KR20180054362A

KR20180054362A - 사용자의 음성 입력을 인식하는 방법 및 장치

Info

Publication number: KR20180054362A
Application number: KR1020160152233A
Authority: KR
Inventors: 김재덕; 신영빈; 박미정
Original assignee: 삼성전자주식회사
Priority date: 2016-11-15
Filing date: 2016-11-15
Publication date: 2018-05-24

Abstract

사용자의 음성 입력에 대한 음성 입력을 인식하는 장치 및 방법이 제공된다. 음성 인식 방법은, 디바이스에 대한 사용자의 제 1 음성 입력을 수신하여 상기 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득하는 단계; 상기 획득된 제 1 인식 정보가 상기 제 1 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계; 상기 응답 메시지가 표시된 이후의 기 설정된 시간 내에 상기 디바이스에 대한 상기 사용자의 제 2 음성 입력을 수신하여, 상기 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득하는 단계; 상기 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계; 상기 제 1 인식 정보 및 상기 제 2 인식 정보를 제 1 그룹에 등록하는 단계를 포함할 수 있다.

Description

사용자의 음성 입력을 인식하는 방법 및 장치{METHOD AND APPARATUS FOR SPEECH RECOGNITION CORRECTION}

본 발명은 사용자의 음성 입력에 대한 음성 인식을 인식하는 방법 및 장치에 관한 것이다.

일반적으로, 대화형 시스템에서 음성 인식이 가능한 장치는 사용자의 발화 음성을 수집하고, 그 수집한 발화 음성을 네트워크를 통해 연결된 외부 서버로 전송한다. 발화 음성을 수신한 외부 서버는 발화 음성을 분석하여 사용자의 의도를 파악하고, 그에 따른 응답 정보를 생성하여 디스플레이 장치로 전송한다. 이에 따라, 디스플레이 장치는 외부 서버로부터 수신한 응답 정보에 기초하여 사용자의 발화 음성에 대응하는 기능을 실행하거나 정보를 제공할 수 있다.

그러나, 이 같은 종래의 대화형 시스템은 사용자의 발화 음성을 분석하고, 그 분석 결과에 기초하여 사용자의 의도를 파악하는데 한계가 있다. 특히, 종래의 대화형 시스템은 사용자의 발화 음성으로부터 사용자의 의도를 정확하게 식별하고 사용자의 발화에 대응되는 기능을 실행하기 힘든 문제가 있다.

일부 실시예는, 사용자의 음성 입력을 수신하여 음성 입력의 의미를 나타내는 인식 정보를 기반으로, 사용자의 의도를 확인하는 음성 인식 장치 및 방법을 제공한다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면은, 디바이스에 대한 사용자의 제 1 음성 입력을 수신하여 상기 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득하는 단계; 상기 획득된 제 1 인식 정보가 상기 제 1 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계; 상기 응답 메시지가 표시된 이후의 기 설정된 시간 내에 상기 디바이스에 대한 상기 사용자의 제 2 음성 입력을 수신하여, 상기 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득하는 단계; 상기 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계; 및 상기 제 1 인식 정보 및 상기 제 2 인식 정보를 제 1 그룹에 등록하는 단계를 포함하는 음성 인식 방법을 제공할 수 있다.

또한, 본 개시의 제 2 측면은, 디바이스에 대한 사용자의 제 1 음성 입력을 수신하여 상기 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득하는 제어부; 및 상기 획득된 제 1 인식 정보가 상기 제 1 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 표시하는 디스플레이부를 포함하고, 상기 제어부는 상기 응답 메시지가 표시된 이후의 기 설정된 시간 내에 상기 디바이스에 대한 상기 사용자의 제 2 음성 입력을 수신하여, 상기 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득하고, 상기 디스플레이부는 상기 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 표시하고, 상기 제어부는 상기 제 1 인식 정보 및 상기 제 2 인식 정보를 제 1 그룹에 등록하는 음성 인식 장치를 제공할 수 있다.

또한, 본 개시의 제 3 측면은, 제 1 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.

도 1은 일부 실시예에 따른 음성 입력 인식 방법을 수행하는 디바이스를 나타내는 도면이다.
도 2는 일부 실시예에 따른 음성 입력 인식 방법의 흐름도이다.
도 3은 일부 실시예에 따른 음성 입력 인식 방법의 흐름도이다.
도 4는 일부 실시예에 따른 디바이스가 음성 인식 방법을 수행하는 일례를 나타내는 도면이다.
도 5는 일부 실시예에 따른 디바이스가 음성 인식 방법을 수행하는 일례를 나타내는 도면이다.
도 6은 일부 실시예에 따른 디바이스가 사용자의 연속 발화에 대응하는 음성 입력을 하나의 그룹으로 등록하는 일례를 나타내는 도면이다.
도 7은 일부 실시예에 따른 음성 인식을 수행하는 디바이스의 블록도이다.
도 8은 일부 실시예에 따른 프로세서(1300)의 블록도이다.
도 9는 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.
도 10은 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.
도 11은 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 12는 본 발명의 일 실시예에 따른 디바이스(1000)의 구성을 설명하기 위한 블록 구성도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 명세서에서 사용되는 '구성된다' 또는 '포함한다' 등의 용어는 명세서 상에 기재된 여러 구성 원소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 원소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 원소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 원소들을 설명하는데 사용할 수 있지만, 상기 구성 원소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 원소를 다른 구성 원소로부터 구별하는 목적으로만 사용된다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 명세서에서, 사용자의 음성 입력은, STT(Speech To Text), ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 음성 인식 기술을 이용하여 분석될 수 있으나, 이에 한정되는 것은 아니다.

본 명세서에서, 인식 정보는 음성 인식 기술을 이용하여 분석된 사용자 음성 입력의 의미를 나타낼 수 있다. 인식 정보는 사용자의 음성 입력으로부터 STT(Speech To Text) 기술을 이용하여 생성된 텍스트일 수 있다. 또한, 인식 정보는, 사용자의 의도를 나타내기 위한 적어도 하나의 항목에 대응되는 정보를 포함할 수 있으며, 사용자의 의도를 나타내기 위한 적어도 하나의 항목은 예를 들어 목적(purpose), 대상(object), 날짜(date), 장소(location), 메시지(message) 중 하나일 수 있다. 또한, 사용자의 의도를 나타내기 위한 적어도 하나의 항목은 태그의 형태로 제공될 수 있다. 그러나, 인식 정보에 포함되는 항목은 이에 제한되지 않는다.

또한, 본 명세서에서, 응답 메시지는, 음성 입력을 발화한 사용자의 의도에 대응하는지 확인하기 위해 사용자에게 제공되는 디지털 정보를 의미할 수 있다. 본 명세서에서 응답 메시지는, 텍스트, 이미지, 음성, 동영상 중 어느 하나의 형식 또는 적어도 두 개의 형식이 결합된 형태로 사용자에게 제공될 수 있다. 그러나, 응답 메시지의 형식은 이에 제한되지 않는다.

또한, 본 명세서에서 그룹은, 복수의 음성 입력에 대응하는 복수의 인식 정보를 관리하기 위한 단위이다. 예를 들어, 복수의 음성 입력에 대한 사용자의 의도가 동일 또는 유사하다고 판단되면, 복수의 음성 입력에 대응하는 복수의 인식 정보는 같은 그룹으로 관리될 수 있다. 그러나, 이에 제한되지 않는다.

본 명세서에서, 동일 또는 유사하다고 판단하는 기준은 데이터(예를 들어, 인식 정보, 음성 입력)가 기 설정된 수치 이상으로 유사한 경우일 수 있다. 예를 들어, 인식 정보는 수치로 환산될 수 있으며, 환산된 수치는 인식 정보간 유사도를 판단하는 척도가 될 수 있다.

또한, 본 명세서에서 “애플리케이션”은 특정한 업무를 수행하기 위해 고안된 일련의 컴퓨터 프로그램 집합을 말한다. 본 명세서에 기술되는 애플리케이션은 다양할 수 있다. 예를 들어, 폰북 애플리케이션, 게임 애플리케이션, 동영상 재생 애플리케이션, 지도 애플리케이션, 메모 애플리케이션, 캘린더 애플리케이션, 방송 애플리케이션, 운동 지원 애플리케이션, 결제 애플리케이션, 사진 폴더 애플리케이션 등이 있을 수 있으나, 이에 한정되는 것은 아니다.

또한, 본 명세서에서, 사용자 입력은, 예를 들어, 터치 입력, 벤딩 입력, 음성 입력, 키 입력 및 다중(multimodal) 입력 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. "터치 입력"이란 사용자가 디바이스를 제어하기 위해 터치 스크린에 행하는 제스처 등을 의미한다. 예를 들어, 본 명세서에서 기술되는 터치 입력에는 탭, 터치&홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭 등이 있을 수 있다. 또한, "모션 입력"은, 사용자가 디바이스를 제어하기 위해 디바이스에 가하는 모션을 의미한다. 예를 들어, 모션 입력은, 사용자가 디바이스를 회전시키거나, 디바이스를 기울이거나, 디바이스를 상하좌우로 이동시키는 입력을 포함할 수 있다. 또한, "벤딩 입력"은, 디바이스가 플렉서블 디스플레이 장치인 경우, 사용자가 디바이스를 제어하기 위해 디바이스의 전체 또는 일부 영역을 구부리는 입력을 의미한다. 또한, “키 입력”은 사용자가 디바이스에 부착된 물리적인 키를 이용하여, 디바이스를 제어하는 입력을 의미한다. 또한, “다중 입력”은, 적어도 둘 이상의 입력 방식이 결합된 것을 의미한다. 예를 들어, 디바이스는, 사용자의 터치 입력 및 모션 입력을 수신할 수도 있고, 사용자의 터치 입력 및 음성 입력을 수신할 수도 있다. 또한, 디바이스는 사용자의 터치 입력 및 안구 입력을 수신할 수도 있다. 안구 입력은 디바이스를 제어하기 위해 사용자가 눈의 깜빡임, 응시 위치, 안구의 이동 속도 등을 조절하는 입력을 의미한다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 일부 실시예에 따른 음성 입력 인식 방법을 수행하는 디바이스를 나타내는 도면이다.

도 1을 참조하면, 일부 실시예에 따른 디바이스(1000)는 디스플레이(1210)를 포함할 수 있다.

일부 실시예에 따른 디바이스(1000)는 사용자의 발화 음성이 입력되면, 입력된 사용자의 발화 음성에 대응되는 동작을 수행할 수 있다. 구체적으로, 디바이스(1000)는 사용자로부터 발화 음성이 입력되면, 입력된 발화 음성을 분석한 인식 정보를 기반으로 사용자의 발화 음성이 의도하는 바를 수행가능한지 여부를 판단하고, 그 판단 결과에 따라, 수신된 발화 음성에 대응되는 동작의 수행 여부를 응답 메시지로 제공할 수 있다.

일부 실시예에 따른 디바이스(1000)는, 사용자의 의도에 대응하는 인식 정보를 획득할 때까지 사용자의 발화 음성을 반복하여 입력받을 수 있다. 구체적으로, 사용자는 “진회에게 전화를 거는 것”이라는 의도로 음성을 발화할 수 있다.

사용자에 의해 발화된 음성 입력은, 동일 또는 유사한 의도로 발화되었더라도, 디바이스 주변 환경 및/또는 사용자의 상태에 따라 인식 정보가 달라질 수 있다. 예를 들어, 사용자가 “진회”를 의미하는 음성을 발화할 때, 실제 음성은 [지네], [지뇌], [진해] 등 다양하게 발음될 수 있다.

일부 실시예에서, 디바이스 주변 환경은, 사용자가 음성을 발화하는 시점에서의 주변 소음, 디바이스에 내장된 마이크 상태 등을 포함할 수 있다. 사용자의 상태는, 사용자가 음성을 발화하는 시점에서의 개인의 억양, 발음의 차이 등을 포함할 수 있다.

예를 들어 사용자는 “진회에게 전화해 줘”라고 제 1 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 1 음성 입력을 수신하여, 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득할 수 있다. 획득된 제 1 인식 정보는 의도에 대응되는 정보 ‘전화’와 대상에 대응되는 정보 ‘지네’를 포함할 수 있다.

디바이스(1000)는 획득된 제 1 인식 정보가 사용자의 의도에 대응하는지 확인하기 위한 응답 메시지를 제공할 수 있다. 구체적으로, 디바이스(1000)는 제 1 인식 정보에 따라 ‘지네’에게 ‘전화’를 거는 동작을 수행할 수 있을지 여부를 판단할 수 있다. 판단 결과, 디바이스(1000)는, 전화번호부에 등록된 ‘지네’라는 항목이 없는 경우, ‘지네를 찾을 수 없습니다.’라는 응답 메시지를 제공할 수 있다.

일부 실시예에 따른 응답 메시지는 디스플레이부(1210)에 마이크 형태의 이미지로 표시될 수 있다. 또한 응답 메시지는 “지네를 찾을 수 없습니다.”에 대응하는 음성 또는 텍스트로 제공될 수 있다.

일부 실시예에 따른 응답 메시지는, 획득된 인식 정보의 각 항목에 대응하는 텍스트를 응답 메시지를 포함할 수 있다. 디바이스(1000)는 인식 정보의 각 항목에 대응하는 텍스트를 다른 텍스트와 다른 색 및/또는 밑줄로 강조 표시할 수 있다.

이후, 사용자는 “진회에게 전화”라고 제 2 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 2 음성 입력을 수신하여, 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득할 수 있다. 획득된 제 2 인식 정보는 의도에 대응되는 정보 ‘전화’와 대상에 대응되는 정보 ‘진해’를 포함할 수 있다. 디바이스(1000)는 획득된 제 2 인식 정보가 사용자의 의도에 대응하는지 확인하기 위한 응답 메시지를 제공할 수 있다. 구체적으로, 디바이스(1000)는 제 2 인식 정보에 따라 ‘진해’에게 ‘전화’를 거는 동작을 수행할 수 있을지 여부를 판단할 수 있다. 판단 결과, 디바이스(1000)는, 전화번호부에 등록된 ‘진해’라는 항목이 없는 경우, ‘진해를 찾을 수 없습니다.’라는 응답 메시지를 제공할 수 있다.

일부 실시예에 따른 응답 메시지는 디스플레이부(1210)에 마이크 형태의 이미지로 표시될 수 있다. 또한 응답 메시지는 “진해를 찾을 수 없습니다.”에 대응하는 음성 또는 텍스트로 제공될 수 있다. 예를 들어, 응답 메시지는 “[진해]를 찾을 수 없습니다.”라는 텍스트로 제공될 수 있다.

이후, 사용자는 “진회에게 전화해”라고 제 3 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 3 음성 입력을 수신하여, 제 3 음성 입력의 의미를 나타내는 제 3 인식 정보를 획득할 수 있다. 획득된 제 3 인식 정보는 의도에 대응되는 정보 ‘전화’와 대상에 대응되는 정보 ‘진회’를 포함할 수 있다. 디바이스(1000)는 획득된 제 3 인식 정보가 사용자의 의도에 대응하는지 확인하기 위한 응답 메시지를 제공할 수 있다. 구체적으로, 디바이스(1000)는 제 3 인식 정보에 따라 ‘진회’에게 ‘전화’를 거는 동작을 수행할 수 있을지 여부를 판단할 수 있다. 판단 결과, 디바이스(1000)는, 전화번호부에 등록된 ‘진회’라는 항목이 있는 경우, ‘진회에게 전화 거는 것이 맞나요?’라는 응답 메시지를 제공할 수 있다.일부 실시예에 따른 응답 메시지는 디스플레이부(1210)에 마이크 형태의 이미지로 표시될 수 있다. 또한 응답 메시지는 “진회에게 전화 거는 것이 맞나요?”에 대응하는 음성 또는 텍스트로 제공될 수 있다.

일부 실시예에서, 디바이스(1000)는 기 설정된 시간 간격으로 입력된 음성 입력의 의미를 나타내는 인식 정보들을 하나의 그룹으로 관리할 수 있다.

구체적으로, 디바이스(1000)는 제 1 음성 입력, 제 2 음성 입력, 제 3 음성 입력을 분석한 제 1 인식 정보, 제 2 인식 정보, 제 3 인식 정보를 제 1 그룹에 등록할 수 있다.

일부 실시 예에서, 기 설정된 시간 간격으로 입력된 음성의 의미는 동일 또는 유사할 수 있다. 일부 실시예에 따른 기 설정된 시간은 가변적일 수 있다.

또한, 디바이스(1000)는 그룹에 등록된 인식 정보들 중 하나를 대표 정보로 설정할 수 있다. 구체적으로, 디바이스(1000)는 사용자가 발화한 음성이 입력되고 기 설정된 시간 동안, 더 이상 사용자의 발화 음성이 입력되지 않거나 새로운 의도의 발화 음성이 입력되면 마지막으로 입력된 음성으로부터 획득된 인식 정보를 대표정보로 설정할 수 있다. 또한, 디바이스(1000)는, 인식 정보에 대응하는 기 설정된 기능이 실행 가능한 것으로 판단된 경우, 해당 인식 정보를 대표 정보로 설정할 수 있다. 예를 들어, 디바이스(1000)는 ‘진회’에게 ‘전화’를 거는 동작을 수행을 가능하도록 한 제 3 인식 정보를 제 1 그룹의 대표 정보로 설정할 수 있다.

디바이스(1000)는 스마트폰, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.

도 2는 일부 실시예에 따른 음성 입력 인식 방법의 흐름도이다.

동작 S201에서 디바이스(1000)는 사용자의 제 1 음성 입력을 수신하여 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득할 수 있다.

일부 실시예에서, 사용자는 음성 인식 애플리케이션을 실행하여, 음성을 발화하여 음성을 디바이스(1000)로 입력할 수 있다. 일 예로, 사용자는 디바이스의 마이크로폰(1620)을 통해 음성을 입력할 수 있다.

또는, 디바이스(1000)는 상시로 사용자의 발화 음성을 입력받을 수 있는 상태일 수 있다. 구체적으로, 디바이스(1000)는 일반적인 애플리케이션 실행 중에 사용자가 발화한 음성을 입력받을 수 있다.

인식 정보는 사용자의 음성 입력으로부터 STT(Speech To Text), ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 음성 인식 기술을 이용하여 생성된 텍스트일 수 있다. 그러나, 인식 정보는 텍스트로 제한되지 않는다.

동작 S202에서 디바이스(1000)는 획득된 제 1 인식 정보가 제 1 음성 입력을 발화한 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 디바이스(1000)의 디스플레이부(1210)에 표시할 수 있다.

일부 실시예에 따른 응답 메시지는 디스플레이부(1210)에 소정의 이미지로 표시될 수 있다. 또한 응답 메시지는 인식 정보를 나타내는 소정의 음성 또는 텍스트로 제공될 수 있다.

동작 S203에서 디바이스(1000)는 응답 메시지가 표시된 이후의 기 설정된 시간 내에 디바이스(1000)에 대한 사용자의 제 2 음성 입력을 수신하여, 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득할 수 있다.

동작 S204에서 디바이스(1000)는 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 디바이스(1000)의 디스플레이부(1210)에 표시할 수 있다.

동작 S205에서 디바이스(1000)는 제 1 인식 정보 및 제 2 인식 정보를 제 1 그룹에 등록할 수 있다.

일부 실시예에서, 디바이스(1000)는 기 설정된 시간 간격으로 입력된 음성 입력의 의미를 나타내는 인식 정보들을 하나의 그룹으로 관리할 수 있다. 구체적으로, 디바이스(1000)는 제 1 음성 입력, 제 2 음성 입력, 제 3 음성 입력을 분석한 제 1 인식 정보, 제 2 인식 정보를 제 1 그룹에 등록할 수 있다.

또한, 디바이스(1000)는 그룹에 등록된 인식 정보들 중 하나를 대표 정보로 설정할 수 있다. 구체적으로, 디바이스(1000)는, 사용자가 발화한 음성이 입력되고 소정의 시간 내에, 더 이상 사용자의 발화 음성이 입력되지 않거나 새로운 의도의 발화 음성이 입력되면 마지막으로 입력된 음성으로부터 획득된 인식 정보를 대표 정보로 설정할 수 있다. 또한, 디바이스(1000)는, 인식 정보에 대응하는 기 설정된 기능이 실행 가능한 것으로 판단된 경우, 해당 인식 정보를 대표 정보로 설정할 수 있다. 또한, 디바이스(1000)는, 사용자로부터 인식 정보를 수정하는 입력을 수신하여, 수정된 인식 정보를 대표 정보로 설정할 수 있다. 예를 들어, 디바이스(1000)는, 인식 정보를 수정하는 입력을 응답 메시지를 제공하는 사용자 인터페이스를 통해 수신할 수 있다.

일부 실시예에서, 디바이스(1000)는 제 1 그룹을 디바이스(1000)의 메모리(1700)에 저장할 수 있다.

일부 실시예에서, 디바이스(1000)는, 제 1 인식 정보가 표시된 이후의 기설정된 시간 내에 제 2 음성이 입력됨에 따라, 제 2 인식 정보를 제 1 그룹의 대표 정보로 설정할 수 있다.

일부 실시예에서, 디바이스(1000)는, 표시된 제 2 응답 메시지를 수정하는 사용자 입력을 수신할 수 있다. 디바이스(1000)는, 수정된 제 2 응답 메시지에 기초하여, 제 2 인식 정보를 수정할 수 있다. 디바이스(1000)는, 수정된 제 2 인식 정보를 상기 제 1 그룹의 대표 정보로 설정할 수 있다.

일부 실시예에서, 디바이스(1000)는 제 1 그룹의 대표 정보를 디바이스(1000)의 메모리(1700)에 저장할 수 있다.

일부 실시예에서, 디바이스(1000)는 제 3 음성 입력을 수신하여 제 3 음성 입력의 의미를 나타내는 제 3 인식 정보를 획득할 수 있다. 제 3 인식 정보와 제 1 인식 정보가 기 설정된 수치 이상으로 유사한 경우, 디바이스(1000)는 제 1 그룹을 대표하는 제 2 인식 정보를 디바이스(1000)의 메모리(1700)로부터 추출할 수 있다. 디바이스(1000)는 추출된 제 2 인식 정보에 기초하여, 상기 제 3 음성 입력을 발화한 사용자의 의도에 대응하는지 확인하는 제 3 응답 메시지를 디바이스(1000)의 디스플레이부(1210)에 표시할 수 있다.

일부 실시예에서, 디바이스(1000)는 제 1 인식 정보 내지 제 3 인식 정보를 수치로 환산할 수 있다. 구체적으로, 디바이스(1000)는 제 1 인식 정보 내지 제 3 인식 정보에 포함된 항목별 텍스트를 수치로 환산할 수 있다. 디바이스(1000)는 제 1 인식 정보 내지 제 3 인식 정보의 수치를 비교할 수 있다. 디바이스(1000)는, 인식 정보의 수치 차이가 소정 범위 내라면, 동일 또는 유사라고 판단할 수 있다.

일부 실시예에서, 디바이스(1000)는 제 1 그룹의 대표 정보에 대응하는 디바이스(1000)의 기 설정된 기능을 실행할 수 있다. 예를 들어, 디바이스(1000)의 기 설정된 기능은 디바이스에 저장된 애플리케이션의 실행일 수 있다. 그러나 이에 제한되지 않는다.

구체적으로, 디바이스(1000)는 제 1 그룹의 대표 정보가 포함하는 항목 중, 애플리케이션 실행과 관련된 항목을 기초로 제 1 그룹의 대표 정보에 대응하는 기능을 설정할 수 있다. 예를 들어, 제 1 그룹의 대표 정보가 ‘<의도: 스케줄등록> <날짜: 내일 2시> <메시지: 업무회의>’인 경우, 디바이스(1000)는 ’캘린더 애플리케이션 실행’을 제 1 그룹의 대표 정보에 대응하는 기 설정된 기능으로 설정할 수 있다.

도 3은 일부 실시예에 따른 음성 입력 인식 방법의 흐름도이다.

도 2 의 동작 S201에서 디바이스(1000)가 제 1 음성 입력의 제 1 인식 정보를 획득하는 단계는 다음 동작을 더 포함할 수 있다.

동작 S301에서 디바이스(1000)는 제 1 음성 입력을 서버(2000)로 전송할 수 있다. 구체적으로, 디바이스(1000)는 제 1 음성 입력에 대응하는 음성 신호를 서버(2000)로 전송할 수 있다.

서버(2000)는 수신된 음성 신호를 STT(Speech To Text), ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 적어도 하나의 기술을 이용하여 텍스트 정보로 변환할 수 있다. 그러나, 인식 정보의 형식은 텍스트로 제한되지 않는다. 동작 S302에서 디바이스(1000)는 서버(2000)로부터 제 1 음성 입력의 제 1 인식 정보를 수신할 수 있다.

상술한 바와 같이, 디바이스(1000)는 수신된 제 1 음성 입력, 제 2 음성 입력 및 제 3 음성 입력을 서버(2000)로 전송할 수 있다.

상술한 디바이스의 동작에 대응하여, 서버(2000)는 수신된 각 제 1 음성 입력, 제 2 음성 입력 및 제 3 음성 입력에 대응하는 제 1 인식 정보, 제 2 인식 정보, 제 3 인식 정보를 획득하여 디바이스(1000)로 전송할 수 있다.

디바이스(1000)와 서버(2000)는 적어도 하나의 네트워크 내에서 서로 통신할 수 있다.

서버(2000)는 적어도 하나의 운영 주체에 의해 운영될 수 있다. 서버(2000)는 복수의 운영 주체에 의해 운용되는 복수의 서버를 포함할 수 있다. 또한, 디바이스(1000) 및 서버(2000)는 적어도 하나의 네트워크 내에서 서로 통신할 수 있다. 또한, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.

도 4는 일부 실시예에 따른 디바이스(1000)가 음성 인식 방법을 수행하는 일례를 나타내는 도면이다.

도 4 (a)는 사용자의 의도에 대응하는 분석정보를 획득할 때까지 사용자의 발화 음성을 디바이스(1000)로 반복하여 입력하는 일례를 나타낸다.

도 4 (b)는 사용자의 의도에 대응하는 인식 정보가 그룹의 대표 정보로 설정된 이후, 새로운 사용자의 발화 음성이 입력되는 일례를 나타낸다.

도 4 (a)를 참조하면, 일부 실시예에 따른 디바이스(1000)는, 사용자의 의도에 대응하는 분석정보를 획득할 때까지 사용자의 발화 음성을 반복하여 입력받을 수 있다. 구체적으로, 사용자는 “민방위 교육 일정을 검색”이라는 의도로 음성을 발화할 수 있다.

예를 들어 사용자는 “민방위 교육 일정 알려줘”라고 제 1 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 1 음성 입력을 수신하여, 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득할 수 있다. 획득된 제 1 인식 정보는 의도에 대응되는 정보 ‘일정 검색’과 대상에 대응되는 정보 ‘민방이 교육’을 포함할 수 있다.

디바이스(1000)는 획득된 제 1 인식 정보가 사용자의 의도에 대응하는지 확인하기 위한 응답 메시지를 제공할 수 있다. 구체적으로, 디바이스(1000)는 제 1 인식 정보에 따라 ‘민방이 교육’의 ‘일정 검색’ 동작을 수행할 수 있을지 여부를 판단할 수 있다. 판단 결과, 디바이스(1000)는, 캘린더 어플리케이션에 등록된 ‘민방이 교육’라는 항목이 없는 경우, ‘말씀하신 일정이 없습니다.’라는 응답 메시지를 제공할 수 있다.

일부 실시예에 따른 응답 메시지는 디스플레이부(1210)에 마이크 형태의 이미지로 표시될 수 있다. 또한 응답 메시지는 “말씀하신 일정이 없습니다.”에 대응하는 음성 또는 텍스트로 제공될 수 있다.

이후, 사용자는 “민방위 교육 일정”이라고 제 2 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 2 음성 입력을 수신하여, 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득할 수 있다. 획득된 제 2 인식 정보는 의도에 대응되는 정보 ‘일정 검색’과 대상에 대응되는 정보 ‘민방위 교육’을 포함할 수 있다. 디바이스(1000)는 획득된 제 2 인식 정보가 사용자의 의도에 대응하는지 확인하기 위한 응답 메시지를 제공할 수 있다. 구체적으로, 디바이스(1000)는 제 2 인식 정보에 따라 ‘민방위 교육’의 ‘일정 검색’ 동작을 수행할 수 있을지 여부를 판단할 수 있다. 판단 결과, 디바이스(1000)는, 캘린더 어플리케이션에 등록된 ‘민방위 교육’라는 항목이 있는 경우, ‘내일 민방위 교육이 있습니다.’라는 응답 메시지를 제공할 수 있다.

일부 실시예에 따라, 디바이스는 제 1 인식 정보와 제 2 인식 정보를 제 1 그룹에 등록하고, 제 2 인식 정보를 제 1 그룹의 대표 정보로 설정할 수 있다.

도 4 (b)를 참조하면, 일정 시간이 흐른 후, 사용자는 “민방위 교육 일정 언제야”라고 제 3 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 3 음성 입력을 수신하여, 제 3 음성 입력의 의미를 나타내는 제 3 인식 정보를 획득할 수 있다. 획득된 제 1 인식 정보는 의도에 대응되는 정보 ‘일정 검색’과 대상에 대응되는 정보 ‘민방이 교육’을 포함할 수 있다.

디바이스(1000)는 제 3 인식 정보를 제 1 그룹에 포함된 인식 정보와 비교할 수 있다. 디바이스(1000)는 제 3 인식 정보와 제 1 그룹에 포함된 제 1 인식 정보가 동일 또는 유사한 것으로 판단할 수 있다. 제 3 인식 정보와 제 1 인식 정보가 동일 또는 유사한 것으로 판단되면, 디바이스(1000)는 제 3 인식 정보를 제 1 그룹의 대표 정보로 수정할 수 있다. 이후, 디바이스(1000)는 제 1 그룹의 대표 정보를 기반으로 생성된 응답 메시지 “민방위 교육 일정 찾는 것이 맞나요”를 제공할 수 있다.

도 5는 일부 실시예에 따른 디바이스(1000)가 음성 인식 방법을 수행하는 일례를 나타내는 도면이다.

도 5(a)는, 디바이스(1000)가 사용자의 의도에 대응하는 분석정보 획득을 실패한 경우, 사용자가 발화된 음성 입력의 의도에 대응하는 기능을 수행하는 일례를 나타낸다.

도 5(b)는 사용자의 의도에 대응하는 인식 정보가 그룹의 대표 정보로 설정된 이후, 새로운 사용자의 발화 음성이 입력되는 일례를 나타낸다.

도 5(a)를 참조하면, 일부 실시예에 따른 디바이스(1000)는, 사용자의 의도에 대응하는 분석정보를 획득할 때까지 사용자의 발화 음성을 반복하여 입력받을 수 있다. 구체적으로, 사용자는 “진회에게 전화를 거는 것”이라는 의도로 음성을 발화할 수 있다.

이후, 사용자는 제 1 음성 입력 및 제 2 음성 입력의 의도에 대응하는 기능을 직접 실행할 수 있다. 구체적으로, 디바이스(1000)는 ‘진회’를 전화번호부에서 검색하기 위한 사용자 입력 및 ‘전화 애플리케이션을 실행’하는 사용자 입력을 수신할 수 있다. 디바이스(1000)는 수신된 사용자 입력을 기반으로 제 3 인식 정보를 생성할 수 있다. 제 3 인식 정보는 의도에 대응되는 정보 ‘전화’와 대상에 대응되는 정보 ‘진해’를 포함할 수 있다. 디바이스(1000)는 제 1 인식 정보, 제 2 인식 정보 및 제 3 인식 정보를 제 1 그룹에 등록할 수 있다. 또한, 디바이스(1000)는 제 3 인식 정보를 제 1 그룹의 대표 정보로 설정할 수 있다.

도 5(a)를 참조하면, 사용자는 “진회에게 전화해 줘”라고 제 4 음성 입력을 발화할 수 있다. 디바이스(1000)는 제 4 음성 입력을 수신하여, 제 4 음성 입력의 의미를 나타내는 제 4 인식 정보를 획득할 수 있다. 획득된 제 4 인식 정보는 의도에 대응되는 정보 ‘전화’와 대상에 대응되는 정보 ‘지네’를 포함할 수 있다.

디바이스(1000)는 제 4 인식 정보를 제 1 그룹에 포함된 인식 정보와 비교할 수 있다. 디바이스(1000)는 제 4 인식 정보와 제 1 그룹에 포함된 제 1 인식 정보가 동일 또는 유사한 것으로 판단할 수 있다. 제 4 인식 정보와 제 1 인식 정보가 동일 또는 유사한 것으로 판단되면, 디바이스(1000)는 제 4 인식 정보를 제 1 그룹의 대표 정보로 수정할 수 있다. 이후, 디바이스(1000)는 제 1 그룹의 대표 정보를 기반으로 생성된 응답 메시지 “{진회}에게 {전화}합니다.”를 제공할 수 있다.

일부 실시예에서, 디바이스(1000)는 응답 메시지에 대한 사용자 입력을 수신할 수 있다. 예를 들어, 사용자는 응답메시지로 표시된 텍스트 중 음성 입력의 의도를 나타내는 인식 정보에 대응하는 항목을 선택하는 입력을 할 수 있다. 구체적으로, 디바이스(1000)는 사용자로부터 {진회}를 선택하는 입력(예를 들어, 터치)을 수신하면, 진회와 발음이 유사한 ‘진해’, ‘진혜’, ‘지네’ 등을 리스트 형식으로 디바이스의 디스플레이(1210)에 표시할 수 있다.

일부 실시예에서, 사용자는 디바이스(1000)의 디스플레이(1210)에 리스트 형식으로 표시된 음성 인식 인식 정보들 가운데 하나를 선택할 수 있다.

도 6은 일부 실시예에 따른 디바이스가 사용자의 연속 발화에 대응하는 음성 입력을 하나의 그룹으로 등록하는 일례를 나타내는 도면이다.

구체적으로 도 6 (a)는, 사용자가 ‘진혜에게 진해로 와라고 문자 발송’를 의미하는 음성을 5회 발화한 경우, 각 발화 음성 입력에 대응하는 인식 정보를 나타낸다.

구체적으로 도 6 (b)는, 사용자가 ‘내일 2시 업무회의 스케줄등록’를 의미하는 음성을 3회 발화한 경우, 각 발화 음성 입력에 대응하는 인식 정보를 나타낸다.

도 6 (a)를 참조하면, 디바이스(1000)는 사용자로부터 ‘진혜에게 진해로 와라고 문자 발송’을 의미하는 음성 입력을 수신하여, 인식 정보를 획득할 수 있다. 획득된 인식 정보는 의도, 대상, 메시지, 장소에 대한 정보를 포함할 수 있다.

사용자는 제 1 음성 입력을 디바이스(1000)로 발화할 수 있다. 제 1 음성 입력 “진혜에게 진해로 와라고 문자 보내줘”을 수신한 디바이스(1000)는 도면에 도시된 바와 같이, “<의도: 문자보내기> <대상: 지네> <메시지: <장소: 지네>로 와>”를 제 1 인식 정보로 획득할 수 있다.

그러나, <대상: 지네> 및 <장소: 지네>는 사용자의 의도에 부합하는 인식 정보가 아니므로, 사용자는 제 2 음성 입력 “진혜에게 진해로 와라고 문자 보내기 해 줘”을 발화할 수 있다. 제 2 음성 입력 “진혜에게 진해로 와라고 문자 보내기 해 줘”을 수신한 디바이스(1000)는 도면에 도시된 바와 같이, “<의도: 문자보내기> <대상: 지네> <메시지: <장소: 진해>로 와>”를 제 2 인식 정보로 획득할 수 있다.

그러나, <대상: 지네>는 사용자의 의도에 부합하는 인식 정보가 아니므로, 사용자는 제 3 음성 입력 “진혜에게 진해로 와라고 문자 보내기 해 줘”을 재발화할 수 있다. 상술한 방식으로 디바이스(1000)는 음성을 발화한 사용자의 의도에 부합하는 인식 정보를 획득할 때까지 반복하여 사용자로부터 음성을 수신할 수 있다.

도면에 도시된 바와 같이, 디바이스(1000)는 사용자가 5회 음성을 발화하여 사용자의 의도에 부합하는 제 5 인식 정보를 획득할 수 있다. 디바이스(1000)는 획득된 제 1 내지 제 5 인식 정보들을 제 1 그룹에 등록할 수 있다. 또한 디바이스(1000)는 제 5 인식 정보를 제 1 그룹의 대표 정보로 설정할 수 있다.

도 6 (b)를 참조하면, 디바이스(1000)는 사용자로부터 ‘내일 2시 업무회의 스케줄등록’을 의미하는 음성 입력을 수신하여, 인식 정보를 획득할 수 있다. 획득된 인식 정보는 의도, 날짜, 메시지에 대한 정보를 포함할 수 있다.

사용자는 제 5 음성 입력을 디바이스(1000)로 발화할 수 있다. 제 5 음성 입력 “내일 2시 업무회의 스케줄등록해 줘”를 수신한 디바이스(1000)는 도면에 도시된 바와 같이, “<의도: 스케줄등록> <날짜: 내일 2시> <메시지: 엄무회의>”를 제 6 인식 정보로 획득할 수 있다.

그러나, <메시지: 엄무회의>는 사용자의 의도에 부합하는 인식 정보가 아니므로, 사용자는 제 7 음성 입력 “내일 2시 업무회의 스케줄등록”을 발화할 수 있다. 제 7 음성 입력을 수신한 디바이스(1000)는 도면에 도시된 바와 같이, “<의도: 스케줄등록> <날짜: 내일 2시> <메시지: 엇무회의>”를 제 7 인식 정보로 획득할 수 있다.

그러나, <메시지: 엇무회의>는 사용자의 의도에 부합하는 인식 정보가 아니므로, 사용자는 제 8 음성 입력 “내일 2시 업무회의를 스케줄등록해 줘”를 발화할 수 있다. 제 8 음성 입력을 수신한 디바이스(1000)는 도면에 도시된 바와 같이, “<의도: 스케줄등록> <날짜: 내일 2시> <메시지: 업무회의>”를 제 8 인식 정보로 획득할 수 있다. 디바이스(1000)는 사용자의 의도에 부합하는 제 8 인식 정보를 획득할 수 있다. 디바이스(1000)는 획득된 제 6 내지 제 8 인식 정보들을 제 2 그룹에 등록할 수 있다. 또한 디바이스(1000)는 제 8 인식 정보를 제 2 그룹의 대표 정보로 설정할 수 있다.

도 7은 일부 실시예에 따른 음성 인식을 수행하는 디바이스(1000)의 블록도이다.

도 7에 도시된 바와 같이, 일부 실시예에 따른 음성 인식을 수행하는 디바이스(1000)는 사용자 입력부(1100), 디스플레이부(1210), 통신부(1500) 및 제어부(1300)를 포함할 수 있다. 그러나, 도 7에 도시된 구성 요소가 모두 음성 인식을 수행하는 디바이스(1000)의 필수 구성 요소인 것은 아니다. 도 7에 도시된 구성 요소보다 많은 구성 요소에 의해 음성 인식을 수행하는 디바이스(1000)가 구현될 수도 있고, 도 7에 도시된 구성 요소보다 적은 구성 요소에 의해 음성 인식을 수행하는 디바이스(1000)가 구현될 수도 있다.

사용자 입력부(1100)은 사용자가 디바이스(1000)을 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

디스플레이부(1210)는 디바이스(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1210)는, 사용자가 발화한 음성 입력을 분석한 인식 정보를 표시할 수 있다. 또한, 디스플레이부(1210)는 인식 정보를 기반으로 생성된 응답 메시지를 제공하기 위하여 필요한 그래픽 사용자 인터페이스를 디스플레이할 수 있다. 또한, 디스플레이부(1210)는 인식 정보를, 사용자가 직접 수정하기 위하여 필요한 그래픽 사용자 인터페이스를 디스플레이할 수 있다.

한편, 디스플레이부(1210)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1210)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 또한, 디바이스(1000)은 디스플레이부(1210)를 2개 이상 포함할 수도 있다.

통신부(1500)는 디바이스(1000) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1500)는, 적어도 하나의 근거리 통신 모듈, 이동 통신 모듈, 방송 수신 모듈 등을 포함할 수 있다.

또한, 복수의 근거리 통신 모듈은 제어부(1300)에 의해 선택적으로 활성화될 수 있다.

제어부(1300)는 디바이스(1000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부(1300)는, 디바이스(1000) 내의 메모리에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 디스플레이부(1210), 제어부(1300), 및 통신부(1500) 등을 전반적으로 제어할 수 있다. 제어부(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 6에서의 디바이스(1000)의 동작을 수행할 수 있다.

도 8은 일부 실시예에 따른 프로세서(1300)의 블록도이다.

도 8을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.

데이터 학습부(1310)는 발화 음성의 의도를 판단하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 발화 음성의 의도를 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 발화 음성의 의도를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 발화 음성의 의도 판단을 위한 기준을 학습할 수 있다.

일부 실시예에서, 학습에 이용될 데이터는 음성 입력으로부터 생성된 인식 정보, 상기 생성된 텍스트 정보에 대한 사용자의 피드백 음성 입력으로부터 생성된 인식 정보 일 수 있다.

데이터 학습부(1310)는, 복수의 인식 정보를 소정의 시간 간격으로 획득하거나 복수의 인식 정보를 소정의 시간 간격으로 서버로부터 수신되는 상황으로부터, 복수의 인식 정보를 동일 그룹에 등록할지 여부를 결정하는 기준을 학습할 수 있다.

일부 실시예에서, 데이터 인식 모델은 복수의 그룹을 포함할 수 있다. 각 그룹은 복수의 발화 음성의 의도에 대응하는 인식 정보 중 동일 또는 유사한 것으로 판단된 인식 정보들의 집합일 수 있다.

데이터 학습부(1310)는 동일 그룹에 속하는 복수의 인식 정보에 기초하여, 사용자의 음성 입력의 의도를 나타내는 대표 정보를 결정하는 기준을 학습할 수 있다. 예를 들어, 데이터 학습부(1310)는 사용자가 발화한 음성이 입력되고 소정의 시간을 기준으로, 더 이상 사용자의 발화 음성이 입력되지 않거나 새로운 의도의 발화 음성이 입력되면 마지막으로 입력된 음성으로부터 획득된 인식 정보를 대표정보로 설정할 수 있다. 또한, 데이터 학습부(1310)는, 인식 정보에 대응하는 기 설정된 기능이 실행 가능 여부를 기준으로, 해당 인식 정보를 대표 정보로 설정할 수 있다. 또한, 데이터 학습부(1310)는, 사용자로부터 인식 정보를 수정하는 입력을 수신하여, 수정된 인식 정보를 대표 정보로 설정할 수 있다.

예를 들어, 데이터 학습부(1310)는 복수의 인식 정보에 포함된 항목별 텍스트를 수치로 환산할 수 있다. 데이터 학습부(1310)는 환산된 수치를 기초로, 인식 정보간 동일 또는 유사 여부를 판단할 수 있다. 예를 들어, 데이터 학습부(1310)는, 두 개의 인식 정보에 포함된 항목별 텍스트 수치의 차이가 소정 범위 내라면, 동일 또는 유사라고 판단할 수 있다. 그러나, 데이터 학습부(1310)가 인식 정보들을 비교하는 방법은 이에 제한되지 않는다.

데이터 인식부(1320)는 데이터에 기초한 발화 음성의 의도를 판단할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 발화 음성의 의도를 인식할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용함으로써, 소정의 데이터에 기초한 발화 음성의 의도를 판단할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다. 또한, 데이터 인식부(1320)는 사용자의 발화 음성의 의도에 기초하여 디바이스(1000)의 기설정된 기능을 결정할 수 있다.

일부 실시예에서, 인식에 이용될 데이터는, 데이터 학습부(1310)가 학습된 데이터 인식 모델을 생성한 이후, 사용자로부터 발화된 제 3 음성 입력으로부터 생성된 제 3 인식 정보일 수 있다.

데이터 인식부(1320)는, 학습된 데이터 인식 모델을 이용하여, 제 3 음성 입력으로부터 생성된 인식 정보를 기초로 음성을 발화한 사용자의 의도를 판단할 수 있다.

데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.

한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 9는 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.

도 9를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.

데이터 획득부(1310-1)는 발화 음성의 의도를 판단하기 위해 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 발화 음성의 의도를 판단하기 위한 학습을 위하여 필요한 데이터를 획득할 수 있다.

일부 실시예에서, 데이터 획득부(1310-1)는 발화 음성의 의도를 판단하기 위한 데이터 획득을 위해 음성을 입력 받을 수 있다. 일 예로, 데이터 획득부(1310-1)는 데이터 학습부(1310)를 포함하는 디바이스의 마이크로폰(1620)을 통해 음성을 입력 받을 수 있다.

또한, 데이터 획득부(1310-1)는 음성 데이터, 텍스트 데이터 등을 획득할 수 있다. 일 예로, 데이터 획득부(1310-1)는 디바이스(1000)의 마이크로폰을 통해 데이터를 입력 받을 수 있다. 또는, 데이터 획득부(1310-1)는 디바이스(1000)와 통신하는 외부 장치를 통해 데이터를 획득할 수 있다. 외부 장치는 서버일 수 있다.

일부 실시예에 따른 데이터 획득부(1310-1)는, ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 와 같은 음성 인식 기술을 이용하여 분석된 음성 입력의 인식 정보를 획득할 수 있다.

예를 들어, 획득된 인식 정보는 사용자의 의도를 나타내기 위한 적어도 하나의 항목에 대응되는 정보를 포함할 수 있으며, 사용자의 의도를 나타내기 위한 적어도 하나의 항목은 예를 들어 의도(intent), 대상(object), 날짜(date), 장소(location), 메시지(message) 중 하나일 수 있다.

전처리부(1310-2)는 발화 음성의 의도를 판단하기 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 발화 음성의 의도를 판단하기 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 발화 음성의 의도를 판단하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.

예를 들어, 음성 입력의 인식 정보가 동일 또는 유사한 항목을 포함하는지 여부 또는 인식 정보가 포함하는 항목들의 정보가 동일 또는 유사한지 판단하여 데이터를 선택할 수 있다. 인식 정보의 항목 또는 인식 정보가 포함하는 항목들의 정보가 동일 또는 유사한지 여부는 기 설정된 수치 이상으로 유사한지를 기준으로 판단할 수 있다.

모델 학습부(1310-4)는 학습 데이터에 기초하여 발화 음성의 의도를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 발화 음성의 의도를 판단하기 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.

또한, 모델 학습부(1310-4)는 발화 음성의 의도를 판단하기 위해 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 음성 입력 등)을 입력 받아 미리 구축된 모델일 수 있다.

데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.

또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.

또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 발화 음성의 의도를 판단하기 위해 필요한 데이터의 종류를 스스로 학습함으로써, 발화 음성의 의도를 판단하기 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 발화 음성의 의도 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.

일부 실시예에서, 데이터 인식 모델은 복수의 그룹을 생성하는 기준을 학습할 수 있다. 각 그룹은 발화 음성의 의도가 동일 또는 유사한 것으로 판단된 인식 정보들의 집합일 수 있다.

일부 실시예에서, 모델 학습부(1310-4)는, 복수의 인식 정보를 소정의 시간 간격으로 획득하거나 복수의 인식 정보를 소정의 시간 간격으로 서버로부터 수신되는 상황으로부터, 복수의 인식 정보를 동일 그룹에 등록할지 여부를 결정하는 기준을 학습할 수 있다.

일부 실시예에서, 모델 학습부(1310-4)는, 그룹에 등록된 인식 정보들 중 하나를 대표 정보로 설정하는 학습을 할 수 있다. 예를 들어, 디바이스(1000)로 사용자가 발화한 음성이 입력되고 기 설정된 시간 동안, 더 이상 사용자의 발화 음성이 입력되지 않으면, 모델 학습부(1310-4)는 마지막으로 입력된 음성으로부터 획득된 인식 정보를 대표정보로 설정할 수 있다. 또한, 모델 학습부(1310-4)는, 인식 정보에 대응하는 기 설정된 기능이 실행 가능한 것으로 판단된 경우, 해당 인식 정보를 대표 정보로 설정할 수 있다.

또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.

이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.

모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.

예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.

한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.

한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 10은 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.

도 10을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.

데이터 획득부(1320-1)는 발화 음성의 의도를 판단하기 위해 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 발화 음성의 의도를 판단하기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 발화 음성의 의도를 판단하기 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 발화 음성의 의도를 판단하기 위해 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 발화 음성의 의도를 판단하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 전술된 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.

인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 발화 음성의 의도를 판단할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.

예를 들어, 음성 입력의 인식 결과는 텍스트, 음성, 동영상, 이미지 또는 명령어(예로, 어플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다. 인식 결과 제공부(1320-4)는 음성 입력으로부터 생성된 인식 정보를 데이터 인식 모델에 적용하여 음성 입력 인식 결과를 제공할 수 있다. 일 예로, 인식 결과 제공부(1320-4)는 음성 입력에 포함된 사용자의 의도에 대응하는 항목들의 인식 결과를 제공 할 수 있다. 인식 결과는, 예로, 음성 입력에 포함된 사용자의 의도(intent), 대상(object), 날짜(date), 장소(location), 메시지(message) 등이 될 수 있다.

또한, 예를 들어, 인식 결과 제공부()는 선택된 데이터를 데이터 인식 모델에 적용함으로써, 선택된 데이터가 속한 그룹 및 그룹을 대표하는 인식 정보를 획득할 수 있다.

모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.

한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 11은 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.

도 11을 참조하면, 서버(2000)는 발화 음성의 의도를 판단하기 위한 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(2000)에 의한 학습 결과에 기초하여 발화 음성의 의도를 판단할 수 있다.

이 경우, 서버(2000)의 모델 학습부(2340)는 도 11에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 발화 음성의 의도를 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 발화 음성의 의도를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 발화 음성의 의도 판단을 위한 기준을 학습할 수 있다.

또한, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 발화 음성의 의도를 판단할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 발화 음성의 의도를 판단할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 판단된 발화 음성의 의도에 관한 정보를 서버(2000)로부터 수신할 수 있다. 디바이스(1000)는 사용자로부터 발화된 음성 입력을 서버(2000)로 전송할 수 있다. 서버(2000)는 ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 와 같은 음성 인식 기술을 이용하여 제 1 음성 입력을 분석할 수 있다. 서버(2000)는 제 1 음성 입력을 분석하여 제 1 인식 정보를 생성하고, 디바이스(1000)으로 전송할 수 있다. 디바이스(1000)는 서버(2000)로부터 음성 입력의 인식 정보를 수신할 수 있다.

또는, 디바이스(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 발화 음성의 의도를 판단할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 발화 음성의 의도를 판단할 수 있다.

도 12는 본 발명의 일 실시예에 따른 디바이스(1000)의 구성을 설명하기 위한 블록 구성도이다.

도 12에 도시된 바와 같이, 본 발명의 일 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 제어부(1300), 통신부(1500) 이외에 출력부(1200), 센싱부(1400), A/V 입력부(1600), 메모리(1700)를 더 포함할 수도 있다.

이하 상기 구성요소들에 대해 차례로 살펴본다.

사용자 입력부(1100)는, 사용자가 디바이스(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

사용자 입력부(1100)는, 사용자 입력을 수신할 수 있다. 예를 들어, 사용자 입력부(100)는 응답 메시지 중 일부 텍스트를 수정하기 위한 사용자 입력을 수신할 수 있다.

출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호의 출력을 위한 것으로, 이에는 디스플레이부(1210)와 음향 출력부(1220), 진동 모터(1230) 등이 포함될 수 있다.

디스플레이부(1210)는 후술할 제어부(1300)에 의해 제어됨으로써, 디바이스(1000)에서 처리되는 정보를 디스플레이할 수 있다.

한편, 디스플레이부(1210)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1210)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(1210)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다. 그리고 디바이스(1000)의 구현 형태에 따라 디바이스(1000)는 디스플레이부(1210)를 2개 이상 포함할 수도 있다. 이때, 2개 이상의 디스플레이부(1210)는 힌지(hinge)를 이용하여 마주보게 배치될 수 있다.

음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다. 이러한 음향 출력부(1220)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.

진동 모터(1230)는 진동 신호를 출력할 수 있다. 예를 들어, 진동 모터(1230)는 오디오 데이터 또는 비디오 데이터(예컨대, 호신호 수신음, 메시지 수신음 등)의 출력에 대응하는 진동 신호를 출력할 수 있다. 또한, 진동 모터(1230)는 터치스크린에 터치가 입력되는 경우 진동 신호를 출력할 수도 있다.

제어부(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 제어부(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 제어부(1300)는 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500) 및 A/V 입력부(1600)를 제어함으로써, 디바이스(1000)가 음성 입력의 의미를 나타내는 인식 정보를 획득하고, 인식 정보를 기반으로 응답 메시지를 디스플레이부에 표시하도록 할 수 있다.

또한, 제어부(1300)는, 통신부(1500)를 제어함으로써, 사용자로부터 입력된 음성을 서버(2000)와 공유할 수 있다.

센싱부(1400)는, 디바이스(1000)의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 제어부(1300)로 전달할 수 있다.

센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.

통신부(1500)는, 디바이스(1000)와 다른 디바이스 또는 디바이스(1000)와 서버(2000) 간의 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.

근거리 통신부(short-range wireless communication unit)(151)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.

통신부(1500)는, 제어부(1300)에 의해 제어됨으로써 다른 디바이스 및 서버(2000)와 데이터를 송수신한다. 통신부(1500)는 다른 디바이스에게 직접 데이터를 전송하거나 서버(2000)를 경유하여 데이터를 전송할 수 있다. 또한, 통신부(1500)는 다른 디바이스로부터 직접 데이터를 수신하거나 서버(2000)를 경유하여 데이터를 수신할 수 있다.

또한, 통신부(1500)는 프로필 이미지 카드, 사용자 정보, 평가 정보 및 추천 리스트 중 적어도 하나를 다른 디바이스 및 서버(2000)와 송수신할 수 있다.

A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 제어부(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.

카메라(1610)에서 처리된 화상 프레임은 메모리(1700)에 저장되거나 통신부(1500)를 통하여 외부로 전송될 수 있다. 카메라(161)는 단말기의 구성 태양에 따라 2개 이상이 구비될 수도 있다.

마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)는 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.

메모리(1700)는, 제어부(1300)의 처리 및 제어를 위한 프로그램을 저장할 수도 있고, 입/출력되는 데이터들(예컨대, 복수의 메뉴, 복수의 메뉴 각각에 대응하는 복수의 제 1 계층 서브 메뉴, 복수의 제 1 계층 서브 메뉴 각각에 대응하는 복수의 제 2 계층 서브 메뉴 등)을 저장할 수도 있다.

메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 또한, 디바이스(1000)는 인터넷(internet)상에서 메모리(1700)의 저장 기능을 수행하는 웹 스토리지(web storage) 또는 클라우드 서버를 운영할 수도 있다.

메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.

UI 모듈(171)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 제어부(1300)로 전달할 수 있다. 본 발명의 일 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.

터치스크린의 터치 또는 근접 터치를 감지하기 위해 터치스크린의 내부 또는 근처에 다양한 센서가 구비될 수 있다. 터치스크린의 터치를 감지하기 위한 센서의 일례로 촉각 센서가 있다. 촉각 센서는 사람이 느끼는 정도로 또는 그 이상으로 특정 물체의 접촉을 감지하는 센서를 말한다. 촉각 센서는 접촉면의 거칠기, 접촉 물체의 단단함, 접촉 지점의 온도 등의 다양한 정보를 감지할 수 있다.

또한, 터치스크린의 터치를 감지하기 위한 센서의 일례로 근접 센서가 있다.

근접 센서는 소정의 검출면에 접근하는 물체, 혹은 근방에 존재하는 물체의 유무를 전자계의 힘 또는 적외선을 이용하여 기계적 접촉이 없이 검출하는 센서를 말한다. 근접 센서의 예로는 투과형 광전 센서, 직접 반사형 광전 센서, 미러 반사형 광전 센서, 고주파 발진형 근접 센서, 정전용량형 근접 센서, 자기형 근접 센서, 적외선 근접 센서 등이 있다. 사용자의 터치 제스처에는 탭, 터치&홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭, 스와이프 등이 있을 수 있다.

알림 모듈(1730)은 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(173)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

디바이스에 대한 사용자의 제 1 음성 입력을 수신하여 상기 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득하는 단계;
상기 획득된 제 1 인식 정보가 상기 제 1 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계;
상기 응답 메시지가 표시된 이후의 기 설정된 시간 내에 상기 디바이스에 대한 상기 사용자의 제 2 음성 입력을 수신하여, 상기 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득하는 단계;
상기 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계;
상기 제 1 인식 정보 및 상기 제 2 인식 정보를 제 1 그룹에 등록하는 단계를 포함하는 음성 인식 방법.
제 1항에 있어서,
상기 제 1 인식 정보가 표시된 이후의 기설정된 시간 내에 상기 제 2 음성이 입력됨에 따라, 상기 제 2 인식 정보를 상기 제 1 그룹의 대표 정보로 설정하는 단계를 포함하는 음성 인식 방법.
제 1항에 있어서,
상기 표시된 제 2 응답 메시지를 수정하는 사용자 입력을 수신하는 단계;
상기 수정된 제 2 응답 메시지에 기초하여, 상기 제 2 인식 정보를 수정하는 단계; 및
상기 수정된 제 2 인식 정보를 상기 제 1 그룹의 대표 정보로 설정하는 단계
를 더 포함하는 음성 인식 방법.
제 2항에 있어서,
제 3 음성 입력을 수신하여 상기 제 3 음성 입력의 의미를 나타내는 제 3 인식 정보를 획득하는 단계;
상기 제 3 인식 정보와 상기 제 1 인식 정보가 기 설정된 수치 이상으로 유사한 경우, 상기 제 1 그룹을 대표하는 상기 제 2 인식 정보를 상기 디바이스의 메모리로부터 추출하는 단계; 및
상기 추출된 제 2 인식 정보에 기초하여, 상기 제 3 음성 입력을 발화한 상기 사용자의 의도에 대응하는지 확인하는 제 3 응답 메시지를 상기 디바이스의 디스플레이부에 표시하는 단계를 포함하는 음성 인식 방법.
제 1항에 있어서,
상기 제 1 음성 입력의 제 1 인식 정보를 획득하는 단계는,
상기 제 1 음성 입력을 서버로 전송하는 단계; 및
상기 서버로부터 상기 제 1 음성 입력의 제 1 인식 정보를 수신하는 단계를 포함하는 음성 인식 방법.
제 1 항에 있어서,상기 제 1 인식 정보 및 상기 제 2 인식 정보는,
상기 사용자의 의도를 나타내기 위한 적어도 하나의 항목에 대응되는 정보를 포함하며,
상기 적어도 하나의 항목은, 의도, 대상, 날짜, 장소, 메시지 중 하나를 포함하는 것인, 음성 인식 방법.
제 2 항에 있어서,
상기 제 1 그룹의 대표 정보에 대응하는 상기 디바이스의 기 설정된 기능을 실행하는 단계를 포함하는 음성 인식 방법.
제 1 항에 있어서,
상기 제 1 인식 정보 및 상기 제 2 인식 정보는 ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 어느 하나를 기반으로 상기 사용자의 음성 입력의 의미를 분석된 음성 인식 방법.
제 1항에 있어서,
상기 제 1 그룹을 상기 디바이스의 데이터베이스에 저장하는 단계를 포함하는 음성 인식 방법.
디바이스에 대한 사용자의 제 1 음성 입력을 수신하여 상기 제 1 음성 입력의 의미를 나타내는 제 1 인식 정보를 획득하는 제어부; 및
상기 획득된 제 1 인식 정보가 상기 제 1 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 1 응답 메시지를 표시하는 디스플레이부를 포함하고,
상기 제어부는 상기 응답 메시지가 표시된 이후의 기 설정된 시간 내에 상기 디바이스에 대한 상기 사용자의 제 2 음성 입력을 수신하여, 상기 제 2 음성 입력의 의미를 나타내는 제 2 인식 정보를 획득하고,
상기 디스플레이부는 상기 획득된 제 2 인식 정보가 제 2 음성 입력을 발화한 상기 사용자의 의도에 대응하는지를 확인하기 위한 제 2 응답 메시지를 표시하고,
상기 제어부는 상기 제 1 인식 정보 및 상기 제 2 인식 정보를 제 1 그룹에 등록하는 음성 인식 장치.
제 10항에 있어서,
상기 제어부는 상기 제 1 인식 정보가 표시된 이후의 기설정된 시간 내에 상기 제 2 음성이 입력됨에 따라, 상기 제 2 인식 정보를 상기 제 1 그룹의 대표 정보로 설정하는 음성 인식 장치.
제 10항에 있어서, 상기 제어부는,
상기 표시된 제 2 응답 메시지를 수정하는 사용자 입력을 수신하고, 상기 수정된 제 2 응답 메시지에 기초하여, 상기 제 2 인식 정보를 수정하며, 상기 수정된 제 2 인식 정보를 상기 제 1 그룹의 대표 정보로 설정하는 음성 인식 장치.
제 11항에 있어서, 상기 제어부는,
제 3 음성 입력을 수신하여 상기 제 3 음성 입력의 의미를 나타내는 제 3 인식 정보를 획득하고, 상기 제 3 인식 정보와 상기 제 1 인식 정보가 기 설정된 수치 이상으로 유사한 경우, 상기 제 1 그룹을 대표하는 상기 제 2 인식 정보를 상기 디바이스의 메모리로부터 추출하며,
상기 디스플레이부는,
상기 추출된 제 2 인식 정보에 기초하여, 상기 제 3 음성 입력을 발화한 상기 사용자의 의도에 대응하는지 확인하는 제 3 응답 메시지를 표시하는 음성 인식 장치.
제 10항에 있어서, 상기 제어부는
상기 제 1 음성 입력을 서버로 전송하고, 상기 서버로부터 상기 제 1 음성 입력의 제 1 인식 정보를 수신하는 음성 인식 장치.
제 10 항에 있어서,
상기 제 1 인식 정보 및 상기 제 2 인식 정보는,
상기 사용자의 의도를 나타내기 위한 적어도 하나의 항목에 대응되는 정보를 포함하며,
상기 적어도 하나의 항목은, 의도, 대상, 날짜, 장소, 메시지 중 하나를 포함하는 것인, 음성 인식 장치.
제 11 항에 있어서,
상기 제어부는, 상기 제 1 그룹의 대표 정보에 대응하는 상기 디바이스의 기 설정된 기능을 실행하는 음성 인식 장치.
제 10 항에 있어서,
상기 제 1 인식 정보 및 상기 제 2 인식 정보는 ASR(Automatic Speech Recognition), SLU(Spoken Language Understanding), NLU(Natural Language Understanding) 중 어느 하나를 기반으로 상기 사용자의 음성 입력의 의미를 분석된 음성 인식 장치.
제 10항에 있어서,
상기 제어부는 상기 제 1 그룹을 상기 디바이스의 데이터베이스에 저장하는 음성 인식 장치.
제 1 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.