KR102545666B1

KR102545666B1 - 페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치

Info

Publication number: KR102545666B1
Application number: KR1020180164198A
Authority: KR
Inventors: 노은정
Original assignee: 삼성전자주식회사
Priority date: 2018-12-18
Filing date: 2018-12-18
Publication date: 2023-06-21
Also published as: US20220027574A1; WO2020130447A1; KR20200080400A; US11861318B2

Abstract

본 발명의 다양한 실시예들에 따른 전자 장치는, 메모리, 및 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 사용자 입력에 기반하여 문장을 획득하고, 상기 문장을 획득한 것에 기반하여, 적어도 하나의 페르소나(persona)를 결정하고, 뉴럴 네트워크(neural network)를 이용하여, 상기 문장을 상기 적어도 하나의 페르소나에 대응하는 문체(style)를 가지는 적어도 하나의 문장으로 변환하고, 상기 변환된 적어도 하나의 문장을 제공하도록 설정될 수 있다.

Description

페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치{METHOD FOR PROVIDING SENTENTCE BASED ON PERSONA AND ELECTRONIC DEVICE FOR SUPPORTING THE SAME}

본 발명의 다양한 실시예들은, 페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치에 관한 것이다.

사람과의 대화를 통하여 다양한 서비스를 제공하는 대화형 시스템(예: 챗봇(chatbot))에 대한 연구가 활발히 진행되고 있다.

챗봇은 사람과의 대화(또는 문자 대화)를 통하여 질문에 알맞은 응답(또는 정보)를 제공하는 인공 지능(artificial intelligence) 기반의 커뮤니케이션(communication) 소프트웨어(software)로 정의될 수 있다.

종래 기술에서, 사용자(또는 개발자)를 위하여 챗봇을 만드는 API(application programming interface) 서비스(예: 챗봇 빌더(builder) 서비스)가 제공되고 있다. 예를 들어, 챗봇을 만들기 위한 GUI(graphic user interface) 툴(tool)이 제공되고 있다. 사용자는, 제공되는 툴 내에서 입력 문장(또는 인텐트 매칭(intent matching)에 사용될 예문 (또는 training phrases) 및 입력 문장에 대한 응답(response) 문장을 입력함으로써, 챗봇을 생성할 수 있다.

종래 기술에서, 사용자가 입력 문장에 대하여 다양한 형태의 응답 문장들을 입력하려는 경우, 사용자는 응답 문장들 각각을 일일이 입력하여야 하는 불편이 있을 수 있다.

본 발명의 다양한 실시예들은, 사용자가 입력한 문장에 대하여 페르소나에 기반하여 다양한 문체를 가지는 문장들을 제공할 수 있는, 페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치에 관한 것이다.

본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 다양한 실시예들에 따른 방법은, 사용자 입력에 기반하여 문장을 획득하는 동작, 상기 문장을 획득한 것에 기반하여, 적어도 하나의 페르소나를 결정하는 동작, 뉴럴 네트워크를 이용하여, 상기 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작, 및 상기 변환된 적어도 하나의 문장을 제공하는 동작을 포함할 수 있다.

본 발명의 다양한 실시예에 따른 페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치는, 사용자가 하나의 문장을 입력한 경우에도 페르소나에 기반하여 다양한 문체를 가지는 문장들을 제공함으로써, 대화형 시스템을 생성하려는 사용자(또는 개발자)에게 보다 편리하고 효율적인 개발 환경(또는 플랫폼(platform))을 제공할 수 있다.

도 1은, 다양한 실시예에 따른, 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는, 다양한 실시예들에 따른, 페르소나에 기반하여 문장을 제공하기 위한 전자 장치의 블록도이다.
도 3은, 다양한 실시예들에 따른, 페르소나에 대응하는 문체 변환 모델을 학습하는 방법을 설명하기 위한 도면이다.
도 4 는, 다양한 실시예들에 따른, 문장을 페르소나에 대응하는 문체를 가진 문장으로 변환하는 방법을 설명하기 위한 예시도이다.
도 5는, 다양한 실시예들에 따른, 페르소나에 기반하여 문장을 제공하기 위한 방법을 설명하기 위한 흐름도이다.
도 6은, 다양한 실시예들에 따른, 대화형 시스템을 생성하기 위한 방법을 설명하기 위한 흐름도이다.
도 7은, 다양한 실시예들에 따른, 클라이언트 장치로부터의 입력에 기반하여 페르소나에 기반하여 문장을 제공하기 위한 방법을 설명하기 위한 흐름도이다.
도 8은, 다양한 실시예들에 따른, 전자 장치의 사용자에 의해 응답을 제공하기 위한 페르소나를 선택하기 위한 방법을 설명하기 위한 예시도이다.
도 9는, 다양한 실시예들에 따른, 전자 장치의 사용자에 의해 페르소나에 대응하는 문체를 가지는 문장을 결정하기 위한 방법을 설명하기 위한 예시도이다.

도 1은, 다양한 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블럭도이다.

도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.

입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)은, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예:스타일러스 펜)을 포함할 수 있다.

음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.

인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)은, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(388)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.

배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.

일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, or 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다.. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.

본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.

본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나","A 또는 B 중 적어도 하나,""A, B 또는 C," "A, B 및 C 중 적어도 하나,"및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.

본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.

본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.

일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어^TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

도 2는, 다양한 실시예들에 따른, 페르소나에 기반하여 문장을 제공하기 위한 전자 장치(101)의 블록도이다.

이하에서, '페르소나(persona)'는 고유한 언어적인 특성(또는 특징)을 가진 캐릭터(character)일 수 있다. 일 실시예에서, '페르소나'는 개인에 대한 캐릭터일 수 있다. 예를 들어, '페르소나'는 클라이언트 장치의 사용자(예: 전자 장치들(102, 104)의 사용자), 전자 장치(101)의 사용자, 저작물(예: 만화, 영화)의 캐릭터, 또는 특정 인물(예: 연예인)의 고유한 언어적인 특성을 반영하는 캐릭터일 수 있다. 일 실시예에서, '페르소나'는, 복수의 사람들에 대한 캐릭터일 수 있다. 예를 들어, '페르소나'는 특정 연령대(예: 30대 사람들)의 사람들의 공통된(또는 대표하는) 언어적 특성을 반영하는 캐릭터일 수 있다. 다만, 이에 제한되지 않으며, '페르소나'는 연령(예: 유아, 10대, 20대, 30대, 40대 내지 50대, 또는 60대 이상)뿐만 아니라 성별(예: 남자 또는 여자), 직업(예: 바텐더(bartender)), 지역(예: 표준어를 사용하는 지역 또는 방언을 사용하는 지역), 언어적인 성격(예: 정중한(polite), 친근한(friendly), 유머러스한(humorous), 또는 적극적인(assertive)) 또는 상품(또는 서비스)(예: 유아용 콘텐트) 중 적어도 하나와 관련하여 사람들의 공통된 언어적 특성을 반영하는 캐릭터일 수 있다.

일 실시예에서, 전자 장치(101)는 대화형 시스템(예: 챗봇(chatbot))을 생성(또는 구축)하는 개발자의 장치(또는 서버)일 수 있다. 일 실시예에서, 전자 장치(101)는 클라이언트 장치의 사용자로부터의 요청(예: 명령을 수행하기 위한 음성 입력)에 응답하는 서비스를 제공하는 서비스 제공자의 장치일 수 있다. 다만, 이에 제한되지 않으며, 일 실시예에서, 전자 장치(101)는 후술할 구성의 적어도 일부를 포함하는 클라이언트 장치일 수 있다.

도 2를 참조하면, 일 실시예에서, 전자 장치(101)는 통신 모듈(210), 입력 장치(220), 표시 장치(230), 음향 출력 장치(240), 메모리(250), 및 프로세서(260)를 포함할 수 있다.

일 실시예에서, 통신 모듈(210)은, 다른 전자 장치(예: 클라이언트(client) 장치)와 통신을 수행할 수 있다. 예를 들어, 통신 모듈(210)은, 다른 전자 장치로부터 음성 입력을 수신하고, 음성 입력에 대한 응답을 전송하기 위한 구성일 수 있다. 일 실시예에서, 통신 모듈(210)은, 도 1의 통신 모듈(190)과 적어도 일부가 동일 또는 유사할 수 있다.

일 실시예에서, 입력 장치(220)는, 사용자(또는 개발자)로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 장치(220)는 사용자의 발화를 음성 신호로서 수신할 수 있는 마이크(microphone)를 포함할 수 있다. 다른 예를 들어, 입력 장치(220)는 외부 장치(예: 키보드, 헤드셋)으로부터 사용자 입력을 수신하기 위한 입력 모듈, 사용자로부터 텍스트 입력을 수신하기 위한 터치 스크린, 또는 하드웨어 키 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 입력 장치(220)는, 도 1의 입력 장치(150)와 적어도 일부가 동일 또는 유사할 수 있다.

일 실시예에서, 표시 장치(230)는, 전자 장치(101)가 페르소나에 기반하여 문장을 제공하기 위한 동작을 수행하는 동안, 다양한 정보를 출력할 수 있다. 예를 들어, 표시 장치(230)는 대화형 시스템(또는 챗봇(chatbot))을 생성(또는 구축)하기 위한 GUI(graphic user interface) 툴(tool)을 표시할 수 있다. 다만, 표시 장치(230)를 통하여 표시되는 정보는 이에 제한되지 않는다. 일 실시예에서, 표시 장치(230)는 도 1의 표시 장치(160)와 적어도 일부가 동일 또는 유사하므로 상세한 설명은 생략하도록 한다.

일 실시예에서, 음향 출력 장치(240)는 음성 신호를 출력하기 위한 스피커(speaker)를 포함할 수 있다. 일 실시예에서, 음향 출력 장치(240)는, 음성 입력에 대한 응답으로서 제공될 음성을 출력할 수 있다. 일 실시예에서, 음향 출력 장치(240)는 도 1의 음향 출력 장치(155)와 적어도 일부가 동일 또는 유사하므로 상세한 설명은 생략하도록 한다.

일 실시예에서, 메모리(250)는 페르소나에 기반하여 문장을 제공하기 위하여 필요한 정보를 저장할 수 있다.

일 실시예에서, 메모리(250)는, 문체 변환 모델(251)을 저장할 수 있다. 일 실시예에서, 메모리(250)는 페르소나에 대응하는 문체 변환 모델(251)을 저장할 수 있다. 일 실시예에서, 메모리(250)는 페르소나들에 따라 다른 문체 변환 모델(251)들을 저장할 수 있다.

일 실시예에서, 페르소나에 대응하는 문체 변환 모델(251)은, 인텐트 매칭(intent matching)에 이용될(또는 클라이언트 장치로부터 수신되는 음성 입력과 인텐트 매칭될) 텍스트 입력(예: 인텐트 매칭을 위하여 입력된 입력 문장)에 대한 응답 또는 클라이언트 장치로부터 수신되는 사용자 입력에 대한 응답으로서 사용자에 의해 입력되는 응답 문장을 페르소나에 대응하는 문체를 가진 응답 문장으로 변환하기 위한 모델일 수 있다.

예를 들어, 대화형 시스템(예: 챗봇)을 생성하는 동안, 실제 입력되는 텍스트 입력(예: 사용자로부터의 음성 입력(또는 음성 명령을 수행하기 위한 음성 입력))과 인텐트 매칭을 위한 텍스트 입력이 사용자로부터 입력될 수 있다. 인텐트 매칭을 위한 텍스트 입력에 대하여 응답을 위한 문장으로서, 사용자에 의해 어떤(또는 임의의) 문체를 가진 응답 문장(이하, '제 1 응답 문장'으로 지칭함)이 입력될 수 있다. 페르소나에 대응하는 문체 변환 모델은, 어떤 문체를 가진 응답 문장을 페르소나에 대응하는 문체를 가지는 문장(이하, '제 2 응답 문장'으로 지칭함)으로 변환할 수 있다.

일 실시예에서, 페르소나에 대응하는 문체 변환 모델은, 제 1 문체를 가지는 문장(또는 문장들의 집합) 및 제 2 문체를 가지는 문장에 기반하여, 뉴럴 네트워크를 이용하여 학습될 수 있다. 페르소나에 대응하는 문체 변환 모델에 대한 학습은 도 3을 참조하여 상세히 후술하도록 한다.

일 실시예에서, 메모리(250)는, 페르소나 별로 페르소나에 대응하는 문체를 가지는 문장을 저장할 수 있다. 일 실시예에서, 페르소나에 대응하는 문체를 가지는 문장이 전자 장치(101)의 사용자 입력(또는 클라이언트 장치의 사용자 입력)에 기반하여 입력된 경우, 추가적으로 입력된 문장에 기반하여, 페르소나에 대응하는 문체 변환 모델이 학습(또는 업데이트(update) 또는 리트레이닝(retraining))될 수 있다.

일 실시예에서, 메모리(250)는, 사용자에 대한 정보를 저장할 수 있다. 예를 들어, 메모리(250)는, 전자 장치(101)가 제공하는 서비스에 등록(또는 가입)한 사용자(또는 클라이언트 장치의 사용자)의 프로파일(profile)에 대한 정보를 저장할 수 있다. 다른 예를 들어, 메모리(250)는, 전자 장치(101)가 제공하는 서비스의 제공자(또는 개발자)의 프로파일에 대한 정보를 저장할 수 있다.

일 실시예에서, 메모리(250)는, 태그된(tagged) 코퍼스(corpus)(또는 말뭉치)를 포함하는 데이터 베이스(database), 문맥(context)과 관련된 데이터 베이스, 및 통계 및/또는 용례(statistics and/or usage)와 관련된 데이터 베이스를 포함할 수 있다.

일 실시예에서, 메모리(250)는 도 1의 메모리(130)와 적어도 일부가 동일 또는 유사할 수 있다.

일 실시예에서, 프로세서(260)는, 전자 장치(101)가 수행하는 전반적인 동작을 제어할 수 있다.

일 실시예에서, 프로세서(260)는, ASR(automatic speech recognition) 모듈(261), NLU(natural language understanding) 모듈(262), 대화 매니저(dialogue manager) 모듈(263), 페르소나 모듈(264), 사용자 정보 관리 모듈(265), 및 TTS(text to speech) 모듈(266)을 포함할 수 있다.

일 실시예에서, ASR 모듈(261)은, 전자 장치(101)의 사용자 또는 클라이언트 장치의 사용자로부터 입력된 음성 입력을 텍스트 데이터로 변환할 수 있다.

일 실시예에서, ASR 모듈(261)은 음향 모델(acoustic model), 언어 모델(language model), 및 발화 인식 모듈을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함하고, 언어 모델은 단위 음소 정보 또는 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식 모듈은 발성에 관련된 정보 또는 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다.

일 실시예에서, NLU 모듈(262)은, 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 예를 들어, NLU 모듈(262)은, 형태소 또는 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.

일 실시예에서, NLU 모듈(262)은, 코퍼스(또는 말뭉치)에 대하여 단어의 품사(예: 동사, 명사, 형용사)에 대한 정보를 태그(tag)하는 동작을 수행하기 위한 품사 표기(POS(part-of-speech) tagging) 동작을 수행하기 위한 모듈을 포함할 수 있다.

일 실시예에서, 대화 매니저 모듈(263)은, NLU 모듈(262)에 의해 파악된 사용자의 의도가 명확한지 여부를 결정할 수 있다. 예를 들어, 대화 매니저 모듈(263)은 파라미터의 정보가 충분한지 여부에 기반하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 일 실시예에서, 대화 매니저 모듈(263)은 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백(feedback)을 수행할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 페르소나에 기반하여 문장을 제공하는 동작을 전반적으로 제어할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 제 1 문체를 가지는 문장 및 제 2 문체를 가지는 문장에 기반하여, 뉴럴 네트워크를 이용하여 페르소나에 대응하는 문체 변환 모듈을 학습하는 동작을 제어할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 인텐트 매칭에 이용될 텍스트 입력에 대한 응답으로서 사용자에 의해 입력되는 제 1 응답 문장을 페르소나에 대응하는 문체를 가지는 제 2 응답 문장으로 변환하기 위한 동작을 제어할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 인텐트 매칭에 이용될 텍스트 입력에 대한 응답으로서 사용자에 의해 입력되는 제 1 응답 문장을 획득할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 제 1 응답 문장을 획득한 것에 기반하여, 적어도 하나의 제 2 응답 문장을 생성하기 위한(또는 제 2 응답 문장의 문체에 대응하는) 적어도 하나의 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 제 1 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들을 제 2 응답 문장들을 생성하기 위한 페르소나들로 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 전자 장치(101)의 사용자가 제공하는 서비스(또는 상품, 또는 콘텐트)에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 전자 장치(101)의 사용자가 여성 의류에 대한 정보를 제공하는 서비스를 제공하는 서비스 제공자인 경우, 여성 의류에 대한 정보에 관련된 페르소나(예: 여성 캐릭터)를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 전자 장치(101)의 사용자(또는 개발자)의 정보(또는 프로파일 정보)에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 제 1 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들 중 전자 장치(101)의 사용자에 의해 선택된 적어도 하나의 페르소나를 적어도 하나의 제 2 응답 문장을 생성하기 위한 적어도 하나의 페르소나로 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 사용자에 의해 입력되는 응답 문장을 획득한 것에 기반하여, 메모리에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들을 나타내는 정보를 표시 장치(230)를 통하여 표시할 수 있다. 페르소나 모듈(264)은, 하나 이상의 페르소나들을 나타내는 정보 중 적어도 하나의 페르소나를 선택하는 사용자 입력에 기반하여, 선택된 적어도 하나의 페르소나를 제 2 응답 문장을 생성하기 위한 적어도 하나의 페르소나로 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 뉴럴 네트워크를 이용하여, 제 1 응답 문장을 결정된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 뉴럴 네트워크를 통하여 학습된 결정된 적어도 하나의 페르소나에 대응하는 적어도 하나의 문체 변환 모듈을 이용하여, 제 1 응답 문장을 결정된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환함으로써, 적어도 하나의 제 2 응답 문장을 생성(또는 획득)할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 클라이언트 장치로부터 사용자 입력을 수신할 수 있다. 예를 들어, 페르소나 모듈(264)은, 통신 모듈(210)을 통하여, 클라이언트 장치로부터 명령을 수행하기 위한 사용자 입력을 수신할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 응답을 제공하기 위한 적어도 하나의 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 클라이언트 장치의 사용자 정보에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 클라이언트 장치의 사용자가 특정 방언을 사용하는 지역에 거주하는 사용자인 경우, 응답을 제공하기 위한 페르소나로서 특정 방언과 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 클라이언트 장치의 사용자 정보 및 대화형 시스템(예: 챗봇)을 생성하는 동안 전자 장치(101)의 사용자에 의해 선택된 페르소나(또는 전자 장치(101)의 사용자에 의해 선택된 적어도 하나의 페르소나에 대응하는 적어도 하나의 응답 문장)에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 대화형 시스템(예: 챗봇)을 생성하는 동안 전자 장치(101)의 사용자에 의해 선택되었던 적어도 하나의 페르소나 중 클라이언트 장치의 사용자 정보(예: 사용자의 연령이 30대인 정보)에 대응하는 페르소나(예: 사용자의 연령이 30대인 정보와 관련된 페르소나)를 응답을 제공하기 위한 페르소나로 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 전자 장치(101)의 사용자 정보에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 일 실시예에서, 페르소나 모듈(264)은, 전자 장치(101)의 사용자가 제공하는 서비스(또는 콘텐트)에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 전자 장치(101)의 사용자 제공하는 서비스가 칵테일 정보를 제공하는 서비스인 경우, 응답을 제공하기 위한 페르소나로서 전문 바텐더와 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 클라이언트 장치의 사용자가 요청하는 콘텐트에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 클라이언트 장치의 사용자가 유아용 콘텐트에 대한 정보를 요청하는 경우, 응답을 제공하기 위한 페르소나로서 유아와 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 전자 장치(101)의 사용자 설정에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 페르소나 모듈(264)은, 전자 장치(101)의 사용자가 제 1 페르소나를 응답을 제공하기 위한 페르소나로 설정하는 경우, 응답을 제공하기 위한 페르소나로서 제 1 페르소나를 결정할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 결정된 페르소나에 대응하는 문체를 가진 문장을 생성할 수 있다.

일 실시예에서, 페르소나 모듈(264)은, 결정된 페르소나에 대응하는 문체 변환 모듈을 이용하여 결정된 페르소나에 대응하는 문체를 가진 문장을 생성할 수 있다.

예를 들어, 페르소나 모듈(264)은, 클라이언트 장치의 수신된 사용자 입력에 대한 응답으로서 제 1 문체를 가진 문장을 생성할 수 있다. 페르소나 모듈(264)은, 생성된 제 1 문체를 가진 문장을 결정된 페르소나에 대응하는 문체 변환 모듈을 이용하여 페르소나에 대응하는 제 2 문체를 가진 문장으로 변환함으로써, 응답으로서의 문장을 생성할 수 있다.

일 실시예에서, 사용자 정보 관리 모듈(265)은, 전자 장치(101)의 사용자 또는 클라이언트 장치의 사용자에 대한 정보를 관리할 수 있다. 예를 들어, 사용자 정보 관리 모듈(265)은, 전자 장치(101)의 사용자 또는 클라이언트 장치의 사용자의 프로파일에 대한 정보가 추가되거나 변경되는 경우, 추가되거나 변경된 사용자의 프로파일에 대한 정보를 고려하여, 메모리(250)에 저장된 사용자에 대한 정보를 업데이트할 수 있다.

일 실시예에서, TTS 모듈(266)은, 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 예를 들어, TTS 모듈(266)은, 페르소나 모듈(264)을 통하여 응답으로서 생성된 텍스트 형태의 문장을 음성 형태의 정보로 변경할 수 있다.

일 실시예에서, TTS 모듈(266)은, 페르소나 모듈(264)을 통하여 응답으로서 생성된 텍스트 형태의 문장을 페르소나의 어투를 반영한 음성 형태의 정보로 변경할 수 있다. 예를 들어, TTS 모듈(266)은, 페르소나 모듈(264)을 통하여 응답으로서 생성된 텍스트 형태의 문장을, 페르소나의 발화 속도, 억양, 높낮이, 또는 습관 중 적어도 하나를 반영하는 음성 형태의 정보로 변경할 수 있다.

도 2에서, 프로세서(260)가 ASR 모듈(261), NLU 모듈(262), 대화 매니저 모듈(263), 페르소나 모듈(264), 사용자 정보 관리 모듈(265), 및 TTS 모듈(266)을 모두 포함하는 것으로 예시하고 있지만, 이에 제한되지 않는다. 예를 들어, ASR 모듈(261), NLU 모듈(262), 대화 매니저 모듈(263), 페르소나 모듈(264), 사용자 정보 관리 모듈(265), 및 TTS 모듈(266) 중 일부는 생략될 수 있다. 다른 예를 들어, ASR 모듈(261), NLU 모듈(262), 대화 매니저 모듈(263), 페르소나 모듈(264), 사용자 정보 관리 모듈(265), 또는 TTS 모듈(266) 중 적어도 하나의 모듈은 프로세서(260)와 독립된 구성일 수 있다.

일 실시예에서, ASR 모듈(261), NLU 모듈(262), 대화 매니저 모듈(263), 페르소나 모듈(264), 사용자 정보 관리 모듈(265), 및 TTS 모듈(266)은 메모리(250)에 저장될 수 있으며, 프로세서(260)(예: 메인 프로세서(121))에 의해 실행될 수 있다.

일 실시예에서, 프로세서(260)는 도 1의 프로세서(120)와 적어도 일부가 동일 또는 유사할 수 있다.

도 3은, 다양한 실시예들에 따른, 뉴럴 네트워크를 이용하여 페르소나에 대응하는 문체 변환 모델을 학습하는 방법을 설명하기 위한 도면이다.

도 3을 참조하면, 일 실시예에서, 도 3은, 제 1 문체를 가진 문장 'I'm glad to meet you'를 제 2 문체를 가진 문장 'Lovely to meet ya"로 변환하는 문체 변환 모델을 나타낼 수 있다.

일 실시예에서, 문체 변환 모델의 입력(또는 입력 문장) 및 출력(또는 출력 문장)은 아래 [수학식 1]과 같이 나타낼 수 있다.

[수학식 1]

[수학식 1]에서,

는 입력 단어를 나타내고,

는

의 집단(또는 변환 대상 문장)을 나타내고,

은 입력 문장의 길이를 나타낼 수 있다. 또한,

는 출력 단어를 나타내고,

는

의 집단(또는 변환 후의 문장)을 나타내고,

은 출력 문장의 길이를 나타낼 수 있다.

일 실시예에서, 도 3에서,

= [I'm, glad, to, meet, you] 이고,

= [Lovely, to, meet,··· ]일 수 있다. 도 3이 단어 'meet'를 예측하는 동작을 나타내므로, [Lovely, to, meet, ···]에서, '···'은, 'meet' 다음 단어로서 'ya'를 예측하는 동작이 수행되지 않은 상태를 나타낼 수 있다.

일 실시예에서, j번째 출력 단어(예: 'meet')는, 주목 분포(attentional distribution), 포인터 분포(pointer distribution), 및 밸런스 팩터(balance factor)에 기반하여 계산될 수 있다. 일 실시예에서, 분포는 확률 분포를 의미할 수 있다.

일 실시예에서, 도 3에서, 주목 분포는

와 같이 나타낼 수 있다.

는 단어

를 출력 문장의 j번째 단어로 생성할 확률을 나타낼 수 있다.

일 실시예에서, 도 3에서, 포인터 분포는

와 같이 나타낼 수 있다.

는 입력 문장 내에 포함된 단어

가 출력 문장의 j번째 단어로 출력될 확률을 나타낼 수 있다.

일 실시예에서, 주목 분포는 콘텍스트(context)(또는 맥락)을 고려하여 문체를 변환하는 역할과 관련되고, 포인터 분포는 문장의 내용을 유지하는 역할과 관련될 수 있다. 일 실시예에서, 주목 분포 및 포인터 분포에 기반하는 연산 동작에 의해, 입력 문장의 내용을 유지하면서 문체가 변환된 문장이 출력될 수 있다.

일 실시예에서, 아래 [수학식 2]를 이용하여, 주목 분포, 포인터 분포, 및 밸런스 팩터에 기반하여, j번째 단어를 계산할 수 있다.

[수학식 2]

[수학식 2]에서,

는 밸런스 팩터를 나타내고,

는 주목 분포와 포인터 분포를 밸런스 팩터를 이용하여 합산한 결과를 나타내고,

는 j번째 출력 단어를 나타낼 수 있다.

일 실시예에서,

는

가 최대가 되도록 하는 단어

를 선택하는 함수를 나타낼 수 있다.

이하에서는, 주목 분포, 포인터 분포, 및 밸런스 팩터 각각을 산출하고, 산출된 주목 분포, 포인터 분포, 및 밸런스 팩터에 기반하여 j번째 단어를 계산하는 방법을 상세히 설명하도록 한다.

일 실시예에서, 입력 단어들에 대하여 embedding 동작(301)을 수행할 수 있다. 일 실시예에서, embedding 동작(301)은, 입력 단어들을 토큰화하는 동작일 수 있다. 일 실시예에서, embedding 동작(301)은, 단어 토큰(token)에 대응하는 one-hot vector를 생성하고, one-hot vector에 word embedding matrix를 곱하여 word embedding vector를 생성하고 동작할 수 있다.

일 실시예에서, embedding 동작(301)을 수행한 후, 인코딩(encoding) 동작(303)을 수행할 수 있다. 일 실시예에서, 인코딩 동작을 수행하기 위한 인코더(encoder)로서 BiLSTM(bidirectional long short-term memory)을 이용할 수 있다. 일 실시예에서, 아래 [수학식 3]을 이용하여, embedding된 벡터를 BiLSTM에 입력함으로써, 인코더의 히든 상태(hidden state)를 생성할 수 있다.

[수학식 3]

[수학식 3]에서,

는 인코더의 은닉 상태를 나타내고,

는 embedding된 입력 단어를 나타낼 수 있다.

일 실시예에서, 아래 [수학식 4]를 이용하여, 주목 가중치(attention weight)가 산출될 수 있다.

[수학식 4]

[수학식 4]에서,

는 디코더(decoder)의 j-1번째 히든 상태를 나타내고,

는 인코더의 j번째 히든 상태를 나타낼 수 있다.

는 주목 가중치를 나타낼 수 있다. 일 실시예에서, [수학식 4]에서 설명의 편의상,

에서 k=1에서 N까지 연산하는 것으로 예시하고 있지만, 후술할 센티넬(sentinel) 벡터를 고려하는 경우,

는

로 대체될 수 있다.

일 실시예에서, 아래 [수학식 5]를 이용하여, 콘텍스트 벡터(context vector)가 산출될 수 있다.

[수학식 5]

[수학식 5]에서,

는 j번째 콘텍스트 벡터를 나타낼 수 있다.

일 실시예에서, 아래 [수학식 6]을 이용하여, 디코더의 j번째 히든 상태가 산출될 수 있다.

[수학식 6]

[수학식 6]에서,

는 디코더의 j번째 히든 상태를 나타내고,

는 디코더의 j-1번째 히든 상태를 나타내고,

는 j-1번째 실제 단어(또는 ground truth)를 나타내고,

는

를 embedding한 벡터를 나타내고,

는 디코더의 j번째 히든 상태를 나타내고,

는

과

를 결합(concatenate)(또는 연관)한 벡터를 나타낼 수 있다.

일 실시예에서, 디코딩 동작을 수행하기 위한 디코더로서 LSTM(long short-term memory)이 이용될 수 있으며,

는

및

를 LSTM에 입력함으로써 계산될 수 있다.

일 실시예에서, 주목 분포는, 아래 [수학식 7]을 이용하여, 산출될 수 있다.

[수학식 7]

[수학식 7]에서,

,

는

및

를 결합(concatenate)한 벡터를 나타낼 수 있다.

는 활성화 함수로서 softmax 함수를 나타낼 수 있다.

일 실시예에서, 포인터 분포는, 아래 [수학식 8]을 이용하여 산출될 수 있다.

[수학식 8]

[수학식 8]에서,

는 단어

가 출력 문장의 j번째 단어로 출력될 확률을 나타내고,

는 입력 문장

내에서 단어

가 포함되어 있는 모든 위치를 나타내고,

는 입력 문장의 i번째 위치에 있는 단어

일 실시예에서, 밸런스 팩터(b)는 sentinel 벡터에 기반하여 산출될 수 있다. 일 실시예에서, sentinel 벡터는 인코더의 N+1 번째 히든 상태로 간주될 수 있다.

일 실시예에서, 밸런스 백터는 아래 [수학식 9]를 이용하여 산출될 수 있다.

[수학식 9]

=

[수학식 9]에서,

는 sentinel 벡터를 나타내고,

는 밸런스 팩터를 나타낼 수 있다.

일 실시예에서, 오차(또는 오류)를 보정하기 위하여, 아래 [수학식 10]이 이용될 수 있다.

[수학식 10]

오차 =

[수학식 10]에서,

는 t번째 단어(

)의 예측된 확률(또는 예측된 확률 분포)을 나타낼 수 있다. 일 실시예에서, 오차를 최소화하기 위한 방향으로 문체 변환 모델에 대한 학습이 진행될 수 있다.

일 실시예에서, 도 3은 단어 'meet'를 예측하는 동작을 설명하지만, 다른 출력 단어들에 대해서도 동일 또는 유사하게 적용될 수 있다.

일 실시예에서, 도 3의 입력 문장은 제 1 문체를 가진 문장에 해당되고, 출력 문장은 제 2 문체를 가진 문장에 해당될 수 있다.

일 실시예에서, 도 3은 하나의 문체 변환 모델을 예시하고 있지만, 페르소나 별로(또는 페르소나에 대응하는 문체 별로) 문체 변환 모델이 도 3에서 설명한 방법과 동일 또는 유사한 방법으로 학습될 수 있다. 일 실시예에서, 학습된 문체 변환 모델은, 학습에 이용된 문장과 함께, 메모리(250)에 저장될 수 있다.

일 실시예에서, 도 3은 뉴럴 네트워크로서 RNN(recurrent neural networks)을 예시하여 설명하였지만, 이에 제한되지 않는다. 예를 들어, CNN(convolutional neural networks), deep belief networks, restricted boltzman machines을 이용하여, 문체 변환 모델을 학습할 수도 있다.

도 4 는, 다양한 실시예들에 따른, 문장을 페르소나에 대응하는 문체를 가진 문장으로 변환하는 방법을 설명하기 위한 예시도이다.

도 4를 참조하면, 일 실시예에서, 도 4는 제 1 페르소나에 대응하는 제 1 문체로서 표준어를 사용하는 문장이 제 2 페르소나에 대응하는 제 2 문체로서 방언을 사용하는 문장으로 변환된 표를 나타낼 수 있다.

예를 들어, 표준어를 사용한 문장 '어서 오십시오'는, 제 2-1 페르소나에 대응하는 경상도 방언을 사용하는 문장 '퍼뜩 오이소', 제 2-2 페르소나에 대응하는 전라도 방언을 사용하는 문장 '허벌라게 와버리랑께', 제 2-3 페르소나에 대응하는 충청도 방언을 사용하는 문장 '빨리 와유', 제 2-4 페르소나에 대응하는 제주도 방언을 사용하는 문장 '혼저 옵서예'로 변환될 수 있다.

일 실시예에서, 사용자(또는 개발자)로부터 제 1 응답 문장으로서 표준어를 사용한 문장 '어서 오십시오'가 입력된 경우, 프로세서(260)는, 제 2 응답 문장들로서, '퍼뜩 오이소', 허벌라게 와버리랑께', '빨리 와유', 및 '혼저 옵서예'를 사용자에게 제공(또는 추천)할 수 있다.

일 실시예에서, 페르소나에 대응하는 문체는, 클라이언트 장치의 사용자, 전자 장치(101)의 사용자, 저작물(예: 만화, 영화)의 캐릭터, 또는 특정 인물(예: 연예인)의 고유한 언어적인 특성을 반영하는 캐릭터의 문체를 포함할 수 있다.

예를 들어, 프로세서(260)는, '일정이 연기될 예정입니다'와 같은 제 1 문체를 가진 문장을, 만화 캐릭터에 대응하는 문체를 가진 '예상보다 늦겠는걸 피카 피카~'와 같은 문장, 특정 연예인에 대응하는 문체를 가진 '일정이 조금 늦어질 것 같아요', 및 영화 캐릭터에 대응하는 문체를 가진 '주인님 일정이 연기되리라 예상됩니다'와 같은 문장으로 변환할 수 있다.

일 실시예에서, 프로세서(260)는, 클라이언트 장치의 사용자로부터의 입력되었던 입력(예: 명령을 수행하기 위한 음성 입력)에 대한 통계(또는 입력에 대한 히스토리(history), 또는 로그(log))에 기반하여, 제 1 응답 문장을 클라이언트 장치의 사용자에 대한 페르소나(또는 클라이언트 사용자의 언어 특성을 반영하여 클라이언트 사용자가 캐릭터화됨으로써 생성된 페르소나)에 대응하는 문체를 가진 문장으로 변환할 수 있다.

일 실시예에서, 프로세서(260)는, 전자 장치(101)의 사용자로부터의 입력되었던 입력(예: 명령을 수행하기 위한 음성 입력에 대한 응답 입력)에 대한 통계에 기반하여, 제 1 응답 문장을 전자 장치(101)의 사용자에 대한 페르소나(또는 전자 장치(101) 사용자의 특성을 반영하여 전자 장치(101) 사용자가 캐릭터화됨으로써 생성된 페르소나)에 대응하는 문체를 가진 문장으로 변환할 수 있다.

다양한 실시예에서, 상기 전자 장치는 표시 장치를 더 포함하고, 상기 적어도 하나의 프로세서는, 상기 표시 장치를 통하여, 하나 이상의 페르소나들을 사용자에게 추천하기 위하여 표시하고, 상기 표시된 하나 이상의 페르소나들 중 적어도 하나의 페르소나를 선택하는 입력에 응답하여, 적어도 하나의 페르소나를 선택하고, 상기 선택된 적어도 하나의 페르소나를 상기 적어도 하나의 페르소나로 결정하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 상기 문장을, 상기 결정된 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하고, 상기 표시 장치를 통하여 상기 변환된 적어도 하나의 문장을 표시하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 상기 표시된 적어도 하나의 문장 중 하나 이상의 문장들을 선택하는 입력을 수신하고, 상기 입력을 수신한 것에 응답하여, 상기 선택된 하나 이상의 문장들을, 외부 장치로부터 수신된, 정보를 요청하는 입력에 대한 응답으로 상기 메모리에 저장하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 상기 표시된 적어도 하나의 문장 중 하나 이상의 문장들을 수정하는 입력을 수신하고, 상기 입력을 수신한 것에 응답하여, 상기 수정된 하나 이상의 문장들을, 외부 장치로부터 수신된, 정보를 요청하는 입력에 대한 응답으로 상기 메모리에 저장하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 상기 전자 장치의 사용자가 제공하는 서비스 또는 상기 전자 장치의 사용자에 대한 정보에 기반하여, 상기 적어도 하나의 페르소나를 결정하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 상기 문장을, 상기 뉴럴 네트워크를 이용하여 학습되고 상기 적어도 하나의 페르소나에 각각 대응하는 문체 변환 모델을 이용하여, 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 외부 장치로부터 정보를 요청하는 입력을 수신하고, 상기 입력을 수신한 것에 기반하여, 상기 외부 장치의 사용자에 대한 정보를 확인하고, 상기 외부 장치의 사용자에 대한 정보에 기반하여 페르소나를 결정하고, 상기 요청에 대한 응답 문장을, 상기 결정된 페르소나에 대응하는 문체를 가지는 응답 문장으로 변환하고, 상기 변환된 응답 문장을 상기 외부 장치로 제공하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 외부 장치로부터 정보를 요청하는 입력을 수신하고, 상기 입력을 수신한 것에 기반하여, 상기 정보에 포함된 콘텐트를 확인하고, 상기 콘텐트에 대한 정보에 기반하여 페르소나를 결정하고, 상기 요청에 대한 응답 문장을, 상기 결정된 페르소나에 대응하는 문체를 가지는 응답 문장으로 변환하고, 상기 변환된 응답 문장을 상기 외부 장치로 제공하도록 설정될 수 있다.

다양한 실시예에서, 상기 적어도 하나의 프로세서는, 외부 장치로부터 요청되었던 정보에 대한 통계 또는 상기 전자 장치의 사용자로부터 입력되었던 요청에 대한 응답에 대한 통계에 기반하여, 상기 외부 장치의 사용자와 관련된 페르소나 또는 상기 전자 장치의 사용자와 관련된 페르소나를 생성하도록 설정될 수 있다.

도 5는, 다양한 실시예들에 따른, 페르소나에 기반하여 문장을 제공하기 위한 방법을 설명하기 위한 흐름도(500)이다. 예를 들어, 도5는 페르소나에 기반하여 문장을 제공하기 위한 방법에 대한 전반적인 흐름도(500)일 수 있다.

도 5를 참조하면, 동작 501에서, 일 실시예에서, 프로세서(260)는, 사용자 입력에 기반하여 문장을 획득할 수 있다.

예를 들어, 프로세서(260)는, 사용자로부터, 클라이언트 장치로부터 수신되는 음성 입력과 인텐트 매칭될 텍스트 입력을 수신할 수 있다(또는 입력 받을 수 있다). 텍스트 입력을 수신한 후, 프로세서(260)는, 사용자로부터, 수신된 텍스트 입력에 대한(또는 수신된 텍스트 입력에 대응 응답으로서) 제 1 응답 문장을 수신할 수 있다.

동작 503에서, 일 실시예에서, 프로세서(260)는, 문장을 획득한 것에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다.

예를 들어, 프로세서(260)는, 제 1 응답 문장을 획득한 것에 기반하여, 제 2 응답 문장을 생성하기 위한(또는 제 2 응답 문장의 문체에 대응하는) 적어도 하나의 페르소나를 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 제 1 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들을 제 2 응답 문장들을 생성하기 위한 페르소나들로 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 제 1 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들 중, 전자 장치(101)의 사용자에 의해 선택된 적어도 하나의 페르소나를 적어도 하나의 제 2 응답 문장을 생성하기 위한 적어도 하나의 페르소나로 결정할 수 있다.

예를 들어, 프로세서(260)는, 사용자에 의해 입력되는 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들을 나타내는 정보를 사용자에게 추천하기 위하여 표시 장치(230)를 통하여 표시할 수 있다. 프로세서(260)는, 하나 이상의 페르소나들을 나타내는 정보 중 적어도 하나의 페르소나를 선택하는 사용자 입력에 기반하여, 선택된 적어도 하나의 페르소나를 제 2 응답 문장을 생성하기 위한 적어도 하나의 페르소나로 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 전자 장치(101)의 사용자가 제공하는 서비스(또는 상품, 또는 콘텐트)에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 전자 장치(101)의 사용자가 여성 의류에 대한 정보를 제공하는 서비스를 제공하는 서비스 제공자인 경우, 여성 의류에 대한 정보에 관련된 페르소나(예: 여성 캐릭터)를 적어도 하나의 제 2 응답 문장을 생성하기 위한 페르소나로 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 클라이언트 장치의 사용자 또는 전자 장치(101)의 사용자(또는 개발자)의 정보(또는 프로파일 정보)에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 클라이언트 장치의 사용자로부터의 입력되었던 입력(예: 명령을 수행하기 위한 음성 입력)에 대한 통계(또는 입력에 대한 히스토리(history), 또는 로그(log))에 기반하여, 클라이언트 장치의 사용자에 대한 페르소나(또는 클라이언트 사용자의 언어 특성을 반영하여 클라이언트 사용자가 캐릭터화됨으로써 생성된 페르소나)를 적어도 하나의 제 2 응답 문장을 생성하기 위한 페르소나로 결정할 수 있다. 다른 예를 들어, 프로세서(260)는, 전자 장치(101)의 사용자로부터의 입력되었던 입력(예: 명령을 수행하기 위한 음성 입력에 대한 응답 입력)에 대한 통계에 기반하여, 전자 장치(101)의 사용자에 대한 페르소나(또는 전자 장치(101) 사용자의 특성을 반영하여 전자 장치(101) 사용자가 캐릭터화됨으로써 생성된 페르소나)를 적어도 하나의 제 2 응답 문장을 생성하기 위한 페르소나로 결정할 수 있다.

동작 505에서, 일 실시예에서, 프로세서(260)는, 뉴럴 네트워크를 이용하여, 획득된 문장을 결정된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 문장으로 변환할 수 있다.

예를 들어, 프로세서(260)는, 뉴럴 네트워크를 이용하여, 제 1 응답 문장을 결정된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환할 수 있다.

일 실시예에서, 프로세서(260)는, 뉴럴 네트워크를 통하여 학습된, 결정된 적어도 하나의 페르소나에 대응하는 적어도 하나의 문체 변환 모듈을 이용하여, 제 1 응답 문장을 결정된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환함으로써, 적어도 하나의 제 2 응답 문장을 생성(또는 획득)할 수 있다.

일 실시예에서, 프로세서(260)는, 제 1 응답 문장을, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들 중 전자 장치(101)의 사용자에 의해 선택된 페르소나에 대응하는 문체를 가진 적어도 하나의 문장으로 변환할 수 있다.

동작 507에서, 일 실시예에서, 프로세서(260)는, 변환된 적어도 하나의 문장을 제공할 수 있다.

예를 들어, 프로세서(260)는, 표시 장치(230)를 통하여, 동작 505를 통하여 변환된 적어도 하나의 문장을 출력할 수 있다.

일 실시예에서, 프로세서(260)는, 사용자에 의해 선택된 페르소나(예: 동작 503을 통하여 선택된 페르소나)와 함께, 선택된 페르소나에 대응하는 문체를 가진 적어도 하나의 문장(예: 동작 505를 통하여 변환된 문장)을 표시 장치(230)를 통하여 출력할 수 있다.

일 실시예에서, 프로세서(260)는, 출력된 적어도 하나의 문장 중, 전자 장치(101)의 사용자에 의해 선택된 하나 이상의 문장들을, 인텐트 매칭(intent matching)에 이용될(또는 클라이언트 장치로부터 수신되는 음성 입력과 인텐트 매칭될) 텍스트 입력(예: 인텐트 매칭을 위하여 입력된 입력 문장)에 대한 응답 또는 클라이언트 장치로부터 수신되는 사용자 입력에 대한 응답으로서 제공될 하나 이상의 문장들로 결정할 수 있다. 일 실시예에서, 프로세서(260)는, 결정된 하나 이상의 문장들을 메모리(250)에 저장할 수 있다.

도 6은, 다양한 실시예들에 따른, 대화형 시스템을 생성하기 위한 방법을 설명하기 위한 흐름도(600)이다. 예를 들어, 도 6은, API 서비스(예: 챗봇 빌더 서비스)를 이용하여 대화형 시스템을 생성하는 방법에 대한 흐름도(600)일 수 있다.

도 6을 참조하면, 동작 601에서, 일 실시예에서, 프로세서(260)는, 대화형 시스템(예: 챗봇(chatbot))을 생성하기 위하여 전자 장치(101)의 사용자의 계정을 등록하는 동작을 수행할 수 있다. 예를 들어, 프로세서(260)는, 사용자 입력에 기반하여, 사용자(또는 개발자)를 위하여 챗봇을 만드는 API(application programming interface) 서비스(예: 챗봇 빌더(builder) 서비스)에 전자 장치(101)의 사용자의 계정을 등록시키는 동작을 수행할 수 있다.

동작 603에서, 일 실시예에서, 프로세서(260)는, 사용자 입력에 기반하여 문장을 획득할 수 있다. 예를 들어, 프로세서(260)는, 사용자로부터, 클라이언트 장치로부터 수신되는 음성 입력과 인텐트 매칭될 텍스트 입력을 수신할 수 있다(또는 입력 받을 수 있다). 텍스트 입력을 수신한 후, 프로세서(260)는, 사용자로부터, 수신된 텍스트 입력에 대한(또는 수신된 텍스트 입력에 대응 응답으로서) 제 1 응답 문장을 수신할 수 있다.

동작 605에서, 일 실시예에서, 프로세서(260)는, 문장을 획득한 것에 기반하여, 적어도 하나의 페르소나를 결정할 수 있다.

예를 들어, 프로세서(260)는, 사용자에 의해 입력되는 응답 문장을 획득한 것에 기반하여, 메모리(250)에 저장된 전체 문체 변환 모델들 중 하나 이상의 문체 변환 모듈들에 대응하는 하나 이상의 페르소나들을 나타내는 정보를 사용자에게 추천하기 위하여 표시 장치를 통하여 표시할 수 있다. 프로세서(260)는, 하나 이상의 페르소나들을 나타내는 정보 중 적어도 하나의 페르소나를 선택하는 사용자 입력에 기반하여, 선택된 적어도 하나의 페르소나를 제 2 응답 문장을 생성하기 위한 적어도 하나의 페르소나로 결정할 수 있다.

동작 607에서, 일 실시예에서, 프로세서(260)는, 선택된 적어도 하나의 페르소나에 대응하는 문체를 가진 문장을 생성하고 출력할 수 있다.

일 실시예에서, 프로세서(260)는, 뉴럴 네트워크를 이용하여, 획득된 문장을 선택된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 문장으로 변환할 수 있다.

예를 들어, 프로세서(260)는, 뉴럴 네트워크를 이용하여, 제 1 응답 문장을 선택된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환할 수 있다.

일 실시예에서, 프로세서(260)는, 뉴럴 네트워크를 통하여 학습된, 선택된 적어도 하나의 페르소나에 대응하는 적어도 하나의 문체 변환 모듈을 이용하여, 제 1 응답 문장을 선택된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 제 2 응답 문장으로 변환함으로써, 적어도 하나의 제 2 응답 문장을 생성(또는 획득)할 수 있다.

일 실시예에서, 프로세서(260)는, 사용자에 의해 선택된 페르소나(예: 동작 605을 통하여 선택된 페르소나)와 함께, 생성된 적어도 하나의 페르소나에 대응하는 문체를 가진 적어도 하나의 문장을 표시 장치(230)를 통하여 출력할 수 있다.

동작 609에서, 일 실시예에서, 프로세서(260)는, 출력된 적어도 하나의 문장 중, 사용자 입력에 기반하여, 하나 이상의 문장들을 선택할 수 있다.

일 실시예에서, 프로세서(260)는, 출력된 적어도 하나의 문장 중, 사용자 입력에 기반하여 선택된 하나 이상의 문장들의 적어도 일부를 수정할 수 있다.

일 실시예에서, 프로세서(260)는, 출력된 적어도 하나의 문장 외에도, 사용자 입력에 기반하여 추가적인(또는 신규의) 문장을 입력할 수 있다.

일 실시예에서, 프로세서(260)는, 선택된 하나 이상의 문장들의 적어도 일부가 수정되거나 추가적으로 문장이 입력되는 경우, 수정 또는 입력된 문장을 저장하고, 문제 변환 모델을 학습하는데 이용할 수 있다.

동작 611에서, 일 실시예에서, 프로세서(260)는, 선택된 하나 이상의 문장들에 기반하여 응답을 생성할 수 있다.

일 실시예에서, 프로세서(260)는, 선택된 하나 이상의 문장들(또는 선택된 하나 이상의 문장들 및 수정되거나 추가적으로 입력된 문장)을, 인텐트 매칭에 이용될 텍스트 입력에 대한 응답 또는 클라이언트 장치로부터 수신되는 사용자 입력에 대한 응답으로서 제공될 하나 이상의 문장들로 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 결정된 하나 이상의 문장들을 메모리(250)에 저장할 수 있다.

도 7은, 다양한 실시예들에 따른, 클라이언트 장치로부터의 입력에 기반하여 페르소나에 기반하여 문장을 제공하기 위한 방법을 설명하기 위한 흐름도(700)이다. 예를 들어, 도 7은, 클라이언트 장치로부터 수신되는 사용자 입력에 대한 응답을 제공하기 위한 방법에 대한 흐름도(700)일 수 있다.

도 7을 참조하면, 동작 701에서, 일 실시예에서, 프로세서(260)는, 클라이언트 장치로부터 사용자 입력을 수신할 수 있다. 예를 들어, 프로세서(260)는, 통신 모듈을 통하여, 클라이언트 장치로부터 명령을 수행하기 위한 사용자 입력을 수신할 수 있다.

동작 703에서, 일 실시예에서, 프로세서(260)는, 응답을 제공하기 위한 적어도 하나의 페르소나를 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 클라이언트 장치의 사용자 정보에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 클라이언트 장치의 사용자가 특정 방언을 사용하는 지역에 거주하는 사용자인 경우, 응답을 제공하기 위한 페르소나로서 특정 방언과 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 클라이언트 장치의 사용자 정보 및 대화형 시스템(예: 챗봇)을 생성하는 동안 전자 장치(101)의 사용자에 의해 선택된 페르소나(또는 전자 장치(101)의 사용자에 의해 선택된 적어도 하나의 페르소나에 대응하는 적어도 하나의 응답 문장)(예: 도 6의 동작 605에서 사용자에 의해 선택된 페르소나, 또는 도 6의 동작 609에서 사용자에 의해 선택된 하나 이상의 문장들)에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 대화형 시스템(예: 챗봇)을 생성하는 동안 전자 장치(101)의 사용자에 의해 선택되었던 적어도 하나의 페르소나 중 클라이언트 장치의 사용자 정보(예: 사용자의 연령이 30대인 정보)에 대응하는 페르소나(예: 연령이 30대와 관련된 페르소나)를 응답을 제공하기 위한 페르소나로 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 전자 장치(101)의 사용자 정보에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 일 실시예에서, 프로세서(260)는, 전자 장치(101)의 사용자가 제공하는 서비스(또는 콘텐트)에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 전자 장치(101)의 사용자 제공하는 서비스가 칵테일 정보를 제공하는 서비스인 경우, 응답을 제공하기 위한 페르소나로서 전문 바텐더와 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 클라이언트 장치의 사용자가 요청하는 콘텐트에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 클라이언트 장치의 사용자가 유아용 콘텐트에 대한 정보를 요청하는 경우, 응답을 제공하기 위한 페르소나로서 유아와 관련된 페르소나를 결정할 수 있다.

일 실시예에서, 프로세서(260)는, 전자 장치(101)의 사용자 설정에 기반하여, 응답을 제공하기 위한 페르소나를 결정할 수 있다. 예를 들어, 프로세서(260)는, 전자 장치(101)의 사용자가 제 1 페르소나를 응답을 제공하기 위한 페르소나로 설정하는 경우, 응답을 제공하기 위한 페르소나로서 제 1 페르소나를 결정할 수 있다.

동작 705에서, 일 실시예에서, 프로세서(260)는, 결정된 페르소나에 대응하는 문체를 가진 문장을 생성할 수 있다.

일 실시예에서, 프로세서(260)는, 결정된 페르소나에 대응하는 문체 변환 모듈을 이용하여 결정된 페르소나에 대응하는 문체를 가진 문장을 생성할 수 있다.

예를 들어, 프로세서(260)는, 클라이언트 장치의 수신된 사용자 입력에 대한 응답으로서 제 1 문체를 가진 문장을 생성할 수 있다. 프로세서(260)는, 생성된 제 1 문체를 가진 문장을 결정된 페르소나에 대응하는 문체 변환 모듈을 이용하여 페르소나에 대응하는 제 2 문체를 가진 문장으로 변환함으로써, 응답으로서의 문장을 생성할 수 있다.

동작 707에서, 일 실시예에서, 프로세서(260)는, 생성된 문장을 클라이언트 장치로 제공할 수 있다. 예를 들어, 프로세서(260)는, 통신 모듈(210)을 통하여, 생성된 문장을 클라이언트 장치로 제공할 수 있다.

도 8은, 다양한 실시예들에 따른, 전자 장치(101)의 사용자에 의해 응답을 제공하기 위한 페르소나를 선택하기 위한 방법을 설명하기 위한 예시도이다.

도 8을 참조하면, 일 실시예에서, 도 8은, 전자 장치(101)의 사용자로부터의 입력에 기반하여, 응답을 제공하기 위하여 페르소나를 선택하기 위한 화면(800)을 나타낼 수 있다.

일 실시예에서, 프로세서(260)는, '상품 광고'와 같은 인텐트의 명칭을 입력하는 사용자 입력을 수신할 수 있다.

일 실시예에서, 프로세서(260)는, '프로모션 안내하기'와 같은 이벤트의 명칭을 입력하는 사용자 입력을 수신할 수 있다.

일 실시예에서, 프로세서(260)는, 하나 이상의 페르소나들을 나타내는 정보를 사용자에게 추천하기 위하여 표시 장치(230)를 통하여 표시할 수 있다.

일 실시예에서, 프로세서(260)는, 사용자 입력에 기반하여, 표시 장치(230)를 통하여 표시된 하나 이상의 하나 이상의 페르소나들을 나타내는 정보 중 적어도 하나를 선택함으로써, 페르소나를 선택할 수 있다. 예를 들어, 도 8에 도시된 바와 같이, 프로세서(260)는, 사용자 입력에 기반하여, 연령대(예: 10대, 20대, 30대, 40대 내지 50대, 60대 이상), 성별(예: 남성 및 여성), 또는 언어적인 성격(예: 친근한(friendly), 적극적인(assertive)), 그 조합과 관련된 페르소나를 선택할 수 있다.

도 9는, 다양한 실시예들에 따른, 전자 장치(101)의 사용자에 의해 페르소나에 대응하는 문체를 가지는 문장을 결정하기 위한 방법을 설명하기 위한 예시도이다.

도 9를 참조하면, 일 실시예에서, 도 9는, 전자 장치(101)의 사용자로부터의 입력에 기반하여, 응답으로서 제공될 적어도 하나의 문장을 결정하기 위한 화면(900)을 나타낼 수 있다.

일 실시예에서, 프로세서(260)는, '반가운 소식이 있다'와 같은 제 1 응답 문장을 입력하는 사용자 입력을 수신할 수 있다.

일 실시예에서, 프로세서(260)는, 선택된 페르소나(예: 도 8에서 선택된 페르소나)에 대응하는 문체를 가지는 적어도 하나의 문장을 출력할 수 있다. 예를 들어, 프로세서(260)는, 연령이 20대이고, 성별이 남자이고, 언어적인 성격이 친근한(friendly)과 관련된 페르소나에 대응하는 문체를 가지는 '야, 반가운 소식이야'와 같은 문장을 출력할 수 있다.

일 실시예에서, 프로세서(260)는, 출력된 적어도 하나의 문장 중, 사용자 입력에 기반하여, 하나 이상의 문장들을 선택할 수 있다.

다양한 실시예에서, 상기 적어도 하나의 페르소나를 결정하는 동작은, 표시 장치를 통하여 하나 이상의 페르소나들을 사용자에게 추천하기 위하여 표시하는 동작, 상기 표시된 하나 이상의 페르소나들 중 적어도 하나의 페르소나를 선택하는 입력에 응답하여, 적어도 하나의 페르소나를 선택하는 동작, 및 상기 선택된 적어도 하나의 페르소나를 상기 적어도 하나의 페르소나로 결정하는 동작을 포함할 수 있다.

다양한 실시예에서, 상기 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작은, 상기 문장을, 상기 결정된 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작을 포함하고, 상기 변환된 적어도 하나의 문장을 제공하는 동작은, 상기 표시 장치를 통하여 상기 변환된 적어도 하나의 문장을 표시하는 동작을 포함할 수 있다.

다양한 실시예에서, 상기 방법은, 상기 표시된 적어도 하나의 문장 중 하나 이상의 문장들을 선택하는 입력을 수신하는 동작, 및 상기 입력을 수신한 것에 응답하여, 상기 선택된 하나 이상의 문장들을, 외부 장치로부터 수신된, 정보를 요청하는 입력에 대한 응답으로 상기 메모리에 저장하는 동작을 포함하는 방법.

다양한 실시예에서, 상기 방법은, 상기 표시된 적어도 하나의 문장 중 하나 이상의 문장들을 수정하는 입력을 수신하는 동작, 및 상기 입력을 수신한 것에 응답하여, 상기 수정된 하나 이상의 문장들을, 외부 장치로부터 수신된, 정보를 요청하는 입력에 대한 응답으로 상기 메모리에 저장하는 동작을 더 포함할 수 있다.

다양한 실시예에서, 상기 적어도 하나의 페르소나를 결정하는 동작은, 상기 전자 장치의 사용자가 제공하는 서비스 또는 상기 전자 장치의 사용자에 대한 정보에 기반하여, 상기 적어도 하나의 페르소나를 결정하는 동작을 포함할 수 있다.

다양한 실시예에서, 상기 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작은, 상기 문장을, 상기 뉴럴 네트워크를 이용하여 학습되고 상기 적어도 하나의 페르소나에 각각 대응하는 문체 변환 모델을 이용하여, 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작을 포함할 수 있다.

다양한 실시예에서, 상기 방법은, 외부 장치로부터 정보를 요청하는 입력을 수신하는 동작, 상기 입력을 수신한 것에 기반하여, 상기 외부 장치의 사용자에 대한 정보를 확인하는 동작, 상기 외부 장치의 사용자에 대한 정보에 기반하여 페르소나를 결정하는 동작, 상기 요청에 대한 응답 문장을, 상기 결정된 페르소나에 대응하는 문체를 가지는 응답 문장으로 변환하는 동작, 및 상기 변환된 응답 문장을 상기 외부 장치로 제공하는 동작을 더 포함할 수 있다.

다양한 실시예에서, 상기 방법은, 외부 장치로부터 정보를 요청하는 입력을 수신하는 동작, 상기 입력을 수신한 것에 기반하여, 상기 정보에 포함된 콘텐트를 확인하는 동작, 상기 콘텐트에 대한 정보에 기반하여 페르소나를 결정하는 동작, 상기 요청에 대한 응답 문장을, 상기 결정된 페르소나에 대응하는 문체를 가지는 응답 문장으로 변환하는 동작, 및 상기 변환된 응답 문장을 상기 외부 장치로 제공하는 동작을 포함할 수 있다.

또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, CD-ROM, DVD 등)와 같은 저장매체를 포함한다.

일 실시예에서, 컴퓨터 판독 가능한 기록매체는 전자 장치에서, 사용자 입력에 기반하여 문장을 획득하는 동작, 상기 문장을 획득한 것에 기반하여, 적어도 하나의 페르소나를 결정하는 동작, 뉴럴 네트워크를 이용하여, 상기 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 문장으로 변환하는 동작, 및 상기 변환된 적어도 하나의 문장을 제공하는 동작을 실행시키기 위한 프로그램을 기록할 수 있다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

101, 102, 104: 전자 장치 108: 서버
102, 260: 프로세서

Claims

전자 장치에 있어서,
음향 출력 장치;
메모리; 및
적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로세서는,
정보를 요청하는 사용자 입력을 수신하고,
상기 사용자 입력을 수신함에 응답하여, 상기 요청된 정보에 포함된 콘텐트(content)를 확인하고,
상기 확인된 콘텐트를 기반으로 적어도 하나의 페르소나(persona)를 결정하고,
상기 요청에 대응하는 제1 응답 문장을 획득하고,
뉴럴 네트워크(neural network)를 이용하여, 상기 제1 응답 문장을 상기 적어도 하나의 페르소나에 대응하는 문체(style)를 가지는 적어도 하나의 제2 응답 문장으로 변환하고,
상기 적어도 하나의 페르소나의 발화 속도, 억양, 높이, 또는 습관 중 적어도 하나를 기반으로 상기 적어도 하나의 제2 응답 문장을 음성 형태의 정보로 변경하고,
상기 음향 출력 장치를 통해 상기 음성 형태의 정보를 제공하도록 설정된 전자 장치.
제 1 항에 있어서,
표시 장치를 더 포함하고,
상기 적어도 하나의 프로세서는,
상기 표시 장치를 통하여, 하나 이상의 페르소나들을 사용자에게 추천하기 위하여 표시하고,
상기 표시된 하나 이상의 페르소나들 중 적어도 하나의 페르소나를 선택하는 입력에 응답하여, 적어도 하나의 페르소나를 선택하고,
상기 선택된 적어도 하나의 페르소나를 상기 적어도 하나의 페르소나로 결정하도록 설정된 전자 장치.
제 2 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 제1 응답 문장을, 상기 결정된 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 제2 응답 문장으로 변환하고,
상기 표시 장치를 통하여 상기 변환된 적어도 하나의 제2 응답 문장을 표시하도록 설정된 전자 장치.
◈청구항 4은(는) 설정등록료 납부시 포기되었습니다.◈

제 3 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 표시된 적어도 하나의 제2 응답 문장 중 하나의 문장을 선택하는 입력을 수신하고,
상기 입력을 수신함에 응답하여, 상기 선택된 하나의 문장을, 상기 사용자 입력에 대한 응답으로 상기 메모리에 저장하도록 설정된 전자 장치.
◈청구항 5은(는) 설정등록료 납부시 포기되었습니다.◈

제 3 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 표시된 적어도 하나의 제2 응답 문장을 수정하는 입력을 수신하고,
상기 입력을 수신함에 응답하여, 상기 수정된 적어도 하나의 문장을, 상기 사용자 입력에 대한 응답으로 상기 메모리에 저장하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 전자 장치의 사용자가 제공하는 서비스 또는 상기 전자 장치의 사용자에 대한 정보에 기반하여, 상기 적어도 하나의 페르소나를 결정하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 제1 응답 문장을, 상기 뉴럴 네트워크를 이용하여 학습되고 상기 적어도 하나의 페르소나 각각에 대응하는 문체 변환 모델을 이용하여, 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 상기 적어도 하나의 제2 응답 문장으로 변환하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
외부 장치로부터 정보를 요청하는 입력을 수신함에 응답하여, 상기 외부 장치의 사용자에 대한 정보를 확인하고,
상기 외부 장치의 사용자에 대한 정보에 기반하여 페르소나를 결정하도록 설정된 전자 장치.
삭제
제 1 항에 있어서,
상기 적어도 하나의 프로세서는,
외부 장치로부터 요청되었던 정보에 대한 통계 또는 상기 전자 장치의 사용자로부터 입력되었던 요청에 대한 응답에 대한 통계에 기반하여, 상기 외부 장치의 사용자와 관련된 페르소나 또는 상기 전자 장치의 사용자와 관련된 페르소나를 생성하도록 설정된 전자 장치.
전자 장치의 동작 방법에 있어서,
상기 전자 장치의 프로세서를 이용하여, 정보를 요청하는 사용자 입력을 수신하는 동작;
상기 사용자 입력을 수신함에 응답하여, 상기 프로세서를 이용하여, 상기 요청된 정보에 포함된 콘텐트(content)를 확인하는 동작;
상기 프로세서를 이용하여, 상기 확인된 콘텐트를 기반으로 적어도 하나의 페르소나를 결정하는 동작;
상기 프로세서를 이용하여, 상기 요청에 대응하는 제1 응답 문장을 획득하는 동작;
상기 프로세서를 이용하여, 뉴럴 네트워크를 기반으로, 상기 제1 응답 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 제2 응답 문장으로 변환하는 동작;
상기 프로세서를 이용하여, 상기 적어도 하나의 페르소나의 발화 속도, 억양, 높이, 또는 습관 중 적어도 하나를 기반으로 상기 적어도 하나의 제2 응답 문장을 음성 형태의 정보로 변경하는 동작; 및
상기 전자 장치의 스피커를 통해 상기 음성 형태의 정보를 제공하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 적어도 하나의 페르소나를 결정하는 동작은,
표시 장치를 통하여 하나 이상의 페르소나들을 사용자에게 추천하기 위하여 표시하는 동작;
상기 표시된 하나 이상의 페르소나들 중 적어도 하나의 페르소나를 선택하는 입력에 응답하여, 적어도 하나의 페르소나를 선택하는 동작; 및
상기 선택된 적어도 하나의 페르소나를 상기 적어도 하나의 페르소나로 결정하는 동작을 포함하는 방법.
제 12 항에 있어서,
상기 적어도 하나의 제2 응답 문장으로 변환하는 동작은,
상기 제1 응답 문장을, 상기 결정된 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 제2 응답 문장으로 변환하는 동작; 및
상기 표시 장치를 통하여 상기 변환된 적어도 하나의 제2 응답 문장을 표시하는 동작을 포함하는 방법.
◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈

제 13 항에 있어서,
상기 표시된 적어도 하나의 제2 응답 문장 중 하나의 문장을 선택하는 입력을 수신하는 동작; 및
상기 입력을 수신함에 응답하여, 상기 선택된 하나의 문장을, 상기 사용자 입력에 대한 응답으로 상기 전자 장치의 메모리에 저장하는 동작을 더 포함하는 방법.
◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈

제 13 항에 있어서,
상기 표시된 적어도 하나의 제2 응답 문장을 수정하는 입력을 수신하는 동작; 및
상기 입력을 수신함에 응답하여, 상기 수정된 적어도 하나의 문장을, 상기 사용자 입력에 대한 응답으로 상기 전자 장치의 메모리에 저장하는 동작을 더 포함하는 방법.
◈청구항 16은(는) 설정등록료 납부시 포기되었습니다.◈

제 11 항에 있어서,
상기 적어도 하나의 페르소나를 결정하는 동작은,
상기 전자 장치의 사용자가 제공하는 서비스 또는 상기 전자 장치의 사용자에 대한 정보에 기반하여, 상기 적어도 하나의 페르소나를 결정하는 동작을 포함하는 방법.
◈청구항 17은(는) 설정등록료 납부시 포기되었습니다.◈

제 11 항에 있어서,
상기 적어도 하나의 제2 응답 문장으로 변환하는 동작은,
상기 제1 응답 문장을, 상기 뉴럴 네트워크를 이용하여 학습되고 상기 적어도 하나의 페르소나 각각에 대응하는 문체 변환 모델을 이용하여, 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 상기 적어도 하나의 제2 응답 문장으로 변환하는 동작을 포함하는 방법.
◈청구항 18은(는) 설정등록료 납부시 포기되었습니다.◈

제 11 항에 있어서,
외부 장치로부터 정보를 요청하는 입력을 수신함에 응답하여, 상기 외부 장치의 사용자에 대한 정보를 확인하는 동작; 및
상기 외부 장치의 사용자에 대한 정보에 기반하여 페르소나를 결정하는 동작을 더 포함하는 방법.
삭제
◈청구항 20은(는) 설정등록료 납부시 포기되었습니다.◈

컴퓨터에서 실행 가능한 프로그램들이 기록된 컴퓨터로 판독 가능한 기록 매체에 있어서,
상기 프로그램들은,
정보를 요청하는 사용자 입력을 수신하는 동작;
상기 사용자 입력을 수신함에 응답하여, 상기 요청된 정보에 포함된 콘텐트를 확인하는 동작;
상기 확인된 콘텐트를 기반으로 적어도 하나의 페르소나를 결정하는 동작;
상기 요청에 대응하는 제1 응답 문장을 획득하는 동작;
뉴럴 네트워크를 이용하여, 상기 제1 응답 문장을 상기 적어도 하나의 페르소나에 대응하는 문체를 가지는 적어도 하나의 제2 응답 문장으로 변환하는 동작;
상기 적어도 하나의 페르소나의 발화 속도, 억양, 높이, 또는 습관 중 적어도 하나를 기반으로 상기 적어도 하나의 제2 응답 문장을 음성 형태의 정보로 변경하는 동작; 및
상기 음성 형태의 정보를 출력하는 동작을 수행하기 위하여 상기 컴퓨터에 의해 야기되는 기록 매체.