KR20190008663A - 음성 데이터 처리 방법 및 이를 지원하는 시스템 - Google Patents

음성 데이터 처리 방법 및 이를 지원하는 시스템 Download PDF

Info

Publication number
KR20190008663A
KR20190008663A KR1020170090301A KR20170090301A KR20190008663A KR 20190008663 A KR20190008663 A KR 20190008663A KR 1020170090301 A KR1020170090301 A KR 1020170090301A KR 20170090301 A KR20170090301 A KR 20170090301A KR 20190008663 A KR20190008663 A KR 20190008663A
Authority
KR
South Korea
Prior art keywords
representation
external device
information
module
task
Prior art date
Application number
KR1020170090301A
Other languages
English (en)
Inventor
이다솜
여재영
전용준
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170090301A priority Critical patent/KR20190008663A/ko
Priority to US16/035,975 priority patent/US20190019509A1/en
Priority to CN201810786342.9A priority patent/CN109272994A/zh
Publication of KR20190008663A publication Critical patent/KR20190008663A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/1815Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/18Speech classification or search using natural language modelling
    • G10L15/1822Parsing for meaning understanding
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/26Speech to text systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/28Constructional details of speech recognition systems
    • G10L15/30Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00Speaker identification or verification techniques
    • G10L17/06Decision making techniques; Pattern matching strategies
    • G10L17/12Score normalisation
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/22Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223Execution procedure of a spoken command

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

시스템에 있어서, 통신 회로, 상기 통신 회로와 기능적으로 연결된 적어도 하나의 프로세서, 및 상기 프로세서와 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하고, 상기 음성 데이터를 텍스트 데이터로 변환하고, 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하고, 상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하고, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템이 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

음성 데이터 처리 방법 및 이를 지원하는 시스템{Voice data processing method and system supporting the same}
본 문서에서 개시되는 실시 예들은 음성 데이터 처리 기술과 관련된다. 특히, 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템에서의 음성 데이터 처리 및 그 응용에 관련된 것이다.
인공지능 시스템(또는 통합 지능화 시스템)은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판당 등의 기능을 모사하는 요소 기술들로 구성된다.
요소 기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
상술한 요소 기술들 중 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다.
한편, 인공지능 시스템이 탑재된 전자 장치는 지정된 하드웨어 키가 눌리거나 마이크를 통해 지정된 음성이 입력되면, 음성 인식 앱(app)(또는 어플리케이션)과 같은 지능형 앱을 실행시킬 수 있으며, 상기 지능형 앱을 통해 사용자의 음성 입력을 수신하기 위한 대기 상태로 진입할 수 있다. 예컨대, 전자 장치는 상기 지능형 앱의 UI(user interface)를 디스플레이의 화면 상에 표시할 수 있으며, 상기 UI 중 음성 입력 버튼이 터치되면 사용자의 음성 입력을 수신할 수 있다.
또한, 전자 장치는 수신된 음성 입력에 대응되는 음성 데이터를 지능형 서버에 전송할 수 있다. 이 경우, 지능형 서버는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터에 기초하여 전자 장치에서 수행될 태스크와 관련한 전자 장치의 상태들의 시퀀스에 관한 정보 예컨대, 패스 룰(path rule)을 결정할 수 있다. 이 후, 전자 장치는 상기 지능형 서버로부터 상기 패스 룰을 수신하여 상기 패스 룰에 따라 상기 태스크를 수행할 수 있다.
그러나, 종래의 전자 장치는 상기 텍스트 데이터에 상기 태스크의 수행을 명시적으로 요청하는 표현이 없는 경우, 상기 패스 룰을 결정하지 못할 수 있다. 예컨대, 전자 장치는 상기 태스크를 수행할 외부 장치에서 실행 가능한 어플리케이션의 식별자, 상기 어플리케이션의 기능을 실행하도록 설정된 명령어 등이 상기 텍스트 데이터에 포함되어 있지 않은 경우, 상기 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 결정할 수 없으며, 이에 따라, 상기 외부 장치는 상기 태스크를 수행하지 못할 수 있다.
본 문서에서 개시되는 실시 예들은, 사용자의 발화 입력에 대응하여 획득한 음성 데이터를 텍스트 형식으로 변환한 텍스트 데이터에 태스크의 수행을 명시적으로 요청하는 표현(예: 명료한 표현(explicit expression) 또는 직접적 표현(direct expression))이 없는 경우에도, 상기 표현에 매핑된 다른 표현(예: 불명료한 표현(inexplicit expression) 또는 간접적 표현(indirect expression))이 존재하면 상기 태스크를 수행할 수 있도록 하는 음성 데이터 처리 방법 및 이를 지원하는 시스템을 제공할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 시스템은, 네트워크 인터페이스, 상기 네트워크 인터페이스와 작동적으로 연결된 적어도 하나의 프로세서, 및 상기 프로세서와 작동적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 제1 오퍼레이션에 있어서, 상기 네트워크 인터페이스를 통해, 마이크로폰을 포함하는 제1 외부 장치로부터, 상기 제1 외부 장치 또는 제2 외부 장치 중 적어도 하나를 이용하여 태스크를 수행하기 위한 명시적 요청을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제1 사용자 입력과 관련된 제1 데이터를 수신하고, 자연어 이해 프로세싱을 통해 상기 제1 사용자 입력으로부터 제1 의도를 확인하고, 상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상태들의 시퀀스를 결정하고, 상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제1 정보를 전송하고, 제2 오퍼레이션에 있어서, 상기 네트워크 인터페이스를 통해, 상기 제1 외부 장치로부터, 상기 태스크를 수행하기 위한 요청을 암시하는 자연어 표현을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제2 사용자 입력과 관련된 제2 데이터를 수신하고, 상기 시스템으로 기제공된 자연어 표현들에 적어도 일부 기반하여, 상기 자연어 표현으로부터 상기 제1 의도를 확인하고, 상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상기 상태들의 시퀀스를 결정하고, 상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제2 정보를 전송하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 시스템은, 통신 회로, 상기 통신 회로와 기능적으로 연결된 적어도 하나의 프로세서, 및 상기 프로세서와 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하고, 상기 음성 데이터를 텍스트 데이터로 변환하고, 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하고, 상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하고, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 시스템의 음성 데이터 처리 방법은, 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하는 동작, 상기 음성 데이터를 텍스트 데이터로 변화하는 동작, 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하는 동작, 상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하는 동작, 및 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자가 태스크의 수행을 명시적으로 요청하는 표현을 발화하지 않더라도 즉, 명료 발화(explicit utterance)(또는 직접 발화(direct utterance))가 아닌 불명료 발화(inexplicit utterance)(또는 간접 발화(indirect utterance))를 하더라도, 상기 태스크가 수행될 수 있도록 하여 전자 장치의 사용성 및 편의성이 증대될 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 컨텍스트 모듈이 현재 상태를 수집하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 제안 모듈을 나타낸 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 7은 본 발명의 일 실시 예에 따른 패스 플래너 모듈(path planner module)의 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 8은 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 페르소나 모듈(persona module)이 사용자의 정보를 관리하는 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시 예에 따른 음성 데이터의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 10은 본 발명의 일 실시 예에 따른 불명료 발화의 학습과 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 11은 본 발명의 일 실시 예에 따른 복수 개의 명료한 표현들과 매핑된 불명료한 표현의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 12는 본 발명의 일 실시 예에 따른 복수 개의 불명료한 표현들의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 13은 본 발명의 일 실시 예에 따른 복수 개의 불명료한 표현들의 처리와 관련한 시스템의 다른 운용 방법을 나타낸 도면이다.
도 14는 본 발명의 일 실시 예에 따른 음성 데이터의 처리와 관련한 화면 예시도이다.
도 15는 본 발명의 일 실시 예에 따른 불명료 발화 시 태스크가 수행되지 못하는 경우를 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시 예에 따른 불명료 발화 시 태스크가 수행되는 경우를 설명하기 위한 도면이다.
도 17은 본 발명의 일 실시 예에 따른 복수 개의 명료한 표현들과 매핑된 불명료한 표현을 처리하는 방법을 설명하기 위한 도면이다.
도 18은 본 발명의 일 실시 예에 따른 불명료 발화의 학습과 관련한 화면 예시도이다.
도 19는 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 발명의 일 실시 예를 서술하기에 앞서, 본 발명의 일 실시 예가 적용될 수 있는 통합 지능화 시스템에 대해 설명한다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 1을 참조하면, 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 개인화 정보 서버(300), 또는 제안 서버(400)를 포함할 수 있다.
사용자 단말(100)은 사용자 단말(100) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 사용자 단말(100)은 사용자 단말(100) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행하고 동작시킬 수 있다. 사용자 단말(100)은 상기 지능형 앱을 통해 상기 다른 앱의 실행하고 동작을 실행시키기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 휴대폰, 스마트폰, PDA(personal digital assistant), 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 사용자의 발화를 사용자 입력으로 수신할 수 있다. 사용자 단말(100)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 이에 따라, 사용자 단말(100)은 상기 명령을 이용하여 상기 앱을 동작시킬 수 있다.
지능형 서버(200)는 통신망을 통해 사용자 단말(100)로부터 사용자의 음성 입력(voice input)(또는 음성 데이터(voice data))을 수신하여 텍스트 데이터(text data)로 변경(또는 변환)할 수 있다. 다른 실시 예에서는, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule)을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 특정 전자 장치(예: 사용자 단말(100))에서 수행될 태스크(task)와 관련한 상기 전자 장치의 상태들의 시퀀스(sequence of states)에 관한 정보를 포함할 수 있다. 예를 들어, 상기 패스 룰은 상기 전자 장치에 설치된 앱의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 동작의 순서를 포함할 수 있다. 사용자 단말(100)은 상기 패스 룰을 수신하고, 상기 패스 룰에 따라 앱을 선택하고, 상기 선택된 앱에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다.
본 문서의 "패스 룰(path rule)"이라는 용어는 일반적으로, 전자 장치가 사용자에 의해 요청된 태스크를 수행하기 위한 상태들의 시퀀스를 의미할 수 있지만, 이에 제한되지 않는다. 다시 말해, 패스 룰은 상태들의 시퀀스에 대한 정보를 포함할 수 있다. 상기 태스크는, 예를 들어, 지능형 앱이 제공할 수 있는 어떠한 동작(action)일 수 있다. 상기 태스크는 일정을 생성하거나, 원하는 상대방에게 사진을 전송하거나, 날씨 정보를 제공하는 것을 포함할 수 있다. 사용자 단말(100)은 적어도 하나 이상의 상태(예: 사용자 단말(100)의 동작 상태)를 순차적으로 가짐으로써, 상기 태스크를 수행할 수 있다.
일 실시 예에 따르면, 패스 룰은 인공 지능(artificial intelligent)(AI) 시스템에 의해 제공되거나, 생성될 수 있다. 인공 지능 시스템은 룰 베이스 시스템(rule-based system)일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN)))일 수도 있다. 또는 전술한 것의 조합 또는 이와 다른 인공 지능 시스템일 수도 있다. 일 실시 예에 따르면, 패스 룰은 미리 정의된 패스 룰들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공 지능 시스템은 미리 정의된 복수의 패스 룰들 중 적어도 하나의 패스 룰을 선택하거나, 동적(또는 실시간)으로 패스 룰을 생성할 수 있다. 또한, 사용자 단말(100)은 패스 룰을 제공하기 위해 하이브리드 시스템을 사용할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 실행한 사용자 단말(100)의 상태에 대응되는 화면을 디스플레이에 표시할 수 있다. 다른 예를 들어, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이에 표시하지 않을 수 있다. 또 다른 예로, 사용자 단말(100)은 복수의 동작들을 실행하고, 상기 동작들의 일부 결과만을 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(100)은 마지막 순서의 동작을 실행한 결과만을 디스플레이에 표시할 수 있다. 또 다른 예를 들어, 사용자 단말(100)은 사용자의 입력을 수신하여 상기 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
개인화 정보 서버(300)는 사용자 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 개인화 정보 서버(300)는 사용자 단말(100)로부터 사용자 정보(예: 컨텍스트 정보, 앱 실행 정보 등)를 수신하여 상기 데이터베이스에 저장할 수 있다. 지능형 서버(200)는 통신망을 통해 개인화 정보 서버(300)로부터 상기 사용자 정보를 수신하고, 상기 사용자 정보를 사용자 입력에 대한 패스 룰을 생성하는 경우에 이용할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 통신망을 통해 개인화 정보 서버(300)로부터 사용자 정보를 수신하고, 상기 사용자 정보를 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
제안 서버(400)는 단말 내에 기능 혹은 어플리케이션의 소개 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 제안 서버(400)는 개인화 정보 서버(300)로부터 사용자 단말(100)의 사용자 정보를 수신하고, 상기 사용자 정보를 이용하여 사용자가 사용할 수 있는 기능에 대한 데이터베이스를 구축할 수 있다. 사용자 단말(100)은 통신망을 통해 제안 서버(400)로부터 상기 제공될 기능에 대한 정보를 수신하고, 수신된 정보를 사용자에게 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 2를 참조하면, 사용자 단말(100)은 입력 모듈(110), 디스플레이(120), 스피커(130), 메모리(140), 또는 프로세서(150)을 포함할 수 있다. 사용자 단말(100)은 하우징을 더 포함할 수 있고, 상기 사용자 단말(100)의 구성들은 상기 하우징의 내부에 안착되거나 하우징 상에(on the housing) 위치할 수 있다.
일 실시 예에 따른, 입력 모듈(110)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 모듈(110)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 입력 모듈(110)은 디스플레이(120)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 입력 모듈(110)은 사용자 단말(100)(또는, 사용자 단말(100)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시 예에 따르면, 입력 모듈(110)은 사용자의 발화를 음성 신호(또는 음성 데이터)로 수신할 수 있는 마이크(예: 도 3의 마이크(111))를 포함할 수 있다. 예를 들어, 입력 모듈(110)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다.
일 실시 예에 따른, 디스플레이(120)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(120)는 앱의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예에 따르면, 스피커(130)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(130)는 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수 개의 앱(또는 어플리케이션 프로그램(application program))(141, 143)들을 저장할 수 있다. 메모리(140)에 저장된 복수 개의 앱(141, 143)들은 사용자 입력에 따라 선택되어 실행되고 동작할 수 있다.
일 실시 예에 따르면, 메모리(140)는 사용자 입력을 인식하는데 필요한 정보를 저장할 수 있는 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(140)는 로그(log) 정보를 저장할 수 있는 로그 데이터베이스를 포함할 수 있다. 다른 예를 들어, 메모리(140)는 사용자 정보를 저장할 수 있는 페르소나 데이터베이스를 포함할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수 개의 앱(141, 143)들을 저장하고, 복수 개의 앱(141, 143)들은 로드(load)되어 동작할 수 있다. 예를 들어, 메모리(140)에 저장된 복수 개의 앱(141,143)들은 프로세서(150)의 실행 매니저 모듈(153)에 의해 로드되어 동작할 수 있다. 복수 개의 앱(141, 143)들은 기능을 수행하는 실행 서비스 모듈(141a, 143a)을 포함할 수 있다. 일 실시 예에서, 복수 개의 앱(141, 143)들은 기능을 수행하기 위해서 실행 서비스 모듈(141a, 143b)을 통해 복수의 동작들(예: 상태들의 시퀀스)(141b, 143b)을 실행할 수 있다. 다시 말해, 실행 서비스 모듈(141a, 143a)은 실행 매니저 모듈(153)에 의해 활성화되고, 복수의 동작들(141b, 143b)을 실행할 수 있다.
일 실시 예에 따르면, 앱(141, 143)의 동작(141b, 143b)이 실행되었을 때, 동작(141b, 143b)의 실행에 따른 실행 상태 화면(또는 실행 화면)은 디스플레이(120)에 표시될 수 있다. 상기 실행 상태 화면은, 예를 들어, 동작(141b, 143b)이 완료된 상태의 화면일 수 있다. 다른 예를 들어, 상기 실행 상태 화면은 동작(141b, 143b)의 실행이 정지된 상태(partial landing)(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우)의 화면일 수 있다.
일 실시 예에 따른, 실행 서비스 모듈(141a, 143a)은 패스 룰에 따라 동작(141b, 143b)을 실행할 수 있다. 예를 들어, 실행 서비스 모듈(141a, 143a)은 실행 매니저 모듈(153)에 의해 활성화되고, 실행 매니저 모듈(153)로부터 상기 패스 룰에 따른 실행 요청을 수신하고, 상기 실행 요청에 따라 동작(141b, 143b)을 함으로써, 앱(141, 143)의 기능을 실행할 수 있다. 실행 서비스 모듈(141a, 143a)은 상기 동작(141b, 143b)의 수행이 완료되면 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작들(141b, 143b)이 실행되는 경우, 복수의 동작들(141b, 143b)은 순차적으로 실행될 수 있다. 실행 서비스 모듈(141a, 143a)은 하나의 동작(예: 제1 앱(141)의 동작 1, 제2 앱(143)의 동작 1)의 실행이 완료되면 다음의 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)을 오픈하고 완료 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 여기서 임의의 동작을 오픈한다는 것은, 임의의 동작을 실행 가능한 상태로 천이시키거나, 임의의 동작의 실행을 준비하는 것으로 이해될 수 있다. 다시 말해서, 임의의 동작이 오픈되지 않으면, 해당 동작은 실행될 수 없다. 실행 매니저 모듈(153)은 상기 완료 정보가 수신되면 다음의 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)에 대한 실행 요청을 실행 서비스 모듈(141b, 143b)로 송신할 수 있다. 일 실시 예에 따르면, 복수 개의 앱들(141, 143)이 실행되는 경우, 복수 개의 앱들(141, 143)은 순차적으로 실행될 수 있다. 예를 들어, 제1 앱(141)의 마지막 동작(예: 제1 앱(141)의 동작 3)의 실행이 완료되어 제1 실행 서비스 모듈(141a)로부터 완료 정보를 수신하면, 실행 매니저 모듈(153)은 제2 앱(143)의 첫번째 동작(예: 제2 앱(143)의 동작 1)의 실행 요청을 제2 실행 서비스 모듈(143a)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작들(141b, 143b)이 실행된 경우, 상기 복수의 동작들(141b, 143b) 각각의 실행에 따른 결과 화면은 디스플레이(120)에 표시될 수 있다. 어떤 실시 예에서는, 상기 복수의 동작들(141b, 143b)의 실행에 따른 복수의 결과 화면 중 일부만 디스플레이(120)에 표시될 수 있다.
일 실시 예에 따르면, 메모리(140)는 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 저장할 수 있다. 지능형 에이전트(151)와 연동된 앱은 사용자의 발화를 음성 신호(또는 음성 데이터)로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)와 연동된 앱은 입력 모듈(110)을 통해 입력되는 특정 입력(예: 하드웨어 키를 통한 입력, 터치 스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시 예에 따르면, 프로세서(150)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 한 예로, 프로세서(150)는 입력 모듈(110)을 제어하여 사용자 입력을 수신할 수 있다. 다른 예로, 프로세서(150)는 디스플레이(120)를 제어하여 이미지를 표시할 수 있다. 다른 예로, 프로세서(150)는 스피커(130)를 제어하여 음성 신호를 출력할 수 있다. 또 다른 예로, 프로세서(150)는 메모리(140)를 제어하여 필요한 정보를 불러오거나 저장할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(151), 실행 매니저 모듈(153), 또는 지능형 서비스(intelligence service) 모듈(155)을 포함할 수 있다. 일 실시 예에서, 프로세서(150)는 메모리(140)에 저장된 명령어들을 실행하여 지능형 에이전트(151), 실행 매니저 모듈(153), 또는 지능형 서비스 모듈(155)을 구동시킬 수 있다. 본 발명의 다양한 실시 예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현될 수도 있다. 본 발명의 다양한 실시 예에서, 지능형 에이전트(151), 실행 매니저 모듈(153), 또는 지능형 서비스 모듈(155)에 의해 수행되는 동작은 프로세서(150)에 의해 수행되는 동작으로 이해될 수 있다.
일 실시 예에 따른, 지능형 에이전트(151)는 사용자 입력으로 수신된 음성 신호(또는 음성 데이터)에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 상기 생성된 명령을 수신하고, 상기 생성된 명령에 기반하여 메모리(140)에 저장된 앱(141, 143)을 선택하여 실행시키고 동작시킬 수 있다. 일 실시 예에 따르면, 지능형 서비스 모듈(155)은 사용자 정보를 관리할 수 있으며, 사용자 입력을 처리하는데 상기 사용자 정보를 이용할 수 있다.
지능형 에이전트(151)는 입력 모듈(110)을 통해 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 지능형 서버(200)로 송신하기 전에, 상기 사용자 입력을 전처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 상기 사용자 입력을 전처리하기 위하여, 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈, 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거 모듈은 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분(예: 유음 구간)을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 성능을 위하여 상술한 전처리 구성을 전부 포함할 수 있지만, 다른 실시 예에서 지능형 에이전트(151)는 저전력으로 동작하기 위해 상술한 전처리 구성 중 일부를 포함할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 호출을 인식하는 웨이크 업(wake up) 인식 모듈을 포함할 수 있다. 상기 웨이크 업 인식 모듈은 음성 인식 모듈을 통해 사용자의 웨이크 업 명령(예: wake up word)을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위해 지능형 에이전트(151)를 활성화시킬 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)에 구현될 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 하드웨어 키를 통한 사용자 입력에 따라 활성화될 수 있다. 지능형 에이전트(151)가 활성화되는 경우, 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 상기 음성 인식 모듈은 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음성 인식 모듈은 앱(141, 143)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 "찰칵"과 같은 발화 등)을 인식할 수 있다. 상기 지능형 서버(200)를 보조하여 사용자 입력을 인식하는 음성 인식 모듈은, 예를 들어, 사용자 단말(100)내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)의 사용자 입력을 실행하기 위한 음성 인식 모듈은 앱 프로세서에서 구현될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)의 음성 인식 모듈(웨이크 업 인식 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘, 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성 입력(또는 음성 데이터)을 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)는 사용자의 음성을 지능형 서버(200)로 전달하고, 지능형 서버(200)는 사용자의 음성을 텍스트 데이터로 변환하고, 지능형 에이전트(151)는 지능형 서버(200)로부터 변환된 텍스트 데이터를 수신할 수 있다. 이에 따라, 지능형 에이전트(151)는 상기 텍스트 데이터를 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(151)은 상기 패스 룰을 실행 매니저 모듈(153)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(151)는 지능형 서버(200)로부터 수신된 패스 룰에 따른 실행 결과 로그(log)를 지능형 서비스 모듈(155)로 송신하고, 상기 송신된 실행 결과 로그는 페르소나 모듈(persona manager)(155b)의 사용자의 선호(preference) 정보에 누적되어 관리될 수 있다.
일 실시 예에 따른, 실행 매니저 모듈(153)은 지능형 에이전트(151)로부터 패스 룰을 수신하고, 상기 패스 룰에 따라 앱(141, 143)을 실행시키고, 앱(141, 143)이 상기 패스 룰에 포함된 동작(141b, 143b)을 실행하도록 할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송신할 수 있고, 상기 앱(141, 143)으로부터 동작(141b, 143b)의 완료 정보를 수신할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 지능형 에이전트(151)와 앱(141, 143)의 사이에서 앱(141, 143)의 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송수신할 수 있다. 실행 매니저 모듈(153)은 상기 패스 룰에 따라 실행할 앱(141, 143)을 바인딩(binding)하고, 상기 패스 룰에 포함된 동작(141b, 143b)의 명령 정보(예: 패스 룰 정보)를 앱(141, 143)으로 송신할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 상기 패스 룰에 포함된 동작(141b, 143b)을 순차적으로 앱(141, 143)으로 송신하여, 앱(141, 143)의 동작(141b, 143b)을 상기 패스 룰에 따라 순차적으로 실행시킬 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 앱(141, 143)의 동작(141b, 143b)의 실행 상태를 관리할 수 있다. 예를 들어, 실행 매니저 모듈(153)은 앱(141, 143)으로부터 상기 동작(141b, 143b)의 실행 상태에 대한 정보를 수신할 수 있다. 예를 들어, 상기 동작(141b, 143b)의 실행 상태가 정지된 상태(partial landing)인 경우(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우), 실행 매니저 모듈(153)은 상기 정지된 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 상기 수신된 정보를 이용하여, 사용자에게 필요한 정보(예: 파라미터 정보)의 입력을 요청할 수 있다. 다른 예를 들어, 상기 동작(141b, 143b)의 실행 상태가 동작 상태인 경우에, 사용자로부터 발화를 수신할 수 있고, 실행 매니저 모듈(153)은 상기 실행되고 있는 앱(141, 143) 및 앱(141, 143)의 실행 상태에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 지능형 서버(200)를 통해 상기 사용자의 발화에 포함된 파라미터 정보를 수신할 수 있고, 상기 수신된 파라미터 정보를 실행 매니저 모듈(153)로 송신할 수 있다. 실행 매니저 모듈(153)은 상기 수신한 파라미터 정보를 이용하여 동작(141b, 143b)의 파라미터를 새로운 파라미터로 변경할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 패스 룰에 포함된 파라미터 정보를 앱(141, 143)으로 전달할 수 있다. 상기 패스 룰에 따라 복수 개의 앱들(141, 143)이 순차적으로 실행되는 경우, 실행 매니저 모듈(153)은 하나의 앱에서 다른 앱으로 패스 룰에 포함된 파라미터 정보를 전달할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 복수 개의 패스 룰들을 수신할 수 있다. 실행 매니저 모듈(153)은 사용자의 발화에 기초하여 복수 개의 패스 룰들을 수신할 수 있다. 예를 들어, 사용자의 발화가 일부 동작(141b)을 실행할 제1 앱(141)을 특정하였지만, 나머지 동작(143b)을 실행할 다른 제2 앱(143)을 특정하지 않은 경우, 실행 매니저 모듈(153)은 제1 앱(141)(예: 갤러리 앱) 및 복수 개의 서로 다른 제2 앱(143)들(예: 메시지 앱, 텔레그램 앱) 각각을 실행할 수 있는 서로 다른 복수 개의 패스 룰들을 수신할 수 있다. 다시 말해, 실행 매니저 모듈(153)은 일부 동작(141b)을 실행할 제1 앱(141)(예: 갤러리 앱)이 실행되고 나머지 동작(143b)을 실행할 수 있는 상기 제2 앱(143)들 중 어느 하나(예: 메시지 앱)가 실행되는 제1 패스 룰, 및 일부 동작(141b)을 실행할 제1 앱(141)(예: 갤러리 앱)이 실행되고 나머지 동작(143b)을 실행할 수 있는 상기 제2 앱(143)들 중 다른 하나(예: 텔레그램 앱)가 실행되는 제2 패스 룰을 수신할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(153)은 상기 복수 개의 패스 룰들에 포함된 동일한 동작(141b, 143b)(예: 연속된 동일한 동작(141b, 143b))을 실행할 수 있다. 실행 매니저 모듈(153)은 상기 동일한 동작까지 실행한 경우, 상기 복수 개의 패스 룰들에 각각 포함된 서로 다른 앱(141, 143)을 선택할 수 있는 상태 화면을 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 서비스 모듈(155)는 컨텍스트 모듈(155a), 페르소나 모듈(155b), 또는 제안 모듈(155c)을 포함할 수 있다.
컨텍스트 모듈(155a)는 앱(141, 143)으로부터 앱(141, 143)의 현재 상태를 수집할 수 있다. 예를 들어, 컨텍스트 모듈(155a)은 앱(141, 143)의 현재 상태를 나타내는 컨텍스트 정보를 수신하여 앱(141, 143)의 현재 상태를 수집할 수 있다.
페르소나 모듈(155b)은 사용자 단말(100)을 사용하는 사용자의 개인 정보를 관리할 수 있다. 예를 들어, 페르소나 모듈(155b)은 사용자 단말(100)의 사용 정보(또는 사용 이력 정보) 및 수행 결과를 수집하여 사용자의 개인 정보를 관리할 수 있다.
제안 모듈(155c)는 사용자의 의도를 예측하여 사용자에게 명령을 추천해줄 수 있다. 예를 들어, 제안 모듈(155c)은 사용자의 현재 상태(예: 시간, 장소, 상황, 앱 등)를 고려하여 사용자에게 명령을 추천해줄 수 있다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 방법을 설명하기 위한 도면이다.
도 3을 참조하면, 사용자 단말(100)은 사용자 입력을 수신하여 지능형 에이전트(151)와 연동된 지능형 앱(예: 음성 인식 앱)을 실행시킬 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 하드웨어 키(112)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 하드웨어 키(112)를 통해 사용자 입력을 수신한 경우 디스플레이(120)에 지능형 앱의 UI(user interface)(121)를 표시할 수 있다. 이 경우, 사용자는 지능형 앱의 UI(121)가 디스플레이(120)에 표시된 상태에서 음성을 입력(120b)하기 위해, 지능형 앱의 UI(121)에 포함된 음성 인식 버튼(121a)을 터치할 수 있다. 다른 예를 들어, 사용자는 음성을 입력(120b)하기 위해 상기 하드웨어 키(112)를 지속적으로 눌러서 음성을 입력(120b)할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 마이크(111)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 마이크(111)를 통해 지정된 음성(또는 웨이크 업 명령)(예: 일어나!(wake up!))이 입력(120a)된 경우 디스플레이(120)에 지능형 앱의 UI(121)를 표시할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 컨텍스트 모듈이 현재 상태를 수집하는 방법을 설명하기 위한 도면이다.
도 4를 참조하면, 컨텍스트 모듈(155a)은 지능형 에이전트(151)로부터 컨텍스트 요청을 수신(①)하면, 앱(141, 143)의 현재 상태를 나타내는 컨텍스트 정보를 앱(141, 143)에 요청(②)할 수 있다. 일 실시 예에 따르면, 컨텍스트 모듈(155a)은 앱(141, 143)으로부터 상기 컨텍스트 정보를 수신(③)하고 수신된 상기 컨텐스트 정보를 지능형 에이전트(151)로 송신(④)할 수 있다.
일 실시 예에 따르면, 컨텍스트 모듈(155a)은 앱(141, 143)을 통해 복수 개의 컨텍스트 정보들을 수신할 수 있다. 예를 들어, 상기 컨텍스트 정보는 가장 최근 실행된 앱(141, 143)에 대한 정보일 수 있다. 다른 예를 들어, 상기 컨텍스트 정보는 앱(141, 143) 내의 현재 상태에 대한 정보(예: 갤러리에서 사진을 보고 있는 경우, 해당 사진에 대한 정보)일 수 있다.
일 실시 예에 따르면, 컨텍스트 모듈(155a)은 앱(141, 143)뿐만 아니라, 디바이스 플랫폼(device platform)으로부터 사용자 단말(100)의 현재 상태를 나타내는 컨텍스트 정보를 수신할 수 있다. 상기 컨텍스트 정보는 일반적 컨텍스트 정보, 사용자 컨텍스트 정보, 또는 장치 컨텍스트 정보를 포함할 수 있다.
상기 일반적 컨텍스트 정보는 사용자 단말(100)의 일반적인 정보를 포함할 수 있다. 상기 일반적 컨텍스트 정보는 디바이스 플랫폼의 센서 허브 등을 통해 데이터를 받아서 내부 알고리즘을 통해 확인될 수 있다. 예를 들어, 상기 일반적 컨텍스트 정보는 현재 시공간에 대한 정보를 포함할 수 있다. 상기 현재 시공간에 대한 정보는, 예를 들어, 현재 시간 또는 사용자 단말(100)의 현재 위치에 대한 정보를 포함할 수 있다. 상기 현재 시간은 사용자 단말(100) 상에서의 시간을 통해 확인될 수 있고, 상기 현재 위치에 대한 정보는 GPS(global positioning system)를 통해 확인될 수 있다. 다른 예를 들어, 상기 일반적 컨텍스트 정보는 물리적 움직임에 대한 정보를 포함할 수 있다. 상기 물리적 움직임에 대한 정보는, 예를 들어, 걷기, 뛰기, 운전 중 등에 대한 정보를 포함할 수 있다. 상기 물리적 움직임 정보는 모션 센서(motion sensor)를 통해 확인될 수 있다. 상기 운전 중에 대한 정보는 상기 모션 센서를 통해 운행을 확인할 수 있을 뿐만 아니라, 차량 내의 블루투스 연결을 감지하여 탑승 및 주차를 확인할 수 있다. 또 다른 예를 들어, 상기 일반적 컨텍스트 정보는 사용자 활동 정보를 포함할 수 있다. 상기 사용자 활동 정보는, 예를 들어, 출퇴근, 쇼핑, 여행 등에 대한 정보를 포함할 수 있다. 상기 사용자 활동 정보는 사용자 또는 앱이 데이터베이스에 등록한 장소에 대한 정보를 이용하여 확인될 수 있다.
상기 사용자 컨텍스트 정보는 사용자에 대한 정보를 포함할 수 있다. 예를 들어, 상기 사용자 컨텍스트 정보는 사용자의 감정적 상태에 대한 정보를 포함할 수 있다. 상기 감정적 상태에 대한 정보는, 예를 들어, 사용자의 행복, 슬픔, 화남 등에 대한 정보를 포함할 수 있다. 다른 예를 들어, 상기 사용자 컨텍스트 정보는 사용자의 현재 상태에 대한 정보를 포함할 수 있다. 상기 현재 상태에 대한 정보는, 예를 들어, 관심, 의도 등(예: 쇼핑)에 대한 정보를 포함할 수 있다.
상기 장치 컨텍스트 정보는 사용자 단말(100)의 상태에 대한 정보를 포함할 수 있다. 예를 들어, 상기 장치 컨텍스트 정보는 실행 매니저 모듈(153)이 실행한 패스 룰에 대한 정보를 포함할 수 있다. 다른 예를 들어, 상기 장치 컨텍스트 정보는 배터리에 대한 정보를 포함할 수 있다. 상기 배터리에 대한 정보는, 예를 들어, 상기 배터리의 충전 및 방전 상태를 통해 확인될 수 있다. 또 다른 예를 들어, 상기 장치 컨텍스트 정보는 연결된 장치 및 네트워크에 대한 정보를 포함할 수 있다. 상기 연결된 장치에 대한 정보는, 예를 들어, 상기 장치가 연결된 통신 인터페이스를 통해 확인될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 제안 모듈을 나타낸 블록도이다.
도 5를 참조하면, 제안 모듈(155c)은 힌트 제공 모듈(155c_1), 컨텍스트 힌트 생성 모듈(155c_2), 조건 체킹 모듈(155c_3), 조건 모델 모듈(155c_4), 재사용 힌트 생성 모듈(155c_5), 또는 소개 힌트 생성 모듈(155c_6)을 포함할 수 있다.
일 실시 예에 따르면, 힌트 제공 모듈(155c_1)은 사용자에게 힌트(hint)를 제공할 수 있다. 예를 들어, 힌트 제공 모듈(155c_1)은 컨텍스트 힌트 생성 모듈(155c_2), 재사용 힌트 생성 모듈(155c_5), 또는 소개 힌트 생성 모듈(155c_6)로부터 생성된 힌트를 수신하여 사용자에게 힌트를 제공할 수 있다.
일 실시 예에 따르면, 컨텍스트 힌트 생성 모듈(155c_2)은 조건 체킹 모듈(155c_3) 또는 조건 모델 모듈(155c_4)을 통해 현재 상태에 따라 추천될 수 있는 힌트를 생성할 수 있다. 조건 체킹 모듈(155c_3)은 지능형 서비스 모듈(155)을 통해 현재 상태에 대응되는 정보를 수신할 수 있고, 조건 모델 모듈(155c_4)은 상기 수신된 정보를 이용하여 조건 모델(condition model)을 설정할 수 있다. 예를 들어, 조건 모델 모듈은(155c_4)는 사용자에게 힌트를 제공하는 시점의 시간, 위치, 상황, 사용중인 앱 등을 파악하여 해당 조건에서 사용할 가능성이 높은 힌트를 우선 순위가 높은 순으로 사용자에게 제공할 수 있다.
일 실시 예에 따르면, 재사용 힌트 생성 모듈(155c_5)은 현재 상태에 따라 사용 빈도를 고려하여 추천될 수 있는 힌트를 생성할 수 있다. 예를 들어, 재사용 힌트 생성 모듈(155c_5)은 사용자의 사용 패턴을 고려하여 힌트를 생성할 수 있다.
일 실시 예에 따르면, 소개 힌트 생성 모듈(155c_6)은 사용자에게 신규 기능 또는 다른 사용자가 많이 쓰는 기능을 소개하는 힌트를 생성할 수 있다. 예를 들어, 상기 신규 기능을 소개하는 힌트에는 지능형 에이전트(151)에 대한 소개(예: 작동 방법)를 포함할 수 있다.
다른 실시 예에 따르면, 제안 모듈(155c)의 컨텍스트 힌트 생성 모듈(155c_2), 조건 체킹 모듈(155c_3), 조건 모델 모듈(155c_4), 재사용 힌트 생성 모듈(155c_5), 또는 소개 힌트 생성 모듈(155c_6)은 개인화 정보 서버(300)에 포함될 수 있다. 예를 들어, 제안 모듈(155c)의 힌트 제공 모듈(155c_1)은 개인화 정보 서버(300)의 컨텍스트 힌트 생성 모듈(155c_2), 재사용 힌트 생성 모듈(155c_5), 또는 소개 힌트 생성 모듈(155c_6)로부터 힌트를 수신하여 사용자에게 상기 수신된 힌트를 제공할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 다음의 일련의 프로세스에 따라 힌트를 제공할 수 있다. 예를 들어, 힌트 제공 모듈(155c_1)은 지능형 에이전트(151)로부터 힌트 제공 요청을 수신(①)하면 컨텍스트 힌트 생성 모듈(155c_2)로 힌트 생성 요청을 송신(②)할 수 있다. 컨텍스트 힌트 생성 모듈(155c_2)은 상기 힌트 생성 요청을 수신하면, 조건 체킹 모듈(155c_3)을 이용(③)하여 컨텍스트 모듈(155a) 및 페르소나 모듈(155b)로부터 현재 상태에 대응되는 정보를 수신(④)할 수 있다. 조건 체킹 모듈(155c_3)은 상기 수신된 정보를 조건 모델 모듈(155c_4)로 송신(⑤)하고, 조건 모델 모듈(155c_4)은 상기 정보를 이용하여 사용자에게 제공되는 힌트 중 상기 조건에 사용 가능성이 높은 순서로 힌트에 대해 우선 순위를 부여할 수 있다. 컨텍스트 힌트 생성 모듈(155c_2)은 상기 조건을 확인(⑥)하고, 상기 현재 상태에 대응되는 힌트를 생성할 수 있다. 컨텍스트 힌트 생성 모듈(155c_2)은 상기 생성된 힌트를 힌트 제공 모듈(155c_1)로 송신(⑦)할 수 있다. 힌트 제공 모듈(155c_1)은 지정된 규칙에 따라 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(151)로 전송(⑧)할 수 있다.
일 실시 예에 따르면, 힌트 제공 모듈(155c_1)은 복수 개의 컨텍스트 힌트들을 생성할 수 있고, 지정된 규칙에 따라 복수 개의 컨텍스트 힌트들에 우선 순위를 지정할 수 있다. 일 실시 예에 따르면, 힌트 제공 모듈(155c_1)은 상기 복수 개의 컨텍스트 힌트들 중에서 우선 순위가 높은 것을 사용자에게 먼저 제공할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 사용 빈도에 따른 힌트를 제안할 수 있다. 예를 들어, 힌트 제공 모듈(155c_1)은 지능형 에이전트(151)로부터 힌트 제공 요청을 수신(①)하면 재사용 힌트 생성 모듈(155c_5)로 힌트 생성 요청을 송신(②)할 수 있다. 재사용 힌트 생성 모듈(155c_5)은 상기 힌트 생성 요청을 수신하면, 페르소나 모듈(155b)로부터 사용자 정보를 수신(③)할 수 있다. 예를 들어, 재사용 힌트 생성 모듈(155c_5)은 페르소나 모듈(155b)의 사용자의 프리퍼런스 정보에 포함된 패스 룰, 패스 룰에 포함된 파라미터, 앱의 실행 빈도, 앱이 사용된 시공간 정보를 수신할 수 있다. 재사용 힌트 생성 모듈(155c_5)은 상기 수신된 사용자 정보에 대응되는 힌트를 생성할 수 있다. 재사용 힌트 생성 모듈(155c_5)은 상기 생성된 힌트를 힌트 제공 모듈(155c_1)로 송신(④)할 수 있다. 힌트 제공 모듈(155c_1)은 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(151)로 전송(⑤)할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 새로운 기능에 대한 힌트를 제안할 수 있다. 예를 들어, 힌트 제공 모듈(155c_1)은 지능형 에이전트(151)로부터 힌트 제공 요청을 수신(①)하면 소개 힌트 생성 모듈(155c_6)로 힌트 생성 요청을 송신(②)할 수 있다. 소개 힌트 생성 모듈(155c_6)은 제안 서버(400)로부터 소개 힌트 제공 요청을 송신(③)하여 제안 서버(400)로부터 소개될 기능에 대한 정보를 수신(④)할 수 있다. 예를 들어, 제안 서버(400)는 소개될 기능에 대한 정보를 저장할 수 있고, 상기 소개될 기능에 대한 힌트 리스트(hint list)는 서비스 운영자에 의해 업데이트될 수 있다. 소개 힌트 생성 모듈(155c_6)은 상기 생성된 힌트를 힌트 제공 모듈(155c_1)로 송신(⑤)할 수 있다. 힌트 제공 모듈(155c_1)은 상기 힌트를 정렬하고, 상기 힌트를 지능형 에이전트(151)로 전송(⑥)할 수 있다.
이에 따라, 제안 모듈(155c)은 컨텍스트 힌트 생성 모듈(155c_2), 재사용 힌트 생성 모듈(155c_5), 또는 소개 힌트 생성 모듈(155c_6)에서 생성된 힌트를 사용자에게 제공할 수 있다. 예를 들어, 제안 모듈(155c)은 상기 생성된 힌트를 지능형 에이전트(151)를 동작시키는 앱에 표시할 수 있고, 상기 앱을 통해 사용자로부터 상기 힌트를 선택하는 입력을 수신할 수 있다.
도 6은 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 6을 참조하면, 지능형 서버(200)는 자동 음성 인식(automatic speech recognition)(ASR) 모듈(210), 자연어 이해(natural language understanding)(NLU) 모듈(220), 패스 플래너(path planner) 모듈(230), 대화 매니저(dialogue manager)(DM) 모듈(240), 자연어 생성(natural language generator)(NLG) 모듈(250), 텍스트 음성 변환(text to speech)(TTS) 모듈(260), 또는 발화 분류 모듈(270)을 포함할 수 있다.
지능형 서버(200)의 자연어 이해 모듈(220) 또는 패스 플래너 모듈(230)은 패스 룰을 생성할 수 있다.
일 실시 예에 따르면, 자동 음성 인식 모듈(210)은 사용자 단말(100)로부터 수신된 사용자 입력(예: 음성 데이터)을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(210)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 상기 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 상기 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 상기 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소와 관련된 정보를 이용하여 사용자 발화(또는 음성 데이터)를 텍스트 데이터로 변환할 수 있다. 상기 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(211)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 상기 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 상술한 분석을 통해 사용자 입력으로부터 도메인(domain), 의도(intent), 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 도메인, 의도, 및 파라미터(또는, 슬롯)로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 알람)은 복수의 의도들(예: 알람 설정, 알람 해제 등)을 포함할 수 있고, 하나의 의도는 복수의 파라미터들(예: 시간, 반복 횟수, 알람음 등)을 필요로 할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(221)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(221)를 이용하여 사용자의 의도를 결정할 수 있다. 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 개인화 언어 모델(personal language model)(PLM)(223)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 개인화된 정보(예: 연락처 리스트, 음악 리스트 등)를 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터베이스(221)에 저장될 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)뿐만 아니라 자동 음성 인식 모듈(210)도 자연어 인식 데이터베이스(221)에 저장된 개인화 언어 모델(223)을 참고하여 사용자의 음성을 인식할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력의 의도에 기초하여 실행될 앱을 선택하고, 상기 선택된 앱에서 수행될 동작을 결정할 수 있다. 자연어 이해 모듈(220)은 상기 결정된 동작에 대응되는 파라미터를 결정하여 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)에 의해 생성된 패스 룰은 실행될 앱, 상기 앱에서 실행될 동작(예: 적어도 하나 이상의 상태(state)), 및 상기 동작을 실행하는데 필요한 파라미터에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터를 기반으로 하나의 패스 룰, 또는 복수 개의 패스 룰들을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 패스 플래너 모듈(230)로부터 사용자 단말(100)에 대응되는 패스 룰 셋을 수신하고, 사용자 입력의 의도 및 파라미터를 상기 수신된 패스 룰 셋에 매핑하여 패스 룰을 결정할 수 있다.
다른 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 실행될 앱, 상기 앱에서 실행될 동작, 및 상기 동작을 실행하는데 필요한 파라미터를 결정하여 하나의 패스 룰, 또는 복수 개의 패스 룰들을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)의 정보를 이용하여 상기 실행될 앱 및 상기 앱에서 실행될 동작을 사용자 입력의 의도에 따라 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 배열하여 패스 룰을 생성할 수 있다. 상기 생성된 패스 룰은, 예를 들어, 패스 플래너 모듈(230)을 통해 패스 룰 데이터베이스(path rule database)(PR DB)(231)에 저장될 수 있다. 상기 생성된 패스 룰은 패스 룰 데이터베이스(231)에 구축된 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 생성된 복수 개의 패스 룰들 중 적어도 하나의 패스 룰을 선택할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 복수 개의 패스 룰들 중 최적의 패스 룰을 선택할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 발화에 기초하여 일부 동작만이 특정된 경우 복수 개의 패스 룰들을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자의 추가 입력에 의해 상기 복수 개의 패스 룰들 중 하나의 패스 룰을 결정할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 대한 요청으로 패스 룰을 사용자 단말(100)로 송신할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 하나의 패스 룰을 사용자 단말(100)로 송신할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 복수 개의 패스 룰들을 사용자 단말(100)로 송신할 수 있다. 상기 복수 개의 패스 룰들은, 예를 들어, 사용자 발화에 기초하여 일부 동작만이 특정된 경우 자연어 이해 모듈(220)에 의해 생성될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 복수 개의 패스 룰들 중 적어도 하나의 패스 룰을 선택할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)로 복수 개의 패스 룰들을 포함하는 패스 룰 셋을 전달할 수 있다. 상기 패스 룰 셋에 포함된 복수 개의 패스 룰들은 패스 플래너 모듈(230)에 연결된 패스 룰 데이터베이스(231)에 테이블 형태로 저장될 수 있다. 예를 들어, 패스 플래너 모듈(230)은 지능형 에이전트(151)로부터 수신된 사용자 단말(100)의 정보(예: OS 정보, 앱 정보 등)에 대응되는 패스 룰 셋을 자연어 이해 모듈(220)로 전달할 수 있다. 상기 패스 룰 데이터베이스(231)에 저장된 테이블은, 예를 들어, 도메인 또는 도메인의 버전 별로 저장될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 패스 룰 셋에서 하나의 패스 룰, 또는 복수 개의 패스 룰들을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자의 의도 및 파라미터를 사용자 단말(100)에 대응되는 패스 룰 셋에 매칭하여 하나의 패스 룰, 또는 복수 개의 패스 룰들을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터를 이용하여 하나의 패스 룰, 또는 복수 개의 패스 룰들을 생성할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터에 기초하여 실행될 앱 및 상기 앱에서 실행될 동작을 결정하여 하나의 패스 룰, 또는 복수 개의 패스 룰들을 생성할 수 있다. 일 실시 예에 따르면, 패스 플래너 모듈(230)은 상기 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)에서 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다. 상기 생성된 패스 룰은 패스 룰 데이터베이스(231)에 저장된 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 패스 룰 데이터베이스(231)에 저장된 테이블에는 복수 개의 패스 룰들 또는 복수 개의 패스 룰 세트들을 포함할 수 있다. 복수 개의 패스 룰들 또는 복수 개의 패스 룰 세트들은 각 패스 룰을 수행하는 장치의 종류, 버전, 타입, 또는 특성을 반영할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 자연어 이해 모듈(220)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(240)은 파라미터의 정보가 충분한지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(240)은 자연어 이해 모듈(220)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)은 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(240)은 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 상기 컨텐츠 제공 모듈은 자연어 이해 모듈(220)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)은 사용자 입력에 대한 응답으로 상기 컨텐츠 제공 모듈에서 생성된 상기 결과를 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 생성 모듈(NLG)(250)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보, 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 사용자 단말(100)로 송신되어 디스플레이(120)에 표시되거나, 텍스트 음성 변환 모듈(260)로 송신되어 음성 형태로 변경될 수 있다.
일 실시 예에 따르면, 텍스트 음성 변환 모듈(260)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(260)은 자연어 생성 모듈(250)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 음성 형태의 정보를 스피커(130)로 출력할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220), 패스 플래너 모듈(230), 및 대화 매니저 모듈(240)은 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(220), 패스 플래너 모듈(230), 및 대화 매니저 모듈(240)은 하나의 모듈로 구현되어 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성할 수 있다. 이에 따라, 생성된 응답은 사용자 단말(100)로 송신될 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 사용자의 발화를 분류할 수 있다. 예컨대, 발화 분류 모듈(270)은 사용자의 발화 입력에 대응하여 획득한 음성 데이터를 자동 음성 인식 모듈(210)을 통해 텍스트 형식으로 변환한 텍스트 데이터를 분류할 수 있다. 일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 한 예로, 발화 분류 모듈(270)은 자연어 이해 모듈(220)을 통해 상기 텍스트 데이터에 대한 언어적 분석(예: 문법적 분석 또는 의미적 분석)을 수행하고, 수행된 결과로 상기 텍스트 데이터에서 적어도 하나의 표현을 추출할 수 있다. 또한, 발화 분류 모듈(270)은 추출된 적어도 하나의 표현이 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단(또는 분류)할 수 있다.
일 실시 예에 따르면, 상기 명료한 표현은 태스크의 수행을 명시적으로 요청하는 표현을 포함할 수 있다. 예를 들어, 상기 명료한 표현은 상기 태스크의 수행에 필요한 필수적인 요소(예: 도메인, 인텐트 등)를 포함할 수 있다. 한 예로, 상기 명료한 표현은 실행 가능한 어플리케이션의 식별자 또는 상기 어플리케이션의 기능(또는 동작)을 실행하도록 설정된 명령어 등을 포함할 수 있다. 상기 불명료한 표현은 상기 명료한 표현을 제외한 표현을 포함할 수 있다. 예를 들어, 상기 불명료한 표현은 상기 태스크의 수행 중에 사용되는 부가적인 요소(예: 파라미터 정보) 또는 상기 태스크의 수행과는 상관없는 불필요한 요소(예: 감탄사 등)를 포함할 수 있다. 어떤 실시 예에서, 상기 명료한 표현은 상기 파라미터 정보를 더 포함할 수도 있다. 또 다른 실시 예에서, 상기 명료한 표현은 신뢰도가 임계값 이상인 패스 룰을 매칭할 수 있는 표현을 포함하고, 상기 불명료한 표현은 신뢰도가 임계값 이상인 패스 룰을 매칭할 수 없는 표현을 포함할 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 상기 명료한 표현 또는 상기 불명료한 표현으로 분류할 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 명료한 표현이 포함되어 있는 경우, 상기 명료한 표현을 응답 생성 모듈(response generator)(예: 자연어 이해 모듈(220), 패스 플래너 모듈(230), 또는 대화 매니저 모듈(240))로 전달할 수 있고, 상기 응답 생성 모듈은 상기 명료한 표현을 기반으로 사용자의 의도(및 파라미터)를 결정하고, 상기 결정된 사용자의 의도(및 파라미터)에 대응되는 응답(예: 패스 룰)을 생성(또는 선택)할 수 있다. 어떤 실시 예에서, 발화 분류 모듈(270)은 상기 명료한 표현과 함께 상기 불명료한 표현 중 태스크의 수행에 필요한 부가적인 요소(예: 파라미터 정보)가 포함되어 있는 경우, 상기 명료한 표현 및 상기 부가적인 요소를 상기 응답 생성 모듈로 전달할 수 있고, 상기 응답 생성 모듈은 상기 명료한 표현 및 상기 부가적인 요소를 기반으로 상기 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성(또는 선택)할 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 명료한 표현 및 상기 불명료한 표현이 모두 포함되어 있는 경우, 상기 명료한 표현과 상기 불명료한 표현(예: 부가적인 요소 또는 불필요한 요소)을 매핑시켜 개인화 언어 모델(223)에 포함된 간접 발화 데이터베이스(간접 발화 DB)(225)에 저장할 수 있다. 어떤 실시 예에서, 발화 분류 모듈(270)은 상기 불명료한 표현을 상기 응답 생성 모듈을 통해 생성(또는 선택)된 응답(예: 패스 룰)의 식별자(예: 패스 룰 번호) 및/또는 상기 명료한 표현에 매핑시켜 간접 발화 데이터베이스(225)에 저장할 수도 있다. 이에 따라, 지능형 서버(200)는 상기 불명료한 표현에 대한 태스크의 수행 능력을 학습할 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 명료한 표현이 포함되어 있지 않고 상기 불명료한 표현만이 포함되어 있는 경우, 예컨대, 사용자의 발화가 불명료 발화(또는 간접 발화)인 경우, 상기 간접 발화 데이터베이스(225)에 상기 불명료한 표현과 매핑된 명료한 표현 및/또는 패스 룰 번호가 존재하는 지를 확인할 수 있다. 상기 불명료한 표현과 매핑된 명료한 표현 및/또는 패스 룰 번호가 존재하면, 발화 분류 모듈(270)은 상기 명료한 표현 및/또는 상기 패스 룰 번호를 상기 응답 생성 모듈에 전달하고, 상기 응답 생성 모듈은 상기 명료한 표현 및/또는 상기 패스 룰 번호를 기반으로 패스 룰을 생성(또는 선택)할 수 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 사용자의 발화가 불명료 발화이고 간접 발화 데이터베이스(255)에 상기 불명료한 표현과 매핑된 명료한 표현(또는 패스 룰 번호)이 복수 개 존재하는 경우, 복수 개의 명료한 표현들(또는 패스 룰 번호들)을 상기 응답 생성 모듈에 전달하고, 상기 응답 생성 모듈은 상기 복수 개의 명료한 표현들(또는 패스 룰 번호들)을 기반으로 각 태스크의 수행과 관련한 패스 룰들을 생성(또는 선택)할 수 있다. 어떤 실시 예에서, 지능형 서버(200)는 상기 명료한 표현들(또는 패스 룰 번호들) 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보들을 생성하고, 상기 힌트 정보들을 사용자 단말(100)로 전송할 수도 있다.
일 실시 예에 따르면, 발화 분류 모듈(270)은 사용자의 발화가 불명료 발화이고 상기 불명료한 표현들이 복수 개 포함되어 있는 경우, 간접 발화 데이터베이스(255)에 상기 불명료한 표현들 각각에 매핑된 명료한 표현들(또는 패스 룰 번호들)이 존재하는 지를 확인할 수 있다. 또는, 발화 분류 모듈(270)은 상기 불명료한 표현들 각각에 매핑된 명료한 표현들(또는 패스 룰 번호들)이 존재하는 경우, 상기 명료한 표현들(또는 패스 룰 번호들)을 상기 응답 생성 모듈에 전달하고, 상기 응답 생성 모듈은 상기 명료한 표현들(또는 패스 룰 번호들)을 기반으로 각 태스크의 수행과 관련한 패스 룰들을 생성(또는 선택)할 수 있다. 다른 실시 예에서, 지능형 서버(200)는 상기 명료한 표현들(또는 패스 룰 번호들) 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보들을 생성하고, 상기 힌트 정보들을 사용자 단말(100)로 전송할 수도 있다. 또 다른 실시 예에서, 지능형 서버(200)는 상기 명료한 표현들(또는 패스 룰 번호들) 중 어느 하나를 선택하고, 선택된 명료한 표현(또는 패스 룰 번호)를 이용하여 패스 룰을 생성(또는 선택)할 수도 있다. 한 예로, 지능형 서버(200)는 상기 명료한 표현들 각각에 대응되는 불명료한 표현들의 우선 순위를 기반으로, 상기 명료한 표현들 중에서 어느 하나를 선택할 수 있다. 상기 우선 순위는 예를 들어, 상기 명료한 표현들 각각에 매핑된 불명료한 표현들의 개수, 사용 빈도 또는, 사용자 정보 중 적어도 하나에 의해 결정될 수 있다.
일 실시 예에 따르면, 간접 발화 데이터베이스(225)에는 상기 불명료한 표현 및 상기 불명료한 표현과 함께 발화된 명료한 표현이 매핑되어 저장될 수 있다. 어떤 실시 예에서, 간접 발화 데이터베이스(225)에는 상기 불명료한 표현, 상기 불명료한 표현과 함께 발화된 명료한 표현, 및 상기 명료한 표현을 기반으로 생성(또는 선택)된 패스 룰의 번호가 매핑되어 저장될 수도 있다.
일 실시 예에 따르면, 간접 발화 데이터베이스(225)는 지능형 서버(200)에 저장될 수도 있으며, 사용자 단말(100)에 저장될 수도 있다. 간접 발화 데이터베이스(225)가 사용자 단말(100)에 저장된 경우, 지능형 서버(200)는 사용자 단말(100)로부터 간접 발화 데이터베이스(225)에 저장된 정보(예: 매핑 정보)를 수신하여 이용할 수 있다.
일 실시 예에 따르면, 간접 발화 데이터베이스(225)는 개인화 언어 모델(223)의 모델링에 이용될 수 있다. 다른 실시 예에서, 간접 발화 데이터베이스(225)에 저장된 정보(예: 매핑 정보)는 명료한 표현을 기반으로 생성(또는 선택)된 패스 룰이 복수 개인 경우, 상기 복수 개의 패스 룰들 중 어느 하나의 패스 룰을 선택하는 경우에 이용될 수도 있다. 한 예로, 상기 응답 생성 모듈은 어느 하나의 명료한 표현을 기반으로 생성(또는 선택)된 패스 룰이 복수 개인 경우, 간접 발화 데이터베이스(225)에 저장된 상기 명료한 표현과 매핑된 불명료한 표현들의 정보를 이용하여, 상기 복수 개의 패스 룰들에 대한 신뢰도 값(또는 우선 순위)을 조절할 수 있으며, 상기 신뢰도 값(또는 우선 순위)를 기반으로 상기 복수 개의 패스 룰들 중 어느 하나를 선택할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 패스 플래너 모듈의 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 7을 참조하면, 일 실시 예에 따른, 자연어 이해 모듈(220)은 앱의 기능을 어느 하나의 동작(예: 상태 A 내지 상태 F)으로 구분하여 패스 룰 데이터베이스(231)에 저장할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 어느 하나의 동작(예: 상태)으로 구분된 복수 개의 패스 룰들(예: 제1 패스 룰(A-B1-C1), 제2 패스 룰(A-B1-C2), 제3 패스 룰(A-B1-C3-D-F), 제4 패스 룰(A-B1-C3-D-E-F))을 포함하는 패스 룰 셋을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)의 패스 룰 데이터베이스(231)는 앱의 기능을 수행하기 위한 패스 룰 셋을 저장할 수 있다. 상기 패스 룰 셋은 복수의 동작들(예: 상태들의 시퀀스)을 포함하는 복수 개의 패스 룰들을 포함할 수 있다. 상기 복수 개의 패스 룰들은 복수의 동작들 각각에 입력되는 파라미터에 따라 실행되는 동작이 순차적으로 배열될 수 있다. 일 실시 예에 따르면, 상기 복수 개의 패스 룰들은 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 구성되어 패스 룰 데이터베이스(231)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 대응되는 상기 복수 개의 패스 룰들(예: 제1 패스 룰(A-B1-C1), 제2 패스 룰(A-B1-C2), 제3 패스 룰(A-B1-C3-D-F), 제4 패스 룰(A-B1-C3-D-E-F)) 중에 최적의 패스 룰(예: 제3 패스 룰(A-B1-C3-D-F))을 선택할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 완벽히 매칭되는 패스 룰이 없는 경우 사용자 단말(100)에 복수 개의 룰들을 전달할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: 제5 패스 룰(A-B1))을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: 제5 패스 룰(A-B1))을 포함하는 하나 이상의 패스 룰(예: 제1 패스 룰(A-B1-C1), 제2 패스 룰(A-B1-C2), 제3 패스 룰(A-B1-C3-D-F), 제4 패스 룰(A-B1-C3-D-E-F))을 선택하여 사용자 단말(100)에 전달할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 단말(100)의 추가 입력에 기초하여 복수 개의 패스 룰들 중 하나를 선택하고, 상기 선택된 하나의 패스 룰을 사용자 단말(100)에 전달할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)에서 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 따라 복수 개의 패스 룰들(예: 제1 패스 룰(A-B1-C1), 제2 패스 룰(A-B1-C2), 제3 패스 룰(A-B1-C3-D-F), 제4 패스 룰(A-B1-C3-D-E-F)) 중 하나의 패스 룰(예: 제3 패스 룰(A-B1-C3-D-F))을 선택하여 사용자 단말(100)에 송신할 수 있다.
또 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 자연어 이해 모듈(220)을 통해 사용자 단말(100)에 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 대응되는 사용자의 의도 및 파라미터를 결정할 수 있고, 상기 결정된 사용자의 의도 또는 파라미터를 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 송신된 의도 또는 상기 파라미터에 기초하여, 복수 개의 패스 룰들(예: 제1 패스 룰(A-B1-C1), 제2 패스 룰(A-B1-C2), 제3 패스 룰(A-B1-C3-D-F), 제4 패스 룰(A-B1-C3-D-E-F)) 중 하나의 패스 룰(예: 제3 패스 룰(A-B1-C3-D-F))을 선택할 수 있다.
이에 따라, 사용자 단말(100)은 상기 선택된 하나의 패스 룰에 의해 앱(141, 143)의 동작을 완료시킬 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 정보가 부족한 사용자 입력이 지능형 서버(200)에 수신된 경우, 상기 수신한 사용자 입력에 부분적으로 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 부분적으로 대응된 패스 룰을 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 실행 매니저 모듈(153)로 상기 부분적으로 대응된 패스 룰을 송신하고, 실행 매니저 모듈(153)는 상기 패스 룰에 따라 제1 앱(141)을 실행시킬 수 있다. 실행 매니저 모듈(153)는 제1 앱(141)을 실행하면서 부족한 파라미터에 대한 정보를 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 상기 부족한 파라미터에 대한 정보를 이용하여 사용자에게 추가 입력을 요청할 수 있다. 지능형 에이전트(151)는 사용자에 의해 추가 입력이 수신되면 지능형 서버(200)로 송신하여 처리할 수 있다. 자연어 이해 모듈(220)은 상기 추가로 입력된 사용자 입력의 의도 및 파라미터 정보에 기초하여 추가된 패스 룰을 생성하여 지능형 에이전트(151)로 송신할 수 있다. 지능형 에이전트(151)는 실행 매니저 모듈(153)로 상기 패스 룰을 송신하고, 실행 매니저 모듈(153)은 상기 추가된 패스 룰에 따라 제2 앱(143)을 실행할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신된 경우, 개인화 정보 서버(300)로 사용자 정보 요청을 송신할 수 있다. 개인화 정보 서버(300)는 페르소나 데이터베이스에 저장된 사용자의 정보를 자연어 이해 모듈(220)로 송신할 수 있다. 자연어 이해 모듈(220)은 상기 사용자 정보를 이용하여 일부 동작이 누락된 사용자 입력에 대응되는 패스 룰을 선택할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신되더라도, 누락된 정보를 요청하여 추가 입력을 받거나 사용자 정보를 이용하여 상기 사용자 입력에 대응되는 패스 룰을 결정할 수 있다.
하기에 첨부된 표 1은 일 실시 예에 따른 사용자가 요청한 태스크와 관련한 패스 룰의 예시적 형태를 나타낼 수 있다.
Path rule ID State Parameter
Gallery_101 PicturesView(25) NULL
SearchView(26) NULL
SearchViewResult(27) Location,time
SearchEmptySelectedView(28) NULL
SearchSelectedView(29) ContentType,selectall
CrossShare(30) anaphora
표 1을 참조하면, 사용자 발화(예: "사진 공유해줘")에 따라 지능형 서버(예: 도 1의 지능형 서버(200))에서 생성 또는 선택되는 패스 룰은 적어도 하나의 상태(state)(25, 26, 27, 28, 29 또는 30)를 포함할 수 있다. 예를 들어, 상기 적어도 하나의 상태(예: 단말의 어느 한 동작 상태)는 사진 어플리케이션 실행(PicturesView)(25), 사진 검색 기능 실행(SearchView)(26), 검색 결과 표시 화면 출력(SearchViewResult)(27), 사진이 미(non)선택된 검색 결과 표시 화면 출력(SearchEmptySelectedView)(28), 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(SearchSelectedView)(29) 또는 공유 어플리케이션 선택 화면 출력(CrossShare)(30) 중 적어도 하나에 해당될 수 있다.
일 실시 예에서, 상기 패스 룰의 파라미터 정보는 적어도 하나의 상태(state)에 대응될 수 있다. 예를 들어, 상기 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(29) 상태에 포함될 수 있다.
상기 상태(25, 26, 27, 28, 29)들의 시퀀스를 포함하는 패스 룰의 수행 결과 사용자가 요청한 태스크(예: "사진 공유해줘!")가 수행될 수 있다.
도 8은 본 발명의 일 실시 예에 따른 지능형 서비스 모듈의 페르소나 모듈(persona module)이 사용자의 정보를 관리하는 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 페르소나 모듈(155b)은 앱(141, 143), 실행 매니저 모듈(153), 또는 컨텍스트 모듈(155a)로부터 사용자 단말(100)의 정보를 수신할 수 있다. 앱(141, 143) 및 실행 매니저 모듈(153)은 앱의 동작(141b, 143b)을 실행한 결과 정보를 동작 로그 데이터베이스에 저장할 수 있다. 컨텍스트 모듈(155a)은 사용자 단말(100)의 현재 상태에 대한 정보를 컨텍스트 데이터베이스에 저장할 수 있다. 페르소나 모듈(155b)은 상기 동작 로그 데이터베이스 또는 상기 컨텍스트 데이터베이스로부터 상기 저장된 정보를 수신할 수 있다. 상기 동작 로그 데이터베이스 및 상기 컨텍스트 데이터베이스에 저장된 데이터는, 예를 들어, 분석 엔진(analysis engine)에 의해 분석되어 페르소나 모듈(155b)로 송신될 수 있다.
일 실시 예에 따르면, 페르소나 모듈(155b)은 앱(141, 143), 실행 매니저 모듈(153), 또는 컨텍스트 모듈(155a)로부터 수신한 정보를 제안 모듈(155c)로 송신할 수 있다. 예를 들어, 페르소나 모듈(155b)은 상기 동작 로그 데이터베이스 또는 상기 컨텍스트 데이터베이스에 저장된 데이터를 제안 모듈(155c)로 송신할 수 있다.
일 실시 예에 따르면, 페르소나 모듈(155b)은 앱(141, 143), 실행 매니저 모듈(153), 또는 컨텍스트 모듈(155a)로부터 수신된 정보를 개인화 정보 서버(300)로 송신할 수 있다. 예를 들어, 페르소나 모듈(155b)은 상기 동작 로그 데이터베이스 또는 상기 컨텍스트 데이터베이스에 누적되어 저장된 데이터를 주기적으로 개인화 정보 서버(300)에 송신할 수 있다.
일 실시 예에 따르면, 페르소나 모듈(155b)은 상기 동작 로그 데이터베이스 또는 상기 컨텍스트 데이터베이스에 저장된 데이터를 제안 모듈(155c)로 송신할 수 있다. 상기 페르소나 모듈(155b)에 의해서 생성된 사용자 정보는 페르소나 데이터베이스에 저장될 수 있다. 페르소나 모듈(155b)은 상기 페르소나 데이터베이스에 저장된 사용자 정보를 주기적으로 개인화 정보 서버(300)로 송신할 수 있다. 일 실시 예에 따르면, 페르소나 모듈(155b)에 의해 개인화 정보 서버(300)로 송신된 정보는 페르소나 데이터베이스에 저장될 수 있다. 개인화 정보 서버(300)는 상기 페르소나 데이터베이스에 저장된 정보를 이용하여 지능형 서버(200)의 패스 룰 생성에 필요한 사용자 정보를 추론할 수 있다.
일 실시 예에 따르면, 페르소나 모듈(155b)이 송신한 정보를 이용하여 추론된 사용자 정보는 프로파일(profile) 정보 또는 프리퍼런스(preference) 정보를 포함할 수 있다. 상기 프로파일 정보 또는 프리퍼런스 정보는 사용자의 계정(account) 및 누적된 정보를 통해 추론될 수 있다.
상기 프로파일 정보는 사용자의 신상 정보를 포함할 수 있다. 예를 들어, 상기 프로파일 정보는 사용자의 인구 통계 정보를 포함할 수 있다. 상기 인구 통계 정보는, 예를 들어, 사용자의 성(gender), 나이 등을 포함할 수 있다. 다른 예를 들어, 상기 프로파일 정보는 라이프 이벤트(life event) 정보를 포함할 수 있다. 상기 라이프 이벤트 정보는, 예를 들어, 로그 정보를 라이프 이벤트 모델(life event model)과 비교하여 추론되고, 행동 패턴(behavior patter)을 분석하여 보강될 수 있다. 또 다른 예를 들어, 상기 프로파일 정보는 관심(interest) 정보를 포함할 수 있다. 상기 관심 정보는, 예를 들어, 관심 쇼핑 물품, 관심 분야(예: 스포츠, 정치 등) 등을 포함할 수 있다. 또 다른 예를 들어, 상기 프로파일 정보는 활동 지역 정보를 포함할 수 있다. 상기 활동 지역 정보는, 예를 들어, 집, 일하는 곳 등에 대한 정보를 포함할 수 있다. 상기 활동 지역에 대한 정보는 장소의 위치에 대한 정보뿐만 아니라 누적 체류 시간 및 방문 횟수를 기준으로 우선 순위가 기록된 지역에 대한 정보를 포함할 수 있다. 또 다른 예를 들어, 상기 프로파일 정보는 활동 시간 정보를 포함할 수 있다. 상기 활동 시간 정보는, 예를 들어, 기상 시간, 출퇴근 시간, 수면 시간 등에 대한 정보를 포함할 수 있다. 상기 출퇴근 시간에 대한 정보는 상기 활동 지역 정보(예: 집 및 일하는 곳에 대한 정보)를 이용하여 추론될 수 있다. 상기 수면 시간에 대한 정보는 사용자 단말(100)의 미사용 시간을 통해 추론될 수 있다.
상기 프리퍼런스 정보는 사용자의 선호도 정보를 포함할 수 있다. 예를 들어, 상기 프리퍼런스 정보는 앱 선호도에 대한 정보를 포함할 수 있다. 상기 앱 선호도는, 예를 들어, 앱의 사용 기록(예: 시간별, 장소별 사용 기록)을 통해 추론될 수 있다. 상기 앱의 선호도는 사용자의 현재 상태(예: 시간, 장소)에 따라 실행될 앱을 결정하기 위해 이용될 수 있다. 다른 예를 들어, 상기 프리퍼런스 정보는 연락처 선호도에 대한 정보를 포함할 수 있다. 상기 연락처 선호도는, 예를 들어, 연락처의 연락 빈도(예: 시간별, 장소별 연락하는 빈도) 정보를 분석하여 추론될 수 있다. 상기 연락처 선호도는 사용자의 현재 상태(예: 중복된 이름에 대한 연락)에 따라 연락할 연락처를 결정하기 위해 이용될 수 있다. 또 다른 예를 들어, 상기 프리퍼런스 정보는 세팅(setting) 정보를 포함할 수 있다. 상기 세팅 정보는, 예를 들어, 특정 세팅 값의 설정 빈도(예: 시간별, 장소별 세팅 값으로 설정하는 빈도) 정보를 분석하여 추론될 수 있다. 상기 세팅 정보는 사용자의 현재 상태(예: 시간, 장소, 상황)에 따라 특정 세팅 값을 설정하기 위해 이용될 수 있다. 또 다른 예를 들어, 상기 프리퍼런스 정보는 장소 선호도를 포함할 수 있다. 상기 장소 선호도는, 예를 들어, 특정 장소의 방문 기록(예: 시간별 방문 기록)을 통해 추론될 수 있다. 상기 장소 선호도는 사용자의 현재 상태(예: 시간)에 따라 방문하고 있는 장소를 결정하기 위하여 이용될 수 있다. 또 다른 예를 들어, 상기 프리퍼런스 정보는 명령 선호도를 포함할 수 있다. 상기 명령 선호도는, 예를 들어, 명령 사용 빈도(예: 시간별, 장소별 사용 빈도)를 통해 추론될 수 있다. 상기 명령 선호도는 사용자의 현재 상태(예: 시간, 장소)에 따라 사용될 명령어 패턴을 결정하기 위해 이용될 수 있다. 특히, 상기 명령 선호도는 로그 정보를 분석하여 실행되고 있는 앱의 현재 상태에서 사용자가 가장 많이 선택한 메뉴에 대한 정보를 포함할 수 있다.
상술한 바와 같이, 다양한 실시 예에 따르면, 시스템(예: 지능형 서버(200), 개인화 정보 서버(300), 또는 제안 서버(400) 중 적어도 하나로 구성된 시스템)은 네트워크 인터페이스, 상기 네트워크 인터페이스와 작동적으로 연결된 적어도 하나의 프로세서, 및 상기 프로세서와 작동적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 제1 오퍼레이션에 있어서, 상기 네트워크 인터페이스를 통해, 마이크로폰을 포함하는 제1 외부 장치(예: 사용자 단말(100))로부터, 상기 제1 외부 장치 또는 제2 외부 장치 중 적어도 하나를 이용하여 태스크를 수행하기 위한 명시적 요청을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제1 사용자 입력과 관련된 제1 데이터를 수신하고, 자연어 이해 프로세싱을 통해 상기 제1 사용자 입력으로부터 제1 의도를 확인하고, 상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상태들의 시퀀스를 결정하고, 상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제1 정보를 전송하고, 제2 오퍼레이션에 있어서, 상기 네트워크 인터페이스를 통해, 상기 제1 외부 장치로부터, 상기 태스크를 수행하기 위한 요청을 암시하는 자연어 표현을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제2 사용자 입력과 관련된 제2 데이터를 수신하고, 상기 시스템으로 기제공된 자연어 표현들에 적어도 일부 기반하여, 상기 자연어 표현으로부터 상기 제1 의도를 확인하고, 상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상기 상태들의 시퀀스를 결정하고, 상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제2 정보를 전송하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시스템으로 기제공된 상기 자연어 표현들을 데이터베이스에 저장하도록 할 수 있다.
다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 제3 오퍼레이션에 있어서, 상기 네트워크 인터페이스를 통해 상기 제1 외부 장치로부터, 태스크를 수행하기 위한 요청을 암시하는 다른 자연어 표현을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제3 사용자 입력과 관련된 제3 데이터를 수신하고, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상태들의, 적어도 하나의 기저장된 시퀀스와 상기 다른 자연어 표현 사이의 대응 여부를 판단하고, 상기 대응 여부에 적어도 일부 기반하여, 상기 데이터베이스에 상기 다른 자연어 표현을 저장하도록 할 수 있다.
다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 제3 오퍼레이션에 있어서, 상기 다른 자연어 표현 및 상기 적어도 하나의 기저장된 시퀀스 사이의 상기 대응 여부를 나타내는 스코어를 결정하고, 상기 스코어가 선택된 임계값을 초과하지 않으면, 상기 다른 자연어 표현을 상기 데이터베이스에 저장하도록 할 수 있다.
다양한 실시 예에 따르면, 상기 시스템은 통신 회로, 상기 통신 회로와 기능적으로 연결된 적어도 하나의 프로세서, 및 상기 프로세서와 기능적으로 연결된 적어도 하나의 메모리를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하고, 상기 음성 데이터를 텍스트 데이터로 변환하고, 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하고, 상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하고, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 제1 표현은 상기 외부 장치에서 실행 가능한 어플리케이션의 식별자 및 상기 어플리케이션의 기능을 실행하도록 설정된 명령어 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 표현이 상기 제1 표현 및 상기 제2 표현을 포함하면, 상기 제1 표현 및 상기 제1 태스크와 관련된 제2 정보 중 적어도 하나를 상기 제2 표현과 매핑시켜 상기 데이터베이스에 저장하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제3 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 힌트 정보 및 상기 적어도 하나의 제2 힌트 정보의 표시 순서를 지정하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제3 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제4 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 힌트 정보 및 상기 적어도 하나의 제2 힌트 정보의 표시 순서를 지정하도록 하는 인스트럭션들을 저장할 수 있다.
다양한 실시 예에 따르면, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제4 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 음성 데이터의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 9를 참조하면, 시스템(예: 지능형 서버(200))은 동작 910에서, 음성 데이터를 획득할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 외부 장치(예: 사용자 단말(100))로부터 사용자의 발화 입력에 대응하는 음성 데이터를 획득할 수 있다.
동작 920에서, 시스템은 획득한 음성 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 자동 음성 인식 모듈(210)은 사용자 단말(100)로부터 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(210)은 발성에 관련된 정보 및 단위 음소와 관련된 정보를 이용하여 음성 데이터를 텍스트 데이터로 변환할 수 있다.
동작 930에서, 시스템은 변환된 텍스트 데이터를 분류할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 발화 분류 모듈(270)은 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다.
동작 940에서, 시스템은 태스크의 수행을 요청하는 제1 표현(예: 명료한 표현 또는 직접적 표현)이 포함되어 있는지를 판단할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현 중 태스크의 수행을 명시적으로 요청하는 명료한 표현이 포함되어 있는지를 판단할 수 있다. 다시 말해, 시스템은 사용자의 발화가 명료 발화(또는 직접 발화)인지를 판단할 수 있다.
사용자의 발화가 명료 발화인 경우(상기 텍스트 데이터에 태스크의 수행을 요청하는 제1 표현이 포함되어 있는 경우), 동작 950에서, 시스템은 상기 태스크의 수행과 관련한 외부 장치(예: 사용자 단말(100))의 상태들의 시퀀스에 관한 정보(예: 패스 룰)를 상기 외부 장치로 전송할 수 있다. 일 실시 예에 따르면, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 명료한 표현을 지능형 서버(200)의 응답 생성 모듈(예: 자연어 이해 모듈(220), 패스 플래너 모듈(230), 또는 대화 매니저 모듈(240))로 전송하고, 상기 응답 생성 모듈은 상기 명료한 표현을 기반으로 사용자의 의도를 결정하고, 상기 결정된 사용자의 의도에 대응되는 응답(예: 패스 룰)을 생성(또는 선택)하고, 상기 응답을 상기 외부 장치로 전송할 수 있다. 다른 실시 예에서, 발화 분류 모듈(270)은 상기 텍스트 데이터에 명료한 표현과 함께 태스크의 수행에 필요한 부가적인 요소(예: 파라미터 정보)가 포함된 경우, 상기 명료한 표현과 함께 불명료한 표현 중 상기 부가적인 요소를 상기 응답 생성 모듈로 전송할 수 있다. 이 경우, 상기 응답 생성 모듈은 상기 명료한 표현 및/또는 상기 부가적인 요소를 기반으로 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성(또는 선택)하고, 상기 응답을 상기 외부 장치로 전송할 수 있다.
사용자의 발화가 불명료 발화(또는 간접 발화)인 경우, 즉 상기 텍스트 데이터에 태스크의 수행을 명시적으로 요청하는 명료한 표현이 없는 경우, 동작 960에서, 시스템은 상기 텍스트 데이터에 제2 표현(예: 불명료한 표현 또는 간접적 표현)이 포함되어 있는지를 판단할 수 있다. 상기 텍스트 데이터에 상기 제2 표현이 포함되어 있는 경우, 동작 970에서, 시스템은 상기 제2 표현과 매핑된 상기 제1 표현이 데이터베이스(예: 간접 발화 데이터베이스(225))에 존재하는지를 판단할 수 있다. 일 실시 예에 따르면, 발화 분류 모듈(270)은 간접 발화 데이터베이스(225)에 불명료한 표현과 매핑된 명료한 표현이 존재하는지를 판단할 수 있다. 어떤 실시 예에서, 발화 분류 모듈(270)은 간접 발화 데이터베이스(225)에 불명료한 표현과 매핑된 패스 룰 번호가 존재하는지를 판단할 수도 있다.
상기 불명료한 표현에 매핑된 명료한 표현(또는 패스 룰 번호)이 간접 발화 데이터베이스(225)에 존재하는 경우, 시스템은 동작 950을 수행할 수 있다. 예컨대, 상기 불명료한 표현에 매핑된 명료한 표현(또는 패스 룰 번호)이 간접 발화 데이터베이스(225)에 존재하면, 동작 950에서, 발화 분류 모듈(270)은 상기 명료한 표현(또는 패스 룰 번호)을 상기 응답 생성 모듈로 전송하고, 상기 응답 생성 모듈은 상기 명료한 표현(또는 패스 룰 번호)를 기반으로 패스 룰을 생성(또는 선택)하고, 상기 패스 룰을 상기 외부 장치로 전송할 수 있다.
본 발명의 다양한 실시 예에 따라, 장치의 사용에 익숙하지 않거나 발화 입력을 통해 장치의 기능을 수행하는 것이 익숙하지 않은 사용자라 하더라도, 발화 입력을 통해 특정 기능을 실행시키고자 할 때, 상기 특정 기능을 명시적으로 실행시키는 명료한 발화를 하지 않더라고, 상기 특정 기능을 명시적으로 실행시키는 명료한 표현에 매핑된 불명료한 표현이 데이터베이스에 구축되어 있는 경우, 상기 불명료한 표현만이 포함된 불명료 발화를 통해서도 상기 특정 기능이 실행되는 것을 기대할 수 있다. 이를 위해, 시스템은 상기 명료한 표현과 상기 불명료한 표현을 매핑시키는 학습 과정을 필요로 할 수 있다. 상기 학습 과정에 대해서는 도 10에서 설명하도록 한다.
도 10은 본 발명의 일 실시 예에 따른 불명료 발화의 학습과 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 10을 참조하면, 시스템(예: 지능형 서버(200))은 불명료 발화(또는 간접 발화)에 대해 학습할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 자동 음성 인식 모듈(210)은 사용자의 발화 입력에 대응하는 음성 데이터를 사용자 단말(100)로부터 획득하고, 획득한 음성 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 발화 분류 모듈(270)은 상기 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다.
상기 텍스트 데이터에 포함된 표현에 대한 분류 과정이 완료되면, 동작 1010에서, 시스템은 태스크의 수행을 요청하는 제1 표현(예: 명료한 표현 또는 직접적 표현) 이외에 제2 표현(예: 불명료한 표현 또는 간접적 표현)이 포함되어 있는지를 판단할 수 있다. 예컨대, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 제1 표현 및 상기 제2 표현이 포함되어 있는지를 확인할 수 있다.
상기 텍스트 데이터에 상기 제1 표현 및 상기 제2 표현이 포함되어 있는 경우, 동작 1030에서, 시스템은 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 제1 표현과 상기 제2 표현이 매핑되어 저장되어 있는지를 판단할 수 있다. 예컨대, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 명료한 표현과 불명료한 표현이 매핑되어 간접 발화 데이터베이스(225)에 저장되어 있는지를 확인할 수 있다.
일 실시 예에 따르면, 간접 발화 데이터베이스(225)에 상기 제1 표현과 상기 제2 표현이 이미 매핑되어 저장되어 있는 경우, 상기 표현들의 저장 상태를 유지할 수 있다. 일 실시 예에 따르면, 간접 발화 데이터베이스(225)에 상기 제1 표현과 상기 제2 표현이 매핑되어 저장되어 있지 않은 경우, 동작 1050에서, 시스템은 상기 데이터베이스에 상기 제1 표현과 상기 제2 표현을 매핑하여 저장할 수 있다. 예컨대, 발화 분류 모듈(270)은 상기 명료한 표현과 불명료한 표현을 매핑시켜 간접 발화 데이터베이스(225)에 저장할 수 있다.
상술한 과정을 통해, 본 발명의 다양한 실시 예에 따른 시스템은 상기 불명료한 표현만이 상기 텍스트 데이터에 포함된 경우 즉, 사용자의 발화가 불명료 발화인 경우에도, 상기 불명료한 표현과 매핑된 명료한 표현에 대응되는 태스크를 수행할 수 있도록 할 수 있다. 예컨대, 상술한 과정을 반복함으로써, 시스템은 상기 불명료한 표현에 대한 태스크의 수행 능력을 학습할 수 있다. 또는, 시스템은 간접 발화 데이터베이스(225)에 저장된 상기 명료한 표현과 상기 불명료한 표현의 매핑 정보를 이용하여 응답 생성 모듈에 의해 생성(또는 선택)될 수 있는 패스 룰 후보 군의 가중치를 조절할 수 있다. 다시 말해, 시스템은 상기 매핑 정보를 상기 불명료 발화의 경우에 패스 룰의 번호를 검색 및/또는 참고하는 용도로 사용하는 것뿐만 아니라, 상기 명료 발화의 경우에 패스 룰의 생성(또는 선택)에 대한 정확도를 높이는 용도로도 사용할 수 있다. 예컨대, 시스템은 간접 발화 데이터베이스(225)를 참고하여 복수 개의 패스 룰들에 대한 신뢰도 값(또는 우선 순위)를 조절할 수 있고, 상기 신뢰도 값(또는 우선 순위)를 기반으로 상기 복수 개의 패스 룰들 중에서 어느 하나의 패스 룰을 선택할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 복수 개의 명료한 표현들과 매핑된 불명료한 표현의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 11을 참조하면, 시스템(예: 지능형 서버(200))은 사용자의 발화가 불명료 발화(또는 간접적 발화)이고, 데이터베이스(예: 간접 발화 데이터베이스(225))에 불명료한 표현(또는 간접적 표현)과 매핑된 명료한 표현(또는 직접적 표현)이 복수 개 존재하는 경우, 상기 명료한 표현들과 관련된 힌트 정보를 외부 장치(예: 사용자 단말(100))로 전송할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 자동 음성 인식 모듈(210)은 사용자의 발화 입력에 대응하는 음성 데이터를 사용자 단말(100)로부터 획득하고, 획득한 음성 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 발화 분류 모듈(270)은 상기 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현인지 또는 불명료한 표현인지를 판단하여 분류할 수 있다.
상기 텍스트 데이터에 포함된 표현에 대한 분류 과정이 완료되면, 동작 1110에서, 시스템은 태스크의 수행을 요청하는 제1 표현(예: 명료한 표현 또는 직접적 표현)이 제외된 제2 표현(예: 불명료한 표현 또는 간접적 표현)이 포함되어 있는 지를 판단할 수 있다. 예컨대, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 제2 표현만이 포함되어 있는지를 확인할 수 있다.
상기 텍스트 데이터에 상기 제2 표현만이 포함되어 있는 경우, 동작 1130에서, 시스템은 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하는지를 판단할 수 있다. 예컨대, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 불명료한 표현이 명료한 표현과 매핑되어 간접 발화 데이터베이스(225)에 저장되어 있는지를 확인할 수 있다.
상기 제2 표현이 상기 제1 표현과 매핑되어 저장되어 있는 경우, 동작 1150에서, 시스템은 상기 제2 표현과 매핑된 상기 제1 표현의 개수를 확인할 수 있다. 예컨대, 발화 분류 모듈(270)은 간접 발화 데이터베이스(225)에 상기 불명료한 표현과 매핑된 상기 명료한 표현이 복수 개 존재하는지를 판단할 수 있다.
상기 제2 표현과 매핑된 상기 제1 표현이 복수 개 존재하는 경우, 동작 1170에서, 시스템은 상기 복수 개의 제1 표현들 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보를 상기 외부 장치로 전송할 수 있다. 예컨대, 지능형 서버(200)는 간접 발화 데이터베이스(225)에 상기 불명료한 표현과 매핑된 상기 명료한 표현이 복수 개 존재하는 경우, 상기 명료한 표현들에 각각 대응하는 각 태스크의 수행과 관련한 힌트 정보를 사용자 단말(100)로 전송할 수 있다. 이에 따라, 사용자 단말(100)은 상기 힌트 정보를 사용자에게 제공할 수 있고, 사용자는 힌트 정보를 이용해 수행하고자 하는 태스크를 선택할 수 있다.
어떤 실시 예에서, 시스템은 상기 힌트 정보를 상기 외부 장치로 전송하는 대신에, 상기 명료한 표현들 각각에 대응되는 각 태스크의 수행과 관련한 외부 장치의 상태들의 시퀀스에 관한 정보들을 상기 외부 장치로 전송할 수도 있다. 예컨대, 지능형 서버(200)는 상기 명료한 표현들 각각에 대응하는 패스 룰들을 사용자 단말(100)로 전송할 수도 있다.
상기 제2 표현과 매핑된 상기 제1 표현이 하나만 존재하는 경우, 동작 1190에서, 시스템은 상기 하나의 제1 표현에 대응하는 태스크의 수행과 관련한 외부 장치의 상태들의 시퀀스에 관한 정보를 전송할 수 있다. 예컨대, 지능형 서버(200)는 상기 하나의 명료한 표현에 대응하는 패스 룰을 사용자 단말(100)로 전송할 수 있다.
일 실시 예에 따르면, 시스템은 상기 힌트 정보를 상기 외부 장치로 전송하면, 상기 외부 장치는 상기 힌트 정보를 사용자에게 제공하고, 사용자는 상기 힌트 정보를 기반으로 수행하고자 하는 하나의 태스크를 선택할 수 있다. 이 경우, 상기 외부 장치는 선택된 태스크 정보를 시스템으로 피드백해줄 수 있으며, 상기 태스크 정보를 수신한 시스템은 선택된 태스크 정보를 상기 불명료한 표현과 연관시켜 상기 데이터베이스에 저장할 수 있다. 예컨대, 시스템은 상기 불명료한 표현과 연관된 태스크 정보를 상기 데이터베이스에 누적시킬 수 있다. 이에 따라, 시스템은 상기 불명료한 표현이 발화되었을 때, 상기 불명료한 표현과 연관되어 저장된 태스크 정보를 참조하여, 상기 외부 장치로 제공할 태스크를 선택하는 데에 가중치를 다르게 할 수 있다. 한 예로, 시스템은 상기 가중치에 따라 힌트 정보의 표시 순서를 다르게 할 수 있다.
도 12는 본 발명의 일 실시 예에 따른 복수 개의 불명료한 표현들의 처리와 관련한 시스템의 운용 방법을 나타낸 도면이다.
도 12를 참조하면, 시스템(예: 지능형 서버(200))은 사용자의 발화가 불명료 발화(또는 간접적 발화)이고, 사용자의 발화에 불명료한 표현(또는 간접적 표현)이 복수 개 포함된 경우, 상기 복수 개의 불명료한 표현들 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보를 외부 장치(예: 사용자 단말(100))로 전송할 수 있다.
일 실시 예에 따르면, 지능형 서버(200)의 자동 음성 인식 모듈(210)은 사용자의 발화 입력에 대응하는 음성 데이터를 사용자 단말(100)로부터 획득하고, 획득한 음성 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 발화 분류 모듈(270)은 상기 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다.
상기 텍스트 데이터에 포함된 표현에 대한 분류 과정이 완료되면, 동작 1210에서, 시스템은 태스크의 수행을 요청하는 제1 표현(예: 명료한 표현 또는 직접적 표현)이 제외된 제2 표현(예: 불명료한 표현 또는 간접적 표현)이 복수 개 포함되어 있는 지를 판단할 수 있다. 예컨대, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 제1 표현이 포함되지 않고, 복수 개의 상기 제2 표현들이 포함되어 있는지를 확인할 수 있다.
상기 텍스트 데이터에 복수 개의 제2 표현들이 포함된 경우, 동작 1230에서, 시스템은 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 제2 표현들 각각에 매핑된 상기 제1 표현들의 존재 유무를 확인할 수 있다. 예컨대, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 복수 개의 불명료한 표현들이 각각 명료한 표현과 매핑되어 간접 발화 데이터베이스(225)에 저장되어 있는지를 확인할 수 있다.
상기 제2 표현들이 각각 서로 다른 제1 표현들과 매핑되어 저장되어 있으면, 동작 1250에서, 시스템은 상기 제1 표현들 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보를 상기 외부 장치로 전송할 수 있다. 예컨대, 지능형 서버(200)는 상기 텍스트 데이터에 복수 개의 불명료한 표현들이 포함된 경우, 상기 복수 개의 불명료한 표현들 각각에 매핑된 상기 명료한 표현들을 확인하고, 상기 명료한 표현들에 각각 대응하는 각 태스크의 수행과 관련한 힌트 정보를 사용자 단말(100)로 전송할 수 있다. 이에 따라, 사용자 단말(100)은 상기 힌트 정보를 사용자에게 제공할 수 있고, 사용자는 힌트 정보를 이용해 수행하고자 하는 태스크를 선택할 수 있다.
도 13은 본 발명의 일 실시 예에 따른 복수 개의 불명료한 표현들의 처리와 관련한 시스템의 다른 운용 방법을 나타낸 도면이다.
도 13을 참조하면, 시스템(예: 지능형 서버(200))은 사용자의 발화가 불명료 발화(또는 간접적 발화)이고, 사용자의 발화에 불명료한 표현(또는 간접적 표현)이 복수 개 포함된 경우, 상기 복수 개의 불명료한 표현들 중 어느 하나에 대응하는 태스크를 선택하고, 선택된 태스크의 수행과 관련한 외부 장치(예: 사용자 단말(100))의 상태들의 시퀀스에 관한 정보(예: 패스 룰)를 상기 외부 장치로 전송할 수도 있다.
일 실시 예에 따르면, 지능형 서버(200)의 자동 음성 인식 모듈(210)은 사용자의 발화 입력에 대응하는 음성 데이터를 사용자 단말(100)로부터 획득하고, 획득한 음성 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 발화 분류 모듈(270)은 상기 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다.
상기 텍스트 데이터에 포함된 표현에 대한 분류 과정이 완료되면, 동작 1310에서, 시스템은 태스크의 수행을 요청하는 제1 표현(예: 명료한 표현 또는 직접적 표현)이 제외된 제2 표현(예: 불명료한 표현 또는 간접적 표현)이 복수 개 포함되어 있는 지를 판단할 수 있다. 예컨대, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터에 상기 제1 표현이 포함되지 않고, 복수 개의 상기 제2 표현들이 포함되어 있는지를 확인할 수 있다.
상기 텍스트 데이터에 복수 개의 제2 표현들이 포함된 경우, 동작 1330에서, 시스템은 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 제2 표현들 각각에 매핑된 상기 제1 표현들의 존재 유무를 확인할 수 있다. 예컨대, 발화 분류 모듈(270)은 상기 텍스트 데이터에 포함된 복수 개의 불명료한 표현들이 각각 명료한 표현과 매핑되어 간접 발화 데이터베이스(225)에 저장되어 있는지를 확인할 수 있다.
상기 제2 표현들이 각각 서로 다른 제1 표현들과 매핑되어 저장되어 있으면, 동작 1350에서, 시스템은 상기 제1 표현들 중 어느 하나를 선택할 수 있다. 예컨대, 지능형 서버(200)는 상기 불명료한 표현들 각각에 매핑된 명료한 표현들 중에서 어느 하나의 명료한 표현을 선택할 수 있다. 한 예로, 지능형 서버(200)는 상기 명료한 표현들 각각에 대응되는 불명료한 표현들의 우선 순위를 기반으로, 상기 명료한 표현들 중에서 어느 하나의 명료한 표현을 선택할 수 있다. 상기 우선 순위는 예를 들어, 상기 명료한 표현들 각각에 매핑된 불명료한 표현들의 개수, 사용 빈도, 사용자 정보 등에 의해 결정될 수 있다.
상기 제1 표현들 중 어느 하나의 제1 표현이 선택되면, 동작 1370에서, 시스템은 선택된 제1 표현에 대응하는 태스크의 수행과 관련한 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송할 수 있다. 예컨대, 지능형 서버(200)는 선택된 명료한 표현에 대응하는 패스 룰을 사용자 단말(100)로 전송할 수 있다.
상술한 바와 같이, 다양한 실시 예에 따르면, 시스템의 음성 데이터 처리 방법은 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하는 동작, 상기 음성 데이터를 텍스트 데이터로 변화하는 동작, 상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하는 동작, 상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하는 동작, 및 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하는 동작을 포함할 수 있다.
다양한 실시 예에 따르면, 상기 제1 표현은 상기 외부 장치에서 실행 가능한 어플리케이션의 식별자 및 상기 어플리케이션의 기능을 실행하도록 설정된 명령어 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 표현이 상기 제1 표현 및 상기 제2 표현을 포함하면, 상기 제1 표현 및 상기 제1 태스크와 관련된 제2 정보 중 적어도 하나를 상기 제2 표현과 매핑시켜 상기 데이터베이스에 저장하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제3 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제3 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제4 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하는 동작을 더 포함할 수 있다.
다양한 실시 예에 따르면, 상기 음성 데이터 처리 방법은 상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제4 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하는 동작을 더 포함할 수 있다.
도 14는 본 발명의 일 실시 예에 따른 음성 데이터의 처리와 관련한 화면 예시도이다.
도 14를 참조하면, 전자 장치(예: 사용자 단말(100))는 마이크(예: 마이크(111))를 통해 사용자의 발화 입력을 수신하고, 상기 사용자의 발화 입력에 대응하는 음성 데이터를 외부 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 장치는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 전자 장치로 전송할 수 있다. 이에 따라, 전자 장치는 제1 상태(1401)에서와 같이, 수신된 텍스트 데이터(1410)를 디스플레이(1400)에 출력할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 변환된 텍스트 데이터(1410)에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터(1410)에 포함된 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다.
일 실시 예에 따르면, 상기 명료한 표현은 태스크의 수행을 명시적으로 요청하는 표현을 포함할 수 있다. 예를 들어, 상기 명료한 표현은 상기 태스크의 수행에 필요한 필수적인 요소(예: 도메인, 인텐트 등)를 포함할 수 있다. 한 예로, 상기 명료한 표현은 실행 가능한 어플리케이션의 식별자 또는 상기 어플리케이션의 기능(또는 동작)을 실행하도록 설정된 명령어 등을 포함할 수 있다. 도시된 도면에서와 같이, 사용자가 "눈이 침침하니 블루라이트 필터 켜줘"라고 발화한 경우, 블루라이트 필터의 온(on) 기능을 실행하도록 설명된 명령어에 대응되는 발화 부분(1411)인 "블루라이트 필터 켜줘"가 명료한 표현에 해당될 수 있다. 상기 불명료한 표현은 상기 명료한 표현을 제외한 표현을 포함할 수 있다. 예를 들어, 상기 불명료한 표현은 상기 태스크의 수행 중에 사용되는 부가적인 요소(예: 파라미터 정보) 또는 상기 태스크의 수행과는 상관없는 불필요한 요소(예: 감탄사 등)를 포함할 수 있다. 도시된 도면에서는, 블루라이트 필터의 온(on) 기능의 수행과는 상관없는 발화 부분(1413)인 "눈이 침침하니"가 불명료한 표현에 해당될 수 있다.
일 실시 예에 따르면, 상기 텍스트 데이터(1410)에 포함된 표현(예: 명료한 표현(1411) 및 불명료한 표현(1413))에 대한 분류 과정이 완료되면, 상기 외부 장치는 태스크의 수행을 요청하는 명료한 표현(1411)을 기반으로 태스크(예: 블루라이트 필터의 온 기능)의 수행과 관련한 상기 전자 장치의 상태들의 시퀀스에 관한 정보 즉, 패스 룰을 생성(또는 선택)하고, 상기 패스 룰을 상기 전자 장치로 전송할 수 있다.
상기 패스 룰을 수신한 전자 장치는 상기 패스 룰에 따라 상기 태스크를 수행할 수 있다. 일 실시 예에 따르면, 상기 전자 장치는 제2 상태(1403)에서와 같이, 상기 태스크의 수행 결과에 대응하는 화면을 디스플레이(1400)에 출력할 수 있다. 한 예로, 상기 전자 장치는 사용자의 발화 입력에 대응하는 텍스트 데이터(1410) 및 상기 태스크의 수행을 알리는 객체(1430)(예: "블루라이트 필터로 눈부심을 줄일께요")를 디스플레이(1400)에 출력할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 상기 텍스트 데이터(1410)에 상기 명료한 표현(1411) 및 상기 불명료한 표현(1413)이 포함된 경우, 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 명료한 표현(1411)과 상기 불명료한 표현(1413)을 매핑시켜 저장할 수 있다. 이에 따라, 상기 불명료한 표현(1413)만이 발화된 경우에도, 상기 외부 장치는 상기 데이터베이스에 저장된 매핑 정보를 이용해 태스크를 수행할 수 있다.
도 15는 본 발명의 일 실시 예에 따른 불명료 발화 시 태스크가 수행되지 못하는 경우를 설명하기 위한 도면이고, 도 16은 본 발명의 일 실시 예에 따른 불명료 발화 시 태스크가 수행되는 경우를 설명하기 위한 도면이다.
도 15 및 도 16을 참조하면, 전자 장치(예: 사용자 단말(100))는 마이크(예: 마이크(111))를 통해 사용자의 발화 입력을 수신하고, 상기 사용자의 발화 입력에 대응하는 음성 데이터를 외부 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 장치는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 전자 장치로 전송할 수 있다. 이에 따라, 전자 장치는 제1 상태(1501, 1601)에서와 같이, 수신된 텍스트 데이터(1510, 1610)를 디스플레이(1500, 1600)에 출력할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 변환된 텍스트 데이터(1510, 1610)에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터(1510, 1610)에 포함된 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다. 도 15 및 도 16에서와 같이, 사용자가 "눈이 침침해"라고 발화한 경우, 상기 외부 장치는 발화 입력에 대한 분석을 수행하고 사용자의 발화 입력에 대응하는 텍스트 데이터(1510, 1610)에 태스크의 수행을 명시적으로 요청하는 명료한 표현은 포함되지 않고 상기 태스크의 수행과는 상관없는 불명료한 표현(1510, 1610)만이 포함되었다고 판단할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 불명료한 표현(1510, 1610)과 매핑된 명료한 표현이 존재하는지를 확인할 수 있다. 예를 들어, 발화 분류 모듈(270)은 간접 발화 데이터베이스(225)에 "눈이 침침해"와 같은 불명료한 표현(1510, 1610)에 매핑된 명료한 표현(예: "블루라이트 필터 켜줘")이 존재하는지를 확인할 수 있다. 일 실시 예에 따르면, 상기 외부 장치는 매핑 정보를 상기 데이터베이스에 저장할 시에, 표현들에 대한 가공 처리를 할 수 있다. 예를 들어, 상기 외부 장치는 "눈이 침침해"와 "눈이 침침하니"를 "블루라이트 필터 켜줘"와 매핑시킬 때, "눈이 침침해"와 "눈이 침침하니"의 문구를 온전하게 저장할 수도 있으나, 상기 문구를 좀더 폭 넓게 사용 가능하도록 가공할 수도 있다. 예컨대, 상기 외부 장치는 상기 문구에서 "눈"과 "침침"이라는 단어들만을 추출하여 매핑시킴으로써, 상기 단어들이 포함된 문구가 발화되었을 때 참조할 수 있도록 상기 매핑 정보를 관리할 수 있다. 또는, 상기 외부 장치는 태스크의 수행과 관련된 명료한 표현도 가공하여 저장할 수 있다. 어떤 실시 예에서 상기 외부 장치는 상기 명료한 표현을 저장하는 대신에 상기 명료한 표현에 대응되는 태스크의 정보를 저장할 수도 있다. 예를 들어, 상기 외부 장치는 "눈"과 "침침"이라는 단어들을 블루라이트 필터 온 기능을 식별할 수 있는 정보와 매핑시켜 상기 데이터베이스에 저장할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 상기 데이터베이스에 상기 불명료한 표현(1510, 1610)과 매핑된 명료한 표현(또는 태스크의 정보)이 존재하는 경우, 상기 명료한 표현에 대응되는 상기 태스크(예: 블루라이트 필터의 온 기능)의 수행과 관련한 전자 장치의 상태들의 시퀀스에 관한 정보 즉, 패스 룰을 생성(또는 선택)하고, 상기 패스 룰을 상기 전자 장치로 전송할 수 있다. 이 경우, 상기 패스 룰을 수신한 전자 장치는 상기 패스 룰에 따라 상기 태스크를 수행할 수 있다. 일 실시 예에 따르면, 상기 전자 장치는 도 16의 제2 상태(1603)에서와 같이, 상기 태스크를 수행할 것임을 알리는 화면을 디스플레이(1600)에 출력할 수 있다. 한 예로, 상기 전자 장치는 사용자의 발화 입력에 대응하는 텍스트 데이터(1610) 및 상기 태스크의 수행을 알리는 객체(1630)(예: "블루라이트 필터로 눈부심을 줄일께요")를 디스플레이(1600)에 출력할 수 있다. 또한, 상기 전자 장치는 상기 객체(1630)를 디스플레이(1600)에 출력하면서 상기 태스크를 수행할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 상기 데이터베이스에 상기 불명료한 표현(1510, 1610)과 매핑된 명료한 표현(또는 태스크의 정보)이 존재하지 않는 경우, 상기 불명료한 표현(1510, 1610)에 매핑된 명료한 표현(또는 태스크의 정보)이 존재하지 않음을 전자 장치로 알릴 수 있다. 이 경우, 상기 전자 장치는 도 15의 제2 상태(1503)에서와 같이, 사용자의 발화 입력에 대응하는 텍스트 데이터(1510) 및 상기 텍스트 데이터(1510)만으로는 태스크를 수행할 수 없음을 알리는 객체(1530)(예: "저도 태어난 지 얼마 안 돼 아직 배울 것들이 많네요.")를 디스플레이(1500)에 출력할 수 있다.
도 17은 본 발명의 일 실시 예에 따른 복수 개의 명료한 표현들과 매핑된 불명료한 표현을 처리하는 방법을 설명하기 위한 도면이다.
도 17을 참조하면, 전자 장치(예: 사용자 단말(100))는 마이크(예: 마이크(111))를 통해 사용자의 발화 입력을 수신하고, 상기 사용자의 발화 입력에 대응하는 음성 데이터를 외부 장치(예: 지능형 서버(200))로 전송할 수 있다. 이 경우, 상기 외부 장치는 수신된 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 전자 장치로 전송할 수 있다. 이에 따라, 전자 장치는 제1 상태(1701)에서와 같이, 수신된 텍스트 데이터(1710)를 디스플레이(1700)에 출력할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 변환된 텍스트 데이터(1710)에 포함된 적어도 하나의 표현을 분류할 수 있다. 예를 들어, 지능형 서버(200)의 발화 분류 모듈(270)은 상기 텍스트 데이터(1710)에 포함된 적어도 하나의 표현이 태스크의 수행을 명시적으로 요청하는 명료한 표현(또는 직접적 표현)인지 또는 불명료한 표현(또는 간접적 표현)인지를 판단하여 분류할 수 있다. 도 17에서와 같이, 사용자가 "눈이 침침해"라고 발화한 경우, 상기 외부 장치는 사용자의 발화 입력에 대응하는 텍스트 데이터(1710)에 태스크의 수행을 명시적으로 요청하는 명료한 표현은 포함되지 않고 상기 태스크의 수행과는 상관없는 불명료한 표현(1710)만이 포함되었다고 판단할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 데이터베이스(예: 간접 발화 데이터베이스(225))에 상기 불명료한 표현(1710)과 매핑된 명료한 표현이 존재하는지를 확인할 수 있다. 상기 데이터베이스에 상기 불명료한 표현(1710)과 매핑된 복수 개의 명료한 표현들(또는 태스크의 정보들)이 존재하는 경우, 상기 외부 장치는 상기 명료한 표현들 각각에 대응하는 각 태스크의 수행과 관련한 힌트 정보를 상기 전자 장치로 전송할 수 있다.
상기 힌트 정보를 수신하면, 상기 전자 장치는 제2 상태(1703)에서와 같이, 수신된 힌트 정보를 디스플레이(1700)에 출력할 수 있다. 한 예로, 상기 전자 장치는 사용자의 발화 입력에 대응하는 텍스트 데이터(1710), 상기 힌트 정보를 기반으로 수행할 태스크의 선택을 요청하는 객체(1730)(예: "수행하고자 하는 기능을 아래 힌트에서 선택해 주세요"), 및 상기 힌트 정보(1750)를 디스플레이(1700)에 출력할 수 있다.
일 실시 예에 따르면, 상기 외부 장치는 상기 명료한 표현들의 우선 순위에 따라 상기 명료한 표현들 각각에 대응하는 각 태스크와 관련된 힌트 정보의 표시 순서를 지정할 수 있다. 한 예로, 상기 외부 장치는 불명료한 표현(1710)과 함께 특정한 명료한 표현이 발화된 횟수, 불명료한 표현(1710)이 발화되었을 때 태스크가 사용자로부터 선택되어 수행된 횟수 등에 기반하여 상기 명료한 표현들의 우선 순위가 설정되고, 상기 명료한 표현들의 우선 순위가 높을수록 상기 명료한 표현에 대응하는 태스크와 관련된 힌트 정보의 표시 순서도 빠를 수 있다. 예를 들어, 불명료한 표현(1710)(예: "눈이 침침해")에 매핑된 제1 명료한 표현(1751)(예: "블루라이트 필터 켜줘"), 제2 명료한 표현(1753)(예: "화면 밝기 줄여줘"), 및 제3 명료한 표현(1755)(예: "폰트 크기 키워 줘") 중 제1 명료한 표현(1751)의 우선 순위가 가장 높고, 제3 명료한 표현(1755)의 우선 순위가 가장 낮을 수 있다. 상기 전자 장치는 상기 제1 명료한 표현(1751) 내지 상기 제3 명료한 표현(1753)을 우선 순위가 높은 순서대로 디스플레이(1700)에 출력할 수 있다.
도 18은 본 발명의 일 실시 예에 따른 불명료 발화의 학습과 관련한 화면 예시도이다.
도 18을 참조하면, 전자 장치(예: 사용자 단말(100))는 불명료 발화(또는 간접 발화)에 대해 학습할 수 있도록 인터페이스를 제공할 수 있다. 일 실시 예에 따르면, 전자 장치는 사용자의 발화 입력에 태스크의 수행을 명시적으로 요청하는 명료한 표현(1813)(예: "블루라이트 켜줘")이 존재하는 경우, 상기 명료한 표현(1813)에 매핑될 수 있는 불명료한 표현들을 학습할 수 있도록 인터페이스를 제공할 수 있다.
일 실시 예에 따르면, 전자 장치는 제1 상태(1801)에서와 같이, 상기 명료한 표현(1813)에 매핑될 수 불명료한 표현을 학습할 수 있음을 알리는 객체(1811), 상기 명료한 표현(1813), 및 상기 불명료한 표현을 입력할 수 있도록 설정된 객체(1815)(예: 버튼)를 디스플레이(1800)에 출력할 수 있다.
일 실시 예에 따르면, 상기 불명료한 표현을 입력할 수 있도록 설정된 객체(1815)가 선택되면, 전자 장치는 마이크(예: 마이크(111))를 통해 사용자로부터 발화 입력을 수신할 수 있다. 상기 발화 입력에는 예를 들어, 상기 명료한 표현(1813)에 매핑시키고자 하는 불명료한 표현(1830)(예: "눈이 침침해")이 포함될 수 있다. 상기 불명료한 표현(1830)이 입력되면, 전자 장치는 제2 상태(1803)에서와 같이, 상기 명료한 표현(1813)과 함께 입력된 불명료한 표현(1830)을 디스플레이(1800)에 출력할 수 있다. 또한, 전자 장치는 입력된 불명료한 표현(1830)을 외부 장치(예: 지능형 서버(200))로 전송하고, 상기 외부 장치는 수신된 불명료한 표현(1830)을 상기 명료한 표현(1813)에 매핑시켜 데이터베이스(예: 간접 발화 데이터베이스(225))에 저장할 수 있다.
일 실시 예에 따르면, 전자 장치는 제3 상태(1805)에서와 같이, 상기 불명료한 표현(1830)이 상기 명료한 표현(1813)에 매핑되었음을 알리는 객체(1850)(예: "감사합니다. 더 많은 표현을 알게 되었네요.")를 디스플레이(1800)에 출력할 수 있다.
일 실시 예에 따르면, 전자 장치는 제3 상태(1805) 이후, 지정된 시간이 경과하거나 사용자의 입력(예: 터치 입력)이 발생하는 경우, 제1 상태(1801) 또는 제2 상태(1803)로 복귀하여, 다른 불명료한 표현을 더 학습할 수 있도록 인터페이스를 제공할 수도 있다.
어떤 실시 예에서, 지능형 서버(200)는 사용자에 대한 간접 발화 데이터베이스(225)를 다른 사용자에 대한 간접 발화 데이터베이스(225)에 업데이트하거나 공유할 수 있다. 예를 들어, 지능형 서버(200)는 다른 사용자의 간접 발화 데이터베이스(225)를 이용하여 불명료 발화에 대한 태스크의 수행 능력을 높일 수 있다.
도 19는 다양한 실시 예들에 따른 네트워크 환경(1900) 내의 전자 장치(1901)의 블록도이다. 본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치(예: PDA(personal digital assistant), 태블릿 PC(tablet PC), 랩탑 PC(, 데스크톱 PC, 워크스테이션, 또는 서버), 휴대용 멀티미디어 장치(예: 전자 책 리더기 또는 MP3 플레이어), 휴대용 의료 기기(예: 심박, 혈당, 혈압, 또는 체온 측정기), 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리 형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용 형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착 형(예: 스킨 패드 또는 문신), 또는 생체 이식 형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시 예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오 장치, 오디오 액세서리 장치(예: 스피커, 헤드폰, 또는 헤드 셋), 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토메이션 컨트롤 패널, 보안 컨트롤 패널, 게임 콘솔, 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치는 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder)(예: 차량/선박/비행기 용 블랙박스(black box)), 자동차 인포테인먼트 장치(예: 차량용 헤드-업 디스플레이), 산업용 또는 가정용 로봇, 드론(drone), ATM(automated teller machine), POS(point of sales) 기기, 계측 기기(예: 수도, 전기, 또는 가스 계측 기기), 또는 사물 인터넷 장치(예: 전구, 스프링클러 장치, 화재 경보기, 온도 조절기, 또는 가로등) 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 또한, 예를 들면, 개인의 생체 정보(예: 심박 또는 혈당)의 측정 기능이 구비된 스마트폰의 경우처럼, 복수의 장치들의 기능들을 복합적으로 제공할 수 있다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
도 19를 참조하여, 네트워크 환경(1900)에서 전자 장치(1901)(예: 사용자 단말(100))는 근거리 무선 통신(1998)을 통하여 전자 장치(1902)와 통신하거나, 또는 네트워크(1999)를 통하여 전자 장치(1904) 또는 서버(1908)(예: 지능형 서버(200))와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1901)는 서버(1908)을 통하여 전자 장치(1904)와 통신할 수 있다.
일 실시 예에 따르면, 전자 장치(1901)는 버스(1910), 프로세서(1920)(예: 프로세서(150)), 메모리(1930)(예: 메모리(140)), 입력 장치(1950)(예: 마이크(111) 또는 마우스), 표시 장치(1960)(예: 디스플레이(120)), 오디오 모듈(1970)(예: 스피커(130)), 센서 모듈(1976), 인터페이스(1977), 햅틱 모듈(1979), 카메라 모듈(1980), 전력 관리 모듈(1988), 및 배터리(1989), 통신 모듈(1990), 및 가입자 식별 모듈(1996)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1901)는 구성요소들 중 적어도 하나(예: 표시 장치(1960) 또는 카메라 모듈(1980))를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
버스(1910)는, 구성요소들(1920-1990)을 서로 연결하고, 구성요소들 간의 신호(예: 제어 메시지 또는 데이터)를 전달하는 회로를 포함할 수 있다.
프로세서(1920)는, 중앙처리장치(central processing unit, CPU), 어플리케이션 프로세서(application processor, AP), GPU(graphics processing unit), 카메라의 ISP(image signal processor), 또는 CP(communication processor) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(1920)는 SoC(system on chip) 또는 SiP(system in package)로 구현될 수 있다. 프로세서(1920)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(1920)에 연결된 전자 장치(1901)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1920)는 다른 구성요소들(예: 통신 모듈(1990)) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(1932)에 로드 하여 처리하고, 결과 데이터를 비 휘발성 메모리(1934)에 저장할 수 있다.
메모리(1930)는, 휘발성 메모리(1932) 또는 비 휘발성 메모리(1934)를 포함할 수 있다. 휘발성 메모리(1932)는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)로 구성될 수 있다. 비 휘발성 메모리(1934)는, 예를 들면, PROM(programmable read-only memory), OTPROM(one time PROM), EPROM(erasable PROM), EEPROM(electrically EPROM), mask ROM, flash ROM, 플래시 메모리, HDD(hard disk drive), 또는 SSD(solid state drive)로 구성될 수 있다. 또한, 비 휘발성 메모리(1934)는, 전자 장치(1901)와의 연결 형태에 따라, 그 안에 배치된 내장 메모리(1936), 또는 필요 시에만 연결하여 사용 가능한 스탠드-얼론(stand-alone) 형태의 외장 메모리(1938)로 구성될 수 있다. 외장 메모리(1938)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card), 또는 메모리 스틱을 포함할 수 있다. 외장 메모리(1938)는 유선(예: 케이블 또는 USB(universal serial bus)) 또는 무선(예: Bluetooth)을 통하여 전자 장치(1901)와 기능적으로 또는 물리적으로 연결될 수 있다.
메모리(1930)는, 예를 들면, 전자 장치(1901)의 적어도 하나의 다른 소프트웨어 구성요소, 예를 들어, 프로그램(1940)에 관계된 명령 또는 데이터를 저장할 수 있다. 프로그램(1940)은, 예를 들면, 커널(1941), 라이브러리(1943), 어플리케이션 프레임워크(1945), 또는 어플리케이션 프로그램(interchangeably "어플리케이션")(1947)을 포함할 수 있다.
입력 장치(1950)는, 마이크, 마우스, 또는 키보드를 포함할 수 있다. 일 실시 예에 따르면, 키보드는 물리적인 키보드로 연결되거나, 표시 장치(1960)를 통해 가상 키보드로 표시될 수 있다.
표시 장치(1960)는, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 디스플레이는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 마이크로 전자기계 시스템(MEMS) 디스플레이, 또는 전자 종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이는, 일 실시 예에 따르면, 유연하게, 투명하게, 또는 착용할 수 있게 구현될 수 있다. 디스플레이는 사용자의 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 감지할 수 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서(interchangeably "force sensor")를 포함할 수 있다. 상기 터치 회로 또는 압력 센서는 디스플레이와 일체형으로 구현되거나, 또는 디스플레이와는 별도의 하나 이상의 센서들로 구현될 수 있다. 홀로그램 장치는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(1901)의 내부 또는 외부에 위치할 수 있다.
오디오 모듈(1970)은, 예를 들면, 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1970)은, 입력 장치(1950)(예: 마이크)를 통해 소리를 획득하거나, 또는 전자 장치(1901)에 포함된 출력 장치(미 도시)(예: 스피커 또는 리시버), 또는 전자 장치(1901)와 연결된 외부 전자 장치(예: 전자 장치(1902)(예: 무선 스피커 또는 무선 헤드폰) 또는 전자 장치(1906)(예: 유선 스피커 또는 유선 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1976)은, 예를 들면, 전자 장치(1901)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 고도, 습도, 또는 밝기)를 계측 또는 감지하여, 그 계측 또는 감지된 상태 정보에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1976)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러(color) 센서(예: RGB(red, green, blue) 센서), IR(infrared) 센서, 생체 센서(예: 홍채 센서, 지문 센서, 또는 HRM(heartbeat rate monitoring) 센서, 후각(electronic nose) 센서, EMG(electromyography) 센서, EEG(Electroencephalogram) 센서, ECG(Electrocardiogram) 센서), 온도 센서, 습도 센서, 조도 센서, 또는 UV(ultra violet) 센서를 포함할 수 있다. 센서 모듈(1976)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1901)는 프로세서(1920) 또는 프로세서(1920)와는 별도의 프로세서(예: 센서 허브)를 이용하여, 센서 모듈(1976)을 제어할 수 있다. 별도의 프로세서(예: 센서 허브)를 이용하는 경우에, 전자 장치(1901)는 프로세서(1920)가 슬립(sleep) 상태에 있는 동안, 프로세서(1920)를 깨우지 않고 별도의 프로세서의 작동에 의하여 센서 모듈(1976)의 동작 또는 상태의 적어도 일부를 제어할 수 있다.
인터페이스(1977)는, 일 실시 예에 따르면, HDMI(high definition multimedia interface), USB, 광 인터페이스(optical interface), RS-232(recommended standard 232), D-sub(D-subminiature), MHL(mobile high-definition link) 인터페이스, SD카드/MMC(multi-media card) 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다. 연결 단자(1978)는 전자 장치(1901)와 전자 장치(1906)를 물리적으로 연결시킬 수 있다. 일 실시 예에 따르면, 연결 단자(1978)는, 예를 들면, USB 커넥터, SD 카드/MMC 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1979)은 전기적 신호를 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 예를 들면, 햅틱 모듈(1979)은 사용자에게 촉각 또는 운동 감각과 관련된 자극을 제공할 수 있다. 햅틱 모듈(1979)은 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1980)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있다. 카메라 모듈(1980)는, 일 실시 예에 따르면, 하나 이상의 렌즈(예: 광각 렌즈 및 망원 렌즈, 또는 전면 렌즈 및 후면 렌즈), 이미지 센서, 이미지 시그널 프로세서, 또는 플래시(예: 발광 다이오드 또는 제논 램프(xenon lamp) 등)를 포함할 수 있다.
전력 관리 모듈(1988)은 전자 장치(1901)의 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1989)는, 예를 들면, 1차 전지, 2차 전지, 또는 연료 전지를 포함하여 외부 전원에 의해 재충전되어, 상기 전자 장치(1901)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다.
통신 모듈(1990)은, 예를 들면, 전자 장치(1901)와 외부 장치(예: 제1 외부 전자 장치(1902), 제2 외부 전자 장치(1904), 또는 서버(1908)) 간의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다. 일 실시 예에 따르면, 통신 모듈(1990)은 무선 통신 모듈(1992) 또는 유선 통신 모듈(1994)을 포함하고, 그 중 해당하는 통신 모듈을 이용하여 제1 네트워크(1998)(예: Bluetooth 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1999)(예: 셀룰러 네트워크와 같은 원거리 통신 네트워크)를 통하여 외부 장치와 통신할 수 있다.
무선 통신 모듈(1992)은, 예를 들면, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS 통신을 지원할 수 있다. 셀룰러 통신은, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다. 근거리 무선 통신은, 예를 들면, Wi-Fi(wireless fidelity), Wi-Fi Direct, Li-Fi(light fidelity), Bluetooth, BLE(Bluetooth low energy), Zigbee, NFC(near field communication), MST(magnetic secure transmission), RF(radio frequency), 또는 BAN(body area network)을 포함할 수 있다. GNSS는, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 "Beidou") 또는 Galileo(the European global satellite-based navigation system)를 포함할 수 있다. 본 문서에서 "GPS"는 "GNSS"와 상호 호환적으로 사용될 수 있다.
일 실시 예에 따르면, 상기 무선 통신 모듈(1992)은, 셀룰러 통신을 지원하는 경우, 예를 들면, 가입자 식별 모듈(1996)을 이용하여 통신 네트워크 내에서 전자 장치(1901)의 구별 및 인증을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1992)은 프로세서(1920)(예: AP)와 별개인 CP를 포함할 수 있다. 이런 경우, CP는, 예를 들면, 프로세서(1920)가 인액티브(예: 슬립) 상태에 있는 동안 프로세서(1920)를 대신하여, 또는 프로세서(1920)가 액티브 상태에 있는 동안 프로세서(1920)과 함께, 전자 장치(1901)의 구성요소들(1910-1996) 중 적어도 하나의 구성 요소와 관련된 기능들의 적어도 일부 기능을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1992)은 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS 통신 모듈 중 해당하는 통신 방식만을 지원하는 복수의 통신 모듈들로 구성될 수 있다.
유선 통신 모듈(1994)은, 예를 들면, LAN(local area network), 전력선 통신 또는 POTS(plain old telephone service)를 포함할 수 있다.
제1 네트워크(1998)는, 예를 들어, 전자 장치(1901)와 제1 외부 전자 장치(1902)간의 무선으로 직접 연결을 통해 명령 또는 데이터를 송신 또는 수신할 수 있는 Wi-Fi 다이렉트 또는 Bluetooth를 포함할 수 있다. 제2 네트워크(1999)는, 예를 들어, 전자 장치(1901)와 제2 외부 전자 장치(1904)간의 명령 또는 데이터를 송신 또는 수신할 수 있는 텔레커뮤니케이션 네트워크(예: LAN(local area network)나 WAN(wide area network)와 같은 컴퓨터 네트워크, 인터넷(internet), 또는 텔레폰(telephone) 네트워크)를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 명령 또는 상기 데이터는 제2 네트워크에 연결된 서버(1908)를 통해서 전자 장치(1901)와 제2 외부 전자 장치(1904)간에 송신 또는 수신될 수 있다. 제1 및 제2 외부 전자 장치(1902, 1904) 각각은 전자 장치(1901)와 동일한 또는 다른 종류의 장치일 수 있다. 다양한 실시 예들에 따르면, 전자 장치(1901)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 전자 장치(1902, 1904), 또는 서버(1908))에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(1901)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1901)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 장치(예: 전자 장치(1902, 1904), 또는 서버(1908))에게 요청할 수 있다. 다른 전자 장치(예: 전자 장치(1902, 1904), 또는 서버(1908))는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1901)로 전달할 수 있다. 전자 장치(1901)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치(예: 메모리 1930)에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 AP)를 의미할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
다양한 실시 예들에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(1930))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(1920))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체(예: 플롭티컬 디스크)), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (20)

  1. 시스템에 있어서,
    네트워크 인터페이스;
    상기 네트워크 인터페이스와 작동적으로 연결된 적어도 하나의 프로세서; 및
    상기 프로세서와 작동적으로 연결된 적어도 하나의 메모리를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    제1 오퍼레이션에 있어서,
    상기 네트워크 인터페이스를 통해, 마이크로폰(microphone)을 포함하는 제1 외부 장치로부터, 상기 제1 외부 장치 또는 제2 외부 장치 중 적어도 하나를 이용하여 태스크를 수행하기 위한 명시적 요청을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제1 사용자 입력과 관련된 제1 데이터를 수신하고,
    자연어 이해 프로세싱을 통해 상기 제1 사용자 입력으로부터 제1 의도(intent)를 확인하고,
    상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상태들의 시퀀스(sequence)를 결정하고,
    상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제1 정보를 전송하고,
    제2 오퍼레이션에 있어서,
    상기 네트워크 인터페이스를 통해, 상기 제1 외부 장치로부터, 상기 태스크를 수행하기 위한 요청을 암시하는 자연어 표현을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제2 사용자 입력과 관련된 제2 데이터를 수신하고,
    상기 시스템으로 기제공된 자연어 표현들에 적어도 일부 기반하여, 상기 자연어 표현으로부터 상기 제1 의도를 확인하고,
    상기 제1 의도에 적어도 일부 기반하여, 상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상기 상태들의 시퀀스를 결정하고,
    상기 네트워크 인터페이스를 통해 상기 제1 외부 장치 및/또는 상기 제2 외부 장치로 상기 상태들의 시퀀스에 관한 제2 정보를 전송하도록 하는
    인스트럭션들(instructions)을 저장하는 것을 특징으로 하는 시스템.
  2. 청구항 1에 있어서,
    인스트럭션들은, 상기 프로세서가,
    상기 시스템으로 기제공된 상기 자연어 표현들을 데이터베이스에 저장하도록 하는 것을 특징으로 하는 시스템.
  3. 청구항 2에 있어서,
    인스트럭션들은, 상기 프로세서가,
    제3 오퍼레이션에 있어서,
    상기 네트워크 인터페이스를 통해 상기 제1 외부 장치로부터, 태스크를 수행하기 위한 요청을 암시하는 다른 자연어 표현을 포함하며, 상기 제1 외부 장치를 통하여 얻은 제3 사용자 입력과 관련된 제3 데이터를 수신하고,
    상기 태스크를 수행하기 위한 상기 제1 외부 장치 및/또는 상기 제2 외부 장치의 상태들의, 적어도 하나의 기저장된 시퀀스와 상기 다른 자연어 표현 사이의 대응(match) 여부를 판단하고,
    상기 대응 여부에 적어도 일부 기반하여, 상기 데이터베이스에 상기 다른 자연어 표현을 저장하도록 하는 것을 특징으로 하는 시스템.
  4. 청구항 3에 있어서,
    인스트럭션들은, 상기 프로세서가,
    상기 제3 오퍼레이션에 있어서,
    상기 다른 자연어 표현 및 상기 적어도 하나의 기저장된 시퀀스 사이의 상기 대응 여부를 나타내는 스코어(score)를 결정하고,
    상기 스코어가 선택된 임계값을 초과하지 않으면, 상기 다른 자연어 표현을 상기 데이터베이스에 저장하도록 하는 것을 특징으로 하는 시스템.
  5. 시스템에 있어서,
    통신 회로;
    상기 통신 회로와 기능적으로 연결된 적어도 하나의 프로세서; 및
    상기 프로세서와 기능적으로 연결된 적어도 하나의 메모리를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하고,
    상기 음성 데이터를 텍스트 데이터로 변환하고,
    상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하고,
    상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하고,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  6. 청구항 5에 있어서,
    상기 제1 표현은,
    상기 외부 장치에서 실행 가능한 어플리케이션의 식별자 및 상기 어플리케이션의 기능을 실행하도록 설정된 명령어 중 적어도 하나를 포함하는 것을 특징으로 하는 시스템.
  7. 청구항 5에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 표현이 상기 제1 표현 및 상기 제2 표현을 포함하면, 상기 제1 표현 및 상기 제1 태스크와 관련된 제2 정보 중 적어도 하나를 상기 제2 표현과 매핑시켜 상기 데이터베이스에 저장하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  8. 청구항 5에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제3 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  9. 청구항 8에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 힌트 정보 및 상기 적어도 하나의 제2 힌트 정보의 표시 순서를 지정하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  10. 청구항 5에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제3 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  11. 청구항 5에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제4 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  12. 청구항 11에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 힌트 정보 및 상기 적어도 하나의 제2 힌트 정보의 표시 순서를 지정하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  13. 청구항 5에 있어서,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제4 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 시스템.
  14. 시스템의 음성 데이터 처리 방법에 있어서,
    통신 회로를 통해 외부 장치로부터 음성 데이터를 획득하는 동작;
    상기 음성 데이터를 텍스트 데이터로 변화하는 동작;
    상기 텍스트 데이터에 포함된 적어도 하나의 표현을 분류하는 동작;
    상기 적어도 하나의 표현이 상기 외부 장치를 이용한 제1 태스크의 수행을 요청하는 제1 표현을 포함하면, 상기 통신 회로를 통해 상기 제1 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 제1 정보를 상기 외부 장치로 전송하는 동작; 및
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 제2 표현을 포함하며, 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현이 존재하면, 상기 통신 회로를 통해 상기 제1 정보를 상기 외부 장치로 전송하는 동작을 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  15. 청구항 14에 있어서,
    상기 제1 표현은,
    상기 외부 장치에서 실행 가능한 어플리케이션의 식별자 및 상기 어플리케이션의 기능을 실행하도록 설정된 명령어 중 적어도 하나를 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  16. 청구항 14에 있어서,
    상기 적어도 하나의 표현이 상기 제1 표현 및 상기 제2 표현을 포함하면, 상기 제1 표현 및 상기 제1 태스크와 관련된 제2 정보 중 적어도 하나를 상기 제2 표현과 매핑시켜 상기 데이터베이스에 저장하는 동작을 더 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  17. 청구항 14에 있어서,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제3 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하는 동작을 더 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  18. 청구항 14에 있어서,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 제1 표현과 다른 적어도 하나의 제3 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제3 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제3 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하는 동작을 더 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  19. 청구항 14에 있어서,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현에 대응되는 상기 제1 태스크의 수행과 관련한 제1 힌트 정보 및 상기 적어도 하나의 제4 표현 각각에 대응되는 적어도 하나의 제2 태스크의 수행과 관련한 적어도 하나의 제2 힌트 정보를 상기 외부 장치로 전송하는 동작을 더 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
  20. 청구항 14에 있어서,
    상기 적어도 하나의 표현이 상기 제1 표현을 포함하지 않고 상기 제1 표현과 다른 상기 제2 표현 및 적어도 하나의 제3 표현을 포함하며, 상기 데이터베이스에 상기 제2 표현과 매핑된 상기 제1 표현 및 상기 적어도 하나의 제3 표현 각각에 매핑된 적어도 하나의 제4 표현이 존재하면, 상기 제1 표현 및 상기 적어도 하나의 제4 표현에 대한 우선 순위를 기반으로 상기 제1 표현 및 상기 적어도 하나의 제4 표현 중 어느 하나의 표현을 선택하고, 선택된 표현에 대응되는 태스크의 수행과 관련한 상기 외부 장치의 상태들의 시퀀스에 관한 정보를 상기 외부 장치로 전송하는 동작을 더 포함하는 것을 특징으로 하는 음성 데이터 처리 방법.
KR1020170090301A 2017-07-17 2017-07-17 음성 데이터 처리 방법 및 이를 지원하는 시스템 KR20190008663A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170090301A KR20190008663A (ko) 2017-07-17 2017-07-17 음성 데이터 처리 방법 및 이를 지원하는 시스템
US16/035,975 US20190019509A1 (en) 2017-07-17 2018-07-16 Voice data processing method and electronic device for supporting the same
CN201810786342.9A CN109272994A (zh) 2017-07-17 2018-07-17 话音数据处理方法以及支持该话音数据处理方法的电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170090301A KR20190008663A (ko) 2017-07-17 2017-07-17 음성 데이터 처리 방법 및 이를 지원하는 시스템

Publications (1)

Publication Number Publication Date
KR20190008663A true KR20190008663A (ko) 2019-01-25

Family

ID=64999109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170090301A KR20190008663A (ko) 2017-07-17 2017-07-17 음성 데이터 처리 방법 및 이를 지원하는 시스템

Country Status (3)

Country Link
US (1) US20190019509A1 (ko)
KR (1) KR20190008663A (ko)
CN (1) CN109272994A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102170088B1 (ko) * 2019-07-24 2020-10-26 네이버 주식회사 인공지능 기반 자동 응답 방법 및 시스템
WO2020246634A1 (ko) * 2019-06-04 2020-12-10 엘지전자 주식회사 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
WO2023277572A1 (ko) * 2021-06-30 2023-01-05 삼성전자 주식회사 오디오 데이터에 오디오 효과의 중복 적용을 방지하는 방법 및 이를 지원하는 전자 장치

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180085931A (ko) 2017-01-20 2018-07-30 삼성전자주식회사 음성 입력 처리 방법 및 이를 지원하는 전자 장치
US11954613B2 (en) * 2018-02-01 2024-04-09 International Business Machines Corporation Establishing a logical connection between an indirect utterance and a transaction
US20190251961A1 (en) * 2018-02-15 2019-08-15 Lenovo (Singapore) Pte. Ltd. Transcription of audio communication to identify command to device
CN110619873A (zh) * 2019-08-16 2019-12-27 北京小米移动软件有限公司 音频处理方法、装置及存储介质
US11769013B2 (en) * 2019-11-11 2023-09-26 Salesforce, Inc. Machine learning based tenant-specific chatbots for performing actions in a multi-tenant system
US11763090B2 (en) 2019-11-11 2023-09-19 Salesforce, Inc. Predicting user intent for online system actions through natural language inference-based machine learning model

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10540976B2 (en) * 2009-06-05 2020-01-21 Apple Inc. Contextual voice commands
EP3576087B1 (en) * 2013-02-05 2021-04-07 Telefonaktiebolaget LM Ericsson (publ) Audio frame loss concealment
US10102845B1 (en) * 2013-02-25 2018-10-16 Amazon Technologies, Inc. Interpreting nonstandard terms in language processing using text-based communications
WO2015030796A1 (en) * 2013-08-30 2015-03-05 Intel Corporation Extensible context-aware natural language interactions for virtual personal assistants
US10770060B2 (en) * 2013-12-05 2020-09-08 Lenovo (Singapore) Pte. Ltd. Adaptively learning vocabulary for completing speech recognition commands
KR20170044849A (ko) * 2015-10-16 2017-04-26 삼성전자주식회사 전자 장치 및 다국어/다화자의 공통 음향 데이터 셋을 활용하는 tts 변환 방법
KR102453603B1 (ko) * 2015-11-10 2022-10-12 삼성전자주식회사 전자 장치 및 그 제어 방법
US9858927B2 (en) * 2016-02-12 2018-01-02 Amazon Technologies, Inc Processing spoken commands to control distributed audio outputs
US10297254B2 (en) * 2016-10-03 2019-05-21 Google Llc Task initiation using long-tail voice commands by weighting strength of association of the tasks and their respective commands based on user feedback

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020246634A1 (ko) * 2019-06-04 2020-12-10 엘지전자 주식회사 다른 기기의 동작을 제어할 수 있는 인공 지능 기기 및 그의 동작 방법
US11393491B2 (en) 2019-06-04 2022-07-19 Lg Electronics Inc. Artificial intelligence device capable of controlling operation of another device and method of operating the same
KR102170088B1 (ko) * 2019-07-24 2020-10-26 네이버 주식회사 인공지능 기반 자동 응답 방법 및 시스템
WO2023277572A1 (ko) * 2021-06-30 2023-01-05 삼성전자 주식회사 오디오 데이터에 오디오 효과의 중복 적용을 방지하는 방법 및 이를 지원하는 전자 장치

Also Published As

Publication number Publication date
US20190019509A1 (en) 2019-01-17
CN109272994A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
KR102445382B1 (ko) 음성 처리 방법 및 이를 지원하는 시스템
KR102371313B1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 전자 장치의 제어 방법
KR102389625B1 (ko) 사용자 발화를 처리하는 전자 장치 및 이 전자 장치의 제어 방법
KR102298947B1 (ko) 음성 데이터 처리 방법 및 이를 지원하는 전자 장치
KR102596436B1 (ko) 사용자 발화를 처리하는 시스템 및 그 시스템의 제어 방법
EP3392877B1 (en) Device for performing task corresponding to user utterance
EP3396666B1 (en) Electronic device for providing speech recognition service and method thereof
EP3531416A1 (en) System for processing user utterance and controlling method thereof
KR102339819B1 (ko) 프레임워크를 이용한 자연어 표현 생성 방법 및 장치
KR20190008663A (ko) 음성 데이터 처리 방법 및 이를 지원하는 시스템
KR102508677B1 (ko) 사용자 발화를 처리하는 시스템 및 그 시스템의 제어 방법
US11314548B2 (en) Electronic device and server for processing data received from electronic device
KR102369083B1 (ko) 음성 데이터 처리 방법 및 이를 지원하는 전자 장치
KR102391298B1 (ko) 음성 인식 서비스를 제공하는 전자 장치 및 그 방법
KR102388539B1 (ko) 사용자 발화를 처리하는 전자 장치
KR102369309B1 (ko) 파셜 랜딩 후 사용자 입력에 따른 동작을 수행하는 전자 장치
KR20180121760A (ko) 사용자 발화를 처리하는 전자
KR102426411B1 (ko) 사용자 발화을 처리하는 전자 장치 및 시스템
KR102402224B1 (ko) 사용자 발화에 대응하는 태스크를 수행하는 전자 장치
KR20180109214A (ko) 터치 입력 처리 방법 및 이를 지원하는 전자 장치
KR102349681B1 (ko) 결여된 파라미터를 획득하고 기록하는 전자 장치
KR20190019442A (ko) 사용자 발화를 처리하는 전자 장치 및 서버

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application