KR20210102635A - 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템 - Google Patents

지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템 Download PDF

Info

Publication number
KR20210102635A
KR20210102635A KR1020200016875A KR20200016875A KR20210102635A KR 20210102635 A KR20210102635 A KR 20210102635A KR 1020200016875 A KR1020200016875 A KR 1020200016875A KR 20200016875 A KR20200016875 A KR 20200016875A KR 20210102635 A KR20210102635 A KR 20210102635A
Authority
KR
South Korea
Prior art keywords
mental model
user
mental
message
model
Prior art date
Application number
KR1020200016875A
Other languages
English (en)
Other versions
KR102449948B1 (ko
Inventor
임윤경
김한경
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020200016875A priority Critical patent/KR102449948B1/ko
Publication of KR20210102635A publication Critical patent/KR20210102635A/ko
Application granted granted Critical
Publication of KR102449948B1 publication Critical patent/KR102449948B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템이 개시된다. 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 지능형 에이전트에서 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 방법에 있어서, 사용자로부터 메시지를 수신하는 단계; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계를 포함한다.

Description

지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템 {METHOD FOR PROVIDING INTERACTIVE MESSAGES BASED ON HETEROGENEOUS MENTAL MODELS IN INTELLIGENT AGENTS AND SYSTEM THEREFORE}
본 발명은 지능형 에이전트의 대화형 플랫폼에서 제공하는 대화형 메시지를 표출하는 기술에 관한 것으로, 보다 상세하게는 지능형 에이전트 예를 들어, 챗봇과 인공지능 스피커와 같은 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있는 대화형 메시지 제공 방법 및 그 시스템에 관한 것이다.
지능형 에이전트(intelligent agent, 이하, "에이전트")는 사용자에 대해 학습하고 개인에게 맞춤화된 서비스를 제공한다. 에이전트는 서비스 과정에서 제공되는 서비스 컨텐츠, 인터랙션 방식과 같은 요소들을 사용자 개인마다 달리함으로써 사용자가 맞춤화를 경험하게 할 수 있다. 대화형 플랫폼에 기반한 에이전트의 경우, 에이전트가 출력하는 메시지의 다양한 시각적 구성 요소, 말투, 출력 타이밍 등 다양한 부분에 맞춤화 가능성이 존재한다.
사용자는 개개인마다 에이전트에게 기계적 '일꾼'의 역할(이하 '일꾼 멘탈 모델'이라 칭함) 또는 사람과 같은 '동반자'의 역할(이하, '동반자 멘탈 모델'이라 칭함) 중 한 가지를 기대한다. 두 멘탈 모델의 차이로 인해 사용자가 기대하는 인터랙션 방식 또한 달라지게 된다. 예를 들어, 에이전트가 실수를 저지른 상황에서 일꾼 멘탈 모델 사용자에게는 실질적 보상 제공 전략이 적합한 반면, 동반자 멘탈 모델 사용자에게는 감성적인 사과 전략이 적합하다.
이처럼 에이전트는 사용자의 멘탈 모델이 두 가지 중 무엇인지 파악하여 그에 따른 맞춤화를 제공할 수 있다. 특히, 대화형 플랫폼에 기반한 에이전트는 사용자의 멘탈 모델에 맞추어 출력하는 메시지의 표출 방식을 달리하는 방식으로 맞춤화 진행이 가능하다. 그러나, 현존하는 대화형 플랫폼에 기반한 에이전트 예를 들어, Bixby, Clova 등은 아직 이종의 사용자 멘탈 모델을 고려하여 메시지의 표출 방식을 맞춤화하는 방법을 제공하고 있지 않다.
따라서, 이종의 사용자 멘탈 모델을 고려하여 메시지의 표출 방식을 맞춤화할 수 있는 대화형 플랫폼의 필요성이 대두된다.
본 발명의 실시예들은, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있는 대화형 메시지 제공 방법 및 그 시스템을 제공한다.
본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 지능형 에이전트에서 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 방법에 있어서, 사용자로부터 메시지를 수신하는 단계; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계를 포함한다.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정할 수 있다.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.
상기 사용자의 멘탈 모델로 결정하는 단계는 상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.
상기 학습 데이터를 획득하는 단계는 상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 상기 사용자에게 제공하는 단계는 상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.
상기 학습 데이터를 획득하는 단계는 상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고, 상기 사용자에게 제공하는 단계는 상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.
상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
를 더 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
나아가, 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템은 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 시스템에 있어서, 사용자로부터 메시지를 수신하는 수신부; 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부; 상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및 상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부를 포함한다.
상기 결정부는 상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정할 수 있다.
상기 결정부는 상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.
상기 결정부는 상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정할 수 있다.
상기 획득부는 상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 상기 제공부는 상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.
상기 획득부는 상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고, 상기 제공부는 상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며, 상기 응답 메시지는 상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함할 수 있다.
상기 제공부는 상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공할 수 있다.
본 발명의 실시예들에 따르면, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있다.
본 발명의 실시예들에 따르면, 각각의 사용자가 지능형 에이전트에게 기대하는 자연스러운 인터랙션 방식에 부합하는 메시지를 받을 수 있도록 도와줌으로써, 사용자에게 긍정적 사용 경험을 제공하고 사용자-에이전트 간 관계 발전을 촉진시킬 수 있으며, 에이전트 메시지의 표출 형식이 가시적으로 변화하므로 사용자는 개인화의 결과물을 보다 직관적으로 체감할 수 있다.
도 1은 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법에 대한 동작 흐름도를 나타낸 것이다.
도 2와 도 3은 사용자에게 제공되는 대화형 메시지 제공 방식을 설명하기 위한 예시도들을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템에 대한 구성을 나타낸 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형 태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 발명의 실시예들은, 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델(mental model)을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공하는 것을 그 요지로 한다.
이 때, 본 발명에서 이종의 사용자 멘탈 모델은 기계적 일꾼 역할을 수행하는 일꾼 멘탈 모델(또는 제1 멘탈 모델)과 사람과 같은 동반자 역할을 수행하는 동반자 멘탈 모델(또는 제2 멘탈 모델)을 포함할 수 있다.
본 발명은 사용자에 의해 미리 설정된 주요 멘탈 모델과 지능형 에이전트와 대화하기 위해 사용자로부터 수신되는 사용자의 메시지에 대한 내용의 분석을 통해 제1 멘탈 모델과 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 이렇게 결정된 멘탈 모델에 대한 학습 데이터를 수신된 메시지의 내용에 기초하여 획득할 수 있다.
여기서, 획득되는 학습 데이터는 결정된 사용자의 멘탈 모델에 따라 상이할 수 있다. 일 예로, 제1 멘탈 모델인 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고, 획득된 한 종류의 학습 데이터만을 학습하여 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 사용자에게 제공할 수 있다. 다른 일 예로, 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득하고, 획득된 학습 데이터를 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 사용자에게 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법에 대한 동작 흐름도를 나타낸 것으로, 지능형 에이전트 예를 들어, 챗봇, 인공지능 스피커 등과 같은 지능형 에이전트에서의 동작 흐름도를 나타낸 것이다.
도 1을 참조하면, 본 발명의 일 실시에에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법은 사용자로부터 입력되는 메시지를 수신하고, 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정한다(S110, S120).
여기서, 단계 S120은 사용자에 의해 미리 설정된 주요 멘탈 모델과 수신된 메시지의 내용에 기초하여 사용자의 멘탈 모델을 결정할 수 있다. 예컨대, 단계 S120은 수신된 메시지의 내용에 기초하여 주요 멘탈 모델 예를 들어, 제1 멘탈 모델 및 주요 멘탈 모델과 상이한 멘탈 모델 예를 들어, 제2 멘탈 모델 각각의 관련성을 판단하고, 판단된 관련성을 기반으로 주요 멘탈 모델 또는 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 이 때, 단계 S120은 수신된 메시지의 내용을 통해 관련성의 판단이 불가능한 경우 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 즉, 단계 S120은 사용자로부터 수신된 메시지의 내용 분석을 통해 해당 메시지에 대한 응답을 상이한 멘탈 모델로 결정해야되는 경우 사용자에 의해 주요 멘탈 모델이 설정되어 있더라도 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 메시지의 내용이 특별하게 특정 멘탈 모델과 관련이 없는 경우 사용자에 의해 설정된 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다.
단계 S120에 의해 사용자의 멘탈 모델이 결정되면, 결정된 멘탈 모델과 수신된 메시지의 내용에 기초하여 결정된 멘탈 모델에 대한 학습 데이터를 획득한다(S130).
이 때, 단계 S130은 사용자의 멘탈 모델이 제1 멘탈 모델로 결정되는 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득할 수 있으며, 사용자의 멘탈 모델이 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득할 수 있다. 즉, 단계 S130은 결정된 사용자의 멘탈 모델에 따라 획득하는 학습 데이터의 종류가 달라질 수 있다.
단계 S130에 의해 결정된 멘탈 모델에 대한 학습 데이터가 획득되면, 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다(S140).
이 때, 단계 S140은 단계 S130에 의해 높은 한 종류의 학습 데이터만 획득되는 경우 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있으며, 단계 S130에 의해 사용자의 모든 데이터를 학습 데이터로 획득하는 경우 획득된 모든 데이터를 학습 데이터로 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있다. 즉, 응답 메시지는 학습 데이터에 대한 정보, 학습 데이터의 분석 결과 및 분석 결과에 따른 결과물을 포함할 수 있다.
단계 S140 이후 즉, 응답 메시지를 사용자에게 제공한 후 사용자의 입력에 의해 결정된 멘탈 모델이 변경되는 경우 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다(S150).
즉, 단계 S150은 지능형 에이전트로부터 제공받은 응답 메시지가 사용자의 입장에서 부족한 경우 응답 메시지를 생성하는 멘탈 모델을 변경한 후 변경된 멘탈 모델을 이용하여 대화형 메시지를 생성하고 제공하는 것이다. 여기서, 멘탈 모델의 변경은 미리 설정된 기능 버튼의 입력 또는 명령어의 입력을 통해 이루어질 수 있으며, 멘탈 모델의 변경이 상술한 내용으로 한정되지 않으며 멘탈 모델을 변경할 수 있는 모든 기능을 포함할 수 있다.
이러한 본 발명에 대해 도 2와 도 3을 참조하여 설명하면 다음과 같다.
도 2와 도 3은 사용자에게 제공되는 대화형 메시지 제공 방식을 설명하기 위한 예시도들을 나타낸 것이다.
도 2a에 도시된 방식은 모든 사용자 발화에 대해 획일화된 메시지를 출력하는 방식으로, 멘탈 모델의 차이를 고려하지 않은 기존의 메시지 표출 방식을 나타낸 것이며, 도 2b에 도시된 방식은 본 발명의 방식으로 이종의 멘탈 모델에 따라 형식이 달라지는 새로운 메시지 표출 방식을 나타낸 것이다. 여기서, 도 2b의 좌측은 일꾼 멘탈 모델을 이용한 대화형 메시지를 제공하는 일 예를 나타낸 것이며, 우측은 동반자 멘탈 모델을 이용한 대화형 메시지를 제공하는 일 예를 나타낸 것이다. 즉, 본 발명은 데이터의 유형, 데이터의 해석 결과, 서비스 결과물(예를 들어, 사용자에게 추천되는 컨텐츠)이 포함되도록 대화형 메시지를 제공하며, 지능형 에이전트가 사전에 판별한 사용자의 멘탈 모델에 따라 학습 데이터(또는 참고 데이터) 유형의 표출 방식 및 서비스 결과물의 표출 방식이 달라지게 된다.
구체적으로, 도 3에 도시된 바와 같이, 사용자로부터 "오늘 직접 요리하려고 해, 메뉴 좀 추천해줄래?"라는 메시지가 수신될 때 사용자의 멘탈 모델이 일꾼 멘탈 모델(제1 멘탈 모델)인 경우와 동반자 멘탈 모델(제2 멘탈 모델)인 경우로 나눠서 설명하면 다음과 같다.
도 3의 좌측 이미지는 사용자의 멘탈 모델이 상술한 내용을 통해 일꾼 멘탈 모델로 결정된 경우에 대한 것으로, 일꾼 멘탈 모델 사용자에게는 사용자가 요청한 서비스(메시지 내용)와 가장 연관성이 높은 데이터 한 가지 즉, 사용자의 식단 데이터만을 활용하고, 해당 데이터를 나타내는 픽토그램 또는 해당 데이터의 출처가 되는 어플리케이션 아이콘과 학습하는 해당 데이터 즉, 식단 데이터 정보(a) 로 표출할 수 있다. 그리고, 획득된 식단 데이터를 학습하여 학습에 의한 해석 결과(b) 예를 들어, "빠른 조리가 가능한 국물 요리를 선호"라는 학습에 의한 해석 결과를 표출하며, 이러한 해석 결과(b)에 따른 적어도 하나 이상의 서비스 결과물(c)을 생성하여 표출한다. 여기서, 해석 결과에 도시된 바와 같이, 해당 사용자의 식단 데이터 학습에 의한 해석 결과, 사용자는 국물 요리를 선호한 것으로 나타나며, 이러한 국물 요리와 관련된 한가지 이상의 결과물을 나열식으로 표출할 수 있다.
도 3의 우측 이미지는 사용자의 멘탈 모델이 상술한 내용을 통해 동반자 멘탈 모델로 결정된 경우에 대한 것으로, 동반자 멘탈 모델 사용자에게는 사용자가 요청한 서비스(메시지 내용)와 직간접적으로 연관된 모든 데이터를 활용하고 예를 들어, 사용자의 식단 데이터와 사용자의 유튜브 영상을 활용하고, 해당 데이터를 나타내는 픽토그램 또는 해당 데이터의 출처가 되는 어플리케이션 아이콘과 학습하는 해당 데이터 즉, 식단 데이터와 동영상 시청 데이터(a) 로 표출할 수 있다. 그리고, 획득된 식단 데이터와 동영상 시청 데이터를 학습하여 학습에 의한 해석 결과(b) 예를 들어, "현재 다이어트 중"이라는 학습에 의한 해석 결과를 표출하며, 이러한 해석 결과(b)에 따른 하나의 서비스 결과물(c)을 생성하여 표출한다. 여기서, 해석 결과에 도시된 바와 같이, 해당 사용자의 식단 데이터와 유튜브 영상 학습에 의한 해석 결과, 사용자는 다이어트 중인 것으로 나타나며, 다이어트와 관련된 하나의 요리 레시피 또는 음식을 결과물로 표출할 수 있다.
도 3의 좌측 이미지와 우측 이미지에서의 a는 일꾼 멘탈 모델과 동반자 멘탈 모델에서 학습하는 데이터의 범위를 의미할 수 있다.
이와 같이, 본 발명의 실시예에 따른 방법은 지능형 에이전트에서 사전에 판별한 이종의 사용자 멘탈 모델 즉, 일꾼 멘탈 모델과 동반자 멘탈 모델을 기반으로 각 멘탈 모델에 부합하도록 메시지의 표출 형식을 달리하여 제공함으로써, 사용자 개인에게 맞춤화된 대화형 메시지를 제공할 수 있다.
또한, 본 발명의 실시예에 따른 방법은 각각의 사용자가 지능형 에이전트에게 기대하는 자연스러운 인터랙션 방식에 부합하는 메시지를 받을 수 있도록 도와줌으로써, 사용자에게 긍정적 사용 경험을 제공하고 사용자-에이전트 간 관계 발전을 촉진시킬 수 있으며, 에이전트 메시지의 표출 형식이 가시적으로 변화하므로 사용자는 개인화의 결과물을 보다 직관적으로 체감할 수 있다.
즉, 기존 지능형 에이전트가 서비스 제공 과정에서 출력하는 메시지는 대부분 참고한 데이터의 유형과 데이터의 해석 결과를 표출하지 않고, 서비스의 결과물 또는 외부 검색 엔진의 검색 결과 그 자체를 나열식으로 표출하는 반면, 본 발명의 실시예에 따른 방법은 지능형 에이전트가 개인화를 진행하는 부분 예를 들어, 참고하는 데이터의 유형, 데이터의 해석 결과 및 서비스의 결과물을 메시지에 드러내고 이를 사용자의 멘탈 모델에 따라 차별화함으로써, 인공지능 기반 맞춤화의 과정 및 결과물을 사용자가 효과적으로 느낄 수 있게 한다.
도 4는 본 발명의 일 실시예에 따른 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템에 대한 구성을 나타낸 것으로, 도 1 내지 도 3의 방법을 수행하는 시스템 또는 장치에 대한 구성을 나타낸 것이다.
도 4를 참조하면, 본 발명의 실시예에 따른 시스템(400)은 수신부(410), 결정부(420), 획득부(430), 제공부(440) 및 데이터베이스(DB)(450)를 포함한다.
DB(450)는 본 발명과 관련된 다양한 데이터를 저장하는 수단으로, 이종의 멘탈 모델들 각각의 알고리즘, 이와 관련된 정보, 사용자와 관련된 참고 데이터, 사용자에 의해 설정된 주요 멘탈 모델을 포함하는 사용자 정보 등을 저장한다. 물론, DB(450)는 상술한 데이터에 한정하지 않으며, 본 발명과 관련된 모든 데이터를 저장할 수 있다.
수신부(410)는 사용자로부터 입력되는 메시지를 수신한다.
결정부(420)는 기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 사용자의 멘탈 모델로 결정한다.
여기서, 결정부(420)는 사용자에 의해 미리 설정된 주요 멘탈 모델과 수신된 메시지의 내용에 기초하여 사용자의 멘탈 모델을 결정할 수 있다. 예컨대, 결정부(420)는 수신된 메시지의 내용에 기초하여 주요 멘탈 모델 예를 들어, 제1 멘탈 모델 및 주요 멘탈 모델과 상이한 멘탈 모델 예를 들어, 제2 멘탈 모델 각각의 관련성을 판단하고, 판단된 관련성을 기반으로 주요 멘탈 모델 또는 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 이 때, 결정부(420)는 수신된 메시지의 내용을 통해 관련성의 판단이 불가능한 경우 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다. 즉, 결정부(420)는 사용자로부터 수신된 메시지의 내용 분석을 통해 해당 메시지에 대한 응답을 상이한 멘탈 모델로 결정해야되는 경우 사용자에 의해 주요 멘탈 모델이 설정되어 있더라도 상이한 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있으며, 메시지의 내용이 특별하게 특정 멘탈 모델과 관련이 없는 경우 사용자에 의해 설정된 주요 멘탈 모델을 사용자의 멘탈 모델로 결정할 수 있다.
획득부(430)는 결정된 멘탈 모델과 수신된 메시지의 내용에 기초하여 결정된 멘탈 모델에 대한 학습 데이터를 획득한다.
이 때, 획득부(430)는 사용자의 멘탈 모델이 제1 멘탈 모델로 결정되는 경우 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득할 수 있으며, 사용자의 멘탈 모델이 제2 멘탈 모델인 경우 수신된 메시지 내용과 관련된 사용자의 모든 데이터를 학습 데이터로 획득할 수 있다.
제공부(440)는 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공한다.
이 때, 제공부(440)는 획득부(430)에 의해 높은 한 종류의 학습 데이터만 획득되는 경우 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있으며, 획득부(430)에 의해 사용자의 모든 데이터를 학습 데이터로 획득하는 경우 획득된 모든 데이터를 학습 데이터로 학습하여 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 응답 메시지를 생성하여 사용자에게 제공할 수 있다.
나아가, 제공부(440)는 응답 메시지를 사용자에게 제공한 후 사용자의 입력에 의해 결정된 멘탈 모델이 변경되는 경우 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 수신된 메시지에 대한 응답 메시지를 생성하고, 생성된 응답 메시지를 사용자에게 제공할 수도 있다.
비록, 도 4의 시스템에서 그 설명이 생략되었더라도, 도 4의 시스템 도 1 내지 도 3의 방법에서 설명한 모든 내용을 포함할 수 있으며, 이는 이 기술 분야에 종사하는 당업자에게 있어서 자명하다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에서 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (14)

  1. 지능형 에이전트에서 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 방법에 있어서,
    사용자로부터 메시지를 수신하는 단계;
    기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 단계;
    상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 단계; 및
    상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
    를 포함하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  2. 제1항에 있어서,
    상기 사용자의 멘탈 모델로 결정하는 단계는
    상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  3. 제2항에 있어서,
    상기 사용자의 멘탈 모델로 결정하는 단계는
    상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  4. 제3항에 있어서,
    상기 사용자의 멘탈 모델로 결정하는 단계는
    상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  5. 제1항에 있어서,
    상기 학습 데이터를 획득하는 단계는
    상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고,
    상기 사용자에게 제공하는 단계는
    상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
    상기 응답 메시지는
    상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  6. 제1항에 있어서,
    상기 학습 데이터를 획득하는 단계는
    상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고,
    상기 사용자에게 제공하는 단계는
    상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
    상기 응답 메시지는
    상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  7. 제1항에 있어서,
    상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 단계
    를 더 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법.
  8. 이종의 멘탈 모델(mental model)에 기반한 대화형 메시지 제공 시스템에 있어서,
    사용자로부터 메시지를 수신하는 수신부;
    기계적 일꾼의 역할을 수행하는 제1 멘탈 모델과 사람과 같은 동반자 역할을 수행하는 제2 멘탈 모델 중 어느 하나의 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 결정부;
    상기 결정된 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 결정된 멘탈 모델에 대한 학습 데이터를 획득하는 획득부; 및
    상기 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 제공부
    를 포함하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  9. 제8항에 있어서,
    상기 결정부는
    상기 사용자에 의해 미리 설정된 주요 멘탈 모델과 상기 수신된 메시지의 내용에 기초하여 상기 사용자의 멘탈 모델을 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  10. 제9항에 있어서,
    상기 결정부는
    상기 수신된 메시지의 내용에 기초하여 상기 주요 멘탈 모델 및 상기 주요 멘탈 모델과 상이한 멘탈 모델 각각의 관련성을 판단하고, 상기 판단된 관련성을 기반으로 상기 주요 멘탈 모델 또는 상기 상이한 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  11. 제10항에 있어서,
    상기 결정부는
    상기 수신된 메시지의 내용을 통해 상기 관련성의 판단이 불가능한 경우 상기 주요 멘탈 모델을 상기 사용자의 멘탈 모델로 결정하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  12. 제9항에 있어서,
    상기 획득부는
    상기 결정된 멘탈 모델이 상기 제1 멘탈 모델인 경우 상기 수신된 메시지 내용과 연관성이 가장 높은 한 종류의 학습 데이터만을 획득하고,
    상기 제공부는
    상기 획득된 한 종류의 학습 데이터만을 학습하여 상기 수신된 메시지의 내용에 대응하는 적어도 하나 이상의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
    상기 응답 메시지는
    상기 학습 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  13. 제8항에 있어서,
    상기 획득부는
    상기 결정된 멘탈 모델이 상기 제2 멘탈 모델인 경우 상기 수신된 메시지 내용과 관련된 상기 사용자의 모든 데이터를 학습 데이터로 획득하고,
    상기 제공부는
    상기 획득된 학습 데이터를 학습하여 상기 수신된 메시지의 내용에 대응하는 하나의 결과물을 포함하는 상기 응답 메시지를 상기 사용자에게 제공하며,
    상기 응답 메시지는
    상기 모든 데이터에 대한 정보, 상기 학습 데이터의 분석 결과 및 상기 분석 결과에 따른 결과물을 포함하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
  14. 제8항에 있어서,
    상기 제공부는
    상기 응답 메시지를 상기 사용자에게 제공한 후 상기 사용자의 입력에 의해 상기 결정된 멘탈 모델이 변경되는 경우 상기 변경된 멘탈 모델에 대해 획득된 학습 데이터를 이용한 학습에 기초하여 상기 수신된 메시지에 대한 응답 메시지를 상기 사용자에게 제공하는 것을 특징으로 하는 이종의 멘탈 모델에 기반한 대화형 메시지 제공 시스템.
KR1020200016875A 2020-02-12 2020-02-12 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템 KR102449948B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200016875A KR102449948B1 (ko) 2020-02-12 2020-02-12 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200016875A KR102449948B1 (ko) 2020-02-12 2020-02-12 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20210102635A true KR20210102635A (ko) 2021-08-20
KR102449948B1 KR102449948B1 (ko) 2022-10-05

Family

ID=77466725

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200016875A KR102449948B1 (ko) 2020-02-12 2020-02-12 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템

Country Status (1)

Country Link
KR (1) KR102449948B1 (ko)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017224190A (ja) * 2016-06-16 2017-12-21 株式会社オルツ コミュニケーションを支援する人工知能システム
KR20180108400A (ko) * 2017-03-23 2018-10-04 삼성전자주식회사 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체
KR101927050B1 (ko) * 2018-01-18 2018-12-10 주식회사 머니브레인 서버에 대한 액세스 없이, 개인화 데이터를 이용하여 학습 가능하도록 구성된 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 컴퓨터 판독가능 기록매체
KR20180134994A (ko) * 2016-04-18 2018-12-19 구글 엘엘씨 적절한 에이전트의 자동화된 어시스턴트 호출
KR20190094087A (ko) * 2018-11-22 2019-08-12 주식회사 머니브레인 머신러닝 기반의 대화형 ai 에이전트 시스템과 연관된, 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 사용자 맞춤형 학습 모델이 기록된 컴퓨터 판독가능 기록 매체
KR20190107626A (ko) * 2019-07-11 2019-09-20 엘지전자 주식회사 인공지능 서버
KR20190117856A (ko) * 2018-03-28 2019-10-17 삼성전자주식회사 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법
KR20190117837A (ko) * 2018-03-26 2019-10-17 삼성전자주식회사 사용자 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180134994A (ko) * 2016-04-18 2018-12-19 구글 엘엘씨 적절한 에이전트의 자동화된 어시스턴트 호출
JP2017224190A (ja) * 2016-06-16 2017-12-21 株式会社オルツ コミュニケーションを支援する人工知能システム
KR20180108400A (ko) * 2017-03-23 2018-10-04 삼성전자주식회사 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체
KR101927050B1 (ko) * 2018-01-18 2018-12-10 주식회사 머니브레인 서버에 대한 액세스 없이, 개인화 데이터를 이용하여 학습 가능하도록 구성된 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 컴퓨터 판독가능 기록매체
KR20190117837A (ko) * 2018-03-26 2019-10-17 삼성전자주식회사 사용자 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법
KR20190117856A (ko) * 2018-03-28 2019-10-17 삼성전자주식회사 사용자와의 대화를 위한 정보를 생성하는 시스템 및 방법
KR20190094087A (ko) * 2018-11-22 2019-08-12 주식회사 머니브레인 머신러닝 기반의 대화형 ai 에이전트 시스템과 연관된, 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 사용자 맞춤형 학습 모델이 기록된 컴퓨터 판독가능 기록 매체
KR20190107626A (ko) * 2019-07-11 2019-09-20 엘지전자 주식회사 인공지능 서버

Also Published As

Publication number Publication date
KR102449948B1 (ko) 2022-10-05

Similar Documents

Publication Publication Date Title
US11720949B2 (en) Method and device for recommending gift and mobile terminal
US20210304075A1 (en) Batching techniques for handling unbalanced training data for a chatbot
RU2627117C2 (ru) Электронное устройство, сервер и способ управления такими устройствами
JP7130761B2 (ja) カスタムデバイスアクションの音声ベースの起動のためのシステムおよび方法
US8990274B1 (en) Generating a presentation associated with a set of instructions
JP2023179795A (ja) 弾幕処理方法、装置、電子機器及びプログラム
US20190174183A1 (en) System, method, and recording medium for providing notifications in video streams to control video playback
US11251987B2 (en) Modification of device settings based on user abilities
CN110025958B (zh) 语音的发送方法、装置、介质及电子设备
KR20220146475A (ko) 게임 미리보기 동안 비디오 게임의 프로비저닝의 관리
CN117992141A (zh) 提供用于与助理代理进行交互的多功能链接的系统/方法和设备
CN111935551A (zh) 视频处理方法、装置、电子设备和存储介质
Epelde et al. Providing universally accessible interactive services through TV sets: implementation and validation with elderly users
US20170171266A1 (en) Method and electronic device based on android platform for multimedia resource play
KR102449948B1 (ko) 지능형 에이전트에서 이종의 멘탈 모델에 기반한 대화형 메시지 제공 방법 및 그 시스템
CN113596529A (zh) 一种终端控制方法、装置、计算机设备和存储介质
US20150253969A1 (en) Apparatus and Method for Generating and Outputting an Interactive Image Object
US20200137458A1 (en) Configuring settings of a television
CN115963963A (zh) 互动小说生成方法、呈现方法、装置、设备及介质
EP3751403A1 (en) An apparatus and method for generating a personalized virtual user interface
CN114302237A (zh) 一种智能电视工作模式设置方法、装置、智能电视及介质
CN113596521A (zh) 一种视频播放控制方法、装置、电子设备和存储介质
CN114073056A (zh) 数字内容的上下文层
US20140257806A1 (en) Flexible animation framework for contextual animation display
US20240205514A1 (en) Methods and systems for text-to-speech screen reading

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant