KR20180055680A - Method of providing health care guide using chat-bot having user intension analysis function and apparatus for the same - Google Patents

Method of providing health care guide using chat-bot having user intension analysis function and apparatus for the same Download PDF

Info

Publication number
KR20180055680A
KR20180055680A KR1020170095207A KR20170095207A KR20180055680A KR 20180055680 A KR20180055680 A KR 20180055680A KR 1020170095207 A KR1020170095207 A KR 1020170095207A KR 20170095207 A KR20170095207 A KR 20170095207A KR 20180055680 A KR20180055680 A KR 20180055680A
Authority
KR
South Korea
Prior art keywords
user
intention
document
qualities
learning
Prior art date
Application number
KR1020170095207A
Other languages
Korean (ko)
Other versions
KR101971582B1 (en
Inventor
최호진
이동건
오교중
김현기
허정
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Publication of KR20180055680A publication Critical patent/KR20180055680A/en
Application granted granted Critical
Publication of KR101971582B1 publication Critical patent/KR101971582B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/22Social work
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0224Discounts or incentives, e.g. coupons or rebates based on user history
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue

Abstract

A method for extracting user intention using a chat-bot and recommending a health care instruction sentence based on the extracted user intention, and a computer device and a recording medium therefor are provided. The method includes the steps of: learning a document intention qualification extraction neural network model using examples of a health care instruction document and user intention information; and recommending a health care instruction by receiving the user intention through the chat-bot. The health care instruction suited to the user′s intention economically can be provided by extracting a meaning according to the intention of a dialogue using the chat-bot automated by learning based on the health care instruction and various intention information and providing the health care instruction suitable for a user situation.

Description

사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법 및 이를 위한 장치 {METHOD OF PROVIDING HEALTH CARE GUIDE USING CHAT-BOT HAVING USER INTENSION ANALYSIS FUNCTION AND APPARATUS FOR THE SAME}TECHNICAL FIELD [0001] The present invention relates to a method for providing healthcare instructions using a chat bot having a user's intention extracting function, and a device for the same. [0002]

본 발명은 채팅 로봇(이를 줄여서 '채트봇(Chat-bot)이라 함)을 통해 사용자의 대화 내에 내재된 의도를 추출하고 그에 따른 헬스케어 서비스 추천 지침 문장을 추천하는 기술에 관한 것이다.The present invention relates to a technology for extracting an intention within a conversation of a user through a chat robot (shortly referred to as a " chat-bot ") and recommending a sentence of a health care service recommendation instruction.

채팅은 컴퓨터 등의 장치를 통해 인터넷 상의 사용자가 만나 메시지를 주고받는 것으로 예전부터 사용되었다. 이후 휴대전화 및 모바일 장치의 발달로 인터넷 접속에 있어서의 공간적인 제약을 극복하여 채팅은 인터넷에 연결 할 수 있는 장치가 있는 곳이면 어디에서든 사용 가능하게 되었다. Chat has long been used by users on the Internet to exchange messages with devices such as computers. Since the development of mobile phones and mobile devices has overcome the space limitations of Internet access, chat has become available wherever there is a device that can connect to the Internet.

일반적으로 채팅은 사람과 사람 간의 대화를 전제로 하는 것이어서, 대화 상대방이 존재하지 않는 경우에는 이용하기 어려웠다. 채팅할 상대방(사람)이 없는 경우에도 채팅을 할 수 있기를 원하는 요구도 존재한다. 이런 요구를 만족시키기 위한 수단으로 채트봇이 개발되었다. 채트봇은 입력되는 말에 따라 적절한 대답을 추천하여 표현하는 기능을 갖춤으로써, 사람을 대신하여 채팅 상대방으로서의 역할을 할 수 있게 되었다.Generally speaking, chat is a premise of a conversation between a person and a person. There is also a desire to be able to chat even when there is no other person (person) to chat with. Chat bot has been developed as a means to satisfy this demand. Chat bot has the function of recommending and expressing the appropriate answer according to the input words, so that it can play the role of chat partner on behalf of the person.

하지만 지금까지 개발된 채트봇은 단순한 질문의 주요 키워드와 미리 만들어진 답변 문장을 이용해 답하는 정도의 수준이다. 그렇기 때문에 종래의 채트봇은 연속된 대화의 의도를 추출해서 이용자의 의도에 따라서 정확한 답변을 하는 것이 어렵다. But the chatter bots developed so far are at the level of responding with the key keywords of simple questions and prebuilt answer sentences. Therefore, it is difficult for conventional chat bots to extract consecutive conversation intentions and to give accurate answers according to the user 's intention.

한편, 인터넷을 이용하여 건강 상담자를 의료진과 연결시켜 주는 인터넷 건강 상담 시스템이 존재한다. 일반적으로, 인터넷 건강 상담 시스템은 건강 상담자가 병원에 가는 수고를 덜어주어 시간과 비용을 절약해 줄 수 있다. 그러나 실시간 상담을 위해서는 전문 의료진이 상시 대기해야 한다는 단점이 있다. On the other hand, there is an Internet health counseling system that connects the health counselor with the medical staff using the Internet. In general, the Internet health counseling system can save time and money by reducing the trouble for the health consultant to go to the hospital. However, there is a disadvantage that professional medical staffs must wait for real time consultation.

본 발명은 사용자와의 연속된 대화로부터 사용자의 내재된 의도를 분석, 추출하고 그 의도에 기초하여 사용자에게 최적의 헬스케어 지침을 제공할 수 있는 채트봇을 이용한 헬스케어 지침 제공 방법과 이를 위한 장치를 제공하기 위한 것이다.The present invention provides a healthcare guidance providing method using a chat bot that can analyze and extract a user's intention from a continuous conversation with a user and provide an optimal healthcare guidance to a user based on the intention of the user, .

또한, 본 발명의 다른 목적은 위와 같은 헬스케어 지침 제공 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 가독형 기록 매체를 제공하는 것이다.It is another object of the present invention to provide a computer readable recording medium on which a computer program for executing the above healthcare guidance providing method on a computer is recorded.

본 발명의 목적은 상술한 것들에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있을 것이다.The object of the present invention is not limited to the above-described embodiments, but may be variously modified without departing from the spirit and scope of the present invention.

본 발명의 상기 목적을 달성하기 위한 실시예들에 따르면, 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법이 제공된다. 이 방법은 헬스케어 지침 문서와 사용자 의도 정보의 예시에 기초하여 문서 의도 자질 추출 신경망 모델을 학습하는 단계; 및 채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계를 포함한다.According to embodiments of the present invention for achieving the above object, there is provided a method for providing healthcare guidance using a chat bot having a user dialogue intention extracting function. The method includes: learning a document intentionally extracted neural network model based on an example of a healthcare guidance document and user intent information; And recommending health care instructions by inputting user intent via the chat bot.

일 실시예에 따르면, 상기 '학습하는 단계'는, 자연어 지침 문서와 사용자 의도 정보를 어절 단위 텍스트로 분할하는 단계; 분할된 어절 단위 텍스트 각각을 미리 학습된 어절 수준 신경망 모델에 기초하여 입력 자질로 추출하는 단계; 추출된 입력 자질에 기초하여 문서 의도 자질 추출 신경망 모델을 학습하는 단계; 및 학습된 지침 문서 자질을 지침 문서 데이터베이스(DB)에 저장하는 단계를 포함할 수 있다. According to one embodiment, the 'learning step' includes the steps of: dividing the natural language instruction document and the user's intention information into an eighth unit text; Extracting each of the divided unitary texts as input qualities based on a previously learned word-level neural network model; Learning a document intentionally extracted neural network model based on the extracted input qualities; And storing the learned guide document qualities in a guidance document database (DB).

일 실시예에 따르면, 상기 문서 의도 자질 추출 신경망 모델을 학습하는 단계는, 추출된 입력 자질과 목표 의도 유사도를 이용해 문서 의도 자질 추출 신경망 모델을 학습하는 것을 포함할 수 있다. According to an exemplary embodiment, learning the document intentionally extracted neural network model may include learning a document intentionally extracted neural network model using the extracted input qualities and target intention similarity.

일 실시예에 따르면, 상기 지침 문서 DB에 저장하는 단계는 추출된 상기 자연어 지침 문서의 지침 문서 자질과 상기 자연어 지침 문서의 텍스트를 함께 저장하는 것을 포함할 수 있다.According to an embodiment, the step of storing the instruction in the instruction document DB may include storing the instruction document qualities of the extracted natural language instruction document and the text of the natural language instruction document together.

일 실시예에 따르면, 상기 '추천하는 단계'는, 상기 채트봇이 사용자의 메시지를 입력 받는 단계; 입력받은 사용자의 메시지를 입력 자질로 추출하는 단계; 추출된 입력 자질을 이용하여 사용자 의도를 인지해 사용자 의도 자질로 추출하는 단계; 추출된 사용자 의도 자질을 유사도 분석에 기초하여 헬스케어 지침 문서를 탐색하는 단계; 및 탐색된 지침 문서를 사용자에게 추천하는 단계를 포함할 수 있다. According to one embodiment, the 'recommending step' may include: receiving the message of the user by the chat bot; Extracting a message of an input user as an input quality; Recognizing the user intention using the extracted input quality and extracting the user intention; Searching the retrieved user's intention qualities for a healthcare guidance document based on the similarity analysis; And recommending the guided document to the user.

일 실시예에 따르면, 상기 사용자의 메시지는 음성으로 표현되는 대화와, 텍스트의 형태로 입력되는 문장 중 적어도 어느 한 가지를 포함할 수 있다. According to one embodiment, the user's message may include at least one of a dialogue expressed in voice and a sentence input in the form of text.

일 실시예에 따르면, 상기 '사용자 의도 자질로 추출하는 단계'는 상기 추출된 입력 자질에 기초하여 학습된 문서 의도 자질 추출 신경망 모델을 이용해 상기 사용자 의도 자질을 추출하는 것을 포함할 수 있다.According to an embodiment, the step of extracting with the user's intentionality may include extracting the intent of the user using the learned intentional attribute extraction neural network model based on the extracted input attribute.

일 실시예에 따르면, 상기 유사도 분석은, 상기 사용자 의도 자질과 상기 학습하는 단계에서 학습된 지침 문서 자질을 저장하고 있는 지침 문서 DB에 존재하는 미리 생성된 지침 문서 자질들을 비교하여, 상기 사용자 의도 자질과 가장 유사한 지침 문서 자질을 가지는 지침 문서를 찾아내는 방식으로 이루어질 수 있다. According to an embodiment, the similarity analysis may be performed by comparing the user's intention qualities with previously generated guide document qualities existing in the guide document DB storing the guide document qualities learned in the learning step, And a guidance document with the most similar document document qualities.

한편, 본 발명의 상기 목적을 달성하기 위한 실시예들에 따르면, 위와 같은 방법들 중 어느 하나에 따른 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 가독형(computer-readable) 기록 매체가 제공된다.According to another aspect of the present invention, there is provided a method for providing a health care instruction using a chat bot having a user dialogue intention extraction function according to any one of the above methods, A computer-readable recording medium is provided.

또한, 본 발명의 상기 목적을 달성하기 위한 실시예들에 따르면, 헬스케어 지침 서비스용 컴퓨터 장치가 제공된다. 상기 헬스케어 지침 서비스용 컴퓨터 장치는 데이터 저장부, 프로세서, 그리고 메모리를 포함한다. 데이터 저장부는 위와 같은 방법들 중 어느 하나에 따른 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램과 데이터를 저장한다. 상기 프로세서는 상기 컴퓨터 프로그램을 상기 데이터 저장장치로부터 읽어와서 실행한다. 상기 메모리는 상기 프로세서에 데이터 처리 작업 공간을 제공한다. 상기 프로세서는 상기 컴퓨터 프로그램을 실행함으로써 상담사와 상담자 간의 대화를 분석하여 대화 의도를 추출하여 그에 적합한 헬스케어 지침을 제공할 수 있다. According to embodiments of the present invention, a computer device for a healthcare guidance service is provided. The computer device for the healthcare guidance service includes a data store, a processor, and a memory. The data storage unit stores a computer program and data for executing a healthcare guidance providing method using a chat bot having a user dialogue intention extraction function according to any one of the above methods. The processor reads the computer program from the data storage device and executes the computer program. The memory provides a data processing workspace for the processor. The processor analyzes the conversation between the counselor and the counselor by executing the computer program, extracts the conversation intention, and provides the appropriate health care instructions.

일 실시예에 따르면, 상기 컴퓨터 장치는 클라우드 서버 장치로 구현될 수 있다. According to one embodiment, the computer device may be implemented as a cloud server device.

본 발명에 따르면, 헬스케어 지침과 각종 의도 정보를 바탕으로 학습하여 자동화된 채트봇을 구현할 수 있다. 그 채트봇을 이용해 사용자와의 대화로부터 사용자의 내재된 의도에 따라 사용자가 하는 말의 의미를 추출할 수 있고, 사용자의 상황에 알맞은 헬스케어 지침을 제공할 수 있다. 이를 통해, 경제적으로 사용자의 의도에 맞는 헬스케어 지침을 제공 할 수 있어, 사용자 맞춤형 헬스케어 서비스 제공이 가능하다.According to the present invention, an automated chat bot can be realized by learning based on healthcare instructions and various intention information. It is possible to extract the meaning of the user's utterance according to the intention of the user from the conversation with the user using the chat bot, and to provide the health care instruction suited to the user's situation. Through this, it is possible to economically provide healthcare guidelines that are tailored to the user's intent, thereby providing customized health care services.

도 1은 본 방명의 실시예에 따라 채트봇을 이용해 사용자의 의도를 추출하고 이를 헬스케어 문장 추천에 사용하는 방법을 나타내는 흐름도이다.
도 2는 본 발명의 실시예에 따라 '헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 학습하는 단계'에 대한 상세 흐름도이다.
도 3은 본 발명의 실시예에 따라 채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계가 작동하는 시스템 구조를 도시하는 블록도이다.
도 4는 본 발명의 실시예에 따라 '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계'에 대한 상세 흐름도이다.
도 5는 본 발명의 실시예에 따라 '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계'가 작동하는 시스템 구조를 도시하는 블록도이다.
도 6은 본 발명의 실시예에 따라 형태소임베딩 모델 기반 한국어 문장 언어모델 학습 과정을 도시한다.
도 7은 본 발명이 정신과 상담에 적용될 때의 개념을 예시적으로 나타낸 도면이다.
FIG. 1 is a flowchart illustrating a method of extracting a user's intention using a chat bot and using the extracted intention for healthcare sentence recommendation according to an embodiment of the present disclosure.
FIG. 2 is a detailed flowchart of 'learning using a healthcare guidance document and an example of user's intention information' according to an embodiment of the present invention.
FIG. 3 is a block diagram illustrating a system structure in which a step of recommending a health care instruction by inputting a user intention through a chat bot is operated according to an embodiment of the present invention.
FIG. 4 is a detailed flowchart illustrating a step of recommending a health care instruction by inputting a user intention through a chat bot according to an embodiment of the present invention.
FIG. 5 is a block diagram illustrating a system structure in which a 'step of recommending a health care instruction by inputting a user intention through a chat bot' operates according to an embodiment of the present invention.
FIG. 6 illustrates a Korean sentence language model learning process based on a morphological embedding model according to an embodiment of the present invention.
FIG. 7 is a diagram exemplifying the concept when the present invention is applied to psychiatric consultation.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시 예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시 예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.The following detailed description of the invention refers to the accompanying drawings, which illustrate, by way of illustration, specific embodiments in which the invention may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different, but need not be mutually exclusive. For example, certain features, structures, and characteristics described herein may be implemented in other embodiments without departing from the spirit and scope of the invention in connection with an embodiment. It is also to be understood that the position or arrangement of the individual components within each disclosed embodiment may be varied without departing from the spirit and scope of the invention. The following detailed description is, therefore, not to be taken in a limiting sense, and the scope of the present invention is to be limited only by the appended claims, along with the full scope of equivalents to which such claims are entitled, if properly explained. In the drawings, like reference numerals refer to the same or similar functions throughout the several views.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be construed as meaning consistent with meaning in the context of the relevant art and are not to be construed as ideal or overly formal in meaning unless expressly defined in the present application .

이하에서는 첨부한 도면을 참조하면서 본 발명을 용이하게 실시할 수 있도록 구체적으로 설명한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 방명의 실시예에 따라 채트봇을 이용해 사용자의 의도를 추출하고 이를 헬스케어 문장 추천에 사용하는 방법을 나타낸다. FIG. 1 illustrates a method of extracting a user's intention using a chat bot and using the extracted intention in healthcare sentence recommendation according to an embodiment of the present disclosure.

도 1을 참조하면, 채트봇을 이용해 내재된 사용자의 의도를 추출하고 이를 헬스케어 문장 추천에 사용하는 방법은 크게, 헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 문서 의도 자질 추출 신경망 모델을 학습하는 단계(S100)와, 채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S200)를 포함한다.Referring to FIG. 1, a method of extracting an intention of a user using a chat bot and using the extracted intention for healthcare sentence recommendation is largely classified into a health guidance document and an example of user intention information, (S100), and recommending a health care instruction by inputting a user intention through a chat bot (S200).

헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 문서 의도 자질 추출 신경망 모델을 학습하는 단계(S100)는 미리 만들어진 헬스케어 지침의 문서와 의도 정보 데이터를 이용해 추론 모델을 학습하는 과정이다. 헬스케어 지침 문서는 예를 들어 "감기에 걸렸을 때는 생강차를 드시면 좋습니다. 생강차는 생강과 꿀을 넣고 뜨거운 물을 부어 만듭니다."와 같은 헬스케어 정보가 포함된 문서일 수 있다. 의도 정보는 예컨대"으슬으슬 몸이 추운 것 같아", "목이 따갑고 열이 나는 것 같아"등의 자연어 문장들로서, 헬스케어 문서와 관련된 의미를 포함하고 있는 문서들일 수 있다.Step S100 of learning a document intentionally extracted neural network model using an example of a healthcare guidance document and user intention information is a process of learning an inference model using a predefined document of a health care instruction and intention information data. A Healthcare Guide document might be, for example, a document that contains healthcare information such as "If you get a cold, you should have a ginger tea." Ginger tea is made by pouring ginger and honey and pouring hot water. Intentional information can be, for example, natural language sentences such as "I feel like my body is cold," "I feel dizzy and feverish," and may contain documents related to healthcare documents.

채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S200)는 학습된 모델과 채트봇을 이용해서 사용자의 의도를 입력 받아 헬스케어 지침을 추천하는 과정이다. 유저 인터페이스로 사용자 채팅 텍스트를 입력 받아 추론과정을 거쳐 헬스케어 지침 문서를 탐색하고 사용자에게 추천한다. 예를 들어 사용자가 "열이 나고 몸이 으슬으슬 추울 때는 어떡하지?"라는 문장을 입력했을 때, 이전에 학습된 모델을 이용해서 "감기에 걸렸을 때는 생강차를 드시면 좋습니다. 생강차는 생강과 꿀을 넣고 뜨거운 물을 부어 만들어 주세요."와 같은 헬스케어 문서를 탐색해 추천한다.Step S200 of recommending a health care instruction by inputting a user intention through a chat bot is a process of recommending a health care instruction by inputting a user's intention using a learned model and a chat bot. After inputting the user chat text through the user interface, the health care guidance document is searched through the inference process and recommended to the user. For example, when a user enters the sentence "What to do when the fever is cold and your body is cold," you can use a model that was learned earlier: "If you get a cold, you may want to take a ginger tea. Please pour hot water and make it. "

도 2는 '헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 학습하는 단계(S100)'의 구체적인 절차를 예시한다. 도 3은 본 발명의 실시예에 따라 채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)가 작동하는 시스템 구조를 도시한다. FIG. 2 illustrates a concrete procedure of 'learning using a healthcare guidance document and an example of user intention information (S100)'. FIG. 3 illustrates a system structure in which a step of recommending a health care instruction (S110) is operated by receiving a user intention through a chat bot according to an embodiment of the present invention.

도 2에 따르면 '헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 학습하는 단계(100)'는 구체적으로, 자연어 지침 문서와 사용자 의도 정보를 어절 단위 텍스트로 분할하는 단계(S200)와, 분할된 어절 단위 텍스트를 입력 자질로 추출하는 단계(S210)와, 추출된 입력 자질을 바탕으로 문서 의도 자질 추출 신경망 모델을 학습하는 단계(S220), 그리고 학습된 지침 문서 자질을 데이터베이스(DB)에 저장하는 단계(S230)를 포함할 수 있다. Referring to FIG. 2, a step 100 of learning using a healthcare instruction document and an example of user's intention information includes a step (S200) of dividing a natural language instruction document and user's intention information into a word unit text (S200) A step S210 of extracting an eardrum unit text as an input qualification, a step S220 of learning a document intentionality extraction neural network model based on the extracted input qualities, and a step of storing the learned guide document qualities in a database Step S230.

'헬스케어 지침 문서와 사용자 의도 정보의 예시를 이용해 학습하는 단계(100)'는 목표 의도 유사도를 더 활용하여 학습할 수도 있다.The step of learning using the example of the healthcare guidance document and the user's intention information (100) may be learned by further utilizing the target intention similarity.

자연어 지침 문서와 사용자 의도 정보와 같은 입력 텍스트를 어절 자질 단위 텍스트로 추출하는 단계(S200)를 도 3을 참조하면서 좀 더 구체적으로 설명한다. 입력 텍스트는 띄어쓰기, 공백 등과 같은 분할조건을 기반으로 하나 이상의 어절로 분할할 수 있다. 예를 들어, "감기에 걸렸을 때는 생강차를 드시면 좋습니다."라는 입력 텍스트를 띄어쓰기 기반으로 분할하면, 분할된 하나 이상의 어절은 "감기에", "걸렸을", "때는", "생강차를", "드시면", 그리고 "좋습니다"가 될 수 있다. 또한, 예를 들어, "목이 따갑고 열이 나는 것 같아"라는 입력 텍스트를 띄어쓰기를 기반으로 분할할 경우 그 하나 이상의 어절은 "목이", "따갑고", "열이", "나는", "것", "같아"가 될 수 있다. A step S200 of extracting the input text such as the natural language instruction document and the user's intention information as the eccentricity unit text will be described in more detail with reference to FIG. The input text can be divided into one or more phrases based on division conditions such as spacing, space, and the like. For example, if you divide the input text "Good for a ginger tea when you get a cold" on a space-based basis, one or more segmented phrases can be "cold", "hung", "when" If you eat, you can become "and" good ". Also, for example, if you split the input text "I am sick and feverish" based on spacing, one or more of the phrases may be "throat", "scolding", "heat", " Quot ;, "same ".

분할된 어절 단위 텍스트를 입력 자질로 추출하는 단계(S210)는 S200 단계에서 어절 분할을 통해 추출된 상기 어절 자질 단위 텍스트 각각을 미리 학습된 어절 수준 신경망 모델을 이용해서 입력 자질로 나타낼 수 있다. 위의 예에서, "감기에", "걸렸을", "때는", "생강차를", "드시면", 그리고 "좋습니다"가 어절 자질 단위 텍스트이다. Step S210 of extracting the segmented unit-of-speech text as an input character may represent each of the unit-of-speech quality unit texts extracted through the word segmentation in step S200 as input qualities using a previously learned word-level neural network model. In the above example, the words "cold", "caught", "when", "ginger tea", "eat" and "good"

추출된 입력 자질을 바탕으로 신경망을 학습하는 단계(S220)는 문서 의도 자질 추출 신경망 모델(310)을 학습한다. 즉, 추출된 입력 자질과 목표 의도 유사도(340)를 이용해 문서 의도 자질 추출 신경망 모델(310)을 학습 하는 것이다. 이 단계에서는 신경망을 통해 추론된 지침 문서 자질(330)과 사용자 의도 자질(350)의 목표 유사도(340)를 이용해 신경망을 학습한다.The learning of the neural network based on the extracted input qualities (S220) learns the document intentionally-extracted neural network model 310. That is, the document intentionality extraction neural network model 310 is learned using the extracted input qualities and the target intention similarity 340. In this step, the neural network is learned by using the target document similarity (330) derived from the neural network and the target similarity (340) of the user's intention characteristic (350).

학습된 지침 문서 자질을 DB에 저장하는 단계(S230)는 문서 의도 자질 추출 신경망 모델의 학습이 끝난 후에 모든 지침 문서의 지침 문서 자질(330)을 추론해 지침 문서 DB(320)에 지침 문서 텍스트와 함께 저장하는 단계이다.Step S230 of storing the learned guide document qualities in the DB is performed by inferring the guide document qualities 330 of all guide documents after the learning of the document intentionally extracted neural network model, And storing them together.

도 2에 도시된 지침 문서와 사용자 의도 문장(정보)을 학습하고 학습의 결과를 지침 문서 DB(320)에 저장하는 방법을 예를 들어 좀 더 구체적으로 설명한다.A method of learning the guidance document and the user's intention statement (information) shown in FIG. 2 and storing the result of learning in the guidance document DB 320 will be described in more detail by way of example.

한국어 문장을 실수 벡터로 표현하기 위해서 한국어 형태소임베딩 기술을 사용할 수 있다. 형태학상 교착어 계열인 한국어의 특성에 맞추어 형태소 별로 임베딩 모델을 학습하기 위해서 형태소임베딩 방법이 유용하다. 영어에서의 단어는 기본적으로 어간(stem)을 독립적으로 쓰거나, 접사(affix)와 결합해서 동사만을 변형하여 사용한다. 이에 반해 한국어에서는 어간에 해당하는 어휘 형태소만 의미를 갖고, 어미나 조사에 해당하는 문법 형태소의 조합으로 단어를 구성한다. 따라서 형태소임베딩 기술은 형태소 수준에서 어휘 형태소만을 추출하여 학습한다. 예시적인 문장 "이 모델들은 얇은 2개의 층으로 구성된 신경망 네트워크로, (후략)"에서 예를 들어 '네트워크로'의 형태소를 분석하면, 일반명사 '네트워크'라는 어휘 형태소와 격조사 '로'가 합쳐진 어구로 분석할 수 있다. 그 중 '네트워크'라는 어휘 형태소만을 추출하여 학습대상으로 삼을 수 있다.Korean morphological embedding techniques can be used to represent Korean sentences as real numbers. The morphological embedding method is useful for learning the embedding model for each morpheme in accordance with the characteristics of the Korean morpheme. In English, words basically use the stem independently or in combination with the affix to modify the verb. On the other hand, in Korean, only vocabulary morphemes corresponding to stem are meaningful, and words are composed of a combination of grammatical morphemes corresponding to the mother or the survey. Therefore, morphological embedding technology extracts only vocabulary morphemes from the morpheme level. An example sentence: "These models are a thin two-layer neural network, analyzing the morpheme of" from network "to" net ", for example, combining the lexical morpheme" net " It can be analyzed as a phrase. Among them, only the vocabulary term "network" can be extracted and studied.

추가로 형태소의 종류(type), 어깨 번호(의미 코드), 그리고 어휘 형태소에 결합된 어미나 조사에 해당하는 문법 형태소를 학습 자질로서 함께 학습할 수도 있다. 이 같은 자질들을 어휘 형태소의 학습 자질로 사용하지 않은 경우, 문장 내에서 비슷한 위치에 등장하는 형태소가 비슷한 벡터로 학습될 수 있다. 이 경우, 쓰임이 다르거나, 반의어도 비슷한 벡터를 가진 형태소로 학습되어, 함의자질 추출이나 함의 문장 생성 시 성능에 영향을 줄 수 있다.In addition, the types of morphemes, the number of shoulders (meaning codes), and grammatical morphemes corresponding to the endings or surrogates combined with the vocabulary morpheme can be studied together as learning qualities. If these qualities are not used as learning qualities of a vocabulary morpheme, morphemes appearing at similar positions within sentences can be learned as similar vectors. In this case, the sentence is different or the opposite word is learned as a morpheme with a similar vector, which may affect the performance when extracting the qualification or generating the sentence.

예시적인 일 실시예에 있어서, 한국어 형태소임베딩의 언어모델 학습방법은 다음과 같을 수 있다. 예컨대 한국어 위키피디아 문서에 나오는 문장들을 형태소 분석기를 통해 형태소 정보를 분석하며, 각 형태소에 대한 종류(type), 어깨 번호(의미 코드), 그리고 결합된 어미나 조사들을 학습 자질로 태그하여 말뭉치를 생성한다. 그리고 유사한 문맥 정보를 가진 단어와, 반의어를 언어 지식을 활용하여 정제한다. 그런 다음, 깊은 신경망네트워크의 한 종류인 Deep Belief Network(DBN)이라는 모델을 사용하여 말뭉치의 문장을 학습할 수 있다. 말뭉치의 문장 학습 시 활성화 함수는 ReLU를 사용할 수 있고, Dropout을 적용할 수 있다. In an exemplary embodiment, the language model learning method of Korean morphological embedding may be as follows. For example, sentences in Korean Wikipedia documents are analyzed by morpheme analyzer, and corpus is generated by tagging the type, the shoulder number (semantic code) of each morpheme, and combined endings and studies as learning qualities . Then, words with similar context information and antonyms are refined using language knowledge. Then, we can learn the sentence of corpus by using Deep Belief Network (DBN) model which is one kind of deep neural network. When learning the sentence of a corpus, the activation function can use ReLU and apply Dropout.

문장은 단어의 순차적인 나열이기 때문에, 문장의 앞에서부터 입력된 문맥 정보를 고려하면서 학습하는 것이 바람직하다. 이를 위해서, 신경망의 은닉층에서 현재 입력 데이터와 이전까지 학습된 context unit까지 모두 입력으로 받아 처리를 할 수 있는 모델을 사용할 수 있다. 예시적인 실시예에서, 문장은 단어의 순차적인 나열이기 때문에, 시계열 데이터를 학습하는 데 적합한 모델인 순환 신경망(recurrent neural network: RNN) 모델을 이용하면 효과적일 수 있다. RNN 계열의 깊은 신경망으로는 gradient vanishing 문제를 해결한 Long Short Term Memory(LSTM)와, 이를 간소화한 gated recurrent unit(GRU) 등이 있다.Since the sentence is a sequential arrangement of words, it is desirable to learn while considering the context information input from the front of the sentence. To do this, we can use a model that can receive input from the hidden layer of the neural network and process the input data and the previously learned context unit. In the exemplary embodiment, since the sentence is a sequential list of words, it may be advantageous to use a recurrent neural network (RNN) model that is a suitable model for learning time series data. Deep neural networks in the RNN family include Long Short Term Memory (LSTM), which solves gradient vanishing problems, and gated recurrent units (GRUs), which simplify them.

예시적인 일 실시예에서, 어휘 형태소의 형태소 임베딩 결과를 활용하여 문장의 의미적 정보를 포함하여 언어모델을 학습하고 한국어 문장을 인코딩하는 방법을 사용할 수 있다. 이와 관련하여, 도 6은 본 발명의 예시적인 일 실시예에서 형태소임베딩 모델 기반 한국어 문장 언어모델 학습 과정을 나타낸다.In an exemplary embodiment, a method of learning the language model including the semantic information of the sentence using the morphological embedding result of the vocabulary morpheme and encoding the Korean sentence can be used. In this regard, FIG. 6 illustrates a Korean sentence language model learning process based on a morphological embedding model in an exemplary embodiment of the present invention.

도 6을 참조하면, 형태소임베딩 모델 기반 한국어 문장 언어모델 학습하기 위해, 우선 모델을 학습 시킬 한국어 말뭉치를 선택한다. 이 말뭉치의 문장을 형태소분석기를 통해 분석한 형태소 분석 자질과, 단어 의미 중의성 해소 결과를 학습 자질을 태그로 형태소 임베딩에서 형태소 표현 방법 따라 주석을 단다. 어깨번호와 형태소 종류를 자질로써 형태소의 주석으로 달 수 있다. 예를 들어, 한국어 웹 백과사전인 위키피디아의 덤프 데이터 (: 데이터베이스_다운로드)를 사용할 수 있다. 한국어 위키피디아 덤프 데이터(2016년 6월 기준)에서 제목과, 본문의 문장만 파싱하여 말뭉치를 구성할 수 있다. 발명자들이 실제로 수행해본 바에 따르면, 숫자와 기호, 영문 및 한국어 문장만 정제하였을 때 2,619,773 문장이 파싱되었다. 그리고 형태소 분석결과 분석된 형태소는 77,172,818개로 카운트되었다.Referring to FIG. 6, in order to learn a Korean sentence language model based on a morphological embedding model, a Korean corpus to be modeled is first selected. The corpus of this corpus is analyzed by morpheme analyzer, and the results of word resolution are annotated according to morphological representation method in embedding morpheme with tags of learning qualities. The shoulder number and type of morpheme can be annotated with morphemes as morphemes. For example, you can use Wikipedia's dump data (: database_download), which is a Korean web encyclopedia. In Korean Wikipedia dump data (as of June 2016), you can construct a corpus by parsing only the title and text of the text. According to the inventors' actual practice, 2,619,773 sentences were parsed when only numbers and symbols, English and Korean sentences were refined. And the morpheme analysis result was analyzed as 77,172,818 morphemes.

선행학습으로 형태소 임베딩을 수행한 결과에서 해당 형태소의 형태소 벡터를 불러온다. 불러온 형태소 벡터를 입력과 출력으로 RNN 모델에 학습시킨다. 여기서 RNN 모델의 입력층은 현재 형태소의 형태소 임베딩 벡터이고, 출력층은 다음 형태소의 형태소임베딩 벡터이다. 따라서 도 6과 같이 첫 형태소를 학습할 때에는 "이슬람00NNG"에 해당하는 형태소임베딩 벡터를 입력으로 "또는00MAJ"에 해당하는 형태소임베딩 벡터를 출력으로 RNN을 학습시킨다. 이와 같은 학습의 예시적인 실시예에서, 예컨대 100차원의 형태소임베딩 벡터를 사용할 수 있다. 이 방법으로 형태소 분석 자질로 주석이 달린 한국어 위키피디아 말뭉치 문장을 학습시킨다. GRU 모델을 이용한 시험적 학습에는 예컨대 128개의 문장 길이를 사용하였다. 이는 평가용 말뭉치로 준비한 장학 퀴즈 말뭉치의 평균 길이이다. 마지막으로 GRU in/out/forget gate의 인자를 저장하고 학습 모델로 저장한다. The morphological vectors of the corresponding morpheme are retrieved from the result of performing morphological embedding with the precedence learning. The loaded morpheme vector is learned by input and output to the RNN model. Where the input layer of the RNN model is the morpheme embedding vector of the current morpheme and the output layer is the morpheme embedding vector of the next morpheme. Therefore, when learning the first morpheme, as shown in FIG. 6, the morphological embedding vector corresponding to "Islam 00NNG" is inputted and the RNN is learned by outputting a morpheme embedding vector corresponding to "00MAJ". In an exemplary embodiment of such learning, for example, a 100-dimensional morphological embedding vector may be used. In this way, it learns the Korean Wikipedia corpus sentences annotated with morpheme qualities. For the experimental learning using the GRU model, for example, 128 sentence lengths were used. This is the average length of the scholastic quiz corpus prepared for the evaluation corpus. Finally, the parameters of the GRU in / out / forget gate are stored and stored in the learning model.

다음으로, 도 4는 본 발명의 예시적인 실시예에 따른 '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'의 상세 흐름도이다. 도 5는 본 발명의 예시적인 실시예에 따른 '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'가 작동하는 시스템 구조를 도시하는 블록도이다. Next, FIG. 4 is a detailed flowchart of 'step S110 of recommending a health care instruction by inputting a user intention through a chat bot' according to an exemplary embodiment of the present invention. FIG. 5 is a block diagram illustrating a system structure in which 'recommending a health care instruction by inputting a user intention through a chat bot (S110)' according to an exemplary embodiment of the present invention operates.

도 4와 도 5를 참조하면, 본 발명의 예시적인 실시예에 따른 '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'는 채트봇이 사용자로부터 그 사용자의 메시지를 입력 받는 단계(S300)를 포함할 수 있다. 채트봇에서 사용자 대화를 입력 받는 단계(S300)는 유저 인터페이스를 통해 사용자의 메시지 입력(510)을 실시간으로 입력 받을 수 있다. 사용자의 메시지는 음성으로 표현되는 대화, 텍스트의 형태로 입력되는 문장 등일 수 있다. 채트봇은 그와 같은 입력을 인터페이싱할 수 있는 유저 인터페이스 수단을 포함할 수 있다.Referring to FIGS. 4 and 5, in step S110, a step of recommending a health care instruction by inputting a user's intention through a chat bot is performed by a chat bot, And receiving an input (S300). In step S300 of receiving the user's conversation in the chat bot, the user's message input 510 can be input in real time through the user interface. The user's message can be a dialogue expressed in voice, a sentence input in the form of text, and the like. The chat bot may include user interface means capable of interfacing such input.

'채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'는 자연어 사용자 입력(510)을 입력 자질로 추출하는 단계(S310)를 포함할 수 있다. 자연어 사용자 입력을 입력 자질(520)로 추출하는 단계(S310)는 예를 들어"열이 나고 몸이 으슬으슬 춥네"와 같은 텍스트가 입력되면, 그 텍스트를 띄어쓰기, 공백과 같은 세분화 조건에 따라 어절 단위로 분할하여 예를 들어 "열이", "나고", "몸이", "으슬으슬", "춥네"와 같은 어절 단위 텍스트를 얻을 수 있다. 이와 같이 생성된 어절 단위 텍스트에 대해서 미리 학습된 어절 단위 신경망 모델을 이용하여 입력 자질(520)을 추출할 수 있다. 입력 자질의 추출 방법에 관해서는 앞서 구체적으로 설명하였으므로 그 내용을 참조하면 된다.The step of recommending the health care instructions by inputting the intention of the user through the chat bot (S110) may include extracting the natural language user input (510) as input quality (S310). In step S310 of extracting the natural language user input to the input feature 520, for example, when a text such as "a fever occurs and a body feels frustrated" is inputted, the text is classified according to a segmentation condition such as space, You can divide the text into units of text, for example, "text", "text", "body", "text", and "text". The input feature 520 can be extracted using the already-learned word unit neural network model for the generated eulogy unit text. The method of extracting the input qualities has been described in detail in the foregoing, and the contents thereof can be referred to.

또한, '채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'는 추출된 입력 자질을 이용하여 문서 의도 자질 추출 신경망 모델(530)을 기반으로 사용자 의도를 인지해 사용자 의도 자질(540)로 추출하는 단계(S320)를 포함할 수 있다. 이 단계(S320)는 앞의 단계 S310에서 추출된 입력 자질(520)을 바탕으로 학습된 문서 의도 자질 추출 신경망 모델(530)을 이용해 사용자 의도 자질(540)을 추출할 수 있다.In addition, 'recommending health guidance by inputting user's intention through a chat bot' (S110) is a step of recognizing the user intention based on the document intention characteristic extraction neural network model 530 using the extracted input feature, And extracting the attribute 540 (S320). In step S320, the user intention attribute 540 can be extracted using the learned intentional attribute extraction neural network model 530 based on the input attribute 520 extracted in the previous step S310.

'채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계(S110)'는 또한 사용자 의도 자질(540)에 대한 유사도 분석을 통해 헬스케어 지침 문서를 탐색하는 단계(S330)와, 탐색된 지침 문서를 사용자에게 추천하는 단계(S340)를 포함할 수 있다. 이를 위해 유사도 분석 모델(550)을 사용할 수 있다. 유사도 분석 모델(550)은 사용자 의도 자질(540)을 유사도 분석을 통해 헬스케어 지침 문서(570)를 탐색하는 단계(S330)를 수행한다. 유사도 분석 모델(550)은 예컨대 [1.0, 0, 0, 0.5]와 같은 현재 사용자 의도 자질(540)과 지침 문서 DB(560)에 존재하는 미리 생성된 지침 문서 자질들을 비교하여, 사용자 의도 자질(540)과 가장 유사한 지침 문서 자질(예를 들어, [0.8, 0, 0, 0.3])을 가지는 지침 문서(570)를 찾아낼 수 있다. 그렇게 하여 탐색된 지침 문서(570)를 유저 인터페이스를 통해서 사용자에게 실시간으로 전달하여 추천할 수 있다. The step of recommending the health care instructions by inputting the intention of the user through the chat bot (S110) may further include a step (S330) of searching the healthcare guidance document through the similarity analysis of the user's intention (540) And recommending the guidance document to the user (S340). For this, a similarity analysis model 550 can be used. The similarity analysis model 550 performs a step S330 of searching the health guidance document 570 through the similarity analysis of the user's intention characteristic 540. The similarity analysis model 550 compares the current user intention qualities 540 such as [1.0, 0, 0, 0.5] with pre-generated guide document qualities existing in the guidance document DB 560, A guidance document 570 having the most similar document document qualities (e.g., [0.8, 0, 0, 0.3]) can be found. The guidance document 570 thus searched can be delivered to the user through the user interface in real time and recommended.

한편, 위에서 설명한 본 발명의 실시예들에 따른 헬스케어 지침 제공 방법은 컴퓨터 프로그램으로 구현될 수 있다. 그 컴퓨터 프로그램은 예컨대 사용자 대화 의도 추출 기능 구비 채트봇의 하드웨어 자원을 활용하여 실시될 수 있다. 즉, 채트봇은 기본적으로 하드디스크나 불휘발성 메모리 장치와 같은 저장수단과, 프로그램을 실행하기 위한 연산 처리를 하는 CPU 또는 마이크로프로세서 등과 같은 연산 장치, 그리고 사용자와의 인더랙티브한 소통을 위한 유저 인터페이스 수단(스피커와 모니터 등과 같은 입출력 장치와 이를 구동하기 위한 구동장치 등)을 구비할 수 있다. 헬스케어 지침 제공 방법을 구현한 컴퓨터 프로그램을 그와 같은 저장수단에 저장해 두었다가, 필요 시 연산장치가 그 프로그램을 실행하여 헬스케어 지침 제공 서비스를 제공할 수 있다.Meanwhile, the method of providing health care instructions according to the embodiments of the present invention described above can be implemented by a computer program. The computer program may be implemented using hardware resources of a chat bot having a user dialogue intention extraction function. That is, the chat bot basically has a storage means such as a hard disk or a nonvolatile memory device, a computing device such as a CPU or a microprocessor that performs computation processing for executing a program, and a user for interactive communication with the user And an interface means (an input / output device such as a speaker and a monitor and a drive device for driving the input / output device). A computer program embodying the method of providing healthcare instructions may be stored in such storage means and the computing device may execute the program to provide a healthcare guidance providing service if necessary.

한편, 본 발명에 따른 헬스케어 지침 제공 방법은 전문의와 환자 간의 건강 상담에 응용될 수 있다. 도 7은 본 발명의 실시예들에 따른 헬스케어 지침 제공 방법이 정신과 상담에 적용될 때의 개념을 예시적으로 나타낸 도면이다. Meanwhile, the method of providing healthcare guidance according to the present invention can be applied to health consultation between a specialist and a patient. FIG. 7 is a diagram illustrating a concept of applying the healthcare guidance providing method according to the embodiments of the present invention to psychiatric consultation.

도 7을 참조하면, 본 발명에 따른 헬스케어 지침 제공 방법은 클라우드 서버 시스템(700)에서 서비스될 수 있도록 구현될 수 있다. 본 발명에 따른 헬스케어 지침 제공 방법을 구현한 컴퓨터 프로그램은 클라우드 서버(710)에 올려 실행될 수 있다. 정신과 상담사(예: 정신과 전문의), 상담자(사용자) A와 B등은 자신의 컴퓨터 장치(720, 730, 740)를 이용하여 통신망을 통해 클라우드 서버(710)에 접속할 수 있다. 클라우드 서버(710)에는 위에서 설명한 헬스케어 지침 제공 방법의 실시에 필요한 각종 하드웨어(CPU, 메모리, 저장수단, 통신수단 등) 및 소프트웨어 리소스들(컴퓨터 프로그램, 각종 데이터, 데이터베이스 시스템 등)이 탑재될 수 있다.Referring to FIG. 7, the method for providing healthcare instructions according to the present invention can be implemented to be serviced in the cloud server system 700. The computer program implementing the healthcare guidance providing method according to the present invention can be loaded and executed in the cloud server 710. [ Psychiatrists (eg, psychiatrists), counselors (users) A and B can access the cloud server 710 through a communication network using their computer devices 720, 730 and 740. Various hardware (CPU, memory, storage means, communication means, etc.) and software resources (computer program, various data, database system, etc.) necessary for carrying out the above-described healthcare guidance providing method can be installed in the cloud server 710 have.

상기 컴퓨터 프로그램은 클라우드 서버(710)가 상담용 대화형 플랫폼을 실행하여 웹 페이지 형태로 상담사와 상담자 등의 사용자의 컴퓨터 장치(720, 730, 740)에 서비스할 수 있다. 사용자들은 그 웹 페이지 형태의 상담용 대화형 플랫폼을 매개로 하여 상담을 위한 대화(텍스트, 음성, 비디오 등)를 입력하여 상담을 진행할 수 있다. The computer program may be provided to the user's computer devices 720, 730, and 740 such as a consultant and a consultant in the form of a web page by the cloud server 710 executing an interactive platform for consultation. Users can enter a conversation (text, voice, video, etc.) for consultation through the interactive platform for consultation in the form of a web page.

본 발명에 따른 헬스케어 지침 제공방법이 구현된 상기 컴퓨터 프로그램은 상담 내용을 분석, 학습하면서 대화를 지원하고, 증상을 진단하고 해결방안을 도출하여 제시하는 등의 기능을 발휘할 수 있다.The computer program implementing the healthcare guidance providing method according to the present invention can exhibit functions such as supporting conversation while analyzing and learning consultation contents, diagnosing symptoms, and suggesting solutions.

클라우드 서버(710)가 제공하는 상기 상담용 대화형 플랫폼은 모바일 단말기용 앱(Application)을 통해 서비스될 수도 있다.The interactive platform for consultation provided by the cloud server 710 may be serviced through an application for a mobile terminal.

이와 같이 본 발명은 사용자와 채트봇의 대화로부터 사용자의 내재된 의도를 추출하고 그에 따르는 답변 문장을 선택할 수 있는 문서 분석 모델을 학습시킬 수 있다. 본 발명은 예컨대 정신과 전문의와 환자 간의 정신과 진료 상담 등과 같은 전문적인 상담 분야에도 다양하게 이용될 수도 있다. As described above, the present invention can learn a document analysis model that can extract a user's intentional intention from a conversation between a user and a chat bot and select a response sentence corresponding thereto. The present invention can also be used in a variety of professional counseling fields such as psychiatric consultation between psychiatrists and patients.

이상에서 실시예들에 설명된 특징, 구조, 효과 등은 본 발명의 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시 예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.The features, structures, effects and the like described in the embodiments are included in one embodiment of the present invention and are not necessarily limited to only one embodiment. Furthermore, the features, structures, effects and the like illustrated in the embodiments can be combined and modified by other persons skilled in the art to which the embodiments belong. Therefore, it should be understood that the present invention is not limited to these combinations and modifications.

또한, 이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be taken by way of illustration, It can be seen that various modifications and applications are possible. For example, each component specifically shown in the embodiments can be modified and implemented. It is to be understood that all changes and modifications that come within the meaning and range of equivalency of the claims are therefore intended to be embraced therein.

300: 사용자 의도 기반 헬스케어 지침 추천 시스템
310, 530: 문서 의도 자질 추출 신경망 모델
320, 560: 지침 문서 데이터베이스(DB) 330: 지침 문서 자질
340: 목표 의도 유사도 350, 540: 사용자 의도 자질
510: 사용자 입력 문장 520: 입력 문장 자질
550: 유사도 분석 모델 570: 지침 문서
300: User Intention-Based Healthcare Guidance Recommendation System
310, 530: Document Intentional Extraction Neural Network Model
320, 560: Guidance document database (DB) 330: Guidance document qualifications
340: Target intention similarity 350, 540: User Intent
510: User input sentence 520: Input sentence qualification
550: Similarity Analysis Model 570: Guidance Document

Claims (11)

헬스케어 지침 문서와 사용자 의도 정보의 예시에 기초하여 문서 의도 자질 추출 신경망 모델을 학습하는 단계; 및
채트봇을 통해 사용자 의도를 입력 받아 헬스케어 지침을 추천하는 단계를 포함하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.
Learning a document intentionally extracted neural network model based on an example of a healthcare guidance document and user intention information; And
A step of recommending a health care instruction by inputting a user intention through a chat bot; and a method for providing health care instructions using a chat bot having a user dialogue intention extracting function.
제1항에 있어서, 상기 '학습하는 단계'는, 자연어 지침 문서와 사용자 의도 정보를 어절 단위 텍스트로 분할하는 단계; 분할된 어절 단위 텍스트 각각을 미리 학습된 어절 수준 신경망 모델에 기초하여 입력 자질로 추출하는 단계; 추출된 입력 자질에 기초하여 문서 의도 자질 추출 신경망 모델을 학습하는 단계; 및 학습된 지침 문서 자질을 지침 문서 데이터베이스(DB)에 저장하는 단계를 포함하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.The method of claim 1, wherein the step of learning comprises: dividing the natural language instruction document and the user's intention information into text units of an eighth word; Extracting each of the divided unitary texts as input qualities based on a previously learned word-level neural network model; Learning a document intentionally extracted neural network model based on the extracted input qualities; And storing the learned guide document qualities in a guide document database (DB). 제2항에 있어서, 상기 문서 의도 자질 추출 신경망 모델을 학습하는 단계는, 추출된 입력 자질과 목표 의도 유사도를 이용해 문서 의도 자질 추출 신경망 모델을 학습하는 것을 포함하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.3. The method of claim 2, wherein learning the document intentionally extracted neural network model comprises learning the document intentionally extracted neural network model using the extracted input quality and the target similarity degree of the target intention. A method of providing healthcare instructions using a health chat bot. 제2항에 있어서, 상기 지침 문서 DB에 저장하는 단계는 추출된 상기 자연어 지침 문서의 지침 문서 자질과 상기 자연어 지침 문서의 텍스트를 함께 저장하는 것을 포함하는 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.3. The method according to claim 2, wherein the step of storing the instruction in the instruction document DB includes storing the instruction document qualities of the extracted natural language instruction document and the text of the natural language instruction document together. How to provide healthcare guidelines using. 제1항에 있어서, 상기 '추천하는 단계'는,
상기 채트봇이 사용자의 메시지를 입력 받는 단계; 입력받은 사용자의 메시지를 입력 자질로 추출하는 단계; 추출된 입력 자질을 이용하여 사용자 의도를 인지해 사용자 의도 자질로 추출하는 단계; 추출된 사용자 의도 자질을 유사도 분석에 기초하여 헬스케어 지침 문서를 탐색하는 단계; 및 탐색된 지침 문서를 사용자에게 추천하는 단계를 포함하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.
The method of claim 1, wherein the recommending step comprises:
Receiving a user's message from the chat bot; Extracting a message of an input user as an input quality; Recognizing the user intention using the extracted input quality and extracting the user intention; Searching the retrieved user's intention qualities for a healthcare guidance document based on the similarity analysis; And recommending the searched guide document to the user. The method of claim 1, further comprising:
제5항에 있어서, 상기 사용자의 메시지는 음성으로 표현되는 대화와, 텍스트의 형태로 입력되는 문장 중 적어도 어느 한 가지를 포함하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.6. The method according to claim 5, wherein the user's message includes at least one of a dialogue expressed in voice and a sentence input in the form of text. How to provide instructions. 제5항에 있어서, 상기 '사용자 의도 자질로 추출하는 단계'는 상기 추출된 입력 자질에 기초하여 학습된 문서 의도 자질 추출 신경망 모델을 이용해 상기 사용자 의도 자질을 추출하는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법.6. The method according to claim 5, wherein the step of extracting with the user's intention qualities extracts the intention characteristics of the user using the learned intentional feature extraction neural network model based on the extracted input features. How to Provide Healthcare Guidance Using Functional Chat Bot. 제5항에 있어서, 상기 유사도 분석은, 상기 사용자 의도 자질과 상기 학습하는 단계에서 학습된 지침 문서 자질을 저장하고 있는 지침 문서 DB에 존재하는 미리 생성된 지침 문서 자질들을 비교하여, 상기 사용자 의도 자질과 가장 유사한 지침 문서 자질을 가지는 지침 문서를 찾아내는 방식으로 이루어지는 것을 특징으로 하는 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법. The method according to claim 5, wherein the similarity analysis is performed by comparing the user's intention qualities with previously generated guide document qualities existing in the guide document database storing the guide document qualities learned in the learning step, And a guidance document having a quality of a guidance document most similar to the guidance document. The method for providing healthcare guidance using a chat bot having a user dialogue intention extracting function. 제1항 내지 제8항 중 어느 하나의 항에 따른 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터 가독형(computer-readable) 기록 매체.A computer-readable recording medium storing a computer program for executing a method for providing healthcare instructions using a chat bot having a user dialogue intention extracting function according to any one of claims 1 to 8, media. 제1항 내지 제8항 중 어느 하나의 항에 따른 사용자 대화 의도 추출 기능 구비 채트봇을 활용한 헬스케어 지침 제공 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램과 데이터를 저장하는 데이터 저장부;
상기 컴퓨터 프로그램을 상기 데이터 저장장치로부터 읽어와서 실행하기 위한 프로세서;
상기 프로세서에 데이터 처리 작업 공간을 제공하는 메모리를 포함하며,
상기 프로세서는 상기 컴퓨터 프로그램을 실행함으로써 상담사와 상담자 간의 대화를 분석하여 대화 의도를 추출하여 그에 적합한 헬스케어 지침을 제공하는 것을 특징으로 하는 헬스케어 지침 서비스용 컴퓨터 장치.
8. A computer-readable recording medium storing a computer program for executing a method of providing a healthcare instruction using a chat bot having a user interaction intention extraction function according to any one of claims 1 to 8 and a data storage unit for storing data;
A processor for reading and executing the computer program from the data storage device;
And a memory for providing a data processing workspace to the processor,
Wherein the processor analyzes the conversation between the counselor and the counselor by executing the computer program to extract a conversation intention and provides a health care instruction suitable for the extracted conversation intention.
제10항에 있어서, 상기 컴퓨터 장치는 클라우드 서버 장치로 구현된 것을 특징으로 하는 헬스케어 지침 서비스용 컴퓨터 장치.11. The computer device of claim 10, wherein the computer device is implemented as a cloud server device.
KR1020170095207A 2016-11-16 2017-07-27 Method of providing health care guide using chat-bot having user intension analysis function and apparatus for the same KR101971582B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020160152622 2016-11-16
KR20160152622 2016-11-16

Publications (2)

Publication Number Publication Date
KR20180055680A true KR20180055680A (en) 2018-05-25
KR101971582B1 KR101971582B1 (en) 2019-08-13

Family

ID=62299463

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170095207A KR101971582B1 (en) 2016-11-16 2017-07-27 Method of providing health care guide using chat-bot having user intension analysis function and apparatus for the same

Country Status (1)

Country Link
KR (1) KR101971582B1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019246581A1 (en) * 2018-06-22 2019-12-26 5 Health Inc. Methods and systems for providing and organizing medical information
KR20200081520A (en) * 2018-12-14 2020-07-08 신라대학교 산학협력단 Robot system for health care service and method thereof
KR20200114079A (en) * 2019-03-27 2020-10-07 주식회사 포시에스 System for writing electronic document by detecting key and corresponding value from sentence with multiple key
KR20200122957A (en) * 2019-04-19 2020-10-28 한국과학기술원 Suggestion of evidence sentence for utterance in debate situation
US10841251B1 (en) * 2020-02-11 2020-11-17 Moveworks, Inc. Multi-domain chatbot
KR20210012767A (en) * 2019-07-26 2021-02-03 (주)유템 Artificial intelligence medical service platform
USD931294S1 (en) 2018-06-22 2021-09-21 5 Health Inc. Display screen or portion thereof with a graphical user interface

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11423227B2 (en) 2020-02-13 2022-08-23 International Business Machines Corporation Weak supervised abnormal entity detection

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090113158A (en) * 2008-04-25 2009-10-29 (주)에이치앤비솔루션 A system for intelligent user request routing and reception based on the presence and the system for utilizing and managing collective intelligence based on presence using the same
KR101583984B1 (en) * 2014-09-17 2016-01-11 포항공과대학교 산학협력단 Method for dialog using health information database and apparatus therefor

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090113158A (en) * 2008-04-25 2009-10-29 (주)에이치앤비솔루션 A system for intelligent user request routing and reception based on the presence and the system for utilizing and managing collective intelligence based on presence using the same
KR101583984B1 (en) * 2014-09-17 2016-01-11 포항공과대학교 산학협력단 Method for dialog using health information database and apparatus therefor

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019246581A1 (en) * 2018-06-22 2019-12-26 5 Health Inc. Methods and systems for providing and organizing medical information
USD931294S1 (en) 2018-06-22 2021-09-21 5 Health Inc. Display screen or portion thereof with a graphical user interface
KR20200081520A (en) * 2018-12-14 2020-07-08 신라대학교 산학협력단 Robot system for health care service and method thereof
WO2020122485A3 (en) * 2018-12-14 2021-02-25 신라대학교 산학협력단 Robot system for providing medical assistance service and method therefor
KR20200114079A (en) * 2019-03-27 2020-10-07 주식회사 포시에스 System for writing electronic document by detecting key and corresponding value from sentence with multiple key
KR20200122957A (en) * 2019-04-19 2020-10-28 한국과학기술원 Suggestion of evidence sentence for utterance in debate situation
KR20210012767A (en) * 2019-07-26 2021-02-03 (주)유템 Artificial intelligence medical service platform
US10841251B1 (en) * 2020-02-11 2020-11-17 Moveworks, Inc. Multi-domain chatbot

Also Published As

Publication number Publication date
KR101971582B1 (en) 2019-08-13

Similar Documents

Publication Publication Date Title
Nuruzzaman et al. IntelliBot: A Dialogue-based chatbot for the insurance industry
Suta et al. An overview of machine learning in chatbots
CN112131366B (en) Method, device and storage medium for training text classification model and text classification
Hirschberg et al. Advances in natural language processing
KR20180055680A (en) Method of providing health care guide using chat-bot having user intension analysis function and apparatus for the same
US20170017635A1 (en) Natural language processing system and method
US20230161966A1 (en) Computer implemented method for the automated analysis or use of data
US20230123328A1 (en) Generating cascaded text formatting for electronic documents and displays
Abdulkader et al. A review of Arabic intelligent chatbots: Developments and challenges
Amery et al. Augmentative and alternative communication for Aboriginal Australians: Developing core vocabulary for Yolŋu speakers
Seon et al. Improving domain action classification in goal-oriented dialogues using a mutual retraining method
Manaswi et al. Developing chatbots
Jenkins Designing Service-Oriented Chatbot Systems Using a Construction Grammar-Driven Natural Language Generation System
US20230289836A1 (en) Multi-channel feedback analytics for presentation generation
US20230289854A1 (en) Multi-channel feedback analytics for presentation generation
TEIXEIRA ANICE: AN ARTIFICIAL NEURO-LINGUISTIC INTERACTIVE COMPUTER ENTITY
US20230289377A1 (en) Multi-channel feedback analytics for presentation generation
Ahmed A CHATBOT SYSTEM FOR KURDISH SPEAKERS BASED ON NATURAL LANGUAGE PROCESSING
Vasiliou Implementation of intelligent system to support remote telemedicine services using chatbots technology
Alexandris et al. Implementing a platform for complex information processing from written and spoken journalistic data
Kevin et al. BUILDING A CHATBOT FOR HEALTHCARE USING NLP
Areed Towards a Unified Arabic Government Services Chatbot Based on Ontology
Faghih Dinevari Towards the Implementation of an Intelligent Software Agent for the Elderly
Nuruzzaman IntelliBot: A Domain-specific Chatbot for the Insurance Industry
Gerard et al. Text classification and sentiment analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant