KR20200021162A - 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 - Google Patents
상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 Download PDFInfo
- Publication number
- KR20200021162A KR20200021162A KR1020180096571A KR20180096571A KR20200021162A KR 20200021162 A KR20200021162 A KR 20200021162A KR 1020180096571 A KR1020180096571 A KR 1020180096571A KR 20180096571 A KR20180096571 A KR 20180096571A KR 20200021162 A KR20200021162 A KR 20200021162A
- Authority
- KR
- South Korea
- Prior art keywords
- counseling
- contents
- chatbot
- learning
- consultation
- Prior art date
Links
- 238000009223 counseling Methods 0.000 title claims abstract description 234
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000012805 post-processing Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000013135 deep learning Methods 0.000 claims abstract description 14
- 238000013441 quality evaluation Methods 0.000 claims abstract description 13
- 238000013075 data extraction Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000008451 emotion Effects 0.000 claims description 14
- 238000013515 script Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 6
- 238000012549 training Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000010276 construction Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 230000035755 proliferation Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/50—Business processes related to the communications industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 상담용 챗봇의 학습데이터를 구축하고, 구축된 학습데이터를 이용하여 상담 챗봇을 학습하는 기술로서, 일실시예에 따른 상담 챗봇의 학습 시스템은 고객과 상담원과의 상담내용을 수집하는 상담내용 수집부, 상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함할 수 있다.
Description
본 발명은 상담용 챗봇의 학습데이터를 구축하고, 구축된 학습데이터를 이용하여 상담 챗봇을 학습하는 기술로서, 보다 상세하게는 상담원의 상담 내용을 자동으로 평가하여 우수 상담 내용을 선정하고, 선정된 상담 내용을 학습데이터로 사용하여 상담 챗봇이 상담원의 상담과 유사한 지식을 기반으로 고객 상담에 대응 할 수 있도록 하는 시스템 및 그 방법에 관한 것이다.
챗봇(chatter robot)은 메신저에서 일상 언어로 대화할 수 있는 채팅로봇 프로그램을 의미한다.
구체적으로, 상담을 희망하는 사용자가 메신저에 채팅하듯 질문을 입력하면, 인공지능(AI)이 빅데이터 분석을 바탕으로 일상언어로 사람과 대화를 하며 해답을 주는 대화형 메신저를 말한다.
페이스북의 페이스북 메신저, 텐센트의 위젯, 텔레그램의 텔레그램, 킥의 봇숍, 슬랙사의 슬랙, 네이버웍스모바일의 운앱, 이스트소프트의 팀업 등이 이에 해당된다.
주로 사용하는 언어 등 빅데이터를 수집해 자연어 처리 능력을 향상시킬 수 있기 때문에 초연결(hyperconnectivity)과 초지능(superintelligence)을 특징으로 하는 4차산업혁명과 맞물려 챗봇을 활용하려는 기업들의 경쟁이 치열한 실정이다.
이러한 시대적인 흐름과는 달리, 일반적인 챗봇 시스템은 기존에 준비된 FAQ를 사용하거나, 챗봇 개발 엔지니어나 아르바이트 인원 등이 고객사에서 제공하는 자료를 바탕으로 학습데이터를 생성하는 수준의 기술이 주로 사용된다.
이러한 방식의 챗봇 시스템은 단기간 내에 생성할 수 있는 적은 양의 데이터 업무나, 단순 상담 업무, 또는 지점 위치 안내나 전화 번호 안내 등 상품에 대한 지식이 없는 비숙련자도 처리할 수 있는 단순한 문의에 대해서만 적용할 수 있다.
따라서, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습할 수 있는 기술이 요구되는 추세이다.
본 발명의 목적은 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 것이다.
본 발명의 목적은 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습하는 것이다.
본 발명의 목적은 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시키는 것이다.
본 발명의 목적은 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축하는 것이다.
일실시예에 따른 상담 챗봇의 학습 시스템은 고객과 상담원과의 상담내용을 수집하는 상담내용 수집부, 상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함할 수 있다.
일실시예에 따른 상기 상담내용 수집부는, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고, 음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다.
일실시예에 따른 상기 상담내용 수집부는, 상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.
일실시예에 따른 상기 후처리 자동화 처리부는, 상기 수집된 상담내용을 텍스트화하고, 상기 텍스트화된 상담내용으로부터 키워드를 추출하며, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 할 수 있다.
일실시예에 따른 상담품질평가 처리부는, 상기 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 상기 우수 상담내용을 선정할 수 있다.
일실시예에 따른 상기 학습데이터 추출부는, 상기 우수 상담내용으로부터 질문과 답을 분류하고, 상기 분류된 질문과 답에 대한 검증을 수행하며, 상기 검증된 질문과 답에 대한 강화처리를 수행하여 학습데이터를 추출할 수 있다.
일실시예에 따른 상기 학습 처리부는, 상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상기 상담 챗봇을 다시 학습하도록 제어할 수 있다.
일실시예에 따른 상기 학습 처리부는, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다.
일실시예에 따른 상담 챗봇의 학습 방법은 고객과 상담원과의 상담내용을 수집하는 단계, 상기 수집된 상담내용을 후처리 하는 단계, 상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 단계, 상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 단계, 및 상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 단계를 포함할 수 있다.
일실시예에 따른 상기 상담내용을 수집하는 단계는, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하는 단계, 음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 단계, 및 상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 단계를 포함할 수 있다.
일실시예에 따른 상기 후처리 하는 단계는, 상기 수집된 상담내용을 텍스트화하는 단계, 상기 텍스트화된 상담내용으로부터 키워드를 추출하는 단계, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하는 단계, 및 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 단계를 포함할 수 있다.
일실시예에 따른 상기 학습하도록 제어하는 단계는, 상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터와, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상기 상담 챗봇을 다시 학습하도록 제어하는 단계를 포함할 수 있다.
일실시예에 따르면, 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 것이다.
일실시예에 따르면, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.
일실시예에 따르면, 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시킬 수 있다.
일실시예에 따르면, 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축할 수 있다.
도 1은 일실시예에 따른 상담 챗봇의 학습 시스템을 설명하는 도면이다.
도 2는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 전체 동작을 설명하는 도면이다.
도 3a는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 지식구성 과정을 설명하는 도면이다.
도 3b는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 학습 및 강화학습 과정을 설명하는 도면이다.
도 4는 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법을 설명하는 도면이다.
도 2는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 전체 동작을 설명하는 도면이다.
도 3a는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 지식구성 과정을 설명하는 도면이다.
도 3b는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 학습 및 강화학습 과정을 설명하는 도면이다.
도 4는 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법을 설명하는 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 상담 챗봇의 학습 시스템(100)을 설명하는 도면이다.
본 발명에서는 상담원의 상담 지식을 챗봇의 상담 지식으로 활용하는 기술을 개시한다.
일실시예에 따른 상담 챗봇의 학습 시스템(100)은 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.
이를 위해, 일실시예에 따른 상담 챗봇의 학습 시스템(100)은 상담내용 수집부(110), 후처리 자동화 처리부(120), 상담품질평가 처리부(130), 학습데이터 추출부(140), 및 학습 처리부(150)를 포함할 수 있다. 이 밖에도 구성요소들을 전체적으로 제어할 수 있는 제어부(160)를 더 포함할 수 있다.
먼저, 일실시예에 따른 상담내용 수집부(110)는 고객과 상담원과의 상담내용을 수집할 수 있다.
일례로, 상담내용 수집부(110)는 음성전환엔진과 음성분석엔진을 활용하여 상담 내용을 수집할 수 있다. 이를 위해, 상담내용 수집부(110)는 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집할 수 있다. 상담에 따라 생성된 오디오 데이터에는 상담원과 고객 간의 상담 내용뿐만 아니라, 다양한 음성이나 불필요한 소리가 녹음될 수 있다. 이에, 상담내용 수집부(110)는 음성분석엔진을 통해 화자를 인식하여 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다. 이때, 상담 내용을 제외한 오디오 데이터와 담당 내용에 해당하는 오디오 데이터를 분리한 후, 상담원의 음성과 고객의 음성을 각각 분리할 수도 있다.
일실시예에 따른 상담내용 수집부(110)는 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.
일반적으로 인바운드, 아웃바운드 고객을 특정하기 위해 다양한 정보를 활용할 수 있다. 이 과정에서 기존 고객의 경우는 전화번호 등 개인정보를 기록으로 남기고, 신규 고객의 경우는 자신을 특정할 수 있는 개인정보를 상담원에게 제공함으로써 고객을 특정하는 과정을 거친다.
또한, 식별된 고객에 대한 상담이력이나 상담내용이 기록될 수 있고, 상담내용 수집부(110)는 이렇게 기록된 정보들을 참고할 수도 있다.
일실시예에 따른 후처리 자동화 처리부(120)는 수집된 상담내용을 후처리 할 수 있다.
이를 위해, 후처리 자동화 처리부(120)는 수집된 상담내용을 텍스트화하고, 텍스트화된 상담내용으로부터 키워드를 추출할 수 있다. 또한, 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 분류된 감정 및 카테고리에 기초하여 상담내용을 요약 및 후처리할 수 있다.
일실시예에 따른 상담품질평가 처리부(130)는 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.
이를 위해, 상담품질평가 처리부(130)는 기 저장된 기준스크립트와 상담내용으로부터 텍스트로 변환된 스크립트를 구간별로 매칭시키고, 매칭도를 산출할 수 있다. 또한, 스크립트 구간별 중요도에 따라 매칭도 기준을 조절하고, 구간별 매칭도를 평가함으로써, 상담내용을 스코어링할 수 있다.
우수 상담내용을 선정하기 위해서는 다양한 기준과 알고리즘이 적용될 수 있다.
예를 들면, 상담품질평가 처리부(130)는 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.
일례로, 상담품질평가 처리부(130)는 상담 유형, 상담 분류, 키워드, 고객 감정, 상담 요약 등을 참고하여 평가할 수 있다.
또한, 상담품질평가 처리부(130)는 기준 스크립트와 텍스트로 변환된 스크립트 간의 매칭 결과 상담원의 고지 내지는 공지가 제대로 이루어졌는지, 그에 따른 고객 답변이 있었는지 등을 확인할 수도 있다.
일실시예에 따른 학습데이터 추출부(140)는 선정된 우수 상담내용을 분석하여 학습데이터를 추출할 수 있다.
예를 들어, 학습데이터 추출부(140)는 우수 상담내용으로부터 고객 질문과 답 또는 상담원 질문과 답을 그룹화하여 학습데이터로서 생성하고, 분류별로 다시 그룹화할 수 있다. 그룹화까지 완료되면 우수 상담내용에 대한 학습데이터가 추출되었다고 해석될 수 있다.
일실시예에 따른 학습데이터 추출부(140)는 우수 상담내용으로부터 질문과 답을 분류하고, 분류된 질문과 답에 대한 검증을 수행할 수 있다. 또한, 검증된 질문과 답에 대한 강화처리를 수행하고, 학습데이터에 유효기간을 설정할 수 있다.
일실시예에 따른 학습 처리부(150)는 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다. 이를 위해, 학습 처리부(150)는 학습데이터를 갱신하여 상담 챗봇의 학습을 반복적으로 수행할 수 있다.
예를 들어, 학습 처리부(150)는 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상담 챗봇을 다시 학습하도록 제어할 수 있다.
뿐만 아니라, 학습 처리부(150)는 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다.
도 2는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 전체 동작(200)을 설명하는 도면이다.
일실시예에 따른 상담 챗봇의 학습 시스템은 상담내용 수집 과정을 통해 옴니채널을 활용할 수 있다(210). 옴니채널에서는 상담사는 이첩민원에 대한 상담내용을 수집할 수 있다. 이를 위해, 상담사는 이첩민원을 위해 홈페이지나 모바일 앱 등을 활용할 수 있다.
상담내용 수집 과정에서는 데이터 통합을 수행할 수 있다(220). 예를 들어, 상담내용 수집 과정에서는 상담내용과 관련 있는 고객정보, 서비스 정보, 자료관리, 케이스 정보 등을 관리 및 통합할 수 있다.
한편, 옴니채널을 통한 상담내용은 STT(Speak To Text) 과정을 통해 텍스트화될 수 있다(230).
다음으로, TA(Text Analysis) 분석을 수행할 수 있다(240).
TA(Text Analysis) 분석은 글로 고정된 모든 담화에 대한 분석으로 해석될 수 있다. 텍스트는 그 저자와의 연관을 부정할 수는 없지만, 독립된 의미를 지속적으로 산출할 수 있다. 이 점에서 텍스트는 작품(work)과 구별되고, 일정한 자율성을 갖는 체계이면서, 동시에 다른 텍스트에 의하여 직조되는 열린 체계로서의 특징을 가지고 있다.
일실시예에 따른 상담 챗봇의 학습 시스템은 상담내용 수집 과정에서 녹취정보, 평가기준, 스크립트, 상담이력 등을 참고하여 TA 분석을 수행할 수 있다.
한편, 일실시예에 따른 상담 챗봇의 학습 시스템은 후처리 자동화 과정을 수행할 수 있다(250).
후처리 자동화 과정에서, 학습 시스템은 상담 내용의 텍스트화, 고객 감정 분류, 상담 내용으로부터의 키워드 추출, 추출된 키워드를 활용하여 상담 내용 분류, 이러한 정보들을 기반으로 상담내용 요약을 진행할 수 있다.
이러한 후처리 자동화 과정이 진행되면, 학습 시스템은 상담품질을 평가할 수 있다(260). 이 과정에서, 스크립트 키워드를 선정하고, 선정된 스크립트 키워드를 상담 내용으로부터 검출할 수 있다. 또한, 검출된 스크립트 키워드를 이용해서 권양 분석 및 지양 분석을 수행하여 부적격 상담을 검출할 수 있다. 또한, 학습 시스템은 부적격 상담과 함께 혼선(Cross Talk) 분석을 수행할 수 있다.
일실시예에 따른 상담 챗봇의 학습 시스템은 후처리 자동화 과정 이후 상담품질 평가과정을 통해 평가기준 콜점수를 부여할 수 있다. 또한, 부여된 콜점수에 따라 우수콜을 선정하고, 선정된 우수콜을 우수 상담내용으로 지식 구성을 수행할 수 있다(단계 270).
일실시예에 따른 상담 챗봇의 학습 시스템은 지식 구성 과정을 통해 우수 상담내용에 대한 질문과 답을 분류할 수 있다. 또한, 분류된 질문과 답을 기초로 학습데이터를 검증하고, 이를 기반으로 상담 챗봇에 대한 학습 및 강화학습을 요청할 수 있다.
상담 챗봇은 검증된 학습데이터를 이용해서 딥러닝 방식으로 학습 및 강화학습을 수행할 수 있다(280). 이 과정에서, 고객의 피드백이 학습에 더 반영될 수 있다.
지식구성 및 학습 과정은 이하 도 3a 내지 도 3b를 통해 상세히 설명한다.
도 3a는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 지식구성 과정(310)을 설명하는 도면이다.
우수콜이 선정되면, 선정된 우수콜에 대한 상담내용이 전달될 수 있다.
선정된 우수콜에 대한 상담내용으로, 상담서, 상담일시, 평가회차, 평가자, 자동질의 비율, 평점 등을 포함할 수 있다.
일실시예에 따른 상담 챗봇의 학습 시스템은 지식구성 과정을 통해, 우수 상담내용에 분류정보추가(311), 학습데이터 선정(312), 학습데이터 확인(313) 과정을 통해 수행될 수 있다.
먼저, 분류정보추가(311)에서는 우수 상담내용에 상담유형, 상담분류, 키워드, 고객 감정 등의 분류정보가 추가될 수 있다. 또한, 학습데이터 선정(312) 과정에서는 상담이력별로 상담내용, 상담내용의 분류, 선택여부 등을 포함할 수 있다. 또한, 학습데이터 확인(313) 과정에서는 질문과 답변에 대한 확인 과정이 수행될 수 있다.
이렇게 진행된 지식구성 과정은 이후 상담 챗봇의 학습에 활용될 수 있다.
도 3b는 일실시예에 따른 상담 챗봇의 학습 시스템을 활용하는 학습 및 강화학습 과정을 설명하는 도면이다.
일실시예에 따른 상담 챗봇의 학습 시스템은 학습 및 강화학습 과정(320)을 수행할 수 있다.
이를 위해, 학습 시스템은 확인 과정을 거친 학습데이터를 이용해서 상담 챗봇을 기계학습할 수 있다(321). 이 과정에서 딥러닝 방식의 기계학습 방식이 적용될 수 있다.
이후, 일실시예에 따른 상담 챗봇의 학습 시스템은 기계학습된 상담 챗봇을 통해 고객 상담(322)을 진행하고, 고객 평가를 수집할 수 있다(323).
고객이 상담 챗봇에 의한 상담이 도움이 되었다는 취지의 평가를 하는 경우, 고객 상담에 대한 상담내용을 이용해서, 학습데이터를 업데이트하여 상담 챗봇을 강화시키기 위한 강화학습(324)을 진행할 수 있다.
이 과정에서, 고객평가에 가중치와 대화 모델을 학습에 반영시킬 수 있다.
본 발명을 이용하면 상담원의 상담 지식을 챗봇의 상담 지식으로 활용할 수 있다. 즉, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.
결과적으로는, 상담 챗봇의 성능을 향상시켜 상담 대기 시간을 줄이고, 상담 내용의 정확도를 높여 고객 만족도를 향상시킬 수 있다. 뿐만 아니라, 상담 챗봇의 성능을 향상시켜 빅 데이터 응용 기반 데이터의 선제적 구축을 통해 인공지능 기술 확산 및 4차 산업혁명을 대비한 시스템을 구축할 수 있다.
도 4는 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법을 설명하는 도면이다.
일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 고객과 상담원과의 상담내용을 수집할 수 있다(단계 410).
이를 위해, 음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고, 음성분석엔진을 이용해서, 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리할 수 있다. 또한, 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력할 수 있다.
다음으로, 일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 수집된 상담내용을 후처리할 수 있다(단계 420). 후처리를 위해, 학습 시스템의 동작 방법은 수집된 상담내용을 텍스트화할 수 있다. 또한, 텍스트화된 상담내용으로부터 키워드를 추출하고, 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류할 수 있다. 이후, 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리할 수 있다.
또한, 학습 시스템의 동작 방법은 후처리 결과를 이용해서 우수 상담내용을 선정할 수 있다(단계 430). 일례로, 학습 시스템의 동작 방법은 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정할 수 있다.
일실시예에 따른 상담 챗봇의 학습 시스템의 동작 방법은 선정된 우수 상담내용을 분석하여 학습데이터를 추출할 수 있다(단계 440). 또한, 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어할 수 있다(단계 450). 이 과정에서, 학습 시스템의 동작 방법은 피드백된 학습데이터 또는 고객 평가 정보를 이용하여 상담 챗봇을 다시 학습하도록 제어할 수 있다(단계 450).
결국, 본 발명을 이용하면, 우수 상담 사례를 기반으로 챗봇의 상담 지식을 구성함으로써, 전문적인 상담지식을 구축하고 이를 기반으로 상담 챗봇을 상담원 수준으로 학습시킬 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 상담 챗봇의 학습 시스템
110: 상담내용 수집부
120: 후처리 자동화 처리부 130: 상담품질평가 처리부
140: 학습데이터 추출부 150: 학습 처리부
160: 제어부
120: 후처리 자동화 처리부 130: 상담품질평가 처리부
140: 학습데이터 추출부 150: 학습 처리부
160: 제어부
Claims (12)
- 4차산업혁명 기반의 상담 챗봇을 딥러닝 학습시키는 상담 챗봇의 학습 시스템에 있어서,
고객과 상담원과의 상담내용을 수집하는 상담내용 수집부;
상기 수집된 상담내용을 후처리 하는 후처리 자동화 처리부;
상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 상담품질평가 처리부;
상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 학습데이터 추출부; 및
상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 학습 처리부를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 상담내용 수집부는,
음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하고,
음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 상담내용 수집부는,
상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 후처리 자동화 처리부는,
상기 수집된 상담내용을 텍스트화하고,
상기 텍스트화된 상담내용으로부터 키워드를 추출하며, 상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하고, 상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 상담품질평가 처리부는,
상기 후처리된 상담내용에 기초하여 스크립트 키워드를 검출, 권양 및 지양 분석, 부적격상담검출, 및 크로스 토크 분석 중에서 적어도 하나를 수행하여 상담내용 별로 스코어링 하고, 스코어링 결과를 반영하여 상기 우수 상담내용을 선정하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 학습데이터 추출부는,
상기 우수 상담내용으로부터 질문과 답을 분류하고, 상기 분류된 질문과 답에 대한 검증을 수행하며, 상기 검증된 질문과 답에 대한 강화처리를 수행하여 학습데이터를 추출하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제1항에 있어서,
상기 학습 처리부는,
상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터를 이용해서 상기 상담 챗봇을 다시 학습하도록 제어하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 제7항에 있어서,
상기 학습 처리부는,
상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 것을 특징으로 하는 상담 챗봇의 학습 시스템. - 4차산업혁명 기반의 상담 챗봇을 딥러닝 학습시키는 상담 챗봇의 학습 방법에 있어서,
고객과 상담원과의 상담내용을 수집하는 단계;
상기 수집된 상담내용을 후처리 하는 단계;
상기 후처리된 상담내용을 평가하고, 미리 선정된 평가 기준에 따라 상담내용 별로 스코어링하고, 스코어링 결과를 반영하여 우수 상담내용을 선정하는 단계;
상기 선정된 우수 상담내용을 분석하여 학습데이터를 추출하는 단계; 및
상기 추출된 학습데이터를 이용하여 상담 챗봇을 딥러닝 방식으로 학습하도록 제어하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법. - 제9항에 있어서,
상기 상담내용을 수집하는 단계는,
음성전환엔진을 이용해서 전체 오디오 데이터로부터 상담원과 고객과의 음성만으로 구성된 상담내용을 수집하는 단계;
음성분석엔진을 이용해서, 상기 수집된 상담내용 중에서 상담원의 음성과 상기 고객의 음성을 분리하는 단계; 및
상기 고객의 과거 상담이력 및 상담내용 중에서 적어도 하나를 텍스트의 형태로 출력하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법. - 제9항에 있어서,
상기 후처리 하는 단계는,
상기 수집된 상담내용을 텍스트화하는 단계;
상기 텍스트화된 상담내용으로부터 키워드를 추출하는 단계;
상기 추출된 키워드에 기초하여 고객의 감정 및 카테고리를 분류하는 단계; 및
상기 분류된 감정 및 카테고리에 기초하여 상담내용을 요약하여 후처리 하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법. - 제9항에 있어서,
상기 학습하도록 제어하는 단계는,
상기 학습된 챗봇에서의 상담내용을 후처리 과정으로 피드백한 후 추출되는 학습데이터와, 상기 상담 챗봇의 상담 결과에 대한 고객 평가 정보를 이용하여 상기 상담 챗봇을 다시 학습하도록 제어하는 단계를 포함하는 것을 특징으로 하는 상담 챗봇의 학습 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (ko) | 2018-08-20 | 2018-08-20 | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (ko) | 2018-08-20 | 2018-08-20 | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200021162A true KR20200021162A (ko) | 2020-02-28 |
| KR102119468B1 KR102119468B1 (ko) | 2020-06-05 |
Family
ID=69638252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180096571A KR102119468B1 (ko) | 2018-08-20 | 2018-08-20 | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102119468B1 (ko) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102184289B1 (ko) * | 2020-03-03 | 2020-11-30 | 강원도 횡성군 | 농업 현장 상담 데이터 축적 시스템 및 농가 상담 지원 방법 |
| KR102280490B1 (ko) * | 2021-01-27 | 2021-07-22 | 주식회사 두유비 | 상담 의도 분류용 인공지능 모델을 위한 훈련 데이터를 자동으로 생성하는 훈련 데이터 구축 방법 |
| KR102319648B1 (ko) * | 2021-02-19 | 2021-11-01 | (주)아와소프트 | 빅데이터를 기반으로 생성된 학습데이터를 제공하는 챗봇 시스템 및 그 방법 |
| KR102327011B1 (ko) * | 2021-01-19 | 2021-11-16 | 주식회사 엔터프라이즈블록체인 | 상담 품질 향상 방법 및 장치 |
| KR102334236B1 (ko) * | 2021-08-31 | 2021-12-02 | (주)네오플로우 | 음성 변환 Text Data에서 의미있는 키워드 추출 방법과 활용 |
| WO2022039433A1 (ko) * | 2020-08-20 | 2022-02-24 | 삼성전자 주식회사 | 대화 텍스트에 대한 요약 정보를 생성하는 전자 장치 및 그 동작 방법 |
| KR20220048678A (ko) * | 2020-10-13 | 2022-04-20 | 우석대학교 산학협력단 | 온라인 상담 기능을 제공하는 도농교류 체험 로컬푸드 제공 시스템 |
| KR20220078236A (ko) * | 2020-12-03 | 2022-06-10 | 주식회사 이노그리드 | 인공지능에 기반한 진단을 위한 수의 영상 정보 관리 방법 및 시스템 |
| KR20220127471A (ko) * | 2021-03-11 | 2022-09-20 | 정선경 | 가상현실을 이용한 심리 상담 제공 장치, 방법 및 프로그램 |
| KR20230009099A (ko) * | 2021-07-08 | 2023-01-17 | 주식회사 유비온 | 실시간 화상 교육 시스템에서의 학습자 그루핑 방법 |
| KR102503260B1 (ko) * | 2022-03-31 | 2023-02-23 | 유대건 | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 |
| KR102516856B1 (ko) * | 2022-04-28 | 2023-03-30 | 최윤영 | 비대면 상담 서비스 제공 방법 및 장치 |
| KR20230072656A (ko) | 2021-11-18 | 2023-05-25 | 고려대학교 산학협력단 | 사전 학습 언어 모델 기반 대화 생성 장치 및 방법 |
| KR102558407B1 (ko) * | 2022-10-19 | 2023-07-24 | 씨에스쉐어링 주식회사 | 숙련자 상담 데이터 및 자유 발화 감정 분석에 기반한 ai 기능이 부가된 cs를 위한 지식 관리 시스템 |
| KR102562810B1 (ko) * | 2022-10-06 | 2023-08-02 | 주식회사 빅거츠 | Ai 기반 온라인 코칭 서비스 제공 시스템, 이의 실행 방법 및 기록 매체 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102446294B1 (ko) | 2020-11-23 | 2022-09-22 | 주식회사 와이즈넛 | 검색 기반의 대화 시스템에서 다음 발화의 응답 선택을 위한 발화 조작 장치 및 그 방법 |
| KR20240034566A (ko) | 2022-09-07 | 2024-03-14 | 주식회사 케이티 | 대화 데이터 증강 장치 및 대화 데이터 증강 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110099434A (ko) * | 2010-03-02 | 2011-09-08 | 포항공과대학교 산학협력단 | 대화 로그를 이용한 학습 기반 대화 시스템 성능 향상 방법 및 그 장치 |
| KR20150075191A (ko) * | 2013-12-24 | 2015-07-03 | 서강대학교산학협력단 | 채팅 데이터 학습 및 서비스 방법 및 그에 따른 시스템 |
| KR20170103586A (ko) * | 2016-02-24 | 2017-09-13 | 라인 가부시키가이샤 | 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템 |
| KR101824242B1 (ko) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | 상담품질 전수평가 장치 |
| KR101827320B1 (ko) | 2017-06-08 | 2018-02-09 | 윤준호 | 인공지능 콜센터 서버 |
| KR101851785B1 (ko) | 2017-03-20 | 2018-06-07 | 주식회사 마인드셋 | 챗봇의 트레이닝 세트 생성 장치 및 방법 |
-
2018
- 2018-08-20 KR KR1020180096571A patent/KR102119468B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110099434A (ko) * | 2010-03-02 | 2011-09-08 | 포항공과대학교 산학협력단 | 대화 로그를 이용한 학습 기반 대화 시스템 성능 향상 방법 및 그 장치 |
| KR20150075191A (ko) * | 2013-12-24 | 2015-07-03 | 서강대학교산학협력단 | 채팅 데이터 학습 및 서비스 방법 및 그에 따른 시스템 |
| KR20170103586A (ko) * | 2016-02-24 | 2017-09-13 | 라인 가부시키가이샤 | 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템 |
| KR101851785B1 (ko) | 2017-03-20 | 2018-06-07 | 주식회사 마인드셋 | 챗봇의 트레이닝 세트 생성 장치 및 방법 |
| KR101827320B1 (ko) | 2017-06-08 | 2018-02-09 | 윤준호 | 인공지능 콜센터 서버 |
| KR101824242B1 (ko) * | 2017-07-11 | 2018-01-31 | 농협은행(주) | 상담품질 전수평가 장치 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102184289B1 (ko) * | 2020-03-03 | 2020-11-30 | 강원도 횡성군 | 농업 현장 상담 데이터 축적 시스템 및 농가 상담 지원 방법 |
| US12079565B2 (en) | 2020-08-20 | 2024-09-03 | Samsung Electronics Co., Ltd. | Electronic device for generating summary information of conversation text and operating method thereof |
| WO2022039433A1 (ko) * | 2020-08-20 | 2022-02-24 | 삼성전자 주식회사 | 대화 텍스트에 대한 요약 정보를 생성하는 전자 장치 및 그 동작 방법 |
| KR20220048678A (ko) * | 2020-10-13 | 2022-04-20 | 우석대학교 산학협력단 | 온라인 상담 기능을 제공하는 도농교류 체험 로컬푸드 제공 시스템 |
| KR20220078236A (ko) * | 2020-12-03 | 2022-06-10 | 주식회사 이노그리드 | 인공지능에 기반한 진단을 위한 수의 영상 정보 관리 방법 및 시스템 |
| KR102327011B1 (ko) * | 2021-01-19 | 2021-11-16 | 주식회사 엔터프라이즈블록체인 | 상담 품질 향상 방법 및 장치 |
| KR102280490B1 (ko) * | 2021-01-27 | 2021-07-22 | 주식회사 두유비 | 상담 의도 분류용 인공지능 모델을 위한 훈련 데이터를 자동으로 생성하는 훈련 데이터 구축 방법 |
| KR102319648B1 (ko) * | 2021-02-19 | 2021-11-01 | (주)아와소프트 | 빅데이터를 기반으로 생성된 학습데이터를 제공하는 챗봇 시스템 및 그 방법 |
| KR20220127471A (ko) * | 2021-03-11 | 2022-09-20 | 정선경 | 가상현실을 이용한 심리 상담 제공 장치, 방법 및 프로그램 |
| KR20230009099A (ko) * | 2021-07-08 | 2023-01-17 | 주식회사 유비온 | 실시간 화상 교육 시스템에서의 학습자 그루핑 방법 |
| KR102334236B1 (ko) * | 2021-08-31 | 2021-12-02 | (주)네오플로우 | 음성 변환 Text Data에서 의미있는 키워드 추출 방법과 활용 |
| KR20230072656A (ko) | 2021-11-18 | 2023-05-25 | 고려대학교 산학협력단 | 사전 학습 언어 모델 기반 대화 생성 장치 및 방법 |
| KR102503260B1 (ko) * | 2022-03-31 | 2023-02-23 | 유대건 | 고객상담 및 사후관리를 인공지능 기반으로 분석하여 고객별 병원의 대응을 개선하는 병원고객관리시스템 |
| KR102516856B1 (ko) * | 2022-04-28 | 2023-03-30 | 최윤영 | 비대면 상담 서비스 제공 방법 및 장치 |
| KR102562810B1 (ko) * | 2022-10-06 | 2023-08-02 | 주식회사 빅거츠 | Ai 기반 온라인 코칭 서비스 제공 시스템, 이의 실행 방법 및 기록 매체 |
| KR102558407B1 (ko) * | 2022-10-19 | 2023-07-24 | 씨에스쉐어링 주식회사 | 숙련자 상담 데이터 및 자유 발화 감정 분석에 기반한 ai 기능이 부가된 cs를 위한 지식 관리 시스템 |
| WO2024085685A1 (ko) * | 2022-10-19 | 2024-04-25 | 씨에스쉐어링 주식회사 | 숙련자 상담 데이터 및 자유 발화 감정 분석에 기반한 ai 기능이 부가된 cs를 위한 지식 관리 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102119468B1 (ko) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102119468B1 (ko) | 상담원의 상담내용을 기반으로 상담 챗봇을 학습하는 시스템 및 방법 | |
| CN111460111B (zh) | 评估自动对话服务的重新训练推荐 | |
| US7386440B2 (en) | Method, system, and apparatus for natural language mixed-initiative dialogue processing | |
| US10929611B2 (en) | Computer-based interlocutor understanding using classifying conversation segments | |
| US10803850B2 (en) | Voice generation with predetermined emotion type | |
| CN107329967A (zh) | 基于深度学习的问答系统以及方法 | |
| CN110147726A (zh) | 业务质检方法和装置、存储介质及电子装置 | |
| CN108021934B (zh) | 多要素识别的方法及装置 | |
| US11423235B2 (en) | Cognitive orchestration of multi-task dialogue system | |
| KR102687797B1 (ko) | 인공 신경망을 이용한 상담 서비스 품질 보증 방법과 상기 방법을 수행할 수 있는 컴퓨터 프로그램 | |
| Prasad et al. | Intelligent chatbot for lab security and automation | |
| US9251785B2 (en) | Call steering data tagging interface with automatic semantic clustering | |
| Ultes et al. | Quality-adaptive spoken dialogue initiative selection and implications on reward modelling | |
| US11989514B2 (en) | Identifying high effort statements for call center summaries | |
| CN107967302A (zh) | 基于深度神经网络的游戏客服对话系统 | |
| KR20200063886A (ko) | 자연어 처리 기반 콜센터 지원 시스템 및 방법 | |
| CN108628908A (zh) | 分类用户提问-回答界限的方法、装置和电子设备 | |
| Yang et al. | Gated multimodal fusion with contrastive learning for turn-taking prediction in human-robot dialogue | |
| US11449726B1 (en) | Tailored artificial intelligence | |
| Cheng et al. | Mips at semeval-2024 task 3: Multimodal emotion-cause pair extraction in conversations with multimodal language models | |
| US11438283B1 (en) | Intelligent conversational systems | |
| Foggia et al. | Few-shot re-identification of the speaker by social robots | |
| US11715470B2 (en) | Method and system for tracking in extended reality | |
| CN115048517A (zh) | 对话流程的质检方法及电子设备和存储介质 | |
| JP6743108B2 (ja) | パターン認識モデル及びパターン学習装置、その生成方法、それを用いたｆａｑの抽出方法及びパターン認識装置、並びにプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |