KR102553576B1 - 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법 - Google Patents

그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법 Download PDF

Info

Publication number
KR102553576B1
KR102553576B1 KR1020200173476A KR20200173476A KR102553576B1 KR 102553576 B1 KR102553576 B1 KR 102553576B1 KR 1020200173476 A KR1020200173476 A KR 1020200173476A KR 20200173476 A KR20200173476 A KR 20200173476A KR 102553576 B1 KR102553576 B1 KR 102553576B1
Authority
KR
South Korea
Prior art keywords
query
user
search
module
chatbot
Prior art date
Application number
KR1020200173476A
Other languages
English (en)
Other versions
KR20220083332A (ko
Inventor
최진영
김현조
Original Assignee
주식회사 워크앤조이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 워크앤조이 filed Critical 주식회사 워크앤조이
Priority to KR1020200173476A priority Critical patent/KR102553576B1/ko
Publication of KR20220083332A publication Critical patent/KR20220083332A/ko
Application granted granted Critical
Publication of KR102553576B1 publication Critical patent/KR102553576B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query
    • G06F16/3326—Reformulation based on results of preceding query using relevance feedback from the user, e.g. relevance feedback on documents, documents sets, document terms or passages
    • 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
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템은: 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하도록 구성되는 질의 도메인 인식 모듈; 상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하도록 구성되는 질의 보정 모듈; 미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하도록 구성되는 챗봇 모듈; 및 상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하도록 구성되는 피드백 모듈;을 포함한다.

Description

그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법{Chatbot system with query correction technology based on accumulated characteristic data specialized in groupware and method of the same}
본 발명은 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법에 관한 것으로, 보다 상세하게는 솔루션을 사용하는 참여 기업에 대한 유사도 분석을 사전에 수행하여 규모 또는 업종, 근무형태 등이 비슷한 업체의 질의들을 함께 보정에 적용시켜 접근성이 높은 검색창에서 원하는 정보를 효율적으로 얻을 수 있는 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법에 관한 것이다.
일반적으로, 그룹웨어는 기업 등의 구성원들이 컴퓨터로 연결된 작업장에서, 서로 협력하여 업무를 수행하는 그룹 작업을 지원하기 위한 소프트웨어나 소프트웨어를 포함하는 구조를 지칭한다. 종래의 그룹웨어는 다양한 규모의 기업의 수요를 충족시키기보다, 중견/대기업 위주의 기능을 제공해왔다. 그러나 100인 미만의 사업장 근로자가 늘어나고 비대면 근무환경이 늘어나게 되면서 소규모 사업장에서도 그룹웨어를 사용하는 빈도가 높아지게 되었다.
그러나 종래의 그룹웨어는 대부분 챗봇이나 고객지원을 통해 구성원이 필요로 하는 정보를 제공하고 있는 수준에 그치고 있다. 또한, 종래의 질의 검색 방법은 사용자의 질의의 형태가 답변을 찾기 위해 충분히 길거나, 특성 벡터를 구성할 충분한 키워드들이 있어야만 답변의 정확도가 높아지는 한계가 있다. 검색의 대상이 되는 질의에 가중치를 부여하는 방법도 있으나, 이 역시 질의 데이터가 충분하지 못하면 검색 결과의 정확도 면에서 한계가 있다.
본 발명은 솔루션을 사용하는 참여 기업에 대한 유사도 분석을 사전에 수행하여 규모 또는 업종, 근무형태 등이 비슷한 업체의 질의들을 함께 보정에 적용시켜 접근성이 높은 검색창에서 원하는 정보를 효율적으로 얻을 수 있는 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법을 제공하기 위한 것이다.
또한, 본 발명은 개인의 질의 이력을 통해 보정을 거친 검색결과를 표시해 줄 수 있으며, 소속 기업의 유사도가 높은 기업의 질의 키워드와 개인의 질의 이력을 모두 고려하여 우선적으로 검색 결과를 노출해줌으로써 효율적인 정보 접근을 가능케 하는 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법을 제공하기 위한 것이다.
본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템은: 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하도록 구성되는 질의 도메인 인식 모듈; 상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하도록 구성되는 질의 보정 모듈; 미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하도록 구성되는 챗봇 모듈; 및 상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하도록 구성되는 피드백 모듈;을 포함한다.
상기 질의 보정 모듈은 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성될 수 있다.
상기 챗봇 모듈은: 상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하도록 구성되는 키워드 벡터 생성 모듈; 상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하도록 구성되는 유사도 분석 모듈; 및 추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하도록 구성되는 검색 결과 제공 모듈;을 포함할 수 있다.
상기 질의 보정 모듈은 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성될 수 있다.
본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법은: 질의 도메인 인식 모듈에 의해, 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하는 단계; 질의 보정 모듈에 의해, 상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하는 단계; 챗봇 모듈에 의해, 미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하는 단계; 및 피드백 모듈에 의해, 상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하는 단계;를 포함한다.
상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함할 수 있다.
상기 검색 결과를 제공하는 단계는: 키워드 벡터 생성 모듈에 의해, 상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하는 단계; 유사도 분석 모듈에 의해, 상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하는 단계; 및 검색 결과 제공 모듈에 의해, 추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하는 단계;를 포함할 수 있다.
상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함할 수 있다.
상기 질의 도메인을 인식하는 단계는 상기 사용자가 입력한 검색어를 기초로 기업 별로 설정된 복수개의 질의 도메인 중 하나 이상의 질의 도메인을 인식하는 단계를 포함할 수 있다. 상기 복수개의 질의 도메인은 기업의 산업군, 지역, 기업 규모 및 직원수를 포함하는 기업 속성 정보에 따라 기업 별로 상이하게 설정될 수 있다.
본 발명의 실시예에 따르면, 상기 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체가 제공된다.
본 발명의 실시예에 의하면, 솔루션을 사용하는 참여 기업에 대한 유사도 분석을 사전에 수행하여 규모 또는 업종, 근무형태 등이 비슷한 업체의 질의들을 함께 보정에 적용시켜 접근성이 높은 검색창에서 원하는 정보를 효율적으로 얻을 수 있는 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법이 제공된다.
또한, 본 발명의 실시예에 의하면, 개인의 질의 이력을 통해 보정을 거친 검색결과를 표시해 줄 수 있으며, 소속 기업의 유사도가 높은 기업의 질의 키워드와 개인의 질의 이력을 모두 고려하여 우선적으로 검색 결과를 노출해줌으로써 효율적인 정보 접근을 가능케 하는 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법이 제공된다.
도 1은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템을 구성하는 챗봇 모듈의 구성도이다.
도 3은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법의 순서도이다.
도 4는 도 3의 단계 S130의 순서도이다.
도 5는 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 설명하기 위한 예시도이다.
도 6은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 설명하기 위한 개념도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 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. 본 명세서에서 사용되는 '~모듈, ~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다. '~모듈, ~부'에서 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~모듈, ~부'는 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 이하에서는 도면을 참조하여 본 발명의 실시예에 대해서 구체적으로 설명하기로 한다.
본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법은 먼저 사용자의 질의에 관한 질의 도메인을 인식하고 해당 질의 도메인에서의 이전 히스토리에서 키워드를 추출하여 사용자의 질의를 보정하여 보정 질의를 생성한다.
다음으로, 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법은 미리 입력된 질의-응답 쌍들과 보정 질의와의 유사도에 기초하여 보정 질의와 관련된 검색 결과를 제공한다.
다음으로, 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법은 검색 결과에 대한 사용자의 피드백 결과에 따라 사용자의 질의 관련 키워드의 가중치를 갱신한다.
실시예에서, 챗봇 모듈은 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 잠재적 누적 속성에 관한 가중치를 결정하여 보정 질의에 해당하는 사용자 질의 벡터를 생성하고, 사용자 질의 벡터를 기반으로 검색 결과를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템의 구성도이다. 도 1을 참조하면, 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템(100)은 질의 도메인 인식 모듈(110), 질의 보정 모듈(120), 챗봇 모듈(130), 피드백 모듈(140), 및 데이터베이스(150)를 포함할 수 있다.
질의 도메인 인식 모듈(110)은 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 설정된 복수개의 질의 도메인들 중 하나 이상의 질의 도메인(예를 들어, 행정, 사무, 근태, 장비 등)을 인식할 수 있다.
복수개의 질의 도메인은 기업 별로 데이터베이스(150)에 미리 설정될 수 있다. 복수개의 도메인은 예를 들어, 기업의 산업군, 지역, 기업 규모, 직원수 등의 기업 속성 정보에 따라 기업 별로 상이하게 설정될 수 있다.
기업별 복수개의 질의 도메인은 데이터베이스(150)에 저장된 기업의 산업군, 지역, 기업 규모, 직원수 등의 기업 속성 정보에 따라 자동으로 생성될 수 있으며, 필요에 따라 관리자에 의해 질의 도메인을 생성/추가 또는 수정할 수 있다.
사용자의 질의는 사용자 단말기(10)를 통해 입력될 수 있다. 사용자 단말기(10)는 사용자가 기업에서 사용하는 단말기 혹은 사용자의 개인 휴대 단말기일 수 있다.
사용자 단말기(10)는 예를 들어, 스마트폰, 스마트패드, 데스크탑 PC, 노트북, 랩탑 PC 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 챗봇 시스템(100)은 유/무선 통신 인터페이스를 통해 사용자 단말기(10)와 통신할 수 있다.
사용자 단말기(10)는 질의 입력을 위한 입력 인터페이스(예를 들어, 키보드, 마우스, 터치패드 등)와, 질의에 관련된 검색 결과를 표시 화면 상에 표시하는 표시부를 구비할 수 있다.
질의 도메인 인식 모듈(110)은 사용자의 질의 혹은 기 입력된 질의에 대해서, 검색을 위해 사용될 품사만 추출하는 자연어 처리를 수행할 수 있다.
질의 보정 모듈(120)은 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 사용자의 질의를 보정하여 보정 질의를 생성할 수 있다.
실시예에서, 질의 보정 모듈(120)은 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 보정 질의에 해당하는 사용자 질의 벡터를 생성할 수 있다.
질의 보정 모듈(120)은 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 잠재적 누적 속성에 관한 가중치를 결정하여 보정 질의에 해당하는 사용자 질의 벡터를 생성할 수 있다.
질의 보정 모듈(120)은 사용자의 질의로부터 고유 명사, 사전 단어 등의 키워드를 추출할 수 있다. 추출된 키워드는 사용자 질의 이력 데이터로 저장될 수 있으며, 반복된 키워드의 경우 반복 횟수가 기록될 수 있다. 또한, 날짜, 숫자, 거리 등의 인식이 가능한 데이터 포맷을 통해 사용자 질의 벡터를 생성할 수 있다.
챗봇 모듈(130)은 미리 입력된 질의-응답 쌍들과 보정 질의와의 유사도에 기초하여 보정 질의와 관련된 검색 결과를 제공할 수 있다.
챗봇모듈(130)은 멀티 도메인에 대응하여, 스레드 기반으로 질의 응답이 가능한 대화형 챗봇 기능을 제공할 수 있다.
피드백 모듈(140)은 검색 결과에 대한 사용자의 피드백 결과에 따라 사용자의 질의 관련 키워드의 가중치를 갱신할 수 있다.
사용자의 피드백 결과(피드백 행동 패턴)는 사용자가 검색 결과에 머무르는 체류 시간, 검색 결과 내에 연결된 링크 클릭, 검색 결과에 대한 즐겨찾기 추가, 검색 결과에서의 스크롤 이동, 검색 결과에 대한 사용자의 만족도 평가 등을 포함할 수 있다.
예를 들어, 사용자의 이력에 포함된 키워드들에 대하여, "마지막으로 사용된 시간(Elapsed Time)"에 따른 가중치, "반복적으로 사용된 횟수"에 따른 가중치를 적용하여, 사용자가 질의한 질의 벡터와 잠재적 특성 벡터 사이의 중요도를 조절할 수 있다.
일 실시예에서, 사용자의 검색 결과에 대한 피드백 행동 패턴은 재귀적 인공신경망(RNN; Recurrent Neural Network) 모델로 학습하여 가중치를 결정하는데 활용될 수 있다.
사용자의 피드백 행동 패턴에 따라 학습된 RNN 모델은 해당 사용자의 이후의 검색 질의에 대한 검색 결과 제공시에 활용될 수 있다. 챗봇 모듈(130)은 RNN 모델의 보정된 가중치에 따라 질의에 대한 검색 결과를 제공할 수 있다.
사용자의 행동패턴에 따라 학습된 데이터를 기반으로 향후 사용자가 피드백을 거부한 경우에도, 피드백을 하지 않은 사용자의 행동에 대해 RNN 학습 모델에 의해 긍정 및 부정 피드백에 대한 예측(만족, 불만족의 확률을 예측)을 할 수 있으며, 피드백에 관한 예측 결과를 기반으로 사용자의 검색 질의 벡터 조절 시에 가중치로 적용하여 적절한 검색 결과를 추천할 수 있다.
챗봇 모듈(130)에 의해 질의에 대한 1차 검색 결과 페이지가 사용자 단말기(10)의 화면에 표시된 상태에서, 사용자 단말기(10)의 화면에 리스트된 추천 결과 중 사용자가 특정 항목들을 선택(클릭)하여 해당 정보를 확인한 경우, 피드백 모듈(140)은 사용자가 클릭한 항목들의 공통 속성을 추출하여 사용자 선호 속성 벡터를 생성할 수 있다.
또한, 피드백 모듈(140)은 해당 속성을 만족하는 추천 결과가 초기 검색 결과보다 많이 사용자 단말기(10)에 노출될 수 있도록 사용자가 기본 설정한 값을 자동으로 보정하여, 사용자 선호 속성 벡터와 키워드 벡터 간의 유사도에 따라 사용자에게 추천되는 검색 결과를 보정하여 사용자 단말기(10)의 화면으로 제공할 수 있다.
본 발명의 실시예에 의하면, 사용자의 피드백 데이터를 RNN 모델을 통해 예측하여 이후에 피드백이 없는 사용자의 피드백을 예측할 수 있으며, 입력받을 수 있는 키워드가 제한적인 검색에서도 다양한 결과가 나오도록 적용 가능하다.
데이터베이스(150)는 질의 도메인 별로 질의-응답 쌍들을 저장할 수 있다. 질의-응답 쌍들은 사용자에 의해 기 입력된 질의-응답 쌍들, 사용자의 소속 그룹 내에서 기 입력된 질의-응답 쌍들을 포함할 수 있다.
도 2는 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템을 구성하는 챗봇 모듈의 구성도이다.
도 1 및 도 2를 참조하면, 챗봇 모듈(130)은 키워드 벡터 생성 모듈(132), 유사도 분석 모듈(134) 및 검색 결과 제공 모듈(136)을 포함할 수 있다.
키워드 벡터 생성 모듈(132)은 질의 도메인과 관련한 이전 히스토리에서, 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성할 수 있다.
유사도 분석 모듈(134)은 사용자 질의 벡터와 키워드 벡터 간의 유사도를 기초로 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출할 수 있다. 유사도 분석 모듈(134)은 예를 들어, 코사인 유사도(cosine similarity) 등에 의해 사용자 질의 벡터와 키워드 벡터 간의 유사도를 기초로 하나 이상의 질의-응답 쌍을 추출할 수 있으나, 이에 한정되는 것은 아니다.
검색 결과 제공 모듈(136)은 추출된 질의-응답 쌍을 기반으로 유사도 순으로 보정 질의에 관한 검색 결과를 제공할 수 있다. 검색 결과 제공 모듈(136)에 의해 출력되는 검색 결과는 사용자 단말기(10)의 화면에 표시될 수 있다.
챗봇 모듈(130)은 질의 응답의 형태를 가진 대화형 시스템을 구현하는 대화/응답 모듈로 제공될 수 있으며, 질의 응답 형태에 따라 단일 질의 응답이 아닌 연속적 질의 응답의 형태도 가질 수 있다. 대화형 응답의 경우 질의-응답 데이터 셋에서 자연어 형태로 처리될 수 있으며, API형 응답의 경우 질의-응답 데이터 셋을 JSON 형태로 송출할 수 있다.
상술한 바와 같은 본 발명의 실시예에 의하면, 부족한 사용자의 질의에 대해서 기존의 검색 이력 데이터를 활용하여 보정함으로써 검색의 정확도를 향상시킬 수 있으며, 적절한 질의를 찾기 위한 데이터가 충분하지 않은 경우에도 적용 가능하다.
즉, 짧은 단문의 질의에도 정확도 높은 결과가 필요한 경우에 적용 가능하며, 지속적으로 질의가 반복되는 시스템의 정확도 향상에도 도움을 줄 수 있다. 또한, 수집된 데이터를 기반으로 향후 사용자의 특성 분석에도 활용 가능하다.
도 3은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법의 순서도이다. 도 1 및 도 3을 참조하면, 먼저 질의 도메인 인식 모듈(110)은 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인(예를 들어, 행정, 사무, 근태, 장비 등)을 인식할 수 있다(S110).
질의 도메인 인식 모듈(110)은 사용자의 질의 혹은 기 입력된 질의에 대해서, 검색을 위해 사용될 품사만 추출하는 자연어 처리를 수행할 수 있다.
질의 보정 모듈(120)은 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 사용자의 질의를 보정하여 보정 질의를 생성할 수 있다(S120).
실시예에서, 질의 보정 모듈(120)은 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 보정 질의에 해당하는 사용자 질의 벡터를 생성할 수 있다.
질의 보정 모듈(120)은 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 잠재적 누적 속성에 관한 가중치를 결정하여 보정 질의에 해당하는 사용자 질의 벡터를 생성할 수 있다.
질의 보정 모듈(120)은 사용자의 질의로부터 고유 명사, 사전 단어 등의 키워드를 추출할 수 있다. 추출된 키워드는 사용자 질의 이력 데이터로 저장될 수 있으며, 반복된 키워드의 경우 반복 횟수가 기록될 수 있다. 또한, 날짜, 숫자, 거리 등의 인식이 가능한 데이터 포맷을 통해 사용자 질의 벡터를 생성할 수 있다.
챗봇 모듈(130)은 미리 입력된 질의-응답 쌍들과 보정 질의와의 유사도에 기초하여 보정 질의와 관련된 검색 결과를 제공할 수 있다.
도 4는 도 3의 단계 S130의 순서도이다. 도 1 내지 도 4를 참조하면, 키워드 벡터 생성 모듈(132)은 질의 도메인과 관련한 이전 히스토리에서, 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성할 수 있다(S132).
유사도 분석 모듈(134)은 사용자 질의 벡터와 키워드 벡터 간의 유사도를 기초로 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출할 수 있다(S134).
검색 결과 제공 모듈(136)은 추출된 질의-응답 쌍을 기반으로 유사도 순으로 보정 질의에 관한 검색 결과를 제공할 수 있다(S136).
챗봇 모듈(130)은 질의 응답의 형태를 가진 대화형 시스템을 구현하는 대화/응답 모듈로 제공될 수 있으며, 질의 응답 형태에 따라 단일 질의 응답이 아닌 연속적 질의 응답의 형태도 가질 수 있다.
챗봇 모듈(130)은 예를 들어, 대화형 응답의 경우 질의-응답 데이터 셋에서 자연어 형태로 처리하여 검색 결과를 제공할 수 있으며, API형 응답의 경우 질의-응답 데이터 셋을 JSON 형태로 송출할 수 있다.
피드백 모듈(140)은 검색 결과에 대한 사용자의 피드백 결과에 따라 사용자의 질의 관련 키워드의 가중치를 갱신할 수 있다(S140).
도 5는 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 설명하기 위한 예시도이다. 도 6은 본 발명의 실시예에 따른 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 설명하기 위한 개념도이다.
실시예에서, 사용자의 이력에 포함된 키워드들에 대하여, "마지막으로 사용된 시간(Elapsed Time)"에 따른 가중치, "반복적으로 사용된 횟수"에 따른 가중치를 적용하여, 사용자가 질의한 질의 벡터와 잠재적 특성 벡터 사이의 중요도를 조절할 수 있다.
예를 들어, 사용자가 "개발 서류 양식?"이라는 질의를 입력한 후, "대리급 필수교육 일정?"이라는 질의를 입력하면, 개발에 해당하는 직무 도메인에서, 개발 및 직급 중 대리와 모두 관련된 보정 질의를 생성하고, 보정 질의를 기반으로 챗봇에 의해 검색 결과를 제공할 수 있다.
상술한 바와 같은 본 발명의 실시예에 의하면, 부족한 사용자의 질의에 대해서 기존의 검색 이력 데이터를 활용하여 보정함으로써 검색의 정확도를 향상시킬 수 있으며, 적절한 질의를 찾기 위한 데이터가 충분하지 않은 경우에도 적용 가능하다.
즉, 짧은 단문의 질의에도 정확도 높은 결과가 필요한 경우에 적용 가능하며, 지속적으로 질의가 반복되는 시스템의 정확도 향상에도 도움을 줄 수 있다. 또한, 수집된 데이터를 기반으로 향후 사용자의 특성 분석에도 활용 가능하다.
또한, 본 발명의 실시예에 의하면, 소속 기업의 유사도가 높은 기업의 질의 키워드와 개인의 질의 이력을 모두 고려하여, 기업의 규모, 업종, 근무형태 등에 따라 사용자가 찾고자 하는 정보를 제공할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는 처리 장치가 복수 개의 처리 요소(Processing Element) 및/또는 복수 유형의 처리요소를 포함할 수 있음을 이해할 것이다.
예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(Parallel Processor) 와 같은, 다른 처리 구성(Processing configuration)도 가능하다. 소프트웨어는 컴퓨터 프로그램(Computer Program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어 및/ 또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CDROM, DVD와 같은 광기록 매체(optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
10: 사용자 단말기
100: 챗봇 시스템
110: 질의 도메인 인식 모듈
120: 질의 보정 모듈
130: 챗봇 모듈
132: 키워드 벡터 생성 모듈
134: 유사도 분석 모듈
136: 검색 결과 제공 모듈
140: 피드백 모듈
150: 데이터베이스

Claims (10)

  1. 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하도록 구성되는 질의 도메인 인식 모듈;
    상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하도록 구성되는 질의 보정 모듈;
    미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하도록 구성되는 챗봇 모듈; 및
    상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하도록 구성되는 피드백 모듈;을 포함하고,
    상기 질의 보정 모듈은 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성되고,
    상기 질의 보정 모듈은 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성되고,
    상기 피드백 결과는 상기 사용자가 상기 검색 결과에 머무르는 체류 시간, 상기 검색 결과 내에 연결된 링크 클릭, 상기 검색 결과에 대한 즐겨찾기 추가, 상기 검색 결과에서의 스크롤 이동 및 상기 검색 결과에 대한 사용자의 만족도 평가를 포함하며, 재귀적 인공신경망(RNN)모델로 학습되는 것이고,
    상기 가중치는 재귀적 인공신경망(RNN)모델에 의해 보정되는 것이고,
    상기 피드백 결과가 수집된 이후, 상기 사용자가 상기 피드백을 거부하는 경우,
    상기 재귀적 인공신경망(RNN)모델을 활용하여 긍정 및 부정 피드백에 대한 예측을 하고, 상기 예측 결과를 기반으로 상기 사용자 질의 벡터의 조절 시에 가중치로 적용하는 것인,
    그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 챗봇 모듈은:
    상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하도록 구성되는 키워드 벡터 생성 모듈;
    상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하도록 구성되는 유사도 분석 모듈; 및
    추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하도록 구성되는 검색 결과 제공 모듈;을 포함하는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템.
  4. 삭제
  5. 질의 도메인 인식 모듈에 의해, 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하는 단계;
    질의 보정 모듈에 의해, 상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하는 단계;
    챗봇 모듈에 의해, 미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하는 단계; 및
    피드백 모듈에 의해, 상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하는 단계;를 포함하고,
    상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함하고,
    상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함하고,
    상기 피드백 결과는 상기 사용자가 상기 검색 결과에 머무르는 체류 시간, 상기 검색 결과 내에 연결된 링크 클릭, 상기 검색 결과에 대한 즐겨찾기 추가, 상기 검색 결과에서의 스크롤 이동 및 상기 검색 결과에 대한 사용자의 만족도 평가를 포함하며, 재귀적 인공신경망(RNN)모델로 학습되는 것이고,
    상기 가중치는 재귀적 인공신경망(RNN)모델에 의해 보정되는 것이고,
    상기 피드백 결과가 수집된 이후, 상기 사용자가 상기 피드백을 거부하는 경우,
    상기 재귀적 인공신경망(RNN)모델을 활용하여 긍정 및 부정 피드백에 대한 예측을 하고, 상기 예측 결과를 기반으로 상기 사용자 질의 벡터의 조절 시에 가중치로 적용하는 것인,
    그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법.
  6. 삭제
  7. 제5항에 있어서,
    상기 검색 결과를 제공하는 단계는:
    키워드 벡터 생성 모듈에 의해, 상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하는 단계;
    유사도 분석 모듈에 의해, 상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하는 단계; 및
    검색 결과 제공 모듈에 의해, 추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하는 단계;를 포함하는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법.
  8. 삭제
  9. 제5항에 있어서,
    상기 질의 도메인을 인식하는 단계는 상기 사용자가 입력한 검색어를 기초로 기업 별로 설정된 복수개의 질의 도메인 중 하나 이상의 질의 도메인을 인식하는 단계를 포함하고,
    상기 복수개의 질의 도메인은 기업의 산업군, 지역, 기업 규모 및 직원수를 포함하는 기업 속성 정보에 따라 기업 별로 상이하게 설정되는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법.
  10. 제5항의 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체.
KR1020200173476A 2020-12-11 2020-12-11 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법 KR102553576B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200173476A KR102553576B1 (ko) 2020-12-11 2020-12-11 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200173476A KR102553576B1 (ko) 2020-12-11 2020-12-11 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법

Publications (2)

Publication Number Publication Date
KR20220083332A KR20220083332A (ko) 2022-06-20
KR102553576B1 true KR102553576B1 (ko) 2023-07-11

Family

ID=82257893

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200173476A KR102553576B1 (ko) 2020-12-11 2020-12-11 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법

Country Status (1)

Country Link
KR (1) KR102553576B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101982991B1 (ko) 2018-12-28 2019-05-27 건국대학교 산학협력단 복수의 챗봇을 이용한 질의 응답 방법 및 장치
KR102121709B1 (ko) * 2020-01-03 2020-06-11 주식회사 케이비시스 챗봇 기반의 고객 상담 서비스 제공 서버 및 방법
KR102155739B1 (ko) * 2019-10-24 2020-09-14 한경훈 질의응답 데이터 셋을 적응적으로 재사용하는 챗봇 서비스 제공 방법, 서버, 및 시스템

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102049507B1 (ko) * 2018-03-27 2019-11-27 조치윤 통신 상품 컨설팅 제공 시스템 및 방법
KR102128549B1 (ko) * 2018-09-19 2020-07-08 주식회사 포티투마루 인공 지능 질의 응답 시스템, 방법 및 컴퓨터 프로그램
KR20200084260A (ko) * 2019-01-02 2020-07-10 삼성전자주식회사 전자 장치 및 이의 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101982991B1 (ko) 2018-12-28 2019-05-27 건국대학교 산학협력단 복수의 챗봇을 이용한 질의 응답 방법 및 장치
KR102155739B1 (ko) * 2019-10-24 2020-09-14 한경훈 질의응답 데이터 셋을 적응적으로 재사용하는 챗봇 서비스 제공 방법, 서버, 및 시스템
KR102121709B1 (ko) * 2020-01-03 2020-06-11 주식회사 케이비시스 챗봇 기반의 고객 상담 서비스 제공 서버 및 방법

Also Published As

Publication number Publication date
KR20220083332A (ko) 2022-06-20

Similar Documents

Publication Publication Date Title
CN109992650B (zh) 用于从问答系统中的数据来补充洞察的方法和装置
US20200050942A1 (en) Deep learning model for cloud based technical support automation
US11003863B2 (en) Interactive dialog training and communication system using artificial intelligence
WO2020253503A1 (zh) 人才画像的生成方法、装置、设备及存储介质
EP3451192A1 (en) Text classification method and apparatus
US20160357790A1 (en) Resolving and merging duplicate records using machine learning
JP7316453B2 (ja) オブジェクト推薦方法及び装置、コンピュータ機器並びに媒体
US20200242017A1 (en) Identifying user interface elements using element signatures
US20200184425A1 (en) System and method for screening candidates and including a process for autobucketing candidate roles
CN110019736B (zh) 基于语言模型的问答匹配方法、系统、设备及存储介质
JP7262539B2 (ja) 会話推薦方法、装置及び機器
US20200184422A1 (en) System and method for screening candidates based on historical data
KR102285142B1 (ko) 챗봇을 위한 학습 데이터 추천 장치 및 방법
JP7389522B2 (ja) 高速スクリーニングのためのドメイン固有言語インタープリタ及び対話型視覚インターフェース
KR102307380B1 (ko) 자연어 처리 기반 콜센터 지원 시스템 및 방법
US11379772B2 (en) Systems and methods for analyzing computer input to provide suggested next action for automation
US11531927B2 (en) Categorical data transformation and clustering for machine learning using natural language processing
JP2007011604A (ja) 不具合診断システム及びプログラム
KR20230006601A (ko) 정렬 방법, 정렬 모델의 트레이닝 방법, 장치, 전자 기기 및 매체
US10929159B2 (en) Automation tool
Yuen et al. An online-updating algorithm on probabilistic matrix factorization with active learning for task recommendation in crowdsourcing systems
US11928569B1 (en) Automated user experience orchestration using natural language based machine learning techniques
KR102553576B1 (ko) 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템 및 이에 의한 검색 방법
CA3028205A1 (en) System and method for screening candidates and including a process for autobucketing candidate roles
US20230046851A1 (en) Multi-model approach to natural language processing and recommendation generation

Legal Events

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