KR102575790B1 - 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법 - Google Patents

인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법 Download PDF

Info

Publication number
KR102575790B1
KR102575790B1 KR1020230080939A KR20230080939A KR102575790B1 KR 102575790 B1 KR102575790 B1 KR 102575790B1 KR 1020230080939 A KR1020230080939 A KR 1020230080939A KR 20230080939 A KR20230080939 A KR 20230080939A KR 102575790 B1 KR102575790 B1 KR 102575790B1
Authority
KR
South Korea
Prior art keywords
question
user
regenerated
answer
document
Prior art date
Application number
KR1020230080939A
Other languages
English (en)
Inventor
고경우
Original Assignee
고경우
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 고경우 filed Critical 고경우
Priority to KR1020230080939A priority Critical patent/KR102575790B1/ko
Application granted granted Critical
Publication of KR102575790B1 publication Critical patent/KR102575790B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • 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
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Computational Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Library & Information Science (AREA)
  • Development Economics (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Biomedical Technology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)

Abstract

본 발명의 일 측면은, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버를 제공한다. 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버는, 적어도 하나의 프로세서(processor) 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다. 적어도 하나의 단계는, 사용자 단말로부터 사용자 질문을 수신하고, 사용자 질문의 의도를 파악하고 적어도 하나 이상의 카테고리로 분류하는 단계, 미리 학습된 문답 학습 모델을 기초로, 파악된 사용자 질문의 의도를 확인하기 위해 파악된 사용자 질문의 의도와 부합하는 질문을 재생성하는 단계, 재생성된 질문을 사용자 단말에 전송하는 단계, 사용자 단말로부터 재생성된 질문에 대한 사용자 답변을 수신하는 단계, 사용자 질문, 재생성된 질문 및 재생성된 질문에 대한 사용자 답변을 기초로, 사용자 프로필 분석, 감정분석 및 시간 분석을 통해 메타데이터를 생성하는 단계 및 행정 서비스 신청 및 진행을 위한 문서 서식을 다운로드 하여, 문서 서식에서 채워야 할 필드(Field)를 식별하고, 식별된 각 필드에, 생성된 메타데이터를 매핑하여 문서 작성을 하는 단계를 포함할 수 있다.

Description

인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법 {SERVER AND METHOD FOR PROVIDING ADMINISTRATIVE SERVICE SUPPORT PLATFORM BASED ON ARTIFICIAL INTELLIGENCE}
본 발명은 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법에 관한 것으로, 더욱 상세하게는 사용자와의 질의응답에 따른 인공지능 기반 문답학습모델을 사용하여 행정 서비스를 지원할 수 있는 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법에 관한 것이다.
인공지능(AI)의 등장은 행정 서비스 영역을 비롯한 다양한 분야에 큰 영향을 미치고 있다. 행정 서비스를 신청하기 위한 절차에는 종종 양식 작성, 관련 정보 검색, 적절한 신청 절차 준수와 같은 복잡하고 시간 소모적인 작업이 포함된다.
이러한 복잡한 절차를 해소하기 위해 각 행정 기관들은 행정 서비스 진행을 위한 도움말 또는 챗봇을 통한 상담 등을 통해 도움을 제공하고 있으나, 이러한 절차의 복잡성에 익숙하지 않은 사용자들은 여전히 절차 진행에 어려움을 겪는다.
또한 기존의 솔루션들은 일반적인 정보를 제공하거나, 미리 정해진 절차에 따르는 서비스에 대한 도움만을 제공함으로써, 사용자의 특정한 상황에 대응하지 못하거나 완전한 절차적 도움을 제공하지 못한다.
한편, 사용자가 정해진 절차에 따라 행정 서비스를 신청하여 진행하는 경우에도 정보의 부족 또는 절차 진행의 미숙으로 인해 수차례 반복하여 행정 서비스 진행을 위한 절차를 밟아야 하는 경우가 다수 발생하고 있다.
이에 따라, 사용자의 상호작용을 통해 미리 학습된 행정 서비스 지원 모델을 사용하여 사용자의 질문 의도를 파악하고 정확한 행정 서비스 진행을 지원할 수 있는 방법에 대한 연구가 필요한 실정이다.
국내등록특허 제10-1974586 호
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법을 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버를 제공한다.
인공지능 기반 행정 서비스 지원 플랫폼 제공 서버는, 적어도 하나의 프로세서(processor) 및 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
적어도 하나의 단계는, 사용자 단말로부터 사용자 질문을 수신하고, 사용자 질문의 의도를 파악하고 적어도 하나 이상의 카테고리로 분류하는 단계, 미리 학습된 문답 학습 모델을 기초로, 파악된 사용자 질문의 의도를 확인하기 위해 파악된 사용자 질문의 의도와 부합하는 질문을 재생성하는 단계, 재생성된 질문을 사용자 단말에 전송하는 단계, 사용자 단말로부터 재생성된 질문에 대한 사용자 답변을 수신하는 단계, 사용자 질문, 재생성된 질문 및 재생성된 질문에 대한 사용자 답변을 기초로, 사용자 프로필 분석, 감정분석 및 시간 분석을 통해 메타데이터를 생성하는 단계 및 행정 서비스 신청 및 진행을 위한 문서 서식을 다운로드 하여, 문서 서식에서 채워야 할 필드(Field)를 식별하고, 식별된 각 필드에, 생성된 메타데이터를 매핑하여 문서 작성을 하는 단계를 포함할 수 있다.
이때, 메타데이터를 생성하는 단계는 개인 정보 및 사용자의 과거 상호작용 이력을 분석함으로써 사용자의 과거 질문에서 질문의 해결 추세 또는 응답 패턴을 검출하여 사용자 프로필 분석을 하고, 사용자 질문에 불만 또는 긴급함을 표현하는 단어의 포함 여부를 검출하여 사용자 감정을 분석하고, 사용자 질문에서 시간적 표현을 식별 및 추출하고, 이를 실제 시점 또는 기간과 연결시킬 수 있는 태깅 모델을 사용하여 시간 분석을 할 수 있다.
사용자 답변에 따라 재생성된 질문과 사용자 질문이 유사한지 여부를 판단하고, 판단 결과에 따라 사용자의 질문과 재생성된 질문을 상호 결합하여 동일한 의도인 질문으로 클러스터링하여 문답 학습 모델을 학습시키는 단계를 더 포함하고, 사용자 질문과 재생성된 질문에 대한 TF-IDF 벡터값 사이의 코사인 유사도가 미리 정해진 임계값을 초과하는 경우 사용자 질문과 재생성된 질문이 유사한 것으로 판단할 수 있다.
또한, 문서 작성을 하는 단계는, 특정 행정 서비스에 대한 필드의 관련성, 유사한 행정 서비스에서 필드의 빈도 및 필드에 대한 메타데이터의 완전성에 미리 정해진 가중치를 각 곱한 합으로부터 기재 중요도를 산출하는 단계를 더 포함할 수 있다.
또한, 문서 작성을 하는 단계는, 필드에 대해 산출된 기재 중요도와 메타데이터의 완전성의 곱으로부터 필드에 대한 완료 점수를 산출하는 단계 및 필드에 대한 완료 점수의 총 합을 문서 서식의 총 필드수로 나누어 행정 서비스 완료율을 산출하는 단계를 포함할 수 있다.
상기와 같은 본 발명에 따른 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법을 이용할 경우에는 다양한 행정 서비스에 대한 정확한 지원을 통해 행정 서비스의 이용 완료율을 증가시키고, 복잡한 절차의 행정 서비스 지원을 통해 이용 만족도를 증가시킬 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 구동 환경을 나타낸 예시도이다.
도 2는 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 일 예를 도시한 예시도이다.
도 3은 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 다른 예를 도시한 예시도이다.
도 4는 행정문서를 작성하는 일 예를 설명하기 위한 예시도이다.
도 5는 도 1에 따른 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버에 대한 하드웨어 구성도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 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.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 구동 환경을 나타낸 예시도이다.
도 1을 참조하면, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(100)(이하, '서버(100)'라고 함)는 사용자 단말(10)을 통해 사용자로부터 행정 서비스 이용에 대한 질문을 수신할 수 있다.
여기서 행정 서비스란, 중앙 정부, 지방 정부 및 그 산하기관, 공공기관, 국책 연구기관 및 교육기관을 포함하여 공공 서비스를 제공하는 일련의 모든 기관을 포함할 수 있다. 예를 들어, 여권, 운전면허증, 사회보장혜택, 세금 관련 서비스, 진료예약, 의료보험 청구 등 의료서비스, 학교 지원, 재정 지원 양식, 장학금 지원 양식 수업 지원 신청을 포함하는 교육서비스, 대출 신청, 은행 계좌 개설, 신용카드 문제 처리 등 은행 서비스, 고용 신청서, 산업재해 신청, 고용보험 등 고용 서비스 등을 포함할 수 있다.
이때, 사용자는 행정 서비스 이용에 대한 질문을 전송하기 전에 사용자가 행정 서비스를 이용하기 위한 기본 개인정보를 서버(100)에 전송할 수 있으며, 서버(100)와 사용자 단말(10)은 암호화된 유무선 네트워크를 통해 통신할 수 있다.
이때, 유무선 네트워크 방식은 블루투스(bluetooth) 통신, BLE(Bluetooth Low Energy) 통신, 근거리 무선 통신(Near Field Communication, NFC), WLAN 통신, 지그비(Zigbee) 통신, 적외선(Infrared Data Association, IrDA) 통신, WFD(Wi-Fi Direct) 통신, UWB(ultra-wideband) 통신, Ant+ 통신, WIFI 통신, RFID(Radio Frequency Identification) 통신 등 다양한 통신방법을 포함할 수 있으나, 이에 제한되는 것은 아니다.
또한, 사용자 단말(10)은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
또한, 사용자가 사용자 단말(10)을 통해 서버(100)에 전송하는 기본 개인정보는 사용자가 미리 입력한 기본 정보 및 사용자 인증 정보가 포함된 인증서의 제출을 포함하여, 사용자의 성명, 성별, 주소, 연락처, 은행, 계좌번호, 통신사 및 주민등록번호 등과 같이 사용자를 식별할 수 있는 정보를 의미할 수 있다.
다시 도 1을 참조하면, 서버(100)는 사용자 단말(10)로부터 사용자의 질문 및 그에 대한 답변을 포함하는 문답을 수신할 수 있다. 이때, 서버(100)는 수신된 문답의 유형 및 성질에 따라 수신한 사용자의 문답을 적어도 하나 이상의 카테고리로 분류할 수 있다.
사용자의 문답을 수신하면, 서버(100)는 사용자의 수신한 문답의 의도를 파악하여 사용자의 문답을 재구성할 수 있다. 예를 들어, 서버(100)는 사용자의 질문에 대한 의도를 파악하고 적어도 하나 이상의 카테고리로 분류한 다음, 서버(100)의 문답 학습 모델을 사용하여 사용자의 질문의 의도와 가장 유사한 질문을 재구성할 수 있다.
그 다음, 서버(100)는 사용자의 재생성된 질문을 다시 사용자 단말(10)을 통해 전달할 수 있다. 서버(100)는 사용자가 사용자 단말(10)을 통해 재생성된 질문을 수신하고, 재생성된 질문이 사용자가 최초 질문한 의도와 동일한지 여부를 확인하여, 사용자 단말(10)로부터 답변을 수신할 수 있다. 이를 통해, 서버(100)는 사용자의 문답을 통해 사용자의 질문을 적어도 하나 이상의 카테고리로 분류하고, 사용자의 질문 의도에 가장 적합한 질문을 재구성할 수 있는 학습 모델을 생성할 수 있다.
한편, 서버(100)는 사용자의 문답에 대한 메타 데이터를 생성할 수 있다. 이때, 메타 데이터는 예컨대, 사용자의 나이, 지리적 위치, 직업, 성별 및 교육 수준을 포함하는 개인정보, 서비스 범주, 서비스 유형 및 요청 서비스의 종류를 포함하는 서비스 정보, 사용자의 이전 질문내용, 이전 답변 내용, 이전 서비스 처리 결과를 포함하는 상호작용 정보, 사용자의 감정(예: 불만, 만족, 혼란 등) 및 긴급 수준을 포함하는 감정정보, 사용자의 상호작용 빈도와 질문의 복잡성을 포함하는 행동 정보를 포함할 수 있다. 서버(100)는 사용자의 문답에 대한 메타데이터를 생성함으로써 사용자가 지원 받고자 하는 행정 서비스의 종류와 지원 방식을 결정할 수 있다.
서버(100)는 사용자의 질문에 대한 메타데이터를 사용하여 사용자가 지원을 요구하는 행정 서비스 문서를 작성할 수 있다. 서버(100)는 문서 인식을 통해 문서의 각 항목을 검출하고, 각 항목에 기재되어야 할 사항을 판단할 수 있다. 그 다음 서버(100)는 사용자의 개인정보 및 사용자의 문답과 그에 대한 메타데이터를 사용하여 사용자가 지원 받을 행정 서비스를 위한 문서를 작성할 수 있다.
또한, 서버(100)는 문서의 각 항목별 기재 중요도를 산출하고, 각 항목별 기재 내용에 따른 행정 서비스 완료율을 산출하고, 가장 높은 행정 서비스 완료율을 갖는 문서를 작성할 수 있다.
도 2는 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 일 예를 도시한 예시도이다.
도 2를 참조하면, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(200)(이하, '서버(200)'라고 함)는 문답 수신부(210), 문답 학습부(220) 및 메타데이터 생성부(230)를 포함할 수 있다.
도 1및 도 2를 참조하면, 문답 수신부(210)는 사용자 단말(10)로부터 질문을 수신할 수 있다. 예를 들어, 문답 수신부(210)는 사용자의 행정 서비스 지원을 위한 질문을 수신할 수 있다. 일 예로, 문답 수신부(210)는 사용자 단말(10)을 통해 "여권 신청은 어떻게 하나요"라는 질문을 수신할 수 있다. 문답 수신부(210)는 사용자의 질문을 수신하고 나면, 사용자의 의도를 이해하기 위해 자연어 처리(NLP, Natural Language Processing) 알고리즘을 사용하여 사용자의 질문을 해석할 수 있다.
예를 들어, 문답 수신부(210)는 수신한 질문의 문장을 개별 단어 또는 토큰으로 분해할 수 있다. 예컨대, "여권 신청은 어떻게 하나요"라는 질문을 수신한 경우 토큰은 ["여권", "신청", "은", "어떻게", "하나", "요"]와 같이 구분될 수 있다. 그 다음, 문답 수신부(210)는 주어진 문맥에서 의미 있는 정보를 전달하지 않는 일반적 문구들(예: "은", "요")을 제거할 수 있다. 또한, 문답 수신부(210) 추출된 토큰들을 기본형태로 변환할 수 있다. 예컨대, 문답 수신부(210)는 "하나"를 "하다"로 변경할 수 있다.
그 다음, 문답 수신부(210)는 자연어 처리를 위한 인공지능 기반(예: 기계학습, 딥러닝 등) 언어 훈련 모델을 사용하여 사용자 질문의 의도를 확인할 수 있다. 예컨대, 문답 수신부(210)는 서포트 벡터 머신(Support Vector Machines), 나이브 베이즈(Naive Bayes)와 같은 기계학습 알고리즘 또는 RNN(Recurrent Neural Networks) 또는 트랜스포머(예: BERT, Bidirectional Encoder Representations from Transformers) 와 같은 보다 정교한 심층 학습 모델을 사용할 수 있다.
이를 통해, 사용자의 질문을 인식하고 나면, 문답 수신부(210)는 사용자 질문의 범주를 결정할 수 있다. 예를 들어, 정부 서비스, 의료 서비스, 교육 서비스와 같은 행정 서비스의 종류를 결정할 수 있다. 예컨대, "정부 서비스" 내에는 "여권 신청"의 하위 카테고리가 있을 수 있으며, 문답 수신부(210)는 사용자의 질문을 "여권 신청"의 카테고리에 배정할 수 있다.
그 다음, 문답 수신부(210)는 나이브 베이즈(Naive Bayes), 서포트 벡터 머신(Support Vector Machines) 또는 결정트리(Decision Trees)와 같은 기계 학습 알고리즘을 사용하여 질문 분류를 위한 학습 모델을 학습시킬 수 있다. 또한, 문답 수신부(210)는 질문 분류를 위해 각 질문에 대해 정답이 존재하는 질문 데이터 세트를 사용하여 다수의 질문에 대한 분류 패턴을 분석하여, 학습 모델을 학습시킬 수 있도록 사전에 학습될 수 있다.
한편, 문답 학습부(220)는 문답 수신부(210)에 의해 의도가 파악되고 적어도 하나 이상의 카테고리로 분류된 사용자의 질문에 대해, 사용자에게 확인하기 위한 질문을 생성할 수 있다. 예를 들어, 문답 학습부(220)는 수신된 사용자의 질문 "여권 신청은 어떻게 하나요"의 정확한 의도를 확인하기 위해 사용자에게 전송할 질문을 다시 생성할 수 있다.
예를 들어, 문답 학습부(220)는 문답 데이터베이스(DB)를 문답 수신부(210)에서 확인된 사용자의 의도 및 분류된 질문의 범주에 따라 사용자의 질문을 검색할 수 있다. 사용자 질문이 검색되고 나면, 문답 학습부(220)는 템플릿 기반 질문을 생성할 수 있다. 일 예로, 사용자의 질문 의도 및 분류된 질문 범주에 따라 사용자에게 제공되는 미리 정해진 템플릿이 존재할 수 있으며, 이를 기초로 사용자의 의도 확인을 위한 질문을 재생성할 수 있다. 또한, 문답 학습부(220)는 자연어 처리 모델 예컨대, Seq2Seq(Sequence-to-Sequence) 모델과 같은 딥러닝 모델을 사용하여 사용자의 의도와 부합하는 질문을 재생성할 수 있다.
한편, 문답 학습부(220)는 사용자 질문의 의도는 파악되었으나, 그 정확도 내지 신뢰도가 부족한 경우 보다 정확한 사용자 의도를 파악하기 위해 불확실성 해소를 위한 불확실성 처리 질문을 생성할 수 있다. 예컨대, "여권 신청은 어떻게 하나요"의 질문에서 사용자가 내국인인지 확인되지 않은 경우, 문답 학습부(220)는 사용자의 국적을 확인하기 위해 "한국 국적인가요?"라는 질문을 생성하여 불확실성을 처리할 수 있다.
그 다음 문답 학습부(220)는 사용자에게 재생성된 질문을 전송할 수 있다. 예를 들어, 문답 학습부(220)는 파악된 사용자 질문의 의도에 따라 재생성된 질문을 사용자에게 전달할 수 있다. 사용자의 의도에 따라 질문을 재생성하고, 재생성된 질문을 사용자 단말(10)을 통해 사용자에게 전송함으로써, 사용자 질문 의도를 확임함과 동시에, 사용자 질문과 재생성된 질문이 표현이 다르더라도 동일한 의도임을 확인할 수 있고, 문답 학습부(220)는 사용자 질문과 재생성된 질문을 동일한 의도 문구로 결합하여 학습 모델을 학습시킬 수 있다.
또한, 문답 학습부(220)는 재생성된 질문을 사용자에게 전송한 다음, 사용자 단말(10)로부터 사용자 답변을 수신할 수 있다. 이때, 사용자 답변은 재생성된 질문에 대한 긍정 또는 부정의 답변이 될 수 있으며, 긍정의 경우 재생성된 질문이 사용자 질문의 의도와 동일한 것을 의미하고, 부정의 경우 재생성된 질문이 사용자 질문의 의도와 일치하지 않는 것을 의미할 수 있다. 이때, 문답 학습부(220)는 사용자의 답변에 따라 재생성된 질문과 사용자 질문이 동일 또는 유사한지 여부를 판단할 수 있고, 판단 결과에 따라 사용자의 질문과 재생성된 질문을 상호 결합하여 동일한 의도인 질문으로 클러스터링하여 학습 모델을 학습시킬 수 있다.
한편, 문답 학습부(220)는 사용자의 재생성된 질문에 대한 답변이 부정인 경우 사용자에게 질문 의도 파악을 위한 재질문 요청을 할 수 있다. 예를 들어, 사용자 질문이 "여권 신청은 어떻게 하나요"였으나, 재생성된 질문이 "여권 종류가 필요한가요"와 같이 그 의미와 의도가 상이한 경우, 사용자 답변은 부정 답변일 수 있으며, 이때, 문답 학습부(220)는 사용자 질문의 의도를 다시 확인하기 위해 사용자 단말(10)을 통해 사용자 의도를 확인하기 위한 새로운 질문을 생성하여 전달할 수 있다.
답변을 수신하고 나면, 문답 학습부(220)는 수신된 답변과 문답 학습부(220)가 재생성한 질문을 매핑시키고, 그 상관관계를 분석할 수 있다. 예를 들어, 문답 학습부(220)는 TF-IDF(Term Frequency-Inverse Document Frequency), Word2Vec 또는 GloVe와 같은 알고리즘을 기초로 질문을 벡터 표현으로 변환할 수 있다. 또한, 문답 학습부(220)는 문장 임베딩을 통해 단어 또는 전체 문장에 대해 단일 벡터를 생성하는 예컨대, Doc2Vec, Sentence-BERT(문장 포함을 위한 BERT 수정) 또는 Universal Sentence Encoder와 같은 모델을 사용하여 벡터화 할 수 있다.
일 예로, 문답 학습부(220)는 딥러닝 기반의 텍스트 유사도(Text Similarity)분석을 통해 문장의 유사도를 판단할 수 있다. 예를 들어, 텍스트 벡터화를 통해 문장내 단어들을 벡터화 시켜 각 단어들의 벡터값을 비교함으로써 유사도를 판단할 수 있다. 예컨대, 원-핫 인코딩 기법(One-hot encoding)을 통해 단어와 대응되는 벡터값을 생성할 수 있으며, 유사도는 TF-IDF 벡터 값을 사용할 수 있다. 여기서 TF(Term Frequency)는 그 단어가 주어진 데이터 내에서 나타나는 횟수를 의미하고, DF(Document Frequency)는 그 단어가 다른 문장에서 등장하는 빈도를 나타내는 빈도값이며, IDF(Inverse Document Frequency)는 DF 값의 역수이다. 이때, TF-IDF 벡터값은 아래의 수학식에 따라 결정된다.
즉, TF-IDF는 특정 단어가 주어진 데이터 내에서 등장하는 빈도가 높으나 다른 데이터 내에서 나타나는 빈도가 작을수록 높은 값을 갖는다. 결과적으로 문장 또는 단어들 사이의 유사도는 TF-IDF 벡터값 사이의 코사인 유사도(Cosine Similarity)를 통해 결정될 수 있고, 이때 유사도 값은 -1~1 사이의 값의 범위에서 1에 가까울수록 유사한 문장 또는 단어이다. 구체적으로, 문답 학습부(220)는 코사인 유사도를 통해 사용자 질문과 재생성된 질문 사이의 유사도를 산출할 수 있으며, 1은 벡터가 동일함을 의미하고, -1은 벡터가 정반대임을 의미하고, 0은 두 벡터가 상호 관련성이 없음을 의미할 수 있다. 또한, 이에 제한되지 않으며, 유클리드 거리를 통해 두 벡터 사이의 거리가 작을수록 유사성이 높다고 판단할 수 있다.
한편, 문답 학습부(220)는 사용자 질문과 재생성된 질문에 대한 TF-IDF 벡터값 사이의 코사인 유사도가 미리 정해진 임계값을 초과하는 경우 사용자 질문과 재생성된 질문이 유사한 것으로 판단할 수 있다. 일 예로, 미리 정해진 임계값이 0.8인 경우, 문답 학습부(220)는 코사인 유사도에 따른 유사도가 0.9로 산출되는 경우, 사용자 질문에 대한 의도 검출과 그에 따른 재생성된 질문이 정확한 것으로 판단하고 클러스터링 할 수 있다.
그 다음, 메타데이터생성부(230)는 사용자 질문과 재생성된 질문에 대해 그 답변에 대한 메타데이터를 생성할 수 있다. 예를 들어, 메타데이터생성부(230)는 사용자 프로필 분석, 감정 분석, 시간 분석 및 메타데이터 편집을 통해 메타데이터를 생성할 수 있다.
예를 들어, 메타데이터생성부(230)는 개인 정보, 과거 상호 작용 및 기타 관련 정보가 포함될 수 있는 사용자의 프로필 데이터 분석을 할 수 있다. 예컨대, 메타데이터생성부(230)는 사용자의 과거 상호작용 이력을 분석함으로써 사용자의 과거 질문에서 질문의 해결 추세 또는 응답 패턴을 검출하여 사용자의 프로필을 분석할 수 있다. 예컨대, 사용자가 다른 국가의 비자 발급 절차에 대한 질문을 다수 반복한 경우 메타데이터생성부(230)는 "비자 발급"에 관련된 사용자 질문의 패턴을 사용자 프로필 분석에 사용할 수 있다.
한편, 메타데이터생성부(230)는 사용자의 질문에 포함된 감정을 분석할 수 있다. 예를 들어, 메타데이터생성부(230)는 사용자의 질문에 불만 또는 긴급함을 표현하는 단어와 같이 사용자의 감정을 표현하는 단어들이 있는지 여부를 검출함으로써 사용자 감정을 분석할 수 있다.
메타데이터생성부(230)는 사용자 질문에서 시간적 표현을 식별 및 추출하고, 이를 실제 시점 또는 기간과 연결시킬 수 있는 태깅 모델을 사용하여 시간에 대한 메타데이터를 생성할 수 있다. 일 예로, 메타데이터생성부(230)는 사용자 질문이 "다음달에 여권을 갱신하려면 필요한 서류는 무엇인가요"라는 질문을 한 경우, 메타데이터생성부(230)는 "다음달"을 식별 및 추출하고, 현재를 기준으로 한달(예: 30일) 후의 시점에서 여권 갱신에 필요한 서류를 안내하기 위해 "다음달"을 시간 정보로 추출할 수 있다.
한편, 메타데이터생성부(230)는 사용자 프로필, 사용자 감정 및 시간 분석 결과를 사용하여 메타데이터를 편집할 수 있다. 일 예로, 메타데이터에는 사용자의 의도, 질문의 주요 구성요소, 관련 관리 범주, 선례, 사용자 프로필, 사용자 감정 및 시간 분석 결과를 포함할 수 있다.
예를 들어, 메타데이터생성부(230)는 생성된 메타데이터를 사용하여 사용자의 질문 유형을 식별하고, 해결 방법을 식별하고, 해결 방법에 따른 적합한 행정 정보를 추출하고, 해당 질문과 관련된 행정 정보에 대한 판례 및 모범 답안을 식별하여, 메타데이터를 컴파일할 수 있다. 일 예로, 메타데이터 생성부(230)는 자연어 처리 알고리즘(NLP, Natural Language Processing)를 사용함으로써 사용자 질문을 미리 정해진 어느 하나의 범주(예: 여권 신청)로 분류할 수 있다. 이때, 메타데이터 생성부(230)는 BERT 기반 모델과 같은 텍스트 분류 모델이 적용될 수 있다. 또한, 메타데이터 생성부(230)는 분류된 질문을 해결하기 위한 방법을 식별할 수 있다. 예를 들어, 메타데이터생성부(230)는 분류된 사용자 질문 및 검출된 사용자의 의도에 따라 사용자 질문의 해결 방법을 식별할 수 있다. 예컨대, 메타데이터생성부(230)는 "여권 신청은 어떻게 하나요"라는 질문을 수신한 경우, 질문의 의도는 "여권 신청"이고, 메타데이터 생성부(230)는 필요한 조치는 "신청 절차 조회"로 식별하고, 사용자에게 제공하는 조치는 "신청 단계 제공"으로 분류할 수 있다.
메타데이터 생성부(230)는 분류된 질문에 대한 행정 정보를 추출할 수 있다. 예를 들어, 메타데이터생성부(230)는 사용자 질문의 해결을 위한 행정 조치를 검색하고 해당 행정 조치를 위한 행정 정보를 추출할 수 있다. 일 예로, 메타데이터 생성부(230)는 "여권"과 "신청"을 포함하는 행정 조치를 검색할 수 있다. 검색이 완료되면, 메타데이터 생성부(230)는 동일한 행정 조치에 대하여 사용자 질문으로부터 추출된 의도 및 행정 조치에 대한 해결 사례, 판례 및 모범 답안을 검색하여, 행정 조치 완료를 위한 학습 모델을 학습시킬 수 있다.
도 3은 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버의 다른 예를 도시한 예시도이다.
도 3을 참조하면, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(300)(이하, '서버(300)'라고 함)는 문답 수신부(310), 문답 학습부(320), 메타데이터 생성부(330) 및 문서작성부(340)를 포함할 수 있다.
여기서, 문답 수신부(310), 문답 학습부(320) 및 메타데이터 생성부(330)는 앞서 도 2를 참조하여 설명한 문답 수신부(210), 문답 학습부(220) 및 메타데이터 생성부(230)와 동일한 구성일 수 있으므로, 이하 중복되지 않는 범위에서 상세히 설명한다.
문서 작성부(340)는 생성된 메타데이터를 기초로 행정 문서를 작성할 수 있다.
도 4는 행정문서를 작성하는 일 예를 설명하기 위한 예시도이다. 도 3 및 도 4를 참조하면, 문서 작성부(340)는 행정 문서(400)의 각 항목(401, 402, 403, 404)을 식별하고, 식별된 각 항목에 대응하는 컨텐츠를 삽입할 수 있다. 예를 들어, 문서 작성부(340)는 행정 서비스 신청 및 진행을 위한 문서 서식을 다운로드 하여, 문서 서식에서 채워야 할 필드(Field)를 식별하고, 식별된 각 필드에 생성된 메타데이터를 매핑하여 문서 작성을 완료할 수 있다.
예를 들어, 문서 작성부(340)는 행정 서비스를 위한 문서 서식을 다운로드하기 위해 웹 스크래핑 또는 행정 서비스의 API와의 상호 작용을 할 수 있다. 이때, 문서 작성부(340)는 사용자 질문 또는 재생성된 질문의 "질문유형"에 대한 메타데이터를 확인함으로써, 사용자 질문에 대한 적절한 문서 서식을 검출할 수 있다. 예를 들어, 문서 작성부(340)는 "질문 유형"이 "여권 신청"인 것을 확인한 경우 여권 서비스의 웹 페이지 또는 API에 연결하여 여권 신청에 필요한 양식을 요청 또는 다운로드 할 수 있다. 한편, 문서 작성부(340)는 문서 서식을 직접 다운로드할 수 없는 경우 Beautiful Soup, Python용 Scrapy 또는 Node.js용 Puppeteer와 같은 도구를 사용하여 웹 사이트에서 문서 서식을 스크랩할 수 있다.
또한, 문서 작성부(340)는 다운로드한 문서 서식에서 질문 해결을 위한 각 항목을 검출할 수 있다. 예를 들어, 다운로드 된 문서 서식은 PDF, 워드 또는 HTML과 같은 다양한 형태의 문서 파일일 수 있으며, 문서 작성부(340)는 해당 문서 서식을 인식할 수 있는 형태로 변환시킬 수 있다. 예컨대, 문서 서식이 PDF인 경우 Python의 PDFMiner 또는 PyPDF2와 같은 라이브러리를 사용하여 텍스트를 추출하고 문서 서식의 필드를 검출할 수 있다. 이에 제한되는 것은 아니고, 문서 작성부(340)는 기계 학습(예: CNN 또는 RNN 등 딥러닝 학습 모델)을 사용하여 문서 서식에 대해 학습된 학습 모델을 기초로 미리 학습된 문서 서식의 필드를 검출할 수 있다.
그 다음, 문서 작성부(340)는 사용자 질문에 대해 생성된 메타데이터를 사용하여 검출된 문서 서식의 필드에 매핑 시킬 수 있다. 예를 들어, 문서 작성부(340)는 문서 서식의 각 필드 및 각 필드에 대해 미리 정의되어 매핑된 사전 또는 학습 모델을 사용할 수 있다. 일 예로, 문서 작성부(340)는 문서 서식에서 사용자 성 및 명을 포함하는 전체 이름을 기재하는 필드를 검출하고, 사용자 질문에 대해 생성된 메타데이터 중 사용자 성명에 해당하는 데이터를 앞서 검출된 필드에 매핑시킬 수 있다.
그 다음, 문서 작성부(340)는 문서 서식과 사용자 질문에 대해 생성된 메타데이터를 매핑하고, 문서 서식에 매핑된 데이터를 채움으로써 문서 작성을 완료할 수 있다.
한편, 문서 작성부(340)는 문서의 각 항목별 기재 중요도를 산출하고, 각 항목별 기재 내용에 따른 행정 서비스 완료율을 산출하고, 가장 높은 행정 서비스 완료율을 갖는 문서를 작성할 수 있다.
일 예로, 기재 중요도는 아래의 수학식을 통해 산출될 수 있다.
여기서, I는 기재 중요도를 의미하고, 'r'은 특정 행정 서비스에 대한 해당 필드의 관련성을 의미하고, 'f'는 유사한 행정 서비스에서 필드의 빈도를 의미하고, 'c'는 해당 필드에 대한 사용자 메타데이터의 완전성을 의미할 수 있다.
이때, 위 수학식은 아래와 같이 표현될 수 있다.
여기서 α, 및 γ는 관련성, 빈도 및 완전성에 할당된 가중치를 의미할 수 있다. 예를 들어, 문서 작성부(340)가 다운로드한 여권신청 서식에는 "이름", "생년월일", "출생지", "현재 주소", "이전 여권 번호"를 입력해야 하는 필드가 존재할 수 있다. 이때, 문서 작성부(340)는 각 필드에 대해 r, f, c 값을 각 0 내지 1 사이의 값으로 할당할 수 있다. 예컨대, "이름" 필드의 경우, 관련성(r)은 여권 신청과 관련성이 높으므로 1을 부여하고, 빈도(f)는 모든 여권 신청의 서식에서 "이름"항목이 등장하므로 1을 부여하고, 완전성(c)는 사용자가 자신의 개인정보를 이미 제공한 것을 가정하여 1을 부여할 수 있다. 또한, 문서 작성부(340)는 α = 0.5', ' = 0.3', 'γ = 0.2로 결정하면 아래의 수학식과 같이 기재 중요도가 산출될 수 있다.
또한, "이전 여권 번호"필드의 경우, 관련성(r)은 최초 신청인에게는 필요하지 않을 수 있으므로 0.5를 부여하고, 빈도(f)는 모든 여권 신청의 서식에서 요구되지 않을 수 있으므로0.5를 부여하고, 완전성(c)는 사용자가 제공한 개인정보에 해당 정보가 포함되어 있지 않았음을 가정하여 0을 부여할 수 있다. 또한, 문서 작성부(340)는 α = 0.5', ' = 0.3', 'γ = 0.2로 결정하면 아래의 수학식과 같이 기재 중요도가 산출될 수 있다.
이를 통해, 문서 작성부(340)는 문서 서식의 각 항목에 대한 기재 중요도를 산출할 수 있다.
또한, 문서 작성부(340)는 행정 서비스 수행을 위해 각 항목별 기재 내용에 따른 행정서비스 완료율을 산출할 수 있다. 예컨대, 행정서비스 완료율은 아래의 수학식을 통해 산출될 수 있다.
여기서, CR은 행정 서비스 완료율, T는 문서 서식의 총 필드수, Fi는 i번째 필드의 완료 점수를 의미할 수 있다. 또한, Fi는 해당 필드의 완전성(c) 및 해당 필드의 기재 중요도(I)의 곱을 통해 산출될 수 있다.
즉, CR은 모든 필드의 완료 점수를 합산하여 총 필드 수로 나누어 산출 될 수 있고, 0 내지 1의 값으로 표준화 될 수 있다.
일 예로, 각 항목에 대한 완전성(c)와 기재 중요도(I)는 아래의 표와 같이 주어질 수 있다.
필드 I C
전체 이름 1.0 1.0
생년월일 1.0 1.0
출생지 0.8 1.0
이전 여권 번호 0.5 0
여기서, 각 항목에 대한 완전성은 사용자가 해당 정보를 제공하였는지 여부에 따라, 제공한 경우 1, 제공하지 않은 경우 0으로 설정될 수 있고, 기재 중요도는 앞서 설명한 수학식을 통해 산출될 수 있다.이에 따라, 산출된 각 필드에 대한 완료 점수는 각 필드에 대해 산출된 기재 중요도(Ii)와 메타데이터의 완전성(ci)의 곱으로서 아래 표와 같이 계산될 수 있다.
필드 Fi
전체 이름 1.0
생년월일 1.0
출생지 0.8
이전 여권 번호 0.0
이를 통해, 행정 서비스 완료율(CR)은 아래의 수학식을 통해 산출될 수 있다.
따라서, 문서 작성부(340)는 사용자가 제공한 정보와 문서 서식의 각 항목에 대한 기재 중요도를 기초로 여권 신청에 대한 행정 서비스 완료율을 0.7 또는 70%로 산출할 수 있다.
이를 통해, 문서 작성부(340)는 작성한 문서의 완료율을 파악하고, 가장 높은 문서의 완료율을 갖는 문서를 사용함으로서 행정 서비스의 높은 수준의 신청 완료율을 확보할 수 있다.
도 6은 도 1에 따른 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버에 대한 하드웨어 구성도이다.
도 6을 참조하면, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(600)는, 적어도 하나의 프로세서(processor, 610) 및 적어도 하나의 프로세서(610)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 620)를 포함할 수 있다.
여기서 적어도 하나의 프로세서(610)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(620) 및 저장 장치(660) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(620)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(600)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver, 630)를 포함할 수 있다. 또한, 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 (600)는 입력 인터페이스 장치(640), 출력 인터페이스 장치(650), 저장 장치(660) 등을 더 포함할 수 있다. 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버(600)에 포함된 각각의 구성 요소들은 버스(bus, 670)에 의해 연결되어 서로 통신을 수행할 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 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. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 필드로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (5)

  1. 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버로서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들을 저장하는 메모리를 포함하고,
    상기 적어도 하나의 단계는,
    사용자 단말로부터 사용자 질문을 수신하고, 상기 사용자 질문의 의도를 파악하고 적어도 하나 이상의 카테고리로 분류하는 단계;
    미리 학습된 문답 학습 모델을 기초로, 파악된 상기 사용자 질문의 의도를 확인하기 위해 상기 파악된 상기 사용자 질문의 의도와 부합하는 질문을 재생성하는 단계;
    상기 재생성된 질문을 상기 사용자 단말에 전송하는 단계;
    상기 사용자 단말로부터 상기 재생성된 질문에 대한 사용자 답변을 수신하는 단계;
    상기 사용자 질문, 상기 재생성된 질문 및 상기 재생성된 질문에 대한 상기 사용자 답변을 기초로, 사용자 프로필 분석, 감정분석 및 시간 분석을 통해 메타데이터를 생성하는 단계; 및
    상기 행정 서비스 신청 및 진행을 위한 문서 서식을 다운로드 하여, 상기 문서 서식에서 채워야 할 필드(Field)를 식별하고, 상기 식별된 각 필드에, 상기 생성된 메타데이터를 매핑하여 문서 작성을 하는 단계;를 포함하고,
    상기 메타데이터를 생성하는 단계는,
    개인 정보 및 사용자의 과거 상호작용 이력을 분석함으로써 사용자의 과거 질문에서 질문의 해결 추세 또는 응답 패턴을 검출하여 상기 사용자 프로필 분석을 하고,
    상기 사용자 질문에 불만 또는 긴급함을 표현하는 단어의 포함 여부를 검출하여 상기 사용자 감정을 분석하고,
    상기 사용자 질문에서 시간적 표현을 식별 및 추출하고, 이를 실제 시점 또는 기간과 연결시킬 수 있는 태깅 모델을 사용하여 시간 분석을 하는 것을 특징으로 하는,
    서버.
  2. 삭제
  3. 청구항 1에서,
    상기 사용자 답변에 따라 상기 재생성된 질문과 상기 사용자 질문이 유사한지 여부를 판단하고, 상기 판단 결과에 따라 상기 사용자의 질문과 상기 재생성된 질문을 상호 결합하여 동일한 의도인 질문으로 클러스터링하여 상기 문답 학습 모델을 학습시키는 단계;를 더 포함하고,
    상기 사용자 질문과 상기 재생성된 질문에 대한 TF-IDF 벡터값 사이의 코사인 유사도가 미리 정해진 임계값을 초과하는 경우 상기 사용자 질문과 상기 재생성된 질문이 유사한 것으로 판단하는 것을 특징으로 하는,
    서버.
  4. 청구항 1에서,
    상기 문서 작성을 하는 단계는,
    특정 행정 서비스에 대한 상기 필드의 관련성, 유사한 행정 서비스에서 상기 필드의 빈도 및 상기 필드에 대한 상기 메타데이터의 완전성에 미리 정해진 가중치를 각 곱한 합으로부터 기재 중요도를 산출하는 단계;를 더 포함하는,
    서버.
  5. 청구항 4에서,
    상기 문서 작성을 하는 단계는,
    상기 필드에 대해 산출된 상기 기재 중요도와 상기 메타데이터의 완전성의 곱으로부터 상기 필드에 대한 완료 점수를 산출하는 단계; 및
    상기 필드에 대한 상기 완료 점수의 총 합을 상기 문서 서식의 총 필드수로 나누어 행정 서비스 완료율을 산출하는 단계;를 더 포함하는,
    서버.
KR1020230080939A 2023-06-23 2023-06-23 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법 KR102575790B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230080939A KR102575790B1 (ko) 2023-06-23 2023-06-23 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230080939A KR102575790B1 (ko) 2023-06-23 2023-06-23 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법

Publications (1)

Publication Number Publication Date
KR102575790B1 true KR102575790B1 (ko) 2023-09-07

Family

ID=87974790

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230080939A KR102575790B1 (ko) 2023-06-23 2023-06-23 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법

Country Status (1)

Country Link
KR (1) KR102575790B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101974586B1 (ko) 2018-03-08 2019-05-03 (주) 코라이징 하이브리드 웹/앱 기기 및 pc를 통한 통합 행정서비스 제공방법 및 이를 이용한 통합 행정서비스 시스템
KR20190066988A (ko) * 2017-12-06 2019-06-14 주식회사 케이티 Aiml 기반의 챗봇 시스템 및 챗봇 서비스 제공 방법
KR20200084378A (ko) * 2018-12-20 2020-07-13 석동주 법률문서 자동작성 서비스 제공 시스템 및 그 방법
KR102262035B1 (ko) * 2020-12-03 2021-06-09 주식회사 인조이웍스 비대면 행정민원서비스에 최적화된 음성인식 인공지능 챗봇 서비스 제공 시스템
KR102343851B1 (ko) * 2021-05-26 2021-12-24 유승수 대화 방식의 지능형 민원 처리 시스템
KR20230076497A (ko) * 2021-11-24 2023-05-31 주식회사 나눔기술 문서 데이터의 질의응답을 위한 인터페이스 구조 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190066988A (ko) * 2017-12-06 2019-06-14 주식회사 케이티 Aiml 기반의 챗봇 시스템 및 챗봇 서비스 제공 방법
KR101974586B1 (ko) 2018-03-08 2019-05-03 (주) 코라이징 하이브리드 웹/앱 기기 및 pc를 통한 통합 행정서비스 제공방법 및 이를 이용한 통합 행정서비스 시스템
KR20200084378A (ko) * 2018-12-20 2020-07-13 석동주 법률문서 자동작성 서비스 제공 시스템 및 그 방법
KR102262035B1 (ko) * 2020-12-03 2021-06-09 주식회사 인조이웍스 비대면 행정민원서비스에 최적화된 음성인식 인공지능 챗봇 서비스 제공 시스템
KR102343851B1 (ko) * 2021-05-26 2021-12-24 유승수 대화 방식의 지능형 민원 처리 시스템
KR20230076497A (ko) * 2021-11-24 2023-05-31 주식회사 나눔기술 문서 데이터의 질의응답을 위한 인터페이스 구조 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"어렵고 복잡한 민원서식, 말만하면 AI가 자동 작성", 행정안전부 지역정보지원과 보도자료, 2020.0212. *

Similar Documents

Publication Publication Date Title
CN111027327B (zh) 机器阅读理解方法、设备、存储介质及装置
Miner Practical text mining and statistical analysis for non-structured text data applications
CN110020009B (zh) 在线问答方法、装置及系统
CN110222167B (zh) 一种获取目标标准信息的方法和系统
US11501080B2 (en) Sentence phrase generation
CN108959246A (zh) 基于改进的注意力机制的答案选择方法、装置和电子设备
CN111177569A (zh) 基于人工智能的推荐处理方法、装置及设备
CN112287069B (zh) 基于语音语义的信息检索方法、装置及计算机设备
CN110837586B (zh) 问答匹配方法、系统、服务器及存储介质
CN113377936A (zh) 智能问答方法、装置及设备
CN111159358A (zh) 多意图识别训练和使用方法及装置
CN114357117A (zh) 事务信息查询方法、装置、计算机设备及存储介质
US20210255759A1 (en) Indication of content linked to text
CN114240672A (zh) 绿色资产的占比的识别方法及相关产品
CN116662522B (zh) 问题答案推荐方法、存储介质和电子设备
KR102575790B1 (ko) 인공지능 기반 행정 서비스 지원 플랫폼 제공 서버 및 방법
CN117312562A (zh) 内容审核模型的训练方法、装置、设备及存储介质
US20200294410A1 (en) Methods, systems, apparatuses and devices for facilitating grading of handwritten sheets
US20220350968A1 (en) Methods and systems for generating mobile enabled extraction models
US11501071B2 (en) Word and image relationships in combined vector space
CN117501283A (zh) 文本到问答模型系统
CN113761126A (zh) 文本内容的识别方法、装置、设备及可读存储介质
CN113011175A (zh) 一种基于双重渠道特征匹配的语义识别方法及系统
CN111783471B (zh) 自然语言的语义识别方法、装置、设备及存储介质
CN114647733B (zh) 一种问答语料评估方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant