KR20210043884A - 전자 장치 및 이의 제어 방법 - Google Patents

Abstract

전자 장치의 제어 방법이 개시된다. 본 개시에 따른 전자 장치의 제어 방법은, 원본 문서를 수신하는 단계, 상기 수신한 원본 문서에서 복수의 키워드를 추출하는 단계, 상기 추출된 복수의 키워드를 구조화하는 단계, 상기 구조화된 복수의 키워드를 기초로, 상기 수신한 원본 문서에 대한 요약문을 생성하는 단계, 상기 생성한 요약문을 제공하는 단계, 상기 제공된 요약문에 대한 사용자의 질의를 수신하는 단계 및 상기 구조화된 복수의 키워드를 기초로, 상기 사용자의 질의에 대한 응답을 제공하는 단계를 포함한다.

Description

전자 장치 및 이의 제어 방법 {ELECTRONIC APPARATUS AND CONTROLLING METHOD THEREOF}

본 개시는 전자 장치 및 이의 제어 방법에 관한 것으로, 구체적으로는 텍스트에 대한 요약 텍스트는 제공하는 전자 장치 및 이의 제어 방법에 관한 것이다.

최근 인공지능 기술의 발달로 디바이스가 인간의 언어 및 문자를 인식하고 응용 및 처리하는 기술이 증가하고 있다. 이와 관련하여, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성과 관련된 인공지능 기술이 점점 발전하고 있다. 특히, 최근에는 디바이스가 장문의 텍스트를 요약하여 사용자에게 요약된 텍스트를 제공하도록 하는 기술이 등장하고 있다.

그러나, 디바이스가 장문의 텍스트를 요약한 경우 사용자가 원하는 내용이 누락될 가능성이 있다. 또한, 디바이스가 장문의 텍스트를 이해하고 요약하여 이를 사용자에게 제공하기 위해서는 자연어 이해(Natural Language Understanding, NLU) 시스템 및 요약 시스템이 필요한데, 요약 시스템이 텍스트에 포함된 의도(intent)를 판단하기 위해서는, 자연어 이해 시스템에 종속되어 자연어 이해 시스템의 데이터 베이스(Data Base, DB) 및 지식 베이스(Knowledge Base, KB)를 사용해야 했다.

본 개시는 상술한 문제점을 해결하기 위한 것으로, 요약 시스템의 독자적인 데이터 베이스 및 지식 베이스를 이용하여 원본 문서에 포함된 키워드를 구조화하고, 대화시스템(Dialogue Manager System) 기술을 사용하여 원본 문서에 포함된 정보를 누락하지 않고 제공하는 전자 장치 및 이의 제어 방법을 제공함에 있다.

본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은 원본 문서를 수신하는 단계; 상기 수신한 원본 문서에서 복수의 키워드를 추출하는 단계; 상기 추출된 복수의 키워드를 구조화하는 단계; 상기 구조화된 복수의 키워드를 기초로, 상기 수신한 원본 문서에 대한 요약문을 생성하는 단계; 상기 생성한 요약문을 제공하는 단계; 상기 제공된 요약문에 대한 사용자의 질의를 수신하는 단계; 및 상기 구조화된 복수의 키워드를 기초로, 상기 사용자의 질의에 대한 응답을 제공하는 단계;를 포함할 수 있다.

한편, 본 개시의 또 다른 일 실시 예에 따른 전자 장치는 메모리; 통신 인터페이스; 상기 통신 인터페이스를 이용하여 원본 문서를 수신하고, 상기 수신된 원본 문서에서 복수의 키워드를 추출하고, 상기 추출된 복수의 키워드를 구조화하며, 상기 구조화된 복수의 키워드를 기초로 상기 수신한 원본 문서에 대한 요약문을 생성하고, 상기 생성한 요약문을 제고하며, 상기 제공된 요약문에 대한 사용자 질의를 수신하면, 상기 구조화된 복수의 키워드를 기초로 상기 사용자 질의에 대한 응답을 제공하는 프로세서;를 포함할 수 있다.

한편, 본 개시의 또 다른 일 실시 예에 따른 전자 장치의 제어 방법을 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록매체는, 원본 문서를 수신하는 단계; 상기 수신한 원본 문서에서 복수의 키워드를 추출하는 단계; 상기 추출된 복수의 키워드를 구조화하는 단계; 상기 구조화된 복수의 키워드를 기초로, 상기 수신한 원본 문서에 대한 요약문을 생성하는 단계; 상기 생성한 요약문을 제공하는 단계; 상기 제공된 요약문에 대한 사용자의 질의를 수신하는 단계; 및 상기 구조화된 복수의 키워드를 기초로, 상기 사용자의 질의에 대한 응답을 제공하는 단계;를 포함하는 제어 방법을 실행하기 위한 프로그램을 포함할 수 있다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치를 포함하는 시스템을 도시한 도면,
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 블록도,
도 3 내지 6는 본 개시의 일 실시 예에 따른 대화 시스템 및 요약 시스템을 설명하기 위한 도면,
도 7a, 도7b 및 도 7c는 본 개시의 일 실시 예에 따른 복수의 키워드 정보를 결합하는 전자 장치를 설명하기 위한 도면,
도 8은 본 개시의 일 실시 예에 따른 전자 장치 및 사용자 단말 장치를 포함하는 시스템의 구성을 나타내는 블록도,
도 9는 본 개시의 일 실시 예에 따른 전자 장치와 사용자 단말 장치 간의 동작을 설명하기 위한 시퀀스도,
도 10a, 도 10b 및 도 10c는 본 개시의 일 실시 예에 따른 요약문을 수신한 사용자 단말 장치의 동작을 설명하기 위한 도면,
도 11a, 도 11b 및 도 11c는 본 개시의 일 실시 예에 따른 요약문을 수신한 사용자 단말 장치의 동작을 설명하기 위한 도면, 및
도 12는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.

이하, 본 개시의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 개시에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.

본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.

본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.

본 개시에서 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, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.

본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.

이하에서는 도면을 참조하여 본 개시에 대하여 상세히 설명하기로 한다.

도 1은 본 개시의 일 실시 예에 따른 전자 장치를 포함하는 시스템을 도시한 도면이다.

도 1에 도시된 바와 같이, 시스템(1000)은 전자 장치(100) 및 사용자 단말 장치(200)를 포함할 수 있다.

사용자 단말 장치(200)는 사용자에게 소정의 문서에 대한 요약 텍스트(또는 요약문)를 제공할 수 있다. 본 개시에서 요약 텍스트는, 원본 문서로부터 추출된 키워드를 포함하며, 원본 문서의 길이보다 짧은 길이를 갖는 텍스트를 의미한다. 여기에서, 소정의 문서는 사용자 단말 장치(200)에 저장된 원본 문서 또는 텍스트뿐만 아니라 사용자 단말 장치(200)가 전자 장치(100) 또는 다른 외부 장치(미도시)로부터 수신한 원본 문서 또는 텍스트를 포함할 수 있다.

사용자 단말 장치(200)는 요약 텍스트를 디스플레이에 표시하여 사용자에게 제공할 수 있다. 또한, 사용자 단말 장치(200)는 요약 텍스트를 음성 신호로 변환하고 변환된 음성 신호를 스피커를 통하여 사용자에게 제공할 수 있다.

한편, 사용자 단말 장치(200)는 원본 문서와 관련된 사용자 질의를 수신할 수 있다. 본 개시에서, 원본 문서와 관련된 사용자 질의는 원본 문서의 상세 내용에 대한 사용자의 질문뿐만 아니라 원본 문서 전체에 대한 사용자의 요청을 포함할 수 있다. 가령, 특정 단어 △△ 가 포함된 원본 문서가 존재하는 경우, 원본 문서와 관련된 사용자 질문은 '△△는 어느 지역에 있어?', '△△에 대해 더 알려줘' 등과 같은 원본 문서의 상세 내용과 관련된 질의 뿐만 아니라, '좀 더 알려줘', '너무 길어. 좀 더 짧게 축약해서 알려줘' 등과 같은 원본 문서 전체에 대한 요청을 나타낼 수 있다.

사용자 단말 장치(200)는 다양한 입력 인터페이스를 포함할 수 있다. 사용자 단말 장치(200)는 마이크를 포함하여 사용자 음성을 수신하거나, 키패드, 버튼 등과 같은 입력 인터페이스를 포함하여 사용자 질의를 입력 받을 수 있다. 또한, 사용자 단말 장치(200)는 터치 스크린을 포함하는 디스플레이를 구성 요소로 포함할 수 있으며, 텍스트와 관련된 기능을 수행하는 UI를 디스플레이에 표시하고, 디스플레이에 표시된 UI를 터치하는 사용자 입력을 통하여 사용자 질의를 수신할 수 있다.

한편, 사용자 단말 장치(200)는 사용자에게 원본 문서에 대한 요약 텍스트를 제공하기 위하여 전자 장치(100)와 통신을 수행할 수 있다. 사용자 단말 장치(200)는 전자 장치(100)에 원본 문서 또는 원본 문서와 관련된 사용자 질의를 전송하고, 전자 장치(100)로부터 요약 텍스트를 수신할 수 있다.

이를 위하여, 전자 장치(100)는 대화 시스템 및 요약(Summarization) 시스템을 포함할 수 있다.

전자 장치(100)는 도 4 이하에 개시된 요약 시스템을 이용하여 원본 문서 또는 요약 텍스트에 포함된 의도(intent)를 판단할 수 있다. 여기에서, 원본 문서 또는 요약 텍스트는 사용자 단말 장치(200)로부터 수신된 문서 또는 텍스트뿐만 아니라, 전자 장치(100)에 기 저장된 문서 또는 텍스트를 포함할 수 있다. 그리고, 전자 장치(100)는 대화 시스템을 이용하여 원본 문서 또는 요약 텍스트에 관한 사용자 질의에 포함된 의도(intent)를 판단하고, 사용자 질의에 포함된 의도를 원본 문서 또는 요약 텍스트에 포함된 의도에 매핑(mapping)하여 사용자의 의도에 따른 업데이트된 요약 텍스트를 생성할 수 있다. 또한, 전자 장치(100)는 생성된 업데이트된 요약 텍스트를 사용자 단말 장치(200)에 제공할 수 있다.

한편, 도 1에는 사용자 단말 장치(200)가 스마트폰으로 도시되었으나, 이는 일 실시 예에 불과하고, 사용자 단말 장치(200)는 다양한 유형의 단말 장치로 구현될 수 있다. 예를 들어, 사용자 단말 장치(200)는 TV, 모니터, 태블릿 PC, 노트북, PC, 키오스크, 스피커 등과 같은 다양한 전자 장치가 될 수 있다.

또한, 도 1 에는 전자 장치(100)가 사용자 단말 장치(200)가 별개의 장치로 구현되어 전자 장치(100)와 사용자 단말 장치(200)가 통신을 수행하는 것으로 도시하였으나, 반드시 이에 한하는 것은 아니다.

즉, 전자 장치(100)가 사용자 단말 장치(200)의 기능을 수행하여, 상술한 사용자 단말 장치(200)의 기능이 전자 장치(100)에서 구현될 수 있다. 즉, 전자 장치(100)는 사용자로부터 직접 원본 문서와 관련된 사용자 질의를 수신하고, 사용자에게 직접 요약 텍스트를 제공할 수 있다. 이 경우, 전자 장치(100)는 스마트폰, TV, 모니터, 태블릿 PC, 노트북, PC, 키오스크, 스피커 등이 될 수 있다.

이하에서는, 본 개시에 따른 전자 장치 및 이의 제어 방법에 대하여 더욱 상세하게 설명하도록 한다.

도 2는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 도면이다.

본 개시에 따른 전자 장치의 제어 방법은, 우선 원본 문서를 수신할 수 있다(S210). 여기에서, 원본 문서는 전자 장치(100)가 외부 장치로부터 수신하는 문서로, 사용자 단말 장치로부터 수신하는 문서 또는 서버와 같은 외부 장치로부터 수신하는 문서를 포함할 수 있다.

그리고, 요약 시스템을 이용하여 수신한 원본 문서에서 복수의 키워드를 추출할 수 있다(S220). 구체적으로, 원본 문서에 포함된 단어가 도메인 사전 베이스에 포함된 키워드일 경우, 해당 단어를 키워드로 추출할 수 있다. 더불어, 키워드를 추출하면서 키워드의 개체 정보를 획득할 수 있다. 예를 들어, 단어 '삼성'이 도메인 '회사'에 포함된 개체 정보 '이름'에 존재하는 경우, 프로세서(130)는 원본 문서에 포함된 단어 '삼성'을 키워드로 판단하고, '삼성'의 도메인은 '회사'이고 개체는 '이름'으로 판단할 수 있다.

그리고, 요약 시스템을 이용하여 추출된 복수의 키워드를 키워드간 관련성을 기초로 구조화할 수 있다(S230). 복수의 키워드를 구조화한다는 것은, 복수의 키워드를 서로 관련이 있는 키워드끼리 분류 또는 클러스터링(clustering)하고, 분류된 복수의 키워드를 트리 구조 형태로 나타내는 것을 의미할 수 있다. 다만, 트리 형태는 일 실시 예일 뿐이며, 복수의 키워드를 다양한 데이터 구조 형태로 나타낼 수 있음은 물론이다.

구체적으로, 키워드의 개체 정보를 포함하는 도메인 사전 베이스를 이용하여 키워드의 개체를 기초로 복수의 키워드를 분류하고, 서로 관련이 있는 키워드끼리 클러스터링 할 수 있다.

그리고, 키워드의 개체 정보 간의 계층적 구조를 포함하는 도메인 지식 베이스를 이용하여, 클러스터링된 복수의 키워드를 트리 형태로 구조화할 수 있다. 가령, 키워드의 개체 정보를 포함하는 노드를 생성하고, 도메인 지식 베이스에 저장된 각 객체의 계층적 구조 정보에 따라 노드를 배치하여 트리를 생성함으로써, 추출된 복수의 키워드를 구조화할 수 있다.

한편, 구조화된 복수의 키워드를 기초로 수신한 원본 문서에 대한 요약문(또는 요약 텍스트)을 생성하고(S240), 생성된 요약문을 사용자 단말 장치(200)에 제공할 수 있다. 구체적으로, 구조화된 복수의 키워드 각각에 할당된 가중치 값을 기초로 원본 문서에 대한 요약문을 생성하고, 생성된 요약문을 사용자 단말 장치(200)에 제공할 수 있다.

원본 문서에 대한 요약문을 제공한 후, 원본 문서에 대한 사용자 질의를 수신할 수 있다(S260-Y). 이때, 사용자 질의를 수신하면 대화 시스템을 이용하여 수신한 사용자 질의에 포함된 사용자의 의도를 판단할 수 있다.

그리고, 판단된 사용자의 의도를 기초로, 구조화된 복수의 키워드를 기초로 사용자 질의에 대한 응답을 제공할 수 있다(S270). 이때, 사용자 질의는 원본 문서에 대한 사용자의 질의 뿐만 아니라 원본 문서와 관련된 사용자의 요청을 포함할 수 있다. 즉, 사용자 질의는 '△△△ 전화 번호 알려줘'와 같은 텍스트에 포함된 특정 키워드와 관련된 상세 내용에 대한 질의뿐만 아니라, '좀 더 자세히 알려줘'와 같은 문서 전체에 대한 요청을 포함할 수 있다.

사용자의 질의가 원본 문서 또는 요약 텍스트에 포함된 특정 키워드와 관련된 질의인 경우, 구조화된 복수의 키워드 정보를 기초로, 사용자 질의와 관련된 키워드와 관련된 정보를 추출하여 사용자에게 제공할 수 있다. 그리고, 사용자의 질의가 원본 문서 또는 요약 텍스트 전체에 대한 요청인 경우, 사용자의 질의에 포함된 의도에 따라 구조화된 복수의 키워드 정보에 포함된 키워드에 대한 임계값을 설정하여, 사용자 질의에 대한 키워드를 추출하여 응답을 제공할 수 있다.

도 3 내지 6는 본 개시의 일 실시 예에 따른 대화 시스템 및 요약 시스템을 설명하기 위한 도면이다.

대화 시스템(10)은 사용자 단말 장치(200)의 사용자와 자연어를 통해 대화를 수행하기 위한 구성으로서, 본 개시의 일 실시 예 따르면, 대화 시스템(10)은 전자 장치(100)의 메모리(110) 내에 저장될 수 있다. 그러나, 이는 일 실시 예에 불과할 뿐, 대화 시스템(10)에 포함된 적어도 하나는 외부의 적어도 하나의 서버에 포함될 수 있다.

도 3에 도시된 바와 같이, 대화 시스템(10)은 자연어 이해(natural language understanding)(NLU) 모듈(11), 대화 매니저(dialogue manager)(DM) 모듈(12) 및 자연어 생성(natural language generator)(NLG) 모듈(13)을 포함할 수 있다.

자연어 이해 모듈(11)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 질의에 포함된 사용자 의도를 파악할 수 있다. 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(11)은 사용자 질의가 어느 도메인(domain), 의도(intent) 또는 의도를 표현하는데 필요한 엔티티(entity)(또는, 파라미터(parameter), 슬롯(slot))를 얻을 수 있다.

자연어 이해 모듈(11)은 도메인, 의도 및 의도를 파악하는데 필요한 엔티티 (또는, 파라미터, 슬롯)로 나누어진 매칭 규칙을 이용하여 사용자 질의에 포함된 사용자의 의도 및 엔티티를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 알람)은 복수의 의도(예: 알람 설정, 알람 해제 등)를 포함할 수 있고, 하나의 의도는 복수의 엔티티(예: 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 엔티티를 포함할 수 있다. 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(미도시)에 저장될 수 있다.

자연어 이해 모듈(11)은 자연어 인식 데이터베이스(미도시)에 저장된 다양한 도메인 및 의도에 사용자 질의에서 추출된 단어가 얼마나 포함되어 있는지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(11)은 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 질의에 포함된 단어의 엔티티를 결정할 수 있다. 이와 같이, 자연어 이해 모듈(11)은 사용자 질의의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(미도시)를 이용하여 사용자의 의도를 결정할 수 있다.

자연어 이해 모듈(11)을 통해 획득된 사용자 질의의 도메인, 의도 및 사용자 질의에 포함된 복수의 질의 키워드의 개체 정보는 대화 매니저 모듈(12)에 전달될 수 있다.

대화 매니저 모듈(12)은 자연어 이해 모듈(11)에 의해 식별된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(12)은 사용자 질의에 포함된 엔티티의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(12)는 사용자의 의도가 명확하지 않은 경우 사용자 단말 장치(200)에 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(12)는 사용자의 질의의 의도를 파악하기 위한 엔티티에 관한 정보를 요청하는 피드백을 수행할 수 있다. 또한, 대화 매니저 모듈(12)은 자연어 이해 모듈(11)에 의해 변경된 텍스트를 포함하는 사용자 질의를 확인하기 위한 메시지를 생성하여 출력할 수 있다. 반면, 대화 매니저 모듈(12)은 사용자의 의도가 명확한 경우, 사용자 질의의 도메인, 의도 및 사용자 질의에 포함된 복수의 질의 키워드의 개체 정보를 요약 시스템(30)에 전달할 수 있다.

대화 매니저 모듈(12)은 요약 시스템(30)으로부터 생성된 요약 텍스트와 관련된 정보를 수신할 수 있다. 여기에서, 요약 텍스트와 관련된 정보를 요약 텍스트를 생성하기 위하여 필요한 키워드 정보를 포함할 수 있다. 사용자 의도 또는 문법에 맞추어 재구성된 키워드 정보를 포함할 수 있다. 대화 매니저 모듈(12)은 요약 시스템(30)으로부터 수신한 요약 텍스트에 대한 정보를 자연어 생성 모듈(13)에 전송할 수 있다.

자연어 생성 모듈(13)은 대화 매니저 모듈(12)로부터 수신된 요약 텍스트에 대한 정보를 텍스트 형태로 변경할 수 있다. 즉, 자연어 생성 모듈(13)은 요약 시스템으로부터 획득된 요약 텍스트와 관련된 정보로부터 요약 텍스트를 생성할 수 있다.

한편, 본 개시에서는 대화 시스템(10)에 자연어 이해 모듈(11), 대화 매니저 모듈(12), 자연어 생성 모듈(13)이 포함되는 것으로 도시하였으나, 전자 장치(100)가 사용자 단말 장치(200)의 기능을 포함하는 사용자 단말 장치로서 구현되는 경우, 즉, 전자 장치(100)가 온-디바이스(on-device)로 구현되는 경우, 전자 장치(100)는 직접 사용자로부터 음성을 수신할 수 있으며, 사용자에게 직접 음성을 제공할 수 있다. 이 경우, 대화 시스템(10)은 음성 형태의 정보를 텍스트 형태로 변환하는 자동 음성 인식(automatic speech recognition)(ASR) 모듈(미도시) 및 텍스트 형태의 정보를 음성 형태로 변환하는 텍스트 음성 변환(Text To Speech)(TTS) 모듈(미도시)를 포함할 수 있다.

한편, 요약 시스템(30)은 장문의 텍스트 또는 원본 문서를 기 설정된 개수 미만의 단어를 포함하는 요약 텍스트로 변경하기 위한 구성으로, 소프트웨어 모듈로 구현될 수 있다. 본 개시의 일 실시 예 따르면, 요약 시스템(30)은 전자 장치(100)의 메모리(110) 내에 저장될 수 있다. 그러나, 이는 일 실시 예에 불과할 뿐, 요약 시스템(30)에 포함된 적어도 하나는 외부의 적어도 하나의 서버에 포함될 수 있다.

도 3에 도시된 바와 같이, 요약 시스템(30)은 summarizer 모듈(31), semantic mapper 모듈(32), summarized interpreter 모듈(33), post-NL 모듈(34)을 포함할 수 있다.

요약 시스템(30)에 포함된 각각의 모듈에 대해서는 도 4 내지 도 6에서 구체적으로 설명하기로 한다.

도 4는 본 개시의 일 실시 예에 따른 summarizer 모듈을 설명하기 위한 도면이다.

도 4에 도시된 바와 같이, summarizer 모듈(31)은 키워드 추출 모듈(41), 구조화 모듈(42) 및 가중치 모듈(43)을 포함할 수 있다.

키워드 추출 모듈(41)은 원본 문서(20)를 입력으로 받아 원본 문서에 포함된 키워드 및 키워드의 개체 정보를 획득할 수 있다. 이를 위하여 summarizer 모듈(31)은 도메인 사전 베이스(40) 및 도메인 지식 베이스(50)를 이용할 수 있다.

도메인 사전 베이스(40)에는 복수의 도메인 정보 및 각각의 도메인과 관련된 복수의 개체 정보가 저장될 수 있으며, 각 개체 정보를 개체로 가질 수 있는 복수의 단어가 저장될 수 있다.

한편, 도메인 지식 베이스(50)에는 도메인 및 복수의 개체 정보 간의 상관 관계가 저장되어 있을 수 있다. 가령, 도메인 사전 베이스(40)에는 개체 정보 '회사 이름', '주소', '연락처', '업무 시간' 등은 도메인 '회사'에 포함되는 개체라는 정보가 저장되어 있을 수 있다.

도메인 지식 베이스(50)는 도메인 또는 도메인에 포함된 개체 정보에 대한 가중치 값이 저장되어 있을 수 있다. 이때, 각 도메인 또는 도메인에 포함된 개체 정보에 대한 가중치 값은 빅 데이터로부터 통계적인 방법을 통하여 기 저장되어 있을 수 있다. 그러나, 반드시 이에 한하는 것은 아니며, 가중치 값은 사용자의 설정에 의해 또는 통계적인 방법 및 사용자 설정을 혼합하는 방법에 의해 도메인 지식 베이스(50)에 기 저장되어 있을 수 있다.

키워드 추출 모듈(41)은 도메인 사전 베이스(40)를 이용하여 원본 문서에 포함된 복수의 단어 중 복수의 키워드를 추출할 수 있다. 구체적으로, 키워드 추출 모듈(41)은 원본 문서에 포함된 단어가 도메인 사전 베이스(40)에 포함된 경우, 해당 단어를 키워드로 추출할 수 있다. 그리고, 키워드 추출 모듈(41)은 원본 문서에 포함된 단어가 도메인 사전 베이스(40)에 저장된 다양한 도메인 및 개체 정보 중 어느 도메인 및 개체 정보에 포함되어 있는지를 식별하여 원본 문서에 포함된 키워드의 개체 정보 및 도메인을 판단할 수 있다.

한편, 원본 문서에 포함된 단어가 도메인 사전 베이스(40)에 포함되는 것으로 판단되는 경우, 구조화 모듈(42)는 단어에 대응되는 키워드, 키워드의 식별 정보 및 키워드의 도메인 정보 각각에 대응되는 노드를 생성하여 생성된 각 노드를 연결할 수 있다. 즉, 구조화 모듈(42)은 키워드의 도메인 정보에 대응되는 노드의 자식 노드는 개체 정보에 대응되는 노드이고, 개체 정보에 대응되는 노드의 자식 노드는 키워드에 대응되는 노드인 것으로 각 노드 간의 연결 정보를 생성할 수 있다.

원본 문서에 포함된 각각의 단어에 대하여 상술한 과정을 반복하면서, 구조화 모듈(42)은 트리(tree) 형태의 구조화된 키워드 정보(35)를 생성할 수 있다. 그리고, 최종적으로 구조화 모듈(42)은 원본 문서에 포함된 키워드의 개체 정보, 도메인 정보를 기초로, 원본 문서의 의도(intent)를 판단할 수 있다.

한편, 가중치 모듈(43)은 도메인 지식 베이스(50)에 기 저장된 각 도메인 또는 각 개체 정보에 대한 가중치를 기초로, 키워드 정보 내의 도메인, 개체 정보 및 키워드에 대응되는 노드에 가중치를 부여할 수 있다. 이때, 가중치 모듈(43)은 도메인 지식 베이스(50)에 기 저장된 가중치뿐만 아니라, 원본 문서(20)에 포함된 단어의 폰트 사이즈, 폰트 굵기 또는 폰트 종류, 및 원본 문서 내에서의 단어의 빈도수 등을 고려하여 트리에 포함된 도메인, 개체 정보 및 키워드에 대응되는 노드에 가중치를 부여할 수 있다. 가령, 도메인 지식 베이스(50)에서 개체 'percentage'의 가중치는 0.5로 기 설정되어 있으나, 원본 문서(20) 내에서 개체 'percentage'에 대응되는 키워드 '40%'의 폰트 크기가 원본 문서(20) 내의 다른 단어의 폰트 크기보다 큰 경우, 가중치 모듈(43)은 'percentage'에 대응되는 노드의 가중치를 0.5보다 큰 0.7로 설정할 수 있다. 한편, 원본 문서(20)에 포함된 단어의 폰트 사이즈, 폰트 굵기 또는 폰트 종류, 및 원본 문서 내에서의 단어의 빈도수와 같이 가중치의 값을 고려하는 요소는 일 실시 예에 불과하며, 반드시 이에 한하는 것은 아니다.

한편, summarizer 모듈(31)에 의해 생성된 구조화된 키워드 정보는 메모리(110)에 저장될 수 있다. 전자 장치(100)에 기 저장된 원본 문서가 복수 개인 경우, 메모리(110)에는 복수의 원본 문서에 대한 키워드 정보가 저장될 수 있다.

도 5는 본 개시의 일 실시 예에 따른 sematic mapper 모듈을 설명하기 위한 도면이다.

sematic mapper 모듈(32)은 대화 시스템(10)에서 획득된 사용자 질의의 의도와 summarizer 모듈(31)에서 획득된 원본 문서의 의도를 매핑(mapping)하여 사용자 질의의 의도와 가장 관련이 높은 원본 문서의 의도를 판단할 수 있다.

sematic mapper 모듈(32)은 대화 시스템(10)을 통하여 획득한 사용자 질의의 도메인, 의도, 질의 키워드의 개체 정보를 입력으로 할 수 있다. 또한, sematic mapper 모듈(32)은 대화 시스템(10)으로부터 획득한 사용자 질의의 도메인, 의도, 질의 키워드의 개체 정보뿐만 아니라, summarizer 모듈(31)을 통하여 생성된 구조화된 키워드 정보(35) 및 도메인 사전 베이스(40)를 sematic mapper 모듈(32)의 입력으로 할 수 있다.

sematic mapper 모듈(32)은 상술한 입력 값들을 이용하여 구조화된 키워드 정보에서의 패스(path) 정보를 생성할 수 있다. 여기에서의 패스 정보는 사용자 질의의 의도에 대응되는 요약 텍스트를 생성하기 위하여 필요한 원본 문서의 키워드에 대한 정보로, 구조화된 키워드 정보(35)에서 키워드의 경로 정보를 포함할 수 있다.

sematic mapper 모듈(32)은 대화 시스템(10)에서 획득한 사용자 질의에 포함된 질의 키워드에 대응되는 개체 정보 및 질의 키워드를 도메인 사전 베이스(40)에 저장된 개체 정보 및 키워드와 비교하여 질의 키워드의 개체 정보가 도메인 사전 베이스(40)에 존재하는지 판단할 수 있다. 가령, 사용자 질의가 '△△△에 대해 좀 더 자세히 알려줘'이고, 대화 시스템(10)으로부터 질의 키워드 '△△△'의 개체 정보는 '회사 이름'이고, 사용자 질의의 의도는 △△△에 대한 추가 정보 검색이라는 것을 획득한 경우, sematic mapper 모듈(32)은 도메인 사전 베이스(40)를 이용하여 질의 키워드 △△△가 도메인 사전 베이스(40)에 존재하는지 판단하고, 도메인 사전 베이스(40)로부터 질의 키워드 △△△의 도메인 정보(가령, △△△의 도메인은 company)를 획득할 수 있다.

질의 키워드의 개체 정보가 도메인 사전 베이스(40)에 존재하는 것으로 판단된 경우, sematic mapper 모듈(32)은 구조화된 키워드 정보(35)를 기초로 질의 키워드와 관련된 키워드를 분류할 수 있다. 구체적으로 sematic mapper 모듈(32)은 구조화된 키워드 정보(35) 내 복수의 노드 중 질의 키워드의 개체 정보에 대응되는 개체 정보를 포함하는 노드를 탐색하고, 탐색된 노드와 관련된 키워드를 포함하는 노드를 분류할 수 있다. 여기에서, 탐색된 노드와 관련된 키워드는 탐색된 노드의 하위 레벨에 존재하는 노드에 대응되는 키워드를 포함할 수 있다.

sematic mapper 모듈(32)은 구조화된 키워드 정보에서 분류된 키워드를 포함하는 노드의 정보를 포함하는 패스 정보를 생성하고 이를 summarized interpreter 모듈(33)에 제공할 수 있다. 이때, 패스 정보는 메모리(110)에 저장된 분류된 노드의 주소 정보를 포함할 수 있으나, 도 5에서는 설명의 편의상 트리 구조에서 분류된 노드를 포함하는 패스 정보를 굵게 표시하여 나타내도록 한다.

도 6은 본 개시의 일 실시 예에 따른 summarized interpreter 모듈(33)을 설명하기 위한 도면이다.

summarized interpreter 모듈(33)은 구조화된 키워드 정보(35)를 기초로 요약 텍스트(37)를 생성하기 위한 키워드를 추출할 수 있다.

summarized interpreter 모듈(33)은 summarizer 모듈(31)에서 생성된 구조화된 키워드 정보(35)을 기초로 sematic mapper 모듈(32)에서 생성된 패스 정보 또는 도메인 지식 베이스(50)에 저장된 자연어 임계 값(Natural Language Threshold, NL Threshold)을 입력으로 사용할 수 있다. 여기에서, 도메인 지식 베이스(50)에 저장된 자연어 임계 값(NL Threshold)은 구조화된 키워드 정보(35) 내의 복수의 키워드 노드(즉, 키워드를 포함하는 노드) 중 요약 텍스트(37)를 생성하기 위한 키워드 노드를 선택하는 기준을 의미할 수 있다.

summarized interpreter 모듈(33)은 키워드 정보 및 키워드 정보에 포함된 노드의 가중치 값에 대한 자연어 임계 값을 기초로 요약 텍스트를 생성할 수 있다. 가령, NL Threshold > 0.5 인 경우, summarized interpreter 모듈(33)은 구조화된 키워드 정보(35) 내의 복수의 키워드 노드 중 가중치 값이 0.5 초과인 노드를 선택하는 것을 의미한다. 가령, NL Threshold > 0.5 인 경우, summarized interpreter 모듈(33)은 도 6에 도시된 구조화된 키워드 정보(35) 내의 복수의 키워드를 포함하는 노드 중 가중치 값이 0.5 초과인 노드 '△△△', '40', '한정판 사진 작품'을 선택할 수 있다. 그리고, 선택된 키워드 노드와 연결된 개체 노드(즉, 개체 정보를 포함하는 노드), 도메인 노드(도메인 정보를 포함하는 노드), 텍스트의 의도가 포함된 노드를 기초로 요약 텍스트(37)를 생성할 수 있다. 가령, summarized interpreter 모듈(33)은 선택된 '△△△', '40', '한정판 사진 작품'을 기초로, '40% 할인하여 한정판 사진 작품을 △△△에서 판매'와 같은 요약 텍스트(37)를 생성할 수 있다.

한편, 0.3<=NL Threshold <=0.5인 경우, summarized interpreter 모듈(33)은 도 6에 도시된 구조화된 키워드 정보(35) 내의 복수의 키워드를 포함하는 노드 중 가중치 값이 0.3 이상이고 0.5 미만인 노드 '서울시 강남구 삼성동 영동대로 513','10:30-20:30', 2019.XX.XX'를 선택할 수 있으며, 선택된 노드의 값을 기초로 '할인 날짜는 2019.XX.XX, 영업 시간은 10:30-20:30이고, 장소는 서울시 강남구 상성도 영동대로 513'이라는 요약 텍스트(37)를 생성할 수 있다.

한편, summarized interpreter 모듈(33)은 키워드 정보(35) 및 sematic mapper 모듈(32)에서 생성된 패스 정보(36)를 기초로 요약 텍스트를 생성할 수도 있다. 구체적으로, summarized interpreter 모듈(33)은 sematic mapper 모듈(32)에서 생성된 패스 정보(36)를 키워드 정보(35)에 매핑하여 키워드 정보(35)에 포함된 복수의 노드 중 패스 정보(36)에 매핑되는 키워드 노드, 개체 노드 및 도메인 노드를 판단할 수 있다. 그리고, summarized interpreter 모듈(33)은 판단된 키워드 노드, 개체 노드 및 도메인 노드를 기초로 요약 텍스트(37)를 생성할 수 있다.

가령, summarized interpreter 모듈(33)은 도 5의 sematic mapper 모듈(32)에서 생성된 패스 정보(36)를 키워드 정보(35)에 매핑하여 키워드 노드 '△△△', '02-123-4567'를 판단할 수 있으며, 판단된 키워드 노드와 연결된 개체 노드 및 도메인 노드를 기초로 '△△△의 연락처는 02-123-4567''과 같은 요약 텍스트(37)를 생성할 수 있다.

이와 같이, summarized interpreter 모듈(33)은 구조화된 키워드 정보(35)를 기초로 입력된 값에 따라 다양한 요약 텍스트(37)를 생성할 수 있다. 특히, summarized interpreter 모듈(33)은 도메인 지식 베이스(50)에 저장된 자연어 임계값을 변경하면서 추출되는 키워드를 선별할 수 있고, sematic mapper 모듈(32)에서 획득된 사용자의 질의 키워드에 대응되는 매핑 정보를 이용하여 키워드를 선별할 수 있다는 점에서, 원본 문서에 포함된 키워드의 누락 없이 요약 텍스트(37)를 생성할 수 있다.

한편, 다시 도 3으로 돌아가서, post-NL(Natural Language) 모듈(34)은 summarized interpreter 모듈(33)로부터 요약 텍스트(37)를 획득할 수 있다. post-NL(Natural Language) 모듈(34)은 요약 텍스트(37)를 문법에 맞게 재정렬할 수 있으며, 경우에 따라 요약 텍스트(37)에 포함된 키워드 중 일부를 동일한 의미를 가지는 다른 텍스트로 변경하는 의역(paraphrase)를 수행할 수 있다.

한편, 도 3의 요약 시스템(30)에는 summarizer 모듈(31), sematic mapper 모듈(32), summarized interpreter 모듈(33) 및 post-NL(Natural Language) 모듈(34)가 포함되어 각각 상이한 기능을 수행하는 것으로 도시하였으나, 반드시 이에 한하는 것은 아니다. 즉, 경우에 따라서 요약 시스템(30)에 포함된 복수의 모듈들 중 일부가 결합되어 동작할 수 있다.

상술한 바와 같이, 전자 장치(100)는 대화 시스템(10)을 이용하여 사용자 질의에 대한 질의 키워드를 추출하고, 요약 시스템(30)을 이용하여 원본 문서에 대한 키워드 정보를 생성하고, 생성된 키워드 정보를 이용하여 요약 텍스트를 생성할 수 있다.

한편, 본 개시의 또 다른 실시 예로 전자 장치(100)는 복수의 키워드 정보를 결합할 수도 있다. 구체적으로, 전자 장치(100)는 생성된 복수의 키워드 정보가 서로 관련이 있다고 판단되는 경우, 서로 관련이 있는 복수의 키워드 정보를 병합하여 하나의 키워드 정보를 생성할 수 있다.

도 7a, 7b 및 도 7c는 본 개시의 일 실시 예에 따른 복수의 키워드 정보를 결합하는 전자 장치를 설명하기 위한 도면이다.

도 7a는 도 2 내지 도4에서 상술한 과정을 통하여 획득된 키워드 정보로, '주문 안내' 의도(intent)를 포함하는 원본 문서에 대한 키워드 정보를 나타낸다. 도 7b 또한 도 2 내지 도 4에서 상술한 과정을 통하여 획득된 키워드 정보로. '배송 안내' 의도(intent)를 포함하는 원본 문서에 대한 키워드 정보를 나타낸다.

이와 같이, 전자 장치(100)가, 하나의 상품에 대한 '주문 안내' 메시지, '배송 안내' 메시지, '부재로 인한 배송 보관' 메시지와 같이, 서로 관련이 있는 복수의 원본 문서를 수신할 수 있다. 본 개시에서, 제1 원본 문서(가령, '주문 안내' 메시지)를 수신한 후에 수신된 제1 원본 문서와 관련된 제2 원본 문서(가령, '배송 안내' 메시지, '부재로 인한 배송 보관' 메시지)를 원본 문서에 대한 추가 원본 문서라고 한다.

즉, 프로세서(130)는 원본 문서를 수신하여 원본 문서에 대한 키워드 정보(35)를 생성하고, 생성된 키워드 정보(35)를 메모리(110)에 저장한 후에, 원본 문서와 관련된 추가 원본 문서를 수신할 수 있다. 이때, 프로세서(130)는 추가 원본 문서를 사용자 단말 장치(200)로부터 수신하거나, 외부 장치(미도시)로부터 수신할 수 있다.

프로세서(130)는 추가 원본 문서에 포함된 복수의 키워드 각각의 개체를 확인하여 추가 원본 문서에 대한 구조화된 키워드 정보를 생성할 수 있다. 이에 대하여는 도2 내지 도 4의 설명과 중복되는 바 편의상 구체적인 설명은 생략하도록 한다.

프로세서(130)는 기 저장된 원본 문서에 대한 키워드 정보와 추가 원본 문서에 대한 키워드 정보에 대한 관련성을 판단할 수 있다. 구체적으로, 프로세서(130)는 원본 문서에 대한 키워드 정보 및 추가 원본 문서에 대한 키워드 정보 간의 유사도를 판단할 수 있다. 여기에서, 유사도는 복수의 키워드 정보에 포함된 노드 정보 간의 일치 정도를 수치적으로 표현한 값으로, {추가 원본 문서(또는 원본 문서)의 키워드 정보에 포함된 노드와 일치하는 노드의 수}/{원본 문서(또는 추가 원본 문서)의 키워드 정보에 포함된 전체 노드의 수}를 의미할 수 있다. 가령, 도 7b의 추가 원본 문서의 키워드 정보에 포함된 전체 노드 중 노드 'product', 'type', 'shoes', 'name', 'AAA', 'color', 'red', 'price', '$30'가 도 7a의 원본 문서의 키워드 정보에 포함된 노드와 일치하는 경우, 유사도는 {원본 문서의 키워드 정보에 포함된 노드와 일치하는 노드의 수} / {추가 원본 문서의 키워드 정보에 포함된 전체 노드의 수} = 9/21 이 될 수 있다.

프로세서(130)는 판단된 유사도에 기초하여 원본 문서에 대한 키워드 정보와 추가 원본 문서에 대한 키워드 정보의 병합 여부를 판단할 수 있다. 구체적으로, 프로세서(130)는 판단된 유사도의 값이 기 설정된 값 이상인 경우, 원본 문서에 대한 키워드 정보와 추가 원본 문서에 대한 키워드 정보가 서로 관련이 있는 것으로 판단하고, 양 키워드 정보를 병합할 수 있다.

가령, 프로세서(130)가 복수의 키워드 정보간의 유사도가 0.4를 초과하는 경우 복수의 키워드 정보를 병합하는 것으로 설정된 경우, 프로세서(130)는 도 7b의 추가 원본 문서의 키워드 정보를 도 7a의 원본 문서의 키워드 정보와 병합할 수 있다. 이 경우, 추가 원본 문서의 키워드 정보에 포함된 복수의 노드 중 원본 문서의 키워드 정보와 중복되는 노드 'product', 'type', 'shoes', 'name', 'AAA', 'color', 'red', 'price', '$30'를 제외한 나머지 노드가 도 7a의 원본 문서의 키워드 정보에 포함될 수 있다. 키워드 정보의 병합 방법은 트리(tree)의 병합 방법에 따르는 바, 구체적인 설명은 생략하도록 한다.

한편, 도 7a, 도 7b 및 도 7c에 구체적으로 기재되지 않았으나, 키워드 정보를 병합하는 과정에서 키워드 정보에 포함된 서로 일치 않은 노드들의 가중치 값은 유지될 수 있으며, 일치하는 노드의 가중치 값은 시스템에 따라 재설정될 수 있다.

그리고, 프로세서(130)는 병합된 키워드 정보를 기초로 요약 텍스트를 생성할 수 있다. 가령, 사용자 질의가 '물건 AAA 배송 일정 좀 알려줘'인 경우, 프로세서(130)는 병합된 키워드 정보의 가중치를 기초로 'XXX 사이트에서 주문한 신발 AAA는 YYY 배송 회사에서 2019.08.05에 배송할 예정입니다'라는 요약 텍스트를 제공할 수 있다.

이와 같이, 프로세서(130)는 서로 관련이 있는 복수의 원본 문서에 대한 복수의 키워드 정보를 결합하여, 서로 관련이 있는 복수의 원본 문서에 대한 요약 텍스트를 생성할 수 있으며, 이를 사용자 단말 장치(200)에 전송할 수 있다.

도 8은 본 개시의 일 실시 예에 따른 전자 장치 및 사용자 단말 장치를 포함하는 시스템의 구성을 나타내는 블록도이다.

도 8에 도시된 바와 같이, 전자 장치(100)는 메모리(110), 통신 인터페이스(120) 및 프로세서(130)를 포함한다.

메모리(110)는 전자 장치(100)의 동작에 필요한 각종 프로그램 및 데이터 등을 저장하기 위한 구성요소이다. 메모리(110)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(110)는 프로세서(130)에 의해 액세스되며, 프로세서(130)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(110), 프로세서(130) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다.

메모리(110)에는 본 개시의 다양한 실시 예에 따라 전자 장치(100)가 동작하기 위한 각종 소프트웨어 모듈이 저장될 수 있다. 구체적으로, 메모리(110)에는 본 개시의 다양한 실시 예에 따른 원본 문서를 요약하기 위한 요약 시스템(또는 요약 모듈) 및 사용자 질의에 포함된 사용자 의도를 판단하기 위한 대화 시스템(또는 대화 모듈)가 저장될 수 있다.

또한, 메모리(110)에는 요약 시스템이 원본 문서를 요약하는데 필요한 각종 데이터베이스가 저장될 수 있다. 구체적으로, 메모리(110)에는 다양한 단어 및 단어의 개체(Entity) 정보를 포함하는 도메인 사전(Domain Dictionary) 및 단어의 개체 정보와 관련된 정보(가령, 개체 간의 상관 관계, 개체에 대한 가중치 등)를 포함하는 도메인 지식 베이스(Domain Knowledge Base)가 저장될 수 있다.

한편, 메모리(110)는 대화 시스템, 요약 시스템, 도메인 사전 베이스(제1 데이터 베이스) 및 도메인 지식 베이스(제2 데이터 베이스)를 전부 저장하거나, 이 중 일부 만을 저장할 수 있다. 가령, 대화 시스템, 요약 시스템, 도메인 사전 베이스 및 도메인 지식 베이스 중 대화 시스템 및 요약 시스템만이 메모리(110)에 저장되고, 도메인 사전 및 도메인 지식 베이스는 다른 외부 장치(미도시)에 저장되어 있을 수 있다. 이 경우, 전자 장치(100)는 외부 장치(미도시)와의 통신을 통하여 도메인 사전 및 도메인 지식 베이스의 데이터를 획득할 수 있다.

통신 인터페이스(120)는 전자 장치(100)가 사용자 단말 장치(200)와 통신을 수행하기 위한 구성요소이다. 통신 인터페이스(120)를 통하여 전자 장치(100)는 사용자 단말 장치(200)로부터 원본 문서 또는 사용자 질의에 관한 정보를 수신하고, 사용자 단말 장치(200)에 요약 텍스트를 전송할 수 있다.

통신 인터페이스(110)는 유선 통신 모듈(미도시), 근거리 무선 통신 모듈(미도시), 무선 통신 모듈(미도시) 등과 같은 다양한 통신 모듈을 포함할 수 있다.

여기에서, 유선 통신 모듈은 유선 이더넷(Ethernet)과 같이 유선 통신 방식에 따라 외부 장치(미도시)와 통신을 수행하기 위한 모듈이다. 그리고, 근거리 무선 통신 모듈이란 블루투스(Bluetooth, BT), BLE(Bluetooth Low Energy), ZigBee 방식 등과 같은 근거리 무선 통신 방식에 따라 근거리에 위치한 외부 장치(미도시)와 통신을 수행하기 위한 모듈이다. 또한, 무선 통신 모듈이란 WiFi, IEEE 등과 같은 무선 통신 프로토콜에 따라 외부 네트워크에 연결되어 외부 장치(미도시) 및 음성 인식 서버(미도시)와 통신을 수행하는 모듈이다. 이 밖에 무선 통신 모듈은 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 5세대 네트워크(5G Networks) 등과 같은 다양한 이동 통신 규격에 따라 이동 통신망에 접속하여 통신을 수행하는 이동 통신 모듈을 더 포함할 수도 있다.

프로세서(130)는 메모리(110)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 예를 들어, 프로세서(130)는 운영 체제 또는 응용 프로그램을 구동하여 프로세서(130)에 연결된 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 또한, 프로세서(130)는 다른 구성요소들 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드하여 처리하고, 다양한 데이터를 비휘발성 메모리에 저장할 수 있다.

이를 위해, 프로세서(130)는 해당 동작을 수행하기 위한 전용 프로세서(예, 임베디드 프로세서) 또는 메모리 디바이스에 저장된 하나 이상의 소프트웨어 프로그램을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU (Central Processing Unit) 또는 application processor)로 구현될 수 있다.

프로세서(130)는 통신 인터페이스(120)를 통하여 메모리(110)에 기 저장된 원본 문서와 관련된 사용자 질의를 수신할 수 있다. 여기에서, 원본 문서와 관련된 사용자 질의는 원본 문서의 내용에 관한 사용자의 질의 또는 요청을 포함할 수 있다. 도 1에서 상술한 바와 같이, 특정 단어 △△ 가 포함된 원본 문서가 존재하는 경우, 원본 문서와 관련된 사용자 질의는 '△△는 어느 지역에 있어?', '△△에 대해 더 알려줘' 등과 같은 원본 문서와 관련된 상세 내용에 대한 질의 뿐만 아니라, '좀 더 알려줘', '너무 길어. 좀 더 짧게 축약해서 알려줘' 등과 같은 원본 문서 전체와 관련된 요청을 나타낼 수 있다.

원본 문서와 관련된 사용자 질의를 수신하면, 프로세서(130)는 사용자 질의에서 적어도 하나의 질의 키워드를 추출할 수 있다. 구체적으로, 프로세서(130)는 메모리(110)에 저장된 대화 시스템을 이용하여 사용자 질의에 포함된 질의 키워드 및 질의 키워드의 개체 정보를 추출할 수 있다. 여기에서, 질의 키워드는 대화 시스템에 포함된 자연어 이해 모듈을 이용하여 사용자 질의로부터 획득된 키워드를 포함하며, 질의 키워드의 개체 정보는 획득된 키워드의 개체(entity)(또는, 파라미터(parameter) 또는 슬롯(slot))를 포함할 수 있다. 사용자 질의가 원본 문서와 관련된 것이라는 점에서, 질의 키워드는 원본 문서에 포함된 단어 또는 원본 문서에 포함된 단어의 개체(entity)에 대응될 수 있다. 한편, 질의 키워드는 대화 시스템을 통하여 획득될 수 있으며, 질의 키워드를 획득하기 위하여 대화 시스템과의 별개의 데이터베이스 또는 인공지능 모델이 사용될 수 있다.

한편, 프로세서(130)는 복수의 키워드 및 복수의 키워드 각각에 대한 객체 정보가 저장된 도메인 사전 베이스를 기초로 원본 문서에 포함된 복수의 키워드 및 키워드의 개체 정보를 획득할 수 있다. 구체적으로, 프로세서(130)는 원본 문서에 포함된 단어가 도메인 사전 베이스에 포함된 키워드일 경우, 해당 단어를 키워드로 추출하고 도메인 사전 베이스로부터 해당 단어의 개체 정보를 획득할 수 있다. 예를 들어, 원본 문서가 '삼성'라는 단어를 포함하고, 도메인 사전 베이스에서 단어 '삼성'이 도메인 '회사'에 포함된 개체 정보 '이름'에 존재하는 경우, 프로세서(130)는 원본 문서에 포함된 단어 '삼성'을 키워드로 판단하고, '삼성'의 도메인은 '회사'이고 개체는 '이름'으로 판단할 수 있다. 한편, 하나의 키워드는 복수의 개체를 가질 수 있다. 가령, 키워드 '삼성'은 개체 '회사' 및 '이름'을 가질 수도 있다. 이와 같이, 프로세서(130)는 대화 시스템의 데이터 베이스 또는 지식 베이스와 독립적인 데이터 베이스를 이용하여 원본 문서에 포함된 키워드의 개체 정보를 획득할 수 있다.

한편, 프로세서(130)는 원본 문서에 포함된 복수의 키워드 중 추출된 질의 키워드와 관련된 키워드를 분류할 수 있다. 프로세서(130)는 질의 키워드의 개체 정보를 기초로 복수의 키워드 중 추출된 질의 키워드와 관련된 키워드 및 관련되지 않은 키워드를 분류할 수 있다. 프로세서(130)는 원본 문서에 포함된 복수의 키워드 중 질의 키워드의 개체 정보와 동일한 개체 정보를 포함하는 키워드를 탐색할 수 있으며, 복수의 키워드 중 탐색된 키워드를 분류할 수 있다.

한편, 복수의 키워드 중 질의 키워드와 관련된 키워드를 분류하기 위하여, 프로세서(130)는 원본 문서에 포함된 복수의 키워드에 대한 키워드 정보를 생성할 수 있다.

프로세서(130)는 원본 문서에서 복수의 키워드를 추출하고 추출된 키워드를 구조화하여 키워드 정보를 생성할 수 있다. 구체적으로, 프로세서(130)는 키워드의 개체 정보를 포함하는 도메인 사전 베이스(제1 데이터베이스)를 이용하여 키워드의 개체 정보를 기초로 키워드를 분류하고, 서로 관련이 있는 키워드끼리 클러스터링(clustering)(또는 그룹화)할 수 있다. 이를 위하여, 프로세서(130)는 메모리(110)에 저장된 요약 시스템을 이용할 수 있다.

구체적으로, 프로세서(130)는 메모리(110)에 저장된 요약 시스템 및 도메인 사전 베이스를 통하여 원본 문서에 포함된 복수의 단어 중 특정 도메인과 관련된 키워드를 추출하고, 추출된 복수의 키워드의 각각의 개체 정보를 식별할 수 있다.

그리고, 프로세서(130)는 복수의 키워드 각각에 대하여 식별된 개체 정보를 이용하여, 복수의 키워드를 클러스터링(clustering)할 수 있다. 프로세서(130)는 복수의 개체 정보 간의 상관 관계가 저장된 도메인 지식 베이스를 이용하여 복수의 키워드를 클러스터링 할 수 있다. 가령, 키워드 'A'의 개체 정보는 '회사 이름'이고, 키워드 'B'의 개체 정보는 '회사 주소'이며, 도메인 지식 베이스에는 개체 '회사'의 하위 개념으로 개체 '이름','주소','연락처'가 저장된 것으로 판단된 경우, 프로세서(130)는 '회사 이름' 및 '회사 주소'는 개체 '회사'의 하위 개념에 존재하는 것으로 판단하여 키워드 A 및 키워드 B를 클러스터링 할 수 있다.

프로세서(130)는 키워드의 개체 정보 간의 계층적 구조를 포함하는 도메인 지식 베이스(제2 데이터베이스)를 기초로, 클러스터링된 복수의 키워드를 트리(tree) 형태로 구조화하여 키워드 정보를 생성할 수 있다. 가령, 프로세서(130)는 키워드의 개체 정보를 포함하는 노드를 생성하고, 도메인 지식 베이스에 저장된 각 개체 정보간의 계층적 구조 정보에 따라 노드를 배치하여 트리를 생성할 수 있다.

한편, 본 개시에서 복수의 키워드를 구조화하는 형태로 트리 형태를 언급하였으나, 반드시 이에 한하는 것은 아니다. 즉, 원본 문서에 포함된 키워드를 구조화하는 형태로 배열 등과 같은 다른 데이터 구조 형태가 사용될 수 있다.

프로세서(130)는 구조화된 키워드 정보에 기초하여 원본 문서에 포함된 복수의 키워드 중 질의 키워드와 관련된 키워드를 분류할 수 있다. 프로세서(130)는 원본 문서에 포함된 복수의 키워드 중 질의 키워드의 개체 정보에 대응되는 개체를 갖는 키워드를 탐색할 수 있다. 구체적으로, 프로세서(130)는 키워드 정보를 기초로 복수의 키워드의 개체 정보 중 질의 키워드의 개체 정보와 동일한 개체 정보를 탐색하고, 탐색된 개체 정보를 개체 정보로 하는 키워드를 분류할 수 있다.

그리고, 프로세서(130)는 분류된 키워드를 조합하여 원본 문서에 대한 요약 텍스트를 생성할 수 있다. 여기에서 요약 텍스트는 사용자 질의에 포함된 질의 키워드의 개체 정보와 관련된 키워드를 포함하는 텍스트로, 텍스트에 포함된 전체 키워드의 개수가 기 설정된 개수 이하인 텍스트를 의미할 수 있다.

한편, 프로세서(130)는 원본 문서와 관련된 사용자 질의를 수신하고 키워드 정보를 생성하기 이전에, 수신된 원본 문서에 관한 프리뷰 요약 텍스트를 생성하여 제공할 수 있다. 이때, 생성되는 프리뷰 요약 텍스트는 사용자 단말 장치(200)가 원본 문서에 대한 사용자 질의를 수신하기 전에 제공하는 요약 텍스트로, 원본 문서에 포함된 단어의 가중치 값에 기초하여 선택된 키워드를 포함하는 요약 텍스트일 수 있다.

구체적으로, 프로세서(130)는 원본 문서에 포함된 복수의 키워드 중 기 설정된 조건을 이용하여 프리뷰 요약 텍스트를 생성할 수 있다. 구체적으로, 프로세서(130)는 키워드 지식 베이스에 저장된 단어 및 단어의 개체 정보의 가중치 값을 이용하여 원본 문서에 포함된 복수의 키워드 각각의 가중치 값을 획득하고, 복수의 키워드 중 기 설정된 가중치 값에 대응되는 키워드를 선택하여 프리뷰 요약 텍스트를 생성할 수 있다. 가령, 프로세서(130)는 원본 문서에 포함된 복수의 키워드의 가중치 값을 획득하고, 획득된 가중치 값이 0.5 이상인 키워드를 선택하여 요약 텍스트를 생성할 수 있다.

한편, 상술한 바와 달리, 프로세서(130)는 원본 문서에 관한 키워드 정보를 생성하고 프리뷰 요약 텍스트를 제공할 수 있다. 프로세서(130)는 원본 문서를 수신하고, 원본 문서와 관련된 사용자 질의를 수신하기 이전에 원본 문서와 관련된 키워드 정보를 생성하고, 프리뷰 요약 텍스트를 제공할 수 있다. 이 경우, 프로세서(130)는 키워드 지식 베이스를 기초로, 키워드 정보에 포함된 복수의 키워드 및 개체 정보 각각의 가중치 값을 획득하고, 복수의 키워드 및 개체 정보 중 기 설정된 가중치 값에 대응되는 키워드를 선택하여 프리뷰 요약 텍스트를 생성할 수 있다.

프로세서(130)는 사용자 단말 장치(200)에 생성된 프리뷰 요약 텍스트를 전송하고 사용자 단말 장치(200)로부터 원본 문서에 대한 사용자 질의를 수신할 수 있다.

상술한 같이, 본 개시의 일 실시 예에 따른 전자 장치(100)는 메모리(110)에 저장된 대화 시스템 및 요약 시스템을 이용하여 원본 문서에 포함된 복수의 키워드 중 사용자 질의와 관련된 키워드를 분류하고, 분류된 키워드를 조합하여 원본 문서에 대한 요약 텍스트를 생성할 수 있다. 이에 따라, 전자 장치(100)는 원본 문서에 포함된 정보 중 사용자가 필요로 하는 정보를 누락하지 않고 요약 텍스트를 사용자에게 제공할 수 있게 된다.

한편, 사용자 단말 장치(200)는 디스플레이(210), 입력 인터페이스(220), 메모리(230), 통신 인터페이스(240) 및 프로세서(250)를 포함한다.

디스플레이(210)는 영상 및 텍스트와 같은 컨텐츠를 표시하기 위한 구성으로서, 예컨대, LCD(Liquid Crystal Display)로 구현될 수 있으며, 경우에 따라 CRT(cathode-ray tube), PDP(plasma display panel), OLED(organic light emitting diodes), TOLED(transparent OLED) 등으로 구현될 수 있다.

디스플레이(210)는 프로세서(250)의 제어에 따라 다양한 정보를 표시할 수 있다. 특히, 디스플레이(210)는 전자 장치(100)로부터 요약 텍스트를 수신하고 이를 표시할 수 있다. 또한, 디스플레이(210)는 요약 텍스트 또는 원본 문서에 대한 사용자 질의 및 사용자 질의에 대한 응답을 표시할 수 있다.

입력 인터페이스(220)는 사용자 단말 장치(200)를 제어하기 위한 사용자 입력을 수신할 수 있다. 입력 인터페이스(220)는 요약 텍스트 또는 원본 문서에 대한 사용자의 질의를 수신할 수 있다. 입력 인터페이스(220)는 사용자 음성을 입력 받기 위한 마이크(미도시), 사용자의 손 또는 스타일러스 펜 등을 이용한 사용자 터치를 입력 받기 위한 터치 패널(미도시), 사용자 조작을 입력 받기 위한 버튼(미도시) 등을 포함할 수 있다. 그러나, 이는 일 실시 예에 불과할 뿐, 다른 입력 장치(가령, 키보드, 마우스 등)으로 구현될 수도 있다.

메모리(230)는 사용자 단말 장치(200)의 동작에 필요한 각종 프로그램 및 데이터 등을 저장하기 위한 구성요소이다. 메모리(230)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(230)는 프로세서(250)에 의해 액세스되며, 프로세서(250)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(230), 프로세서(250) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다.

메모리(230)에는 본 개시의 다양한 실시 예에 따라 사용자 단말 장치(100)가 동작하기 위한 각종 소프트웨어 모듈이 저장될 수 있다. 구체적으로, 메모리에는 자동 음성 인식(automatic speech recognition, ASR) 모듈(231) 및 텍스트 음성 변환 (text to speech, TTS) 모듈(232)가 저장되어 있을 수 있다.

자동 음성 인식(automatic speech recognition)(ASR) 모듈(231)은 사용자 단말 장치(200)로부터 수신된 사용자 입력(특히, 사용자 질의)을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(231)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(미도시)에 저장될 수 있다.

텍스트 음성 변환(232)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(232)은 전자 장치(100)로부터 수신한 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

한편, 도 8에서는 메모리(230)가 자동 음성 인식 모듈(231) 및 텍스트 음성 변환 모듈(232)를 포함하는 것으로 도시하였으나, 이는 일 실시 예일 뿐이며 자동 음성 인식 모듈(231) 및 텍스트 음성 변환 모듈(232)가 다른 외부 장치(미도시)에 저장되어 있을 수도 있다.

도 9는 본 개시의 일 실시 예에 따른 전자 장치와 사용자 단말 장치 간의 동작을 설명하기 위한 시퀀스도이다.

전자 장치(100)는 원본 문서를 수신하고 저장할 수 있다. 이때, 전자 장치(100)가 수신한 원본 문서는 사용자 단말 장치(200) 또는 외부 장치(미도시)로부터 수신된 것일 수 있다. 가령, 사용자 단말 장치(200)가 외부 장치(미도시)로부터 원본 문서를 수신하고, 수신된 원본 문서에 대한 요약 텍스트를 전자 장치(100)로부터 수신하는 것으로 설정된 경우, 전자 장치(100)에 외부 장치(미도시)로부터 수신된 원본 문서를 전송할 수 있다.

전자 장치(100)는 수신된 원본 문서에 대한 요약 텍스트를 생성하기 위하여, 수신된 원본 문서에 대한 키워드 정보를 생성할 수 있다. 구체적으로 전자 장치(100)는 원본 문서에 포함된 키워드를 추출할 수 있다(S910). 전자 장치(100)는 도메인 사전 베이스(40)을 이용하여 원본 문서에 포함된 복수의 단어 중 도메인 사전 베이스(40)에 저장된 단어와 일치하는 단어를 키워드로 추출하고, 도메인 사전 베이스(40)에 저장된 단어의 개체 정보를 기초로 추출된 키워드의 개체를 식별할 수 있다.

또한, 전자 장치(100)는 추출된 키워드를 클러스터링(clustering)하여 원본 문서로부터 추출된 키워드를 구조화할 수 있다(S920). 구체적으로, 전자 장치(100)는 추출된 키워드의 식별된 개체를 이용하여 복수의 키워드를 클러스터링 할 수 있다. 전자 장치(100)는 복수의 개체 정보에 대한 상관 관계가 저장된 도메인 지식 베이스(50)를 이용하여 복수의 키워드의 개체의 상관 관계를 식별하고 복수의 키워드를 클러스터링 할 수 있다. 구체적으로, 전자 장치(100)는 개체의 상관 관계를 기초로 복수의 키워드의 개체를 구조화하고, 구조화된 개체에 키워드를 매칭하여 구조화된 키워드 정보를 생성할 수 있다.

전자 장치(100)는 구조화된 키워드 정보를 기초로 원본 문서에 대한 요약 텍스트를 생성하고(S930), 생성된 요약 텍스트를 사용자 단말 장치(200)에 전송할 수 있다(S940).

구체적으로 전자 장치(100)는 도메인 지식 베이스 및 수신된 원본 문서를 기초로 구조화된 키워드 정보에 포함된 키워드 노드, 개체 노드 및 도메인 노드에 대한 가중치를 획득하고 획득된 가중치를 각각의 키워드 노드, 개체 노드 및 도메인 노드에 부여할 수 있다. 전자 장치(100)는 키워드 노드, 개체 노드 및 도메인 노드에 부여된 가중치 값에 기초하여 요약 텍스트를 생성할 수 있다. 가령, 프로세서(130)는 도메인 지식 베이스에 저장된 NL 임계값을 0.5로 설정하여 키워드 정보에 포함된 키워드 중 가중치가 0.5 이상인 단어를 선택하여 요약 텍스트를 생성하고 사용자 단말 장치(200)에 전송할 수 있다. 이때, 생성되는 요약 텍스트는 원본 문서에 대한 사용자의 질의를 수신하기 전에 생성된 요약 텍스트라는 점에서 프리뷰 요약 텍스트가 될 수 있다.

이와 관련하여, 도 9의 실시 예를 참조하면, 사용자 단말 장치(200)에 원본 문서(20)가 수신된 경우, 전자 장치(100)는 원본 문서(20)에 대한 사용자 질의를 수신하기 이전에 사용자 단말 장치(200)에 원본 문서에 대한 요약 텍스트를 생성할 수 있다. 가령, 전자 장치(100)는 원본 문서에 대한 키워드 정보에서 가중치 값이 0.5 이상인 키워드를 선택하여 '△△△에서 사진 작품을 최대 40% 할인된 가격으로 판매한다'는 요약 텍스트를 생성하고 사용자 단말 장치(200)에 전송할 수 있다.

한편, 전자 장치(100)는 설정된 NL 임계값에 따라 서로 다른 요약 텍스트를 제공할 수 있다. 구체적으로, 전자 장치(100)는 수신된 원본 문서가 동일한 문서이더라도 설정된 NL 임계값에 따라 상이한 요약 텍스트를 생성할 수 있다. 가령, 상술한 바와 달리, NL 임계값이 0.4이상인 경우, 키워드 정보에서 가중치 값이 0.5 이상인 키워드를 선택하여 '△△△에서 사진 작품을 최대 40% 할인된 가격으로 판매한다'는 요약 텍스트를 생성하고 사용자 단말 장치(200)에 전송할 수 있다.

사용자 단말 장치(200)는 원본 문서에 대한 요약 텍스트를 사용자에게 제공할 수 있다(S950). 이때, 사용자 단말 장치(200)는 디스플레이를 통하여 원본 문서의 형태로 요약 텍스트를 사용자에게 제공할 수 있으며, 스피커를 통하여 음성 형태로 요약 텍스트를 사용자에게 제공할 수도 있다.

그리고, 사용자 단말 장치(200)는 사용자로부터 요약 텍스트에 대한 사용자 질의를 수신할 수 있다(S960). 이때, 사용자 질의는 원본 문서에 대한 사용자의 질의 뿐만 아니라 원본 문서와 관련된 사용자의 요청을 포함할 수 있다. 즉, 사용자 질의는 '△△△ 전화 번호 알려줘'와 같은 원본 문서에 포함된 특정 키워드와 관련된 질의 뿐만 아니라, '좀 더 자세히 알려줘'와 같은 원본 문서 전체와 관련된 요청을 포함할 수 있다.

사용자 단말 장치(200)는 수신된 사용자 질의를 전자 장치(100)에 전송할 수 있다(S970).

그리고, 전자 장치(100)는 원본 문서에 대한 구조화된 키워드 정보를 기초로 원본 문서에 대한 요약 텍스트를 생성할 수 있다(S980). 가령, 사용자 질의가 '좀 더 자세히 알려줘'인 경우, 전자 장치(100)는 사용자 질의 의도가 '상세 정보 요청'임을 판단하고, NL 임계값을 이전보다 낮게 설정하여 이전에 제공된 요약 텍스트보다 가중치가 낮은 단어를 포함하는 요약 텍스트를 제공할 수 있다. 반면, 사용자 질의가 '너무 길어. 좀 더 축약해줘'인 경우, 전자 장치(100)는 사용자 질의의 의도가 '축약 정보 요청'임을 판단하고, NL 임계값을 이전보다 높게 설정하여 이전에 제공된 요약 텍스트보다 가중치가 높은 단어를 포함하는 요약 텍스트를 제공할 수 있다.

한편, 사용자의 질의가 '또 다른 내용은 없어?'인 경우, 전자 장치(100)는 사용자의 의도가 '나머지 정보 요청'임을 판단하고, 사용자에게 제공되지 않은 키워드 또는 NL 임계값을 이전보다 더 낮게 설정하여 이전에 선택된 키워드보다 가중치가 더 낮은 키워드를 선택하여 요약 텍스트를 제공할 수 있다.

한편, 또 다른 실시 예로, 사용자 질의가 '△△△ 전화 번호 알려줘'인 경우, 전자 장치(100)는 사용자 질의에 포함된 질의 키워드('△△△', '전화 번호) 를 추출하고, 원본 문서에 포함된 복수의 키워드 중 추출된 질의 키워드와 관련된 키워드('△△△', '02-123-4567')를 분류하고, 분류된 키워드를 포함하는 요약 텍스트 '△△△의 전화 번호는 02-123―4567 이에요'를 생성할 수 있다.

그리고 전자 장치(100)는 생성된 요약 텍스트를 사용자 단말 장치(200)에 전송할 수 있으며, 사용자 단말 장치(200)는 수신된 요약 텍스트를 사용자에게 제공할 수 있다.

한편, 전자 장치(100)는 요약 텍스트를 생성하는 것 이외에도 사용자 단말 장치의 사용자와 인터렉션(interaction)을 수행하기 위한 텍스트를 생성할 수 있다. 구체적으로, 전자 장치(100)는 대화 시스템(10)을 이용하여 사용자와 인터렉션을 수행하기 위한 텍스트를 생성하고 이를 사용자 단말 장치(200)에 제공할 수 있다. 가령, 사용자 질의가 '△△△ 전화 번호 알려줘'인 경우, 전자 장치(100)는 요약 텍스트 '△△△의 전화 번호는 02-123―4567 이에요'뿐만 아니라, '전화를 걸어드릴까요?'와 같은 텍스트를 생성하고 생성된 텍스트를 사용자 단말 장치(200)에 전송할 수 있다. 이때, 사용자의 응답이 긍정의 표현인 경우, 사용자 단말 장치(200)는 사용자 응답에 따른 기능(가령, 전화 걸기)을 수행할 수 있다.

도 10a, 10b, 및 10c는 본 개시의 일 실시 예에 따른 사용자 단말 장치의 동작을 설명하기 위한 흐름도 및 도면이다.

사용자 단말 장치(200)는 전자 장치(100)로부터 요약문(또는 요약 텍스트)을 수신할 수 있다. 여기에서, 요약문은 도 1 내지 도 9에서 상술한 바와 같이, 사용자 단말 장치(200)가 수신한 원본 문서를 기초로 전자 장치(100)가 대화 시스템 및 요약 시스템을 이용하여 생성된 요약문이다. 가령, 사용자 단말 장치(200)가 도 10b와 같은 원본 문서를 수신한 경우, 전자 장치(100)는 도 10b의 원본 문서를 요약한 요약문을 사용자 단말 장치(200)에 전송하고, 사용자 단말 장치(200)는 전자 장치(100)로부터 요약문을 수신할 수 있다.

그리고, 수신한 요약문을 사용자에게 제공할 수 있다(S1020). 구체적으로, 도10c의 텍스트(1010)와 같이 사용자 단말 장치(200)의 디스플레이를 통하여 요약문을 표시할 수 있다.

이때, 사용자 단말 장치(200)가 사용자로부터 사용자 질의를 수신할 수 있다(S1030-Y). 이때, 사용자 질의는 '무슨 작품?'과 같이 요약문에 포함된 특정 키워드와 관련된 것이거나, '그 내용에 더 알려줘'와 같이 요약문과 관련된 것일 수 있다.

사용자로부터 사용자 질의를 수신한 경우, 사용자 질의를 전자 장치(100)에 제공할 수 있다(S1040). 구체적으로, 사용자 질의가 음성으로 입력된 경우 ASR 모듈을 이용하여 사용자 질의를 텍스트로 변환하여 전자 장치(100)에 전송할 수 있다. 사용자 질의를 수신한 전자 장치는 사용자 질의에 대응되는 텍스트를 생성하고, 생성된 텍스트를 사용자 단말 장치에 전송할 수 있다.

그리고, 사용자 단말 장치(200)는 전자 장치(100)로부터 수신한 응답을 사용자에게 제공할 수 있다(S1050). 이때, 응답은, 사용자의 질의가 특정 키워드와 관련된 질의(가령, '무슨 작품?')인 경우, 해당 키워드와 관련된 정보를 포함하는 텍스트(1020)일 수 있고, 사용자의 질의가 요약문과 관련된 것(가령, '그 내용에 대해 더 알려줘'또는 '좀 더 간략하게 알려줘')인 경우, 요약문을 좀 더 상세하게 설명하거나 축약하여 설명한 텍스트일 수 있다.

도 11a 및 11b는 본 개시의 일 실시 예에 따른 사용자 단말 장치의 동작을 설명하기 위한 흐름도 및 도면이다. 도 11a 및 11b와 관련하여, 도 10a, 10b 및 10c와 중복된 부분에 대하여는 설명을 생략하도록 한다. 즉, 도 11a의 S1110 내지 S1150은 도 10a의 S1010 내지 S1050과 중복되는바, 구체적인 설명은 생략하도록 한다.

사용자 단말 장치(200)는 전자 장치(100)로부터 사용자 질의에 대한 응답을 수신하면, 응답과 관련된 기능을 수행할 수 있다. 가령, 사용자 질의가 연락처와 관련된 경우, 사용자 단말 장치(200)는 전자 장치(100)로부터 전화 번호를 수신하고, 수신된 전화 번호로 통화 연결을 시도할 수 있다. 이를 위하여, 사용자 단말 장치(200)는 사용자에게 기능 수행 여부와 관련된 질의(가령, 전화를 걸어 드릴까요?)를 할 수 있으며, 해당 질의에 대응되는 텍스트(1130)를 화면에 표시할 수 있다. 사용자 단말 장치(200)는 사용자가 해당 기능을 요청하는 경우, 해당 기능을 수행할 수 있으며, 이에 대한 UI(1140) 또는 텍스트(1140)을 화면에 표시할 수 있다.

도 12는 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다. 구체적으로, 도 12는 본 개시의 일 실시 예에 따른 전자 장치가 요약문을 생성하는 방법을 설명하기 위한 흐름도이다.

먼저, 원본 문서를 수신할 수 있다(S1210). 이때, 원본 문서는 사용자 단말 장치(200)가 수신한 문서와 동일한 문서로, 전자 장치(100)는 사용자 단말 장치(200)로부터 원본 문서를 수신할 수 있다. 다만, 이는 일 실시 예일 뿐이며, 전자 장치(100)는 사용자 단말 장치(200)의 원본 문서를 전송, 보관, 관리하는 서버(미도시)로부터 원본 문서를 수신할 수도 있다.

그리고, 수신한 원본 문서에서 복수의 키워드를 추출하고(S1220), 추출된 복수의 키워드 각각의 개체(entity)를 식별할 수 있다. 구체적으로, 복수의 키워드 및 복수의 키워드 각각에 대한 개체 정보가 저장된 도메인 사전 베이스를 기초로 원본 문서에 포함된 복수의 키워드 및 키워드의 개체 정보를 획득할 수 있다. 가령, 원본 문서에 포함된 단어가 도메인 사전 베이스에 포함된 키워드인 경우, 해당 단어를 키워드로 추출하고 도메인 사전 베이스로부터 해당 단어의 개체 정보를 식별할 수 있다.

그리고, 복수의 키워드 각각에 대하여 식별된 개체를 이용하여 복수의 키워드 간의 상관 관계를 판단하고, 판단된 결과에 기초하여 복수의 키워드를 클러스터링할 수 있다(S1240). 구체적으로, 키워드의 개체 정보를 포함하는 도메인 사전 베이스를 이용하여 키워드간의 상관 관계를 판단할 수 있으며, 서로 관련된 키워드끼리 클러스터링 할 수 있다.

그리고, 복수의 키워드를 트리 형태로 구조화할 수 있다(S1250). 이때, 복수의 키워드의 개체 정보 간의 계층적 구조를 포함하는 도메인 지식 베이스를 기초로 클러스터링 복수의 키워드를 트리 형태로 구조화할 수 있다.

또한, 트리에 포함된 복수의 키워드 각각의 가중치 값을 획득할 수 있다(S1260). 구제적으로, 키워드 지식 베이스에 저장된 단어 및 단어의 개체 정보의 가중치 값을 이용하여 원본 문서에 포함된 복수의 키워드 각각의 가중치 값을 획득할 수 있다.

그리고, 복수의 키워드 중 기 설정된 가중치 값에 대응되는 키워드를 선택하여 요약문을 생성할 수 있다. 가령, 복수의 키워드 중 가중치 값이 0.5이상인 키워드를 선택하여 요약문을 생성할 수 있다(S1270)한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치(100)에서의 처리동작을 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 전자 장치(100)의 처리 동작을 상술한 특정 기기가 수행하도록 한다.

비일시적 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. 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.

또한, 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 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해돼서는 안 될 것이다.

100: 전자 장치 200: 사용자 단말 장치
110: 메모리 120: 통신 인터페이스
130: 프로세서

Claims (18)

1. 전자 장치의 제어 방법에 있어서,
   원본 문서를 수신하는 단계;
   상기 수신한 원본 문서에서 복수의 키워드를 추출하는 단계;
   상기 추출된 복수의 키워드를 구조화하는 단계;
   상기 구조화된 복수의 키워드를 기초로, 상기 수신한 원본 문서에 대한 요약문을 생성하는 단계;
   상기 생성한 요약문을 제공하는 단계;
   상기 제공된 요약문에 대한 사용자의 질의를 수신하는 단계; 및
   상기 구조화된 복수의 키워드를 기초로, 상기 사용자의 질의에 대한 응답을 제공하는 단계;를 포함하는 제어 방법.
2. 제1항에 있어서,
   상기 사용자의 질의에 대한 응답을 제공하는 단계는,
   상기 사용자의 질의에 포함된 키워드의 개체(Entity) 정보를 획득하는 단계; 및
   상기 원본 문서에 포함된 복수의 키워드 중 상기 획득된 개체 정보에 대응되는 개체를 갖는 키워드를 탐색하는 단계;를 포함하는, 제어 방법.
3. 제1항에 있어서,
   상기 복수의 키워드를 구조화하는 단계는,
   상기 원본 문서에 포함된 복수의 키워드 각각의 개체(entity)를 식별하여 상기 원본 문서에 대한 구조화된 키워드 정보를 생성하는 단계;를 포함하는, 제어 방법.
4. 제3항에 있어서,
   상기 사용자 질의에 대한 응답을 제공하는 단계는,
   상기 구조화된 키워드 정보를 이용하여, 상기 사용자 질의와 관련된 키워드를 분류하는 단계;를 더 포함하는, 제어 방법.
5. 제3항에 있어서,
   상기 키워드 정보를 생성하는 단계는,
   상기 복수의 키워드 각각에 대해서 식별된 개체를 이용하여, 상기 복수의 키워드를 클러스터링(clustering)하는 단계; 및
   상기 식별된 개체를 이용하여 상기 복수의 키워드를 트리 형태로 구조화하여 키워드 정보를 생성하는 단계;를 포함하는, 제어 방법.
6. 제5항에 있어서,
   상기 복수의 키워드를 클러스터링하는 단계는,
   복수의 단어 및 상기 복수의 단어 각각에 대한 개체 정보를 저장하는 제1 데이터베이스를 이용하여, 상기 복수의 키워드 각각에 대한 개체 정보를 식별하는 단계; 및
   복수의 개체 정보에 대한 상관 관계를 저장하는 제2 데이터베이스를 이용하여 상기 복수의 키워드를 클러스터링하는 단계;를 포함하는 제어 방법.
7. 제3항에 있어서,
   추가 원본 문서를 수신하는 단계;
   상기 추가 원본 문서에 포함된 복수의 키워드 각각의 개체를 식별하여 상기 추가 원본 문서에 대한 구조화된 키워드 정보를 생성하는 단계; 및
   상기 원본 문서에 대한 키워드 정보와 상기 추가 원본 문서에 대한 키워드 정보에 대한 관련성에 기초하여, 상기 원본 문서에 대한 키워드 정보와 상기 추가 원본 문서에 대한 키워드 정보를 병합하는 단계;를 포함하는 제어 방법.
8. 제1항에 있어서,
   상기 요약문을 생성하는 단계는,
   복수의 단어에 대한 가중치 값이 저장된 제2 데이터베이스를 이용하여 상기 원본 문서에 포함된 복수의 키워드 각각의 가중치 값을 획득하고, 상기 복수의 키워드 중 기설정된 가중치 값에 대응되는 키워드를 선택하여 상기 요약문을 생성하는 제어 방법.
9. 전자 장치에 있어서,
   메모리;
   통신 인터페이스;
   상기 통신 인터페이스를 이용하여 원본 문서를 수신하고,
   상기 수신된 원본 문서에서 복수의 키워드를 추출하고,
   상기 추출된 복수의 키워드를 구조화하며,
   상기 구조화된 복수의 키워드를 기초로 상기 수신한 원본 문서에 대한 요약문을 생성하고,
   상기 생성한 요약문을 제공하며,
   상기 제공된 요약문에 대한 사용자 질의를 수신하면, 상기 구조화된 복수의 키워드를 기초로 상기 사용자 질의에 대한 응답을 제공하는 프로세서;를 포함하는 전자 장치.
10. 제9항에 있어서,
    상기 프로세서는,
    상기 사용자 질의에 포함된 키워드의 개체(Entity) 정보를 획득하고,
    상기 원본 문서에 포함된 복수의 키워드 중 상기 획득된 개체 정보에 대응되는 개체를 갖는 키워드를 탐색하는, 전자 장치.
11. 제9항에 있어서,
    상기 프로세서는,
    상기 원본 문서에 포함된 복수의 키워드 각각의 개체(entity)를 식별하여 상기 원본 문서에 대한 구조화된 키워드 정보를 생성하는, 전자 장치.
12. 제11항에 있어서,
    상기 프로세서는,
    상기 구조화된 키워드 정보를 이용하여, 상기 사용자 질의와 관련된 키워드를 분류하는, 전자 장치.
13. 제11항에 있어서,
    상기 프로세서는,
    상기 복수의 키워드 각각에 대해서 식별된 개체를 이용하여, 상기 복수의 키워드를 클러스터링(clustering)하고,
    상기 식별된 개체를 이용하여 상기 복수의 키워드를 트리 형태로 구조화하여 키워드 정보를 생성하는, 전자 장치.
14. 제13항에 있어서,
    상기 프로세서는,
    복수의 단어 및 상기 복수의 단어 각각에 대한 개체 정보를 저장하는 제1 데이터베이스를 이용하여, 상기 복수의 키워드 각각에 대한 개체 정보를 식별하고,
    복수의 개체 정보에 대한 상관 관계를 저장하는 제2 데이터베이스를 이용하여 상기 복수의 키워드를 클러스터링하는, 전자 장치.
15. 제11항에 있어서,
    상기 프로세서는,
    상기 추가 원본 문서에 포함된 복수의 키워드 각각의 개체를 식별하여 상기 추가 원본 문서에 대한 구조화된 키워드 정보를 생성하고,
    상기 원본 문서에 대한 키워드 정보와 상기 추가 원본 문서에 대한 키워드 정보에 대한 관련성에 기초하여, 상기 원본 문서에 대한 키워드 정보와 상기 추가 원본 문서에 대한 키워드 정보를 병합하는, 전자 장치.
16. 제15항에 있어서,
    상기 프로세서는,
    상기 원본 문서에 대한 키워드 정보 및 상기 추가 원본 문서에 대한 키워드 정보 간의 유사도를 판단하고, 상기 판단된 유사도에 기초하여 상기 원본 문서의 키워드 정보와 상기 추가 원본 문서에 대한 키워드 정보의 병합 여부를 판단하는, 전자 장치.
17. 제9항에 있어서,
    상기 프로세서는,
    상기 원본 문서에 포함된 복수의 키워드 각각의 가중치 값을 획득하고, 상기 복수의 키워드 중 기설정된 가중치 값에 대응되는 키워드를 선택하여 상기 요약문을 생성하는, 전자 장치.
18. 전자 장치의 제어 방법을 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록매체에 있어서,
    상기 제어 방법은,
    원본 문서를 수신하는 단계;
    상기 수신한 원본 문서에서 복수의 키워드를 추출하는 단계;
    상기 추출된 복수의 키워드를 구조화하는 단계;
    상기 구조화된 복수의 키워드를 기초로, 상기 수신한 원본 문서에 대한 요약문을 생성하는 단계;
    상기 생성한 요약문을 제공하는 단계;
    상기 제공된 요약문에 대한 사용자의 질의를 수신하는 단계; 및
    상기 구조화된 복수의 키워드를 기초로, 상기 사용자의 질의에 대한 응답을 제공하는 단계; 를 포함하는, 컴퓨터 판독가능 기록매체.
    
    

Images