KR20220126557A - 다중 도메인 챗봇 시스템 및 그 운용 방법 - Google Patents

다중 도메인 챗봇 시스템 및 그 운용 방법 Download PDF

Info

Publication number
KR20220126557A
KR20220126557A KR1020210030982A KR20210030982A KR20220126557A KR 20220126557 A KR20220126557 A KR 20220126557A KR 1020210030982 A KR1020210030982 A KR 1020210030982A KR 20210030982 A KR20210030982 A KR 20210030982A KR 20220126557 A KR20220126557 A KR 20220126557A
Authority
KR
South Korea
Prior art keywords
domain
domains
user
accuracy
question
Prior art date
Application number
KR1020210030982A
Other languages
English (en)
Inventor
박흥순
Original Assignee
와우커뮤니케이션(주)
박흥순
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 와우커뮤니케이션(주), 박흥순 filed Critical 와우커뮤니케이션(주)
Priority to KR1020210030982A priority Critical patent/KR20220126557A/ko
Publication of KR20220126557A publication Critical patent/KR20220126557A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • 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
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer And Data Communications (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 지정 분야에 따라 각각 학습된 복수의 도메인; 상기 복수의 도메인과 질의 및 응답이 가능하도록 구축되어 상기 복수의 도메인을 개별 관리하는 도메인 에이전트; 및 상기 도메인 에이전트를 통해 상기 복수의 도메인 중 적어도 하나와 연계되어 사용자가 원하는 태스크를 수행하도록 하는 사용자 단말을 포함하는 다중 도메인 챗봇 시스템 및 그 운용 방법을 제시한다.

Description

다중 도메인 챗봇 시스템 및 그 운용 방법{Chatbot system having multi domain and based operating the same}
본 발명은 챗봇 시스템에 관한 것으로, 특히 단일 접속 환경에서 전환 가능한 다중 도메인을 구비하는 챗봇 시스템 및 그 운용 방법에 관한 것이다.
최근 스마트폰을 통한 메신저의 사용 확대와 인공 지능의 발전, 그리고 고객들과 기업들이 메시징 서비스를 통하여 연결되기를 원하고 있다. 이에 따라 정해진 응답 규칙을 바탕으로 메신저를 통해 사용자와 대답할 수 있도록 구현된 챗봇(chatbot) 시스템이 각광받고 있다. 챗봇이란 채팅과 로봇의 합성어로써, 텍스트 또는 음성을 통해 인간과 대화를 수행하고 대화를 통해 특정한 태스크를 수행하도록 제작된 소프트웨어를 의미한다. 즉, 챗봇은 사람들이 일상에서 사용하는 언어로 동작하는 대화형 시스템 또는 서비스를 의미한다.
이러한 챗봇은 일반적으로 도메인(domain)별로 특정 목적과 기능을 처리하도록 구축된다. 도메인은 챗봇 대화 주제의 범위를 지칭하는 말이며, 챗봇 서비스의 기준이 되는 단위이다. 예를 들어 "빵 만드는 방법"을 학습시킨 챗봇을 구축한다면 빵을 만드는 방법과 관련된 지식 및 대화 내용을 포함하는 것이 해당 도메인의 개념이다. 기본적으로 챗봇은 대화의 입출력, 데이터베이스(DB) 및 시스템 연동, 상담 관리 체계까지 모든 영역이 도메인을 기반으로 작동한다.
예를 들어 날씨 챗봇이 날씨에 대한 정보만 처리하는 것처럼 하나의 도메인은 특정한 목표만을 수행하기 때문에 질문과 답변이 다소 제한적인 상황이 발생할 수 밖에 없다. 이와 같은 방식은 좁은 전문 영역에 대한 질의응답은 자연스럽게 대처할 수 있으나, 그 대화 범위가 목표 대상 이외의 것으로 확대되면 정확한 답변을 기대할 수 없다. 최근 들어 많은 서비스 이용자들이 챗봇을 사용하는 것에는 익숙해졌지만 여전히 만족도가 높지 않은 경우가 많은데, 가장 큰 원인은 챗봇이 도메인 구성의 한계점으로 유연한 상황 대처를 하지 못하기 때문이다.
도메인은 대화 주제의 범위에 따라 클로즈 도메인(Closed Domain)과 오픈 도메인(Open Domain)으로 구분할 수 있다. 클로즈 도메인은 특정 주제를 기반으로 구축한 도메인으로서 예를 들면 식당 예약 등과 같이 특정 목표를 염두에 두고 설계되기 때문에 특정 주제에 대해서는 효율적이다. 그러나, 클로즈 도메인은 특정 주제 이외의 질문에 대해서는 답변하지 못하므로 효율성이 떨어진다. 이러한 클로즈 도메인의 한계를 극복하기 위해 제시된 오픈 도메인은 특정 주제나 목적에 국한하지 않고 일상 대화와 같이 광범위한 지식 데이터베이스를 기반으로 대화를 수행할 수 있도록 챗봇을 구축하는 개념이다. 그러나, 오픈 도메인은 방대한 지식 기반과 정교한 자연어 처리 기술로도 구현이 어려우며, 소요되는 자원의 규모 또한 클로즈 도메인보다 막대하다는 문제점이 있다. 또한, 극한으로 소모되는 자원과 기술의 개념에 대비해서 오픈 도메인의 목적 또한 불분명하여 상용화 및 일상화의 개념까지는 상당히 긴 시간이 소요될 것으로 예측된다.
현재에도 전문 도메인별 챗봇을 개별로 구축하여 사용자에게 적합한 내용을 제공할 수는 있으나, 이를 위해 사용자가 직접 해당 도메인의 챗봇을 찾아내야 하고 접속 과정을 반복해야 하는 번거로움이 발생한다. 이런 번거로움은 챗봇의 도입 목적과 상반되는 것이고 해당 기술의 존재 가치에 위배되는 상황이므로 다양한 도메인을 활용하기 위한 방식으로 채택될 수 없다.
한국등록특허 제10-1851795호
김승태 외 2, "언어모델 기반 오픈 도메인 챗봇 구현", 2020 온라인 추계학술발표대회 논문집 제27권 제2호 (2020. 11)
본 발명은 복수의 도메인이 정확도에 따라 전환되어 사용자의 대화에 응답하는 다중 도메인 챗봇 시스템 및 그 운용 방법을 제공한다.
본 발명은 사용자가 단일 대화 환경에서 챗봇과 대화하는 형태를 유지하면서 복수의 도메인이 전환되어 사용자의 대화에 응답하는 챗봇 시스템 및 그 운용 방법을 제공한다.
본 발명의 일 양태에 따른 다중 도메인 챗봇 시스템은 지정 분야에 따라 각각 학습된 복수의 도메인; 상기 복수의 도메인과 질의 및 응답이 가능하도록 구축되어 상기 복수의 도메인을 개별 관리하는 도메인 에이전트; 및 상기 도메인 에이전트를 통해 상기 복수의 도메인 중 적어도 하나와 연계되어 사용자가 원하는 태스크를 수행하도록 하는 사용자 단말을 포함한다.
상기 복수의 도메인 중 둘 이상은 적어도 일부 정보를 중복하여 학습된다.
상기 복수의 도메인은 학습 정보에 의한 태그를 각각 부여받는다,
상기 복수의 도메인 각각은 해당 도메인이 학습 정보를 기반으로 답변 정확도를 측정하는 정확도 측정부를 구비한다.
상기 도메인 에이전트는 복수의 도메인 각각에 부여된 태그를 학습한다.
상기 도메인 에이전트는 사용자의 질문에 따른 태그를 추출하여 복수의 도메인 중에서 추출된 태그에 해당되는 도메인을 추출한 후 답변 정확도에 따라 가장 높은 답변 정확도를 갖는 도메인을 사용자와 연계시킨다.
상기 도메인 에이전트는, 사용자의 질문과 연관성이 높은 태그를 추출하는 태그 추출부와, 상기 복수의 도메인 중에서 추출된 태그에 해당되는 적어도 하나의 도메인을 답변 대상으로 추출하는 도메인 추출부와, 답변 대상으로 추출된 적어도 하나의 도메인에 사용자의 질문을 동시에 질의하는 도메인 질의부와, 해당 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석하는 정확도 측정부와, 상기 정확도 측정부에 의해 측정된 도메인 중에서 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계하는 도메인 연계부를 포함한다.
상기 태그 추출부는 형태소 분석, 개체명 인식, 청킹(Chunking), 어휘 의미 분석 중 적어도 하나를 통해 사용자의 질문과 연관성이 높은 태그를 추출한다.
본 발명의 다른 양태에 따른 다중 도메인 챗봇 시스템의 운용 방법은 도메인 에이전트가 사용자의 질문을 유입하여 질문과 연관성이 높은 태그를 추출하는 과정과, 추출된 태그에 해당되는 도메인을 질의 대상으로 추출하는 과정과, 도메인 에이전트가 추출된 도메인 모두에게 동일한 질의를 하는 과정과, 해당 도메인별 정확도 측정부에서 답변 정확도를 추론하는 과정과, 도메인 에이전트가 적어도 두 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석하는 과정과, 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계하는 과정과, 사용자의 단일 접속 환경내에서 해당 도메인으로 전환되어 상담을 진행하는 과정을 포함한다.
해당 도메인과 질의응답 진행을 진행하고 도메인 질의 응답의 정확도가 낮아지거나 사용자 의사 표현을 통해 도메인 에이전트로 재전환하는 과정을 더 포함한다.
사용자가 질문에 대한 도메인의 응답에 만족한 경우 질문을 종료하여 챗봇 시스템의 운용을 종료하는 과정을 더 포함하고, 새로운 질문을 유입하여 상기 과정들을 반복하는 과정을 더 포함한다.
사용자의 질문 입력 이전에, 복수의 도메인을 구축하고 지정 분야에 맞도록 학습하는 과정과, 상기 복수의 도메인을 개별 관리하고 사용자 및 도메인과 질의 응답 처리 가능하도록 도메인 에이전트를 구축하는 과정과, 상기 복수의 도메인 각각에 학습된 지정 분야에 해당하도록 태그를 부여하고 해당 태그를 도메인 에이전트에 학습시키는 과정을 더 포함한다.
본 발명의 챗봇 시스템은 복수의 도메인과, 복수의 도메인을 개별 관리하는 도메인 에이전트를 포함할 수 있다. 본 발명의 챗봇 시템의 운용 방법은 도메인 에이전트가 복수의 도메인과 연결되고, 사용자가 도메인 에이전트와 대화를 시작하면 도메인 에이전트는 사용자의 질문 의도를 파악하고 부합하는 특정 도메인으로 전환되며, 전환된 도메인과 대화가 종료되거나 요청을 처리할 수 없는 경우 제어권은 다시 도메인 에이전트에게 전환되어 다시 해당 메시지를 기반으로 적절한 도메인으로 재전환된다.
이러한 본 발명은 사용자가 단일 대화 환경에서 챗봇과 대화하는 형태를 유지하면서 각 도메인이 자연스럽게 전환되어 사용자의 대화에 응답하도록 구성된다. 따라서, 본 빌명은 사용자가 필요로 하는 다양한 요구사항에 대응이 가능하며, 각각의 상황에서 만족도 높은 대응이 이루어질 수 있다. 또한, 본 발명은 향후 챗봇이 다루는 주제가 다양해지고 대화의 빈도가 늘어남에 따라 답변의 정확도를 높일 수 있다. 그리고, 도메인 전환 기능은 챗봇 뿐만 아니라 향후 인공지능( Artificial Intelligence; AI) 산업 분야 전반에 걸쳐서 필요한 기능이기도 하기에 국가 경쟁력을 향상시킬 수 있다.
도 1은 본 발명의 일 실시 예에 따른 다중 도메인 챗봇 시스템의 구성을 설명하기 위한 블럭도.
도 2는 본 발명의 일 실시 예에 따른 챗봇 시스템을 구성하는 도메인 에이전트의 구성을 설명하기 위한 블럭도.
도 3은 본 발명의 일 실시 예에 따른 다중 도메인 챗봇 시스템의 운용 방법을 설명하기 위한 흐름도.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명하기로 한다. 그러나, 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하며, 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 도면에서 여러 층 및 각 영역을 명확하게 표현하기 위하여 두께를 확대하여 표현하였으며 도면상에서 동일 부호는 동일한 요소를 지칭하도록 하였다.
도 1은 본 발명의 일 실시 예에 따른 다중 도메인을 구비하는 챗봇 시스템의 구성을 설명하기 위한 블럭도이고, 도 2는 챗봇 시스템을 구성하는 도메인 에이전트의 구성을 설명하기 위한 블럭도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 챗봇 시스템은 복수의 도메인(110, 120, 130; 100)과, 복수의 도메인(100)을 개별 관리하는 도메인 에이전트(200)를 포함할 수 있다. 또한, 사용자가 텍스트 또는 음성을 이용하여 도메인 에이전트(200)를 통해 복수의 도메인(100)으로부터 사용자가 원하는 태스크를 수행하도록 하는 사용자 단말(300)을 더 포함할 수 있다. 이러한 챗봇 시스템은 도메인 에이전트(200)가 사용자의 질문을 입력하고 사용자의 질문에 따른 태그(tag)를 추출하여 복수의 도메인(100) 중에서 추출된 태그에 해당되는 도메인을 추출한 후 답변 정확도에 따라 가장 높은 답변 정확도를 갖는 도메인을 사용자에게 전달한다. 이러한 본 발명에 따른 챗봇 시스템을 각 구성별로 좀더 상세하게 설명하면 다음과 같다.
1. 도메인
도메인(100)은 적어도 둘 이상 복수로 구성될 수 있다. 즉, 도메인(100)은 복수, 즉 n개로 구성될 수 있으며, 본 발명의 실시 예로서 도메인(100)은 제 1 내지 제 3 도메인(110, 120, 130)을 예시하여 설명한다. 이러한 복수의 도메인(100)은 지정 분야에 맞도록 지식 및 대화 내용을 포함하여 학습될 수 있다. 예를 들어, 복수의 도메인(100)은 지역, 날씨, 음식, 교통, 볼거리, 숙박 등의 정보를 학습할 수 있다. 이때, 복수의 도메인(100)은 적어도 일부 정보를 중복하여 학습할 수 있다. 예를 들어, 제 1 도메인(110)이 A, B, C 및 D의 정보를 학습할 수 있고, 제 2 도메인(120)이 A 및 B의 정보를 학습할 수 있으며, 제 3 도메인(130)이 C 및 D의 정보를 학습할 수 있다. 구체적인 예로서, 제 1 도메인(110)은 지역, 날씨, 음식, 교통, 볼거리, 숙박에 관련된 정보를 학습할 수 있고, 제 2 도메인(120)은 지역, 날씨에 관련된 정보를 학습할 수 있으며, 제 3 도메인(130)은 지역, 음식, 볼거리, 숙박에 관련된 정보를 할습할 수 있다. 더욱 구체적인 예로서, 제 1 도메인(110)은 전주의 날씨, 음식, 교통, 볼거리, 숙박 정보를 학습할 수 있고, 제 2 도메인(120)은 전주를 포함한 전국 각지의 날씨에 관련된 정보를 학습할 수 있으며, 제 3 도메인(130)은 전주를 포함한 전국 각지의 음식, 볼거리, 숙박에 관련된 정보를 할습할 수 있다. 즉, 제 1 도메인(110)은 특정 지역의 특징 정보를 학습하고, 제 2 도메인(120)은 전국 각 지역의 날씨 정보를 학습할 수 있으며, 제 3 도메인(130)은 전국 각 지역의 관광 정보를 학습할 수 있다. 물론, 도메인(100)은 제 1 내지 제 3 도메인(110 내지 130)의 지역 정보 뿐만 아니라 다양한 정보가 학습된 복수의 도메인을 더 포함할 수 있다. 예를 들어, 상품 정보와, 상품 가격, 해당 상품을 판매하는 온라인 또는 오프라인 쇼핑몰의 정보를 학습한 복수의 도메인을 더 포함할 수 있다. 한편, 복수의 도메인(100)은 관련 정보를 텍스트 뿐만 아니라 사진, 동영상 등의 형태로 학습할 수도 있다. 또한, 복수의 도메인(100) 각각에는 답변의 정확도를 측정할 수 있는 정확도 측정부가 탑재될 수 있다. 정확도 측정부는 도메인 에이전트(200)로부터 사용자 질문이 전달되면 답변 정확도를 추론한다. 각 도메인(100) 내의 정확도 측정부는 해당 도메인이 학습된 정보를 기반으로 답변 정확도를 측정한다. 여기서, 답변 정확도는 인공지능 머신러닝 알고리즘에 기반하여 입력된 문의 항목에 대한 답변 문장을 도출하고, 해당 문장이 문의 항목에 대해 얼마나 정확한 답변이 되었을지를 확률적으로 추론하게 된다. 이를 기반으로 답변의 정확도를 측정하게 된다. 즉, 답변 정확도는 인공지능 알고리즘에 따른 확률적 추론 정확성이라고 볼 수 있다. 이때, 답변 정확도는 %로 분석될 수 있다. 예를 들어, "전주" 및 "날씨"에 대하여 제 1 도메인(110)이 "전주 날씨는 서울보다는 좀 따뜻해요."라는 응답을 하고, 제 2 도메인(120)은 "오늘 전주 날씨는 맑고 최저 10도 최고 18도 입니다."라는 응답을 할 경우 제 1 도메인(110)의 정확도 75%, 제 2 도메인(120)의 정확도 95%로 분석할 수 있다.
2. 도메인 에이전트
도메인 에이전트(200)는 도메인(100)과 질의 및 응답이 가능하도록 구축되어 복수의 도메인(100)을 개별적으로 관리할 수 있다. 또한, 도메인 에이전트(200)는 복수의 도메인(100) 각각에 학습된 지정 분야에 에이전트 연계용 태그를 부여하고 이를 학습한다. 태그는 예를 들어 지역, 날씨, 음식, 교통, 볼거리, 숙박 등으로 설정하여 부여할 수 있다. 구체적인 예로서, 제 1 도메인(110)은 전주와, 전주의 날씨, 음식, 교통, 볼거리, 숙박을 태그로 설정할 수 있고, 제 2 도메인(120)은 전국 각 지역과 그 지역의 날씨를 태그로 설정할 수 있으며, 제 3 도메인(130)은 전국 각 지역과, 그 지역의 음식, 교통, 볼거리, 숙박 등 관광 정보를 태그로 설정할 수 있다. 이러한 도메인 에이전트(200)는 사용자로부터 유입된 질문에서 태그를 추출하고, 복수의 도메인(100)에서 추출된 태그에 해당되는 도메인을 추출한다. 또한, 도메인 에이전트(200)는 추출된 도메인에 사용자의 질문을 질의하고, 도메인으로부터 받은 답변의 정확도를 측정하여 정확도가 높은 도메인과 사용자를 연계시킨다. 이를 위해 도메인 에이전트(200)는 도 2에 도시된 바와 같이 질문 유입부(210), 태그 추출부(220), 도메인 추출부(230), 도메인 질의부(240), 정확도 측정부(250) 및 도메인 연계부(260)를 포함할 수 있다.
질문 유입부(210)는 사용자의 질문을 사용자 단말(300)을 통해 유입한다. 즉, 질문 유입부(210)는 사용자 단말(300)과 네트워크로 연결되어 사용자의 질문을 유입한다. 예를 들어, 사용자 단말(300)을 통해 사용자의 "오늘 전주 날씨 어때?"라는 질문을 질문 유입부(210)가 유입한다. 이때, 사용자는 텍스트(text) 형태 또는 대화 형태로 질문할 수도 있고, 질문 유입부(210)는 이러한 다양한 형태의 질문을 유입할 수 있다. 또한, 질문 유입부(200)는 텍스트 또는 대화 형태의 질문을 유입하여 도메인 에이전트(200)가 해석 가능한 형태로 변경할 수 있다. 예를 들어, 대화 형태의 질문을 텍스트 형태로 변경할 수 있다.
태그 추출부(220)는 사용자의 대화 및 질문을 유입하여 사용자의 질문에 연관성이 높은 태그를 추출한다. 태그 추출부(220)는 형태소 분석, 개체명 인식, 청킹(Chunking), 어휘 의미 분석을 활용할 수 있다. 여기서, 형태소 분석은 품사를 결정하는 것이고, 개체명 인식은 주요한 개체를 인식하는 것이며, 청킹은 명사구, 동사구와 같이 구 단위로 묶는 기술이고, 어휘 의미 분석은 개별 어휘들의 의미를 구분하는 것이다. 이러한 과정을 거쳐 태그 추출부(220)는 사용자의 질문에 연관성이 높은 태그를 추출한다. 예를 들어, "오늘 전주 날씨 어때?"라는 사용자의 질문에서 태그 추출부(220)는 사용자 질문 중 주요 질문에 해당하는 "전주" 및 "날씨"를 태그로 추출한다.
도메인 추출부(230)는 복수의 도메인(100) 중에서 태그 추출부(220)에 의해 추출된 태그에 해당되는 적어도 하나의 도메인(100)을 답변 대상으로 추출한다. 즉, 복수의 도메인(100) 중 태그 추출부(220)에 의해 추출된 태그를 가진 도메인을 추출한다. 예를 들어, "전주" 및 "날씨"의 태그에 대하여 도메인 추출부(230)는 전주 및 날씨의 태그가 학습된 제 1 및 제 2 도메인(110, 120)을 답변 대상으로 추출한다.
도메인 질의부(240)는 해당 태그로 추출된 도메인(100) 모두에게 사용자의 질문을 동시에 질의한다. 즉, 태그 추출부(220)에 의해 추출된 태그를 갖는 도메인이 도메인 추출부(230)에 의해 추출된 후 도메인 질의부(240)는 추출된 도메인 모두에게 사용자의 질문을 동시에 질의한다. 예를 들어, 상기 예와 같이 "전주" 및 "날씨"의 태그를 갖는 제 1 및 제 2 도메인(110, 120)에 "오늘 전주 날씨 어때?"라는 사용자의 질문을 동일하게 질의한다.
정확도 측정부(250)는 해당 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석한다. 즉, 도메인 질의부(240)에 의해 해당 태그를 갖는 도메인(100)에 사용자의 질문이 전달되면 해당 도메인(100)은 내부의 정확도 측정부에서 답변 정확도를 추론하고, 이를 도메인 에이전트(200)의 정확도 측정부(250)에 전달할 수 있다. 정확도 측정부(250)는 하나 이상의 도메인(100)으로부터 전달된 정확도를 비교하여 보다 높은 정확도를 갖는 도메인(100)의 응답을 선택할 수 있다. 예를 들어, "전주" 및 "날씨"에 대하여 제 1 도메인(110)의 답변 정확도가 75%이고 제 2 도메인(120)의 답변 정확도가 95%로 측정된 경우 정확도 측정부(250)는 두 답변 정확도를 분석하여 답변 정확도가 높은 도메인(100), 즉 제 1 도메인(110)의 응답을 선택할 수 있다.
도메인 연계부(260)는 정확도 측정부(250)에 의해 측정된 도메인 중에서 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계한다. 즉, 정확도 측정부(250)에 의해 답변 정확도가 95%로 분석된 제 2 도메인(120)을 사용자 질문 응대용 도메인으로 사용자와 연계시킬 수 있다. 도메인 연계부(260)에 의해 단일 접속 환경에서 해당 도메인(100), 즉 제 2 도메인(120)으로 전환되어 사용자와 제 2 도메인(120) 사이에 상담이 진행될 수 있다. 즉, 도메인 연계부(260)가 사용자와 제 2 도메인(120)을 연계하면, 도메인 에이전트(200)는 빠지고 사용자가 제 2 도메인(120)과 단일 접속 환경에서 직접 상담을 진행할 수 있다. 그런데, 도메인 질의 응답의 정확도가 낮아지거나 사용자 의사 표현을 통해 도메인 에이전트(200)로 재전환될 수 있다. 즉, 제 2 도메인(120)의 응답 정확도가 낮거나, 사용자가 다른 도메인과의 질의응답을 원할 경우 사용자의 의사 표시에 따라 도메인 에이전트(200)가 사용자와 연계되어 사용자의 질문을 입력할 수 있다.
3. 사용자 단말
사용자 단말(300)은 네트워크를 통해 도메인 에이전트(200)에 연결된다. 또한, 사용자 단말(300)은 사용자 질문의 정확도에 따라 도메인 에이전트(200)에 의해 정확도가 높은 도메인(100)과 연계될 수 있다. 여기서, 네트워크는 주로 무선 네트워크로서, 이러한 네트워크(network)의 일례에는 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 3G, 4G, 5G 등이 포함되나, 이에 한정되지는 않는다. 사용자 단말(300)은 사용자의 질의를 입력받아서 네트워크를 통해 도메인 에이전트(200)로 전달하고, 도메인 에이전트(200)를 통한 복수의 도메인으로부터 질의에 대한 응답을 전달받아서 사용자에게 제공한다. 이를 위해 사용자 단말(300)은 챗봇 서비스 어플리케이션이 탑재된 단말일 수 있다. 사용자 단말(300)은 무선 통신이 가능한 단말을 포함할 수 있다. 예를 들어, 사용자 단말(300)은 네트워크를 통해 원격지의 도메인 에이전트(200)에 접속할 수 있는 단말기를 포함할 수 있다. 이러한 사용자 단말의 일 예로는 스마트폰, 스마트 패드, 태블릿 PC 등의 무선 통신 장치를 포함할 수 있다. 또한, 사용자 단말(300)은 상기 무선 통신 장치 이외에 노트북(notebook), 데스크탑(Desktop) 등과 같은 PC를 포함할 수 있다.
이러한 본 발명의 일 실시 예에 따른 다중 도메인 챗봇 시스템의 운용 방법을 도 3의 흐름도를 이용하여 설명하면 다음과 같다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 다중 도메인 챗봇 시스템의 운용 방법은 도메인 에이전트(200)가 사용자의 대화 및 질문을 유입하는 과정(S110)과, 도메인 에이전트(200)가 질문과 연관성이 높은 태그를 추출하는 과정(S120)과, 추출된 태그에 해당되는 도메인을 질의 대상으로 추출하는 과정(S130)과, 도메인 에이전트가 추출된 도메인 모두에게 동일한 질의를 처리하는 과정(S140)과, 해당 도메인별 정확도 측정부에서 답변 정확도를 추론하는 과정(S150)과, 해당 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석하는 과정(S160)과, 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계하는 과정(S170)과, 사용자의 단일 접속 환경내에서 해당 도메인으로 전환되어 상담을 진행하는 과정(S180)과, 해당 도메인과 질의응답 진행을 진행하고 도메인 질의 응답의 정확도가 낮아지거나 사용자 의사표현을 통해 도메인 에이전트로 재전환하는 과정(S190)을 포함할 수 있다. 또한, 사용자가 질문에 대한 도메인의 응답에 만족한 경우 질문을 종료하여 챗봇 시스템의 운용을 종료하는 과정(S200)을 더 포함할 수 있고, 챗봇 시스템의 운용을 종료하지 않고 새로운 질문을 유입하여 상기 과정 S110 내지 S200의 과정을 반복할 수 있다. 이러한 본 발명의 일 실시 예에 따른 다중 도메인 챗봇 시스템의 운용 방법을 각 과정별로 좀더 상세히 설명하면 다음과 같다.
한편, 챗봇 시스템의 운용을 위해 사용자의 질문 입력에 앞서 2개 이상의 도메인을 구축하고 지정 분야에 맞도록 학습한 후 모든 개별 도메인을 종합 관리하고 사용자 및 도메인과 질의 응답 처리 가능하도록 도메인 에이전트를 구축하고, 개별 도메인에 학습된 지정 분야에 해당하도록 태그를 부여하여 도메인 에이전트에 학습시킬 수 있다. 즉, 복수의 도메인(100)은 각각은 지정 분야에 맞도록 지식 및 대화 내용을 포함하여 학습될 수 있다. 예를 들어, 복수의 도메인(100)은 지역, 날씨, 음식, 교통, 볼거리, 숙박 등의 정보를 학습할 수 있다. 이때, 복수의 도메인(100)은 적어도 일부 정보를 중복하여 학습할 수 있다. 예를 들어, 제 1 도메인(110)이 A, B, C 및 D의 정보를 학습할 수 있고, 제 2 도메인(120)이 A 및 B의 정보를 학습할 수 있으며, 제 3 도메인(130)이 C 및 D의 정보를 학습할 수 있다. 여기서, A, B, C, D 등이 태그로서 복수의 도메인(100) 각각에 부여되고 도메인 에이전트(200)가 이러한 태그를 학습할 수 있다.
S110 : 사용자가 사용자 단말(300)을 이용하여 대화 및 질문을 입력하면 도메인 에이전트(200)는 이를 유입한다. 즉, 도메인 에이전트(200)의 질문 유입부(210)는 사용자 단말(300)과 네트워크로 연결되어 사용자의 질문을 사용자 단말(300)을 통해 유입한다. 예를 들어, 사용자 단말(300)을 통해 사용자의 "오늘 전주 날씨 어때?"라는 질문을 질문 유입부(210)가 유입한다. 이때, 사용자는 텍스트(text) 형태 또는 대화 형태로 질문할 수도 있고, 질문 유입부(210)는 이러한 다양한 형태의 질문을 유입할 수 있다. 또한, 질문 유입부(200)는 텍스트 또는 대화 형태의 질문을 유입하여 도메인 에이전트(200)가 해석 가능한 형태로 변경할 수 있다. 예를 들어, 대화 형태의 질문을 텍스트 형태로 변경할 수 있다.
S120 : 도메인 에이전트(200)는 사용자의 질문과 연관성이 높은 태그를 추출한다. 즉, 도메인 에이전트(200)의 태그 추출부(220)는 사용자의 대화 및 질문을 유입하여 사용자의 질문에 연관성이 높은 태그를 추출한다. 태그 추출부(220)는 형태소 분석, 개체명 인식, 청킹(Chunking), 어휘 의미 분석을 활용할 수 있다. 여기서, 형태소 분석은 품사를 결정하는 것이고, 개체명 인식은 주요한 개체를 인식하는 것이며, 청킹은 명사구, 동사구와 같이 구 단위로 묶는 기술이고, 어휘 의미 분석은 개별 어휘들의 의미를 구분하는 것이다. 이러한 과정을 거쳐 태그 추출부(220)는 사용자의 질문에 연관성이 높은 태그를 추출한다. 예를 들어, "오늘 전주 날씨 어때?"라는 사용자의 질문에서 태그 추출부(220)는 사용자 질문 중 주요 질문에 해당하는 "전주" 및 "날씨"를 태그로 추출한다.
S130 : 추출된 태그에 해당되는 도메인을 질의 대상으로 추출한다. 즉, 도메인 에이전트(200)의 도메인 추출부(230)는 태그 추출부(220)에 의해 추출된 태그에 해당되는 도메인(100)을 답변 대상으로 추출한다. 즉, 복수의 도메인(100) 중 태그 추출부(220)에 의해 추출된 태그를 가진 도메인을 추출한다. 예를 들어, 전주 및 날씨의 태그가 학습된 제 1 및 제 2 도메인(110, 120)을 답변 대상으로 추출한다.
S140 : 도메인 에이전트는 추출된 도메인 모두에게 동일한 질의를 처리한다. 즉, 태그 추출부(220)에 의해 추출된 태그를 갖는 도메인이 도메인 추출부(230)에 의해 추출된 후 도메인 질의부(240)는 추출된 도메인 모두에게 사용자의 질문을 동시에 질의한다. 예를 들어, 상기 예와 같이 전주 및 날씨의 태그를 갖는 제 1 및 제 2 도메인(110, 120)에 "오늘 전주 날씨 어때?"라는 사용자의 질문을 동일하게 질의한다.
S150 : 해당 도메인별 정확도 측정부에서 답변 정확도를 추론한다. 각 도메인(100) 내의 정확도 측정부는 해당 도메인이 학습된 정보를 기반으로 답변 정확도를 측정한다. 이때, 답변 정확도는 %로 분석될 수 있다. 예를 들어, 전주 및 날씨에 대하여 제 1 도메인(110)의 답변 정확도가 75%이고 제 2 도메인(120)의 답변 정확도가 95%로 분석될 수 있다. 구체적인 예로서, 제 1 도메인(110)이 "전주 날씨는 서울보다는 좀 따뜻해요."라는 응답을 하고, 제 2 도메인(120)은 "오늘 전주 날씨는 맑고 최저 10도 최고 18도 입니다."라는 응답을 할 경우 제 1 도메인(110)의 정확도 75%, 제 2 도메인(120)의 정확도 95%로 판단할 수 있다.
S160 : 도메인 에이전트(200)는 해당 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석한다. 즉, 도메인 질의부(240)에 의해 해당 태그를 갖는 도메인(100)에 사용자의 질문이 전달되면 해당 도메인(100)은 내부의 정확도 측정부에서 답변 정확도를 추론하고, 이를 도메인 에이전트(200)의 정확도 측정부(250)에 전달할 수 있다. 이때, 답변 정확도는 %로 분석될 수 있다. 예를 들어, 전주 및 날씨에 대하여 제 1 도메인(110)의 답변 정확도가 75%이고 제 2 도메인(120)의 답변 정확도가 95%로 분석될 경우 정확도 측정부(250)는 답변 정확도가 높은 제 2 도메인(120)을 선택할 수 있다. 구체적인 예로서, 제 1 도메인(110)이 "전주 날씨는 서울보다는 좀 따뜻해요."라는 응답을 하고, 제 2 도메인(120)은 "오늘 전주 날씨는 맑고 최저 10도 최고 18도 입니다."라는 응답을 하여 제 1 도메인(110)의 정확도가 75%, 제 2 도메인(120)의 정확도가 95%로 분석될 경우 정확도 측정부(250)는 정확도가 높은 제 2 도메인(120)을 선택할 수 있다.
S170: 도메인 에이전트(200)는 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계한다. 즉, 도메인 에이전트(200)의 도메인 연계부(260)는 정확도 측정부(250)에 의해 측정된 도메인 중에서 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계한다. 예를 들어, 정확도 측정부(250)에서 "오늘 전주 날씨 어때?"라는 질문에 대한 정확도를 제 1 도메인(110)이 75%, 제 2 도메인(120)이 95%로 판단할 경우 제 1 도메인(110)을 사용자 응대용으로 연계한다. 즉, 정확도 측정부(250)에 의해 답변 정확도가 95%로 분석된 제 2 도메인(120)을 사용자 질문 응대용 도메인으로 사용자와 연계시킬 수 있다.
S180 : 사용자의 단일 접속 환경내에서 해당 도메인으로 전환되어 상담을 진행한다. 즉, 도메인 연계부(260)에 의해 단일 접속 환경에서 해당 도메인(100), 즉 제 2 도메인(120)으로 전환되어 사용자와 제 2 도메인(120) 사이에 상담이 진행될 수 있다. 즉, 도메인 연계부(260)가 사용자와 제 2 도메인(120)을 연계하면, 도메인 에이전트(200)는 빠지고 사용자가 제 2 도메인(120)과 단일 접속 환경에서 상담을 진행할 수 있다.
S190 : 해당 도메인과 질의응답 진행을 진행하고 도메인 질의 응답의 정확도가 낮아지거나 사용자 의사표현을 통해 도메인 에이전트로 재전환한다. 즉, 제 2 도메인(120)의 응답 정확도가 낮거나, 사용자가 다른 도메인과의 질의응답을 원할 경우 사용자의 의사 표시에 따라 도메인 에이전트(200)가 사용자와 연계되어 사용자의 질문을 입력할 수 있다.
S200 : 사용자가 질문에 대한 도메인의 응답에 만족한 경우 질문을 종료하여 챗봇 시스템의 운용을 종료하거나, 챗봇 시스템의 운용을 종료하지 않고 새로운 질문을 유입하여 상기 과정 S110 내지 S200의 과정을 반복할 수 있다. 예를 들어, 사용자가 "전주 가는 교통 알려줘"라는 질문을 입력하면 도메인 에이전트(200)는 "전주", "교통"을 태그로 추출하여 이에 해당하는 도메인을 추출하고 질의하여 최적의 도메인을 추출하여 사용자와 연계하는 상기 과정들을 반복할 수 있다.
상기한 바와 같이, 본 발명은 도메인(100)의 학습 내용과 별도로 도메인 에이전트(200)가 분류를 위한 태그(대분류)를 도메인(100)에 부여하고 먼저 태그 기반으로 도메인(100)을 선별한 뒤, 대상 도메인 질의 응답의 정확도를 확인한다. 또한, 응답의 정확도를 측정하기 위해 도메인 에이전트(200) 및 각 도메인(100)은 정확도 측정부를 각각 구비하고 있다. 각 도메인(100)의 정확도 측정부는 해당 도메인의 학습 내용을 기반으로 응답의 정확도를 계산하고, 도메인 에이전트(200)는 대상 도메인별 정확도를 비교하여 적합한 도메인을 선별한다. 그리고, 적합한 도메인이 추출되면 사용자와 도메인으로 대화의 주체가 전환되어 해당 도메인이 직접 질의응답 처리를 진행한다. 즉, 본 발명은 사용자가 단일 대화 환경에서 챗봇과 대화하는 형태를 유지하면서 각 도메인이 자연스럽게 전환되어 사용자의 대화에 응답하도록 구성된다. 따라서, 본 빌명은 사용자가 필요로 하는 다양한 요구사항에 대응이 가능하며, 각각의 상황에서 만족도 높은 대응이 이루어질 수 있다. 또한, 본 발명은 향후 챗봇이 다루는 주제가 다양해지고 대화의 빈도가 늘어남에 따라 답변의 정확도를 높일 수 있다. 그리고, 도메인 전환 기능은 챗봇 뿐만 아니라 향후 인공지능( Artificial Intelligence; AI) 산업 분야 전반에 걸쳐서 필요한 기능이기도 하기에 국가 경쟁력을 향상시킬 수 있을 것으로 기대된다.
상기한 바와 같은 본 발명의 기술적 사상은 상기 실시 예에 따라 구체적으로 기술되었으나, 상기 실시 예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주지해야 한다. 또한, 본 발명의 기술분야에서 당업자는 본 발명의 기술 사상의 범위 내에서 다양한 실시 예가 가능함을 이해할 수 있을 것이다.
100 : 도메인 200 : 도메인 에이전트
300 : 사용자 단말 210 : 질문 유입부
220 : 태그 추출부 230 : 메인 추출부
240 : 도메인 질의부 250 : 정확도 측정부
260 : 도메인 연계부

Claims (12)

  1. 지정 분야에 따라 각각 학습된 복수의 도메인;
    상기 복수의 도메인과 질의 및 응답이 가능하도록 구축되어 상기 복수의 도메인을 개별 관리하는 도메인 에이전트; 및
    상기 도메인 에이전트를 통해 상기 복수의 도메인 중 적어도 하나와 연계되어 사용자가 원하는 태스크를 수행하도록 하는 사용자 단말을 포함하는 다중 도메인 챗봇 시스템.
  2. 청구항 1에 있어서, 상기 복수의 도메인 중 둘 이상은 적어도 일부 정보를 중복하여 학습된 다중 도메인 챗봇 시스템.
  3. 청구항 2에 있어서, 상기 복수의 도메인은 학습 정보에 의한 태그를 각각 부여받은 다중 도메인 챗봇 시스템.
  4. 청구항 2에 있어서, 상기 복수의 도메인 각각은 해당 도메인이 학습 정보를 기반으로 답변 정확도를 측정하는 정확도 측정부를 구비하는 다중 도메인 챗봇 시스템.
  5. 청구항 1에 있어서, 상기 도메인 에이전트는 복수의 도메인 각각에 부여된 태그를 학습한 다중 도메인 챗봇 시스템.
  6. 청구항 5에 있어서, 상기 도메인 에이전트는 사용자의 질문에 따른 태그를 추출하여 복수의 도메인 중에서 추출된 태그에 해당되는 도메인을 추출한 후 답변 정확도에 따라 가장 높은 답변 정확도를 갖는 도메인을 사용자와 연계시키는 다중 도메인 챗봇 시스템.
  7. 청구항 6에 있어서, 상기 도메인 에이전트는,
    사용자의 질문과 연관성이 높은 태그를 추출하는 태그 추출부와,
    상기 복수의 도메인 중에서 추출된 태그에 해당되는 적어도 하나의 도메인을 답변 대상으로 추출하는 도메인 추출부와,
    답변 대상으로 추출된 적어도 하나의 도메인에 사용자의 질문을 동시에 질의하는 도메인 질의부와,
    해당 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석하는 정확도 측정부와,
    상기 정확도 측정부에 의해 측정된 도메인 중에서 정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계하는 도메인 연계부를 포함하는 다중 도메인 챗봇 시스템.
  8. 청구항 7에 있어서, 상기 태그 추출부는 형태소 분석, 개체명 인식, 청킹(Chunking), 어휘 의미 분석 중 적어도 하나를 통해 사용자의 질문과 연관성이 높은 태그를 추출하는 다중 도메인 챗봇 시스템.
  9. 도메인 에이전트가 사용자의 질문을 유입하여 질문과 연관성이 높은 태그를 추출하는 과정과,
    추출된 태그에 해당되는 도메인을 질의 대상으로 추출하는 과정과,
    도메인 에이전트가 추출된 도메인 모두에게 동일한 질의를 하는 과정과,
    해당 도메인별 정확도 측정부에서 답변 정확도를 추론하는 과정과,
    도메인 에이전트가 적어도 두 도메인별 정확도 측정부에서 추론된 답변 정확도를 분석하는 과정과,
    정확도가 가장 높은 도메인을 호출하여 사용자 응대용으로 연계하는 과정과,
    사용자의 단일 접속 환경내에서 해당 도메인으로 전환되어 상담을 진행하는 과정을 포함하는 다중 도메인 챗봇 시스템의 운용 방법.
  10. 청구항 9에 있어서, 해당 도메인과 질의응답 진행을 진행하고 도메인 질의 응답의 정확도가 낮아지거나 사용자 의사 표현을 통해 도메인 에이전트로 재전환하는 과정을 더 포함하는 다중 도메인 챗봇 시스템의 운용 방법.
  11. 청구항 10에 있어서, 사용자가 질문에 대한 도메인의 응답에 만족한 경우 질문을 종료하여 챗봇 시스템의 운용을 종료하는 과정을 더 포함하고,
    새로운 질문을 유입하여 상기 과정들을 반복하는 과정을 더 포함하는 다중 도메인 챗봇 시스템의 운용 방법.
  12. 청구항 9 내지 청구항 11 중 어느 한 항에 있어서, 사용자의 질문 입력 이전에, 복수의 도메인을 구축하고 지정 분야에 맞도록 학습하는 과정과,
    상기 복수의 도메인을 개별 관리하고 사용자 및 도메인과 질의 응답 처리 가능하도록 도메인 에이전트를 구축하는 과정과,
    상기 복수의 도메인 각각에 학습된 지정 분야에 해당하도록 태그를 부여하고 해당 태그를 도메인 에이전트에 학습시키는 과정을 더 포함하는 다중 도메인 챗봇 시스템의 운용 방법.
KR1020210030982A 2021-03-09 2021-03-09 다중 도메인 챗봇 시스템 및 그 운용 방법 KR20220126557A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210030982A KR20220126557A (ko) 2021-03-09 2021-03-09 다중 도메인 챗봇 시스템 및 그 운용 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210030982A KR20220126557A (ko) 2021-03-09 2021-03-09 다중 도메인 챗봇 시스템 및 그 운용 방법

Publications (1)

Publication Number Publication Date
KR20220126557A true KR20220126557A (ko) 2022-09-16

Family

ID=83445139

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210030982A KR20220126557A (ko) 2021-03-09 2021-03-09 다중 도메인 챗봇 시스템 및 그 운용 방법

Country Status (1)

Country Link
KR (1) KR20220126557A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101851795B1 (ko) 2017-12-22 2018-04-24 주식회사 마인드셋 도메인 특화 용어를 이용한 감정사전 업데이트 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101851795B1 (ko) 2017-12-22 2018-04-24 주식회사 마인드셋 도메인 특화 용어를 이용한 감정사전 업데이트 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
김승태 외 2, "언어모델 기반 오픈 도메인 챗봇 구현", 2020 온라인 추계학술발표대회 논문집 제27권 제2호 (2020. 11)

Similar Documents

Publication Publication Date Title
WO2020192450A1 (zh) 交互消息处理方法、装置、计算机设备和存储介质
CN101076184B (zh) 一种实现自动应答的系统及方法
CN107957992B (zh) 一种用户反馈信息的自动处理方法及系统
KR20190055425A (ko) 머신 러닝 기반의 챗봇용 데이터 추가 장치
CN113139036B (zh) 一种信息交互方法及设备
CA2823835C (en) Voice search and response based on relevancy
US20130239006A1 (en) Aggregator, filter and delivery system for online context dependent interaction, systems and methods
US20210406473A1 (en) System and method for building chatbot providing intelligent conversational service
KR101990895B1 (ko) 온라인 게시물 및 댓글 자동 응답용 인공지능 대화형 댓글 제공 시스템
JP5441455B2 (ja) ネットワーク基盤のサービス提供システム
US11050884B2 (en) Intent-driven contact center
CN114830614A (zh) 用于双向通信系统的功能即服务云聊天机器人
CN110941708B (zh) 智能问答库建立方法、智能问答方法及装置、计算机设备
KR20220018886A (ko) 신경망에 기반한 휴먼 머신 인터랙티브 방법, 장치 및 매체
US20230043260A1 (en) Persisting an AI-supported conversation across multiple channels
US11604563B1 (en) Predictive answers based on context modeling
KR20220126557A (ko) 다중 도메인 챗봇 시스템 및 그 운용 방법
Nie et al. Research on intelligent service of customer service system
CN111046151B (zh) 一种消息处理方法及装置
KR102672650B1 (ko) 챗봇을 활용한 정보제공 시스템
KR102511258B1 (ko) 클라이언트 단말을 이용하여 제3자가 참여하는 채팅 서비스 제공 장치 및 방법
CN115412523B (zh) 消息处理方法及装置
US20220336053A1 (en) Inherited machine learning model
US20230252980A1 (en) Multi-channel conversation processing
KR20230061190A (ko) 챗봇을 활용한 정보제공 시스템

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal