KR102423754B1 - 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법 - Google Patents

디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법 Download PDF

Info

Publication number
KR102423754B1
KR102423754B1 KR1020170120511A KR20170120511A KR102423754B1 KR 102423754 B1 KR102423754 B1 KR 102423754B1 KR 1020170120511 A KR1020170120511 A KR 1020170120511A KR 20170120511 A KR20170120511 A KR 20170120511A KR 102423754 B1 KR102423754 B1 KR 102423754B1
Authority
KR
South Korea
Prior art keywords
user input
inquiry
information
data
response
Prior art date
Application number
KR1020170120511A
Other languages
English (en)
Other versions
KR20190032051A (ko
Inventor
정만운
조서영
최창환
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170120511A priority Critical patent/KR102423754B1/ko
Priority to EP18859583.9A priority patent/EP3635545B1/en
Priority to CN201880060228.6A priority patent/CN111095208B/zh
Priority to PCT/KR2018/010748 priority patent/WO2019059579A1/en
Priority to US16/131,738 priority patent/US11249871B2/en
Publication of KR20190032051A publication Critical patent/KR20190032051A/ko
Application granted granted Critical
Publication of KR102423754B1 publication Critical patent/KR102423754B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
    • 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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/355—Class or cluster creation or modification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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

Abstract

디바이스 사용 문의에 대응하는 응답 동작을 제공하는 디바이스 및 제어방법이 제공된다. 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 제어방법은 디바이스 사용 문의를 위한 사용자 입력을 수신하는 하는 단계, 상기 수신된 디바이스 사용 문의에 대한 입력을 분석함으로써, 상기 디바이스 사용 문의를 분류하는 단계, 상기 분류 결과에 대응되는 상기 디바이스의 기 설정된 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하는 단계 및 상기 동작 시나리오 정보에 기초하여, 상기 디바이스의 기 설정된 세부 응답 동작들을 실행하는 단계를 포함하고, 상기 분류하는 단계는, 상기 디바이스 사용 문의에 대한 상기 사용자 입력을 기 생성된 학습 모델에 입력함으로써, 상기 디바이스 사용 문의를 분류하고, 상기 기 설정된 응답 동작은, 상기 학습 모델에 따른 분류 결과에 대응되는 상기 디바이스의 복수의 동작을 포함할 수 있다.

Description

디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법 {Device and method for providing response to question about device usage}
본 개시는 사용자의 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 하지만, 사용자에 따라서 디바이스가 제공하는 기능을 알지 못해, 디바이스가 제공하는 기능을 이용하지 못하는 경우가 존재한다. 또한, 사용자가 디바이스를 사용함에 따라서, 사용자가 해결하지 못하는 다양한 문제가 발생된다.
이에 따라, 디바이스 사용 문의에 관한 사용자 입력을 수신하고, 수신된 사용자 입력으로부터 사용자의 의도에 부합되도록 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 기술이 요구되고 있다.
일부 실시예는, 디바이스 사용 문의를 위한 사용자 입력에 대응하는 응답 동작을 제공할 수 있다.
또한, 일부 실시예는 디바이스를 사용하는 방법에 대한 문의에 대응하는 응답 동작을 제공할 수 있다.
또한, 일부 실시예는 디바이스에서 발생된 문제에 대한 문의에 대응하는 응답 동작을 제공할 수 있다.
본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면은 적어도 하나의 프로그램이 저장되는 메모리, 디바이스 사용 문의를 위한 사용자 입력을 수신하는 하는 사용자 입력부 및 상기 적어도 하나의 프로그램을 실행함으로써 상기 디바이스 사용 문의에 대응하는 응답 동작을 제공하도록 하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로그램은, 상기 수신된 디바이스 사용 문의에 대한 입력을 분석함으로써, 상기 디바이스 사용 문의를 분류하는 단계, 상기 분류 결과에 대응되는 상기 디바이스의 기 설정된 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하는 단계, 상기 동작 시나리오 정보에 기초하여, 상기 디바이스의 기 설정된 세부 응답 동작들을 실행하는 단계를 실행하는 명령어들을 포함하며, 상기 분류하는 단계는, 상기 디바이스 사용 문의에 대한 상기 사용자 입력을 기 생성된 학습 모델에 입력함으로써, 상기 디바이스 사용 문의를 분류하고, 상기 기 설정된 응답 동작은, 상기 학습 모델에 따른 분류 결과에 대응되는 상기 디바이스의 복수의 동작을 포함하는, 디바이스를 제공할 수 있다.
또한, 본 개시의 제 2 측면은 디바이스 사용 문의를 위한 사용자 입력을 수신하는 하는 단계, 상기 수신된 디바이스 사용 문의에 대한 입력을 분석함으로써, 상기 디바이스 사용 문의를 분류하는 단계, 상기 분류 결과에 대응되는 상기 디바이스의 기 설정된 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하는 단계 및 상기 동작 시나리오 정보에 기초하여, 상기 디바이스의 기 설정된 세부 응답 동작들을 실행하는 단계를 포함하고, 상기 분류하는 단계는, 상기 디바이스 사용 문의에 대한 상기 사용자 입력을 기 생성된 학습 모델에 입력함으로써, 상기 디바이스 사용 문의를 분류하고, 상기 기 설정된 응답 동작은, 상기 학습 모델에 따른 분류 결과에 대응되는 상기 디바이스의 복수의 동작을 포함하는 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 디바이스를 제어하는 방법을 제공할 수 있다.
또한, 본 개시의 제 3 측면은, 제 2 측면의 제어방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
도 1은 일부 실시예에 따른 디바이스가 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 예시를 나타내는 도면이다.
도 2는 일부 실시예에 따른 디바이스가 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 방법의 흐름도이다.
도 3은 일부 실시예에 따른 디바이스가 디바이스 사용 문의와 응답 동작을 제공하기 위해 학습 모델을 통해 학습하는 예시를 나타내는 도면이다.
도 4는 일부 실시예에 따른 문제해결 여부에 따라 디바이스가 추가적인 추천 동작을 실행하는 방법의 흐름도이다.
도 5는 일부 실시예에 따른 문제해결 여부에 따라 디바이스가 디바이스 사용 문의를 재분류하는 방법의 흐름도이다.
도 6은 일부 실시예에 따른 디바이스 사용 문의를 분류한 카테고리를 나타내는 테이블을 도시한 도면이다.
도 7은 일부 실시예에 따른 디바이스가 디바이스를 사용 하는 방법에 관한 문의에 대응하는 답변을 제공하는 예시를 나타내는 도면이다.
도 8A 및 도 8B는 일부 실시예에 따른 디바이스가 디바이스를 사용하는 방법에 관한 문의에 대응하는 기능을 실행하는 예시를 나타내는 도면이다.
도 9A 내지 도 9E는 일부 실시예에 따른 디바이스가 디바이스를 사용하는 방법에 관한 문의에 대응하는 조작 가이드를 제공하는 예시를 나타내는 도면이다.
도 10은 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 답변을 제공하는 예시를 나타내는 도면이다.
도 11A 및 도 11B는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 기능을 실행하는 예시를 나타내는 도면이다.
도 12A 내지 도 12F는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 조작 가이드를 제공하는 예시를 나타내는 도면이다.
도 13A 및 도 13B는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 답변을 순차적으로 제공하는 예시를 나타내는 도면이다.
도 14A 내지 도 14E는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 기능을 순차적으로 실행하는 예시를 나타내는 도면이다.
도 15A 내지 도 15J는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 조작 가이드를 순차적으로 제공하는 예시를 나타내는 도면이다.
도 16은 일부 실시예에 따른 디바이스(1000)가 서버(2000)와 연동함으로써, 디바이스 사용 문의에 관한 사용자 입력에 대한 응답 동작을 제공하는 예시를 나타내는 도면이다.
도 17 및 도 18은 일부 실시예에 따른 디바이스(1000)의 블록도이다.
도 19는 일부 실시예에 따른 서버(2000)의 블록도이다.
도 20은 일부 실시예에 따른 프로세서(1300)의 블록도이다.
도 21은 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.
도 22는 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.
도 23은 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
또한, 본 명세서에서 사용되는 “제 1” 또는 “제 2” 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 일부 실시예에 따른 디바이스가 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 예시를 나타내는 도면이다.
도 1을 참조하면, 디바이스(1000)는 디바이스 사용 문의를 위한 사용자 입력(130)을 사용자로부터 수신할 수 있다. 디바이스(1000)는 수신한 디바이스 사용 문의를 위한 사용자 입력(130)을 분석하여 디바이스 사용 문의에 관련된 사용자의 의도에 부합하는 응답 동작(140)을 제공할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 수신한 디바이스 사용 문의를 위한 사용자 입력(130)을 분석하고, 디바이스 사용 문의에 관련된 사용자의 의도에 부합하는 응답을 제공하기 위하여 디바이스 사용 문의를 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 사용자 입력(130)을 기 생성된 학습 모델(110)에 입력함으로써, 디바이스 사용 문의를 분류할 수 있다. 예를 들면, 디바이스(1000)는 디바이스 사용 문의가 디바이스를 사용하는 방법에 관한 문의에 해당하는지 또는 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의에 해당하는지 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스 사용 문의를 분류한 결과에 대응되는 동작 시나리오 정보(120)를 추출할 수 있다. 동작 시나리오 정보(120)는 디바이스 사용 문의에 관련된 디바이스의 세부 응답 동작들을 순차적으로 제공하기 위한 시나리오에 관련된 정보를 의미한다.
일 실시예에 따르면, 디바이스(1000)는 디바이스 사용 문의를 분류한 결과에 대응되는 동작 시나리오 정보(120)에 기초하여 디바이스(1000)의 응답 동작(140)을 제공할 수 있다. 디바이스(1000)는 동작 시나리오 정보(120)에 포함된 세부 응답 동작에 관한 정보 및 세부 응답 동작들의 실행 순서에 관한 순서 정보에 기초하여 디바이스(1000)의 응답 동작(140)을 제공할 수 있다.
일 실시예에 따르면, 디바이스(1000)의 응답 동작(140)은 디바이스 사용 문의에 대응하는 답변을 제공하는 동작, 디바이스(1000)가 기능을 실행하는 동작, 디바이스(1000)가 기능을 실행하기 위하여 사용자에게 조작 가이드를 제공하는 동작을 포함할 수 있으나, 이에 제한되지 않는다.
디바이스(1000)는, 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 디바이스(1000)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다. 그러나, 이에 제한되지 않으며, 디바이스(1000)는 사용자의 디바이스 사용 문의를 위한 사용자 입력을 수신하고, 사용자에게 디바이스 사용 문의에 대응하는 응답 동작을 제공할 수 있는 모든 종류의 기기를 포함할 수 있다.
또한, 디바이스(1000)는 사용자에게 디바이스 사용 문의에 대응하는 응답 동작을 제공하기 위하여, 소정의 네트워크를 통하여 서버(2000) 및 다른 장치(미도시)와 통신할 수 있다. 이 경우, 네트워크는 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 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 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.
도 2는 일부 실시예에 따른 디바이스가 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 방법의 흐름도이다.
S210을 참조하면, 디바이스(1000)는 디바이스 사용 문의를 위한 사용자 입력을 수신할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스 사용 문의를 위한 사용자 입력(130)으로써 텍스트, 음성, 이미지, 동영상 및 이들의 조합을 수신할 수 있으나, 이에 한정되는 것은 아니다.
일 실시예에 따르면, 디바이스 사용 문의는 디바이스(1000)를 사용하는 방법에 관한 문의 및 디바이스(1000)에서 발생된 문제를 해결하는 방법에 관한 문의를 포함할 수 있으나, 이에 한정되는 것은 아니다.
S230을 참조하면, 디바이스(1000)는 학습 모델(110)을 이용하여 디바이스 사용 문의를 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 수신한 디바이스 사용 문의를 위한 사용자 입력(130)을 학습 모델(110)을 입력하여, 디바이스 사용 문의를 분류할 수 있다. 예를 들면, 디바이스(1000)는 사용자 입력(130)을 기 생성된 학습 모델(110)에 입력함으로써, 디바이스 사용 문의가 디바이스를 사용하는 방법에 관한 문의에 해당하는지 또는 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의에 해당하는지에 따라서 디바이스 사용 문의를 분류할 수 있다.
또한 예를 들어, 디바이스(1000)는 디바이스 사용 문의가 디바이스(1000)가 실행하는 기능들 중 어떤 기능을 사용하는 방법에 관련된 문의에 해당하는지에 따라서 디바이스 사용 문의를 분류할 수 있다. 디바이스(1000)는 디바이스 사용 문의가 디바이스(1000)를 실행하는 기능들 중 어떤 기능에 발생된 문제에 해당하는지에 따라 디바이스 사용 문의를 분류할 수 있다. 디바이스(1000)는 디바이스 사용 문의가 디바이스(1000)의 하드웨어 모듈 중 어떤 모듈에 발생된 문제에 해당하는지에 따라 디바이스 사용 문의를 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 획득된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보 중 적어도 하나를 학습 모델(110)에 입력함으로써, 디바이스 사용 문의를 분류할 수 있다.
디바이스(1000)의 사양 정보는, 디바이스(1000)의 사양을 나타내는 정보를 의미하는 것으로서, 예를 들어, 디바이스(1000)의 모델명, 제품명, 프로세서, 디스플레이, 카메라, 메모리, 통신 네트워크, 측정 가능한 외부환경 종류 및 디바이스(1000)의 운영체제에 관한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
디바이스(1000)의 상태 정보는, 디바이스(1000)의 모드 정보(예컨대, 소리 모드, 진동 모드, 무음 모드, 절전 모드, 차단 모드, 멀티 윈도우 모드, 자동 회전 모드 등), 디바이스(1000)의 위치 정보, 시간 정보, 통신 모듈의 활성화 정보(예컨대, Wi-Fi ON / Bluetooth OFF / GPS ON/ NFC ON 등), 디바이스(1000)의 네트워크 접속 상태 정보, 디바이스(1000)에서 실행되는 애플리케이션 정보(예컨대, 애플리케이션의 식별 정보, 애플리케이션 종류, 애플리케이션 이용 시간, 애플리케이션 이용 주기) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
디바이스(1000)의 주변 환경 정보는, 디바이스(1000)로부터 소정 반경 내의 환경 정보를 의미하는 것으로서, 예를 들어, 날씨 정보, 온도 정보, 습도 정보, 조도 정보, 소음 정보, 소리 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
사용자의 상태 정보는 사용자의 움직임, 생활 패턴 등에 관한 정보로서, 사용자의 걷는 상태, 운동하는 상태, 운전 중인 상태, 수면 상태, 사용자의 기분 상태 등에 관한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
사용자의 디바이스(1000) 사용 이력 정보는, 사용자가 디바이스(1000)를 이용한 이력에 관한 정보로서, 애플리케이션의 실행 이력, 애플리케이션에서 실행된 기능의 이력, 사용자의 통화 내역, 및 사용자의 문자 내역 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
S250을 참조하면, 디바이스(1000)는 디바이스 사용 문의에 대응하는 응답 동작을 제공하기 위하여 동작 시나리오 정보를 추출할 수 있다. 디바이스(1000)는 디바이스 사용 문의를 분류한 결과에 기초하여, 기 설정된 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출할 수 있다.
일 실시예에 따르면, 복수의 동작 시나리오 정보가 복수의 분류 결과에 각각 대응되도록 설정될 수 있다. 디바이스(1000)는 다양한 분류 결과에 각각 대응되는 복수의 동작 시나리오 정보들 중에서, 사용자에 의해 입력된 디바이스 사용 문의의 분류 결과에 대응되는 동작 시나리오 정보(120)를 추출할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 분류 결과에 대응되는 동작 시나리오 정보를 추출하기 위하여, 미리 획득된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보 중 적어도 하나를 이용할 수 있다.
단계 S270을 참조하면, 디바이스(1000)는 수신된 디바이스 사용 문의를 위한 사용자 입력에 대응하는 세부 응답 동작들을 실행할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 추출된 동작 시나리오 정보(120)에 기초하여 디바이스 사용 문의를 위한 사용자 입력에 대응하는 세부 응답 동작들을 실행할 수 있다. 디바이스(1000)는 추출된 동작 시나리오 정보(120)에 포함된 세부 응답 동작들에 관한 정보 및 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 세부 응답 동작들을 실행할 수 있다.
일 실시예에 따르면, 세부 응답 동작들은 디바이스 사용 문의에 대한 답변 메시지를 출력, 문제 해결 여부를 확인하기 위한 확인 메시지를 출력, 출력된 답변 메시지에 대한 사용자의 입력을 수신, 출력된 확인 메시지에 대한 사용자의 입력을 수신하는 것을 포함할 수 있으나, 이에 제한되지 않는다.
일 실시예에 따르면, 세부 응답 동작들은 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보 중 적어도 하나를 획득하는 것을 포함할 수 있으나, 이에 제한되지 않는다.
일 실시예에 따르면, 세부 응답 동작들은 획득된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보와 추출된 동작 시나리오 정보(120)에 포함된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보를 비교하는 것을 포함할 수 있으나, 이에 제한되지 않는다.
일 실시예에 따르면, 디바이스(1000)는 텍스트, 음성, 이미지, 동영상 및 이들의 조합을 세부 응답 동작으로써 답변으로 제공할 수 있으나, 이에 한정되는 것은 아니다. 예를 들면, 디바이스(1000)는 디바이스 사용 문의에 대응하는 답변 메시지를 텍스트, 음성 및 이들의 조합으로 출력할 수 있다. 또 다른 예를 들면, 디바이스(1000)는 디바이스 사용 문의에 대응하는 답변이 기재된 사용자 매뉴얼의 일부를 이미지로 출력할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 사용자 매뉴얼 중 전화 어플리케이션을 사용하는 방법이 기재된 부분을 이미지로 출력할 수 있다. 또 다른 예를 들면, 디바이스(1000)는 디바이스(1000) 사용 문의에 대응하는 답변을 동영상으로 출력할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 전화 어플리케이션을 사용하는 방법에 관한 동영상을 출력할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스(1000)가 실행하는 기능의 사용 방법에 관한 문의에 대하여 세부 응답 동작으로써 해당 기능을 실행할 수 있다. 예를 들면, 디바이스(1000)는 디바이스(1000)가 실행하는 기능인 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능을 자동으로 실행할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스(1000)가 실행하는 기능에 발생된 문제에 관한 문의에 대하여 세부 응답 동작으로써 문제를 해결하기 위한 기능을 실행할 수 있다. 예를 들면, 디바이스(1000)는 문제가 발생된 기능에 관련된 프로세스를 종료하고, 재실행 할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 전화 어플리케이션을 실행하는 기능에 관련된 프로세스를 종료하고, 전화 어플리케이션을 재실행 할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스(1000)의 하드웨어 모듈에 발생된 문제에 관한 문의에 대하여 세부 응답 동작으로써 문제를 해결하기 위한 기능을 실행할 수 있다. 예를 들면, 디바이스(1000)는 배터리, 디스플레이, 전화, 인터넷, Bluetooth와 같은 통신 모듈, 볼륨조절, 카메라, 생체인식 센서와 같은 디바이스의 하드웨어 모듈에서 발생된 문제를 해결하기 위한 기능을 실행할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 “배터리가 오래가지 않는다”는 디바이스 사용 문의를 위한 사용자 입력에 대응하여 현재 백그라운드에서 동작 중인 어플리케이션을 종료하는 기능을 실행할 수 있다. 디바이스(1000)는 장시간 사용한 이력이 없는 어플리케이션의 자동 실행을 중지시키는 기능, 디스플레이의 밝기를 감소하는 기능, 디스플레이의 해상도를 낮은 해상도로 변경하는 기능, 프로세서의 처리 속도를 제한하는 기능 및 백그라운드에서 네트워크를 사용하는 것을 제안하는 기능을 실행할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 세부 응답 동작으로써 디바이스 사용 문의에 대하여 사용자에게 조작 가이드를 제공할 수 있다. 예를 들면, 디바이스(1000)는 디바이스(1000)가 실행하는 기능의 사용 방법에 관한 문의에 대하여 세부 응답 동작으로써 사용자가 해당 기능을 실행할 수 있도록 조작 가이드를 제공할 수 있다. 다른 예를 들면, 디바이스(1000)는 디바이스(1000)가 실행하는 기능에 발생된 문제에 관한 문의에 대하여 세부 응답 동작으로써 사용자가 해당 문제를 해결하기 위한 기능을 실행할 수 있도록 조작 가이드를 제공할 수 있다. 또 다른 예를 들면, 디바이스(1000)는 디바이스(1000)의 하드웨어 모듈에 발생된 문제에 관한 문의에 대하여 세부 응답 동작으로써 사용자가 해당 문제를 해결하기 위한 기능을 실행할 수 있도록 조작 가이드를 제공할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 추출된 동작 시나리오 정보(120)에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 디바이스 사용 문의를 위한 사용자 입력에 대응하는 세부 응답 동작들을 순차적으로 실행할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스(1000)에 발생된 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력할 수 있다. 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 문제를 해결하기 위한 추가적인 추천 동작을 결정하고, 실행 할 수 있다. 디바이스(1000)는 추가적인 추천 동작에 대응하는 세부 응답 동작으로써 동작 시나리오 정보(120)에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 미 실행된 세부 응답 동작을 실행할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 디바이스(1000)에 발생된 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력할 수 있다. 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 디바이스 사용 문의를 재분류할 수 있다.
도 3은 일부 실시예에 따른 디바이스가 디바이스 사용 문의와 응답 동작을 제공하기 위해 학습 모델을 통해 학습하는 예시를 나타내는 도면이다.
도 3을 참조하면, 디바이스(1000)는 디바이스 사용 문의를 위한 복수의 사용자 입력들 및 그에 대응하는 복수의 디바이스 사용 문의를 분류한 결과들을 학습 데이터로 학습 모델(310)에 입력하여 디바이스 사용 문의를 분류하는 학습을 할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 획득된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보 중 적어도 하나를 학습 데이터로 학습 모델(110)에 입력하여 디바이스 사용 문의를 분류하는 학습을 할 수 있다.
일 실시예에 따르면, 사용자 입력으로 수신된 디바이스 사용 문의를 어떻게 분류하는 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)이 디바이스 사용 문의의 분류에 이용될 수 있다. 사용자 입력으로 수신된 디바이스 사용 문의를 어떻게 분류하는 지는 심층신경망(Deep Neural Network) 기술에 따라서 학습될 수 있다.
일 실시예에 따르면, 디바이스(1000)는 학습 모델(310)에 입력된 학습 데이터에 기초하여 복수의 사용자 입력들에 대응하는 디바이스 사용 문의들을 복수의 계층화된 카테고리로 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 복수의 사용자 입력들과 복수의 카테고리 분류 결과에 관한 정보를 포함하는 분류 모델을 생성할 수 있다. 디바이스(1000)는 생성된 분류 모델을 학습 모델(310)에 적용할 수 있다. 디바이스(1000)는 생성된 분류 모델이 적용된 학습 모델(310)에 기초하여 사용자 입력을 통해 수신된 디바이스 사용 문의를 분류할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 추가 학습을 통해서 생성된 분류 모델을 갱신할 수 있다. 예를 들면, 디바이스(1000)는 디바이스의 응답 동작에 대한 확인 메시지를 출력하고, 확인 메시지에 대한 사용자의 입력에 기초하여 분류 모델을 갱신할 수 있다.
도 4는 일부 실시예에 따른 문제해결 여부에 따라 디바이스가 추가적인 추천 동작을 실행하는 방법의 흐름도이다.
S430을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위한 추천 동작을 결정할 수 있다.
일 실시예에 따르면, 디바이스 사용 문의가 디바이스(1000)에서 발생된 문제에 관련된 문의로 분류된 경우, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위한 세부 응답 동작을 추천 동작으로 결정할 수 있다. 예를 들면, 디바이스(1000)는 답변을 제공하는 것을 디바이스에서 발생된 문제를 해결하기 위한 추천 동작으로 결정할 수 있다. 디바이스(1000)는 디바이스(1000)의 기능을 실행하는 것을 추천 동작으로 결정할 수 있다. 디바이스(1000)는 사용자가 디바이스(1000)의 기능을 디바이스(1000)가 실행하도록 도와주는 조작 가이드를 제공하는 것을 추천 동작으로 결정할 수 있다.
일 실시예에 따르면, 디바이스(1000)는 추출된 동작 시나리오 정보(120)에 기초하여 디바이스(1000)에서 발생된 문제를 해결하기 위한 추천 동작을 결정할 수 있다. 디바이스(1000)는 동작 시나리오 정보(120)에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 추천 동작을 결정할 수 있다.
구체적인 예를 들면, 디바이스(1000)가 “화면이 노래요”라는 디바이스 사용 문의를 위한 사용자 입력을 수신한 경우, 동작 시나리오 정보(120)에 포함된 블루라이트 필터의 실행을 중지하는 세부 응답 동작과 디스플레이의 색온도를 조정하는 세부 응답 동작에서 디바이스(1000)는 블루라이트 필터의 실행을 중지하는 세부 응답 동작을 추천 동작으로 결정할 수 있다.
S450을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위해 결정된 추천 동작을 실행할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 블루라이트 필터의 실행을 중지하는 기능을 실행할 수 있다.
S470을 참조하면, 디바이스(1000)는 디바이스(1000)에게 발생된 문제가 해결되었는지 확인할 수 있다. 디바이스(1000)는 S450에서 추천 동작의 실행에 의해 디바이스(1000)에서 발생된 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력하고, 확인 메시지에 대한 사용자 입력을 수신할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 블루라이트 필터의 실행을 중지하는 기능을 실행함으로써 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력하고, 확인 메시지에 대한 사용자 입력을 수신할 수 있다.
S490을 참조하면, 디바이스(1000)는 디바이스(1000)에게 발생된 문제를 해결하기 위한 추가적인 추천 동작을 결정할 수 있다. 디바이스(1000)는 동작 시나리오 정보(120)에 기초하여 디바이스에서 발생된 문제를 해결하기 위한 추가적인 추천 동작을 결정할 수 있다. 디바이스(1000)는 동작 시나리오 정보(120)에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 추가적인 추천 동작을 결정할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 동작 시나리오 정보(120)에 포함된 실행 순서에 관한 정보에 기초하여 디바이스(1000)의 디스플레이의 색온도를 조정하는 세부 응답 동작을 추가적인 추천 동작으로 결정할 수 있다.
S491을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위해 결정된 추가적인 추천 동작을 실행할 수 있다. 구체적인 예를 들면, 디바이스(1000)는 디바이스(1000)의 디스플레이의 색온도를 조정하는 기능을 실행할 수 있다.
도 5는 일부 실시예에 따른 문제해결 여부에 따라 디바이스가 디바이스 사용 문의를 재분류하는 방법의 흐름도이다.
S530을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위한 추천 동작을 결정할 수 있다. 디바이스(1000)는 S430과 유사한 방법으로 디바이스(1000)에서 발생된 문제를 해결하기 위한 추천 동작을 결정할 수 있으므로, 중복되는 내용은 생략한다.
S550을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제를 해결하기 위해 결정된 추천 동작을 실행할 수 있다. 디바이스(1000)는 S450과 유사한 방법으로 디바이스(1000)에서 발생된 문제를 해결하기 위한 추천 동작을 실행할 수 있으므로, 중복되는 내용은 생략한다.
S570을 참조하면, 디바이스(1000)는 디바이스(1000)에서 발생된 문제가 해결되었는지 확인할 수 있다. 디바이스(1000)는 S470과 유사한 방법으로 디바이스(1000)에서 발생된 문제가 해결되었는지를 확인할 수 있으므로, 중복되는 내용은 생략한다.
S590을 참조하면, 디바이스(1000)는 디바이스(1000)에게 발생된 문제를 해결하기 위하여 디바이스 사용 문의를 재분류할 수 있다.
구체적인 예를 들면, 디바이스(1000)가 “Bluetooth 이어폰을 통해서 노래를 들을 수 없다”는 디바이스 사용 문의를 위한 사용자 입력을 수신한 경우, 디바이스(1000)는 디바이스 사용 문의를 Bluetooth 통신 모듈에서 발생된 문제에 관한 문의로 분류할 수 있다. 디바이스 사용 문의를 Bluetooth 통신 모듈에서 발생된 문제에 관한 문의로 분류한 결과에 대응하여 디바이스(1000)가 디바이스(1000)와 Bluetooth 이어폰의 통신을 연결하는 기능을 실행하였음에도 불구하고 문제를 해결하지 못한 경우, 디바이스(1000)는 디바이스 사용 문의를 음악 감상 기능의 문제에 관한 문의로 재분류할 수 있다.
디바이스(1000)는 S230과 유사한 방법으로 디바이스 사용 문의를 재분류할 수 있으므로, 중복되는 내용은 생략한다.
S591을 참조하면, 디바이스(1000)는 재분류한 결과에 기초하여 동작 시나리오 정보를 재추출할 수 있다.
구체적인 예를 들면, 디바이스(1000)는 디바이스 사용 문의를 음악 감상 기능의 문제에 관한 문의로 재분류한 결과에 기초하여 동작 시나리오 정보(120)를 재추출할 수 있다. 재추출된 동작 시나리오 정보(120)는 음악 파일의 정상인지 여부를 확인하는 세부 응답 동작 및 음악 재생 어플리케이션이 정상적으로 동작하는지 여부를 확인하는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 S250과 유사한 방법으로 디바이스 사용 문의에 대응하는 동작 시나리오 정보를 재추출할 수 있으므로, 중복되는 내용은 생략한다.
S592를 참조하면, 디바이스(1000)는 재추출된 동작 시나리오 정보에 기초하여 세부 응답 동작들을 실행할 수 있다. 디바이스(1000)는 재추출된 동작 시나리오 정보에 포함된 세부 응답 동작들에 관한 정보에 기초하여 세부 응답 동작들을 실행할 수 있다.
구체적인 예를 들면, 디바이스(1000)는 동작 시나리오 정보(120)에 포함된 음악 파일의 정상인지 여부를 확인하는 세부 응답 동작 및 음악 재생 어플리케이션이 정상적으로 동작하는지 여부를 확인하는 세부 응답 동작을 실행할 수 있다.
디바이스(1000)는 S270과 유사한 방법으로 재추출된 동작 시나리오 정보에 기초하여 세부 응답 동작들을 실행할 수 있으므로, 중복되는 내용은 생략한다.
도 6은 일부 실시예에 따른 디바이스 사용 문의를 분류한 카테고리를 나타내는 테이블을 도시한 도면이다.
도 6을 참조하면, 디바이스(1000)는 수신된 사용자 입력을 분석하여 디바이스 사용 문의를 분류할 수 있다. 디바이스(1000)는 디바이스 사용 문의를 복수의 카테고리로 분류할 수 있다. 복수의 카테고리 각각은 계층화될 수 있다. 즉, 복수의 카테고리 각각은 복수의 하위 카테고리로 재분류될 수 있다.
일 실시예에 따르면, 디바이스 사용 문의들은 디바이스를 사용하는 방법에 관한 문의와 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의를 포함하는 제1 카테고리로 분류될 수 있다.
일 실시예에 따르면, 디바이스에서 발생된 문제를 해결하는 방법에 관한 디바이스 사용 문의들은 디바이스가 실행하는 기능의 문제에 관련된 문의와 디바이스의 하드웨어 모듈에서 발생된 문제에 관련된 문의를 포함하는 제2 카테고리로 분류될 수 있다.
일 실시예에 따르면, 디바이스가 실행하는 기능의 문제에 관련된 문의는 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능의 문제를 포함하는 제3 카테고리로 분류될 수 있다.
일 실시예에 따르면, 디바이스의 하드웨어 모듈에서 발생된 문제에 관련된 문의는 배터리, 디스플레이, 전화 및 인터넷과 같은 통신 모듈, Bluetooth 통신 모듈, 볼륨 조절, 카메라, 생체 인식 등의 하드웨어 모듈에서 발생된 문제를 포함하는 제3 카테고리로 분류될 수 있다.
일 실시예에 따르면, 디바이스가 실행하는 기능을 사용하는 방법에 관한 문의는 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능을 포함하는 제3 카테고리로 분류될 수 있다.
일 실시예에 따르면, 디바이스 사용 문의가 분류된 카테고리들 각각은 적어도 하나의 동작 시나리오가 관련될 수 있다.
구체적인 예를 들면, “화면이 노래요”라는 디바이스 사용 문의는 제1 카테고리의 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의로 분류되고, 제2 카테고리의 디바이스의 하드웨어 모듈에 발생된 문제에 관한 문의로 분류되며, 제3 카테고리의 디스플레이 모듈에 발생된 문제에 관한 문의로 분류될 수 있다. 디스플레이 모듈에 발생된 문제로 분류된 카테고리는 블루라이트 필터의 실행을 중지하는 세부 응답 동작 및 디스플레이의 색온도를 조정하는 세부 응답 동작에 관한 정보를 포함하는 동작 시나리오가 관련될 수 있다.
하나의 카테고리가 복수의 동작 시나리오에 관련될 수 있으며, 복수의 카테고리가 동일한 동작 시나리오에 관련될 수 있다.
도 7은 일부 실시예에 따른 디바이스가 디바이스를 사용 하는 방법에 관한 문의에 대응하는 답변을 제공하는 예시를 나타내는 도면이다.
도 7을 참조하면, 디바이스(1000)는 “엄마에게 전화를 걸고 싶다”는 디바이스 사용 문의를 위한 사용자 입력을 수신할 수 있다. 디바이스(1000)는 텍스트, 음성, 이미지, 동영상 및 이들의 조합을 디바이스 사용 문의를 위한 사용자 입력으로써 수신할 수 있으나, 이에 한정되는 것은 아니다.
디바이스(1000)는 수신한 “엄마에게 전화를 걸고 싶다”는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 디바이스의 전화 걸기 기능을 사용하는 방법에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 답변을 제공하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보는 전화 어플리케이션에서 연락처를 선택하는 세부 응답 동작, 검색하는 세부 응답 동작, 검색 결과를 출력하는 세부 응답 동작 및 사용자 입력에 대응하여 전화를 거는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 추출된 동작 시나리오 정보에 기초하여, “전화 어플리케이션을 실행 > 연락처 > 엄마 검색 > 통화 순서로 실행하면 엄마에게 전화를 걸 수 있습니다.”는 답변 메시지를 텍스트로 출력할 수 있다. 디바이스(1000)는 답변 메시지를 음성으로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 전화 어플리케이션을 사용하는 방법이 기재된 사용자 매뉴얼의 일부를 이미지로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 전화 어플리케이션을 사용하는 방법에 관한 동영상을 출력할 수 있다.
도 8A 및 도 8B는 일부 실시예에 따른 디바이스가 디바이스를 사용하는 방법에 관한 문의에 대응하는 기능을 실행하는 예시를 나타내는 도면이다.
도 8A를 참조하면, 디바이스(1000)는 수신한 “엄마에게 전화를 걸고 싶다”는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 디바이스의 전화 걸기 기능을 사용하는 방법에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 디바이스 사용 문의에 대응하는 기능을 실행하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보는 사용자에게 확인 메시지를 출력하는 세부 응답 동작, 전화 어플리케이션을 실행하는 세부 응답 동작, 전화 어플리케이션에 포함된 연락처에서 검색을 실행하는 세부 응답 동작 및 검색 결과에서 전화를 거는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 디바이스를 사용하는 방법에 대한 문의에 대응하는 기능을 실행할 수 있다. 디바이스(1000)는 사용자 입력에 대응하여 “엄마에게 전화를 걸겠습니까” 라는 확인 메시지를 출력할 수 있다.
도 8B를 참조하면, 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 전화 어플리케이션을 실행할 수 있다. 디바이스(1000)는 실행된 전화 어플리케이션을 이용하여 엄마에게 전화를 거는 기능을 실행할 수 있다. 디바이스(1000)는 사용자 입력에 대응하는 확인 메시지를 출력하지 않고, 전화 어플리케이션을 실행함으로써 엄마에게 전화를 거는 기능을 실행할 수 있다.
도 9A 내지 도 9E는 일부 실시예에 따른 디바이스가 디바이스를 사용하는 방법에 관한 문의에 대응하는 조작 가이드를 제공하는 예시를 나타내는 도면이다.
도 9A를 참조하면, 디바이스(1000)는 수신한 “엄마에게 전화를 걸고 싶다”는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 디바이스의 전화 걸기 기능을 사용하는 방법에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 조작 가이드를 제공하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 전화 걸기 기능에 관련된 세부 응답 동작에 관한 정보는 사용자에게 확인메시지를 출력하는 세부 응답 동작, 전화 어플리케이션에서 연락처를 선택하는 세부 응답 동작, 검색하는 세부 응답 동작, 검색 결과를 출력하는 세부 응답 동작, 사용자 입력에 대응하여 전화를 거는 세부 응답 동작에 관한 정보 및 세부 응답 동작을 사용자가 실행할 수 있는 조작 가이드를 표시하는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 디바이스를 사용하는 방법에 대한 문의에 대응하는 조작 가이드를 제공할 수 있다. 디바이스(1000)는 사용자 입력에 대응하여 “엄마에게 전화를 걸겠습니까” 라는 확인 메시지를 출력할 수 있다. 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 사용자가 전화 어플리케이션을 실행하기 위한 조작 가이드를 제공할 수 있다. 디바이스(1000)는 사용자 입력에 대응하는 확인 메시지를 출력하지 않고, 전화 어플리케이션을 실행하기 위한 조작 가이드를 제공할 수 있다.
도 9B를 참조하면, 디바이스(1000)는 홈 화면에서 전화 어플리케이션을 선택하는 조작 가이드(951)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(951)에 대응하는 사용자 입력에 기초하여 전화 어플리케이션을 실행할 수 있다.
도 9C를 참조하면, 디바이스(1000)는 실행된 전화 어플리케이션에서 사용자가 엄마를 검색할 수 있도록, 검색 창을 알려주는 조작 가이드(953)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(953)에 대응하는 사용자 입력에 기초하여 엄마를 검색하는 기능을 실행할 수 있다.
도 9D를 참조하면, 디바이스(1000)는 엄마를 검색한 결과를 출력할 수 있다 디바이스(1000)는 사용자가 검색 결과로부터 엄마를 선택할 수 있도록 알려주는 조작 가이드(955)를 제공할 수 있다.
도 9E를 참조하면, 디바이스(1000)는 제공된 조작 가이드(955)에 대응하는 사용자 입력에 기초하여 엄마에게 전화를 거는 기능을 실행할 수 있다.
도 10은 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 답변을 제공하는 예시를 나타내는 도면이다.
도 10을 참조하면, 디바이스(1000)는 “노래 소리가 너무 작아요”라는 디바이스 사용 문의를 위한 사용자 입력을 수신할 수 있다.
사용자 입력은 텍스트, 음성, 이미지, 동영상 및 이들의 조합을 수신할 수 있으나, 이에 한정되는 것은 아니다. 디바이스(1000)는 사용자 입력부를 통해 텍스트를 수신할 수 있다. 디바이스(1000)는 보이스 어시스턴트 애플리케이션 (Voice Assistant Application)을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크를 통하여 입력되는 사용자의 음성 입력을 수신할 수 있다. 디바이스(1000)는 디바이스 사용 문의를 위한 사용자 입력으로 수신된 음성을 STT(Speech to Text) 변환함으로써 텍스트로 변환할 수 있다. 디바이스(1000)로 입력되는 이미지 파일은 디바이스(1000)에 발생된 문제가 표시된 것으로서, 카메라를 통해 촬영된 이미지나 디바이스(1000)에서 생성된 스크린 샷(screen shot)일 수 있다. 또 다른 예를 들면, 디바이스(1000)는 디바이스 사용 문의를 위한 사용자 입력으로 동영상 파일을 수신할 수 있다. 디바이스(1000)는 디바이스(1000)를 사용 문의에 관련된 동영상 파일을 나타내는 인터넷 주소를 사용자 입력으로 수신할 수 있다. 디바이스(1000)로 입력되는 동영상 파일은 디바이스(1000)에 발생된 문제가 표시된 것으로서, 카메라를 통해 촬영된 동영상 일 수 있다.
디바이스(1000)는 수신된 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 제1 카테고리의 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의로 분류하고, 제2 카테고리의 디바이스의 하드웨어 모듈에 발생된 문제에 관한 문의로 분류하며, 제3 카테고리의 볼륨 조절 모듈에 발생된 문제에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 답변을 제공하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보는 설정 어플리케이션에서 소리 및 진동 카테고리를 선택하는 세부 응답 동작, 소리 및 진동 카테고리에서 음량 카테고리를 선택하는 세부 응답 동작, 음량 카테고리에서 미디어 음량을 선택하는 세부 응답 동작 및 미디어 음량의 상태바를 조작함에 따라 미디어 음량이 조절되는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 추출된 동작 시나리오 정보에 기초하여, “앱스 > 설정 > 소리 및 진동 > 음량 > 미디어의 동그라미를 우측으로 이동시켜 주세요.”라는 답변 메시지를 텍스트로 출력할 수 있다. 디바이스(1000)는 답변 메시지를 음성으로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 설정 어플리케이션을 사용하는 방법이 기재된 사용자 매뉴얼의 일부를 이미지로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 전화 어플리케이션을 사용하는 방법에 관한 동영상을 출력할 수 있다.
도 11A 및 도 11B는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 기능을 실행하는 예시를 나타내는 도면이다.
도 11A를 참조하면, 디바이스(1000)는 수신한 “노래 소리가 너무 작아요”라는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 제1 카테고리의 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의로 분류하고, 제2 카테고리의 디바이스의 하드웨어 모듈에 발생된 문제에 관한 문의로 분류하며, 제3 카테고리의 볼륨 조절 모듈에 발생된 문제에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 기능을 실행하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보는 사용자에게 확인 메시지를 출력하는 세부 응답 동작, 설정 어플리케이션을 실행하는 세부 응답 동작, 설정 어플리케이션에 포함된 미디어 음량을 조절하는 기능을 실행하는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 디바이스에서 발생된 문제에 대한 문의에 대응하는 기능을 실행할 수 있다. 디바이스(1000)는 사용자 입력에 대응하여 “노래 소리를 키우시겠습니까” 라는 확인 메시지를 출력할 수 있다.
도 11B를 참조하면, 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 미디어 음량을 조절하는 기능을 실행할 수 있다. 디바이스(1000)는 사용자 입력에 대응하는 확인 메시지를 출력하지 않고, 미디어 음량을 조절하는 기능을 실행할 수 있다.
도 12A 내지 도 12F는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 조작 가이드를 제공하는 예시를 나타내는 도면이다.
도 12A를 참조하면, 디바이스(1000)는 수신한 “노래 소리가 너무 작아요”라는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 제1 카테고리의 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의로 분류하고, 제2 카테고리의 디바이스의 하드웨어 모듈에 발생된 문제에 관한 문의로 분류하며, 제3 카테고리의 볼륨 조절 모듈에 발생된 문제에 관한 문의로 분류할 수 있다.
디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 조작 가이드를 제공하기 위한 동작 시나리오 정보를 추출할 수 있다. 추출된 동작 시나리오 정보는 디바이스(1000)의 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보를 포함할 수 있다. 예를 들면, 볼륨 조절 모드에 관련된 세부 응답 동작에 관한 정보는 설정 어플리케이션에서 소리 및 진동 카테고리를 선택하는 세부 응답 동작, 소리 및 진동 카테고리에서 음량 카테고리를 선택하는 세부 응답 동작, 음량 카테고리에서 미디어 음량을 선택하는 세부 응답 동작, 미디어 음량의 상태바를 조작함에 따라 미디어 음량이 조절되는 세부 응답 동작에 관한 정보 및 세부 응답 동작을 사용자가 실행할 수 있는 조작 가이드를 표시하는 세부 응답 동작에 관한 정보를 포함할 수 있다.
디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 디바이스를 사용하는 방법에 대한 문의에 대응하는 조작 가이드를 제공할 수 있다. 디바이스(1000)는 사용자 입력에 대응하여 “노래 소리를 키우시겠습니까”라는 확인 메시지를 출력할 수 있다. 디바이스(1000)는 확인 메시지에 대한 사용자 입력에 기초하여 사용자가 미디어 음량을 조절하는 기능을 실행하기 위한 조작 가이드를 제공할 수 있다. 디바이스(1000)는 사용자 입력에 대응하는 확인 메시지를 출력하지 않고, 미디어 음량을 조절하는 기능을 실행하기 위한 조작 가이드를 제공할 수 있다.
도 12B를 참조하면, 디바이스(1000)는 홈 화면에서 설정 어플리케이션을 선택하기 위해 앱스(Apps)를 선택하는 조작 가이드(1211)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1211)에 대응하는 사용자 입력에 기초하여 어플리케이션 서랍(Application drawer)을 실행할 수 있다.
도 12C를 참조하면, 디바이스(1000)는 수신된 사용자 입력에 대응하여 설정 어플리케이션을 선택하는 조작 가이드(1213)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1213)에 대응하는 사용자 입력에 기초하여 설정 어플리케이션을 실행할 수 있다.
도 12D를 참조하면, 디바이스(1000)는 실행된 설정 어플리케이션에서 사용자가 소리 및 진동을 조절하는 카테고리를 선택할 수 있도록 알려주는 조작 가이드(1215)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1215)에 대응하는 사용자 입력에 기초하여 소리 및 진동을 조절하는 기능을 실행할 수 있다.
도 12E를 참조하면, 디바이스(1000)는 소리 및 진동을 조절하는 카테고리에서 사용자가 음량을 조절하는 카테고리를 선택할 수 있도록 알려주는 조작 가이드(1217)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1217)에 대응하는 사용자 입력에 기초하여 음량을 조절하는 기능을 실행할 수 있다.
도 12F를 참조하면, 디바이스(1000)는 음량을 조절하기 위한 상태 바들을 표시하는 기능을 실행할 수 있다. 디바이스(1000)는 음량을 조절하기 위한 복수의 상태 바들 중 미디어의 음량을 조절하는 상태 바를 사용자가 조절할 수 있도록 알려주는 조작 가이드(1219)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1219)에 대응하는 사용자 입력에 대응하여 미디어의 음량을 조절하는 기능을 실행할 수 있다.
도 13A 및 도 13B는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 답변을 순차적으로 제공하는 예시를 나타내는 도면이다.
도 13A 및 도 13B를 참조하면, 디바이스(1000)는 수신한 “화면이 노래요”라는 디바이스 사용 문의를 위한 사용자 입력을 학습 모델에 입력함으로써, 디바이스 사용 문의를 제1 카테고리의 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의로 분류하고, 제2 카테고리의 디바이스의 하드웨어 모듈에 발생된 문제에 관한 문의로 분류하며, 제3 카테고리의 디스플레이 모듈에 발생된 문제에 관한 문의로 분류할 수 있다. 디바이스(1000)는 디바이스 사용 문의의 분류 결과에 기초하여 답변을 제공하기 위한 동작 시나리오 정보를 추출할 수 있다.
추출된 동작 시나리오 정보(120)는 블루라이트 필터의 실행을 중지하기 위한 세부 응답 동작 및 디바이스(1000)의 디스플레이의 색온도를 조정하는 세부 응답 동작에 관한 정보가 포함될 수 있다. 또한, 추출된 동작 시나리오 정보(120)는 블루라이트 필터의 실행을 중지하기 위한 세부 응답 동작과 디바이스(1000)의 디스플레이의 색온도를 조정하는 세부 응답 동작의 실행 순서에 관한 정보가 포함될 수 있다.
디바이스(1000)는 블루라이트 필터의 실행을 중지하는 세부 응답 동작을 추천 동작으로 결정하고, 실행할 수 있다.
디바이스(1000)는 추출된 동작 시나리오 정보에 포함된 세부 응답 정보에 관한 정보 및 세부 응답 정보의 순서에 관한 정보에 기초하여 디바이스(1000)의 디스플레이 모듈에 발생된 문제에 관한 문의에 대응하는 답변을 순차적으로 제공할 수 있다. 디바이스(1000)는 “블루라이트 필터를 켰나요 앱스 > 설정 > 디스플레이 > 블루라이트 필터 에서 확인하실 수 있습니다.” 라는 답변 메시지를 텍스트로 출력할 수 있다. 디바이스(1000)는 답변 메시지를 음성으로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 블루라이트 필터의 실행을 중지하는 방법이 기재된 사용자 매뉴얼의 일부를 이미지로 출력할 수 있다. 디바이스(1000)는 수신된 사용자 입력에 대응하여 블루라이트 필터의 실행을 중지하는 방법에 관한 동영상을 출력할 수 있다.
디바이스(1000)는 답변 메시지에 대한 사용자의 입력에 기초하여 “블루라이트 필터를 꺼주세요”라는 추가 답변 메시지를 출력할 수 있다. 디바이스(1000)는 추가 답변 메시지에 대한 사용자의 입력에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 13B를 참조하면, 디바이스(1000)는 확인 메시지에 대한 사용자의 입력에 기초하여 "색상 최적화에서 화면 색상을 조절하셨나요 앱스 > 설정 > 디스플레이 > 화면 모드 > 색상 최적화에서 확인하실 수 있습니다." 라는 추가 답변 메시지를 출력할 수 있다. 디바이스(1000)는 추가 답변 메시지에 대한 사용자의 입력에 기초하여 “전제 화면 색상 최적화에서 화면 색상을 차가운 색상으로 조절해주세요.”라는 추가 답변 메시지를 출력할 수 있다. 디바이스(1000)는 추가 답변 메시지를 텍스트 또는 음성으로 출력할 수 있다. 디바이스(1000)는 화면 색상을 차가운 색상으로 조절하는 방법이 기재된 사용자 매뉴얼의 일부를 이미지로 출력할 수 있다. 디바이스(1000)는 화면 색상을 차가운 색상으로 조절하는 방법에 관한 동영상을 출력할 수 있다.
디바이스(1000)는 추가 답변 메시지에 대한 사용자의 입력에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 14A 내지 도 14E는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 기능을 순차적으로 실행하는 예시를 나타내는 도면이다.
도 14A를 참조하면, 디바이스(1000)는 디스플레이 모듈에 발생된 문제에 관한 문의로 분류한 결과에 기초하여 디바이스에서 발생된 문제에 대응하는 기능을 실행하기 위한 동작 시나리오 정보를 추출할 수 있다. 디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 디바이스에서 발생된 문제에 대응하는 기능을 실행할 수 있다.
도 14B를 참조하면, 디바이스(1000)는 사용자 입력에 대응하여 블루라이트 필터의 실행을 중지(1411)하는 기능을 실행할 수 있다.
도 14C를 참조하면, 디바이스(1000)는 블루라이트 필터의 실행을 중지(1411)하는 기능의 실행에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 14D를 참조하면, 디바이스(1000)는 확인 메시지에 대한 사용자의 입력에 기초하여 전제 화면 색상 최적화에서 화면 색상을 차가운 색상으로 조절(1413)하는 기능을 실행할 수 있다.
도 14E를 참조하면, 디바이스(1000)는 화면 색상을 차가운 색상으로 조절(1413)하는 기능의 실행에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 15A 내지 도 15J는 일부 실시예에 따른 디바이스가 디바이스에서 발생된 문제에 관한 문의에 대응하는 조작 가이드를 순차적으로 제공하는 예시를 나타내는 도면이다.
도 15A를 참조하면, 디바이스(1000)는 디스플레이 모듈에 발생된 문제에 관한 문의로 분류한 결과에 기초하여 조작 가이드를 제공하기 위한 동작 시나리오 정보를 추출할 수 있다. 디바이스(1000)는 동작 시나리오 정보에 포함된 세부 응답 동작에 관한 정보에 기초하여 사용자가 디바이스에서 발생된 문제에 대응하는 기능을 실행하기 위한 조작 가이드를 제공할 수 있다.
도 15B를 참조하면, 디바이스(1000)는 홈 화면에서 설정 어플리케이션을 선택하기 위해 앱스(Apps)를 선택하는 조작 가이드(1511)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1511)에 대응하는 사용자 입력에 기초하여 어플리케이션 서랍(Application Drawer)을 실행할 수 있다.
도 15C를 참조하면, 디바이스(1000)는 수신된 사용자 입력에 대응하여 설정 어플리케이션을 선택하는 조작 가이드(1512)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1512)에 대응하는 사용자 입력에 기초하여 설정 어플리케이션을 실행할 수 있다.
도 15D를 참조하면, 디바이스(1000)는 실행된 설정 어플리케이션에서 사용자가 디스플레이를 조절하는 카테고리를 선택할 수 있도록 알려주는 조작 가이드(1513)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1513)에 대응하는 사용자 입력에 기초하여 디스플레이를 조절하는 기능을 실행할 수 있다.
도 15E를 참조하면, 디바이스(1000)는 디스플레이를 조절하는 카테고리에서 사용자가 블루라이트 필터의 실행을 중지하는 기능을 알려주는 조작 가이드(1514)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1514)에 대응하는 사용자 입력에 기초하여 블루라이트 필터의 실행을 중지하는 기능을 실행할 수 있다.
도 15F를 참조하면, 디바이스(1000)는 블루라이트 필터의 실행을 중지하는 기능의 실행에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 15G를 참조하면, 디바이스(1000)는 디스플레이를 조절하는 카테고리에서 사용자가 화면 최적화를 하는 카테고리를 선택할 수 있도록 알려주는 조작 가이드(1515)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1515)에 대응하는 사용자 입력에 기초하여 화면 최적화를 하는 기능을 실행할 수 있다.
도 15H를 참조하면, 디바이스(1000)는 화면 최적화를 하는 카테고리에서 사용자가 색상 최적화를 하는 기능을 선택할 수 있도록 알려주는 조작 가이드(1516)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1516)에 대응하는 사용자 입력에 기초하여 색상 최적화를 하는 기능을 실행할 수 있다.
도 15I를 참조하면, 디바이스(1000)는 색상 최적화하는 기능에서 사용자가 화면 색상을 차가운 색상으로 조절하는 기능을 알려주는 조작 가이드(1517)를 제공할 수 있다. 디바이스(1000)는 제공된 조작 가이드(1517)에 대응하는 사용자 입력에 기초하여 화면 색상을 차가운 색상으로 조절하는 기능을 실행할 수 있다.
도 15J를 참조하면, 디바이스(1000)는 화면 색상을 차가운 색상으로 조절하는 기능의 실행에 기초하여 문제가 해결되었는지 여부를 확인하기 위한 “문제가 해결되셨나요”라는 확인 메시지를 출력할 수 있다.
도 16은 일부 실시예에 따른 디바이스(1000)가 서버(2000)와 연동함으로써, 디바이스 사용 문의에 관한 사용자 입력에 대한 응답 동작을 제공하는 예시를 나타내는 도면이다.
도 16을 참조하면, 디바이스(1000)는 서버(2000)와 네트워크를 통하여 연결될 수 있으며, 서버(2000)에 의해 기 설정된 기준에 따라 학습된 데이터를 이용하여 사용자의 음성 입력에 대한 답변 메시지를 제공할 수 있다.
이 경우, 서버(2000)는, 도 1 내지 도 15J에서 디바이스(1000)가 수행하는 기능인, 디바이스 사용 문의에 관련된 사용자의 의도에 부합되도록 디바이스 사용 문의를 분류하는 기능, 분류 결과에 대응되는 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하는 기능, 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하는 기능 중 적어도 하나를 수행할 수 있다.
이 경우, 디바이스(1000) 및 서버(2000)는 각자 자신이 맡은 기능을 수행하기 위하여, 서로 필요한 데이터를 송수신할 수 있다. 예를 들어, 디바이스(1000)는 서버(2000)가 수행하는 소정 기능에 필요한 데이터를 서버(2000)에게 제공할 수 있으며, 디바이스(1000)는 서버(2000)로부터 서버(2000)에 의해 수행된 기능에 따라 생성되는 결과 데이터를 수신할 수 있다. 또한, 서버(2000)는 디바이스(1000)가 수행하는 소정 기능에 필요한 데이터를 디바이스(1000)에게 제공할 수 있으며, 서버(2000)는 디바이스(1000)로부터 디바이스(1000)에 의해 수행된 기능에 따라 생성되는 결과 데이터를 수신할 수 있다.
또한, 서버(2000)는 디바이스 사용 문의를 분류하는데 필요한 데이터, 분류 결과에 대응되는 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하기 위하여 필요한 데이터, 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하기 위하여 필요한 데이터 중 적어도 하나를 관리할 수 있다.
도 17 및 도 18은 일부 실시예에 따른 디바이스(1000)의 블록도이다.
도 17에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 및 통신부(1500)를 포함할 수 있다. 그러나, 도 17에 도시된 구성 요소 모두가 디바이스(1000)의 필수 구성 요소인 것은 아니다. 도 17에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있고, 도 17에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있다.
예를 들어, 도 18에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 및 통신부(1500) 이외에 센싱부(1400), A/V 입력부(1600), 및 메모리(1700)를 더 포함할 수도 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, 사용자 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 사용자 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, 사용자 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 사용자 인터페이스를 디스플레이할 수 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.
프로세서(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 16에 기재된 디바이스(1000)의 기능을 수행할 수 있다.
구체적으로, 프로세서(1300)는 사용자의 텍스트, 이미지 및 동영상 입력을 수신하도록 사용자 입력부(1100)를 제어할 수 있다. 프로세서(1300)는 사용자의 음성 입력을 수신하도록 마이크로폰(1620)을 제어할 수 있다. 프로세서(1300)는 사용자 입력에 기초하여 디바이스(1000)의 동작을 수행하는 애플리케이션을 실행할 수 있으며, 실행된 애플리케이션을 통하여 사용자 입력을 수신하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는, 보이스 어시스턴트 애플리케이션 (Voice Assistant Application)을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크로폰(1620)을 통하여 사용자의 음성 입력을 수신하도록 제어할 수 있다.
프로세서(1300)는 수신한 디바이스 사용 문의를 위한 사용자 입력을 학습 모델을 이용하여 디바이스 사용 문의를 분류할 수 있다. 프로세서(1300)는 수신한 디바이스 사용 문의를 위한 사용자 입력을 기 생성된 학습 모델에 입력함으로써, 디바이스 사용 문의를 분류할 수 있다. 예를 들면, 프로세서(1300)는 사용자 입력을 기 생성된 학습 모델에 입력함으로써, 디바이스 사용 문의가 디바이스를 사용하는 방법에 관한 문의에 해당하는지 또는 디바이스에서 발생된 문제를 해결하는 방법에 관한 문의에 해당하는지에 관련된 디바이스 사용 문의를 분류할 수 있다. 구체적으로, 프로세서(1300)는 디바이스 사용 문의가 디바이스(1000)가 실행하는 기능들 중 어떤 기능을 사용하는 방법에 관련된 문의에 해당하는지에 따라 디바이스 사용 문의를 분류할 수 있다. 프로세서(1300)는 디바이스 사용 문의가 디바이스(1000)가 실행하는 기능들 중 어떤 기능에 발생된 문제에 해당하는지에 따라 디바이스 사용 문의를 분류할 수 있다. 프로세서(1300)는 디바이스 사용 문의가 디바이스(1000)의 하드웨어 모듈 중 어떤 모듈에 발생된 문제에 해당하는지에 따라 디바이스 사용 문의를 분류할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 획득된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디아비스(1000) 사용 이력 정보 중 적어도 하나를 이용하여 사용자 입력을 분석함으로써, 디바이스 사용 문의를 분류할 수 있다.
프로세서(1300)는 수신된 디바이스 사용 문의를 위한 사용자 입력에 대응하는 세부 응답 동작들을 디바이스(1000)가 실행하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 추출된 동작 시나리오 정보에 기초하여 세부 응답 동작들을 디바이스(1000)가 실행하도록 제어할 수 있다. 프로세서(1300)는 추출된 동작 시나리오 정보에 포함된 세부 응답 동작들에 관한 정보 및 세부 응답 동작들의 실행 순서에 관한 정보 중 적어도 하나에 기초하여 세부 응답 동작들을 디바이스(1000)가 실행하도록 제어할 수 있다.
프로세서(1300)는 세부 응답 동작으로써 디바이스(1000)가 답변을 제공하도록 제어할 수 있다. 프로세서(1300)는 세부 응답 동작으로써 디바이스(1000)가 디바이스(1000)의 기능을 실행하도록 제어할 수 있다. 프로세서(1300)는 세부 응답 동작으로써 디바이스(1000)의 기능을 실행하기 위한 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스 사용 문의에 대응하는 답변 메시지를 디스플레이부(1210)가 텍스트로 출력하도록 제어할 수 있다. 다른 예를 들면, 프로세서(1300)는 디바이스 사용 문의에 대응하는 답변을 디스플레이부(1210)가 이미지 또는 동영상으로 출력하도록 제어할 수 있다. 또 다른 예를 들면, 프로세서(1300)는 디바이스 사용 문의에 대응하는 답변을 음향출력부(1220)가 음향으로 출력하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)가 실행하는 기능에 발생된 문제에 관한 문의에 대하여 문제를 해결하기 위한 기능을 디바이스(1000)가 실행하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 디바이스(1000)가 실행하는 기능인 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능에 발생된 문제에 관한 문의에 대해서, 디바이스가 실행하는 기능에 관련된 프로세스를 종료하고, 문제가 발생된 기능을 디바이스(1000)가 재실행하도록 제어 할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)의 하드웨어 모듈에 발생된 문제에 관한 문의에 대하여 문제를 해결하기 위한 기능을 디바이스(1000)가 실행하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 배터리, 디스플레이, 전화, 인터넷, Bluetooth 와 같은 통신 모듈, 볼륨조절, 카메라, 생체인식 센서와 같은 디바이스의 하드웨어 모듈에서 발생된 문제를 해결하기 위한 기능을 디바이스(1000)가 실행하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)가 실행하는 기능의 사용 방법에 관한 문의에 대하여 사용자가 해당 기능을 실행할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 디바이스(1000)가 실행하는 기능인 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능을 사용자가 이용할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)가 실행하는 기능에 발생된 문제에 관한 문의에 대하여 세부 응답 동작으로써 사용자가 해당 문제를 해결하기 위한 기능을 실행할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 디바이스가 실행하는 기능인 전화 걸기, 문자 보내기, 파일을 전송하기, 사진 및 동영상을 촬영하기, 사진 및 동영상을 감상하기, 음악 감상하기, 검색하기, 주변기기 연결하기, 송금하기와 같은 기능에 발생된 문제에 관한 문의에 대해서, 사용자가 해당 문제를 해결하기 위한 기능을 이용할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)의 하드웨어 모듈에 발생된 문제에 관한 문의에 대하여 사용자가 해당 문제를 해결하기 위한 기능을 이용할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 배터리, 디스플레이, 전화, 인터넷, Bluetooth 와 같은 통신 모듈, 볼륨조절, 카메라, 생체인식 센서와 같은 디바이스의 하드웨어 모듈에서 발생된 문제를 해결하기 위한 기능을 사용자가 이용할 수 있도록 조작 가이드를 디스플레이부(1210)가 출력하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 추출된 동작 시나리오 정보에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 사용자 입력에 대응하는 세부 응답 동작들을 디바이스(1000)가 순차적으로 실행하도록 제어할 수 있다.
일 실시예에 따르면, 프로세서(1300)는 디바이스(1000)에 발생된 문제가 해결되었는지를 확인하기 위한 확인 메시지를 디스플레이부(1210)에 출력하도록 제어할 수 있다. 프로세서(1300)는 사용자 입력부(1100)를 통해 확인 메시지에 대한 사용자 입력을 수신하도록 제어할 수 있다. 프로세서(1300)는 확인 메시지에 대한 사용자 입력에 기초하여 문제를 해결하기 위한 추가적인 추천 동작을 결정할 수 있다. 프로세서(1300)는 결정된 추가적인 추천 동작에 대응하는 세부 응답 동작을 디바이스(1000)가 실행하도록 제어할 수 있다. 예를 들면, 프로세서(1300)는 동작 시나리오 정보에 포함된 세부 응답 동작들의 실행 순서에 관한 정보에 기초하여 미 실행된 세부 응답 동작을 디바이스(1000)가 실행하도록 제어할 수 있다.
또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용하여, 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있으며, 이에 관하여는 도 20 내지 도 23에서 보다 상세히 설명하기로 한다.
또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용함으로써, 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 효율적으로 학습할 수 있으며, 학습된 결과에 따라 사용자의 의도에 부합하는 서비스를 사용자에게 제공할 수 있게 된다.
센싱부(1400)는, 디바이스(1000)의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 사용자의 상태 정보 및 사용자의 디바이스 사용 이력 정보 중 일부를 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.
통신부(1500)는, 디바이스(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 디바이스(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 통신부(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.
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.
또한, 통신부(1500)는, 사용자의 음성 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 필요한 정보를, 다른 장치(미도시) 및 서버(2000)와 송수신할 수 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 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. 카메라(1610)에 의해 촬영된 이미지는 사용자의 컨텍스트 정보로 활용될 수 있다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 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.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.
UI 모듈(1710)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
알림 모듈(1730)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(1730)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.
도 19는 일부 실시예에 따른 서버(2000)의 블록도이다.
도 19를 참조하면, 일부 실시예에 따른 서버(2000)는 통신부(2500), DB(2700) 및 프로세서(2300)를 포함할 수 있다.
통신부(2500)는 디바이스(1000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다.
DB(2700)는 차량 번호 기반의 결제를 인증하기 위한 데이터를 저장할 수 있다.
프로세서(2300)는 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2700)에 저장된 프로그램들을 실행함으로써, DB(2700) 및 통신부(2500) 등을 전반적으로 제어할 수 있다. 프로세서(2300)는 DB(2700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 15J에서의 디바이스(1000)의 동작의 일부를 수행할 수 있다.
프로세서(2300)는, 도 1 내지 도 15J에서 디바이스(1000)가 수행하는 기능인, 디바이스 사용 문의를 분류하는 기능, 분류 결과에 대응되는 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하는 기능, 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하는 기능 중 적어도 하나를 수행할 수 있다.
또한, 프로세서(2300)는 디바이스 사용 문의를 분류하는데 필요한 데이터, 분류 결과에 대응되는 응답 동작을 제공하기 위한 동작 시나리오 정보를 추출하기 위하여 필요한 데이터, 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하기 위하여 필요한 데이터 중 적어도 하나를 관리할 수 있다.
도 20은 일부 실시예에 따른 프로세서(1300)의 블록도이다.
도 20을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위하여 어떤 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는 디바이스 사용 문의를 어떻게 분류하고, 분류 결과에 대응하는 응답 동작을 어떻게 제공하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 학습할 수 있다.
데이터 인식부(1320)는 데이터에 기초하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 데이터 인식부(1320)는 이를 이용함으로써, 소정의 데이터에 기초하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 21은 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.
도 21을 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.
데이터 획득부(1310-1)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하는데 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는, 예를 들어, 소정의 디바이스 사용 문의를 위한 사용자 입력, 소정의 디바이스 사용 문의의 분류 결과, 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보를 획득할 수 있다.
전처리부(1310-2)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
모델 학습부(1310-4)는 학습 데이터에 기초하여 디바이스 사용 문의를 어떻게 분류하며, 분류 결과에 대응하는 응답 동작을 어떻게 제공할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.
또한, 모델 학습부(1310-4)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공에 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 데이터 등)을 입력 받아 미리 구축된 모델일 수 있다.
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
프로세서(1300)는 다양한 데이터 인식 모델을 이용할 수 있으며, 데이터 인식 모델을 통해 다양한 방법으로 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 효율적으로 학습할 수 있다.
도 22는 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.
도 22를 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.
데이터 획득부(1320-1)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위해 획득된 데이터를 획득할 수 있으며, 전처리부(1320-2)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위해 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. 예를 들어, 데이터 획득부(1320-1)는 디바이스(1000)에 입력되는 사용자의 음성을 획득할 수 있다. 또한, 데이터 획득부(1320-1)는 디바이스(1000)에서 생성되거나 외부 장치로부터 수신된 디바이스(1000)의 사양 정보, 디바이스(1000)의 상태 정보, 디바이스(1000)를 사용하는 사용자의 상태 정보 및 사용자의 디바이스(1000) 사용 이력 정보 중 적어도 하나를 획득할 수 있다.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작의 제공을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공 할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.
모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
또한, 디바이스(1000)는 학습된 결과가 적용된 데이터 인식 모델을 이용하여 사용자의 의도에 부합하는 서비스를 사용자에게 제공할 수 있게 된다.
도 23은 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 23을 참조하면, 서버(2000)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(2000)에 의한 학습 결과에 기초하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하는 것을 판단할 수 있다.
이 경우, 서버(2000)의 모델 학습부(2340)는 도 21에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위하여 어떤 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 서버의 모델 학습부(2340)는 데이터를 이용하여 디바이스 사용 문의를 어떻게 분류하며, 분류 결과에 대응하는 응답 동작을 어떻게 제공 할 지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하기 위한 기준을 학습할 수 있다.
또한, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공 할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공하는 방법에 관한 정보를 서버(2000)로부터 수신할 수 있다.
또는, 디바이스(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 디바이스 사용 문의를 분류하고, 분류 결과에 대응하는 응답 동작을 제공할 수 있다.
또한, 디바이스(1000) 및 서버(2000)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.
일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (20)

  1. 적어도 하나의 프로그램이 저장되는 메모리;
    디바이스 사용 문의를 위한 사용자 입력을 수신하는 하는 사용자 입력부; 및
    상기 적어도 하나의 프로그램을 실행함으로써 상기 디바이스 사용 문의에 대응하는 응답 동작을 제공하도록 하는 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 디바이스 사용 문의를 위한 제1 사용자 입력을 수신하는 단계;
    상기 제1 사용자 입력을 기 생성된 학습 모델에 적용하는 단계;
    상기 학습 모델을 이용하여 상기 수신된 제1 사용자 입력을 분석함으로써, 상기 디바이스 사용 문의를 분류하는 단계;
    상기 분류 결과에 기초하여, 상기 제1 사용자 입력에 대응되는 상기 디바이스의 기 설정된 응답 동작을 제공하기 위한 제1 동작 시나리오 정보를 추출하는 단계;
    상기 제1 동작 시나리오 정보에 기초하여, 상기 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하는 단계;
    상기 추천 동작을 제안하는 제1 제안 메시지를 출력하는 단계;
    상기 추천 동작을 수행하기 위한 제2 사용자 입력을 수신하는 단계;
    상기 제2 사용자 입력에 기초하여, 상기 디바이스에서 발생된 문제가 해결되었는지를 판단하는 단계;
    상기 문제가 해결되었는지를 판단한 결과에 기초하여, 상기 학습 모델을 이용하여 상기 디바이스 사용 문의를 재분류 하는 단계;
    상기 재분류 결과에 기초하여, 제2 동작 시나리오 정보를 추출하는 단계;
    상기 제2 동작 시나리오 정보에 기초하여, 상기 문제를 해결하기 위한 추가적인 추천 동작을 결정하는 단계;
    상기 결정된 추가적인 추천 동작을 제안하는 제2 제안 메시지를 출력하는 단계;를 실행하는 명령어들을 포함하는,
    디바이스.
  2. 제1 항에 있어서,
    상기 동작 시나리오를 추출하는 단계는
    상기 디바이스의 사양 정보 및 상기 디바이스의 상태 정보를 추출하는 단계; 및
    상기 추출된 디바이스의 사양 정보 및 상기 추출된 디바이스의 상태 정보에 기초하여 상기 동작 시나리오를 추출하는 단계를 포함하는,
    디바이스.
  3. 제 1 항에 있어서,
    상기 추출된 동작 시나리오 정보는, 디바이스의 세부 응답 동작들의 실행 순서에 관한 정보를 포함하며,
    상기 추천 동작은,
    상기 실행 순서에 기초하여, 상기 세부 응답 동작들로부터 결정된 것인,
    디바이스.
  4. 제 1 항에 있어서,
    상기 제1 제안 메시지를 출력하는 단계는,
    상기 추천 동작에 대응하는 상기 디바이스의 제1 조작 가이드를 출력하는 단계를 포함하고,
    상기 제2 사용자 입력을 수신하는 단계는,
    상기 디바이스의 제1 조작 가이드에 대응하는 상기 제2 사용자 입력을 수신하는 단계; 및
    상기 제2 사용자 입력이 수신됨에 따라, 상기 추천 동작을 실행하는 단계를 포함하는,
    디바이스.
  5. 제 1 항에 있어서,
    상기 제2 제안 메시지를 출력하는 단계는,
    상기 추가적인 추천 동작에 대응하는 상기 디바이스의 제2 조작 가이드를 출력하는 단계;
    상기 제2 조작 가이드에 대응하는 제3 사용자 입력을 수신하는 단계; 및
    상기 제3 사용자 입력이 수신됨에 따라, 상기 추가적인 추천 동작을 실행하는 단계를 포함하는,
    디바이스.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 문제가 해결되었는지를 판단하는 단계는,
    상기 제2 사용자 입력에 의해서 상기 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력하는 단계;
    상기 확인 메시지에 대한 제4 사용자 입력을 수신하는 단계; 및
    상기 제4 사용자 입력에 기초하여, 상기 문제가 해결되었는지를 판단하는 단계를 포함하는,
    디바이스.
  8. 삭제
  9. 삭제
  10. 삭제
  11. 디바이스 사용 문의에 대응하는 응답 동작을 제공하는 디바이스를 제어하는 방법에 있어서,
    디바이스 사용 문의를 위한 제1 사용자 입력을 수신하는 하는 단계;
    상기 제1 사용자 입력을 기 생성된 학습 모델에 적용하는 단계;
    상기 학습 모델을 이용하여 상기 수신된 제1 사용자 입력을 분석함으로써, 상기 디바이스 사용 문의를 분류하는 단계;
    상기 분류 결과에 기초하여, 상기 제1 사용자 입력에 대응되는 상기 디바이스의 기 설정된 응답 동작을 제공하기 위한 제1 동작 시나리오 정보를 추출하는 단계;
    상기 제1 동작 시나리오 정보에 기초하여, 상기 디바이스에서 발생된 문제를 해결하기 위한 추천 동작을 결정하는 단계;
    상기 추천 동작을 제안하는 제1 제안 메시지를 출력하는 단계;
    상기 추천 동작을 수행하기 위한 제2 사용자 입력을 수신하는 단계;
    상기 제2 사용자 입력에 기초하여, 상기 디바이스에서 발생된 문제가 해결되었는지를 판단하는 단계;
    상기 문제가 해결되었는지를 판단한 결과에 기초하여, 상기 학습 모델을 이용하여 상기 디바이스 사용 문의를 재분류 하는 단계;
    상기 재분류 결과에 기초하여, 제2 동작 시나리오 정보를 추출하는 단계;
    상기 제2 동작 시나리오 정보에 기초하여, 상기 문제를 해결하기 위한 추가적인 추천 동작을 결정하는 단계;
    상기 결정된 추가적인 추천 동작을 제안하는 제2 제안 메시지를 출력하는 단계;를 포함하는,
    제어방법.
  12. 제11 항에 있어서,
    상기 동작 시나리오를 추출하는 단계는
    상기 디바이스의 사양 정보 및 상기 디바이스의 상태 정보를 추출하는 단계; 및
    상기 추출된 디바이스의 사양 정보 및 상기 추출된 디바이스의 상태 정보에 기초하여 상기 동작 시나리오를 추출하는 단계를 포함하는,
    제어방법.
  13. 제 11 항에 있어서,
    상기 추출된 동작 시나리오 정보는, 디바이스의 세부 응답 동작들의 실행 순서에 관한 정보를 포함하며,
    상기 추천 동작은,
    상기 실행 순서에 기초하여, 상기 세부 응답 동작들로부터 결정된 것인,
    제어방법.
  14. 제 11 항에 있어서,
    상기 제1 제안 메시지를 출력하는 단계는,
    상기 추천 동작에 대응하는 상기 디바이스의 제1 조작 가이드를 출력하는 단계를 포함하고,
    상기 제2 사용자 입력을 수신하는 단계는,
    상기 디바이스의 제1 조작 가이드에 대응하는 상기 제2 사용자 입력을 수신하는 단계; 및
    상기 제2 사용자 입력이 수신됨에 따라, 상기 추천 동작을 실행하는 단계를 포함하는,
    제어방법.
  15. 제 11 항에 있어서,
    상기 제2 제안 메시지를 출력하는 단계는,
    상기 추가적인 추천 동작에 대응하는 상기 디바이스의 제2 조작 가이드를 출력하는 단계;
    상기 제2 조작 가이드에 대응하는 제3 사용자 입력을 수신하는 단계; 및
    상기 제3 사용자 입력이 수신됨에 따라, 상기 추가적인 추천 동작을 실행하는 단계를 포함하는,
    제어방법.
  16. 삭제
  17. 제 11 항에 있어서,
    상기 문제가 해결되었는지를 판단하는 단계는,
    상기 제2 사용자 입력에 의해서 상기 문제가 해결되었는지를 확인하기 위한 확인 메시지를 출력하는 단계;
    상기 확인 메시지에 대한 제4 사용자 입력을 수신하는 단계; 및
    상기 제4 사용자 입력에 기초하여, 상기 문제가 해결되었는지를 판단하는 단계를 포함하는,
    제어방법.
  18. 삭제
  19. 삭제
  20. 삭제
KR1020170120511A 2017-09-19 2017-09-19 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법 KR102423754B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020170120511A KR102423754B1 (ko) 2017-09-19 2017-09-19 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법
EP18859583.9A EP3635545B1 (en) 2017-09-19 2018-09-13 Device and method for providing response to device usage inquiry
CN201880060228.6A CN111095208B (zh) 2017-09-19 2018-09-13 用于提供对设备使用询问的响应的设备和方法
PCT/KR2018/010748 WO2019059579A1 (en) 2017-09-19 2018-09-13 DEVICE AND METHOD FOR PROVIDING AN ANSWER TO A DEVICE USE INTERROGATION
US16/131,738 US11249871B2 (en) 2017-09-19 2018-09-14 Device and method for providing response to device usage inquiry

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170120511A KR102423754B1 (ko) 2017-09-19 2017-09-19 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법

Publications (2)

Publication Number Publication Date
KR20190032051A KR20190032051A (ko) 2019-03-27
KR102423754B1 true KR102423754B1 (ko) 2022-07-21

Family

ID=65720282

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170120511A KR102423754B1 (ko) 2017-09-19 2017-09-19 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법

Country Status (5)

Country Link
US (1) US11249871B2 (ko)
EP (1) EP3635545B1 (ko)
KR (1) KR102423754B1 (ko)
CN (1) CN111095208B (ko)
WO (1) WO2019059579A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190099169A (ko) * 2019-08-06 2019-08-26 엘지전자 주식회사 인공지능 기반의 기상 및 취침 시간 정보 제공 장치 및 방법
CN111144571B (zh) * 2019-12-20 2023-09-05 深圳市金溢科技股份有限公司 一种深度学习推理运算方法及中间件
CN112147910B (zh) * 2020-09-14 2023-02-03 青岛海尔科技有限公司 执行能力的确定方法、装置、存储介质及电子装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150026146A1 (en) 2013-07-17 2015-01-22 Daniel Ivan Mance System and method for applying a set of actions to one or more objects and interacting with the results
US20150099494A1 (en) 2012-10-16 2015-04-09 Carrier Iq, Inc Closed-loop Self-care Apparatus and Messaging System for Customer Care of Wireless Services
US20160019805A1 (en) 2013-03-15 2016-01-21 International Business Machines Corporation Learning Model for Dynamic Component Utilization in a Question Answering System

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070094224A1 (en) * 1998-05-28 2007-04-26 Lawrence Au Method and system for determining contextual meaning for network search applications
US7406098B2 (en) 1999-01-13 2008-07-29 Qualcomm Incorporated Resource allocation in a communication system supporting application flows having quality of service requirements
US7831688B2 (en) * 2000-06-06 2010-11-09 Adobe Systems Incorporated Method and system for providing electronic user assistance
US7711779B2 (en) * 2003-06-20 2010-05-04 Microsoft Corporation Prevention of outgoing spam
KR100680191B1 (ko) 2003-09-05 2007-02-08 삼성전자주식회사 감정 있는 에이전트를 갖는 사전 행동적 사용자 인터페이스 시스템
US8990688B2 (en) 2003-09-05 2015-03-24 Samsung Electronics Co., Ltd. Proactive user interface including evolving agent
DE602004020276D1 (de) * 2004-05-04 2009-05-07 Research In Motion Ltd Anfrage-antwort-system und -verfahren
US9098826B2 (en) * 2004-09-30 2015-08-04 The Invention Science Fund I, Llc Enhanced user assistance
US20090265629A1 (en) * 2008-04-18 2009-10-22 Samsung Electronics Co., Ltd Systems and methods for extending assistance in a multi-function peripheral device
US8639638B2 (en) 2011-01-21 2014-01-28 International Business Machines Corporation Enabling a support service to provide automated problem resolution based on real time chat analytics
KR20140011073A (ko) * 2012-07-17 2014-01-28 삼성전자주식회사 텍스트 추천 방법 및 장치
KR102030114B1 (ko) * 2013-01-07 2019-10-08 삼성전자주식회사 서버 및 그의 제어 방법
KR102161230B1 (ko) * 2013-05-28 2020-09-29 삼성전자주식회사 멀티미디어 콘텐츠 검색을 위한 사용자 인터페이스 방법 및 장치
US20140358962A1 (en) * 2013-06-04 2014-12-04 Microsoft Corporation Responsive input architecture
AU2015236010A1 (en) * 2014-03-26 2016-11-10 Unanimous A.I. LLC Methods and systems for real-time closed-loop collaborative intelligence
KR102298767B1 (ko) * 2014-11-17 2021-09-06 삼성전자주식회사 음성 인식 시스템, 서버, 디스플레이 장치 및 그 제어 방법
KR102393296B1 (ko) * 2015-01-15 2022-05-02 삼성전자주식회사 응답을 디스플레이 하는 디바이스 및 방법
US10262062B2 (en) * 2015-12-21 2019-04-16 Adobe Inc. Natural language system question classifier, semantic representations, and logical form templates
CN106910513A (zh) * 2015-12-22 2017-06-30 微软技术许可有限责任公司 情绪智能聊天引擎
KR20170097890A (ko) * 2016-02-19 2017-08-29 삼성전자주식회사 전자 장치 및 이의 서비스 제공 방법
EP3467678A4 (en) * 2016-05-30 2019-05-29 Sony Corporation INFORMATION PROCESSING DEVICE
US10216622B2 (en) * 2016-09-01 2019-02-26 International Business Machines Corporation Diagnostic analysis and symptom matching
US10380520B2 (en) * 2017-03-13 2019-08-13 Accenture Global Solutions Limited Automated ticket resolution

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150099494A1 (en) 2012-10-16 2015-04-09 Carrier Iq, Inc Closed-loop Self-care Apparatus and Messaging System for Customer Care of Wireless Services
US20160019805A1 (en) 2013-03-15 2016-01-21 International Business Machines Corporation Learning Model for Dynamic Component Utilization in a Question Answering System
US20150026146A1 (en) 2013-07-17 2015-01-22 Daniel Ivan Mance System and method for applying a set of actions to one or more objects and interacting with the results

Also Published As

Publication number Publication date
EP3635545A4 (en) 2020-08-12
WO2019059579A1 (en) 2019-03-28
CN111095208B (zh) 2023-08-04
EP3635545A1 (en) 2020-04-15
EP3635545B1 (en) 2023-08-30
US20190087293A1 (en) 2019-03-21
KR20190032051A (ko) 2019-03-27
CN111095208A (zh) 2020-05-01
US11249871B2 (en) 2022-02-15

Similar Documents

Publication Publication Date Title
US11031000B2 (en) Method and device for transmitting and receiving audio data
US10631045B2 (en) Method and apparatus for filtering video
US11216694B2 (en) Method and apparatus for recognizing object
KR102428920B1 (ko) 전자 장치 및 그 동작 방법
US20200118010A1 (en) System and method for providing content based on knowledge graph
US11553075B2 (en) Apparatus and control method for recommending applications based on context-awareness
US11508364B2 (en) Electronic device for outputting response to speech input by using application and operation method thereof
KR102420567B1 (ko) 음성 인식 장치 및 방법
KR20180055708A (ko) 이미지를 처리하는 전자 장치 및 방법
US10382907B2 (en) Device and method for providing notification message about call request
KR20220111241A (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
KR20200052448A (ko) 지식 그래프에 기초하여 데이터베이스들을 통합하는 시스템 및 방법
KR102474246B1 (ko) 복수 개의 전자 디바이스를 이용하여 신경망 모델을 처리하는 방법 및 시스템
KR102531654B1 (ko) 음성 입력 인증 디바이스 및 그 방법
KR102430567B1 (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
KR102423754B1 (ko) 디바이스 사용 문의에 대한 응답을 제공하는 디바이스 및 방법
KR20190094319A (ko) 음성 추출 필터를 이용하여 음성 제어를 수행하는 인공 지능 장치 및 그 방법
US20200202068A1 (en) Computing apparatus and information input method of the computing apparatus
KR102630820B1 (ko) 메신저 피싱 또는 보이스 피싱을 감지하는 전자 장치 및 그 동작 방법
US20210004702A1 (en) System and method for generating information for interaction with a user
US11961512B2 (en) System and method for providing voice assistance service
KR20220036781A (ko) 응답이 변화된 이유에 관한 정보를 제공하는 전자 장치 및 그 동작 방법
KR20190046472A (ko) 전자 장치에서 발생된 트러블에 관한 가이드 정보를 제공하는 전자 장치, 서버 및 그 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant