KR20210039608A - Recording Medium - Google Patents
Recording Medium Download PDFInfo
- Publication number
- KR20210039608A KR20210039608A KR1020190122040A KR20190122040A KR20210039608A KR 20210039608 A KR20210039608 A KR 20210039608A KR 1020190122040 A KR1020190122040 A KR 1020190122040A KR 20190122040 A KR20190122040 A KR 20190122040A KR 20210039608 A KR20210039608 A KR 20210039608A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- user
- image item
- expression image
- text
- Prior art date
Links
- 230000014509 gene expression Effects 0.000 claims abstract description 142
- 238000004458 analytical method Methods 0.000 claims abstract description 65
- 230000008451 emotion Effects 0.000 claims abstract description 41
- 230000006870 function Effects 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 230000002996 emotional effect Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000036651 mood Effects 0.000 claims abstract description 9
- 238000009795 derivation Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 5
- 230000035484 reaction time Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 206010011469 Crying Diseases 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 235000003642 hunger Nutrition 0.000 description 4
- 238000007637 random forest analysis Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000994 depressogenic effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Transfer Between Computers (AREA)
Abstract
Description
본 발명은 기록매체에 관한 것이다. 보다 구체적으로, 본 발명은 사용자와 상대방의 메시지, 즉 텍스트와 의사 표현 이미지 아이템을 분석하고, 이에 대응하는 의사 표현 이미지 아이템을 제공하는 메시지 처리를 위한 프로그램을 기록한 기록매체에 관한 것이다.The present invention relates to a recording medium. More specifically, the present invention relates to a recording medium recording a program for processing a message that analyzes a user's and a counterpart's message, that is, a text and an expression image item, and provides a corresponding expression image item.
채팅서비스와 같은 메시지 서비스에 있어서, 사용자들의 감정을 나타내기 위해, 이모티콘이나 이모지 등의 다양한 형태의 표현 방식이 이용되고 있다.In a message service such as a chat service, various types of expression methods such as emoticons and emojis are used to express the emotions of users.
이모티콘은 채팅 서비스에서 서비스 사용자들의 감정을 나타내기 위해 사용하는 기호로써, 감정(Emotion)과 아이콘(Icon)을 합성한 용어이며, 초창기의 이모티콘은 키보드에 있는 각종 기호와 문자의 단순 조합으로 만들어졌지만, 최근에는 다양한 형태의 캐릭터 이미지를 통해 사용자의 감정을 나타내는 형태로 발전하였다.Emoticons are symbols used to express the emotions of service users in the chat service, and are a term that combines emotion and icon, and in the early days, emoticons were made with a simple combination of various symbols and letters on the keyboard. , Recently, it has developed into a form that expresses the user's emotions through various types of character images.
또한, 이모지는 문자 조합에 기반한 이모티콘 방식과는 달리, 플랫폼 시스템의 글꼴 형태로 내재시킨 그림 문자를 출력하는 방식으로서, 입력된 이모지 코드에 대응하는 감정 표현 이미지가 출력되는 방식이 예시되고 있다.In addition, the emoji is a method of outputting emoji embedded in the font form of the platform system, unlike an emoticon method based on a character combination, and a method of outputting an emotional expression image corresponding to an input emoji code is exemplified.
이러한 이모지 및 이모티콘에 대한 서비스 사용자들의 수요가 증가하면서, 메시지 서비스에 다양한 종류의 이미지 아이템들을 지정하여 서비스 사용자들에게 제공하는 것이 일반화되었다.As the demand of service users for such emojis and emoticons increases, it has become common to designate various types of image items in a message service and provide them to service users.
기존 채팅서비스는 사용자가 대화 내용을 입력하다가 이모지 및 이모티콘 선택 창을 열어 적당한 것을 선택하여 입력하였으나 최근 그 과정을 더욱 편리하게 하고자 사용자가 입력한 텍스트가 자동으로 이모지 또는 이모티콘으로 변환되어 표시되는 기술이 개발되기도 했다.In the existing chat service, the user entered the conversation content and opened the emoji and emoticon selection window and selected and entered the appropriate one. However, in order to make the process more convenient, the text entered by the user is automatically converted to emoji or emoticon and displayed. Technology has also been developed.
그러나, 이러한 종래 기술은 단순히 특정 키워드가 입력되면 이를 미리 매칭된 이모티콘으로 변환하여 표시하는 것에 불과하기 때문에, 대화의 내용이나 문맥, 감정상태와는 전혀 무관하고, 대화 상황에 비추어 적절하지 못한 방식으로 표시되는 일도 허다하다.However, since such a conventional technique simply converts and displays a specific keyword into a pre-matched emoticon when a specific keyword is input, it is completely irrelevant to the content, context, and emotional state of the conversation, and in an inappropriate manner in the light of the conversation situation. There are also many things displayed.
이에 따라, 단순한 키워드 매칭을 통한 이모지, 이모티콘 변환 기술을 넘어 사용자의 감정상태와 대화 문맥을 고려하여 보다 적절한 이모지 및 이모티콘을 추천하는 등의 기술 개발이 필요한 실정이다.Accordingly, there is a need to develop technologies such as recommending more appropriate emojis and emoticons in consideration of the user's emotional state and conversation context, beyond simple keyword matching technology to convert emoji and emoticons.
본 발명은 상기한 바와 같은 문제점을 해결하고자 안출된 것으로, 사용자와 채팅 상대간에 대화를 입력하여 서로 주고 받는 메시지에서 이모지 및 이모티콘 등을 추천할 수 있도록 하되, 추천되는 이모지 및 이모티콘 등은 사용자의 감정 상태 및 메시지의 대화 문맥을 고려하여 의사 표현 이미지 아이템이 추천되도록 하는 메시지 처리를 위한 프로그램을 기록한 기록매체를 제공하는데 그 목적이 있다.The present invention was conceived to solve the above-described problems, and it is possible to recommend emojis and emoticons in messages exchanged with each other by entering a conversation between a user and a chat partner, but recommended emojis and emoticons are used by the user. It is an object of the present invention to provide a recording medium recording a program for processing a message in which an image item for expression of expression is recommended in consideration of the emotional state of the person and the dialogue context of the message.
상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 의사 표현 이미지 아이템을 분석 및 제공하는 메시지 처리를 위한 프로그램을 기록한 기록매체는, 사용자 단말 상호간 또는 사용자 단말들에 의해 생성된 그룹 내에서 채팅 인터페이스를 통해 송수신되는 메시지인 텍스트 정보 및 의사 표현 이미지 아이템 정보를 추출하고, 추출된 텍스트 정보 및 의사 표현 이미지 아이템 정보에서 사용자의 의사 표현, 감정의 분석을 실행하며, 분석된 정보를 기반으로 대화의 전체 문맥을 파악하는 메시지 박스 정보 추출 분석 기능; 사용자 프로필 사진 정보, 사용자 성별 정보, 사용자 상태 알림말 정보 중 적어도 어느 하나 이상의 정보를 기반으로 사용자의 외향적 특징, 사용자의 관심 요소, 사용자의 기분을 추출하고, 추출된 정보를 기반으로 사용자의 감정 상태 및 성향을 분석하는 사용자 정보 추출 분석 기능; 및 상기 메시지 박스 정보 추출 분석 단계 및 사용자 정보 추출 분석 단계로부터 추출 및 분석된 텍스트 정보, 의사 표현 이미지 아이템 정보 및 사용자 정보를 기반으로 의사 표현 이미지 아이템 생성 학습에 입력될 요소별 속성 정보인 텍스트 정보, 의사 표현 종류 정보, 이미지 타입 정보, 의사 표현과 매칭되는 이미지 정보, 다수명의 사용자별 이용 횟수 정보, 사용자 정보와 매칭되는 이미지 정보 및 피드백 처리 정보를 도출하는 요소 도출 기능; 을 포함한다.A recording medium recording a program for processing a message that analyzes and provides an expression image item according to an embodiment of the present invention for solving the above-described problems is provided between user terminals or within a group created by the user terminals. Text information and expression image item information, which are messages transmitted and received through the chat interface, are extracted, user expression and emotion are analyzed from the extracted text information and expression image item information, and dialogue is based on the analyzed information. Message box information extraction analysis function to grasp the entire context of; Extracts the user's extroverted characteristics, the user's interest factor, and the user's mood based on at least any one or more of user profile picture information, user gender information, and user status notification information, and based on the extracted information, the user's emotional state and User information extraction analysis function to analyze propensity; And text information, which is attribute information for each element to be input for learning to generate a pseudo-expression image item based on the text information extracted and analyzed from the message box information extraction and analysis step and the user information extraction and analysis step, and the expression image item information and user information. An element derivation function for deriving information on the type of expression of intention, information on the type of image, information on the image matching the expression, information on the number of times of use of a plurality of users, information on the image information matching the user information, and information on feedback processing; Includes.
또한, 본 발명의 또 다른 실시 예에 따른 의사 표현 이미지 아이템을 분석 및 제공하는 메시지 처리를 위한 프로그램을 기록한 기록매체는, 상기 요소 도출 단계로부터 도출된 요소별 속성 정보를 반복적으로 학습하여 사용자 예상 답변, 사용자별 의사 표현 이미지 아이템 선호도, 사용자와 채팅 상대와의 관계, 금일 또는 금주 대화 트렌드 및 사용자별 추천 답변 중 적어도 어느 하나를 포함하는 의사 표현 이미지 아이템 초기 모델을 분석하는 도출 요소 학습 기능; 상기 도출 요소 학습 단계로부터 학습 및 분석처리된 의사 표현 이미지 아이템 초기 모델을 기반으로 대화 문맥에 맞는 의사 표현 이미지 아이템을 생성하여 사용자에게 텍스트, 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트와 이모지 및 이모티콘이 결합된 형태의 의사 표현 이미지 아이템을 추천해주는 의사 표현 이미지 아이템 생성 및 추천 기능; 및 상기 의사 표현 이미지 아이템 생성 및 추천 단계로부터 생성 및 추천된 의사 표현 이미지 아이템의 정확도를 분석하여 이에 대한 산출 결과값을 나타내며, 상기 산출 결과값은 의미의 강조, 감정의 강도, 중요도, 기분, 상황, 환경에 따른 하이라이트 표시, 음영표시, 그라데이션 표시, 애니메이팅, 다수 개의 효과 기능 중 적어도 어느 하나 이상으로 차등표현하여 사용자에게 정확도가 반영된 의사 표현 이미지 아이템을 추천하는 정확도 분석 및 반영 의사 표현 이미지 아이템 추천 기능;을 포함한다.In addition, a recording medium recording a program for processing a message that analyzes and provides an expression image item according to another embodiment of the present invention repeatedly learns attribute information for each element derived from the element derivation step, and the user expected response , A derivation factor learning function for analyzing an initial model of an intentional expression image item including at least one of a user's opinion expression image item preference, a relationship between a user and a chat partner, today's or this week's conversation trend, and a recommendation answer for each user; A pseudo-expression image item in the form of text, emoji, or emoticon, or text and emoji by creating a pseudo-expression image item that fits the dialogue context based on the initial model of the pseudo-expression image item learned and analyzed from the derivation element learning step. And a function of generating and recommending a pseudo-expression image item for recommending a pseudo-expression image item in which an emoticon is combined. And the accuracy of the pseudo-expression image item generated and recommended from the step of generating and recommending the pseudo-expression image item is analyzed to indicate a calculated result value, and the calculated result value is the emphasis of meaning, intensity of emotion, importance, mood, and situation. , By differentially expressing at least one or more of the highlight display, shadow display, gradation display, animation, and multiple effect functions according to the environment, accuracy analysis and reflection expression image items are recommended to recommend the expression image item reflecting the accuracy to the user Function; includes.
본 발명의 실시 예에 따르면, 대화 상황과 문맥을 고려한 다양한 형태의 피드백 아이템이 추천되어 단순히 키워드 매칭을 통해 자동추천하는 공지의 알고리즘에 비해여 대화의 상황이나 문맥을 고려함으로써 피드백 아이템 추천의 적절성이 담보되는 효과가 있다.According to an embodiment of the present invention, various types of feedback items are recommended in consideration of the conversation situation and context, and the appropriateness of the feedback item recommendation is improved by considering the context or context of the conversation compared to a known algorithm that automatically recommends automatically through keyword matching. There is a collateral effect.
또한, 대화 내용을 통해 감정 및 대화 문맥을 고려함으로써 직전 발화 내에 표층적으로는 나타나지 않으나 내포되어 있는 감정을 고려할 수 있으며, 발화 자체만으로 표현되지 못한 감정을 보충할 수 있다.In addition, by considering the emotion and the dialogue context through the dialogue content, emotions that do not appear superficially in the immediately preceding utterance, but contained emotions, can be considered, and emotions that cannot be expressed by the utterance itself can be supplemented.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 도면이다.
도 2는 본 발명의 실시 예에 따른 서비스 제공 장치를 보다 구체적으로 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 의사 표현 이미지 아이템 분석 및 추천부를 보다 구체적으로 도시한 블록도이다.
도 4는 본 발명의 실시 예에 따른 의사 표현 이미지 아이템 추천 방법을 설명하기 위한 흐름도이다.
도 5 내지 도 28은 본 발명의 실시 예에 따라 제공되는 메시지 인터페이스를 설명하기 위한 도면들이다.1 is a diagram schematically showing an entire system according to an embodiment of the present invention.
2 is a block diagram showing a service providing apparatus according to an embodiment of the present invention in more detail.
3 is a block diagram showing in more detail a unit for analyzing and recommending an expression image item according to an exemplary embodiment of the present invention.
4 is a flowchart illustrating a method of recommending an expression image item according to an embodiment of the present invention.
5 to 28 are diagrams for explaining a message interface provided according to an embodiment of the present invention.
이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.The following content merely exemplifies the principles of the present invention. Therefore, those skilled in the art can implement the principles of the present invention and invent various devices included in the concept and scope of the present invention, although not clearly described or illustrated herein. In addition, it is understood that all conditional terms and examples listed in this specification are, in principle, expressly intended only for the purpose of making the concept of the present invention understood, and are not limited to the embodiments and states specifically listed as such. It should be.
또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.In addition, it is to be understood that all detailed descriptions listing specific embodiments as well as principles, aspects and embodiments of the present invention are intended to include structural and functional equivalents of these matters. It should also be understood that these equivalents include not only currently known equivalents, but also equivalents to be developed in the future, that is, all devices invented to perform the same function regardless of the structure.
따라서, 예를 들어, 본 명세서의 블럭도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.Thus, for example, the block diagrams herein are to be understood as representing a conceptual perspective of exemplary circuits embodying the principles of the invention. Similarly, all flowcharts, state transition diagrams, pseudocodes, etc. are understood to represent the various processes performed by a computer or processor, whether or not the computer or processor is clearly depicted and that can be represented substantially in a computer-readable medium. It should be.
또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.In addition, the explicit use of terms presented as processor, control, or similar concepts should not be interpreted exclusively by quoting hardware capable of executing software, and without limitation, digital signal processor (DSP) hardware, ROM for storing software. It should be understood to implicitly include (ROM), RAM (RAM) and non-volatile memory. Other commonly used hardware may also be included.
상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.The above-described objects, features, and advantages will become more apparent through the following detailed description in connection with the accompanying drawings, whereby those of ordinary skill in the technical field to which the present invention pertains can easily implement the technical idea of the present invention. There will be. In addition, in describing the present invention, when it is determined that a detailed description of a known technology related to the present invention may unnecessarily obscure the subject matter of the present invention, a detailed description thereof will be omitted.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.Hereinafter, a preferred embodiment according to the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 도면이다.1 is a diagram schematically showing an entire system according to an embodiment of the present invention.
도 1을 참조하면 본 발명의 일 실시 예에 따른 시스템은 복수의 사용자 단말(100) 및 서비스 제공 장치(200)를 포함할 수 있다.Referring to FIG. 1, a system according to an embodiment of the present invention may include a plurality of user terminals 100 and a service providing apparatus 200.
보다 구체적으로, 사용자 단말(100)들 및 서비스 제공 장치(200)는 네트워크를 통해 유선 또는 무선으로 연결될 수 있으며, 네트워크간 상호간 통신을 위해 각 사용자 단말(100) 및 서비스 제공 장치(200)는 인터넷 네트워크, LAN, WAN, PSTN(Public Switched Telephone Network), PSDN(Public Switched Data Network), 케이블 TV 망, WIFI, 이동 통신망 및 기타 무선 통신망 등을 통하여 데이터를 송수신할 수 있다. 또한, 각 사용자 단말(100) 및 서비스 제공 장치(200)는 각 통신망에 상응하는 프로토콜로 통신하기 위한 각각의 통신 모듈을 포함할 수 있다.More specifically, the user terminals 100 and the service providing device 200 may be wired or wirelessly connected through a network, and each user terminal 100 and the service providing device 200 may be connected to the Internet for communication between networks. Data can be transmitted and received through a network, LAN, WAN, Public Switched Telephone Network (PSTN), Public Switched Data Network (PSDN), cable TV network, WIFI, mobile communication network, and other wireless communication networks. In addition, each user terminal 100 and the service providing apparatus 200 may include respective communication modules for communicating with a protocol corresponding to each communication network.
그리고, 본 명세서에서 설명되는 사용자 단말(100)에는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 등이 포함될 수 있으나, 본 발명은 이에 한정되지 아니하며 그 이외에 사용자 입력 및 정보 표시 등이 가능한 다양한 장치일 수 있다.In addition, the user terminal 100 described in the present specification includes a mobile phone, a smart phone, a laptop computer, a terminal for digital broadcasting, a personal digital assistant (PDA), a portable multimedia player (PMP), and a navigation system. Although it may be included, the present invention is not limited thereto, and may be various devices capable of user input and information display.
이와 같은 시스템에 있어서, 사용자 단말(100)은 서비스 제공 장치(200)와 연결되어 사용자 단말과의 메시지 인터페이스 서비스를 제공받을 수 있다.In such a system, the user terminal 100 may be connected to the service providing device 200 to receive a message interface service with the user terminal.
이러한 처리를 위해, 서비스 제공 장치(200)는 사용자 단말(100)로 메시지 인터페이스를 제공하고, 상기 메시지 인터페이스를 통해 수신된 메시지를 사용자 단말로 전달하거나, 사용자 단말로부터 수신된 메시지를 사용자 단말(100)로 전달하는 처리를 수행할 수 있다.For this processing, the service providing device 200 provides a message interface to the user terminal 100, and transmits a message received through the message interface to the user terminal, or transmits a message received from the user terminal to the user terminal 100. ) Can be performed.
예를 들어, 서비스 제공 장치(200)는 채팅 서버 장치일 수 있으며, 사용자 단말(100)은 채팅 어플리케이션이 설치된 휴대용 단말일 수 있고, 서비스 제공 장치(200)는 각 사용자 단말 상호간 또는 사용자 단말들에 의해 생성된 그룹 내에서의 채팅 인터페이스를 제공하고, 상기 채팅 인터페이스를 통해 송수신되는 메시지를 중계 및 보관 처리할 수 있다.For example, the service providing device 200 may be a chat server device, the user terminal 100 may be a portable terminal with a chat application installed, and the service providing device 200 may be used between each user terminal or between user terminals. A chat interface within a group created by the chat interface may be provided, and messages transmitted and received through the chat interface may be relayed and stored.
서비스 제공 장치(200)에서 처리되는 메시지는 다양한 메시지 컨텐츠를 포함할 수 있으며, 상기 컨텐츠는 이메일, 단문 또는 장문 문자 메시지 포맷의 데이터를 포함할 수 있고, 서비스 제공 장치(200)는 상기 메시지 컨텐츠를 이동 통신망 또는 전용 인터넷망을 통해 상기 이메일, 단문 또는 장문 문자 메시지 포맷의 데이터를 전송할 수 있다.The message processed by the service providing device 200 may include various message content, the content may include data in an email, short or long text message format, and the service providing device 200 may include the message content. Data in the e-mail, short or long text message format may be transmitted through a mobile communication network or a dedicated Internet network.
한편, 서비스 제공 장치(200)는 통신 프로토콜 변환, 파일(File) 서버, 콜렉트(Collect) 서버, 푸시 게이트웨이(Gateway) 서버, 전송 서버, 어카운트 서버, 어드민 서버, 수신 서버, 변환 서버, 메시징 서버, 푸시(push) 수신 서버, 푸시 발송 서버 기능 등의 전반적인 역할을 수행하는 서버 장치로 구현될 수 있다.Meanwhile, the service providing device 200 includes a communication protocol conversion, a file server, a collect server, a push gateway server, a transmission server, an account server, an administration server, a reception server, a conversion server, a messaging server, It may be implemented as a server device that performs an overall role such as a push receiving server and a push sending server function.
또한, 사용자 단말(100)과 서비스 제공 장치(200)가 접속된 통신 네트워크가 각각 상이한 네트워크일 수 있으며, 이에 따라 서비스 제공 장치(200)는 각 네트워크 프로토콜에 따른 데이터 변환 처리를 제공할 수 있다. 그리고, 서비스 제공 장치(200)는 필요에 따라 메시지 정보의 전부 또는 일부를 암호화하여 관리할 수 있다.In addition, communication networks to which the user terminal 100 and the service providing device 200 are connected may be different networks, and accordingly, the service providing device 200 may provide data conversion processing according to each network protocol. In addition, the service providing device 200 may encrypt and manage all or part of the message information as necessary.
또한, 본 발명의 실시 예에 따른 서비스 제공 장치(200)는 사용자 단말(100)로 메시지 서비스에 따라 처리되는 다양한 부가 정보 및 기능을 제공할 수 있고, 서비스 가입 및 제휴 처리를 제공하거나, 금융 서버와 통신하여 복수의 사업자 서버와의 제휴 서비스를 제공하기 위한 과금 처리 등을 더 수행할 수 있다.In addition, the service providing apparatus 200 according to an embodiment of the present invention may provide various additional information and functions processed according to a message service to the user terminal 100, provide service subscription and affiliate processing, or provide a financial server. It is possible to further perform billing processing and the like for providing an alliance service with a plurality of service provider servers by communicating with.
또한, 사용자 단말(100)에는 별도의 어플리케이션이 설치될 수 있으며, 별도의 제어부(미도시), 저장부(미도시), 출력부(미도시) 및 통신부(미도시)를 포함하는 일반적인 휴대 단말의 구성을 기본적으로 포함할 수 있다.In addition, a separate application may be installed in the user terminal 100, and a general portable terminal including a separate control unit (not shown), a storage unit (not shown), an output unit (not shown), and a communication unit (not shown) It can basically include the composition of.
이와 같은 시스템을 통해, 서비스 제공 장치(200)가 메시지 인터페이스를 통해 송수신되는 메시지 컨텐츠의 중계 서비스를 제공함에 있어서, 상기 메시지 인터페이스에는 텍스트 또는 텍스트, 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 이모지 및 이모티콘에 텍스트가 결합된 형태의 의사 표현 이미지 아이템이 포함될 수 있다.Through such a system, when the service providing device 200 provides a relay service of message content transmitted and received through a message interface, the message interface includes a text or text, an emoji, an expression image item in the form of an emoticon, or an emoji. And an expression image item in which text is combined with an emoticon.
의사 표현 이미지 아이템은 사용자의 감정, 기분, 상태 및 기타 표현하고자 하는 의사를 나타내는 이미지 및 텍스트를 포함할 수 있으며, 상기 이미지는 예를 들어, 특정 의사 표현 정보에 매칭되는 그림 문자 이모지 포맷, 문자 이모티콘 포맷 또는 별도 지정된 그림 파일 포맷, 또는 움직임을 허용하는 파일 포맷의 데이터로 구성될 수 있다. 또한, 의사 표현 정보는 감정, 기분, 상태 또는 기타 의사를 키워드와, 부가 설명을 나타내는 데이터를 포함할 수 있으며, 하나의 이미지에는 하나 이상의 키워드와, 부가 설명을 표현하는 데이터가 매칭될 수 있다. 상기 의사 표현 이미지 아이템은 사용자와 채팅 상대와의 대화 문맥을 기반으로 장치 내에서 학습을 통하여 자동 형성될 수 있다.The expression image item may include images and texts representing the user's emotions, moods, states, and other intentions to be expressed, and the image includes, for example, a pictograph emoji format matching specific expression information, and a character It may be composed of data in an emoticon format, a separately designated picture file format, or a file format that allows movement. In addition, the expression information may include keywords indicating emotions, moods, states, or other intentions, and data representing additional descriptions, and one or more keywords and data representing additional descriptions may be matched to one image. The expression image item may be automatically formed through learning in a device based on a conversation context between a user and a chat partner.
이에 따라, 서비스 제공 장치(200)는 의사 표현 정보와 텍스트 및 이미지를 융합하고, 융합된 정보를 의사 표현 이미지 아이템으로서 저장 및 관리할 수 있으며, 서비스 제공 장치(200)는 의사 표현 이미지 아이템 리스트를 생성하여 사용자 단말(100)에서 출력되는 메시지 인터페이스를 통해 제공할 수 있다.Accordingly, the service providing device 200 may fuse the intentional expression information with the text and image, and store and manage the fused information as the intentional expression image item, and the service providing device 200 may generate a list of intentional expression image items. It can be generated and provided through a message interface output from the user terminal 100.
사용자 단말(100)은 사용자가 상기 메시지 인터페이스를 통해 메시지를 입력하거나, 상기 의사 표현 이미지 아이템 리스트에서 원하는 텍스트, 이모지 또는 이모티콘 형태의 의사 표현 이미지 아이템 또는 이모지 및 이모티콘에 텍스트가 결합된 형태의 의사 표현 이미지 아이템을 선택하여 입력할 수 있으며, 입력된 의사 표현 이미지 아이템을 포함하는 메시지가 다른 사용자 단말로 전달되거나, 그룹 채팅방에 게시물로서 등록될 수 있다.The user terminal 100 is a form in which a user inputs a message through the message interface, or a text item in the form of a desired text, an emoji, or an emoticon in the expression image item list, or a text combined with an emoji and emoticon The intention expression image item may be selected and input, and a message including the input expression image item may be delivered to another user terminal or registered as a post in a group chat room.
그리고, 서비스 제공 장치(200)는 상기 사용자 단말(100)의 메시지 인터페이스에서 입력된 의사 표현 이미지 아이템 리스트에서 입력된 의사 표현 이미지 아이템들에 대응하는 학습을 수행하여 의사 표현 이미지 아이템을 생성 및 추천할 수 있으며, 생성된 의사 표현 이미지 아이템에 대한 정확도를 분석하여 정확도가 반영된 의사 표현 이미지 아이템을 생성하고 이를 새로이 사용자에게 추천할 수 있다.In addition, the service providing device 200 generates and recommends a pseudo-expression image item by performing learning corresponding to the pseudo-expression image items input from the pseudo-expression image item list input from the message interface of the user terminal 100. In addition, by analyzing the accuracy of the generated pseudo-expression image item, a pseudo-expression image item reflecting the accuracy may be generated, and this may be newly recommended to the user.
도 2는 본 발명의 실시 예에 따른 서비스 제공 장치를 보다 구체적으로 도시한 블록도이며, 도 3은 본 발명의 실시 예에 따른 의사 표현 이미지 아이템 분석 및 추천부를 보다 구체적으로 도시한 블록도이다.FIG. 2 is a block diagram showing a service providing apparatus according to an embodiment of the present invention in more detail, and FIG. 3 is a block diagram showing a pseudo expression image item analysis and recommendation unit according to an embodiment of the present invention in more detail.
도 2 및 도 3을 참조하면, 서비스 제공 장치(200)는 제어부(210), 통신부(220), 메시지 인터페이스부(225), 의사 표현 이미지 아이템 분석 및 추천부(230), 데이터베이스(240), 의사 표현 이미지 아이템 관리부(250)를 포함할 수 있다.2 and 3, the service providing apparatus 200 includes a control unit 210, a communication unit 220, a message interface unit 225, an expression image item analysis and
제어부(210)는 각 모듈의 전반적인 동작을 제어하여, 본 발명의 실시 예에 따른 서비스 제공 방법에 따른 동작 처리를 제공하며, 이를 위한 하나 이상의 마이크로 프로세서를 포함할 수 있다.The control unit 210 controls the overall operation of each module to provide operation processing according to the service providing method according to an embodiment of the present invention, and may include one or more microprocessors for this purpose.
통신부(220)는 사용자 단말기(100) 또는 서비스 제공 장치(200)가 위치한 네트워크 사이의 유선 또는 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 예를 들어, 통신부(220)는 이동통신 모듈, 유선 인터넷 모듈, 무선 인터넷 모듈, 근거리 통신 모듈 중 적어도 하나를 포함할 수 있다.The communication unit 220 may include one or more modules that enable wired or wireless communication between networks in which the user terminal 100 or the service providing device 200 is located. For example, the communication unit 220 may include at least one of a mobile communication module, a wired Internet module, a wireless Internet module, and a short-range communication module.
그리고, 메시지 인터페이스부(225)는 본 발명의 실시 예에 따른 서비스를 이용하는 사용자들에 대응하여 사용자 정보를 등록하고, 송수신되는 메시지를 중계, 저장 및 관리할 수 있다. 사용자 정보는 메시지를 송수신하는 사용자 식별 정보를 포함할 수 있으며, 사용자 정보는 사용자 단말기(100)로부터 수신되는 사용자 정보 등록 또는 갱신 요청에 따라 신규 등록, 갱신 및 관리될 수 있다. 또한, 사용자 정보의 전부 또는 일부 정보는 암호화되어 저장될 수 있다.In addition, the message interface unit 225 may register user information in response to users using a service according to an embodiment of the present invention, and relay, store, and manage transmitted/received messages. The user information may include user identification information for transmitting and receiving messages, and the user information may be newly registered, updated, and managed according to a user information registration or update request received from the user terminal 100. In addition, all or part of the user information may be encrypted and stored.
한편, 데이터베이스(240)는 각 구성요소들의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들(예를 들어, 텍스트 또는 텍스트, 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 이모지 및 이모티콘에 텍스트가 결합된 형태의 의사 표현 이미지 아이템 등)을 저장할 수도 있으며, 학습 처리를 위해 별도 분류된 데이터베이스를 저장 및 관리할 수도 있다.Meanwhile, the
의사 표현 이미지 아이템 관리부(250)는 데이터베이스(240)를 통해 저장되는 의사 표현 이미지 아이템들을 그 분류 정보에 따라 매칭시켜 저장 및 관리할 수 있다. 상기 분류 정보는 이미지 아이템의 각 요소별 속성 정보를 포함할 수 있으며, 요소별 속성 정보는 예를 들어, 의사 표현 종류 정보, 이미지 타입 정보, 의사 표현과 매칭되는 이미지 정보, 다수명의 사용자별 이용 횟수 정보, 사용자 정보와 매칭되는 이미지 정보 및 피드백 처리 정보 등이 예시될 수 있다.The pseudo-expression image
그리고, 의사 표현 이미지 아이템 관리부(250)는 사용자가 입력한 텍스트 메시지 및 이모지, 이모티콘 메시지 또는 텍스트와 이모지 및 이모티콘이 결합된 메시지가 메시지 인터페이스부(225)를 통해 제공된 경우, 이를 수신하여 의사 표현 이미지 아이템의 분류 정보에 적용할 수 있다.In addition, when a text message and an emoji, an emoticon message, or a message in which the text and an emoji and an emoticon are combined are provided through the message interface unit 225, the expression image
의사 표현 이미지 아이템 분석 및 추천부(230)는 전처리기(10) 및 의사 표현 이미지 아이템 생성 학습 엔진(20)을 포함하여 구성된다.The pseudo-expression image item analysis and
전처리기(10)는 적어도 메시지 박스 추출 분석 모듈(11), 사용자 정보 추출 분석 모듈(12) 및 요소 도출 모듈(13)을 포함할 수 있다.The
메시지 박스 정보 추출 분석 모듈(11)은 사용자 단말(100)을 통해 채팅 서비스를 이용하는 사용자의 메시지 박스에 포함된 정보들을 추출하고 이를 분석하는 기능을 수행한다. 이때 메시지 박스 정보는 사용자가 입력한 텍스트 정보 및 의사 표현 이미지 아이템 정보를 포함할 수 있으며, 메시지 박스 정보 추출 분석 모듈(11)은 메시지 박스 정보를 분석시 메시지 박스 전체의 대화 문맥 분석을 수행할 수 있고, 대화 문맥은 사용자가 직접 범위를 지정하여 분석되도록 하거나 또는 서비스 제공 장치(200)에서 범위를 자동으로 인지하여 분석되도록 한다.The message box information extraction analysis module 11 extracts and analyzes information included in a message box of a user who uses a chat service through the user terminal 100. At this time, the message box information may include text information and expression image item information input by the user, and the message box information extraction analysis module 11 may perform a conversation context analysis of the entire message box when analyzing the message box information. In addition, the dialogue context allows the user to directly designate a range and analyze it, or the service providing device 200 automatically recognizes and analyzes the range.
이때, 상기 메시지 박스 정보 추출 분석 모듈(11)은 메시지 박스에 포함된 텍스트 정보 및 의사 표현 이미지 아이템 정보 분석시 문장의 형태, 감정 기호, 사용자와 채팅 상대가 메시지를 보낸 시간 및 반응 시간 등을 분석할 수 있고, 이를 통해 메시지 박스 정보 추출 분석 모듈(11)은 입력된 메시지가 이어지는 문장인지 또는 나누어 전송되는 문장인지를 파악할 수 있으며, 불완전한 메시지, 예를 들어, 도 7과 같이 채팅 상대가 한 문장을 "w", "h", "a", "t", "happened?" 라고 나누어 전송했을 경우 이를 문장의 형태, 감정 기호, 사용자와 채팅 상대가 메시지를 보낸 시간 및 반응 시간 등을 기반으로 분석하여 "What happened?" 이라는 완전한 메시지로 조합하여 해석할 수 있도록 한다.At this time, the message box information extraction analysis module 11 analyzes the text information and the expression image item information included in the message box, the form of the sentence, the emotion symbol, the time when the user and the chat partner sent the message and the reaction time, etc. Through this, the message box information extraction analysis module 11 can determine whether the input message is a continuous sentence or a sentence that is transmitted separately, and an incomplete message, for example, one sentence by the chat partner as shown in FIG. "W", "h", "a", "t", "happened?" When sent by dividing it as "What happened?", it is analyzed based on the form of the sentence, the emotion symbol, the time the user and the chat partner sent the message, and the reaction time, and so on, "What happened?" It can be interpreted by combining it into a complete message of.
또한, 메시지 박스 정보 추출 분석 모듈(11)은 도 5와 같이 텍스트 및 의사 표현 이미지 아이템이 가지는 정보의 의미 및 강도를 추출할 수 있고, 각 의미와 강도를 연결하여 특정 감정을 추출할 수 있다. 예를 들어, 메시지 박스에서 특정 감정에 대한 텍스트, 예를 들어, "SAD" 라는 텍스트 정보를 추출시 "SAD"가 가지는 특정 감정의 의미 분석을 실행하여 "SAD"를 작성한 사용자가 슬픈 감정 상태라는 것을 추출할 수 있고, 메시지 박스에서 특정 감정에 대한 의사 표현 이미지 아이템, 예를 들어, "웃는 얼굴의 이모티콘"의 의사 표현 이미지 아이템 정보를 추출시 "웃는 얼굴의 이모티콘"이 가지는 특정 감정의 의미 분석을 실행하여 "웃는 얼굴의 이모티콘"을 작성한 사용자가 즐거운 감정 상태라는 것을 추출할 수 있다.In addition, the message box information extraction analysis module 11 may extract the meaning and intensity of information of the text and the expression image item as shown in FIG. 5, and may extract a specific emotion by linking each meaning and intensity. For example, when extracting text about a specific emotion, for example, "SAD" text information from a message box, the user who created "SAD" is in a sad emotional state by performing the semantic analysis of the specific emotion that "SAD" has. Can be extracted, and when extracting the intention expression image item for a specific emotion from the message box, for example, the expression image item information of the "smiley face emoticon", the meaning of the "smiley face emoticon" is analyzed By executing, it is possible to extract that the user who created the "smiley face emoticon" is in a pleasant emotional state.
메시지 박스 정보 추출 분석 모듈(11)은 이러한 분석을 통해 사용자가 말하고자 하는 의사 표현 분석 실행도 가능하다.The message box information extraction analysis module 11 can also perform the analysis of the expression of the user's intention through this analysis.
사용자 정보 추출 분석 모듈(12)은 사용자 단말(100)을 통해 채팅 서비스를 이용하는 사용자의 정보를 추출 및 분석하는 기능을 수행하며, 이때 사용자 정보는 적어도 사용자 프로필 사진 정보, 사용자 성별 정보, 사용자 상태 알림말 정보 등을 포함할 수 있다.The user information
여기에서 사용자 정보 추출 분석 모듈(12)은 사용자의 프로필 사진 정보가 사용자 자신의 얼굴 사진일 경우 사용자의 외향적 특징을 추출할 수 있고, 사용자의 프로필 사진 정보가 사용자가 관람한 전시회 사진들이거나 꽃꽂이 사진, 음악 밴드 사진 등 일 경우 사용자의 관심 요소를 추출할 수 있다.Here, the user information
또한, 사용자 정보 추출 분석 모듈(12)은 예를 들어, 사용자의 프로필 사진 정보가 페스티벌 현장에서 다수의 사람들과 함께 찍은 사진 정보라면 사용자 정보 추출 분석 모듈(12)은 이를 분석하고, 사용자가 외향적 특징을 가지고 있다는 분석 결과를 도출해낼 수 있고, 사용자 상태 알림말 정보가 "우울해" 라고 저장되어 있을 경우 사용자 정보 추출 분석 모듈(12)은 사용자의 감정 상태가 슬픈 상태라고 분석 결과를 도출해낼 수 있다.In addition, the user information
이를 통해서 사용자 정보 추출 분석 모듈(12)은 사용자의 감정 상태와 사용자의 성향을 분석해낼 수 있다.Through this, the user information extraction and
요소 도출 모듈(13)은 상기 메시지 박스 정보 추출 분석 모듈(11) 및 사용자 정보 추출 분석 모듈(12)에서 추출 및 분석된 텍스트 정보, 의사 표현 이미지 아이템 정보 및 사용자 정보로부터 의사 표현 이미지 아이템 생성 학습 엔진(20)에 입력될 요소를 도출할 수 있다. The element derivation module 13 is a learning engine for generating a speech expression image item from text information, expression image item information, and user information extracted and analyzed by the message box information extraction analysis module 11 and the user information
이때 상기 요소는 요소별 속성 정보를 포함할 수 있으며, 요소별 속성 정보는 예를 들어, 텍스트 정보, 의사 표현 종류 정보, 이미지 타입 정보, 의사 표현과 매칭되는 이미지 정보, 다수명의 사용자별 이용 횟수 정보, 사용자 정보와 매칭되는 이미지 정보 및 피드백 처리 정보 등이 예시될 수 있다.At this time, the element may include attribute information for each element, and the attribute information for each element includes, for example, text information, expression type information, image type information, image information matching the expression expression, and information on the number of times of use of a plurality of users. , Image information and feedback processing information matched with user information may be exemplified.
예를 들어, 메시지 박스 정보 추출 분석 모듈(11)에서 텍스트 정보인 "SAD"가 추출되고, "SAD"가 가지는 감정의 분석이 "슬픈 감정"이라는 결과가 도출되면 요소 도출 모듈(13)은 "슬픈 감정"에 해당하는 다수개의 연관 의사 표현 이미지 아이템을 도출해낼 수 있다. 또한, 메시지 박스 정보 추출 분석 모듈(11)에서 의사 표현 이미지 아이템 정보인 "우는 얼굴의 이모티콘"이 추출되고, "우는 얼굴의 이모티콘"이 가지는 감정의 분석이 "슬픈 감정"이라는 결과가 도출되면 요소 도출 모듈(13)은 "슬픈 감정"에 해당하고, 상기 "우는 얼굴의 이모티콘"과 연관성이 높은 다수개의 텍스트 및 연관 의사 표현 이미지 아이템을 도출해낼 수 있다.For example, if text information "SAD" is extracted from the message box information extraction and analysis module 11, and the analysis of the emotion of the "SAD" results in "sad emotion", the element derivation module 13 is " It is possible to derive a plurality of related expression image items corresponding to "sad emotion". In addition, when the message box information extraction analysis module 11 extracts the expression image item information "crying face emoticon", and the analysis of the emotion possessed by the "crying face emoticon" results in "sad emotion", the element The derivation module 13 may derive a plurality of text and related expression image items corresponding to "sad emotion" and having a high correlation with the "crying face emoticon".
또한, 사용자 정보 추출 분석 모듈(12)에서 사용자의 프로필 사진 정보를 추출한 결과, 음악을 좋아하고 외향적 특징을 가지고 있다는 분석 결과가 도출되면 요소 도출 모듈(13)은 사용자의 프로필 사진 정보의 특징과 유사성이 높은 텍스트 및 또는 의사 표현 이미지 아이템, 즉, 음악과 관련되고 외향적 요소를 지니고 있는 다수의 텍스트 정보와 의사 표현 이미지 아이템 정보를 도출해낼 수 있다.In addition, as a result of extracting the user's profile picture information from the user information extraction and
이때 상술한 요소 도출 모듈(13)에서 도출되는 다수의 의사 표현 이미지 아이템들은 전처리기(10)에서 추출 및 분석된 텍스트 정보, 의사 표현 이미지 아이템 정보 및 사용자 정보를 데이터베이스(240)에 기존 학습 저장되어 있는 텍스트 및 다수의 의사 표현 이미지 아이템들과 대조 및 매칭하여 도출시킬 수 있으며, 이러한 과정은 머신 러닝을 통해 학습될 수 있다.At this time, the plurality of expression image items derived from the above-described element derivation module 13 are extracted and analyzed by the
의사 표현 이미지 아이템 생성 학습 엔진(20)은 전처리기(10)로부터 전처리된 정보를 데이터베이스(240)를 통해 수신받아 의사 표현 이미지 아이템 생성에 필요한 학습을 수행하고 학습된 정보를 사용자에게 추천해주는 기능을 수행한다.The pseudo-expression image item generation learning engine 20 receives the preprocessed information from the
이때, 의사 표현 이미지 아이템 생성 학습 엔진(20)은 머신 러닝 처리될 수 있으며, 머신 러닝 처리에서의 머신 러닝 알고리즘은 하나 이상의 처리 방식이 이용될 수 있으며, 나아가 입력 변수와 타겟 변수를 복수개의 머신 러닝 알고리즘과 복수개의 머신러닝 알고리즘의 조합에 적용하여 사전 학습하고, 학습된 결과에 따른 알고리즘 각각의 정확도, 정확도 대비 연산시간, 성능비 및 모델의 안정성(fitness) 중에서 적어도 하나를 고려하여 최적의 머신러닝 알고리즘이 결정될 수 있다.At this time, the expression image item generation learning engine 20 may be machine learning, and one or more processing methods may be used as a machine learning algorithm in the machine learning processing. An optimal machine learning algorithm by applying to a combination of an algorithm and a plurality of machine learning algorithms and pre-training, taking into account at least one of the accuracy of each algorithm according to the learned result, calculation time to accuracy, performance ratio, and model fitness Can be determined.
상기 머신 러닝 알고리즘은 예를 들어, 리지 회귀분석(Ridge Regression), 로지스틱 회기분석(Logistic Regression), 일반화선모형(Generalized Linear Model), 랜덤 포레스트(Random Forest), 변화 부양 모형(GradientBoosting Model) 및 뉴럴 네트워크(Neural Network) 등이 이용될 수 있다.The machine learning algorithm is, for example, Ridge Regression, Logistic Regression, Generalized Linear Model, Random Forest, Gradient Boosting Model, and Neural A network (Neural Network) or the like may be used.
리지 회귀분석은 기본적인 linear 모델이며 극단치 또는 이상점(outlier)을 핸들하기 위해 추가적인 파라미터를 제공한다. 로지스틱 회기분석은 기본적인 linear 모델이며 타겟변수 즉 예측하려는 대상이 Binomial 분포도를 보일때 사용하는 것이 효과적이다. 일반화선형모형은 기본적인 linear 모델이며 타겟변수가 Poisson 분포도를 보일 때 사용하는 것이 효과적이다. 랜덤 포레스트 앙상블 모델로 다수의 decision tree가 모여 이루어진 모델로서, 각 decision tree는 입력 변수들과 타겟 변수의 연관성을 고려하여 개별적으로 개발되며 상위 linear 모델 대비 더욱 유연(flexible)한 특성을 가지고 있다. 변화 부양 모형은 Generalized Boosting Model 또는 GBM 이라고도 불리며 Random Forest와 비슷한 성향을 띠는 앙상블 모델이나 각 decision tree가 이미 만들어진 decision tree의 정확도를 고려하여 개선된다는 차이점이 존재해 종종 Random Forest 대비 정확도가 높은 모델로 간주되기도 한다.Ridge regression is a basic linear model and provides additional parameters to handle extremes or outliers. Logistic regression analysis is a basic linear model, and it is effective to use when the target variable, that is, the target to be predicted, shows a binomial distribution. The generalized linear model is a basic linear model, and it is effective to use when the target variable shows a Poisson distribution map. As a random forest ensemble model, a model consisting of a number of decision trees, each decision tree is developed individually in consideration of the association between input variables and target variables, and has more flexible characteristics than the upper linear model. The change stimulus model is also called the Generalized Boosting Model or GBM, and is an ensemble model that has a similar tendency to the Random Forest, but there is a difference in that each decision tree is improved by considering the accuracy of the decision tree that has already been created, so it is often a model with higher accuracy than the Random Forest. It is also considered.
뉴럴 네트워크는 사실상 어떤 타겟이든 예측할 수 있는 아주 유연한 모델로 파라미터를 조정함에 따라 linear 패턴과 non-linear 패턴 둘 다 아우를 수 있다. 때문에 파라미터 튜닝이 세밀하게 될 필요성이 있다. 특히, 뉴럴 네트워크는 기계학습과 인지과학에서 생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘으로서, 이러한 신경망을 복합적으로 구성함으로써 딥 러닝 방식이 구현될 수 있다.Neural networks are very flexible models that can predict virtually any target and can encompass both linear and non-linear patterns by adjusting parameters. Therefore, there is a need to fine-tune parameter tuning. In particular, neural networks are statistical learning algorithms inspired by biological neural networks in machine learning and cognitive science, and deep learning methods can be implemented by constructing such neural networks in a complex manner.
예를 들어, 뉴럴 네트워크는 전체적인 FC(Fully Connected), Max Pooling 및 convolution을 수반하여 최적화되는 CNN(Convolutional Neural Network), 시계열적 데이터에 유용한 순차 신경망(Recurrent Neural Networks, RNN)을 포함할 수 있다.For example, the neural network may include an overall Fully Connected (FC), a Convolutional Neural Network (CNN) that is optimized with Max Pooling and convolution, and Recurrent Neural Networks (RNN) useful for time-series data.
이러한 머신 러닝 알고리즘을 통해 학습되는 의사 표현 이미지 아이템 생성 학습 엔진(20)은 도출 요소 학습 모듈(21), 의사 표현 이미지 아이템 생성 및 추천 모듈(22), 정확도 분석 및 반영 의사 표현 이미지 아이템 추천 모듈(23)을 포함하여 구성될 수 있다.The pseudo-expression image item generation learning engine 20 that is learned through such a machine learning algorithm includes a derivation element learning module 21, a pseudo-expression image item generation and recommendation module 22, and an accuracy analysis and reflection expression image item recommendation module ( 23) can be included.
도출 요소 학습 모듈(21)은 전처리기(10)로부터 추출, 분석 및 도출된 정보를 반복적으로 학습함으로서, 의사 표현 이미지 아이템 초기 모델을 분석할 수 있다. 이때 의사 표현 이미지 아이템 초기 모델은 적어도 사용자 예상 답변, 사용자별 의사 표현 이미지 아이템 선호도, 사용자와 채팅 상대와의 관계, 금일 또는 금주 대화 트렌드 및 사용자별 추천 답변 등을 포함할 수 있으며, 새롭게 학습되는 정보에 따라 상기 의사 표현 이미지 아이템 초기 모델도 이를 반영하여 업데이트될 수 있다.The derivation element learning module 21 may analyze an initial model of a pseudo-expression image item by repeatedly learning information extracted, analyzed, and derived from the
예를 들어, 도출 요소 학습 모듈(21)은 사용자와 채팅 상대가 음식에 대한 대화를 나눈 뒤 사용자가 "I am so sad" 라고 입력하고, 채팅 상대로부터 "what?" 이라는 답변을 수신받은 경우, 도출 요소 학습 모듈(21)은 사용자가 채팅 상대에게 답변으로 작성할만한 요소, 즉, 의사 표현 이미지 아이템 초기 모델인 "There is nothing to eat in my fridge.", "Because I'm starving." 등과 같은 형태의 답변을 추출할 수 있다.For example, in the derivation factor learning module 21, after the user and the chat partner have a conversation about food, the user inputs "I am so sad" and "what?" from the chat partner. When the answer is received, the derivation factor learning module 21 is an element that the user can write as an answer to the chat partner, that is, "There is nothing to eat in my fridge." 'm starving." Answers in the form of, etc. can be extracted.
또한, 도출 요소 학습 모듈(21)은 예를 들어, 채팅 서비스를 사용하는 다수의 사용자들이 금일 가장 많이 입력한 텍스트 정보가 "omg", "Are you kidding me?" 인 경우, 이를 학습 및 분석하여 금일 대화 트렌드를 의사 표현 이미지 아이템 초기 모델로 추출할 수 있으며, 채팅 서비스를 사용하는 사용자와 채팅 상대의 대화 내용을 학습 및 분석하여 친구, 가족, 상사, 연인 등의 관계를 파악하고, 관계에 적합한 답변을 의사 표현 이미지 아이템 초기 모델로 추출할 수 있다.In addition, the derivation factor learning module 21 is, for example, text information most input by a number of users of the chat service today "omg", "Are you kidding me?" In this case, it can be learned and analyzed to extract today's conversation trend as an initial model of the conversational image item, and learn and analyze the conversation contents of the user who uses the chat service and the chat partner. It is possible to grasp the relationship and extract the answer suitable for the relationship as an initial model of the image item for expression of opinion.
의사 표현 이미지 아이템 생성 및 추천 모듈(22)은 도출 요소 학습 모듈(21)로부터 학습 및 분석처리된 의사 표현 이미지 아이템 초기 모델을 기반으로 대화 문맥에 맞는 의사 표현 이미지 아이템을 생성하여 사용자에게 추천해주는 기능을 수행하며, 이때, 의사 표현 이미지 아이템은 텍스트 또는 텍스트, 이모지, 이모티콘 형태의 의사 표현 이미지 아이템이거나 이모지 및 이모티콘과 텍스트가 결합된 형태로 구성될 수 있다.The pseudo-expression image item creation and recommendation module 22 generates a pseudo-expression image item suitable for the dialogue context based on the initial model of the pseudo-expression image item learned and analyzed from the derived element learning module 21 and recommends it to the user. In this case, the expression image item may be a text or text, an emoji, or an expression image item in the form of an emoticon, or may be configured in a form in which an emoji and an emoticon and text are combined.
의사 표현 이미지 아이템 생성 및 추천 모듈(22)은 예를 들어, 사용자와 채팅 상대가 음식에 대한 대화를 나눈 뒤 사용자가 "I am so sad" 라고 입력하고, 채팅 상대로부터 "what?" 이라는 답변을 수신받은 경우, 도출 요소 학습 모듈(21)로부터 학습 및 분석된 의사 표현 이미지 아이템 초기 모델인 특정 의사 표현 이미지 아이템, 즉, "There is nothing to eat in my fridge.", "Because I'm starving." 등을 포함하고 있는 텍스트 형태의 의사 표현 이미지 아이템, 이모지 및 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트 및 이모지, 이모티콘을 결합한 형태의 의사 표현 이미지 아이템을 생성하여 사용자에게 답변을 추천해줄 수 있다.The expression image item generation and recommendation module 22 is, for example, after a conversation between a user and a chat partner about food, the user inputs "I am so sad", and "what?" from the chat partner. When the answer is received, a specific pseudo-expression image item that is an initial model of the pseudo-expression image item learned and analyzed from the derivation element learning module 21, that is, "There is nothing to eat in my fridge.", "Because I' m starving." An opinion expression image item in the form of a text including, etc., an expression image item in the form of an emoji and an emoticon, or an expression image item in the form of a combination of text, an emoji, and an emoticon may be generated to recommend an answer to a user.
또한, 의사 표현 이미지 아이템 생성 및 추천 모듈(22)은 도출 요소 학습 모듈(21)로부터 학습 및 분석된 금일 대화 트렌드가 "hahahaha", "Are you kidding me?", "omg" 인 경우, 사용자에게 "hahahaha", "Are you kidding me?", "omg" 등을 포함하고 있는 텍스트 또는 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트 및 이모지, 이모티콘을 결합한 형태의 의사 표현 이미지 아이템을 생성하여 사용자에게 추천해줄 수 있다. In addition, the expression image item generation and recommendation module 22 is provided to the user when the conversation trend learned and analyzed from the derivation element learning module 21 is "hahahaha", "Are you kidding me?", and "omg". By creating text or emoji including "hahahaha", "Are you kidding me?", and "omg", expression image items in the form of emoticons, or expression image items in the form of combining text and emojis and emoticons You can recommend it to users.
설계에 따라서는, 의사 표현 이미지 아이템 생성 및 추천 모듈(22)은 사용자에게 의사 표현 이미지 아이템 추천시 특정 사용자, 즉, 공인 또는 유명인 등으로부터 설정 추천된 의사 표현 이미지 아이템을 추천해줄 수도 있다. 이때 특정 사용자는 서비스 제공 장치(200)의 관리자로부터 지정 설정될 수 있으며, 특정 사용자의 설정 추천된 의사 표현 이미지 아이템은 도출 요소 학습 모듈(21)로부터 자동 학습 및 분석된 특정 사용자가 선호하는 의사 표현 이미지 아이템으로 구성되거나 특정 사용자가 직접 작성 및 생성한 의사 표현 이미지 아이템으로 구성될 수 있다.Depending on the design, the pseudo-expression image item generation and recommendation module 22 may recommend a pseudo-expression image item set and recommended by a specific user, that is, a public figure or a celebrity, when recommending a pseudo-expression image item to a user. At this time, a specific user can be designated and set by the administrator of the service providing device 200, and the specific user's setting recommended expression image item is automatically learned and analyzed by the derivation element learning module 21 to express the preference of a specific user. It may be composed of an image item, or may be composed of a pseudo-expression image item directly created and created by a specific user.
정확도 분석 및 반영 의사 표현 이미지 아이템 추천 모듈(23)은 의사 표현 이미지 아이템 생성 및 추천 모듈(22)로부터 생성 및 추천된 의사 표현 이미지 아이템의 정확도를 분석하고 이를 반영한 의사 표현 이미지 아이템을 사용자에게 추천하는 모듈로서, 상기 의사 표현 이미지 아이템 생성 및 추천 모듈(22)로부터 생성 및 추천된 의사 표현 이미지 아이템의 산출 결과값을 나타낼 수 있다. The accuracy analysis and reflection expression image item recommendation module 23 analyzes the accuracy of the expression image item generated and recommended by the expression image item generation and recommendation module 22, and recommends the expression image item reflecting this to the user. As a module, it is possible to indicate a calculated result value of the pseudo-expression image item generated and recommended by the pseudo-expression image item generation and recommendation module 22.
또한, 정확도 분석 및 반영 의사 표현 이미지 아이템 추천 모듈(23)은 의사 표현 이미지 아이템의 산출 결과값을 의미의 강조, 감정의 강도, 중요도, 기분, 상황, 환경 등에 따라 하이라이트 표시, 음영표시, 그라데이션 표시, 애니메이팅, 각종 표현 및 효과 기능 등으로 차등표현하여 사용자에게 의사 표현 이미지 아이템을 추천해줄 수 있다.In addition, the accuracy analysis and reflection expression image item recommendation module 23 displays the result value of the expression image item as a highlight, shade display, and gradation display according to meaning, emotion intensity, importance, mood, situation, environment, etc. , Animating, various expressions and effect functions, etc., can be differentially expressed to recommend an image item for expression of intention to the user.
예를 들어, 정확도 분석 모듈(23)은 의사 표현 이미지 아이템의 산출 결과를 퍼센테이지(%)로 표시할 수 있으며, 상기 퍼센테이지는 정확도에 따라 그 수치가 달라질 수 있고, 가장 높은 수치의 퍼센테이지를 갖는 의사 표현 이미지 아이템은 하이라이트 표시되거나 다른 의사 표현 이미지 아이템보다 상대적으로 크게 표시될 수 있다. 또한, 정확도 분석 모듈(23)은 사용자 또는 채팅 상대의 감정 상태가 슬픈 상태인 경우, 말풍선을 어두운 색으로 표시하고, 이를 설명해주는 의사 표현 이미지 아이템을 표시할 수도 있다.For example, the accuracy analysis module 23 may display the calculation result of the pseudo-expression image item as a percentage (%), and the percentage may vary depending on the accuracy, and the doctor having the highest percentage The expression image item may be highlighted or displayed relatively larger than other pseudo expression image items. In addition, when the emotional state of the user or the chat partner is sad, the accuracy analysis module 23 may display a speech balloon in a dark color, and may display an intention expression image item explaining this.
정확도 분석 및 반영 의사 표현 이미지 아이템 추천 모듈(23)은 자동으로 실행되거나 사용자가 특정 아이콘, 예를 들어 분석 실행 버튼의 아이콘을 선택하였을 경우 분석 적용이 수행될 수 있도록 설계될 수 있다.The accuracy analysis and reflection expression image item recommendation module 23 may be automatically executed or may be designed to perform analysis application when a user selects a specific icon, for example, an icon of an analysis execution button.
도 4는 본 발명의 실시 예에 따른 의사 표현 이미지 아이템 추천 방법을 설명하기 위한 흐름도이며, 도 5 내지 도 19는 본 발명의 실시 예에 따라 제공되는 메시지 인터페이스를 설명하기 위한 도면들이다.4 is a flowchart illustrating a method of recommending an image item for expression of intention according to an exemplary embodiment of the present invention, and FIGS. 5 to 19 are diagrams illustrating a message interface provided according to an exemplary embodiment of the present invention.
도 4를 참조하면, 서비스 제공 장치(200)는 우선 메시지 박스 정보에 포함된 텍스트 정보 및 의사 표현 이미지 아이템 정보를 도 5와 같이 추출하고 이를 분석한다. 이때, 텍스트 정보 및 의사 표현 이미지 아이템 정보는 텍스트 및 의사 표현 이미지 아이템이 가진 정보를 분석하여 텍스트로 추출하거나 수치값이 추출될 수 있다. 또한, 메시지 박스 정보 분석시 도 6 내지 도 8과 같이 사용자가 직접 범위를 지정하여 분석되도록 하거나 장치에서 자동으로 범위를 인지하여 메시지 박스 정보를 분석할 수 있도록 한다. 메시지 박스에 포함된 텍스트 정보 및 의사 표현 이미지 아이템 정보 분석시 문장의 형태, 감정 기호, 사용자와 채팅 상대가 메시지를 보낸 시간 및 반응 시간 등을 분석할 수 있고, 이를 통해 서비스 제공 장치(200)는 입력된 메시지가 이어지는 문장인지 또는 나누어 전송되는 문장인지를 파악할 수 있으며, 불완전한 메시지, 예를 들어, 도 7과 같이 채팅 상대가 한 문장을 "w", "h", "a", "t", "happened?" 라고 나누어 전송했을 경우 이를 문장의 형태, 감정 기호, 사용자와 채팅 상대가 메시지를 보낸 시간 및 반응 시간 등을 기반으로 분석하여 "What happened?" 이라는 완전한 메시지로 조합할 수 있다. 또한, 메시지 박스 정보 추출 분석 모듈(11)은 메시지 박스에서 "SAD" 라는 텍스트 정보를 추출시 "SAD"가 가지는 의미, 즉, "SAD"가 가지는 감정의 분석을 실행할 수 있고, 메시지 박스에서 "우는 얼굴의 이모티콘"의 의사 표현 이미지 아이템 정보를 추출시 "우는 얼굴의 이모티콘"이 가지는 의미, 즉, "우는 얼굴의 이모티콘"이 가지는 감정의 분석을 실행할 수 있다(S101). Referring to FIG. 4, the service providing apparatus 200 first extracts text information and expression image item information included in message box information, as shown in FIG. 5, and analyzes them. In this case, the text information and the pseudo-expression image item information may be extracted as text by analyzing information of the text and the pseudo-expression image item, or a numerical value may be extracted. In addition, when analyzing message box information, as shown in FIGS. 6 to 8, a user directly designates a range for analysis, or a device automatically recognizes the range so that the message box information can be analyzed. When analyzing text information and expression image item information included in the message box, it is possible to analyze the shape of the sentence, the emotion symbol, the time when the user and the chat partner sent the message, and the reaction time, through which the service providing device 200 It is possible to determine whether the input message is a continuous sentence or a divided sentence, and an incomplete message, for example, a sentence by the chat partner as shown in FIG. 7 is "w", "h", "a", and "t". , "happened?" When sent by dividing it as "What happened?", it is analyzed based on the form of the sentence, the emotion symbol, the time the user and the chat partner sent the message, and the reaction time, and so on, "What happened?" Can be combined into a complete message of. In addition, the message box information extraction analysis module 11 can analyze the meaning of "SAD", that is, the emotion of "SAD", when extracting the text information "SAD" from the message box. When the intention expression image item information of the crying face emoticon" is extracted, the meaning of the "crying face emoticon", that is, the emotion of the "crying face emoticon" may be analyzed (S101).
다음으로, 서비스 제공 장치(200)는 사용자 정보에 포함된 사용자 프로필 사진 정보, 사용자 성별 정보, 사용자 상태 알림말 정보 등을 추출하고 이를 분석한다. 이때, 서비스 제공 장치(200)는 사용자 프로필 사진 정보 추출시 사용자의 외향적 특징 또는 사진이 담고 있는 의미 정보를 분석할 수 있고, 사용자 상태 알림말 정보를 추출하여 사용자의 감정 상태가 어떤지 의미를 분석할 수 있다. 예를 들어, 사용자의 프로필 사진 정보가 페스티벌 현장에서 다수의 사람들과 함께 찍은 사진 정보라면 서비스 제공 장치(200)는 이를 분석하고, 사용자가 외향적 특징을 가지고 있다는 분석 결과를 도출해낼 수 있고, 사용자 상태 알림말 정보가 "우울해" 라고 저장되어 있을 경우 사용자의 감정 상태가 슬픈 상태라고 분석 결과를 도출해낼 수 있다(S102).Next, the service providing device 200 extracts user profile picture information, user gender information, user status notification word information, etc. included in the user information, and analyzes it. At this time, the service providing device 200 may analyze the extroverted characteristics of the user or the semantic information contained in the photo when extracting the user profile picture information, and analyze the meaning of the user's emotional state by extracting the user state notification word information. have. For example, if the user's profile picture information is picture information taken with a large number of people at a festival site, the service providing device 200 analyzes it and can derive an analysis result indicating that the user has an extroverted characteristic, and the user status When the notification word information is stored as "depressed", an analysis result may be derived that the user's emotional state is sad (S102).
다음으로, 서비스 제공 장치(200)는 메시지 박스 정보 및 사용자 정보에서 추출 및 분석된 정보로부터 의사 표현 이미지 아이템 생성 학습 엔진에 입력될 요소를 도출한다. 예를 들어, 서비스 제공 장치(200)는 도 9와 같이 메시지 박스 정보에서 텍스트 정보인 "SAD"가 추출되고, "SAD"가 가지는 감정의 분석이 "슬픈 감정"이라는 결과가 도출되면 "슬픈 감정"에 해당하는 다수개의 연관 텍스트 및 의사 표현 이미지 아이템을 도출해낼 수 있다. 또한, 메시지 박스 정보에서 의사 표현 이미지 아이템 정보인 "우는 얼굴의 이모티콘"이 추출되고, "우는 얼굴의 이모티콘"이 가지는 감정의 분석이 "슬픈 감정"이라는 결과가 도출되면 "슬픈 감정"에 해당하고, 상기 "우는 얼굴의 이모티콘"과 연관성이 높은 다수개의 텍스트 및 연관 의사 표현 이미지 아이템을 도출해낼 수 있다. 또한, 서비스 제공 장치(200)는 사용자 정보에서 사용자의 프로필 사진 정보를 추출한 결과, 음악을 좋아하고 외향적 특징을 가지고 있다는 분석 결과가 도출되면 사용자의 프로필 사진 정보의 특징과 유사성이 높은 텍스트 또는 의사 표현 이미지 아이템, 즉, 음악과 관련되고 외향적 요소를 지니고 있는 다수의 텍스트 정보와 의사 표현 이미지 아이템 정보를 도출해낼 수 있다(S103).Next, the service providing apparatus 200 derives an element to be input to the imaginary expression image item generation learning engine from the information extracted and analyzed from the message box information and the user information. For example, the service providing device 200 extracts text information "SAD" from the message box information as shown in FIG. 9, and when the result of the analysis of the emotion of the "SAD" is "sad emotion", the "sad emotion" It is possible to derive a plurality of related text and expression image items corresponding to ". In addition, when the expression image item information "crying face emoticon" is extracted from the message box information, and the analysis of the emotion possessed by the "crying face emoticon" results in "sad emotion", it corresponds to "sad emotion". , It is possible to derive a plurality of text items and related expression image items having a high correlation with the “crying face emoticon”. In addition, the service providing device 200 extracts the user's profile picture information from the user information, and when an analysis result indicating that the user likes music and has extroverted characteristics is derived, a text or expression having a high similarity to the characteristics of the user's profile picture information is obtained. An image item, that is, a plurality of text information related to music and having an extroverted element, and information on an image item for expression of an opinion may be derived (S103).
다음으로, 서비스 제공 장치(200)는 요소 도출된 정보를 머신 러닝을 통해 반복적으로 학습하여 의사 표현 이미지 아이템 초기 모델을 분석한다. 이때 의사 표현 이미지 아이템 초기 모델은 적어도 사용자 예상 답변, 사용자별 의사 표현 이미지 아이템 선호도, 사용자와 채팅 상대와의 관계, 금일 또는 금주 대화 트렌드 및 사용자별 추천 답변 등을 포함할 수 있으며, 새롭게 학습되는 정보에 따라 상기 의사 표현 이미지 아이템 초기 모델도 이를 반영하여 업데이트될 수 있다. 예를 들어, 사용자와 채팅 상대가 음식에 대한 대화를 나눈 뒤 사용자가 "I am so sad" 라고 입력하고, 채팅 상대로부터 "what?" 이라는 답변을 수신받은 경우, 서비스 제공 장치(200)는 사용자가 채팅 상대에게 답변으로 작성할만한 요소, 즉, 의사 표현 이미지 아이템 초기 모델인 "There is nothing to eat in my fridge.", "Because I'm starving." 등과 같은 형태의 답변을 추출할 수 있다. 또한, 서비스 제공 장치(200)는 예를 들어, 채팅 서비스를 사용하는 다수의 사용자들이 금일 가장 많이 입력한 텍스트 정보가 "omg", "Are you kidding me?" 인 경우, 이를 학습 및 분석하여 금일 대화 트렌드를 의사 표현 이미지 아이템 초기 모델로 추출할 수 있으며, 채팅 서비스를 사용하는 사용자와 채팅 상대의 대화 내용을 학습 및 분석하여 친구, 가족, 상사, 연인 등의 관계를 파악하고, 관계에 적합한 답변을 의사 표현 이미지 아이템 초기 모델로 추출 및 분석할 수 있다(S104).Next, the service providing apparatus 200 analyzes an initial model of a pseudo-expression image item by repeatedly learning the element-derived information through machine learning. At this time, the initial model of the expression image item may include at least the user's expected answer, the preference of the expression image item for each user, the relationship between the user and the chat partner, the current or this week's conversation trend, and the recommended answer for each user, and newly learned information. Accordingly, the initial model of the pseudo-expression image item may also be updated to reflect this. For example, after a user and a chat partner have a conversation about food, the user types "I am so sad" and the chat partner says "what?" When receiving the answer, the service providing device 200 is an element that the user can write as an answer to the chat partner, that is, "There is nothing to eat in my fridge.", "Because I", which are initial models of the expression image item, "Because I". m starving." Answers in the form of, etc. can be extracted. In addition, the service providing device 200 includes, for example, "omg" and "Are you kidding me?" as text information most frequently input by a plurality of users of the chat service today. In this case, it can be learned and analyzed to extract today's conversation trend as an initial model of the conversational image item, and learn and analyze the conversation contents of the user who uses the chat service and the chat partner. The relationship may be grasped, and an answer suitable for the relationship may be extracted and analyzed as an initial model of the expression image item (S104).
의사 표현 이미지 아이템 초기 모델 추출 및 분석 후 서비스 제공 장치(200)는 의사 표현 이미지 아이템 생성에 필요한 학습을 수행하고, 학습된 정보를 기반으로 사용자에게 의사 표현 이미지 아이템을 추천해주는 기능을 수행한다. 이때, 학습 정보는 머신 러닝 처리될 수 있으며, 머신 러닝 처리에서의 머신 러닝 알고리즘은 하나 이상의 처리 방식이 이용될 수 있다. 나아가 입력 변수와 타겟 변수를 복수개의 머신 러닝 알고리즘과 복수개의 머신러닝 알고리즘의 조합에 적용하여 사전 학습하고, 학습된 결과에 따른 알고리즘 각각의 정확도, 정확도 대비 연산시간, 성능비 및 모델의 안정성(fitness) 중에서 적어도 하나를 고려하여 최적의 머신러닝 알고리즘이 결정될 수 있다. 즉, 서비스 제공 장치(200)는 추출, 분석 및 도출된 정보들을 그 분류 정보에 따라 학습하고, 의사 표현 이미지 아이템 초기 모델을 분석하여 사용자에게 대화 문맥에 적합한 답변인 의사 표현 이미지 아이템을 추천할 수 있다. 예를 들어, 서비스 제공 장치(200)는 도 10 내지 15과 같이 사용자에게 대화 문맥에 적합한 의사 표현 이미지 아이템을 추천해 줄 수 있는데, 더욱 자세히 예를 들어보자면, 사용자와 채팅 상대가 음식에 대한 대화를 나눈 뒤 사용자가 "I am so sad" 라고 입력하고, 채팅 상대로부터 "what?" 이라는 답변을 수신받은 경우, 서비스 제공 장치(200)는 사용자가 채팅 상대에게 답변으로 작성할만한 요소, 즉, 의사 표현 이미지 아이템 초기 모델인 "There is nothing to eat in my fridge.", "Because I'm starving." 등을 포함하고 있는 텍스트 형태의 의사 표현 이미지 아이템 또는 이모지 및 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트 및 이모지, 이모티콘을 결합한 형태의 의사 표현 이미지 아이템을 생성하여 사용자에게 답변을 추천해줄 수 있다. 또한, 서비스 제공 장치(200)는 도 16 및 17과 같이 채팅 서비스를 사용하는 다수의 사용자들이 금일 가장 많이 입력한 텍스트 정보가 "omg", "Are you kidding me?" 인 경우, 이를 학습 및 분석하여 금일 대화 트렌드를 의사 표현 이미지 아이템 초기 모델로 추출할 수 있으며, 사용자에게 "Are you kidding me?", "omg" 등을 포함하고 있는 텍스트 또는 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트 및 이모지, 이모티콘을 결합한 형태의 의사 표현 이미지 아이템을 생성하여 사용자에게 추천해줄 수 있다. 또한, 서비스 제공 장치(200)는 도 18 및 19와 같이 채팅 서비스를 사용하는 사용자와 채팅 상대의 대화 내용을 학습 및 분석하여 친구, 가족, 상사, 연인 등의 관계를 파악하고, 관계에 적합한 답변을 의사 표현 이미지 아이템 초기 모델로 추출하여 이를 사용자에게 추천해줄 수 있으며, 채팅 상대가 입력한 텍스트 정보 및 의사 표현 이미지 아이템 정보에 따라 채팅 상대의 대화 타입 및 페르소나 등을 분석 및 추출하여 이를 사용자에게 표시해줄 수도 있다. 상기 표시되는 내용은 예를 들어 "상대방은 경어를 많이 사용합니다.", "상대방은 긍정적인 표현을 많이 사용합니다." 등이 포함될 수 있고, "최근 관계가 좋아지셨나요?" 등과 같은 내용을 표시하여 사용자에게 피드백을 얻을 수도 있다. 사용자로부터 얻은 피드백은 추후 대화 타입 및 페르소나 등을 분석 및 추출할 때 반영되어 정확도를 높일 수 있다.After extracting and analyzing an initial model of a pseudo-expression image item, the service providing apparatus 200 performs a function of learning necessary for generating a pseudo-expression image item, and recommends a pseudo-expression image item to a user based on the learned information. In this case, the learning information may be machine learning processed, and one or more processing methods may be used as a machine learning algorithm in the machine learning processing. Furthermore, the input variable and the target variable are applied to a combination of a plurality of machine learning algorithms and a plurality of machine learning algorithms to pre-learn, and the accuracy of each algorithm according to the learned result, calculation time to accuracy, performance ratio, and model fitness. An optimal machine learning algorithm may be determined in consideration of at least one of them. That is, the service providing device 200 may learn the extracted, analyzed, and derived information according to the classification information, analyze the initial model of the expression image item, and recommend the expression image item, which is an answer suitable for the dialogue context, to the user. have. For example, as shown in FIGS. 10 to 15, the service providing device 200 may recommend an expression image item suitable for a conversation context to the user. To take a more detailed example, the user and the chat partner have a conversation about food. After dividing, the user enters "I am so sad" and the chat partner says "what?" When receiving the answer, the service providing device 200 is an element that the user can write as an answer to the chat partner, that is, "There is nothing to eat in my fridge.", "Because I", which are initial models of the expression image item, "Because I". m starving." An opinion expression image item in the form of a text including, etc., an expression image item in the form of an emoji and an emoticon, or an expression image item in the form of a combination of text, an emoji, and an emoticon may be generated to recommend an answer to a user. In addition, as shown in FIGS. 16 and 17, the service providing device 200 displays "omg" and "Are you kidding me?" If it is, it can be learned and analyzed to extract today's conversation trend as an initial model of the expression image item, and the user is given text or emoji including "Are you kidding me?", "omg", etc., in the form of emoticons. An expression image item or an expression image item in the form of a combination of text, an emoji, and an emoticon may be generated and recommended to a user. In addition, as shown in FIGS. 18 and 19, the service providing device 200 learns and analyzes the conversation contents of the user who uses the chat service and the chat partner to grasp the relationship between friends, family, boss, and lover, and answers appropriate for the relationship. Is extracted as an initial model of the expression image item, and it can be recommended to the user.According to the text information and the expression image item information entered by the chat partner, the conversation type and persona of the chat partner are analyzed and extracted, and displayed to the user. You can also do it. The contents displayed above are, for example, "The other party uses a lot of honorific language.", "The other party uses a lot of positive expressions." And the like, "Have your relationship improved recently?" You can also get feedback from users by displaying content such as. Feedback obtained from the user can be reflected when analyzing and extracting conversation types and personas in the future, thereby improving accuracy.
한편, 서비스 제공 장치(200)는 도 20 및 21과 같이 사용자에게 의사 표현 이미지 아이템 추천시 특정 사용자, 즉, 공인 또는 유명인 등으로부터 설정 추천된 의사 표현 이미지 아이템을 추천해줄 수도 있다. 이때 특정 사용자는 서비스 제공 장치(200)의 관리자로부터 지정 설정될 수 있으며, 특정 사용자의 설정 추천된 의사 표현 이미지 아이템은 장치로부터 자동 학습 및 분석된 특정 사용자가 선호하는 의사 표현 이미지 아이템으로 구성되거나 특정 사용자가 직접 작성 및 생성한 의사 표현 이미지 아이템으로 구성될 수 있다(S105).Meanwhile, as shown in FIGS. 20 and 21, the service providing apparatus 200 may recommend an intention expression image item set and recommended by a specific user, that is, a public figure or a celebrity, when recommending an expression image item to a user. At this time, a specific user may be designated and set by the administrator of the service providing device 200, and the set recommended expression image item for a specific user is composed of an image item that is preferred by a specific user that is automatically learned and analyzed by the device, or It may be composed of a pseudo-expression image item directly created and created by the user (S105).
다음으로, 서비스 제공 장치(200)는 생성 및 추천된 의사 표현 이미지 아이템의 정확도를 분석하고 분석결과를 기반으로 의사 표현 이미지 아이템을 차등표현하여 사용자에게 추천하는 기능을 수행한다. 이때, 상기 의사 표현 이미지 아이템은 산출 결과값을 포함한 상태로 표시될 수 있으며, 의사 표현 이미지 아이템의 산출 결과값을 의미의 강조, 감정의 강도, 중요도, 기분, 상황, 환경 등에 따라 하이라이트 표시, 음영표시, 그라데이션 표시, 애니메이팅, 각종 표현 및 효과 기능 등으로 차등표현하여 사용자에게 의사 표현 이미지 아이템을 추천해줄 수 있다. 예를 들어, 서비스 제공 장치(200)는 도 22와 같이 의사 표현 이미지 아이템의 산출 결과를 퍼센테이지(%)로 표시할 수 있으며, 상기 퍼센테이지는 정확도에 따라 그 수치가 달라질 수 있고, 가장 높은 수치의 퍼센테이지를 갖는 의사 표현 이미지 아이템은 하이라이트 표시되거나 다른 의사 표현 이미지 아이템보다 상대적으로 크게 표시될 수 있다. 또한, 서비스 제공 장치(200)는 도 23 내지 도 27과 같이 사용자 또는 채팅 상대로부터 입력된 텍스트 정보 및 의사 표현 이미지 아이템 정보를 기반으로 사용자 또는 채팅 상대의 감정 상태가 기쁜 상태라고 판단되는 경우, 말풍선을 밝은 색으로 표시하고, 슬픈 상태라고 판단되는 경우, 말풍선을 어두운 색으로 표시하며, 이를 설명해주는 의사 표현 이미지 아이템을 대화창 아래에 표시할 수도 있고, 도 28과 같이 사용자 또는 채팅 상대의 감정 상태를 단계별로 구분하여 말풍선 아래 감정의 단계를 표시해줄 수도 있다(S106).Next, the service providing apparatus 200 performs a function of analyzing the accuracy of the generated and recommended expression image item, differentially expressing the expression image item based on the analysis result, and recommending it to the user. At this time, the expression image item may be displayed in a state including the calculated result value, and the calculated result value of the expression image item is highlighted and shaded according to meaning, intensity of emotion, importance, mood, situation, environment, etc. Display, gradation display, animating, various expression and effect functions, etc. can be differentially expressed to recommend the expression image item to the user. For example, the service providing device 200 may display the calculation result of the expression image item as a percentage as shown in FIG. 22, and the percentage may vary according to accuracy, and the highest value The pseudo-expression image item having a percentage may be highlighted or displayed relatively larger than other pseudo-expression image items. In addition, when it is determined that the emotional state of the user or the chat partner is a happy state based on the text information and the expression image item information input from the user or the chat partner as shown in FIGS. 23 to 27, the speech balloon Is displayed in a light color, and when it is determined that it is in a sad state, a speech balloon is displayed in a dark color, and an expression image item explaining this may be displayed below the chat window, or the emotional state of the user or the chat partner as shown in FIG. The level of emotion may be displayed under the speech bubble by dividing it by step (S106).
한편, 상술한 본 발명의 다양한 실시 예들에 따른 방법은 단말 장치에서 실행되기 위한 설치 데이터 형태로 구현되어 다양한 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장된 상태로 각 서버 또는 기기들에 제공될 수 있다. 이에 따라, 사용자 단말(100)은 서버 또는 기기에 접속하여, 상기 설치 데이터를 다운로드할 수 있다.Meanwhile, the above-described method according to various embodiments of the present invention is implemented in the form of installation data to be executed on a terminal device and stored in various non-transitory computer readable mediums in each server or device. Can be provided. Accordingly, the user terminal 100 may access the server or device and download the installation data.
비일시적 판독 가능한 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.The non-transitory readable medium refers to a medium that stores data semi-permanently and can be read by a device, rather than a medium that stores data for a short moment, such as registers, caches, and memory. Specifically, the above-described various applications or programs may be provided by being stored in a non-transitory readable medium such as a CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, or the like.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.In addition, although the preferred embodiments of the present invention have been illustrated and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention claimed in the claims. In addition, various modifications are possible by those of ordinary skill in the art, and these modifications should not be individually understood from the technical spirit or prospect of the present invention.
Claims (6)
사용자 프로필 사진 정보, 사용자 성별 정보, 사용자 상태 알림말 정보 중 적어도 어느 하나 이상의 정보를 기반으로 사용자의 외향적 특징, 사용자의 관심 요소, 사용자의 기분을 추출하고, 추출된 정보를 기반으로 사용자의 감정 상태 및 성향을 분석하는 사용자 정보 추출 분석 기능; 및
상기 메시지 박스 정보 추출 분석 기능 및 사용자 정보 추출 분석 기능으로부터 추출 및 분석된 텍스트 정보, 의사 표현 이미지 아이템 정보 및 사용자 정보를 기반으로 의사 표현 이미지 아이템 생성 학습에 입력될 요소별 속성 정보인 텍스트 정보, 의사 표현 종류 정보, 이미지 타입 정보, 의사 표현과 매칭되는 이미지 정보, 다수명의 사용자별 이용 횟수 정보, 사용자 정보와 매칭되는 이미지 정보 및 피드백 처리 정보를 도출하는 요소 도출 기능; 을 실행하기 위한 프로그램을 기록한 기록매체.
Extract text information and expression image item information, which are messages transmitted and received through a chat interface between user terminals or within a group created by user terminals, and express the user's opinion from the extracted text information and expression image item information, A message box information extraction analysis function that performs the analysis of emotions and grasps the entire context of the conversation based on the analyzed information;
Extracts the user's extroverted characteristics, the user's interest factor, and the user's mood based on at least any one or more of user profile picture information, user gender information, and user status notification information, and based on the extracted information, the user's emotional state and User information extraction analysis function to analyze propensity; And
Text information, which is the attribute information for each element to be input for learning, to generate a dictation image item based on the message box information extraction analysis function and the user information extraction analysis function and text information extracted and analyzed from the user information extraction analysis function, expression image item information, and user information An element derivation function for deriving expression type information, image type information, image information matched with an expression of intention, information on the number of times of use of a plurality of users, image information matching with user information, and feedback processing information; A recording medium that records a program for executing the program.
상기 요소 도출 기능으로부터 도출된 요소별 속성 정보를 반복적으로 학습하여 사용자 예상 답변, 사용자별 의사 표현 이미지 아이템 선호도, 사용자와 채팅 상대와의 관계, 금일 또는 금주 대화 트렌드 및 사용자별 추천 답변 중 적어도 어느 하나를 포함하는 의사 표현 이미지 아이템 초기 모델을 분석하는 도출 요소 학습 기능;
상기 도출 요소 학습 기능으로부터 학습 및 분석처리된 의사 표현 이미지 아이템 초기 모델을 기반으로 대화 문맥에 맞는 의사 표현 이미지 아이템을 생성하여 사용자에게 텍스트, 이모지, 이모티콘 형태의 의사 표현 이미지 아이템 또는 텍스트와 이모지 및 이모티콘이 결합된 형태의 의사 표현 이미지 아이템을 추천해주는 의사 표현 이미지 아이템 생성 및 추천 기능; 및
상기 의사 표현 이미지 아이템 생성 및 추천 기능으로부터 생성 및 추천된 의사 표현 이미지 아이템의 정확도를 분석하여 이에 대한 산출 결과값을 나타내며, 상기 산출 결과값은 의미의 강조, 감정의 강도, 중요도, 기분, 상황, 환경에 따른 하이라이트 표시, 음영표시, 그라데이션 표시, 애니메이팅, 다수 개의 효과 기능 중 적어도 어느 하나 이상으로 차등표현하여 사용자에게 정확도가 반영된 의사 표현 이미지 아이템을 추천하는 정확도 분석 및 반영 의사 표현 이미지 아이템 추천 기능;을 실행하기 위한 프로그램을 기록한 기록매체.
The method of claim 1,
At least one of the user's expected response, the user-expressed image item preference, the relationship between the user and the chat partner, today's or this week's conversation trend, and the recommended response for each user by repeatedly learning the attribute information for each element derived from the element derivation function. A derivation element learning function for analyzing an initial model of a pseudo-expression image item including a;
A pseudo-expression image item in the form of text, emoji, or emoticon, or text and emoji by creating a pseudo-expression image item that fits the dialogue context based on the initial model of the pseudo-expression image item learned and analyzed from the derived element learning function. And a function of generating and recommending a pseudo-expression image item for recommending a pseudo-expression image item in which emoticons are combined. And
The accuracy of the pseudo-expression image item generated and recommended by the pseudo-expression image item generation and recommendation function is analyzed to indicate a calculated result value, and the calculated result value is the emphasis of meaning, intensity of emotion, importance, mood, situation, Accuracy analysis and reflection expression image item recommendation function that recommends expression image items that reflect accuracy to the user by differentially expressing at least one or more of the highlight display, shadow display, gradation display, animation, and multiple effect functions according to the environment A recording medium that records a program for executing;
상기 메시지 박스 정보 추출 분석 기능은,
텍스트 및 의사 표현 이미지 아이템이 가지는 정보의 의미 및 강도를 추출하는 기능 및 각 의미와 강도를 연결하여 특정 감정을 추출하는 기능을 더 포함하는 것을 특징으로 하는
기록매체.
The method of claim 1,
The message box information extraction and analysis function,
It characterized in that it further comprises a function of extracting the meaning and intensity of information possessed by the text and the expression image item, and a function of extracting a specific emotion by connecting each meaning and intensity.
Recording medium.
상기 메시지 박스 정보 추출 분석 기능은,
메시지 박스에 포함된 텍스트 정보 및 의사 표현 이미지 아이템 정보 분석시 문장의 형태, 감정 기호, 사용자와 채팅 상대가 메시지를 보낸 시간 및 반응 시간 중 적어도 어느 하나 이상을 분석하여 메시지가 이어지는 문장인지 또는 나누어 전송되는 문장인지를 파악하는 기능을 더 포함하는 것을 특징으로 하는
기록매체.
The method of claim 1,
The message box information extraction and analysis function,
When analyzing text information and expression image item information included in the message box, at least one or more of the form of the sentence, the emotional symbol, the time when the user and the chat partner sent the message, and the reaction time are analyzed to determine whether the message is a continuous sentence or divided and transmitted. Characterized in that it further comprises a function of determining whether the sentence is
Recording medium.
채팅 서비스를 사용하는 사용자와 채팅 상대의 대화 내용을 학습 및 분석하여 상호간의 관계를 파악하고, 관계에 적합한 답변을 의사 표현 이미지 아이템 초기 모델로 추출하여 이를 사용자에게 추천해주는 기능을 더 포함하는 것을 특징으로 하는
기록매체.
The method of claim 1 and 2,
The feature further includes a function that learns and analyzes the conversation contents of the user who uses the chat service and the chat partner to understand the relationship between them, and extracts an appropriate answer for the relationship as an initial model of the expression image item and recommends it to the user. With
Recording medium.
상기 채팅 상대가 입력한 텍스트 정보 및 의사 표현 이미지 아이템 정보에 따라 채팅 상대의 대화 타입 및 페르소나를 분석 및 추출하여 이를 사용자에게 표시해주는 기능을 더 포함하되, 표시된 정보에 대한 피드백을 사용자로부터 획득하여 이를 대화 타입 및 페르소나를 재분석 및 재추출할 때 반영토록 하는 것을 특징으로 하는
기록매체.
The method of claim 5,
It further includes a function of analyzing and extracting the conversation type and persona of the chatting partner according to the text information and the expression image item information input by the chatting partner and displaying them to the user. Characterized in that it reflects the conversation type and persona when re-analyzing and re-extracting
Recording medium.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190122040A KR20210039608A (en) | 2019-10-02 | 2019-10-02 | Recording Medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190122040A KR20210039608A (en) | 2019-10-02 | 2019-10-02 | Recording Medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210039608A true KR20210039608A (en) | 2021-04-12 |
Family
ID=75440048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190122040A KR20210039608A (en) | 2019-10-02 | 2019-10-02 | Recording Medium |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210039608A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102563160B1 (en) * | 2022-08-12 | 2023-08-03 | 주식회사 트레바리 | A method, device, and computer program to recommend a reading group service by using user information |
-
2019
- 2019-10-02 KR KR1020190122040A patent/KR20210039608A/en unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102563160B1 (en) * | 2022-08-12 | 2023-08-03 | 주식회사 트레바리 | A method, device, and computer program to recommend a reading group service by using user information |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11303590B2 (en) | Suggested responses based on message stickers | |
| US11809829B2 (en) | Virtual assistant for generating personalized responses within a communication session | |
| US11394667B2 (en) | Chatbot skills systems and methods | |
| US10146768B2 (en) | Automatic suggested responses to images received in messages using language model | |
| US11366846B2 (en) | Apparatus and a method for providing expression item services which constructing digital communication environments | |
| US9348479B2 (en) | Sentiment aware user interface customization | |
| US11106870B2 (en) | Intelligent text enhancement in a computing environment | |
| US20190197427A1 (en) | Device and method for recommending contact information | |
| Windiatmoko et al. | Developing FB chatbot based on deep learning using RASA framework for university enquiries | |
| KR20210039618A (en) | Apparatus for processing a message that analyzing and providing feedback expression items | |
| KR20210039608A (en) | Recording Medium | |
| KR20210039626A (en) | Program of processing a message that analyzing and providing feedback expression items | |
| KR20200101537A (en) | Method for processing a message that provides feedback expression items | |
| US20240106769A1 (en) | Device for providing message service for actively building expression item database including sub-expression items and method therefor | |
| KR102674782B1 (en) | Apparatus for processing a message that provides feedback expression items | |
| KR20210039612A (en) | Method for processing a message that analyzing and providing feedback expression items | |
| KR20210039605A (en) | Recording Medium | |
| KR20210039615A (en) | Apparatus for processing a message that analyzing and providing feedback expression items | |
| KR20210039610A (en) | Method for processing a message that analyzing and providing feedback expression items | |
| KR20210039621A (en) | Program of processing a message that analyzing and providing feedback expression items | |
| KR20200095795A (en) | Program of processing a message that provides feedback expression items | |
| KR20200101535A (en) | Recording Medium | |
| KR20200119428A (en) | Program of processing a message that provides feedback expression items | |
| KR20200101536A (en) | Recording Medium | |
| CN112115231A (en) | Data processing method and device |