KR102584732B1 - 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 - Google Patents
언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 Download PDFInfo
- Publication number
- KR102584732B1 KR102584732B1 KR1020220103594A KR20220103594A KR102584732B1 KR 102584732 B1 KR102584732 B1 KR 102584732B1 KR 1020220103594 A KR1020220103594 A KR 1020220103594A KR 20220103594 A KR20220103594 A KR 20220103594A KR 102584732 B1 KR102584732 B1 KR 102584732B1
- Authority
- KR
- South Korea
- Prior art keywords
- morpheme
- user
- morphemes
- various embodiments
- sentence
- Prior art date
Links
- 238000000034 method Methods 0.000 title abstract description 40
- 238000013473 artificial intelligence Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012552 review Methods 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
- G06Q20/145—Payments according to the detected use or quantity
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
다양한 실시예들은 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치에 대한 것이다.
Description
다양한 실시예들은 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치에 대한 것이다.
독학이나 강좌 수강 같은 일방적인 언어 학습은 의도된 학습의 범주(예를 들어, 어학 시험)에서는 유용하지만, 그 외의 다양한 실제 환경에서의 적용이 쉽지 않을 수 있다. 효과적인 언어 학습을 위해서는 학습자의 흥미를 유발하고 쉽게 접근할 수 있도록 하는 학습 방법 및 시스템이 요구되나, 이러한 학습 방법 및 시스템은 현재 부재한 실정이다.
다양한 실시예들은, 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치를 제공할 수 있다.
다양한 실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
다양한 실시예들에 따르면, 전자 장치에 의하여 수행되는 방법이 제공될 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 사용자 ID(identifier)를 포함하는 서비스 요청 정보를 수신; 상기 서비스 요청 정보를 수신한 이후, 상기 사용자 ID에 대응되는 사용자가 보유한 것으로 식별되는 제1 복수의 형태소들과 제2 복수의 형태소들을 포함하는 복수의 형태소들 중 하나의 형태소와 관련된 단어를 포함하는 제3 복수의 형태소들을 포함하는 문장을 생성; 및 상기 문장과 관련된 정보를 포함하는 언어 학습 컨텐츠를 제공; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 제1 복수의 형태소들 각각은, 제1 복수의 어형변화들을 가질 수 있다.
다양한 실시예들에 따르면, 상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들은 미리 설정된 문장 템플릿(templet) 들 중에서 상기 사용자로부터 선택된 문장 템플릿에 포함될 수 있다.
다양한 실시예들에 따르면, 상기 제2 복수의 형태소들은, 상기 사용자로부터 선택된 문장 템플릿에 대응될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소는 상기 복수의 형태소들 중 상기 사용자 ID에 대응되는 사용자로부터 선택될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소가 선택됨에 따라, 상기 하나의 형태소에 대응되는 제2 복수의 어형변화들 각각과 적합도가 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 관련된 단어와 가장 인접한 형태소 간의 획득될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소와 관련된 단어는, 상기 제2 복수의 어형변화들 중 상기 적합도가 최대값을 갖는 것일 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공; 하는 것은, 상기 문장을 디스플레이 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 문장이 디스플레이 됨에 있어서, 상기 제3 복수의 형태소들은 품사(品詞)에 따라 구분되도록 부여된 서로 다른 색상으로 디스플레이 될 수 있다.
다양한 실시예들에 따르면, 상기 적합도는, 상기 하나의 형태소와 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 가장 인접한 상기 형태소가 입력됨에 따른 미리 학습된 인공지능 모델의 출력에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 인공지능 모델은, 상기 인공지능 모델 획득을 위한 AI(artificial intelligence) 엔진에 기계 학습(machine learning) 이 적용됨에 기초하여 미리 설정될 수 있다.
다양한 실시예들에 따르면, 상기 기계 학습은: - (a) 상기 인공지능 모델 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습; - (b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득; - (c) 상기 제1 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및 - (d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1씩 증가되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행될 수 있다.
다양한 실시예들에 따르면, 상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 인공지능 모델 획득을 위한 학습용 데이터에 기초하여 획득될 수 있다.
다양한 실시예들에 따르면, 상기 학습용 데이터는, 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 수집되는 데이터를 포함하는 빅데이터에 기초할 수 있다.
다양한 실시예들에 따르면, 상기 빅데이터는, 제1 복수의 문장들을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 학습용 데이터의 획득을 위하여, 상기 제1 복수의 문장들 중 비문(非文)을 제외하는 것을 포함하는 전처리가 수행될 수 있다.
다양한 실시예들에 따르면, 상기 인공지능 모델의 획득 이후에도, 상기 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 데이터가 수집될 수 있다.
다양한 실시예들에 따르면, 상기 인공지능 모델의 획득 이후에 상기 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 획득된 데이터에 기초하여, 상기 인공지능 모델의 업데이트를 위한 제2 피드백 정보가 형성될 수 있다.
다양한 실시예들에 따르면, 상기 제2 피드백 정보는, 제2 복수의 문장들을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 제2 피드백 정보의 획득을 위하여, 상기 제2 복수의 문장들 중 비문을 제외하는 것을 포함하는 전처리가 수행될 수 있다.
다양한 실시예들에 따르면, 상기 방법은: 상기 서비스 요청 정보에 기초하여, 상기 사용자로부터 서비스 과금이 납부되었는지 여부를 식별; 및 상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여, 서비스 과금 납부 요청 정보를 피드백(feedback); 하는 것을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 드롭(drop) 될 수 있다.
다양한 실시예들에 따르면, 상기 서비스 요청 정보는, 상기 사용자가 서비스 구독자(subscriber) 인지 여부를 지시하는 정보를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자가 아님을 지시하는 경우, 상기 서비스 요청 정보는 상기 사용자로부터 일회성(one-time) 과금이 납부되었는지 여부를 지시하는 정보를 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자임을 지시하는 경우, 상기 서비스 요청 정보는 상기 일회성 과금이 납부되었는지 여부를 지시하는 정보를 포함하지 않을 수 있다.
다양한 실시예들에 따르면, 상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자임을 지시하는 경우, 상기 서비스 과금이 납부된 것으로 식별될 수 있다.
다양한 실시예들에 따르면, 상기 일회성 과금이 납부되었는지 여부를 지시하는 정보가 상기 일회성 과금이 납부되었음을 지시하는 경우, 상기 서비스 과금이 납부된 것으로 식별될 수 있다.
다양한 실시예들에 따르면, 상기 일회성 과금이 납부되었는지 여부를 지시하는 정보가 상기 일회성 과금이 납부되지 않았음을 지시하는 경우, 상기 서비스 과금이 납부되지 않은 것으로 식별될 수 있다.
다양한 실시예들에 따르면, 상기 미리 설정된 문장 템플릿들은 언어 학습 난이도에 따라 미리 구별되어 저장될 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공하는 것은: 상기 사용자를 포함하는 복수의 사용자들 간에 음성채팅을 지원하는 가상 공간 내에서 상기 문장을 디스플레이; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 가상 공간은 상기 언어 학습 난이도에 따라 다르게 생성될 수 있다.
다양한 실시예들에 따르면, 상기 가상 공간 내에, 상기 복수의 사용자들 각각에 대응되는 복수의 아바타(avatar) 들이 생성될 수 있다.
다양한 실시예들에 따르면, 상기 복수의 사용자들은, 상기 언어 학습 난이도 중 동일한 언어 학습 난이도를 선택한 복수의 사용자들일 수 있다.
다양한 실시예들에 따르면, 상기 제1 복수의 형태소들은, 특정 형태소를 포함하고 상기 가상 공간 내의 임의의 위치에서 임의로 디스플레이 되는 특정 블록을 상기 사용자가 상기 사용자에 대응되는 아바타를 제어하여 획득함에 기초하여 상기 사용자에 대응되는 사용자 계정에 적립될 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공하는 것은: 미리 설정된 복수의 강의 동영상들 중 상기 하나의 형태소 또는 상기 문장 템플릿 중 하나 이상과 관련된 강의 동영상을 디스플레이; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공한 이후 미리 설정된 시간 이후 상기 언어 학습 컨텐츠의 복습을 위한 복습 컨텐츠가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠가 제공된 이후부터 상기 복습 컨텐츠가 제공되기 전까지, 상기 복습 컨텐츠가 제공될 시점까지 남은 시간에 대한 알림이 제공될 수 있다.
다양한 실시예들에 따르면, 상기 문장 템플릿은: 상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들을 각각 포함하는 복수의 블록(block) 들을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 복수의 블록들 각각의 색상은, 상기 제3 복수의 형태소들 중 각 블록에 포함되는 형태소의 품사에 따라 부여된 색상과 동일할 수 있다.
다양한 실시예들에 따르면, 상기 문장 템플릿은: 상기 하나의 형태소와 관련된 단어를 위한 하나의 빈(emptied) 블록을 더 포함할 수 있다.
다양한 실시예들에 따르면, 상기 빈 블록의 색상은, 상기 하나의 형태소와 관련된 단어의 품사에 따라 부여된 색상과 동일할 수 있다.
다양한 실시예들에 따르면, 상기 문장 템플릿과 동시에 디스플레이된 상기 제1 복수의 형태소들 중 상기 하나의 형태소가 상기 빈 블록으로 드래그(drag) 앤 드롭(drop) 됨에 기초하여, (i) 상기 하나의 형태소가 선택된 것으로 식별되고, (ii) 상기 하나의 형태소가 상기 하나의 형태소와 관련된 단어로 자율적으로(autonomously) 변환되어 상기 빈 블록에 결합되고, (iii) 상기 언어 학습 컨텐츠의 제공을 위하여, 상기 문장 템플릿과 동시에 디스플레이된 상기 제1 복수의 형태소들의 표시는 오프(off) 되고, 상기 하나의 형태소와 관련된 단어가 상기 빈 블록에 결합됨에 기초하여 생성된 상기 문장의 표시는 유지될 수 있다.
다양한 실시예들에 따르면, 상기 적합도의 최대값이 미리 설정된 임계치 이하인 경우, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 드롭 될 수 있다.
다양한 실시예들에 따르면, 상기 적합도의 최대값이 미리 설정된 임계치 이하인 경우, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 드롭 되는 것은, 상기 적합도의 최대값이 미리 설정된 임계치 이하인 상기 제1 복수의 형태소들 중 상기 하나의 형태소가 상기 빈 블록으로 드래그 앤 드롭됨에 기초하여:(i) 상기 드래그 앤 드롭된 상기 하나의 형태소와 관련된 단어가 결합되지 않은 채로 상기 빈 블록이 유지되고, (ii) 상기 문장 템플릿에서 상기 적합도의 최대값이 미리 설정된 임계치 이하인 상기 제1 복수의 형태소들 중 상기 하나의 형태소는 사용 불가함이 안내되는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 전자 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 장치는: 메모리(memory); 및 상기 메모리와 연결된 하나 이상의 프로세서;를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 하나 이상의 프로세서는: 사용자 ID(identifier)를 포함하는 서비스 요청 정보를 수신; 상기 서비스 요청 정보를 수신한 이후, 상기 사용자 ID에 대응되는 사용자가 보유한 것으로 식별되는 제1 복수의 형태소들과 제2 복수의 형태소들을 포함하는 복수의 형태소들 중 하나의 형태소와 관련된 단어를 포함하는 제3 복수의 형태소들을 포함하는 문장을 생성; 및 상기 문장과 관련된 정보를 포함하는 언어 학습 컨텐츠를 제공; 하도록 설정될 수 있다.
다양한 실시예들에 따르면, 상기 제1 복수의 형태소들 각각은, 제1 복수의 어형변화들을 가질 수 있다.
다양한 실시예들에 따르면, 상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들은 미리 설정된 문장 템플릿(templet) 들 중에서 상기 사용자로부터 선택된 문장 템플릿에 포함될 수 있다.
다양한 실시예들에 따르면, 상기 제2 복수의 형태소들은, 상기 사용자로부터 선택된 문장 템플릿에 대응될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소는 상기 복수의 형태소들 중 상기 사용자 ID에 대응되는 사용자로부터 선택될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소가 선택됨에 따라, 상기 하나의 형태소에 대응되는 제2 복수의 어형변화들 각각과 적합도가 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 관련된 단어와 가장 인접한 형태소 간의 획득될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소와 관련된 단어는, 상기 제2 복수의 어형변화들 중 상기 적합도가 최대값을 갖는 것일 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공; 하는 것은, 상기 문장을 디스플레이 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 문장이 디스플레이 됨에 있어서, 상기 제3 복수의 형태소들은 품사(品詞)에 따라 구분되도록 부여된 서로 다른 색상으로 디스플레이 될 수 있다.
다양한 실시예들에 따르면, 하나 이상의 프로세서(processor) 가 동작을 수행하도록 하는 하나 이상의 인스트럭션(instruction)을 저장하는 비-휘발성(non-transitory) 프로세서-판독 가능 매체(processor-readable medium) 가 제공될 수 있다.
다양한 실시예들에 따르면, 상기 동작은: 사용자 ID(identifier)를 포함하는 서비스 요청 정보를 수신; 상기 서비스 요청 정보를 수신한 이후, 상기 사용자 ID에 대응되는 사용자가 보유한 것으로 식별되는 제1 복수의 형태소들과 제2 복수의 형태소들을 포함하는 복수의 형태소들 중 하나의 형태소와 관련된 단어를 포함하는 제3 복수의 형태소들을 포함하는 문장을 생성; 및 상기 문장과 관련된 정보를 포함하는 언어 학습 컨텐츠를 제공; 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 제1 복수의 형태소들 각각은, 제1 복수의 어형변화들을 가질 수 있다.
다양한 실시예들에 따르면, 상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들은 미리 설정된 문장 템플릿(templet) 들 중에서 상기 사용자로부터 선택된 문장 템플릿에 포함될 수 있다.
다양한 실시예들에 따르면, 상기 제2 복수의 형태소들은, 상기 사용자로부터 선택된 문장 템플릿에 대응될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소는 상기 복수의 형태소들 중 상기 사용자 ID에 대응되는 사용자로부터 선택될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소가 선택됨에 따라, 상기 하나의 형태소에 대응되는 제2 복수의 어형변화들 각각과 적합도가 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 관련된 단어와 가장 인접한 형태소 간의 획득될 수 있다.
다양한 실시예들에 따르면, 상기 하나의 형태소와 관련된 단어는, 상기 제2 복수의 어형변화들 중 상기 적합도가 최대값을 갖는 것일 수 있다.
다양한 실시예들에 따르면, 상기 언어 학습 컨텐츠를 제공; 하는 것은, 상기 문장을 디스플레이 하는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 상기 문장이 디스플레이 됨에 있어서, 상기 제3 복수의 형태소들은 품사(品詞)에 따라 구분되도록 부여된 서로 다른 색상으로 디스플레이 될 수 있다.
상술한 다양한 실시예들은 다양한 실시예들 중 일부에 불과하며, 본 개시의 다양한 실시예들의 기술적 특징들이 반영된 여러 가지 실시예들이 당해 기술분야의 통상적인 지식을 가진 자에 의해 이하 상술할 상세한 설명을 기반으로 도출되고 이해될 수 있다.
다양한 실시예들에 따르면, 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치가 제공될 수 있다.
다양한 실시예들에 따르면, 사용자가 자신이 소유한 블록을 다른 문장 구성 요소 블록과 결합해 봄으로써, 사용자로 하여금 자연스러운 언어 학습을 유도하고 사용자의 흥미를 유발할 수 있다.
다양한 실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 본 개시의 기술적 특징을 설명한다.
도 1은 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치와 서버의 동작의 일 예를 나타낸 도면이다.
도 4는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다.
도 5는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다.
도 6은 다양한 실시예들에 따른 가상 공간의 일 예를 나타낸 도면이다.
도 7은 다양한 실시예들에 따른 인공지능 모델을 획득하는 과정을 나타낸 도면이다.
도 8는 다양한 실시예들에 따른 인공지능 모델을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
도 1은 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 시스템을 설명하기 위한 도면이다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치와 서버의 동작의 일 예를 나타낸 도면이다.
도 4는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다.
도 5는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다.
도 6은 다양한 실시예들에 따른 가상 공간의 일 예를 나타낸 도면이다.
도 7은 다양한 실시예들에 따른 인공지능 모델을 획득하는 과정을 나타낸 도면이다.
도 8는 다양한 실시예들에 따른 인공지능 모델을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
이하의 실시예들은 다양한 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
1. 시스템 구현
도 1은 다양한 실시예들에 따른 서비스 제공을 위한 장치의 동작 방법이 구현될 수 있는 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 시스템은 다양한 종류의 장치들에 구현될 수 있다. 다양한 실시예들에 대한 설명에서, 다양한 실시예들에 따른 시스템은 전자 장치에 의하여 구현될 수 있다. 예를 들어, 시스템은 제1 디바이스(100) 및/또는 제2 디바이스(200)에 구현될 수 있다. 달리 말해, 제1 디바이스(100) 및/또는 제2 디바이스(200)는 각각의 장치에 구현된 시스템을 기반으로, 다양한 실시예들에 따른 동작을 수행할 수 있다. 한편, 다양한 실시예들에 따른 시스템은, 상기 도 1에 도시된 바에 국한되지 않고, 더 다양한 장치들 및/또는 서버들에 구현될 수도 있을 것이다.
다양한 실시예들에 따른 제1 디바이스(100)는 시스템 및/또는 시스템에 의하여 운용되는 서비스 플랫폼을 이용하고자 하는 고객이 보유한 스마트 디바이스 등이 제1 디바이스(100)가 될 수 있으며, 이 경우, 후술되는 다양한 실시예들에 따른 동작은 스마트 디바이스에 동작 가능한 어플리케이션 형태로 구현될 수 있다. 다만, 다양한 실시예들에 따른 제1 디바이스(100)가 이에 국한되는 것은 아니다.
다양한 실시예들에 따른 제2 디바이스(200)는, 제1 디바이스(100)들과 무선 및/또는 유선 통신을 수행하며, 대단위의 저장 용량을 갖는 데이터베이스를 포함하는 장치일 수 있다. 예를 들어, 제2 디바이스(200)는 복수 개의 제1 디바이스(100)들과 연동될 수도 있다. 도시되지는 않았으나, 제2 디바이스를 제어/관리하기 위한 별도의 디바이스가 마련될 수도 있다.
다양한 실시예들에 따른 시스템은 동작을 위한 다양한 모듈들을 포함할 수 있다. 시스템에 포함된 모듈들은 시스템이 구현되는(또는, 물리적 장치에 포함되는) 물리적 장치(예: 제1 디바이스(100) 및/또는 제2 디바이스(200))가 지정된 동작을 수행할 수 있도록 구현된 컴퓨터 코드 내지는 하나 이상의 인스트럭션(instruction) 일 수 있다. 다시 말해, 시스템이 구현되는 물리적 장치는 복수 개의 모듈들을 컴퓨터 코드 형태로 메모리에 저장하고, 메모리에 저장된 복수 개의 모듈들이 실행되는 경우 복수 개의 모듈들은 물리적 장치가 복수 개의 모듈들에 대응하는 지정된 동작들을 수행하도록 할 수 있다.
도 2는 다양한 실시예들에 따른 제1 디바이스 및/또는 제2 디바이스의 구성을 도시한 도면이다.
도 2를 참조하면, 제1 디바이스 및/또는 제2 디바이스는 입/출력부(210), 통신부(220), 데이터베이스(230) 및 프로세서(240)를 포함할 수 있다.
입/출력부(210)는 사용자 입력을 받거나 또는 사용자에게 정보를 출력하는 각종 인터페이스나 연결 포트 등일 수 있다. 입/출력부(210)는 입력 모듈과 출력 모듈로 구분될 수 있는데, 입력 모듈은 사용자로부터 사용자 입력을 수신한다. 사용자 입력은 키 입력, 터치 입력, 음성 입력을 비롯한 다양한 형태로 이루어질 수 있다. 이러한 사용자 입력을 받을 수 있는 입력 모듈의 예로는 전통적인 형태의 키패드나 키보드, 마우스는 물론, 사용자의 터치를 감지하는 터치 센서, 음성 신호를 입력 받는 마이크, 영상 인식을 통해 제스처 등을 인식하는 카메라, 사용자 접근을 감지하는 조도 센서나 적외선 센서 등으로 구성되는 근접 센서, 가속도 센서나 자이로 센서 등을 통해 사용자 동작을 인식하는 모션 센서 및 그 외의 다양한 형태의 사용자 입력을 감지하거나 입력 받는 다양한 형태의 입력 수단을 모두 포함하는 포괄적인 개념이다. 여기서, 터치 센서는 디스플레이 패널에 부착되는 터치 패널이나 터치 필름을 통해 터치를 감지하는 압전식 또는 정전식 터치 센서, 광학적인 방식에 의해 터치를 감지하는 광학식 터치 센서 등으로 구현될 수 있다. 이외에도 입력 모듈은 자체적으로 사용자 입력을 감지하는 장치 대신 사용자 입력을 입력 받는 외부의 입력 장치를 연결시키는 입력 인터페이스(USB 포트, PS/2 포트 등)의 형태로 구현될 수도 있다. 또 출력 모듈은 각종 정보를 출력해 사용자에게 이를 제공할 수 있다. 출력 모듈은 영상을 출력하는 디스플레이, 소리를 출력하는 스피커, 진동을 발생시키는 햅틱 장치 및 그 외의 다양한 형태의 출력 수단을 모두 포함하는 포괄적인 개념이다. 이외에도 출력 모듈은 상술한 개별 출력 수단을 연결시키는 포트 타입의 출력 인터페이스의 형태로 구현될 수도 있다.
일 예로, 디스플레이 형태의 출력 모듈은 텍스트, 정지 영상, 동영상을 디스플레이 할 수 있다. 디스플레이는 액정 디스플레이(LCD: Liquid Crystal Display), 발광 다이오드(LED: light emitting diode) 디스플레이, 유기 발광 다이오드(OLED: Organic Light Emitting Diode) 디스플레이, 평판 디스플레이(FPD: Flat Panel Display), 투명 디스플레이(transparent display), 곡면 디스플레이(Curved Display), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 홀로그래픽 디스플레이(holographic display), 프로젝터 및 그 외의 영상 출력 기능을 수행할 수 있는 다양한 형태의 장치를 모두 포함하는 광의의 영상 표시 장치를 의미하는 개념이다. 이러한 디스플레이는 입력 모듈의 터치 센서와 일체로 구성된 터치 디스플레이의 형태일 수도 있다.
통신부(220)는 외부 기기와 통신할 수 있다. 따라서, 제1 디바이스 및/또는 제2 디바이스는 통신부를 통해 외부 기기와 정보를 송수신할 수 있다. 예를 들어, 제1 디바이스 및/또는 제2 디바이스는 통신부를 이용해 시스템에 저장 및 생성된 정보들이 공유되도록 외부 기기와 통신을 수행할 수 있다.
여기서, 통신, 즉 데이터의 송수신은 유선 또는 무선으로 이루어질 수 있다. 이를 위해 통신부는 LAN(Local Area Network)를 통해 인터넷 등에 접속하는 유선 통신 모듈, 이동 통신 기지국을 거쳐 이동 통신 네트워크에 접속하여 데이터를 송수신하는 이동 통신 모듈, 와이파이(Wi-Fi) 같은 WLAN(Wireless Local Area Network) 계열의 통신 방식이나 블루투스(Bluetooth), 직비(Zigbee)와 같은 WPAN(Wireless Personal Area Network) 계열의 통신 방식을 이용하는 근거리 통신 모듈, GPS(Global Positioning System)과 같은 GNSS(Global Navigation Satellite System)을 이용하는 위성 통신 모듈 또는 이들의 조합으로 구성될 수 있다. 통신에 사용되는 무선 통신 기술은 저전력 통신을 위한 NB-IoT(Narrowband Internet of Things)를 포함할 수 있다. 이때, 예를 들어 NB-IoT 기술은 LPWAN(Low Power Wide Area Network) 기술의 일례일 수 있고, LTE Cat(category) NB1 및/또는 LTE Cat NB2 등의 규격으로 구현될 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 LTE-M 기술을 기반으로 통신을 수행할 수 있다. 이때, 일 예로, LTE-M 기술은 LPWAN 기술의 일례일 수 있고, eMTC(enhanced Machine Type Communication) 등의 다양한 명칭으로 불릴 수 있다. 예를 들어, LTE-M 기술은 1) LTE CAT 0, 2) LTE Cat M1, 3) LTE Cat M2, 4) LTE non-BL(non-Bandwidth Limited), 5) LTE-MTC, 6) LTE Machine Type Communication, 및/또는 7) LTE M 등의 다양한 규격 중 적어도 어느 하나로 구현될 수 있으며 상술한 명칭에 한정되는 것은 아니다. 추가적으로 또는 대체적으로, 다양한 실시예들에 따른 무선 기기에서 구현되는 무선 통신 기술은 저전력 통신을 고려한 지그비(ZigBee), 블루투스(Bluetooth) 및 저전력 광역 통신망(Low Power Wide Area Network, LPWAN) 중 적어도 어느 하나를 포함할 수 있으며, 상술한 명칭에 한정되는 것은 아니다. 일 예로 ZigBee 기술은 IEEE 802.15.4 등의 다양한 규격을 기반으로 소형/저-파워 디지털 통신에 관련된 PAN(personal area networks)을 생성할 수 있으며, 다양한 명칭으로 불릴 수 있다.
데이터베이스(230)는 각종 정보를 저장할 수 있다. 데이터베이스는 데이터를 임시적으로 또는 반영구적으로 저장할 수 있다. 예를 들어, 데이터베이스에는 제1 디바이스 및/또는 제2 디바이스를 구동하기 위한 운용 프로그램(OS: Operating System), 웹 사이트를 호스팅하기 위한 데이터나 점자 생성을 위한 프로그램 내지는 어플리케이션(예를 들어, 웹 어플리케이션)에 관한 데이터 등이 저장될 수 있다. 또, 데이터베이스는 상술한 바와 같이 모듈들을 컴퓨터 코드 형태로 저장할 수 있다.
데이터베이스(230)의 예로는 하드 디스크(HDD: Hard Disk Drive), SSD(Solid State Drive), 플래쉬 메모리(flash memory), 롬(ROM: Read-Only Memory), 램(RAM: Random Access Memory) 등이 있을 수 있다. 이러한 데이터베이스는 내장 타입 또는 탈부착 가능한 타입으로 제공될 수 있다.
프로세서(240)는 제1 디바이스(100) 및/또는 제2 디바이스(200)의 전반적인 동작을 제어한다. 이를 위해 프로세서(340)는 각종 정보의 연산 및 처리를 수행하고 제1 디바이스 및/또는 제2 디바이스의 구성요소들의 동작을 제어할 수 있다. 예를 들어, 프로세서(340)는 서비스 제공을 위한 프로그램 내지 어플리케이션을 실행시킬 수 있을 것이다. 프로세서(240)는 하드웨어 소프트웨어 또는 이들의 조합에 따라 컴퓨터나 이와 유사한 장치로 구현될 수 있다. 하드웨어적으로 프로세서(240)는 전기적인 신호를 처리하여 제어 기능을 수행하는 전자 회로 형태로 제공될 수 있으며, 소프트웨어적으로는 하드웨어적인 프로세서(240)를 구동시키는 프로그램 형태로 제공될 수 있다. 한편, 이하의 설명에서 특별한 언급이 없는 경우에는 제1 디바이스 및/또는 제2 디바이스의 동작은 프로세서(240)의 제어에 의해 수행되는 것으로 해석될 수 있다. 즉, 시스템에 구현되는 모듈들이 실행되는 경우, 모듈들은 프로세서(240)가 제1 디바이스 및/또는 제2 디바이스를 이하의 동작들을 수행하도록 제어하는 것으로 해석될 수 있다.
요약하면, 다양한 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 다양한 실시예들에 따른 방법은 이하에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 예를 들어, 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치할 수 있으며, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고받을 수 있다.
2. 다양한 실시예들에 따른 장치의 구성/동작
이하에서는, 상기와 같은 기술적 사상에 기초하여 다양한 실시예들에 대해 보다 상세히 설명한다. 이하에서 설명되는 다양한 실시예들은 상호 배척되지 않는 한 전부 또는 일부가 결합되어 또 다른 다양한 실시예들을 구성할 수도 있으며, 이는 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.
이하에서 설명되는 다양한 실시예들에 대해서는 앞서 설명한 제 1 절의 내용들이 적용될 수 있다. 예를 들어, 이하에서 설명되는 다양한 실시예들에서 정의되지 않은 동작, 기능, 용어 등은 제 1 절의 내용들에 기초하여 수행되고 설명될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A/B/C는 A 및/또는 B 및/또는 C를의미할 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, A 초과/이상인 것은 A 이상/초과인 것으로 대체될 수 있다.
특별히 달리 언급되지 않은 한, 다양한 실시예들에 대한 설명에서, B 미만/이하인 것은 B 이하/미만인 것으로 대체될 수 있다.
이하에서는, 다양한 실시예들에 따른 제1 디바이스(100)의 일 구현 예에 따른 전자 장치가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제1 디바이스가 될 수 있다. 예를 들어, 제1 디바이스는 단말, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 태블릿 PC, 전자북 단말기, 디지털방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), PC(personal computer), 키오스크 등이 있을 수 있으나, 이에 한정되는 것은 아니다.
이하에서는, 다양한 실시예들에 따른 제2 디바이스(200)의 일 구현 예에 따른 서버가 설명되나, 이외에도 유사한 기능을 수행하는 다른 장치들도 제2 디바이스가 될 수 있다.
특별히 달리 언급되지 않은 한, 이하의 다양한 실시예들에 대한 설명에서 이용/획득/출력/표시되는 정보 등은 제1 디바이스 및/또는 제2 디바이스가 직접 식별/획득한 정보이거나, 제1 디바이스 및/또는 제2 디바이스에 포함된 데이터베이스에 저장된 정보이거나, 서버 및/또는 기타 외부 기기로부터 제1 디바이스 및/또는 제2 디바이스가 수신 받은 정보 중 하나 이상일 수 있다.
이하에서는 편의 상 한글 학습 컨텐츠가 제공되는 것을 예로 들어 다양한 실시예들에 설명되나, 다양한 실시예들이 한글 외, 영어, 일본어, 중국어 등 다른 언어/문자에도 확장 적용될 수 있음은 자명하다. 이 경우, 다양한 실시예들에서 설명된 각 형태소의 순서는 달라질 수 있으며, 이는 각 언어/문자에 대응되는 문법에 따를 수 있다. 예를 들어, 다양한 실시예들에 대한 설명에서, “문장 템플릿 내에서 하나의 형태소와 관련된 단어 이후에 존재하며 하나의 형태소와 관련된 단어와 가장 인접한 형태소”는 “문장 템플릿 내에서 하나의 형태소와 관련된 단어 이전에 존재하며 하나의 형태소와 관련된 단어와 가장 인접한 형태소” 로 대체될 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치와 서버의 동작의 일 예를 나타낸 도면이다.
도 3을 참조하면, 다양한 실시예들에 따른 동작 301에서, 전자 장치는 사용자 ID(identifier)를 포함하는 서비스 요청 정보를 송신할 수 있으며, 서버는 이를 수신할 수 있다.
다양한 실시예들에 따른 동작 303에서, 서버는 문장을 생성할 수 있다.
다양한 실시예들에 따른 동작 305에서, 서버는 문장과 관련된 정보를 포함하는 언어 학습 컨텐츠를 제공할 수 있으며, 전자 장치는 이를 제공 받을 수 있다.
다양한 실시예들에 따른 각 동작에서, 전자 장치 및/또는 서버의 구체적인 동작 예는 후술된다.
다양한 실시예들에 따르면, 서비스 요청 정보는 사용자 ID(identifier)를 포함할 수 있다. 예를 들어, 사용자 ID는 언어 학습 컨텐츠를 요청하는 사용자의 식별 정보로, 각 사용자에게 미리 부여된 것일 수 있다.
다양한 실시예들에 따르면, 서비스 요청 정보는 사용자로부터 서비스 과금이 납부되었는지 여부를 식별하기 위한 정보를 포함할 수 있다. 다양한 실시예들에 따르면, 서버는 해당 정보에 기초하여 사용자로부터 서비스 과금이 납부되었는지 여부를 식별할 수 있다.
다양한 실시예들에 따르면, 서비스 과금이 납부되었는지 여부를 식별하기 위한 정보는 사용자가 서비스 구독자(subscriber) 인지 여부를 지시하는 정보 및/또는 사용자로부터 일회성(one-time) 과금이 납부되었는지 여부를 지시하는 정보를 포함할 수 있다. 예를 들어, 각 정보는 각각 1-비트 크기(one-bit size)를 가질 수 있으나, 이에 제한되는 것은 아니다.
다양한 실시예들에 따르면, 사용자가 서비스 구독자 인지 여부를 지시하는 정보가 제1 값인 경우는 사용자가 서비스 구독자가 아님을 지시하고, 제2 값인 경우는 사용자가 서비스 구독자임을 지시할 수 있다.
다양한 실시예들에 따르면, 사용자가 서비스 구독자로 식별된 경우, 서버는 해당 사용자로부터 구독을 위한 정기적 서비스 과금(예를 들어, 일/월/년 단위로 정기적 납부되는 서비스 이용료) 이 납부된 것으로 보아, 해당 사용자로부터 서비스 과금이 납부되었다고 식별할 수 있다.
다양한 실시예들에 따르면, 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보에서, 일회성 서비스 과금이란, 정기적 서비스 과금의 반대의미로, 사용자가 해당 서비스를 이용할 때마다 해당 서비스 별로 지불해야할 과금(즉, 케이스 기반 이용료) 일 수 있다. 예를 들어, 일회성 서비스 과금은 사용자의 서비스 이용 횟수 별로 부과될 수 있으며, 정기적 서비스 과금은 미리 설정된 서비스 패키지 별로 다르게 정의될 수 있다. 예를 들어, 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보가 제1 값인 경우는 일회성 서비스 과금이 납부되지 않았음을 지시하고, 제2 값인 경우는 일회성 서비스 과금이 납부되었음을 지시할 수 있다.
다양한 실시예들에 따르면, 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보는, 사용자가 서비스 구독자 인지 여부를 지시하는 정보가 사용자가 서비스 구독자가 아님을 지시하는 경우에만 서비스 요청 정보에 포함될 수 있다. 이 경우, 예를 들어, 서버는 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보가 사용자가 서비스 구독자가 아님을 지시하는 경우, 서비스 요청 정보에 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보가 포함되었음을 알 수 있고, 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보가 사용자가 서비스 구독자임을 지시하는 경우, 서비스 요청 정보에 사용자로부터 일회성 과금이 납부되었는지 여부를 지시하는 정보가 포함되지 않았음을 알 수 있다.
다양한 실시예들에 따르면, 서버는 서비스 과금이 납부되지 않았음이 식별되는 경우, 서비스 과금 납부를 요청하는 정보를 포함하는 피드백을 생성하여, 전자 장치로 송신할 수 있다. 예를 들어, 서비스 과금 납부를 요청하는 정보는, 서비스 구독을 요청하는 정보 및/또는 일회성 서비스 과금 납부를 요청하는 정보 중 하나 이상을 포함할 수 있다.
다양한 실시예들에 따르면, 서버는 서비스 과금이 납부되었음이 식별되는 경우에만 후술할 다양한 실시예들에 따른 동작을 수행하고, 서비스 과금이 납부되지 않았음이 식별되는 경우에는 후술할 다양한 실시예들에 따른 동작을 수행하지 않을 수(예를 들어, 각 동작 수행을 드롭(drop)) 있다.
도 4는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다.
도 4를 참조하면, 다양한 실시예들에 따른 문장 생성을 위하여, 각 문장의 구성 요소는 형태소로 구별될 수 있다. 다양한 실시예들에 따르면, 각 형태소에 대해서는 품사(品詞)에 따라 구분되도록 서로 다른 색상이 부여될 수 있다. 예를 들어, 형용사의 경우에는 빨간색, 명사의 경우에는 오렌지색, 동사의 경우에는 연보라색, 표현의 경우에는 녹색이 부여될 수 있다.
다양한 실시예들에 따르면, 각 형태소에 서로 다른 색상이 부여되는 것은, 각 형태소를 표현하는 “문자” 자체에 색상이 부여되는 것 뿐만 아니라, 각 형태소를 표현하는 문자가 포함된 “블록”에 색상이 부여되는 것을 포함할 수 있다. 다양한 실시예들에 따르면, 블록에 색상이 부여되는 경우, 각 블록에 포함된 “문자” 자체에는 디폴트 색(예를 들어, 흰색) 이 부여될 수 있다. 및/또는 다양한 실시예들에 따르면, 각 형태소에 서로 다른 색상이 부여되는 것은 각 형태소를 표현하는 문자가 포함된 블록의 “윤곽선” 과 블록에 포함된 “문자” 자체에 색상이 부여되는 것을 포함할 수 있다. 다양한 실시예들에 따르면, 문자가 포함된 블록의 “윤곽선” 과 블록에 포함된 “문자” 자체에 색상이 부여되는 경우, 윤곽선과 문자 자체를 제외한 블록 내부에는 디폴트 색(예를 들어, 흰색) 이 부여될 수 있다.
도 4의 예시에서, 과거 문장인 “예쁜” + “잠” +을 +() + “어요”, 현재 문장인 “예쁜” + “잠” +을 +() + “고 있어요”, 미래 문장인 “예쁜” + “잠” +을 +() + “거예요”는 문장 템플릿을 형성할 수 있다. 다양한 실시예들에 따르면, 사용자의 언어 학습을 위하여 미리 설정된 문장 템플릿들이 제공될 수 있으며, 각 문장 템플릿은 복수의 형태소들을 포함할 수 있다. 다양한 실시예들에 따르면, 사용자는 복수의 문장 템플릿들 중 학습을 위한 문장 템플릿을 선택할 수 있으며, 복수의 문장 템플릿들은 학습 난이도(예를 들어, 초급, 중급, 고급)에 따라 분류되어 있을 수 있다.
도 4의 예시에서, 동사 “자다” 가 문장 템플릿에 결합될 수 있는데, 동사 “자다”는 가장 인접된 및/또는 결합되는 형태소인 “표현” 부분의 형태에 따라 변형되어 결합될 수 있다. 이는 문법에 대응될 수 있다. 예를 들어, 과거 문장인 “예쁜” + “잠” +을 +() + “어요”의 경우 동사 “자다”는 “잤” 으로 변형되어 결합될 수 있다. 예를 들어, 현재 문장인 “예쁜” + “잠” +을 +() + “고 있어요”의 경우 동사 “자다”는 “자” 로 변형되어 결합될 수 있다. 예를 들어, 미래 문장인 “예쁜” + “잠” +을 +() + “거예요”의 경우 동사 “자다”는 “잘” 로 변형되어 결합될 수 있다.
다양한 실시예들에 따르면, 미리 설정된 문장 템플릿에 결합되기 위한 특정 형태소에 대응되는 복수의 어형변화들 중 문장 템플릿에 적합한 어형변화가 선택될 수 있다. 다양한 실시예들에 따르면, 특정 형태소가 변화 가능한 모든 복수의 어형변화들과, 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어(즉, 특정 형태소가 변화될 어형변화에 대응되는 단어) 이후에 존재하며 상기 하나의 형태소와 관련된 단어와 가장 인접한 형태소 간의 적합도가 계산/획득될 수 있다. 다양한 실시예들에 따르면, 특정 형태소의 변화 가능한 모든 복수의 어형변화들 중 적합도가 최대값을 갖는 어형변화로 특정 형태소가 자동/자율적으로 변환되어 문장 템플릿과 결합될 수 있다.
도 4의 예시에서, 과거문장, 현재문장, 미래문장 각각에 따라 동사 “자다”는 “잤”, “자”, “잘” 로 각각 변환되어 결합될 수 있으며, 이를 위하여 “잤”, “자”, “잘” 각각에 대하여 “어요”, “고 있어요”, “거예요” 와 같이 문장 템플릿 내에서 “자다”의 변형된 단어와 가장 인접된 및/또는 결합되는 형태소 간의 적합도가 계산될 수 있다. 예를 들어, 과거 문장의 경우, “어요”에 대해서는 “잤”, “자”, “잘” 중 “잤” 이 적합도가 최대값을 갖는 것일 수 있다. 예를 들어, 현재 문장의 경우, “고 있어요”에 대해서는 “잤”, “자”, “잘” 중 “자” 가 적합도가 최대값을 갖는 것일 수 있다. 예를 들어, 미래 문장의 경우, “거예요”에 대해서는 “잤”, “자”, “잘” 중 “잘” 이 적합도가 최대값을 갖는 것일 수 있다.
다양한 실시예들에 따르면, 적합도는, 하나의 형태소와 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 가장 인접한 상기 형태소가 입력됨에 따른 미리 학습된 인공지능 모델의 출력에 기초하여 획득될 수 있다. 인공지능 모델의 획득 방법에 대해서는 후술된다.
특별히 달리 언급되지 않는 한, 다양한 실시예들에 대한 설명에서 특정 형태소에 대응되는 복수의 어형변화들은, 특정 형태소가 변화된 단어 뿐만 아니라 특정 형태소 자체를 포함할 수 있다. 도 4의 예시에서, “자다”의 어형변화는 “잤”, “자”, “잘” 뿐만 아니라 “자다”를 포함할 수 있다. 이 경우, 상술된 예시에서, “자다” 자체에 대해서도 과거 문장/현재 문장/미래 문장 각각에서 표현 형태소와의 적합도가 계산될 수 있다.
도 5는 다양한 실시예들에 따른 문장 생성 방법의 일 예를 나타낸 도면이다. 도 5는 전자 장치의 디스플레이부 및/또는 표시부에 디스플레이된 화면을 나타낸 것으로 이해될 수 있다.
도 5a를 참조하면, 다양한 실시예들에 따르면, 문장 템플릿에 결합 시도될 형태소는 서비스 요청 정보에 포함된 사용자 ID에 대응되는 사용자가 보유한 것으로 식별되는 복수의 형태소들(my words)일 수 있다. 예를 들어, “덥”, “아빠”, “그”, “일본”, “스페인”, “학생”, “선생님”, “소방관” 등이 사용자가 보유한 형태소일 수 있다. 다른 예시로, 서버는 문장 템플릿에 적합한 형태소를 예시적으로 제공할 수도 있다. 예를 들어, “죄송하지만” + V + “주시겠어요?” 로 구성된 문장 템플릿에서, V에 적합한 예시로 “빌리”, “청소하”, “지키” 등의 형태소가 예시적으로 제공될 수 있다.
다양한 실시예들에 따르면, 문장 템플릿에 부적절한/부적합한 형태소가 선택된 경우에는 이에 대한 안내 메시지 및/또는 알림이 디스플레이 될 수 있다. 다양한 실시예들에 따르면, 문장 템플릿에 부적절한/부적합한 형태소의 구별을 위하여 상술된 적합도가 사용될 수 있다. 예를 들어, 형태소의 어형변화들 각각의 적합도들 중 최대값이 미리 설정된 임계치 이하인 경우는 선택된 형태소가 문장 템플릿에 부적절/부적합한 것으로 식별될 수 있다. 다양한 실시예들에 따르면, 이 경우 문장 생성 및 언어 학습 컨텐츠를 제공하는 것은 드롭될 수 있다.
다양한 실시예들에 따르면, 특정 형태소가 선택되는 것은, 특정 형태소가 드래그 앤 드롭되는 것을 포함할 수 있다. 예를 들어, 사용자가 보유한 형태소들 중 특정 형태소가 드래그 되어 문장 템플릿에서 특정 형태소 및/또는 특정 형태소의 어형변화된 단어와의 결합을 위한 빈(emptied) 블록으로 드롭 되는 동작을 포함할 수 있다. 예를 들어, 빈 블록은 물리적으로 비어 있는 것 외에, 빈 블록에 적합한 품사 및/또는 품사의 약어가 빈 블록 내에 표시되는 것을 포함할 수 있다.
다양한 실시예들에 따르면, 적합도의 최대값이 미리 설정된 임계치 이하인 경우, 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 드롭 되는 것은, 적합도의 최대값이 미리 설정된 임계치 이하인 복수의 형태소들 중 하나의 형태소가 빈 블록으로 드래그 앤 드롭됨에 기초하여:(i) 드래그 앤 드롭된 하나의 형태소와 관련된 단어가 결합되지 않은 채로 빈 블록이 유지되고, (ii) 문장 템플릿에서 적합도의 최대값이 미리 설정된 임계치 이하인 제1 복수의 형태소들 중 하나의 형태소는 사용 불가함이 안내되는 것을 포함할 수 있다.
도 5a의 예시에서, 사용자가 보유한 형태소들 중 “덥” 이 문장 템플릿 “죄송하지만” + V + “주시겠어요?”의 빈 블록 V 로 드래그 앤 드롭된 경우, “덥” 및/또는 그의 어형변화의 “주시겠어요?” 와의 적합도 중 최대값이 미리 설정된 임계치 이하인 것으로 식별될 수 있다. 이 경우, 형태소 “덥”은 주어진 문장 템플릿 “죄송하지만” + V + “주시겠어요?” 와 부적절/부적합한 것으로 식별되어, 문장 템플릿에 대응되는 문장에서 형태소 “덥” 이 사용 불가함이 안내될 수 있다.
도 5b를 참조하면, 다양한 실시예들에 따르면, 문장 템플릿에 적합한 형태소가 드래그 앤 드롭될 경우, 형태소는 복수의 어형변화들 중 적합도의 최대값을 갖는 단어로 변환되어 문장 템플릿에 결합될 수 있다.
도 5b의 예시에서, 문장 템플릿 “죄송하지만” + V + “주시겠어요?”에 적합한 “빌리” 가 선택된 경우, “빌리”의 어형변화들 중 문장 템플릿 “죄송하지만” + V + “주시겠어요?”에 가장 적합한 형태(즉, 적합도가 최대값을 갖는 어형변화) 인 “빌려” 로 자동 변환되어 결합될 수 있다.
다양한 실시예들에 따르면, 예시적 단어로 제공된 형태소를 사용자가 드래그 앤 드롭할 경우, 사용자 계정에 동 형태소가 추가될 수 있다. 예를 들어, 도 5b의 예시에서, 적합한 형태소인 “빌리”는 문장 템플릿 “죄송하지만” + V + “주시겠어요?”에 적합한 형태소로 서버가 예시적 단어(example words) 로 제공된 것일 수 있다. 예를 들어, 사용자가 “빌리”를 드래그 앤 드롭하는 경우, “빌리”는 적합한 어형변화인 “빌려” 로 변환되어 문장 템플릿에 결합되고, “빌리” 및/또는 “빌리”의 기본형인 “빌리다”는 사용자의 계정에 보유 형태소로 추가될 수 있다. 다양한 실시예들에 따르면, 형태소가 문장 템플릿에 결합되기 전에, 동 형태소가 사용자 계정에 추가됨을 알리는 메시지 및/또는 알림이 디스플레이 될 수 있다.
도 5b의 예시에서는 형태소 “빌리” 가 문장 템플릿 “죄송하지만” + V + “주시겠어요?”에 결합된 이후에도 사용자가 보유한 형태소 및 예시적 단어 형태소가 디스플레이 되는 것이 예시되었으나, 다양한 실시예들에 따르면, 이 경우, 사용자가 보유한 형태소 및 예시적 단어 형태소가 디스플레이되는 것은 중단되고, “죄송하지만 빌려 주시겠어요?” 와 같이 완성된 문장만 디스플레이 되도록 전환될 수도 있다.
도 5c를 참조하면, 드래그 앤 드롭되는 형태소는 어형변화를 가지지 않을 수도 있으며, 이 경우에는 형태소 그대로 결합될 수 있다. 도 5c의 예시에서 문장 템플릿 “저는” +() + “이에요”에 대하여 단어 “라면” 이 드래그 앤 드롭되는 경우, “라면”은 어형변화가 없고 문장 템플릿 “저는” +() + “이에요”에 적합한 것이므로, “라면” 그대로 결합될 수 있다.
다양한 실시예들에 따르면, 미리 설정된 복수의 강의 동영상들 중 선택된 문장 템플릿 및/또는 문장 템플릿과의 결합을 위하여 선택된 형태소 중 하나 이상과 관련된 강의 동영상이 디스플레이될 수 있다.
다양한 실시예들에 따르면, 언어 학습 컨텐츠를 제공한 이후 미리 설정된 시간 이후 언어 학습 컨텐츠의 복습을 위한 복습 컨텐츠가 제공될 수 있다.
다양한 실시예들에 따르면, 언어 학습 컨텐츠가 제공된 이후부터 상기 복습 컨텐츠가 제공되기 전까지, 복습 컨텐츠가 제공될 시점까지 남은 시간에 대한 알림이 제공될 수 있다.
도 6은 다양한 실시예들에 따른 가상 공간의 일 예를 나타낸 도면이다.
다양한 실시예들에 따르면, 사용자를 포함하는 복수의 사용자들 간에 음성채팅을 지원하는 가상 공간이 제공될 수 있다. 다양한 실시예들에 따르면, 가상 공간 내에 상술된 형태소 결합에 따라 생성된 문장이 디스플레이 될 수 있다. 도 6a의 예시를 참조하면, 사용자가 생성된 문장인 “밥 먹었어?”를 발음해볼 수 있도록 미션 형태로 알림이 표시될 수 있다.
다양한 실시예들에 따르면, 가상 공간은 상술된 학습 난이도에 따라 다른 공간으로 생성될 수 있으며, 각 공간에 포함된 사용자(및/또는 그에 대응되는 아바타)는 동일한 학습 난이도를 선택한 사용자일 수 있다. 예를 들어, 도 5a를 참조하면, 초급 난이도의 경우 “광장” 형태의 가상 공간이 생성될 수 있다. 예를 들어, 도 5b를 참조하면, 중급 난이도의 경우 “학교” 형태의 가상 공간이 생성될 수 있다. 예를 들어, 도 5c를 참조하면, 고급 난이도의 경우 “회사” 형태의 가상 공간이 생성될 수 있다.
다양한 실시예들에 따르면, 가상 공간 내에, 복수의 사용자들 각각에 대응되는 복수의 아바타(avatar) 들이 생성될 수 있다. 다양한 실시예들에 따르면, 복수의 사용자들은, 상기 언어 학습 난이도 중 동일한 언어 학습 난이도를 선택한 복수의 사용자들일 수 있다. 다양한 실시예들에 따르면, 사용자가 아바타를 움직일 수 있도록 하는 인터페이스와 생성된 문장을 말하여 음성채팅의 형태로 다른 사용자에게 전달될 수 있도록 하는 인터페이스(도 5a 내지 도 5c에서 마이크 모양 인터페이스) 가 제공될 수 있다. 다양한 실시예들에 따르면, 가상 공간 내에서 사용자의 아바타가 다른 사용자의 아바타와 일정 거리 이상의 거리에 위치된 경우, 다른 사용자의 아바타에 접근하여야 음성채팅이 가능함을 알려주는 알림(예를 들어, 더 가까이 가야 소리를 들을 수 있어요)이 제공될 수도 있다.
다양한 실시예들에 따르면, 가상 공간 내의 임의의 위치에서 임의로 디스플레이 되는 특정 블록을 사용자가 사용자에 대응되는 아바타를 제어하여 획득할 수 있다. 다양한 실시예들에 따르면, 특정 블록은 문장 템플릿과 결합되기 위한 형태소를 포함할 수 있으며, 아바타에 의하여 획득된 특정 블록 및/또는 형태소는 사용자 계정에 적립/저장될 수 있다.
도 7은 다양한 실시예들에 따른 인공지능 모델을 획득하는 과정을 나타낸 도면이다.
도 8는 다양한 실시예들에 따른 인공지능 모델을 획득하는 전자 장치의 동작 방법을 도시한 도면이다.
인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.
기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
이하의 설명에서는 서버가 인공지능 모델 획득 동작을 수행함을 전제로 다양한 실시예들에 대하여 설명하였으나, 다양한 실시예들에 따르면, 서버 외부의 다른 서버 디바이스가 인공지능 모델 획득 동작을 수행할 수도 있다. 또는, 다양한 실시예들에 따르면, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버들이 마련되어, 복수의 사용자 디바이스(200)들 및/또는 복수의 서버들 간에 인공지능 모델 획득 동작의 각 동작이 분배되어, 별개로 실시될 수도 있다.
도 7를 참조하면, 다양한 실시예들에 따르면, 서버는, 학습용 데이터를 수집할 수 있다.
다양한 실시예들에 따르면, 학습용 데이터는, 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 수집되는 데이터를 포함하는 빅데이터에 기초할 수 있다. 다양한 실시예들에 따르면, 빅데이터는, 제1 복수의 문장들을 포함할 수 있다. 다양한 실시예들에 따르면, 학습용 데이터의 획득을 위하여, 제1 복수의 문장들 중 비문(非文)을 제외하는 것을 포함하는 전처리가 수행될 수 있다.
다양한 실시예들에 따르면, 학습 데이터는 훈련용 데이터 및 테스트용 데이터를 포함할 수 있다. 예를 들어, 서버는, 학습 데이터를 훈련용 데이터 및 테스트용 데이터로 분류할 수 있다. 예를 들어, 훈련용 데이터는 모델을 학습시키는데 활용되고, 테스트용 데이터는 학습된 모델을 검증 및 업데이트 하는데 활용될 수 있다.
다양한 실시예들에 따르면, 서버는, 훈련용 데이터에 기초하여 AI 엔진을 학습 시킬 수 있다. 예를 들어, AI 엔진은 인공지능 알고리즘을 기반으로 학습될 수 있는 인공 지능 엔진일 수 있다. 예를 들어, AI 엔진은 심층 신경망(DNN:Deep Neural Network)을 포함할 수도 있다. 예를 들어, 인공 지능 엔진은 CNN(Convolutional Neural Network), DNN(Deep Neural Network), RNN(Recurrent Neural Network), RBM(Restricted Boltzmann Machine), DBN(Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크(Deep Q-Networks) 등이 있으나, 이에 한정되는 것은 아니다.
다양한 실시예들에 따르면, 서버는 학습된 모델에 기초하여 테스트용 데이터에 대한 가공 데이터를 획득할 수 있다.
다양한 실시예들에 따르면, 서버는 가공 데이터에 대한 제1 피드백 정보를 획득할 수 있다.
다양한 실시예들에 따르면, 제1 피드백 정보는, 서버 관리자로부터 입력될 수 있다.
다양한 실시예들에 따르면, 서버는, 제1 피드백 정보에 기초하여 학습된 모델을 업데이트할 수 있다.
다양한 실시예들에 따르면, 서버는 제1 피드백 정보에 기초하여 학습된 모델의 특성(예를 들어, CNN의 특성)을 수정하고, 수정된 모델에 기초하여 피드백을 획득하여 업데이트 하는 과정을 반복할 수 있다.
다양한 실시예들에 따르면, 서버는 반복 횟수가 미리 설정된 임계값(예를 들어, 7-9회)에 도달하면, 동작을 종료하고 학습된 모델을 인공지능 모델로서 획득할 수 있다.
다양한 실시예들에 따르면, 인공지능 모델의 획득 이후에도, 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 데이터가 수집될 수 있다.
다양한 실시예들에 따르면, 인공지능 모델의 획득 이후에 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 획득된 데이터에 기초하여, 인공지능 모델의 업데이트를 위한 제2 피드백 정보가 형성될 수 있다.
다양한 실시예들에 따르면, 제2 피드백 정보는, 제2 복수의 문장들을 포함할 수 있다.
다양한 실시예들에 따르면, 제2 피드백 정보의 획득을 위하여, 제2 복수의 문장들 중 비문을 제외하는 것을 포함하는 전처리가 수행될 수 있다.
다양한 실시예들에 따르면, 제2 피드백 정보에 기초하여 인공지능 모델이 업데이트될 수 있다.
도 8을 참조하면, 예를 들어, 동작 801에서, 서버는, 학습용 데이터를 처리함에 기초하여 획득된 훈련용 데이터 및 테스트용 데이터 중 훈련용 데이터에 기초하여 모델을 학습시킬 수 있다.
예를 들어, 동작 803에서, 서버는, 테스트용 데이터가 학습된 모델로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득할 수 있다.
예를 들어, 동작 805에서, 서버는, 제1 피드백 정보에 기초하여 모델을 업데이트할 수 있다.
예를 들어, 동작 807에서, 서버는, 동작 801 내지 동작 805 가 반복된 횟수를 미리 설정된 임계값(N_TH) 과 비교할 수 있다.
예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하지 않으면(즉, 반복된 횟수가 미리 설정된 임계값 미만이면), 동작 801 로 돌아가, 동작 801 내지 동작 805을 재수행할 수 있다.
예를 들어, 서버는, 반복된 횟수가 미리 설정된 임계값과 일치하면, 프로세스를 종료할 수 있다.
상기 설명한 제안 방식에 대한 일례들 또한 다양한 실시예들 중 하나로 포함될 수 있으므로, 일종의 제안 방식들로 간주될 수 있음은 명백한 사실이다. 또한, 상기 설명한 제안 방식들은 독립적으로 구현될 수도 있지만, 일부 제안 방식들의 조합(또는 병합) 형태로 구현될 수 도 있다.
다양한 실시예들은 그 기술적 아이디어 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 다양한 실시예들의 범위는 첨부된 청구항의 합리적 해석에의해 결정되어야 하고, 다양한 실시예들의 등가적 범위 내에서의 모든 변경은 다양한 실시예들의 범위에 포함된다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에의해 새로운 청구항으로 포함할 수 있다.
Claims (5)
- 전자 장치에 있어서,
메모리 (memory); 및 상기 메모리와 연결된 하나 이상의 프로세서;를 포함하고,
상기 하나 이상의 프로세서는:
사용자 ID (identifier)를 포함하는 서비스 요청 정보를 수신;
상기 서비스 요청 정보를 수신한 이후, 상기 사용자 ID에 대응되는 사용자가 보유한 것으로 식별되는 제1 복수의 형태소들과 제2 복수의 형태소들을 포함하는 복수의 형태소들 중 하나의 형태소와 관련된 단어를 포함하는 제3 복수의 형태소들을 포함하는 문장을 생성; 및
상기 문장과 관련된 정보를 포함하는 언어 학습 컨텐츠를 제공; 하도록 설정되고,
상기 제1 복수의 형태소들 각각은, 제1 복수의 어형변화들을 가지고,
상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들은 미리 설정된 문장 템플릿 (templet) 들 중에서 상기 사용자로부터 선택된 문장 템플릿에 포함되고,
상기 제2 복수의 형태소들은, 상기 사용자로부터 선택된 문장 템플릿에 대응되고,
상기 하나의 형태소는 상기 복수의 형태소들 중 상기 사용자 ID에 대응되는 사용자로부터 선택되고,
상기 하나의 형태소가 선택됨에 따라, 상기 하나의 형태소에 대응되는 제2 복수의 어형변화들 각각과 적합도가 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 관련된 단어와 가장 인접한 형태소 간의 획득되고,
상기 하나의 형태소와 관련된 단어는, 상기 제2 복수의 어형변화들 중 상기 적합도가 최대값을 갖는 것이고,
상기 언어 학습 컨텐츠를 제공; 하는 것은, 상기 문장을 디스플레이 하는 것을 포함하고,
상기 문장이 디스플레이 됨에 있어서, 상기 제3 복수의 형태소들은 품사 (品詞)에 따라 구분되도록 부여된 서로 다른 색상으로 디스플레이 되고,
상기 적합도는, 상기 하나의 형태소와 상기 문장 템플릿 내에서 상기 하나의 형태소와 관련된 단어 이후에 존재하며 상기 하나의 형태소와 가장 인접한 상기 형태소가 입력됨에 따른 미리 학습된 인공지능 모델의 출력에 기초하여 획득되고,
상기 인공지능 모델은, 상기 인공지능 모델 획득을 위한 AI(artificial intelligence) 엔진에 기계 학습(machine learning)이 적용됨에 기초하여 미리 설정되고,
상기 기계 학습은:
(a) 상기 인공지능 모델 획득을 위한 훈련용 데이터에 기초하여 상기 AI 엔진을 학습;
(b) 학습된 AI 엔진의 검증을 위한 테스트용 데이터가 상기 AI 엔진으로 입력됨에 대한 응답으로 출력되는 가공 데이터에 대한 제1 피드백 정보를 획득;
(c) 상기 제1 피드백 정보에 기초하여 상기 AI 엔진을 업데이트; 및
(d) 상기 (a) 내지 (c) 가 반복되되, 상기 (a) 내지 (c) 가 반복될 때 마다 초기값 0 인 카운트 값이 1씩 증가되고, 상기 카운트 값이 미리 설정된 카운트 임계값과 일치됨에 기초하여 종료; 됨에 기초하여 수행되고,
상기 훈련용 데이터와 상기 테스트용 데이터는, 상기 인공지능 모델 획득을 위한 학습용 데이터에 기초하여 획득되고,
상기 학습용 데이터는, 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 수집되는 데이터를 포함하는 빅데이터에 기초하고,
상기 빅데이터는, 제1 복수의 문장들을 포함하고,
상기 학습용 데이터의 획득을 위하여, 상기 제1 복수의 문장들 중 비문(非文)을 제외하는 것을 포함하는 전처리가 수행되고,
상기 인공지능 모델의 획득 이후에도, 상기 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 데이터가 수집되고,
상기 인공지능 모델의 획득 이후에 상기 미리 설정된 주기에 따라 주기적으로 외부 웹 사이트에서 획득된 데이터에 기초하여, 상기 인공지능 모델의 업데이트를 위한 제2 피드백 정보가 형성되고,
상기 제2 피드백 정보는, 제2 복수의 문장들을 포함하고,
상기 제2 피드백 정보의 획득을 위하여, 상기 제2 복수의 문장들 중 비문을 제외하는 것을 포함하는 전처리가 수행되고,
상기 문장 템플릿은: 상기 제3 복수의 형태소들 중 상기 하나의 형태소와 관련된 단어를 제외한 나머지 형태소들을 각각 포함하는 복수의 블록(block) 들을 포함하고,
상기 복수의 블록들 각각의 색상은, 상기 제3 복수의 형태소들 중 각 블록에 포함되는 형태소의 품사에 따라 부여된 색상과 동일하고,
상기 문장 템플릿은: 상기 하나의 형태소와 관련된 단어를 위한 하나의 빈(emptied) 블록을 더 포함하고,
상기 빈 블록의 색상은, 상기 하나의 형태소와 관련된 단어의 품사에 따라 부여된 색상과 동일하고,
상기 문장 템플릿과 동시에 디스플레이된 상기 제1 복수의 형태소들 중 상기 하나의 형태소가 상기 빈 블록으로 드래그(drag) 앤 드롭(drop) 됨에 기초하여, (i) 상기 하나의 형태소가 선택된 것으로 식별되고, (ii) 상기 하나의 형태소가 상기 하나의 형태소와 관련된 단어로 자율적으로(autonomously) 변환되어 상기 빈 블록에 결합되고, (iii) 상기 언어 학습 컨텐츠의 제공을 위하여, 상기 문장 템플릿과 동시에 디스플레이된 상기 제1 복수의 형태소들의 표시는 오프(off) 되고, 상기 하나의 형태소와 관련된 단어가 상기 빈 블록에 결합됨에 기초하여 생성된 상기 문장의 표시는 유지되고,
상기 적합도의 최대값이 미리 설정된 임계치 이하인 경우, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 중단되고,
상기 적합도의 최대값이 미리 설정된 임계치 이하인 경우, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 중단되는 것은, 상기 적합도의 최대값이 미리 설정된 임계치 이하인 상기 제1 복수의 형태소들 중 상기 하나의 형태소가 상기 빈 블록으로 드래그 앤 드롭됨에 기초하여: (i) 상기 드래그 앤 드롭된 상기 하나의 형태소와 관련된 단어가 결합되지 않은 채로 상기 빈 블록이 유지되고, (ii) 상기 문장 템플릿에서 상기 적합도의 최대값이 미리 설정된 임계치 이하인 상기 제1 복수의 형태소들 중 상기 하나의 형태소는 사용 불가함이 안내되는 것을 포함하고,
상기 하나 이상의 프로세서는:
상기 서비스 요청 정보에 기초하여, 상기 사용자로부터 서비스 과금이 납부되었는지 여부를 식별하고,
상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여, 서비스 과금 납부 요청 정보를 피드백(feedback)하고,
상기 서비스 과금이 납부되지 않은 것으로 식별됨에 기초하여, 상기 문장을 생성 및 상기 언어 학습 컨텐츠를 제공하는 것은 드롭(drop) 되고,
상기 서비스 요청 정보는 상기 사용자가 서비스 구독자(subscriber) 인지 여부를 지시하는 정보를 포함하고,
상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자가 아님을 지시하는 경우, 상기 서비스 요청 정보는 상기 사용자로부터 일회성(one-time) 과금이 납부되었는지 여부를 지시하는 정보를 더 포함하고,
상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자임을 지시하는 경우, 상기 서비스 요청 정보는 상기 일회성 과금이 납부되었는지 여부를 지시하는 정보를 포함하지 않고,
상기 서비스 구독자 인지 여부를 지시하는 정보가 상기 사용자가 서비스 구독자임을 지시하는 경우, 상기 서비스 과금이 납부된 것으로 식별되고,
상기 일회성 과금이 납부되었는지 여부를 지시하는 정보가 상기 일회성 과금이 납부되었음을 지시하는 경우, 상기 서비스 과금이 납부된 것으로 식별되고,
상기 일회성 과금이 납부되었는지 여부를 지시하는 정보가 상기 일회성 과금이 납부되지 않았음을 지시하는 경우, 상기 서비스 과금이 납부되지 않은 것으로 식별되고,
상기 미리 설정된 문장 템플릿들은 언어 학습 난이도에 따라 미리 구별되어 저장되고,
상기 하나 이상의 프로세서는, 상기 사용자를 포함하는 복수의 사용자들 간에 음성채팅을 지원하는 가상 공간 내에서 상기 문장을 디스플레이 하고,
상기 가상 공간은 상기 언어 학습 난이도에 따라 다르게 생성되고,
상기 가상 공간 내에, 상기 복수의 사용자들 각각에 대응되는 복수의 아바타(avatar) 들이 생성되고,
상기 복수의 사용자들은, 상기 언어 학습 난이도 중 동일한 언어 학습 난이도를 선택한 복수의 사용자들이고,
상기 제1 복수의 형태소들은, 특정 형태소를 포함하고 상기 가상 공간 내의 임의의 위치에서 임의로 디스플레이 되는 특정 블록을 상기 사용자가 상기 사용자에 대응되는 아바타를 제어하여 획득함에 기초하여 상기 사용자에 대응되는 사용자 계정에 적립되고,
상기 하나 이상의 프로세서는:
미리 설정된 복수의 강의 동영상들 중 상기 하나의 형태소 또는 상기 문장 템플릿 중 하나 이상과 관련된 강의 동영상을 디스플레이하고,
상기 언어 학습 컨텐츠를 제공한 이후 미리 설정된 시간 이후 상기 언어 학습 컨텐츠의 복습을 위한 복습 컨텐츠가 제공되고,
상기 언어 학습 컨텐츠가 제공된 이후부터 상기 복습 컨텐츠가 제공되기 전까지, 상기 복습 컨텐츠가 제공될 시점까지 남은 시간에 대한 알림이 제공되는, 전자 장치. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220103594A KR102584732B1 (ko) | 2022-08-18 | 2022-08-18 | 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220103594A KR102584732B1 (ko) | 2022-08-18 | 2022-08-18 | 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102584732B1 true KR102584732B1 (ko) | 2023-10-05 |
Family
ID=88293599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220103594A KR102584732B1 (ko) | 2022-08-18 | 2022-08-18 | 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102584732B1 (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000030552A (ko) | 2000-03-06 | 2000-06-05 | 염종원 | 외국어 듣기및 말하기 연습 프로그램 |
| KR20100097354A (ko) * | 2009-02-26 | 2010-09-03 | 고려대학교 산학협력단 | 형태소 합성 장치 및 방법 |
| JP2016024759A (ja) * | 2014-07-24 | 2016-02-08 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 言語モデル用の学習テキストを選択する方法及び当該学習テキストを使用して言語モデルを学習する方法、並びに、それらを実行するためのコンピュータ及びコンピュータ・プログラム |
| KR102012096B1 (ko) | 2017-11-10 | 2019-10-14 | 충남대학교산학협력단 | 음성인식과 게임 콘텐츠를 활용한 언어 학습 시스템 |
| KR20200119393A (ko) * | 2019-03-27 | 2020-10-20 | 주식회사 단비아이엔씨 | 챗봇을 위한 학습 데이터 추천 장치 및 방법 |
| KR102324302B1 (ko) * | 2021-05-26 | 2021-11-11 | (주)피삼십일 | 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 |
| KR102410644B1 (ko) * | 2022-02-16 | 2022-06-22 | 주식회사 알투스 | 인공지능을 활용한 음성인식 기반 외국어 교육 콘텐츠 서비스 제공 방법, 장치 및 시스템 |
| KR102418068B1 (ko) * | 2021-12-09 | 2022-07-07 | 윤서희 | 어학교육을 위한 슈퍼마켓형 쇼핑몰 서비스 제공 시스템 |
-
2022
- 2022-08-18 KR KR1020220103594A patent/KR102584732B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000030552A (ko) | 2000-03-06 | 2000-06-05 | 염종원 | 외국어 듣기및 말하기 연습 프로그램 |
| KR20100097354A (ko) * | 2009-02-26 | 2010-09-03 | 고려대학교 산학협력단 | 형태소 합성 장치 및 방법 |
| JP2016024759A (ja) * | 2014-07-24 | 2016-02-08 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 言語モデル用の学習テキストを選択する方法及び当該学習テキストを使用して言語モデルを学習する方法、並びに、それらを実行するためのコンピュータ及びコンピュータ・プログラム |
| KR102012096B1 (ko) | 2017-11-10 | 2019-10-14 | 충남대학교산학협력단 | 음성인식과 게임 콘텐츠를 활용한 언어 학습 시스템 |
| KR20200119393A (ko) * | 2019-03-27 | 2020-10-20 | 주식회사 단비아이엔씨 | 챗봇을 위한 학습 데이터 추천 장치 및 방법 |
| KR102324302B1 (ko) * | 2021-05-26 | 2021-11-11 | (주)피삼십일 | 온라인 플랫폼을 통한 미디어 컨텐츠 제공 방법 및 이를 지원하는 장치 |
| KR102418068B1 (ko) * | 2021-12-09 | 2022-07-07 | 윤서희 | 어학교육을 위한 슈퍼마켓형 쇼핑몰 서비스 제공 시스템 |
| KR102410644B1 (ko) * | 2022-02-16 | 2022-06-22 | 주식회사 알투스 | 인공지능을 활용한 음성인식 기반 외국어 교육 콘텐츠 서비스 제공 방법, 장치 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dimitriadou et al. | A critical evaluation, challenges, and future perspectives of using artificial intelligence and emerging technologies in smart classrooms | |
| US10740601B2 (en) | Electronic handwriting analysis through adaptive machine-learning | |
| CN111418198B (zh) | 提供文本相关图像的电子装置及其操作方法 | |
| US11126140B2 (en) | Electronic device, external device capable of being combined with the electronic device, and a display method thereof | |
| US10970900B2 (en) | Electronic apparatus and controlling method thereof | |
| US10452984B2 (en) | System and method for automated pattern based alert generation | |
| CN106233312A (zh) | 基于场境回复的自动动作 | |
| KR102197752B1 (ko) | 맞춤형 자동 문항 생성을 통한 인공지능 기반 학습 방법 및 시스템 | |
| US20180122266A1 (en) | Programmable language teaching system and method | |
| KR102628042B1 (ko) | 연락처 정보를 추천하는 방법 및 디바이스 | |
| KR20200036680A (ko) | 감정 정보 획득을 위한 전자 장치 및 방법 | |
| Xu et al. | Xair: A framework of explainable ai in augmented reality | |
| US20200027364A1 (en) | Utilizing machine learning models to automatically provide connected learning support and services | |
| CN117172978B (zh) | 学习路径信息生成方法、装置、电子设备和介质 | |
| KR102398386B1 (ko) | 복수 개의 메시지들을 필터링하는 방법 및 이를 위한 장치 | |
| KR102584732B1 (ko) | 언어 블록에 기반한 언어 학습 서비스 제공 방법 및 장치 | |
| US20210293565A1 (en) | Systems and methods for generating autonomous navigation routes to match user preferences | |
| WO2021127225A1 (en) | Methods and systems for defining emotional machines | |
| Baccari et al. | Design for a context-aware and collaborative mobile learning system | |
| US20190251355A1 (en) | Method and electronic device for generating text comment about content | |
| Kocsis et al. | I sho u: An innovative method for museum visitor evaluation | |
| Alzubi et al. | A multimodal human-computer interaction for smart learning system | |
| KR101743999B1 (ko) | 컨텐츠 검증 단말기, 시스템 및 그 것들의 제어방법 | |
| CN113407806B (zh) | 网络结构搜索方法、装置、设备及计算机可读存储介质 | |
| KR102582544B1 (ko) | 전자 장치 및 그 동작 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |