KR20210100446A - 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법 - Google Patents

대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법 Download PDF

Info

Publication number
KR20210100446A
KR20210100446A KR1020200014435A KR20200014435A KR20210100446A KR 20210100446 A KR20210100446 A KR 20210100446A KR 1020200014435 A KR1020200014435 A KR 1020200014435A KR 20200014435 A KR20200014435 A KR 20200014435A KR 20210100446 A KR20210100446 A KR 20210100446A
Authority
KR
South Korea
Prior art keywords
output
electronic device
module
token
input
Prior art date
Application number
KR1020200014435A
Other languages
English (en)
Inventor
김도현
김태훈
최승혁
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200014435A priority Critical patent/KR20210100446A/ko
Priority to PCT/KR2021/001490 priority patent/WO2021158040A1/ko
Publication of KR20210100446A publication Critical patent/KR20210100446A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/04—Segmentation; Word boundary detection
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Landscapes

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

Abstract

일 실시 예에 따른 전자 장치의 동작 방법은, 상기 전자 장치의 제1 변환 모듈에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하는 동작, 상기 전자 장치의 제2 변환 모듈에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하는 동작, 및 상기 최종 출력에 기반하여, 상기 전자 장치의 기능을 수행하는 동작을 포함하고, 상기 적어도 하나의 중간 출력은, 상기 제1 변환 모듈의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함할 수 있다.

Description

대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법{ELECTRONIC DEVICE FOR PROVIDING UTTERANCE CORRESPONDING TO CONTEXT OF DIALOGUE AND OPERATING METHOD THEREOF}
일 실시 예는 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법에 관한 것이다.
전자 장치는, 음성 인식 서비스를 제공할 수 있다. 음성 인식 서비스는, 사용자의 발화를 수신하고, 수신한 사용자의 발화에 대응하는 응답을 음성(또는, 텍스트)으로 제공하거나, 사용자의 발화에 대응하는 기능(예: 알람 예약, 장소 추천)을 제공하는 서비스일 수 있다.
음성 인식 서비스의 일 예로, 음성 인식 비서 서비스와 챗봇(ChatBot) 서비스가 존재한다.
원활한 음성 인식 서비스를 제공하기 위해서, 전자 장치는 사용자의 발화를 정확하게 인식하고 사용자의 발화에 대응하는 응답을 사용자에게 제공하여야 한다.
음성 인식 서비스에서 이용되는 기존의 언어 모델들은, 직전의 발화를 이용하여 적절한 응답을 선택하기 어려운 경우(예: 전자 장치와 사용자가 짧은 문장으로 여러 번 대화한 경우, 직전의 발화에 정보가 풍부하게 포함되지 않은 경우), 대화 전반의 맥락과는 관련 없는 응답을 사용자에게 제공할 수 있다.
이에 따라, 대화 전반의 맥락과 관련된 응답을 사용자에게 제공하기 위한 언어 모델에 대한 연구가 필요하다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시 예에 따른 전자 장치(electronic device)는 명령어들을 저장하는 메모리, 및 제1 변환 모듈, 및 제2 변환 모듈을 포함하는 프로세서를 포함하고, 상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가, 상기 제1 변환 모듈에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하고, 상기 제2 변환 모듈에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하고, 상기 제2 출력에 기반하여, 상기 전자 장치의 기능을 수행하도록 구성되고, 상기 적어도 하나의 중간 출력은, 상기 제1 변환 모듈의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함할 수 있다.
일 실시 예에 따른 전자 장치의 동작 방법은, 상기 전자 장치의 제1 변환 모듈에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하는 동작, 상기 전자 장치의 제2 변환 모듈에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하는 동작, 및 상기 최종 출력에 기반하여, 상기 전자 장치의 기능을 수행하는 동작을 포함하고, 상기 적어도 하나의 중간 출력은, 상기 제1 변환 모듈의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함할 수 있다.
일 실시 예에 따른 전자 장치 및 이의 동작 방법은, 하나의 변환 모듈로부터 다양한 출력을 획득하고, 획득된 다양한 출력에 기반하여 다른 하나의 변환 모듈로부터 최종 출력을 획득함으로써, 대화 전반의 맥락과 관련된 응답을 사용자에게 제공할 수 있다.
일 실시 예에 따른 전자 장치 및 이의 동작 방법은, 하나의 변환 모듈에서 입력으로 이용되지 않은 대화의 특징에 대한 정보를 다른 하나의 변환 모듈에서 이용함으로써, 대화 전반의 맥락과 관련된 응답을 사용자에게 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은, 일 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 일 실시 예에 따른 프로세서의 블록도를 도시한다.
도 3은, 일 실시 예에 따른 제1 변환 모듈에 입력되는 입력의 예를 도시한다.
도 4는, 일 실시 예에 따른 제1 변환 모듈에서의 입력에 대한 처리의 예를 도시한다.
도 5a는, 일 실시 예에 따른 제2 변환 모듈의 블록도를 도시한다.
도 5b는, 일 실시 예에 따른 제2 변환 모듈의 블록도를 도시한다.
도 5c는, 일 실시 예에 따른 제2 변환 모듈의 블록도를 도시한다.
도 5d는, 일 실시 예에 따른 제2 변환 모듈의 블록도를 도시한다.
도 6은, 일 실시 예에 따른 전자 장치에서 입력에 대응하는 기능을 수행하는 동작을 도시하는 흐름도이다.
도 7은, 일 실시 예에 따른 전자 장치에서 변환 모듈들을 학습시키는 동작을 도시하는 흐름도이다.
도 1은, 일 실시 예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 생략되거나, 하나 이상의 다른 구성 요소가 추가될 수 있다. 어떤 실시 예에서는, 이 구성요소들 중 일부들은 하나의 통합된 회로로 구현될 수 있다. 예를 들면, 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)은 표시 장치(160)(예: 디스플레이)에 임베디드된 채 구현될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시 예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서(123)은 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 장치(150)는, 예를 들면, 마이크, 마우스, 키보드, 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 장치(155)는, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있고, 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
표시 장치(160)는 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 표시 장치(160)는, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(160)는 터치를 감지하도록 설정된 터치 회로(touch circuitry), 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 센서 회로(예: 압력 센서)를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)) (예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시 예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)이 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시 예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시 예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시 예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다. 일 실시 예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 및 인증할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 하나의 안테나를 포함할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 복수의 안테나들을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC)이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104) 간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서에 개시된 일 실시 예에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 실시 예 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 일 실시 예는 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 일 실시 예에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
일 실시 예에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 일 실시 예에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 일 실시 예에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는, 일 실시 예에 따른 프로세서(200)의 블록도를 도시한다. 도 3은, 일 실시 예에 따른 제1 변환 모듈(220)에 입력되는 입력(300)의 예를 도시한다. 도 4는, 일 실시 예에 따른 제1 변환 모듈(220)에서의 입력(300)에 대한 처리의 예를 도시한다. 도 5a 내지 도 5d는, 일 실시 예에 따른 제2 변환 모듈(240)의 블록도를 도시한다. 일 실시 예에서, 프로세서(200)는, 도 1의 프로세서(120)에 대응할 수 있다.
일 실시 예에서, 프로세서(200)는, 데이터 증대 모듈(205), 전처리 모듈(210), 제1 변환 모듈(220), 특징 추출 모듈(230), 제2 변환 모듈(240), 또는 이들의 조합을 포함할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)은, ELMo(Embeddings from Language Model), GPT(Generative Pre-Training), XLNet, BERT(Bidirectional Encoder Representations from Transformers), 또는 이들의 조합에 기반한 변환 모듈일 수 있다.
일 실시 예에서, 데이터 증대 모듈(205), 전처리 모듈(210), 제1 변환 모듈(220), 특징 추출 모듈(230), 제2 변환 모듈(240), 또는 이들의 조합은, 프로세서(200)에서 하드웨어 구성으로 구현될 수 있다. 일 실시 예에서, 데이터 증대 모듈(205), 전처리 모듈(210), 제1 변환 모듈(220), 특징 추출 모듈(230), 제2 변환 모듈(240), 또는 이들의 조합은, 프로세서(200)에서 실행 가능한 프로그램으로 구현될 수 있다. 일 실시 예에서, 데이터 증대 모듈(205), 전처리 모듈(210), 제1 변환 모듈(220), 특징 추출 모듈(230), 제2 변환 모듈(240), 또는 이들의 조합이 프로그램으로 구현될 경우, 데이터 증대 모듈(205), 전처리 모듈(210), 제1 변환 모듈(220), 특징 추출 모듈(230), 제2 변환 모듈(240), 또는 이들의 조합에 대한 데이터는 메모리(예: 도 1의 메모리(130))에 저장될 수 있다.
일 실시 예에서, 프로세서(200)는, 코퍼스 데이터(corpus data)에 기반하여, 제1 변환 모듈(220), 및 제2 변환 모듈(240)을 학습(training)시킬 수 있다. 일 실시 예에서, 프로세서(200)는, 코퍼스 데이터에 기반하여, 제1 변환 모듈(220)을 학습시킨 후 제2 변환 모듈(240)을 학습시킬 수 있다. 일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)을 학습시킬 때, 제2 변환 모듈(240)을 통해 도출된 오류에 기반하여 학습된 제1 변환 모듈(220)을 학습시키지 않을 수 있다. 일 실시 예에서, 학습은, 변환 모듈들(220, 240) 중 적어도 하나의 변환 모듈의 가중치들을 변경하는 것일 수 있다. 일 실시 예에서, 코퍼스 데이터는, 사전에 획득된 데이터일 수 있다. 일 실시 예에서, 코퍼스 데이터는, 분류되지 않은(unlabeled) 텍스트 데이터(예: 위키피디아, 뉴스), 특정 태스크(task)(예: 발화 예측)에 기반하여 분류된(labeled) 텍스트 데이터(예: 대화록), 또는 이들의 조합을 포함할 수 있다.
일 실시 예에서, 프로세서(200)는, 분류되지 않은 텍스트 데이터에 기반하여, 제1 변환 모듈(220)을 사전 학습(pre-training)시킨 후, 특정 태스크에 기반하여 분류된 텍스트 데이터에 기반하여, 사전 학습된 제1 변환 모듈(220)을 미세 조정(fine-tuning)할 수 있다. 일 실시 예에서, 사전 학습, 및 미세 조정은 학습의 일 예일 수 있다.
일 실시 예에서, 프로세서(200)는, 제1 변환 모듈(220)의 학습이 완료되면(즉, 사전 학습 및 미세 조정이 완료되면), 특정 태스크에 기반하여 분류된 텍스트 데이터에 기반하여, 제2 변환 모듈(240)을 학습시킬 수 있다. 일 실시 예에서, 프로세서(200)는, 제1 변환 모듈(220)의 출력을 이용하여, 제2 변환 모듈(240)을 학습시킬 수 있다. 일 실시 예에서, 제2 변환 모듈(240)의 학습은, 학습된 제1 변환 모듈(220)을 이용하므로, 전이 학습(transfer learning)으로도 지칭될 수 있다.
일 실시 예에서, 프로세서(200)는, 제1 변환 모듈(220), 및 제2 변환 모듈(240)이 학습되면, 학습된 제1 변환 모듈(220), 및 학습된 제2 변환 모듈(240)을 이용하여 입력(예: 음성, 텍스트, 또는 이들의 조합)에 대한 최종 출력(예: 입력에 대응하는 응답)을 획득할 수 있다.
일 실시 예에서, 프로세서(200)는, 획득한 최종 출력에 기반하여, 전자 장치(101)의 기능을 수행할 수 있다. 일 실시 예에서, 전자 장치(101)의 기능은, 출력(예: 입력에 대응하는 응답)을 사용자에게 제공하는 것일 수 있다. 일 실시 예에서, 프로세서(200)는, 음향 출력 장치(도 1의 음향 출력 장치(155)), 표시 장치(도 1의 표시 장치(160)), 또는 이들의 조합을 이용하여, 출력(예: 입력에 대응하는 응답)을 사용자에게 제공할 수 있다. 예를 들어, 입력이 "음, 오후에 뭐할까?"이고, 출력이 "영화 보는 게 어때요?"인 경우, 프로세서(200)는, "영화 보는 게 어때요?"를 나타내는 시각적 객체를 표시 장치(160)를 통해 표시하거나, 및/또는 "영화 보는 게 어때요?"를 나타내는 음성 신호를 음향 출력 장치(155)를 통해 출력할 수 있다.
이하에서는, 프로세서(200)의 구성들을 참조하여, 프로세서(200)의 동작을 상세히 설명한다.
일 실시 예에서, 데이터 증대 모듈(205)은, 학습 시, 코퍼스 데이터에 기반하여 제1 변환 모듈(220)에 입력될 데이터를 증대(augmentation) 시킬 수 있다. 아래 표 1은 코퍼스 데이터의 일 예를 나타낼 수 있다.
순번 화자 대화
1 A Hi everyone, how do I access file in a guest session from another user account?
2 B go to a little gear shaped button in the right top corner and click switch user.
3 A but I want to access it from another account.
4 B you mean as in remote or from the same computer?
5 A same. without swtiching user.
6 B logoff and do it.
7 A for instance the guest user's home folder and files. without loggin off or switching accounts, like mount the user's home folder or something.
표 1은, 화자 A와 화자 B 간의 대화를 나타내는 코퍼스 데이터를 나타낼 수 있다.
일 실시 예에서, 데이터 증대 모듈(205)은, 미리 지정된 제1 개수의 연속된 대화들을 선택하고, 선택된 연속된 대화들에 정답 대화, 또는 오답 대화를 결합함으로써, 전처리 모듈(210)에 입력될 데이터들을 생성할 수 있다. 일 실시 예에서, 미리 지정된 제1 개수는, 1 이상의 정수일 수 있다. 일 실시 예에서, 미리 지정된 제1 개수는, 3, 5, 7, 및/또는 8일 수 있다.
일 실시 예에서, 미리 지정된 개수가, 3인 경우, 데이터 증대 모듈(205)은, 1 내지 3번째 대화들, 2 내지 4번째 대화들, 3 내지 5번째 대화들, 4 내지 6번째 대화들, 및 5 내지 7번째 대화들을 선택할 수 있다. 일 실시 예에서, 데이터 증대 모듈(205)은, 선택된 대화들에 1개의 정답 대화를 결합한 데이터와, 선택된 대화들에 미리 지정된 제2 개수의 오답 대화를 결합한 데이터를 생성할 수 있다. 예를 들어, 데이터 증대 모듈(205)은, 1 내지 3번째 대화들에 정답 대화(즉, 4번째 대화)를 결합함으로써, 전처리 모듈(210)에 입력될 데이터를 생성할 수 있다. 예를 들어, 데이터 증대 모듈(205)은, 1 내지 3번째 대화들에 오답 대화(예: 6번째 대화, 또는 새롭게 생성된 임의의 문장)를 결합함으로써, 제1 변환 모듈(220)에 입력될 데이터를 생성할 수 있다. 일 실시 예에서, 제2 개수는 1 이상의 자연수일 수 있다. 일 실시 예에서, 제2 개수는 4일 수 있다. 일 실시 예에서, 제2 개수가 4인 경우, 정답 대화를 결합한 데이터와 오답 대화를 결합한 데이터 간의 생성 비율은 1 대 4일 수 있다. 일 실시 예에서, 선택된 대화들은 제1 문장으로 지칭될 수 있다. 일 실시 예에서, 선택된 대화들에 결합되는 대화(예: 정답 대화, 또는 오답 대화)는 제2 문장으로 지칭될 수 있다.
일 실시 예에서, 데이터 증대 모듈(205)은, 생성한 데이터를 전처리 모듈(210)에게 제공할 수 있다.
일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터(예: 데이터 증대 모듈(205)로부터 제공된 데이터, 및/또는 입력)를 가공할 수 있다. 일 실시 예에서, 입력은, 사용자와 전자 장치(101) 간의 대화들 중 미리 지정된 제1 개수(예: 3)의 대화들과, 후보 대화를 결합한 데이터일 수 있다. 일 실시 예에서, 후보 대화는 사전 획득된 후보 대화들을 포함하는 데이터에서 선택된 대화일 수 있다. 일 실시 예에서, 후보 대화는 사용자의 마지막 대화에 대한 응답으로 이용될 가능성이 존재하는 대화일 수 있다. 일 실시 예에서, 사용자와 전자 장치(101) 간의 대화에서 사용자의 발화는, 입력 장치(예: 도 1의 입력 장치(150)), 오디오 모듈(예: 도 1의 오디오 모듈(170)), 표시 장치(예: 도 1의 표시 장치(160))의 터치 스크린, 또는 이들의 조합에 의해 획득될 수 있다. 일 실시 예에서, 사용자와 전자 장치(101) 간의 대화에서 전자 장치(101)의 발화는 이전의 사용자의 발화에 대한 응답일 수 있다. 일 실시 예에서, 전자 장치(101)의 발화는 사용자와 전자 장치(101) 간의 대화에 대한 복수의 후보 대화들 중 최종 출력에 기반하여 최종 선택된 응답일 수 있다. 일 실시 예에서, 아래 표 2는 전자 장치(101)의 사용자와 전자 장치(101) 간의 대화를 나타낼 수 있다.
순번 화자 대화
1 사용자 오늘 날씨 어때?
2 전자 장치(101) 오후에 비가 온다고 합니다.
3 사용자 음, 오후에 뭐할까?
표 2와 같이 사용자와 전자 장치(101) 간에 대화가 이루어진 경우, 입력은, 미리 지정된 제1 개수의 대화들(예: 1 내지 3번째 대화들)과, 후보 대화를 결합한 데이터일 수 있다. 일 실시 예에서, 후보 대화는 "영화 보는게 어때요?", "이번 기회에 꼭 하고 싶은 버킷리스트를 만들어 보세요.", 또는 이들의 조합을 포함할 수 있다. 일 실시 예에서, 제1 개수의 대화들은 제1 문장으로 지칭될 수 있다. 일 실시 예에서, 제1 개수의 대화들에 결합되는 후보 대화는 제2 문장으로 지칭될 수 있다.
일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터의 오탈자에 기반하여, 입력된 데이터를 가공할 수 있다. 일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터의 적어도 하나의 대화들에서 오탈자가 식별되면, 식별된 오탈자를 수정할 수 있다. 예를 들어, 데이터 증대 모듈(205)로부터 제공된 데이터가 표 1의 5번째 대화(즉, "same. without swtiching user.")를 포함하는 경우, 전처리 모듈(210)은, 표 1의 5번째 대화의 오탈자 "swtiching"을 "switching"으로 수정할 수 있다.
일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터에 포함된 의미 단위의 개수에 기반하여, 입력된 데이터를 가공할 수 있다. 일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터에 포함된 의미 단위의 개수가 미리 지정된 제3 개수(예: 256 개)를 초과하면, 초과된 개수만큼의 의미 단위를 입력된 데이터에서 제거할 수 있다. 일 실시 예에서, 전처리 모듈(210)은, 입력된 데이터에 포함된 의미 단위의 개수를 미리 지정된 제3 개수(예: 256 개)로 제한함으로써, 입력된 데이터를 가공할 수 있다. 일 실시 예에서, 미리 지정된 제3 개수(예: 256 개)는, 제1 변환 모듈(220)에서 처리 가능한 토큰의 개수에 대응할 수 있다. 일 실시 예에서, 미리 지정된 제3 개수(예: 256 개)는, 제1 변환 모듈(220)에서 처리 가능한 토큰의 개수에 따라 증가하거나 감소할 수 있다. 일 실시 예에서, 의미 단위는, 문장에서 의미를 분화 시키는 기능을 수행하는 개체(예: 단어, 미리 지정된 문자열(예: 온점(.), 콤마(,), 물음표(?), 세미콜론(;), 또는, 느낌표(!)), 접미사(예: -ing, 또는, -ed))일 수 있다.
일 실시 예에서, 입력된 데이터에 포함된 의미 단위의 개수에 기반하여, 입력된 데이터를 가공할 경우, 전처리 모듈(210)은, 입력된 데이터에 포함된 대화들 중 일부를 제거할 수 있다. 일 실시 예에서, 입력된 데이터에 포함된 대화들 중 제거되는 일부 대화들은 순서가 앞선 대화들일 수 있다.
일 실시 예에서, 전처리 모듈(210)은, 가공된 데이터를 제1 변환 모듈(220), 특징 추출 모듈(230), 또는 이들의 조합에게 제공할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 전처리 모듈(210)로부터 제공된 데이터에 기반하여, 출력을 생성할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)의 출력은 중간 출력, 및/또는 중간 입력으로도 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 전처리 모듈(210)로부터 제공된 데이터에 기반하여, 제1 중간 입력(300)을 생성할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)은, 제1 중간 입력(300)에 대응하는 출력을 생성할 수 있다.
도 3을 참조하면, 제1 중간 입력(300)은, 미리 지정된 제3 개수(예: 256)의 토큰들(301 내지 317)로 구성될 수 있다. 일 실시 예에서, 토큰들(301 내지 317) 각각은, 미리 지정된 제4 개수(예: 768)의 차원을 가지는 벡터일 수 있다. 일 실시 예에서, 미리 지정된 제4 개수는, 의미 단위를 세분화하는 정도에 따라 증가되거나 감소될 수 있다.
일 실시 예에서, 토큰들(301 내지 317)은, 토큰 임베딩들(330), 세그먼트 임베딩들(350), 포지션 임베딩들(370)의 합일 수 있다. 일 실시 예에서, 토큰들(301 내지 309)은 제1 문장을 구성하고, 토큰들(311 내지 317)은 제2 문장을 구성할 수 있다.
일 실시 예에서, 토큰 임베딩들(330)을 구성하는 각각의 토큰 임베딩(TECLS, TE1, TE2, TEn-2, TESEP, TEn, TEm-3, TEm-2, 및 TESEP)은 전처리 모듈(210)로부터 제공된 데이터에 포함된 의미 단위들 각각에 할당된 벡터를 나타낼 수 있다. 일 실시 예에서, m은 미리 지정된 제3 개수에 대응할 수 있다. 일 실시 예에서, n은 1과 m 사이의 자연수일 수 있다.
일 실시 예에서, 토큰 임베딩(TECLS)은, 전처리 모듈(210)로부터 제공된 데이터에 포함된 제1 문장과 제2 문장 간의 관련도를 나타내기 위한 벡터일 수 있다. 일 실시 예에서, 토큰 임베딩(TESEP)은, 문장(예: 제1 문장, 또는 제2 문장)의 완결을 나타내기 위한 벡터일 수 있다. 일 실시 예에서, 토큰 임베딩들(TE1, TE2, TEn-2, TEn, TEm-3, 및 TEm-2)은 전처리 모듈(210)로부터 제공된 데이터에 포함된 의미 단위들 각각에 할당된 벡터일 수 있다. 예를 들어, 표 1의 1 내지 3번째 대화들이 제1 문장을 구성하고, 표 1의 4번째 대화가 제2 문장을 구성할 경우, 토큰 임베딩(TE1)은, "hi"에 할당된 벡터를 가지고, 토큰 임베딩(TE2)은, "everyone"에 할당된 벡터를 가지고, 토큰 임베딩(TEn-2)은, "account"에 할당된 벡터를 가지고, 토큰 임베딩(TEn-2)은, "you"에 할당된 벡터를 가지고, 토큰 임베딩(TEm-3)은, "same"에 할당된 벡터를 가지고, 토큰 임베딩(TEm-2)은, "computer"에 할당된 벡터를 가질 수 있다.
일 실시 예에서, 세그먼트 임베딩들(350)을 구성하는 각각의 세그먼트 임베딩(SEA, 및 SEB)은 전처리 모듈(210)로부터 제공된 데이터에 포함된 제1 문장을 나타내는 벡터, 또는 제2 문장을 나타내는 벡터를 가질 수 있다.
일 실시 예에서, 포지션 임베딩들(370)을 구성하는 각각의 포지션 임베딩(PE0 내지 PEm-1)은 토큰들(301 내지 317) 각각의 순서에 따라 할당된 벡터를 가질 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 중간 입력(300)에 대하여, 미리 지정된 횟수의 자기 집중(self-attention) 처리를 수행함으로써, 적어도 하나의 출력(411, 413, 또는 415)을 획득할 수 있다. 일 실시 예에서, 미리 지정된 횟수는 1 이상의 횟수(예: 12회)일 수 있다.
일 실시 예에서, 자기 집중 처리는, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리(query), 키(key), 및 가치(value)를 획득하는 과정, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리, 키, 및 가치를 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터를 획득하는 과정, 및 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터에 기반하여 출력을 획득하는 과정을 포함할 수 있다. 일 실시 예에서, 미리 지정된 횟수는 제1 변환 모듈(220)의 레이어의 개수에 대응할 수 있다.
일 실시 예에서, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리, 키, 및 가치를 획득하는 과정은, 미리 지정된 제5 개수의 쿼리 가중 행렬들을 이용하여 제5 개수의 쿼리들을 획득하는 과정, 제5 개수의 키 가중 행렬들을 이용하여 제5 개수의 키들을 획득하는 과정, 및 제5 개수의 가치 가중 행렬들을 이용하여 제5 개수의 가치들을 획득하는 과정을 포함할 수 있다. 일 실시 예에서, 제5 개수는, 1 이상의 정수일 수 있다. 일 실시 예에서, 제5 개수는, 12일 수 있다. 일 실시 예에서, 제5 개수는 집중 헤드(attention head)의 개수로도 지칭될 수 있다.
일 실시 예에서, 가중 행렬들(즉, 쿼리 가중 행렬들, 키 가중 행렬들, 가치 가중 행렬들) 각각에 포함된 요소들은 제1 변환 모듈(220)의 이전 학습에 의해 조정된 가중치를 가질 수 있다.
일 실시 예에서, 토큰들(예: 토큰들(301 내지 317)) 각각이 제4 개수(예: 768)의 차원을 가지는 벡터인 경우, 가중 행렬들(즉, 쿼리 가중 행렬들, 키 가중 행렬들, 가치 가중 행렬들) 각각은 제4 개수(예: 768)
Figure pat00001
k 행렬일 수 있다. 일 실시 예에서, 가중 행렬들(즉, 쿼리 가중 행렬들, 키 가중 행렬들, 가치 가중 행렬들) 각각이 제4 개수(예: 768)
Figure pat00002
k 행렬인 경우, 쿼리들, 키들, 및 가치들 각각은, k 차원의 벡터일 수 있다. 일 실시 예에서, k는 1 이상의 자연수일 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 1을 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리를 획득할 수 있다.
Figure pat00003
수학식 1에서, Xl은, 미리 지정된 제3 개수(예: 256)의 토큰들 중 l번째 토큰의 벡터를 나타낼 수 있다. 수학식 1에서, WQj는 제5 개수(예: 12)의 쿼리 가중 행렬들 중 j번째 쿼리 가중 행렬을 나타낼 수 있다. 수학식 1에서, Q(l, j)는, l번째 토큰의 벡터와 j번째 쿼리 가중 행렬의 곱에 의해 획득되는 쿼리를 나타낼 수 있다. 일 실시 예에서, l은 1 이상 미리 지정된 제3 개수(예: 256) 이하의 정수이다. 일 실시 예에서, j는 1 이상 제5 개수(예: 12) 이하의 정수이다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 2를 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 키를 획득할 수 있다.
Figure pat00004
수학식 2에서, WKj는 제5 개수(예: 12)의 키 가중 행렬들 중 j번째 키 가중 행렬을 나타낼 수 있다. 수학식 2에서, K(l, j)는, l번째 토큰의 벡터와 j번째 키 가중 행렬의 곱에 의해 획득되는 키를 나타낼 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 3을 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 가치를 획득할 수 있다.
Figure pat00005
수학식 3에서, WVj는 제5 개수(예: 12)의 가치 가중 행렬들 중 j번째 가치 가중 행렬을 나타낼 수 있다. 수학식 3에서, V(l, j)는, l번째 토큰의 벡터와 j번째 가치 가중 행렬의 곱에 의해 획득되는 가치를 나타낼 수 있다.
일 실시 예에서, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리, 키, 및 가치를 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터를 획득하는 과정은, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리와 토큰들(예: 토큰들(301 내지 317)) 각각의 키를 내적함으로써, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리를 기준으로 한 토큰들(예: 토큰들(301 내지 317)) 각각의 스코어를 연산하는 과정, 스코어에 기반하여 토큰들(예: 토큰들(301 내지 317)) 각각의 활성화 값을 획득하는 과정, 및 토큰들(예: 토큰들(301 내지 317)) 각각의 활성화 값과 가치를 곱함으로써, 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터를 획득하는 과정을 포함할 수 있다.
일 실시 예에서, 토큰들(예: 토큰들(301 내지 317)) 각각의 스코어를 연산하는 과정은, 토큰들(예: 토큰들(301 내지 317)) 각각의 쿼리와 토큰들(예: 토큰들(301 내지 317)) 각각의 키를 내적함으로써, 토큰들(예: 토큰들(301 내지 317)) 각각에 대하여, 토큰들(301 내지 317)의 개수(즉, 미리 지정된 제3 개수(예: 256 개))의 스코어들을 연산하는 과정일 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 4를 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 스코어들을 연산할 수 있다.
Figure pat00006
수학식 4에서, Q(x, j)는 x번째 토큰의 벡터와 j번째 쿼리 가중 행렬의 곱에 의해 획득되는 쿼리를 나타낼 수 있다. 수학식 4에서, K(y, j)는, y번째 토큰의 벡터와 j번째 키 가중 행렬의 곱에 의해 획득되는 키를 나타낼 수 있다. 수학식 4에서, sc(x, y, j)는, Q(x, j)와 K(y, j)의 내적에 의해 획득되는 스코어를 나타낼 수 있다.
예를 들어, 토큰(301)의 스코어를 연산할 경우, 제1 변환 모듈(220)은, 토큰(301)의 쿼리와, 토큰들(301 내지 317) 각각의 키를 내적함으로써, 토큰들(301 내지 317)의 개수(즉, 미리 지정된 제3 개수(예: 256 개))의 토큰(301)의 스코어들을 연산할 수 있다.
일 실시 예에서, 스코어에 기반하여 토큰들(예: 토큰들(301 내지 317)) 각각의 활성화 값을 획득하는 과정은, 토큰들(예: 토큰들(301 내지 317)) 각각의 스코어들을 미리 지정된 숫자(예: 8)로 나누는 과정, 토큰들(예: 토큰들(301 내지 317)) 각각의 미리 지정된 숫자(예: 8)로 나뉜 스코어들의 미리 지정된 함수(예: 소프트맥스 함수)에 대한 출력 값들을 획득하는 과정, 및 출력 값들 중 자신의 쿼리 및 키에 기반한 출력 값을 자신의 활성화 값으로 획득하는 과정을 포함할 수 있다. 일 실시 예에서, 미리 지정된 숫자는, 제4 개수(예: 768)를 제5 개수(예: 12)로 나눈 값(즉, 64)의 제곱근 값(즉, 8)에 대응할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 5를 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 미리 지정된 숫자(예: 8)로 나뉜 스코어들의 소프트맥스 함수에 대한 출력 값들을 획득할 수 있다.
Figure pat00007
수학식 5에서, a는 제4 개수(예: 768)를 제5 개수(예: 12)로 나눈 값(즉, 64)의 제곱근 값(즉, 8)에 대응할 수 있다. 수학식 5에서, b는 미리 지정된 제3 개수(즉, 256)에 대응할 수 있다. 수학식 5에서, softmax(x, z, j)는, Q(x, j)와 K(z, j)의 내적에 의해 획득되는 스코어에 기반한 지수 값을 Q(x, j)와 K(y, j)의 내적에 의해 획득되는 스코어에 기반한 지수 값들의 합으로 나눈 값을 나타낼 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 토큰들(예: 토큰들(301 내지 317)) 각각의 미리 지정된 숫자(예: 8)로 나뉜 스코어들의 소프트맥스 함수에 대한 출력 값들에 기반하여, 자신의 쿼리 및 키에 기반한 출력 값(즉, x 및 z가 동일한 토큰을 나타내는 경우의 출력 값)을 자신의 활성화 값으로 획득할 수 있다. 일 실시 예에서, 자신의 쿼리 및 키에 기반한 출력 값은, softmax(x, x, j)일 수 있다. 일 실시 예에서, 자신의 쿼리 및 키에 기반한 출력 값은, 제5 개수(예: 12)만큼 획득될 수 있다.
예를 들어, 토큰(301)의 활성화 값을 획득할 경우, 제1 변환 모듈(220)은, 토큰(301)에 대한 토큰들(301 내지 317)의 개수(즉, 미리 지정된 제3 개수(예: 256 개))의 스코어들을 미리 지정된 숫자(예: 8)로 나누고, 미리 지정된 숫자(예: 8)로 나뉜 토큰(301)의 스코어들에 대한 미리 지정된 함수(예: 소프트맥스)에 대한 출력 값들을 획득하고, 출력 값들 중 토큰(301)의 쿼리와 키를 곱함으로써 획득된 스코어에 기반하여 획득되는 출력 값을 토큰(301)의 활성화 값으로 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 토큰들(예: 토큰들(301 내지 317)) 각각의 활성화 값과 가치를 곱함으로써, 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터를 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 아래 수학식 6을 이용하여, 토큰들(예: 토큰들(301 내지 317)) 각각의 활성화 값과 가치를 곱함으로써, 토큰들(예: 토큰들(301 내지 317)) 각각의 자기 집중 벡터를 획득할 수 있다.
Figure pat00008
수학식 6에서, Z(x, j)는, 미리 지정된 제3 개수(예: 256)의 토큰들 중 x번째 토큰의 j번째 자기 집중 벡터를 나타낼 수 있다. 수학식 6에서, softmax(x, x, j)는, x번째 토큰의 j번째 활성화 값을 나타낼 수 있다. 수학식 6에서, V(x, j)는, x번째 토큰의 벡터와 j번째 가치 가중 행렬의 곱에 의해 획득되는 가치를 나타낼 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 토큰들(예: 토큰들(301 내지 317)) 각각의 제5 개수(예: 12)만큼의 자기 집중 벡터를 결합(concatenate)하고, 결합된 자기 집중 벡터에 가중 행렬을 곱함으로써, 중간 출력(예: 제1 중간 출력(420))을 획득할 수 있다. 일 실시 예에서, 자기 집중 벡터는 k의 차원을 가질 수 있다. 일 실시 예에서, 집중된 자기 집중 벡터는 12k의 차원을 가질 수 있다. 일 실시 예에서, 가중 행렬은, 12k
Figure pat00009
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 중간 출력(예: 제1 중간 출력(420))은, 토큰들(예: 토큰들(301 내지 317)) 각각과 동일한 제4 개수(예: 768)의 차원을 가질 수 있다.
예를 들어, 제1 변환 모듈(220)은, 토큰(301)의 제5 개수(예: 12)만큼의 자기 집중 벡터를 결합하고, 토큰(301)의 결합된 자기 집중 벡터에 가중 행렬을 곱함으로써, 토큰(421)을 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 중간 입력(300)에 대하여, 제1 자기 집중 처리(401)를 수행함으로써, 제1 중간 출력(420)을 획득할 수 있다. 일 실시 예에서, 제1 중간 출력(420)은, 토큰들(421 내지 437)로 구성될 수 있다. 일 실시 예에서, 제1 중간 입력(300), 제1 자기 집중 처리(401), 및 제1 중간 출력(420)은 제1 변환 모듈(220)의 제1 레이어로도 지칭될 수 있다. 일 실시 예에서, 제1 중간 입력(300)은 제1 레이어의 입력으로 지칭될 수 있다. 일 실시 예에서, 제1 중간 출력(420)은 제1 레이어의 출력으로 지칭될 수 있다.
일 실시 예에서, 제1 중간 출력(420)의 토큰들(421 내지 437) 각각은, 제1 중간 입력(300)에 기반한 자기 집중 처리에 따른 토큰들(301 내지 317) 각각의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(421)은, 제1 중간 입력(300)에 기반한 자기 집중 처리에 따른 토큰(301)의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(423)은, 제1 중간 입력(300)에 기반한 자기 집중 처리에 따른 토큰(303)의 출력 벡터로도 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 중간 출력(420)에 대하여, 제2 자기 집중 처리(403)를 수행함으로써, 제2 중간 출력(440)을 획득할 수 있다. 일 실시 예에서, 제2 중간 출력(440)은, 토큰들(441 내지 457)로 구성될 수 있다. 일 실시 예에서, 제1 중간 출력(420), 제2 자기 집중 처리(403), 및 제2 중간 출력(440)은 제1 변환 모듈(220)의 제2 레이어로도 지칭될 수 있다. 일 실시 예에서, 제1 중간 출력(420)은 제2 레이어의 입력으로 지칭될 수 있다. 일 실시 예에서, 제2 중간 출력(440)은 제2 레이어의 출력으로 지칭될 수 있다.
일 실시 예에서, 제2 중간 출력(440)의 토큰들(441 내지 457) 각각은, 제1 중간 출력(420)에 기반한 자기 집중 처리에 따른 토큰들(421 내지 437) 각각의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(441)은, 제1 중간 출력(420)에 기반한 자기 집중 처리에 따른 토큰(421)의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(443)은, 제1 중간 출력(420)에 기반한 자기 집중 처리에 따른 토큰(423)의 출력 벡터로도 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제2 중간 출력(440)에 대하여, 제3 자기 집중 처리(405)를 수행함으로써, 제3 중간 출력을 획득할 수 있다. 일 실시 예에서, 제2 중간 출력(440), 제3 자기 집중 처리(405), 및 제3 중간 출력은 제1 변환 모듈(220)의 제3 레이어로도 지칭될 수 있다. 일 실시 예에서, 제2 중간 출력(440)은 제3 레이어의 입력으로 지칭될 수 있다. 일 실시 예에서, 제3 중간 출력은 제3 레이어의 출력으로 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제u-2 중간 출력에 대하여, 제u-1 자기 집중 처리(407)를 수행함으로써, 제u-1 중간 출력(460)을 획득할 수 있다. 일 실시 예에서, u는 미리 지정된 횟수에 대응할 수 있다. 일 실시 예에서, 제u-1 중간 출력(460)은, 토큰들(461 내지 477)로 구성될 수 있다. 일 실시 예에서, 제u-2 중간 출력, 제u-1 자기 집중 처리(407), 및 제u-1 중간 출력(460)은 제1 변환 모듈(220)의 제u-1 레이어로도 지칭될 수 있다. 일 실시 예에서, 제u-2 중간 출력은 제u-1 레이어의 입력으로 지칭될 수 있다. 일 실시 예에서, 제u-1 중간 출력(460)은 제u-1 레이어의 출력으로 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제u-1 중간 출력(460)에 대하여, 제u 자기 집중 처리(409)를 수행함으로써, 제u 중간 출력(480)을 획득할 수 있다. 일 실시 예에서, 제u 중간 출력(460)은, 토큰들(481 내지 497)로 구성될 수 있다. 일 실시 예에서, 제u-1 중간 출력(460), 제u 자기 집중 처리(409), 및 제u 중간 출력(480)은 제1 변환 모듈(220)의 제u 레이어로도 지칭될 수 있다. 일 실시 예에서, 제u-1 중간 출력(460)은 제u 레이어의 입력으로 지칭될 수 있다. 일 실시 예에서, 제u 중간 출력(480)은 제u 레이어의 출력으로 지칭될 수 있다.
일 실시 예에서, 제u 중간 출력(480)의 토큰들(481 내지 497) 각각은, 제u-1 중간 출력(460)에 기반한 자기 집중 처리에 따른 토큰들(461 내지 477) 각각의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(481)은, 제u-1 중간 출력(460)에 기반한 자기 집중 처리에 따른 토큰(461)의 출력 벡터로도 지칭될 수 있다. 예를 들어, 토큰(483)은, 제u-1 중간 출력(420)에 기반한 자기 집중 처리에 따른 토큰(483)의 출력 벡터로도 지칭될 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)이 학습 중일 경우, 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터를 출력으로 획득할 수 있다. 일 실시 예에서, 미리 지정된 순번의 레이어는 마지막 순번의 레이어(즉, 제u 레이어)일 수 있다. 일 실시 예에서, 미리 지정된 위치의 제1 토큰은, 토큰 임베딩(TECLS)이 위치하는 열에 위치하는 토큰(481)일 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)이 학습 중일 경우, 중간 출력(480) 중 토큰 임베딩(TECLS)이 위치하는 열에 위치하는 토큰(481)이 나타내는 벡터를 출력(413)으로 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)이 학습 중일 경우, 출력(413)에 기반하여, 제1 내지 제u 자기 집중 처리들(401 내지 409)에서 이용되는 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)이 학습 중일 경우, 출력(413)이 나타내는 오류가 최소화되도록, 제1 내지 제u 자기 집중 처리들(401 내지 409)에서 이용되는 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다. 일 실시 예에서, 제1 내지 제u 자기 집중 처리들(401 내지 409)에서 이용되는 행렬들의 요소들의 값(즉, 가중치)은 서로 다를 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)의 학습이 완료된 경우(즉, 제1 변환 모듈(220)이 이용 중인 경우), 적어도 하나의 출력을 획득할 수 있다. 일 실시 예에서, 적어도 하나의 출력은, 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰, 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들, 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들, 또는 이들의 조합에 의해 획득될 수 있다. 일 실시 예에서, 미리 지정된 순번의 레이어는 마지막 순번의 레이어(즉, 제u 레이어)일 수 있다. 일 실시 예에서, 미리 지정된 위치의 토큰은, 토큰 임베딩(TECLS)이 위치하는 열에 위치하는 토큰(481)일 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)의 학습이 완료된 경우, 중간 출력(480) 중 토큰 임베딩(TECLS)이 위치하는 열에 위치하는 토큰(481)이 나타내는 벡터에 기반하여 출력(413)을 획득할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)의 학습이 완료된 경우, 토큰(481)과 동일한 행에 위치하는 토큰들(481 내지 497)이 나타내는 벡터에 기반하여 출력(415)을 획득할 수 있다. 일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)의 학습이 완료된 경우, 토큰(481)과 동일한 열에 위치하는 토큰들(421, 441, 461, 및 481)이 나타내는 벡터에 기반하여 출력(411)을 획득할 수 있다.
일 실시 예에서, 토큰(481)과 동일한 열에 위치하는 토큰들(421, 441, 461, 및 481)이 나타내는 벡터에 기반하여 출력(411)을 획득하는 경우, 제1 변환 모듈(220)은, 토큰들(421, 441, 461, 및 481)이 각각의 벡터들을 평균(또는, 가중 평균)함으로써, 제4 개수(예: 768)의 차원을 가지는 출력(411)을 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 토큰(481)과 동일한 열에 위치하는 토큰들(421, 441, 461, 및 481)이 나타내는 벡터에 기반하여 자기 집중 처리를 수행함으로써 출력(411)을 획득할 수 있다. 일 실시 예에서, 토큰(481)과 동일한 열에 위치하는 토큰들(421, 441, 461, 및 481)이 나타내는 벡터에 기반하여 출력(411)을 획득하는 경우, 제1 변환 모듈(220)은, 토큰들(421, 441, 461, 및 481)에 기반하여 자기 집중 처리를 수행함으로써, 출력(411)을 획득할 수 있다. 일 실시 예에서, 자기 집중 처리를 수행함으로써, 출력(411)을 획득하는 경우, 출력(411)은 토큰들(421, 441, 461, 및 481)에 기반한 자기 집중 처리에 따른 토큰(481)의 출력 벡터일 수 있다.
일 실시 예에서, 토큰(481)과 동일한 행에 위치하는 토큰들(481 내지 497)이 나타내는 벡터에 기반하여 출력(415)을 획득하는 경우, 제1 변환 모듈(220)은, 토큰들(481 내지 497) 각각의 벡터들을 평균(또는, 가중 평균)함으로써, 제4 개수(예: 768)의 차원을 가지는 출력(415)을 획득할 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 토큰(481)과 동일한 행에 위치하는 토큰들(481 내지 497)이 나타내는 벡터에 기반하여 자기 집중 처리를 수행함으로써 출력(415)을 획득할 수 있다. 일 실시 예에서, 토큰(481)과 동일한 행에 위치하는 토큰들(481 내지 497)이 나타내는 벡터에 기반하여 출력(415)을 획득하는 경우, 제1 변환 모듈(220)은, 토큰들(481 내지 497)에 기반하여 자기 집중 처리를 수행함으로써, 출력(415)을 획득할 수 있다. 일 실시 예에서, 자기 집중 처리를 수행함으로써, 출력(415)을 획득하는 경우, 출력(415)은 토큰들(481 내지 497)에 기반한 자기 집중 처리에 따른 토큰(481)의 출력 벡터일 수 있다.
일 실시 예에서, 제1 변환 모듈(220)은, 제1 변환 모듈(220)의 학습이 완료된 경우(즉, 제1 변환 모듈(220)이 이용 중인 경우), 획득한 적어도 하나의 출력들(411, 413, 또는 415)을 제2 변환 모듈(240)에게 제공할 수 있다.
일 실시 예에서, 특징 추출 모듈(230)은, 전처리 모듈(210)로부터 제공된 데이터에서 특징을 추출할 수 있다. 일 실시 예에서, 특징은, 전처리 모듈(210)로부터 제공된 데이터에 포함된 문장의 형식(예: 의문문, 평서문, 감탄문, 명령문), 화자의 수, 화자 전환의 수, 또는 이들의 조합을 포함할 수 있다.
일 실시 예에서, 특징 추출 모듈(230)은, 추출한 특징에 대한 정보를 제2 변환 모듈(240)에게 제공할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 적어도 하나의 출력들(411, 413, 또는 415), 특징에 대한 정보, 또는 이들의 조합에 기초하여, 최종 출력을 획득할 수 있다. 일 실시 예에서, 제2 변환 모듈(240)은, 적어도 하나의 서브 변환 모듈을 이용하여, 적어도 하나의 출력들(411, 413, 또는 415), 특징에 대한 정보, 또는 이들의 조합에 대한 최종 출력을 획득할 수 있다.
도 5a를 참조하면, 제2 변환 모듈(240)은, 제1 서브 변환 모듈(501)에 기반하여, 적어도 하나의 출력들(411, 413, 또는 415)에 대한 최종 출력을 획득할 수 있다.
도 5a를 참조하면, 제2 변환 모듈(240)은, 출력(411)에 대해 선형 곱(511), 및 활성화(514)를 적용하고, 출력(413)에 대해 선형 곱(513), 및 활성화(515)를 적용하고, 출력(415)에 대해 선형 곱(513), 및 활성화(516)를 적용할 수 있다.
일 실시 예에서, 출력(411)에 대한 선형 곱(511)은, 제4 개수(예: 768)의 차원을 가지는 출력(411)과 선형 곱(511)의 행렬을 내적하는 것일 수 있다. 일 실시 예에서, 출력(413)에 대한 선형 곱(512)은, 제4 개수(예: 768)의 차원을 가지는 출력(413)과 선형 곱(512)의 행렬을 내적하는 것일 수 있다. 일 실시 예에서, 출력(415)에 대한 선형 곱(513)은, 제4 개수(예: 768)의 차원을 가지는 출력(415)과 선형 곱(513)의 행렬을 내적하는 것일 수 있다. 일 실시 예에서, 선형 곱(511)의 행렬은, 제4 개수(예: 768)
Figure pat00010
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 선형 곱(512)의 행렬은, 제4 개수(예: 768)
Figure pat00011
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 선형 곱(513)의 행렬은, 제4 개수(예: 768)
Figure pat00012
제4 개수(예: 768) 행렬일 수 있다.
일 실시 예에서, 선형 곱(511)이 적용된 출력에 대한 활성화(514)는, 선형 곱(511)이 적용된 출력에 대한 미리 지정된 활성화 함수(activation function)의 출력을 획득하는 것일 수 있다. 일 실시 예에서, 선형 곱(512)이 적용된 출력에 대한 활성화(515)는, 선형 곱(512)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다. 일 실시 예에서, 선형 곱(513)이 적용된 출력에 대한 활성화(516)는, 선형 곱(513)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다. 일 실시 예에서, 미리 지정된 활성화 함수는, 하이퍼볼릭 탄젠트 함수, 스텝 함수(step function), 시그모이드 함수(sigmoid function), ReLU(Rectified Linear Unit), 또는 이들의 조합을 포함할 수 있다.
도 5a를 참조하면, 제2 변환 모듈(240)은, 활성화(514)가 적용된 출력, 활성화(515)가 적용된 출력, 및 활성화(516)가 적용된 출력에 대해 결합(517)을 적용할 수 있다. 일 실시 예에서, 결합(517)이 적용된 출력은 제4 개수(예: 768)의 3배(예: 2304)에 달하는 차원을 가지는 벡터일 수 있다.
도 5a를 참조하면, 제2 변환 모듈(240)은, 결합(517)이 적용된 출력에 대해 드롭 아웃(518)을 적용할 수 있다. 일 실시 예에서, 드롭 아웃(518)은, 결합(517)이 적용된 출력의 일부 값을 미리 지정된 확률에 기반하여 0으로 변경하는 것일 수 있다. 일 실시 예에서, 미리 지정된 확률은, 0 이상 1 미만의 값을 가질 수 있다. 일 실시 예에서, 미리 지정된 확률은, 0.1의 값을 가질 수 있다.
도 5a를 참조하면, 제2 변환 모듈(240)은, 드롭 아웃(518)이 적용된 출력에 대해 선형 곱(519)을 적용할 수 있다. 일 실시 예에서, 드롭 아웃(518)이 적용된 출력에 대한 선형 곱(519)은, 제4 개수(예: 768)의 3배(예: 2304)에 달하는 차원을 가지는 드롭 아웃(518)이 적용된 출력과 선형 곱(519)의 행렬을 내적하는 것일 수 있다. 일 실시 예에서, 선형 곱(519)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00013
2 행렬일 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 드롭 아웃(518)이 적용된 출력에 대해 선형 곱(519)을 적용함으로써, 2 차원의 벡터를 획득할 수 있다. 일 실시 예에서, 획득된 2 차원의 벡터는 최종 출력일 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터에 기반하여, 선형 곱들(511, 512, 513, 519)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다. 일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터가 나타내는 오류가 최소화되도록, 선형 곱들(511, 512, 513, 519)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)의 학습이 완료된 경우(즉, 제2 변환 모듈(240)이 이용 중인 경우), 획득된 2 차원의 벡터(즉, 최종 출력)를 전자 장치(101)의 구성들(예: 어플리케이션(도 1의 어플리케이션(146)), 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합)에게 제공할 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 제2 서브 변환 모듈(503)에 기반하여, 적어도 하나의 출력들(411, 413, 또는 415)에 대한 최종 출력을 획득할 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 출력(411), 출력(413), 및 출력(415)에 대해 결합(521)을 적용할 수 있다. 일 실시 예에서, 결합(521)이 적용된 출력은 제4 개수(예: 768)의 3배(예: 2304)에 달하는 차원을 가지는 벡터일 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 결합(521)이 적용된 출력에 대해 선형 곱(522)을 적용할 수 있다. 일 실시 예에서, 결합(521)이 적용된 출력에 대한 선형 곱(522)은, 제4 개수(예: 768)의 3배(예: 2304)에 달하는 차원을 가지는 결합(521)이 적용된 출력과 선형 곱(522)의 행렬을 내적하는 것일 수 있다. 일 실시 예에서, 선형 곱(522)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00014
제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304) 행렬일 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 선형 곱(522)이 적용된 출력에 대해 드롭 아웃(523)을 적용할 수 있다. 도 5b를 참조하면, 제2 변환 모듈(240)은, 드롭 아웃(523)이 적용된 출력에 대해 선형 곱(524)을 적용할 수 있다. 일 실시 예에서, 선형 곱(524)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00015
제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304) 행렬일 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 선형 곱(524)이 적용된 출력에 대해 드롭 아웃(525)을 적용할 수 있다. 도 5b를 참조하면, 제2 변환 모듈(240)은, 드롭 아웃(525)이 적용된 출력에 대해 선형 곱(526)을 적용할 수 있다. 일 실시 예에서, 선형 곱(526)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00016
제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304) 행렬일 수 있다.
도 5b를 참조하면, 제2 변환 모듈(240)은, 선형 곱(526)이 적용된 출력에 대해 드롭 아웃(527)을 적용할 수 있다. 도 5b를 참조하면, 제2 변환 모듈(240)은, 드롭 아웃(527)이 적용된 출력에 대해 선형 곱(528)을 적용할 수 있다. 일 실시 예에서, 선형 곱(528)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00017
2 행렬일 수 있다. 일 실시 예에서, 획득된 2 차원의 벡터는 최종 출력일 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터에 기반하여, 선형 곱들(522, 524, 526, 528)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다. 일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터가 나타내는 오류가 최소화되도록, 선형 곱들(522, 524, 526, 528)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)의 학습이 완료된 경우(즉, 제2 변환 모듈(240)이 이용 중인 경우), 획득된 2 차원의 벡터(즉, 최종 출력)를 전자 장치(101)의 구성들(예: 어플리케이션(146), 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합)에게 제공할 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 제1 서브 변환 모듈(501)에 기반하여, 적어도 하나의 출력들(411, 413, 또는 415) 및 특징에 대한 정보에 대한 최종 출력을 획득할 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 출력(411)에 대해 선형 곱(541), 및 활성화(544)를 적용하고, 출력(413)에 대해 선형 곱(543), 및 활성화(545)를 적용하고, 출력(415)에 대해 선형 곱(543), 및 활성화(546)를 적용할 수 있다. 일 실시 예에서, 선형 곱(541)의 행렬은, 제4 개수(예: 768)
Figure pat00018
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 선형 곱(542)의 행렬은, 제4 개수(예: 768)
Figure pat00019
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 선형 곱(543)의 행렬은, 제4 개수(예: 768)
Figure pat00020
제4 개수(예: 768) 행렬일 수 있다. 일 실시 예에서, 선형 곱(541)이 적용된 출력에 대한 활성화(544)는, 선형 곱(541)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다. 일 실시 예에서, 선형 곱(542)이 적용된 출력에 대한 활성화(545)는, 선형 곱(542)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다. 일 실시 예에서, 선형 곱(543)이 적용된 출력에 대한 활성화(546)는, 선형 곱(543)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 활성화(544)가 적용된 출력, 활성화(545)가 적용된 출력, 및 활성화(546)가 적용된 출력에 대해 결합(547)을 적용할 수 있다. 일 실시 예에서, 결합(547)이 적용된 출력은 제4 개수(예: 768)의 3배(예: 2304)에 달하는 차원을 가지는 벡터일 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 결합된 출력에 대해 드롭 아웃(548)을 적용할 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 드롭 아웃(548)이 적용된 출력에 대해 선형 곱(549) 및 활성화(550)를 적용할 수 있다. 일 실시 예에서, 선형 곱(549)의 행렬은, 제4 개수(예: 768)의 3배에 대응하는 개수(예: 2304)
Figure pat00021
100 행렬일 수 있다. 일 실시 예에서, 선형 곱(549)이 적용된 출력에 대한 활성화(550)는, 선형 곱(549)이 적용된 출력에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 특징에 대한 정보를 나타내는 벡터(531)에 대해 선형 곱(551) 및 활성화(552)를 적용할 수 있다. 일 실시 예에서, 선형 곱(559)의 행렬은, 벡터(531)의 크기(예: 3)
Figure pat00022
100 행렬일 수 있다. 일 실시 예에서, 선형 곱(551)이 적용된 벡터에 대한 활성화(552)는, 선형 곱(551)이 적용된 벡터에 대한 미리 지정된 활성화 함수의 출력을 획득하는 것일 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 활성화(552)가 적용된 출력, 및 활성화(550)가 적용된 출력에 대해 결합(553)을 적용할 수 있다. 일 실시 예에서, 결합된 출력은 200에 달하는 차원을 가지는 벡터일 수 있다.
도 5c를 참조하면, 제2 변환 모듈(240)은, 결합(553)이 적용된 출력에 대해 선형 곱(554)을 적용할 수 있다. 일 실시 예에서, 선형 곱(554)의 행렬은, 200
Figure pat00023
2 행렬일 수 있다. 일 실시 예에서, 획득된 2 차원의 벡터는 최종 출력일 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터에 기반하여, 선형 곱들(541, 542, 543, 549, 551, 554)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다. 일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 획득된 2 차원의 벡터가 나타내는 오류가 최소화되도록, 선형 곱들(541, 542, 543, 549, 551, 554)의 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)의 학습이 완료된 경우(즉, 제2 변환 모듈(240)이 이용 중인 경우), 획득된 2 차원의 벡터(즉, 최종 출력)를 전자 장치(101)의 구성들(예: 어플리케이션(146), 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합)에게 제공할 수 있다.
도 5d를 참조하면, 제2 변환 모듈(240)은, 제1 서브 변환 모듈(501), 제2 서브 변환 모듈(503), 제3 서브 변환 모듈(505), 또는 이들의 조합에 기반하여, 적어도 하나의 입력들(509)(즉, 적어도 하나의 출력들(411, 413, 또는 415) 및/또는 특징에 대한 정보를 나타내는 벡터(531))에 대한 최종 출력을 획득할 수 있다.
도 5d를 참조하면, 제2 변환 모듈(240)은, 제1 서브 변환 모듈(501)의 출력, 제2 서브 변환 모듈(503)의 출력, 제3 서브 변환 모듈(505)의 출력, 또는 이들의 조합에 대해 앙상블(570)을 적용함으로써, 최종 출력을 획득할 수 있다. 일 실시 예에서, 앙상블(570)은, 제1 서브 변환 모듈(501)의 출력, 제2 서브 변환 모듈(503)의 출력, 제3 서브 변환 모듈(505)의 출력, 또는 이들의 조합의 평균(또는, 가중 평균)을 적용함으로써, 최종 출력을 획득하는 것일 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)이 학습 중일 경우, 앙상블(570)이 적용된 최종 출력에 기반하여, 제1 서브 변환 모듈(501), 제2 서브 변환 모듈(503), 제3 서브 변환 모듈(505), 또는 이들의 조합에 포함된 행렬들의 요소들의 값(즉, 가중치)을 조정할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)은, 제2 변환 모듈(240)의 학습이 완료된 경우(즉, 제2 변환 모듈(240)이 이용 중인 경우), 앙상블(570)이 적용된 최종 출력을 전자 장치(101)의 구성들(예: 어플리케이션(146), 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합)에게 제공할 수 있다.
일 실시 예에서, 최종 출력을 수신한 전자 장치(101)의 구성들은, 최종 출력에 대응하는 전자 장치(101)의 기능을 수행할 수 있다.
일 실시 예에서, 최종 출력을 수신한 프로세서(200)는, 미리 지정된 제1 개수의 대화들(예: 표 2의 1 내지 3번째 대화들)과, 복수의 후보 대화들 각각을 결합한 복수의 입력들에 대한 제2 변환 모듈(240)의 최종 출력들에 기반하여, 복수의 후보 대화들 중 최종 후보 대화를 선택할 수 있다. 일 실시 예에서, 프로세서(200)는, 선택된 최종 후보 대화를 사용자에게 제공할 수 있다. 일 실시 예에서, 프로세서(200)는, 선택된 최종 후보 대화를 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합을 통해 출력할 수 있다.
일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 최종 출력들 중 가장 높은 값을 가지는 최종 출력에 대응하는 후보 대화를 최종 후보 대화로 선택할 수 있다. 일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 최종 출력들 각각의 소프트맥스 값 중 기준 값을 초과하는 최종 출력에 대응하는 후보 대화를 최종 후보 대화로 선택할 수 있다.
예를 들어, 표 2의 1 내지 3번째 대화들과, "영화 보는게 어때요"라는 후보 대화를 결합한 제1 입력에 대한 제2 변환 모듈(240)의 제1 최종 출력, 및 표 2의 1 내지 3번째 대화들과, "이번 기회에 꼭 하고 싶은 버킷리스트를 만들어 보세요."라는 후보 대화를 결합한 제2 입력에 대한 제2 변환 모듈(240)의 제2 최종 출력 중 제1 최종 출력이 기준 값 이상을 가지는 경우, 프로세서(200)는, "영화 보는게 어때요?"라는 후보 대화를 사용자에게 제공할 수 있다.
도 6은, 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101)에서 입력에 대응하는 기능을 수행하는 동작을 도시하는 흐름도이다. 일 실시 예에서, 도 6의 동작들은, 프로세서(예: 도 1의 프로세서(120), 또는 도 2의 프로세서(200))에 의해 수행될 수 있다. 일 실시 예에서, 도 6의 동작들은, 학습이 완료된 제1 변환 모듈(220), 및 학습이 완료된 제2 변환 모듈(240)에 기반하여 프로세서에 의해 수행될 수 있다.
도 6을 참조하면, 동작 610에서, 프로세서(200)는, 입력에 기반하여, 제1 변환 모듈(220)의 적어도 하나의 출력(예: 하나의 출력들(411, 413, 또는 415))을 획득할 수 있다. 일 실시 예에서, 입력은, 미리 지정된 제1 개수의 대화들(예: 표 2의 1 내지 3번째 대화들)과, 복수의 후보 대화들 각각을 결합한 데이터일 수 있다.
일 실시 예에서, 프로세서(200)는, 제1 변환 모듈(220)의 적어도 하나의 레이어들 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반하여, 제1 출력을 획득하는 제1 동작, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반하여, 제1 출력을 획득하는 제2 동작, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반하여, 제1 출력을 획득하는 동작, 또는 이들의 조합의 동작을 이용하여 상기 적어도 하나의 제1 출력을 획득할 수 있다.
도 6을 참조하면, 동작 620에서, 프로세서(200)는, 제1 변환 모듈(220)의 적어도 하나의 출력에 기반하여, 제2 변환 모듈(240)의 출력을 획득할 수 있다.
일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 하나의 서브 변환 모듈(예: 제1 서브 변환 모듈(501), 제2 서브 변환 모듈(503), 또는 제3 서브 변환 모듈(505) 중 하나의 서브 변환 모듈)을 이용하여, 제1 변환 모듈(220)의 적어도 하나의 출력에 대한 출력을 획득할 수 있다. 일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 둘 이상의 서브 변환 모듈들(예: 제1 서브 변환 모듈(501), 제2 서브 변환 모듈(503), 또는 제3 서브 변환 모듈(505) 중 적어도 두개의 서브 변환 모듈들)을 이용하여, 제1 변환 모듈(220)의 적어도 하나의 출력에 대한 출력을 획득할 수 있다. 일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 둘 이상의 서브 변환 모듈들을 이용하는 경우, 둘 이상의 서브 변환 모듈들 각각의 출력의 평균(또는 가중 평균)을 제1 변환 모듈(220)의 적어도 하나의 출력에 대한 출력으로 획득할 수 있다.
도 6을 참조하면, 동작 630에서, 프로세서(200)는, 제2 변환 모듈(240)의 출력에 기반하여, 전자 장치(101)의 기능을 수행할 수 있다.
일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)의 출력에 기반하여, 복수의 후보 대화들 중 최종 후보 대화를 선택하고, 선택된 최종 후보 대화를 사용자에게 제공할 수 있다. 일 실시 예에서, 프로세서(200)는, 선택된 최종 후보 대화를 음향 출력 장치(155), 표시 장치(160), 또는 이들의 조합을 통해 출력함으로써, 사용자에게 제공할 수 있다.
도 7은, 일 실시 예에 따른 전자 장치(예: 도 1의 전자 장치(101)에서 변환 모듈들을 학습시키는 동작을 도시하는 흐름도이다. 일 실시 예에서, 도 7의 동작들은, 프로세서(예: 도 1의 프로세서(120), 또는 도 2의 프로세서(200))에 의해 수행될 수 있다.
도 7을 참조하면, 동작 710에서, 프로세서(200)는, 미리 지정된 데이터에 기반하여, 제1 변환 모듈(220)을 학습시킬 수 있다. 일 실시 예에서, 미리 지정된 데이터는, 코퍼스 데이터일 수 있다.
일 실시 예에서, 프로세서(200)는, 분류되지 않은 텍스트 데이터에 기반하여, 제1 변환 모듈(220)을 사전 학습시킨 후, 특정 태스크에 기반하여 분류된 텍스트 데이터에 기반하여, 사전 학습된 제1 변환 모듈(220)을 미세 조정할 수 있다.
일 실시 예에서, 프로세서(200)는, 미리 지정된 데이터에 기반하여, 제1 변환 모듈(220)을 미리 지정된 제1 학습 횟수만큼 학습시킬 수 있다. 일 실시 예에서, 제1 학습 횟수는 3회일 수 있다.
도 7을 참조하면, 동작 720에서, 프로세서(200)는, 제1 변환 모듈(220)의 학습이 완료되었는지를 판단할 수 있다.
일 실시 예에서, 프로세서(200)는, 제1 변환 모듈(220)이 미리 지정된 제1 학습 횟수만큼 학습된 경우, 제1 변환 모듈(220)의 학습이 완료된 것으로 판단할 수 있다.
도 7을 참조하면, 동작 720에서, 제1 변환 모듈(220)의 학습이 완료된 경우('예' 판단), 프로세서(200)는, 동작 730을 수행할 수 있다. 도 7을 참조하면, 동작 720에서, 제1 변환 모듈(220)의 학습이 완료되지 않은 경우('아니오' 판단), 프로세서(200)는, 동작 710을 수행할 수 있다.
도 7을 참조하면, 동작 730에서, 프로세서(200)는, 상기 학습된 제1 변환 모듈(220)의 출력에 기반하여, 제2 변환 모듈(240)을 학습시킬 수 있다.
일 실시 예에서, 프로세서(200)는, 상기 학습된 제1 변환 모듈(220)의 특정 태스크에 기반하여 분류된 텍스트 데이터에 대한 출력에 기반하여, 제2 변환 모듈(240)을 학습시킬 수 있다.
일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)을 미리 지정된 제2 학습 횟수만큼 학습시킬 수 있다. 일 실시 예에서, 제2 학습 횟수는 제1 학습 횟수보다 높을 수 있다. 일 실시 예에서, 제2 학습 횟수는 10회일 수 있다.
도 7을 참조하면, 동작 740에서, 프로세서(200)는, 제2 변환 모듈의 학습이 완료되었는지를 판단할 수 있다.
일 실시 예에서, 프로세서(200)는, 제2 변환 모듈(240)이 미리 지정된 제2 학습 횟수만큼 학습된 경우, 제2 변환 모듈(240)의 학습이 완료된 것으로 판단할 수 있다.
도 7을 참조하면, 동작 740에서, 제2 변환 모듈(240)의 학습이 완료된 경우('예' 판단), 프로세서(200)는, 도 7의 동작을 종료할 수 있다. 도 7을 참조하면, 동작 740에서, 제2 변환 모듈(240)의 학습이 완료되지 않은 경우('아니오' 판단), 프로세서(200)는, 동작 730을 수행할 수 있다.
일 실시 예에서, 제2 변환 모듈(240)의 학습이 완료된 경우, 프로세서(200)는, 학습된 제1 변환 모듈(220), 및 학습된 제2 변환 모듈(240)을 이용하여 입력(예: 음성, 텍스트, 또는 이들의 조합)에 대한 최종 출력(예: 입력에 대응하는 응답)을 획득할 수 있다.
상술한 바와 같은, 일 실시 예에 따른 전자 장치(101)는, 명령어들을 저장하는 메모리(130), 및 제1 변환 모듈(220), 및 제2 변환 모듈(240)을 포함하는 프로세서(200)를 포함하고, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 제1 변환 모듈(220)에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하고, 상기 제2 변환 모듈(240)에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하고, 상기 제2 출력에 기반하여, 상기 전자 장치(101)의 기능을 수행하도록 구성되고, 상기 적어도 하나의 중간 출력은, 상기 제1 변환 모듈(220)의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함할 수 있다.
일 실시 예에서, 상기 제1 변환 모듈(220)은, ELMo(Embeddings from Language Model), GPT(Generative Pre-Training), XLNet, BERT(Bidirectional Encoder Representations from Transformers), 또는 이들의 조합에 기반한 변환 모듈일 수 있다.
일 실시 예에서, 상기 제2 변환 모듈(220)은, 적어도 하나의 서브 변환 모듈들을 포함하고, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 적어도 하나의 서브 변환 모듈들에 기반하여, 상기 적어도 하나의 중간 출력에 대한 출력들을 획득하고, 상기 출력들에 가중 평균에 기반하여, 상기 최종 출력을 획득하도록 구성될 수 있다.
일 실시 예에서, 상기 미리 지정된 위치는, 상기 적어도 하나의 레이어의 복수의 토큰들 중 상기 입력에 포함된 두 개의 문장들 간의 관계를 나타내는 토큰에 할당된 위치일 수 있다.
일 실시 예에서, 상기 미리 지정된 순번의 레이어는, 상기 적어도 하나의 레이어의 마지막 순번의 레이어일 수 있다.
일 실시 예에서, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 입력에 포함된 문장의 특징을 나타내는 정보를 상기 적어도 하나의 중간 출력으로 획득하도록 구성될 수 있다.
일 실시 예에서, 상기 입력은, 복수의 대화들을 포함하는 제1 문장 및 후보 대화를 포함하는 제2 문장을 포함할 수 있다.
일 실시 예에서, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 입력에 포함된 의미 단위의 개수에 기반하여, 상기 입력에 포함된 상기 복수의 대화들 중 일부 대화를 삭제하고, 상기 제1 변환 모듈에 기반하여, 상기 일부 대화가 삭제된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하도록 구성될 수 있다.
일 실시 예에서, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 입력에 포함된 상기 복수의 대화들의 오탈자를 정정하고, 상기 제1 변환 모듈에 기반하여, 상기 오탈자가 정정된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하도록 구성될 수 있다.
일 실시 예에서, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 미리 지정된 데이터에 기반하여 상기 제1 변환 모듈(220)을 학습하고, 상기 학습된 제1 변환 모듈(220)로부터 획득되는 중간 출력에 기반하여, 상기 제2 변환 모듈(240)을 학습하도록 구성될 수 있다.
일 실시 예에서, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 제2 변환 모듈(240)을 학습하는 동안, 상기 제1 변환 모듈(220)의 가중치를 조정하지 않도록 구성될 수 있다.
일 실시 예에서, 디스플레이(예: 도 1의 표시 장치(160))를 더 포함하고, 상기 프로세서(200)는, 상기 명령어들을 실행하여, 상기 전자 장치(101)가, 상기 최종 출력에 기반하여, 복수의 후보 대화들 중 하나의 후보 대화를 선택하고, 상기 선택된 후보 대화를 상기 디스플레이를 통해 표시하도록 구성될 수 있다.
상술한 바와 같은, 일 실시 예에 따른 전자 장치(101)의 동작 방법은, 상기 전자 장치(101)의 제1 변환 모듈(220)에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하는 동작, 상기 전자 장치(101)의 제2 변환 모듈(240)에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하는 동작, 및 상기 최종 출력에 기반하여, 상기 전자 장치의 기능을 수행하는 동작을 포함하고, 상기 적어도 하나의 중간 출력은, 상기 제1 변환 모듈(220)의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력, 상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력, 상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함할 수 있다.
일 실시 예에서, 상기 미리 지정된 위치는, 상기 적어도 하나의 레이어의 복수의 토큰들 중 상기 입력에 포함된 두 개의 문장들 간의 관계를 나타내는 토큰에 할당된 위치일 수 있다.
일 실시 예에서, 상기 미리 지정된 순번의 레이어는, 상기 적어도 하나의 레이어의 마지막 순번의 레이어일 수 있다.
일 실시 예에서, 상기 적어도 하나의 중간 출력을 획득하는 동작은, 상기 입력에 포함된 문장의 특징을 나타내는 정보를 상기 적어도 하나의 중간 출력으로 획득하는 동작을 더 포함할 수 있다.
일 실시 예에서, 상기 입력은, 복수의 대화들을 포함하는 제1 문장 및 후보 대화를 포함하는 제2 문장을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 중간 출력을 획득하는 동작은, 상기 입력에 포함된 의미 단위의 개수에 기반하여, 상기 입력에 포함된 상기 복수의 대화들 중 일부 대화를 삭제하는 동작, 상기 제1 변환 모듈에 기반하여, 상기 일부 대화가 삭제된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하는 동작을 포함할 수 있다.
일 실시 예에서, 미리 지정된 데이터에 기반하여 상기 제1 변환 모듈을 학습하는 동작, 및 상기 학습된 제1 변환 모듈로부터 획득되는 중간 출력에 기반하여, 상기 제2 변환 모듈을 학습하는 동작을 더 포함할 수 있다.
일 실시 예에서, 상기 전자 장치의 기능을 수행하는 동작은, 상기 최종 출력에 기반하여, 복수의 후보 대화들 중 하나의 후보 대화를 선택하는 동작, 및 상기 선택된 후보 대화를 상기 전자 장치의 디스플레이를 통해 표시하는 동작을 더 포함할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(ROM: read only memory), 전기적 삭제가능 프로그램가능 롬(EEPROM: electrically erasable programmable read only memory), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(CD-ROM: compact disc-ROM), 디지털 다목적 디스크(DVDs: digital versatile discs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 상기 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WLAN(wide LAN), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (20)

  1. 전자 장치의 동작 방법에 있어서,
    상기 전자 장치의 제1 변환 모듈에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하는 동작,
    상기 전자 장치의 제2 변환 모듈에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하는 동작, 및
    상기 최종 출력에 기반하여, 상기 전자 장치의 기능을 수행하는 동작을 포함하고,
    상기 적어도 하나의 중간 출력은,
    상기 제1 변환 모듈의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력,
    상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력,
    상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함하는 방법.
  2. 제1 항에 있어서,
    상기 미리 지정된 위치는, 상기 적어도 하나의 레이어의 복수의 토큰들 중 상기 입력에 포함된 두 개의 문장들 간의 관계를 나타내는 토큰에 할당된 위치인 방법.
  3. 제1 항에 있어서,
    상기 미리 지정된 순번의 레이어는, 상기 적어도 하나의 레이어의 마지막 순번의 레이어인 방법.
  4. 제1 항에 있어서,
    상기 적어도 하나의 중간 출력을 획득하는 동작은,
    상기 입력에 포함된 문장의 특징을 나타내는 정보를 상기 적어도 하나의 중간 출력으로 획득하는 동작을 더 포함하는 방법.
  5. 제1 항에 있어서,
    상기 입력은, 복수의 대화들을 포함하는 제1 문장 및 후보 대화를 포함하는 제2 문장을 포함하는 방법.
  6. 제5 항에 있어서,
    상기 적어도 하나의 중간 출력을 획득하는 동작은,
    상기 입력에 포함된 의미 단위의 개수에 기반하여, 상기 입력에 포함된 상기 복수의 대화들 중 일부 대화를 삭제하는 동작,
    상기 제1 변환 모듈에 기반하여, 상기 일부 대화가 삭제된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하는 동작을 포함하는 방법.
  7. 제1 항에 있어서,
    미리 지정된 데이터에 기반하여 상기 제1 변환 모듈을 학습하는 동작, 및
    상기 학습된 제1 변환 모듈로부터 획득되는 중간 출력에 기반하여, 상기 제2 변환 모듈을 학습하는 동작을 더 포함하는 방법.
  8. 제1 항에 있어서,
    상기 전자 장치의 기능을 수행하는 동작은,
    상기 최종 출력에 기반하여, 복수의 후보 대화들 중 하나의 후보 대화를 선택하는 동작, 및
    상기 선택된 후보 대화를 상기 전자 장치의 디스플레이를 통해 표시하는 동작을 더 포함하는 방법.
  9. 전자 장치에 있어서,
    명령어들을 저장하는 메모리, 및
    제1 변환 모듈, 및 제2 변환 모듈을 포함하는 프로세서를 포함하고,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 제1 변환 모듈에 기반하여, 입력에 대한 적어도 하나의 중간 출력을 획득하고,
    상기 제2 변환 모듈에 기반하여, 상기 적어도 하나의 중간 출력에 대한 최종 출력을 획득하고,
    상기 제2 출력에 기반하여, 상기 전자 장치의 기능을 수행하도록 구성되고,
    상기 적어도 하나의 중간 출력은,
    상기 제1 변환 모듈의 적어도 하나의 레이어 중 미리 지정된 순번의 레이어의 출력 중 미리 지정된 위치의 제1 토큰이 나타내는 벡터에 기반한 제1 출력,
    상기 제1 토큰과 동일한 행에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제2 출력,
    상기 제1 토큰과 동일한 열에 위치하는 적어도 하나의 토큰들 각각이 나타내는 벡터에 기반한 제3 출력, 또는 이들의 조합의 출력을 포함하는 전자 장치.
  10. 제9 항에 있어서,
    상기 제1 변환 모듈은, ELMo(Embeddings from Language Model), GPT(Generative Pre-Training), XLNet, BERT(Bidirectional Encoder Representations from Transformers), 또는 이들의 조합에 기반한 변환 모듈인 전자 장치.
  11. 제9 항에 있어서,
    상기 제2 변환 모듈은, 적어도 하나의 서브 변환 모듈들을 포함하고,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 적어도 하나의 서브 변환 모듈들에 기반하여, 상기 적어도 하나의 중간 출력에 대한 출력들을 획득하고,
    상기 출력들에 가중 평균에 기반하여, 상기 최종 출력을 획득하도록 구성되는 전자 장치.
  12. 제9 항에 있어서,
    상기 미리 지정된 위치는, 상기 적어도 하나의 레이어의 복수의 토큰들 중 상기 입력에 포함된 두 개의 문장들 간의 관계를 나타내는 토큰에 할당된 위치인 전자 장치.
  13. 제9 항에 있어서,
    상기 미리 지정된 순번의 레이어는, 상기 적어도 하나의 레이어의 마지막 순번의 레이어인 전자 장치.
  14. 제9 항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 입력에 포함된 문장의 특징을 나타내는 정보를 상기 적어도 하나의 중간 출력으로 획득하도록 구성되는 전자 장치.
  15. 제9 항에 있어서,
    상기 입력은, 복수의 대화들을 포함하는 제1 문장 및 후보 대화를 포함하는 제2 문장을 포함하는 전자 장치.
  16. 제15 항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 입력에 포함된 의미 단위의 개수에 기반하여, 상기 입력에 포함된 상기 복수의 대화들 중 일부 대화를 삭제하고,
    상기 제1 변환 모듈에 기반하여, 상기 일부 대화가 삭제된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하도록 구성되는 전자 장치.
  17. 제15 항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 입력에 포함된 상기 복수의 대화들의 오탈자를 정정하고,
    상기 제1 변환 모듈에 기반하여, 상기 오탈자가 정정된 상기 입력에 대한 상기 적어도 하나의 중간 출력을 획득하도록 구성되는 전자 장치.
  18. 제9 항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    미리 지정된 데이터에 기반하여 상기 제1 변환 모듈을 학습하고,
    상기 학습된 제1 변환 모듈로부터 획득되는 중간 출력에 기반하여, 상기 제2 변환 모듈을 학습하도록 구성되는 전자 장치.
  19. 제18 항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 제2 변환 모듈을 학습하는 동안, 상기 제1 변환 모듈의 가중치를 조정하지 않도록 구성되는 전자 장치.
  20. 제9 항에 있어서,
    디스플레이를 더 포함하고,
    상기 프로세서는, 상기 명령어들을 실행하여, 상기 전자 장치가,
    상기 최종 출력에 기반하여, 복수의 후보 대화들 중 하나의 후보 대화를 선택하고,
    상기 선택된 후보 대화를 상기 디스플레이를 통해 표시하도록 구성되는 전자 장치.
KR1020200014435A 2020-02-06 2020-02-06 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법 KR20210100446A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200014435A KR20210100446A (ko) 2020-02-06 2020-02-06 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법
PCT/KR2021/001490 WO2021158040A1 (ko) 2020-02-06 2021-02-04 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200014435A KR20210100446A (ko) 2020-02-06 2020-02-06 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법

Publications (1)

Publication Number Publication Date
KR20210100446A true KR20210100446A (ko) 2021-08-17

Family

ID=77200290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200014435A KR20210100446A (ko) 2020-02-06 2020-02-06 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법

Country Status (2)

Country Link
KR (1) KR20210100446A (ko)
WO (1) WO2021158040A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102596711B1 (ko) * 2022-09-21 2023-11-02 주식회사 비트리 홀로그램 메모리얼 장치 및 그 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9535960B2 (en) * 2014-04-14 2017-01-03 Microsoft Corporation Context-sensitive search using a deep learning model
KR102462426B1 (ko) * 2017-12-14 2022-11-03 삼성전자주식회사 발화의 의미를 분석하기 위한 전자 장치 및 그의 동작 방법
KR20190122457A (ko) * 2018-04-20 2019-10-30 삼성전자주식회사 음성 인식을 수행하는 전자 장치 및 전자 장치의 동작 방법
KR20200007496A (ko) * 2018-07-13 2020-01-22 삼성전자주식회사 개인화 ASR(automatic speech recognition) 모델을 생성하는 전자 장치 및 이를 동작하는 방법
KR20190104941A (ko) * 2019-08-22 2019-09-11 엘지전자 주식회사 감정 정보 기반의 음성 합성 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102596711B1 (ko) * 2022-09-21 2023-11-02 주식회사 비트리 홀로그램 메모리얼 장치 및 그 방법

Also Published As

Publication number Publication date
WO2021158040A1 (ko) 2021-08-12

Similar Documents

Publication Publication Date Title
US20210312137A1 (en) Encoding method, apparatus, and storage medium
CN110263131B (zh) 回复信息生成方法、装置及存储介质
CN112840396A (zh) 用于处理用户话语的电子装置及其控制方法
US20240105159A1 (en) Speech processing method and related device
CN108922531B (zh) 槽位识别方法、装置、电子设备及存储介质
US20210056270A1 (en) Electronic device and deep learning-based interactive messenger operation method
KR102443636B1 (ko) 전화번호 연관 정보를 제공하기 위한 전자 장치 및 그의 동작 방법
CN110114765B (zh) 通过共享话语的上下文执行翻译的电子设备及其操作方法
KR20200080400A (ko) 페르소나에 기반하여 문장을 제공하는 방법 및 이를 지원하는 전자 장치
CN110874402B (zh) 基于个性化信息的回复生成方法、设备和计算机可读介质
US11151995B2 (en) Electronic device for mapping an invoke word to a sequence of inputs for generating a personalized command
US20220238099A1 (en) Electronic device and method for performing shortcut command in electronic device
KR20210100446A (ko) 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법
CN111916085A (zh) 基于发音相似度的人机对话匹配方法、装置及介质
KR20200107057A (ko) 음성 인식 모델에서 사용되는 언어를 확장시키는 방법 및 음성 인식 모델을 포함하는 전자 장치
KR20200102838A (ko) 이미지를 이용하여 콘텐트를 검색하기 위한 장치 및 그 제어 방법
US20200265840A1 (en) Electronic device and system for processing user input and method thereof
KR20220138669A (ko) 개인화 오디오 정보를 제공하기 위한 전자 장치 및 방법
KR20220086265A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220043534A (ko) 컨텐츠 추천 서비스를 제공하는 전자 장치 및 그 방법
US20240119941A1 (en) Method for analyzing user utterance based on utterance cache and electronic device supporting the same
US20230186031A1 (en) Electronic device for providing voice recognition service using user data and operating method thereof
US20220301553A1 (en) Electronic device and method for providing on-device artificial intelligence service
US20240119960A1 (en) Electronic device and method of recognizing voice
KR20240020137A (ko) 전자 장치 및 음성 인식 방법