KR102630697B1 - 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 - Google Patents
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 Download PDFInfo
- Publication number
- KR102630697B1 KR102630697B1 KR1020220146359A KR20220146359A KR102630697B1 KR 102630697 B1 KR102630697 B1 KR 102630697B1 KR 1020220146359 A KR1020220146359 A KR 1020220146359A KR 20220146359 A KR20220146359 A KR 20220146359A KR 102630697 B1 KR102630697 B1 KR 102630697B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- chatbot
- user
- chatbots
- service
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 119
- 238000005516 engineering process Methods 0.000 title claims abstract description 50
- 238000013135 deep learning Methods 0.000 title claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 53
- 230000000694 effects Effects 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000003058 natural language processing Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 24
- 238000013473 artificial intelligence Methods 0.000 description 33
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06N20/00—Machine learning
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G06Q50/50—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Abstract
본 발명의 목적은 딥러닝 기반의 의사소통이 가능한 챗봇과 데이터기반 광고 타겟 추천 알고리즘 기반의 정보 공유 플랫폼 서비스 시스템 및 방법을 제공하는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법은, 사용자 단말 및 플랫폼 서버를 구비하여 챗봇 서비스 기반의 정보 공유 방법에 있어서, (a) 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계; (b) 상기 플랫폼 서버의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계; 및 (c) 상기 플랫폼 서버의 상기 제1 챗봇이 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계를 포함하는 것을 특징으로한다.
상기한 목적을 달성하기 위한 본 발명에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법은, 사용자 단말 및 플랫폼 서버를 구비하여 챗봇 서비스 기반의 정보 공유 방법에 있어서, (a) 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계; (b) 상기 플랫폼 서버의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계; 및 (c) 상기 플랫폼 서버의 상기 제1 챗봇이 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계를 포함하는 것을 특징으로한다.
Description
본 발명은 정보공유 플랫폼 서비스 시스템 및 방법에 관한 것으로, 보다 상세하게는 딥러닝 기반의 의사소통이 가능한 챗봇과 데이터기반 광고 타겟 추천 알고리즘 기반의 정보 공유 플랫폼 서비스 시스템 및 방법에 관한 것이다.
챗봇은 대화형 메신저로서 시간 및 사람에 구애받지 않고 상담문의나 간단한 서비스를 처리할 수 있기 때문에 다양한 기능을 연결하는 플랫폼으로 활용되고 있다.
챗봇은 미리 입력된 알고리즘에 따라 정해진 답변을 제공하는 수준에서 서비스가 되었으나 빅 데이터 처리 기술과 함께 자연어 분석 및 처리 기술이 발전함에 따라 다양한 변수를 고려한 최적의 답변을 제공하고 있다.
한편, 정보 제공 업체는 불특정 다수에게 일방적인 광고 정보, 투자 정보 등을 제공하는 방식에서, 사용자의 관심분야 등에 따라 맞춤형 정보를 제공하는 방식으로 변경되고 있다.
그런데 이러한 사용자의 관심분야 등에 따른 맞춤형 광고를 제시하기 위하여 채팅 데이터를 활용하는 것이 필요한데, 실시간 채팅 데이터만으로 사용자의 관심분야 등을 추정하는 것은 한계가 있을 수밖에 없어 타겟광고의 효과가 매우 제한적이다.
따라서 사용자의 관심분야 등을 광고상품과 보다 정교하게 매칭시킬 수 있는 기술수단의 개발이 요구된다. 더불어, 사용자를 타겟광고의 영역으로 효과적으로 유도할 수 있는 추가적인 기술개발이 필요하다.
또한, 기존의 메신저 애플리케이션에 활용되는 챗봇은 해당 챗봇을 사용하고자 하는 사용자가 선택하지 않고는 해당 챗봇을 통한 서비스를 제공할 수 없었다.
이러한 이유로 다양한 챗봇 서비스가 현존하고 있음에도 사용자가 직접 챗봇을 검색해서 사용해야 하는 불편함이 있었다.
또한, 최근 소셜 네트워킹 서비스(SNS; Social Networking Service)가 발달하면서 카카오톡, 라인, 페이스북 메신저 등의 메신저 서비스가 널리 사용되고 있으며, 메신저를 통해 사용자와 대화를 하는 로봇, 즉 챗봇 기술이 발전하고 있다.
이러한 챗봇이 사용자와 대화를 할 뿐만 아니라, 사용자에 관한 이벤트를 다른 챗봇과 공유하는 기술이 요구된다.
또한, 최근 소셜 네트워킹 서비스(SNS; Social Networking Service)가 발달하면서 카카오톡, 라인, 페이스북 메신저 등의 메신저 서비스가 널리 사용되고 있으며, 메신저를 통해 사용자와 대화를 하는 로봇, 즉 챗봇 기술이 발전하고 있다.
이러한 챗봇이 사용자와 대화를 할 뿐만 아니라, 사용자에 관한 이벤트를 다른 챗봇과 공유하는 기술이 요구된다.
삭제
상기한 바와 같은 종래의 문제점을 해결하기 위한 본 발명의 목적은, 딥러닝 기반의 의사소통이 가능한 챗봇과 데이터기반 광고 타겟 추천 알고리즘 기반의 정보 공유 플랫폼 서비스 시스템 및 방법을 제공하는 것이다.
또한, 상기한 바와 같은 종래의 문제점을 해결하기 위한 본 발명의 목적은, 챗봇간 의사소통이 가능한 플랫폼 기반으로 쇼핑몰 연동, 개인별 라이브 스트리밍, 광고, 메타버스 연동, 전자명함등의 서비스가 제공되는 플랫폼 서비스 시스템 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위해, 본 발명에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법은, 사용자 단말 및 플랫폼 서버를 구비하여 챗봇 서비스 기반의 정보 공유 방법에 있어서, (a) 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계; (b) 상기 플랫폼 서버의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계; 및 (c) 상기 플랫폼 서버의 상기 제1 챗봇이 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계를 포함하는 것을 특징으로 한다.
또한, 상기 (a) 단계는, 다수의 사용자 단말이 플랫폼 서버에 접속하여 사용자 정보와 로그인 정보를 입력하여 등록하는 단계; 및 등록된 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계를 포함하되, 상기 사용자 정보는, 사용자의 직업, 연령, 성별 및 관심 사항 정보를 포함하는 것을 특징으로 한다.
또한, 상기 애플리케이션 서비스는, 사용자 활동 및 전자명함 기반의 개인 페이지 생성 서비스, 등급화된 관계망 서비스, 라이브 스트리밍 서비스, SNS 광고 공유 서비스, 쇼핑몰 연동 서비스, 호스트 정보 공유 서비스 및 메타버스 연동 서비스를 포함하는 것을 특징으로 한다.
또한, 상기 (b) 단계는, (b1) 상기 플랫폼 서버가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하고 DB화 하는 단계; 및 (b2) 상기 제1 챗봇이 상기 요청 작업 정보를 바탕으로 AI 모듈로부터 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 요청하고 상기 AI 모듈이 도출한 상기 대상자 정보를 수신받는 단계;를 포함하는 것을 특징으로 한다.
또한, 상기 (b2) 단계에서, 상기 AI 모듈의 상기 대상자 정보의 생성은, 제1 사용자의 상기 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되, 최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용하는 것을 특징으로 한다.
또한, 상기 (c) 단계는, (c1) 상기 제1 챗봇이 상기 제2 챗봇으로 대화 프로세스를 통해 상기 공유정보를 공유하는 단계; (c2) 상기 제2 챗봇이 상기 제1 챗봇으로 대화 프로세스를 통해 관심 정보를 추가 요청하는 단계; 및 (c3) 상기 추가 요청에 대해 상기 제1 챗봇이 상기 제2 챗봇으로 대화 프로세스를 통해 응답하고 추가 공유정보를 공유하는 단계를 포함하는 것을 특징으로 한다.
또한, 상기 (c) 단계 이후, 상기 AI 모듈이 상기 제1 챗봇 및 제2 챗봇으로 주기적으로 사용자의 정보 만족도 데이터를 분석한 정보를 시각화여 제공하는 단계를 더 포함하는 것을 특징으로 한다.
그리고, 상기 목적을 달성하기 위해, 본 발명에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템은, 사용자 단말과 플랫폼 서버가 네트워크로 연결되는 정보공유 플랫폼 시스템에 있어서, 상기 플랫폼 서버에 접속하여 사용자 정보 및 로그인 정보를 입력하여 사용자 등록하고, 상기 플랫폼 서버에서 제공하는 애플리케이션 서비스를 실행하는 다수의 사용자 단말; 및 상기 애플리케이션 서비스를 실행하고, 상기 사용자 단말로부터 요청 작업(to do list) 정보를 수신 받고, 상기 요청 작업 정보를 입력한 제1 사용자에 대응되는 제1 챗봇이 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하고, 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 플랫폼 서버;를 포함하는 것을 특징으로 한다.
또한, 상기 플랫폼 서버는, 상기 사용자 단말과 사용자 등록 절차를 수행하는 사용자 등록부; 상기 애플리케이션 서비스를 실행하는 서비스 실행부; 상기 사용자 단말에서 입력된 사용자 정보와 상기 애플리케이션의 실행으로 생성된 사용자 관련 정보를 저장하여 관리하는 플랫폼 DB부; 및 상기 제1 챗봇이 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하고, 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 챗봇 시스템;을 포함하는 것을 특징으로 한다.
상기 챗봇 시스템은, 상기 각 사용자 단말에 개별적으로 대응되어 각 사용자 단말이 요청하는 요청 작업(to do list) 대화 프로세스를 통해 수행하는 다수의 챗봇으로 구비되는 챗봇부; NLP 처리를 통해 상기 챗봇에 입력 또는 출력되는 정보를 생성하여 상기 챗봇부에 전달하고, 상기 적어도 어느 하나의 챗봇에 입력된 정보를 분석하여 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하는 AI 모듈; 및 상기 제1 챗봇과 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 대화 프로세스를 통해 상기 공유정보를 공유하는 챗봇 공유부를 포함하는 것을 특징으로 한다.
또한, 상기 플랫폼 DB부는, 상기 플랫폼 서버가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하는 전처리부를 포함하는 것을 특징으로 한다.
또한, 상기 AI 모듈의 상기 대상자 정보의 생성은, 제1 사용자의 상기 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되, 최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용하는 것을 특징으로 한다.
기타 실시 예의 구체적인 사항은 "발명을 실시하기 위한 구체적인 내용" 및 첨부 "도면"에 포함되어 있다.
본 발명의 이점 및/또는 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 각종 실시 예를 참조하면 명확해질 것이다.
그러나 본 발명은 이하에서 개시되는 각 실시 예의 구성만으로 한정되는 것이 아니라 서로 다른 다양한 형태로도 구현될 수도 있으며, 단지 본 명세서에서 개시한 각각의 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구범위의 각 청구항의 범주에 의해 정의될 뿐임을 알아야 한다.
본 발명에 의하면, 호스트가 설정한 요청 작업(To do list)과 지능형 데이터기반 추천시스템을 활용하여 인맥 네트워크상의 다양한 호스트에서 공유하고자 하는 정보에 최적화한 정보 공유 대상 호스트를 찾아서 호스트가 설정한 요청 작업(To do list)의 작업을 스스로 수행하고 수행 결과를 호스트에게 결과를 분석 및 공유하는 플랫폼 서비스 시스템 및 방법을 제공할 수 있다.
또한, 본 발명에 의하면, 딥러닝 기반의 챗봇간 대화 방법에 대한 기술기반의 모바일 복합 커뮤니케이션 플랫폼 서비스 시스템 및 방법을 제공할 수 있다.
또한, 본 발명에 의하면, 딥러닝 기반의 의사소통이 가능한 챗봇과 데이터기반 광고 타겟 추천 알고리즘 기반의 정보 공유 플랫폼과 이를 기반으로 하는 쇼핑몰 연동, 개인별 라이브 스트리밍, 광고, 메타버스 연동, 전자명함등의 서비스를 제공할 수 있는 플랫폼 서비스 시스템 및 방법을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법의 상세 흐름을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템의 블록 구성을 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템의 알고리즘 구성을 나타내는 흐름도이다.
도 4는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 공유 정보 대상자 도출의 개념을 모식화한 도면이다.
도 5는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 정보 공유 프로세스를 모식화한 도면이다.
도 6 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템의 챗봇간 대화 프로세스를 통한 정보 공유의 흐름을 나타낸 도면이다.
도 7은 본 발명의 실시예에 적용되는 챗봇 시스템의 챗봇간 대화 프로세스를 통한 추가 정보 공유의 흐름을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 개인 페이지의 메인 화면을 예시한 도면이다.
도 9는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 플랫폼 서비스의 주요 기능을 예시한 도면이다.
도 10은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 SNS 마케팅 및 라이브 스트리밍 서비스를 예시한 도면이다.
도 2는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템의 블록 구성을 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템의 알고리즘 구성을 나타내는 흐름도이다.
도 4는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 공유 정보 대상자 도출의 개념을 모식화한 도면이다.
도 5는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 정보 공유 프로세스를 모식화한 도면이다.
도 6 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템의 챗봇간 대화 프로세스를 통한 정보 공유의 흐름을 나타낸 도면이다.
도 7은 본 발명의 실시예에 적용되는 챗봇 시스템의 챗봇간 대화 프로세스를 통한 추가 정보 공유의 흐름을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 개인 페이지의 메인 화면을 예시한 도면이다.
도 9는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 플랫폼 서비스의 주요 기능을 예시한 도면이다.
도 10은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 SNS 마케팅 및 라이브 스트리밍 서비스를 예시한 도면이다.
본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니 되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있고, 더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.
즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시 예를 설 명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니며, 이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.
또한, 본 명세서에서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있으며, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.
본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포 함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.
더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거 나, 연결되어 설치된다"라고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있고, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결하기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있으며, 이 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.
반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다 거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수 단이 존재하지 않는 것으로 이해하여야 한다.
마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 사용된다면, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용되며, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아 야 한다.
또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 하며, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으 로 이해하여서는 아니된다.
또한, 본 명세서에서는 각 도면의 각 구성 요소에 대해서 그 도면 부호를 명기함에 있어서, 동일한 구성 요소에 대해서는 이 구성 요소가 비록 다른 도면에 표시되더라도 동일한 도면 부호를 가지고 있도록, 즉 명세서 전체에 걸쳐 동일한 참조 부호는 동일한 구성 요소를 지시하고 있다.
본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.
또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대해 상세한 설명은 생략될 수도 있다.
이하에서 본 발명의 바람직한 실시예를 도면을 참조하여 상세히 설명하기로한다.
도 1은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법의 상세 흐름을 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법은, 사용자 단말(100) 및 플랫폼 서버(200)를 구비하여 챗봇 서비스 기반의 정보 공유 방법에 있어서, (a) 제1 사용자 단말(100)에서 상기 플랫폼 서버(200)의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계(S100); (b) 상기 플랫폼 서버(200)의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계(S200); 및 (c) 상기 플랫폼 서버(200)의 상기 제1 챗봇(251a)이 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇(251b)과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계(S300)를 포함하여 구성될 수 있다.
이와 같이, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법은 챗봇간 자유로운 의사소통이 가능한 딥러닝 기반의 챗봇간 대화 프로세스를 통한 모바일 복합 커뮤니케이션 애플리케이션 플랫폼 서비스 방법을 제공한다.
또한, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법은 딥러닝 기반의 의사소통이 가능한 챗봇 서비스와 광고 타켓 추천 알고리즘을 이용한 정보 공유 플랫폼 서비스를 제공하는 것과 더불어, 쇼핑몰 연동, 개인별 라이브 스트리밍, SNS 광고, 메타버스 연동, 전자명함등의 서비스가 제공되는 복합 플랫폼 서비스 방법을 제공한다.
보다 구체적으로, 도 1에 도시된 바와 같이, (a) 단계(S100)는 제1 사용자 단말(100)에서 상기 플랫폼 서버(200)의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계일 수 있다.
또한, (a) 단계(S100)는 (a) 단계는, 다수의 사용자 단말(100)이 플랫폼 서버(200)에 접속하여 사용자 정보와 로그인 정보를 입력하여 등록하는 단계와, 등록된 제1 사용자 단말(100)에서 상기 플랫폼 서버(200)의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계를 포함할 수 있다.
즉, 등록 단계는 본 발명의 실시예에 따른 서비스 방법을 실행하는 애플리케이션을 통해 플랫폼 서버(200)에 접속하여 사용자 정보와 로그인 정보(ID 및 패스워드) 등을 입력하는 단계일 수 있다.
여기서, 사용자 정보는 사용자의 직업, 연령, 성별 및 관심 사항 정보를 포함할 수 있다.
또한, 사용자 정보는 사용자의 경력 또는 이력 등의 전자 명함 기반의 정보를 포함할 수 있고, 등록된 다수의 사용자가 미리 설정된 방법에 따라 서로 관계 정보를 형성하여 나타나는 관계망 정보를 포함하는 것도 가능하다.
그리고, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법을 통해 제공되는 애플리케이션 서비스는, 사용자 활동 및 전자명함 기반의 개인 페이지 생성 서비스, 등급화된 관계망 서비스, 라이브 스트리밍 서비스, SNS 광고 공유 서비스, 쇼핑몰 연동 서비스, 호스트 정보 공유 서비스 및 메타버스 연동 서비스를 포함할 수 있다.
즉, 본 발명의 실시예에서는 다수의 등록된 사용자가 각각의 사용자 단말(100)을 통해 플랫폼 서버(200)에 접속하여, 전술한 전자명함 기반의 개인 페이지를 생성하고, 서로의 개인 페이지를 공유하며 관계망(1촌 등)을 생성할 수 있는 서비스를 제공할 수 있다.
또한 각 사용자는 개인의 라이브 스트리밍 서비스를 제공하여 개인이 공유하고자 하는 다양한 콘텐츠를 방송 스트리밍 서비스로 제공하는 것도 가능하고, 제공되는 콘텐츠와 관련된 다양한 광고 정보를 SNS를 통해 공유하는 것도 가능하다.
그리고, 공유된 상품 등의 정보를 실시간으로 구매할 수 있도록 쇼핑몰과 연동하는 서비스도 제공할 수 있으며, 후술할 챗봇간 대화 시스템을 통해 호스트의 관심 정보 또는 설정 정보를 공유할 수 있는 서비스와 이를 메타버스와 연동하는 서비스를 제공하는 것도 가능하다.
(b) 단계는(S200), 상기 플랫폼 서버(200)의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계일 수 있다.
보다 구체적으로, (b) 단계는, (b1) 상기 플랫폼 서버(200)가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하고 DB화 하는 단계(S210)와, (b2) 상기 제1 챗봇이 상기 요청 작업 정보를 바탕으로 AI 모듈(253)로부터 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 요청하고 상기 AI 모듈(253)이 도출한 상기 대상자 정보를 수신받는 단계(S230)를 포함하여 구성될 수 있다.
(b1) 단계(S210)는 (a) 단계에서 입력한 사용자 정보와, 사용자가 본 발명의 실시예에서 제공되는 애플리케이션 서비스를 활동하면서 생성된 활동 정보 및 사용자 들끼리 설정된 관계망 정보를 포함하는 사용자 관련 정보를 플랫폼 DB에 저장할 수 있다.
플랫폼 DB부(240)는 전술한 사용자 관련 정보를 효율적으로 저장 및 관리하기 위해, 먼저 생성된 사용자 관련 정보를 전처리부를 통해 전처리한다. 전처리는 애플리케이션에 효율적으로 사용 및 관리할 수 있도록 가공 처리하는 단계를 말하는 것으로, 언어 전처리, 키워드/컨텐츠 분리, 한국어 정보 처리를 위한 한국어 DB 저장 등의 작업을 포함할 수 있다.
그리고, (b2) 단계(S230)의 AI 모듈(253)의 상기 대상자 정보의 생성은, 제1 사용자의 상기 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되, 최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용하는 것일 수 있다.
이와 같이, 본 발명의 실시예에서는 공유 정보를 공유할 대상자를 도출하기 위해 특정의 정보를 각 개인에 맞춤형으로 정보를 추천할 수 있는 개인화추천시스템(personalized recommendation system)을 사용할 수 있다.
일반적으로 개인화추천시스템(personalized recommendation system)은 평점, 거래, 클릭수, 감상 내역 등과 같은 사용자의 과거 행적 자료로부터 상품에 대한 사용자의 선호도를 예측하여 상품 등을 추천하는 시스템이지만, 본 발명의 실시예에서는 역으로 호스트가 설정하거나 생성한 정보에 대하여 관심이 있을 만한 대상자를 예측 또는 도출하는 기술을 적용할 수 있다.
추천시스템을 개발하기 위해 분석할 수 있는 자료에는 크게 두 가지 유형, 명시적피드백(explicit feedback) 자료와 내재적피드백(implicit feedback) 자료가 있다.
명시적피드백은 사용자가 주는 평점 처럼 ‘매우나쁨’에서 ‘매우좋음’에 이르기까지 사용자의 선호도를 직접적으로 드러내는 자료를 말한다.
종래의 연구에서 많은 통계적 모델링 기법들을 사용하여 이와 같은 명시적피드백 자료로부터 사용자의 상품에 대한 선호도를 예측하는 분석을 시도했었다.
반면, 내재적피드백은 사용자가 상품을 조회한 횟수/클릭 수 및 사용자의 구매 내역처럼 상품에 대한 사용자의 선호도를 간접적으로 드러낼 수 있는 행동 자료를 말한다. 일반적으로 사용자의 내재적 피드백 자료가 명시적피드백에 비해 흔하고 얻기 쉽다. 더욱이 명시적피드백이 없는 경우에도 내재적피드백자료는 존재할 수 있다.
따라서, 본 발명의 실시예에서 제공되는 플랫폼 서비스의 활동으로 나타나는 내재적피드백 자료부터 적절한 개인화추천시스템을 통해 호스트가 설정하거나 관심이 있는 정보를 공유할 대상자를 도출함으로써, 정보 공유의 신뢰성 및 관심 증대로 인한 플랫폼 서비스의 활성화에 기여할 수 있다.
또한, 본 발명이 실시예에서는 상품 간의 선호도를 확률 모형화하여 베이지안개인화순위(Bayesian personalized ranking; BPR) 방법을 사용할 수 있다.
베이지안개인화순위 방법은 receiver operating characteristic (ROC) 곡선아래의 영역(area under ROC curve; AUC)을 최대화하는 개인화순위를 최적화시키는 개인화추천시스템을 적용할 수 있다.
이와 같은 최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking)은 경험적으로 많은 경우 종래의 추천시스템 기법들에 비해 우수한 성능을 보여준다.
또한 내재적 자료의 수치적 크기는 피드백의 확실함 정도로 볼 수 있고 이는 개인의 선호도에 관한 유용한 정보가 될 수 있다
그리고, 본 발명의 실시예에 협업 필터링(collaborative filtering; CF) 방식을 적용할 수 있는데, ‘협업’은 특정 사용자 집단의 유사한 사용행위를 의미하며, ‘협업 필터링’은 협업에서 파악한 정보를 기반으로 추천대상을 추출하여 수요자에게 추천하는 방식이다.
즉, 본 발명의 실시예에서는 각 사용자는 관계망 정보를 이용하여 유사한 특정 사용자 집단으로서 '협업'이라 할 수 있고, 이 관계망 내의 사용자의 관련 정보를 통한 정보 공유 대상자를 추천할 수 있다.
여기서, 사용자 집단의 유사한 행위는 관계망에 속하는 다수의 사용자 들이 본 발명의 실시예에서 제공하는 각종의 플랫폼 서비스에 대한 활동 정보일 수 있다.
그리고, 도 1에 도시된 바와 같이, (c) 단계(S300)는, 상기 플랫폼 서버(200)의 상기 제1 챗봇(251a)이 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇(251b)과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계일 수 있다.
보다 구체적으로, (c) 단계는, (c1) 상기 제1 챗봇이 상기 제2 챗봇(251b)으로 대화 프로세스를 통해 상기 공유정보를 공유하는 단계(S310)와, (c2) 상기 제2 챗봇이 상기 제1 챗봇으로 대화 프로세스를 통해 관심 정보를 추가 요청하는 단계(S320)와, (c3) 상기 추가 요청에 대해 상기 제1 챗봇이 상기 제2 챗봇으로 대화 프로세스를 통해 응답하고 추가 공유정보를 공유하는 단계(S330)를 포함할 수 있다.
또한, 본 발명이 또 다른 실시예로서, (c) 단(S300) 이후, 상기 AI 모듈(253)이 상기 제1 챗봇 및 제2 챗봇(251b)으로 주기적으로 사용자의 정보 만족도 데이터를 분석한 정보를 시각화여 제공하는 단계를 더 포함할 수 있다.
이처럼 본 발명이 실시예에서는 딥러닝 기반의 챗봇간 대화 프로세스 또는 시스템을 통해, (b) 단계에서 도출된 공유 정보를 공유할 대상자와 대응되는 챗봇과 호스트 챗봇이 대화 AI 모듈(253)을 이용한 대화 프로세스를 통한 정보 공유 단계를 포함할 수 있다.
도 2는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템의 블록 구성을 도시한 도면이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템은, 사용자 단말(100)과 플랫폼 서버(200)가 네트워크로 연결되는 정보공유 플랫폼 시스템에 있어서, 상기 플랫폼 서버(200)에 접속하여 사용자 정보 및 로그인 정보를 입력하여 사용자 등록하고, 상기 플랫폼 서버(200)에서 제공하는 애플리케이션 서비스를 실행하는 다수의 사용자 단말(100); 및 상기 애플리케이션 서비스를 실행하고, 상기 사용자 단말(100)로부터 요청 작업(to do list) 정보를 수신 받고, 상기 요청 작업 정보를 입력한 제1 사용자에 대응되는 제1 챗봇이 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하고, 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇(251b)과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 플랫폼 서버(200);를 포함하여 구성될 수 있다.
여기서, 사용자 단말(100)은 스마트폰, 테블릿 PC 등 사용자가 휴대하고 다니는 통신장치가 구비된 컴퓨팅 장치로서 본 발명의 실시예에에서 제공되는 플랫폼 애플리케이션 프로그램을 설치하고 플랫폼 서비스를 실행하는 장치일 수 있다.
그리고, 사용자 단말(100)과 플랫폼 서버(200)는 네트워크를 통해 통신할 수 있는데, 본 발명의 실시예의 시스템에 적용되는 통신을 위한 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
보다 구체적으로, 도 2에 도시된 공유 플랫폼 서버(200)는, 통신부(210), 사용자 등록부(220), 서비스 실행부(230), 플랫폼 DB부(240) 및 챗봇 시스템(250)을 포함하여 구성될 수 있다.
통신부(210)는, 사용자 단말(100)과 네트워크를 통해 통신하여 플랫폼 서비스의 정보를 교신하는 통신장치일 수 있다.
사용자 등록부(220)는 사용자 단말(100)에 설치된 애플리케이션 UI를 통해 플랫폼 서버(200)에 접속하여 각 사용자가 사용자 정보 및 로그인 정보 등을 입력하면 이에 대해 사용자 등록 절차를 수행하는 구성일 수 있다.
서비스 실행부(230)는 플랫폼 애플리케이션 서비스를 실행하는 구성으로, 사용자 활동 및 전자명함 기반의 개인 페이지 생성 서비스, 등급화된 관계망 서비스, 라이브 스트리밍 서비스, SNS 광고 공유 서비스, 쇼핑몰 연동 서비스, 호스트 정보 공유 서비스 및 메타버스 연동 서비스 등을 실행할 수 있다.
플랫폼 DB부(240)는 서버에 구비되는 데이터베이스 장치로서, 사용자 단말(100)에서 입력된 사용자 정보와 상기 애플리케이션의 실행으로 생성된 사용자 관련 정보를 저장하여 관리하는 장치일 수 있다.
그리고, 도 2에 도시된 바와 같이, 챗봇 시스템(250)은 AI 모듈(253)을 구비하는 딥러닝 기반의 챗봇 서비스를 실행하는 구성일 수 있다.
또한, 챗봇 시스템(250)은, 다수의 사용자 단말(100)에 대응되는 각 챗봇 중 어느 하나로서, 호스트 사용자에 대응 되는 제1 챗봇이 요청 작업(to do list) 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출할 수 있다.
또한, 챗봇 시스템(250)은, 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇(251b)과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유할 수 있다.
그리고, 챗봇 시스템(250)은, 도 2에 도시된 바와 같이, 다수개의 챗봇으로 구비되는 챗봇부, 챗봇 서비스를 수행하기 위한 딥러닝 기반의 알고리즘 등의 소프트웨어 제공하는 AI 모듈(253) 및 챗봇간 대화 프로세스를 통해 사용자들의 공유 정보를 공유하는 챗봇 공유부(255)를 포함하여 구성될 수 있다.
보다 구체적으로, 챗봇부는, 각 사용자 단말(100)에 개별적으로 대응되어 각 사용자 단말(100)이 요청하는 요청 작업(to do list) 대화 프로세스를 통해 수행하는 다수의 챗봇으로 구비될 수 있다.
AI 모듈(253)는, 딥러닝 기반의 자연어 처리(NLP: Natural Language Process)를 통해 상기 챗봇에 입력 또는 출력되는 정보를 생성하여 상기 챗봇부에 전달하고, 상기 적어도 어느 하나의 챗봇에 입력된 정보를 분석하여 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출할 수 있다.
챗봇 공유부(255)는, 제1 챗봇과 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇(251b)과 대화 프로세스를 통해 상기 공유정보를 공유할 수 있다.
그리고, 도 2에 도시된 바와 같이, 플랫폼 DB부(240)는, 상기 플랫폼 서버(200)가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하는 전처리부를 포함할 수 있다.
여기서 전처리부는, 챗봇의 대화 프로세스를 위한 입력 언어의 전처리 작업, 키워드 및 콘텐츠 분리 작업, 플랫폼 네트워크에 가입되어 있는 사용자 또는 호스트들의 데이터를 분석하고 분석한 결과를 DB로 저장하는 작업, 호스트가 설정한 요청 작업(to do list) 정보를 DB에 저장하는 작업, 한국어 등의 정보처리를 위한 한국어 정보를 DB에 저장하는 작업, 호스트 스케줄 정보를 DB에 저장하는 작업, 호스트 기반 관계망 정보(1촌 이상)와 플랫폼 등록 회원 또는 사용자 정보를 DB에 저장하는 작업을 수행할 수 있다.
그리고, AI 모듈(253)의 상기 대상자 정보의 생성은, 제1 사용자의 상기 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되, 상술한 바와 같이, 최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용할 수 있다.
도 3은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템(250)의 알고리즘 구성을 나타내는 흐름도이다.
도 3에 도시된 바와 같이, 챗봇 시스템(250)의 챗봇 서비스가 시작되도록 하는 입력 정보가 들어 오면 챗봇 시스템의 메신저와 같은 대화 시스템(Talk system)이 시작될 수 있다.
그리고, 대화 시스템에 텍스트 등의 대화 언어가 입력되면, NLP(Natural Language Processing, 자연어 처리)를 통해 입력된 언어를 머신러닝을 사용하여 텍스트 데이터를 처리한다.
LNP 처리된 언어 텍스트 정보는 NLU(Natural Language Understanding)를 통해 입력된 텍스트 정보의 의미를 파악하고, 이에 대응되는 응답 정보를 생성하기 위해 딥러닝 챗봇 알고리즘을 이용하여 NLG(Natural Language Generation) 응답 정보를 생성할 수 있다.
여기서, 자연어 처리(NLP)는 컴퓨터가 인간의 언어를 이해, 생성, 조작할 수 있도록 해주는 인공 지능(AI) 기술의 한 분야이고, 자연어 처리(NLP)는 자연어 텍스트 또는 음성으로 데이터를 상호 연결하는 것으로 '언어 입력(language in)'이라고도 한다.
자연어 이해(NLU)와 자연어 생성(NLG)은 각각 컴퓨터를 사용하여 인간의 언어를 이해하고 생성하는 것을 의미하고, NLG의 경우 일어난 일에 대한 구두 설명을 제공할 수 있는데 이는 '그래픽 문법'이라는 개념을 사용하여 의미 있는 정보를 텍스트로 요약하는 것으로 '언어 출력(language out)'이라고도 할 수 있다.
그리고, 도 3에 도시된 바와 같이, 본 발명의 실시예에 적용되는 딥러닝 챗봇 알고리즘은 Seq2Seq(Sequence-to-Sequence) 방법을 적용하여 문장을 인식하고, 컨볼루션 신경망(ConvNets)을 이용하여 문장을 분석하고, NER(Named Entity Recognition)/Bi-LSTM 알고리즘을 이용하여 문장에서 개체명을 인식한 후, 정확한 챗봇간 대화 프로스세를 수행할 수 있다.
여기서 Seq2Seq(Sequence-to-Sequence)는 문장을 그대로 입력 받아서 바로 문장이 출력되도록 하는 방식이며, 엔코더(Encoder)와 디코더(Decoder) 두개의 RNN을 사용하여 구현될 수 있다.
또한 컨볼루션 신경망은 문자 레벨 컨볼루션 신경망(Character-level Convolutional Networks)으로 텍스트 분류(text classificaton) 기술로서, 텍스트 정보를 raw 신호로 받는 캐릭터 레벨 모델(Character level model)을 적용하여 유용한 정보를 추출하는 높은 성능을 나타내는 기술일 수 있다.
상술한 인공지능 기반의 기술을 이용하는 본 발명의 실시예에 따른 챗봇 시스템(250)은, 챗봇간 의사 소통이 가능하고, 호스트 명령(to do list)을 수행하고, 아바타와 연동하여 대화 프로세스를 수행할 수 있으며 미리 설정된 언어(한국어 등) 기반의 음성인식 서비스를 수행할 수 있다.
또한, 사용자 각 개인별 챗봇 기능을 생성하고, 아바타와 챗봇을 연동하고, 챗봇간 메신저 시스템을 이용한 소통이 가능할 뿐만 아니라, 사용자가 실행하는 라이브 스트리밍 정보의 공지 및 초대 기능을 수행할 수 있다.
도 4는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 공유 정보 대상자 도출의 개념을 모식화한 도면이고, 도 5는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 정보 공유 프로세스를 모식화한 도면이다.
도 4에 도시된 바와 같이, 본 발명의 실시예에서는 공유 대상자(target) 추천 알고리즘을 통하여 최적의 정보 공유 대상자를 인공지능 챗봇 시스템(250)이 도출할 수 있다.
즉, 호스트(제1 사용자)와 비슷한 성향의 관계망 정보에 포함되는 1촌 구성원 혹은 다른 그룹의 호스트가 좋아하는 관심 정보 기반으로 타겟 호스트를 추천하는 협업 필터링 기술을 적용할 수 있다.
최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식의 알고리즘을 적용할 수 있다.
여기서 OBPR은 상품간 선호도를 확률 모형화한 모델로 호스트(사용자)가 선호하는 정보를 단계별로 카테고리화하여 분석을 진행한다.
OBPR 분석 결과를 기반으로 지능형 챗봇은 타겟 호스트 들을 선정하고, 주 호스트가 설정한 요청 작업(to do list)를 수행한다.
그리고, 도 5에 도시된 바와 같이, 본 발명의 실시예에서는 플랫폼 DB부(240)에 저장된 등급화된 관계망 정보(1촌 정보 등)를 저장할 수 있는데, 등록된 사용자 각자는 회원 권한 부여를 통한 회원간 정보 공유 프로세스를 수행할 수 있다.
예를 들어, 호스트 1촌간 챗봇 시스템(250)의 각자 아바타와 연동하여 메신저를 통해 대화 프로세스에 의한 의사 소통을 수행할 수 있고, 호스트간 챗봇 메신저 의사 소통도 가능할 뿐만 아니라, 호스트간 또는 1촌간 광고 정보를 공유하는 것도 가능하다.
도 6 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 챗봇 시스템(250)의 챗봇간 대화 프로세스를 통한 정보 공유의 흐름을 나타낸 도면이고, 도 7은 본 발명의 실시예에 적용되는 챗봇 시스템(250)의 챗봇간 대화 프로세스를 통한 추가 정보 공유의 흐름을 나타낸 도면이다.
본 발명의 실시예에 적용되는 대화형 챗봇의 특징은, 지능형 챗봇으로 요청 작업(to do list) 정보에 맞추어 규칙기반, 정보교환 방식의 챗봇 기능을 수행할 수 있다.
도 6에 도시된 바와 같이, 호스트인 제1 사용자에 대응되는 제1 챗봇(251a)에 요청 작업 또는 할일(to do list)를 입력하면, 제1 챗봇(251a)이 AI 모듈(253)에게 할일 및 텍스트 워드(Word)의 파싱(parsing)을 요청하고, AI 모듈(253)은 요청된 할일 및 워드를 파싱(parsing)하고 파싱된 정보를 제1 챗봇(251a)으로 전송한다.
분석된 파싱 정보를 바탕으로 다시 제1 챗봇이 워드의 분석을 AI 모듈(253)로 요청하고 AI 모듈(253)이 분석 정보를 제1 챗봇(251a)으로 전송한다.
제1 챗봇(251a)이 AI 모듈(253)로 부터 수신된 분석 정보를 바탕으로 해당 정보를 공유할 대상자(target) 정보를 요청하고, AI 모듈(253)이 정보를 공유할 대화 대상자 정보를 전송하여 공유한다.
공유된 정보 공유 대상자(target) 정보를 바탕으로 제1 챗봇은 해당 대상자에 대응되는 챗봇들(제2 챗봇(251b))에게 제1 사용자가 설정한 정보를 전송하고 이에 제2 챗봇(251b)이 응답하는 방식으로 정보를 공유한다.
도 7은 본 발명의 실시예에 적용되는 챗봇 시스템(250)의 챗봇간 대화 프로세스를 통한 추가 정보 공유 흐름을 나타내는데, 제1 챗봇(251a)과 제2 챗봇(251b) 간 공유 정보를 공유하고 난 후, 제2 챗봇(251b)이 제1 챗봇(251a)으로 추가적인 관심정보를 요청할 수 있다.
제2 챗봇(251b)이 제1 챗봇(251a)으로 관심정보를 추가 요청하면, 제1 챗봇(251a)은 추가 관심정보에 대하여 AI 모듈(253)에게 워드 파싱(parsing)을 요청하고, AI 모듈(253)이 파싱 후 파싱 정보를 제1 챗봇(251a)으로 전송한다.
다시, 제1 챗봇(251a)은 파싱된 정보를 바탕으로 AI 모듈(253)로 워드 분석을 요청하고, AI 모듈(253)이 워드(Word) 분석후 분석된 정보를 제1 챗봇(251a)을 전송한다.
그리고 나서, 제1 챗봇은 분석된 워드 정보를 바탕으로 제2 챗봇(251b)에서 요청한 추가 요청사항에 대한 응답 정보를 제2 챗봇(251b)을 전송하여 추가 관심정보에 대해 제1 및 제2 챗봇(251b)간 공유할 수 있다.
그리고, 이와 같은 챗봇간 공유 프로세스를 진행한 후, AI 모듈(253)은 만족도 데이터 분석 정보를 시각화 하여 제1 챗봇(251a) 및 제2 챗봇(251b)으로 전송하여, 대화 프로세스를 진행한 각 챗봇이 수행한 정보에 대한 내용을 플랫폼 DB부(240)에 저장하고, 일/주/월 단위 등의 설정한 기간으로 데이터 분석 결과를 시각화하여 각 호스트 사용자 단말(100)에 표시하여 제공할 수 있다.
또한, 도 6 및 도 7에 도시된 전처리부는 상술한 전처리 작업을 수행하여 각 챗봇과 연동하여 챗봇간 대화 프로세스에 필요하거나 선택한 정보를 제공할 수 있다.
도 8은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 개인 페이지의 메인 화면을 예시한 도면이고, 도 9는 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 플랫폼 서비스의 주요 기능을 예시한 도면이고, 도 10은 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법에 적용되는 SNS 마케팅 및 라이브 스트리밍 서비스를 예시한 도면이다.
도 8 내지 도 10에 예시된 본 발명의 실시예에 따른 플랫폼 서비스는, 전자명함 기반의 인공지능 광고 공유 플랫폼 서비스로서 DB에 저장된 관계망 정보를 이용한 '지능형 인맥관리시스템'을 이용하여 사용자들 간에 자연스러운 소통으로 문화적 교류와 빠른 정보 전달이 가능한 서비스를 제공할 수 있다.
또한, 본 발명의 실시예에 따른 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스는 1) 쇼핑몰 연동 2) 개인 페이지 생성 3) 호스트 및 1촌 생성 및 관리 4) 라이브 스트리밍 커뮤니케이션 기능 5) 광고 공유(라이브 스트리밍, SNS, VOD 등) 6) 호스트 정보 공유 7) 메타버스 연동 등의 서비스를 수행할 수 있다.
도 8에 도시된 바와 같이, 본 발명의 실시예에 적용되는 플랫폼 서비스의 개인 페이지 메인 화면에는 사용자의 프로필 정보와 1촌 등의 관계망 정보, 아바타와 연동되는 챗봇 시스템(250) 및 라이브 스트리및 서비스 정보를 UI를 통해 제공할 수 있다.
여기서, 호스트의 관계망 정보는 인맥 정보로서, 카카오톡, 이메일, 지역등의 정보 기반으로 자동 분류하여 플랫폼 DB부(240)에 저장된 정보일 수 있다.
또한 각 사용자는 대응되는 아바타와 연동되는 챗봇이 구비될 수 있는데, 캐릭터로 구성된 아바타는 사용자가 직접 선택하거나 변경하는 것도 가능하다.
도 9에 도시된 바와 같이, 본 발명의 실시예에 적용되는 플랫폼 서비스의 주요 기능은 개인 아바타 기능, 인공지능 챗봇 기능, 라이브 스트리밍 기능, 개인 페이지 생성 기능, 영상대화 기능 등을 포함할 수 있고, 아바타 연동 챗봇간 대화 및 영상대화 기능은 1:1 및 1:N 모두 가능하도록 하여 사용자들의 서비스 이용율 및 참여도를 높일 수 있다.
그리고, 도 10에 도시된 바와 같이, 본 발명의 실시예에 따른 플랫폼 서비스는 광고 상품의 사진 정보를 게시하고, 이를 자동으로 챗봇 시스템(250)이 네이버, 페이스북, 인스타그램, 블로그, 유튜브 등의 SNS에 자동으로 업로드 및 게시하는 SNS 마케팅 기능을 수행할 수 있다.
또한 라이브 스트리밍 서비스는 각 사용자의 관계망 정보의 인맥 관리를 위한 1 대 1 라이브 방송 서비스를 수행할 수 있고, 개인별 라이브 현장 중계 서비스를 수행할 수 있으며 실시간 사용자의 영상을 업로드 할 수 있는 서비스도 제공 가능하다.
이상, 일부 예를 들어서 본 발명의 바람직한 여러 가지 실시 예에 대해서 설명하였지만, 본 "발명을 실시하기 위한 구체적인 내용" 항목에 기재된 여 러 가지 다양한 실시 예에 관한 설명은 예시적인 것에 불과한 것이며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 이상의 설명으로부터 본 발명을 다양하게 변형하여 실시하거나 본 발명과 균등한 실시를 행할 수 있다는 점을 잘 이해하고 있을 것이다.
또한, 본 발명은 다른 다양한 형태로 구현될 수 있기 때문에 본 발 명은 상술한 설명에 의해서 한정되는 것이 아니며, 이상의 설명은 본 발명의 개시 내용이 완전해지도록 하기 위한 것으로 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이며, 본 발명은 청구범위의 각 청구항에 의해서 정의될 뿐임을 알아야 한다.
100 : 사용자 단말
200 : 플랫폼 서버
210 : 통신부
220 : 사용자 등록부
230 : 서비스 실행부
240 : 플랫폼 DB부
251a : 제1 챗봇
251b : 제2 챗봇
253 : AI 모듈
155 : 챗봇 공유부
200 : 플랫폼 서버
210 : 통신부
220 : 사용자 등록부
230 : 서비스 실행부
240 : 플랫폼 DB부
251a : 제1 챗봇
251b : 제2 챗봇
253 : AI 모듈
155 : 챗봇 공유부
Claims (12)
- 사용자 단말 및 플랫폼 서버를 구비하여 챗봇 서비스 기반의 정보 공유 방법에 있어서,
(a) 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계;
(b) 상기 플랫폼 서버의 상기 제1 사용자에 대응되는 제1 챗봇이 상기 요청받은 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 AI 모듈을 통해 생성한 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 도출하는 단계; 및
(c) 상기 제1 챗봇이 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응되는 제2 챗봇으로 상기 공유정보를 전송하고, 상기 제2 챗봇이 추가 관심정보를 제1 챗봇으로 요청하면 상기 제1 챗봇이 상기 AI 모듈을 통해 추가 관심정보를 분석하여 생성한 응답정보를 상기 제2 챗봇으로 다시 전송하는 챗봇간 대화 프로세스를 통해 정보를 공유하는 단계를 포함하되,
상기 (a) 단계는, 다수의 사용자 단말이 플랫폼 서버에 접속하여 사용자 정보와 로그인 정보를 입력하여 등록하는 단계; 및 등록된 제1 사용자 단말에서 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하는 단계를 포함하되, 상기 사용자 정보는, 사용자의 직업, 연령, 성별 및 관심 사항 정보를 포함하고,
상기 (b) 단계는, (b1) 상기 플랫폼 서버가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하고 DB화하는 단계; 및 (b2) 상기 제1 챗봇이 상기 요청 작업 정보를 바탕으로 AI 모듈로부터 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 요청하고 상기 AI 모듈이 도출한 상기 대상자 정보를 수신받는 단계;를 포함하고,
상기 (c) 단계는, (c1) 상기 제1 챗봇이 상기 제2 챗봇으로 상기 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 단계; (c2) 상기 제2 챗봇이 상기 제1 챗봇으로 상기 챗봇간 대화 프로세스를 통해 관심 정보를 추가 요청하는 단계; 및 (c3) 상기 추가 요청에 대해 상기 제1 챗봇이 상기 제2 챗봇으로 상기 챗봇간 대화 프로세스를 통해 응답하고 추가 공유정보를 공유하는 단계를 포함하며,
상기 (c) 단계 이후, 상기 AI 모듈이 만족도 데이터 분석 정보를 시각화하여 상기 제1 챗봇 및 제2 챗봇으로 전송하고, 대화 프로세스를 진행한 상기 각 챗봇이 수행한 정보에 대한 내용을 플랫폼 DB부에 저장하고, 미리 설정한 기간으로 데이터 분석 결과를 시각화하여 사용자 단말에 표시하여 제공하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법.
- 삭제
- 제 1 항에 있어서,
상기 애플리케이션 서비스는,
사용자 활동 및 전자명함 기반의 개인 페이지 생성 서비스, 등급화된 관계망 서비스, 라이브 스트리밍 서비스, SNS 광고 공유 서비스, 쇼핑몰 연동 서비스, 호스트 정보 공유 서비스 및 메타버스 연동 서비스를 포함하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법.
- 삭제
- 제 1 항에 있어서,
상기 (b2) 단계에서,
상기 AI 모듈의 상기 대상자 정보의 생성은,
제1 사용자의 상기 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되,
최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 방법.
- 삭제
- 삭제
- 사용자 단말과 플랫폼 서버가 네트워크로 연결되는 정보공유 플랫폼 시스템에 있어서,
상기 플랫폼 서버에 접속하여 사용자 정보 및 로그인 정보를 입력하여 사용자 등록하고, 상기 플랫폼 서버에서 제공하는 애플리케이션 서비스를 실행하는 다수의 사용자 단말; 및
상기 애플리케이션 서비스를 실행하고, 상기 사용자 단말로부터 요청 작업(to do list) 정보를 수신 받고, 상기 요청 작업 정보를 입력한 제1 사용자에 대응되는 제1 챗봇이 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 AI 모듈을 통해 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하고, 상기 제1 챗봇이 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응되는 제2 챗봇으로 상기 공유정보를 전송하고, 상기 제2 챗봇이 추가 관심정보를 제1 챗봇으로 요청하면 상기 제1 챗봇이 상기 AI 모듈을 통해 추가 관심정보를 분석하여 생성한 응답정보를 상기 제2 챗봇으로 다시 전송하는 챗봇간 대화 프로세스를 통해 정보를 공유하는 플랫폼 서버;를 포함하되,
상기 사용자 단말이 사용자 단말이 플랫폼 서버에 접속하여 사용자의 직업, 연령, 성별 및 관심 사항 정보를 포함하는 사용자 정보와 로그인 정보를 입력하여 등록하고, 상기 플랫폼 서버의 애플리케이션 서비스를 통해 입력한 요청 작업(to do list)을 요청하고,
상기 플랫폼 서버가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하고 DB화하고, 상기 제1 챗봇이 상기 요청 작업 정보를 바탕으로 AI 모듈로부터 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하고 공유할 대상자 정보를 요청하고 상기 AI 모듈이 도출한 상기 대상자 정보를 수신받고,
상기 제1 챗봇이 상기 제2 챗봇으로 상기 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하고, 상기 제2 챗봇이 상기 제1 챗봇으로 상기 챗봇간 대화 프로세스를 통해 관심 정보를 추가 요청하며, 상기 추가 요청에 대해 상기 제1 챗봇이 상기 제2 챗봇으로 상기 챗봇간 대화 프로세스를 통해 응답하고 추가 공유정보를 공유하며,
상기 챗봇간 대화 프로세스를 통한 공유정보 공유를 진행한 후, 상기 AI 모듈이 만족도 데이터 분석 정보를 시각화하여 상기 제1 챗봇 및 제2 챗봇으로 전송하고, 대화 프로세스를 진행한 상기 각 챗봇이 수행한 정보에 대한 내용을 플랫폼 DB부에 저장하고, 미리 설정한 기간으로 데이터 분석 결과를 시각화하여 사용자 단말에 표시하여 제공하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템.
- 제 8 항에 있어서,
상기 플랫폼 서버는,
상기 사용자 단말과 사용자 등록 절차를 수행하는 사용자 등록부;
상기 애플리케이션 서비스를 실행하는 서비스 실행부;
상기 사용자 단말에서 입력된 사용자 정보와 상기 애플리케이션의 실행으로 생성된 사용자 관련 정보를 저장하여 관리하는 플랫폼 DB부; 및
상기 제1 챗봇이 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하고, 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 챗봇간 대화 프로세스를 통해 상기 공유정보를 공유하는 챗봇 시스템;을 포함하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템.
- 제 9 항에 있어서,
상기 챗봇 시스템은,
상기 각 사용자 단말에 개별적으로 대응되어 각 사용자 단말이 요청하는 요청 작업(to do list) 대화 프로세스를 통해 수행하는 다수의 챗봇으로 구비되는 챗봇부;
자연어 처리(NLP:Natural Language Processing)를 통해 상기 챗봇에 입력 또는 출력되는 정보를 생성하여 상기 챗봇부에 전달하고, 상기 적어도 어느 하나의 챗봇에 입력된 정보를 분석하여 상기 요청 작업 정보와 상기 제1 사용자 정보를 바탕으로 상기 요청 작업을 수행한 결과 정보를 포함하는 공유정보를 추천하여 공유할 대상자 정보를 도출하는 AI 모듈; 및
상기 제1 챗봇과 도출된 상기 대상자 정보 중 적어도 어느 하나의 대상자에 대응 되는 제2 챗봇과 대화 프로세스를 통해 상기 공유정보를 공유하는 챗봇 공유부를 포함하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템.
- 제 10 항에 있어서,
상기 플랫폼 DB부는,
상기 플랫폼 서버가 상기 사용자 정보, 사용자 활동 정보 및 관계망 정보를 포함하는 사용자 관련 정보를 전처리하는 전처리부를 포함하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템.
- 제 10 항에 있어서,
상기 공유할 대상자 정보의 도출은,
제1 사용자의 사용자 관련 정보를 기반으로 타겟 호스트를 추천해 주는 협업 필터링 방식으로 하되,
최적화 베이지안 개인화 순위 방법(OBPR: Optimizer Bayesian personalized ranking) 기반의 적응적 샘플링(adapted sampling) 방식 알고리즘을 적용하는 것을 특징으로 하는,
딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146359A KR102630697B1 (ko) | 2022-11-04 | 2022-11-04 | 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 |
| PCT/KR2022/021031 WO2024096194A1 (ko) | 2022-11-04 | 2022-12-22 | 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146359A KR102630697B1 (ko) | 2022-11-04 | 2022-11-04 | 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102630697B1 true KR102630697B1 (ko) | 2024-01-29 |
Family
ID=89716698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220146359A KR102630697B1 (ko) | 2022-11-04 | 2022-11-04 | 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102630697B1 (ko) |
| WO (1) | WO2024096194A1 (ko) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070018385A (ko) | 2005-08-09 | 2007-02-14 | (주)다음소프트 | 대화 분석을 이용하는 대화 에이전트 서비스 방법 및시스템 |
| KR101731867B1 (ko) | 2016-08-16 | 2017-05-04 | 주식회사 엔터플 | 챗봇 간에 사용자의 이벤트를 공유하는 방법 및 장치 |
| KR101840420B1 (ko) * | 2017-04-21 | 2018-05-04 | 주식회사 닐리리아 | 챗봇 플랫폼 제공 방법 및 장치 |
| KR101894060B1 (ko) * | 2017-12-15 | 2018-08-31 | 유승재 | 사용자 분석기반 챗봇을 이용한 지능형 광고 제공 서버 |
| KR20190123708A (ko) * | 2019-10-24 | 2019-11-01 | 주식회사 카카오 | 중계 챗봇을 이용하여 인스턴트 메시징 서비스를 제공하는 서버, 단말 및 방법 |
| KR102119404B1 (ko) * | 2018-11-28 | 2020-06-05 | 주식회사 와이즈넛 | 복수 챗봇의 협업에 의한 대화형 정보제공 시스템 및 그 방법 |
| JP2022506538A (ja) * | 2018-11-06 | 2022-01-17 | ビザ インターナショナル サービス アソシエーション | 自動化チャットボット処理 |
| KR20220061383A (ko) * | 2020-11-06 | 2022-05-13 | 라인 가부시키가이샤 | 챗봇을 이용하여 컨텐츠를 추천하는 방법과 시스템 |
-
2022
- 2022-11-04 KR KR1020220146359A patent/KR102630697B1/ko active IP Right Grant
- 2022-12-22 WO PCT/KR2022/021031 patent/WO2024096194A1/ko unknown
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070018385A (ko) | 2005-08-09 | 2007-02-14 | (주)다음소프트 | 대화 분석을 이용하는 대화 에이전트 서비스 방법 및시스템 |
| KR101731867B1 (ko) | 2016-08-16 | 2017-05-04 | 주식회사 엔터플 | 챗봇 간에 사용자의 이벤트를 공유하는 방법 및 장치 |
| KR101840420B1 (ko) * | 2017-04-21 | 2018-05-04 | 주식회사 닐리리아 | 챗봇 플랫폼 제공 방법 및 장치 |
| KR101894060B1 (ko) * | 2017-12-15 | 2018-08-31 | 유승재 | 사용자 분석기반 챗봇을 이용한 지능형 광고 제공 서버 |
| JP2022506538A (ja) * | 2018-11-06 | 2022-01-17 | ビザ インターナショナル サービス アソシエーション | 自動化チャットボット処理 |
| KR102119404B1 (ko) * | 2018-11-28 | 2020-06-05 | 주식회사 와이즈넛 | 복수 챗봇의 협업에 의한 대화형 정보제공 시스템 및 그 방법 |
| KR20190123708A (ko) * | 2019-10-24 | 2019-11-01 | 주식회사 카카오 | 중계 챗봇을 이용하여 인스턴트 메시징 서비스를 제공하는 서버, 단말 및 방법 |
| KR20220061383A (ko) * | 2020-11-06 | 2022-05-13 | 라인 가부시키가이샤 | 챗봇을 이용하여 컨텐츠를 추천하는 방법과 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 김동우, 이은령, "Modified Bayesian personalized ranking for non-binary implicit feedback", 한국통계학회(2017.)* * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024096194A1 (ko) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10726427B2 (en) | Method and apparatus for building a user profile, for personalization using interaction data, and for generating, identifying, and capturing user data across interactions using unique user identification | |
| US8909569B2 (en) | System and method for revealing correlations between data streams | |
| US20170250930A1 (en) | Interactive content recommendation personalization assistant | |
| US20190230171A1 (en) | Systems and methods for providing recommendations and explanations | |
| CN103346957B (zh) | 一种根据联系人消息改变联系人头像表情的系统及方法 | |
| KR102497809B1 (ko) | 인공지능을 이용한 광고주와 인플루언서 중개 서비스 제공 장치 이를 이용한 중개 방법 | |
| US20150178265A1 (en) | Content Recommendation System using a Neural Network Language Model | |
| US20140006153A1 (en) | System for making personalized offers for business facilitation of an entity and methods thereof | |
| EP3561757A1 (en) | Method and system for engaging real-time-human interaction into media presented online | |
| US10825059B2 (en) | Facilitating highly targeted advertising to identified audience members across social media channels | |
| KR102155342B1 (ko) | 다중파라미터 분석 기반 인플루언서 매칭을 이용한 광고 서비스 제공 시스템 | |
| KR20160055930A (ko) | 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법 | |
| US11057322B1 (en) | Ranking messages of conversation graphs in a messaging platform using machine-learning signals | |
| CN114223188B (zh) | 用于管理交互邀请的系统和方法 | |
| KR102322668B1 (ko) | 콘텐츠 크리에이터의 창작활동 활성화를 위한 다중 플랫폼 서비스 제공 시스템 | |
| Ting et al. | Understanding Microblog Users for Social Recommendation Based on Social Networks Analysis. | |
| US10951560B1 (en) | Ranking messages of conversation graphs in a messaging platform using predictive outcomes | |
| US20170365012A1 (en) | Identifying service providers as freelance market participants | |
| KR102630697B1 (ko) | 딥러닝을 이용한 챗봇간 대화 기술기반의 정보공유 플랫폼 서비스 시스템 및 방법 | |
| KR102308466B1 (ko) | Ａｉ 및 빅데이터 기반 드론 종합 서비스 제공 시스템 | |
| US10880250B2 (en) | Method and system of private messaging in a family networking computing platform | |
| Kasper et al. | User profile acquisition: A comprehensive framework to support personal information agents | |
| KR102595058B1 (ko) | 광고 다시보기 서비스 제공 방법 | |
| US11516155B1 (en) | Hard and soft ranking messages of conversation graphs in a messaging platform | |
| KR20240026600A (ko) | 인공지능을 활용한 인플루언서 추천 장치 이를 이용한 중개 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |