KR102547136B1 - 음성 상담을 보조하기 위한 방법 - Google Patents

Abstract

본 개시의 몇몇 실시예에 따른 실시예들에 따라 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 음성 상담을 보조하기 위한 방법이 개시된다. 상기 방법은, 사용자 단말에 의해 요청된 호출(call)에 응답하여 상기 사용자 단말과의 음성 상담 세션을 개시하는 단계; 상기 음성 상담 세션이 수행되는 과정에서, 상기 사용자 단말에서 발화되는 제 1 음성 데이터를 음성 변조 모델에 입력하는 단계; 및 상기 제 1 음성 데이터 대신에 제 2 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 상기 음성 변조 모델에 의해 상기 제 1 음성 데이터로부터 상기 제 2 음성 데이터를 생성하는 단계를 포함할 수 있다.

Description

음성 상담을 보조하기 위한 방법{METHOD FOR SUPPORTING VOICE CONSULTATION}

본 개시는 상담 서비스를 제공하기 위한 방법에 관한 것으로, 보다 구체적으로, 음성 상담을 보조하기 위한 기법에 관한 것이다.

기업의 고객 센터(예컨대, 콜센터)는 고객의 불만, 문의사항 또는 제안 의견 등을 주로 전화를 통해 접수 받고 있다. 콜센터에서 진행되는 상담은 음성 통화를 통해 대부분 이루어지고 있다. 보험사를 예를 들어 보면, 보험사의 업무 특성상 콜센터를 통한 음성 기반의 업무 처리의 비중이 높으며 이를 위해 전문 상담원들이 음성 기반의 상담 업무를 진행하고 있다. 전문 상담원의 입장에서 음성 상담을 진행하다 보면, 다양한 고객들로부터 상품 판매 과정에서 발생한 불만 또는 콜센터 연결 지연에 따른 불만 등이 접수될 수 있다. 이러한 불만이 포함된 상담 과정에서, 고객의 발화에 다수의 폭언, 비속어 및/또는 감정적인 억양으로 인해, 음성 상담을 진행하는 상담원의 감정 노동이 야기될 수 있다. 감정 노동의 강도가 심화됨에 따라, 콜센터 상담원의 업무 효율 저하, 스트레스의 증가, 우울증 가능성 증가 등의 직접 혹은 간접적인 피해가 발생되고 있다. 콜센터의 음성 상담 과정에서의 상담원 보호를 위한 조치로서 산업안정보호법에 따른 상담원 보호 조치가 시행 중이나, 이러한 보호 조치는 사고 발생 후 피해보상의 성격을 띄고 있을 뿐, 감정 노동의 발생 자체를 줄이거나 이를 차단하기 위한 조치로 활용되고 있지는 않다.

대한민국 공개 특허 제2020-0005753호

본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 콜센터 상담원의 노동 환경을 증대시키고 콜센터 업무 효율을 상승시키기 위함이다.

본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 바와 같은 과제를 해결하기 위한 본 개시의 몇몇 실시예에 따라, 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 음성 상담을 보조하기 위한 방법이 개시된다. 상기 방법은: 사용자 단말에 의해 요청된 호출(call)에 응답하여 상기 사용자 단말과의 음성 상담 세션을 개시하는 단계; 상기 음성 상담 세션이 수행되는 과정에서, 상기 사용자 단말로부터 발화되는 음성 중 제 1 음성 데이터를 음성 변조 모델에 입력하는 단계; 및 상기 제 1 음성 데이터 대신에 제 2 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 상기 음성 변조 모델에 의해 상기 제 1 음성 데이터로부터 상기 제 2 음성 데이터를 생성하는 단계를 포함할 수 있다.

본 개시내용의 일 실시예에 있어서, 음성 변조 모델은, 제 1 음성 데이터를 분석하여, 상기 제 1 음성 데이터를 변조할지 여부를 결정하는 제 1 모듈; 및 제 1 모듈의 출력과 연결되며, 그리고 상기 제 1 모듈에서 상기 제 1 음성 데이터를 변조할 것으로 결정하는 경우 상기 제 1 음성 데이터를 변조하여 제 2 음성 데이터를 생성하는 제 2 모듈을 포함할 수 있다.

본 개시내용의 일 실시예에 있어서, 제 1 모듈은, 자연어 처리(NLP) 알고리즘에 기반하여 제 1 음성 데이터에서 사전 정의된 감정 단어가 출현되었는지 여부를 결정하고 그리고 상기 제 1 음성 데이터로부터 억양의 정량값을 결정함으로써, 상기 제 1 음성 데이터에 대한 변조 여부를 결정할 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은, 제 1 시간 기간 동안 상기 감정 단어가 출현된 개수를 나타내는 제 1 인자 및 상기 제 1 시간 기간 동안 상기 억양의 정량값이 임계 강도를 초과하는 발화 지속시간을 나타내는 제 2 인자에 기초하여, 상기 제 1 음성 데이터에 대한 변조 여부를 결정할 수 있다. 제 2 모듈은, 제 1 음성 데이터에 대한 변조 결정에 응답하여, 상기 제 1 시간 기간 이후인 제 2 시간 기간 동안 발화되는 제 1 음성 데이터에 대한 변조를 수행함으로써 상기 제 2 음성 데이터를 생성할 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은, 제 1 음성 데이터에서 사전 정의된 감정 단어가 출현됨을 인식하거나 또는 상기 제 1 음성 데이터에서 임계 강도를 초과한 억양의 정량값이 검출되는 경우, 상기 제 1 음성 데이터를 변조할 것을 결정할 수 있다. 제 2 모듈은, 제 1 음성 데이터를 변조할 것이라는 결정에 응답하여, 상기 제 1 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 개시하는 상담원 단말에 전달되기 이전에 상기 제 1 음성 데이터를 상기 제 2 음성 데이터로 변조할 수 있다.

본 개시내용의 일 실시예에 따른 억양의 정량값은, 제 1 음성 데이터에서의 음성의 리듬, 상기 제 1 음성 데이터에서의 음성의 속도, 상기 제 1 음성 데이터에서의 음색, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이 중 적어도 하나에 기초하여 결정될 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은 추가적으로, 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보에 기초하여, 상기 변조 여부를 판단하기 위한 기준을 상이하게 적용할 수 있다. 상기 변조 여부를 판단하기 위한 기준은, 상기 감정 단어의 종류, 상기 감정 단어의 출현 횟수에 대한 임계값 및 상기 억양의 임계 강도를 포함할 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은 사용자 단말과의 음성 상담 세션을 개시하는 상담원 단말로부터 사전입력된 상담원 컨디션 레벨 입력에 기초하여, 상기 변조 여부를 판단하기 위한 기준을 상이하게 적용할 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈은, 제 1 음성 데이터에 대한 변조 여부의 결정에 응답할 수 있도록 상기 제 1 모듈의 출력과 연결되며, 그리고 제 1 음성 데이터에서 출현된 상기 사전 정의된 감정 단어가 변조될 것이라는 결정에 응답하여, 상기 사전 정의된 감정 단어를 묵음 처리하는 방식 또는 사전 정의된 비-감정 단어로 변경하는 방식으로 상기 제 1 음성 데이터에 대한 변조를 수행할 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈은 추가적으로, 제 1 음성 데이터에서 상기 임계 강도를 초과한 억양에 대한 변조 결정에 응답하여, 상기 제 1 음성 데이터에서 상기 억양을 포함하는 부분에 대한 음성 세기 또는 음성의 높낮이 중 적어도 하나에 대한 변조를 수행할 수 있다.

본 개시내용의 일 실시예에서, 제 1 음성 데이터에 대한 변조는, 제 1 음성 데이터에서의 음성의 리듬에 대한 변조, 상기 제 1 음성 데이터에서의 음성의 속도에 대한 변조, 상기 제 1 음성 데이터에서의 음색에 대한 변조, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기에 대한 변조, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이에 대한 변조 중 적어도 하나를 포함할 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈은, 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보에 기초하여, 상기 제 1 음성 데이터에 대한 변조를 상이한 방식으로 수행할 수 있다.

본 개시내용의 일 실시예에서, 제 1 상담원 단말에 대해서는 상기 감정 단어에 대한 변조에 비해 상기 억양에 대한 변조를 우선순위화 하고, 제 2 상담원 단말에 대해서는 상기 음성의 높낮이에 대한 변조에 비해 상기 음성의 세기에 대한 변조를 우선순위화하며, 그리고 제 3 상담원 단말에 대해서는 상기 제 3 상담원 단말의 사용자의 성별에 매칭되는 성별의 음성으로 상기 제 1 음성 데이터에 대한 변조가 수행될 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은, 제 1 음성 데이터로부터 통화 상에서 발생될 수 있는 노이즈를 제거하고 상기 제 1 음성 데이터를 복수의 토큰(token)들로 분할하는 토큰화를 수행하고, 그리고 상기 복수의 토큰들 각각에 대한 원-핫 인코딩을 수행하는 전처리 서브 모듈; 상기 전처리 서브 모듈의 결과를 입력 받는 뉴런들을 포함하는 하나 이상의 입력 레이어; 복수의 히든 레이어들; 및 상기 제 1 음성 데이터에 대한 감정 스코어(score)를 출력하는 뉴런들을 포함하는 출력 레이어를 포함할 수 있다. 일 실시예에서, 제 1 모듈의 입력 레이어, 히든 레이어 또는 출력 레이어 중 적어도 하나의 레이어에 상기 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 추가로 임베딩될 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈은, 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 어텐션 함수(attention function)에 적용되는 어텐션 메커니즘에 의해 사전 학습된 인공지능 모델일 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈은 음성 데이터를 입력 받아 변조된 음성 데이터를 출력하도록 학습되는 생성 네트워크, 및 상기 생성 네트워크의 출력인 상기 변조된 음성 데이터를 입력 받아 상기 입력된 데이터가 변조된 데이터인지 여부를 판단하는 판별자 네트워크에 기반하여 사전학습된 인공지능 모델일 수 있다.

본 개시내용의 일 실시예에 따른 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 컴퓨팅 장치의 프로세서로 하여금 음성 상담을 보조하기 위한 방법을 수행하기 위한 명령들을 포함할 수 있다. 상기 방법은: 사용자 단말에 의해 요청된 호출에 응답하여 상기 사용자 단말과의 음성 상담 세션을 개시하는 단계; 상기 음성 상담 세션이 수행되는 과정에서, 상기 사용자 단말에서 발화되는 음성 중 제 1 음성 데이터를 음성 변조 모델에 입력하는 단계; 및 제 1 음성 데이터 대신에 제 2 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 상기 음성 변조 모델에 의해 상기 제 1 음성 데이터로부터 상기 제 2 음성 데이터를 생성하는 단계를 포함할 수 있다.

본 개시의 몇몇 실시예에 따라, 콜센터 상담원의 노동 환경을 증대시키고 콜센터 업무 효율을 상승시키기 위한 기법이 제공될 수 있다.

본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 몇몇 실시예에 따른 컴퓨팅 장치, 네트워크 및 사용자 단말의 블록도를 예시적으로 나타낸다.
도 2는 본 개시의 몇몇 실시예에 따른 네트워크 함수를 나타낸 개략도이다.
도 3은 본 개시의 몇몇 실시예에 따른 상담 서비스를 보조하기 위한 방법을 예시적으로 도시한다.
도 4는 본 개시내용의 몇몇 실시예에 따른 상담 서비스를 제공하기 위한 예시적인 음성 변조 모델을 도시한다.
도 5는 본 개시내용의 몇몇 실시예에 따른 음성 상담 프로세스와 음성 변조 프로세스를 예시적으로 도시한다.
도 6은 본 개시내용의 몇몇 실시예 따라 음성 변조 모델의 예시적인 네트워크 구조를 도시한다.
도 7은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

도 1은 본 개시의 일 실시예에 따른 상담 서비스를 제공 또는 보조하기 위한 컴퓨팅 장치(100), 네트워크(300) 및 사용자 단말(200)의 블록 구성도이다.

본 개시내용에서 사용되는 용어인 "상담 서비스"는 고객으로부터 발신된 호출에 연결되어 고객이 원하는 부분에 대한 답변을 제공하는 임의의 형태의 상담을 포함하는 서비스를 의미할 수 있다. 예를 들어, 상담 서비스는 콜센터에서 진행되는 고객에 대한 상담을 포함할 수 있다. 예를 들어, 상담 서비스는 콜센터에서 진행되는 고객에 대한 음성 상담을 포함할 수 있다. 이하에서는 보험과 관련된 상담 서비스를 예시로 들어 설명될 것이나, 이러한 상담의 범위가 보험에 국한되지 않고 다양한 도메인과 관련된 상담 또한 본 개시내용의 권리범위 내에 포함될 수 있다.

도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다. 본 개시내용에서의 컴퓨팅 장치(100)는 프로세싱 능력을 가지고 있는 임의의 형태의 디바이스를 의미할 수 있다. 일례로, 컴퓨팅 장치(100)는 콜센터 서버일 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 상담원 단말일 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 고객 단말일 수 있다.

컴퓨팅 장치(100)는 예를 들어, 마이크로프로세서, 메인프레임 컴퓨터, 디지털 프로세서, 휴대용 디바이스 또는 디바이스 제어기 등과 같은 임의의 타입의 컴퓨터 시스템 또는 컴퓨터 디바이스를 포함할 수 있다. 이러한 컴퓨팅 장치(100)는 임의의 형태의 서버 및/또는 사용자 단말을 포함할 수 있다. 예를 들어, 사용자 단말은 사용자가 소유하고 있는 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다.

컴퓨팅 장치(100)는 프로세서(110), 저장부(120), 통신부(130)를 포함할 수 있다.

프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 처리, 데이터 분석 및/또는 딥러닝을 위한 임의의 형태의 프로세서를 포함할 수 있다. 프로세서(110)는 저장부(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 음성 상담 서비스를 제공 또는 보조하기 위한 방법을 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 머신러닝 또는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

예를 들어, 본 개시내용의 프로세서(110)는 음성 데이터로부터 통화 상에서 발생될 수 있는 주변 잡음(노이즈)를 제거할 수 있으며, 음성 데이터를 복수의 토큰들로 분할하는 토큰화를 수행할 수 있으며, 토큰화된 토근들 각각에 대한 원-핫 인코딩을 수행하는 전처리 동작을 수행할 수 있다. 프로세서(110)는 전처리가 완료된 입력 데이터를 입력 레이어에 입력하여, 음성 데이터에 대한 감정 스코어에 대한 출력을 획득할 수 있다.

본 개시의 일 실시예에 따르면, 저장부(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 통신부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다. 본 개시내용에서 저장부(120)는 메모리와 상호 교환 가능하게 사용될 수 있다.

본 개시의 일 실시예에 따르면, 저장부(120)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(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), 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. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 저장부(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 저장부(120)에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따른 네트워크(300)는 임의의 형태의 데이터 및 신호 등을 송수신할 수 있는 임의의 유무선 통신 네트워크가 본 개시 내용에서 표현되는 네트워크(300)에 포함될 수 있다.

본 개시의 일 실시예에 따른 통신부(130)는 네트워크(300)를 통해 임의의 형태의 다른 컴퓨팅 장치(예컨대, 사용자 단말(200))와 통신할 수 있다.

본 개시의 일 실시예에 따른 사용자 단말(200)은 사용자가 소유하고 있는 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다.

도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.

본 명세서에 걸쳐, 인공지능 모델, 인공지능 기반 모델, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.

신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.

최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.

본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.

뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.

뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.

뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.

본 개시의 일 실시예에 따른 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.

데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.

데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.

비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 예를 들어, 데이터 구조는 원-핫 인코딩 결과 획득되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

도 3은 본 개시의 몇몇 실시예에 따른 상담 서비스를 제공 또는 보조하기 위한 방법을 예시적으로 도시한다. 도 3에서 도시되는 순서도는 예시의 목적으로 도시되는 것으로, 추가 단계들이 존재할 수 있거나 혹은 도 3에서 도시되는 순서도에 포함되는 단계들 중 일부는 제외될 수 있다.

도 3의 방법은 예를 들어, 본 개시내용의 컴퓨팅 장치(100)에 의해 수행될 수 있다.

컴퓨팅 장치(100)는 사용자 단말과의 상담 세션을 개시할 수 있다(310). 예를 들어, 컴퓨팅 장치(100)는 사용자 단말로부터 인입되는 호출을 인식할 수 있다. 인식된 호출에 대한 상담 세션이 개시될 수 있다. 상담 세션이 개시된다는 표현은, 상담원 단말 또는 컴퓨팅 장치와 사용자 단말 간의 음성 상담이 개시된다는 것을 의미할 수 있다. 예를 들어, 컴퓨팅 장치와 사용자 단말 간의 음성 상담이 개시된다는 것은 예를 들어, 자동 응답 시스템(ARS)의 안내가 종료된 이후 사용자와 고객 센터의 상담원 간의 음성 상담이 개시된다는 것을 의미할 수 있다. 다른 예시로, 컴퓨팅 장치와 사용자 단말 간의 음성 상담이 개시된다는 것은 예를 들어, 통화가 연결된 이후 그리고 상담원과의 실제 상담 이전에, ARS에 대한 안내가 사용자 단말로 전달되고 있다는 것을 의미할 수 있다.

음성 상담 세션이 수행되는 과정에서, 컴퓨팅 장치(100)는 사용자 단말로부터 발화되는 음성 중 제 1 음성 데이터를 음성 변조 모델에 입력할 수 있다(320).

일 실시예에서, 컴퓨팅 장치(100)는 사용자 단말에서 발화되는 음성 데이터 중에서 음성 변조 모델에 입력할 제 1 음성 데이터를 선택할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 사용자에 의해 발화되는 음성 데이터를 모니터링할 수 있다. 컴퓨팅 장치(100)는 음성 데이터에서 사전결정된 임계값 이상의 세기의 소리가 인식되는 경우, 또는 사전 정의된 특정한 단어가 출현되는 경우 등의 조건이 충족되는 것에 응답하여, 해당 시점 이후의 음성 데이터를 제 1 음성 데이터로 선택할 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 사용자에 의해 발화되는 음성 데이터를 음성 변조 모델에 입력할 수 있다. 이러한 경우, 음성 변조 모델은 사용자에 의해 발화되는 음성 데이터 모두를 음성 변조할 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 사용자에 의해 발화되는 음성 데이터를 음성 변조 모델에 입력하고, 음성 변조 모델 내에서 음성 데이터 중 변조될 음성 데이터를 선택하도록 허용할 수 있다.

본 개시내용에서의 음성 변조 모델은 음성 데이터를 일정한 조건에 따라 변조하는 임의의 형태의 모델을 의미할 수 있다. 예를 들어, 음성 변조 모델은 사전저장된 음성 데이터로 음성 데이터를 변조할 수 있다. 다른 예시로, 음성 변조 모델은 인공지능 기반 모델을 사용하여 특정한 조건에 따라 음성 데이터를 변조할 수 있다.

본 개시내용에서 사용되는 용어 제 1 음성 데이터는 변조 대상인 음성 데이터를 의미할 수 있으며, 제 2 음성 데이터는 변조 후 결과에 해당하는 음성 데이터를 의미할 수 있다.

본 개시내용의 일 실시예에서, 컴퓨팅 장치(100)는 음성 변조 모델에 음성 데이터를 입력하는 경우, 노이즈가 제거된 음성 데이터를 입력할 수 있다. 예를 들어, 음성 데이터가 사용자의 음성과 배경음(예컨대, 주위 소리 등)으로 이루어진 경우, 배경음은 사용자의 음성과는 달리 주파수 도메인에서 기본 주파수의 배수에 해당하는 등 사용자의 음성과는 상이한 스펙트럼을 가질 수 있다. 컴퓨팅 장치(100)는 이러한 사용자의 음성과 상이한 스펙트럼을 갖는 음성 데이터를 노이즈로서 제거함으로써 음성 변조 모델의 성능을 높일 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 음성에 해당하는 주파수, 종류(유성음, 무성음 등), 음속, 음 높이 등과 같은 사용자의 음성과 관련된 파라미터에 기초하여 음성 데이터로부터 노이즈를 제거할 수도 있다.

컴퓨팅 장치(100)는 제 1 음성 데이터 대신에 제 2 음성 데이터가 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 음성 변조 모델에 의해 제 1 음성 데이터를 제 2 음성 데이터로 변조할 수 있다(330).

일 실시예에서, 컴퓨팅 장치는 제 1 음성 데이터에서 사전 정의된 감정 단어가 출현됨을 인식하거나 또는 상기 제 1 음성 데이터에서 임계 강도를 초과한 억양의 정량값이 검출되는 경우, 상기 제 1 음성 데이터를 변조할 것을 결정하고, 그리고 제 1 음성 데이터를 변조할 것이라는 결정에 응답하여, 상기 제 1 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 개시하는 상담원 단말에 전달되기 이전에 상기 제 1 음성 데이터를 상기 제 2 음성 데이터로 변조할 수 있다. 본 개시내용에서의 감정 단어는 격양된 감정이 포함되어 있는 사전 정의된 단어를 의미할 수 있으며, 예를 들어, 욕설 및/또는 비속어 등과 같이 상담원에게 심리적인 영향을 미칠 수 있는 사전 정의된 단어를 포함할 수 있다. 본 개시내용에서의 억양은 발화되는 음성 데이터의 높낮이의 상태 또는 변동의 유형 등을 포함하며, 발화되는 음성의 원래의 뜻 이외의 화자의 태도를 나타내는 것을 의미할 수 있다. 예를 들어, 어구에서 목소리의 오르내림으로 나타나는 음성의 선율, 음성의 강세(예컨대, 장단음이 교차 또는 강세가 있고 없는 단어들의 교차 등), 말의 빠르고 느림을 나타내는 음성의 속도, 말의 감정이나 심리적 뉘앙스를 주는 음성의 색채를 나타내는 음색 등이 억양의 구성요소가 될 수 있다.

본 개시내용의 일 실시예에서, 컴퓨팅 장치(100)는 전술한 구성요소들의 조합을 통해 억양을 사전정의된 기법에 따라 정량화시킬 수 있으며, 억양의 정량화된 값에 기초하여 사용자의 감정 수준을 파악할 수 있다. 본 개시내용의 다른 실시예에서, 컴퓨팅 장치(100)는 전술한 구성요소들의 조합을 통해 억양을 사전결정된 개수의 클래스들로 분류할 수 있다. 이러한 예시에서, 컴퓨팅 장치는 억양을 예를 들어, "분노", "격앙", "보통", 및/또는"차분"등의 클래스로 분류할 수 있다.

본 개시내용의 일 실시예에서, 음성 변조 모델은 제 1 시간 기간 동안 상기 감정 단어가 출현된 개수를 나타내는 제 1 인자 및 상기 제 1 시간 기간 동안 상기 억양의 정량값이 임계 강도를 초과하는 발화 지속시간을 나타내는 제 2 인자에 기초하여, 상기 제 1 음성 데이터에 대한 변조 여부를 결정하고, 그리고 상기 제 1 음성 데이터에 대한 변조 결정에 응답하여, 상기 제 1 시간 기간 이후인 제 2 시간 기간 동안 발화되는 제 1 음성 데이터에 대한 변조를 수행함으로써 상기 제 2 음성 데이터를 생성할 수 있다. 이러한 경우, 컴퓨팅 장치(100)는 특정 기간 동안 발화되는 사용자의 음성 데이터를 분석하여, 해당 기간 이후에 발화되는 사용자의 음성 데이터에 대한 변조를 수행할 수 있다.

본 개시내용의 일 실시예에서, 컴퓨팅 장치(100)는 제 1 음성 데이터를 제 2 음성 데이터로 변조하는 경우, 예를 들어, 제 1 음성 데이터에서의 감정 단어를 묵음처리 또는 다른 표현으로 변환하는 방식으로 제 2 음성 데이터를 생성할 수 있다. 일례로, 컴퓨팅 장치(100)는 감정 단어를 비-감정 단어로 변경하는 방식의 음성 변조를 수행할 수도 있다. 비-감정 단어는 욕설 및/또는 비속어를 포함하는 감정 단어의 적어도 일부가 다른 표현으로 변경된 단어를 의미할 수 있다. 비-감정 단어는 감정 단어의 감정 레벨을 줄이기 위한 임의의 형태의 단어를 포함할 수 있다.

다른 실시예에서, 컴퓨팅 장치(100)는 제 1 음성 데이터는 제 2 음성 데이터로 변조하는 경우, 예를 들어, 제 1 음성 데이터에서의 음성의 리듬, 속도, 음색, 어구별 음성의 세기, 및/또는 어구별 음성의 높낮이를 변경하는 방식으로 제 2 음성 데이터를 생성할 수 있다. 컴퓨팅 장치(100)는 음성의 세기 및/또는 음성의 높낮이에 대한 변조를 수행함으로써, 발화되는 사용자의 음성의 억양을 완화시켜 음성 데이터를 듣게 되는 상담원의 스트레스를 완화시킬 수 있다.

전술한 바와 같이, 본 개시내용의 일 실시예에 따른 컴퓨팅 장치(100)는 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 사용자가 발화한 제 1 음성 데이터 대신에 제 2 음성 데이터가 출력되도록 하기 위해 음성 변조 모델을 사용할 수 있다. 이에 따라 비속어, 폭언, 감정적인 억양이 포함된 고객의 발화 음성으로 인한 상담원의 직접적 또는 간접적인 피해가 줄어들 수 있으며, 상담원의 감정노동에 대한 근본적인 해결책이 제시될 수 있다.

도 4는 본 개시내용의 몇몇 실시예에 따른 상담 서비스를 제공하기 위한 예시적인 음성 변조 모델(400)을 도시한다.

도 4에서 도시되는 바와 같이, 음성 변조 모델(400)은 제 1 모듈(410) 및 제 2 모듈(420)을 포함할 수 있다. 도 4에서 도시되는 음성 변조 모델(400)은 예시적인 목적으로 표현되었으며, 추가적인 구성요소가 부가되거나 또는 이들 구성요소 중 일부는 구현 양태에 따라 제외되거나 다른 하나에 통합될 수도 있다.

본 개시내용의 일 실시예에서, 제 1 모듈(410)은 사용자로부터 발화된 또는 음성 변조 모델에 입력된 제 1 음성 데이터를 분석하여 제 1 음성 데이터에 대한 변조 여부를 결정할 수 있다. 제 2 모듈(420)은 제 1 모듈(410)의 출력과 연결될 수 있으며, 제 1 모듈(410)에서 제 1 음성 데이터를 변조할 것으로 결정한 경우, 제 1 음성 데이터를 변조하여 제 2 음성 데이터를 생성할 수 있다.

일 실시예에서, 제 1 모듈(410)은 제 1 음성 데이터에 대한 분석을 위해 임의의 형태의 자연어 처리(NLP) 알고리즘을 포함할 수 있다.

예를 들어, 제 1 모듈(410)은 제 1 음성 데이터에 대한 STT(Speech To Text)를 수행하여, 제 1 음성 데이터에 대한 텍스트를 생성할 수 있다. 본 개시내용의 일 실시예에서, 제 1 모듈(410)은 자연어 처리(NLP) 알고리즘에 기반하여 제 1 음성 데이터에 대해 변환된 텍스트 데이터를 복수의 토큰들로 토큰화하고, 상기 복수의 토큰들에 기초하여 상기 텍스트 데이터에서의 특정 키워드(예컨대, 감정 단어)의 출현 여부를 판단할 수 있다. 일 실시예에서, 상기 토큰화는 상기 텍스트 데이터에서의 스페이스 또는 콤마를 구분자(stopword)로 사용하는 방식으로 이루어질 수 있다.

제 1 모듈(410)은 텍스트에서 사전 정의된 감정 단어의 출현 여부 및/또는 출현 개수를 결정할 수 있다. 제 1 모듈(410)은 사전 정의된 감정 단어가 출현한 경우 또는 사전 정의된 감정 단어의 출현 개수가 임계 개수를 초과하는 경우, 상기 제 1 음성 데이터에 대한 변조를 수행할 것으로 결정할 수 있다.

일 실시예에서, 제 1 모듈(410)은 사전 결정된 시간 기간(예컨대, 5초, 10초, 30초, 1분 등) 동안 감정 단어가 출현된 개수를 카운팅함으로써, 상기 사전 결정된 시간 기간 이후에 발화되는 사용자의 음성 데이터에 대한 변조 여부를 결정할 수 있다. 예를 들어, 10초간 감정 단어의 발화 횟수가 3회인 경우, 10초 이후의 시점에서 발화되는 사용자의 음성 데이터는 변조되어 상담원 단말에 전달될 수 있다. 다른 예시로, 5초 동안 감정 단어가 1회 출현한 경우, 5초 이후의 시점에서 또는 감정 단어가 출현됨을 인식한 시점 이후의 시점에서 사용자의 음성 데이터는 변조되어 상담원 단말에 전달될 수 있다.

다른 실시예에서, 제 1 모듈(410)은 실시간으로 음성 변조 기능을 수행할 수도 있다. 예를 들어, 제 1 모듈(410)은 제 1 음성 데이터에서 사전 정의된 감정 단어가 출현됨을 인식하는 경우, 상기 출현된 감정 단어가 상담원 단말에 전달되기 이전에 상기 감정 단어에 대한 변조를 수행할 수 있다. 이러한 경우, 상담원은 사용자로부터의 감정 단어를 듣지 않고 업무를 수행할 수 있기 때문에, 상담원의 상담 효율이 높아질 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈(410)은 억양을 분석하기 위한 알고리즘을 포함하며, 상기 알고리즘에 기초하여 발화된 음성 데이터에 대한 억양 분석을 수행할 수 있다.

예를 들어, 제 1 모듈(410)은 제 1 음성 데이터에서의 음성의 리듬, 상기 제 1 음성 데이터에서의 음성의 속도, 상기 제 1 음성 데이터에서의 음색, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이 중 적어도 하나에 기초하여, 상기 제 1 음성 데이터에 대한 억양을 결정할 수 있다. 예를 들어, 제 1 모듈(410)은 제 1 음성 데이터에서의 음성의 리듬, 상기 제 1 음성 데이터에서의 음성의 속도, 상기 제 1 음성 데이터에서의 음색, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이를 포함하는 복수의 인자들 각각을 입력 데이터로 하여 인공지능 기반 모델에 입력하고 그리고 상기 인공지능 모델의 출력을 획득하는 방식으로 상기 제 1 음성 데이터에 대한 억양의 클래스 분류 또는 정량값을 획득할 수 있다.

일 실시예에서, 제 1 모듈(410)은 특정한 시간 기간 동안 제 1 음성 데이터에서의 억양의 정량값이 임계 강도를 초과한 시간량 또는 발화 지속시간을 결정할 수 있다. 예를 들어, 특정 시간 기간인 10초 동안"분노"의 클래스로 분류된 억양의 지속 시간 총량 또는 억양의 정량값이 70점이 넘는 상태로의 지속 시간의 총량이 5초인 것으로 판단되는 경우, 제 1 모듈(410)은 상기 10초의 시간 기간이 지난 시점 이후에 발화된(또는 발화를 인식한) 제 1 음성 데이터를 변조할 것으로 결정할 수 있다.

일 실시예에서, 제 1 모듈(410) 억양의 정량값이 임계 강도를 초과하거나 억양의 클래스가 특정 클래스에 해당한다고 결정한 경우, 상기 억양을 포함하는 제 1 음성 데이터가 상담원 단말로 전달되기 이전에 상기 제 1 음성 데이터에 대한 변조를 결정할 수 있다. 이러한 방식으로 제 1 모듈(410)은 음성 데이터에 대한 실시간 변조를 구현할 수 있다.

본 개시내용의 일 실시예에서, 제 1 모듈(410)은 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보에 기초하여, 변조 여부를 판단하기 위한 기준을 상이하게 적용할 수 있다. 예를 들어, 상담원 식별 정보는 상담원의 경력, 상담원의 성별, 상담원의 나이, 및/또는 상담원의 사전 입력 정보(예컨대, 상담원 컨디션 레벨 정보 등)를 포함할 수 있다. 본 개시내용에서의 변조 여부를 판단하기 위한 기준은, 상기 감정 단어의 종류, 상기 감정 단어의 출현 횟수에 대한 임계값 및 상기 억양의 임계 강도를 포함할 수 있다. 변조 여부를 판단하기 위한 기준이 높다는 것은 감정 단어로 판단되는 단어의 종류가 적어진다는 것을 의미하고, 그리고/또는 감정 단어의 출현 횟수에 따른 임계값이 높아진 다는 것을 의미하고, 그리고/또는 억양의 임계 강도가 높아진다는 것을 의미할 수 있다.

예를 들어, 상담원 A는 경력이 많은 상담사이고, 상담사 B는 상대적으로 A에 비해 경력이 적은 상담사이다. 이러한 경우, 상담원 B는 상담원 A에 비해 고객의 감정 단어들에 보다 취약할 수 있다. 상담사 B의 경우 상담사 A에 비해 변조 여부를 판단하기 위한 기준을 하향 적용함으로써, 상담사 B의 감정 노동에 대한 가능성을 줄일 필요성이 존재한다. 따라서, 본 개시내용의 일 실시예에 따라, 컴퓨팅 장치(100)는 상담원의 식별 정보에 기반하여 변조 여부를 판단하기 위한 기준을 상이하게 결정함으로써, 상담사 별로 맞춤형 감정 관리가 이루어질 수 있다. 본 개시내용의 추가적인 실시예에서, 컴퓨팅 장치(100)는 상담원 단말을 통해, 사용자 단말과의 음성 상담 세션을 진행하는 상담사 단말로부터의 상담 컨디션 정보를 예컨대, 매일, 매주, 또는 특정 시점 단위로 입력받을 수 있다. 상담 컨디션 정보에 따라서 컴퓨팅 장치(100)는 제 1 모듈(410)의 변조 기준을 상이하게 적용함으로써, 상담사의 현재 컨디션에 따라 감정 노동의 가능성을 줄여줄 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈(420)은 제 1 음성 데이터에서 출현된 상기 사전 정의된 감정 단어가 변조될 것이라는 결정에 응답하여, 상기 사전 정의된 감정 단어를 묵음 처리하는 방식 또는 사전 정의된 비-감정 단어로 변경하는 방식으로 상기 제 1 음성 데이터에 대한 변조를 수행할 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈(420)은, 제 1 음성 데이터에서 임계 강도를 초과한 억양에 대한 변조 결정에 응답하여, 상기 제 1 음성 데이터에서 상기 억양을 포함하는 부분에 대한 음성 세기 또는 음성의 높낮이 중 적어도 하나에 대한 변조를 수행할 수 있다.

본 개시내용의 일 실시예에서, 제 2 모듈(420)은 제 1 음성 데이터에서의 음성의 리듬에 대한 변조, 상기 제 1 음성 데이터에서의 음성의 속도에 대한 변조, 상기 제 1 음성 데이터에서의 음색에 대한 변조, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기에 대한 변조, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이에 대한 변조 중 적어도 하나의 방식으로 제 1 음성 데이터에 대한 변조를 수행할 수 있다.

본 개시내용의 추가적인 실시예에서, 제 2 모듈은(420), 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보에 기초하여, 상기 제 1 음성 데이터에 대한 변조를 상이한 방식으로 수행할 수 있다. 예를 들어, 상담원 C는 감정 단어의 출현에 대한 스트레스 보다는 억양에 대한 스트레스가 크다고 가정한다. 이러한 상황에서, 제 2 모듈(420)은 상담원 C에 대해서는 감정 단어에 대한 변조 보다는 억양에 대한 변조에 초점을 맞춘 변조를 수행할 수 있다. 예를 들어, 이러한 상담원 별 변조 방식의 가변화는 상담원으로부터 사전입력된 정보에 기초하여 수행될 수 있다.

예를 들어, 제 2 모듈은, 제 1 상담원 단말에 대해서는 상기 감정 단어에 대한 변조에 비해 상기 억양에 대한 변조를 우선순위화 하고, 제 2 상담원 단말에 대해서는 상기 음성의 높낮이에 대한 변조에 비해 상기 음성의 세기에 대한 변조를 우선순위화하며, 그리고 제 3 상담원 단말에 대해서는 상기 제 3 상담원 단말의 사용자의 성별에 매칭되는 성별의 음성으로 상기 제 1 음성 데이터에 대한 변조를 수행할 수 있다.

도 5는 본 개시내용의 몇몇 실시예에 따른 음성 상담 프로세스와 음성 변조 프로세스를 예시적으로 도시한다.

도 5에서 도시되는 바와 같이, 컴퓨팅 장치(100)는 사용자 단말과 상담원 단말 간의 음성 상담 프로세스(500A)에서 수행되는 음성 상담을 보조하기 위한 변조 프로세스(500B)를 수행할 수 있다. 다른 예시로, 컴퓨팅 장치(100)는 음성 상담 프로세스(500A)의 적어도 일부 프로세스 및 변조 프로세스(500B)를 구현할 수도 있다.

음성 상담 프로세스(500A)는 사용자 단말로부터 발신되는 호출에 기반하여 사용자 단말과 상담원 단말 간의 음성 상담이 개시되는 단계(510)를 포함할 수 있다.

음성 상담 과정에서 사용자 단말로부터 발화되는 음성 데이터가 유입될 수 있다(520). 컴퓨팅 장치(100)는 유입되는 음성 데이터 중에서 제 1 음성 데이터를 선별하여 변조 프로세스(500B)에서의 변조 여부 판단 프로세스(550)로 전달할 수 있다. 또는, 컴퓨팅 장치(100)는 유입되는 음성 데이터를 제 1 음성 데이터로서 변조 여부 판단 프로세스(550)로 전달할 수도 있다.

컴퓨팅 장치(100)는 변조 여부 판단 프로세스(500B)를 수행하는 경우, 복수의 변조 여부 판단 알고리즘들(550A, 550B 및 550C) 중 적어도 하나를 사용할 수 있다.

일 실시예에서, 감정 단어 분석 알고리즘(550A)은 제 1 음성 데이터에서 사전결정된 감정 단어가 출현되었는지 여부를 판단할 수 있다. 감정 단어 분석 알고리즘(550A)은 제 1 음성 데이터에서 사전결정된 감정 단어의 출현 횟수를 판단할 수 있다. 감정 단어 분석 알고리즘(550A)은 상기 감정 단어의 출현 여부 및/또는 출현 횟수에 기초하여 제 1 음성 데이터에 대한 변조 여부를 결정할 수 있다.

일 실시예에서, 억양 분석 알고리즘(550B)은 제 1 음성 데이터로부터 사용자의 억양에 대한 정량적인 값 및/또는 사용자의 억양에 기반한 사용자의 감정 클래스를 결정할 수 있다.

일 실시예에서, 상담원 정보 반영 알고리즘(550C)은 상담원에 대한 식별정보 및/또는 상담원에 대한 컨디션 레벨 정보 등을 포함하는 상담원의 상태를 나타내는 정보를 감정 단어 분석 알고리즘(550A) 및/또는 억양 분석 알고리즘(550B)으로 전달함으로써, 상기 변조 여부 판단 프로세스(550)가 상담원에게 맞춤형으로 이루어질 수 있도록 할 수 있다.

본 개시내용의 일 실시예에서, 음성 변조 프로세스(560)는 변조 여부 판단 프로세스(550)의 결과에 따라 음성 변조를 수행할 수 있다. 음성 변조 프로세스(560)는 도 5에서 도시되는 바와 같이 복수의 변조 알고리즘들(560A 및 560B)에 의해 구현될 수 있다. 도 5에서는 변조 알고리즘을 2개(560A 및 560B)로 예시하였으나, 구현의 양태에 따라 변조 알고리즘의 개수는 가변될 수 있다. 예를 들어, 제 1 변조 알고리즘(560A)은 감정 단어에 대한 변조를 수행할 수 있다. 제 2 변조 알고리즘(560B)은 억양에 대한 변조를 수행할 수 있다. 감정 단어에 대한 변조 및 억양에 대한 변조를 포함하는 변조 방식에 대해서는 도 3 및 4에서 상술되었기 때문에, 설명의 간략화를 위해 도 3 및 도 4와 중복되는 부분에 대한 설명은 도 5에서 생략하기로 한다.

변조 프로세스(500B)는 음성 변조 프로세스(560)의 결과인 제 1 음성 데이터를 음성 상담 프로세스(500A)로 전달할 수 있다. 음성 상담 프로세스(500A)에서, 변조된 음성 데이터가 상담원 단말에서 또는 상담원 단말과 사용자 단말 모두에서 출력될 수 있다(530).

사용자 단말과 상담원 단말은 변조된 음성 데이터를 통해 후속적인 음성 상담을 진행할 수 있다(540). 이러한 방식으로, 사용자 단말과 상담원 단말 간의 음성 상담 세션이 진행되는 과정에서, 음성에 대한 변조가 이루어짐에 따라, 본 개시내용은 상담사가 비대면으로 접하는 고객의 업무를 순수한 업무 처리의 관점에서만 접하고 해결할 수 있도록 보조할 수 있다. 이에 따라, 상담사의 노동 환경을 개선하고 감정 노동으로 떨어진 업무 환경을 상승시키는 효과가 예상될 수 있다.

도 6은 본 개시내용의 몇몇 실시예 따라 음성 변조 모델의 예시적인 네트워크 구조를 도시한다.

본 개시내용의 컴퓨팅 장치(100)는 인공지능 기반의 음성 변조 모델을 사용함으로써, 음성 변조에 대한 신뢰도 및 정확성을 높일 수 있다. 신경망 구조 등 인공지능 기반 모델에 대한 설명은 도 2와 관련하여 상술되었기 때문에, 도 6에서는 도 2와 중복되는 부분에 대한 설명은 생략하기로 한다.

컴퓨팅 장치(100)는 제 1 음성 데이터로부터 통화 상에서 발생될 수 있는 노이즈를 제거하고 상기 제 1 음성 데이터를 복수의 토큰(token)들로 분할하는 토큰화를 수행하고, 그리고 상기 복수의 토큰들 각각에 대한 원-핫 인코딩을 수행하는 전처리 서브 모듈, 전처리 서브 모듈의 결과를 입력 받는 뉴런들을 포함하는 하나 이상의 입력 레이어, 복수의 히든 레이어들, 및 제 1 음성 데이터에 대한 감정 스코어(score)를 출력하는 뉴런들을 포함하는 출력 레이어를 포함하는 인공지능 모델을 사용할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 전처리 서브 모듈을 통해서 제 1 음성 데이터에 대한 노이즈 제거와 함께 신경망 학습을 위한 전처리를 수행할 수 있다. 전술한 전처리는, 제 1 음성 데이터에서 사용자의 발화 음성 이외의 배경음을 제거하는 방식, 제 1 음성 데이터를 어절, 형태소, 단어 및/또는 문장 단위로 토큰화는 방식, 및/또는 토큰들에 대한 원-핫 인코딩을 통해 신경망에 입력될 수 있는 벡터 형식으로 토큰들들 변환하는 방식을 포함할 수 있다. 전술한 전처리 서브 모듈, 입력 레이어, 히든 레이어, 및 출력 레이어는 제 1 모듈(410) 및/또는 제 2 모듈(420)에 포함될 수 있다.

본 개시내용의 일 실시예에서, 입력 레이어, 히든 레이어 또는 출력 레이어 중 적어도 하나의 레이어에 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 추가로 임베딩될 수 있다. 본 개시내용에서의 임베딩은 인간이 사용하는 자연어를 기계가 이해할 수 있는 숫자형태인 벡터(vector) 형태로 변환한 결과 혹은 그 일련의 과정 전체를 의미할 수 있다. 예를 들어, 상담원과 관련된 식별 정보가 벡터 형태로 임베딩되어 신경망의 입력될 수 있다.

상담원 식별 정보가 신경망의 특정 계층에 임베딩됨에 따라, 상담원 정보 단위로 학습 또는 추론(inference)이 이루어질 수 있기 때문에, 상담원 별로 맞춤형 음성 변조 결과가 달성될 수 있다. 예를 들어, 상담원 식별 정보 또한 원-핫 인코딩 방식으로 전처리되어, 전처리된 제 1 음성 데이터와 결합(예컨대, concatenation 등)될 수 있다.

일 실시예에서, 제 1 모듈(410)은 전술한 입력 레이어, 히든 레이어, 및 출력 레이어를 포함할 수 있어서, 제 1 음성 데이터에 대한 음성 변조 여부에 대한 결정을 출력 레이어를 통해 출력할 수 있다. 추가적인 실시예에서, 제 1 모듈(410)의 출력 레이어로부터 출력되는 음성 변조 여부에 대한 결정은, 임베딩되는 상담원 식별 정보를 추가로 고려하여 이루어질 수 있다.

본 개시내용의 추가적인 실시예에서, 제 1 모듈(410)이 사용하는 인공지능 기반 모델은 어텐션 기반 모델을 포함할 수 있다. 어텐션 기반 모델은 인코더 및 디코더를 포함할 수 있다. 어텐션 기반 모델은 디코더에서 출력을 예측하는 시점 단위로 인코더에서 포함되는 상담원 식별 정보를 추가로 참고할 수 있도록 구조화될 수 있다. 일 실시예에서, 전술한 인공지능 기반 모델은 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 어텐션 함수(attention function)에 적용되는 어텐션 메커니즘에 의해 사전 학습된 인공지능 모델일 수 있다.

본 개시내용의 일 실시예에서, 음성 변조 모델(400)(예컨대, 제 2 모듈(420))은, 음성 데이터를 입력 받아 변조된 음성 데이터를 출력하도록 학습되는 생성 네트워크, 및 상기 생성 네트워크의 출력인 상기 변조된 음성 데이터를 입력 받아 상기 입력된 데이터가 변조된 데이터인지 여부를 판단하는 판별자 네트워크에 기반하여 사전학습된 인공지능 모델일 수 있다.

도 6를 참고하면, 음성 변조 모델(400)은 음성 데이터(610)를 입력받고 변조 데이터(620)를 출력하는 생성자 네트워크(600A)를 포함할 수 있다. 음성 변조 모델(400)은 변조 데이터(620)를 입력받고 변조 데이터의 진위여부를 판단하는 판별 결과 데이터(630)를 출력하는 판별자 네트워크(600B)를 더 포함할 수 있다.

변조 데이터의 진위 판별 결과 데이터(630)의 판단 결과는 판별자 네트워크(600B) 및 생성자 네트워크(600A) 모두에게 전파(backpropagation)될 수 있어서, 이러한 2개의 네트워크들(600A 및 600B)를 사용함으로써, 최종적으로는 생성자 네트워크(600A)의 변조 데이터 생성의 정확성이 높아질 수 있다. 본 개시내용에서의 변조 데이터 생성의 정확성은 예를 들어, 변조 데이터가 실제 사용자의 음성인 것처럼 변조되는 정확성을 의미할 수 있다. 변조 데이터 진위 판별 결과(630)에 따른 결과값(640)이 생성자 네트워크(600A)와 판별자 네트워크(600B)에 함께 반영되는 방식으로 생성자 네트워크(600A)와 판별자 네트워크(600B)가 서로 경쟁적으로 학습됨에 따라, 종국적으로는 생성자 네트워크(600A)가 생성하는 변조 데이터(620)가 실제 사람의 발화 음성과 유사해지는 결론을 얻을 수 있다.

도 7은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)－이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음－, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (18)

1. 하나 이상의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는 음성 상담을 보조하기 위한 방법으로서,
   사용자 단말에 의해 요청된 호출(call)에 응답하여 상기 사용자 단말과의 음성 상담 세션을 개시하는 단계;
   상기 음성 상담 세션이 수행되는 과정에서, 상기 사용자 단말로부터 발화되는 음성 중 제 1 음성 데이터를 음성 변조 모델에 입력하는 단계; 및
   상기 제 1 음성 데이터 대신에 제 2 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 상기 음성 변조 모델에 의해 상기 제 1 음성 데이터로부터 상기 제 2 음성 데이터를 생성하는 단계;
   를 포함하며,
   상기 음성 변조 모델은, 상기 상담원 단말에 대한 상담원 식별 정보 또는 상기 상담원 단말로부터 사전입력된 상담원 컨디션 레벨 입력 중 적어도 하나에 기초하여, 상기 제 1 음성 데이터를 상기 제 2 음성 데이터로 변조하기 위한 기준을 상이하게 적용하거나 또는 상기 제 1 음성 데이터에 대한 변조를 상이한 방식으로 수행하는,
   방법.
   
2. 제 1 항에 있어서,
   상기 음성 변조 모델은,
   자연어 처리(NLP) 알고리즘에 기반하여 상기 제 1 음성 데이터에서 사전 정의된 감정 단어가 출현되었는지 여부를 결정하고 그리고 상기 제 1 음성 데이터로부터 억양의 정량값을 결정함으로써, 상기 제 1 음성 데이터를 변조할지 여부를 결정하는 제 1 모듈; 및
   상기 제 1 모듈의 출력과 연결되며, 그리고 상기 제 1 모듈에서 상기 제 1 음성 데이터를 변조할 것으로 결정하는 경우 상기 제 1 음성 데이터를 변조하여 상기 제 2 음성 데이터를 생성하는 제 2 모듈;
   을 포함하며,
   방법.
   
3. 삭제
4. 삭제
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 제 2 항에 있어서,
   상기 제 2 모듈은,
   상기 제 1 음성 데이터에 대한 변조 여부의 결정에 응답할 수 있도록 상기 제 1 모듈의 출력과 연결되며, 그리고
   상기 제 1 음성 데이터에서 출현된 상기 사전 정의된 감정 단어가 변조될 것이라는 결정에 응답하여, 상기 사전 정의된 감정 단어를 묵음 처리하는 방식 또는 사전 정의된 비-감정 단어로 변경하는 방식으로 상기 제 1 음성 데이터에 대한 변조를 수행하는,
   방법.
   
10. 제 9 항에 있어서,
    상기 제 2 모듈은 추가적으로,
    상기 제 1 음성 데이터에서 임계 강도를 초과한 억양에 대한 변조 결정에 응답하여, 상기 제 1 음성 데이터에서 억양을 포함하는 부분에 대한 음성 세기 또는 음성의 높낮이 중 적어도 하나에 대한 변조를 수행하는,
    방법.
    
11. 제 9 항에 있어서,
    상기 제 1 음성 데이터에 대한 변조는,
    상기 제 1 음성 데이터에서의 음성의 리듬에 대한 변조, 상기 제 1 음성 데이터에서의 음성의 속도에 대한 변조, 상기 제 1 음성 데이터에서의 음색에 대한 변조, 상기 제 1 음성 데이터에서의 어구 별 음성의 세기에 대한 변조, 또는 상기 제 1 음성 데이터에서의 어구 별 음성의 높낮이에 대한 변조 중 적어도 하나를 포함하는,
    방법.
    
12. 삭제
13. 삭제
14. 제 2 항에 있어서,
    상기 제 1 모듈은,
    상기 제 1 음성 데이터로부터 통화 상에서 발생될 수 있는 노이즈를 제거하고 상기 제 1 음성 데이터를 복수의 토큰(token)들로 분할하는 토큰화를 수행하고, 그리고 상기 복수의 토큰들 각각에 대한 원-핫 인코딩을 수행하는 전처리 서브 모듈;
    상기 전처리 서브 모듈의 결과를 입력 받는 뉴런들을 포함하는 하나 이상의 입력 레이어;
    복수의 히든 레이어들; 및
    상기 제 1 음성 데이터에 대한 감정 스코어(score)를 출력하는 뉴런들을 포함하는 출력 레이어;
    를 포함하는,
    방법.
    
15. 제 14 항에 있어서,
    상기 제 1 모듈의 입력 레이어, 히든 레이어 또는 출력 레이어 중 적어도 하나의 레이어에 상기 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 추가로 임베딩되는,
    방법.
    
16. 제 2 항에 있어서,
    상기 제 1 모듈은,
    상기 사용자 단말과의 음성 상담 세션을 개시하는 상담원 식별 정보가 어텐션 함수(attention function)에 적용되는 어텐션 메커니즘에 의해 사전 학습된 인공지능 모델인,
    방법.
    
17. 제 2 항에 있어서,
    상기 제 2 모듈은,
    음성 데이터를 입력 받아 변조된 음성 데이터를 출력하도록 학습되는 생성 네트워크, 및 상기 생성 네트워크의 출력인 상기 변조된 음성 데이터를 입력 받아 상기 입력된 데이터가 변조된 데이터인지 여부를 판단하는 판별자 네트워크에 기반하여 사전학습된 인공지능 모델인,
    방법.
    
18. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 컴퓨팅 장치의 프로세서로 하여금 음성 상담을 보조하기 위한 방법을 수행하기 위한 명령들을 포함하며, 상기 방법은:
    사용자 단말에 의해 요청된 호출에 응답하여 상기 사용자 단말과의 음성 상담 세션을 개시하는 단계;
    상기 음성 상담 세션이 수행되는 과정에서, 상기 사용자 단말에서 발화되는 음성 중 제 1 음성 데이터를 음성 변조 모델에 입력하는 단계; 및
    상기 제 1 음성 데이터 대신에 제 2 음성 데이터가 상기 사용자 단말과의 음성 상담 세션을 수행하고 있는 상담원 단말에서 출력되도록, 상기 음성 변조 모델에 의해 상기 제 1 음성 데이터로부터 상기 제 2 음성 데이터를 생성하는 단계;
    를 포함하며,
    상기 음성 변조 모델은, 상기 상담원 단말에 대응되는 상담원 식별 정보 또는 상기 상담원 단말로부터 사전입력된 상담원 컨디션 레벨 입력 중 적어도 하나에 기초하여, 상기 제 1 음성 데이터를 상기 제 2 음성 데이터로 변조하기 위한 기준을 상이하게 적용하거나 또는 상기 제 1 음성 데이터에 대한 변조를 상이한 방식으로 수행하는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
    

Images