KR102386898B1 - 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 - Google Patents
인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 Download PDFInfo
- Publication number
- KR102386898B1 KR102386898B1 KR1020200053959A KR20200053959A KR102386898B1 KR 102386898 B1 KR102386898 B1 KR 102386898B1 KR 1020200053959 A KR1020200053959 A KR 1020200053959A KR 20200053959 A KR20200053959 A KR 20200053959A KR 102386898 B1 KR102386898 B1 KR 102386898B1
- Authority
- KR
- South Korea
- Prior art keywords
- intent
- answer
- unit
- query
- question
- Prior art date
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
- G06F16/30—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
- 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
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 머신 러닝을 통해 인텐츠를 예측하고, 선제적으로 질문에 대한 답변을 제공하는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법에 관한 것으로, 사용자 단말기로부터 질의문을 수신하는 질의문 수신부, 질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부, 상기 질의문 수신부로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악하는 추론부, 상기 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 상기 수신된 인텐츠에 대한 예측 인텐츠를 도출하는 인텐츠 예측부 및 상기 답변 데이터베이스부로부터 상기 질의문에 대한 답변과, 상기 인텐츠 예측부에서 예측되는 예측 인텐츠에 기반한 답변을 파악하여 상기 사용자 단말기로 제공하는 답변 제공부를 포함하는 인텐츠 기반의 질문/답변 서비스 제공장치에 의해 고객이 추가적으로 필요할 것으로 예상되는 정보를 미리 전달할 수 있는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법을 제공할 수 있다는 효과가 도출된다.
Description
본 발명은 인텐츠 기반의 질문/답변 서비스 제공장치에 관한 것으로 보다 상세하게는 머신 러닝을 통해 인텐츠를 예측하고, 선제적으로 질문에 대한 답변을 제공하는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법에 관한 것이다.
최근에는 인공지능 분야, 특히 자연어 이해 분야의 기술 발전에 따라, 사용자에 의한 음성 및/또는 텍스트 형태의 자연어 입력을 수신 및 이해하고, 그에 따라 필요한 동작을 수행할 수 있는 대화 이해 AI 시스템의 개발 및 활용이 점차 늘어나고 있다.
한편, 최근, 각 기업이나 기관 등은 대부분 고객 상담 센터를 운영하는데, 이러한 고객 상담 센터를 위하여 대화 이해 AI 시스템이 구축되는 경우가 늘어나고 있다.
대화 이해 AI 시스템이 대화 흐름 모델을 사용하는 경우, 준비된 상황에서 적절한 답변을 제시하는데 효율적인 반면, 고객의 질문이 대화 흐름을 벗어난 경우, 준비되지 않은 상황에서의 답변은 적절하지 않을 수 있는데, 이 경우에는 머신러닝(딥러닝 등)을 이용한 응답을 생성하는 것이 적절할 수 있다.
한편, 기계에 의해 사람의 음성을 인식하여 반응하는 기술은 실생활의 여러 분야에서 인공지능 시스템으로 응용되고 있다. 이러한 시스템은 텍스트 마이닝 기술을 바탕으로 사용자의 입력 문장을 분석하여 의미를 파악하고, 그 의도에 맞게 응답을 생성, 출력하게 된다. 이러한 정보처리 기술 및 기계학습 기술의 발달로 상담사를 대신하여 고객의 질의에 대한 답변을 자동화할 수 있는 대화 시스템 (Dialog System) 또는 챗봇 (Chatbot)의 활용이 다방면에서 시도되고 있다.
현재의 챗봇 시스템은 특정 서비스를 사용자에게 제공하기 위한 대화를 만들어가는 목적지향 대화 기술과, 목적성이 없는 일상 대화를 제공하는 부분에 주로 활용되는 열린 도메인(Open Domain) 대화 기술로 크게 구분될 수 있다.
목적지향 대화 기술은 미리 정해진 답변이 주어져 있고, 사용자의 의도와 질의내용을 분석해서 가장 적절한 답변을 제공하는 것이다. 제한된 답변 중에 하나를 고르는 문제이기 때문에 비교적 정확한 답변이 가능하다. 그러나 답변을 미리 준비하고 정제하는 과정에 많은 노력이 소요된다. 열린 도메인 대화 기술은 사용자의 표현에 대한 답변을 기계학습 또는 규칙을 활용하여 스스로 만들어 낸다. 이 방식은 별도의 지식구축이 필요 없으며 대화 예제의 확보만으로 대화 시스템의 구현이 가능하다는 장점이 있다. 그러나 답변의 정확도가 떨어지며 의도치 않은 대화가 많이 발생하는 단점이 있다.
상담사를 대신하는 고객상담용 챗봇 시스템은 활용할 도메인이 정해져 있다는 특징이 있으며, 답변의 정확성이 중요하기 때문에 주로 목적지향 대화 기술이 활용되고 있다. 이러한 챗봇 시스템은 사용자의 텍스트 입력에 적합한 시스템 응답을 생성하는 기술이 필수적으로 요구된다. 종래에는 질문-답변으로 구성된 미리 구축된 데이터 집합을 활용하여 질문과 답변 간의 매핑 관계를 규칙으로 표현하거나, 기계학습으로 배워서 질의 의도를 추출하는 모델이 제안된 바 있다.
이는 사용자의 질문이 들어왔을 때, 미리 만들어진 모델을 활용하여 사용자의 질문을 가장 잘 표현 하는 의도가 무엇인지를 분류한다. 그런 다음에 분류된 의도에 맞는 답변을 제공하는 역할을 수행하는 것이다.
이와 같은 종래의 의도분류 모델은 미리 정의된 질문-답변 데이터 셋에 포함되어 있거나, 유사한 질문에 대한 답변을 생성하기 때문에, 상담사를 대신하는 자동화된 답변 생성이 가능하다는 특징이 있으나, 복잡하고 많은 질문을 처리하는 경우에는 확실히 문제를 보였다.
즉 분류하고자 하는 의도가 많아질 경우가 문제였다. 종래기술은 답변의 정확성에서 문제점을 낳았다. 예를 들어 분류해야 할 의도가 10개인 경우에는 질문에 맞는 답변의 후보가 10개이기 때문에 비교적 정확한 의도분류가 가능해질 수 있겠다. 그러나 분류해야 할 의도가 1000개로 증가하면 대상 후보가 증가하기 때문에 보다 많은 후보들 중에서 정확한 의도를 찾아야 하고, 그로 말미암아 정확도가 크게 떨어지게된다.
또한, 종래의 방법은 질문의 내용이 복잡하다거나, 질문이 여러 가지 정보를 담고 있는 경우, 질문과 답변 간의 적합한 매핑을 찾기 어려워서 답변의 정확도가 떨어졌다.
본 발명은 이 같은 기술적 배경에서 도출된 것으로, 질의자의 의도를 파악하는 추론엔진과 추론에 사용되는 인텐츠의 흐름을 데이터베이스화하여 기계학습(머신러닝)함으로써 고객으로 입력된 질의에 대해 그 답변은 물론 향후 예상되는 질문까지 예측함으로써 고객이 추가적으로 필요할 것으로 예상되는 정보를 미리 전달할 수 있는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법을 제공함에 그 목적이 있다.
즉, 질의자의 질문에 대해 다음 질의가 예상되는 정보에 대해 선제적으로 답변을 함으로써 고객에게 정보 전달의 편의성을 제공함에 목적이 있다.
상기의 과제를 달성하기 위한 본 발명은 다음과 같은 구성을 포함한다.
즉 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치는 사용자 단말기로부터 질의문을 수신하는 질의문 수신부, 질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부, 상기 질의문 수신부로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악하는 추론부, 상기 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 상기 수신된 인텐츠에 대한 예측 인텐츠를 도출하는 인텐츠 예측부 및 상기 답변 데이터베이스부로부터 상기 질의문에 대한 답변과, 상기 인텐츠 예측부에서 예측되는 예측 인텐츠에 기반한 답변을 파악하여 상기 사용자 단말기로 제공하는 답변 제공부를 포함한다.
일 양상에 있어서, 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치는 상기 답변 제공부에서 답변 제공 후 상기 질의문 수신부로 수신되는 질의문을 모니터링하여 인텐츠 흐름을 학습하고 상기 인텐츠 흐름 데이터베이스에 저장된 인텐츠 흐름 데이터를 업데이트하는 인텐츠 흐름 학습부를 더 포함한다.
한편, 인텐츠 기반의 질문/답변 서비스 제공장치에서 수행되는 인텐츠 기반의 질문/답변 서비스 제공방법은, 질의문 수신부가 사용자 단말기로부터 질의문을 수신하는 단계, 추론부가 상기 질의문 수신부로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악하는 단계, 인텐츠 예측부가 상기 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 상기 수신된 인텐츠에 대한 예측 인텐츠를 도출하는 단계 및 답변 제공부가 질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부로부터 상기 질의문 수신부로 수신된 질의문에 대한 답변과, 상기 인텐츠 예측부에서 도출된 예측 인텐츠에 기반한 답변을 파악하여 상기 사용자 단말기로 제공하는 단계를 포함한다.
본 발명에 따르면 질의자의 의도를 파악하는 추론엔진과 추론에 사용되는 인텐츠의 흐름을 데이터베이스화하여 기계학습(머신러닝)함으로써 고객으로 입력된 질의에 대해 그 답변은 물론 향후 예상되는 질문까지 예측함으로써 고객이 추가적으로 필요할 것으로 예상되는 정보를 미리 전달할 수 있는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법을 제공할 수 있다는 효과가 도출된다.
즉, 질의자의 질문에 대해 다음 질의가 예상되는 정보에 대해 선제적으로 답변을 함으로써 고객에게 정보 전달의 편의성을 제공할 수 있다.
뿐만 아니라 인텐트 방식의 추론 기술로 사용자가 원하는 답변에 접근할 수 있도록 재질문을 통해 세부적인 대화를 유도하거나, 초기 질문을 대체할 수 있는 질문을 제시해 질문 의도를 정확히 파악할 수 있는 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법을 제공할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치의 구성을 도시한 블록도,
도 2 는 본 발명의 일 실시예에 따른 추론부에서의 추론과정을 도시한 예시도,
도 3 은 일 실시예에 따른 학습부에서 머신러닝 과정을 도시한 예시도,
도 4 는 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공방법의 흐름도이다.
도 2 는 본 발명의 일 실시예에 따른 추론부에서의 추론과정을 도시한 예시도,
도 3 은 일 실시예에 따른 학습부에서 머신러닝 과정을 도시한 예시도,
도 4 는 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공방법의 흐름도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명한다.
도 1 은 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치의 구성을 도시한 블록도이다.
일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치는 질의문에 대한 인텐츠 흐름을 머신러닝을 통하여 파악한 다음 선제적으로 예측 답변을 제공함에 특징이 있다.
일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치는 자연어 분석 기술과 기계학습을 통한 질의 의도 학습, 의도 기반 지식 베이스 구축, 텍스트 마이닝 등이 적용된 하이브리드 챗봇 방식을 적용한다.
또한 인텐트 방식의 추론 기술로 사용자가 원하는 답변에 접근할 수 있도록 재질문을 통해 세부적인 대화를 유도하거나, 초기 질문을 대체할 수 있는 질문을 제시해 질문 의도를 정확히 파악할 수 있도록 인텐츠 흐름을 데이터베이스화하고 학습하여 진화할 수 있다.
이에 따라 고객으로부터 질의에 대하여 향후 예상되는 질문을 예측하고 고객이 추가적으로 필요할 것으로 예상되는 정보를 미리 전달해줄 수 있다.
즉 고객이 질의를 하면 다음에 질의가 예상되는 정보에 대해 선제적으로 답변을 함으로써 고객에게 정보 전달의 편의성을 제공할 수 있고 고객 만족도를 극대화시킬 수 있다.
도 1 에서와 같이 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치(10)는 통신부(110), 질의문 수신부(120), 답변 제공부(130), 추론부(140), 인텐츠 예측부(150), 학습부(160), 인텐츠 흐름 학습부(160), 답변 데이터베이스부(180), 질의문 데이터베이스부(182), 학습결과 데이터베이스부(184), 및 인텐츠 흐름 데이터베이스부(186)를 포함한다.
일 실시예에 있어서 질문/답변 서비스 제공장치(10)는 통신부(110)를 통해 사용자 단말기(20)와 통신을 수행한다.
이때 사용자 단말기(20)는 스마트 폰(Smart Phone), 휴대 단말기(Portable Terminal), 이동 단말기(Mobile Terminal), 폴더블 단말기(Foldable Terminal), 개인 정보 단말기(Personal Digital Assistant: PDA), PMP(Portable Multimedia Player) 단말기, 텔레매틱스(Telematics) 단말기, 내비게이션(Navigation) 단말기, 개인용 컴퓨터(Personal Computer), 노트북 컴퓨터, 슬레이트 PC(Slate PC), 태블릿 PC(Tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(Wearable Device, 예를 들어, 워치형 단말기(Smartwatch), 글래스형 단말기(Smart Glass), HMD(Head Mounted Display) 등 포함), 와이브로(Wibro) 단말기, IPTV(Internet Protocol Television) 단말기, 스마트 TV, 디지털방송용 단말기, AVN(Audio Video Navigation) 단말기, A/V(Audio/Video) 시스템, 플렉시블 단말기(Flexible Terminal), 디지털 사이니지 장치 등과 같은 다양한 단말기에 적용될 수 있다.
일 실시예에 있어서, 사용자 단말기(20)는 사용자로부터 음성 또는 키패드 텍스트 입력 등의 방법으로 질의문을 입력받아 인텐츠 기반의 질문/답변 서비스 제공장치(10)로 전송한다. 그리고 인텐츠 기반의 질문/답변 서비스 제공장치(10)에서 제공되는 답변 및 예측답변을 디스플레이하여 사용자에게 가시적인 데이터로 제공해준다.
사용자 단말기(20)에는 질문 및 답변 기능을 가지는 어플리케이션이 설치되어 구동됨이 바람직하다. 본 발명의 일 양상에 있어서, 질의문 수신부(120)는 사용자 단말기(20)에서 구동되는 질문 및 답변기능을 가지는 어플리케이션의 디스플레이 화면을 통해 질의문을 수신하고, 답변 제공부(130)는 사용자 단말기의 디스플레이 창을 통해 답변을 제공한다. 이에 따라 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치(10)는 1:1 질문 답변 기능을 통해 인텐츠 기반의 질문/답변 서비스를 제공할 수 있다.
통신부(110)가 지원하는 통신 방식은 제한되지 않으며, 네트워크가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선인터넷, 방송망)을 활용하는 통신 방식 뿐만 아니라 기기들 간의 근거리 무선 통신 방식으로 데이터 송수신을 수행할 수 있다.
여기서 네트워크는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다.
또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수도 있으나, 이에 제한되지는 않는다.
질의문 수신부(120)는 통신부(110)를 통해 사용자 단말기(20)로부터 입력되는 질의문을 수신한다. 그리고 질의문 데이터베이스부(182)에 저장한다.
추론부(140)는 질의문 수신부(120)로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악한다.
답변 데이터베이스부(180)는 질의문에 대한 답변을 저장한다. 답변 데이터베이스부(180)는 학습부(160)에서 학습에 기반이되는 데이터들을 저장한다.
질의문 데이터베이스부(182)는 질의문 수신부(120)로 수신되는 질의문 정보를 저장하고, 학습부(160)에서 학습에 기반이 되는 데이터들을 저장한다.
인텐츠 예측부(150)는 추론부(140)로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스부(186)에 저장된 정보에 기반하여 수신된 인텐츠에 대한 예측 인텐츠를 도출한다.
인텐츠 흐름 데이터베이스부(186) 질의문에 의해 파악된 인텐츠에 기반하여 인텐츠를 예측하기 위한 인텐츠의 흐름 정보를 저장한다.
답변 제공부(130)는 답변 데이터베이스부(180)로부터 질의문 수신부(120)로 수신된 질의문에 대한 답변과, 인텐츠 예측부(150)에서 예측되는 예측 인텐츠에 기반한 답변을 파악하여 사용자 단말기(20)로 제공한다.
일 실시예에 따른 질문/답변 서비스 제공장치(10)는 머신 러닝을 활용한 인텐츠 추출을 적용한 답변 시스템에 관한 것으로, 사용자 단말기(20)로부터 질의문을 입력받아 사용자ID 및 질의문을 전달받고, 추론부(140)가 이를 수신하여 학습 결과 데이터베이스부(184)에 저장된 데이터들을 활용하여 인텐츠를 생성한다.
그리고 추론부(140)는 생성된 인텐츠를 인텐츠 예측부(150)에 전달하며, 인텐츠 예측부(150)가 사용자 ID 및 인텐츠에 따라 예측 인텐츠를 도출한 후 다시 추론부(140)를 통해 답변을 제공한다.
기존의 형태소 분석 기반은 한글 맞춤법에 맞는 문장만 이해가 가능하다.
반면, 일 실시예에 따른 질문/답변 서비스 제공장치(10)의 추론부(140)는 패턴 기반의 머신러닝 자연어 처리 기술을 적용하여 머신 러닝을 한 모든 문장을 이해하는 방식으로 속어, 줄임말, 유행어 등을 인식하고 처리할 수 있다.
뿐만 아니라 전세계 언어를 학습하면 이해가 가능하기 때문에 적어도 하나이상의 언어를 사용하더라도 사용자가 원하는 언어로 답변이 가능해진다. 예를 들어 질의자가 한국어, 중국어, 영어를 섞어서 사용하는 경우에도 답변이 가능하며 이때 질의자가 선택한 언어로 답변을 제공한다.
도 2 는 본 발명의 일 실시예에 따른 추론부에서의 추론과정을 도시한 예시도이다.
일 실시예에 있어서 추론부(140)는 일 예로 한글의 경우에 자음과 모음을 분류하고 DNA 배열의 패턴으로 처리한다. 즉 "대한민국"의 경우 "ㄷ ㅐ ㅎ ㅏ ㄴ ㅁ ㅣ ㄴ ㄱ ㅜ ㄱ"으로 인식한다.
그리고 특정 분야에서 사용하는 전문 용어에 대한 키워드 사전이나, 엔티티사전을 포함하는 데이터베이스 구축으로 특화된 컨텐츠를 보유하도록 구현될 수도 있다. 즉 머신 러닝과 추론 엔진을 특정 분야의 전문가와 협업을 통해 개발 가능하다.
추가적으로 추론부(140)는 오타 분석 및 띄어쓰기 분석에 의해 질문을 추론할 수 있는 추론 엔진을 포함한다. 또한, 일 실시예에 있어서 질문/답변 서비스 제공 장치가 병원에서 구현될 경우에, 병원에서 사용하는 전문 용어 또는 빈도수 높은 용어들을 데이터베이스로 구축하여 병원 업무에 특화된 컨텐츠를 보유하도록 구현될 수도 있다.
또한 일 양상에 있어서, 질의문 수신부(120)는 사용자 식별정보(ID)를 더 입력받고 추론부(140)는 사용자 식별정보에 따라 파악되는 사용자 정보에 더 기반하여 인텐츠를 파악한다.
일 예로 추론부(140)는 사용자 식별정보(ID)에 기반하여 사용자의 성별이나 연령, 이전 질의 내용이나, 이전 진료 이력 정보와 같은 개인 정보를 파악하고, 파악된 사용자 고유 정보를 반영하여 사용자 맞춤형 인텐츠를 추론하는 것이 가능하다.
학습부(160) 및 인텐츠 흐름 학습부(160)는 기계학습, 머신러닝 VCS(지도학습), 자가특징을 추출하여 학습한다. 일 실시예에 있어서 학습부(160) 및 인텐츠 흐름 학습부(160)는 패턴 기반의 머신 러닝 자연어 처리 기술을 구현하고 RPA(Robotic Process Automation)와 딥러닝을 지향한다. 학습부(160)는 추론부(140)에서 추론되는 결과를 기반으로 학습을 수행한다.
인텐츠 흐름 학습부(160)는 답변 제공부(130)에서 답변 제공 후 질의문 수신부(120)로 수신되는 질의문을 모니터링하여 인텐츠 흐름을 학습하고 인텐츠 흐름 데이터베이스부(186)에 저장된 인텐츠 흐름 데이터를 업데이트한다.
인텐츠 흐름 학습부(160)는 주기적으로 머신러닝하여 인텐츠 흐름 데이터베이스부(186)에 저장된 인텐츠 흐름 데이터를 업데이트한다.
그리고 학습부(160)는 추론부(140)에서 예측되는 인텐츠에 의한 답변 내용을 학습하고 학습 데이터를 기반으로 답변 데이터베이스부(180)를 업데이트한다.
학습부(160)는 추론부(140)에서의 추론 결과를 학습한다.
도 3 은 일 실시예에 따른 학습부에서 머신러닝 과정을 도시한 예시도이다. 학습부(160)는 머신러닝 엔진을 포함한다. 일 실시예에 있어서 머신 러닝 엔진은 도 3 과 같이 크게 입력, 패턴추출, 가중치 연산, 추론, 추론결과 평가, 노드 갱신에 따른 추론과정 피드백의 절차를 구현한다.
이러한 머신 러닝 절차에 따르면, 입력절차에서 입력되는 문장에 대한 문장 ID의 역할은 하는 인텐츠를 정의하여 문장을 분류하고, 문장 내 키워드 및 엔티티를 추출하여 키워드에 대한 가치를 평가하여 가중치를 산출하고, 노드를 이용한 추론을 통해 결과를 도출할 수 있다.
이어서, 입력 인텐츠와 추론결과 인텐츠를 비교하여 일치하지 않는 경우 판단 로직을 통해 가중치를 조절하여 추론 절차에 재반영함으로써 결과를 보완할 수 있게된다.
즉 입력된 인텐츠와 추론 결과 인텐츠가 일치하는지 여부를 파악하고 일치하지 않는 경우에 판단 로직은 노드를 추가하거나 노드 수정을 통해 가중치를 변동함으로써 추론 절차에 반영(node update)할 수 있다.
인텐츠 예측부(150)는 추론부(140)로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스부(186)에 저장된 정보에 기반하여 수신된 인텐츠에 대한 예측 인텐츠를 도출한다.
즉 예측 인텐츠를 미리 도출하고, 그에 대한 대답을 선제적으로 제공해줌으로써 질의문을 입력한 사용자의 만족도를 최적화할 수 있다.
즉 직전 대화 내용을 기반으로 사용자의 대화 의도를 정확히 파악할 수 있다. 그리고 파악된 의도 즉 예측 인텐츠를 기초로 대화의 연속성을 보장할 수 있는 질문/답변 서비스의 제공이 가능하다.
추가적인 양상에 있어서 일 실시예에 따른 질문/답변 서비스 제공장치(10)는 무작위의 FAQ 자료를 활용하여 자동 분류하는 클러스터링 기능을 더 수행할 수 있다. 그리고 추론부(140)가 클러스터링 된 데이터들을 적용하여 문장 추론 절차에서 빠른 적용을 지원할 수 있다.
또한 일 실시예에 따른 질문/답변 서비스 제공장치(10)는 영상 인식 기능 및 음성 인식 기능을 더 수행할 수 있다. 예를 들어 사용자가 본인 확인을 위해 신분증을 업로드하거나, 질문을 사용자 단말기에 탑재되는 마이크를 통해 음성 형태로 입력받아서 인식할 수 있다.
답변 제공부(130)는 질의문 수신부(120)로 수신된 질의문에 대한 답변을 답변 데이터베이스부(180)에서 추출하여 제공한다. 또한, 추론부에서 파악된 인텐츠 및 예측 인텐츠에 대한 답변을 답변 데이터베이스부(180)에서 추출하여 제공한다. 일 실시예에 따른 질문/답변 서비스 제공장치(10)는 선제적으로 예측 인텐츠에 대한 답변을 제공해줌으로써 사용자로부터의 질의문에 대한 답변 뿐 아니라 그에서 파생될 수 있는 질문을 미리 예측하고 그에 대한 답변을 더 제공해줄 수 있다. 따라서 질의/답변 서비스에 대한 정확도 및 만족도를 높일 수 있다.
즉 일 실시예에 따른 질문/답변 서비스 제공장치(10)의 질의문 수신부(120)는 사용자 단말기(20)로부터 사용자 식별정보(ID)와 질의문을 입력받는다. 질의문 수신부(120)는 사용자 식별정보(ID)와 질의문을 추론부(140)로 전달한다.
추론부(140)는 질의문 수신부(120)로 입력된 질의문에 대한 인텐츠를 파악한다. 그리고 사용자 식별정부(ID)와 파악된 인텐츠를 인텐츠 예측부(150)로 제공한다.
인텐츠 예측부(150)는 인텐츠 흐름 학습부(160)에서 학습되어 인텐츠 흐름 데이터베이스부(186)에 저장된 데이터에 기반하여 예측 인텐츠를 도출한다.
그리고 인텐츠 예측부(150)는 인텐츠와 도출된 예측 인텐츠를 추론부(140)로 전달한다. 그러면 추론부(140)는 인텐츠와 예측 인텐츠를 답변 제공부(130)로 제공한다. 답변 제공부(130)는 답변 데이터베이스부(180)에 저장된 데이터에 기반하여 인텐츠에 대한 답변과 예측 인텐츠에 대한 답변을 파악한다.
그리고 답변 제공부(130)는 파악된 인텐츠에 대한 답변과 예측 인텐츠에 대한 답변을 사용자 단말기(20)로 전송한다.
도 4 는 본 발명의 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공방법의 흐름도이다.
도 4와 같이 인텐츠 기반의 질문/답변 서비스 제공장치에서 수행되는 인텐츠 기반의 질문/답변 서비스 제공방법은 질의문 수신부가 사용자 단말기로부터 질의문을 수신한다(S200).
본 발명의 일 양상에 따르면, 질의문을 수신하는 단계는 사용자 단말기의 디스플레이창을 통해 질의문을 수신하고, 답변을 제공하는 단계는 사용자 단말기의 디스플레이창을 통해 답변을 제공한다.
사용자 단말기에는 질문 및 답변 기능을 가지는 어플리케이션이 설치되어 구동될 수 있다. 이에 따라 일 실시예에 따른 인텐츠 기반의 질문/답변 서비스 제공장치(10)는 1:1 질문 답변 기능을 통해 인텐츠 기반의 질문/답변 서비스를 제공할 수 있다.
본 발명의 일 양상에 따르면 질의문 수신부는 질의문과 함께 사용자 식별정보(ID)를 더 입력받는다.
그리고 추론부가 질의문 수신부로 수신된 질의문과 사용자 식별정보(ID)를 입력받아 질의문에 대한 인텐츠를 파악한다(S210).
이때 인텐츠를 파악하는 단계는, 사용자 식별정보에 따라 파악되는 사용자 정보에 더 기반하여 인텐츠를 파악한다.
일 예로 추론부는 사용자 식별정보(ID)에 기반하여 사용자의 성별이나 연령, 이전 질의 내용이나, 이전 진료 이력 정보와 같은 개인 정보를 파악하고, 파악된 사용자 고유 정보를 반영하여 사용자 맞춤형 인텐츠를 추론하는 것이 가능하다.
이후에 인텐츠 예측부는 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 수신된 인텐츠에 대한 예측 인텐츠를 도출한다(S220).
그리고 답변 제공부는 추론부로부터 파악된 인텐츠를 수신하고, 질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부로부터 추론부로부터 수신된 인텐츠와, 인텐츠 예측부에서 예측된 예측 인텐츠에 기반한 답변을 파악한다.
그리고 답변 제공부(130)는 질의문 수신부로 수신된 질의문에서 파악된 인텐츠에 대한 답변과, 인텐츠 예측부에서 도출된 예측 인텐츠에 기반한 답변을 파악하여 사용자 단말기로 제공한다(S230).
일 실시예에 따른 질문/답변 서비스 제공방법은 선제적으로 예측 인텐츠에 대한 답변을 제공해줌으로써 사용자로부터의 질의문에 대한 답변 뿐 아니라 그에서 파생될 수 있는 질문을 미리 예측하고 그에 대한 답변을 더 제공해줄 수 있다. 따라서 질의/답변 서비스에 대한 정확도 및 만족도를 높일 수 있다.
본 발명의 일 양상에 있어서, 학습부는 답변 제공부에서 제공되는 답변 내용을 학습하고 학습 데이터를 기반으로 답변 데이터베이스부에 저장된 데이터들을 업데이트한다(S240).
본 발명의 특징적인 양상에 따르면 인텐츠 흐름 학습부는 답변 제공부에서 답변 제공 후, 질의문 수신부로 수신되는 질의문을 모니터링하여(S250) 인텐츠 흐름을 학습하고 인텐츠 흐름 데이터베이스에 저장된 인텐츠 흐름 데이터를 업데이트한다(S260).
전술한 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10 : 질문/답변 서비스 제공장치 20 : 사용자 단말기
110 : 통신부 120 : 질의문 수신부
130 : 답변 제공부 140 : 추론부
150 : 인텐츠 예측부 160 : 학습부
170 : 인텐츠 흐름 학습부 180 : 답변 데이터베이스부
182 : 질의문 데이터베이스부 184 : 학습결과 데이터베이스부
186 : 인텐츠 흐름 데이터베이스부
110 : 통신부 120 : 질의문 수신부
130 : 답변 제공부 140 : 추론부
150 : 인텐츠 예측부 160 : 학습부
170 : 인텐츠 흐름 학습부 180 : 답변 데이터베이스부
182 : 질의문 데이터베이스부 184 : 학습결과 데이터베이스부
186 : 인텐츠 흐름 데이터베이스부
Claims (10)
- 사용자 단말기로부터 질의문을 수신하는 질의문 수신부;
질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부;
상기 질의문 수신부로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악하는 추론부;
상기 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 상기 수신된 인텐츠에 대한 예측 인텐츠를 도출하는 인텐츠 예측부; 및
상기 답변 데이터베이스부로부터 상기 질의문에 대한 답변과, 상기 인텐츠 예측부에서 예측되는 예측 인텐츠에 기반한 답변을 파악하여 상기 사용자 단말기로 제공하는 답변 제공부;를 포함하고,
상기 제공하는 답변 내용을 학습하고 학습 데이터를 기반으로 상기 답변 데이터베이스부를 업데이트 하는 학습부;를 더 포함하며,
상기 질의문 수신부는, 사용자 식별정보를 더 입력받고,
상기 추론부는, 상기 사용자 식별정보에 따라 파악되는 사용자 정보에 더 기반하여 인텐츠를 파악하는 것을 특징으로 하되,
상기 추론부는, 상기 사용자 식별 정보에 따라 사용자의 성별, 연령 및 이전 질의 내용을 파악하며,
상기 학습부는,
상기 질의문 수신부에서 수신한 질의문 문장에 대한 문장 ID 역할을 하는 인텐츠를 정의하여 문장을 분류하고, 문장 내 키워드 및 엔티티를 추출하여 키워드에 대한 가치를 평가하여 가중치를 산출하며, 노드를 이용한 추론을 통해 결과를 도출하고,
입력 인텐츠와 추론결과 도출된 인텐츠를 비교하여 일치하지 않는 경우 판단 로직을 통해 가중치를 조절하여 추론 절차에 재반영하는, 인텐츠 기반의 질문/답변 서비스 제공장치.
- 제 1 항에 있어서,
상기 답변 제공부에서 답변 제공 후 상기 질의문 수신부로 수신되는 질의문을 모니터링하여 인텐츠 흐름을 학습하고 상기 인텐츠 흐름 데이터베이스에 저장된 인텐츠 흐름 데이터를 업데이트하는 인텐츠 흐름 학습부;
를 더 포함하는 인텐츠 기반의 질문/답변 서비스 제공장치.
- 삭제
- 삭제
- 제 1 항에 있어서,
상기 질의문 수신부는,
상기 사용자 단말기의 디스플레이창을 통해 질의문을 수신하고,
상기 답변 제공부는,
상기 사용자 단말기의 디스플레이창을 통해 답변을 제공하는 것을 특징으로 하는 인텐츠 기반의 질문/답변 서비스 제공장치.
- 인텐츠 기반의 질문/답변 서비스 제공장치에서 수행되는 인텐츠 기반의 질문/답변 서비스 제공방법에 있어서,
질의문 수신부가 사용자 단말기로부터 질의문을 수신하는 단계;
추론부가 상기 질의문 수신부로 수신된 질의문을 입력받아 질의문에 대한 인텐츠를 파악하는 단계;
인텐츠 예측부가 상기 추론부로부터 파악된 인텐츠를 수신하고, 인텐츠 흐름 데이터베이스에 저장된 정보에 기반하여 상기 수신된 인텐츠에 대한 예측 인텐츠를 도출하는 단계; 및
답변 제공부가 질의문에 대한 답변을 데이터베이스화하여 저장하는 답변 데이터베이스부로부터 상기 질의문 수신부로 수신된 질의문에 대한 답변과, 상기 인텐츠 예측부에서 도출된 예측 인텐츠에 기반한 답변을 파악하여 상기 사용자 단말기로 제공하는 단계;를 포함하고,
학습부가 상기 제공하는 단계에서 제공되는 답변 내용을 학습하고 학습 데이터를 기반으로 상기 답변 데이터베이스부를 업데이트 단계;를 더 포함하며,
질의문을 수신하는 단계는,
사용자 식별정보를 더 입력받고,
상기 인텐츠를 파악하는 단계는,
상기 사용자 식별정보에 따라 파악되는 사용자 정보에 더 기반하여 인텐츠를 파악하는 것을 특징으로 하되,
상기 인텐츠를 파악하는 단계는, 상기 사용자 식별 정보에 따라 사용자의 성별, 연령 및 이전 질의 내용을 파악하며,
상기 업데이트 단계는,
상기 수신하는 단계에서 수신한 질의문 문장에 대한 문장 ID 역할을 하는 인텐츠를 정의하여 문장을 분류하고, 문장 내 키워드 및 엔티티를 추출하여 키워드에 대한 가치를 평가하여 가중치를 산출하며, 노드를 이용한 추론을 통해 결과를 도출하고,
입력 인텐츠와 추론결과 도출된 인텐츠를 비교하여 일치하지 않는 경우 판단 로직을 통해 가중치를 조절하여 추론 절차에 재반영하는 인텐츠 기반의 질문/답변 서비스 제공방법.
- 제 6 항에 있어서,
인텐츠 흐름 학습부가 상기 제공하는 단계에서 답변 제공 후, 상기 질의문 수신부로 수신되는 질의문을 모니터링하여 인텐츠 흐름을 학습하고 상기 인텐츠 흐름 데이터베이스에 저장된 인텐츠 흐름 데이터를 업데이트하는 단계;
를 더 포함하는 인텐츠 기반의 질문/답변 서비스 제공방법.
- 삭제
- 삭제
- 제 6 항에 있어서,
상기 질의문을 수신하는 단계는,
상기 사용자 단말기의 디스플레이창을 통해 질의문을 수신하고,
상기 제공하는 단계는,
상기 사용자 단말기의 디스플레이창을 통해 답변을 제공하는 것을 특징으로 하는 인텐츠 기반의 질문/답변 서비스 제공방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200053959A KR102386898B1 (ko) | 2020-05-06 | 2020-05-06 | 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200053959A KR102386898B1 (ko) | 2020-05-06 | 2020-05-06 | 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210135828A KR20210135828A (ko) | 2021-11-16 |
| KR102386898B1 true KR102386898B1 (ko) | 2022-04-15 |
Family
ID=78717060
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200053959A KR102386898B1 (ko) | 2020-05-06 | 2020-05-06 | 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102386898B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230036502A (ko) | 2021-09-07 | 2023-03-14 | 한일네트웍스(주) | 챗봇의 자동 학습 머신을 사용한 학습 데이터 생성 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002288201A (ja) | 2001-03-23 | 2002-10-04 | Fujitsu Ltd | 質問応答処理方法，質問応答処理プログラム，質問応答処理プログラム記録媒体および質問応答処理装置 |
| KR101940928B1 (ko) | 2017-11-15 | 2019-01-21 | 휴먼식스 주식회사 | 자연어 인공지능 데이터베이스 구축방법과 그 거래방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100487740B1 (ko) | 2003-05-13 | 2005-05-06 | 엔에이치엔(주) | 질문 답변 서비스 방법 |
| KR101513779B1 (ko) | 2012-05-17 | 2015-04-21 | 네이버 주식회사 | 문서 등급을 이용한 질문/답변 서비스 제공 시스템 및 방법 |
| KR102103273B1 (ko) | 2018-02-27 | 2020-04-22 | 주식회사 와이즈넛 | 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법 |
-
2020
- 2020-05-06 KR KR1020200053959A patent/KR102386898B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002288201A (ja) | 2001-03-23 | 2002-10-04 | Fujitsu Ltd | 質問応答処理方法，質問応答処理プログラム，質問応答処理プログラム記録媒体および質問応答処理装置 |
| KR101940928B1 (ko) | 2017-11-15 | 2019-01-21 | 휴먼식스 주식회사 | 자연어 인공지능 데이터베이스 구축방법과 그 거래방법 |
Non-Patent Citations (2)
| Title |
|---|
| 김동현 외 2인, 목적지향 대화에서 화자 의도의 통계적 예측 모델, 정보과학회논문지: 소프트웨어 및 응용 35(9), 2008.9, 554-561페이지. 1부.* |
| 이현우 외 1인, 건국봇: 검색모델과 생성모델을 결합한 챗봇, 한국정보처리학회 2018년도 춘계학술발표대회 2018.5, 449-452페이지. 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210135828A (ko) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Serban et al. | A deep reinforcement learning chatbot | |
| CN110765244B (zh) | 获取应答话术的方法、装置、计算机设备及存储介质 | |
| CN110046221B (zh) | 一种机器对话方法、装置、计算机设备及存储介质 | |
| CN111737444B (zh) | 对话生成方法、装置及电子设备 | |
| CN112800170A (zh) | 问题的匹配方法及装置、问题的回复方法及装置 | |
| CN111833853B (zh) | 语音处理方法及装置、电子设备、计算机可读存储介质 | |
| WO2020062006A1 (en) | Intent and context-aware dialogue based virtual assistance | |
| WO2014164484A2 (en) | Communicating context across different components of multi-modal dialog applications | |
| WO2021000403A1 (zh) | 智能对话系统的语音匹配方法、电子装置、计算机设备 | |
| CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
| CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
| CN111710337A (zh) | 语音数据的处理方法、装置、计算机可读介质及电子设备 | |
| CN112417158A (zh) | 文本数据分类模型的训练方法、分类方法、装置和设备 | |
| US20230350929A1 (en) | Method and system for generating intent responses through virtual agents | |
| CN111554276A (zh) | 语音识别方法、装置、设备及计算机可读存储介质 | |
| CN114783421A (zh) | 智能推荐方法和装置、设备、介质 | |
| CN112115244A (zh) | 对话交互方法、装置、存储介质及电子设备 | |
| KR20190074508A (ko) | 챗봇을 위한 대화 모델의 데이터 크라우드소싱 방법 | |
| CN110674276A (zh) | 机器人自学习方法、机器人终端、装置及可读存储介质 | |
| KR102386898B1 (ko) | 인텐츠 기반의 질문/답변 서비스 제공장치 및 방법 | |
| KR20180105501A (ko) | 언어 정보를 처리하기 위한 방법 및 그 전자 장치 | |
| CN113591463A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
| CN109783677A (zh) | 回复方法、回复装置、电子设备及计算机可读存储介质 | |
| WO2023173554A1 (zh) | 坐席违规话术识别方法、装置、电子设备、存储介质 | |
| CN111522957B (zh) | 一种短语分割模型的训练方法和系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |