KR20210001905A - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20210001905A
KR20210001905A KR1020200041470A KR20200041470A KR20210001905A KR 20210001905 A KR20210001905 A KR 20210001905A KR 1020200041470 A KR1020200041470 A KR 1020200041470A KR 20200041470 A KR20200041470 A KR 20200041470A KR 20210001905 A KR20210001905 A KR 20210001905A
Authority
KR
South Korea
Prior art keywords
natural language
voice
application
language understanding
user
Prior art date
Application number
KR1020200041470A
Other languages
English (en)
Inventor
이은지
고현목
이경훈
장새봄
정푸름
최성자
편창호
홍지연
황인철
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
Priority claimed from KR1020190179747A external-priority patent/KR20210001864A/ko
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to EP20181461.3A priority Critical patent/EP3757991A1/en
Priority to PCT/KR2020/008229 priority patent/WO2020262958A1/en
Priority to US16/913,310 priority patent/US11532305B2/en
Priority to CN202010597082.8A priority patent/CN112230874A/zh
Publication of KR20210001905A publication Critical patent/KR20210001905A/ko
Priority to US17/984,286 priority patent/US20230083230A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input 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
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

전자 장치가 개시된다. 전자 장치는 적어도 하나의 인스트럭션을 저장하는 메모리 및 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서를 포함하고, 프로세서는 적어도 하나의 인스트럭션을 실행함으로써, 전자 장치에 설치된 어플리케이션에 대한 사용 정보를 획득하고, 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득하고, 어플리케이션과 관련된 사용자 음성이 입력되면, 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 사용자 음성에 대한 자연어 이해를 수행하고, 수행된 자연어 이해 결과를 바탕으로 어플리케이션의 기능을 수행한다.

Description

전자 장치 및 그 제어 방법 {Electronic apparatus and control method thereof}
본 개시는 자연어 이해 모델을 획득하는 전자 장치 및 그 제어 방법에 관한 것이다.
자연어 이해 모델은 사용자의 음성을 분석하여 사용자 음성에 포함된 사용자 의도를 파악하는 모델이다. 이러한 자연어 이해 모델은 어플리케이션 별로 별도로 존재할 수 있다.
다만, 스마트폰과 같은 전자 장치 상에 설치된 모든 어플리케이션에 대한 자연어 이해 모델을 저장하려는 경우 전자 장치의 저장 용량이 증가되어야 하는 문제가 있다.
또한, 필요한 경우에 서버로부터 자연어 이해 모델을 수신하여 이용하는 경우 자연어 이해 모델을 수신하는데 시간이 경과되고, 네트워크가 연결되어 있지 않은 상황에서는 자연어 이해 모델을 수신하지 못하는 문제가 있다.
이에, 사용자의 사용 패턴에 따라 자주 사용되는 어플리케이션에 대응되는 자연어 이해 모델 만을 전자 장치 상에 저장하는 필요성이 대두되었다.
본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은, 사용자가 자주 사용하는 어플리케이션의 동작에 대응되는 자연어 이해 모델을 획득하는 전자 장치 및 그 제어 방법을 제공함에 있다.
상술한 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치는, 적어도 하나의 인스트럭션을 저장하는 메모리 및 상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 적어도 하나의 인스트럭션을 실행함으로써, 상기 전자 장치에 설치된 어플리케이션에 대한 사용 정보를 획득하고, 상기 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 상기 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득하고, 상기 어플리케이션과 관련된 사용자 음성이 입력되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 상기 사용자 음성에 대한 자연어 이해를 수행하고, 상기 수행된 자연어 이해 결과를 바탕으로 상기 어플리케이션의 기능을 수행한다.
상기 전자 장치는 회로(Circuitry)를 포함하는 통신 인터페이스를 더 포함할 수 있다.
상기 프로세서는 상기 어플리케이션의 실행 횟수 또는 실행 시간 중 적어도 하나를 포함하는 사용 정보를 획득하고, 상기 획득된 사용 정보를 외부 서버로 전송하도록 상기 통신 인터페이스를 제어하고, 상기 통신 인터페이스를 통해 상기 외부 서버로부터 상기 복수의 어플리케이션에 대응되는 복수의 자연어 이해 모델 중 상기 어플리케이션에 대응되는 자연어 이해 모델을 수신하며, 상기 자연어 이해 모델을 상기 어플리케이션에 맵핑하여 상기 메모리에 저장할 수 있다.
상기 어플리케이션에 대응되는 자연어 이해 모델은 상기 사용 정보에 포함된 상기 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 상기 실행 시간이 임계 시간 이상이면, 상기 서버로부터 수신될 수 있다.
상기 어플리케이션은 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보를 매칭하는 리소스 정보를 포함하고, 상기 프로세서는 상기 어플리케이션에 대한 사용 정보가 기설정된 조건을 만족하면, 상기 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보에 기초하여 상기 어플리케이션에 대응되는 자연어 이해 모델을 생성할 수 있다.
상기 프로세서는 상기 사용 정보에 기초하여 임계 횟수 이상이거나 임계 시간 이상으로 수행된 상기 어플리케이션의 동작에 대응되는 사용자 음성을 요청할 수 있다.
상기 프로세서는 상기 요청에 따라 상기 사용자 음성이 입력되면, 상기 입력된 사용자 음성과 충돌(conflict)하는 사용자 음성이 상기 메모리에 저장되어 있는지 여부를 식별하고, 상기 입력된 사용자 음성과 충돌하는 사용자 음성이 식별되면, 상기 입력된 사용자 음성과 상이한 음성을 요청하고, 상기 입력된 사용자 음성과 충돌하는 음성 발화가 식별되지 않으면, 상기 입력된 사용자 음성을 상기 어플리케이션의 동작과 맵핑하여 상기 메모리에 저장할 수 있다.
상기 프로세서는 상기 어플리케이션이 상기 전자 장치 상에 설치되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청할 수 있다.
상기 자연어 이해 모델은 상기 전자 장치를 사용하는 사용자의 음성 발화에 기초하여 생성된 개인(personal) 모델 및 공용 사용자의 음성 발화에 기초하여 생성된 공용(public) 모델 중 적어도 하나를 포함할 수 있다.
상기 프로세서는 사용자 음성이 입력되면, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 사용자 음성에 대한 자연어 이해를 수행하기 위해 상기 사용자 음성을 외부 서버로 전송할 수 있다.
상기 프로세서는 상기 사용 정보에 기초하여 획득된 자연어 이해 모델에 대응되는 사용자 음성이 임계 횟수 이상 입력되지 않으면, 상기 획득된 자연어 이해 모델을 제거할 수 있다.
한편, 상술한 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은 상기 전자 장치에 설치된 어플리케이션에 대한 사용 정보를 획득하는 단계, 상기 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 상기 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득하는 단계, 상기 어플리케이션과 관련된 사용자 음성이 입력되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 상기 사용자 음성에 대한 자연어 이해를 수행하는 단계 및 상기 수행된 자연어 이해 결과를 바탕으로 상기 어플리케이션의 기능을 수행하는 단계를 포함한다.
상기 사용 정보를 획득하는 단계는 상기 어플리케이션의 실행 횟수 또는 실행 시간 중 적어도 하나를 포함하는 사용 정보를 획득할 수 있다.
상기 자연어 이해 모델을 획득하는 단계는 상기 획득된 사용 정보를 외부 서버로 전송하고, 상기 외부 서버로부터 상기 복수의 어플리케이션에 대응되는 복수의 자연어 이해 모델 중 상기 어플리케이션에 대응되는 자연어 이해 모델을 수신하며, 상기 자연어 이해 모델을 상기 어플리케이션에 맵핑하여 저장할 수 있다.
상기 어플리케이션에 대응되는 자연어 이해 모델은 상기 사용 정보에 포함된 상기 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 상기 실행 시간이 임계 시간 이상이면, 상기 서버로부터 수신될 수 있다.
상기 어플리케이션은 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보를 매칭하는 리소스 정보를 포함할 수 있다.
상기 자연어 이해 모델을 획득하는 단계는 상기 어플리케이션에 대한 사용 정보가 기설정된 조건을 만족하면, 상기 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보에 기초하여 상기 어플리케이션에 대응되는 자연어 이해 모델을 생성할 수 있다.
상기 제어 방법은 상기 사용 정보에 기초하여 임계 횟수 이상이거나 임계 시간 이상으로 수행된 상기 어플리케이션의 동작에 대응되는 사용자 음성을 요청하는 단계를 더 포함할 수 있다.
상기 제어 방법은 상기 요청에 따라 상기 사용자 음성이 입력되면, 상기 입력된 사용자 음성과 충돌(conflict)하는 사용자 음성이 상기 전자 장치에 기 저장되어 있는지 여부를 식별하고, 상기 입력된 사용자 음성과 충돌하는 사용자 음성이 식별되면, 상기 입력된 사용자 음성과 상이한 음성을 요청하고, 상기 입력된 사용자 음성과 충돌하는 음성 발화가 식별되지 않으면, 상기 입력된 사용자 음성을 상기 어플리케이션의 동작과 맵핑하여 저장하는 단계를 더 포함할 수 있다.
상기 제어 방법은 상기 어플리케이션이 상기 전자 장치 상에 설치되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청하는 단계를 더 포함할 수 있다.
상기 자연어 이해 모델은 상기 전자 장치를 사용하는 사용자의 음성 발화에 기초하여 생성된 개인(personal) 모델 및 공용 사용자의 음성 발화에 기초하여 생성된 공용(public) 모델 중 적어도 하나를 포함할 수 있다.
상기 사용자 음성에 대한 자연어 이해를 수행하는 단계는 사용자 음성이 입력되면, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 사용자 음성에 대한 자연어 이해를 수행하기 위해 상기 사용자 음성을 외부 서버로 전송할 수 있다.
상기 제어 방법은 상기 사용 정보에 기초하여 획득된 자연어 이해 모델에 대응되는 사용자 음성이 임계 횟수 이상 입력되지 않으면, 상기 획득된 자연어 이해 모델을 제거하는 단계를 더 포함할 수 있다.
상술한 바와 같이 본 개시의 다양한 실시 예에 따르면, 전자 장치는 사용자가 자주 사용하는 어플리케이션의 동작에 대응되는 자연어 이해 모델을 획득하므로, 전자 장치 상에 설치된 모든 자연어 이해 모델을 저장할 필요가 없다. 따라서, 메모리 용량이 작은 전자 장치 상에서도 효율적으로 사용자 음성에 대한 자연어 이해를 수행할 수 있다.
또한, 어플리케이션의 사용 빈도에 따라 전자 장치에 자연어 이해 모델이 미리 획득되므로, 실시간으로 자연어 이해 모델을 외부 서버로부터 다운로드할 필요가 없어 네트워크 연결이 없는 상태에서도 효율적으로 사용자 음성에 대한 자연어 이해를 수행할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 시스템의 구성을 개략적으로 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 자연어 이해 모델을 획득하여 자연어 이해를 수행하는 과정에 대한 플로우 차트를 나타내는 도면이다.
도 3a는 본 개시의 일 실시 예에 따른 자연어 이해 모델이 서버로부터 수신되는 경우의 블록도이다.
도 3b는 본 개시의 일 실시 예에 따른 자연어 이해 모델이 서버로부터 수신되는 과정을 설명하기 위한 도면이다.
도 4a는 본 개시의 다른 실시 예에 따른 자연어 이해 모델을 생성하는 경우의 블록도이다.
도 4b는 본 개시의 다른 실시 예에 따른 자연어 이해 모델이 전자 장치 상에서 생성되는 과정을 설명하기 위한 도면이다.
도 5는 본 개시의 일 실시 예에 따른 전자 장치 및 서버의 블록도이다.
도 6은 본 개시의 일 실시 예에 따른 자연어 이해 모델이 동작하는 순서를 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시예에 따른, 전자 장치와 서버가 연동하여 사용자 음성에 따른 어플리케이션의 기능을 실행하는 실시예를 설명하기 위한 시퀀스도이다.
이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.
도 1은 본 개시의 일 실시 예에 따른 전자 시스템의 구성을 개략적으로 설명하기 위한 도면이다.
도 1에 따르면 본 발명의 일 실시 예에 따른 전자 시스템(1000)은 전자 장치(100) 및 서버(200)를 포함한다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 인공 지능 모델(또는 신경망 모델 또는 학습 네트워크 모델)을 이용하여 사용자 음성에 대한 자연어 이해를 수행하고, 수행된 자연어 이해 결과를 바탕으로 어플리케이션의 기능을 수행하도록 구현될 수 있다. 여기서, 자연어 이해란 프로그래밍 언어 등과 같은 인공 언어와는 다르게, 어법이 정해진 규칙만을 따르지 않고 일상적으로 사용되는 자연어에 포함된 사용자 의도를 파악하는 것을 의미한다. 이와 같은 자연어 이해를 수행하는 인공 지능 모델을 자연어 이해 모델이라 통칭한다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
일 실시 예에 따라 인공 지능 모델이 자연어 이해 모델인 경우를 상정하면, 전자 장치(100)는 사용자의 의도를 파악하는 자연어 이해 모델을 포함하며, 나아가 이를 통해 가상 비서 기능을 제공할 수도 있다. 이러한 전자 장치(100)는 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 등 다양한 형태로 구현될 수 있다.
이와 같은 자연어 이해 모델은 어플리케이션에 따라 별도로 존재하며, 하나의 어플리케이션에 대응되는 하나 또는 복수의 자연어 이해 모델이 존재할 수 있다. 어플리케이션 별로 수행되는 동작이 상이하므로 어플리케이션 별로 입력되는 사용자의 음성 발화 내용 또한 상이할 수 있다. 이에 따라, 자연어 이해 모델은 대응되는 어플리케이션에 특화된 모델일 수 있다. 또한, 자연어 이해 모델은 개인(personal) 모델 및 공용(public model) 모델로 구분될 수 있다. 여기서, 개인 모델은 전자 장치(100) 사용자의 음성 발화에 기초하여 생성 또는 학습되는 모델로서 전자 장치(100) 사용자에 개인화된 모델일 수 있다. 또한, 공용 모델은 복수의 공용 사용자의 음성 발화에 기초하여 생성 또는 학습되는 모델일 수 있다.
서버(200)는 복수의 자연어 이해 모델을 관리하는 장치이며, 중앙 서버 또는 클라우드 서버 등으로 구현될 수 있다.
일 실시 예에 따르면, 서버(200)는 전자 장치(100)의 요청 등에 기초하여 해당되는 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다. 특히, 서버(200)는 공용 사용자 데이터에 기초하여 기 학습된 공용 모델을 전자 장치(100)로 전송할 수 있으며, 개인 모델을 전자 장치(100)로 전송할 수도 있다.
다른 실시 예에 따르면, 전자 장치(100) 상에 설치된 어플리케이션에 포함된 리소스 정보에 기초하여 자연어 이해 모델이 전자 장치(100) 상에 생성될 수 있다. 여기서, 리소스 정보는 기설정된 음성 발화에 대한 정보, 기설정된 음성 발화에 대응되는 동작 정보, 자연어 이해 모델이 생성되기 위한 조건 정보, 기설정된 음성 발화에 대응되는 어플리케이션의 기능 정보 등을 포함할 수 있다.
전자 장치(100)는 서버(200)로부터 수신된 리소스 정보를 바탕으로 자연어 이해 모델을 생성 또는 학습시킬 수 있다. 또한, 전자 장치(200)는 서버(200)로부터 동작 리스트 및 슬롯 리스트를 수신하여 공용 모델을 개인 모델로 학습시킬 수 있다. 이에 대해서는 추후 도면을 참조하여 상세히 설명하기로 한다.
상술한 다양한 실시 예에 따라, 전자 장치(100) 상에 자연어 이해 모델이 획득되면, 획득된 자연어 이해 모델에 기초하여 사용자 음성에 대응되는 동작이 수행될 수 있다.
도 2는 본 개시의 일 실시 예에 따른 자연어 이해 모델을 획득하여 어플리케이션의 기능을 수행하는 과정에 대한 플로우 차트를 나타내는 도면이다.
전자 장치(100)는 전자 장치(100) 상에 설치된 어플리케이션에 대한 사용 정보를 획득할 수 있다(S210). 여기서, 사용 정보는 어플리케이션과 관련된 사용자 입력 정보 및 사용자 입력에 따른 어플리케이션의 사용 정보를 포함할 수 있다. 예를 들어, 사용 정보는 어플리케이션을 실행하기 위한 사용자 입력 횟수 정보 및 어플리케이션에서 실행된 동작에 대한 정보, 어플리케이션이 실행된 시간 정보를 포함할 수 있다.
일 실시 예에 따라, 사용자 입력은 펜 또는 사용자 터치에 의한 입력을 포함할 수 있다. 예를 들어, 사용자 입력은 어플리케이션 또는 어플리케이션에 포함된 기능을 실행하기 위해, 어플리케이션 아이콘 또는 어플리케이션에 포함된 기능을 수행하는 아이콘에 대한 사용자 터치 입력일 수 있다.
다른 실시 예에 따라, 사용자 입력은 가상 비서를 통해 입력되는 사용자 입력을 포함할 수 있다. 일 예로, 가상 비서 서비스가 실행되는 동안 사용자 음성, 사용자 터치, 펜에 의한 터치 등에 의한 사용자 입력에 따라 이에 대응되는 동작이 수행될 수 있다.
여기서, 가상 비서 서비스란, 인공지능 모델을 이용하여 입력된 사용자 음성에 대한 음성 인식을 수행하고 사용자 의도를 파악하여, 그 결과로서 사용자 음성에 대응되는 응답 정보를 제공하기 위한 서비스를 의미한다. 또한, 가상 비서 서비스는, 다른 SW와 구분되도록 전용 프로그램으로 제공되며 별도의 AI 전용 프로세서를 통해 인공지능 모델이 실행되도록 구현될 수 있다. 가상 비서 서비스가 복수의 인공지능 모델을 이용하는 경우, 일부의 인공지능 모델이 AI 전용 프로세서를 통해 실행되도록 구현될 수 있다.
다른 실시예로, 전자 장치(100)는 사용자 입력에 따라 실행된 어플리케이션 동작에 대한 정보를 획득할 수 있다. 이때, 어플리케이션 동작에 대한 정보는 어플리케이션 동작의 유형 정보, 실행 시간 정보, 실행 횟수 정보 등이 포함될 수 있다.
전자 장치(100)에 포함된 사용 정보 모니터링 모듈은 사용자 입력에 기초한 사용 정보를 모니터링하고, 획득된 사용 정보를 메모리에 저장할 수 있다.
전자 장치(100)는 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득할 수 있다(S220). 구체적으로, 전자 장치(100)는 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 실행 시간이 임계 시간 이상이면, 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득할 수 있다. 다시 말해, 전자 장치(100)는 사용자가 자주 이용하는 어플리케이션에 대한 자연어 이해 모델을 획득하여, 사용자 음성 입력을 효율적으로 처리할 수 있게 된다.
일 실시 예에 따르면, 전자 장치(100)는 사용 정보를 바탕으로 식별된 어플리케이션에 대응되는 자연어 이해 모델을 서버(200)로부터 수신하여 획득할 수 있다. 이에 대해서는 도 3b에서 자세히 설명한다.
다른 실시 예에 따르면, 전자 장치(100)는 사용 정보를 바탕으로 식별된 어플리케이션에 대응되는 자연어 이해 모델을 전자 장치(100) 상에서 생성할 수도 있다. 이에 대해서는 도 4b에서 자세히 설명한다.
또한, 전자 장치(100)는 어플리케이션의 실행 횟수나 실행 시간 뿐만 아니라 어플리케이션 동작의 실행 횟수나 실행 시간 등을 바탕으로 어플리케이션 동작에 대응되는 리소스 정보를 획득하고, 획득된 리소스 정보를 바탕으로 학습된 자연어 이해 모델을 획득할 수 있다. 구체적으로, 전자 장치(100)는 어플리케이션 동작의 실행 횟수나 임계 횟수 이상이거나 실행 시간이 임계 시간 이상이면, 실행된 어플리케이션 동작에 대응되는 리소스 정보를 획득하고, 획득된 리소스 정보를 바탕으로 학습된 자연어 이해 모델을 획득할 수 있다.
전자 장치(100)는 어플리케이션과 관련된 사용자 음성이 입력되면, 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 사용자 음성에 대한 자연어 이해를 수행할 수 있다(S230). 여기서, 어플리케이션에 대응되는 자연어 이해 모델이란 S220 단계에서 획득된 모델을 의미할 수 있다.
구체적으로, 자연어 이해 모델은 사용자 음성을 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도(intent)를 파악할 수 있다. 이에 따라, 자연어 이해 모델은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))을 얻을 수 있다. 여기서, 도메인이란 사용자 음성의 주제 내지는 사용자 음성에 대응되는 제어 명령의 유형에 따라 구분된 일종의 카테고리를 의미하며, 예를 들어, 사용자 음성의 대상이 되는 어플리케이션이 어떤 어플리케이션인지를 의미할 수 있다. 이러한 도메인은 Domain Classifier 모델에 의해 식별될 수 있다. 일 예로, 사용자 음성이 입력되면, Domain Classifier 모델은 사용자 음성에 대응되는 어플리케이션을 식별할 수 있다. 예를 들어, 사용자 음성으로 "A 카메라 어플리케이션의 셀피 촬영 모드 켜줘"가 입력되는 경우, Domain Classifier 모델은 사용자 음성 중 "A 카메라 어플리케이션"이 도메인을 나타내는 영역으로 식별할 수 있다. 즉, Domain Classifier 모델은 해당 사용자 음성의 도메인을 "A 카메라 어플리케이션"으로 식별할 수 있다. 다른 예로, 사용자 음성이 입력되면, Domain Classifier 모델은 사용자 의도와 관련된 넓은 범위의 카테고리를 식별할 수 있다. 예를 들어, Domain Classifier 모델은 사용자 의도와 관련된 카테고리가 스케줄에 관한 것인지, 메시지에 관한 것인지 또는 리마인더에 관한 것인지를 식별할 수 있다.
이후, 자연어 이해 모델은 식별된 도메인에 기초하여 사용자 음성에 포함된 자연어 이해를 수행할 수 있다.
전자 장치(100)는 수행된 자연어 이해 결과를 바탕으로 어플리케이션의 기능을 수행할 수 있다(S240). 예를 들어, 자연어 이해 모델의 결과가 "A"라는 카메라 어플리케이션을 실행하는 것인 경우, 전자 장치(100)는 A 카메라 어플리케이션을 실행할 수 있다.
도 3a는 본 개시의 일 실시 예에 따른 자연어 이해 모델이 서버로부터 수신되는 경우의 블록도이다.
전자 장치(100)는 메모리(110), 통신 인터페이스(120) 및 프로세서(130)를 포함할 수 있다.
메모리(110)는 프로세서(130)와 전기적으로 연결되며, 본 개시의 다양한 실시 예를 위해 필요한 데이터를 저장할 수 있다.
일 실시 예에 따라, 메모리(110)는 사용 정보 모니터링 모듈, 음성 충돌 확인 모듈을 저장할 수 있다. 메모리(110)는 서버(200)로부터 전송되는 자연어 이해 모델을 저장할 수도 있다. 또한, 메모리(110)는 Domain Classifier 모델을 포함할 수도 있다.
여기서, 사용 정보 모니터링 모듈이란 어플리케이션과 관련된 사용자 입력 정보 및 사용자 입력에 따른 어플리케이션의 사용 정보를 모니터링하는 모듈일 수 있다. 또한, 사용 정보 모니터링 모듈은 가상 비서 서비스의 인공지능 모델을 통해 획득되는 사용자 음성에 관련된 도메인 및 의도 정보에 대한 사용 정보를 모니터링할 수도 있다.
일 예에 따르면, 사용 정보 모니터링 모듈은 어플리케이션에 대한 사용 정보를 모니터링할 수 있다. 구체적으로, 사용 정보 모니터링 모듈은 펜 또는 사용자 신체(예를 들어, 손가락)에 의해 어플리케이션 아이콘 또는 어플리케이션에 포함된 기능을 수행하는 아이콘을 터치하여 대응되는 동작이 수행되는 횟수 및 어플리케이션이 실행된 시간을 모니터링할 수 있다.
다른 예에 따르면, 사용 정보 모니터링 모듈은 가상 비서에 대한 사용 정보를 모니터링할 수 있다. 일 예로, 사용자 음성이 입력되면, 가상 비서 서비스의 인공지능 모델 중 음성 인식 모델이 사용자 음성을 텍스트로 변환할 수 있다. 그리고, 사용자 음성이 텍스트로 변환되면, 가상 비서 서비스의 인공지능 모델 중 자연어 이해 모델에 포함된 Domain Classifier 모델을 통해 사용자 음성에 관련된 적어도 하나의 도메인이 식별될 수 있다. 여기서, 도메인은 어플리케이션과 관련된 정보일 수 있다. 예를 들어, 도메인은 어플리케이션 그 자체를 의미하거나 어플리케이션의 카테고리를 의미할 수도 있다. 예를 들어, 음악과 관련된 A 어플리케이션의 도메인은, A 어플리케이션 그 자체이거나 음악 카테고리일 수 있다.
사용 정보 모니터링 모듈은 가상 비서 서비스의 인공지능 모델을 통해 특정 도메인이 식별된 횟수를 모니터링하여, 하나의 도메인에 대하여 식별된 횟수가 임계 횟수 이상인 경우 해당 도메인에 대한 식별 정보를 서버(200)로 전송할 수 있다. 도메인에 대한 식별 정보는, 하나의 도메인을 다른 도메인과 구분되도록 식별할 수 있는 정보를 의미하며, 도메인의 명칭(name, title), ID(Identification) 정보, 식별자 등을 포함할 수 있다. 이에 따라, 전자 장치(100)는 서버(200)로부터 해당 도메인에 대응되는 자연어 이해 모델을 수신할 수 있다. 또는, 서버(200)는 기설정된 주기로 도메인에 대한 식별 횟수에 대한 정보의 전송을 전자 장치(100)로 요청할 수 있다. 이 경우, 전자 장치(100)는 도메인의 식별 횟수가 임계 횟수 미만인 경우에도 도메인에 대한 식별 횟수에 대한 정보를 서버(200)로 전송하고, 서버(200)는 주기적으로 수신되는 도메인에 대한 식별 횟수에 대한 정보를 누적하여 도메인에 대한 식별 횟수가 임계 횟수 이상인지 여부를 판단할 수 있다. 서버(200)는 특정 도메인에 대한 식별 횟수가 임계 횟수 이상인 것으로 판단되면, 해당 도메인에 대응되는 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
다른 예로, Domain Classifier 모델을 통해 사용자 음성에 관련된 적어도 하나의 도메인이 식별된 후, 가상 비서 서비스의 인공지능 모델 중 자연어 이해 모델을 통해 사용자 음성에 대응되는 텍스트에 대한 자연어 이해를 수행하여, 사용자 음성에 대응되는 사용자의 의도(intent) 정보를 획득할 수 있다.
사용 정보 모니터링 모듈은 가상 비서 서비스의 인공지능 모델을 통해 특정 의도 정보의 식별 횟수를 모니터링하여, 하나의 의도 정보에 대하여 식별된 횟수가 임계 횟수 이상인 경우 해당 의도 정보에 대한 식별 정보를 서버(200)로 전송할 수 있다. 의도 정보에 대한 식별 정보는, 하나의 의도 정보를 다른 의도 정보와 구분되도록 식별할 수 있는 정보를 의미하며, 의도 정보의 명칭(name, title), ID(Identification) 정보, 식별자 등을 포함할 수 있다. 이에 따라, 전자 장치(100)는 서버(200)로부터 해당 의도에 대응되는 자연어 이해 모델을 수신할 수 있다. 또는, 서버(200)는 기설정된 주기로 의도 정보에 대한 사용 정보의 전송을 전자 장치(100)로 요청할 수 있다. 이 경우, 전자 장치(100)는 의도 정보의 식별 횟수가 임계 횟수 미만인 경우에도 의도 정보에 대한 식별 정보를 서버(200)로 전송하고, 서버(200)는 주기적으로 수신되는 의도 정보에 대한 식별 정보를 누적하여 의도 정보에 대한 식별 횟수가 임계 횟수 이상인지 여부를 판단할 수 있다. 서버(200)는 의도 정보에 대한 식별 횟수가 임계 횟수 이상인 것으로 판단되면, 해당 의도 정보에 대응되는 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
다시 말해, 사용 정보 모니터링 모듈은 어플리케이션이 실행되기 전이라도 가상 비서 서비스 내에서 식별된 도메인 및 의도 정보에 대한 사용 정보를 획득할 수 있다. 도메인 및 의도 정보에 대한 사용 정보가 서버(200)로 전송됨에 따라 어플리케이션의 실행과 관계없이 도메인 및 의도 정보에 대응되는 자연어 이해 모델이 서버(200)로부터 수신될 수 있다.
또 다른 예로, 사용 정보 모니터링 모듈은 가상 비서를 통한 어플리케이션의 실행 횟수 또는 어플리케이션에 포함된 기능의 수행 횟수 등을 모니터링할 수 있다. 예를 들어, 가상 비서 모델이 사용자 입력에 기초한 사용 정보를 메모리(110) 또는 가상 비서와 연결된 별도의 메모리에 저장하고, 사용 정보 모니터링 모듈은 저장된 사용 정보를 획득할 수 있다.
한편, 상술한 실시예에서는 사용 정보 모니터링 모듈이 Domain 정보나 의도 정보를 바탕으로 모니터링하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 어플리케이션의 동작 정보를 모니터링할 수 있다. 예로, 사용 정보 모니터링 모듈은 사용자 입력에 대응되는 어플리케이션 동작 정보의 식별 횟수를 모니터링하여, 하나의 동작 정보에 대하여 식별된 횟수가 임계 횟수 이상인 경우 해당 동작 정보에 대한 식별 정보와 해당 동작 정보를 수행한 어플리케이션에 대한 식별 정보를 서버(200)로 전송할 수 있다. 동작 정보에 대한 식별 정보는, 하나의 동작을 다른 동작과 구분되도록 식별할 수 있는 정보를 의미하며, 동작 정보의 명칭(name, title), ID(Identification) 정보, 동작에 포함된 슬롯 정보 등을 포함할 수 있다. 이에 따라, 전자 장치(100)는 서버(200)로부터 해당 동작에 대응되는 리소스 정보 및 어플리케이션 정보를 수신할 수 있으며, 전자 장치(100)는 서버(200)로부터 수신된 리소스 정보 및 어플리케이션 정보를 바탕으로 자연어 이해 모델을 학습시키거나 생성할 수 있다. 또는, 서버(200)는 전자 장치(100)로부터 수신된 동작의 식별 정보 및 어플리케이션의 식별 정보를 바탕으로 자연어 이해 모델을 학습하거나 생성하여 전자 장치(100)로 전송할 수 있다.
또는, 서버(200)는 기설정된 주기로 동작 정보에 대한 사용 정보의 전송을 전자 장치(100)로 요청할 수 있다. 이 경우, 전자 장치(100)는 동작 정보의 식별 횟수가 임계 횟수 미만인 경우에도 동작 정보에 대한 식별 정보를 서버(200)로 전송하고, 서버(200)는 주기적으로 수신되는 동작에 대한 식별 정보를 누적하여 동작 정보에 대한 식별 횟수가 임계 횟수 이상인지 여부를 판단할 수 있다. 서버(200)는 동작 정보에 대한 식별 횟수가 임계 횟수 이상인 것으로 판단되면, 해당 동작 정보에 대응되는 리소스 정보 또는 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
한편, 사용 정보 모니터링 모듈은 전자 장치(100)에 포함된 것으로 상술하였으나, 서버(200)에서도 사용 정보 모니터링 모듈이 포함될 수도 있다. 특히, 서버(200)에서 사용자 음성에 대한 자연어 이해가 수행되는 경우, 서버(200)에서도 사용 정보 모니터링 모듈을 통해 어플리케이션에 대한 사용 정보를 모니터링할 수 있다.
구체적으로, 전자 장치(100)로 사용자 음성이 입력되면, 전자 장치(100)는 음성 인식 모델을 통해 사용자 음성에 대응되는 텍스트를 획득할 수 있다. 이때, 사용자 음성에 대응되는 텍스트는 전자 장치(100) 내에 존재하는 음성 인식 모델을 통해 획득할 수 있으나, 이는 일 실시 예에 불과할 뿐, 다른 서버의 음성 인식 모델을 통해 획득할 수 있다.
그리고, 전자 장치(100)는 자연어 이해를 위해 획득된 텍스트를 서버(200)로 전송할 수 있다. 서버(200)는 획득된 텍스트를 자연어 이해 모델에 포함된 Domain Classifier 모델의 입력 데이터로 사용할 수 있다. 서버(200)는 Domain Classifier 모델을 통해 획득된 텍스트와 관련된 도메인 또는 의도 정보를 획득할 수 있다. 다만, 이에 한정되는 것은 아니며 상술한 바와 같이, 서버(200)는 전자 장치(100)로부터 사용자 음성을 수신하고 서버(200)에 구비된 음성 인식 모델을 통해 사용자 음성에 대응되는 텍스트를 획득할 수도 있다. 한편, 전자 장치(100)가 사용자 음성 또는 사용자 음성에 대응되는 텍스트를 서버(200)로 전송하는 경우는 다음과 같다.
일 예로, 전자 장치(100)에 입력된 사용자 음성에 대응되는 텍스트로부터 전자 장치(100)의 Domain Classifier 모델이 도메인을 식별하지 못한 경우를 상정한다. 이 경우, 전자 장치(100)는 사용자 음성 또는 사용자 음성에 대응되는 텍스트를 서버(200)로 전송할 수 있다. 서버(200)의 Domain Classifier 모델을 통해 전자 장치(100)로부터 수신된 사용자 음성 또는 텍스트에 대한 도메인이 식별되는 경우, 서버(200)의 사용 정보 모니터링 모듈은 도메인 별 식별 횟수 즉, 도메인 별 도메인에 대한 사용 정보를 모니터링할 수 있다. 또한, 도메인 식별 후 사용자 음성 또는 텍스트에 대한 의도 정보가 식별되는 경우, 서버(200)의 사용 정보 모니터링 모듈은 의도 정보 별 식별 횟수 즉, 의도 정보 별 의도 정보에 대한 사용 정보를 모니터링할 수 있다.
다른 예로, 전자 장치(100) 입력된 사용자 음성에 대응되는 텍스트로부터 전자 장치(100)의 Domain Classifier 모델을 통해 도메인은 식별되었으나, 의도 정보가 식별되지 않은 경우, 전자 장치(100)는 식별된 도메인 정보, 및 사용자 음성 또는 텍스트를 서버(200)로 전송할 수 있다. 서버(200)는 수신된 도메인 정보, 및 사용자 음성 또는 텍스트에 기초하여 사용자 음성에 대한 의도 정보를 식별할 수 있다. 그리고, 서버(200)의 사용 정보 모니터링 모듈은 의도 정보 별 식별 횟수 즉, 의도 정보 별 의도 정보에 대한 사용 정보를 모니터링할 수 있다.
상술한 바와 같이, 서버(200)에서 도메인 또는 의도 정보가 식별되는 경우, 서버(200)의 사용 정보 모니터링 모듈은 도메인 또는 의도 정보에 대한 사용 정보를 획득할 수 있다. 이 경우, 서버(200)의 사용 정보 모니터링 모듈은 이전에 전자 장치(100)에서 수신된 사용 정보와 서버(200)에서 획득된 사용 정보를 합산할 수 있다. 이에 따라, 서버(200)는 합산된 사용 정보에 대응되는 자연어 이해 모델을 식별하고, 식별된 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
사용자 음성 또는 사용자 음성에 대응되는 텍스트와 관련된 자연어 이해 모델이 전자 장치(100) 상에 포함되어 있지 않기 때문에, 상술한 바와 같이 전자 장치(100)는 사용자 음성(또는 텍스트)과 관련된 도메인 또는 의도 정보에 대한 식별을 서버(200)로 요청할 수 있다. 또한, 전자 장치(100)는 서버(200)로부터 수신한 사용자 음성(또는 텍스트)에 대응되는 자연어 이해 모델을 포함할 수 있다. 이 경우, 서버(200)로부터 수신된 자연어 이해 모델과 관련된 사용자 음성(또는 텍스트)이 전자 장치(100)에 입력되는 경우, 전자 장치(100)는 사용자 음성과 관련된 도메인 또는 의도 정보를 식별할 수 있으므로 별도로 서버(200)로 도메인 또는 의도 정보에 대한 식별을 요청하지 않을 수 있다.
다시 말해, 전자 장치(100)는 전자 장치(100)의 Domain Classifier 모델을 통해 사용자 음성 또는 사용자 음성에 대응되는 텍스트와 관련된 도메인을 식별하고, 해당 도메인 내에서 의도 정보 즉, 어플리케이션의 특정 기능에 대한 정보까지 식별되는 경우, 전자 장치(100)는 별도로 서버(200)로 도메인 또는 의도 정보에 대한 식별을 요청하지 않고, 기설정된 조건이 만족되는 경우 또는 서버(200)의 요청에 따라 획득된 사용 정보를 서버(200)로 전송할 수 있다.
음성 충돌 확인 모듈이란 어플리케이션에 대한 기설정된 동작에 대응되는 사용자 음성 또는 사용자 음성에 대응되는 텍스트가 새롭게 등록되는 경우, 기존에 등록된 사용자 음성 또는 사용자 음성에 대응되는 텍스트와 유사성에 기초하여 충돌 여부를 확인하는 모듈이다. 다시 말해, 음성 충돌 확인 모듈은 음성뿐만 아니라 텍스트의 충돌 여부도 확인할 수 있는 모듈이다. 이에 대해서는 하기에서 자세히 설명한다.
통신 인터페이스(120)는 회로(circuitry)를 포함하며, 서버(200)와 통신할 수 있는 구성이다.
통신 인터페이스(120)는 유선 또는 무선 통신을 통해 서버(200)로 사용 정보를 전송하고, 서버(200)로부터 사용 정보에 기초하여 식별된 어플리케이션에 대응되는 자연어 이해 모델을 수신할 수 있다. 이 경우, 통신 인터페이스(120)는 프로세서(130)의 제어에 따라 사용 정보뿐만 아니라 전자 장치(100)의 식별 정보도 전송할 수 있다. 여기서, 식별 정보란 전자 장치(100)의 IP 어드레스, 모델명, 기기명, 시리얼 넘버 등을 포함할 수 있다. 서버(200)는 전송된 식별 정보에 기초하여 자연어 이해 모델을 전송할 대상을 결정할 수 있기 때문이다.
프로세서(130)는 메모리(110)와 전기적으로 연결되며, 전자 장치(100)의 전반적인 동작을 제어한다. 프로세서(130)는 메모리(110)에 저장된 각종 명령어 또는 프로그램을 이용하여 전자 장치(100)의 동작을 전반적으로 제어한다. 특히, 일 실시 예에 따르면, 메인 CPU가 ROM에 저장된 명령어에 따라 프로그램을 RAM에 복사하고, RAM에 액세스하여 해당 프로그램을 실행시킬 수 있다. 여기서, 프로그램은 자연어 이해 모델 등을 포함할 수 있다.
프로세서(130)는 메모리(110)에 저장된 사용 정보 모니터링 모듈, 자연어 이해 모델, 음성 충돌 확인 모듈 및 Domain Classifier 모델을 프로세서(130)에 로딩할 수 있다. 예를 들어, 프로세서(130)는 프로세서(130) 외부의 메모리(110)에 저장된 사용 정보 모니터링 모듈, 자연어 이해 모델, 음성 충돌 확인 모듈 및 Domain Classifier 모델을 프로세서(130) 내부 메모리(미도시)로 로드할 수 있다. 한편, 전자 장치(100)가 어플리케이션에 대한 사용 정보에 기초하여 서버(200)로부터 자연어 이해 모델을 수신하는 과정에 대하여는 하기의 도 3b에서 자세히 설명하도록 한다.
도 3b는 본 개시의 일 실시 예에 따른 자연어 이해 모델이 서버로부터 수신되는 과정을 설명하기 위한 도면이다.
전자 장치(100)에 어플리케이션이 설치될 수 있다(S310). 어플리케이션은 빌트인(built in) 어플리케이션과 같이 전자 장치(100) 제조 시에 설치되거나 또는 사용자 선택에 의해 설치될 수 있다.
이후, 사용 정보 모니터링 모듈은 설치된 어플리케이션에 대한 사용 정보를 모니터링할 수 있다(S320). 또한, 사용 정보 모니터링 모듈은 가상 비서 서비스의 인공지능 모델을 통해 획득되는 사용자 음성에 관련된 도메인 및 의도 정보에 대한 사용 정보를 모니터링할 수도 있다.
사용 정보 모니터링 모듈은 어플리케이션과 관련된 사용자 입력 정보 및 사용자 입력에 따른 어플리케이션의 사용 정보를 모니터링할 수 있다. 예를 들어, 사용 정보 모니터링 모듈은 "B"라는 배달 음식 어플리케이션이 사용자 입력에 따라 실행되는 횟수를 모니터링할 수 있다. 사용자 입력으로서 B 배달 음식 어플리케이션이 실행되는 경우는 디스플레이(미도시) 상에서 사용자 터치, 펜에 의해 B 배달 음식 어플리케이션이 선택되어 실행되는 경우 및 사용자 음성에 의해 B 배달 음식 어플리케이션이 실행되는 경우를 포함할 수 있다. 이 경우, Domain Classifier 모델이 사용자 음성에 포함된 도메인이 B 어플리케이션이라는 정보를 식별할 수 있다. 예를 들어, 사용자 음성에 "B 어플리케이션"이 직접적으로 포함될 수 있으나, "음식 배달 시키고 싶어" 또는 "배달 음식 시켜줘"와 같이 "B 어플리케이션"이 직접적으로 포함되지 않고 배달에 관한 단어가 포함될 수 있다. 이 경우, Domain Classifier 모델은 사용자 음성에 포함된 "배달"에 기초하여 사용자 음성의 도메인을 B 어플리케이션으로 식별할 수 있다.
또한, 사용 정보 모니터링 모듈은 가상 비서 서비스의 인공지능 모델을 통해 특정 도메인이 식별된 횟수를 모니터링할 수 있다. 예를 들어, 가상 비서를 통해 "B 어플리케이션"에 대한 사용자 음성이 입력되면, 음성 인식 모델을 통해 "B 어플리케이션"에 대한 사용자 음성이 텍스트로 변환될 수 있다. 가상 비서 서비스의 인공지능 모델 중 Domain Classifier 모델은 변환된 텍스트를 입력 데이터로 이용하여 사용자 음성에 관련된 도메인을 "B 어플리케이션"으로 식별할 수 있다. 사용 정보 모니터링 모듈은 이와 같이 식별되는 도메인의 횟수 즉, 도메인에 대한 사용 정보를 모니터링할 수 있다.
또는, 사용 정보 모니터링 모듈은 의도 정보의 식별 횟수를 모니터링할 수 있다. 예를 들어, 사용자의 의도 정보가 음식 배달 어플리케이션인 "B 어플리케이션"의 중식(Chinese) 메뉴를 선택하는 것으로 식별될 수 있다. 사용 정보 모니터링 모듈은 이와 같이 식별되는 의도 정보의 횟수 즉, 의도 정보에 대한 사용 정보를 모니터링할 수 있다.
또는, 사용 정보 모니터링 모듈은 동작 정보의 식별 횟수를 모니터링할 수 있다. 예를 들어, 사용자의 동작 정보가 A 카메라 어플리케이션의 사진 촬영 동작인 경우, 사용 정보 모니터링 모듈은 동작 정보로서 "CapturePhoto"와 해당 동작을 실행한 어플리케이션에 대한 정보인 "A 카메라 어플리케이션"을 식별할 수 있다. 그리고, 사용 정보 모니터링 모듈은 이와 같이 식별되는 동작 정보의 횟수 즉, 동작 정보에 대한 사용 정보를 모니터링할 수 있다.
사용 정보 모니터링 모듈은 획득된 사용 정보를 메모리(110)에 저장할 수 있다. 사용 정보 모니터링 모듈은 사용 정보의 변경이 있을 때 마다 변경된 사용 정보를 메모리(110)에 저장하거나 주기적으로 사용 정보를 메모리(110)에 저장할 수 있다.
사용 정보 모니터링 모듈은 모니터링된 사용 정보가 기설정된 조건을 만족하는지 여부를 식별할 수 있다(S330).
사용 정보가 기설정된 조건을 만족하는 경우(S330-Y), 사용 정보 모니터링 모듈은 사용 정보를 통신 인터페이스(120)를 통해 서버(200)로 전송할 수 있다(S340). 예를 들어, B 어플리케이션이 3회 이상 실행된 경우 또는 B 어플리케이션이 실행된 누적 시간이 1시간 이상인 경우, 사용 정보 모니터링 모듈은 B 어플리케이션에 대한 사용 정보를 서버(200)로 전송할 수 있다. 여기서, 사용 정보에는 B 어플리케이션의 실행 횟수 또는 B 어플리케이션의 실행 시간뿐만 아니라 실행의 대상이 되는 어플리케이션의 정보도 포함될 수 있다. 예를 들어, 실행 횟수가 5회라는 실행 횟수 정보뿐만 아니라 및 실행된 어플리케이션은 B라는 식별 정보도 함께 서버(200)로 전송될 수 있다. 또한, 사용 정보 모니터링 모듈은 전자 장치(100)의 식별 정보를 서버(200)로 전송할 수도 있다. 여기서, 식별 정보란 전자 장치(100)의 IP 어드레스, 모델명, 기기명, 시리얼 넘버 등을 포함할 수 있다. 서버(200)는 전송된 식별 정보에 기초하여 자연어 이해 모델을 전송할 대상을 결정할 수 있기 때문이다.
또 다른 예로, B 어플리케이션과 관련된 도메인이 3회 이상 식별된 경우 또는 B 어플리케이션 내의 특정 기능을 선택하는 의도 정보가 3회 이상 식별된 경우, 사용 정보 모니터링 모듈은 도메인 또는 의도 정보에 대한 식별 정보를 서버(200)로 전송할 수 있다.
다시 말해, 기설정된 조건이란 어플리케이션에 대한 사용 정보 또는 가상 비서 서비스 내에서의 도메인, 의도 정보에 대한 사용 정보와 관련된 조건일 수 있다. 다만, 이에 한정되는 것은 아니며 기설정된 조건은 기설정된 시간의 도래일 수도 있다. 예를 들어, 50 시간을 주기로 사용 정보 모니터링 모듈은 획득된 사용 정보를 서버(200)로 전송할 수 있다. 이 경우, 서버(200)는 수신된 사용 정보를 누적하여 저장하고, 누적된 사용 정보에 기초하여 어플리케이션의 실행 횟수, 도메인의 식별 횟수 또는 의도 정보의 식별 횟수가 임계 횟수 이상인 경우, 이에 대응되는 자연어 이해 모델을 전자 장치(100)로 전송할 수도 있다.
또 다른 예로, C 어플리케이션의 동작이 3회 이상 실행된 것으로 식별된 경우, 사용 정보 모니터링 모듈은 동작 정보 및 동작을 실행한 어플리케이션에 대한 정보를 서버(200)로 전송할 수 있다.
한편, 사용 정보가 기설정된 조건을 만족하지 않는 경우(S330-N), 사용 정보 모니터링 모듈은 어플리케이션에 대한 사용 정보 또는 가상 비서 내의 도메인, 의도 정보에 대한 사용 정보를 모니터링할 수 있다.
한편, 사용 정보가 기설정된 조건을 만족하였는지 여부는, 사용 정보 모니터링 모듈이 주기적으로 확인하거나 서버(200)가 사용 정보가 기설정된 조건을 만족하였는지 여부에 대한 확인 요청 신호를 전자 장치(100)로 전송할 수도 있다.
서버(200)는 사용 정보에 기초하여 전자 장치(100) 상에서 실행된 어플리케이션이 서버(200)에서 관리하는 어플리케이션에 포함되는지 여부를 식별할 수 있다. 구체적으로, 서버(200)는 전자 장치(100)의 Domain Classifier 모델에 의해 식별된 어플리케이션이 서버(200)에서 관리하는 어플리케이션인지 여부를 식별한다. 전자 장치(100) 상에서 실행된 어플리케이션이 서버(200)에서 관리하는 어플리케이션에 포함되는 것으로 식별되면, 서버(200)는 복수의 자연어 이해 모델 중 해당 어플리케이션에 대응되는 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다. 예를 들어, 서버(200)는 복수의 자연어 이해 모델 중 B 어플리케이션에 대응되는 자연어 이해 모델이 식별되면, 식별된 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
일 예로, 서버(200)는 해당 어플리케이션에 대응되는 자연어 이해 모델 중에서도 전자 장치(100)로부터 전송된 사용 정보에 기초하여 특정 기능동작(또는 기능)에 대응되는 자연어 이해 모델을 전자 장치(100)로 전송할 수도 있다. 예를 들어, 사용자 입력에 따라 A 카메라 어플리케이션이 실행되고, A 카메라 어플리케이션을 통해 셀피를 촬영하는 경우가 빈번한 경우, 서버(200)는 이러한 사용 이력이 포함된 사용 정보에 기초하여 A 카메라 어플리케이션의 셀피에 관한 자연어 이해 모델을 전자 장치(100)로 전송할 수 있다.
프로세서(130)는 통신 인터페이스(120)를 통해 서버(200)로부터 전송되는 자연어 이해 모델을 수신할 수 있다(S350). 이때, 수신된 자연어 이해 모델은 공용 모델일 수 있다. 수신된 자연어공용 이해 모델에는 기설정된 음성 발화에 대한 정보 및 음성 발화에 대응되는 동작 정보가 포함될 수 있다. 예를 들어, "A 어플리케이션 켜줘", "A 어플리케이션" 등과 같은 음성 발화에 대한 정보 및 이에 대응하여 A 어플리케이션을 실행하는 동작 정보가 포함될 수 있다. 이때, 프로세서(130)는 자연어 이해 모델 자체를 수신할 수 있으나, 자연어 이해 모델을 학습하거나 생성하기 위한 리소스 정보 역시 획득할 수 있다.
음성 충돌 확인 모듈은 자연어 이해 모델에 포함된 음성 발화에 대한 정보 및 기존에 등록된 사용자 음성 정보 간 충돌 여부를 확인할 수 있다(S360). 여기서, 음성 발화에 대한 정보 및 기존에 등록된 사용자 음성 정보 각각은 음성 또는 음성에 대응되는 텍스트를 포함한다.
일 예로, 음성 인식 모델을 통해 음성 발화에 대응되는 텍스트 및 기존에 등록된 사용자 음성에 대응되는 텍스트가 획득되면, 음성 출동 확인 모듈은 음성 발화에 대응되는 텍스트 및 기존에 등록된 사용자 음성에 대응되는 텍스트 간 충돌 여부를 확인할 수 있다.
예를 들어, 기존에 등록된 사용자 음성이 "A 어플리케이션"과 유사한 발음이거나 명칭이 동일하나 상이한 A 어플리케이션이 전자 장치(100) 상에 존재하는 경우, "A 어플리케이션"이라는 음성 또는 음성에 대응되는 텍스트에 대하여 서로 다른 동작이 대응될 수 있다. 이와 같이, 음성 충돌이 확인되는 경우(S360-Y), 음성 충돌 확인 모듈은 "A 어플리케이션을 실행하는 동작"에 대응되는 다른 음성 발화를 요청할 수 있다(S370). 이에 따라, A 어플리케이션을 실행하기 위해 다른 음성 발화가 새롭게 입력되는 경우, 음성 충돌 확인 모듈은 입력된 음성 발화가 기존에 등록된 사용자 음성과 충돌되는지 새롭게 입력된 음성 또는 음성에 대응되는 텍스트를 재확인할 수 있다. 음성 충돌이 없는 것으로 식별되면, 음성 충돌 확인 모듈은 새롭게 입력된 사용자 음성 또는 사용자 음성에 대응되는 텍스트에 대한 정보를 "A 어플리케이션을 실행하는 동작"에 맵핑되는 음성 또는 텍스트로서 등록할 수 있다. 이때, 프로세서(130)는 다른 음성 발화를 등록하기 위한 UI를 표시할 수 있으며, UI를 통해 입력된 다른 음성 발화에 대한 정보를 등록할 수 있다.
다른 예에 따르면, 전자 장치(100)는 사용 정보에 기초하여 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 어플리케이션의 실행 시간이 임계 시간 이상인 경우, 즉 기설정된 조건이 만족되면 어플리케이션의 특정 동작에 대응되는 사용자 음성을 요청할 수 있다. 음성 충돌 확인 모듈은 요청에 따라 사용자 음성이 입력되면, 입력된 사용자 음성이 메모리(110)에 저장된 기존에 등록된 사용자 음성과 충돌하는지 여부를 식별하고, 입력된 사용자 음성과 기존에 등록된 사용자 음성이 충돌되면, 입력된 사용자 음성과 상이한 음성을 요청하고, 입력된 사용자 음성과 충돌하는 기존에 등록된 음성이 식별되지 않으면, 입력된 사용자 음성을 어플리케이션의 동작과 맵핑하여 메모리(110)에 저장할 수 있다.
한편, 음성 충돌 확인 모듈은 자연어 이해 모델에 포함된 음성 발화에 대한 정보가 기존에 등록된 사용자 음성 정보와 충돌되지 않는 것으로 식별되면(S360-N), 음성 발화에 대한 정보를 등록할 수 있다(S380).
다만, 이에 한정되는 것은 아니며, 본 실시 예의 경우 자연어 이해 모델이 서버(200)로부터 전송되므로, 서버(200) 상에서 음성 충돌 여부가 미리 확인되어 전자 장치(100) 상에서는 별도의 음성 충돌 확인 단계가 생략될 수도 있다.
프로세서(130)는 자연어 이해 모델을 메모리(110)에 저장할 수 있다(S390). 이때, 저장된 자연어 이해 모델은 사용자에게 특화된 개인 모델일 수 있다. 이후, 사용자 음성이 입력되는 경우, 프로세서(130)는 메모리(110)에 저장된 자연어 이해 모델을 프로세서(130)로 로딩하여 자연어 이해 모델에 기초하여 사용자 음성에 포함된 사용자 의도를 파악할 수 있다.
한편, 다른 실시 예에 따르면, 전자 장치(100)는 어플리케이션이 전자 장치(100) 상에 설치되면, 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청할 수 있다. 다시 말해, 전자 장치(100)는 어플리케이션에 대한 사용 정보 또는 특정 도메인, 특정 의도 정보에 대한 식별 횟수 정보와 관계없이 어플리케이션이 전자 장치(100) 상에 설치되면, 설치된 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청할 수 있다.
도 4a는 본 개시의 다른 실시 예에 따른 자연어 이해 모델을 생성하는 경우의 블록도이다.
어플리케이션이 전자 장치(100) 상에 설치되면, 어플리케이션은 메모리(110)에 저장될 수 있다. 프로세서(130)는 어플리케이션에 포함된 리소스 정보에 기초하여 자연어 이해 모델을 생성할 수 있다. 이때, 리소스 정보는 도 4a에 도시된 바와 같이, 음성 발화 정보, 동작, 기설정된 조건에 대한 정보 등이 포함될 수 있다. 여기서, 음성 발화 정보는 개발자가 정의한 대표 발화일 수 있으며, 음성 발화 정보에는 슬롯 정보가 포함될 수 있다. 이때, 슬롯 정보는 실행 기능의 파라미터로 사용될 수 있다. 동작 정보는 모니터링 대상이 되는 이벤트를 의미할 수 있다. 기설정된 조건에 대한 정보는 어플리케이션에 대응되는 자연어 이해 모듈이나 기설정된 발화를 등록하기 위한 조건을 의미할 수 있다. 그 밖에, 리소스 정보에는 실행 기능 정보가 더 포함될 수 있으며, 실행 기능 정보는 해당 방화와 연결할 어플리케이션의 기능에 대한 정보를 저장할 수 있다.
이때, 리소스 정보는 기설정된 음성 발화에 대한 정보, 기설정된 음성 발화에 대응되는 동작 정보, 자연어 이해 모델이 생성되기 위한 조건 정보, 기설정된 음성 발화에 대응되는 어플리케이션의 기능 정보 각각이 매칭되어 템플릿 형태로 저장될 수 있다. 예로, 아래의 표 1과 같이, 리소스 정보가 메모리(110)에 저장될 수 있다.
Representative
Utterance		 Action Description Trigger Condition Execution Function
사진 찍어줘 ACTION_IMAGE_CAPTURE > Uses 3 times after installation startActivityForResult(new Intent(MediaStore.ACTION_IMAGE_CAPTURE)
가족 앨범[Entity_AlbumName]에 저장 ACTION_IMAGE_SAVE_[Entity_AlbumName] > Uses 5 times after installation savePhto(Entity_AlbumName)
이때, 리소스 정보는 어플리케이션 설치시 어플리케이션 데이터에 포함될 수 있다.또한, 메모리(110)는 공용 모델의 적용 범위를 확장하기 위하여, 공용 모델에 정의된 액션 및 슬롯(또는 엔티티)를 바탕으로 동작 리스트 및 슬롯 리스트를 저장할 수 있다. 이때, 동작 리스트는 아래의 표 2와 같이, 동작에 대응되는 적어도 하나의 대표 발화를 매칭하여 저장할 수 있다.
ShowContents 사진 보여줘
사진들 보여줘봐
[Entity_Building] 사진 보여줄래
...
SavePhoto 사진 저장해줘사진 저장
[Entity_folder]에 사진 저장해
...
또한, 슬롯 리스트는 아래의 표 3과 같이, 하나의 슬롯에 포함될 수 있는 적어도 하나의 일반 명사가 저장될 수 있다.
Building A 호텔, B 호텔, C 빌딩, D 타워,...
Car XXX, YYY, ZZZ, ...
한편, 상술한 리소스 정보, 동작 리스트, 슬롯 리스트는 서버(200)에 저장될 수 있으며, 전자 장치(100)는 서버(200)로부터 리소스 정보, 동작 리스트, 슬롯 리스트를 수신하여 저장할 수 있다. 이때, 전자 장치(100)는 어플리케이션 설치 시 리소스 정보, 동작 리스트, 슬롯 리스트를 서버(200)로부터 수신하여 저장할 수 있으며, 기설정된 조건이 만족될 경우, 리소스 정보, 동작 리스트, 슬롯 리스트를 서버(200)로부터 수신하여 저장할 수 있다.또한, 전자 장치(100)는 어플리케이션 데이터를 분석하여 리소스 정보를 자동으로 생성할 수 있다. 구체적으로, 템플릿 형태의 리소스 정보가 없는 어플리케이션이 설치되는 경우, 전자 장치(100)는 어플리케이션 데이터를 분석하여 템플릿의 필드값을 생성할 수 있다. 더욱 구체적으로, 전자 장치(100)는 어플리케이션 데이터 중 동작 디스크립션 정보를 추출하여 동작 정보를 획득할 수 있다. 또한, 전자 장치(100)는 서버(200)로부터 수신된 동작 리스트를 바탕으로 동작 정보에 대응되는 대표 발화를 획득할 수 있다. 또는, 전자 장치(100)는 전자 장치(100) 내에 저장된 자연어 생성 모델을 바탕으로 동작 정보에 대응되는 대표 발화를 획득할 수 있다. 또한, 전자 장치(100)는 다른 템플릿 형태의 리소스 정보를 바탕으로 기설정된 조건에 대한 정보를 획득할 수 있다. 상술한 바와 같이, 전자 장치(100)는 획득된 대표 발화, 동작 정보, 기설정된 조건에 대한 정보를 바탕으로 템플릿 형태의 리소스 정보를 획득할 수 있다.
구체적으로특히, 프로세서(130)는 메모리(110)에 저장된 리소스 정보, 사용 정보 모니터링 모듈, 자연어 이해 모델, 음성 충돌 확인 모듈 및 Domain Classifier 모델을 프로세서(130)에 로딩하고 자연어 이해 모델을 생성할 수 있다. 이와 같이 자연어 이해 모델을 생성하는 과정에 대하여는 하기의 도 4b에서 자세히 설명하도록 한다.
도 4b는 본 개시의 다른 실시 예에 따른 자연어 이해 모델이 전자 장치 상에서 생성되는 과정을 설명하기 위한 도면이다.
전자 장치(100)는 전자 장치(100) 상에 어플리케이션을 설치할 수 있다(S410). 어플리케이션은 빌트인(built in) 어플리케이션과 같이 전자 장치(100) 제조 시에 설치되거나 또는 사용자 선택에 의해 설치될 수 있다. 전자 장치(100) 상에 어플리케이션이 설치된다는 것은 어플리케이션에 관한 정보가 메모리(110)에 저장되는 것을 의미하며, 어플리케이션 실행 명령이 입력되면 어플리케이션에 관한 정보가 프로세서(130)로 로딩되어 어플리케이션에 포함된 다양한 기능이 실행될 수 있다. 여기서, 어플리케이션에 관한 정보는 리소스 정보를 포함할 수 있다. 리소스 정보는 상술한 바와 같이, 기설정된 음성 발화에 대한 정보, 기설정된 음성 발화에 대응되는 동작 정보, 자연어 이해 모델이 생성되기 위한 기설정된 조건 정보, 기설정된 음성 발화에 대응되는 어플리케이션의 기능 정보 등을 포함할 수 있다.
한편, 사용 정보 모니터링 모듈은 설치된 어플리케이션에 대한 사용 정보를 모니터링할 수 있다(S420).
또한, 사용 정보 모니터링 모듈은 획득된 사용 정보가 리소스 정보에 포함된 기설정된 조건을 만족하였는지 여부를 식별할 수 있다(S430). 예를 들어, 리소스 정보에 포함된 기설정된 조건이 해당 어플리케이션을 3회 이상 실행하는 조건이고, 사용 정보가 이를 만족하는 경우(S430-Y), 프로세서(130)는 해당 어플리케이션에 대응되는 자연어 이해 모델을 생성할 수 있다(S440). 이때, 자연어 이해 모델은 어플리케이션의 리소스 정보를 바탕으로 생성된 공용 모델일 수 있다. 다만, 이에 한정되는 것은 아니며, 리소스 정보에 포함된 기설정된 조건은 가상 비서 서비스의 인공지능 모델을 통해 특정 도메인 또는, 특정 의도 정보, 특정 동작에 대한 식별 횟수가 기설정된 횟수 이상일 수도 있다.
구체적으로, 프로세서(130)는 리소스 정보에 포함된 음성 발화 정보를 대응되는 동작 정보에 맵핑시켜를 바탕으로 자연어 이해 모델을 생성(또는 학습)할 수 있다. 예를 들어, 프로세서(130)는 리소스 정보에 포함된 "A 카메라 켜줘"라는 음성 발화 정보에와 A 카메라 어플리케이션을 실행하는 동작을 바탕으로 자연어 이해 모델을 맵핑시킬생성 또는 학습시킬 수 있다. 이에 따라, "A 카메라 켜줘"라는 음성 발화가 인식되면, Domain Classifier 모델에 의해 사용자 음성에 포함된 도메인이 "A 카메라 어플리케이션"임이 식별되고, "A 카메라 어플리케이션"에 대응되는 자연어 이해 모델은 사용자 음성에 포함된 의도가 A 카메라 어플리케이션을 실행시키는 동작임을 식별하도록 생성될 수 있다.
또 다른 예로, 프로세서(130)는 어플리케이션의 동작 정보를 분석하여 동작 플랜 정보를 생성하고, 생성된 동작 플랜 정보를 바탕으로 대표 발화를 획득할 수 있다. 그리고, 프로세서(130)는 동작 정보와 대표 발화를 바탕으로 자연어 이해 모델을 생성할 수 있다.
구체적으로, 프로세서(130)는 어플리케이션의 동작을 미리 분석하여 동작 플랜 리스트를 생성할 수 있다. 또는, 프로세서(130)는 사용자가 어플리케이션 실행 시, 어플리케이션의 동작을 기록하여 동작 플랜 리스트를 생성할 수 있다. 그리고, 프로세서(130)는 동작 플랜 리스트를 서버(200)로 전송하여 해당 어플리케이션에 대응되는 자연어 이해 모델의 대표 발화를 획득할 수 있다. 또는 프로세서(130)는 번역 모듈을 통해 동작 플랜 리스트의 의미를 분석하여 대표 발화로 번역할 수 있다. 구체적으로, 동작 플랜은 복수의 명령이므로, 프로세서(130)는 동작 플랜을 통해 복수의 단어가 획득할 수 있다. 예로, 액션 플랜으로서 (1) [Activity: Execute][Property: 배달의 민족], (2) [Activity: Search][Property: 중식] (3) [Activity: Display][Property: search result]가 획득되면, 프로세서(130)는 복수의 단어로 (1) 배달의 민족에서, (2) 중식 검색, (3) 검색 결과 표시를 획득할 수 있다. 그리고, 프로세서(130)는 자연어 생성 모듈을 통해 복수의 단어를 하나의 자연어 문장으로 생성할 수 있다. 이때, 프로세서(130)는 각 동작 별 가중치를 부여하여 자연어 문장을 획득할 수 있다. 구체적으로, 프로세서(130)는 Named entity가 포함된 동작에 높은 가중치를 부여할 수 있으며, 후속 동작에 대해서는 낮은 가중치를 부여할 수 있다. 예로, 프로세서(130)는 상술한 복수의 단어를 자연어 생성 모듈에 입력하여 "배달에 민족에서 중식 검색해서 보여줘" 또는 "배달의 민족에서 중식 검색해줘"라는 자연어 문장을 획득할 수 있다. 이때, 어플리케이션 이름이나 동작에 포함된 Named entity는 슬롯 리스트를 바탕으로 획득할 수 있다. 그리고, 프로세서(130)는 획득된 동작 플랜과 자연어 문장을 바탕으로 자연어 이해 모델을 생성 또는 학습시킬 수 있다.
사용 정보가 자연어 이해 모델을 생성하기 위한 기설정된 조건을 만족하지 않는 경우(S430-N), 사용 정보 모니터링 모듈은 어플리케이션에 대한 사용 정보 또는 가상 비서 서비스의 인공지능 모델을 통해 특정 도메인 또는 특정 의도 정보에 대한 사용 정보를 계속적으로 모니터링할 수 있다.
한편, 음성 충돌 확인 모듈은 리소스 정보에 포함된 음성 발화 정보 및 기존에 등록된 사용자 음성 정보 간 충돌 여부를 확인할 수 있다(S450). 또는, 음성 충돌 확인 모듈은 음성 발화에 대응되는 텍스트 및 기존에 등록된 사용자 음성에 대응되는 텍스트 간 충돌 여부를 확인할 수 있다.
구체적으로, 음성 충돌 확인 모듈은 리소스 정보에 포함된 음성 발화 정보(또는 이에 대응되는 텍스트 정보)가 기존에 등록된 사용자 음성(또는 이에 대응되는 텍스트)과의 유사성에 기초하여 충돌 여부를 확인할 수 있다. 예를 들어, 기존에 등록된 사용자의 음성 중 "A 카메라 켜줘"라는 음성이 존재하며, 이에 대응되는 동작이 A 카메라 어플리케이션을 실행하여 후면 카메라를 통해 촬영하는 동작까지 포함하는 경우를 상정한다. 이 경우, "A 카메라 켜줘"라는 동일한 음성에 대해 서로 다른 동작이 대응되므로, 음성 충돌 확인 모듈은 음성 충돌이 발생하는 것으로 식별할 수 있다.
이와 같이, 음성 충돌이 확인되는 경우(S450-Y), 음성 충돌 확인 모듈은 리소스 정보에 포함된 음성 발화 정보와 상이한 음성 발화를 요청할 수 있다(S460).
예를 들어, 프로세서(130)는 스피커(미도시)를 제어하여 "'A 카메라 켜줘'와 다른 음성을 말씀해주세요"라는 음성을 제공하거나, "'A 카메라 켜줘'와 다른 음성을 말씀해주세요"라는 UI 창을 표시하도록 디스플레이(미도시)를 제어할 수 있다.
이에 따라, A 카메라 어플리케이션을 실행하기 위해 다른 음성 발화가 새롭게 입력되는 경우, 음성 충돌 확인 모듈은 입력된 음성 발화가 기존에 등록된 사용자 음성과 충돌되는지 재확인할 수 있다. 음성 충돌이 없는 것으로 식별되면, 음성 충돌 확인 모듈은 새롭게 입력된 사용자 음성에 대한 정보를 "A 카메라 어플리케이션을 실행하는 동작"에 맵핑되는 음성으로 등록된 상태로 A 카메라 어플리케이션에 대응되는 자연어 이해 모델이 생성될 수 있다. 일 예로 "A 카메라 켜줘"와는 상이한 "A 카메라 실행해줘"와 같은 사용자 음성이 입력되어 A 카메라 어플리케이션을 실행하는 동작에 대응되는 음성으로 등록될 수 있다. 따라서, 생성된 자연어 이해 모델에 기초하여 "A 카메라 실행해줘"가 입력되면 A 카메라 어플리케이션을 실행하는 동작이 수행되고, "A 카메라 켜줘"가 입력되면 A 카메라 어플리케이션을 실행하여 후면 카메라를 통해 촬영하는 동작이 실행되어 서로 구분될 수 있다.
리소스 정보에 포함된 음성 발화 정보가 기존에 등록된 사용자 음성과 동일한 경우를 예로 설명하였으나, 리소스 정보에 포함된 음성 발화 정보가 기존에 등록된 사용자 음성과 유사하여 자연어 이해 모델이 사용자 의도를 잘못 인식할 여지가 있는 경우에도 음성 충돌 확인 모듈은 리소스 정보에 포함된 음성 발화 정보와 상이한 음성 발화를 요청할 수 있다.
한편, 음성 충돌 확인 모듈은 자연어 이해 모델에 포함된 음성 발화에 대한 정보가 기존에 등록된 사용자 음성 정보와 충돌되지 않는 것으로 식별되면(S450-N), 음성 발화에 대한 정보를 A 카메라 어플리케이션을 실행하는 동작에 대응되는 음성으로 등록할 수 있다.
프로세서(130)는 사용자 음성이 등록된 자연어 이해 모델을 메모리(110)에 저장할 수 있다(S470). 이때, 저장된 자연어 이해 모델은 개인 모델일 수 있다.
이후, 사용자 음성이 입력되는 경우, 프로세서(130)는 메모리(110)에 저장된 자연어 이해 모델을 프로세서(130)로 로딩하여 자연어 이해 모델에 기초하여 사용자 음성에 포함된 사용자 의도를 파악할 수 있다.
한편, 상술한 실시 예들에 따라, 사용 정보에 기초하여 서버(200)로부터 수신되거나 전자 장치(100) 상에 생성되는 방식 등에 의해 자연어 이해 모델이 획득될 수 있다. 그리고 전자 장치(100)는 이와 같이 획득된 자연어 이해 모델에 대응되는 사용자 입력이 임계 횟수 이상 입력되지 않으면, 획득된 자연어 이해 모델을 전자 장치(100) 상에 제거할 수 있다. 사용자 입력이 임계 횟수 이상 입력되지 않는다는 것은 해당 자연어 이해 모델에 대응되는 어플리케이션의 사용 빈도가 낮은 것이므로 전자 장치(100)는 사용 빈도가 낮은 자연어 이해 모델을 전자 장치(100) 상에서 제거할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 전자 장치 및 서버의 블록도이다.
도 5에 따르면, 전자 장치(100)는 메모리(110), 통신 인터페이스(120) 및 프로세서(130)를 포함하며, 서버(200)는 메모리(210), 통신 인터페이스(220) 및 프로세서(230)를 포함한다.
메모리(110)는 프로세서(130)와 전기적으로 연결되며, 본 개시의 다양한 실시 예를 위해 필요한 데이터를 저장할 수 있다.
메모리(110)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)에 탈부착이 가능한 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)에 탈부착이 가능한 메모리에 저장될 수 있다. 한편, 전자 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현되고, 전자 장치(100)에 탈부착이 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결 가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.
일 실시 예에 따라, 메모리(110)는 사용 정보 모니터링 모듈, 음성 충돌 확인 모듈, 자연어 이해 모델 및 Domain Classifier 모델을 저장할 수 있다.
통신 인터페이스(120)는 회로(circuitry)를 포함하며, 서버(200)와 통신할 수 있는 구성이다.
통신 인터페이스(120)는 와이파이 모듈(미도시), 블루투스 모듈(미도시), IR(infrared) 모듈, LAN(Local Area Network) 모듈, 이더넷(Ethernet) 모듈 등을 포함할 수 있다. 여기서, 각 통신 모듈은 적어도 하나의 하드웨어 칩 형태로 구현될 수 있다. 무선 통신 모듈은 상술한 통신 방식 이외에 지그비(zigbee), USB(Universal Serial Bus), MIPI CSI(Mobile Industry Processor Interface Camera Serial Interface), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격에 따라 통신을 수행하는 적어도 하나의 통신 칩을 포함할 수 있다. 다만 이는 일 실시 예에 불과하며 통신 인터페이스(120)는 다양한 통신 모듈 중 적어도 하나의 통신 모듈을 이용할 수 있다. 또한, 통신 인터페이스(120)는 유선 통신을 통해 서버와 통신할 수도 있다.
도 5에 도시된 구성 중 서버(200)에 포함된 메모리(210) 및 통신 인터페이스(220)는 전자 장치(100)에 포함된 메모리(110) 및 통신 인터페이스(120)와 유사한 기능을 수행하므로 이에 대한 자세한 설명을 생략하도록 한다.
한편, 프로세서(130)는 통신 인터페이스(120)를 통해 어플리케이션에 대한 사용 정보를 서버(200)로 전송할 수 있다. 서버(200)의 프로세서(230)는 통신 인터페이스(220)를 통해 사용 정보를 수신하고, 수신된 사용 정보에 기초하여 전자 장치(100) 상에서 실행된 어플리케이션이 메모리(210)에 저장된 어플리케이션인지 여부를 식별할 수 있다. 전자 장치(100) 상에서 실행된 어플리케이션이 메모리(210)에 저장된 어플리케이션인 것으로 식별되면, 프로세서(230)는 복수의 자연어 이해 모델 중 해당 어플리케이션에 대응되는 자연어 이해 모델을 메모리(210) 상에서 식별할 수 있다. 이후, 프로세서(230)는 식별된 자연어 이해 모델을 전자 장치(100)로 전송하도록 통신 인터페이스(220)를 제어할 수 있다. 프로세서(130)는 서버(200)로부터 전송된 자연어 이해 모델을 메모리(110)에 저장할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 자연어 이해 모델이 동작하는 순서를 설명하기 위한 도면이다.
전자 장치(100)는 사용자 음성을 입력받을 수 있다(S610). 전자 장치(100)로 사용자 음성이 입력되면, 전자 장치(100)는 음성 인식 모델을 통해 사용자 음성에 대응되는 텍스트를 획득할 수 있다. 다만, 이에 한정되는 것은 아니며, 사용자 음성에 대한 음성 인식은 외부 장치, 외부 서버 등에서 수행되고, 전자 장치(100)는 외부로부터 사용자 음성에 대응되는 텍스트 데이터를 수신하는 것도 가능하다. 그리고, 전자 장치(100)에 포함된 Domain Classifier 모델은 획득된 텍스트에 대응되는 도메인을 식별할 수 있다. 전자 장치(100)는 식별된 도메인과 관련된 자연어 이해 모델을 식별할 수 있다. 이 경우, 전자 장치(100)는 식별된 도메인과 관련된 자연어 이해 모델 중 개인 모델을 통해 사용자 음성에 대한 자연어 이해 수행이 가능한지 여부를 식별할 수 있다(S620).
여기서, 개인 모델은 전자 장치(100) 사용자의 음성 발화에 기초하여 생성 또는 학습되는 모델로서 전자 장치(100) 사용자에 개인화된 모델일 수 있다. 예를 들어, 개인 모델은 사용 정보 모니터링 모듈을 통해 획득된 사용 정보에 기초하여 서버(200)로부터 수신되거나 전자 장치(100) 상에서 생성된 자연어 이해 모델을 바탕으로 개인화된 모델일 수 있다. 다시 말해, 개인 모델은 후술하는 공용 모델에 비해 사용자의 사용이 빈번한 특정 어플리케이션과 관련된 자연어 이해 모델일 수 있다.
개인 모델에서 사용자 음성에 대한 자연어 이해 수행이 가능한 것으로 식별되면(S620-Y), 전자 장치(100)는 해당 개인 모델을 통해 자연어 이해를 수행하고(S630), 자연어 이해 결과를 바탕으로 어플리케이션 기능을 수행할 수 있다(S680).
한편, 개인 모델에서 사용자 음성에 대한 자연어 이해 수행이 가능하지 않은 경우(S620-N), 전자 장치(100)는 공용 모델에서 사용자 음성에 대한 자연어 이해 수행이 가능한지 여부를 식별할 수 있다. 여기서, 공용 모델은 공용 사용자의 음성 발화에 기초하여 생성 또는 학습되는 모델로서 공용 사용자의 일반적인 음성에 포함된 자연어를 이해하는데 이용되는 모델일 수 있다. 예를 들어, 공용 모델은 전자 장치(100) 제조 시에 전자 장치(100)에 기본적으로 설치되는 빌트인(built-in) 어플리케이션과 관련된 자연어 이해 모델이거나 어플리케이션의 리소스 정보를 바탕으로 생성된 자연어 이해 모델일 수 있다.
공용 모델에서 사용자 음성에 대한 자연어 이해 수행이 가능한 것으로 식별되면(S640-Y), 전자 장치(100)는 해당 공용 모델을 통해 자연어 이해를 수행하고(S650), 자연어 이해 결과를 바탕으로 어플리케이션 기능을 수행할 수 있다(S680).
한편, 공용 모델에서 사용자 음성에 대한 자연어 이해 수행이 가능하지 않은 경우(S640-N), 전자 장치(100)는 사용자 음성 또는 사용자 음성에 대응되는 텍스트를 서버(200)로 전송할 수 있다(S660). 전자 장치(100) 상에 사용자 음성에 대한 자연어 이해를 수행할 수 있는 자연어 이해 모델이 구비되어 있지 않기 때문에, 전자 장치(100)는 사용자 음성에 대한 자연어 이해를 수행하기 위해 복수의 자연어 이해 모델이 구비된 서버(200)로 사용자 음성 또는 사용자 음성에 대응되는 텍스트를 서버(200)로 전송할 수 있다.
이후, 서버(200)에 포함된 Domain Classifier 모델은 수신된 사용자 음성 또는 사용자 음성에 대응되는 텍스트에 대응되는 도메인을 식별할 수 있다. 서버(200)는 식별된 도메인과 관련된 자연어 이해 모델을 식별하고, 식별된 자연어 이해 모델을 통해 사용자 음성(또는 사용자 음성에 대응되는 텍스트)에 대한 자연어 이해를 수행할 수 있다.
전자 장치(100)는 서버(200)로부터 자연어 이해 결과에 대한 정보를 수신할 수 있다(S670). 이후, 전자 장치(100)는 자연어 이해 결과를 바탕으로 어플리케이션 기능을 수행할 수 있다(S680).
도 7은 본 개시의 일 실시예에 따른, 전자 장치와 서버가 연동하여 사용자 음성에 따른 어플리케이션의 기능을 실행하는 실시예를 설명하기 위한 시퀀스도이다.
우선, 전자 장치(100)는 사용자 음성을 입력받을 수 있다(S710). 전자 장치(100)로 사용자 음성이 입력되면, 전자 장치(100)는 음성 인식 모델을 통해 사용자 음성에 대응되는 텍스트를 획득할 수 있다. 다만, 이에 한정되는 것은 아니며, 사용자 음성에 대한 음성 인식은 외부 장치, 외부 서버 등에서 수행되고, 전자 장치(100)는 외부로부터 사용자 음성에 대응되는 텍스트 데이터를 수신하는 것도 가능하다.
전자 장치(100)는 사용자 음성에 대응되는 도메인을 분류할 수 있다(S720). 구체적으로, 전자 장치(100)는 전자 장치(100)에 포함된 Domain Classifier 모델을 이용하여 획득된 텍스트에 대응되는 도메인을 식별할 수 있다.
전자 장치(100)는 분류된 도메인에 대응되는 어플리케이션이 존재하는지 여부를 판단할 수 있다(S730). 즉, 전자 장치(100)는 분류된 도메인에 대응되는 어플리케이션에 대응되는 자연어 이해 모델이 전자 장치(100) 내에 존재하는지 여부를 판단할 수 있다. 분류된 도메인에 대응되는 어플리케이션이 존재하지 않는 경우(S730-N), 전자 장치(100)는 사용자 음성에 대한 정보를 서버(200)에 전송할 수 있다(S835).
분류된 도메인에 대응되는어플리케이션이 존재하는 것으로 판단되면(S730-Y), 전자 장치(100)는 텍스트에 대응되는 동작 정보가 매핑되어 있는지 여부를 판단할 수 있다(S840). 전자 장치(100)내에 텍스트에 대응되는 동작 정보가 매핑되어 있지 않은 경우(S845-N), 전자 장치(100)는 사용자 음성에 대한 정보 및 어플리케이션에 대한 정보를 서버(200)로 전송할 수 있다(S845).
전자 장치(100) 내에 텍스트에 대응되는 동작 정보가 매핑되어 있는 경우(S845-Y), 전자 장치(100)는 자연어 이해 모델을 바탕으로 동작 정보를 획득할 수 있다(S850). 그리고, 전자 장치(100)는 획득된 동작 정보에 따라 어플리케이션의 기능을 실행할 수 있다(S870).
또는, 서버(200)는 전자 장치(100)로부터 수신된 사용자 음성에 대한 정보(예로, 텍스트 정보) 또는 어플리케이션에 대한 정보를 바탕으로 서버(200) 내에 저장된 자연어 이해 모델을 이용하여 동작 정보를 획득할 수 있다(S860). 그리고, 서버(200)는 획득된 동작 정보를 전자 장치(100)로 전송할 수 있으며(S865), 전자 장치(100)는 획득된 동작 정보에 따라 어플리케이션의 기능을 실행할 수 있다(S870).
한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들은 전자 장치에 구비된 임베디드 서버, 또는 전자 장치 중 적어도 하나의 외부 서버를 통해 수행되는 것도 가능하다.
한편, 본 개시의 일시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
또한, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.
한편, 상술한 다양한 실시 예들에 따른 기기의 프로세싱 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 기기에서의 처리 동작을 특정 기기가 수행하도록 한다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)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 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
한편, 본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
A 및/또는 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.
본 명세서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 어떤 구성요소가 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다. 본 명세서에서, 사용자라는 용어는 단말 장치(또는 단말 장치)를 사용하는 사람 또는 단말 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
100 : 전자 장치 110 : 메모리
120 : 통신 인터페이스 130 : 프로세서
200 : 서버 1000 : 전자 시스템

Claims (18)

  1. 전자 장치에 있어서,
    적어도 하나의 인스트럭션을 저장하는 메모리; 및
    상기 메모리와 연결되어 상기 전자 장치를 제어하는 프로세서;를 포함하고,
    상기 프로세서는, 상기 적어도 하나의 인스트럭션을 실행함으로써,
    상기 전자 장치에 설치된 어플리케이션에 대한 사용 정보를 획득하고,
    상기 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 상기 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득하고,
    상기 어플리케이션과 관련된 사용자 음성이 입력되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 상기 사용자 음성에 대한 자연어 이해를 수행하고,
    상기 수행된 자연어 이해 결과를 바탕으로 상기 어플리케이션의 기능을 수행하는 전자 장치.
  2. 제1항에 있어서,
    회로(Circuitry)를 포함하는 통신 인터페이스;를 더 포함하고,
    상기 프로세서는,
    상기 어플리케이션의 실행 횟수 또는 실행 시간 중 적어도 하나를 포함하는 사용 정보를 획득하고,
    상기 획득된 사용 정보를 외부 서버로 전송하도록 상기 통신 인터페이스를 제어하고,
    상기 통신 인터페이스를 통해 상기 외부 서버로부터 상기 복수의 어플리케이션에 대응되는 복수의 자연어 이해 모델 중 상기 어플리케이션에 대응되는 자연어 이해 모델을 수신하며,
    상기 자연어 이해 모델을 상기 어플리케이션에 맵핑하여 상기 메모리에 저장하는, 전자 장치.
  3. 제2항에 있어서,
    상기 어플리케이션에 대응되는 자연어 이해 모델은,
    상기 사용 정보에 포함된 상기 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 상기 실행 시간이 임계 시간 이상이면, 상기 서버로부터 수신되는, 전자 장치.
  4. 제1항에 있어서,
    상기 어플리케이션은 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보를 매칭하는 리소스 정보를 포함하고,
    상기 프로세서는,
    상기 어플리케이션에 대한 사용 정보가 기설정된 조건을 만족하면, 상기 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보에 기초하여 상기 어플리케이션에 대응되는 자연어 이해 모델을 생성하는, 전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 사용 정보에 기초하여 임계 횟수 이상이거나 임계 시간 이상으로 수행된 상기 어플리케이션의 동작에 대응되는 사용자 음성을 요청하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 요청에 따라 상기 사용자 음성이 입력되면, 상기 입력된 사용자 음성과 충돌(conflict)하는 사용자 음성이 상기 메모리에 저장되어 있는지 여부를 식별하고,
    상기 입력된 사용자 음성과 충돌하는 사용자 음성이 식별되면, 상기 입력된 사용자 음성과 상이한 음성을 요청하고,
    상기 입력된 사용자 음성과 충돌하는 음성 발화가 식별되지 않으면, 상기 입력된 사용자 음성을 상기 어플리케이션의 동작과 맵핑하여 상기 메모리에 저장하는, 전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 어플리케이션이 상기 전자 장치 상에 설치되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청하는, 전자 장치.
  8. 제1항에 있어서,
    상기 자연어 이해 모델은,
    상기 전자 장치를 사용하는 사용자의 음성 발화에 기초하여 생성된 개인(personal) 모델 및 공용 사용자의 음성 발화에 기초하여 생성된 공용(public) 모델 중 적어도 하나를 포함하며,
    상기 프로세서는,
    사용자 음성이 입력되면, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고,
    상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고,
    상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 사용자 음성에 대한 자연어 이해를 수행하기 위해 상기 사용자 음성을 외부 서버로 전송하는, 전자 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 사용 정보에 기초하여 획득된 자연어 이해 모델에 대응되는 사용자 음성이 임계 횟수 이상 입력되지 않으면, 상기 획득된 자연어 이해 모델을 제거하는, 전자 장치.
  10. 전자 장치의 제어 방법에 있어서,
    상기 전자 장치에 설치된 어플리케이션에 대한 사용 정보를 획득하는 단계;
    상기 사용 정보를 바탕으로 복수의 자연어 이해 모델 중 상기 설치된 어플리케이션에 대응되는 자연어 이해 모델을 획득하는 단계;
    상기 어플리케이션과 관련된 사용자 음성이 입력되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 바탕으로 상기 사용자 음성에 대한 자연어 이해를 수행하는 단계; 및
    상기 수행된 자연어 이해 결과를 바탕으로 상기 어플리케이션의 기능을 수행하는 단계;를 포함하는 제어 방법.
  11. 제10항에 있어서,
    상기 사용 정보를 획득하는 단계는,
    상기 어플리케이션의 실행 횟수 또는 실행 시간 중 적어도 하나를 포함하는 사용 정보를 획득하고,
    상기 자연어 이해 모델을 획득하는 단계는,
    상기 획득된 사용 정보를 외부 서버로 전송하고,
    상기 외부 서버로부터 상기 복수의 어플리케이션에 대응되는 복수의 자연어 이해 모델 중 상기 어플리케이션에 대응되는 자연어 이해 모델을 수신하며,
    상기 자연어 이해 모델을 상기 어플리케이션에 맵핑하여 저장하는, 제어 방법.
  12. 제11항에 있어서,
    상기 어플리케이션에 대응되는 자연어 이해 모델은,
    상기 사용 정보에 포함된 상기 어플리케이션의 실행 횟수가 임계 횟수 이상이거나 상기 실행 시간이 임계 시간 이상이면, 상기 서버로부터 수신되는, 제어 방법.
  13. 제10항에 있어서,
    상기 어플리케이션은 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보를 매칭하는 리소스 정보를 포함하고,
    상기 자연어 이해 모델을 획득하는 단계는,
    상기 어플리케이션에 대한 사용 정보가 기설정된 조건을 만족하면, 상기 기설정된 음성 발화에 대한 정보 및 상기 기설정된 음성 발화에 대응되는 동작 정보에 기초하여 상기 어플리케이션에 대응되는 자연어 이해 모델을 생성하는, 제어 방법.
  14. 제10항에 있어서,
    상기 사용 정보에 기초하여 임계 횟수 이상이거나 임계 시간 이상으로 수행된 상기 어플리케이션의 동작에 대응되는 사용자 음성을 요청하는 단계;를 더 포함하는, 제어 방법.
  15. 제14항에 있어서,
    상기 요청에 따라 상기 사용자 음성이 입력되면, 상기 입력된 사용자 음성과 충돌(conflict)하는 사용자 음성이 상기 전자 장치에 기 저장되어 있는지 여부를 식별하고,
    상기 입력된 사용자 음성과 충돌하는 사용자 음성이 식별되면, 상기 입력된 사용자 음성과 상이한 음성을 요청하고,
    상기 입력된 사용자 음성과 충돌하는 음성 발화가 식별되지 않으면, 상기 입력된 사용자 음성을 상기 어플리케이션의 동작과 맵핑하여 저장하는 단계;를 더 포함하는, 제어 방법.
  16. 제10항에 있어서,
    상기 어플리케이션이 상기 전자 장치 상에 설치되면, 상기 어플리케이션에 대응되는 자연어 이해 모델을 외부 서버로 요청하는 단계;를 더 포함하는, 제어 방법.
  17. 제10항에 있어서,
    상기 자연어 이해 모델은,
    상기 전자 장치를 사용하는 사용자의 음성 발화에 기초하여 생성된 개인(personal) 모델 및 공용 사용자의 음성 발화에 기초하여 생성된 공용(public) 모델 중 적어도 하나를 포함하며,
    상기 사용자 음성에 대한 자연어 이해를 수행하는 단계는,
    사용자 음성이 입력되면, 상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고,
    상기 개인 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해를 수행하고,
    상기 공용 모델에서 상기 사용자 음성에 대한 자연어 이해가 수행되지 않으면, 상기 사용자 음성에 대한 자연어 이해를 수행하기 위해 상기 사용자 음성을 외부 서버로 전송하는, 제어 방법.
  18. 제10항에 있어서,
    상기 사용 정보에 기초하여 획득된 자연어 이해 모델에 대응되는 사용자 음성이 임계 횟수 이상 입력되지 않으면, 상기 획득된 자연어 이해 모델을 제거하는 단계;를 더 포함하는, 제어 방법.
KR1020200041470A 2019-06-26 2020-04-06 전자 장치 및 그 제어 방법 KR20210001905A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP20181461.3A EP3757991A1 (en) 2019-06-26 2020-06-22 Electronic apparatus and control method thereof
PCT/KR2020/008229 WO2020262958A1 (en) 2019-06-26 2020-06-24 Electronic apparatus and control method thereof
US16/913,310 US11532305B2 (en) 2019-06-26 2020-06-26 Electronic apparatus and control method thereof
CN202010597082.8A CN112230874A (zh) 2019-06-26 2020-06-28 电子装置及其控制方法
US17/984,286 US20230083230A1 (en) 2019-06-26 2022-11-10 Electronic apparatus and control method thereof

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201962866716P 2019-06-26 2019-06-26
US62/866,716 2019-06-26
US201962889229P 2019-08-20 2019-08-20
US62/889,229 2019-08-20
KR1020190179747A KR20210001864A (ko) 2019-06-26 2019-12-31 전자 장치 및 그 제어 방법
KR1020190179747 2019-12-31

Publications (1)

Publication Number Publication Date
KR20210001905A true KR20210001905A (ko) 2021-01-06

Family

ID=74128217

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200041470A KR20210001905A (ko) 2019-06-26 2020-04-06 전자 장치 및 그 제어 방법

Country Status (1)

Country Link
KR (1) KR20210001905A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024005364A1 (ko) * 2022-06-30 2024-01-04 삼성전자 주식회사 음성 입력에 기초하여 가전 기기를 제어하는 방법 및 그에 따른 가전 기기

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024005364A1 (ko) * 2022-06-30 2024-01-04 삼성전자 주식회사 음성 입력에 기초하여 가전 기기를 제어하는 방법 및 그에 따른 가전 기기

Similar Documents

Publication Publication Date Title
KR102414122B1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 동작 방법
US11024300B2 (en) Electronic device and control method therefor
US20180315427A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
WO2015169134A1 (en) Method and apparatus for phonetically annotating text
US20230083230A1 (en) Electronic apparatus and control method thereof
US11322136B2 (en) System and method for multi-spoken language detection
US20190019509A1 (en) Voice data processing method and electronic device for supporting the same
US10911910B2 (en) Electronic device and method of executing function of electronic device
KR20200046188A (ko) 인공 지능 모델을 재구성하기 위한 전자 장치 및 그의 제어 방법
US20230177398A1 (en) Electronic apparatus and control method thereof
US11961013B2 (en) Method and apparatus for artificial intelligence model personalization
US20240129567A1 (en) Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system
EP3783606B1 (en) Electronic device and method for controlling the electronic device
US10952075B2 (en) Electronic apparatus and WiFi connecting method thereof
US9325576B2 (en) Dynamic server to server configuration and initialization
US11705110B2 (en) Electronic device and controlling the electronic device
KR20210001905A (ko) 전자 장치 및 그 제어 방법
US20210035575A1 (en) Electronic apparatus, and method of controlling to execute function according to voice command thereof
US11817097B2 (en) Electronic apparatus and assistant service providing method thereof
KR20210001864A (ko) 전자 장치 및 그 제어 방법
RU2792288C1 (ru) Электронное устройство и способ управления им
KR20210078122A (ko) 정보 처리 방법 및 정보 처리 장치
KR102487078B1 (ko) 허브 디바이스, 허브 디바이스 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템 및 그 동작 방법
JP7146933B2 (ja) 情報提供装置
US20220223141A1 (en) Electronic apparatus and method for controlling thereof

Legal Events

Date Code Title Description
A201 Request for examination