KR20140042994A - 가상 에이전트와의 대화 내용에서 자동으로 추출되는 개인 프로파일링 정보를 이용한 자동학습 기반의 인공지능 대화 시스템 - Google Patents

Abstract

실시 예에 따른 자동학습 기반 인공지능 대화 시스템은, 개인별 의도에 따라 분류된 문장 표현 및 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된 데이터 베이스, 상기 개인화 정보 표현 학습 데이터의 상기 문장 표현을 형태소 단위로 분석하고 상기 형태소 단위로 상기 분류 태그가 부착된 개인 프로파일링 정보 표현을 학습하는 학습기, 현재 발화 입력된 대화 문장을 형태소 단위로 언어 분석하는 언어 분석부, 상기 언어 분석부에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하는 추출부, 상기 사용자 프로파일링 정보를 개인 선호 정보에 따라 분류된 개인 프로파일링 정보로 누적 저장하는 개인 이력 정보 데이터 베이스, 상기 언어 분석부에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하는 의도분석부 및 상기 의도분석부에서 결정된 상기 의도에 따라 상기 개인 이력 정보 데이터 베이스에 누적 저장된 상기 개인 프로파일링 정보를 기초로 상기 대화 문장에 대한 대화 흐름을 결정하여, 응답 문장을 생성하는 응답 생성부를 포함할 수 있다

Description

가상 에이전트와의 대화 내용에서 자동으로 추출되는 개인 프로파일링 정보를 이용한 자동학습 기반의 인공지능 대화 시스템{Machine learning based of artificial intelligence conversation system using personal profiling information to be extracted automatically from the conversation contents with the virtual agent}

실시 예는 자동 학습 기반 인공지능 대화 시스템에 관한 것으로서, 더욱 상세하게는 이동통신 단말기를 이용한 인공지능 대화 에이전트 사이에서의 대화문장 속에서 자동 학습된 개인 프로파일링 정보를 기초로 사용자의 의도를 결정 및 파악하여 대화 흐름이 용이하도록 하는 자동학습 기반 인공지능 대화 시스템에 관한 것이다.

현재 대화 시스템에서 적용되는 대화 관리의 대상이 되는 속성 정보는 오랜 시간 보관이 필요 없는 단기간 저장 대상이 되는 속성 정보로서, 대부분 현재의 대화 흐름에 필요한 정보만으로 국한하여 대화 관리 대상으로 삼고 있다. 이러한 속성 정보의 인식은 개인 단말기의 위치 정보와 같은 부가 정보를 이용하여 더욱 명확하게 할 수 있지만, "3년 전에 갔던 미국 여행에서 누구를 만났었지?"라는 질문에 대답하기 위한 개인 역사의 이력 정보는, 현재의 대화 흐름이 아닌 장시간에 걸쳐 누적된 개인 이력 정보 관리가 필요하고, 이를 위해서는 개인이 취하는 활동, 사건, 대상에 대한 선호/거부감 정도와 같은 더 높은 차원의 개인 신상 정보의 프로파일링 지식을 추출하고 활용하는 방법이 필요해 진다.

최근 들어, 대화 이력 관리의 기간이 개인의 일생에 대한 기록 데이터로 활용되는 경우, 그 속에서 파악될 수 있는 개인의 성향과 취향 정보와 같은 개인 프로파일링의 의미 특성을 자동 추출/학습하여 적용함으로써, 인공지능 대화 에이전트를 대하는 사용자 경험이 오래되고 친숙한 친구와 대화하는 느낌의 자연스러운 대화 흐름을 생성하도록 하기 위한 연구가 진행 중에 있다.

실시 예의 목적은, 이동통신 단말기를 이용한 인공지능 대화 에이전트 사이에서의 대화문장 속에서 자동 학습된 개인 프로파일링 정보를 기초로 사용자의 의도를 결정 및 파악하여 대화 흐름이 용이한 자동학습 기반 인공지능 대화 시스템을 제공함에 있다.

실시 예에 따른 자동학습 기반 인공지능 대화 시스템은, 개인별 의도에 따라 분류된 문장 표현 및 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된 데이터 베이스, 상기 개인화 정보 표현 학습 데이터의 상기 문장 표현을 형태소 단위로 분석하고 상기 형태소 단위로 상기 분류 태그가 부착된 개인 프로파일링 정보 표현을 학습하는 학습기, 현재 발화 입력된 대화 문장을 형태소 단위로 언어 분석하는 언어 분석부, 상기 언어 분석부에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하는 추출부, 상기 사용자 프로파일링 정보를 개인 선호 정보에 따라 분류된 개인 프로파일링 정보로 누적 저장하는 개인 이력 정보 데이터 베이스, 상기 언어 분석부에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하는 의도분석부 및 상기 의도분석부에서 결정된 상기 의도에 따라 상기 개인 이력 정보 데이터 베이스에 누적 저장된 상기 개인 프로파일링 정보를 기초로 상기 대화 문장에 대한 대화 흐름을 결정하여, 응답 문장을 생성하는 응답 생성부를 포함할 수 있다.

또한, 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 동작방법은, 데이터 베이스에 개인별 의도에 따라 분류된 문장 표현 및 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정되는 단계, 학습기가 상기 개인화 정보 표현 학습 데이터의 상기 문장 표현을 형태소 단위로 분석하고 상기 형태소 단위로 상기 분류 태그가 부착된 개인 프로파일링 정보 표현을 학습하는 단계, 현재 발화 입력된 대화 문장을 형태소 단위로 언어 분석하는 단계, 상기 언어 분석 단계에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하는 단계, 개인 이력 정보 데이터 베이스에서 상기 사용자 프로파일링 정보를 개인 선호 정보에 따라 분류된 개인 프로파일링 정보로 누적 저장하는 단계, 상기 언어 분석 단계에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하는 단계 및 상기 의도 결정 단계에서 결정된 상기 의도에 따라 상기 개인 이력 정보 데이터 베이스에 누적 저장된 상기 개인 프로파일링 정보를 기초로 상기 대화 문장에 대한 대화 흐름을 결정하여, 응답 문장을 생성하는 단계를 포함할 수 있다.

실시 예에 따른 자동학습 기반 인공지능 대화 시스템은, 이전 발화 입력된 문장에 대한 누적 학습 된 개인 프로파일링 정보를 기초로 현재 발화 입력된 대화문장에 대한 사용자의 의도를 결정하여 응답 문장을 생성할 수 있음으로써, 사용자와 자연스럽게 대화할 수 있는 이점이 있다.

또한, 실시 예에 따른 자동학습 기반 인공지능 대화 시스템은, 사용자의 의도를 결정하여 응답 문장을 생성함으로써, 사용자의 흥미를 유발시킬 수 있는 이점이 있다.

도 1은 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 제어구성을 나타낸 제어블록도이다.
도 2는 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 동작방법을 나타낸 순서도이다.
도 3 및 도 4는 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 동작을 예를 들어 나타낸 동작 순서도이다.

실시 예의 구성 요소를 설명하는 데 있어서, 동일한 명칭의 구성 요소에 대하여 도면에 따라 다른 참조부호를 부여할 수도 있으며, 서로 다른 도면임에도 불구하고 동일한 참조부호를 부여할 수도 있다. 그러나, 이와 같은 경우라 하더라도 해당 구성 요소가 실시 예에 따라 서로 다른 기능을 갖는다는 것을 의미하거나, 서로 다른 실시 예에서 동일한 기능을 갖는다는 것을 의미하는 것은 아니며, 각각의 구성 요소의 기능은 해당 실시 예에서의 각각의 구성요소에 대한 설명에 기초하여 판단하여야 할 것이다.

또한, 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.

또한, 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

이하에서는, 실시 예에 따른 자동학습 기반 인공지능 대화 시스템에 대한 동작 및 작용을 이해하는데 필요한 부분을 도면을 중심으로 상세히 설명한다.

도 1은 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 제어구성을 나타낸 제어블록도이다.

도 1을 참조하면, 자동학습 기반 인공지능 대화 시스템은 개인별 의도에 따라 분류된 문장 표현 및 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된 데이터 베이스(10), 상기 개인화 정보 표현 학습 데이터의 상기 문장 표현을 형태소 단위로 분석하고 상기 형태소 단위로 상기 분류 태그가 부착된 개인 프로파일링 정보 표현을 학습하는 학습기(20), 현재 발화 입력된 대화문장을 형태소 단위로 언어 분석하는 언어 분석부(30), 언어분석부(30)에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하는 추출부(40), 상기 사용자 프로파일링 정보를 개인 선호 정보에 따라 분류된 개인 프로파일링 정보로 누적 저장하는 개인 이력 정보 데이터 베이스(50), 언어분석부(30)에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하는 의도분석부(60) 및 의도분석부(60)에서 결정된 상기 의도에 따라 개인 이력 정보 데이터 베이스(50)에 누적 저장된 상기 개인 프로파일링 정보를 통하여 상기 대화 문장에 대한 대화 흐름을 관리하며, 응답 문장을 생성하는 응답 생성부(70)를 포함할 수 있다.

데이터 베이스(10)는 개인별 이전 발화 입력된 문장 표현을 통하여 자동 학습되며, 상기 문장 표현을 상기 개인별 의도에 따라 분류하고, 상기 분류된 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된다.

이때, 데이터 베이스(10)는 개인 이력 정보 데이터 베이스(50)와 다른 제어 구성으로 나타내었으나, 개인 이력 정보 데이터 베이스(50)와 동일한 제어 구성일 수 있으며, 이에 한정을 두지 않는다.

데이터 베이스(10)는 상기 개인화 정보 표현 학습 데이터를 개인 이력 정보 데이터 베이스(50)에서 전송받아 설정될 수 있으며, 이에 한정을 두지 않는다.

실시 예에서, 데이터 베이스(10)는 사용자 개인의 의도에 따라 분류된 분류 정보, 즉 상기 개인화 정보 표현 학습 데이터의 집합으로 개인별 및 의도별로 설정될 수 있으며, 개인 이력 정보 데이터 베이스(50)는 개인별 선호 정보, 예를들어 선호도, 사용 빈도, 계절 및 시간 등을 상기 사용자 프로파일링 정보를 분류한 상기 개인 프로파일링 정보를 누적 저정할 수 있다.

학습기(20)는 데이터 베이스(10)에 설정된 상기 개인화 정보 표현 데이터를 기초로 문장의 의미를 결정하기 위한 상기 개인 프로파일링 정보 표현을 학습할 수 있다.

이때, 학습기(20)는 이동통신 단말기(미도시)와 접속되는 외부의 서버 장치일 수 있으며, 상기 이동통신 단말기 내에 형성될 수 있으며 이에 한정을 두지 않는다.

언어 분석부(30)는 현재 발화 입력된 대화문장, 또는 음성을 기초로, 형태소 단위로 언어를 분석할 수 있다.

즉, 언어 분석부(30)는 상기 대화문장에 대하여 데이터 베이스(10)에 설정된 문장 표현 및 분류 태그를 통하여 상기 형태소 단위 즉, 예를 들어 n은 명사, p는 조사, a는 부사, v는 용언, x는 보조용언 및 e는 어미와 같은 상기 형태소 단위로 언어 분석할 수 있다.

이때, 추출부(40)는 언어분석부(30)에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 발화 입력된 상기 대화문장에 따라 분류된 개인 프로파일링 정보가 인식되고 분류된 사용자 프로파일링 정보를 추출할 수 있다.

여기서, 상기 개인 프로파일링 정보는 데이터 베이스(10) 또는 개인 이력 정보 데이터 베이스(50)에 학습 저장될 수 있다.

의도 분석부(60)는 언어분석부(30)에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정할 수 있다.

응답 생성부(70)는 의도분석부(60)에서 결정된 상기 의도에 따라 개인 이력 정보 데이터 베이스(50)에 누적 저장된 상기 개인 프로파일링 정보를 통하여 대화 흐름을 관리하며, 응답 문장을 생성하여 디스플레이할 수 있다.

도 2는 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 동작방법을 나타낸 순서도이다.

도 2를 참조하면, 형태소 단위의 문장 표현 및 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된 데이터 베이스에서 상기 개인화 정보 표현 학습 데이터를 이용하여 문장의 의미를 결정하기 위한 개인 프로파일링 정보 표현을 학습한다(S100).

즉, 데이터 베이스(10)는 이전 발화 입력된 문장을 통하여 자동 학습되며, 상기 문장에 대한 형태소 단위의 문장 표현 및 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된다.

학습기(20)는 데이터 베이스(10)에 설정된 상기 개인화 정보 표현 데이터를 기초로 문장의 의미를 결정하기 위한 상기 개인 프로파일링 정보 표현을 학습할 수 있다.

발화 입력된 대화문장을 형태소 단위로 언어 분석하고(S110), 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하며(S120), 상기 사용자 프로파일링 정보에 대응하여 개인별로 분류 설정된 개인 프로파일링 정보 중 어느 하나에 누적 저장한다(S130).

즉, 언어 분석부(30)는 현재 발화 입력된 대화문장, 또는 음성을 기초로, 형태소 단위로 언어를 분석할 수 있다.

이때, 추출부(40)는 언어분석부(30)에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 발화 입력된 상기 대화문장에 따라 분류된 개인 프로파일링 정보가 인식되고 분류된 사용자 프로파일링 정보를 추출할 수 있다.

여기서, 상기 개인 프로파일링 정보는 데이터 베이스(10) 또는 개인 이력 정보 데이터 베이스(50)에 학습 저장될 수 있다.

상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하고(S140), 상기 의도에 따라 상기 정보 데이터 베이스에 누적 저장된 상기 개인 프로파일링 정보를 통하여 대화 흐름을 관리하며, 응답 문장을 생성한다(S150).

즉, 의도 분석부(60)는 언어분석부(30)에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정할 수 있다.

응답 생성부(70)는 의도분석부(60)에서 결정된 상기 의도에 따라 개인 이력 정보 데이터 베이스(50)에 누적 저장된 상기 개인 프로파일링 정보를 통하여 대화 흐름을 관리하며, 응답 문장을 생성하여 디스플레이할 수 있다.

도 3 및 도 4는 실시 예에 따른 자동학습 기반 인공지능 대화 시스템의 동작을 예를 들어 나타낸 동작 순서도이다.

도 3은 현재 발화된 대화분장에 대해 실시간으로 개인 프로파일링 정보가 자동 추출되고 학습되는 과정을 나타낸 실시 예이다.

도 3을 참조하면, 자동학습 기반 인공지능 대화 시스템은 사용자의 경향을 알 수 있는 문장 표현과 개인 프로파일링 정보의 분류 태그를 부착하도록 구축된 데이터 베이스(10)에서 각 문장 표현을 언어 분석을 통해 형태소 단위(n:명사, p:조사, a:부사, v:용언, x:보조용언, e:어미) 결과물을 생성하고(1), 상기 형태소 단위로 구분된 명사와 동사의 의미 정보를 이용하여, 미리 부착된 분류 태그에 따라 구분되어 자동 추출된 개인화 정보 표현(2)을 자동 생성한다.

현재 발화 입력된 한국어 타입의 대화 문장(112)을 동일하게 언어 분석을 적용하여 형태소 단위로 결과물을 생성(3)하고, 상기 형태소 단위로부터 미리 학습된 개인화 정보 표현 데이터(4)를 적용하여 개인 프로파일링 정보(5)를 개인 이력 정보 데이터 베이스(50) 또는 데이터 베이스(10)에서 얻는다.

개인 이력 정보 데이터 베이스(50) 또는 데이터 베이스(10)는 개인화 정보 분류와 추출된 의미 정보에서 기인한 표현 엔트리 정보, 그리고 발생 빈도수를 함께 갖으며, 과거 이력을 판단하기 위한 날짜/시간 정보를 함께 기록할 수 있다.

도 4는 데이터 베이스(10) 또는 개인 이력 정보 데이터 베이스(50)에 학습 저장되는 누적된 개인 프로파일링 정보를 이용하여 현재 발화된 대화문장에 대한 응답문장을 생성하는 과정을 나타낸 실시 예이다.

도 4를 참조하면, 자동학습 기반 인공지능 대화 시스템은 현재 발화 입력된 대화문장(118)에 대한 언어 분석을 통해 형태소 분석 결과(119)를 얻어 사용자 의도 분석을 수행한다(120). 사용자 의도 분석에 의해, 현재 사용자가 "장소, 속성, 대상"이라는 3가지 요소를 갖는 요청을 하고 있음을 구분할 수 있다.

자동학습 기반 인공지능 대화 시스템은 의도에 맞는 응답을 Search 함수를 이용하여 검색하는데, 이때 검색 인자에 Search(선호, 고빈도)라는 재귀적 함수 호출에 의해 미리 학습된 개인 프로파일링 정보(122)를 개인 이력 정보 데이터 베이스(50)에서 확인하여, 사용자의 고빈도 선호 대상(121)이 영화를 보는 것임을 알아내고, 이것에 맞는 선호 응답 문장(123)의 동작에 의해 최종적으로 응답 문장(124)을 생성하게 된다.

실시 예에 따른 자동학습 기반 인공지능 대화 시스템은, 인공지능 에이전트와의 대화는 목적 지향의 질의 응답을 벗어나, 흥미로운 주제에 관해 의논하고, 여기에 따른 확장 질의 처리로 발전하고 있다. 따라서, 인공지능 대화 시스템에 대한 사용자의 호감도는 올바른 검색 결과를 얻는 것이 아니라, 대화의 내용 자체에서 만족을 찾는 경우와 대화 속에서 파생되는 이슈를 확장 검색하는 것에 있음을 파악하고, 이를 지원하기 위한 방법이 있어야 한다. 개인 정보에 기반한 맞춤형 응답은 미리 등록된 개인 프로파일링 정보에 근거하여 적합한 응답을 제시하고 추천하는 것임에 반해, 자연스러운 대화속에서 파악될 수 있는 개인의 경향 정보가 자동으로 학습되는 경우, 개인 프로파일링 정보는 자동으로 학습되고, 이렇게 누적된 과거 이력 데이터는 대화 관리 기법에 적용되는 경우, 이를 기반으로 응답을 생성하는 방법은 사용자에게 훨씬 큰 흥미를 불러 일으킬 수 있는 대화 생성 기법을 제공한다.

이상 본 발명의 바람직한 실시 예에 대해 상세히 기술하였지만, 본 발명이 속하는 기술분야에 있어서 통상의 지식을 가진 사람이라면, 첨부된 청구범위에 정의된 본 발명의 정신 및 범위에 벗어나지 않으면서 본 발명을 여러 가지로 변형 또는 변경하여 실시할 수 있음을 알 수 있을 것이다. 따라서, 본 발명의 앞으로의 실시 예들의 변경은 본 발명의 기술을 벗어날 6수 없을 것이다.

10: 데이터 베이스 20: 학습기
30: 언어분석부 40: 추출부
50: 정보 데이터 베이스 60: 의도분석부
70: 응답 생성부

Claims (1)

1. 개인별 의도에 따라 분류된 문장 표현 및 상기 문장 표현에 대한 분류 태그를 포함하는 개인화 정보 표현 학습 데이터가 설정된 데이터 베이스;
   상기 개인화 정보 표현 학습 데이터의 상기 문장 표현을 형태소 단위로 분석하고 상기 형태소 단위로 상기 분류 태그가 부착된 개인 프로파일링 정보 표현을 학습하는 학습기;
   현재 발화 입력된 대화 문장을 형태소 단위로 언어 분석하는 언어 분석부;
   상기 언어 분석부에서 분석된 상기 형태소 단위 및 상기 개인 프로파일링 정보 표현을 기초로, 사용자 프로파일링 정보를 추출하는 추출부;
   상기 사용자 프로파일링 정보를 개인 선호 정보에 따라 분류된 개인 프로파일링 정보로 누적 저장하는 개인 이력 정보 데이터 베이스;
   상기 언어 분석부에서 분석된 상기 형태소 단위를 기초로 상기 대화문장에 대한 의도를 결정하는 의도분석부; 및
   상기 의도분석부에서 결정된 상기 의도에 따라 상기 개인 이력 정보 데이터 베이스에 누적 저장된 상기 개인 프로파일링 정보를 기초로 상기 대화 문장에 대한 대화 흐름을 결정하여, 응답 문장을 생성하는 응답 생성부;를 포함하는 자동학습 기반 인공지능 대화 시스템.

Images