KR102641137B1 - 인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법, 장치 및 시스템 - Google Patents

Abstract

일실시예에 따른 장치는, 우주 개발 데이터베이스를 통해 데이터를 획득하고, 데이터를 기초로, 지식 인덱스를 생성하고, 사용자의 단말로부터 사용자의 질의를 획득하고, 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 획득하고, 응답을 사용자의 단말로 제공한다.

Description

인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법, 장치 및 시스템 { METHOD, DEVICE, AND SYSTEM FOR PROVIDING INQUIRY AND RESPONSE TO OUTPUT DATA OF ARTIFICIAL INTELLIGENCE MODEL-BASED SPACE TECHNOLOGY }

아래 실시예들은 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공하기 위한 기술에 관한 것이다.

질의 응답 시스템은 사용자의 자연어 질의를 분석하고, 분석 결과를 기반으로 지식 베이스를 이용하여 사용자에게 응답을 제공한다.

이러한 질의 응답 시스템은 방대한 양의 정보 중에서 특정 질문에 빠르고 정확한 답변을 제공하며, 지식의 효율적 활용을 도모하기 위해 필요하다.

한편, 우주 기술은 급격한 발전과 높은 복잡성을 지니고 있으며, 행성 탐사, 위성 발사, 우주 비행, 천체물리학 등 다양한 분야에서 방대한 데이터가 생성되기 때문에 전문가들도 효과적으로 분석하고 해석하는데 어려움을 겪는다.

또한, 우주 기술은 신규 연구 결과와 혁신적인 기술이 지속적으로 등장하기 때문에 최신 정보를 습득 및 활용하는 것은 매우 중요하다.

따라서, 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공하기 위한 기술이 요구된다.

한국등록특허 제10-2252489호 (2021.05.14. 공고) 한국등록특허 제10-2398832호 (2022.05.17. 공고) 한국등록특허 제10-1972561호 (2019.04.26. 공고) 한국등록특허 제10-2582744호 (2023.09.25. 공고)

실시예들은 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공하고자 한다.

실시예들은 질의 응답을 제공하기 위한 지식 인덱스를 생성하고자 한다.

실시예들은 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 제공하고자 한다.

실시예들은 사용자가 우주 관련 제품을 개발하고자 하는 경우, 우주 관련 제품의 개발 방향을 제시하는 보고서를 생성하여 사용자에게 제공하고자 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.

일실시예에 따르면, 인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법은 우주 개발 데이터베이스를 통해 데이터를 획득하는 단계; 상기 데이터를 기초로, 지식 인덱스를 생성하는 단계; 사용자의 단말로부터 상기 사용자의 질의를 획득하는 단계; 상기 지식 인덱스를 기초로, 상기 사용자의 질의에 대응하는 응답을 획득하는 단계; 및 상기 응답을 상기 사용자의 단말로 제공하는 단계를 포함한다.

상기 데이터를 기초로, 지식 인덱스를 생성하는 단계는, 레퍼런스 모델을 활용하여 상기 데이터 내에서 텍스트를 추출하는 동작, 상기 추출된 텍스트를 분류하는 동작, 상기 분류된 텍스트를 미리 생성된 임베딩 모델에 적용하여 벡터화하는 동작, 및 상기 벡터화된 텍스트를 기초로, 상기 지식 인덱스를 생성하는 동작을 포함하고, 상기 지식 인덱스를 기초로, 상기 사용자의 질의에 대응하는 응답을 획득하는 단계는, 상기 사용자의 질의를 상기 임베딩 모델에 적용하여 벡터화하는 동작, 상기 지식 인덱스 및 상기 벡터화된 사용자의 질의를 기초로, 상기 지식 인덱스에 저장된 벡터화된 텍스트 중 상기 벡터화된 사용자의 질의와 유사도가 미리 설정된 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 추출하는 동작, 및 상기 후보 벡터화된 텍스트를 프롬프트 템플릿 및 거대언어모델에 적용하여 상기 사용자의 질의에 대응하는 응답을 생성하는 동작을 포함한다.

인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법은 상기 사용자의 단말로부터 상기 사용자가 개발하고자 하는 제품인 개발 제품의 카테고리, 상기 개발 제품의 목적, 상기 개발 제품의 스펙, 상기 개발 제품의 가격을 포함하는 상기 개발 제품의 정보를 획득하는 단계; 상기 개발 제품의 정보를 기초로, 상기 개발 제품에 대한 질문을 생성하는 단계; 상기 지식 인덱스 및 상기 개발 제품에 대한 질문을 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 획득하는 단계; 상기 개발 제품에 대한 질문에 따른 결과를 기초로, 상기 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 단계; 및 상기 생성된 보고서를 상기 사용자의 단말로 제공하는 단계를 더 포함한다.

상기 개발 제품의 정보를 기초로, 상기 개발 제품에 대한 질문을 생성하는 단계는, 상기 개발 제품의 카테고리와 동일한 카테고리에 대한 기존 질문을 획득하는 동작, 상기 기존 질문이 미리 설정된 기준 개수보다 많은지 여부를 확인하는 동작, 상기 기존 질문이 상기 기준 개수보다 많다고 확인되면, 상기 기존 질문 중 평균 응답 만족도가 미리 설정된 기준 만족도보다 높은 기존 질문을 활용 질문으로 추출하는 동작, 상기 기존 질문이 상기 기준 개수보다 많지 않다고 확인되면, 상기 기존 질문을 상기 활용 질문으로 선정하는 동작, 상기 활용 질문의 주어 및 목적어를 상기 개발 제품의 정보에 대응되게 변경하여 최종 질문을 생성하는 동작, 상기 최종 질문의 어순을 변경하여 상기 최종 질문에 대한 유사 질문을 생성하는 동작, 및 상기 최종 질문 및 상기 최종 질문에 대한 유사 질문을 상기 개발 제품에 대한 질문으로 선정하는 동작을 포함하고, 상기 지식 인덱스 및 상기 개발 제품에 대한 질문을 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 획득하는 단계는, 상기 최종 질문에 따른 결과 및 상기 유사 질문에 따른 결과를 비교하는 동작, 상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과가 동일하다고 확인되면, 상기 최종 질문에 따른 결과를 상기 개발 제품에 대한 질문에 따른 결과로 획득하는 동작, 및 상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과가 동일하지 않다고 확인되면, 상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과를 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 생성하는 동작을 포함한다.

상기 개발 제품에 대한 질문에 따른 결과를 기초로, 상기 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 단계는, 상기 개발 제품의 카테고리를 기반으로, 웹 사이트를 통해 이미지를 획득하는 동작, 및 상기 이미지를 중심으로 보고서를 생성하는 동작을 포함하고, 상기 이미지를 중심으로 보고서를 생성하는 동작은, 상기 개발 제품에 대한 질문에 따른 결과를 상기 이미지를 중심으로 주위에 표시하되, 상기 개발 제품에 대한 질문에 따른 결과 중 상기 개발 제품의 구성 요소와 관련된 결과는 상기 구성 요소의 위치를 확인하여, 상기 이미지 내의 상기 구성 요소의 위치와 상기 구성 요소와 관련된 결과를 선으로 연결하여 표시한다.

상기 사용자의 질의에 대응하는 응답을 획득하는 단계는, 상기 사용자의 질의에 동음이의어가 포함되는지 여부를 확인하는 동작, 상기 동음이의어가 포함된다고 확인되면, 상기 사용자의 질의를 기초로, 문맥상 적합한 의미를 파악할 수 있는지 여부를 확인하는 동작, 상기 동음이의어의 문맥상 적합한 의미를 파악할 수 있다고 확인되면, 상기 문맥상 적합한 의미를 기초로, 상기 질의에 대응하는 응답을 획득하는 동작, 상기 동음이의어의 문맥상 적합한 의미를 파악할 수 없다고 확인되면, 상기 사용자의 이전 질의 횟수가 미리 설정된 기준 횟수보다 적은지 여부를 확인하는 동작, 상기 사용자의 이전 질의 횟수가 상기 기준 횟수보다 적다고 확인되면, 복수의 사용자가 많이 검색한 상기 동음이의어의 의미를 기초로, 상기 질의에 대응하는 응답을 획득하는 동작, 상기 사용자의 이전 질의 횟수가 상기 기준 횟수보다 적지 않다고 확인되면, 상기 사용자의 이전 질의를 기초로, 상기 동음이의어의 의미를 파악하고, 상기 파악된 의미를 기초로, 상기 질의에 대응하는 응답을 획득하는 동작, 및 상기 동음이의어가 포함되지 않는다고 확인되면, 상기 질의에 대응하는 응답을 획득하는 동작을 포함한다.

실시예들은 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공할 수 있다.

실시예들은 질의 응답을 제공하기 위한 지식 인덱스를 생성할 수 있다.

실시예들은 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 제공할 수 있다.

실시예들은 사용자가 우주 관련 제품을 개발하고자 하는 경우, 우주 관련 제품의 개발 방향을 제시하는 보고서를 생성하여 사용자에게 제공할 수 있다.

한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 지식 인덱스를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 지식 인덱스를 생성하는 과정을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 지식 인덱스를 기초로, 질의에 대한 응답을 제공하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 지식 인덱스를 기초로, 질의에 대한 응답을 제공하는 과정을 설명하기 위한 도면이다.
도 7은 일실시예에 따른 그래프를 기반으로 질의 응답을 제공하는 과정을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 우주 관련 제품의 개발 방향을 제시하는 보고서를 생성하여 사용자에게 제공하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 개발 제품의 정보를 통해 개발 제품에 대한 질문을 생성하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 개발 제품에 대한 질문에 따른 결과를 획득하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 이미지를 기초로 보고서를 생성하는 과정을 설명하기 위한 도면이다.
도 13은 일실시예에 따른 사용자의 질의 내에 포함된 동음이의어의 의미를 파악하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 장치의 구성의 예시도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 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.

일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.

도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.

도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 사용자의 단말(100) 및 장치(200)를 포함할 수 있다.

먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.

사용자의 단말(100)은 우주 기술과 관련하여 사용자의 질의에 대한 응답을 제공받고자 하는 사용자가 사용하는 단말로, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다. 예를 들어, 도 1에 도시된 바와 같이, 사용자의 단말(100)은 스마트폰일 수 있으며, 실시예에 따라 달리 채용될 수도 있다.

사용자의 단말(100)은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 사용자의 단말(100)은 장치(200)와 유무선으로 통신하도록 구성될 수 있다.

사용자의 단말(100)은 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 운영하는 웹 사이트에 접속되거나, 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 개발·배포한 애플리케이션이 설치될 수 있다. 사용자의 단말(100)은 웹 사이트 또는 애플리케이션을 통해 장치(200)와 연동될 수 있다.

도1 및 이하의 설명에서는, 설명의 편의상, 사용자의 단말(100) 하나만을 도시하고 설명하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(200)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.

즉, 청구항에 기재된 단수의 표현은 복수를 포함하는 것으로 이해될 수 있다.

장치(200)는 장치(200)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(200)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 장치(200)는 사용자의 단말(100)과 유무선으로 통신하도록 구성될 수 있다.

또한, 장치(200)는 우주 개발 데이터베이스를 포함하거나, 별개의 우주 개발 데이터베이스와 유무선으로 통신할 수 있으며, 우주 개발 데이터베이스는 우주 개발 프로젝트를 참여하는 관리자 및 팀원이 각각 사용하는 단말을 통해 우주 개발과 관련된 데이터를 입력 및 수정할 수 있는 데이터베이스일 수 있다.

또한, 장치(200)는 블로그, 카페, 인스타그램, 페이스북, 트위터, 유튜브를 포함하는 SNS 및 기사를 포함하는 웹 페이지를 포함하는 웹사이트와 유무선으로 통신할 수 있으며, 장치(200)는 웹사이트에 접속하여 정보를 획득할 수 있다.

장치(200)는 우주 개발 데이터베이스를 통해 데이터를 획득하고, 데이터를 기초로, 지식 인덱스를 생성하고, 사용자의 단말(100)로부터 사용자의 질의를 획득하고, 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 획득하고, 응답을 사용자의 단말(100)로 제공할 수 있다.

본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.

기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.

인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.

이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.

컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.

도 2는 일실시예에 따른 인공지능 모델을 기반으로 우주 기술의 산출 데이터에 대한 질의 응답을 제공하는 과정을 설명하기 위한 순서도이다.

도 2을 참조하면, 먼저, S201 단계에서, 장치(200)는 우주 개발 데이터베이스를 통해 데이터를 획득할 수 있다. 여기서, 우주 개발 데이터베이스는 장치(200)에 포함되거나 별개의 데이터베이스일 수 있으며, 장치(200)와 유무선으로 통신할 수 있다. 우주 개발 데이터베이스에는 우주에 대한 데이터 및 우주 개발에 대한 데이터가 저장될 수 있으며, 우주 개발 프로젝트를 참여하는 관리자 및 참여자에 의해 데이터가 입력 및 수정될 수 있다.

즉, 장치(200)는 우주 개발 데이터베이스를 통해 우주에 대한 데이터 및 우주 개발에 대한 데이터를 포함하는 데이터를 획득할 수 있다.

S202 단계에서, 장치(200)는 데이터를 기초로, 지식 인덱스를 생성할 수 있다.

구체적으로, 장치(200)에는 우주 개발 데이터베이스를 통해 획득한 데이터를 분류 및 벡터화하여 지식 인덱스를 생성할 수 있으며, 이와 관련된 구체적인 내용은 도 3 및 도 4를 참조하여 설명하기로 한다.

S203 단계에서, 장치(200)는 사용자의 단말(100)로부터 사용자의 질의를 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자가 우주와 관련하여 알고 싶은 정보에 대한 질의인 사용자의 질의를 획득할 수 있다.

S204 단계에서, 장치(200)는 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 획득할 수 있다.

구체적으로, 장치(200)는 우주 개발 데이터베이스를 통해 획득한 데이터를 기초로 생성된 지식 인덱스를 기초로, 사용자의 질의에 대응하는 응답을 획득할 수 있다. 이와 관련된 구체적인 내용은 도 5 및 도 6을 참조하여 설명하기로 한다.

S205 단계에서, 장치(200)는 응답을 사용자의 단말(100)로 제공할 수 있다.

구체적으로, 장치(200)는 지식 인덱스를 기초로, 획득한 사용자의 질의에 대응하는 응답을 사용자의 단말(100)로 제공할 수 있다.

이로 인해, 장치(200)는 우주 개발 데이터베이스에 저장된 데이터를 기초로, 지식 인덱스를 생성할 수 있고, 생성된 지식 인덱스를 통해 사용자가 우주와 관련하여 궁금한 질의를 응답할 수 있어, 사용자는 우주와 관련하여 자신이 얻고 싶은 정보를 쉽게 획득할 수 있는 효과가 있다.

도 3은 일실시예에 따른 지식 인덱스를 생성하는 과정을 설명하기 위한 순서도이다.

도 3을 참조하면, 먼저, S301 단계에서, 장치(200)는 레퍼런스 모델을 활용하여 데이터 내에서 텍스트를 추출할 수 있다.

구체적으로, 장치(200)는 우주 개발 데이터베이스로부터 획득한 데이터를 레퍼런스 모델을 활용하여 텍스트를 추출할 수 있으며, 이때, 레퍼런스 모델은 구체적으로 작성하지 않았지만, 텍스트의 분류 체계 및 텍스트 간의 관계를 파악하여 데이터 내에 포함된 텍스트를 추출하는 모델일 수 있으며, 통상적으로 사용되는 모델과 동일한 형태의 모델일 수 있다.

S302 단계에서, 장치(200)는 추출된 텍스트를 분류할 수 있다.

구체적으로, 장치(200)는 레퍼런스 모델을 활용하여 추출된 텍스트를 분류할 수 있다. 이때, 장치(200)는 텍스트를 레이블 별로 분류할 수 있으며, 레이블은 요청과 관련된 레이블 및 특정 주제와 관련된 레이블을 포함할 수 있다. 한편, 텍스트를 레이블 별로 분류하는 방법은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 방법에 의해 분류될 수 있다.

S303 단계에서, 장치(200)는 분류된 텍스트를 임베딩 모델에 적용하여 벡터화할 수 있다. 여기서, 임베딩 모델은 자연어를 입력하면, 입력된 자연어를 기계가 이해할 수 있도록 숫자형 형태인 벡터로 바꾸는 모델로 미리 생성된 모델일 수 있으며, 통상적으로 사용되는 임베딩 모델과 동일한 형태의 모델일 수 있다.

구체적으로, 장치(200)는 분류된 텍스트를 미리 생성된 임베딩 모델에 적용하여 벡터화할 수 있다.

S304 단계에서, 장치(200)는 벡터화된 텍스트를 기초로, 지식 인덱스를 생성할 수 있다.

구체적으로, 장치(200)는 임베딩 모델에 의해 벡터화된 텍스트를 기초로, 지식 인덱스를 생성할 수 있다.

이로 인해, 장치(200)는 사용자의 질의에 대한 응답을 생성하기 위해 필요한 지식 인덱스를 생성할 수 있는 효과가 있다.

도 4는 일실시예에 따른 지식 인덱스를 생성하는 과정을 설명하기 위한 도면이다.

도 4는 도 3과 동일하게 지식 인덱스를 생성하는 과정을 설명하기 위한 플로우 차트로, 장치(200)는 우주 개발 데이터베이스를 통해 데이터를 획득할 수 있고, 장치(200)는 레퍼런스 모델을 활용하여 획득한 데이터에서 텍스트를 추출할 수 있고, 장치(200)는 추출된 텍스트를 레이블 별로 분류할 수 있으며, 장치(200)는 분류된 텍스트를 미리 생성된 임베딩 모델에 적용하여 벡터화할 수 있고, 장치(200)는 벡터화된 텍스트를 기초로, 지식 인덱스를 생성할 수 있다.

한편, 장치(200)는 우주 개발 데이터베이스를 통해 획득한 데이터 외에도 정찰 위성을 통해 획득한 영상 데이터 및 통신 위성을 통해 획득한 통신 데이터를 기초로, 지식 인덱스를 업데이트할 수 있으며, 이를 위해 장치(200)는 정찰 위성 및 통신 위성과 유무선으로 통신할 수 있다.

구체적으로, 장치(200)는 정찰 위성을 통해 획득한 영상 데이터를 기초로, 지식 인덱스를 업데이트하기 위해 장치(200)는 영상 데이터를 통해 영상 데이터 내에 포함된 객체를 인식할 수 있고, 인식된 객체의 특징을 추출하는 등 영상 처리 기술을 통해 정보를 획득할 수 있고, 영상 데이터 내에 포함된 음성을 인식하여 음성 처리 기술을 통해 정보를 획득할 수 있다. 또한, 장치(200)는 영상 데이터를 통해 획득한 정보를 기초로, 지식 인덱스를 업데이트할 수 있다. 이때, 영상 데이터를 통해 획득한 정보를 기초로, 지식 인덱스를 업데이트하는 과정은 우주 개발 데이터베이스를 통해 획득한 데이터를 기초로 지식 인덱스를 생성하는 과정과 동일하게 이루어질 수 있다.

또한, 장치(200)는 통신 위성을 통해 획득한 통신 데이터를 기초로, 지식 인덱스를 업데이트하기 위해 장치(200)는 통신 데이터 내에 포함된 음성을 인식할 수 있고, 인식된 음성을 기초로, 음성 처리 기술을 통해 정보를 획득할 수 있다. 또한, 장치(200)는 통신 데이터를 통해 획득한 정보를 기초로, 지식 인덱스를 업데이트할 수 있다. 이때, 통신 데이터를 통해 획득한 정보를 기초로, 지식 인덱스를 업데이트하는 과정은 우주 개발 데이터베이스를 통해 획득한 데이터를 기초로 지식 인덱스를 생성하는 과정과 동일하게 이루어질 수 있다.

도 5는 일실시예에 따른 지식 인덱스를 기초로, 질의에 대한 응답을 제공하는 과정을 설명하기 위한 순서도이다.

도 5를 참조하면, 먼저, S501 단계에서, 장치(200)는 사용자의 질의를 임베딩 모델에 적용하여 벡터화할 수 있다. 여기서, 임베딩 모델은 텍스트 입력 시, 입력된 텍스트를 벡터화하는 모델로, 미리 생성된 모델일 수 있으며 통상적으로 사용되는 임베딩 모델일 수 있다.

구체적으로, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 질의를 미리 생성된 임베딩 모델에 적용하여 벡터화할 수 있다. 이 과정에서, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 질의를 자연어 처리하여 단어 단위로 분류할 수 있으며, 단어 단위로 분류된 사용자의 질의를 벡터화할 수 있다. 이때, 사용자의 질의를 자연어 처리하여 단어 단위로 분류하는 과정은 본문에 구체적으로 작성하지 않았지만, 통상적으로 사용되는 자연어 처리 방법에 의해 수행될 수 있다.

S502 단계에서, 장치(200)는 지식 인덱스 및 벡터화된 사용자의 질의를 기초로, 지식 인덱스에 저장된 벡터화된 텍스트 중 벡터화된 사용자의 질의와 유사도가 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 추출할 수 있다. 여기서, 기준 비율은 미리 설정된 비율 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(200)는 우주 개발 데이터베이스에 저장된 데이터를 기초로 지식 인덱스를 생성할 수 있고, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 질의를 임베딩 모델에 적용하여 벡터화하여 벡터화된 사용자의 질의를 생성할 수 있다. 또한, 장치(200)는 지식 인덱스에 저장된 벡터화된 텍스트 및 벡터화된 사용자의 질의를 비교하여, 지식 인덱스에 저장된 벡터화된 텍스트 중 벡터화된 사용자의 질의와 유사도가 미리 설정된 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 추출할 수 있다. 이때, 지식 인덱스에 저장된 벡터화된 텍스트와 벡터화된 사용자의 질의를 비교하여 유사도를 확인하는 방법은 통상적으로 사용되는 방법에 의해 수행될 수 있으며, 이때, 텍스트 간의 유사도를 확인하는 통상적으로 사용되는 방법은 코사인 유사도를 통해 확인하는 방법, 유클라디안 거리를 통해 확인하는 방법 등이 될 수 있다.

S503 단계에서, 장치(200)는 후보 벡터화된 텍스트를 프롬프트 템플릿 및 거대언어모델에 적용하여 사용자의 질의에 대응하는 응답을 생성할 수 있다. 여기서, 프롬프트 템플릿(prompt template)은 언어 모델에 대한 프롬프트를 생성하기 위해 미리 설정된 템플릿으로, 프롬프트 템플릿과 관련하여 구체적인 설명은 본문에 작성하지 않았지만, 통상적으로 사용되는 프롬프트 템플릿과 동일한 역할을 수행할 수 있다. 또한, 거대언어모델(LLM)은 Large Language Model로, 다양한 자연어 처리(NLP) 작업을 수행할 수 있는 딥 러닝 알고리즘이며, 거대언어모델과 관련하여 구체적인 설명은 본문에 작성하지 않았지만, 통상적으로 사용되는 거대언어모델과 동일한 역할을 수행할 수 있다.

구체적으로, 장치(200)는 지식 인덱스와 벡터화된 사용자의 질의를 기초로, 지식 인덱스에 저장된 벡터화된 텍스트 중 벡터화된 사용자의 질의와 미리 설정된 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 선정할 수 있으며, 후보 벡터화된 텍스트를 프롬프트 템플릿 및 거대언어모델에 적용하여 사용자의 질의에 대응하는 응답을 생성할 수 있다.

이로 인해, 장치(200)는 우주 개발 데이터베이스를 통해 생성된 지식 인덱스를 활용하여 사용자의 질의에 대한 응답을 제공할 수 있는 효과가 있다.

도 6은 일실시예에 따른 지식 인덱스를 기초로, 질의에 대한 응답을 제공하는 과정을 설명하기 위한 도면이다.

도 6은 도 5와 동일하게 지식 인덱스를 기초로, 질의에 대한 응답을 제공하는 과정을 설명하기 위한 플로우 차트로, 장치(200)는 사용자의 단말(100)로부터 사용자의 질의를 획득할 수 있고, 장치(200)는 사용자의 질의를 자연어 처리하여 단어 단위로 분류할 수 있다. 이때, 장치(200)는 단어 단위로 분류된 사용자의 질의를 분석하여 사용자의 질의 내에 포함된 단어를 확장할 수 있고, 이를 통해 사용자의 질의를 확장하여 확장된 질의를 더 획득할 수도 있다. 여기서, 장치(200)는 단어를 확장하기 위해 웹 사이트로부터 해당 단어의 유의어, 동의어, 연관어 등을 획득할 수 있다. 또한, 장치(200)는 사용자의 질의 또는 확장된 질의를 미리 생성된 임베딩 모델에 적용하여 벡터화할 수 있으며, 장치(200)는 벡터화된 사용자의 질의와 지식 인덱스에 포함된 벡터화된 텍스트를 비교하여 유사도를 산출하고, 지식 인덱스에 포함된 벡터화된 텍스트 중 유사도가 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 획득하고, 획득한 후보 벡터화된 텍스트를 프롬프트 템플릿 및 거대언어모델에 적용하여 사용자의 질의에 대응하는 응답을 생성할 수 있다.

한편, 장치(200)는 그래프를 기반으로 질의 응답을 제공할 수도 있다.

도 7은 일실시예에 따른 그래프를 기반으로 질의 응답을 제공하는 과정을 설명하기 위한 도면이다.

도 7을 참조하면, 장치(200)는 사용자의 단말(100)로부터 획득한 사용자의 질의(예를 들어, 통신 모듈 중량 절감 방법은?)를 그래프화하여 질의 그래프를 생성할 수 있고, 그래프화된 지식 인덱스를 통해 생성된 질의 그래프와 유사한 그래프를 후보 그래프로 획득할 수 있다. 이때, 장치(200)는 우주 개발 데이터베이스로부터 획득한 데이터를 기초로 지식 인덱스를 생성하는 과정에서 해당 데이터를 그래프화하여 지식 인덱스로 생성할 수 있고, 여기서, 데이터를 그래프화하는 과정은 본문에 구체적으로 작성하지 않았지만 통상적으로 사용되는 방법에 의해 수행될 수 있다. 또한, 장치(200)는 후보 그래프를 기초로, 사용자의 질의에 대한 응답(예를 들어, 베터리 무게 절감을 통해 power system 효율을 증가시켜)을 생성하여 사용자의 단말(100)로 제공할 수 있다.

또한, 장치(200)는 사용자의 단말(100)로부터 추가 질의를 획득하거나, 사용자의 질의에 대한 응답을 기초로, 추가 질의(예를 들어, 성능, 무게, 가격을 모두 만족하기 위한 power system 부품을 찾아줘)를 생성할 수 있으며, 이때, 장치(200)는 추가 질의를 생성하기 위해, 장치(200)는 응답에 포함된 키워드를 확인하고, 확인된 키워드의 연관어, 유의어를 활용하여 추가 질의를 생성할 수도 있고, 장치(200)는 사용자의 히스토리를 통해 사용자의 이전 질의 및 사용자의 이전 질의에 대응하는 응답을 확인하고, 사용자의 이전 질의 및 사용자의 이전 질의에 대응하는 응답을 통해 문맥을 확인하여 문맥을 기초로 추가 질의를 생성할 수도 있고, 장치(200)는 미리 정의된 질문 템플릿을 활용하여 응답과 매칭된 질문 템플릿을 통해 추가 질의를 생성할 수도 있다. 또한, 그 외에 통상적으로 사용되는 추가 질의를 생성하는 방법에 의해 추가 질의를 생성할 수도 있다. 또한, 장치(200)는 추가 질의 내에 포함된 컨텍스트(예를 들어, 성능, 무게, 가격)를 확인할 수 있고, 확인된 각 컨텍스트를 그래프화하여 컨텍스트 그래프를 생성할 수 있고, 그래프화된 지식 인덱스를 통해 각 컨텍스트 그래프와 유사한 그래프를 추출할 수 있다. 또한, 장치(200)는 추출된 각 컨텍스트 그래프와 유사한 그래프를 기초로, 그래프 기반 추론(Graph-based reasoning)을 수행할 수 있으며, 그래프 기반 추론을 통해 추가 질의에 대한 응답을 제공할 수 있다.

또한, 장치(200)는 질의 응답 과정을 통해 그래프화된 지식 인덱스에 포함된 그래프를 상위 그룹화, 하위 그룹화하여 지식 인덱스를 업데이트할 수 있으며, 이를 통해 장치(200)는 지식을 시각화 탐색할 수 있다.

한편, 장치(200)는 본문에 작성되지 않은 도 7에 포함된 과정 또한 수행할 수 있다.

도 8은 일실시예에 따른 우주 관련 제품의 개발 방향을 제시하는 보고서를 생성하여 사용자에게 제공하는 과정을 설명하기 위한 순서도이다.

도 8을 참조하면, 먼저, S801 단계에서, 장치(200)는 사용자의 단말(100)로부터 개발 제품의 카테고리, 개발 제품의 목적, 개발 제품의 스펙, 개발 제품의 가격을 포함하는 개발 제품의 정보를 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자가 우주 기술과 관련하여 개발하고자 하는 제품인 개발 제품의 카테고리, 개발 제품의 목적, 개발 제품의 스펙, 개발 제품의 가격을 포함하는 개발 제품의 정보를 획득할 수 있다. 이때, 개발 제품의 카테고리에는 로켓, 인공위성 등이 포함될 수 있으며, 그 외에 다른 카테고리일 수도 있다. 또한, 개발 제품의 스펙은 개발 제품의 무게, 개발 제품의 구성 요소, 개발 제품의 성능 등이 포함될 수 있으며, 그 외에 다른 스펙이 포함될 수 있다.

이 단계 이전에, 장치(200)는 사용자의 단말(100)로부터 사용자의 이름, 사용자의 연령, 사용자의 직업, 사용자의 주소를 포함하는 사용자의 개인 정보 및 사용자가 우주 기술에 대한 질의 응답을 통해 얻고자 하는 목적, 즉, 사용 목적을 포함하는 사용자의 정보를 획득할 수 있으며, 장치(200)는 사용자의 개인 정보 및 사용자의 사용 목적을 포함하는 사용자의 정보를 통해 사용자가 우주 기술과 관련된 제품을 개발한다고 확인되면, 사용자의 단말(100)로 사용자가 개발하고자 하는 제품에 대한 정보를 요청할 수 있다. 이때, 장치(200)는 사용자의 직업을 통해 사용자가 우주 기술과 관련된 제품을 개발하는 것을 확인할 수도 있고, 사용자의 사용 목적을 통해 사용자가 우주 기술과 관련된 제품을 개발하는 것을 확인할 수도 있다.

S802 단계에서, 장치(200)는 개발 제품의 정보를 기초로, 개발 제품에 대한 질문을 생성할 수 있다.

구체적으로, 장치(200)는 사용자의 단말(100)로부터 우주 기술과 관련하여 사용자가 개발하고자 하는 제품인 개발 제품의 카테고리, 목적, 스펙, 가격을 포함하는 개발 제품의 정보를 획득할 수 있고, 장치(200)는 개발 제품의 정보를 기초로, 개발 제품에 대한 질문을 자동적으로 생성할 수 있다. 이때, 개발 제품의 정보를 기초로, 개발 제품에 대한 질문을 자동적으로 생성하는 방법은 도 9를 참조하여 설명하기로 한다.

S803 단계에서, 장치(200)는 지식 인덱스 및 개발 제품에 대한 질문을 기초로, 개발 제품에 대한 질문에 따른 결과를 획득할 수 있다.

구체적으로, 장치(200)는 우주 개발 데이터베이스를 통해 획득한 데이터를 기초로 생성된 지식 인덱스와 개발 제품의 정보를 기초로 생성된 개발 제품에 대한 질문을 기초로, 개발 제품에 대한 질문에 따른 결과를 획득할 수 있다. 이때, 개발 제품에 대한 질문에 따른 결과는 S204 단계의 사용자의 질의에 대응하는 응답을 획득하는 과정과 동일한 과정을 통해 획득할 수 있다.

여기서, 개발 제품에 대한 질문에 따른 결과를 획득하는 과정은 도 10을 참조하여 설명하기로 한다.

S804 단계에서, 장치(200)는 개발 제품에 대한 질문에 따른 결과를 기초로, 개발 제품의 개발 방향을 제시하는 보고서를 생성할 수 있다.

구체적으로, 장치(200)는 지식 인덱스 및 개발 제품에 대한 질문을 기초로 개발 제품에 대한 질문에 따른 결과를 획득할 수 있으며, 획득한 결과를 통해 개발 제품의 개발 방향을 제시하는 보고서를 생성할 수 있다. 이 때, 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 과정은 도 11 및 도 12를 참조하여 설명하기로 한다.

S805 단계에서, 장치(200)는 보고서를 사용자의 단말(100)로 제공할 수 있다.

구체적으로, 장치(200)는 개발 제품에 대한 질문에 따른 결과를 기초로, 개발 제품의 개발 방향을 제시하는 보고서를 생성할 수 있고, 생성된 보고서를 사용자의 단말(100)로 제공할 수 있다.

이로 인해, 장치(200)는 우주 기술과 관련하여 제품을 개발하고자 하는 사용자에게 개발 제품의 카테고리, 목적, 스펙, 가격 등 간단한 정보만 제공받으면 해당 정보를 통해 관련 질문을 자동으로 생성하고, 생성된 질문 및 지식 인덱스를 통해 제품의 개발 방향을 제시하는 보고서를 생성할 수 있어, 사용자는 개발 제품의 정보만 제공하면 자신이 개발하고자 하는 제품의 개발 방향을 파악할 수 있는 효과가 있다.

도 9는 일실시예에 따른 개발 제품의 정보를 통해 개발 제품에 대한 질문을 생성하는 과정을 설명하기 위한 순서도이다.

도 9를 참조하면, 먼저, S901 단계에서, 장치(200)는 개발 제품의 카테고리와 동일한 카테고리에 대한 기존 질문을 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 단말(100)로부터 사용자의 질의를 획득하면, 해당 질의를 장치(200)에 구비된 데이터베이스에 저장할 수 있다. 이때, 장치(200)는 해당 질의에 포함된 키워드를 기초로, 해당 질의가 우주 기술과 관련된 제품에 대한 질의인지 여부를 확인할 수 있으며, 장치(200)는 해당 질의가 우주 기술과 관련된 제품에 대한 질의라고 확인되면, 해당 질의를 데이터베이스에 저장하는 과정에서 제품의 카테고리에 매칭하여 해당 질문을 저장할 수 있다.

즉, 장치(200)는 장치(200)에 구비된 데이터베이스를 통해 개발 제품의 카테고리에 매칭된 질의를 획득할 수 있고, 개발 제품의 카테고리에 매칭된 질의를 기존 질문으로 획득할 수 있다.

S902 단계에서, 장치(200)는 기존 질문이 기준 개수보다 많은지 여부를 확인할 수 있다. 여기서, 기준 개수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(200)는 장치(200)에 구비된 데이터베이스를 통해 개발 제품의 카테고리에 매칭된 질의를 기존 질문으로 획득할 수 있으며, 획득한 기존 질문이 미리 설정된 기준 개수보다 많은지 여부를 확인할 수 있다.

S902 단계에서 기존 질문이 기준 개수보다 많다고 확인되면, S903 단계에서, 장치(200)는 기존 질문 중 평균 응답 만족도가 기준 만족도보다 높은 기존 질문을 활용 질문으로 추출할 수 있다. 여기서, 기준 만족도는 미리 설정된 만족도 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(200)는 개발 제품의 카테고리에 매칭된 질의인 기존 질문이 미리 설정된 기준 개수보다 많다고 확인되면, 장치(200)는 기존 질문을 모두 활용하지 않고, 응답에 대한 만족도가 높은 기존 질문만을 선정하여 활용하기 위해 기존 질문 중 평균 응답 만족도가 기준 만족도보다 높은 기존 질문을 활용 질문으로 추출할 수 있다.

이를 위해, 장치(200)는 사용자의 단말(100)로부터 사용자의 질의를 획득하고, 지식 인덱스를 통해 사용자의 질의에 대한 응답을 생성하고, 생성된 응답을 사용자의 단말(100)로 제공하는 과정에서, 사용자의 단말(100)로부터 응답에 대한 만족도인 응답 만족도를 더 획득할 수 있다. 이때, 응답 만족도는 0에서 10까지로 분류될 수 있으며, 그 외의 기준으로 분류될 수도 있다. 또한, 장치(200)는 사용자의 질의를 데이터베이스에 저장할 때, 사용자의 단말(100)로부터 획득한 응답 만족도를 함께 매칭하여 저장할 수 있고, 동일 질문을 한 사용자가 있을 경우, 각 사용자의 단말로부터 획득한 응답 만족도의 평균 값을 구하여 평균 응답 만족도를 업데이트할 수 있다.

S902 단계에서 기존 질문이 기준 개수보다 많지 않다고 확인되면, S904 단계에서, 장치(200)는 기존 질문을 모두 활용 질문으로 선정할 수 있다.

구체적으로, 장치(200)는 개발 제품의 카테고리에 매칭된 질의인 기존 질문이 미리 설정된 기준 개수보다 많지 않다고 확인되면, 장치(200)는 기존 질문을 모두 활용하기 위해 기존 질문을 모두 활용 질문으로 선정할 수 있다.

S905 단계에서, 장치(200)는 활용 질문의 주어 및 목적어를 개발 제품의 정보에 대응되게 변경하여 최종 질문을 생성할 수 있다.

구체적으로, 장치(200)는 개발 제품의 카테고리에 매칭된 기존 질문을 활용 질문이 선정되면, 활용 질문의 주어 및 목적어를 개발 제품의 정보에 대응되게 변경하여 최종 질문을 생성할 수 있다. 이때, 장치(200)는 개발 제품의 정보 내에 포함된 키워드 중 활용 질문의 주어 및 목적어를 대체할 수 있는 키워드를 추출할 수 있으며, 추출된 키워드를 통해 활용 질문을 변경하여 최종 질문을 생성할 수 있다. 한편, 장치(200)는 개발 제품의 정보 내에 포함된 키워드와 활용 질문에 포함된 키워드가 일치할 경우에는 활용 질문의 주어 및 목적어를 변경하지 않고 활용 질문을 최종 질문으로 생성할 수도 있다.

예를 들어, 장치(200)는 활용 질문으로 '통신 모듈의 중량 절감하기 위한 방법은 어떤 게 있을까?'가 선정되면, 장치(200)는 개발 제품의 정보를 기초로, 활용 질문의 주어 및 목적어 중 적어도 하나를 변경하여 '디스플레이 모듈의 가격 절감 방법은 어떤 게 있을까?'로 최종 질문을 생성할 수 있다.

S906 단계에서, 장치(200)는 최종 질문의 어순을 변경하여 최종 질문에 대한 유사 질문을 생성할 수 있다.

구체적으로, 장치(200)는 활용 질문의 주어 및 목적어 중 적어도 하나를 개발 제품의 정보에 대응되게 변경하여 최종 질문이 생성되면, 최종 질문의 어순을 변경하여 최종 질문에 대한 유사 질문을 생성할 수 있다.

예를 들어, 장치(200)는 최종 질문으로 '디스플레이 모듈의 가격 절감 방법은 어떤 게 있을까?'가 생성되면, 장치(200)는 최종 질문의 어순을 변경하여 '가격을 절감하기 위해서는 디스플레이 모듈을 어떻게 제조해야 할까?'로 최종 질문에 대한 유사 질문을 생성할 수 있다.

또한, 장치(200)는 최종 질문에 대한 유사 질문을 생성하기 위해 최종 질문에 포함된 각 단어들의 동의어 또는 유의어를 확인하고, 최종 질문에 포함된 단어를 동의어 또는 유의어로 변경하여 유사 질문을 생성할 수도 있다.

예를 들어, 장치(200)는 최종 질문으로 '디스플레이 모듈의 가격 절감 방법은 어떤 게 있을까?'가 생성되면, 장치(200)는 최종 질문에 포함된 단어를 동의어로 변경하여 '화면 모듈의 가격을 줄이는 방법은 어떤 게 있을까?'로 최종 질문에 대한 유사 질문을 생성할 수 있다.

이때, 유사 질문을 생성하는 이유는 동일한 의미의 질문을 뉘앙스를 변경하여 여러 번 질문함으로써 지식 인덱스를 통해 획득한 답변에 대한 오차를 줄이기 위함이다.

S907 단계에서, 장치(200)는 최종 질문 및 최종 질문에 대한 유사 질문을 개발 제품에 대한 질문으로 선정할 수 있다.

구체적으로, 장치(200)는 활용 질문을 개발 제품의 정보에 대응되게 변경하여 최종 질문을 생성할 수 있고, 생성된 최종 질문을 어순을 변경하거나, 단어를 동의어로 변경하여 최종 질문에 대한 유사 질문을 생성할 수 있다. 또한, 장치(200)는 생성된 최종 질문 및 최종 질문에 대한 유사 질문을 개발 제품에 대한 질문으로 선정할 수 있다.

이를 통해, 장치(200)는 개발 제품의 정보만으로 질문을 자동적으로 생성할 수 있다.

도 10은 일실시예에 따른 개발 제품에 대한 질문에 따른 결과를 획득하는 과정을 설명하기 위한 순서도이다.

도 10을 참조하면, 먼저, S1001 단계에서, 장치(200)는 최종 질문에 따른 결과와 유사 질문에 따른 결과가 동일한지 여부를 확인할 수 있다.

구체적으로, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 숫자인지, 텍스트인지 여부를 확인할 수 있다. 한편, 장치(200)는 질의를 확인하여 결과가 숫자인지, 텍스트인지 여부를 확인할 수도 있다. 예를 들어, 장치(200)는 개발 제품에 대한 질문을 확인한 결과, 해당 질문이 개수에 대한 질문, 횟수에 대한 질문, 비율에 대한 질문 등 결과가 숫자로 나오는 질문이라고 확인되면, 최종 질문에 따른 결과 및 유사 질문에 따른 결과를 숫자로 확인할 수 있고, 장치(200)는 해당 질문이 방법에 대한 질문, 구성 요소에 대한 질문 등 결과가 텍스트로 나오는 질문이라고 확인되면, 최종 질문에 따른 결과 및 유사 질문에 따른 결과를 텍스트로 확인할 수 있다.

또한, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 숫자로 확인되면, 최종 질문에 따른 결과 및 유사 질문에 따른 결과 즉, 숫자가 동일한지 여부를 확인함으로써, 최종 질문에 따른 결과와 유사 질문에 따른 결과가 동일한지 여부를 확인할 수 있다.

또한, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 텍스트로 확인되면, 최종 질문에 따른 결과 및 유사 질문에 따른 결과 즉, 텍스트 간의 유사도가 미리 설정된 기준 유사도보다 높은지 여부를 확인함으로써, 최종 질문에 따른 결과와 유사 질문에 따른 결과가 동일한지 여부를 확인할 수 있다. 여기서, 기준 유사도는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

S1001 단계에서 최종 질문에 따른 결과와 유사 질문에 따른 결과가 동일하다고 확인되면, S1002 단계에서, 장치(200)는 최종 질문에 따른 결과를 개발 제품에 대한 질문에 따른 결과로 획득할 수 있다.

구체적으로, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 숫자로 확인되고, 숫자가 동일하다고 확인되면, 장치(200)는 최종 질문에 따른 결과를 개발 제품에 대한 질문에 따른 결과로 획득할 수 있다.

또한, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 텍스트로 확인되고, 텍스트 간의 유사도가 기준 유사도보다 높다고 확인되면, 장치(200)는 최종 질문에 따른 결과를 개발 제품에 대한 질문에 따른 결과로 획득할 수 있다.

S1001 단계에서 최종 질문에 따른 결과와 유사 질문에 따른 결과가 동일하지 않다고 확인되면, S1003 단계에서, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과를 기초로, 개발 제품에 대한 질문에 따른 결과를 생성할 수 있다.

구체적으로, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 숫자로 확인되고, 숫자가 동일하지 않다고 확인되면, 장치(200)는 최종 질문에 따른 결과와 유사 질문에 따른 결과의 최종 질문에 따른 결과의 평균 값 즉, 숫자의 평균 값을 산출하여, 숫자의 평균 값을 개발 제품에 대한 질문에 따른 결과로 생성할 수 있다.

또한, 장치(200)는 최종 질문에 따른 결과 및 유사 질문에 따른 결과가 텍스트로 확인되고, 텍스트 간의 유사도가 기준 유사도보다 높지 않다고 확인되면, 장치(200)는 최종 질문에 따른 결과와 유사 질문에 따른 결과에 포함된 텍스트를 기초로, 가장 많이 포함된 텍스트를 개발 제품에 대한 질문에 따른 결과로 생성할 수 있다.

이를 통해, 장치(200)는 최종 질문에 따른 결과와 유사 질문에 따른 결과를 비교하여 개발 제품에 대한 질문에 따른 결과를 획득 및 생성함으로써, 개발 제품에 대한 질문에 따른 답변에 대한 오차를 줄일 수 있는 효과가 있다.

도 11은 일실시예에 따른 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 과정을 설명하기 위한 순서도이다.

도 11을 참조하면, 먼저, S1101 단계에서, 장치(200)는 개발 제품의 카테고리를 기반으로, 웹 사이트를 통해 이미지를 획득할 수 있다.

구체적으로, 장치(200)는 웹 사이트와 유무선으로 통신할 수 있으며, 장치(200)는 웹 사이트에 개발 제품의 카테고리를 검색하여, 개발 제품의 카테고리에 대응하는 이미지를 획득할 수 있다.

S1102 단계에서, 장치(200)는 이미지를 중심으로 보고서를 생성할 수 있다.

구체적으로, 장치(200)는 웹 사이트를 통해 개발 제품의 카테고리를 검색하여, 개발 제품의 카테고리에 대응하는 이미지를 획득할 수 있고, 획득한 이미지를 중심으로 보고서를 생성할 수 있다.

이때, 장치(200)는 이미지를 중심으로 보고서를 생성하기 위해, 개발 제품에 대한 질문에 따른 결과를 이미지를 중심으로 주위에 표시하여 보고서를 생성할 수 있다. 또한, 장치(200)는 개발 제품에 대한 질문에 따른 결과 중 구성 요소와 관련된 결과를 이미지 내에 해당 구성 요소와 대응하는 위치에 선으로 연결하여 표시할 수 있으며, 이와 관련된 설명은 도 12를 참조하기로 한다.

도 12는 일실시예에 따른 이미지를 기초로 보고서를 생성하는 과정을 설명하기 위한 도면이다.

도 12를 참조하면, 장치(200)는 지식 인덱스를 통해 개발 제품에 대한 질문에 따른 결과를 획득할 수 있고, 웹 사이트를 통해 개발 제품의 이미지를 획득할 수 있다. 예를 들어, 개발 제품이 우주선일 경우, 장치(200)는 개발 제품에 대한 질문에 따른 결과로 우주선의 목적, 창문의 소재, 날개의 역할, 엔진의 가격 등을 획득할 수 있고, 웹 사이트를 통해 우주선의 이미지를 획득할 수 있다.

또한, 장치(200)는 장치(200)와 유무선으로 통신하는 웹 사이트 또는 지식 인덱스를 통해 개발 제품의 구성 요소를 확인할 수 있다. 예를 들어, 장치(200)는 웹 사이트를 통해 구성 요소를 확인하는 경우, 웹 사이트에 우주선의 구성 요소를 검색하여 개발 제품의 구성 요소를 확인할 수 있고, 또한, 장치(200)는 지식 인덱스를 통해 구성 요소를 확인하는 경우, '우주선의 구성 요소는?'을 질의로 하여 지식 인덱스를 통해 응답을 획득하여 개발 제품의 구성 요소를 확인할 수 있다. 즉, 장치(200)는 웹 사이트 또는 지식 인덱스를 통해 우주선의 구성 요소로, 본체, 날개, 창문, 엔진 등을 확인할 수 있다.

또한, 장치(200)는 개발 제품의 구성 요소가 확인되면, 개발 제품에 대한 질문에 따른 결과 중 구성 요소와 관련된 결과를 확인할 수 있다. 예를 들어, 장치(200)는 개발 제품에 대한 질문에 따른 결과 중 구성 요소(본체, 날개, 창문, 엔진)와 관련된 결과를 창문의 소재, 날개의 역할, 엔진의 가격으로 확인할 수 있다.

또한, 장치(200)는 개발 제품에 대한 질문에 따른 결과 중 구성 요소와 관련되지 않은 결과를 개발 제품의 이미지 중심으로 주위에 표시할 수 있다. 예를 들어, 장치(200)는 개발 제품에 대한 질문에 따른 결과 중 구성 요소(본체, 날개, 창문, 엔진)와 관련되지 않은 결과를 우주선의 목적으로 확인할 수 있고, 우주선의 이미지를 중심으로 우주선의 목적을 주위에 표시할 수 있다.

또한, 장치(200)는 개발 제품에 대한 질문에 따른 결과 중 구성 요소와 관련된 결과를 해당 구성 요소의 위치를 확인하여 이미지 내의 해당 구성 요소의 위치와 선으로 연결하여 표시할 수 있다. 구체적으로, 장치(200)는 개발 제품에서 해당 구성 요소의 위치를 확인할 수 있으며, 이때, 장치(200)는 해당 구성 요소의 위치를 확인하기 위해 웹 사이트에 해당 구성 요소와 개발 제품을 동시에 검색할 수 있으며, 검색 결과를 확인하여 제품의 특정 부위가 출력되었을 경우, 해당 부위를 구성 요소의 위치로 확인할 수 있다. 이때, 제품의 특정 부위는 이미지로 출력될 수도 있고, 상단, 하단, 좌측, 우측 등의 키워드로 출력될 수도 있다. 또한, 장치(200)는 특정 부위가 이미지로 출력된 경우, 개발 제품의 이미지 내에서 특정 부위의 이미지와 일치하는 부분을 찾아 구성 요소의 위치를 확인할 수 있고, 장치(200)는 특정 부위가 키워드로 출력된 경우, 개발 제품의 이미지 내에서 해당 특정 부위의 키워드와 매칭되는 위치를 선정하여 구성 요소의 위치로 확인할 수도 있다. 예를 들어, 장치(200)는 우주선의 엔진의 위치를 확인하기 위해 장치(200)와 유무선으로 통신하는 웹 사이트에 '우주선 + 엔진'을 검색할 수 있으며, 검색 결과, 특정 부위로 우주선의 하단이 출력되었을 경우, 장치(200)는 우주선의 이미지 내에서 우주선의 하단과 매칭되는 위치를 선정하여 엔진의 위치를 확인할 수 있다. 또한, 장치(200)는 확인된 엔진의 위치와 엔진의 가격을 선으로 연결하여 표시할 수 있다.

이를 통해, 장치(200)는 개발 제품의 이미지를 중심으로 보고서를 생성하고, 또한 개발 제품에 대한 질문에 따른 결과 중 구성 요소와 관련된 결과를 각 구성 요소의 위치와 매칭하여 표시함으로써, 사용자가 보기 편하고, 이해하기 쉽도록 개발 제품에 대한 보고서를 생성할 수 있다.

도 13은 일실시예에 따른 사용자의 질의 내에 포함된 동음이의어의 의미를 파악하는 과정을 설명하기 위한 순서도이다.

도 13을 참조하면, 먼저, S1301 단계에서, 장치(200)는 사용자의 질의에 동음이의어가 포함되는지 여부를 확인할 수 있다. 여기서, 동음이의어는 발음이 동일하지만 뜻은 다른 단어를 뜻할 수 있으며 예를 들어, light(밝은, 가벼운)가 포함될 수 있다.

S1301 단계에서 사용자의 질의에 동음이의어가 포함된다고 확인되면, S1302 단계에서, 장치(200)는 문맥상 적합한 의미를 파악할 수 있는지 여부를 확인할 수 있다.

구체적으로, 장치(200)는 사용자의 질의에 동음이의어가 포함된다고 확인되면, 사용자의 질의를 기초로 문맥 및 주변 단어를 통해 동음이의어의 의미를 파악할 수 있는지 여부를 확인할 수 있다. 이때, 문맥 및 주변 단어를 통해 동음이의어의 의미를 파악하는 과정은 구체적으로 작성하지 않았지만, 통상적으로 동음이의어의 의미를 파악하는 과정과 동일한 과정으로 수행될 수 있다.

예를 들어, 장치(200)는 사용자의 질의에 'light'가 포함된다고 확인되면, 사용자의 질의의 문맥 및 주변 단어를 확인한 결과, 'light'가 '밝은' 또는 '가벼운' 중 어느 의미로 사용되었는지 파악이 가능한지 여부를 확인할 수 있다.

S1302 단계에서 문맥상 적합한 의미를 파악할 수 있다고 확인되면, S1303 단계에서, 장치(200)는 문맥상 적합한 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 질의에 동음이의어가 포함되어 있지만, 문맥상 해당 동음이의어의 의미를 파악할 수 있다고 확인되면, 문맥상 적합한 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다.

예를 들어, 장치(200)는 사용자의 질의에 'light'가 포함되고, 사용자의 질의의 문맥 및 주변 단어를 확인한 결과, 'light'가 '밝은'으로 사용된다고 확인되면, 장치(200)는 사용자의 질의에 포함된 'light'를 '밝은'으로 해석하여 질의에 대응하는 응답을 획득할 수 있다.

S1302 단계에서 문맥상 적합한 의미를 파악할 수 없다고 확인되면, S1304 단계에서, 장치(200)는 사용자의 히스토리를 기반으로, 동음이의어를 포함하는 사용자의 이전 질의 횟수가 기준 횟수보다 적은지 여부를 확인할 수 있다. 여기서, 기준 횟수는 미리 설정된 값으로 실시 예에 따라 달라질 수 있다.

구체적으로, 장치(200)는 사용자의 질의에 동음이의어가 포함되어 있고, 문맥상 해당 동음이의어의 의미를 파악할 수 없다고 확인되면, 동음이의어의 의미를 파악하기 위해 사용자의 히스토리를 확인할 수 있다. 여기서, 사용자의 히스토리는 사용자가 이전에 해당 시스템을 사용했던 이력이 포함될 수 있으며, 이력에는 사용자가 이전에 했던 질의인 사용자의 이전 질의, 사용자의 이전 질의에 대응하는 응답이 포함될 수 있다. 또한, 장치(200)는 사용자의 히스토리를 통해 사용자의 이전 질의를 확인할 수 있고, 동음이의어를 포함하는 사용자의 이전 질의 횟수를 확인할 수 있다. 또한, 장치(200)는 동음이의어를 포함하는 사용자의 이전 질의 횟수가 미리 설정된 기준 횟수보다 적은지 여부를 확인할 수 있다.

예를 들어, 장치(200)는 사용자의 질의에 'light'가 포함되고, 사용자의 질의의 문맥 및 주변 단어를 확인한 결과, 'light'가 '밝은' 또는 '가벼운' 중 어느 의미로 사용되었는지 파악하기 어렵다고 확인되면, 장치(200)는 사용자의 히스토리를 통해 사용자의 이전 질의를 확인할 수 있고, 사용자의 이전 질의 중 'light'가 포함된 이전 질의를 확인할 수 있고, 'light'가 포함된 이전 질의 횟수가 미리 설정된 기준 횟수보다 적은지 여부를 확인할 수 있다.

S1304 단계에서 동음이의어를 포함하는 사용자의 이전 질의 횟수가 기준 횟수보다 적다고 확인되면, S1305 단계에서, 장치(200)는 복수의 사용자가 많이 검색한 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 질의에 동음이의어가 포함되어 있고, 문맥상 해당 동음이의어의 의미를 파악할 수 없고, 사용자의 히스토리를 확인한 결과, 동음이의어를 포함하는 사용자의 이전 질의 횟수가 미리 설정된 기준 횟수보다 적다고 확인되면, 장치(200)는 동음이의어의 의미를 파악하기 위해 해당 시스템을 사용하는 복수의 사용자의 히스토리를 확인할 수 있고, 복수의 사용자의 히스토리를 통해 동음이의어에 포함된 의미 중 복수의 사용자가 가장 많이 검색한 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다.

예를 들어, 장치(200)는 사용자의 질의에 'light'가 포함되고, 사용자의 질의의 문맥 및 주변 단어를 확인한 결과, 'light'가 '밝은' 또는 '가벼운' 중 어느 의미로 사용되었는지 파악하기 어렵다고 확인되고, 'light'가 포함된 이전 질의 횟수가 미리 설정된 기준 횟수보다 적다고 확인되면, 장치(200)는 'light'의 의미를 파악하기 위해, 해당 시스템을 사용하는 복수의 사용자의 히스토리를 확인할 수 있고, 복수의 사용자의 히스토리를 통해 'light'가 '밝은' 또는 '가벼운' 중 어느 의미로 많이 사용되었는지 확인하여, 'light'가 '밝은'으로 더 많이 사용되었다고 확인되면, 사용자의 질의에 포함된 'light'를 '밝은'으로 해석하여 질의에 대응하는 응답을 획득할 수 있다.

S1304 단계에서 동음이의어를 포함하는 사용자의 이전 질의 횟수가 기준 횟수보다 적지 않다고 확인되면, S1306 단계에서, 장치(200)는 사용자의 이전 질의를 기초로, 의미를 파악하고, 해당 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다.

구체적으로, 장치(200)는 사용자의 질의에 동음이의어가 포함되어 있고, 문맥상 해당 동음이의어의 의미를 파악할 수 없고, 사용자의 히스토리를 확인한 결과, 동음이의어를 포함하는 사용자의 이전 질의 횟수가 미리 설정된 기준 횟수보다 적지 않다고 확인되면, 장치(200)는 동음이의어를 포함하는 사용자의 이전 질의를 기초로, 의미를 파악하고, 해당 의미를 기초로, 질의에 대응하는 응답을 획득할 수 있다. 이때, 장치(200)는 동음이의어를 포함하는 사용자의 이전 질의를 기초로 의미를 파악하기 위해, 동음이의어를 포함하는 사용자의 이전 질의에 대한 응답 만족도를 확인할 수 있으며, 응답 만족도가 더 높은 질의에 사용되는 의미를 기초로, 사용자의 질의에 포함된 동음이의어에 의미를 파악할 수 있다.

예를 들어, 장치(200)는 사용자의 질의에 'light'가 포함되고, 사용자의 질의의 문맥 및 주변 단어를 확인한 결과, 'light'가 '밝은' 또는 '가벼운' 중 어느 의미로 사용되었는지 파악하기 어렵다고 확인되고, 'light'가 포함된 이전 질의 횟수가 미리 설정된 기준 횟수보다 적지 않다고 확인되면, 장치(200)는 'light'의 의미를 파악하기 위해, 사용자의 히스토리를 통해 'light'를 포함하는 이전 질의에 대한 응답 만족도를 확인할 수 있고, 이때, 'light'가 '밝은'으로 사용된 이전 질의에 대한 응답 만족도가 8이고, 'light'가 '가벼운'으로 사용된 이전 질의에 대한 응답 만족도가 4로 확인되면, 장치(200)는 사용자의 이전 질의를 통해 'light'를 '밝은'으로 해석하여 질의에 대응하는 응답을 획득할 수 있다.

한편, S1301 단계에서 사용자의 질의에 동음이의어가 포함되지 않는다고 확인되면, S1307 단계에서, 장치(200)는 질의에 대응하는 응답을 획득할 수 있다.

즉, 장치(200)는 사용자의 질의에 동음이의어가 포함되지 않는다고 확인되면, 동음이의어의 의미를 파악할 필요가 없기 때문에 바로 질의에 대응하는 응답을 획득할 수 있다.

이를 통해, 장치(200)는 사용자의 질의에 동음이의어가 포함되어 있어도, 사용자가 원하는 응답을 빠르게 제공할 수 있다.

도 14는 일실시예에 따른 장치의 구성의 예시도이다.

일실시예에 따른 장치(200)는 프로세서(210) 및 메모리(220)를 포함한다. 프로세서(210)는 도 1 내지 도 13을 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 13을 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(200)를 이용하는 자 또는 단체는 도 1 내지 도 13을 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.

메모리(220)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(220)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

프로세서(210)는 프로그램을 실행하고, 장치(200)를 제어할 수 있다. 프로세서(210)에 의하여 실행되는 프로그램의 코드는 메모리(220)에 저장될 수 있다. 장치(200)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

1. 장치에 의해 수행되는, 인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법에 있어서,
   우주 개발 데이터베이스를 통해 데이터를 획득하는 단계;
   상기 데이터를 기초로, 지식 인덱스를 생성하는 단계;
   사용자의 단말로부터 상기 사용자의 질의를 획득하는 단계;
   상기 지식 인덱스를 기초로, 상기 사용자의 질의에 대응하는 응답을 획득하는 단계; 및
   상기 응답을 상기 사용자의 단말로 제공하는 단계를 포함하고,
   상기 응답을 상기 사용자의 단말로 제공하는 단계 이후에,
   상기 사용자의 단말로부터 상기 사용자가 개발하고자 하는 제품인 개발 제품의 카테고리, 상기 개발 제품의 목적, 상기 개발 제품의 스펙, 상기 개발 제품의 가격을 포함하는 상기 개발 제품의 정보를 획득하는 단계;
   상기 개발 제품의 정보를 기초로, 상기 개발 제품에 대한 질문을 생성하는 단계;
   상기 지식 인덱스 및 상기 개발 제품에 대한 질문을 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 획득하는 단계;
   상기 개발 제품에 대한 질문에 따른 결과를 기초로, 상기 개발 제품의 개발 방향을 제시하는 보고서를 생성하는 단계; 및
   상기 생성된 보고서를 상기 사용자의 단말로 제공하는 단계를 더 포함하고,
   상기 개발 제품의 정보를 기초로, 상기 개발 제품에 대한 질문을 생성하는 단계는,
   상기 개발 제품의 카테고리와 동일한 카테고리에 대한 기존 질문을 획득하는 동작,
   상기 기존 질문이 미리 설정된 기준 개수보다 많은지 여부를 확인하는 동작,
   상기 기존 질문이 상기 기준 개수보다 많다고 확인되면, 상기 기존 질문 중 평균 응답 만족도가 미리 설정된 기준 만족도보다 높은 기존 질문을 활용 질문으로 추출하는 동작,
   상기 기존 질문이 상기 기준 개수보다 많지 않다고 확인되면, 상기 기존 질문을 상기 활용 질문으로 선정하는 동작,
   상기 활용 질문의 주어 및 목적어를 상기 개발 제품의 정보에 대응되게 변경하여 최종 질문을 생성하는 동작,
   상기 최종 질문의 어순을 변경하여 상기 최종 질문에 대한 유사 질문을 생성하는 동작, 및
   상기 최종 질문 및 상기 최종 질문에 대한 유사 질문을 상기 개발 제품에 대한 질문으로 선정하는 동작을 포함하고,
   상기 지식 인덱스 및 상기 개발 제품에 대한 질문을 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 획득하는 단계는,
   상기 최종 질문에 따른 결과 및 상기 유사 질문에 따른 결과를 비교하는 동작,
   상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과가 동일하다고 확인되면, 상기 최종 질문에 따른 결과를 상기 개발 제품에 대한 질문에 따른 결과로 획득하는 동작, 및
   상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과가 동일하지 않다고 확인되면, 상기 최종 질문에 따른 결과와 상기 유사 질문에 따른 결과를 기초로, 상기 개발 제품에 대한 질문에 따른 결과를 생성하는 동작을 포함하는,
   인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법.
2. 제1항에 있어서,
   상기 데이터를 기초로, 지식 인덱스를 생성하는 단계는,
   레퍼런스 모델을 활용하여 상기 데이터 내에서 텍스트를 추출하는 동작,
   상기 추출된 텍스트를 분류하는 동작,
   상기 분류된 텍스트를 미리 생성된 임베딩 모델에 적용하여 벡터화하는 동작, 및
   상기 벡터화된 텍스트를 기초로, 상기 지식 인덱스를 생성하는 동작을 포함하고,
   상기 지식 인덱스를 기초로, 상기 사용자의 질의에 대응하는 응답을 획득하는 단계는,
   상기 사용자의 질의를 상기 임베딩 모델에 적용하여 벡터화하는 동작,
   상기 지식 인덱스 및 상기 벡터화된 사용자의 질의를 기초로, 상기 지식 인덱스에 저장된 벡터화된 텍스트 중 상기 벡터화된 사용자의 질의와 유사도가 미리 설정된 기준 비율보다 높은 벡터화된 텍스트를 후보 벡터화된 텍스트로 추출하는 동작, 및
   상기 후보 벡터화된 텍스트를 프롬프트 템플릿 및 거대언어모델에 적용하여 상기 사용자의 질의에 대응하는 응답을 생성하는 동작을 포함하는,
   인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법.
3. 삭제