기초하여 결정된 타입에 해당되는 디바이스 후보가 복수 개 존재하는 경우, 지능적 디바이스 리졸버(1640)와의 쿼리(query) 송수신을 통해 타겟 디바이스의 명칭 또는 타입에 대응되는 디바이스 후보가 몇 개 존재하는지, 어떤 디바이스가 최적의 타겟 디바이스인지를 결정할 수 있다.

일 실시예에서, 대화 상태 매니져(343)에서 사용자로부터 수신한 음성 입력으로부터 결정된 타입에 해당되는 디바이스가 복수 개 존재한다고 인식하는 경우, 상태를 명확화 상태로 변경할 수 있다. 디바이스 명확화 서비스 모델(341)은 명확화 상태에 관한 신호에 기초하여 질의 메시지 생성부(342)에 신호를 전송할 수 있다. 질의 메시지 생성부(342)는 복수의 후보 디바이스 후보 중 어느 디바이스를 타겟 디바이스로 선택할 것인지를 질의하는 질의 메시지를 생성할 수 있다.

대화 상태 추적부(345)는 사용자와 클라이언트 디바이스 간, 또는 디바이스 간의 대화 상황에 관한 정보를 획득하여 대화 상태를 추적할 수 있다. 예를 들어, 대화 상태 추적부(345)는 현재 상황이 타겟 디바이스를 명확하게 하기 위한 응답 입력이 수신된 상태인지, 응답 입력이 수신된 것에 맞춰 대화를 재시작(resume)해야 되는지 등의 상황에 관한 정보를 획득할 수 있다.

도 18은 본 개시의 일 실시예에 따른 디바이스 디스패쳐 모델(310)의 응답 메시지 제어부(360)를 도시한 도면이다.

도 18을 참조하면, 디바이스 디스패쳐 모델(310)은 응답 메시지 제어부(360)를 포함할 수 있다.

응답 메시지 제어부(360)는 사용자로부터 음성 입력을 수신하는 리스너(listener)에 해당되는 클라이언트 디바이스와, 동작을 실행하는 익스큐터(executer)인 타겟 디바이스에서 동작이 수행되도록 신호를 분배할 수 있다. 응답 메시지 제어부(360)는 결정부(361), 응답 디스패쳐(Response Dispatcher)(362), 레이아웃 핸들러(Layout Handler)(363), 동작 정보(364), 레이아웃 DB(365), 및 자연어 생성 DB(366)를 포함할 수 있다.

결정부(361)는 제2 어시스턴트 모델로부터 획득한 동작 정보에 따라 타겟 디바이스에 의해 동작이 수행된 결과를 사용자에게 제공하는 피드백(feedback)의 속성을 결정할 수 있다. 일 실시예에서, 결정부(361)는 동작 정보가 타겟 디바이스를 통한 동작의 실행만을 요구하는지, 또는 자연어 생성을 통한 응답 메시지의 출력과 같은 피드백을 포함하는 것인지 여부를 결정할 수 있다.

여기서, 응답 메시지는 타겟 디바이스에 의해 동작이 실행되었거나, 또는 동작 실행이 실패하였다는 실행 결과를 나타내는 메시지일 수 있다. 예를 들어, 타겟 디바이스가 TV이고, TV가 영화를 재생하는 동작을 실행한 경우, 응답 메지시는 영화 재생 동작의 실행 결과를 나타내는 “TV에서 영화를 재생하였습니다.”일 수 있다. 또 다른 예에서, 타겟 디바이스가 스피커이고, 스피커가 볼륨을 증가하는 동작에 대한 실행을 실패한 경우, 응답 메시지는 볼륨 증가 동작의 실행 결과 및 실패 원인을 나타내는 “볼륨이 가장 높은 상태이므로, 볼륨 증가에 실패하였습니다.”일 수 있다. 이 경우, 실행 결과는 “실패”이고, 실행 결과와 함께 수신된 실패 원인은 “현재 볼륨은 가장 높은 상태”일 수 있다.

응답 메시지는 텍스트, 오디오, 이미지, 및 동영상 중 적어도 하나의 포맷으로 구성될 수 있다. 결정부(361)는 결정부(361)는 동작 정보가 피드백을 요하는 경우, 응답 메시지의 포맷을 결정할 수 있다.

응답 디스패쳐(362)로부터 동작 정보(364)과 레이아웃에 관한 정보를 포함하는 신호를 수신하는 경우, 결정부(361)는 동작을 실행하기 위한 제어 명령 및 레이 아웃은 타겟 디바이스에서 출력되고, 응답 메시지는 클라이언트 디바이스에서 각각 출력되도록 신호를 분리할 수 있다. 예를 들어, 결정부(361)는 동작의 수행을 위한 동작 정보 및 GUI 정보는 IoT 클라우드 서버(400)로 전송하고, "TV에서 영화를 재생하였습니다."와 같은 응답 메시지는 세션 매니져로 전송할 수 있다. 응답 메시지는 자연어 생성 DB(366)에 기 저장된 메시지를 이용하여 생성될 수 있다. 여기서, GUI 정보는 레이아웃 DB(365)에 저장되어 있을 수 있다.

응답 디스패쳐(362)는 응답 메시지가 출력되어야 하는 디바이스를 결정할 수 있다. 응답 디스패쳐(362)는 기 정의된 규칙에 의해 응답 메시지가 출력될 디바이스를 결정할 수 있다. 기 정의된 규칙은, 동작 별로 대응하는 응답 메시지의 포맷에 관한 정보를 포함할 수 있다. 또한, 기 정의된 규칙은 추가적으로 응답 메시지를 출력할 디바이스에 대한 정보를 포함할 수도 있다.

예를 들면, 영화 재생 동작은 오디오 포맷의 응답 메시지를 출력하는 것으로 정의되어 있으며, 사용자의 음성 입력을 전송한 클라이언트 디바이스(110)에서 제공하는 것으로 정의되어 있다. 영화 재생 동작에 대한 응답 메시지는, 오디오 포맷으로 출력되며 클라이언트 디바이스에서 제공하는 것으로 정의되어 있다면, 서버(300)는 응답 메시지를 오디오 포맷으로 변환하여 클라이언트 디바이스로 전송할 수 있다.

일 실시예에서, 응답 디스패쳐(362)는 생성된 응답 메시지의 출력 디바이스를 사용자로부터 음성 입력을 수신하는 클라이언트 디바이스로 결정할 수 있다. 이는 사용자는 대화(interaction)하고 있는 디바이스가 아닌, 다른 디바이스에서 응답 메시지가 출력되는 경우, 어떤 디바이스와 대화를 해야되는지 혼란스러울 수 있는 문제점을 방지하기 위함이다.

레이아웃 핸들러(363)는 기 저장된 레이아웃 중 타겟 디바이스가 실제로 동작을 수행하기 위하여 필요한 레이아웃을 결정할 수 있다. 일 실시예에서, 레이아웃 핸들러(363)는 타겟 디바이스에 전달될 레이아웃을 결정할 수 있다.

레이아웃 DB(365)는 타겟 디바이스가 동작을 수행하기 위하여 사용하는 레이아웃을 저장할 수 있다. 레이아웃 DB(365)는 예를 들어, 음악 재생, 영화 재생 등과 관련된 GUI에 관한 데이터를 저장할 수 있다.

도 19는 본 개시의 일 실시예에 따른 디바이스 디스패쳐 모델(310)의 지능적 디바이스 리졸버(Intelligence Device Resolver; IDR)(350)를 도시한 도면이다.

도 19를 참조하면, 디바이스 디스패쳐 모델(310)은 플로우 제어부(320) 및 지능적 디바이스 리졸버(350)를 포함할 수 있다. 도 19에 도시된 IoT 클라우드 서버(400)는 도 15에 도시된 IoT 클라우드 서버(400, 도 15 참조)와 동일하고, 디바이스 명칭 서버(410)는 도 15에 도시된 디바이스 명칭 서버(410, 도 15 참조)와 동일한 구성 요소인바, 중복되는 설명은 생략하기로 한다. 도 19에서 IoT 클라우드 서버(400)와 디바이스 명칭 서버(410)는 분리된 별개의 서버로 도시되었지만, 이에 한정되는 것은 아니다. IoT 클라우드 서버(400)와 디바이스 명칭 서버(410)는 하나의 서버로 통합될 수 있다.

플로우 제어부(320)는 사용자의 음성 입력으로부터 변환된 텍스트와 관련하여 결정된 타입에 해당되는 디바이스 후보가 복수 개 존재하는 경우, 지능적 디바이스 리졸버(350)와의 쿼리(query) 송수신을 통해 타겟 디바이스의 명칭 또는 타입에 대응되는 디바이스 후보가 몇 개 존재하는지, 디바이스 후보 중 어떤 디바이스가 최적의 타겟 디바이스인지를 결정할 수 있다.

지능적 디바이스 리졸버(350)는 텍스트를 제1 자연어 이해 모델을 통해 해석함으로써 획득된 제1 인텐트, 및 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스의 디바이스 정보에 기초하여 복수의 디바이스 후보 중 최적의 타겟 디바이스를 결정할 수 있다. 디바이스 정보는 예를 들어, 클라이언트 디바이스(110)의 위치 정보, IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스 각각의 기능 수행 능력 정보, 위치 정보, 전원 온오프 여부, 및 현재 수행 중인 동작 정보 중 적어도 하나에 관한 정보를 포함할 수 있다.

지능적 디바이스 리졸버(350)는 디바이스 리졸버(Device Resolver)(351) 및 싱크 매니져(Sync Manager)(352)를 포함할 수 있다.

디바이스 리졸버(351)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스에 관한 리스트를 IoT 클라우드 서버(400)로부터 획득할 수 있다. 일 실시예에서, 디바이스 리졸버(346)는 클라이언트 디바이스(110)의 위치에 기초하여 주변에 설치된 복수의 디바이스를 식별할 수 있다. 일 실시예에서, 디바이스 리졸버(351)는 복수의 디바이스 각각의 타입, 명칭, 보통 명칭, 위치, 현재 수행 중인 동작, 및 전원 온오프 여부 중 적어도 하나에 기초하여 타겟 디바이스를 결정할 수 있다. 일 실시예에서, 디바이스 리졸버(351)는 IoT 클라우드 서버(400)에 디바이스의 명칭 또는 타입에 따른 기능 수행 능력에 관한 정보를 요청하는 쿼리(query)를 전송하고, IoT 클라우드 서버(400)로부터 디바이스의 기능 수행 능력 정보를 수신할 수 있다. 디바이스 리졸버(351)는 수신된 정보에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서, 디바이스 리졸버(351)는 타겟 디바이스의 식별 정보(id), 명칭, 별칭, 위치, 제조사, 모델 id, 기능 수행 능력 및 현재 동작 상태에 관한 정보 중 적어도 하나를 디바이스 명확화부(340, 도 15 참조)에 전송할 수 있다.

싱크 매니져(352)는 디바이스 명칭 서버(410)과 디바이스 명칭을 동기화할 수 있다. 일 실시예에서, 싱크 매니져(352)는 사용자의 음성 입력으로부터 변환된 텍스트로부터 획득된 디바이스 별칭을 외부의 디바이스 명칭 서버(410)에 기저장된 디바이스의 별칭과 동기화(synchronization)할 수 있다.

디바이스 명칭 서버(410)는 디바이스의 명칭과 관련하여 사용자에 의해 등록된 동의어, 유사어, 및 속어 중 적어도 하나의 개인화된 어휘(personalized vocabulary)를 저장하고 있는 외부 서버일 수 있다. 디바이스 명칭 서버(410)는 사용자가 디바이스를 등록할 때 개인화된 단어 또는 어휘로 등록하여 저장할 수 있고, 개인화된 단어 또는 어휘는 추가 또는 삭제될 수 있다. 일 실시예에서, 디바이스 명칭 서버(410)는 클라우드 서버, 외부 저장소 또는 데이터 베이스(DB) 형태로 존재할 수도 있다.

일 실시예에서, 싱크 매니져(352)는 디바이스 명칭 서버(410)에 저장된 디바이스의 개인화된 별칭과 Redis(420)에 저장된 디바이스 명칭을 서로 동기화할 수도 있다. 이 경우, 싱크 매니져(352)는 캐쉬 서버(cache server)처럼 동작될 수 있다.

도 20은 본 개시의 일 실시예에 따른 액션 플랜 관리 모델(210)을 도시한 개념도이다. 액션 플랜 관리 모델(210)은 서버(300)에 포함되는 구성 요소일 수 있으나, 이에 한정되는 것은 아니다. 액션 플랜 관리 모델(210)은 서버(300)와는 별개의 구성 요소일 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 IoT 클라우드 서버(400) 내에 포함될 수도 있다. 액션 플랜 관리 모델(210)은 복수의 제2 자연어 이해 모델(300b)과 함께 제2 어시스턴트 모델(200b)를 구성할 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 복수의 제2 자연어 이해 모델(300b)을 포함하도록 구성될 수 있다.

액션 플랜 관리 모델(210)은, 액션 플랜을 생성하기 위하여 디바이스에 관한 동작 정보를 관리하는 모델일 수 있다. 액션 플랜 관리 모델(210)은 서버(300)에 의해 결정된 타겟 디바이스가 동작들을 수행하기 위하여 필요한 동작 정보를 저장하는 서버일 수 있다. 액션 플랜 관리 모델(210)은 인공지능 학습 모델, 인공지능 학습 알고리즘, 루틴(routine), 명령어 세트(set of instructions), 및 자연어 이해 모델 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 자연어 생성(NLG) 모델을 포함할 수도 있다.

액션 플랜 관리 모델(210)은, 디바이스 타입 별로 디바이스의 복수의 세부 동작들 및 복수의 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 복수의 세부 동작들 중 각각의 세부 동작과 다른 세부 동작과의 연관 관계는, 하나의 세부 동작을 실행하기 위해서 그 세부 동작을 실행하기 전에 필수적으로 실행되어야 할 다른 세부 동작에 대한 정보를 포함한다.

액션 플랜 관리 모델(210)은, 제2 자연어 이해 모델을 통해 텍스트로부터 결정된 제2 인텐트 및 파라미터에 기초하여, 디바이스가 수행할 복수의 세부 동작들을 결정할 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 결정된 복수의 세부 동작들을 실행하기 위하여 필요한 입력 파라미터 값이나, 세부 동작들의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 여기서, 입력 파라미터 값 및 출력 결과 값은 지정된 형식(또는 클래스)의 컨셉(concept)으로 정의될 수 있다. 이에 따라, 액션 플랜은 제2 인텐트 및 파라미터와 관련하여 결정된 복수의 세부 동작들 및 복수의 컨셉을 포함할 수 있다.

액션 플랜 관리 모델(210)은 복수의 동작들, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 액션 플랜 관리 모델(210)은 제2 인텐트 및 파라미터에 기초하여 결정된 복수의 세부 동작들의 실행 순서를 결정하는 플래닝(planning)을 수행하고, 플래닝 결과 동작 정보를 생성할 수 있다. 즉, 액션 플랜 관리 모델(210)은 복수의 세부 동작들의 실행에 필요한 입력 파라미터 값 및 복수의 세부 동작들의 실행에 의해 출력되는 결과 값에 기초하여, 복수의 세부 동작들의 실행 순서를 플래닝하고, 이를 통해 동작 정보를 생성할 수 있다.

동작 정보는, 디바이스가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작 간의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 타겟 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다. 동작 정보는 액션 플랜 관리 모델(210)에 의해 생성된 액션 플랜을 포함할 수 있다.

액션 플랜 관리 모델(210)은 컨셉과 동작들 간의 관계들의 집합이 저장된 캡슐 데이터베이스에 저장된 정보를 이용하여 플래닝을 할 수 있다. 액션 플랜 관리 모델(210)은 동작들과 동작들에 대응되는 컨셉을 캡슐 형태의 데이터베이스인 CAN(Concept Action Network)으로 저장할 수 있다. 액션 플랜 관리 모델(210)은 디바이스 별로 CAN을 저장하는 캡슐 데이터베이스로 구성될 수 있다.

도 20을 참조하면, 액션 플랜 관리 모델(210)은 스피커 CAN(212), 모바일 CAN(214), 및 TV CAN(216)을 포함할 수 있다. 스피커 CAN(212)은 스피커 제어, 미디어 재생, 날씨, 및 TV 제어를 포함하는 세부 동작들에 관한 정보와, 세부 동작들 각각에 대응되는 컨셉을 캡슐 형태로 저장하는 액션 플랜을 포함할 수 있다. 모바일 CAN(214)은 SNS, 모바일 제어, 지도, 및 QA를 포함하는 세부 동작들에 관한 정보와, 세부 동작들 각각에 대응되는 컨셉을 캡슐 형태로 저장하는 액션 플랜을 포함할 수 있다. TV CAN(216)은 쇼핑, 미디어 재생, 교육, 및 TV 재생을 포함하는 세부 동작들에 관한 정보와, 세부 동작들 각각에 대응되는 컨셉을 캡슐 형태로 저장하는 액션 플랜을 포함할 수 있다. 일 실시예에서, 스피커 CAN(212), 모바일 CAN(214), 및 TV CAN(216) 각각에 포함된 복수의 캡슐은 액션 플랜 관리 모델(210) 내의 구성 요소인 기능 저장소(function registry)에 저장될 수 있다.

일 실시예에서, 액션 플랜 관리 모델(210)은 서버(300)가 제2 자연어 이해 모델을 통해, 음성 입력으로부터 변환된 텍스트를 해석함으로써 결정된 제2 인텐트 및 파라미터에 대응되는 세부 동작들을 결정할 때 필요한 전략 레지스트리(strategy registry)를 포함할 수 있다. 전략 레지스트리는 텍스트와 관련된 복수의 액션 플랜이 있는 경우, 하나의 액션 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다.

일 실시예에서, 액션 플랜 관리 모델(210)은 타겟 디바이스에 의해 출력되는 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다.

일 실시예에서, 액션 플랜 관리 모델(210)은 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시예에서, 액션 플랜 관리 모델(210)은 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다.

도 21은 본 개시의 일 실시예에 따른 액션 플랜 관리 모델(210)에 저장된 캡슐 데이터베이스(220)를 도시한 도면이다.

도 21을 참조하면, 캡슐 데이터베이스(220)는 세부 동작들과, 세부 동작들에 대응되는 컨셉에 관한 관계 정보가 저장되어 있다. 캡슐 데이터베이스(220)는 CAN(Concept Action Network) 형태로 구현될 수 있다. 캡슐 데이터베이스(220)는 복수의 캡슐(230, 240, 250)을 저장할 수 있다. 캡슐 데이터베이스(220)는 사용자의 음성 입력과 관련된 동작들을 실행하기 위한 세부 동작, 및 세부 동작을 위해 필요한 입력 파라미터 값 및 출력 결과 값을 CAN(concept action network) 형태로 저장될 수 있다.

캡슐 데이터베이스(220)는 디바이스 별로 동작에 관련된 정보를 저장할 수 있다. 도 21에 도시된 실시예에서, 캡슐 데이터베이스(220)는 특정 디바이스, 예를 들어 TV가 수행하는 동작들과 관련된 복수의 캡슐(230, 240, 250)을 저장할 수 있다. 일 실시예에서, 하나의 캡슐(예를 들어, 캡슐 A(230))은 하나의 애플리케이션에 대응될 수 있다. 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 세부 동작 및 적어도 하나 이상의 컨셉을 포함할 수 있다. 예를 들어, 캡슐 A(230)의 경우 세부 동작(231a)와 세부 동작(231a)에 대응되는 컨셉(231b)을 포함하고, 캡슐 B(240)는 복수의 세부 동작들(241a, 242a, 243a)과, 복수의 세부 동작들(241a, 242a, 243a) 각각에 대응되는 복수의 컨셉(241b, 242b, 243b)을 포함할 수 있다.

액션 플랜 관리 모델(210)은 캡슐 데이터베이스(220)에 저장된 캡슐을 이용하여 사용자의 음성 입력과 관련된 동작을 수행하기 위한 액션 플랜을 생성할 수 있다. 예를 들어, 액션 플랜 관리 모델(210)은 캡슐 데이터베이스(220)에 저장된 캡슐을 이용하여 액션 플랜을 생성할 수 있다. 예를 들어, 액션 플랜 관리 모델(210)은 캡슐 A(230)의 세부 동작(231a)과 컨셉(231b), 캡슐 B(240)의 세부 동작들(241a, 242a, 243a)과 컨셉들(241b, 242b, 243b) 및 캡슐 C(250)의 세부 동작(251a) 및 컨셉(251b)를 이용하여 액션 플랜(260)을 생성할 수 있다.

액션 플랜 관리 모델(210)은 생성된 액션 플랜(260)을 서버(300)에 제공할 수 있다.

도 22는 본 개시의 디바이스(1000)의 구성 요소를 도시한 블록도이다.

본 개시의 도 2a 내지 도 19에서는, 본 개시의 실시예들이 서버(300)에 의해 수행된다고 기재되어 있으나, 이에 한정되는 것은 아니다. 본 개시의 실시예들은 서버(300) 뿐만 아니라 디바이스(1000)에서도 수행될 수 있다. 본 개시에 도시된 클라이언트 디바이스(110) 또는 복수의 디바이스(120)는 도 22의 디바이스(1000)에 포함된 구성 요소들에 대응되는 구성 요소를 포함할 수 있다. 예를 들어, 프로세서(1300)는 클라이언트 디바이스(110)의 프로세서(114, 도 14 참조)와 동일하고, 통신 인터페이스(1500)는 클라이언트 디바이스(110)의 통신 인터페이스(118, 도 14 참조)와 동일하고, 마이크(1620)는 클라이언트 디바이스(110)의 마이크(112, 도 14 참조)와 동일하며, 메모리(1700)는 클라이언트 디바이스(110)의 메모리(116, 도 14 참조)와 동일할 수 있다.

도 22를 참조하면, 본 개시의 일 실시예에 따른 디바이스(1000)는 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 센싱부(1400), 통신 인터페이스(1500), A/V 입력부(1600), 및 메모리(1700)를 포함할 수 있다.

사용자 입력부(1100)는, 사용자가 디바이스(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

사용자 입력부(1100)는, 질의 메시지에 관한 응답 입력을 요청하고, 사용자로부터 응답 입력을 수신할 수 있다.

출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.

디스플레이부(1210)는 디바이스(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1210)는 서버(300)로부터 동작의 실행 결과를 나타내는 알림 컨텐트를 수신하고, 알림 컨텐트를 디스플레이할 수 있다. 일 실시예에서, 디스플레이부(1210)는 서버(300)로부터 수신된 텍스트 및 GUI를 디스플레이할 수 있다.

일 실시예에서, 디스플레이부(1210)는 IoT 클라우드 서버(400)로부터 수신한 제어 명령에 기초하여 영화 재생, TV 방송 재생 등 영상과 관련된 컨텐츠를 디스플레이할 수 있다.

음향 출력부(1220)는 통신 인터페이스(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능과 관련된 음향 신호를 출력한다. 음향 출력부(1220)는 서버(300)로부터 수신된 알림 컨텐트가 음성 신호인 경우, 음향 출력부(1220)는 알림 컨텐트를 출력할 수 있다.

프로세서(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행하여 메모리(1700)에 저장된 데이터를 처리함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신 인터페이스(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행하여 메모리(1700)에 저장된 데이터를 처리함으로써, 도 2 내지 도 17에 기재된 디바이스(1000)의 기능을 수행할 수 있다.

프로세서(1300)는 예를 들어, 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나로 구성될 수 있으나, 이에 제한되는 것은 아니다.

구체적으로, 프로세서(1300)는 서버(300) 또는 네트워크를 통해 연결된 타(他) 디바이스로부터 사용자의 음성 입력을 수신하도록 통신 인터페이스(1500)를 제어할 수 있다. 프로세서(1300)는 메모리(1700)에 저장된 ASR 모델(1712)에 관한 데이터를 이용하여 ASR을 수행함으로써, 수신된 음성 입력을 텍스트로 변환하고, 메모리(1700)에 저장된 제1 자연어 이해 모델(1714)에 관한 데이터를 이용하여 텍스트와 관련된 제1 인텐트를 결정하고, 디바이스 디스패쳐 모델(1716)에 관한 데이터를 이용하여 제1 인텐트와 관련된 타겟 디바이스의 타입을 결정할 수 있다.

일 실시예에서, 프로세서(1300)는 메모리(1700)에 저장된 복수의 제2 자연어 이해 모델(1722) 중 결정된 타겟 디바이스 타입에 대응되는 제2 자연어 이해 모델 및 메모리(1700)에 저장된 액션 플랜 관리 모델(1724)을 통해 타겟 디바이스가 텍스트에 포함된 사용자의 의도와 관련된 동작들을 실행하기 위한 동작 정보를 획득할 수 있다.

일 실시예에서, 프로세서(1300)는 사용자의 계정 정보와 관련하여 IoT 클라우드 서버(400)에 기 등록된 복수의 디바이스의 디바이스 정보를 수신하도록 통신 인터페이스(1500)를 제어할 수 있다. 기 등록된 복수의 디바이스의 디바이스 정보는 메모리(1700)에 저장되어 있을 수 있다. 이 경우, 프로세서(1300)는 메모리(1700)에서 디바이스 정보를 획득할 수 있다. 프로세서(1300)는 타 디바이스의 디바이스 정보에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서, 프로세서(1300)는 메모리(1700)에 저장된 제1 자연어 이해 모델(1714)을 이용하여 텍스트로부터 디바이스의 명칭을 획득하고, 메모리(1700)에 저장된 디바이스 디스패쳐 모델(1716)에 관한 데이터를 이용하여, 디바이스의 명칭 및 IoT 클라우드 서버(400)로부터 수신한 디바이스 정보에 기초하여 타겟 디바이스의 타입을 결정할 수 있다.

일 실시예에서, 프로세서(1300)는 제1 자연어 이해 모델(1714)를 이용하여 텍스트로부터 디바이스 타입과 관련된 보통 명칭 및 디바이스의 설치 위치에 관한 단어 또는 구를 추출하고, 추출된 디바이스의 보통 명칭 및 설치 위치에 기초하여 타겟 디바이스의 타입을 결정할 수 있다.

일 실시예에서, 프로세서(1300)는 텍스트에서 개인화된 별칭을 추출한 경우, 사용자에 의하여 기등록된 복수의 디바이스의 동의어, 유사어, 및 속어 중 적어도 하나를 저장하고 있는 외부 서버에 개인화된 별칭을 전송하고, 외부 서버로부터 개인화된 별칭에 대응되는 디바이스 식별 정보를 수신하도록 통신 인터페이스(1500)를 제어할 수 있다. 개인화된 별칭 및 이에 대응하는 디바이스 식별 정보는 메모리(1700)에 저장될 수 있다. 이 경우 프로세서(1300)는 디바이스 식별 정보를 메모리(1700)로부터 획득할 수 있다. 프로세서(1300)는 수신 또는 획득된 디바이스 식별 정보에 기초하여 타겟 디바이스를 결정할 수 있다.

일 실시예에서, 프로세서(1300)는 사용자의 계정 정보와 관련하여 기 등록된 복수의 디바이스 각각의 각각의 명칭, 타입, 설치 위치, 및 전원 온오프(on/off), 현재 실행하고 있는 동작 중 적어도 하나를 포함하는 정보를 외부의 IoT 클라우드 서버(400)로부터 수신하도록 통신 인터페이스(1500)를 제어할 수 있다.

일 실시예에서, 프로세서(1300)는 결정된 타겟 디바이스의 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 자연어 생성(NLG) 모델을 이용하여 복수의 후보 디바이스 중 타겟 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 프로세서(1300)는 생성된 질의 메시지를 클라이언트 디바이스가 출력하도록 제어할 수 있다.

이외에도, 프로세서(1300)는 서버(300)가 수행하는 모든 동작들을 수행할 수 있다.

센싱부(1400)는, 디바이스(1000)의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 사용자 또는 디바이스(1000)의 위치 정보를 생성하는데 이용될 수 있다.

센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.

예를 들어, 디바이스(1000)는 위치 센서(1460)를 통해 디바이스(1000)의 위치 정보를 획득할 수 있다. 예를 들어, 위치 정보는, 디바이스(1000)가 현재 위치한 장소 또는 위치 좌표를 나타낼 수 있다.

통신 인터페이스(1500)는, 디바이스(1000)가 다른 디바이스, 서버(300), 및 IoT 클라우드 서버(400) 등과 데이터 통신을 하는 하나 이상의 구성요소를 포함할 수 있다. 통신 인터페이스(1500)는 예를 들어, 유선 랜, 무선 랜(Wireless LAN), 와이파이(Wi-Fi), 블루투스(Bluetooth), 지그비(zigbee), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association), BLE (Bluetooth Low Energy), NFC(Near Field Communication), 와이브로(Wireless Broadband Internet, Wibro), 와이맥스(World Interoperability for Microwave Access, WiMAX), SWAP(Shared Wireless Access Protocol), 와이기그(Wireless Gigabit Allicance, WiGig) 및 RF 통신을 포함하는 데이터 통신 방식 중 적어도 하나를 이용하여 다른 디바이스, 서버(300), 및 IoT 클라우드 서버(400) 등과 데이터 통신을 수행할 수 있다.

예를 들어, 통신 인터페이스(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.

근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

일 실시예에서, 디바이스(1000)는 근거리 통신부(1510)를 통해 디바이스(1000)의 위치 정보를 획득할 수 있다. 예를 들어, 디바이스(1000)는 NFC 태그를 통해 디바이스(1000)가 위치한 장소를 결정할 수 있다. 또한, 예를 들어, 디바이스(1000)는 와이파이의 식별자를 통해 디바이스(1000)가 위치한 장소를 결정할 수 있다. 예를 들어, 디바이스(1000)는 디바이스(1000)가 연결된 와이파이의 SSID를 확인함으로써, 디바이스(1000)가 위치가 위치한 장소를 알아낼 수 있다.

이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.

A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크(1620) 등이 포함될 수 있다. 카메라(1610)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.

마이크(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크(1620)은 사용자로부터 음성 신호를 수신할 수 있다. 마이크(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.

메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(1000)로 입력되거나 디바이스(1000)로부터 출력되는 데이터를 저장할 수도 있다.

메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

일 실시예에서, 메모리(1700)는 제1 어시스턴트 모델(1710) 및 제2 어시스턴트 모델(1720), UI 모듈(1730), 터치스크린 모듈(1740), 및 알림 모듈(1750)을 포함할 수 있다. 제1 어시스턴트 모델(1710)은 ASR 모델(1712), 제1 자연어 이해 모델(1714), 및 디바이스 디스패쳐 모델(1716)에 관한 데이터를 저장할 수 있다. 제2 어시스턴트 모델(1720)은 복수의 제2 자연어 이해 모델(1722) 및 액션 플랜 관리 모델(1724)에 관한 데이터를 저장할 수 있다. 일 실시예에서, 메모리(1700)는 디바이스 정보 및 디바이스 명칭 정보를 저장할 수 있다.

UI 모듈(1730)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다.

터치 스크린 모듈(1740)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1740)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1740)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.

알림 모듈(1750)은 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1750)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.

본 명세서에서 설명된 서버(300)에 의해 실행되는 프로그램은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 프로그램은 컴퓨터로 읽을 수 있는 명령어들을 수행할 수 있는 모든 시스템에 의해 수행될 수 있다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령어(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.

소프트웨어는, 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 컴퓨터 프로그램으로 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체로는, 예를 들어 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.

컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.

또한, 본 명세서에 개시된 실시예들에 따른 프로그램은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.

컴퓨터 프로그램 제품은 소프트웨어 프로그램, 소프트웨어 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 디바이스의 제조사 또는 전자 마켓(예를 들어, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션(downloadable application))을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 소프트웨어 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.

컴퓨터 프로그램 제품은, 서버 및 디바이스로 구성되는 시스템에서, 서버의 저장매체 또는 디바이스의 저장매체를 포함할 수 있다. 또는, 서버 또는 디바이스와 통신 연결되는 제3 디바이스(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3 디바이스의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 디바이스 또는 제3 디바이스로 전송되거나, 제3 디바이스로부터 디바이스로 전송되는 소프트웨어 프로그램 자체를 포함할 수 있다.

이 경우, 서버, 디바이스 및 제3 디바이스 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 디바이스 및 제3 디바이스 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.

예를 들면, 서버(예로, IoT 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 디바이스가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.

또 다른 예로, 제3 디바이스가 컴퓨터 프로그램 제품을 실행하여, 제3 디바이스와 통신 연결된 디바이스가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다.

제3 디바이스가 컴퓨터 프로그램 제품을 실행하는 경우, 제3 디바이스는 서버로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제3 디바이스는 프리로드된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.

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 컴퓨터 시스템 또는 모듈 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims

서버 및 복수의 디바이스를 포함하는 네트워크 환경에서, 상기 서버가 음성 입력에 기초하여 디바이스를 제어하는 방법에 있어서,
사용자의 음성 입력을 수신하는 단계;
ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하는 단계;
제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 상기 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 타겟 디바이스의 타입을 결정하는 단계;
복수의 제2 자연어 이해 모델 중 상기 결정된 타겟 디바이스의 타입에 대응하는 제2 자연어 이해 모델을 선택하는 단계;
상기 결정된 타겟 디바이스의 타입에 해당되는 적어도 하나의 디바이스 각각의 디바이스 정보에 기초하여 타겟 디바이스를 결정하는 단계;
상기 선택된 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 단계; 및
상기 획득된 동작 정보에 기초하여 상기 타겟 디바이스를 제어하도록, 상기 획득된 동작 정보를 출력하는 단계;
를 포함하는, 방법.
제1 항에 있어서,
상기 제1 자연어 이해 모델은, 복수의 타겟 디바이스 중 상기 타겟 디바이스의 타입을 결정하기 위해 상기 텍스트를 분석하도록 구성된 모델이고,
상기 복수의 제2 자연어 이해 모델은, 상기 결정된 타겟 디바이스가 수행할 동작 정보를 획득하기 위해 상기 텍스트의 적어도 일부를 분석하도록 구성된 모델인, 방법.
제1 항에 있어서,
상기 적어도 하나의 디바이스 각각의 상기 디바이스 정보는 IoT 클라우드 서버로부터 획득하는, 방법.
제3 항에 있어서,
상기 방법은,
상기 IoT 클라우드 서버가 상기 동작 정보에 기초하여 상기 타겟 디바이스를 제어하도록 하기 위해, 상기 획득된 동작 정보를 상기 IoT 클라우드 서버로 전송하는 단계;
를 더 포함하는, 방법.
제1 항에 있어서,
상기 사용자의 음성 입력을 수신하는 단계는,
상기 복수의 디바이스 중 적어도 하나의 디바이스로부터 사용자의 음성 입력을 수신하는 단계인, 방법.
제2 항에 있어서,
상기 제1 자연어 이해 모델은, 신규 타겟 디바이스가 추가되는 경우, 추가된 상기 신규 타겟 디바이스의 타입을 결정하기 위해, 학습을 통해 갱신되도록 구성된 모델이고,
상기 복수의 제2 자연어 이해 모델은, 상기 신규 타겟 디바이스가 추가되는 경우, 상기 추가된 신규 타겟 디바이스가 수행할 동작 정보를 획득하기 위해, 상기 추가된 신규 타겟 디바이스의 타입에 대응하는 신규의 제2 자연어 이해 모델이 상기 복수의 제2 자연어 이해 모델에 추가되도록 구성된 모델인, 방법.
제1 항에 있어서,
상기 타겟 디바이스의 타입을 결정하는 단계는,
상기 제1 자연어 이해 모델을 이용하여, 상기 텍스트로부터 디바이스 명칭을 추출하는 단계; 및
상기 추출된 디바이스 명칭에 기초하여 상기 타겟 디바이스의 타입을 결정하는 단계;
를 포함하는, 방법.
제1 항에 있어서,
상기 결정된 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 자연어 생성(Natural Language Generator, NLG) 모델을 이용하여 복수의 후보 디바이스 중 상기 타겟 디바이스를 선택하기 위한 질의 메시지를 생성하는 단계; 및
상기 타겟 디바이스를 결정하는 단계는, 상기 생성된 질의 메시지에 관한 사용자의 응답 입력에 기초하여 상기 타겟 디바이스를 결정하는, 방법.
제1 항에 있어서,
상기 타겟 디바이스를 결정하는 단계는,
상기 제1 자연어 이해 모델에 의한 상기 텍스트 분석 결과에 기초하여, 디바이스 디스패쳐 모델에 의해 상기 타겟 디바이스를 결정하고,
상기 동작 정보를 획득하는 단계는,
상기 제2 자연어 이해 모델에 의한 상기 텍스트 분석 결과에 기초하여, 액션 플랜 관리 모델에 의해 상기 결정된 타겟 디바이스가 수행할 동작 정보를 획득하는, 방법.
제9 항에 있어서,
상기 동작 정보는, 상기 액션 플랜 관리 모델에 기 저장된 상기 타겟 디바이스의 세부 동작들에 관한 정보를 이용하여 획득되는, 방법.
음성 입력에 기초하여 디바이스를 제어하는 서버에 있어서,
복수의 디바이스와 데이터 통신을 수행하는 통신 인터페이스;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
상기 통신 인터페이스를 통해, 상기 복수의 디바이스 중 적어도 하나의 디바이스로부터 사용자의 음성 입력을 수신하고,
ASR(Automatic Speech Recognition) 모델을 이용하여 ASR을 수행함으로써, 수신된 음성 입력을 텍스트로 변환하고,
제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 상기 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 타겟 디바이스의 타입을 결정하고,
복수의 제2 자연어 이해 모델 중 상기 결정된 타겟 디바이스 타입에 대응되는 제2 자연어 이해 모델을 선택하고,
상기 결정된 타겟 디바이스의 타입에 해당되는 적어도 하나의 디바이스 각각의 디바이스 정보에 기초하여 타겟 디바이스를 결정하고,
상기 선택된 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여, 상기 결정된 타겟 디바이스가 수행할 동작에 관한 동작 정보를 획득하고,
상기 획득된 동작 정보에 기초하여 상기 타겟 디바이스를 제어하도록, 상기 획득된 동작 정보를 출력하도록 상기 통신 인터페이스를 제어하는, 서버.
제11 항에 있어서,
상기 제1 자연어 이해 모델은, 복수의 타겟 디바이스 중 상기 타겟 디바이스의 타입을 결정하기 위해 상기 텍스트를 분석하도록 구성된 모델이고,
상기 복수의 제2 자연어 이해 모델은, 상기 결정된 타겟 디바이스가 수행할 동작 정보를 획득하기 위해 상기 텍스트의 적어도 일부를 분석하도록 구성된 모델인, 서버.
제11 항에 있어서,
상기 프로세서는,
IoT 클라우드 서버로부터 상기 적어도 하나의 디바이스 각각의 상기 디바이스 정보를 수신하도록 상기 통신 인터페이스를 제어하는, 서버.
삭제
제13 항에 있어서,
상기 프로세서는,
상기 IoT 클라우드 서버가 상기 타겟 디바이스를 상기 획득된 동작 정보에 기초하여 제어하도록 하기 위해, 상기 획득된 동작 정보를 상기 IoT 클라우드 서버로 전송하도록 상기 통신 인터페이스를 제어하는, 서버.
제12 항에 있어서,
상기 제1 자연어 이해 모델은, 신규 타겟 디바이스가 추가되는 경우, 추가된 신규 타겟 디바이스의 타입을 결정하기 위해 학습을 통해 갱신되도록 구성된 모델이고,
상기 복수의 제2 자연어 이해 모델은, 상기 신규 타겟 디바이스가 추가되는 경우, 추가된 상기 신규 타겟 디바이스가 수행할 동작 정보를 획득하기 위해, 상기 추가된 신규 타겟 디바이스의 타입에 대응되는 신규의 제2 자연어 이해 모델이 추가되도록 구성되는 모델인, 서버.
제11 항에 있어서,
상기 프로세서는,
상기 제1 자연어 이해 모델을 이용하여, 상기 텍스트로부터 디바이스 명칭을 추출하고, 상기 추출된 디바이스 명칭에 기초하여 상기 타겟 디바이스의 타입을 결정하는, 서버.
제11 항에 있어서,
상기 프로세서는,
상기 결정된 타입에 해당되는 디바이스가 복수 개 존재하는 경우, 자연어 생성(Natural Language Generator, NLG) 모델을 이용하여 복수의 후보 디바이스 중 상기 타겟 디바이스를 선택하기 위한 질의 메시지를 생성하고, 상기 생성된 질의 메시지에 관한 사용자의 응답 입력에 기초하여 상기 타겟 디바이스를 결정하는, 서버.
제11 항에 있어서,
상기 프로세서는,
상기 제1 자연어 이해 모델에 의한 상기 텍스트 분석 결과에 기초하여, 디바이스 디스패쳐 모델에 의해 상기 타겟 디바이스를 결정하고, 상기 제2 자연어 이해 모델에 의한 상기 텍스트 분석 결과에 기초하여, 액션 플랜 관리 모델에 의해 상기 결정된 타겟 디바이스가 수행할 동작 정보를 획득하는, 서버.
제19 항에 있어서,
상기 동작 정보는, 상기 액션 플랜 관리 모델에 기 저장된 상기 타겟 디바이스의 세부 동작들에 관한 정보를 이용하여 획득되는, 서버.
제1 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.