KR20220118754A - 음성 인식 결과를 분석하는 전자 장치 및 방법 - Google Patents

음성 인식 결과를 분석하는 전자 장치 및 방법 Download PDF

Info

Publication number
KR20220118754A
KR20220118754A KR1020210022572A KR20210022572A KR20220118754A KR 20220118754 A KR20220118754 A KR 20220118754A KR 1020210022572 A KR1020210022572 A KR 1020210022572A KR 20210022572 A KR20210022572 A KR 20210022572A KR 20220118754 A KR20220118754 A KR 20220118754A
Authority
KR
South Korea
Prior art keywords
feature information
domain
text
information
module
Prior art date
Application number
KR1020210022572A
Other languages
English (en)
Inventor
전창용
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 KR1020210022572A priority Critical patent/KR20220118754A/ko
Priority to PCT/KR2022/000655 priority patent/WO2022177165A1/ko
Priority to US17/745,328 priority patent/US20220335946A1/en
Publication of KR20220118754A publication Critical patent/KR20220118754A/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
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9038—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G10L15/1822—Parsing for meaning understanding
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • G10L2015/221—Announcement of recognition results
    • 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
    • G10L2015/223—Execution procedure of a spoken command
    • 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
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

음성 인식 결과를 분석하는 전자 장치 및 방법이 개시된다. 다양한 실시예에 따른 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈 모듈, 상기 디스플레이 모듈 모듈과 전기적으로 연결된 프로세서, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.

Description

음성 인식 결과를 분석하는 전자 장치 및 방법{Electronic Device and Method for Analyzing Speech Recognition Results}
아래의 개시는 음성 인식 결과를 분석하는 전자 장치 및 방법에 관한 것이다.
최근, 음성 인식 기술에 발달함에 따라, 스마트폰과 같은 전자 장치에서, 인공지능을 이용한 음성 어시스턴트(speech assistant)의 활용도가 증가하고 있다. 음성 어시스턴트는 사용자 발화를 인식하여, 사용자가 의도한 서비스를 제공할 수 있다.
사용자가 의도한 서비스를 제공하기 위해서는, 사용자 발화를 인식하고, 사용자가 의도한 서비스를 처리하기 위한 도메인이 적절하게 결정되어야 한다. 예를 들어, 사용자가 주변 맛집 검색을 요청할 때, 소셜 앱을 통한 주변 맛집 검색 결과를 제공할지, 지도 앱의 식당 검색 결과를 제공할지 자연어 처리 과정을 통해 결정되어야 한다.
다만, 자연어 처리 과정은 머신러닝(machine learning)에 기반한 학습 모델들이 이용될 수 있다. 학습 모델이 사용자 발화를 처리할 도메인을 적절하게 결정하지 못하는 경우, 학습 모델이 연산 과정 자체는 분석되기 어렵기 때문에, 개발자가 학습 모델의 성능을 향상시키는 데 한계를 가질 수 있다. 따라서, 학습 모델이 적절하게 사용자 발화를 처리할 도메인을 결정하는 데 영향을 준 데이터들을 개발자가 확인할 수 있도록 하는 기술이 요구된다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자 발화에 대하여 학습 모델이 결정한 도메인에 미리 저장된 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 확인할 수 있으므로, 개발자가 학습 모델의 결과를 분석할 수 있는 전자 장치 및 방법을 제공한다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자가 예상한 도메인의 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 디스플레이 모듈 모듈에 표시함으로써, 사용자가 예상한 도메인이 결정되지 않은 원인을 분석할 수 있는 전자 장치 및 방법을 제공한다.
다양한 실시예에 따른 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈 모듈, 상기 디스플레이 모듈 모듈과 전기적으로 연결된 프로세서, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.
다양한 실시예에 따른 전자 장치에 있어서, 전자 장치에 있어서, 상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈 모듈; 상기 디스플레이 모듈 모듈과 전기적으로 연결된 프로세서; 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 프로세서는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 생성된 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들을 표시할 수 있다.
다양한 실시예에 따른 음성 인식 결과를 분석하는 방법은, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계; 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계; 사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계; 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계를 포함할 수 있다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자 발화에 대하여 학습 모델이 결정한 도메인에 미리 저장된 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 확인할 수 있으므로, 개발자가 학습 모델의 결과를 분석할 수 있다.
본 문서에 개시되는 다양한 실시예에 따르면, 사용자가 예상한 도메인의 피처 정보들 중 사용자 발화와 관련된 피처 정보들을 디스플레이 모듈 모듈에 표시함으로써, 사용자가 예상한 도메인이 결정되지 않은 원인을 분석할 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 전자 장치 내에서 음성 인식 결과를 분석하는 모듈의 블록도이다.
도 3은 일 실시예에 따른 사용자 발화에 대응하는 텍스트 및 그 텍스트의 분류 정보를 나타낸 것이다.
도 4는, 일 실시예에 따른, 사용자 발화에 대응하는 텍스트의 피처 정보의 예를 도시한 도면이다.
도 5는, 일 실시예에 따른, 예상 도메인을 입력하는 인터페이스를 도시한 도면이다.
도 6는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스를 도시한 도면이다.
도 7는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스의 예시를 도시한 도면이다.
도 8는, 일 실시예에 따른, 도메인 별로 분류 정보의 가중치를 나타내는 그래프를 도시한 도면이다.
도 9는, 일 실시예에 따른, 도메인에 대한 피처 정보들의 가중치 및 빈도를 나타내는 인터페이스를 도시한 도면이다.
도 10은 일 실시예에 따른 음성 인식 결과를 분석하는 방법의 흐름도이다.
도 11은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 12는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 13은 일 실시예에 따라, 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은, 다양한 실시예들에 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) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 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 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈 모듈(160))로 통합될 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. 일실시예에 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 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 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: 디스플레이 모듈 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 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), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 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 모듈(150)은, 예를 들면, 입력 모듈, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 음향 출력 모듈 또는 리시버를 포함할 수 있다. 음향 출력 모듈은 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 음향 출력 모듈과 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈 모듈(160)은, 예를 들면, 디스플레이 모듈, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 음향 출력 모듈 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. 일실시예에 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)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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 구성요소에 전력을 공급할 수 있다. 일실시예에 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. 일실시예에 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(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(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 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 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 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 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))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 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. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 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 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 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, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시예에 따른 전자 장치 내에서 음성 인식 결과를 분석하는 모듈의 블록도이다.
도 2에 도시된 모듈들(202-206)에서 처리되는 동작들은 프로세서(120)에 의하여 수행될 수 있다. 사용자 발화(201)는, 전자 장치(101)의 입력 모듈(150)(예: 입력 모듈)을 통해 수신될 수 있다. 사용자 발화(201)는 자동 음성 인식(automatic speech recognition)(ASR module)을 통해 텍스트로 변환될 수 있다.
자동 음성 인식을 통해 사용자 발화(201)를 텍스트로 변환하는 방법은 특정한 예시로 제한되지 않으며, 본 발명의 기술 분야에서 통상의 기술자가 용이하게 채용할 수 있는 다양한 방법이 이용될 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은 사용자 발화(201)에 대응하는 텍스트로부터 피처 정보를 생성할 수 있다. 피처 정보는, 한 문장을 구성하는 단어들의 분류 정보, 텍스트 정보, 길이 정보 및 이전 발화 정보 중 적어도 하나 이상을 포함할 수 있다.
텍스트 정보는 한 단어의 텍스트에 대한 정보일 수 있다. 분류 정보는, 텍스트 정보의 의미를 나타내는 정보일 수 있다. 예를 들어, 분류 정보는, 텍스트 정보가, 장소에 관한 것인지, 시간에 관한 것인지, 식당에 관한 것인지, 조사에 대한 것인지, 인물에 대한 것인지, 사물에 대한 것인지 등을 나타낼 수 있다.
길이 정보는 한 문장의 길이에 대한 정보일 수 있다. 길이 정보는, 복수의 기준 범위에 따라 분류될 수 있다. 예를 들어, 사용자 발화(201)에 대응하는 텍스트의 길이가 10이고, 기준 범위가 5부터 15인 경우, 사용자 발화(201)에 대응하는 텍스트의 길이 정보는 '중'으로 결정될 수 있다. 이전 발화 정보는, 이전에 인식된 사용자 발화(201)가 있는 경우, 이전에 인식된 사용자 발화(201)의 키워드 또는 문맥에 대한 정보를 의미할 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보로 구분할 수 있다. 토큰 정보는 문장을 구성하는 단어 단위의 텍스트를 의미할 수 있다.
피처 정보 결정 모듈(202)은, 메모리(130)에 미리 저장된 토큰 정보에 기초하여 사용자 발화(201)에 대응하는 텍스트를 토큰 정보로 구분할 수 있다. 피처 결정 모듈은, 사용자 발화(201)에 대응하는 텍스트와 메모리(130)에 미리 저장된 토큰 정보를 비교함으로써, 사용자 발화(201)에 대응하는 텍스트를 토큰 정보로 구분할 수 있다.
일 실시예에 따르면, 피처 정보 결정 모듈(202)은, 메모리(130)에 미리 저장된 피처 정보와 사용자 발화(201)에 대응하는 텍스트를 비교함으로써 사용자 발화(201)에 대응하는 텍스트로부터 피처 정보를 추출할 수 있다.
피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보들로 구분하고, 메모리(130)에 저장된 피처 정보들 중 사용자 발화(201)에 대응하는 텍스트의 토큰 정보와 연관된 피처 정보들을 추출함으로써, 사용자 발화(201)에 대응하는 텍스트의 피처 정보를 생성할 수 있다.
일 실시예에 따르면, 메모리(130)는, 인공지능 모델의 트레이닝에 이용된 문장들을 도메인 별로 저장할 수 있고, 각 문장에 대한 피처 정보를 저장할 수 있다. 일 실시예에 따르면, 복수의 피처 정보들이 도메인 별로 구분되어 저장될 수 있다. 도메인 간에 동일한 피처 정보가 포함될 수 있다.
출력 도메인 결정 모듈(203)은, 사용자 발화(201)에 대응하는 텍스트의 피처 정보로부터 출력 도메인을 결정할 수 있다. 출력 도메인은, 사용자 발화(201)와 관련된 도메인 또는 사용자 발화(201)를 처리하는 도메인을 의미할 수 있다. 출력 도메인 결정 모듈(203)은, 사용자 발화(201)의 자연어 처리 과정을 통해 출력 도메인을 결정할 수 있다.
예를 들어, 사용자 발화(201)에 대응하는 텍스트가 “Find hotels nearby seoul”인 경우, 피처 정보 결정 모듈(202)은, 사용자 발화(201)에 대응하는 텍스트를 복수의 토큰 정보(예: ‘Find’, ‘hotels’, ‘nearby’, ‘seoul’)로 구분할 수 있다. 피처 정보 결정 모듈(202)은, 각 토큰 정보에 기초하여 피처 정보(예: [text: find], [text: hotels], [text: nearby], [location: seoul], [length: medium])를 결정할 수 있다.
출력 도메인 결정 모듈(203)은, 피처 정보를 이용하여 출력 도메인을 결정할 수 있다. 일례로, 사용자 발화(201)에 대응하는 텍스트가 “Find hotels nearby seoul”인 경우, 출력 도메인 결정 모듈(203)은, 자연어 처리를 통해, 호텔 검색을 처리할 수 있는 도메인을 출력 도메인으로 결정할 수 있다.
출력 도메인 결정 모듈(203)은, 사용자 발화(201)에 대응하는 텍스트로부터 출력 도메인을 결정하도록 트레이닝된 학습 모델을 이용하여 사용자 발화(201)에 대응하는 텍스트의 피처 정보로부터 출력 도메인을 결정할 수 있다.
사용자 발화(201)에 대응하는 텍스트로부터 출력 도메인을 결정하는 학습 모델은, 딥러닝 기반의 신경망 모델일 수 있으며, 룰 베이스 모델(rule-based model) 일 수도 있고, 신경망 모델(neual network model)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN)), 합성곱 신경망(convolutional neural network)) 일 수도 있다.학습 모델은 특정 예시로 제한되지 않으며, 본 발명의 기술 분야에서 통상의 기술자가 용이하게 채용할 수 있는 다양한 방법이 이용될 수 있다.
피처 정보 결정 모듈(205)은 사용자에 의해 결정되는 예상 도메인(204)을 식별할 수 있다. 예상 도메인(204)은, 사용자 발화(201)에 대해 사용자가 의도한 도메인을 의미할 수 있고, 전자 장치(101)의 입력 모듈(150)(예: 키보드, 입력 모듈), 터치 센서를 포함하는 디스플레이 모듈 모듈(160)을 통해 입력될 수 있다.
피처 정보 결정 모듈(205)은 예상 도메인(204) 및 출력 도메인 각각에 대해 미리 저장된 피처 정보들을 추출할 수 있다. 피처 결정 모듈(205)은, 메모리(130)로부터 예상 도메인(204)과 동일한 도메인에 대해 미리 저장된 문장들과 그 문장의 피처 정보들을 추출할 수 있다. 피처 결정 모듈(205)은, 메모리(130)로부터 출력 도메인과 동일한 도메인에 대해 미리 저장된 문장들과 그 문장의 피처 정보들을 추출할 수 있다.
유사도 판단 모듈(206)은 출력 도메인의 피처 정보들과 사용자 발화(201)에 대응하는 텍스트의 피처 정보 간의 제1 유사도 및 예상 도메인(204)의 피처 정보들과 사용자 발화(201)에 대응하는 피처 정보 간의 제2 유사도를 계산할 수 있다. 유사도는 피처 정보 간 유사한 정도를 나타내는 수치일 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보들 각각에 대해 제1 유사도를 결정할 수 있다. 예를 들어, 유사도 판단 모듈(206)은, 텍스트의 피처 정보에 포함된 분류 정보와 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써 제1 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보에 포함된 분류 정보들 중 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보들과 동일한 분류 정보의 개수를 기준으로, 출력 도메인에 대한 제1 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 예상 도메인(204)의 피처 정보들 각각에 대해 제2 유사도를 결정할 수 있다. 예를 들어, 유사도 판단 모듈(206)은, 텍스트의 피처 정보에 포함된 분류 정보와 예상 도메인(204)과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써 제2 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 예상 도메인(204)의 피처 정보에 포함된 분류 정보들 중 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보들과 동일한 분류 정보의 개수를 기준으로, 예상 도메인(204)의 피처 정보에 대한 제2 유사도를 결정할 수 있다.
일 실시예에 따르면, 유사도 판단 모듈(206)은, 아래 수학식 1을 이용하여 제1 유사도 또는 제2 유사도를 결정할 수 있다.
Figure pat00001
수학식 1에서, A는, 출력 도메인 또는 예상 도메인(204)의 피처 정보에 포함된 정보들(예: 분류 정보, 길이 정보, 중 적어도 하나 이상의 정보)의 집합을 의미할 수 있다. B는, 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 정보들(예: 분류 정보, 길이 정보, 중 적어도 하나 이상의 정보)의 집합을 의미할 수 있다. J(A, B)는 A, B 간의 유사도를 의미할 수 있다.
유사도 판단 모듈(206)은, i) 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 정보들과 출력 도메인 또는 ii) 예상 도메인(204)의 피처 정보에 포함된 정보들 중 공통되는 정보들을 기준으로 제1 유사도 또는 제2 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은 출력 도메인 또는 예상 도메인(204)의 피처 정보에 포함된 정보들과 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 정보들 간의 공통되는 정보들을 기준으로 제1 유사도 또는 제2 유사도를 결정할 수 있다.
유사도 판단 모듈(206)은, 출력 도메인의 피처 정보들 및 예상 도메인(204)의 피처 정보들에 포함되는 분류 정보, 텍스트 정보, 길이 정보 및 이전 발화 정보의 가중치를 고려하여, 제1 유사도 또는 제2 유사도를 결정할 수 있다.
예를 들어, 출력 도메인의 피처 정보에 포함된 분류 정보 중 가중치가 높은 분류 정보가 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보와 동일한 경우의 제1 유사도는, 출력 도메인의 피처 정보에 포함된 분류 정보 중 가중치가 낮은 분류 정보가 사용자 발화(201)에 대응하는 텍스트의 피처 정보에 포함된 분류 정보와 동일한 경우의 제1 유사도 보다 높게 결정될 수 있다.
가중치는 메모리(130)에 저장된 피처 정보들 각각에 대해 미리 결정될 수 있다. 가중치는, 동일한 피처 정보라도 도메인 별로 다르게 결정될 수 있다. 가중치는 도메인과 연관성이 높을수록 높은 값으로 결정될 수 있다. 도메인 별로 피처 정보의 가중치는, 사용자에 의해 미리 결정될 수 있다.
일 실시예에 따르면, 특정 도메인의 피처 정보들에 포함되는 분류 정보들 중 피처 정보에 포함되는 빈도가 높을수록 그 분류 정보의 가중치가 높게 결정될 수 있다. 일 실시예에 따르면, 특정 도메인의 피처 정보들에 포함되는 텍스트 정보들 중 피처 정보에 포함되는 빈도가 높을수록 그 텍스트 정보의 가중치가 높게 결정될 수 있다.
일 실시예에 따르면, 출력 도메인의 피처 정보와, 예상 도메인(204)의 피처 정보가 디스플레이 모듈 모듈(160)에 포함될 수 있다. 출력 도메인의 피처 정보에 대한 제1 유사도 또는 예상 도메인(204)의 피처 정보에 대한 제2 유사도는 디스플레이 모듈 모듈(160)에 표시될 수 있다.
도 3은, 일 실시예에 따른 사용자 발화에 대응하는 텍스트 및 그 텍스트의 분류 정보를 나타낸 것이다.
도 3의 (A)는, 사용자 발화(예: 도 2의 사용자 발화(201))가 자동 음성 인식을 통해 텍스트로 변환되고, 복수의 토큰 정보(301)로 구분된 예를 도시한 도면이다. 도 3의 (B)는, 도 3의 (A)에 포함된 토큰 정보(301)에 기초하여 추출된 분류 정보들의 예를 도시한 도면이다.
예를 들어, 도 3의 (A)과 같이, 사용자 발화에 대응하는 텍스트가 "내일 중에 인천 공항에 도착하는 항공편 찾아줘" 인 경우, '내일', '중', '에', '인천', '공항', '에', '도착', '하', '는', '항공', '편', '찾', '아', '줘' 가 각각의 토큰 정보(301)일 수 있다.
각 토큰 정보(301)에 대하여 메모리(130)에 미리 저장된 분류 정보가 추출될 수 있다. 예를 들어, '공항'에 대해, 도 3의 (B)와 같이 장소(예: geo.PlaceType), 공항(예: flight.Airport)가 분류 정보로 결정될 수 있다.
도 4는, 일 실시예에 따른, 사용자 발화에 대응하는 텍스트의 피처 정보의 예를 도시한 도면이다.
도 4는, 사용자 발화(예: 도 2의 사용자 발화(201))에 대응하는 텍스트의 토큰 정보(401)와, 사용자 발화에 대응하는 텍스트의 피처 정보를 나타낸 것이다. '내일', '중', '에', '인천', '공항', '에', '도착', '하', '는', '항공', '편', '찾', '아', '줘' 가 각각의 토큰 정보(401)일 수 있다.
이전 발화 정보(402)는 이전에 인식된 사용자 발화의 키워드 또는 문맥에 대한 정보일 수 있다. 예를 들어, 이전에 인식된 사용자 발화가 비행과 관련된 발화인 경우, 이전 발화 정보(402)는, 도 4와 같이 비행(예: flight context)일 수 있다. 프로세서(120)는, 사용자 발화가 입력되는 경우, 자연어 처리를 수행하고, 이전 발화 정보(402)를 업데이트할 수 있다.
분류 정보(403)는 토큰 정보(401)의 의미를 나타내는 정보일 수 있다. 메모리(130)에 토큰 정보(401) 별로 미리 저장된 분류 정보(403)에 따라, 사용자 발화에 대응하는 텍스트의 분류 정보(403)가 결정될 수 있다. 텍스트 정보(404)는, 사용자 발화에 대응하는 텍스트에 대한 정보를 의미할 수 있다. 텍스트 정보(404)는, 토큰 정보(401)들을 포함할 수 있다.
길이 정보(405)는, 사용자 발화에 대응하는 텍스트의 길이를 나타내는 정보일 수 있다. 사용자 발화에 대응하는 텍스트의 길이가 일정 기준 범위에 속하는 경우, 그 기준 범위에 대응하는 인덱스가 길이 정보(405)로 결정될 수 있다. 예를 들어, 텍스트의 길이가 10 이상 20이하인 경우, 길이 정보(405)는 '상'(예: LONG-LEN)으로 결정될 수 있다.
도 5는, 일 실시예에 따른, 예상 도메인을 입력하는 인터페이스를 도시한 도면이다.
사용자는 도 5의 GUI(graphical user interface)인터페이스를 통해 사용자가 의도한 예상 도메인(502)을 입력할 수 있다. GUI인터페이스는 전자 장치(101)의 디스플레이 모듈 모듈(160)에 의해 표시될 수 있다. GUI인터페이스는, 자동 음성 인식을 통해 인식된 사용자 발화(501)(예: 도 2의 사용자 발화(201))에 대응하는 텍스트(504)를 포함할 수 있다.
일 실시예에 따르면, 사용자는 예상 도메인(502)(예: 도 2의 예상 도메인(204))을 인터페이스 상에서 선택하거나 입력할 수 있다. 도 5를 참조하면, 사용자는 입력 인터페이스(505)을 이용하여 예상 도메인(502)을 선택하거나 직접 입력하거나, 발화를 통해 입력할 수 있다.
GUI 인터페이스는 예상 도메인(502)의 종류(503)를 선택할 수 있는 입력 인터페이스(506)을 포함할 수 있다. 사용자는 입력 인터페이스(506)를 통해 사용자 발화(501)의 종류(503)를 결정할 수 있다. 사용자 발화(501)의 종류(503)가 결정된 경우, 프로세서(120)는, 예상 도메인(502)의 분류 정보들 중 사용자 발화(501)의 종류(503)와 연관된 분류 정보들이 포함된 피처 정보들을 추출할 수 있다.
예를 들어, 도 5와 같이, 사용자 발화(501)(예: "내일 중에 인천 공항에 도착하는 항공편 찾아줘")에 대해, 예상 도메인(502)이 항공 관련 예약 어플리케이션인 'Expedia'로 결정되고, 종류(503)가 '여행'으로 결정된 경우, 프로세서(120)는, 'Expedia'에 대한 피처 정보들을 추출하고, 피처 정보들의 분류 정보들 중 '여행'과 관련된 분류 정보들이 포함된 피처 정보들을 추출할 수 있다.
도 5에 도시된 GUI 인터페이스의 실행 버튼(507)이 입력되는 경우, 프로세서(120)는, 예상 도메인(502)에 대하여 미리 저장된 문장들과 피처 정보들을 추출할 수 있다. 프로세서(120)는, 추출된 피처 정보들과 사용자 발화(501)로부터 추출된 피처 정보들을 비교함으로써, 유사도가 가장 높은 피처 정보들을 결정할 수 있다.
도 6는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스를 도시한 도면이다.
도 6의 GUI 인터페이스를 통해, 개발자는, 자연어 처리를 수행하는 학습 모델에 의해 결정된 출력 도메인(621)의 피처 정보들 중 사용자 발화(예: 도 2의 사용자 발화(201))의 피처 정보와 유사도가 높은 피처 정보들과, 예상 도메인(611)(예: 도 2의 예상 도메인(611)(204))의 피처 정보들 중 사용자 발화의 피처 정보와 유사도가 높은 피처 정보들을 확인함으로써, 학습 모델의 출력에 영향을 준 피처 정보들의 분석할 수 있다.
도 6의 GUI 인터페이스는, 전자 장치(101)의 디스플레이 모듈 모듈(160)에 의해 표시될 수 있고, 사용자 발화에 대한 인터페이스(600), 예상 도메인(611)에 대한 인터페이스(610), 출력 도메인(621)에 대한 인터페이스(620)를 포함할 수 있다. 도 6의 GUI 인터페이스에 포함되는 데이터들은 다양한 형태로 배치될 수 있으며, 도시된 예로 제한되지 않는다.
일 실시예에 따르면, 도 6의 GUI 인터페이스에서, 예상 도메인(611)에 대한 인터페이스(610)는 표시되지 않을 수 있고, 별도의 입력 과정을 통해 출력 도메인(621)에 대한 인터페이스(620)과 같이 표시될 수 있다.
사용자 발화에 대한 인터페이스(600)는, 사용자 발화에 대응하는 텍스트(601)와 사용자 발화에 대응하는 텍스트(601)에 기초하여 결정된 분류 정보(602)를 포함할 수 있다. 사용자 발화에 대한 인터페이스(600)는, 사용자 발화에 대응하는 텍스트(601)의 분류 정보 이외 다른 피처 정보를 포함할 수 있다.
예상 도메인(611)에 대한 인터페이스(610)는, 사용자에 의해 결정된 예상 도메인(611)을 포함할 수 있다. 예상 도메인(611)에 대한 인터페이스(610)는, 예상 도메인(611)에 대한 피처 정보(612, 616)들을 포함할 수 있다. 예상 도메인(611)에 대한 인터페이스(610)는, 각 피처 정보(612, 616)와 사용자 발화에 대응하는 텍스트(601)의 피처 정보 간의 제1 유사도(615, 619)를 포함할 수 있다.
예상 도메인(611)에 대한 인터페이스(610)에 표시되는 피처 정보(612, 616)는, 예상 도메인(611)에 대해 미리 저장된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제1 유사도(615, 619)가 가장 높은 피처 정보(612, 616)일 수 있다. 프로세서(120)는, 출력 도메인(621)과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제1 유사도(615, 619)가 가장 높은 순으로 피처 정보를 디스플레이 모듈 모듈(160)에 표시할 수 있다.
피처 정보(612)는, 피처 정보(613)에 대응하는 문장(613)과, 분류 정보(614)를 포함할 수 있다. 예상 도메인(611)과 관련된 피처 정보들의 분류 정보들 중 예상 도메인(611)과 연관성이 높을수록, 분류 정보의 가중치가 높게 결정될 수 있다. 프로세서(120)는, 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보(614)들을 다른 분류 정보(614)들과 구분되도록 디스플레이 모듈 모듈(160)에 표시할 수 있다.
예를 들어, 프로세서(120)는, 가중치가 높을수록 분류 정보(614)의 음영을 높임으로써 가중치의 크기가 구별되도록 분류 정보(614)를 표시할 수 있다. 피처 정보(616)는, 피처 정보(616)에 대응하는 문장(617)과, 분류 정보(618)를 포함할 수 있다.
출력 도메인(621)에 대한 인터페이스(620)에 표시되는 피처 정보(622)는, 출력 도메인(621)에 대해 미리 저장된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제2유사도(625)가 가장 높은 피처 정보(622)일 수 있다. 프로세서(120)는, 출력 도메인(621)과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트(601)의 피처 정보와의 제2 유사도가 가장 높은 순으로 피처 정보를 디스플레이 모듈 모듈(160)에 표시할 수 있다.
피처 정보(622)는, 피처 정보(623)에 대응하는 문장(623)과, 분류 정보(624)를 포함할 수 있다. 출력 도메인(621)과 관련된 피처 정보들의 분류 정보들 중 출력 도메인(621)과 연관성이 높을수록, 분류 정보의 가중치가 높게 결정될 수 있다. 프로세서(120)는, 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보(624)들을 다른 분류 정보들과 구분되도록 디스플레이 모듈 모듈(160)에 표시할 수 있다.
도 7는, 일 실시예에 따른, 예상 도메인과 출력 도메인의 피처 정보들을 표시하는 인터페이스의 예시를 도시한 도면이다.
도 7에 도시된 GUI 인터페이스(700)은, 디스플레이 모듈 모듈(160)을 통해 표시될 수 있다. GUI 인터페이스(700)는, i) 사용자 발화에 대응하는 텍스트(701), 사용자 발화에 대응하는 텍스트(701)로부터 추출된 피처 정보(702), 예상 도메인(704), 예상 도메인과 관련된 피처 정보들 중 피처 정보(702)와 유사도가 기준 이상인 피처 정보(705, 706), 및 출력 도메인(707), 출력 도메인과 관련된 피처 정보들 중 피처 정보(702)와 유사도가 기준 이상인 피처 정보(708, 709) 중 적어도 하나 이상을 포함할 수 있다.
예를 들어, 도 7을 참조하면, 사용자 발화에 대응하는 텍스트(701)가 "내일 중에 인천 공항에 도착하는 항공편 찾아줘"인 경우, '내일', '인천', '공항', '편'에 대한 분류 정보(702)가 피처 정보(702)로 추출될 수 있다. 사용자의 기대 도메인은(704) 'Expedia'이나 학습 모델에 의해 결정된 출력 도메인(707)은 '하나 투어' 일 수 있다.
프로세서(120)는, 출력 도메인(707)과 예상 도메인(704)과 관련하여 학습 모델의 학습 데이터로 미리 저장된 피처 정보들 중 사용자 발화와 유사도가 가장 높은 피처 정보(705, 706, 708, 709)를, 디스플레이 모듈 모듈(160)을 통해 표시함으로써, 개발자가 어떤 피처 정보로 인하여 학습 모델이 예상 도메인(704)이 아닌 출력 도메인(707)을 출력했는지 분석할 수 있다.
도 8는, 일 실시예에 따른, 도메인 별로 분류 정보의 가중치를 나타내는 그래프를 도시한 도면이다.
프로세서(120)는, 디스플레이 모듈 모듈(160)을 통해, 메모리(130)에 미리 저장된 분류 정보들의 가중치가 도메인 별로 어떻게 결정되어 있는지 그래프로 표시할 수 있다. 프로세서(120)는, 도메인 별로, 사용자의 가이드라인이나 빈도 수에 따라 분류 정보와 같은 피처 정보의 가중치를 결정할 수 있다.
프로세서(120)는, 미리 저장된 분류 정보들의 도메인 별 가중치를 추출하고, 디스플레이 모듈 모듈(160)에 그래프로 표시할 수 있다. 예를 들어, '여행', '날짜', '호텔'과 같은 분류 정보의 가중치는, 금융과 관련된 도메인에서 보다, 비행편이나 숙박을 예약하기 위한 도메인에서 더 높게 결정될 수 있다. 도 8에 도시된 그래프를 통해, 개발자는, 분류 정보들이 도메인에 따라 가중치가 어떻게 결정되어 있는지 확인할 수 있다.
도 9는, 일 실시예에 따른, 도메인에 대한 피처 정보들의 가중치 및 빈도를 나타내는 인터페이스를 도시한 도면이다.
도 9는 특정 도메인인 도메인 A (901)에 대해 미리 저장된 피처 정보들에 포함된 분류 정보 및 분류 정보의 빈도 수에 관한 그래프를 도시한 도면이다. 피처 정보들은 도메인 A (901)와 연관된 피처 정보들로 메모리(130)에 미리 저장될 수 있다.
도 9의 (A)를 참조하면, 도메인 A (901)와 관련된 문장들에 포함되는 분류 정보의 빈도 수를 그래프로 나타낸 것이다. 도 9의 (A)를 참조하면, 도메인 A (901)와 관련된 문장들에 포함되는 분류 정보의 빈도 수를 그래프로 나타낸 것이다.
도 9의 (B)는, 도메인 A (901)와 관련된 분류 정보와 도메인 A (901)에 대한 분류 정보의 가중치를 나타낸 것이다. 프로세서(120)는, 특정 도메인에 대해 미리 저장된 분류 정보들과 분류 정보들의 가중치를 추출하고, 디스플레이 모듈 모듈(160)을 통해, 분류 정보들의 빈도수나 가중치를 표시할 수 있다.
개발자는, 도메인 A (901)와 관련하여 어떠한 분류 정보가 가장 많이 학습 데이터에 포함되어 있고, 어떤 분류 정보의 가중치가 높게 결정되는지 분석할 수 있다.
도 10은 일 실시예에 따른 음성 인식 결과를 분석하는 방법의 흐름도이다.
동작(1001)에서, 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 피처 정보를 생성할 수 있다. 프로세서(120)는, 자동 음성 인식을 통해 수신된 사용자 발화를 텍스트로 변환하여, 사용자 발화에 대응하는 텍스트를 획득할 수 있다. 프로세서(120)는, 메모리(130)에 미리 저장된 피처 정보들에 기초하여, 사용자 발화에 대응하는 텍스트의 피처 정보를 결정할 수 있다.
동작(1002)에서, 프로세서(120)는, 텍스트의 피처 정보에 기초하여, 사용자 발화를 처리하는 출력 도메인을 결정할 수 있다. 프로세서(120)는, 사용자 발화에 대응하는 텍스트의 피처 정보를, 텍스트로부터 사용자 발화를 처리할 도메인을 결정하도록 트레이닝된 학습 모델에 입력함으로써, 출력 도메인을 결정할 수 있다.
동작(1003)에서, 프로세서(120)는, 메모리(130)로부터 출력 도메인과 관련된 피처 정보들을 추출할 수 있다. 메모리(130)는, 도메인 별로, 학습 모델의 트레이닝에 이용된 피처 정보들을 저장할 수 있다. 프로세서(120)는, 메모리(130)로부터 출력 도메인에 대해 미리 저장된 피처 정보들을 추출할 수 있다. 프로세서(120)는, 사용자로부터 결정된 예상 도메인을 식별하고, 메모리(130)로부터 예상 도메인에 대해 미리 저장된 피처 정보들을 추출할 수 있다.
동작(1004)에서, 프로세서(120)는, 디스플레이 모듈 모듈(160)을 이용하여, 출력 도메인과 관련된 피처 정보들을 표시할 수 있다. 프로세서(120)는, i) 사용자 발화에 대응하는 텍스트, ii) 사용자 발화에 대응하는 텍스트의 피처 정보, iii) 출력 도메인의 피처 정보들, iv) 예상 도메인의 피처 정보들, v) 출력 도메인의 피처 정보와 사용자 발화에 대응하는 텍스트의 피처 정보 간의 제1 유사도 및 vii) 예상 도메인의 피처 정보와 사용자 발화에 대응하는 텍스트의 피처 정보 간의 제2유사도 중 적어도 하나 이상을 디스플레이 모듈 모듈(160)에 표시할 수 있다.
프로세서(120)는, 제1 유사도가 높은 순으로 출력 도메인의 피처 정보들을 표시할 수 있고, 예상 도메인의 제2 유사도 높은 순으로 피처 정보들을 표시할 수 있다. 프로세서(120)는, 예상 도메인 또는 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 디스플레이 모듈 모듈(160)에 표시할 수 있다.
일 실시예에 따르면, 프로세서(120)는, 사용자로부터 별도의 예상 도메인의 수신 없이 출력 도메인에 관한 피처 정보를 추출하고, 출력 도메인과 관련된 피처 정보들 중 사용자 발화에 대응하는 텍스트의 피처 정보와 제1 유사도가 높은 피처 정보를 결정하고, 디스플레이 모듈 모듈(160)에 표시할 수 있다. 프로세서(120)는, 제1 유사도를 결정함에 있어, 피처 정보에 포함된 정보에 대해 미리 결정된 가중치를 고려하여, 제1 유사도를 결정할 수 있다.
도 11은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 11을 참조하면, 일 실시예의 통합 지능화 시스템은 사용자 단말(101), 지능형 서버(1100), 및 서비스 서버(1191)를 포함할 수 있다.
일 실시 예의 사용자 단말(101)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 음향 출력 모듈일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(101)은 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 메모리(130), 또는 프로세서(120)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 인터페이스(177)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 입력 모듈(150)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 음향 출력 모듈(155)는 전기적 신호를 소리(예: 음성)으로 출력할 수 있다. 일 실시 예의 디스플레이 모듈(160)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(160)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다.
일 실시 예의 메모리(130)는 클라이언트 모듈(144-2), SDK(software development kit)(144-1), 및 복수의 앱들(155)을 저장할 수 있다. 상기 클라이언트 모듈(144-2), 및 SDK(144-1)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(144-2) 또는 SDK(144-1)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(130)는 상기 복수의 앱들(146)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(146)은 제1 앱(146_1), 제2 앱(146_3) 을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(146) 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들(146)은 프로세서(120)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(120)는 사용자 단말(101)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(120)는 인터페이스(177), 입력 모듈(150), 음향 출력 모듈(155), 및 디스플레이 모듈(160)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(120)는 또한 상기 메모리(130)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(120)는 클라이언트 모듈(144-2) 또는 SDK(144-1) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(120)는, 예를 들어, SDK(144-1)를 통해 복수의 앱(155)의 동작을 제어할 수 있다. 클라이언트 모듈(144-2) 또는 SDK(144-1)의 동작으로 설명된 이하의 동작은 프로세서(120)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 입력 모듈(150)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(144-2)은 수신된 음성 입력을 지능형 서버(1100)로 송신할 수 있다. 클라이언트 모듈(144-2)은 수신된 음성 입력과 함께, 사용자 단말(101)의 상태 정보를 지능형 서버(1100)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 지능형 서버(1100)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(144-2)은 상기 수신된 결과를 디스플레이 모듈(160)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(144-2)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(160)에 표시할 수 있다. 클라이언트 모듈(144-2)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈에 표시할 수 있다. 사용자 단말(101)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(144-2)은 지능형 서버(1100)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144-2)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(1100)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(1100)로 송신할 수 있다. 지능형 서버(1100)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(144-2)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(144-2)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(144-2)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(1100)는 통신 망을 통해 사용자 단말(101)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(1100)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(1100)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜 중 적어도 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(1100)는 생성된 플랜에 따른 결과를 사용자 단말(101)로 송신하거나, 생성된 플랜을 사용자 단말(101)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 결과를 디스플레이 모듈에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈에 표시할 수 있다.
일 실시 예의 지능형 서버(1100)는 프론트 엔드(front end)(1110), 자연어 플랫폼(natual language platform)(1120), 캡슐 데이터베이스(capsule DB)(1130), 실행 엔진(execution engine)(1160), 엔드 유저 인터페이스(end user interface)(1150), 매니지먼트 플랫폼(management platform)(1150), 빅 데이터 플랫폼(big data platform)(1170), 또는 분석 플랫폼(analytic platform)(1180)을 포함할 수 있다.
일 실시 예의 프론트 엔드(1110)는 사용자 단말(101)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(1110)는 상기 음성 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1120)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(1121), 자연어 이해 모듈(natural language understanding module)(NLU module)(1123), 플래너 모듈(planner module)(1125), 자연어 생성 모듈(natural language generator module)(NLG module)(1127)또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(1129)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(1121)은 사용자 단말(101)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(1123)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(1123)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(1123)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(1125)은 자연어 이해 모듈(1123)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1125)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(1125)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(1125)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(1125)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(1125)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(1125)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(1125)는 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(1125)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(1130)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(1127)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(1129)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(1120)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(101)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(1130)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(1130)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(1130)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 사용자 단말(101)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(1130)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(1130)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(1130) 은 사용자 단말(101) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(1160)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(1150)는 산출된 결과를 사용자 단말(101)로 송신할 수 있다. 이에 따라, 사용자 단말(101)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(1150)은 지능형 서버(1100)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(1170)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(1180)을 지능형 서버(1100)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(1180)은 지능형 서버(1100)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(1191)는 사용자 단말(101)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(1191)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(1191)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(1100)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(1130)에 저장될 수 있다. 또한, 서비스 서버(1191)는 플랜에 따른 결과 정보를 지능형 서버(1100)에 제공할 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(101)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(101)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(101)은 상기 입력 모듈을 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(101)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(101)이 지능형 서버(1100) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 입력 모듈(150)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 인터페이스(177)를 이용하여 지능형 서버(1100)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(1100)는 사용자 단말(101)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(101)은, 인터페이스(177)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(101)은 상기 음향 출력 모듈(155)를 이용하여 사용자 단말(101) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(160)를 이용하여 사용자 단말(101) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 12는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(1100)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(1130))는 CAN (concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(1201), capsule(B)(1204))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예:capsule(A)(1201))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(1202) 또는 CP 2 (1203))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(1210) 및 적어도 하나 이상의 컨셉(1220)을 포함할 수 있다.
상기, 자연어 플랫폼(1120)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(1125)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (1201) 의 동작들(12011,12013) 과 컨셉들(12012,12014) 및 캡슐 B(1204)의 동작(12041) 과 컨셉(12042) 를 이용하여 플랜(1207) 을 생성할 수 있다.
도 13는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(101)은 지능형 서버(1100)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 1310 화면에서, 사용자 단말(101)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(101)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(1311)를 디스플레이 모듈(160)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(101)은 “이번주 일정 알려줘!”라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(101)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(1313)(예: 입력창)를 디스플레이 모듈에 표시할 수 있다.
일 실시 예에 따르면, 1320 화면에서, 사용자 단말(101)은 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈에 표시할 수 있다. 예를 들어, 사용자 단말(101)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 ‘이번주 일정’을 디스플레이 모듈에 표시할 수 있다.
다양한 실시예에 따른 전자 장치(101)에 있어서, 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈 모듈(160), 상기 디스플레이 모듈 모듈(160)과 전기적으로 연결된 프로세서(120), 상기 프로세서(120)와 전기적으로 연결된 메모리(130)를 포함하고, 상기 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 사용자에 의해 미리 결정되는 예상 도메인을 식별하고, 상기 메모리(130)로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈 모듈(160)을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시할 수 있다.
상기 프로세서(120)는, i) 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 제1 유사도 및 ii) 상기 텍스트의 피처 정보와 상기 예상 도메인과 관련된 피처 정보들 간의 제2 유사도를 결정하고, 상기 디스플레이 모듈 모듈(160)을 이용하여, 상기 제1 유사도와 상기 제2 유사도를 표시할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 예상 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈 모듈(160)에 표시할 수 있다.
상기 프로세서(120)는, 상기 사용자 발화와 연관된 도메인을 결정하도록 트레이닝된 학습 모델에, 상기 텍스트의 피처 정보를 입력함으로써, 상기 출력 도메인을 결정할 수 있다.
상기 프로세서(120)는, 상기 텍스트를 복수의 토큰 정보로 구분하고, 상기 구분된 토큰 정보와 상기 메모리(130)에 미리 저장된 토큰 정보를 비교함으로써, 상기 텍스트의 피처 정보를 결정할 수 있다. 전자 장치(101).
다양한 실시예에 따른 전자 장치(101)에 있어서, 전자 장치(101)에 있어서, 상기 전자 장치(101)의 외부로 정보를 제공하는 디스플레이 모듈 모듈(160); 상기 디스플레이 모듈 모듈(160)과 전기적으로 연결된 프로세서(120); 상기 프로세서(120)와 전기적으로 연결된 메모리(130)를 포함하고, 상기 프로세서(120)는, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고, 상기 생성된 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고, 상기 메모리(130)로부터 상기 출력 도메인과 관련된 피처 정보들을 추출하고, 상기 디스플레이 모듈 모듈(160)을 이용하여, 상기 출력 도메인과 관련된 피처 정보들을 표시할 수 있다.
상기 프로세서(120)는, 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 유사도를 결정하고, 상기 디스플레이 모듈 모듈(160)을 이용하여, 상기 유사도를 표시할 수 있다.
상기 피처 정보는, 하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고, 상기 프로세서(120)는, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 유사도를 결정할 수 있다.
상기 프로세서(120)는, 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 유사도를 결정할 수 있다.
다양한 실시예에 따른 음성 인식 결과를 분석하는 방법은, 사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계; 상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계; 사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계; 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계를 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 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 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 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 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 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, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 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 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 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 두 개의 사용자 장치들(예: 스마트 폰들) 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.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 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. 다양한 실시예들에 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.

Claims (17)

  1. 전자 장치에 있어서,
    상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈 모듈;
    상기 디스플레이 모듈 모듈과 전기적으로 연결된 프로세서; 및
    상기 프로세서와 전기적으로 연결된 메모리
    를 포함하고,
    상기 프로세서는,
    사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고,
    상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고,
    사용자에 의해 미리 결정되는 예상 도메인을 식별하고,
    상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하고,
    상기 디스플레이 모듈 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는,
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    i) 상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 제1 유사도 및 ii) 상기 텍스트의 피처 정보와 상기 예상 도메인과 관련된 피처 정보들 간의 제2 유사도를 결정하고, 상기 디스플레이 모듈 모듈을 이용하여, 상기 제1 유사도와 상기 제2 유사도를 표시하는, 전자 장치.
  3. 제2항에 있어서,
    상기 피처 정보는,
    하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고,
    상기 프로세서는,
    상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정하는, 전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 제1 유사도를 결정하는, 전자 장치.
  5. 제2항에 있어서,
    상기 피처 정보는,
    하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고,
    상기 프로세서는,
    상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정하는, 전자 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 예상 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 제2 유사도를 결정하는, 전자 장치.
  7. 제2항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈 모듈에 표시하는, 전자 장치.
  8. 제2항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들 중 상기 텍스트의 피처 정보와의 제1 유사도가 가장 높은 순으로 피처 정보를 상기 디스플레이 모듈 모듈에 표시하는, 전자 장치.
  9. 제4항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈 모듈에 표시하는, 전자 장치.
  10. 제6항에 있어서,
    상기 프로세서는,
    상기 예상 도메인과 관련된 피처 정보들에 포함된 분류 정보들 중 가중치가 기준 보다 높은 분류 정보를 상기 디스플레이 모듈 모듈에 표시하는, 전자 장치.
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 사용자 발화와 연관된 도메인을 결정하도록 트레이닝된 학습 모델에, 상기 텍스트의 피처 정보를 입력함으로써, 상기 출력 도메인을 결정하는, 전자 장치.
  12. 제1항에 있어서,
    상기 프로세서는,
    상기 텍스트를 복수의 토큰 정보로 구분하고, 상기 구분된 토큰 정보와 상기 메모리에 미리 저장된 토큰 정보를 비교함으로써, 상기 텍스트의 피처 정보를 결정하는, 전자 장치.
  13. 전자 장치에 있어서,
    상기 전자 장치의 외부로 정보를 제공하는 디스플레이 모듈 모듈;
    상기 디스플레이 모듈 모듈과 전기적으로 연결된 프로세서; 및
    상기 프로세서와 전기적으로 연결된 메모리
    를 포함하고,
    상기 프로세서는,
    사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하고,
    상기 생성된 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하고,
    상기 메모리로부터 상기 출력 도메인과 관련된 피처 정보들을 추출하고,
    상기 디스플레이 모듈 모듈을 이용하여, 상기 출력 도메인과 관련된 피처 정보들을 표시하는,
    전자 장치.
  14. 제13항에 있어서,
    상기 프로세서는,
    상기 텍스트의 피처 정보와 상기 출력 도메인과 관련된 피처 정보들의 유사도를 결정하고, 상기 디스플레이 모듈 모듈을 이용하여, 상기 유사도를 표시하는, 전자 장치.
  15. 제14항에 있어서,
    상기 피처 정보는,
    하나의 문장에 포함되는 단어들의 텍스트 정보, 분류 정보, 길이 정보 및 텍스트 정보 중 어느 하나 이상을 포함하고,
    상기 프로세서는,
    상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들을 비교함으로써, 상기 유사도를 결정하는, 전자 장치.
  16. 제15항에 있어서,
    상기 프로세서는,
    상기 출력 도메인과 관련된 피처 정보들에 포함되는 분류 정보들의 가중치를 결정하고, 상기 가중치를 고려하여, 상기 텍스트의 피처 정보에 포함된 분류 정보와 상기 출력 도메인과 관련된 피처 정보들에 포함된 분류 정보들을 비교함으로써, 상기 유사도를 결정하는, 전자 장치.
  17. 음성 인식 결과를 분석하는 방법에 있어서,
    사용자 발화에 대응하는 텍스트에 기초하여, 상기 텍스트의 피처 정보를 생성하는 단계;
    상기 텍스트의 피처 정보에 기초하여, 상기 사용자 발화를 처리하는 출력 도메인을 결정하는 단계;
    사용자에 의해 미리 결정되는 예상 도메인을 식별하는 단계;
    상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 추출하는 단계; 및
    상기 출력 도메인과 관련된 피처 정보들 및 상기 예상 도메인과 관련된 피처 정보들을 표시하는 단계
    를 포함하는, 음성 인식 결과를 분석하는 방법.
KR1020210022572A 2021-02-19 2021-02-19 음성 인식 결과를 분석하는 전자 장치 및 방법 KR20220118754A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020210022572A KR20220118754A (ko) 2021-02-19 2021-02-19 음성 인식 결과를 분석하는 전자 장치 및 방법
PCT/KR2022/000655 WO2022177165A1 (ko) 2021-02-19 2022-01-13 음성 인식 결과를 분석하는 전자 장치 및 방법
US17/745,328 US20220335946A1 (en) 2021-02-19 2022-05-16 Electronic device and method for analyzing speech recognition results

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210022572A KR20220118754A (ko) 2021-02-19 2021-02-19 음성 인식 결과를 분석하는 전자 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20220118754A true KR20220118754A (ko) 2022-08-26

Family

ID=82931414

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210022572A KR20220118754A (ko) 2021-02-19 2021-02-19 음성 인식 결과를 분석하는 전자 장치 및 방법

Country Status (3)

Country Link
US (1) US20220335946A1 (ko)
KR (1) KR20220118754A (ko)
WO (1) WO2022177165A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5346327B2 (ja) * 2010-08-10 2013-11-20 日本電信電話株式会社 対話学習装置、要約装置、対話学習方法、要約方法、プログラム
JP5914119B2 (ja) * 2012-04-04 2016-05-11 日本電信電話株式会社 音響モデル性能評価装置とその方法とプログラム
JP5986883B2 (ja) * 2012-10-23 2016-09-06 日本電信電話株式会社 言語モデル評価方法とその装置とプログラム
KR20180052347A (ko) * 2016-11-10 2018-05-18 삼성전자주식회사 음성 인식 장치 및 방법
WO2018134916A1 (ja) * 2017-01-18 2018-07-26 三菱電機株式会社 音声認識装置

Also Published As

Publication number Publication date
WO2022177165A1 (ko) 2022-08-25
US20220335946A1 (en) 2022-10-20

Similar Documents

Publication Publication Date Title
US11474780B2 (en) Method of providing speech recognition service and electronic device for same
US20220383873A1 (en) Apparatus for processing user commands and operation method thereof
US20220351719A1 (en) Electronic device and method for sharing execution information on user input having continuity
US20230088601A1 (en) Method for processing incomplete continuous utterance and server and electronic device for performing the method
US20220130377A1 (en) Electronic device and method for performing voice recognition thereof
KR20230091322A (ko) 전자 장치 및 전자 장치의 음성 명령어 추천 방법
KR20220118818A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220055937A (ko) 전자 장치 및 전자 장치의 음성 인식 수행 방법
KR20220086265A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220118754A (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
US20230267929A1 (en) Electronic device and utterance processing method thereof
US20220301544A1 (en) Electronic device including personalized text to speech module and method for controlling the same
US20240233716A1 (en) Electronic device and method of processing response to user of electronic device
US20230186031A1 (en) Electronic device for providing voice recognition service using user data and operating method thereof
US20220358907A1 (en) Method for providing response of voice input and electronic device supporting the same
US20240119941A1 (en) Method for analyzing user utterance based on utterance cache and electronic device supporting the same
EP4372737A1 (en) Electronic device, operating method and storage medium for processing speech not including predicate
KR20220127600A (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
KR20240020141A (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
KR20220046103A (ko) 전자 장치 및 자연어 이해를 위한 파라미터의 획득 방법
KR20220131098A (ko) 개인화 tts 모듈을 포함하는 전자 장치 및 이의 제어 방법
KR20230039423A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220119219A (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
KR20230123392A (ko) 전자 장치 및 전자 장치의 발화 처리 방법
KR20220120934A (ko) 음성 명령 처리 장치 및 방법