KR102668347B1

KR102668347B1 - 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법 및 시스템

Info

Publication number: KR102668347B1
Application number: KR1020240007274A
Authority: KR
Inventors: 장우순
Original assignee: (주)진문콘텐츠스튜디오
Priority date: 2024-01-17
Filing date: 2024-01-17
Publication date: 2024-05-24

Abstract

본 발명에 따르면, 전자 장치에 의해 수행되는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은, 학습자 단말로부터 웹 소설 교육에 대한 요청을 수신하는 단계; 상기 요청을 수신하는 것에 응답하여, 웹 소설 유형에 관한 교육 정보, 주인공 설정에 관한 교육 정보, 문장 구성에 관한 교육 정보 및 연출에 관한 교육 정보를 포함하는 공통 학습 커리큘럼 정보, 및 상기 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 상기 학습자 단말에 전송하는 단계; 상기 학습자 단말로부터, 학습자에 의해 생성된 성향 판단용 단위 이야기를 포함하는 이야기 데이터를 수신하는 단계; NLU(Natural Language Understanding) 모델을 사용하여 상기 이야기 데이터를 처리함으로써 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성하는 단계; 상기 유형 정보 및 상기 문체 특성 정보에 기초하여, 제1 데이터베이스에 저장된 복수의 습작용 작품 중 상기 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별하는 단계; 상기 습작용 작품의 작품 정보 및 시놉시스 분석에 관한 교육 정보를 포함하는 습작 교육 정보, 및 상기 습작용 작품의 시놉시스에 기초하여 상기 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 상기 학습자 단말에 전송하는 단계; 상기 학습자 단말로부터, 상기 제1 단위 이야기가 재구성된 제1 습작 이야기를 포함하는 제1 습작 데이터를 수신하는 단계; 대규모 언어 모델(Large Language Model; LLM)을 사용하여 상기 제1 습작 데이터 및 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계; 및 상기 제1 습작 데이터의 평가 항목별 평가 결과를 상기 학습자 단말에 전송하는 단계를 포함할 수 있다.

Description

웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법 및 시스템{METHOD AND SYSTEM FOR ARTIFICIAL INTELLIGENCE-BASED WRITING PRACTICE INSTRUCTION TO TRAIN WEB NOVEL WRITERS}

본 발명은 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법 및 시스템에 관한 것이다.

최근 웹 소설 등의 컨텐츠 시장 규모가 급속히 성장함에 따라, 웹 소설 작가가 되기를 희망하는 사람들도 많아지고 있다. 그러나 작가가 되기 위해서는 특정 작가에게 도제식 수업을 받아야 하는 것이 일반적인 방식이다. 이러한 도제식 수업은 작가 당 가르칠 수 있는 학습자가 매우 제한적이며, 해당 작가가 일일이 학습자의 성과물을 검토하여 주어야 하는 노력이 소요되며, 학습자들이 작가의 작품 성향에 따른 수업을 받게 되므로 본인의 문체 특성과 같은 성향을 유지하기 어렵다는 문제가 있다.

또한, 웹 소설 시장의 경우, 대중에게 인기 있는 작품 유형과 해당 유형에 대해 대중이 선호하는 작품 구성이 어느 정도 고정되어 있기 때문에, 작품성 보다는 인기가 있는 유형과 그 구성을 파악하는 것이 중요하다. 그러나 기존의 도제식 수업에서는 학습자들이 작가의 작품 성향에 따른 수업을 받게 되므로, 시장에서 인기 있는 웹 소설 유형에 따른 학습을 하기는 어렵다는 문제가 존재한다.

이에 따라, 웹 소설 작가 지망생들이 본인의 특성을 유지하면서 시장에서 인기 있는 웹 소설 유형과 그에 맞는 작품 구성에 따라 소설을 쓰는 법을 학습하게 하고, 이러한 학습을 받을 수 있는 학습자의 수에 대한 제한을 극복하며, 학습자의 성과물의 검토에 소요되는 비용을 감소시키는 방안이 요구된다.

선행문헌 1 : 한국 공개특허공보 제10-2022-0071372 호 (2022. 05. 31.) 선행문헌 2 : 한국 공개특허공보 제10-2018-0127075 호 (2018. 11. 28.) 선행문헌 3 : 한국 등록특허 제10-0877697 호 (2009. 01. 08.) 선행문헌 4 : 한국 등록특허 제10-2365341 호 (2022. 02. 23.)

본 발명은 상술한 종래의 문제점을 해결하기 위해 창안된 것으로서, 학습자 단말에 웹 소설의 유형 및 작품 구성에 관한 교육 정보를 포함하는 커리큘럼을 제공하고, 인공지능 모델을 이용한 성향 판단용 단위 이야기를 포함하는 이야기 데이터의 분석에 기초하여 학습자의 성향을 판단하여 적합한 습작용 작품을 제공하며, 학습자가 습작용 작품을 단위 이야기마다 재구성하도록 하고 인공지능 모델을 이용하여 재구성된 단위 이야기에 대한 평가를 제공함으로써, 학습자의 성향을 유지하면서 웹 소설 유형과 그에 맞는 작품 구성에 따라 소설을 쓰는 법을 학습하게 하고, 다수의 학습자가 동시에 웹 소설을 쓰는 법을 학습할 수 있게 하며, 학습자의 성과물의 검토에 소요되는 비용을 감소시키는 것에 그 목적이 있다.

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

본 발명의 실시예들에 따르면, 전자 장치에 의해 수행되는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은, 학습자 단말로부터 웹 소설 교육에 대한 요청을 수신하는 단계; 상기 요청을 수신하는 것에 응답하여, 웹 소설 유형에 관한 교육 정보, 주인공 설정에 관한 교육 정보, 문장 구성에 관한 교육 정보 및 연출에 관한 교육 정보를 포함하는 공통 학습 커리큘럼 정보, 및 상기 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 상기 학습자 단말에 전송하는 단계; 상기 학습자 단말로부터, 학습자에 의해 생성된 성향 판단용 단위 이야기를 포함하는 이야기 데이터를 수신하는 단계; NLU(Natural Language Understanding) 모델을 사용하여 상기 이야기 데이터를 처리함으로써 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성하는 단계; 상기 유형 정보 및 상기 문체 특성 정보에 기초하여, 제1 데이터베이스에 저장된 복수의 습작용 작품 중 상기 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별하는 단계; 상기 습작용 작품의 작품 정보 및 시놉시스 분석에 관한 교육 정보를 포함하는 습작 교육 정보, 및 상기 습작용 작품의 시놉시스에 기초하여 상기 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 상기 학습자 단말에 전송하는 단계; 상기 학습자 단말로부터, 상기 제1 단위 이야기가 재구성된 제1 습작 이야기를 포함하는 제1 습작 데이터를 수신하는 단계; 대규모 언어 모델(Large Language Model; LLM)을 사용하여 상기 제1 습작 데이터 및 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계; 및 상기 제1 습작 데이터의 평가 항목별 평가 결과를 상기 학습자 단말에 전송하는 단계를 포함할 수 있다.

본 발명의 실시예들에 따르면, 상기 NLU 모델을 사용하여 상기 이야기 데이터를 처리함으로써 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성하는 단계는, 상기 이야기 데이터를 토큰화하는 단계; 웹 소설 유형에 대한 유사도 및 문체 특성에 대한 유사도를 출력하도록 학습된 상기 NLU 모델에 상기 토큰화된 이야기 데이터를 입력하여, 상기 이야기 데이터에 대하여 유형 유사도 점수 및 문체 특성 유사도 점수를 산출하는 단계; 상기 유형 유사도 점수에 기초하여 복수의 웹 소설 유형 중 상기 이야기 데이터의 유형을 분류하고, 상기 분류에 기초하여 상기 성향 판단용 단위 이야기의 유형 정보를 생성하는 단계; 및 상기 문체 특성 유사도 점수에 기초하여 복수의 문체 특성 중 상기 이야기 데이터의 문체 특성을 분류하고, 상기 분류에 기초하여 상기 성향 판단용 단위 이야기의 문체 특성 정보를 생성하는 단계를 포함할 수 있다.

본 발명의 실시예들에 따르면, 상기 유형 정보 및 상기 문체 특성 정보에 기초하여, 제1 데이터베이스에 저장된 복수의 습작용 작품 중 상기 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별하는 단계는, 상기 제1 데이터베이스에 저장된 상기 복수의 습작용 작품 각각의 유형 정보 및 문체 특성 정보와 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 매핑함으로써, 대응하는 일 습작용 작품을 식별하는 단계를 포함할 수 있다.

본 발명의 실시예들에 따르면, 상기 복수의 평가 파라미터 그룹은, 웹 소설 유형에 관한 제1 평가 파라미터 그룹, 주인공 설정에 관한 제2 평가 파라미터 그룹, 주변인 설정에 관한 제3 평가 파라미터 그룹, 문장 구성에 관한 제4 평가 파라미터 그룹, 및 연출에 관한 제5 평가 파라미터 그룹을 포함할 수 있다.

본 발명의 실시예들에 따르면, 상기 LLM을 사용하여 상기 제1 습작 데이터 및 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계는, 제2 데이터베이스에서 웹 소설 유형 별로 출력하고자 하는 내용에 대한 조건을 나타내는 미리 정의된 출력 조건문 중 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 출력 조건문을 선택하는 단계; 상기 제1 습작 데이터, 상기 복수의 평가 파라미터 그룹, 및 상기 선택된 출력 조건문을 조합하여 입력 명령문을 생성하는 단계; 및 상기 LLM에 상기 입력 명령문을 입력하여 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계를 포함할 수 있다.

본 발명의 실시예들에 따르면, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은, 상기 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 이상인 경우, 상기 제1 단위 이야기에 후속하는 제2 단위 이야기를 재구성할 것을 지시하는 제3 메시지를 상기 학습자 단말에 전송하는 단계; 상기 학습자 단말로부터 상기 제2 단위 이야기가 재구성된 제2 습작 이야기를 포함하는 제2 습작 데이터를 수신하는 단계; 및 상기 LLM을 사용하여 상기 제2 습작 데이터, 상기 제2 평가 파라미터 그룹, 상기 제3 평가 파라미터 그룹, 상기 제4 평가 파라미터 그룹, 및 상기 제5 평가 파라미터 그룹을 처리함으로써, 상기 제2 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계를 더 포함할 수 있다.

본 발명의 실시예들에 따르면, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은, 상기 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 미만인 경우, 상기 제1 단위 이야기의 재구성을 반복하라는 지시문을 포함하는 제4 메시지를 상기 학습자 단말에 전송하는 단계를 더 포함할 수 있다.

본 발명은 학습자 단말에 웹 소설의 유형 및 작품 구성에 관한 교육 정보를 포함하는 커리큘럼을 제공하고, 인공지능 모델을 이용한 성향 판단용 단위 이야기를 포함하는 이야기 데이터의 분석에 기초하여 학습자의 성향을 판단하여 적합한 습작용 작품을 제공하며, 학습자가 습작용 작품을 단위 이야기마다 재구성하도록 하고 인공지능 모델을 이용하여 재구성된 단위 이야기에 대한 평가를 제공함으로써, 학습자의 성향을 유지하면서 웹 소설 유형과 그에 맞는 작품 구성에 따라 소설을 쓰는 법을 학습하게 하고, 다수의 학습자가 동시에 웹 소설을 쓰는 법을 학습할 수 있게 하며, 학습자의 성과물의 검토에 소요되는 비용을 감소시킬 수 있다.

도 1은 본 발명의 실시예들에 따른 시스템의 구성 예시도이다.
도 2는 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법을 수행하는 전자 장치의 구성 예시도이다.
도 3은 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법의 흐름도이다.
도 4는 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법의 흐름도이다.
도 5는 본 발명의 실시예들에 따른 전자 장치의 구성도이다.

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.

또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 특정한 경우 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

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.

본 명세서 전체에서 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 본 명세서에서 사용된 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서 전체에서 기재된 “b, 및 c 중 적어도 하나”의 표현은, 'a 단독', 'b 단독', 'c 단독', 'a 및 b', 'a 및 c', 'b 및 c', 또는 'a,b,c 모두'를 포괄할 수 있다.

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, 본 명세서에 기재된 “…부”, “…모듈” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 본 개시의 실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 실시 예는 하나 이상의 마이크로프로세서의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다.

본 명세서에 첨부된 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다.

이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것이 가능하며, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.

컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능할 수 있다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

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.

도 1은 본 발명의 실시예들에 따른 시스템(100)의 구성 예시도이다. 시스템(100)은 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 서비스를 제공하기 위한 시스템일 수 있다.

도 1을 참조하면, 시스템(100)은 서버(110) 및 학습자 단말(130-1 내지 130-n)을 포함할 수 있다. 서버(110) 및 학습자 단말(130-1 내지 130-n)은 네트워크(140)를 통해 유선 또는 무선으로 통신 연결될 수 있다.

실시예들에 따른 서버(110)는 웹 소설 작가를 양성 업체에 의해 운용되며, 인공지능에 기반하여 따라쓰기 습작 지도 서비스를 제공하는 웹 소설 작가 준비 지원 장치(120)를 포함할 수 있다. 서버(110)는 웹 소설 작가 준비 지원 장치(120)를 통해, 학습자 단말(130-1 내지 130-n)에 웹 소설 유형과 작품 구성을 학습하기 위한 교육 정보를 제공하고, 학습자 단말(130-1 내지 130-n)로부터 해당 교육 정보에 기초하여 생성된 성향 판단용 단위 이야기를 포함하는 이야기 데이터를 수신 및 분석하여, 각 학습자의 성향을 판단하고 그에 대응하는 습작용 작품과 시놉시스 분석 방법을 학습하기 위한 교육 정보를 제공할 수 있다.

또한, 서버(110)는 웹 소설 작가 준비 지원 장치(120)를 통해, 학습자 단말(130-1 내지 130-n)로부터 습작용 작품을 재구성한 단위 습작 이야기를 포함하는 습작 데이터를 수신 및 분석하여, 각 학습자의 습작 결과물이 각자 선택한 웹 소설 유형에 대응하는 작품 구성을 만족하는지 여부를 평가하여 피드백할 수 있다.

도 2는 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법을 수행하는 전자 장치(200)의 구성 예시도이다. 실시예들에 따른 전자 장치(200)는 도 1의 웹 소설 준비 지원 장치(120)를 포함하거나, 이에 포함될 수 있다. 또한, 실시예들에 따른 전자 장치(200)는 도 5의 전자 장치(500)에 의해 구현될 수 있다.

도 2를 참조하면, 전자 장치(200)는 학습 커리큘럼 제공 모듈(210), 학습자 성향 판단 모듈(220), 습작 지도 모듈(230), 습작용 작품 DB(database)(240), 평가 파라미터 DB(250), 및 훈련용 데이터 DB(260)를 포함할 수 있다.

실시예들에 따르면, 학습자 단말로부터 웹 소설 교육에 대한 요청이 수신되는 경우, 학습 커리큘럼 제공 모듈(210)은 공통 학습 커리큘럼 정보 및 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 학습자 단말에 전송할 수 있다. 실시예들에 따르면, 공통 학습 커리큘럼 정보는 웹 소설 유형에 관한 교육 정보, 주인공 설정에 관한 교육 정보, 문장 구성에 관한 교육 정보 및 연출에 관한 교육 정보를 포함할 수 있다.

실시예들에 따르면, 웹 소설 유형은 판타지, 로맨스 판타지, 회귀, 귀환, 빙의, 각성 등과 같이 소재에 따라 식별되는 웹 소설 작품군을 포함할 수 있다. 여기서 웹 소설 유형은 코드라고 지칭될 수 있다.

실시예들에 따르면, 웹 소설 유형에 관한 교육 정보는 웹 소설 유형 각각의 특징을 설명하는 설명 정보를 포함할 수 있다. 또한, 주인공 설정에 관한 교육 정보는 독자에게 인기를 얻을 수 있는 주인공의 특징을 설정하는 것에 관한 교육 정보로서, 주인공의 성격과 능력 설정, 주인공의 외형 설정, 및 주인공의 성별에 따라 추가적으로 고려되어야 하는 특징에 관한 설명 정보를 포함할 수 있다. 또한, 문장 구성에 관한 교육 정보는 주술 호응, 반복적 표현의 자제, 및 과도한 강조의 자제 등의 문장 구성을 교육하기 위한 정보를 포함할 수 있다. 또한, 연출에 관한 교육 정보는 독자의 흥미를 끌 수 있도록 하는 에피소드 구성, 및 이야기 단위(예: 제1화, 제2화 등)에 따라 이야기의 시작과 끝을 연출하는 방법에 관한 설명 등을 포함할 수 있다. 실시예들에 따르면, 상술한 교육 정보는 텍스트, 이미지, 또는 동영상 파일로서 학습자 단말에 제공될 수 있다.

실시예들에 따르면, 공통 학습 커리큘럼 정보 및 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 수신한 학습자 단말로부터, 학습자에 의해 창작된 성향 판단용 단위 이야기를 포함하는 이야기 데이터가 수신될 수 있다. 즉, 학습자 단말을 사용하는 학습자는 공통 학습 커리큘럼 정보에 따라 웹 소설을 쓰는 기초 학습을 수행한 후 임의의 작품의 도입부에 해당하는 1화의 이야기를 창작할 수 있다. 이는 학습자의 성향 판단을 위한 성향 판단용 단위 이야기로서 문서 파일의 형태로 생성되어 전자 장치로 전송될 수 있다.

실시예들에 따르면, 성향 판단용 단위 이야기를 포함하는 이야기 데이터가 수신되면, 학습자 성향 판단 모듈(220)은 이야기 데이터로부터 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성할 수 있다.

실시예들에 따르면, 전처리 모듈(222)은 이야기 데이터를 토큰화할 수 있고, 토큰화된 이야기 데이터를 NLU 모델(224)에 입력할 수 있다. 실시예들에 따르면, NLU 모델(224)은 토큰화된 이야기 데이터를 통해 성향 판단용 단위 이야기를 문장 별로 구분하여 문장 구문 분석을 수행하고, 성향 판단용 단위 이야기의 의미 문석을 수행할 수 있다. NLU 모델(224)은 상술한 분석을 통해 이야기 데이터에 대하여 유형 유사도 점수 및 문체 특성 유사도 점수를 산출할 수 있다. 예를 들어, 이야기 데이터가 판타지, 로맨스 판타지, 회귀, 귀환, 빙의, 각성과 같은 웹 소설 유형 각각에 대해 어느 정도의 유사도를 가지는지 나타내는 유형 유사도 점수가 산출될 수 있고, 화려한 문체, 담백한 문체와 같은 문체 특성 각각에 대해 어느 정도의 유사도를 가지는지 나타내는 문체 특성 유사도 점수가 산출될 수 있다.

실시예들에 따르면, NLU 모델(224)은 미리 설정된 제1 임계 점수보다 높은 유형 유사도 점수를 나타내는 하나 이상의 유형을 이야기 데이터의 유형으로 분류할 수 있고, 분류된 유형을 나타내는 성향 판단용 단위 이야기의 유형 정보를 생성할 수 있다. 또한, NLU 모델(224)은 미리 설정된 제2 임계 점수보다 높은 문체 특성 유사도 점수를 나타내는 유형을 이야기 데이터의 문체 특성으로 분류할 수 있고, 분류된 문체 특성을 나타내는 성향 판단용 단위 이야기의 문체 특성 정보를 생성할 수 있다. 예를 들어, NLU 모델(224)은 특정 학습자의 성향 판단용 단위 이야기가 “로맨스 판타지” 및 “회귀”의 유형을 포함하며, “화려한 문체”의 문체 특성을 가진다는 정보를 생성하여 출력할 수 있다.

실시예들에 따르면, 매핑 모듈(226)은 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보에 기초하여, 습작용 작품 DB(240)에 저장된 복수의 습작용 작품 중 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별할 수 있다. 실시예들에 따르면, 습작용 작품 DB(240)에는 복수의 습작용 작품 각각에 대하여 작품 정보, 유형 정보 및 문체 특성 정보가 데이터베이스화되어 저장되어 있을 수 있다. 실시예들에 따르면, 매핑 모듈(226)은 NLU 모델(224)에서 출력된 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 수신하면, 습작용 작품 DB(240)에서 해당 유형 정보 및 문체 특성 정보에 대응하는 습작용 작품을 검색함으로써, 학습자가 창작한 성향 판단용 단위 이야기의 특성에 대응하는 습작용 작품을 식별할 수 있다. 예를 들어, 매핑 모듈(226)은, “로맨스 판타지” 및 “회귀”의 유형이고 “화려한 문체”의 문체 특성을 가지는 것으로 분류된 학습자의 성향 판단용 단위 이야기에 대하여, 습작용 작품 DB(240)에 저장되어 있는 습작용 작품 중 “로맨스 판타지” 및 “회귀”의 유형 정보 및 “화려한 문체”의 문체 특성 정보를 가지는 습작용 작품 “A”를 식별할 수 있다.

실시예들에 따르면, 습작용 작품이 식별됨에 따라, 학습 커리큘럼 제공 모듈(210)은 습작 교육 정보 및 습작용 작품의 시놉시스에 기초하여 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 학습자 단말에 전송할 수 있다. 실시예들에 따르면, 습작 교육 정보는 습작용 작품의 작품 정보 및 시놉시스 분석에 관한 교육 정보를 포함할 수 있다. 예를 들어, 시놉시스 분석에 관한 교육 정보는 웹 소설의 시놉시스를 분석하는 방법을 설명하는 교육 정보를 포함할 수 있으며, 텍스트, 이미지, 또는 동영상 파일로서 학습자 단말에 제공될 수 있다.

실시예들에 따르면, 습작 교육 정보 및 습작용 작품의 시놉시스에 기초하여 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 수신한 학습자 단말로부터, 학습자에 의해 제1 단위 이야기가 재구성된 제1 습작 이야기를 포함하는 제1 습작 데이터가 수신될 수 있다. 즉, 학습자 단말을 사용하는 학습자는 시놉시스 분석에 관한 교육 정보에 따라 웹 소설의 시놉시스를 분석하는 방법을 학습하여 습작용 작품의 시놉시스를 추출하는 작업을 수행하고, 시놉시스에 따라 습작용 작품을 보지 않고 습작용 작품의 제1화를 재구성하여 작성할 수 있다. 이는 학습자의 성향을 고려하여 선택된 습작용 작품의 작품 구성을 학습자가 습득하도록 하기 위한 것이다. 학습자에 의해 재구성된 습작용 작품의 제1화는 문서 파일의 형태로 생성되어 전자 장치로 전송될 수 있다.

실시예들에 따르면, 제1 습작 이야기를 포함하는 제1 습작 데이터가 수신되면, 습작 지도 모듈(220)은 LLM(Large Language Model)(236)을 사용하여 제1 습작 데이터 및 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 제1 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다.

실시예들에 따르면, 전처리 모듈(232)은 제1 습작 데이터를 토큰화할 수 있고, 토큰화된 제1 습작 데이터를 명령문 생성 모듈(234)에 입력할 수 있다. 또한, 제1 습작 데이터가 수신됨에 따라, 습작 지도 모듈(230)은 평가 파라미터 DB(250)에서 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹 및 제1 습작 데이터의 웹 소설 유형에 대응하는 출력 조건문을 수신하여 명령문 생성 모듈(234)에 입력할 수 있다.

실시예들에 따르면, 평가 파라미터 DB(250)는 웹 소설 유형 별로 복수의 평가 파라미터 그룹과 출력하고자 하는 내용에 대한 조건을 나타내는 미리 정의된 출력 조건문을 저장하고 있을 수 있다. 실시예들에 따르면, 습작 지도 모듈(230)은 웹 소설 유형 별로 저장되어 있는 복수의 평가 파라미터 그룹과 미리 정의된 출력 조건문 중 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹과 출력 조건문을 선택할 수 있다.

실시예들에 따르면, 복수의 평가 파라미터 그룹은, 웹 소설 유형에 관한 제1 평가 파라미터 그룹, 주인공 설정에 관한 제2 평가 파라미터 그룹, 주변인 설정에 관한 제3 평가 파라미터 그룹, 문장 구성에 관한 제4 평가 파라미터 그룹, 및 연출에 관한 제5 평가 파라미터 그룹을 포함할 수 있다.

실시예들에 따르면, 웹 소설 유형에 관한 제1 평가 파라미터 그룹은 특정 유형의 웹 소설의 제1화에 포함되어야 하는 장면에 대한 복수의 평가 기준을 나타내는 파라미터를 포함할 수 있다. 또한, 주인공 설정에 관한 제2 평가 파라미터 그룹은 특정 유형의 웹 소설의 전체 일화에 걸쳐 포함되어야 하거나 포함되지 않아야 하는 주인공의 성격, 능력 및 외형에 대한 복수의 평가 기준을 나타내는 파라미터를 포함할 수 있다. 또한, 주변인 설정에 관한 제3 평가 파라미터 그룹은 특정 유형의 웹 소설의 전체 일화에 걸쳐 포함되어야 하거나 포함되지 않아야 하는 주변인의 성격, 능력 및 외형에 대한 복수의 평가 기준을 나타내는 파라미터를 포함할 수 있다. 또한, 문장 구성에 관한 제4 평가 파라미터 그룹은 특정 유형의 웹 소설의 전체 일화에 걸쳐 준수되어야 하는 문장의 문법 및 표현에 대한 복수의 평가 기준을 나타내는 파라미터를 포함할 수 있다. 또한, 연출에 관한 제5 평가 파라미터 그룹은 특정 유형의 웹 소설의 특정 일화에서 준수되어야 하는 에피소드 구성 및 일화의 시작과 끝 부분에 대한 대한 복수의 평가 기준을 나타내는 파라미터를 포함할 수 있다.

실시예들에 따르면, 출력 조건문은 습작 데이터가 해당 유형의 웹 소설에 대한 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준을 만족하는지 여부, 각 평가 기준의 만족 여부에 대한 판단 근거, 및 각 평가 기준에 대한 성취도의 수치 점수에 대한 출력을 요청하는 문장을 포함할 수 있다.

실시예들에 따르면, 명령문 생성 모듈(234)은 제1 습작 데이터, 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹, 및 선택된 출력 조건문을 조합하여 입력 명령문을 생성하여 출력할 수 있다. 실시예들에 따르면, 명령문 생성 모듈(234)은 제1 습작 데이터, 제1 내지 제5 평가 파라미터 그룹, 제1 습작 데이터의 웹 소설 유형에 대응하는 출력 조건문을 조합한 입력 명령문을 LLM(236)에 입력할 수 있다. 예를 들어, 제1 습작 데이터가 “로맨스 판타지” 및 “회귀”의 유형 정보를 가지는 습작용 작품 “A”의 제1화를 재구성한 것일 경우, 명령문 생성 모듈(234)은 제1 습작 데이터, “로맨스 판타지” 및 “회귀” 유형에 대응하는 복수의 평가 파라미터 그룹, 및 “로맨스 판타지” 및 “회귀” 유형에 대응하는 출력 조건문을 조합하여 입력 명령문을 생성할 수 있다.

실시예들에 따르면, LLM(236)은 토큰화된 제1 습작 데이터를 통해 제1 단위 이야기를 문장 별로 구분하여 문장 구문 분석을 수행하고, 제1 단위 이야기의 의미 문석을 수행할 수 있다. LLM(236)은 상술한 분석을 통해 제1 단위 이야기가 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준을 만족하는지 여부를 판단하고, 제1 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다. 실시예들에 따르면, 평가 항목별 평가 결과는 출력 조건문에서 정의된 바에 따라, 습작 데이터가 해당 유형의 웹 소설에 대한 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준을 만족하는지 여부, 각 평가 기준의 만족 여부에 대한 판단 근거, 및 각 평가 기준에 대한 성취도의 수치 점수를 포함하는 문장 형태로 출력될 수 있다.

실시예들에 따르면, 평가 결과 생성 모듈(238)은 LLM(236)에 의해 출력된 문장 형태의 제1 습작 데이터의 평가 항목별 평가 결과에 대하여 부사 제거, 중복 내용 제거 등과 같이 불필요한 부분을 제거하고, 문단 구성을 미리 정해진 포맷에 따라 변환하는 등의 후처리를 수행함으로써 정제된 출력문을 출력할 수 있다. 실시예들에 따르면, 습작 지도 모듈(230)은 제1 습작 데이터의 평가 항목별 평가 결과를 포함하는 정제된 출력문을 학습자 단말에 전송할 수 있다.

실시예들에 따르면, 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 이상일 수 있다. 즉, 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준에 대하여 제1 습작 데이터의 성취도의 수치 점수가 전부 미리 설정된 점수 이상일 수 있다. 이는, 학습자가 해당 유형의 웹 소설의 제1화가 만족하여야 하는 작품 구성을 충분히 습득하였다는 의미일 수 있다. 이 경우, 습작 지도 모듈(230)은 제1 단위 이야기에 후속하는 제2 단위 이야기를 재구성할 것을 지시하는 제3 메시지를 학습자 단말에 전송할 수 있다. 즉, 습작 지도 모듈(230)은 습작용 작품의 제2화를 재구성할 것을 지시하는 메시지를 학습자 단말에 전송할 수 있다.

실시예들에 따르면, 제3 메시지를 수신한 학습자 단말로부터, 학습자에 의해 제2 단위 이야기가 재구성된 제2 습작 이야기를 포함하는 제2 습작 데이터가 수신될 수 있다. 즉, 학습자 단말을 사용하는 학습자는 습작용 작품을 보지 않고 시놉시스에만 기초하여 습작용 작품의 제2화를 재구성하여 작성할 수 있다. 학습자에 의해 재구성된 습작용 작품의 제2화는 문서 파일의 형태로 생성되어 전자 장치로 전송될 수 있다.

실시예들에 따르면, 습작 지도 모듈(230)은 제2 습작 데이터에 대해서도 상술한 바와 같이 제1 습작 데이터와 동일한 처리를 수행할 수 있다. 즉, 습작 지도 모듈(230)은 LLM(236)을 사용하여 제2 습작 데이터와 복수의 평가 파라미터 그룹을 처리함으로써 제2 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다. 다만 제2 습작 데이터부터는 복수의 평가 파라미터 그룹 중 제1 평가 파라미터 그룹을 제외한 제2 평가 파라미터 그룹, 제3 평가 파라미터 그룹, 제4 평가 파라미터 그룹, 및 제5 평가 파라미터 그룹이 명령문 생성 모듈(234)에 입력될 수 있다.

실시예들에 따르면, 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 미만일 수 있다. 즉, 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준에 대하여 제1 습작 데이터의 성취도의 수치 점수 중 적어도 일부가 미리 설정된 점수 미만일 수 있다. 이 경우, 습작 지도 모듈(230)은 제1 단위 이야기의 재구성을 반복하라는 지시문을 포함하는 제4 메시지를 학습자 단말에 전송할 수 있다. 습작 지도 모듈(230)은 제1 습작 데이터의 성취도의 수치 점수가 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준 전부에 대하여 미리 설정된 점수 이상이 될 때까지 제1 단위 이야기의 재구성을 반복하라는 지시문을 학습자 단말에 전송할 수 있다.

상술한 습작용 작품의 단위 이야기의 재구성 및 그에 대한 평가 프로세스는 전자 장치에 의해 미리 설정된 제N 단위 이야기까지 반복하여 수행될 수 있다. 이와 같은 프로세스를 통해, 다수의 학습자가 각자의 창작 성향에 맞는 유형의 웹 소설의 시놉시스와 작품 구성을 반복하여 동시에 학습할 수 있으며, 학습자의 성과물의 검토에 소요되는 노력과 비용이 감소됨으로써 웹 소설 작가가 되는 데 소요되는 시간을 단축시킬 수 있다.

실시예들에 따르면, 훈련용 데이터 DB(260)는NLU 모델(224) 및 LLM(236)을 학습시키기 위한 훈련용 데이터를 저장할 수 있다. 예를 들어, NLU 모델(224)은 복수의 문장으로 구성된 복수의 단위 이야기를 포함하는 데이터 세트를 훈련용 입력 데이터로 하고, 이야기 데이터의 유형 및 문체 특성에 관한 정보를 훈련용 출력 데이터로 하여, 훈련용 입력 데이터가 훈련용 출력 데이터로 분류될 수 있도록 훈련용 입력 데이터 및 훈련용 출력 데이터 사이의 상관 관계를 학습시킴으로써 구축될 수 있다.

LLM(236)은 복수의 문장으로 구성된 복수의 단위 이야기를 포함하는 데이터 세트를 훈련용 입력 데이터로 하고, 각각의 단위 이야기에 대응하는 데이터가 해당 유형의 웹 소설에 대한 복수의 평가 파라미터 그룹 각각에 포함된 복수의 평가 기준을 만족하는지 여부, 각 평가 기준의 만족 여부에 대한 판단 근거, 및 각 평가 기준에 대한 성취도의 수치 점수를 훈련용 출력 데이터로 하여, 훈련용 입력 데이터 및 훈련용 출력 데이터 사이의 상관 관계를 학습시킴으로써 구축될 수 있다.

실시예들에 따르면, NLU 모델(224)은 공개된 다양한 종류의 자연어 처리용 인공지능 모델을 사용하여 구현될 수 있다. 또한 실시예들에 따르면, LLM(236)은 공개된 다양한 종류의 대규모 언어 모델 API를 사용하여 구현될 수 있다. 예를 들어, LLM(236)은 GPT-4, Claude, LLaMA, Alpaca 등을 사용하여 구현될 수 있다. GPT-4, Claude, LLaMA, 및 Alpaca 등은 트랜스포머(transformer) 기반 디코더 구조로 구성되어 있고, 명령문(prompt)으로 지칭도는 텍스트를 입력 받고 텍스트를 출력하는 형태로 동작한다. 따라서, 본 명세서에서 설명을 생략하였으나, 널리 알려진 NLU 모델 및 대규모 언어 모델을 통한 데이터 처리를 위해 통상적으로 수행되는 문장에 대한 인덱싱 처리, 벡터로의 표현과 같은 각종 처리들이 추가적으로 수행될 수 있다는 것은 통상의 기술자에게 자명하게 이해될 수 있다.

도 3은 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법의 흐름도이다. 도 3의 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은 전자 장치(예: 도 2의 전자 장치(200), 도 5의 전자 장치(500))에 의해 수행될 수 있다.

도 3을 참조하면, 단계 301에서, 전자 장치는 학습자 단말로부터 웹 소설 교육에 대한 요청을 수신할 수 있다.

단계 303에서, 전자 장치는 요청을 수신하는 것에 응답하여, 웹 소설 유형에 관한 교육 정보 및 주인공 설정에 관한 교육 정보, 문장 구성에 관한 교육 정보 및 연출에 관한 교육 정보를 포함하는 공통 학습 커리큘럼 정보, 및 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 학습자 단말에 전송할 수 있다.

단계 305에서, 전자 장치는 학습자 단말로부터, 학습자에 의해 생성된 성향 판단용 단위 이야기를 포함하는 이야기 데이터를 수신할 수 있다.

단계 307에서, 전자 장치는 NLU 모델을 사용하여 이야기 데이터를 처리함으로써 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성할 수 있다. 실시예들에 따르면, 전자 장치는 이야기 데이터를 토큰화할 수 있고, 웹 소설 유형에 대한 유사도 및 문체 특성에 대한 유사도를 출력하도록 학습된 NLU 모델에 토큰화된 이야기 데이터를 입력하여, 이야기 데이터에 대하여 유형 유사도 점수 및 문체 특성 유사도 점수를 산출할 수 있다. 또한, 전자 장치는 유형 유사도 점수에 기초하여 복수의 웹 소설 유형 중 이야기 데이터의 유형을 분류하고, 분류에 기초하여 성향 판단용 단위 이야기의 유형 정보를 생성할 수 있다. 실시예들에 따르면, 전자 장치는 문체 특성 유사도 점수에 기초하여 복수의 문체 특성 중 이야기 데이터의 문체 특성을 분류하고, 분류에 기초하여 성향 판단용 단위 이야기의 문체 특성 정보를 생성할 수 있다.

단계 309에서, 전자 장치는 유형 정보 및 문체 특성 정보에 기초하여, 제1 데이터베이스(예: 도 2의 습작용 작품 DB(240))에 저장된 복수의 습작용 작품 중 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별할 수 있다. 실시예들에 따르면, 전자 장치는 제1 데이터베이스에 저장된 복수의 습작용 작품 각각의 유형 정보 및 문체 특성 정보와 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 매핑함으로써, 대응하는 일 습작용 작품을 식별할 수 있다.

단계 311에서, 전자 장치는 습작용 작품의 작품 정보 및 시놉시스 분석에 관한 교육 정보를 포함하는 습작 교육 정보, 및 습작용 작품의 시놉시스에 기초하여 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 학습자 단말에 전송할 수 있다.

단계 313에서, 전자 장치는 학습자 단말로부터, 제1 단위 이야기가 재구성된 제1 습작 이야기를 포함하는 제1 습작 데이터를 수신할 수 있다.

단계 315에서, 전자 장치는 LLM을 사용하여 제1 습작 데이터 및 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 제1 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다. 실시예들에 따르면, 복수의 평가 파라미터 그룹은, 웹 소설 유형에 관한 제1 평가 파라미터 그룹, 주인공 설정에 관한 제2 평가 파라미터 그룹, 주변인 설정에 관한 제3 평가 파라미터 그룹, 문장 구성에 관한 제4 평가 파라미터 그룹, 및 연출에 관한 제5 평가 파라미터 그룹을 포함할 수 있다.

실시예들에 따르면, 전자 장치는 제2 데이터베이스(예: 평가 파라미터 DB(250))에서 웹 소설 유형 별로 출력하고자 하는 내용에 대한 조건을 나타내는 미리 정의된 출력 조건문 중 제1 습작 데이터의 웹 소설 유형에 대응하는 출력 조건문을 선택할 수 있다. 또한, 전자 장치는 제1 습작 데이터, 복수의 평가 파라미터 그룹, 및 선택된 출력 조건문을 조합하여 입력 명령문을 생성하고, LLM에 입력 명령문을 입력하여 제1 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다.

단계 317에서, 전자 장치는 제1 습작 데이터의 평가 항목별 평가 결과를 학습자 단말에 전송할 수 있다.

도 4는 본 발명의 실시예들에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법의 흐름도이다. 도 4의 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법은 전자 장치(예: 도 2의 전자 장치(200), 도 5의 전자 장치(500))에 의해 수행될 수 있다.

도 4를 참조하면, 단계 401에서, 전자 장치는 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 이상인지 여부를 판단할 수 있다.

제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 이상인 경우, 전자 장치는 단계 403 내지 407을 수행할 수 있다.

단계 403에서, 전자 장치는 제1 단위 이야기에 후속하는 제2 단위 이야기를 재구성할 것을 지시하는 제3 메시지를 상기 학습자 단말에 전송할 수 있다.

단계 405에서, 전자 장치는 학습자 단말로부터 제2 단위 이야기가 재구성된 제2 습작 이야기를 포함하는 제2 습작 데이터를 수신할 수 있다.

단계 407에서, 전자 장치는 LLM을 사용하여 제2 습작 데이터, 제2 평가 파라미터 그룹, 제3 평가 파라미터 그룹, 제4 평가 파라미터 그룹, 및 제5 평가 파라미터 그룹을 처리함으로써, 제2 습작 데이터의 평가 항목별 평가 결과를 출력할 수 있다. 즉, 단계 403 내지 407은 도 3의 단계 311 내지 315와 유사하게 수행될 수 있다.

제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 미만인 경우, 단계 409에서, 전자 장치는 제1 단위 이야기의 재구성을 반복하라는 지시문을 포함하는 제4 메시지를 학습자 단말에 전송할 수 있다.

도 5는 본 발명의 실시예들에 따른 전자 장치의 구성도이다. 전자 장치(500)는 본 발명에 따른 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법을 수행하는 전자 장치(도 1의 120, 도 2의 200)을 구현하도록 구성될 수 있다.

도 5를 참조하면, 전자 장치(500)는 트랜시버(transceiver)(510), 프로세서(520), 메모리(530) 및 데이터베이스(540)를 포함할 수 있다. 도 5에는 본 개시의 실시예와 관련된 전자 장치(500)의 구성요소들만이 도시되어 있다. 따라서, 도 5에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 전자 장치에 더 포함될 수 있음을 본 실시 예와 관련된 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다.

트랜시버(510)는 외부 장치와 통신 채널을 설립하고, 외부 장치와 다양한 데이터를 송수신할 수 있다. 트랜시버(510)는 유/무선 통신을 수행하여 관련 정보를 송수신할 수 있다. 트랜시버(510)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있을 수 있으나, 이에 제한되지 않는다.

프로세서(520)는 전자 장치(500)의 전반적인 동작을 제어하고 데이터 및 신호를 처리할 수 있다. 프로세서(520)는 적어도 하나의 하드웨어 유닛으로 구성될 수 있다. 또한, 프로세서(520)는 메모리(530)에 저장된 프로그램 코드를 실행하여 생성되는 하나 이상의 소프트웨어 모듈에 의해 동작할 수 있다. 프로세서(520)는 메모리(530)에 저장된 컴퓨터 프로그램이나 명령어를 실행하여 전자 장치(500)의 전반적인 동작을 제어하고 데이터 및 신호를 처리할 수 있다. 프로세서(520)는 본 개시 전반에서 설명되는 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법에 관한 내용을 수행하도록 구성될 수 있다.

메모리(530)는 본 개시 전반에서 설명되는 다양한 포맷의 데이터를 자동으로 매핑하고 정제하는 방법을 수행하기 위한 컴퓨터 프로그램을 실행하는 데 필요한 프로그램 코드 및 정보를 저장할 수 있다. 메모리(530)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.

데이터베이스(540)는 다양한 정보를 저장할 수 있다. 데이터베이스(540)는 프로세서(520)의 제어 하에 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법을 수행하기 위해 이용되는 인공지능 모델과 이러한 인공지능 모델을 학습시키기 위한 훈련용 데이터를 저장할 수 있으며, 습작용 작품 DB(240), 평가 파라미터 DB(250), 및 훈련용 데이터 DB(260)을 포함할 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

전자 장치에 의해 수행되는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법에 있어서,
학습자 단말로부터 웹 소설 교육에 대한 요청을 수신하는 단계;
상기 요청을 수신하는 것에 응답하여, 웹 소설 유형에 관한 교육 정보, 주인공 설정에 관한 교육 정보, 문장 구성에 관한 교육 정보 및 연출에 관한 교육 정보를 포함하는 공통 학습 커리큘럼 정보, 및 상기 공통 학습 커리큘럼 정보에 따른 이야기 구성을 지시하는 제1 메시지를 상기 학습자 단말에 전송하는 단계;
상기 학습자 단말로부터, 학습자에 의해 생성된 성향 판단용 단위 이야기를 포함하는 이야기 데이터를 수신하는 단계;
NLU(Natural Language Understanding) 모델을 사용하여 상기 이야기 데이터를 처리함으로써 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성하는 단계;
상기 유형 정보 및 상기 문체 특성 정보에 기초하여, 제1 데이터베이스에 저장된 복수의 습작용 작품 중 상기 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별하는 단계;
상기 습작용 작품의 작품 정보 및 시놉시스 분석에 관한 교육 정보를 포함하는 습작 교육 정보, 및 상기 습작용 작품의 시놉시스에 기초하여 상기 습작용 작품의 제1 단위 이야기를 재구성할 것을 지시하는 제2 메시지를 상기 학습자 단말에 전송하는 단계;
상기 학습자 단말로부터, 상기 제1 단위 이야기가 재구성된 제1 습작 이야기를 포함하는 제1 습작 데이터를 수신하는 단계;
대규모 언어 모델(Large Language Model; LLM)을 사용하여 상기 제1 습작 데이터 및 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계; 및
상기 제1 습작 데이터의 평가 항목별 평가 결과를 상기 학습자 단말에 전송하는 단계를 포함하는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법.
제1항에 있어서,
상기 NLU 모델을 사용하여 상기 이야기 데이터를 처리함으로써 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 생성하는 단계는,
상기 이야기 데이터를 토큰화하는 단계;
웹 소설 유형에 대한 유사도 및 문체 특성에 대한 유사도를 출력하도록 학습된 상기 NLU 모델에 상기 토큰화된 이야기 데이터를 입력하여, 상기 이야기 데이터에 대하여 유형 유사도 점수 및 문체 특성 유사도 점수를 산출하는 단계;
상기 유형 유사도 점수에 기초하여 복수의 웹 소설 유형 중 상기 이야기 데이터의 유형을 분류하고, 상기 분류에 기초하여 상기 성향 판단용 단위 이야기의 유형 정보를 생성하는 단계; 및
상기 문체 특성 유사도 점수에 기초하여 복수의 문체 특성 중 상기 이야기 데이터의 문체 특성을 분류하고, 상기 분류에 기초하여 상기 성향 판단용 단위 이야기의 문체 특성 정보를 생성하는 단계를 포함하는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법.
제2항에 있어서,
상기 유형 정보 및 상기 문체 특성 정보에 기초하여, 제1 데이터베이스에 저장된 복수의 습작용 작품 중 상기 성향 판단용 단위 이야기에 대응하는 습작용 작품을 식별하는 단계는,
상기 제1 데이터베이스에 저장된 상기 복수의 습작용 작품 각각의 유형 정보 및 문체 특성 정보와 상기 성향 판단용 단위 이야기의 유형 정보 및 문체 특성 정보를 매핑함으로써, 대응하는 일 습작용 작품을 식별하는 단계를 포함하는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법.
제3항에 있어서,
상기 복수의 평가 파라미터 그룹은, 웹 소설 유형에 관한 제1 평가 파라미터 그룹, 주인공 설정에 관한 제2 평가 파라미터 그룹, 주변인 설정에 관한 제3 평가 파라미터 그룹, 문장 구성에 관한 제4 평가 파라미터 그룹, 및 연출에 관한 제5 평가 파라미터 그룹을 포함하고,
상기 LLM을 사용하여 상기 제1 습작 데이터 및 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 복수의 평가 파라미터 그룹을 처리함으로써, 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계는,
제2 데이터베이스에서 웹 소설 유형 별로 출력하고자 하는 내용에 대한 조건을 나타내는 미리 정의된 출력 조건문 중 상기 제1 습작 데이터의 웹 소설 유형에 대응하는 출력 조건문을 선택하는 단계;
상기 제1 습작 데이터, 상기 복수의 평가 파라미터 그룹, 및 상기 선택된 출력 조건문을 조합하여 입력 명령문을 생성하는 단계; 및
상기 LLM에 상기 입력 명령문을 입력하여 상기 제1 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계를 포함하는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법.
제4항에 있어서,
상기 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 이상인 경우,
상기 제1 단위 이야기에 후속하는 제2 단위 이야기를 재구성할 것을 지시하는 제3 메시지를 상기 학습자 단말에 전송하는 단계;
상기 학습자 단말로부터 상기 제2 단위 이야기가 재구성된 제2 습작 이야기를 포함하는 제2 습작 데이터를 수신하는 단계; 및
상기 LLM을 사용하여 상기 제2 습작 데이터, 상기 제2 평가 파라미터 그룹, 상기 제3 평가 파라미터 그룹, 상기 제4 평가 파라미터 그룹, 및 상기 제5 평가 파라미터 그룹을 처리함으로써, 상기 제2 습작 데이터의 평가 항목별 평가 결과를 출력하는 단계를 더 포함하고,
상기 제1 습작 데이터의 평가 항목별 평가 결과가 미리 설정된 점수 미만인 경우,
상기 제1 단위 이야기의 재구성을 반복하라는 지시문을 포함하는 제4 메시지를 상기 학습자 단말에 전송하는 단계를 더 포함하는, 웹 소설 작가를 양성하기 위한 인공지능 기반 따라쓰기 습작 지도 방법.