KR20220135039A

KR20220135039A - 전자 장치 및 이를 이용한 음성 인식 수행 방법

Info

Publication number: KR20220135039A
Application number: KR1020210040515A
Authority: KR
Inventors: 이태우; 바르토쉬 자보로우스키; 강태균; 이지현; 홍연아; 박영진; 말신 시코라; 권민석; 이정수; 정석영; 김한별; 방규섭; 원미미
Original assignee: 삼성전자주식회사
Priority date: 2021-03-29
Filing date: 2021-03-29
Publication date: 2022-10-06
Also published as: WO2022211257A1

Abstract

본 개시의 다양한 실시예들에 따르면, 전자 장치는, 마이크로폰, 메모리, 및 상기 마이크로폰 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 메모리에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하고, 상기 마이크로폰을 통해 사용자 발화에 따른 음성 신호를 수신하고, 상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하고, 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하고, 및 상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하도록 설정될 수 있다.
본 문서에 개시된 다양한 실시예들 이외의 다른 다양한 실시예가 가능하다.

Description

전자 장치 및 이를 이용한 음성 인식 수행 방법 {ELECTRONIC DEVICE AND METHOD FOR PERFORMING SPEECH RECOGNITION THEREOF}

본 개시의 다양한 실시예들은, 전자 장치 및 이를 이용한 음성 인식 수행 방법에 관한 것이다.

음성 인식 기술이 발전함에 따라 음성 입력 장치(예: 마이크)를 구비하는 다양한 전자 장치에서 음성 인식 기능이 구현될 수 있다. 예컨대, 음성 인식 기능을 통해 전자 장치는 사용자가 발화한 음성을 인식할 수 있으며, 사용자의 발화를 이해하고 발화 의도에 따른 서비스를 제공할 수 있다. 예컨대, 전자 장치는 사용자 발화에 따른 음성 신호에 기반하여, 전자 장치에 저장된 정보의 개체명(예: 어플리케이션 이름, 연락처에 저장된 사람 이름, 및/또는 노래 제목)을 인식할 수 있으며, 해당 개체명과 음성 신호의 도메인 정보에 기반하여, 사용자 발화에 따른 기능을 실행할 수 있다.

전자 장치에 저장된 정보의 개체명은 사용자마다 다르게 설정될 수 있다. 정보의 개체명이 사용자마다 다르게 설정됨에 따라, 사용자가 발화한 음성 신호에 대응하는 인식 결과가 다를 수 있다. 하지만, 사용자 발화에 따른 음성 인식을 수행하는 경우, 전자 장치에 저장된 정보의 개체명이 아닌, 범용적으로 사용되는 단어들이 인식 결과로서 출력될 수 있다.

본 개시의 다양한 실시예들에 따른 전자 장치는, 전자 장치에 저장된 정보의 개체명을 서브 워드 시퀀스에 기반하여 작은 크기의 언어 모델을 생성할 수 있다. 사용자 발화에 따른 음성 신호가 수신되면, 전자 장치는 생성된 언어 모델을 이용하여 음성 신호에 대응하는 단어로 예측되는 확률이 높은 복수의 후보 텍스트가 제공되도록 할 수 있다.

본 개시의 다양한 실시예들에 따른 전자 장치는, 마이크로폰, 메모리, 및 상기 마이크로폰 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고, 상기 프로세서는, 상기 메모리에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하고, 상기 마이크로폰을 통해 사용자 발화에 따른 음성 신호를 수신하고, 상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하고, 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하고, 및 상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하도록 설정될 수 있다.

본 개시의 다양한 실시예들에 따른 전자 장치의 음성 인식 수행 방법은, 상기 전자 장치의 메모리에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하는 동작, 마이크로폰을 통해 사용자 발화에 따른 음성 신호를 수신하는 동작, 상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하는 동작, 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작, 및 상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하는 동작을 포함할 수 있다.

본 개시의 다양한 실시예들에 따른 전자 장치는, 사용자 발화에 따른 음성 신호가 수신되는 것에 기반하여 음성 신호와 관련된 복수의 후보 텍스트를 제공할 수 있다. 전자 장치는, 전자 장치에 저장된 정보의 개체명에 대한 언어 모델을 이용하여 음성 신호와 관련된 복수의 후보 텍스트를 제공함에 따라, 사용자 발화에 따른 음성 신호에 대응하는 정보의 개체명의 인식 정확도를 향상시킬 수 있다.

도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 다양한 실시예들에 따른, 전자 장치를 도시한 블록도이다.
도 3은, 다양한 실시예들에 따른, 도 2의 음성 인식 모듈의 구성을 나타낸 블록도이다.
도 4는, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치의 음성 인식 방법을 설명하기 위한 흐름도이다.
도 5는, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치의 연락처에 저장된 사람 이름을 인식하는 방법을 설명하기 위한 도면이다.
도 6은, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치의 연락처에 저장된 사람 이름을 인식하는 방법을 설명하기 위한 도면이다.
도 7은, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치에 설치된 어플리케이션 이름을 인식하는 방법을 설명하기 위한 도면이다.

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 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 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(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. 일 실시예에 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. 일 실시예에 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(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 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. 일 실시예에 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, 마이크, 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, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 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. 일 실시예에 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: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 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. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 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. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다. 통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 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 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 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 제1 네트워크(198) 또는 제2 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: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 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. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 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 실시예들에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 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 제2 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. 일 실시예에 따르면, 명령 또는 데이터는 제2 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. 일 실시예에 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. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 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.

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. "제1", "제2", 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: 제1) 구성요소가 다른(예: 제2) 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 제3 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, 일 실시예에 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.

일 실시예에 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 스토어^TM)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.

도 2는, 다양한 실시예들에 따른, 전자 장치(201)를 도시한 블록도(200)이다. 도 3은, 다양한 실시예들에 따른, 도 2의 음성 인식 모듈(260)의 구성을 나타낸 블록도(300)이다.

도 2를 참조하면, 전자 장치(201)(예: 도 1의 전자 장치(101))는 통신 회로(210)(예: 도 1의 통신 모듈(190)), 메모리(220)(예: 도 1의 메모리(130)), 터치스크린 디스플레이(230)(예: 도 1의 디스플레이 모듈(160)), 오디오 처리 회로(240)(예: 도 1의 오디오 모듈(170)), 프로세서(250)(예: 도 1의 프로세서(120)), 및/또는 음성 인식 모듈(260)을 포함할 수 있다.

다양한 실시예들에서, 통신 회로(210)(예: 도 1의 통신 모듈(190))는 프로세서(250)의 제어 하에 전자 장치(201)와 적어도 하나의 외부 전자 장치(예: 도 1의 전자 장치(102), 전자 장치(104))(및/또는 서버(예: 도 1의 서버(108)) 간 통신 연결을 제어할 수 있다.

다양한 실시예들에서, 메모리(220)(예: 도 1의 메모리(130))는 전자 장치(201)의 프로세서(250)의 처리 및 제어를 위한 프로그램(예: 도 1의 프로그램(140)), 운영체제(operating system, OS)(예: 도 1의 운영체제(142)), 다양한 어플리케이션 및/또는 입/출력 데이터를 저장하는 기능을 수행하며, 전자 장치(201)의 전반적인 동작을 제어하는 프로그램을 저장할 수 있다. 메모리(220)는 전자 장치(201)에서 본 개시의 다양한 실시예들과 관련된 기능 처리 시 필요한 다양한 설정 정보를 저장할 수 있다.

다양한 실시예들에서, 메모리(220)는 프로세서(250)에 의해 수행될 수 있는, 지능형 서비스(예: AI 음성 어시스턴트(artificial intelligent voice assistant))를 처리하는 기능(또는 동작)과 관련된 음성 인식 모듈(260)을 포함할 수 있다. 예컨대, 메모리(220)는 음성 인식 모듈(260)의 적어도 하나의 모듈을 소프트웨어 형태로 포함할 수 있다. 예컨대, 음성 인식 모듈(260)의 기능은 메모리(220)에 인스트럭션(instruction) 형태로 구현되어 저장될 수 있다.

다양한 실시예들에서, 터치스크린 디스플레이(230)(예: 도 1의 디스플레이 모듈(160))는 디스플레이(231) 및 터치패널(233)을 포함하는 일체형으로 구성될 수 있다.

일 실시예에서, 터치스크린 디스플레이(230)는 프로세서(250)의 제어 하에 영상을 표시하며, 액정 디스플레이(liquid crystal display, LCD), 발광 다이오드(light-emitting diode, LED) 디스플레이, 유기 발광 다이오드(organic light-emitting diode, OLED) 디스플레이, 마이크로 전자 기계 시스템(micro electro mechanical systems, MEMS) 디스플레이, 전자 종이(electronic paper) 디스플레이, 또는 플렉서블 디스플레이(flexible display) 중 어느 하나로 구현될 수 있다. 하지만 이에 한정하는 것은 아니다.

다양한 실시예들에서, 터치스크린 디스플레이(230)(예: 도 1의 디스플레이 모듈(160))는 프로세서(250)의 제어 하에, 지능형 서비스(예: AI 음성 어시스턴트)의 수행과 관련된 실행 화면 및/또는 다양한 정보를 표시할 수 있다. 터치스크린 디스플레이(230)는 프로세서(250)의 제어 하에, 사용자 발화에 대해 처리된 응답 결과를 포함하는 사용자 인터페이스를 표시할 수 있다.

다양한 실시예들에서, 오디오 처리 회로(240)(예: 도 1의 오디오 모듈(170))는 마이크로폰(241) 및 스피커(243)(예: 도 1의 음향 출력 모듈(155))를 포함할 수 있다.

일 실시예에서, 마이크로폰(241)은 사용자 발화(utterance)에 따른 음성 신호(acoustic signal)를 수신할 수 있다. 예컨대, 마이크로폰(241)은 도 1의 연결 단자(178)에 구성된 오디오 커넥터를 통해 유선으로 연결된 외부 장치(예: 헤드셋, 마이크)로부터 음성 신호를 수신할 수 있다. 또 다른 예를 들어, 마이크로폰(241)은 무선 통신 회로(예: 도 1의 무선 통신 모듈(192))를 통해 전자 장치(201)에 무선으로 연결된 외부 전자 장치로부터 음성 신호를 수신할 수 있다. 일 실시예에서, 음성 신호는 단어 시퀀스(a sequence of words)를 포함할 수 있다. 각각의 단어 시퀀스는 단어(word), 단어의 하위 단위인 서브 워드(sub word), 구(phrase), 또는 문장(sentence)을 포함할 수 있다.

일 실시예에서, 스피커(243)는 사용자 발화에 대해 처리된 응답 결과를 소리로 출력할 수 있다.

다양한 실시예들에서, 프로세서(250)(예: 도 1의 프로세서(120))는 전자 장치(201)에서 지능형 서비스(예: AI 음성 어시스턴트)를 처리하는 것과 관련된 동작(또는 처리)을 제어할 수 있다. 예컨대, 프로세서(250)는 음성 인식 모듈(260)의 적어도 하나의 모듈을 포함할 수 있으며, 적어도 하나의 모듈에 기반하여, 사용자 발화에 따른 음성 인식 동작을 수행할 수 있다.

다양한 실시예들에서, 음성 인식 모듈(260)은 하드웨어 모듈(예: 회로(circuitry))로 프로세서(250)에 포함되거나, 및/또는 프로세서(250)에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(220))에 저장된 하나 이상의 인스트럭션들을 포함하는 소프트웨어로서 구현될 수 있다. 예컨대, 프로세서(250)에서 수행하는 동작들은, 메모리(220)에 저장되고, 실행 시에, 프로세서(250)가 동작하도록 하는 인스트럭션들에 의해 실행될 수 있다. 이에 한정하는 것은 아니며, 음성 인식 모듈(260)은 외부 전자 장치(예: 도 1의 서버(108))에 구현될 수 있다.

다양한 실시예들에서, 음성 인식 모듈(260)은 WFST(weighted finite state transducer) 모델 생성 모듈(310), ASR(automatic speech recognition) 모듈(320), 우선순위 설정 모듈(330), 및/또는 타겟 텍스트 결정 모듈(340)을 포함할 수 있다.

다양한 실시예들에서, WFST(weighted finite state transducer) 모델 생성 모듈(310)은 메모리(220)에 저장된 복수의 개체명(named entity)을 포함하는 개체명 리스트에 대한 WFST 모델을 생성할 수 있다. 메모리(220)에 저장된 복수의 개체명은, 연락처(contact)에 저장된 사람 이름, 어플리케이션 이름, 노래 제목, 및/또는 지역 이름을 포함할 수 있다. 이에 한정하는 것은 아니며, 메모리(220)에 저장된 복수의 개체명은 고유한 의미를 가지는 단어 또는 단어 열을 포함할 수 있다.

일 실시예에서, WFST 모델은 서브 워드가 개체명을 나타내는 단어 또는 단어 열로 예측될 수 있는 확률에 기초하여, 서브 워드가 입력되면 단어 또는 단어 열을 출력하는 언어 모델을 포함할 수 있다. WFST 모델은 유한 상태 트랜스듀서를 포함할 수 있다. 유한 상태 트랜스듀서는 입력되는 서브 워드를 기 설정된 규칙에 기반하여 상태 변환(state transition)을 하고, 상태 변환 결과에 따라 입력된 서브 워드의 이후에 나열될 수 있는 서브 워드를 결정할 수 있다.

일 실시예에서, WFST 모델 생성 모듈(310)은 메모리(220)에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할할 수 있다. 서브 워드는, 단어를 구성하는 기본 단위로, 예컨대, 음소(phoneme) 또는 음절(syllable)을 의미할 수 있다.

일 실시예에서, WFST 모델 생성 모듈(310)은 서브 워드 시퀀스(sub word sequence)에 기반하여 복수의 개체명 각각의 서브 워드에 대한 WFST 모델을 생성할 수 있다. 예컨대, 전자 장치(201)(예: WFST 모델 생성 모듈(310))는 서브 워드 시퀀스의 지정된 길이(length) 및 지정된 윈도우(window)에 기반하여 복수의 개체명 각각의 서브 워드에 대한 WFST 모델을 생성할 수 있다.

일 실시예에서, 생성된 WFST 모델은 바이너리 포맷(binary format) 형태로 메모리(220)에 저장될 수 있다. WFST 모델이 바이너리 포맷 형태로 저장됨에 따라 후술하는 디코더(323)에 의해 수행되는 디코딩 동작에서 WFST 모델에 기반한 데이터 처리 속도가 빠를 수 있으며, 메모리(220) 공간 또한 절약할 수 있다.

다양한 실시예들에서, 생성된 복수의 개체명 각각의 서브 워드에 대한 WFST 모델은 후술하는 후보 텍스트를 생성 시에 이용될 수 있다.

다양한 실시예들에서, WFST 모델 생성 모듈(310)은 복수의 WFST 모델을 생성할 수 있다. 예컨대, 복수의 WFST 모델은 특정 도메인(domain)에 특화된 언어 모델을 포함할 수 있다. 도메인은 음성 신호와 관련된 분야 또는 카테고리(category)를 포함할 수 있다. 예컨대, 특정 도메인은, 전화 도메인, 연락처 도메인, 및/또는 음악 도메인을 포함할 수 있다. 하지만 이에 한정하는 것은 아니다.

다양한 실시예들에서, ASR(automatic speech recognition) 모듈(320)은 마이크로폰(241)으로부터 수신되는 음성 신호를 텍스트 데이터로 변환할 수 있다. ASR 모듈(320)은 음성 신호로부터 특징 값(예: 특징 벡터)을 추출하는 인코더(321) 및 인코더(321)에 의해 추출된 특징 값에 기반하여 후보 텍스트를 출력하는 디코더(323)를 포함할 수 있다.

일 실시예에서, ASR 모듈(320)은 종단 간 ASR(end-to-end automatic speech recognition) 방식으로 음성 신호에 대한 음성 인식을 수행하도록 구성된 모델로 구현될 수 있다. 하지만 이에 한정하는 것은 아니다.

일 실시예에서, 인코더(321) 및 디코더(323)는 하나의 뉴럴 네트워크(neural network)로 구현되거나 또는 서로 별개의 뉴럴 네트워크들로 구현될 수 있다.

일 실시예에서, ASR 모듈(320)의 인코더(321)는 마이크로폰(241)로부터 수신한 음성 신호에서 음성의 특징을 나타내는 정보를 추출할 수 있다. 예컨대, ASR 모듈(320)의 인코더(321)는 음성 신호가 가지는 특징을 나타내는 정보를 포함하는 음성 특징 정보(예: 음성 특징 벡터)를 추출할 수 있다. 예컨대, ASR 모듈(320)의 인코더(321)는 지능형 서비스(예: AI 음성 어시스턴트)를 호출(또는 구동)하도록 지정된 발화(예: 하이 빅스비)가 인식되는 것에 기반하여, 음성 특징 정보를 추출하는 동작을 수행할 수 있다. 이에 한정하는 것은 아니며, ASR 모듈(320)의 인코더(321)는 지능형 서비스를 호출하도록 지정된 입력 예컨대, 입력 모듈(150)의 전원 키에 대한 두 번 연속 누르는 입력(또는, 디스플레이(231)의 터치 회로로부터 수신된 터치 입력)을 검출하는 것에 기반하여, 음성 특징 정보를 추출하는 동작을 수행할 수 있다.

일 실시예에서, ASR 모듈(320)의 인코더(321)는 음성 신호로부터 잡음을 제거하고 음성 구간을 검출하여, 음성 구간에서 음성 인식에 사용될 음성 특징 정보(예: 음성 특징 벡터)를 추출할 수 있다.

일 실시예에서, ASR 모듈(320)의 인코더(321)는 미리 준비된 훈련 데이터 및/또는 인공 지능 알고리즘을 이용하여 학습된 모델에 기반하여, 음성 특징 정보를 추출하는 동작을 수행할 수 있다. 하지만 이에 한정하는 것은 아니다.

일 실시예에서, ASR 모듈(320)의 디코더(323)는 음성 신호에서 추출한 음성 특징 정보에 기반하여 후보 텍스트를 생성할 수 있다. 일 실시예에서, ASR 모듈(320)의 디코더(323)에 의해 생성된 후보 텍스트는 하나 이상의 단어를 포함할 수 있다.

다양한 실시예들에서, ASR 모듈(320)의 디코더(323)는 인공 지능 모델(예: 종단 간 ASR(end-to-end automatic speech recognition) 모델)을 이용하여 음성 신호에 대한 언어 모델을 생성할 수 있다. 예컨대, 언어 모델은 자연어 처리 엔진을 구성하는 컴포넌트로서, 각 단어(서브워드 포함), 구(phrase), 및/또는 문장과 관련된 확률 값들(probability values)을 제공할 수 있다. ASR 모듈(320)의 디코더(323)는 전술한 언어 모델이 제공하는 텍스트 표현들과 해당 텍스트 표현들의 확률 값들에 기초하여, 복수의 후보 텍스트를 생성할 수 있다.

다양한 실시예들에서, ASR 모듈(320)의 디코더(323)는 빔 서치(beam search) 시 WFST 모델을 지정된 디코딩 방식(예: shallow fusion)을 통해 디코딩 하여, 복수의 후보 텍스트를 생성할 수 있다.

예컨대, ASR 모듈(320)의 디코더(323)는 빔 서치(beam search) 시 WFST 모델의 확률(probability)과 ASR 모듈(320)에 의해 학습된 음성 신호에 대한 언어 모델의 확률을 지정된 디코딩 방식(예: shallow fusion 방식)으로 서로 선형 결합하고, 이에 기반하여, 확률이 높은 복수의 후보 텍스트를 생성할 수 있다. 예컨대, 확률이 높은 복수의 후보 텍스트는, 타겟 텍스트에 해당할 확률이 높은 복수의 후보 텍스트를 의미할 수 있다.

다양한 실시예들에서, 우선순위 설정 모듈(330)은 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는지 여부를 확인할 수 있다. 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우, 우선순위 설정 모듈(330)은 적어도 하나의 개체명의 확률을 확인할 수 있다. 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률이 다른 후보 텍스트의 확률보다 낮은 것으로 확인되면, 우선순위 설정 모듈(330)은 적어도 하나의 개체명에 대응하는 후보 텍스트가 음성 신호에 대응하는 단어로 예측되도록, 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률을 다른 후보 텍스트의 확률보다 높게 설정할 수 있다.

다양한 실시예들에서, 타겟 텍스트 결정 모듈(340)은 확률이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정할 수 있다.

다양한 실시예들에 따른 전자 장치(201)는, 마이크로폰(241), 메모리(220), 및 상기 마이크로폰(241) 및 상기 메모리(220)와 작동적으로 연결된 프로세서(250)를 포함하고, 상기 프로세서(250)는, 상기 메모리(220)에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하고, 상기 마이크로폰(241)을 통해 사용자 발화에 따른 음성 신호를 수신하고, 상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하고, 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하고, 및 상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하도록 설정될 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 서브 워드 시퀀스의 길이를 확인하고, 상기 서브 워드 시퀀스의 길이가 상기 서브 워드 시퀀스의 지정된 길이를 초과하는 경우, 상기 서브 워드 시퀀스의 상기 지정된 길이 및 지정된 윈도우에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 상기 WFST 모델을 생성하도록 설정될 수 있다.

다양한 실시예들에서, 상기 WFST 모델은, 도메인(domain) 별로 생성된 복수의 WFST 모델을 포함할 수 있다.

다양한 실시예들에서, 상기 도메인은, 상기 음성 신호와 관련된 분야 또는 카테고리를 포함할 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 수신한 음성 신호의 도메인 정보를 확인하고, 및 상기 복수의 WFST 모델 중 상기 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하도록 설정될 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 음성 신호를 수신하는 것에 기반하여, 인공 지능 모델을 이용하여 상기 음성 신호에 대한 언어 모델을 생성하도록 설정될 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 WFST 모델의 확률과 상기 인공 지능 모델을 이용하여 생성된 상기 음성 신호에 대한 언어 모델의 확률을 서로 선형 결합하고, 이에 기반하여 확률이 높은 상기 음성 신호와 관련된 상기 복수의 후보 텍스트를 생성하도록 설정될 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 메모리(220)에 저장된 복수의 개체명을 참조하여, 상기 복수의 개체명 중 상기 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는지 여부를 확인하고, 및 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값과 다른 후보 텍스트의 확률 값을 비교하도록 설정될 수 있다.

다양한 실시예들에서, 상기 프로세서(250)는, 상기 비교 결과에 기반하여, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 상기 다른 후보 텍스트의 확률 값보다 낮은 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정할 수 있다.

다양한 실시예들에 따른 전자 장치(201)는, 디스플레이(231)를 더 포함하며, 상기 프로세서(250)는, 상기 타겟 텍스트에 기반하여 상기 전자 장치(201)의 기능을 실행하고, 상기 기능 실행에 따른 사용자 인터페이스를 상기 디스플레이(231)에 표시하도록 설정될 수 있다.

도 4는, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치(201)의 음성 인식 방법을 설명하기 위한 흐름도(400)이다.

도 4를 참조하면, 전자 장치(예: 도 2의 전자 장치(201))는 405동작에서, 메모리(예: 도 2의 메모리(220))에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할할 수 있다. 메모리(220)에 저장된 복수의 개체명은, 연락처에 저장된 사람 이름, 어플리케이션 이름과 같이 고유한 의미를 가지는 단어 또는 단어 열을 포함할 수 있다.

이에 한정하는 것은 아니며, 복수의 개체명은, 예컨대, 실행되고 있는 어플리케이션에 포함된 복수의 개체명에 해당되는 단어 또는 단어 열을 포함할 수 있다. 예컨대, 음악 어플리케이션인 경우, 플레이리스트에 포함되거나, 재생 중인 음악(또는 재생 이력이 있는 음악)에 관한 노래 명, 아티스트 명, 및/또는 작곡가 명을 포함하는 개체명을 획득하여 메모리(220)에 저장할 수 있다. 다른 예를 들어, 검색 어플리케이션인 경우, 전자 장치(201)는 웹 페이지를 크롤링(crawling)함으로써 획득되는 복수의 개체명을 메모리(220)에 저장할 수 있다.

다양한 실시예들에서, 복수의 개체명을 메모리(220)에 저장된 것으로 설명하였으나, 이에 한정하는 것은 아니다. 예컨대, 복수의 개체명은, 사용자 입력을 통해 수신되는 복수의 개체명 및/또는 외부의 서버로부터 수신되는 복수의 개체명을 포함할 수 있다.

일 실시예에서, 서브 워드는, 단어를 구성하는 기본 단위로, 예컨대, 음소(phoneme) 또는 음절(syllable)을 의미할 수 있다.

일 실시예에서, 전자 장치(201)는 410동작에서, 서브 워드 시퀀스(sub word sequence)에 기반하여 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성할 수 있다.

일 실시예에서, 전자 장치(201)는 서브 워드 시퀀스에 기반하여 복수의 개체명 각각의 서브 워드에 대한 WFST 모델을 생성할 수 있다. 예컨대, 서브 워드 시퀀스의 길이가 지정된 길이 이하인 경우, 전자 장치(201)는 복수의 개체명 각각의 서브 워드에 대한 full variation을 생성하고, 이에 기반하여, 복수의 개체명 각각의 서브 워드에 대한 WFST 모델을 생성할 수 있다. 다른 예를 들어, 서브 워드 시퀀스의 길이가 지정된 길이를 초과하는 경우, 전자 장치(201)는 서브 워드 시퀀스의 지정된 길이(length) 및 지정된 윈도우(window)에 기반하여 복수의 개체명 각각의 서브 워드에 대한 partial variation을 생성하고, 이에 기반하여, 복수의 개체명 각각의 서브 워드에 대한 WFST 모델을 생성할 수 있다.

다양한 실시예들에서, 개체명을 연락처에 저장된 사람 이름으로 가정하고, 연락처에 저장된 사람 이름 중 “강금단”에 대해 WFST 모델을 생성하는 것으로 가정하여 설명하도록 한다.

일 실시예에서, 전자 장치(201)는 연락처에 저장된 사람 이름 “강금단”을 하나의 서브 워드 시퀀스로 변환(예: 인코딩)하는 동작을 수행할 수 있다. 예컨대, 하기 <표 1>과 같이 연락처에 저장된 이름 “강금단”(예: 입력 값)을 하나의 서브 워드 시퀀스로 변환(예: 인코딩)하는 동작을 통해 출력 값 “247 316 742”을 생성할 수 있다. 출력 값은 입력 값에 매핑된 서브 워드(예: 가ㅇ, 그ㅁ, 다ㄴ_) 각각의 순서를 나타낸 것을 의미할 수 있다. 예컨대, 출력 값 “247”은 “가ㅇ”이 247번째 서브 워드를 나타내는 것을 의미할 수 있으며, 출력 값 “316”은 “그ㅁ”이 316번째 서브 워드를 나타내는 것을 의미할 수 있으며, 출력 값 “742”는 “다ㄴ_”이 742번째 서브 워드를 나타내는 것을 의미할 수 있다.

입력: 강금단
출력: 247(가ㅇ) 316(그ㅁ) 742(다ㄴ_)

다양한 실시예들에서, 전자 장치(201)는 생성된 하나의 서브 워드 시퀀스(예: 247(가ㅇ) 316(그ㅁ) 742(다ㄴ_))를 디코더(예: 도 3의 디코더(323))에서 생성할 수 있는 가능한 서브 워드 시퀀스 변수(sub word sequence variation)로 확장할 수 있다.

다양한 실시예들에서, 예컨대, 입력 값 “강금단”에 대한 서브 워드 시퀀스의 길이가 “3”이고, 지정된 길이가 “3”으로 설정(예: L=3)되고, 지정된 윈도우가 “2”로 설정(예: W=2)된 것으로 가정하여 설명하도록 한다. 전자 장치(201)는 지정된 길이(예: L=3) 및 지정된 윈도우(예: W=2)와 서브 워드 시퀀스(예: 247(가ㅇ) 316(그ㅁ) 742(다ㄴ_))에 기반하여, 하기 <표 2>와 같은 8개의 출력 값을 포함하는 “강금단”에 대한 full variation을 생성할 수 있다.

다양한 실시예들에서, 전자 장치(201)는 확장된 서브 워드 시퀀스 변수(예: L=3, W=2)에 기반하여 엔-그램(n-gram)(예: 트라이그램(trigram))을 생성하고, 엔-그램(n-gram)을 이용하여 “강금단”에 대한 WFST 모델을 생성할 수 있다.

입력: 247(가ㅇ) 316(그ㅁ) 742(다ㄴ_)
출력: 247(가ㅇ) 316(그ㅁ) 304(다ㄴ)
247(가ㅇ) 316(그ㅁ) 742(다ㄴ_)
247(가ㅇ) 1098(그ㅁ_) 304(다ㄴ)
247(가ㅇ) 1098(그ㅁ_) 742(다ㄴ_)
3539(가ㅇ_) 316(그ㅁ) 304(다ㄴ)
3539(가ㅇ_) 316(그ㅁ) 742(다ㄴ_)
3539(가ㅇ_) 1098(그ㅁ_) 304(다ㄴ)
3539(가ㅇ_) 1098(그ㅁ_) 742(다ㄴ_)

다양한 실시예들에서, 미도시 되었으나, 입력 값의 서브 워드 시퀀스의 길이가 지정된 길이(예: L=3)를 초과하는 경우, 전자 장치(201)는 지정된 길이(예: L=3)를 기준으로 지정된 윈도우 크기(예: W=2)만큼 하나의 서브 워드씩 시프트(shift)하여, 입력 값에 대한 partial variation을 생성할 수 있다. 전자 장치(201)는 확장된 서브 워드 시퀀스 변수(예: L=3, W=2)에 기반하여 엔-그램(n-gram)(예: 트라이그램(trigram))을 생성하고, 엔-그램(n-gram)을 이용하여 입력 값에 대한 WFST 모델을 생성할 수 있다.

다양한 실시예들에서, 서브 워드 시퀀스의 지정된 길이가 “3”(예: L=3), 지정된 윈도우가 “2”로 설정(예: W=2)된 것에 기반하여, WFST 모델을 생성하는 것으로 설명하였으나, 이는 하나의 실시예로 이에 한정하는 것은 아니다. 예컨대, 서브 워드 시퀀스의 지정된 길이와 지정된 윈도우는 개체명의 길이 및/또는 언어 특성(예: 한글, 영어)에 기반하여 상이하게 설정될 수 있다.

다양한 실시예들에 따른 <표 1> 및 <표 2>에서, WFST 모델은, 연락처에 저장된 사람 이름에 대한 WFST 모델로 설명하였으나, 이에 한정하는 것은 아니다. 예컨대, WFST 모델은 도메인 별로 생성된 복수의 WFST 모델을 포함할 수 있다. 도메인은 음성 신호와 관련된 분야 또는 카테고리를 포함할 수 있다. 예컨대, 도메인은, 전화 도메인, 연락처 도메인, 및/또는 음악 도메인을 포함할 수 있다. 하지만 이에 한정하는 것은 아니다.

일 실시예에서, 전자 장치(201)는 415동작에서, 마이크로폰(예: 도 2의 마이크로폰(241))을 통해 사용자 발화에 따른 음성 신호를 수신할 수 있다. 음성 신호는 단어 시퀀스(a sequence of words)를 포함할 수 있다. 각각의 단어 시퀀스는 단어(word), 단어의 하위 단위인 서브 워드(sub word), 구(phrase), 또는 문장(sentence)을 포함할 수 있다.

일 실시예에서, 전자 장치(201)는 420동작에서, WFST 모델을 이용하여 음성 신호와 관련된 복수의 후보 텍스트를 생성할 수 있다.

다양한 실시예들에서, 전술한 바와 같이 WFST 모델은 특정 도메인(domain)에 특화된 복수의 WFST 모델을 포함할 수 있다. 전자 장치(201)는 수신한 음성 신호의 도메인 정보를 확인하고, 복수의 WFST 모델 중 확인된 음성 신호의 도메인 정보에 대응하는 WFST 모델을 이용하여 음성 신호와 관련된 복수의 후보 텍스트를 생성할 수 있다.

다양한 실시예들에서, 마이크로폰(241)을 통해 음성 신호를 모두 수신한 후, 음성 신호의 도메인 정보를 확인하는 것으로 설명하였으나, 이에 한정하는 것은 아니다. 예컨대, 전자 장치(201)는 마이크로폰(241)을 통해 사용자 발화에 따른 음성 신호를 수신하는 중에 음성 신호에 대한 도메인 정보를 확인할 수 있다. 예컨대, 전자 장치(201)는 수신되는 사용자 발화에 따른 적어도 일부 음성 신호에 기반하여, 파셜(partial) 디코딩을 수행할 수 있다. 전자 장치(201)는 파셜 디코딩 결과에 기반하여, 음성 신호에 대한 도메인 정보를 먼저 확인한 후, 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 음성 신호와 관련된 복수의 후보 텍스트를 생성할 수 있다.

다양한 실시예들에서, 전자 장치(201)는 빔 서치 시, 음성 신호에 대한 도메인 정보에 대응하는 WFST 모델을 지정된 디코딩 방식(예: shallow fusion)을 통해 디코딩 하여, 복수의 후보 텍스트를 생성할 수 있다. 예컨대, 전자 장치(201)는 빔 서치(beam search) 시 WFST 모델의 확률(probability)과 ASR 모듈(320)에 의해 학습된 음성 신호에 대한 언어 모델의 확률을 지정된 디코딩 방식(예: shallow fusion 방식)으로 서로 선형 결합하고, 이에 기반하여, 확률이 높은 복수의 후보 텍스트를 생성할 수 있다.

일 실시예에서, 전자 장치(201)는 425동작에서, 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우, 적어도 하나의 개체명에 대응하는 후보 텍스트가 음성 신호에 대응하는 단어로 예측되도록, 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정할 수 있다.

예컨대, 전자 장치(201)는 메모리(220)에 저장된 복수의 개체명을 참조하여, 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는지 여부를 확인할 수 있다. 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우, 전자 장치(201)는 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값과 다른 후보 텍스트의 확률 값을 비교할 수 있다. 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 다른 후보 텍스트의 확률 값 이하인 경우, 전자 장치(201)는 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정할 수 있다. 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은, 적어도 하나의 개체명에 대응하는 후보 텍스트가 타겟 텍스트로 선택되도록 하기 위한 동작일 수 있다.

다양한 실시예들에서, 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 다른 후보 텍스트의 확률 값을 초과하는 경우, 425동작은 생략될 수 있다.

일 실시예에서, 전자 장치(201)는 430동작에서, 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정할 수 있다.

다양한 실시예들에서, 미도시 되었으나, 전자 장치(201)는 타겟 텍스트에 기반한 전자 장치(201)의 기능 실행에 따른 사용자 인터페이스를 디스플레이(예: 도 2의 디스플레이(231))에 출력할 수 있다.

다양한 실시예들에 따른 도 4에서, 425동작의 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우, 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정한 후, 430동작의 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하는 동작을 수행, 예컨대, 두 개의 동작으로 수행되는 것으로 설명하였으나, 이에 한정하는 것은 아니다. 예컨대, 425동작 및 430동작은 통합되어 하나의 동작으로 수행될 수 있다. 예컨대, 적어도 하나의 개체명에서 찾고자 하는 개체명을 포함하는 후보 텍스트가 발견되는 경우(예: 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우), 전자 장치(201)는 430동작과 통합하여, 발견된 후보 텍스트를 바로 타겟 텍스트로 선택할 수 있다.

다양한 실시예들에서, 미도시 되었으나, 전술한 425동작에서, 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은 생략 가능할 수 있다. 예컨대, 복수의 개체명 중 적어도 하나의 개체명이 복수의 후보 텍스트에 포함되어 있는 경우, 적어도 하나의 개체명에 대응하는 후보 텍스트를 타겟 텍스트로 결정할 수 있다.

다양한 실시예들에서, 전술한 405동작 내지 430동작에 따른 음성 인식을 통해, 전자 장치(201)는 사용자 발화에 따른 음성 신호에 대응하는 메모리(220)에 저장된 개체명을 보다 정확하게 인식할 수 있으며, 이에 따라 음성 인식의 성능이 개선될 수 있다.

다양한 실시예들에 따른, 전자 장치(201)의 음성 인식 수행 방법은, 상기 전자 장치(201)의 메모리(220)에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하는 동작, 마이크로폰(241)을 통해 사용자 발화에 따른 음성 신호를 수신하는 동작, 상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하는 동작, 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작, 및 상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하는 동작을 포함할 수 있다.

다양한 실시예들에 따른, 상기 WFST 모델을 생성하는 동작은, 상기 서브 워드 시퀀스의 길이를 확인하는 동작, 및 상기 서브 워드 시퀀스의 길이가 상기 서브 워드 시퀀스의 지정된 길이를 초과하는 경우, 상기 서브 워드 시퀀스의 상기 지정된 길이 및 지정된 윈도우에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 상기 WFST 모델을 생성하는 동작을 포함할 수 있다.

다양한 실시예들에 따른, 상기 복수의 후보 텍스트를 생성하는 동작은, 상기 수신한 음성 신호의 도메인 정보를 확인하는 동작, 및 상기 복수의 WFST 모델 중 상기 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하는 동작을 포함할 수 있다.

다양한 실시예들에 따른, 전자 장치(201)의 음성 인식 수행 방법은, 상기 음성 신호를 수신하는 것에 기반하여, 인공 지능 모델을 이용하여 상기 음성 신호에 대한 언어 모델을 생성하는 동작을 더 포함할 수 있다.

다양한 실시예들에서, 상기 복수의 후보 텍스트를 생성하는 동작은, 상기 WFST 모델의 확률과 상기 인공 지능 모델을 이용하여 생성된 상기 음성 신호에 대한 언어 모델의 확률을 서로 선형 결합하고, 이에 기반하여 확률이 높은 상기 음성 신호와 관련된 상기 복수의 후보 텍스트를 생성하는 동작을 포함할 수 있다.

다양한 실시예들에서, 상기 적어도 하나의 개체명에 대응하는 상기 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은, 상기 메모리(220)에 저장된 복수의 개체명을 참조하여, 상기 복수의 개체명 중 상기 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는지 여부를 확인하는 동작, 및 상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값과 다른 후보 텍스트의 확률 값을 비교하는 동작을 포함할 수 있다.

다양한 실시예들에서, 상기 적어도 하나의 개체명에 대응하는 상기 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은, 상기 비교 결과에 기반하여, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 상기 다른 후보 텍스트의 확률 값보다 낮은 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작을 포함할 수 있다.

다양한 실시예들에 따른, 전자 장치(201)의 음성 인식 수행 방법은, 상기 타겟 텍스트에 기반하여 상기 전자 장치(201)의 기능을 실행하고, 상기 기능 실행에 따른 사용자 인터페이스를 디스플레이(231)에 표시하는 동작을 더 포함할 수 있다.

도 5는, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치(201)의 연락처에 저장된 사람 이름을 인식하는 방법을 설명하기 위한 도면(500)이다.

다양한 실시예들에서, 전자 장치(예: 도 2의 전자 장치(201))는 연락처(예: 연락처 리스트)에 대한 WFST 모델을 생성(510)하고, 생성된 연락처에 대한 WFST 모델을 이용하여 사용자 발화에 따른 음성 인식을 수행(550)할 수 있다.

도 5를 참조하면, 전자 장치(201)는 WFST 모델 생성 모듈(예: 도 3의 WFST 모델 생성 모듈(310))을 이용하여 메모리(예: 도 2의 메모리(220))에 저장된 연락처 리스트(515)(예: 개체명 리스트)에 대한 WFST 모델을 생성(510)할 수 있다. 예컨대, WFST 모델 생성 모듈(310)은 연락처 리스트(515)에 저장된 사람 이름(예: 전자 장치(201)의 사용자에 의해 설정된 사람 이름)을 하나의 서브 워드 시퀀스로 변환(예: 인코딩)할 수 있다. WFST 모델 생성 모듈(310)은 동적 언어 모델 빌더(dynamic language model builder)(520)를 이용하여 연락처 리스트(515)에 저장된 사람 이름에 대한 WFST 모델 예컨대, 연락처 언어 모델(525)을 생성(510)할 수 있다.

일 실시예에서, 전자 장치(201)는 마이크로폰(예: 도 2의 마이크로폰(241))을 통해 사용자 발화(555)를 수신할 수 있다. ASR 모듈(560)(예: 도 3의 ASR 모듈(320))은 마이크로폰(241)을 통해 사용자 발화(555)가 수신되면, 생성된 WFST 모델 예컨대, 연락처 언어 모델(525)을 로딩(540)할 수 있다. 예컨대, ASR 모듈(560)은 사용자 발화(555)에 따른 음성 신호의 도메인 정보를 확인하고, 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 음성 신호와 관련된 복수의 후보 텍스트를 생성할 수 있다. 일 실시예에서, 사용자 발화(555)에 따른 음성 신호의 도메인 정보가 연락처(contact) 도메인인 경우, ASR 모듈(560)은 연락처 언어 모델(525)을 로딩(540)하고, 연락처 언어 모델(525)을 디코딩(예: shallow fusion 방식의 디코딩)하여 n개의 후보 텍스트(565)(예: “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 및 “이밈삼 전화”)를 생성할 수 있다.

다양한 실시예들에서, 전자 장치(201)는 디코딩 동작에서, 연락처 언어 모델(525)을 이용하여 예측되는 단어의 확률을 ASR 모듈(560)에 의해 학습된 언어 모델의 확률과 선형 결합함으로써, n개의 후보 텍스트(565)에 연락처 리스트(515)에 저장된 사람 이름이 포함되도록 할 수 있다.

일 실시예에서, 우선순위 설정 모듈(570)(예: 도 3의 우선순위 설정 모듈(330))은 n개의 후보 텍스트(565) 예컨대, “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 또는 “이밈삼 전화” 중 연락처 리스트(515)에 저장된 사람 이름이 포함되어 있는지 여부를 확인할 수 있다.

다양한 실시예들에서, 우선순위 설정 모듈(570)은 연락처 리스트(515)에 기반하여(545), n개의 후보 텍스트(565)에 대한 우선순위를 설정할 수 있다. 예컨대, 우선순위 설정 모듈(570)은 n개의 후보 텍스트(565) 예컨대, “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 또는 “이밈삼 전화” 중 연락처 리스트(515)에 저장된 사람 이름의 우선순위를 높게 설정할 수 있다.

다양한 실시예들에서, 전자 장치(201)는 연락처 리스트(515)에 저장된 적어도 하나의 사람 이름을 서브 워드 시퀀스로 변환한 후, 리스트 형식으로 메모리(220)에 저장할 수 있다. 전자 장치(201)는 n개의 후보 텍스트가 생성되면, n개의 후보 텍스트 중 연락처 리스트(515)에 나올 가능성이 높은 부분을 검출하고, 검출된 개체명을 음소 시퀀스로 변환할 수 있다. 전자 장치(201)는 검색 엔진(예: Lucene engine query) 연산을 이용하여 편집 거리 알고리즘(예: 리벤슈테인(Levenshtein) 거리)을 기준으로, 연락처에 저장된 적어도 하나의 사람 이름과 유사한 개체명이 포함된 후보 텍스트를 검색할 수 있다. 전자 장치(201)는 후보 텍스트에 포함된 개체명과 리스트 형식으로 메모리(220)에 저장된 적어도 하나의 사람 이름의 편집 거리(edit distance)를 계산할 수 있다. 편집 거리는 초성, 중성, 및 종성 각각에 대해 기 정의된 거리를 이용하여 계산될 수 있다. 초성, 중성 종성 각각 거리 차이의 합이 지정된 기준 값을 초과하는 경우, 전자 장치(201)는 지정된 기준 값을 초과하는 개체명의 후보 텍스트를 연락처 리스트(515)에 저장된 사람 이름으로 결정할 수 있다.

일 실시예에서, 연락처 리스트(515)에 저장된 사람 이름을 “임임삼”으로 가정하면, 전자 장치(201)는 n개의 후보 텍스트(565) 예컨대, “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 또는 “이밈삼 전화” 중 연락처에 저장된 사람 이름 예컨대, “임임삼”이 존재하는 것으로 확인할 수 있다. n개의 후보 텍스트(565) 예컨대, “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 또는 “이밈삼 전화” 중 연락처에 저장된 사람 이름 예컨대, “임임삼”이 존재하는 것으로 확인됨에 기반하여, 우선순위 설정 모듈(570)은 “임임삼”의 확률을 다른 후보 텍스트 예컨대, “이민삼”, “임인삼”, 및 “임밈삼”의 확률보다 높게 설정할 수 있다. 예컨대, “임임삼”의 확률을 다른 후보 텍스트의 확률보다 높게 설정하는 동작은, “임임삼”을 음성 신호에 대응하는 단어로 예측될 확률이 높아지도록 하기 위한 동작일 수 있다.

다양한 실시예들에서, 전자 장치(201)는 확률이 높게 설정된 후보 텍스트 예컨대, “임임삼”을 타겟 텍스트로 결정하고, 사용자 발화에 따른 전자 장치(201)의 기능 예컨대, “임임삼”에게 전화를 거는 통화 기능(580)을 수행할 수 있다. 전자 장치(201)는 통화 기능 수행에 대한 처리 결과를 포함하는 사용자 인터페이스를 디스플레이(예: 도 2의 디스플레이(231))에 표시할 수 있다.

다양한 실시예들에서, 전술한 “임임삼”의 확률을 다른 후보 텍스트의 확률보다 높게 설정하는 동작은 생략 가능할 수 있다. 예컨대, 전자 장치(201)는 n개의 후보 텍스트(565) 예컨대, “이민삼 전화”, “임인삼 전화”, “임임삼 전화”, 또는 “이밈삼 전화” 중 연락처에 저장된 사람 이름 예컨대, “임임삼”이 존재하는 것으로 확인됨에 기반하여, “임임삼”을 타겟 텍스트로 결정하고, 사용자 발화에 따른 전자 장치(201)의 기능 예컨대, “임임삼”에게 전화를 거는 통화 기능(580)을 수행할 수 있다.

도 6은, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치(201)의 연락처에 저장된 사람 이름을 인식하는 방법을 설명하기 위한 도면(600)이다.

다양한 실시예들에 따른 도 6은, 연락처 리스트에 “김주니”가 저장되어 있는 경우, 음성 인식을 수행하는 방법을 설명하기 위한 도면이다.

도 6을 참조하면, 전자 장치(예: 도 2의 전자 장치(201))는 마이크로폰(예: 도 2의 마이크로폰(241))을 통해 사용자 발화 예컨대, “김주니 전화”에 따른 음성 신호를 수신할 수 있다.

일 실시예에서, 전자 장치(201)는 WFST 모델 생성 모듈(예: 도 3의 WFST 모델 생성 모듈(310))을 통해 미리 생성된 연락처 언어 모델(예: 도 5의 연락처 언어 모델(525))의 확률과 ASR 모듈(예: 도 3의 ASR 모듈(320))에 의해 학습된 언어 모델의 확률을 지정된 디코딩 방식(예: shallow fusion 방식)으로 서로 선형 결합하고, 이에 기반하여, 확률이 높은 복수의 후보 텍스트 예컨대, 4개의 후보 텍스트(610)를 생성할 수 있다.

예컨대, 4개의 후보 텍스트(610)는 “김준희 전화”, “김준이 전화”, “김 준 희 전화”, 및 “김주니 전화”를 포함할 수 있다. “김준희 전화”에 대한 확률은 “-0.568751”, “김준이 전화”에 대한 확률은 “-1.504663”, “김 준 희 전화”에 대한 확률은 “-2.433038”, “김주니 전화”에 대한 확률은 “-3.106113”일 수 있다.

일 실시예에서, 전자 장치(201)는 4개의 후보 텍스트(610) 예컨대, “김준희 전화”, “김준이 전화”, “김 준 희 전화”, 또는 “김주니 전화” 중 연락처에 저장된 사람 이름이 존재하는지 여부를 확인할 수 있다. 예컨대, 전자 장치(201)는 PDSS(personal data sync service) 정보에 기반하여, 4개의 후보 텍스트(610) 예컨대, “김준희 전화”, “김준이 전화”, “김 준 희 전화”, 또는 “김주니 전화” 중 연락처 리스트에 저장된 사람 이름이 존재하는지 여부를 확인할 수 있다. 전술한 바와 같이 연락처 리스트에 “김주니”(620)가 저장되어 있을 수 있으며, 전자 장치(201)는 이에 기반하여, 4개의 후보 텍스트(610)에 “김주니”(620)가 포함되어 있는 것을 확인할 수 있다.

일 실시예에서, “김주니 전화”의 확률이 다른 후보 텍스트 예컨대, “김준희 전화”, “김준이 전화”, 또는 “김 준 희 전화” 중 적어도 하나의 확률보다 낮은 것으로 확인되면, 전자 장치(201)는 “김주니 전화”의 확률을 다른 후보 텍스트(예: “김준희 전화”, “김준이 전화”, 및/또는 “김 준 희 전화”)의 확률보다 높게 설정(630)할 수 있다. 예컨대, 전자 장치(201)는 “김주니 전화”의 확률을 “-3.106113”에서 “-0.000001”로 설정(635)할 수 있다.

일 실시예에서, 전자 장치(201)는 확률이 높게 설정된 “김주니 전화”를 타겟 텍스트로 결정(640)하고, 사용자 발화 예컨대, “김주니 전화”에 대응하는 기능을 실행할 수 있다. 예컨대, 전자 장치(201)는 “김주니”에서 전화를 거는 통화 기능을 수행할 수 있다. 전자 장치(201)는 통화 기능 수행에 대한 처리 결과를 포함하는 사용자 인터페이스를 디스플레이(예: 도 2의 디스플레이(231))에 표시할 수 있다.

다양한 실시예들에서, 전술한 “김주니 전화”의 확률을 “-3.106113”에서 “-0.000001”로 설정(635)하는 동작은 생략 가능할 수 있다. 예컨대, 4개의 후보 텍스트(610)(예: “김준희 전화”, “김준이 전화”, “김 준 희 전화”, 및 “김주니 전화”)에 “김주니”(620)(예: 연락처 리스트에 저장된 “김주니”(620))가 포함되어 있는 것으로 확인되면, 전자 장치(201)는 “김주니 전화”를 타겟 텍스트로 결정(640)하고, 사용자 발화 예컨대, “김주니 전화”에 대응하는 기능을 실행할 수 있다.

도 7은, 다양한 실시예들에 따른, 사용자 발화에 따른 전자 장치(201)에 설치된 어플리케이션 이름을 인식하는 방법을 설명하기 위한 도면(700)이다.

다양한 실시예들에 따른 도 7은, 전자 장치(예: 도 2의 전자 장치(201))에 설치된 어플리케이션 이름 예컨대, “호갱노노”를 인식하는 방법을 설명하기 위한 도면이다.

도 7을 참조하면, 전자 장치(201)는 마이크로폰(예: 도 2의 마이크로폰(241))을 통해 사용자 발화 예컨대, “호갱노노 열어”에 따른 음성 신호를 수신할 수 있다.

일 실시예에서, 전자 장치(201)는 WFST 모델 생성 모듈(예: 도 3의 WFST 모델 생성 모듈(310))을 통해 미리 생성된 어플리케이션 언어 모델(미도시)(예: 전자 장치(201)에 설치된 어플리케이션들의 리스트에 대한 어플리케이션 언어 모델)의 확률과 ASR 모듈(예: 도 3의 ASR 모듈(320))에 의해 학습된 언어 모델의 확률을 지정된 디코딩 방식(예: shallow fusion 방식)으로 서로 선형 결합하고, 이에 기반하여, 확률이 높은 복수의 후보 텍스트 예컨대, 4개의 후보 텍스트(710)를 생성할 수 있다.

예컨대, 4개의 후보 텍스트(710)는 “호객노노 열어”, “호객 노노 열어”, “호갱노노 열어”, 및 “호갱 노논 열어”를 포함할 수 있다. “호객노노 열어”에 대한 확률은 “-0.568751”, “호객 노노 열어”에 대한 확률은 “-1.504663”, “호갱노노 열어”에 대한 확률은 “-2.433038”, “호갱 노논 열어”에 대한 확률은 “-3.106113”일 수 있다.

일 실시예에서, 전자 장치(201)는 4개의 후보 텍스트(710) 예컨대, “호객노노 열어”, “호객 노노 열어”, “호갱노노 열어”, 또는 “호갱 노논 열어” 중 전자 장치(201)에 설치된 어플리케이션 이름이 존재하는지 여부를 확인할 수 있다. 예컨대, 전자 장치(201)는 PDSS(personal data sync service) 정보에 기반하여, 4개의 후보 텍스트(710) 예컨대, “호객노노 열어”, “호객 노노 열어”, “호갱노노 열어”, 또는 “호갱 노논 열어” 중 전자 장치(201)에 설치된 어플리케이션 이름이 존재하는지 여부를 확인할 수 있다. 전술한 바와 같이 연락처에 “호갱노노”(720)가 저장되어 있을 수 있으며, 전자 장치(201)는 이에 기반하여, 4개의 후보 텍스트(710)에 “호갱노노”(720)가 포함되어 있는 것을 확인할 수 있다.

일 실시예에서, “호갱노노 열어”의 확률이 다른 후보 텍스트 예컨대, “호객노노 열어”, “호객 노노 열어”, 또는 “호갱 노논 열어” 중 적어도 하나의 확률보다 낮은 것으로 확인되면, 전자 장치(201)는 “호갱노노 열어”의 확률을 다른 후보 텍스트(예: “호객노노 열어”, “호객 노노 열어”, 및/또는 “호갱 노논 열어”)의 확률보다 높게 설정(730)할 수 있다. 예컨대, 전자 장치(201)는 “호갱노노 열어”의 확률을 “-3.106113”에서 “-0.000001”로 설정(735)할 수 있다.

일 실시예에서, 전자 장치(201)는 확률이 높게 설정된 “호갱노노 열어”를 타겟 텍스트(740)로 결정하고, 사용자 발화 예컨대, “호갱노노 열어”에 대응하는 기능을 실행할 수 있다. 예컨대, 전자 장치(201)는 “호갱노노” 어플리케이션을 실행하는 기능을 수행할 수 있다. 전자 장치(201)는 “호갱노노” 어플리케이션 실행에 따른 사용자 인터페이스를 디스플레이(예: 도 2의 디스플레이(231))에 표시할 수 있다.

다양한 실시예들에서, 전술한 “호갱노노 열어”의 확률을 “-3.106113”에서 “-0.000001”로 설정(735)하는 동작은 생략 가능할 수 있다. 예컨대, 4개의 후보 텍스트(710)(예: “호객노노 열어”, “호객 노노 열어”, “호갱노노 열어”, 및 “호갱 노논 열어”)에 “호갱노노”(720)(예: 전자 장치(201)에 설치된 어플리케이션 이름 “호갱노노”(720))가 포함되어 있는 것으로 확인되면, 전자 장치(201)는 “호갱노노 열어”를 타겟 텍스트로 결정(740)하고, “호갱노노” 어플리케이션을 실행하는 기능을 실행할 수 있다.

본 명세서와 도면에 개시된 본 개시의 다양한 실시예들은 본 개시의 기술 내용을 쉽게 설명하고 본 개시의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 개시의 범위를 한정하고자 하는 것은 아니다. 따라서 본 개시의 범위는 여기에 개시된 실시예들 이외에도 본 개시의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 개시의 범위에 포함되는 것으로 해석되어야 한다.

201: 전자 장치 210: 통신 회로
220 메모리 230: 터치스크린 디스플레이
240: 오디오 처리 회로 241: 마이크로폰
250: 프로세서 260: 음성 인식 모듈
310: WFST 모델 생성 모듈 320: ASR 모듈
330: 우선순위 설정 모듈 340: 타겟 텍스트 결정 모듈

Claims

전자 장치에 있어서,
마이크로폰;
메모리; 및
상기 마이크로폰 및 상기 메모리와 작동적으로 연결된 프로세서를 포함하고,
상기 프로세서는,
상기 메모리에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하고,
상기 마이크로폰을 통해 사용자 발화에 따른 음성 신호를 수신하고,
상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하고,
상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하고, 및
상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 프로세서는,
상기 서브 워드 시퀀스의 길이를 확인하고, 상기 서브 워드 시퀀스의 길이가 상기 서브 워드 시퀀스의 지정된 길이를 초과하는 경우, 상기 서브 워드 시퀀스의 상기 지정된 길이 및 지정된 윈도우에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 상기 WFST 모델을 생성하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 WFST 모델은, 도메인(domain) 별로 생성된 복수의 WFST 모델을 포함하는 전자 장치.
제 3 항에 있어서,
상기 도메인은, 상기 음성 신호와 관련된 분야 또는 카테고리를 포함하는 전자 장치.
제 3 항에 있어서,
상기 프로세서는,
상기 수신한 음성 신호의 도메인 정보를 확인하고, 및
상기 복수의 WFST 모델 중 상기 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 프로세서는,
상기 음성 신호를 수신하는 것에 기반하여, 인공 지능 모델을 이용하여 상기 음성 신호에 대한 언어 모델을 생성하도록 설정된 전자 장치.
제 6 항에 있어서,
상기 프로세서는,
상기 WFST 모델의 확률과 상기 인공 지능 모델을 이용하여 생성된 상기 음성 신호에 대한 언어 모델의 확률을 서로 선형 결합하고, 이에 기반하여 확률이 높은 상기 음성 신호와 관련된 상기 복수의 후보 텍스트를 생성하도록 설정된 전자 장치.
제 1 항에 있어서,
상기 프로세서는,
상기 메모리에 저장된 복수의 개체명을 참조하여, 상기 복수의 개체명 중 상기 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는지 여부를 확인하고, 및
상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값과 다른 후보 텍스트의 확률 값을 비교하도록 설정된 전자 장치.
제 8 항에 있어서,
상기 프로세서는,
상기 비교 결과에 기반하여, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 상기 다른 후보 텍스트의 확률 값보다 낮은 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하도록 설정된 전자 장치.
제 1 항에 있어서,
디스플레이를 더 포함하며,
상기 프로세서는,
상기 타겟 텍스트에 기반하여 상기 전자 장치의 기능을 실행하고, 상기 기능 실행에 따른 사용자 인터페이스를 상기 디스플레이에 표시하도록 설정된 전자 장치.
전자 장치의 음성 인식 수행 방법에 있어서,
상기 전자 장치의 메모리에 저장된 복수의 개체명(named entity) 각각을 서브 워드(sub word)로 분할하고, 서브 워드 시퀀스(sub word sequence)에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 WFST(weighted finite state transducer) 모델을 생성하는 동작;
마이크로폰을 통해 사용자 발화에 따른 음성 신호를 수신하는 동작;
상기 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하는 동작;
상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트가 상기 음성 신호에 대응하는 단어로 예측되도록, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작; 및
상기 확률 값이 높게 설정된 후보 텍스트를 타겟 텍스트로 결정하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 WFST 모델을 생성하는 동작은,
상기 서브 워드 시퀀스의 길이를 확인하는 동작; 및
상기 서브 워드 시퀀스의 길이가 상기 서브 워드 시퀀스의 지정된 길이를 초과하는 경우, 상기 서브 워드 시퀀스의 상기 지정된 길이 및 지정된 윈도우에 기반하여 상기 복수의 개체명 각각의 서브 워드에 대한 상기 WFST 모델을 생성하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 WFST 모델은, 도메인(domain) 별로 생성된 복수의 WFST 모델을 포함하는 방법.
제 13 항에 있어서,
상기 도메인은, 상기 음성 신호와 관련된 분야 또는 카테고리를 포함하는 방법.
제 13 항에 있어서,
상기 복수의 후보 텍스트를 생성하는 동작은,
상기 수신한 음성 신호의 도메인 정보를 확인하는 동작; 및
상기 복수의 WFST 모델 중 상기 확인된 도메인 정보에 대응하는 WFST 모델을 이용하여 상기 음성 신호와 관련된 복수의 후보 텍스트를 생성하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 음성 신호를 수신하는 것에 기반하여, 인공 지능 모델을 이용하여 상기 음성 신호에 대한 언어 모델을 생성하는 동작을 더 포함하는 방법.
제 16 항에 있어서,
상기 복수의 후보 텍스트를 생성하는 동작은,
상기 WFST 모델의 확률과 상기 인공 지능 모델을 이용하여 생성된 상기 음성 신호에 대한 언어 모델의 확률을 서로 선형 결합하고, 이에 기반하여 확률이 높은 상기 음성 신호와 관련된 상기 복수의 후보 텍스트를 생성하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 적어도 하나의 개체명에 대응하는 상기 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은,
상기 메모리에 저장된 복수의 개체명을 참조하여, 상기 복수의 개체명 중 상기 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는지 여부를 확인하는 동작; 및
상기 복수의 개체명 중 적어도 하나의 개체명이 상기 복수의 후보 텍스트에 포함되어 있는 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값과 다른 후보 텍스트의 확률 값을 비교하는 동작을 포함하는 방법.
제 18 항에 있어서,
상기 적어도 하나의 개체명에 대응하는 상기 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작은,
상기 비교 결과에 기반하여, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값이 상기 다른 후보 텍스트의 확률 값보다 낮은 경우, 상기 적어도 하나의 개체명에 대응하는 후보 텍스트의 확률 값을 상기 다른 후보 텍스트의 확률 값보다 높게 설정하는 동작을 포함하는 방법.
제 11 항에 있어서,
상기 타겟 텍스트에 기반하여 상기 전자 장치의 기능을 실행하고, 상기 기능 실행에 따른 사용자 인터페이스를 디스플레이에 표시하는 동작을 더 포함하는 방법.