KR20220068716A - 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 - Google Patents

Abstract

전술한 과제를 해결하기 위한 본 개시의 일 실시예에서, 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법이 개시된다. 상기 방법은, 하나 이상의 문장을 포함하는 음성 데이터를 획득하는 단계, 상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 단계, 상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계, 상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계 및 상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 단계를 포함하며, 상기 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 할 수 있다.

Description

사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치{METHOD AND COMPUTING DEVICE FOR GENERATING TEXT BASED ON SPEECH DATA USING DICTIONARY DATABASE}

본 개시는 음성 데이터에 기반한 문자 생성 방법 및 장치에 관한 것으로서, 수신된 음성 데이터의 인식률을 높이기 위하여 특정 단어 또는 어절들을 사용자가 설정한 사전 데이터베이스로 구축하고 음성인식 시 활용함으로써, 음성인식의 정확도와 처리속도를 향상시킬 수 있는 음성 인식을 통한 문자(즉, 텍스트) 생성 방법 및 장치에 관한 것이다.

종래에는 청각 장애인들이 일상 생활을 함에 있어서, 수화를 하지 못하는 일반인과의 대화 또는 일반적인 학원이나 학교 수업 등, 청각 장애인들은 대화나 수업에 참여하지 못하는 환경에 노출되어 있었다. 또한, 국내 드라마나 영화 등을 시청할 경우에도 청각 장애인들은 자막이 제공되는 방송에만 의존하고, 자막이 제공되지 않는 일반적인 티비나 국내 영화 시청에 제한적이므로 폭넓은 시청 환경을 접할 수 없는 문제가 있었다.

또한, 비장애인들도 수업을 들을 때 수업 내용에 대한 필기를 하느라 수업에 집중하지 못하거나 수업 내용을 놓치게 되는 경우가 종종 있다. 또한, 직장인들이 회의 중에 회의 내용을 기록하지만, 회의 내용을 놓치고 기록하지 못하는 경우가 생길 수 있는 문제가 있었다.

이와 같은 문제점을 해결하기 위하여 음성인식 후 텍스트로 자동변환을 해주는 기능이 구현된 스피치노트, 음성메모 등의 다양한 응용프로그램들이 등장하고 있으나, 음성 인식의 정확도가 낮고 텍스트 변환시 처리속도가 늦어서 사용에 불편함이 여전히 존재하고 있다.

대한민국 공개특허 10-2008-0037402호

본 개시의 일실시예에 따르면 청각 장애인이 수화를 하지 못하는 비장애인과의 대화에 불편함이 없이 대화에 참여할 수 있고, 일반적인 학원이나 학교 수업을 참여할 수 있는 환경을 제공할 수 있는 음성 데이터에 기반한 문자 생성 방법 및 장치를 제공하는 것을 목적으로 한다.

또한, 본 개시의 일실시예에 따르면 비장애인들도 수업 또는 회의 중에 내용을 일일이 기록하지 않아도, 자동으로 수업 또는 회의 중에 내용이 문자로 생성되어 기록되는 음성 데이터에 기반한 텍스트 생성 방법 및 장치를 제공하는 것을 목적으로 한다.

또한, 본 개시의 일실시예에 따르면 특정 단어 또는 어절들을 사용자가 미리 설정한 사전 데이터베이스로 구축하고 음성인식 시 활용함으로써, 음성인식의 정확도와 처리속도가 향상될 수 있는 텍스트 생성 장치 및 방법을 제공하는 것을 목적으로 한다.

상술한 과제를 해결하기 위한 본 개시의 다양한 실시예에 따른 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법이 개시된다. 상기 방법은, 하나 이상의 문장을 포함하는 음성 데이터를 획득하는 단계, 상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 단계, 상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계, 상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계 및 상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 단계를 포함하며, 상기 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 할 수 있다.

대안적인 실시예에 따르면, 상기 사전 데이터베이스를 구축하는 단계를 더 포함하며, 상기 사전 데이터베이스를 구축하는 단계는, 사용자 단말로부터 상기 하나 이상의 도메인에 관련한 도메인 입력 정보를 획득하는 단계, 상기 사용자 단말로부터 상기 하나 이상의 도메인 각각에 대응하여 상기 하나 이상의 키워드에 관련한 키워드 입력 정보를 획득하는 단계 및 상기 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드를 매칭시켜 상기 사전 데이터베이스를 구축하는 단계를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계는, 통계적 언어 모델을 활용하여 상기 하나 이상의 텍스트 간의 조합 적정성을 산출하는 단계 및 상기 조합 적정성에 기초하여 상기 사전 데이터베이스의 활용 여부를 결정하는 단계를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계는, 상기 하나 이상의 텍스트 중 매칭 신뢰도가 미리 정해진 임계 신뢰도 미만인 하나 이상의 변경 텍스트를 식별하는 단계, 상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계 및 상기 하나 이상의 변경 텍스트를 대응하는 키워드로 변환하여 상기 변환된 텍스트를 생성하는 단계를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는, 사용자 단말로부터 상기 하나 이상의 도메인에 대한 선택 입력에 관련한 도메인 선택 정보를 수신하는 단계, 상기 도메인 선택 정보에 기반하여 상기 사전 데이터베이스에서 상기 유사한 키워드를 식별하기 위한 하나 이상의 도메인을 식별하는 단계 및 상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는, 상기 식별된 하나 이상의 변경 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계 및 상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계를 포함하며, 상기 텍스트 연관성은, 구문적 연관성, 의미적 연관성 및 형태적 연관성 중 적어도 하나를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는, 상기 식별된 하나 이상의 변경 텍스트와 인접한 하나 이상의 인접 텍스트를 식별하는 단계, 상기 하나 이상의 인접 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계 및 상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계를 포함할 수 있다.

대안적인 실시예에 따르면, 상기 하나 이상의 인접 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계는, 상기 하나 이상의 인접 텍스트와 상기 식별된 적어도 하나의 텍스트 간의 거리에 기반하여 상기 하나 이상의 인접 텍스트 각각에 상이한 가중치를 할당하는 단계 및 상기 하나 이상의 인접 텍스트 각각에 할당된 가중치에 기반하여 하나 이상의 도메인을 식별하는 단계를 포함할 수 있다.

본 개시의 다른 실시예에 따르면, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은, 하나 이상의 프로세서들에 의해 실행되는 경우, 상기 하나 이상의 프로세스들로 하여금 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 하나 이상의 문장을 포함하는 음성 데이터를 획득하는 동작, 상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 동작, 상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 동작, 상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 동작 및 상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 동작을 포함하며, 상기 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 할 수 있다.

본 개시의 또 다른 실시예에 따르면, 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서, 상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리 및 사용자 단말과 데이터를 송수신하는 네트워크부를 포함하고, 상기 프로세서는, 하나 이상의 문장을 포함하는 음성 데이터를 획득하고, 상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하고, 상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하고, 상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하고, 상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하고, 상기 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 할 수 있다.

본 발명의 다양한 실시예에 따르면, 청각 장애인들은 수화를 하지 못하는 비장애인과의 대화에 불편함 없이 참여할 수 있고, 수화를 사용하지 않는 일반적인 학원이나 학교 수업에 참여할 수 있는 환경이 제공될 수 있다.

또한, 본 발명의 다양한 실시예에 따르면, 비장애인들도 수업 또는 회의 중에 내용을 일일이 기록하지 않아도, 자동으로 수업 또는 회의 중의 내용이 문자로 생성되어 효율적인 수업 또는 회의가 진행될 수 있다.

또한, 본 발명의 다양한 실시예에 따르면, 특정 단어 또는 어절들을 사용자가 미리 설정한 사전 데이터베이스로 구축하고 음성인식시 활용함으로써 음성인식의 정확도와 처리속도가 향상되는 효과가 있다.

다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 일 실시예와 관련된 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 2는 본 개시의 일 실시예와 관련한 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 컴퓨팅 장치의 블록 구성도를 도시한다.
도 3은 본 개시의 일 실시예와 관련된 사전 데이터베이스가 표시되는 사용자 인터페이스를 개략적으로 도시한 예시도이다.
도 4는 본 개시의 일 실시예와 관련된 인식 결과 사용자 인터페이스를 개략적으로 도시한 예시도를 도시한다.
도 5는 본 개시의 일 실시예와 관련된 사전 데이터베이스를 활용한 음성 인식 방법을 수행하기 위한 단계들을 예시적으로 도시한 순서도이다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 개시는 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 개시의 실시예를 상세하게 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

도 1은 본 개시의 일 실시예와 관련된 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.

본 개시의 실시예에 따른 시스템은, 컴퓨팅 장치(100), 사용자 단말(10), 외부 서버(20) 및 네트워크를 포함할 수 있다. 도 1에서 도시되는 컴포넌트들은 예시적인 것으로서, 추가적인 컴포넌트들이 존재하거나 또는 도 1에서 도시되는 컴포넌트들 중 일부가 생갹될 수 있다. 본 개시의 실시예들에 따른 컴퓨팅 장치(100), 사용자 단말(10) 및 외부 서버(20)는 네트워크를 통해, 본 개시의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.

본 개시의 실시예들에 따른 네트워크는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 여기서 제시되는 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시의 실시예들에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

본 개시의 일 실시예에 따르면, 사용자 단말(10)은 컴퓨팅 장치(100)에 엑세스하여 하나 이상의 문장을 포함하는 음성 데이터에 대응하는 음성 인식 결과를 획득하고자 하는 사용자와 관련된 단말일 수 있다. 이 경우, 음성 인식 결과는 적어도 한명의 사용자의 발화에 관련한 음성 데이터를 텍스트화 한 것일 수 있다. 예컨대, 음성 인식 결과는, 복수의 사용자 간 대화(또는 회의)에 관련한 대화록을 의미할 수 있다. 이러한 음성 인식 결과는 예를 들어, 복수의 사용자 각각의 발화에 관련하여 화자 별로 구분하여 나열된 텍스트일 수 있다.

도 1에서는 본 개시의 시스템이 하나의 사용자 단말(10)을 통해 구현됨을 예시적으로 도시되나, 본 개시는 이에 제한되지 않는다. 즉, 본 개시의 다양한 구현 양태에 따라, 시스템 내에서 사용자 단말(10)은 복수 개로 구비될 수 있다. 예컨대, 복수의 사용자 단말 중 제 1 사용자 단말은 음성 데이터에 대응하는 음성 인식 결과를 획득하기 위한 사용자에 관련한 단말일 수 있으며, 제 2 사용자 단말은 사전 데이터베이스를 구축하기 위한 사용자에 관련한 단말일 수 있고, 그리고 제 3 사용자 단말은 사전 데이터베이스를 업데이트하기 위한 사용자에 관련한 단말일 수 있다. 또한, 예를 들어, 복수의 사용자 단말은 대응하는 각 사용자의 발화에 관련한 음성 데이터를 획득하고, 이에 관련한 음성 인식 결과를 획득하기 위한 각 사용자 단말일 수 있다. 전술한 각 사용자 단말에 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

사용자 단말(10)은 컴퓨팅 장치(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(10)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 사용자 단말(10)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수도 있다. 또한, 사용자 단말(10)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 외부 서버(20)는 복수의 음성 데이터, 복수의 음성 데이터 각각에 대응하는 복수의 음향학적 특징 정보 및 음향학적 특징 정보 각각에 매칭되는 복수의 텍스트 정보 등을 저장하는 서버일 수 있다. 외부 서버(20)에 저장된 정보들은 본 개시에서의 신경망을 학습시키기 위한 학습 데이터, 검증 데이터 및 테스트 데이터로 활용될 수 있다. 즉, 외부 서버(20)는 본 개시의 신경망 모델을 학습시키기 위한 데이터 세트에 관한 정보를 저장하고 있는 서버일 수 있다.

본 개시의 컴퓨팅 장치(100)는 외부 서버(20)로부터 복수의 음성 데이터 각각에 대응하는 복수의 음향학적 특징 정보 및 음향학적 특징 정보 각각에 관련한 복수의 텍스트 정보에 기반하여 학습 데이터 세트를 구축할 수 있으며, 학습 데이터 세트를 통해 하나 이상의 네트워크 함수를 포함하는 신경망 모델을 학습시킴으로써, 음성 데이터에 포함된 하나 이상의 문장 각각에 대응하여 하나 이상의 텍스트를 출력하는 음성 인식 모델을 생성할 수 있다.

외부 서버(20)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 외부 서버(20)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 하나 이상의 사용자의 발화에 관련한 음성 데이터에 대응하는 음성 인식 결과를 제공할 수 있다. 음성 인식 결과는, 예를 들어, 적어도 하나 이상의 사용자의 발화 문장에 관련한 텍스트가 시간 순서로 나열된 대화록일 수 있다.

구체적으로, 컴퓨팅 장치(100)는 사용자 단말(10)로부터 적어도 하나 이상의 사용자의 발화에 관련한 하나 이상의 문장을 포함하는 음성 데이터를 수신하고, 수신한 음성 데이터를 음성 인식 모델을 통해 각 문장을 텍스트화하여 음성 인식 결과를 제공할 수 있다. 이 경우, 음성 인식 모델은, 하나 이상의 네트워크 함수에 대한 학습을 통해 생성되는 신경망 모델로, STT(Speech to text) 알고리즘을 활용하여 하나 이상의 문장을 포함하는 음성 데이터를 입력으로 하여 각 문장에 대응하는 텍스트를 출력할 수 있다. 구체적인 예를 들어, 음성 인식 모델은, 하나 이상의 문장 중 제 1 문장에 대응하는 제 1 음성 서브 데이터로부터 음향학적 특징을 추출하고, 추출된 음향학적 특징을 통해 제 1 음성 서브 데이터에 대응하여 복수의 후보 텍스트 및 각 후보 텍스트에 대응하는 매칭 신뢰도를 출력할 수 있다. 또한, 음성 인식 모델은, 출력된 매칭 신뢰도들 중 가장 높은 매칭 신뢰도를 가진 제 1 후보 텍스트를 제 1 음성 서브 데이터에 대응하는 텍스트로 결정할 수 있다.

즉, 컴퓨팅 장치(100)는 사용자의 발화에 관련한 음성 데이터를 음성 인식 모델의 입력으로 처리하여 해당 음성 데이터에 대응하는 텍스트를 출력할 수 있다. 다만, 다양한 분야에서의 발화에 관련한 다양한 음성 데이터들은 유사한 음향학적 특징 및 언어학적 특징을 가짐에 따라, 명확한 분류가 어려울 수 있다. 다시 말해, 학습된 신경망(즉, 음성 인식 모델)을 활용하여 음성 데이터에 대응하여 출력되는 텍스트에는 오류가 존재할 수 있다. 이러한 음성 데이터에 대응하는 출력 텍스트의 오류를 최소화하기 위한 다양한 노력이 요구된다. 예를 들어, 데이터의 전처리를 통해 학습에 필요한 데이터들을 더욱 세분화하여 구성함으로써 학습 효율을 높이거나, 출력 정확도를 향상시키기 위하여 학습 방법을 보완하거나, 음성 데이터에 대응하여 출력된 텍스트를 재차 검증하거나, 또는 신경망의 하드웨어적 특성을 업데이트 하는 등 다양한 노력들이 존재할 수 있다. 이러한, 출력 텍스트의 정확성을 확보하기 위한 노력들은, 구현이 어려울 뿐만 아니라, 처리속도 저감을 유발할 우려가 있다. 예컨대, 학습 데이터의 전처리 또는 학습 방법의 보안을 통해 더욱 많은 컴퓨팅 자원이 소모되거나 또는 출력된 텍스트의 재차 검증이 수행되는 경우, 전체적인 처리속도가 증가될 수 있다.

이에 따라, 본 개시의 컴퓨팅 장치(100)는 사전 데이터베이스를 활용하여 부정확한 텍스트에 대한 변환을 수행함으로써, 제공되는 텍스트의 정확도 및 처리속도를 향상시킬 수 있다. 여기서, 사전 데이터베이스는, 음성 인식 모델의 출력에 관련한 텍스트를 변환시키기 위해 참조되는 어휘 사전을 의미할 수 있다. 이러한 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 매칭된 하나 이상의 키워드를 포함할 수 있다. 하나 이상의 도메인은, 텍스트와 비교되는 키워드들을 군집화하기 위한 기준이 되는 것으로, 예컨대, 특정 전문 분야에 관련되거나 또는, 특정 클라이언트에 관련한 것일 수 있다. 구체적인 예를 들어, 하나 이상의 도메인은, 의료 분야, 법률 분야, IT 분야 또는 경제 분야 등 다양한 전문 분야에 관련한 것일 수 있다. 다른 예를 들어, 하나 이상의 도메인은, 제 1 클라이언트, 제 2 클라이언트 및 제 3 클라이언트 등 다양한 사용자에 관련한 것일 수 있다. 전술한 하나 이상의 도메인에 관련한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

구체적으로, 컴퓨팅 장치(100)는 사전 데이터베이스를 미리 구축할 수 있다. 컴퓨팅 장치(100)는 사용자 단말(10)로부터 하나 이상의 도메인에 관련한 도메인 입력 정보를 획득할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 도메인 각각에 대응하여 하나 이상의 키워드에 관련한 키워드 입력 정보를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드를 매칭시켜 사전 데이터베이스를 구축할 수 있다.

즉, 컴퓨팅 장치(100)는 사용자의 입력을 통해 하나 이상의 도메인 및 각 도메인에 매칭된 하나 이상의 키워드를 포함하는 사전 데이터베이스를 구축할 수 있다. 이러한 사전 데이터베이스는, 음성 인식 모델의 출력에 관련한 텍스트를 변환시키는 과정에서 컴퓨팅 장치(100)에 의해 참조될 수 있다.

컴퓨팅 장치(100)는 사전 데이터베이스를 활용하여 음성 데이터에 대응하는 음성 인식 결과를 제공할 수 있다. 이 경우, 음성 인식 결과는, 텍스트 및 변환된 텍스트 중 적어도 하나를 포함할 수 있다. 다시 말해, 컴퓨팅 장치(100)는 사전 데이터베이스를 참조하여 음성 데이터에 대응하여 생성된 텍스트들 중 적어도 하나의 텍스트에 대한 변환을 수행하여 변환된 텍스트를 생성할 수 있으며, 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공할 수 있다.

보다 자세히 설명하면, 컴퓨팅 장치(100)는 하나 이상의 문장을 포함하는 음성 데이터를 음성 인식 모델의 입력으로 처리하여 각 문장에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력할 수 있다. 컴퓨팅 장치(100)는 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 각 문장에 대응하는 하나 이상의 텍스트 중 매칭 신뢰도가 미리 정해진 임계 신뢰도 미만인 하나 이상의 변경 텍스트를 식별할 수 있다. 여기서 하나 이상의 변경 텍스트는, 생성된 텍스트의 정확성이 다소 결여됨에 따라 변환이 수행되어야할 것으로 예상되는 텍스트들을 의미할 수 있다.

예를 들어, 음성 데이터는 제 1 문장 및 제 2 문장을 포함할 수 있으며, 음성 인식 모델은 각 문장에 관련한 음성 데이터에 대응하여 제 1 텍스트 및 제 2 텍스트를 출력하고, 그리고 제 1 매칭 신뢰도를 '50'으로, 제 2 매칭 신뢰도를 '90'으로 출력할 수 있다. 이 경우, 미리 정해진 임계 신뢰도는 '85'일 수 있으며, 컴퓨팅 장치(100)는 제 1 텍스트에 관련한 제 1 매칭 신뢰도가 기준이 되는 85 미만임을 식별하여 제 1 텍스트를 변경 텍스트로써 식별할 수 있다.

다시 말해, 하나 이상의 문장 각각에 대응하는 텍스트들 중 적어도 하나의 텍스트의 매칭 신뢰도가 미리 정해진 임계 매칭 신뢰도 미만인 경우, 컴퓨팅 장치(100)는 해당 텍스트에 관한 출력 정확도가 다소 결여되는 것으로 판단하여 사전 데이터베이스를 활용할 것을 결정할 수 있다. 사전 데이터베이스의 활용하는 것은, 출력 정확도가 다소 결여된 텍스트에 대한 변환을 수행하기 위하여 대체 텍스트를 참조하는 것을 의미할 수 있다.

또한, 컴퓨팅 장치(100)는 사전 데이터베이스를 활용하여 하나 이상의 변경 텍스트에 대한 변환을 수행하여 변환된 텍스트를 생성할 수 있다. 이 경우, 사전 데이터베이스는 하나 이상의 도메인 및 각 도메인에 매칭된 하나 이상의 키워드들을 포함할 수 있다.

한편, 컴퓨팅 장치(100)는 사용자 단말(10)로부터 하나 이상의 도메인에 대한 선택 입력에 관련한 도메인 선택 정보를 수신할 수 있다. 여기서 도메인 선택 정보는, 변경 텍스트를 변경하기 위하여 사전 데이터베이스에 포함된 유사한 키워드들을 검색하는 과정에서 특정 도메인 만을 검색하기 위한 사용자의 선택 신호에 관련한 것일 수 있다.

예컨대, 사전 데이터베이스는, 5개의 도메인 및 각 도메인에 매칭된 복수의 키워드들을 포함할 수 있다. 전술한 상황에서 하나 이상의 변경 텍스트 각각과 유사한 키워드들에 대한 검색을 수행하는 경우, 보다 넓은 검색 범위로 인해, 처리 속도가 저감될 수 있다. 뿐만 아니라, 사용자의 의도와 상이한 도메인에서 유사 키워드가 검색됨에 따라, 제공되는 음성 인식 결과의 정확도가 저감될 수 있다.

이에 따라, 본 개시의 컴퓨팅 장치(100)는 사용자 단말로부터 도메인 선택 정보를 수신할 수 있으며, 해당 도메인 선택 정보에 기초하여 사전 데이터베이스 내에서 검색 범위를 줄일 수 있다. 구체적인 예를 들어, 사용자 단말(10)로부터 수신한 도메인 선택 정보가 제 1 도메인에 대한 사용자의 선택과 관련한 경우, 컴퓨팅 장치(100)는 사전 데이터베이스를 활용하여 하나 이상의 변경 데이터와 유사한 키워드를 검색하는 과정에서, 제 1 도메인만을 참조할 수 있다. 즉, 사전 데이터베이스에 포함된 복수의 도메인 중 제 1 도메인에서만 유사 키워드를 검색함으로써, 검색 시간을 획기적으로 단축시킬 수 있다. 또한, 사용자의 선택에 관련한 도메인 선택 정보는, 특정 분야 또는 특정 클라이언트에 대응하는 키워드들의 집합임에 따라, 키워드에 기초한 텍스트 변환의 정확도가 확보될 수 있다.

따라서, 컴퓨팅 장치(100)는 다양한 도메인에 대응하는 음성 데이터에 대응하여 보다 향상된 정확도의 텍스트를 제공할 수 있다. 다시 말해, 음성 데이터에 대응하는 텍스트 생성 과정에서 정확도 및 처리속도를 향상시키는 효과를 제공할 수 있다.

일 실시예에서, 컴퓨팅 장치(100)는 단말 또는 서버일 수 있으며, 임의의 형태의 장치는 모두 포함할 수 있다. 컴퓨팅 장치(100)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 컴퓨팅 장치(100)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 컴퓨팅 장치의 종류는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 보다 구체적으로, 컴퓨팅 장치(100)는 인터넷 기반 컴퓨팅의 일종으로 정보를 사용자의 컴퓨터가 아닌 인터넷에 연결된 다른 컴퓨터로 처리하는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 상기 클라우드 컴퓨팅 서비스는 인터넷 상에 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제 어디서나 이용할 수 있는 서비스일 수 있으며, 인터넷 상에 저장된 자료들을 간단한 조작 및 클릭으로 쉽게 공유하고 전달할 수 있다. 또한, 클라우드 컴퓨팅 서비스는 인터넷 상의 서버에 단순히 자료를 저장하는 것뿐만 아니라, 별도로 프로그램을 설치하지 않아도 웹에서 제공하는 응용프로그램의 기능을 이용하여 원하는 작업을 수행할 수 있으며, 여러 사람이 동시에 문서를 공유하면서 작업을 진행할 수 있는 서비스일 수 있다. 또한, 클라우드 컴퓨팅 서비스는 IaaS(Infrastructure as a Service), PaaS(Platform as a Service), SaaS(Software as a Service), 가상 머신 기반 클라우드 서버 및 컨테이너 기반 클라우드 서버 중 적어도 하나의 형태로 구현될 수 있다. 즉, 본 개시의 컴퓨팅 장치(100)는 상술한 클라우드 컴퓨팅 서비스 중 적어도 하나의 형태로 구현될 수 있다. 전술한 클라우드 컴퓨팅 서비스의 구체적인 기재는 예시일 뿐, 본 개시의 클라우드 컴퓨팅 환경을 구축하는 임의의 플랫폼을 포함할 수도 있다.

본 개시에서의 신경망에 대한 학습 방법, 학습 과정, 사전 데이터베이스를 구축 및 업데이트하는 방법 및 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하는 방법에 대한 구체적인 구성 및 이에 따른 효과에 대한 구체적인 설명은 이하의 도 2를 참조하여 후술하도록 한다.

도 2는 본 개시의 일 실시예와 관련한 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 컴퓨팅 장치의 블록 구성도를 도시한다.

도 2에 도시된 바와 같이, 컴퓨팅 장치(100)는 네트워크부(110), 메모리(120) 및 프로세서(130)를 포함할 수 있다. 전술한 컴퓨팅 장치(100)에 포함된 컴포넌트들은 예시적인 것으로 본 개시내용의 권리범위가 전술한 컴포넌트들로 제한되지 않는다. 즉, 본 개시내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 전술한 컴포넌트들 중 일부가 생략될 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자 단말(10) 및 외부 서버(20)와 데이터를 송수신하는 네트워크부(110)를 포함할 수 있다. 네트워크부(110)는 본 개시의 일 실시예에 따른 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 데이터들 및 신경망 모델을 학습시키기 위한 학습 데이터 세트 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다. 즉, 네트워크부(110)는 컴퓨팅 장치(100)와 사용자 단말(10) 및 외부 서버(20) 간의 통신 기능을 제공할 수 있다. 예를 들어, 네트워크부(110)는 사용자 단말(10)로부터 하나 이상의 문장을 포함하는 음성 데이터를 수신할 수 있다. 다른 예를 들어, 네트워크부(110)는 외부 서버(20)로부터 본 개시의 음성 인식 모델을 학습시키기 위한 학습 데이터 세트를 수신할 수 있다. 추가적으로, 네트워크부(110)는 컴퓨팅 장치(100)로 프로시저를 호출하는 방식으로 컴퓨팅 장치(100)와 사용자 단말(10) 및 외부 서버(20) 간의 정보 전달을 허용할 수 있다.

본 개시의 일 실시예에 따른 네트워크부(110)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.

또한, 본 명세서에서 제시되는 네트워크부(110)는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.

본 개시에서 네트워크부(110)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 본 개시의 일 실시예에 따른 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(130)에 의하여 판독되어 구동될 수 있다. 또한, 메모리(120)는 프로세서(130)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(120)는 하나 이상의 문장을 포함하는 음성 데이터에 대한 정보들을 저장할 수 있다. 예를 들어, 메모리(120)는 입/출력되는 데이터들(예를 들어, 음성 데이터, 사전 데이터베이스, 사전 데이터베이스에 포함된 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드 등)을 임시 또는 영구 저장할 수 있다.

본 개시의 일 실시예에 따르면, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치(GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.

프로세서(130)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 딥러닝을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일 실시예에 따라 프로세서(130)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(130)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.

또한, 프로세서(130)는 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

본 명세서에서 네트워크 함수는 인공 신경망, 뉴럴 네트워크와 상호 교환 가능하게 사용될 수 있다. 본 명세서에서 네트워크 함수는 하나 이상의 뉴럴 네트워크를 포함할 수도 있으며, 이 경우 네트워크 함수의 출력은 하나 이상의 뉴럴 네트워크의 출력의 앙상블(ensemble)일 수 있다.

프로세서(130)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 음성 인식 모델을 제공할 수 있다. 본 개시의 일 실시예에 따라, 프로세서(130)는 음성 인식 모델을 활용하여 음성 데이터에 대응하는 텍스트를 생성할 수 있다. 본 개시의 일 실시예에 따라, 프로세서(130)는 음성 인식 모델을 학습시키기 위한 계산을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 프로세서(130)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자 또는 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 하나 이상의 문장을 포함하는 음성 데이터를 획득할 수 있다. 음성 데이터는, 적어도 하나 이상의 사용자의 발화에 관련한 하나 이상의 문장을 포함할 수 있다. 본 개시의 일 실시예에 따른 음성 데이터의 획득은, 메모리(120)에 저장된 음성 데이터를 수신하거나 또는 로딩(loading)하는 것일 수 있다. 음성 데이터의 수신은, 유/무선 통신 수단에 기초하여 다른 저장 매체에, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 음성 데이터를 수신하거나 또는 로딩하는 것일 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 획득한 음성 데이터에 대한 전처리를 수행할 수 있다. 프로세서(130)는 음성 데이터에 대한 인식률을 높이기 위한 전처리를 수행할 수 있다. 음성 데이터에 대한 전처리는, 사용자 단말이 수신한 음성 데이터에 포함된 노이즈(즉, 주변 소음)을 제거하기 위한 것일 수 있다. 즉, 프로세서(130)는 음성 데이터에 포함된 음성의 파형을 분석하여, 발화 이외의 소리를 제거할 수 있다.

일 실시예에서, 프로세서(130)는 음성 데이터의 주파수를 분석하여 적어도 하나의 특정 주파수를 제거할 수 있다. 프로세서(130)는 사용자 단말로부터 수신하는 음성 데이터는 주파수가 균일한 백색 노이즈, 주파수가 불규칙한 랜덤 주파수 노이즈 또는, 녹음 장치나 신호처리 과정에 따라 발생하는 다양한 노이즈를 포함할 수 있다. 즉, 프로세서(130)는 음성 데이터 각각에 포함된 다양한 주파수를 갖는 노이즈를 제거하는 전처리를 수행할 수 있다. 구체적인 예를 들어, 프로세서(130)는 음성 데이터에 포함된 잡음의 종류를 판별하기 위해 SVM(Supporting Vector Machine)과 같은 기계학습 알고리즘을 이용하여 분류하고, 각각의 상이한 주파수를 포함하는 노이즈 각각에 대응하는 노이즈 제거 알고리즘을 통해 노이즈를 제거할 수 있다. 전술한 노이즈 제거 알고리즘은 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

다른 실시예에서, 프로세서(130)는 음성 데이터에 포함된 신호의 크기와 미리 정해진 기준 신호의 크기의 비교에 기초하여 음성 데이터에 포함된 신호의 크기를 표준화할 수 있다. 프로세서(130)는 음성 데이터에 포함된 신호의 크기가 미리 정해진 기준 신호 미만인 경우, 해당 신호의 크기를 크게 조정하고, 그리고 음성 데이터에 포함된 신호의 크기가 미리 정해진 기준 신호 이상인 경우, 해당 신호의 크기를 작게(즉, clipping 되지 않게) 조정하는 Audio Signal compression Normalization을 수행할 수 있다. 전술한 노이즈 제거 동작은 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

즉, 프로세서(130)는 사용자 단말(10)로부터 수신한 사용자의 발화에 관련한 음성 데이터에 대한 전처리를 통해 음성 데이터에 포함된 노이즈를 제거할 수 있다. 이에 따라, 음성 데이터에 기반한 텍스트를 생성하는 과정에서 인식의 정확도가 향상될 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 음성 데이터를 음성 인식 모델의 입력으로 처리하여 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력할 수 있다. 이 경우, 음성 인식 모델은, 하나 이상의 네트워크 함수에 대한 학습을 통해 생성되는 신경망 모델로, 하나 이상의 문장을 포함하는 음성 데이터를 입력으로 하여 각 문장에 대응하는 텍스트들 및 매칭 유사도를 출력할 수 있다.

구체적으로, 음성 인식 모델은, 음향 서브 모델 및 언어 서브 모델을 포함할 수 있다. 음성 인식 모델에 포함된 음향 서브 모델은, 음성 데이터에 대응하는 음향학적 특징을 추출하기 위한 모델일 수 있다. 음향 서브 모델은, 음성 데이터에 대한 가공을 통해 홰당 음성 데이터에 대응하는 하나 이상의 피처를 추출할 수 있다. 음성 데이터에 대한 가공은, 음성 데이터르 언어 서브 모델에 포함된 하나 이상의 네트워크 함수에서 처리되기 위한 형식으로 데이터를 가공하는 과정을 의미할 수 있다. 예를 들어, 음성 데이터에 대한 가공은, 음성 데이터의 적어도 일부의 데이터를 삭제하거나, 변환하거나, 언어 서브 모델에 입력되기 위한 포맷으로 전환하는 동작을 포함할 수 있다. 또한, 음성 데이터에 대한 가공은, 음성 데이터의 파형을 일부 보정하는 것을 의미할 수 있다.

구체적인 예를 들어, 음향 서브 모델은 음성 데이터에 대한 고속 푸리에 변환(FFT, Fast Fourier Transform)을 통해 음성 데이터에 대응하는 스펙트로그램(Spectrogram)을 출력할 수 있다. 즉, 음향 서브 모델은 고속 푸리에 변환을 통해 음성 데이터를 스펙트로그램으로 변환할 수 있다. 여기서 스펙트로그램은, 시간 축과 주파수 축의 변화에 따라 진폭을 차이를 인쇄 농도 또는, 표시 색상의 차이로 나타낸 것일 수 있다. 또한, 음향 서브 모델은, 스펙트로그램을 이산 코사인 변환(DCT, Discrete Cosine Transform)으로 처리하여 하나 이상의 피처를 추출할 수 있다. 즉, 프로세서(130)는 음성 데이터를 음향 서브 모델에 입력으로 처리하여, 해당 음성 데이터에 대한 고속 푸리에 변환을 통해 스펙트로그램을 추출하고, 추출된 스펙트로그램을 이산 코사인 변환으로 처리하여 하나 이상의 피처를 추출할 수 있다. 이 경우, 음성 데이터에 대응하는 하나 이상의 피처는, 음성 데이터의 음향학적인 특징을 벡터화한 피처를 의미할 수 있다.

또한, 언어 서브 모델은 음성 데이터에 대응하는 하나 이상의 피처에 기초하여 음성 데이터에 대응하는 스코어를 산출하기 위한 심층 신경망 모델일 수 있다. 예를 들어, 언어 서브 모델은 텍스트로 변화되는 문장의 어휘 선택이나, 문장 구조 등 문법적 특성을 학습한 신경망 모델로, 대량의 말뭉치를 수집하여 통계적으로 학습하거나 형식 언어를 통해 임의의 규칙을 정의하는 모델일 수 있다.

구체적으로, 언어 서브 모델은, 음향 서브 모델을 통해 추출된 하나 이상의 피처를 입력으로 하여 음성 데이터와 복수의 텍스트 간의 매칭 스코어를 산출함으로써, 음성 데이터에 대응하는 특정 텍스트를 결정할 수 있다. 즉, 언어 서브 모델은, 음성 데이터와 텍스트 간 매칭 유사도가 높은 경우, 높은 매칭 스코어(즉, 매칭 신뢰도)를 산출하고, 매칭 유사도가 낮은 경우, 낮은 매칭 스코어를 산출하도록 학습된 신경망 모델(또는 하나 이상의 네트워크 함수)일 수 있다. 언어 서브 모델은 프로세서(130)에 의해 학습된 신경망 모델일 수 있다. 프로세서(130)는 학습 데이터를 통해 언어 서브 모델을 학습시킬 수 있다. 예컨대, 학습 데이터는 하나 이상의 피처에 관련한 학습 입력 데이터 및 하나 이상의 피처 각각에 대응하는 텍스트를 포함하는 학습 결과 데이터로 구성될 수 있다.

음성 인식 모델을 활용한 전술한 과정을 통해, 프로세서(130)는 음성 데이터에 대응하는 음향학적 특징을 추출하고, 그리고 추출된 음향학적 특징을 통해 음성 데이터에 대응하는 후보 텍스트들 및 각 후보 텍스트에 대응하는 매칭 신뢰도를 출력할 수 있다. 또한, 프로세서(130)는 음성 인식 모델(즉, 언어 서브 모델)이 출력한 매칭 신뢰도들 중 가장 높은 매칭 신뢰도를 가진 제 1 후보 텍스트를 음성 데이터에 대응하는 텍스트로 결정할 수 있다.

즉, 프로세서(130)는 하나 이상의 문장을 포함하는 음성 데이터를 음성 인식 모델에 입력으로 처리하여 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 하나 이상의 문장 각각에 대응하는 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정할 수 있다. 사전 데이터베이스는, 음성 인식 모델의 출력에 관련한 텍스트를 변환시키기 위해 참조되는 어휘 사전을 의미할 수 있다. 이러한 사전 데이터베이스는, 하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 할 수 있다. 하나 이상의 도메인은, 텍스트와 비교되는 키워드들을 군집화하기 위한 기준이 되는 것으로, 예컨대, 특정 전문 분야에 관련되거나 또는, 특정 클라이언트에 관련한 것일 수 있다. 구체적인 예를 들어, 하나 이상의 도메인은, 의료 분야, 법률 분야, IT 분야 또는 경제 분야 등 다양한 전문 분야에 관련한 것일 수 있다. 다른 예를 들어, 하나 이상의 도메인은, 제 1 클라이언트, 제 2 클라이언트 및 제 3 클라이언트 등 다양한 사용자에 관련한 것일 수 있다. 전술한 하나 이상의 도메인에 관련한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

구체적으로, 프로세서(130)는 사전 데이터베이스를 구축할 수 있다. 프로세서(130)는 사용자 단말(10)로부터 하나 이상의 도메인에 관련한 도메인 입력 정보를 획득할 수 있다. 또한, 프로세서(130)는 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드에 관련한 키워드 입력 정보를 획득할 수 있다. 프로세서(130)는 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드를 매칭시켜 사전 데이터베이스를 구축할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 사전 데이터베이스를 구축하기 위하여 사용자 단말(10)로 사용자 인터페이스를 제공할 수 있다. 구체적으로, 도 3을 참조하면, 프로세서(130)는 사용자 인터페이스(200)를 사용자 단말(10)에 제공할 수 있다. 사용자 인터페이스(200)는 도메인 설정 화면(210) 및 키워드 설정 화면(220)을 포함할 수 있다.

사용자 인터페이스(200)에 포함된 도메인 설정 화면(210)은 도메인을 생성하기 위한 도메인 생성 그래픽 객체(211)를 포함할 수 있다. 도메인 생성 그래픽 객체(211)에 대한 사용자의 선택 입력을 수신하는 경우, 도메인에 관련한 입력을 수신하기 위한 입력 창을 표시되며, 해당 입력 창에 대한 사용자의 입력에 기초하여 도메인이 생성될 수 있다. 도메인 설정 화면(220)은 사용자의 입력에 관련하여 생성된 도메인들을 표시할 수 있다. 즉, 도메인 생성 그래픽 객체(211)를 통해 사용자는 다양한 도메인을 직접 생성할 수 있다. 또한, 수정 그래픽 객체(213) 및 삭제 그래픽 객체(214) 각각을 통해 사용자의 기호에 따라 편집 또는 삭제할 수 있다. 예를 들어, 수정 그래픽 객체(213)를 통해 '서울대병원'이라는 도메인의 도메인 명을 수정하거나 또는 삭제 그래픽 객체(214)를 통해 '서울대병원'이라는 도메인을 삭제할 수 있다.

또한, 도메인 설정 화면(220)은 하나 이상의 도메인을 표시할 수 있으며, 각 도메인에 대한 사용자의 선택 입력에 대응하여 키워드 설정 화면(220)을 표시할 수 있다. 도 3에 도시된 바와 같이, 서울대병원이라는 도메인에 대한 선택 입력(212)에 대응하여 키워드 설정 화면(220)이 표시될 수 있다. 이 경우, 키워드 설정 화면(220)은 해당 도메인(즉, 서울대병원)에 매칭된 하나 이상의 키워드들을 표시(221)할 수 있다. 예컨대, 도 3에 도시된 바와 같이, '서울대병원'에 해당하는 도메인 내에는, 우선접수', '창구', '엔진', 'UI디자인', '편차', '뭉개', 'UX', '핀마이크', 'Edutige', '음성인식', '어플리케이션', '버그', '난청' 등의 단어들이 사전으로 저장되어 있으며 각 단어들은 자유롭게 삭제되거나 또는 새로운 단어들이 추가될 수도 있다. 예컨대, 추가 키워드 입력 창(222)에 추가하고자 하는 키워드를 입력하고, 입력 그래픽 객체(223)에 대한 선택 입력을 수행하는 경우, 입력에 관련한 키워드가 해당 도메인에 매칭되어 저장될 수 있다.

이와 같이, 사용자 인터페이스(200)를 통해 음성 인식에 관련한 특정 단어 또는 어절을 미리 키워드로 하여 사전 데이터베이스를 구축하는 경우, 해당 단어 또는 어절의 상대적 인식률을 향상시킬 수 있다. 특히, 음성 데이터에서 과도하게 표현되는 경향이 있는 특정 단어와 구문의 정확도를 향상시킬 수 있으며, 입력된 오디오에 노이즈가 있거나 포함된 음성 데이터가 명확하게 들리지 않는 경우에 더욱 유용할 수 있다.

또한, 사전 데이터베이스를 이용하는 경우, 범용의 음성인식 엔진을 사용할 경우, 인식 또는 호출이 어려운 고유명사(인명, 전문용어, 줄임말, 합성어 등)의 인식률을 큰 폭으로 올릴 수 있어 전반적인 음성인식 서비스의 정확도를 향상시키는 데 도움이 된다. 사전 데이터베이스는 두 개 이상의 도메인을 동시에 선택하여 음성인식에 적용시킬 수 있으며, 다양한 상황에 따라서 유연하게 대처할 수 있다.

프로세서(130)는 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정할 수 있다. 구체적으로, 프로세서(130)는 각 문장에 대응하는 하나 이상의 텍스트 중 매칭 신뢰도가 미리 정해진 임계 신뢰도 미만인 하나 이상의 변경 텍스트를 식별할 수 있다. 여기서 하나 이상의 변경 텍스트는, 생성된 텍스트의 정확성이 다소 결여됨에 따라 변환이 수행되어야할 것으로 예상되는 텍스트들을 의미할 수 있다.

예를 들어, 음성 데이터는 제 1 문장 및 제 2 문장을 포함할 수 있으며, 음성 인식 모델은 각 문장에 관련한 음성 데이터에 대응하여 제 1 텍스트 및 제 2 텍스트를 출력하고, 그리고 제 1 매칭 신뢰도를 '50'으로, 제 2 매칭 신뢰도를 '90'으로 출력할 수 있다. 이 경우, 미리 정해진 임계 신뢰도는 '85'일 수 있으며, 프로세서(130)는 제 1 텍스트에 관련한 제 1 매칭 신뢰도가 기준이 되는 85 미만임을 식별하여 제 1 텍스트를 변경 텍스트로써 식별할 수 있다.

다시 말해, 하나 이상의 문장 각각에 대응하는 텍스트들 중 적어도 하나의 텍스트의 매칭 신뢰도가 미리 정해진 임계 매칭 신뢰도 미만인 경우, 프로세서(130)는 해당 텍스트에 관한 출력 정확도가 다소 결여되는 것으로 판단하여 사전 데이터베이스를 활용할 것을 결정할 수 있다. 사전 데이터베이스의 활용하는 것은, 출력 정확도가 다소 결여된 텍스트에 대한 변환을 수행하기 위하여 대체 텍스트를 참조하는 것을 의미할 수 있다.

일 실시예에 따르면, 프로세서(130)는 통계적 언어 모델을 활용하여 하나 이상의 텍스트 간의 조합 적정성을 판별할 수 있다. 여기서 통계적 언어 모델은, 문장의 확률을 계산하거나, 또는 이전 단어들이 입력된 경우, 다음 단어가 나올 확률에 대한 계산이 가능한 모델일 수 있으며, 단어들의 조합이 얼마나 적절한지 또는해당 문장이 얼마나 적합한지를 판정하는 모델일 수 있다. 통계적 언어 모델은, 예를 들어, 음성 인식 모델을 구성하는 언어 서브 모델을 통해 구현될 수 있다. 즉, 통계적 언어 모델은, 음성 데이터에 대응하는 하나 이상의 텍스트를 입력으로 하여 각 텍스트 간의 조합의 적정성을 판별하는 모델일 수 있다. 예를 들어, 통계적 언어 모델은, 하나 이상의 텍스트들 중 문맥 또는 각 텍스트들과 연관성이 없다고 판단되는 텍스트를 식별하는 경우, 해당 텍스트들 간의 조합이 적정하지 않다고 판별할 수 있다. 구체적인 예를 들어, 음성 데이터에 대응하는 하나 이상의 텍스트가 "해는 정말 맛있다"인 경우, 통계적 언어 모델은 해당 텍스트들이 구성하는 문장의 문맥을 적정하지 않은 것으로 판별할 수 있다. 다시 말해, 텍스트들 간의 조합을 적정하지 않은것으로 판별하는 것은, 음성 데이터에 기반한 텍스트 생성 과정(즉, 음성 인식 과정)에서 텍스트들 사이에 오인식된 텍스트가 존재함을 의미할 수 있다.

프로세서(130)는 조합 적정성에 기초하여 사전 데이터베이스의 활용 여부를 결정할 수 있다. 구체적으로, 통계적 언어 모델이 음성 데이터에 대응하는 하나 이상의 텍스트 간의 조합이 적정하지 않은 것으로 판별하는 경우, 프로세서(130)는 사전 데이터베이스를 활용할 것을 결정할 수 있다.

구체적인 예를 들어, 하나 이상의 문장을 포함하는 음성 데이터에 대응하여 출력된 하나 이상의 텍스트는 "해는 정말 맛있다"일 수 있다. 이 경우, 각 텍스트(즉, 3개의 텍스트, '해는', '정말', '맛있다')의 매칭 신뢰도는, 93, 96 및 98로, 모두 임계 신뢰도(예컨대, 90) 이상일 수 있다. 즉, 텍스트 간의 조합에 해당하는 문맥의 흐름은 이상하나, 각 텍스트의 매칭 신뢰도(즉, 음성 인식을 통한 텍스트 생성의 출력 정확도)가 기준치 이상일 수 있다. 이에 따라, 본 개시의 프로세서(130)는 통계적 언어 모델을 활용하여 전체 문맥의 흐름을 고려함으로써 텍스트들 간의 조합 적정성을 판별할 수 있으며, 해당 조합 적정성을 통해 사전 데이터베이스의 활용 여부를 결정할 수 있다. 예컨대, 사전 데이터베이스의 활용 여부가 결정되는 경우, 프로세서(130)는 사전 데이터베이스에서 '수산물'에 관련한 도메인을 참조함으로써, '해는'에 관련한 텍스트를 '회는'으로 대체하여 변환된 텍스트를 생성할 수 있다.

즉, 프로세서(130)는 음성 데이터에 대응하여 생성된 하나 이상의 텍스트 각각의 매칭 신뢰도만을 고려하는 것이 아닌, 각 텍스트 간의 조합 적정성에 기초하여 텍스트들 간의 조합이 적정하지 못하다고 판별한 경우에 사전 데이터베이스를 활용함으로써, 하나 이상의 텍스트 중 적어도 하나의 텍스트에 대한 변환을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 사전 데이터베이스를 활용하여 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행할 수 있다.

구체적으로, 프로세서(130)는 하나 이상의 텍스트 중 매칭 신뢰도가 미리 정해진 임계 신뢰도 미만인 하나 이상의 변경 텍스트를 식별할 수 있다. 또한, 프로세서(130)는 사전 데이터베이스에서 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별할 수 있다.

자세히 설명하면, 프로세서(130)는 사용자 단말(10)로부터 하나 이상의 도메인에 대한 선택 입력에 관련한 도메인 선택 정보를 수신할 수 있다. 여기서 도메인 선택 정보는, 변경 텍스트를 변경하기 위하여 사전 데이터베이스에 포함된 유사한 키워드들을 검색하는 과정에서 특정 도메인에 매칭된 키워드들을 기반으로 검색하기 위한 사용자의 선택 신호에 관련한 것일 수 있다.

예컨대, 사전 데이터베이스는, 5개의 도메인 및 각 도메인에 매칭된 복수의 키워드들을 포함할 수 있다. 전술한 상황에서 하나 이상의 변경 텍스트 각각과 유사한 키워드들에 대한 검색을 수행하는 경우, 보다 넓은 검색 범위로 인해, 처리 속도가 저감될 수 있다. 뿐만 아니라, 사용자의 의도와 상이한 도메인에서 유사 키워드가 검색됨에 따라, 제공되는 음성 인식 결과의 정확도가 저감될 수 있다.

즉, 프로세서(130)는 도메인 선택 정보에 기반하여 사전 데이터베이스에서 유사한 키워드를 식별하기 위한 하나 이상의 도메인을 식별할 수 있다. 프로세서(130)는 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별할 수 있다. 구체적인 예를 들어, 사용자 단말(10)로부터 수신한 도메인 선택 정보가 제 1 도메인에 대한 사용자의 선택과 관련한 경우, 컴퓨팅 장치(100)는 사전 데이터베이스를 활용하여 하나 이상의 변경 데이터와 유사한 키워드를 검색하는 과정에서, 제 1 도메인에 매칭된 키워드들 만을 참조할 수 있다. 즉, 사전 데이터베이스에 포함된 복수의 도메인 중 제 1 도메인에서만 유사 키워드를 검색함으로써, 검색 시간을 획기적으로 단축시킬 수 있다. 또한, 사용자의 선택에 관련한 도메인 선택 정보는, 특정 분야 또는 특정 클라이언트에 대응하는 키워드들의 집합임에 따라, 키워드에 기초한 텍스트 변환의 정확도가 확보될 수 있다.

본 개시의 다른 실시예에 따르면, 프로세서(130)는 하나 이상의 변경 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별할 수 있다. 텍스트 연관성은, 구문적 연관성, 의미적 연관성 및 형태적 연관성 중 적어도 하나를 포함할 수 있다. 프로세서(130)는 하나 이상의 변경 텍스트와 유사한 키워드들을 식별하고, 키워드들에 매칭된 도메인을 변경 텍스트와 텍스트 연관성을 갖는 도메인으로 식별할 수 있다. 또한, 프로세서(130)는 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별할 수 있다. 즉, 프로세서(130)는 매칭 신뢰도가 기준치 미만인 하나 이상의 변경 텍스트와 텍스트 연관성을 가지는 도메인을 변경 텍스트의 변환을 위해 참조할 도메인으로서 식별할 수 있다.

예를 들어, 하나 이상의 변경 텍스트가 '창구'인 경우, 프로세서(130)는 미리 구축된 사전 데이터베이스에 '창구'와 구문적, 의미적, 형태적 연관성을 가지는 유사 키워드들을 식별할 수 있다. 구체적인 예를 들어, 프로세서(130)는 '창구'와 의미적으로 연관성을 가진 '접수처' 또는 형태적으로 연관성을 가진 '청구' 등을 유사 키워드로 식별할 수 있다. 프로세서(130)는 식별된 유사 키워드들에 대응하는 도메인을 변경 텍스트의 변환을 위채 참조할 도메인으로 식별할 수 있다. 예컨대, 프로세서(130)는 식별된 유사 키워드들이 가장 많이 매칭된 도메인인 '서울대병원'이 해당 변경 텍스트인 '창구'에 대한 변환을 위해 참조할 도메인으로 식별할 수 있다.

즉, 특정 도메인에 관련한 사용자의 입력(즉, 도메인 선택 정보)이 없는 경우에도 변경 텍스트에 관련한 도메인의 자동 식별이 가능해질 수 있다. 이에 따라, 인식 또는 호출이 어려운 고유명사(인명, 전문용어, 줄임말, 합성어 등)의 인식률을 큰 폭으로 올릴 수 있어 전반적인 음성인식 서비스의 정확도를 향상시킬 수 있다. 실시예에 따라, 프로세서(130)는 변경 텍스트의 변환을 위한 참조 대상의 도메인을 두 개 이상으로 식별하여 음성 인식에 적용시켜 다양한 상황에 따라 유연한 대처가 가능하게 할 수 있다.

본 개시의 또 다른 실시예에 따르면, 프로세서(130)는 식별된 적어도 하나의 텍스트와 인접한 하나 이상의 인접 텍스트를 식별할 수 있다. 프로세서(130)는 하나 이상의 인접 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별할 수 있다. 텍스트 연관성은, 구문적 연관성, 의미적 연관성 및 형태적 연관성 중 적어도 하나를 포함할 수 있다. 프로세서(130)는 하나 이상의 변경 텍스트와 인접한 하나 이상의 인접 텍스트들을 식별하고, 하나 이상의 인접 텍스트들과 유사한 키워드들을 식별하고, 키워드들에 매칭된 도메인을 변경 텍스트와 텍스트 연관성을 갖는 도메인으로 식별할 수 있다. 또한, 프로세서(130)는 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별할 수 있다. 즉, 프로세서(130)는 매칭 신뢰도가 기준치 미만인 하나 이상의 변경 텍스트와 인접한 인접 텍스트를 통해 텍스트 연관성을 가지는 도메인을 변경 텍스트의 변환을 위해 참조할 도메인으로서 식별할 수 있다.

즉, 본 개시는 특정 도메인에 관련한 사용자의 입력(즉, 도메인 선택 정보)이 없는 경우에도, 변경 텍스트에 주변에 위치한 텍스트들과 구문적, 의미적, 형태적 연관성을 가진 도메인을 변경 텍스트의 변환을 위해 참조할 도메인으로서 식별할 수 있다. 다시 말해, 음성 데이터에 대응하여 생성된 하나 이상의 텍스트 중 매칭 신뢰도가 기준치 미만인 변경 텍스트를 변환하는 과정에서, 하나 이상의 텍스트의 구문적, 의미적, 형태적 연관성을 통해 참조될 만한 도메인을 자동적으로 식별할 수 있다.

일 실시예에 따르면, 프로세서(130)는 하나 이상의 인접 텍스트와 식별된 적어도 하나의 텍스트 간의 거리에 기반하여 하나 이상의 인접 텍스트 각각에 상이한 가중치를 할당할 수 있다. 프로세서(130)는 하나 이상의 인접 텍스트 각각에 할당된 가중치에 기반하여 하나 이상의 도메인을 식별할 수 있다. 예컨대, 기준치 이하의 변경 텍스트와 거리가 먼 인접 텍스트의 경우, 주제 또는 핵심 내용과 상이한 텍스트일 수 있다. 이에 따라, 프로세서(130)는 가까운 텍스트들에 큰 가중치를 두고, 먼 텍스트들에 적은 가중치를 두어 특정 도메인이 결정될 확률을 높일 수 있다. 즉, 인접 텍스트들에 기반하여 도메인을 식별하는 과정에서 각 인접 텍스트들의 문장 내 중요도를 고려함으로써, 변경 텍스트의 변환을 위한 도메인 선별에 신뢰도 및 정확도가 향상될 수 있다.

추가적인 실시예에 따르면, 프로세서(130)는 문장 내에서의 역할에 따라 가중치가 부여할 수도 있다. 예를 들어, 목적어, 주어, 동사 등에 관련한 인접 텍스트에는 큰 가중치를 부여하고, 부사, 접속사, 전치사 등에 관련한 인접 텍스트에는 적은 가중치르 부여하여 특정 도메인이 결정될 확률을 높일 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(130)는 음성 데이터에 포함된 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공할 수 있다. 다시 말해, 컴퓨팅 장치(100)는 사전 데이터베이스를 참조하여 음성 데이터에 대응하여 생성된 텍스트들 중 적어도 하나의 텍스트에 대한 변환을 수행하여 변환된 텍스트를 생성할 수 있으며, 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공할 수 있다.

따라서, 프로세서(130)는 다양한 도메인에 대응하는 음성 데이터에 대응하여 보다 향상된 정확도의 음성 인식 결과(즉, 음성 데이터에 대응하는 하나 이상의 텍스트)를 제공할 수 있다. 다시 말해, 음성 데이터에 대응하는 텍스트 생성 과정에서 정확도 및 처리속도를 향상시키는 효과를 제공할 수 있다.

일 실시예에 따르면, 음성 인식 결과는 인식 결과 사용자 인터페이스(300) 형태로 제공될 수 있다. 구체적으로, 프로세서(130)는 음성 데이터에 포함된 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 내용을 표시하는 음성 인식 텍스트 표시 화면(310) 및 음성 인식 텍스트에 표시된 단어들에 기반하여 사전 데이터베이스를 업데이트하기 위한 텍스트 등록 화면(320)을 포함하는 인식 결과 사용자 인터페이스(300)를 생성하여 제공할 수 있다. 인식 결과 사용자 인터페이스(300)는 음성 인식 결과에 대응하는 텍스트를 용이하게 확인함과 동시에 사전 데이터베이스에 추가적인 키워드를 용이하게 매칭시키기 위한 것일 수 있다.

구체적으로, 인식 결과 사용자 인터페이스(300)에 포함된 음성 인식 결과 표시 화면(310) 음성 인식 모델을 통해 음성 데이터에 대응하여 생성된 하나 이상의 텍스트 및 사전 데이터베이스의 활용을 통해 하나 이상의 텍스트 둥 적어도 하나에 대한 변환을 통해 생성된 변환된 텍스트 중 적어도 하나를 표시할 수 있다. 이 경우, 음성 인식 결과 표시 화면(310)에 표시된 복수의 단어들(즉, 음성 데이터에 대응하여 생성된 텍스트 또는 변환된 텍스트)는 사용자의 선택 입력을 허용할 수 있으며, 사용자의 선택 입력에 대응하여 텍스트 등록 화면(320)에 표시할 수 있다. 구체적인 예를 들어, 도 4에 도시된 바와 같이, 음성 인식 결과 표시 화면(310)에 표시된 단어들 중 사용자로부터 '인스티튜트'에 대한 선택 입력을 수신하는 경우, 텍스트 등록 화면(320)의 등록 텍스트 표시 영역(321)에 표시될 수 있다. 또한, 텍스트 등록 화면(320)에 포함된 도메인 선택 창(322)을 통해 해당 단어(즉, '인스티튜트')를 등록할 도메인을 결정할 수 있다. 또한, 해당 단어를 그대로 등록(즉, 수정없이 등록)하기 위한 등록 그래픽 객체(323) 및 해당 단어를 수정하여 등록하기 위한 수정 등록 그래픽 객체(324)를 포함할 수 있다. 예컨대, 수정 등록 입력 창(325)을 통해 해당 단어를 수정하고 입력시키고, 수정 등록 그래픽 객체(324)에 대한 선택 입력을 통해 해당 단어가 수정되어 등록될 수 있다. 즉, 텍스트 등록 화면(320)을 통해 등록할 도메인을 선택할 수 있으며, 선택된 단어를 수정하여 등록하거나 또는 현재 상태대로 바로 등록할 수 있도록 옵션을 제공할 수 있다.

다시 말해, 사용자는 도 3에 관련한 사용자 인터페이스(200)에서 직접 단어 또는 어절을 입력하지 않고, 도 4에 도시된 바와 같이, 인식 결과 사용자 인터페이스(300)에서 특정 단어를 클릭하여 사전 데이터베이스에 바로 등록시킬 수도 있다. 이는 본 개시의 통해 출력된 텍스트들을 통한 사전 데이터베이스 구축에 편의성을 제공할 수 있다. 즉, 출력에 관련한 텍스트들을 검증하는 과정에서, 특정 단어의 상대적 인식률을 향상시키기 위한 사전 데이터베이스를 업데이트하도록 편의성을 제공할 수 있다.

도 5는 본 개시의 일 실시예와 관련된 사전 데이터베이스를 활용한 음성 인식 방법을 수행하기 위한 단계들을 예시적으로 도시한 순서도이다.

본 개시의 일 실시예에 따르면, 상기 방법은, 하나 이상의 문장을 포함하는 음성 데이터를 수신하는 단계(410)를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 상기 방법은, 음성 데이터를 음성 인식 모델의 입력으로 처리하여 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 단계(420)를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 상기 방법은, 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계(430)를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 상기 방법은, 사전 데이터베이스를 활용하여 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계(440)를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 상기 방법은, 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 단계(450)를 포함할 수 있다.

전술한 도 5에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 개시의 일 실시예에 불과할 뿐, 본 개시의 권리 범위는 이에 제한되지 않는다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은 “뉴런(neuron)”들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의“링크”에 의해 상호 연결될 수 있다.

신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다, 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.

최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. 본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning) 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨이 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.

뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. (이하에서는 신경망으로 통일하여 기술한다.) 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수를 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 트레이닝을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 파라미터에 기초하여 출력 노드 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

본 개시의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 개시가 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 개시의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 개시의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (10)

1. 컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법으로,
   하나 이상의 문장을 포함하는 음성 데이터를 획득하는 단계;
   상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 단계;
   상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계;
   상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계; 및
   상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 단계;
   를 포함하며,
   상기 사전 데이터베이스는,
   하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
2. 제1 항에 있어서,
   상기 사전 데이터베이스를 구축하는 단계;
   를 더 포함하며,
   상기 사전 데이터베이스를 구축하는 단계는,
   사용자 단말로부터 상기 하나 이상의 도메인에 관련한 도메인 입력 정보를 획득하는 단계;
   상기 사용자 단말로부터 상기 하나 이상의 도메인 각각에 대응하여 상기 하나 이상의 키워드에 관련한 키워드 입력 정보를 획득하는 단계; 및
   상기 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드를 매칭시켜 상기 사전 데이터베이스를 구축하는 단계;
   를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
3. 제1 항에 있어서,
   상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 단계는,
   통계적 언어 모델을 활용하여 상기 하나 이상의 텍스트 간의 조합 적정성을 산출하는 단계; 및
   상기 조합 적정성에 기초하여 상기 사전 데이터베이스의 활용 여부를 결정하는 단계;
   를 포함하고,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
4. 제1 항에 있어서,
   상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 단계는,
   상기 하나 이상의 텍스트 중 매칭 신뢰도가 미리 정해진 임계 신뢰도 미만인 하나 이상의 변경 텍스트를 식별하는 단계;
   상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계; 및
   상기 하나 이상의 변경 텍스트를 대응하는 키워드로 변환하여 상기 변환된 텍스트를 생성하는 단계;
   를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
5. 제4 항에 있어서,
   상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는,
   사용자 단말로부터 상기 하나 이상의 도메인에 대한 선택 입력에 관련한 도메인 선택 정보를 수신하는 단계;
   상기 도메인 선택 정보에 기반하여 상기 사전 데이터베이스에서 상기 유사한 키워드를 식별하기 위한 하나 이상의 도메인을 식별하는 단계; 및
   상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계;
   를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
6. 제4 항에 있어서,
   상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는,
   상기 식별된 하나 이상의 변경 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계; 및
   상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계;
   를 포함하며,
   상기 텍스트 연관성은,
   구문적 연관성, 의미적 연관성 및 형태적 연관성 중 적어도 하나를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
7. 제4 항에 있어서,
   상기 사전 데이터베이스에서 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계는,
   상기 식별된 하나 이상의 변경 텍스트와 인접한 하나 이상의 인접 텍스트를 식별하는 단계;
   상기 하나 이상의 인접 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계; 및
   상기 식별된 하나 이상의 도메인 각각에 대응하는 하나 이상의 키워드 중 상기 하나 이상의 변경 텍스트 각각과 유사한 키워드를 식별하는 단계;
   를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
8. 제7 항에 있어서,
   상기 하나 이상의 인접 텍스트와 텍스트 연관성을 가지는 하나 이상의 도메인을 식별하는 단계는,
   상기 하나 이상의 인접 텍스트와 상기 식별된 적어도 하나의 텍스트 간의 거리에 기반하여 상기 하나 이상의 인접 텍스트 각각에 상이한 가중치를 할당하는 단계; 및
   상기 하나 이상의 인접 텍스트 각각에 할당된 가중치에 기반하여 하나 이상의 도메인을 식별하는 단계;
   를 포함하는,
   사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법.
   
9. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로, 상기 컴퓨터 프로그램은 하나 이상의 프로세서들에 의해 실행되는 경우, 상기 하나 이상의 프로세서들로 하여금 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
   하나 이상의 문장을 포함하는 음성 데이터를 획득하는 동작;
   상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하는 동작;
   상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하는 동작;
   상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하는 동작; 및
   상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하는 동작;
   을 포함하고,
   상기 사전 데이터베이스는,
   하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
10. 컴퓨팅 장치로서,
    하나 이상의 코어를 포함하는 프로세서;
    상기 프로세서에서 실행가능한 프로그램 코드들을 저장하는 메모리; 및
    사용자 단말과 데이터를 송수신하는 네트워크부;
    를 포함하고,
    상기 프로세서는,
    하나 이상의 문장을 포함하는 음성 데이터를 획득하고,
    상기 음성 데이터를 음성 인식 모델의 입력으로 처리하여 상기 하나 이상의 문장 각각에 대응하는 하나 이상의 텍스트 및 하나 이상의 매칭 신뢰도를 출력하고,
    상기 하나 이상의 매칭 신뢰도에 기초하여 사전 데이터베이스의 활용 여부를 결정하고,
    상기 사전 데이터베이스를 활용하여 상기 하나 이상의 텍스트 중 적어도 하나에 대한 변환을 수행하고,
    상기 하나 이상의 문장 각각에 대응하는 텍스트 및 변환된 텍스트 중 적어도 하나를 포함하는 음성 인식 결과를 제공하고,
    상기 사전 데이터베이스는,
    하나 이상의 도메인 및 각 도메인에 대응하는 하나 이상의 키워드를 포함하는 것을 특징으로 하는,
    사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법을 수행하기 위한 컴퓨팅 장치.
    

Images