KR102339794B1 - 질의 응답 서비스 장치 및 방법 - Google Patents

질의 응답 서비스 장치 및 방법 Download PDF

Info

Publication number
KR102339794B1
KR102339794B1 KR1020210161007A KR20210161007A KR102339794B1 KR 102339794 B1 KR102339794 B1 KR 102339794B1 KR 1020210161007 A KR1020210161007 A KR 1020210161007A KR 20210161007 A KR20210161007 A KR 20210161007A KR 102339794 B1 KR102339794 B1 KR 102339794B1
Authority
KR
South Korea
Prior art keywords
question
template
query
response
classified
Prior art date
Application number
KR1020210161007A
Other languages
English (en)
Inventor
정민성
민지웅
정효용
윤창오
보아동
Original Assignee
주식회사 애자일소다
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 애자일소다 filed Critical 주식회사 애자일소다
Priority to KR1020210161007A priority Critical patent/KR102339794B1/ko
Application granted granted Critical
Publication of KR102339794B1 publication Critical patent/KR102339794B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2452—Query translation
    • G06F16/24522—Translation of natural language queries to structured queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G06F16/24566—Recursive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

질의 응답 서비스 장치 및 방법을 개시한다. 본 발명은 음성 또는 텍스트를 통해 입력되는 EIS 질의 내용을 분석 및 분류하고, 질의에 대응하는 결과를 검색하여 음성 또는 텍스트로 응답한다.

Description

질의 응답 서비스 장치 및 방법{APPARATUS AND METHOD FOR SERVICING QUESTION AND ANSWER}
본 발명은 질의 응답 서비스 장치 및 방법에 관한 발명으로서, 더욱 상세하게는 음성 또는 텍스트를 통해 입력되는 질의 내용을 분석 및 분류하고, 질의에 대응하는 결과를 검색하여 음성 또는 텍스트로 응답하는 질의 응답 서비스 장치 및 방법에 관한 것이다.
최근 들어, 인공지능 분야, 특히 자연어 이해 분야의 기술 발전에 따라, 전통적인 기계 중심의 명령 입출력 방식에 따른 기계 조작에서 벗어나, 사용자로 하여금, 보다 사람 친화적인 방식, 예컨대 음성 및/또는 텍스트 형태의 자연어를 매개로 한 대화 방식으로 기계를 조작하고 기계로부터 원하는 서비스를 얻을 수 있도록 하는 대화형 AI 에이전트 시스템의 개발 및 활용이 점차 늘어나고 있다.
그에 따라, 온라인 상담 센터나 온라인 쇼핑몰 등을 비롯한 다양한 분야에서, 사용자는 음성 및/또는 텍스트 형태의 자연어 대화를 제공하는 대화형 AI 에이전트 시스템을 통하여 원하는 서비스를 제공받을 수 있게 되었다.
이러한 대화형 AI 에이전트 시스템이 점점 더 많은 분야에서 활용됨에 따라 사용자의 의도를 해석하고 그에 부합하는 결과를 제공하는 것에 상당히 높은 정확도가 요구되고 있다.
대화형 AI 에이전트 시스템에서 정확한 결과를 제공하기 위해서는 기본적으로 사용자 입력을 정확히 파악하여야 하는데, 사용자 입력이 음성 입력인 경우, 특히 연속하여 복수의 단어를 포함하는 음성 입력인 경우 대화형 AI 에이전트 시스템은 다수의 텍스트 변환 결과가 존재할 수 있는 사용자의 입력으로 인해 정확한 결과를 제공하기 어려울 수 있다.
한국 특허공개공보 제10-2017-0099917호(발명의 명칭: 모호한 표현의 판별을 통한 사용자 경험 개선 기법)에서는 음성 입력에 대한 다수의 텍스트 변환 결과 각각에 대해 문맥정보에 기초하여 복수의 응답, 즉 질의 응답 세트를 작성하여 분석함으로써 가장 관련된 결과를 제공하는 기술이 개시되어 있다.
최근에는 사용자의 음성을 텍스트로 변환하는 기능(Speech-To-Text: STT)을 API 형태로 제공할 수 있는데, 일반적으로 외부의 STT 서버로부터 서비스를 받는 경우, 음성 입력을 전달하거나 음성 음력과 함께 파일 형식 및 구문 힌트를 전송하고, 전송한 음성 입력에 연관된 적어도 하나의 텍스트 변환 값을 수신하게 된다.
그러나 종래 기술에 따른 음성 인식을 이용한 질의 응답은 정답 구조가 이미 생성된 구성에 질문에 맞는 정답 형식의 결과 값을 매핑시켜 출력함으로써, 다양한 질문이나 구조가 다른 질문의 경우 정답의 추출이 어려운 문제점이 있다.
한국 특허공개공보 제10-2017-0099917호(발명의 명칭: 모호한 표현의 판별을 통한 사용자 경험 개선 기법)
이러한 문제점을 해결하기 위하여, 본 발명은 음성 또는 텍스트를 통해 입력되는 질의 내용을 분석 및 분류하고, 질의에 대응하는 결과를 검색하여 음성 또는 텍스트로 응답하는 질의 응답 서비스 장치 및 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 질의 응답 서비스 장치로서, 사용자 질의 내용을 문서 기반 텍스트 데이터 또는 음성 인식을 통해 변환된 텍스트 데이터로 입력받는 데이터 입력부; 상기 입력된 질의 내용을 데이터베이스에 저장된 정보와 관련 질문을 이용하여 학습된 자연어 모델을 통해 SQL(structured query language)문으로 변환하는 쿼리 변환부; 상기 질의 내용에 대응하는 정답, 질의 내용에 대응하여 임의의 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 생성된 상기 응답 템플릿에 대응하는 결과 값 목록을 반환하는 템플릿 분류부; 상기 생성된 응답 템플릿과 반환된 결과 값 목록을 기반으로 응답 데이터를 생성하되, 상기 응답 데이터를 추가 답변으로 분류된 응답 템플릿과, 추가 질문으로 분류된 응답 템플릿과, 사용자의 질의 이전 상황과 관련된 분석 또는 사용자의 의도 분석으로 분류된 응답 템플릿에 따라 생성하는 응답 생성부; 및 상기 응답 데이터를 텍스트 또는 상기 텍스트를 음성으로 변환하여 출력하는 데이터 출력부;를 포함하고, 상기 템플릿 분류부는 임의의 질의에 대하여 분류 모델링을 통해 추가 답변 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 비교 정보를 추가 검색하여 그 결과 값의 목록과 분류된 추가 답변 템플릿을 응답 템플릿으로 출력하며, 임의의 질의에 대하여 분류 모델링을 통해 추가 질문 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 정보가 필요한지 문의하는 추가 질문 템플릿을 응답 템플릿으로 출력하고, 임의의 질의에 대하여 분류 모델링을 통해 질의 이전 상황과 관련된 분석 또는 사용자의 의도와 관련된 분석 응답 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 현재 상황을 개선하기 위한 정보를 포함한 답변 템플릿을 응답 템플릿으로 출력하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 템플릿 분류부는 질의 내용을 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류하는 문장 분석부; 언어 모델을 통해 상기 분류된 문장의 맥락 정보를 추출하여 문장 및 단어의 의미를 분석하는 의미 분석부; 응답 템플릿부에서 생성된 응답 탬플릿에 대응하는 값을 검색하고, 검색된 결과 값의 목록을 반환하는 검색부; 상기 질의 내용에 대응하는 정답, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 문맥에 따라 분류한 응답 템플릿을 생성하는 응답 템플릿부; 및 상기 언어 모델과 임의의 정형 데이터를 저장하는 데이터베이스;를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예는 질의 응답 서비스 방법으로서, a) 질의 응답 서비스 장치가 사용자 질의 내용을 문서 기반 텍스트 데이터 또는 음성 인식을 통해 변환된 텍스트 데이터로 입력받는 단계; b) 상기 질의 응답 서비스 장치가 입력된 질의 내용을 데이터베이스에 저장된 정보와 관련 질문을 이용하여 학습된 자연어 모델을 통해 SQL(structured query language)문으로 변환하는 단계; c) 상기 질의 응답 서비스 장치가 질의 내용에 대응하는 정답, 질의 내용에 대응하여 임의의 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 상기 생성된 응답 템플릿에 대응하는 결과 값 목록을 반환하는 단계; d) 상기 질의 응답 서비스 장치가 생성된 응답 템플릿과 반환된 결과 값을 기반으로 응답 데이터를 생성하되, 상기 응답 데이터를 추가 답변으로 분류된 응답 템플릿과, 추가 질문으로 분류된 응답 템플릿과, 사용자의 질의 이전 상황과 관련된 분석 또는 사용자의 의도 분석으로 분류된 응답 템플릿에 따라 생성하는 단계; 및 e) 상기 질의 응답 서비스 장치가 응답 데이터를 출력하는 단계;를 포함하고, 상기 질의 응답 서비스 장치는 임의의 질의에 대하여 분류 모델링을 통해 추가 답변 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 비교 정보를 추가 검색하여 그 결과 값의 목록과 분류된 추가 답변 템플릿을 응답 템플릿으로 출력하며, 임의의 질의에 대하여 분류 모델링을 통해 추가 질문 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 정보가 필요한지 문의하는 추가 질문 템플릿을 응답 템플릿으로 출력하고, 임의의 질의에 대하여 분류 모델링을 통해 질의 이전 상황과 관련된 분석 또는 사용자의 의도와 관련된 분석 응답 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 현재 상황을 개선하기 위한 정보를 포함한 답변 템플릿을 응답 템플릿으로 출력하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 c) 단계는 c-1) 질의 응답 서비스 장치가 질의 내용을 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류하는 단계; c-2) 상기 질의 응답 서비스 장치가 언어 모델을 통해 상기 분류된 문장의 맥락 정보를 추출하여 문장의 의미를 분석하는 단계; 및 c-3) 상기 질의 응답 서비스 장치가 상기 질의 내용에 대응하는 정답과, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문과, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 생성된 상기 응답 템플릿에 대응하는 값을 검색하여 검색된 결과 값의 목록을 반환하는 단계;를 포함하는 것을 특징으로 한다.
본 발명은 음성 또는 텍스트를 통해 입력되는 질의 내용을 분석 및 분류하고, 그 질의에 대응하는 결과를 검색하여 생성한 응답 데이터를 음성 또는 텍스트로 출력할 수 있는 장점이 있다.
또한, 본 발명은 질의 내용을 쿼리로 변환하고, 쿼리가 질문으로 입력되면 결과값과 질문값을 기반으로 생성한 텍스트 자체를 출력으로 제공되도록 함으로써, 자유로운 응답 형식을 제공할 수 있는 장점이 있다.
또한, 본 발명은 과거 질의 내용과 현재 질의 내용에 기반한 텍스트의 맥락을 분석하고, 그에 따른 부가적인 예측 응답을 생성하여 제공할 수 있는 장점이 있다.
도1은 본 발명의 일 실시 예에 따른 질의 응답 서비스 장치를 나타낸 블록도.
도2는 도1의 실시 예에 따른 질의 응답 서비스 장치의 데이터 입력부 구성을 나타낸 블록도.
도3은 도1의 실시 예에 따른 질의 응답 서비스 장치의 템플릿 분류부 구성을 나타낸 블록도.
도4는 도1의 실시 예에 따른 질의 응답 서비스 장치의 데이터 출력부 구성을 나타낸 블록도.
도5는 본 발명의 일 실시 예에 따른 질의 응답 서비스 방법을 설명하기 위해 나타낸 흐름도.
도6은 도5의 실시 예에 따른 질의 응답 서비스 방법의 질의 분석 과정을 설명하는 흐름도.
이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다.
또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 질의 응답 서비스 장치 및 방버의 바람직한 실시 예를 상세하게 설명한다.
도1은 본 발명의 일 실시 예에 따른 질의 응답 서비스 장치를 나타낸 블록도이고, 도2는 도1의 실시 예에 따른 질의 응답 서비스 장치의 데이터 입력부 구성을 나타낸 블록도이며, 도3은 도1의 실시 예에 따른 질의 응답 서비스 장치의 분석부 구성을 나타낸 블록도이고, 도4는 도1의 실시 예에 따른 질의 응답 서비스 장치의 데이터 출력부 구성을 나타낸 블록도이다.
도1 내지 도4를 참조하면, 본 발명의 일 실시 예에 따른 질의 응답 서비스 장치(100)는 사용자의 질의 내용을 쿼리(Query)로 변환하고, 변환된 쿼리에서 응답 템플릿에 대응하는 결과값 목록을 검색하여 반환한다.
또한, 질의 응답 서비스 장치(100)는 추가 답변, 재질문, 질의 내용의 맥락에 따른 분류 모델링을 통해 응답 템플릿을 생성한다.
또한, 질의 응답 서비스 장치(100)는 생성된 응답 템플릿과 반환된 결과값을 기반으로 응답 데이터를 생성하는 구성으로서, 데이터 입력부(110)와, 쿼리 변환부(120)와, 템플릿 분류부(130)와, 응답 생성부(140)와, 데이터 출력부(150)를 포함하여 구성될 수 있다.
데이터 입력부(110)는 사용자의 질의 내용을 문서 기반 텍스트 데이터 또는 음성 인식을 통해 변환된 텍스트 데이터로 입력받는 구성으로서, 텍스트 입력부(111)와, STT 변환부(112)와, 발화 정보 분석부(113)를 포함하여 구성될 수 있다.
텍스트 입력부(111)는 문서 기반의 사용자 질의 내용을 입력받아 텍스트 데이터로 출력한다.
STT(Speech To Text) 변환부(112)는 사용자의 질의 내용을 음성 인식을 통해 입력받아 텍스트 데이터로 변환하여 출력한다.
발화 정보 분석부(113)는 입력되는 사용자의 음성으로부터 사용자의 음성톤, 발화 속도 등을 분석하여 사용자의 감정 상태를 인지하기 위한 구성으로서, 분석된 사용자의 음성을 미리 설정된 감정 상태 프로그램을 이용하여 분석할 수 있도록 한다.
즉, 사용자의 감정 상태에 따라 특정 단어, 문장 또는 특정 상황에 대한 음성톤 및 발화 속도를 이용하여 사용자의 감성 상태 분석에 사용될 수 있도록 한다.
쿼리 변환부(120)는 데이터 입력부(110)를 통해 입력된 질의 내용을 데이터가 저장된 데이터베이스(135)의 쿼리에 접근할 수 있도록 SQL(structured query language)문으로 변환한다.
또한, 쿼리 변환부(120)는 SQL문 변환을 위해서 데이터베이스(135)에 저장된 정보와 관련 질문을 이용하여 학습된 자연어 모델을 활용한다.
템플릿 분류부(130)는 질의 내용에 대응하는 정답, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 문맥에 따라 분류한 응답 템플릿을 생성한다.
또한, 템플릿 분류부(130)는 쿼리 변환부(120)에서 변환된 쿼리를 이용하여 생성된 응답 템플릿에 대응하는 결과 값 목록을 반환하는 구성으로서, 문장 분석부(131)와, 의미 분석부(132)와, 검색부(133)와, 응답 템플릿부(134)와, 데이터베이스(135)를 포함하여 구성될 수 있다.
문장 분석부(131)는 텍스트로 변환된 질의 내용을 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류하는 구성으로서, 텍스트에 포함된 내용에 대해 빈칸 교정, 영/한 변환 등의 전처리와, 문장 내에서 형태소를 분석하여 출력할 수 있다.
또한, 문장 분석부(131)는 한 문장을 하나의 레이블로 분류하지 않고, 맥락에 따라 여러 개의 레이블로 분류할 수도 있다.
예를 들어, 최고경영자나 임원 혹은 관리자가 전략적 경쟁적 의사결정을 내리는 데 도움이 되고 전체 사업과 그 기능부서의 활동을 감독하는 데 필요한 정보를 모두 다루는 EIS(Executive Information System)에서, "이번 달 우리회사 매출과, 순이익은 얼마야?" 라는 질의 내용은 "이번 달 우리회사 매출은 얼마야?"와, "이번 달 우리회사 순이익은 얼마야?"라는 두개의 질의 내용이 한 문장에 표현된 것으로 복수의 레이블로 분류할 수 있다.
또한, 클래스는 예를 들어 EIS 기반의 데이터베이스인 경우, 매출, 순이익, 손실 등의 기본적 구성요소들이 될 수 있고, 이들 클래스는 유형에 따라 다르게 설정될 수 있다.
의미 분석부(132)는 분류된 문장에서 맥락 정보를 추출하여 문장 및 단어의 의미를 분석하는 구성으로서, 머신러닝 기반의 언어 모델을 이용한 지도학습을 통해 의미를 분석할 수 있다.
즉, 의미 분석부(132)는 "이번 달 우리회사 매출과, 순이익은 얼마야?" 라는 질의 내용에 대하여 두 개의 문장이 하나의 문장으로 이루어진 맥락 정보와, 이번 달, 우리회사, 매출, 순이익 등의 의미를 분석한다.
본 실시 예에서는 인공 지능(AI) 딥러닝 언어 모델로서, 자연 언어 처리(NLP) 인공 지능인 ‘BERT(이하 버트, Bidirectional Encoder Representations from Transformers)’를 실시 예로 설명하지만 이에 한정되는 것은 아니고, 자연 언어 처리가 언어 모델은 모두 포함할 수 있다.
또한, 'BERT'는 언어 표현 사전학습의 새로운 방법으로 그 의미는 '큰 텍스트 코퍼스(Wikipedia와 같은)'를 이용하여 범용목적의 '언어 이해'(language understanding)' 모델을 훈련시키는 것과 그 모델에 관심 있는 실제의 자연 언어 처리 태스크(질문·응답 등)에 적용하는 것이다.
또한, BERT는 자연언어 처리 태스크를 교육 없이 양방향으로 사전학습을 수행할 수 있고, 사전학습을 마친 특징 표현은 문맥에 '의존하는 방법'와 '의존하지 않는 방법'의 어느 방법도 있을 수 있다.
또한, BERT는 문맥에 의존하는 특징적인 표현이 단방향인 경우와 또는 양방향일 경우 word2vec나 GloVe와 같이 문맥에 의존하지 않는 모델에서는, 어휘에 포함되는 각 단어마다 '단어 삽입(word embedding)'이라는 특징 표현을 생성할 수도 있다.
또한, 의미 분석부(132)는 의미 요소의 문맥적 의미를 반영하기 위해 CRF (conditional random field) 및 LSTM (long short term memory) 기법을 이용하여 각 단어 또는 구 등을 인식할 수도 있다.
검색부(133)는 쿼리 변환부(120)에서 변환된 쿼리로부터 응답 템플릿부(134)에 대응하는 값을 검색하고, 검색된 결과 값의 목록을 반환한다.
여기서, 결과 값은 데이터베이스(135)에 저장된 정형 데이터에서 검색될 수 있다.
또한, 정형 데이터는 매출, 순이익, 영업실적, 생산실적, 품질실적, 총괄 매출, 품목별 매출, 고객사별 매출, 생산처별 일생산 실적, 대분류별 일생산실적, 일일 공정 PPM, 일일 수입 검사 PPM, 페기금액 현황, 외상매입금 명세, 미지급금 명세, 지급여율 명세 등의 데이터일 수 있지만, 이에 한정되는 것은 아니고, 다양하게 추가하여 구성할 수 있다.
응답 템플릿부(134)는 문장별 또는 상황별로 질의 내용에 대응하는 정답, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변, 추가 질문 및 질의 이전 상황과 관련된 분석, 사용자의 의도 분석을 기반으로 문맥에 따라 머신러닝 기반의 분류 모델을 이용한 지도학습을 통해 분류한 응답 템플릿을 생성한다.
즉, 응답 템플릿부(134)는 의미 분석부(132)에서 분석된 맥락 정보와, 문장 및 단어의 의미를 기반으로 문장별, 단어별로 분류한 응답 템플릿을 생성한다.
또한, 분류 모델은 로지스틱 회귀법, KNN, 서포트 벡터머신(SVM), 의사 결정 트리 등의 방법을 이용한 공지의 분류 모델로 구성될 수 있다.
또한, 응답 템플릿부(134)는 발화 정보 분석부(113)에서 분석된 사용자의 음성톤, 발화 속도 등을 감정 상태 프로그램을 통해 사용자의 감정 상태를 분석하여 사용자의 감정 상태를 인지하고, 사용자의 감정 상태에 따라 감정별, 상황별로 분류한 응답 템플릿을 생성할 수 있다.
여기서, 응답 템플릿은 예상되는 질의 내용에 따라 정답 제공, 추가 답변, 추가 질문 등에 따라 미리 설정된 응답 패턴이다.
예를 들어, 질의 내용에 대응하는 정답을 포함한 일반적인 응답 템플릿은 "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류 모델링을 통해 정답 제공 템플릿으로 분류되면, 정답 제공 템플릿을 기반으로 검색부(133)를 통해 "9월"과 "매출"에 대응하는 결과 값을 검색하고, 그 결과 값의 목록과 분류된 정답 제공 템플릿을 반환하는 응답 템플릿으로 출력한다.
또한, "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류 모델링을 통해 추가 답변 템플릿으로 분류되면, 9월 매출 정보의 제공과 함께 해당 월의 전년 대비, 전월 대비 변화율과 같은 비교 정보를 추가 검색하여 그 결과 값의 목록과 분류된 추가 답변 템플릿을 응답 템플릿으로 출력한다.
또한, "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류 모델링을 통해 추가 질문 템플릿으로 분류되면, 9월 매출 정보의 제공과 함께 관련된 영업 이익, 순이익 등의 정보가 필요한지 문의하는 추가 질문 템플릿을 응답 템플릿으로 출력한다.
또한, "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류 모델링을 통해 질의 이전 상황과 관련된 분석 또는 사용자의 의도와 관련된 분석 응답 템플릿으로 분류되면, 9월 매출 정보의 제공과 함께 현재 상황을 개선하기 위한 정보를 포함한 답변 템플릿을 응답 템플릿으로 출력한다.
데이터베이스(135)는 쿼리에 대응하여 예를 들어, EIS에 저장되어 있는 정형 데이터와, 언어 모델 등을 저장한다.
응답 생성부(140)는 템블릿 분류부(130)에서 생성된 응답 템플릿과 반환된 결과 값을 기반으로 응답 데이터를 생성한다.
예를 들어, 일반적인 정답 제공 템플릿으로 분류된 응답 템플릿은 "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류된 응답 템플릿과 결과 값에 기반한 "우리회사의 9월 매출은 10억원 입니다."라는 응답 데이터를 생성하여 출력한다.
또한, 추가 답변으로 분류된 응답 템플릿은 "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류된 응답 템플릿과 결과 값에 기반한 "우리회사의 9월 매출은 10억원 입니다. 8월 매출과 대비하여 10% 상승하였고, 10월 매출은 12억원으로 예상됩니다."라는 응답 데이터를 생성하여 출력한다.
또한, 추가 질문으로 분류된 응답 템플릿은 "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류된 응답 템플릿과 결과 값에 기반한 "우리회사의 9월 매출은 10억원 입니다. 9월 순이익이 궁금하시면 순이익을 말씀해주세요."라는 응답 데이터를 생성하여 출력한다.
또한, 사용자의 질의 이전 상황과 관련된 분석 또는 사용자의 의도 분석으로 분류된 응답 템플릿은 "우리회사의 9월 매출은 얼마야?"라는 질의에 대하여 분류된 응답 템플릿과 결과 값에 기반한 "우리회사의 9월 매출은 10억원 입니다. 매출 증가를 위한 방법은 예를 들어, A, B, C 등의 방법이 있습니다."라는 응답 데이터를 생성하여 출력한다.
데이터 출력부(150)는 응답 생성부(140)에서 생성된 응답 데이터를 텍스트 또는 텍스트를 음성으로 변환하여 출력하는 구성으로서, 텍스트 출력부(151)와, TTS 변환부(152)를 포함하여 구성될 수 있다.
텍스트 출력부(151)는 생성된 텍스트 기반의 응답 데이터를 일정 포맷을 갖는 문서 데이터로 출력한다.
TTS(Text To Speech) 변환부(152)는 생성된 텍스트 기반의 응답 데이터를 텍스트를 음성으로 변환하여 출력한다.
다음은 본 발명의 일 실시 예에 따른 질의 응답 서비스 방법을 설명한다.
도5는 본 발명의 일 실시 예에 따른 질의 응답 서비스 방법을 설명하기 위해 나타낸 흐름도이고, 도6은 도5의 실시 예에 따른 질의 응답 서비스 방법의 질의 분석 과정을 설명하는 흐름도이다.
도1, 도5 및 도6을 참조하면, 본 발명의 일 실시 예에 따른 질의 응답 서비스 방법은 질의 응답 서비스 장치(100)가 데이터 입력부(110)를 통해 사용자의 질의 내용을 수신(S100)하여 입력받는다.
이때, S100 단계에서 수신되는 질의 내용은 문서 기반의 텍스트 데이터이거나 또는 음성 인식을 통해 변환된 텍스트 데이터로 구성될 수 있다.
또한, 음성 인식을 통해 입력되는 데이터는 단어별 또는 상황별 사용자의 감정 상태를 인지하기 위한 음성톤, 발화 속도 정보를 감지하여 출력될 수 있다.
질의 응답 서비스 장치(100)는 쿼리 변환부(120)를 이용하여 입력된 질의 내용을 데이터가 저장된 쿼리에 접근할 수 있도록 SQL(structured query language)문으로 변환한다.
계속해서, 질의 응답 서비스 장치(100)는 질의 내용에 대응하는 정답, 질의 내용에 대응하여 임의의 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 문맥에 따라 분류한 응답 템플릿을 생성하고, 상기 쿼리에서 생성된 응답 템플릿에 대응하는 결과 값 목록을 반환(S300)한다.
S300 단계에서 질의 응답 서비스 장치(100)는 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류(S310)한다.
즉, S310 단계에서 텍스트에 포함된 내용에 대해 빈칸 교정, 영/한 변환 등의 전처리와, 문장 내에서 형태소를 분석하고, 한 문장을 하나의 레이블로 분류하지 않고, 맥락에 따라 여러 개의 레이블로 분류한다
또한, 질의 응답 서비스 장치(100)는 언어 모델을 통해 상기 분류된 문장의 맥락 정보를 추출하여 문장의 의미를 분석(S320)한다.
또한, 질의 응답 서비스 장치(100)는 질의 내용에 대응하는 정답과, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문과, 질의 이전 상황과 관련된 분석 의미를 기반으로 문맥에 따라 분류한 응답 템플릿을 생성하고, 상기 쿼리에서 응답 템플릿에 대응하는 값을 검색하여 검색된 결과 값의 목록을 반환(S330)한다.
즉, S330 단계에서, 질의 응답 서비스 장치(100)는 문장별 또는 상황별로 질의 내용에 대응하는 정답, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변, 추가 질문 및 질의 이전 상황과 관련된 분석, 사용자의 의도 분석을 기반으로 문맥에 따라 머신러닝 기반의 분류 모델을 이용한 지도학습을 통해 분류한 응답 템플릿을 생성한다.
계속해서, 질의 응답 서비스 장치(100)는 S300 단계에서 생성된 응답 템플릿과 반환된 결과 값을 기반으로 질의 내용에 따라 정답 제공, 추가 답변, 추가 질문, 상황 분석 등에 따라 다양한 구조의 응답 데이터를 생성(S400)한다.
S400 단계에서 생성된 응답 데이터는 질의 응답 서비스 장치(100)가 텍스트 기반의 응답 데이터를 문서로 출력하거나 또는 텍스트 기반의 응답 데이터를 음성으로 변환하여 출력(S500)한다.
따라서, 음성 또는 텍스트를 통해 입력되는 질의 내용을 분석 및 분류하고, 그 질의에 대응하는 결과를 검색하여 생성한 응답 데이터를 음성 또는 텍스트로 출력할 수 있다.
또한, 질의 내용을 쿼리로 변환하고, 쿼리가 질문으로 입력되면 결과값과 질문값을 기반으로 생성한 텍스트 자체를 출력으로 제공되도록 함으로써, 자유로운 응답 형식을 제공할 수 있다.
또한, 과거 질의 내용과 현재 질의 내용에 기반한 텍스트의 맥락을 분석하고, 그에 따른 부가적인 예측 응답을 생성하여 제공할 수 있다.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다.
또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.
100 : 질의 응답 서비스 장치 110 : 데이터 입력부
111 : 텍스트 입력부 112 : STT 변환부
113 : 발화 정보 분석부 120 : 쿼리 변환부
130 : 템플릿 분류부 131 : 문장 분석부
132 : 의미 분석부 133 : 검색부
134 : 응답 템플릿부 135 : 데이터베이스
140 : 응답 생성부 150 : 데이터 출력부
151 : 텍스트 출력부 152 : TTS 변환부

Claims (4)

  1. 사용자 질의 내용을 문서 기반 텍스트 데이터 또는 음성 인식을 통해 변환된 텍스트 데이터로 입력받는 데이터 입력부(110);
    상기 입력된 질의 내용을 데이터베이스(135)에 저장된 정보와 관련 질문을 이용하여 학습된 자연어 모델을 통해 SQL(structured query language)문으로 변환하는 쿼리 변환부(120);
    상기 질의 내용에 대응하는 정답, 질의 내용에 대응하여 임의의 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 생성된 상기 응답 템플릿에 대응하는 결과 값 목록을 반환하는 템플릿 분류부(130);
    상기 생성된 응답 템플릿과 반환된 결과 값 목록을 기반으로 응답 데이터를 생성하되, 상기 응답 데이터를 추가 답변으로 분류된 응답 템플릿과, 추가 질문으로 분류된 응답 템플릿과, 사용자의 질의 이전 상황과 관련된 분석 또는 사용자의 의도 분석으로 분류된 응답 템플릿에 따라 생성하는 응답 생성부(140); 및
    상기 응답 데이터를 텍스트 또는 상기 텍스트를 음성으로 변환하여 출력하는 데이터 출력부(150);를 포함하고,
    상기 템플릿 분류부(130)는 임의의 질의에 대하여 분류 모델링을 통해 추가 답변 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 비교 정보를 추가 검색하여 그 결과 값의 목록과 분류된 추가 답변 템플릿을 응답 템플릿으로 출력하며,
    임의의 질의에 대하여 분류 모델링을 통해 추가 질문 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 정보가 필요한지 문의하는 추가 질문 템플릿을 응답 템플릿으로 출력하고,
    임의의 질의에 대하여 분류 모델링을 통해 질의 이전 상황과 관련된 분석 또는 사용자의 의도와 관련된 분석 응답 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 현재 상황을 개선하기 위한 정보를 포함한 답변 템플릿을 응답 템플릿으로 출력하는 것을 특징으로 하는 질의 응답 서비스 장치.
  2. 제 1 항에 있어서,
    상기 템플릿 분류부(130)는 질의 내용을 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류하는 문장 분석부(131);
    언어 모델을 통해 상기 분류된 문장의 맥락 정보를 추출하여 문장 및 단어의 의미를 분석하는 의미 분석부(132);
    응답 템플릿부(134)에서 생성된 응답 탬플릿에 대응하는 값을 검색하고, 검색된 결과 값의 목록을 반환하는 검색부(133);
    상기 질의 내용에 대응하는 정답, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 문맥에 따라 분류한 응답 템플릿을 생성하는 응답 템플릿부(134); 및
    상기 언어 모델과 임의의 정형 데이터를 저장하는 데이터베이스(135);를 포함하는 것을 특징으로 하는 질의 응답 서비스 장치.
  3. a) 질의 응답 서비스 장치(100)가 사용자 질의 내용을 문서 기반 텍스트 데이터 또는 음성 인식을 통해 변환된 텍스트 데이터로 입력받는 단계;
    b) 상기 질의 응답 서비스 장치(100)가 입력된 질의 내용을 데이터베이스(135)에 저장된 정보와 관련 질문을 이용하여 학습된 자연어 모델을 통해 SQL(structured query language)문으로 변환하는 단계;
    c) 상기 질의 응답 서비스 장치(100)가 질의 내용에 대응하는 정답, 질의 내용에 대응하여 임의의 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 상기 생성된 응답 템플릿에 대응하는 결과 값 목록을 반환하는 단계;
    d) 상기 질의 응답 서비스 장치(100)가 생성된 응답 템플릿과 반환된 결과 값을 기반으로 응답 데이터를 생성하되, 상기 응답 데이터를 추가 답변으로 분류된 응답 템플릿과, 추가 질문으로 분류된 응답 템플릿과, 사용자의 질의 이전 상황과 관련된 분석 또는 사용자의 의도 분석으로 분류된 응답 템플릿에 따라 생성하는 단계; 및
    e) 상기 질의 응답 서비스 장치(100)가 응답 데이터를 출력하는 단계;를 포함하고,
    상기 질의 응답 서비스 장치(100)는 임의의 질의에 대하여 분류 모델링을 통해 추가 답변 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 비교 정보를 추가 검색하여 그 결과 값의 목록과 분류된 추가 답변 템플릿을 응답 템플릿으로 출력하며,
    임의의 질의에 대하여 분류 모델링을 통해 추가 질문 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 임의의 정보가 필요한지 문의하는 추가 질문 템플릿을 응답 템플릿으로 출력하고,
    임의의 질의에 대하여 분류 모델링을 통해 질의 이전 상황과 관련된 분석 또는 사용자의 의도와 관련된 분석 응답 템플릿으로 분류되면, 해당 질의에 대한 정보 제공과 함께, 현재 상황을 개선하기 위한 정보를 포함한 답변 템플릿을 응답 템플릿으로 출력하는 것을 특징으로 하는 질의 응답 서비스 방법.
  4. 제 3 항에 있어서,
    상기 c) 단계는 c-1) 질의 응답 서비스 장치(100)가 질의 내용을 문장 단위로 분석하고, 분석된 문장을 미리 설정된 클래스로 분류하는 단계;
    c-2) 상기 질의 응답 서비스 장치(100)가 언어 모델을 통해 상기 분류된 문장의 맥락 정보를 추출하여 문장의 의미를 분석하는 단계; 및
    c-3) 상기 질의 응답 서비스 장치(100)가 상기 질의 내용에 대응하는 정답과, 질의 내용에 대응하여 단어별 또는 상황별로 예상되는 추가 답변 및 추가 질문과, 질의 이전 상황과 관련된 분석 의미를 기반으로 맥락에 따른 분류 모델링을 통해 분류한 응답 템플릿을 생성하고, 생성된 상기 응답 템플릿에 대응하는 값을 검색하여 검색된 결과 값의 목록을 반환하는 단계;를 포함하는 것을 특징으로 하는 질의 응답 서비스 방법.
KR1020210161007A 2020-12-04 2021-11-22 질의 응답 서비스 장치 및 방법 KR102339794B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210161007A KR102339794B1 (ko) 2020-12-04 2021-11-22 질의 응답 서비스 장치 및 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200168405 2020-12-04
KR1020210161007A KR102339794B1 (ko) 2020-12-04 2021-11-22 질의 응답 서비스 장치 및 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020200168405 Division 2020-12-04 2020-12-04

Publications (1)

Publication Number Publication Date
KR102339794B1 true KR102339794B1 (ko) 2021-12-16

Family

ID=79033221

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210161007A KR102339794B1 (ko) 2020-12-04 2021-11-22 질의 응답 서비스 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102339794B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230163649A (ko) 2022-05-24 2023-12-01 옵스나우 주식회사 실시간 음성 상담 지원을 위한 지능형 답변 추천 시스템 및 그 방법
CN118069797A (zh) * 2024-02-04 2024-05-24 河海大学 一种基于大语言模型的防洪调度规则问答推荐方法及系统
KR102696311B1 (ko) * 2024-01-02 2024-08-19 최병술 음성 텍스트변환 녹취시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110068490A (ko) * 2009-12-16 2011-06-22 포항공과대학교 산학협력단 외국어 학습 장치 및 그 제공 방법
KR20160060253A (ko) * 2014-11-19 2016-05-30 한국전자통신연구원 자연어 질의 응답 시스템 및 방법
KR20170099917A (ko) 2014-12-30 2017-09-01 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 모호한 표현의 판별을 통한 사용자 경험 개선 기법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110068490A (ko) * 2009-12-16 2011-06-22 포항공과대학교 산학협력단 외국어 학습 장치 및 그 제공 방법
KR20160060253A (ko) * 2014-11-19 2016-05-30 한국전자통신연구원 자연어 질의 응답 시스템 및 방법
KR20170099917A (ko) 2014-12-30 2017-09-01 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 모호한 표현의 판별을 통한 사용자 경험 개선 기법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230163649A (ko) 2022-05-24 2023-12-01 옵스나우 주식회사 실시간 음성 상담 지원을 위한 지능형 답변 추천 시스템 및 그 방법
KR102696311B1 (ko) * 2024-01-02 2024-08-19 최병술 음성 텍스트변환 녹취시스템
CN118069797A (zh) * 2024-02-04 2024-05-24 河海大学 一种基于大语言模型的防洪调度规则问答推荐方法及系统

Similar Documents

Publication Publication Date Title
KR102339794B1 (ko) 질의 응답 서비스 장치 및 방법
CN111145718B (zh) 一种基于自注意力机制的中文普通话字音转换方法
US8515736B1 (en) Training call routing applications by reusing semantically-labeled data collected for prior applications
US20230069935A1 (en) Dialog system answering method based on sentence paraphrase recognition
EP3370165A1 (en) Sentence generation apparatus, sentence generation method, and sentence generation program
CN111739520B (zh) 一种语音识别模型训练方法、语音识别方法、装置
CN115392264A (zh) 一种基于rasa的任务型智能多轮对话方法及相关设备
CN111177350A (zh) 智能语音机器人的话术形成方法、装置和系统
JP2020135135A (ja) 対話コンテンツ作成支援方法およびシステム
WO2023200519A1 (en) Editing files using a pattern-completion engine
CN113918710A (zh) 文本数据处理方法、装置、电子设备和可读存储介质
Rajendran et al. Language dialect based speech emotion recognition through deep learning techniques
Dyriv et al. The user's psychological state identification based on Big Data analysis for person's electronic diary
Rajanak et al. Language detection using natural language processing
CN115906818A (zh) 语法知识预测方法、装置、电子设备和存储介质
CN116483314A (zh) 一种自动化智能活动图生成方法
Serras et al. Entropy-driven dialog for topic classification: detecting and tackling uncertainty
Ribeiro et al. Automatic recognition of the general-purpose communicative functions defined by the ISO 24617-2 standard for dialog act annotation
Tran SentiVoice-a system for querying hotel service reviews via phone
Apturkar et al. Sentiment analysis of speech with application to various languages
Gonze et al. Coding with the voice
McTear et al. Dialog management
WO2023162513A1 (ja) 言語モデル学習装置、対話装置及び学習済言語モデル
Raghavendra et al. Speech Emotion Recognition: Node. js and Web Speech API
Aparna et al. A review on different approaches of pos tagging in NLP

Legal Events

Date Code Title Description
A107 Divisional application of patent
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant