KR20220159170A

KR20220159170A - 전자 장치 및 전자 장치의 동작 방법

Info

Publication number: KR20220159170A
Application number: KR1020210067183A
Authority: KR
Inventors: 남기형; 정석영; 조정근; 김진웅
Original assignee: 삼성전자주식회사
Priority date: 2021-05-25
Filing date: 2021-05-25
Publication date: 2022-12-02
Also published as: WO2022250383A1

Abstract

실행 시, 프로세서가, 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하고, 상기 추출된 적어도 하나 이상의 컨텍스트를 분석하고, 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하고, 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하고, 상기 생성된 언어 모델을 리셋(reset)하도록 하는 인스트럭션들을 저장할 수 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시예가 가능하다.

Description

전자 장치 및 전자 장치의 동작 방법{ELECTRONIC DEVICE AND OPERATION METHOD THEREOF}

본 문서에서 개시되는 다양한 실시 예들은, 전자 장치 및 전자 장치의 동작 방법과 관련된다.

최근 인공 지능(artificial intelligence, AI) 기술이 발전함에 따라, 음성 어시스턴트를 주목적으로 사용되는 AI를 포함한 단말이 보편화 되고 있다. 또한, 최근의 전자 장치들은 키보드나 마우스를 이용한 전통적인 입력 방식에 부가하여, 음성 입력과 같은 다양한 입력 방식을 지원할 수 있다. 예를 들어, 스마트폰(smart phone)이나 태블릿(tablet)과 같은 전자 장치들은 사용자 음성을 입력 받고, 입력된 사용자 음성에 대응되는 동작을 실행하는 서비스를 제공하고 있다.

이러한 음성 인식 서비스는 자연어를 처리하는 기술을 기반으로 발전하고 있다. 자연어를 처리하는 기술은 사용자 입력(발화)의 의도를 파악하고 그 의도에 맞는 결과를 산출하여 사용자에게 서비스를 제공하는 기술이다. 상기 서비스를 이용하여 사용자들은 자연스럽게 상기 단말에 포함된 AI에 다양한 명령이나 대화를 하고 있다.

이에 따라 음성 어시스턴트에 적용된 ASR 시스템의 음성 인식 성능을 향상할 필요성이 증가하고 있다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공한다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 사용자 발화가 수신되는 시점에 전자 장치의 디스플레이에 표시되어 있는 화면을 이용하여 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공한다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 시동어(wake-up word)에 관한 사용자 입력만으로도 사용자에게 일관된 사용자 경험을 제공하는 방법 및 장치를 제공한다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 실시간 학습 모델을 이용하여 메모리 사용을 최소화하면서 동시에 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공한다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 전자 장치가 화면에서 추출한 정보를 이용하여 실시간 언어 모델을 생성함으로써, 부정확한 데이터가 수신되더라도, 보다 정확한 ASR 데이터를 표시할 수 있는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 일 실시예에 의해 달성하고자 하는 기술적 과제는 전자 장치가 화면에서 추출한 정보 및 상기 추출된 정보와 연관된 정보를 이용하여 실시간 언어 모델을 생성함으로써, 사용자가 실제로 발화하고자 했던 정보에 부가 정보(예: 특수문자)가 포함되어 있는 경우, 상기 부가 정보(예: 특수문자)를 포함한 ASR 데이터를 표시할 수 있는 방법 및 장치를 제공할 수 있다.

본 문서에 개시되는 일 실시예에 따른 전자 장치는, 유저 인터페이스, 디스플레이, 상기 유저 인터페이스와 작동적으로 연결된 프로세서 및 상기 프로세서와 작동적으로 연결되는 메모리를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 상기 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하고, 상기 추출된 적어도 하나 이상의 컨텍스트를 분석하고, 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하고, 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하고, 상기 생성된 언어 모델을 리셋(reset)하도록 하는 인스트럭션들을 저장할 수 있다.

본 문서에 개시되는 일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 메모리에 대한 프로세스가 실행되면, 상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하는 동작, 상기 추출된 적어도 하나 이상의 컨텍스트를 분석하는 동작, 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하는 동작, 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작 및 상기 생성된 언어 모델을 리셋(reset)하도록 하는 동작을 포함할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 사용자 발화가 수신되는 시점에 전자 장치의 디스플레이에 표시되어 있는 화면을 이용하여 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 시동어(wake-up word)에 관한 사용자 입력만으로도 사용자에게 일관된 사용자 경험을 제공하는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 실시간 학습 모델을 이용하여 메모리 사용을 최소화하면서 동시에 음성 어시스턴트의 음성 인식 성능을 향상시키는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 전자 장치가 화면에서 추출한 정보를 이용하여 실시간 언어 모델을 생성함으로써, 부정확한 데이터가 수신되더라도, 보다 정확한 ASR 데이터를 제공할 수 있는 방법 및 장치를 제공할 수 있다.

본 문서에서 개시되는 실시예들에 따르면, 전자 장치가 화면에서 추출한 정보 및 상기 추출된 정보와 연관된 정보를 이용하여 실시간 언어 모델을 생성함으로써, 사용자가 실제로 발화하고자 했던 정보에 부가 정보(예: 특수문자)가 포함되어 있는 경우, 상기 부가 정보(예: 특수문자)를 포함한 ASR을 제공할 수 있는 방법 및 장치를 제공할 수 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 다양한 실시예에 따른 프로그램을 예시하는 블록도이다.
도 3은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 4는 일 실시예에 따른, 컨셉과 액션의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 5는 일 실시예에 따른 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 표시하는 사용자 단말을 도시하는 도면이다.
도 6은 본 문서에 개시되는 일 실시예에 따른 전자 장치의 구조를 나타낸 블록도이다.
도 7a은 본 문서에 개시되는 일 실시예에 따른 전자 장치의 구조를 나타낸 다른 블록도이다.
도 7b은 본 문서에 개시되는 일 실시예에 따른 음성 변환 모듈의 구조를 나타낸 블록도이다.
도 8은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 사용자 발화를 ASR 데이터로 변환하는 방법에 대한 예시도이다.
도 9는 본 문서에 개시되는 일 실시예에 따른 전자 장치가 사용자 발화를 ASR 데이터로 변환하는 방법에 대한 다른 예시도이다.
도 10은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 음성 인식 성능을 향상시키는 방법에 대한 순서도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.

이하, 본 발명의 다양한 실시예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 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(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. 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(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, 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. 일실시예에 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. 일실시예에 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. 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: 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. 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 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다.

운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.

미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.

어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.

데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.

시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.

어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.

장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 표시 장치(160) 또는 카메라 모듈(180))의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 표시 장치(160) 또는 카메라 모듈(180)의 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.

도 3은 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.

도 3을 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(301), 지능형 서버(400), 및 서비스 서버(500)를 포함할 수 있다.

일 실시 예의 사용자 단말(301)은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.

도시된 실시 예에 따르면, 사용자 단말(301)은 통신 인터페이스(390), 마이크(370), 스피커(355), 디스플레이(360), 메모리(330), 또는 프로세서(320)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

일 실시 예의 통신 인터페이스(390)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(370)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(355)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 일 실시 예의 디스플레이(360)는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(360)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(330)는 클라이언트 모듈(331), SDK(software development kit)(333), 및 복수의 앱들(335)을 저장할 수 있다. 상기 클라이언트 모듈(331), 및 SDK(333)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(331) 또는 SDK(333)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.

상기 복수의 앱들(335)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱(335)은 제1 앱(335a), 및/또는 제2 앱(335b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱(335) 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(335)은 프로세서(320)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.

일 실시 예의 프로세서(320)는 사용자 단말(301)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(320)는 통신 인터페이스(390), 마이크(370), 스피커(355), 및 디스플레이(360)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(320)는 적어도 하나의 프로세서를 포함할 수 있다.

일 실시 예의 프로세서(320)는 또한 상기 메모리(330)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(320)는 클라이언트 모듈(331) 또는 SDK(333) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(320)는, 예를 들어, SDK(333)를 통해 복수의 앱(335)의 동작을 제어할 수 있다. 클라이언트 모듈(331) 또는 SDK(333)의 동작으로 설명된 이하의 동작들은 프로세서(320)의 실행에 의하여 수행되는 동작일 수 있다.

일 실시 예의 클라이언트 모듈(331)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(331)은 마이크(370)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(331)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(400)로 송신할 수 있다. 클라이언트 모듈(331)은 수신된 음성 입력과 함께, 사용자 단말(301)의 상태 정보를 지능형 서버(400)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.

일 실시 예의 클라이언트 모듈(331)은 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(331)은 지능형 서버(400)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(331)은 상기 수신된 결과를 디스플레이(360)에 표시할 수 있다.

일 실시 예의 클라이언트 모듈(331)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(331)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(360)에 표시할 수 있다. 클라이언트 모듈(331)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(301)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 클라이언트 모듈(331)은 지능형 서버(400)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(331)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(400)로 송신할 수 있다.

일 실시 예의 클라이언트 모듈(331)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(400)로 송신할 수 있다. 지능형 서버(400)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.

일 실시 예의 클라이언트 모듈(331)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(331)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(331)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.

일 실시 예의 지능형 서버(400)는 통신 망을 통해 사용자 단말(301)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(400)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(400)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 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(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 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 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.

일 실시 예의 지능형 서버(400)는 생성된 플랜에 따른 결과를 사용자 단말(301)로 송신하거나, 생성된 플랜을 사용자 단말(301)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.

일 실시 예의 지능형 서버(400)는 프론트 엔드(front end)(410), 자연어 플랫폼(natural language platform)(420), 캡슐 데이터베이스(capsule database)(430), 실행 엔진(execution engine)(440), 엔드 유저 인터페이스(end user interface)(450), 매니지먼트 플랫폼(management platform)(460), 빅 데이터 플랫폼(big data platform)(470), 또는 분석 플랫폼(analytic platform)(480)을 포함할 수 있다.

일 실시 예의 프론트 엔드(410)는 사용자 단말(301)로부터 수신된 음성 입력을 수신할 수 있다. 프론트 엔드(410)는 상기 음성 입력에 대응되는 응답을 사용자 단말(301)로 송신할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(420)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(421), 자연어 이해 모듈(natural language understanding module)(NLU module)(423), 플래너 모듈(planner module)(425), 자연어 생성 모듈(natural language generator module)(NLG module)(427), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(429)을 포함할 수 있다.

일 실시 예의 자동 음성 인식 모듈(421)은 사용자 단말(301)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(423)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(423)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(423)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(425)은 자연어 이해 모듈(423)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(425)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(425)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(425)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/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(425)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(425)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(425)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(425)은 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(425)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(430)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.

일 실시 예의 자연어 생성 모듈(427)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(429)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.

일 실시 예에 따르면, 자연어 플랫폼(420)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(301)에서도 구현가능 할 수 있다.

상기 캡슐 데이터베이스(430)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(430)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(430)에 포함된 기능 저장소(function registry)에 저장될 수 있다.

상기 캡슐 데이터베이스(430)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(430)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(430)는 사용자 단말(301)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(430)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(430)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(430)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(430)는 사용자 단말(301) 내에도 구현이 가능할 수 있다.

일 실시 예의 실행 엔진(440)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(450)는 산출된 결과를 사용자 단말(301)로 송신할 수 있다. 이에 따라, 사용자 단말(301)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(460)은 지능형 서버(400)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(470)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(480)은 지능형 서버(400)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(480)은 지능형 서버(400)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.

일 실시 예의 서비스 서버(500)는 사용자 단말(301)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(500)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(500)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(400)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(430)에 저장될 수 있다. 또한, 서비스 서버(500)는 플랜에 따른 결과 정보를 지능형 서버(400)에 제공할 수 있다.

위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(301)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(301)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(301)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.

일 실시 예에서, 사용자 단말(301)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(301)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.

일 실시 예에서, 사용자 단말(301)이 지능형 서버(400) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(320)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(310)를 이용하여 지능형 서버(400)로 송신할 수 있다.

일 실시 예에 따른 지능형 서버(400)는 사용자 단말(301)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/또는 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/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.

일 실시 예의 사용자 단말(301)은, 통신 인터페이스(390)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(301)은 상기 스피커(355)를 이용하여 사용자 단말(301) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(360)를 이용하여 사용자 단말(301) 내부에서 생성된 이미지를 외부로 출력할 수 있다.

도 4는 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.

상기 지능형 서버(400)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(430))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)(431), capsule(B)(434))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(431))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(432) 또는 CP 2 (433))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(430a) 및 적어도 하나 이상의 컨셉(430b)을 포함할 수 있다.

상기, 자연어 플랫폼(420)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(425)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (431) 의 동작들(431a, 432a) 과 컨셉들(431b, 432b) 및 캡슐 B(434)의 동작(434a) 과 컨셉(434b)을 이용하여 플랜(437)을 생성할 수 있다.

도 5는 다양한 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.

사용자 단말(301)은 지능형 서버(400)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.

일 실시 예에 따르면, 310 화면에서, 사용자 단말(301)은 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(301)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이(360)에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(301)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(301)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이에 표시할 수 있다.

일 실시 예에 따르면, 315 화면에서, 사용자 단말(301)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(301)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.

일 실시예에서, 도 3, 도 4 및 도 5의 사용자 단말(301)은, 도 1의 전자 장치(101)에 대응될 수 있다. 일 실시예에서, 도 3의 지능형 서버(400)는, 도 1의 전자 장치(104) 및 서버(108) 중 어느 하나에 대응될 수 있다. 일 실시예에서, 도 3의 프로세서(320)는 도 1의 프로세서(120)에 대응될 수 있고, 도 3의 디스플레이(360)는 도 1의 디스플레이 모듈(160)에 대응될 수 있고, 도 3의 스피커(355)는 도 1의 음향 출력 모듈(155)에 대응될 수 있다.

도 6은 본 문서에 개시되는 일 실시예에 따른 전자 장치(600)의 구조를 나타낸 블록도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.

도 6을 참조하면, 전자 장치(600)는, 프로세서(601)(예: 도 3의 프로세서(320) 및/또는 도 1의 프로세서(120)), 메모리(602)(예: 도 1의 메모리(130)), 유저 인터페이스(603) 및 통신 모듈(604)(예: 도 1의 통신 모듈(190))을 포함할 수 있다. 유저 인터페이스(603)는, 마이크(미도시)(예: 도 3의 마이크(370) 및/또는 도 1의 입력 모듈(150)), 및/또는 스피커(미도시)(예: 도 3의 스피커(355) 및/또는 도 1의 음향 출력 모듈(155))를 포함할 수 있다.

전자 장치(600)는 도 6에 도시된 구성요소들 이외에 추가적인 구성요소를 적어도 하나 더 포함할 수 있다. 일 실시예에 따르면, 전자 장치(600)의 구성요소들은 동일한 개체(entity)이거나, 별도의 개체를 구성할 수 있다.

전자 장치(600)는 예를 들어, 스마트 폰, 태블릿, 웨어러블 장치, 가전 장치 또는 디지털 카메라를 포함할 수 있다. 일 실시예에 따르면, 프로세서(601)는 전자 장치(600)의 전반적인 기능을 수행하기 위하여 통신 모듈(604), 메모리(602), 유저 인터페이스(603)(예: 마이크(미도시) 및 스피커(미도시))와 작동적으로(operatively) 연결될(coupled) 수 있다. 프로세서(601)는 예를 들어, 하나 이상의 프로세서를 포함할 수 있다. 하나 이상의 프로세서는 예를 들어, 이미지 시그널 프로세서(image signal processor, ISP), 애플리케이션 프로세서(application processor, AP), 또는 통신 프로세서(communication processor, CP)를 포함할 수 있다.

또한, 프로세서(601)는, 메모리(602)에 저장된 인스트럭션들을 실행하여, 모듈들(예: 도 7a의 컨텍스트 제공 모듈(ContextProvider(SDK)) (710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770))을 구동시킬 수 있다.

프로세서(601)는, 전자 장치(600)의 전반적인 기능을 수행하기 위하여, 모듈들(예: 도 7a의 컨텍스트 제공 모듈(ContextProvider(SDK)) (710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770))과 작동적으로 연결될 수 있다. 본 문서에 개시되는 실시예에서, 모듈들(예: 도 7a의 컨텍스트 제공 모듈(ContextProvider(SDK)) (710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770))에 의해 수행(혹은, 실행)되는 동작은, 프로세서(601)가 메모리(602)에 저장된 인스트럭션들을 실행함으로써 수행하는 동작으로 이해될 수 있다.

일 실시예에서, 프로세서(601)는, 모듈(예: 도 7a의 컨텍스트 제공 모듈들(ContextProvider(SDK)) (710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770))을 포함할 수 있다. 이 경우, 모듈들(예: 도 7a의 컨텍스트 제공 모듈(ContextProvider(SDK)) (710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770)) 각각이 수행(혹은, 실행)하는 동작은, 프로세서(601)의 적어도 일부로서 구현될 수 있다.

본 발명의 다양한 실시예에서 언급되는 여러 모듈들은 하드웨어로 구현될 수도 있고, 소프트웨어로 구현되거나 이들의 조합으로 구현될 수도 있다.

메모리(602)는, 적어도 하나의 입력 데이터를 포함하는 데이터 베이스(미도시)(예: 도 7a의 데이터 베이스(740))를 저장할 수 있다. 메모리(602)는 전자 장치(600)에 포함된 구성요소들의 동작과 연관된 명령, 정보 또는 데이터를 저장할 수 있다. 예를 들어, 메모리(602)는, 실행 시에, 프로세서(601)가 본 문서에 기재된 다양한 동작을 수행할 수 있도록 하는 명령어들(instructions)을 저장할 수 있다.

일 실시예에서, 전자 장치(600)는, 유저 인터페이스(603)를 이용하여 사용자 입력을 수신할 수 있다. 상기 사용자 입력은 사용자 음성 신호(예: 사용자의 발화 입력)를 포함한 입력일 수 있다.

일 실시예에서, 사용자 입력은 사용자의 음성 입력(예: 발화)일 수 있다. 사용자 입력이 음성 입력인 경우, 전자 장치(600)는 마이크(또는 음성 수신 장치)(미도시)를 통해 사용자 입력을 수신할 수 있다.

일 실시예에서, 사용자 입력은 제스처 입력 및/또는 터치 입력일 수 있다. 사용자 입력이 제스처 입력 및/또는 터치 입력인 경우, 전자 장치(600)는 센서(미도시)를 통해 사용자 입력을 수신할 수 있다.

일 실시 예에 따르면, 프로세서(601)는 음향 모듈(미도시)을 포함할 수 있다. 상기 음향 모듈은 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 상기 음향 모듈은 상기 음성 신호를 인식하여 수신할 수 있다. 상기 사용자 입력을 인식하는 음향 모듈은, 예를 들어, 주변 잡음에 강하여 음성 인식률이 높을 수 있다.

일 실시 예에 따르면, 상기 음향 모듈은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식하여 수신하도록 학습될 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 및 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.

일 실시 예에 따르면, 상기 음향 모듈은 데이터 정제, 데이터 통합, 데이터 축소, 및/또는 데이터 변환의 작업을 수행할 수 있다. 상기 데이터 정제란, 불완전한 데이터는 채우고, 모순된 데이터는 수정하는 동작을 포함할 수 있다. 상기 데이터 통합이란, 다양하게 나뉘어져 있는 여러 데이터 베이스, 파일들을 분석하기 용이하도록 합치는 동작을 포함할 수 있다. 상기 데이터 축소란, 인풋 데이터 중 일부 데이터만 샘플링하거나 분석 대상 데이터의 차원을 줄이는 동작을 포함할 수 있다. 상기 데이터 변환이란, 데이터의 평균값을 구하여 데이터를 정규화 또는 집단화 하는 동작을 포함할 수 있다. 상기 음향 모듈은 데이터를 가공하여 의미 없는 값이 데이터에 포함되거나 의도치 않은 변수로 인해 데이터의 품질이 떨어지는 것을 방지할 수 있다. 상기 음향 모듈을 통해 정확성과 적시성을 상승시킬 수 있다.

일 실시예에서, 전자 장치(600)를 참조하여 설명한 각 구성 요소의 동작들 중 적어도 하나의 동작은, 외부 서버(미도시) 또는 다른 전자 장치(미도시)에서 수행(혹은, 실행)될 수 있다. 예를 들어, 프로세서(601)는, 통신 모듈(604)을 이용하여, 외부 서버(미도시) 또는 다른 전자 장치(미도시)로 사용자 입력을 전송하도록 할 수 있다.

외부 서버(미도시)나 다른 전자 장치(미도시)에 포함된 프로세서(미도시)가 상기 사용자 입력을 수신하여 응답 데이터를 생성하여 전자 장치(600)에 상기 응답 데이터를 송신할 수 있다.

프로세서(601)는, 사용자 입력에 대응되는 응답 데이터를 외부 서버(미도시) 또는 다른 전자 장치(미도시)로부터 통신 모듈(604)을 통해 수신할 수 있다. 프로세서(601)는 응답 데이터를 수신하면, 유저 인터페이스(603)를 통해 응답 데이터가 출력되도록 할 수 있다. 또는 통신 모듈(604)을 통해 다른 기기를 제어하거나 데이터를 저장할 수 있다. 프로세서(601)는 적어도 하나 이상의 프로세서로 구성될 수 있으며, 물리적으로 나누어져 고성능의 처리를 수행하는 메인 프로세서와 저전력의 처리를 수행하는 보조 프로세서로 나누어서 구동될 수 있다. 또는 하나의 프로세서가 상황에 따라 고성능과 저전력을 스위칭하여 처리할 수도 있다.

이하에서는, 프로세서(601)의 동작에 대해 구체적으로 설명한다.

일 실시예에 따르면, 메모리(602)는, 실행 시, 프로세서(601)가, 전자 장치에 포함되거나 작동적으로 연결된 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하고, 상기 추출된 적어도 하나 이상의 컨텍스트를 분석하고, 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하고, 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하고, 상기 생성된 언어 모델을 리셋(reset)하도록 하는 인스트럭션들을 저장할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가 프로세서(601)와 작동적으로 연결된 음향 모델을 이용하여 상기 사용자 입력에 포함된 음성 신호를 수신하도록 하고, 상기 음향 모델은 학습 알고리즘을 이용하여 학습되도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 추출된 적어도 하나의 컨텍스트를 임베딩하여 가장 높은 유사도를 가진 적어도 하나의 컨텍스트를 더 추출하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 생성된 언어 모델과 상기 전자 장치에 작동적으로 연결되거나 포함된 다른 언어 모델 간의 가중치를 조절하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 컨텍스트에 포함된 정보를 실시간으로 자소 기준으로 분해하여 적어도 하나의 자소 열을 생성하고, 상기 자소 열의 빈도에 따른 통계 값을 기반으로 상기 언어 모델을 생성하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 생성된 언어 모델을 이용하여 분석한 컨텍스트를 학습하고, 상기 학습된 컨텍스트를 의미 단위의 데이터로 저장하고, 상기 저장된 의미 단위의 데이터를 상기 수신된 사용자의 음성 입력과 비교하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 디스플레이를 통해 표시되고 있는 화면의 적어도 일부가 변경되면, 상기 생성된 언어 모델을 리셋하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 생성된 언어 모델은 상기 전자 장치에 포함되거나 작동적으로 연결된 다른 언어 모델과 별도로 학습하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 상기 생성된 언어 모델을 이용한 응답 데이터를 상기 디스플레이를 이용하여 제공하도록 할 수 있다.

일 실시예에 따르면, 상기 인스트럭션들은, 프로세서(601)가, 형태소 분석을 이용하여 상기 컨텍스트에 포함된 데이터의 자소 열을 구분하도록 할 수 있다.

도 7a는 본 문서에 개시되는 일 실시예에 따른 전자 장치(700)의 구조를 나타낸 다른 블록도이다. 설명의 명확성을 위해 앞서 설명한 것과 중복되는 것은 간략히 하거나 생략될 수 있다.

도시된 실시예에 따르면, 전자 장치(700)는, 컨텍스트 제공 모듈(ContextProvider(SDK))(710), 음성 처리 모듈(720), 실시간 학습 모듈(730), 데이터 베이스(740), 음성 변환 모듈(750), ASR 모듈(760) 및/또는 NLU 모듈(770)을 포함할 수 있다. 상기 열거된 구성 요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.

도 7a에는 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750)과 ASR 모듈(760)이 별도로 도시되어 있지만, 이에 한정되는 것은 아니다. 예를 들어, 음성 처리 모듈(720), 실시간 학습 모듈(730), 음성 변환 모듈(750)이 ASR 모듈(760)에 포함될 수 있다. 또는, 음성 처리 모듈(720), 실시간 학습 모듈(730)은 별도로 존재하고, 음성 변환 모듈(750)이 ASR 모듈(760)에 포함되어 존재할 수 있다.

컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 전자 장치(700)에 포함되거나 작동적으로 연결된 디스플레이를 통해 표시되고 있는 정보를 추출 및/또는 제공할 수 있다. 예를 들어, 상기 디스플레이에 갤러리 어플리케이션이 표시되고 있는 경우, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 갤러리 어플리케이션을 통해 표시된 앨범 이름 및/또는 사진의 파일 이름과 같은 텍스트 정보를 추출하고 상기 추출된 정보를 다른 모듈(예: 음성 처리 모듈(720))에 제공할 수 있다.

일 실시예에서, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 디스플레이를 통해 표시되지 않았지만 상기 표시된 컨텐츠에 관한 정보를 추출하고 상기 추출된 정보를 다른 모듈(예: 음성 처리 모듈(720))에 제공할 수 있다. 예를 들어, 상기 디스플레이에 갤러리 어플리케이션이 표시되고 있는 경우, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 디스플레이를 통해 표시되진 않았지만, 상기 갤러리에 포함된 사진 촬영 당시에 대한 정보(예: Jpeg header에 포함되어 있는 찍은 시간, 장소, 촬영 모드)를 추출하고 상기 추출된 정보를 다른 모듈에 제공할 수 있다.

또 다른 예로, 상기 디스플레이에 뮤직 어플리케이션이 표시되고 있는 경우, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 디스플레이에 표시된 곡의 제목은 물론, 상기 디스플레이를 통해 표시되진 않았지만, 상기 표시된 곡에 대한 정보(예: 작곡가의 이름, 작사가의 이름, 상기 곡이 포함된 앨범)를 추출하고 상기 추출된 정보를 다른 모듈에 제공할 수 있다.

일 실시예에서, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 추출된 정보를 텍스트의 나열(Text Array) 형태로 다른 모듈(예: 음성 처리 모듈(720))에 제공할 수 있다.

일 실시예에서, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 텍스트뿐 아니라, 이미지를 변환(예: byte array 형태)하여 다른 모듈(예: 음성 처리 모듈(720))에 제공할 수 있다.

일 실시예에서, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 텍스트의 나열 형태로 추출된 정보를 ASR 모듈(760)로 싱크하기 위해 음성 처리 모듈(720)에 제공할 수 있다.

도 7a에는 컨텍스트 제공 모듈(ContextProvider(SDK))(710)이 별도로 도시되어 있지만, 이는 예시적인 것으로, 한정되지 않는다. 예를 들어, 컨텍스트 제공 모듈(ContextProvider(SDK))은 어플리케이션(application)에 포함될 수도 있다.

음성 처리 모듈(720)은 컨텍스트 제공 모듈(ContextProvider(SDK))(710)로부터 제공받은 상기 정보를 ASR 모듈(760)로 전달할 수 있다. 일 실시예에서, 음성 처리 모듈(720)은 음성 인식 서비스를 제공하는 지능형 어플리케이션(또는 음성 에이전트)을 의미할 수 있다.

도 7a에는, 실시간 학습 모듈(730)과 음성 변환 모듈(750)이 ASR 모듈(760)과 별도로 도시되어 있지만, ASR 모듈(760)이 실시간 학습 모듈(730)과 음성 변환 모듈(750)을 포함할 수 있다.

음성 변환 모듈(750)은 음성 처리 모듈(720)로부터 전달 받은 데이터를 텍스트 데이터로 변환할 수 있다. 예를 들어, 음성 변환 모듈(750)은 음성 처리 모듈(720)로부터 전달 받은 오디오 데이터를 텍스트 데이터로 변환할 수 있다. 음성 변환 모듈(750)은 상기 변환된 텍스트 데이터와 언어 모델을 비교하여, 사용자의 발화 내용과 가장 유사한 데이터를 상기 언어 모델에서 선정할 수 있다. 예를 들어, 음성 변환 모듈(750)은 사용자의 발화 내용이 “감정 희로애락”인 경우, 상기 언어 모델에서 가장 유사한 데이터로 “감정_희로애락_동작”을 선정할 수 있다.

실시간 학습 모듈(730)은 음성 처리 모듈(720)로부터 전달 받은 정보를 ASR 모듈(760)을 이용한 음성 인식에 사용하기 위해 학습시킬 수 있다. 일 실시예에서, 실시간 학습 모듈(730)은 컨텍스트 제공 모듈(ContextProvider(SDK))(710)에 의해 추출 및/또는 제공된 컨텍스트 정보에 기반하여 실시간으로 제2 언어 모델을 생성할 수 있다. 예를 들어, 제2 언어 모델은 통계적 언어 모델(statistical language model, SLM)일 수 있다.

일 실시예에서, 실시간 학습 모듈(730)은 상기 실시간으로 생성된 제2 언어 모델을 사용 후 리셋(또는, 리프레쉬) 할 수 있다.

예를 들어, 전자 장치(700)의 디스플레이를 통해 표시되는 화면의 적어도 일부가 변경되는 경우, 컨텍스트 제공 모듈(ContextProvider(SDK))(710)은 상기 화면으로부터 추출하는 정보의 적어도 일부를 변경할 수 있다. 실시간 학습 모듈(730)은 컨텍스트 제공 모듈(ContextProvider(SDK))(710)로부터 전달 받은 정보의 적어도 일부가 변경되는 경우, 상기 실시간으로 생성된 제2 언어 모델을 리셋(또는, 리프레쉬)하고, 제2 언어 모델을 재생성 할 수 있다.

일 실시예에서, 전자 장치(700)의 디스플레이를 통해 표시되는 화면의 적어도 일부가 변경되되, 동일하거나 유사한 카테고리에 속하는 어플리케이션(또는, 도메인)에 의해 제공되는 적어도 하나의 화면에 포함되는 경우, 실시간 학습 모듈(730)은 상기 제2 언어 모델을 업데이트하여 재사용할 수 있다.

이하에서, 도 7b를 함께 참조하여, 음성 변환 모듈(750)에 대해 자세히 살펴본다. 도 7b는 일 실시예에 따른, 음성 변환 모듈의 구조를 나타낸 블록도이다. 도 7b에 도시된 바와 같이, 음성 변환 모듈(750)은 자동 음성 인식 모델(755), 제1 언어 모델(753) 및/또는 제2 언어 모델(754)을 포함할 수 있다.

일 실시예에서, 자동 음성 인식 모델(755) 및 제1 언어 모델(753)은 신경망(neural network) 구조를 기반으로 하는 모델일 수 있다. 상기 신경망 구조는 복수의 인공 노드들을 이용하여 계산 및 데이터 처리 기능을 수행하는 하드웨어, 소프트웨어, 또는 적어도 하나의 하드웨어 및 소프트웨어의 조합으로 구현된 모델일 수 있다. 예를 들어, 신경망 구조는 DNN(deep neural network) 또는 BLSTM(bidirectional long short term memory)로 구현된 모델일 수 있다.

일 실시예에서, 제2 언어 모델(754)은 자소열의 빈도에 따른 통계값을 기반으로 하는 통계적 언어 모델(SLM)일 수 있다. 일 실시 예에서, 제2 언어 모델(754)은 실시간 학습 모듈(730)에 의해 생성 및/또는 학습될 수 있다.

일 실시예에서, 자동 음성 인식 모델(755)은 외부(예: 사용자)로부터 획득한 음성 신호를 기반으로 텍스트 데이터를 출력하도록 설계된 모델을 의미할 수 있다. 예를 들어, 자동 음성 인식 모델(755)은 사용자로부터 획득한 음성 신호를 음소(phoneme) 단위로 인식할 수 있다. 일 예로, 자동 음성 인식 모델(755)은 인코더(752) 및 디코더(751)를 포함할 수 있다. 자동 음성 인식 모델(755)은 제1 언어 모델(753) 및 제2 언어 모델(754)과 작동적으로(operatively) 연결되어 텍스트 데이터를 출력할 수 있다.

자동 음성 인식 모델(755)은 인코더(752) - 디코더(751) 구조를 포함할 수 있다. 인코더(752)-디코더(751) 구조는 인코더(752)를 통해 입력 시퀀스를 하나의 고정된 크기의 벡터로 압축하고, 디코더(751)를 통해 상기 고정된 크기의 벡터를 출력 시퀀스로 출력하는 구조를 의미할 수 있다.

일 실시예에서, 제1 언어 모델(753)은 복수의 단어들 사이의 연결 관계에 기초한 확률 정보를 획득하도록 설계된 모델을 의미할 수 있다. 제1 언어 모델(753) 및 제2 언어 모델(754)은 각 언어 모델에 입력된 단어에 연결될 다음 단어에 대한 확률 정보를 제공할 수 있다. 음성 변환 모듈(750)은 자동 음성 인식 모델(755), 제1 언어 모델(753) 및 제2 언어 모델(754)을 이용하여 생성한 확률 정보에 기반하여 확률이 가장 높은 단어들 사이의 연결 관계를 선택하고, 상기 선택한 연결 관계에 기반한 결과 데이터를 음성 인식의 결과로서 출력할 수 있다.

일 실시예에서, 음성 변환 모듈(750)은 자동 음성 인식 모델(755) 및 제1 언어 모델(753) 및 제2 언어 모델(754)을 이용하여 음성 처리 모듈(720)로부터 전달 받은 정보(예: 외부(예: 사용자)로부터 획득한 음성 신호 및 컨텍스트 제공 모듈(ContextProvider(SDK))(710)에 의해 추출 및/또는 제공된 컨텍스트 정보)에 대한 최종적인 음성 인식 결과를 생성할 수 있다. 예를 들어, 자동 음성 인식 모델(755)은 인코딩 된 결과 데이터(예: 인코더(752)의 출력 데이터) 및 이전에 결정된 인식 결과(y_t-1)에 기반하여 출력할 데이터의 후보들(예: 디코더(751)의 출력 데이터)을 생성할 수 있다. 제1 언어 모델(753) 및 제2 언어 모델(754)은 이전에 결정된 인식 결과에 기반하여 출력할 데이터의 후보들을 생성할 수 있다.

일 실시예에서, 전자 장치(700)는 각 모델들(예: 제1 언어 모델(753), 제2 언어 모델(754))로부터 도출되는 출력 데이터들을 지정된 가중치에 따라 계산하여 최종적인 음성 인식 결과를 생성할 수 있다.

도 7B에는, 자동 음성 인식 모델(755), 제1 언어 모델(753) 또는 제2 언어 모델(754)은 별개의 구성 요소로 구현된 것으로 도시되어 있으나 이에 제한되는 것은 아니다. 예를 들어, 제1 언어 모델(753) 및/또는 제2 언어 모델(754)은 자동 음성 인식 모델(755)의 내부에 포함되도록 설계될 수 있다.

일 실시예에서, 음성 변환 모듈(750)은 제1 언어 모델(753)(예: 신경망 언어 모델(neural network language model, NNLM))과 제2 언어 모델(754)(예: 통계적 언어 모델(statistical language model, SLM))을 스코어링하는 방식을 사용하여 ASR 데이터(예: 음성 인식 출력 결과에 대응되는 텍스트 데이터)를 출력할 수 있다. 예를 들어, 음성 변환 모듈(750)은 두 개의 서로 다른 모델을 이용하는 shallow fusion 방식을 이용하여 제1 언어 모델(753)(NNLM)과 제2 언어 모델(SLM)을 스코어링 할 수 있다. 일 실시예에서, 음성 변환 모듈(750)은 음성 처리 모듈(720)로부터 전달 받은 정보에 대해, 제1 언어 모델(753)(NNLM)과 제2 언어 모델(SLM)로부터 출력된 데이터의 확률(probability)값들을 선형 결합하여 결과적으로 확률(probability)이 높은 것(예: 자소)을 선택하는 방식으로 결합할 수 있다.

일 실시예에서, 실시간 학습 모듈(730)은 상기 제공받은 텍스트(예: 컨텍스트 제공 모듈(ContextProvider(SDK))(710)에 의해 추출된 컨텍스트 문장)를 실시간으로 자소 기준으로 분해하여, 자소열의 빈도에 따른 통계 값을 기반으로 한 제2 언어 모델(예: 통계적 언어 모델(SLM))을 생성할 수 있다. 예를 들어, 실시간 학습 모듈(730)은 '방탄티브이' 라는 텍스트를 전달 받으면, 자소를 기준으로 '바ㅇ','타ㄴ','티브이_'로 분해할 수 있다. 실시간 학습 모듈(730)은 상기 분해된 '바ㅇ','타ㄴ','티브이_'의 빈도에 따른 통계 값을 기반으로 통계적 언어 모델을 생성할 수 있다.

일 실시예에서, 음성 변환 모듈(750)은 각 언어 모델 별로 출력된 데이터를 지정된 가중치에 따라 계산하여 최종적인 음성 인식 결과를 생성할 수 있다. 예를 들어, 음성 변환 모듈(750)은 일반 텍스트와 상기 제공받은 컨텍스트 정보에 관한 텍스트를 인식하되, 상기 제공받은 컨텍스트 정보에 관한 텍스트를 좀 더 쉽게 인식되도록 제1 언어 모델(NNLM)의 출력 데이터에 대한 가중치보다 제2 언어 모델의 출력 데이터에 대한 가중치를 높게 조절할 수 있다. 상기 일반 텍스트는, 제1 언어 모델에 저장되어 있는 텍스트일 수 있다. 예를 들어, 전자 장치(700)에서 음악 어플리케이션이 실행 중이고, 전자 장치(700)의 디스플레이를 통해 '가수 - 홍길동, 제목 - 가요Top10' 라는 컨텐츠가 표시되어 있는 경우, 사용자 발화로 “홍길동의 가요 탑 텐 재생해줘”가 수신될 수 있다. 일 실시예에서, 제1 언어 모델은 '가요 탑 텐'이 존재하고, 상기 제공받은 컨텍스트 정보에는 가요Top10이 포함되어 있을 수 있다. 실시간 학습 모듈(730)은 상기 제1 언어 모델에 포함된 '가요 탑 텐'보다 상기 컨텍스트 정보에 포함된 '가요Top10'에 우선순위를 부여하도록 가중치를 조절할 수 있다.

일 실시예에서, 실시간 학습 모듈(730)은 상기 제공받은 정보에 포함된 단어, 문구 및/또는 문장들과 높은 유사도를 가지는 단어 및/또는 문구를 찾아 학습할 수 있다. 일 실시예에서, 실시간 학습 모듈(730)은 상기 제공받은 정보에 포함된 단어, 문구 및/또는 문장을 임베딩(embedding)하여 가장 큰 유사도를 가진 단어 및/또는 문구를 사전에서 찾아 학습할 수 있다. 상기 임베딩(embedding)이란, 문자열 데이터를 숫자 벡터로 표현하는 기법을 의미할 수 있다. 예를 들어, 실시간 학습 모듈(730)은 상기 발화 집합에 포함된 단어를 밀집 벡터로 표현하는 워드 임베딩을 이용하여 높은 유사도를 갖는 단어 및/또는 문구를 찾을 수 있다.

ASR 모듈(760)은 상기 생성된 언어 모델을 이용하여 수신된 사용자의 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, ASR 모듈(760)은 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다. 도 7a에는 ASR 모듈(760)이 전자 장치(700)에 포함된 것으로 도시되어 있으나, 전자 장치(700)와 작동적으로 연결된 외부 장치(예: 서버)에 포함될 수 있다.

NLU 모듈(770)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 NLU 모듈(770)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.

본 문서에 따르는 일 실시예에 따르면, 사용자가 시작 발화(예: 시동어)를 시도할 경우, 전자 장치(700)가 상기 시작 발화(예: 시동어)를 수신한 시점에 전자 장치(700)에 포함되거나 작동적으로 연결된 디스플레이에 표시되어 있는 정보를 추출하여 사용자의 시작 발화(예: 시동어) 이후의 발화에 대한 인식에 이용함으로써, 사용자의 발화에 대한 인식률을 높일 수 있다. 일 실시예에서, 전자 장치(700)는 상기 시작 발화(예: 시동어)를 수신하는 시점에 음성 처리 모듈(720)(예: 지능형 어플리케이션(또는 음성 에이전트))을 활성화시켜 사용자의 음성 입력을 수신할 수 있다.

본 문서에 개시되는 일 실시예에 따르면, 전자 장치(700)가 화면에서 추출한 정보를 이용하여 실시간 언어 모델(예: 제2 언어 모델)을 생성함으로써, 부정확한 데이터(예: 발음이 부정확한 오디오 데이터)가 수신되더라도, 보다 정확한 ASR 데이터(예: 음성 인식 결과로서 텍스트 데이터)를 표시할 수 있다.

본 문서에 개시되는 일 실시예에 따르면, 전자 장치(700)가 화면에서 추출한 정보 및 상기 추출된 정보와 연관된 정보를 이용하여 실시간 언어 모델을 생성함으로써, 사용자가 실제로 발화하고자 했던 정보에 부가 정보(예: 특수 문자)가 포함되어 있는 경우, 상기 부가 정보를 포함한 ASR 데이터를 표시할 수 있다.

도 8은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 사용자 발화를 ASR 데이터로 변환하는 방법에 대한 예시도이다.

도 8을 참조하면, 제1 상태(801)에는 전자 장치(예: 도 3의 사용자 단말(301), 도 6의 전자 장치(600) 또는 도 7a의 전자 장치(700))에 작동적으로 연결되거나 포함된 디스플레이를 통해 갤러리 어플리케이션의 실행 화면이 표시되고 있는 제1 상태(801)가 도시되어 있다. 전자 장치(예: 도 7a의 ContextProvider(SDK) 모듈(710))는 제1 상태(801)를 통해 디스플레이에 표시된 컨텐츠에 대응되는 앨범 이름 및/또는 사진의 파일 이름과 같은 텍스트 정보를 추출할 수 있다. 전자 장치(예: ContextProvider(SDK) 모듈(710))는 상기 디스플레이를 통해 표시되지 않았지만 상기 표시된 컨텐츠에 관한 정보를 추출하고 상기 추출된 정보를 제공할 수 있다. 예를 들어, 전자 장치(예: ContextProvider(SDK) 모듈(710))는 상기 갤러리 어플리케이션에 포함된 사진 촬영 당시에 대한 정보(예: Jpeg header에 포함되어 있는 찍은 시간, 장소, 촬영 모드)를 추출하고 상기 추출된 정보를 실시간 학습 모듈(803)(예: 도 7a의 실시간 학습 모듈(730))에 제공할 수 있다.

일 실시예에서, 전자 장치(예: ContextProvider(SDK) 모듈(710))는 상기 추출된 정보를 텍스트의 나열(Text Array) 형태(802)로 다른 모듈에 제공할 수 있다. 예를 들어, 제1 상태(801)에서 추출된 정보를 “가족”, “감정_희로애락_동작”, “건축물”,…, ”보디케어”, “사진”, “앨범”, “스토리”, 및 “공유”를 포함한 텍스트의 나열 형태(802)로 실시간 학습 모듈(803)에 제공할 수 있다.

실시간 학습 모듈(803)은 전달 받은 정보를 ASR 모듈(760)을 이용한 음성 인식에 사용하기 위해 실시간 언어 모델(예: 제2 언어 모델(SLM))을 생성 및/또는 학습시킬 수 있다. 실시간 학습 모듈(803)은 상기 전달 받은 텍스트의 나열 형태(802)를 포함한 정보에 대해 제2 언어 모델을 학습하고, 그 결과(804)를 의미 단위로 저장할 수 있다. 예를 들어, “가족”, “감정_희로애락_동작”, “건축물”,…, ”보디케어”, “사진”, “앨범”, “스토리”, 및 “공유”를 포함한 텍스트의 나열 형태(802)의 데이터를 각각의 의미 단위로 제1 표(804)와 같이 저장할 수 있다. 실시간 학습 모듈(803)이 의미 단위로 저장함으로써, 학습 결과를 추후 입력된 발화와 쉽게 비교할 수 있다.

실시간 학습 모듈(803)은 상기 제공받은 텍스트를 실시간으로 자소 기준으로 분해하여, 자소 열의 빈도에 따른 통계 값을 기반으로 제2 언어 모델을 생성할 수 있다.

일 실시예에서, 음성 변환 모듈(805)(예: 도 7a의 음성 변환 모듈(750))은 실시간 학습 모듈(803)에 의해 실시간으로 생성된 제2 언어 모델로부터 도출된 출력 데이터에 대한 가중치를 자동 음성 인식 모델 및 제1 언어 모델로부터 도출된 출력 데이터에 대한 가중치보다 높게 조절하여 음성 인식 결과로서 텍스트 데이터(예: ASR 데이터)를 출력할 수 있다. 예를 들어, 음성 변환 모듈(805)은 일반 텍스트와 상기 제공받은 컨텍스트 정보에 관한 텍스트를 인식하되, 상기 제공받은 컨텍스트 정보에 관한 텍스트를 좀 더 쉽게 인식되도록 가중치를 조절할 수 있다.

음성 변환 모듈(805)은 수신된 사용자의 음성 입력(807)을 텍스트 데이터로 변환할 수 있다. 도 8에는 사용자의 음성 입력(807)으로 “하이 빅스비, 감정 희로애락 동작 폴더 삭제해줘”가 도시되어 있다. 음성 변환 모듈(805)은 상기 “하이 빅스비, 감정 희로애락 동작 폴더 삭제해줘”를 텍스트 데이터로 변환할 수 있다.

전자 장치는 실시간 학습 모듈(803)에서 생성된 “감정_희로애락_동작”에 우선 순위를 부여하도록 제1 언어 모델에 포함된 언어 간의 가중치를 조절할 수 있다.

제2 상태(806)를 참조하면, 전자 장치는 사용자 음성 입력(807)에 대해 디스플레이를 통해 “감정 희로애락 동작 폴더 삭제해줘”라고 표시할 수 있다.

도 8에 도시된 바와 같이, 본 문서에 개시되는 일 실시예에 따르면, 전자 장치가 화면에서 추출한 정보를 이용하여 실시간 언어 모델을 생성함으로써, 부정확한 데이터(예: 발음이 부정확한 오디오 데이터)가 수신되더라도, 보다 정확한 ASR 데이터를 표시할 수 있다.

도 9는 본 문서에 개시되는 일 실시예에 따른 전자 장치가 사용자 발화를 ASR 데이터로 변환하는 방법에 대한 다른 예시도이다.

도 9를 참조하면, 제1 상태(901)에는 전자 장치(예: 도 3의 사용자 단말(301), 도 6의 전자 장치(600) 또는 도 7a의 전자 장치(700))에 작동적으로 연결되거나 포함된 디스플레이를 통해 뮤직 어플리케이션의 실행 화면이 표시되고 있는 제1 상태(901)가 도시되어 있다. 전자 장치는 제1 상태(901)를 통해 디스플레이에 표시된 앨범 이름 및/또는 사진의 파일 이름과 같은 텍스트 정보를 추출할 수 있다. 전자 장치는 상기 디스플레이를 통해 표시되지 않았지만 상기 표시된 컨텐츠에 관한 정보를 추출하고 상기 추출된 정보를 실시간 학습 모듈(903)에 제공할 수 있다. 전자 장치는 상기 디스플레이에 표시된 곡의 제목은 물론, 상기 디스플레이를 통해 표시되진 않았지만, 상기 표시된 곡에 대한 정보(예: 작곡가의 이름, 작사가의 이름, 상기 곡이 포함된 앨범)를 추출하고 상기 추출된 정보를 실시간 학습 모듈(903)에 제공할 수 있다.

전자 장치는 상기 추출된 정보를 텍스트의 나열(Text Array) 형태(902)로 다른 모듈에 제공할 수 있다. 예를 들어, 제1 상태(901)에서 추출된 정보를 “벅스차트”, “국가/장르”, “곡”, “방탄소년단”,…, ”뮤직4U”, “내음악”, “탐색”, 및 “라디오” 를 포함한 텍스트의 나열 형태(902)로 실시간 학습 모듈(903)에 제공할 수 있다.

실시간 학습 모듈(903)은 전달 받은 정보를 ASR 모듈을 이용한 음성 인식에 사용하기 위해 실시간 언어 모델(예: 제2 언어 모델)을 생성 및/또는 학습시킬 수 있다. 실시간 학습 모듈(903)은 상기 전달 받은 텍스트의 나열 형태(902)를 포함한 정보에 대해 제2 언어 모델을 학습하고, 그 결과(904)를 의미 단위로 저장할 수 있다. 예를 들어, “벅스차트”, “국가/장르”, “곡”, “방탄소년단”,…, ”뮤직4U”, “내음악”, “탐색”, 및 “라디오” 를 포함한 텍스트의 나열 형태(902)의 데이터를 각각의 의미 단위로 제1 표(904)와 같이 저장할 수 있다. 실시간 학습 모듈(903)이 의미 단위로 저장함으로써, 학습 결과를 추후 입력된 발화와 쉽게 비교할 수 있다.

실시간 학습 모듈(903)은 상기 제공받은 텍스트를 실시간으로 자소 기준으로 분해하여, 자소 열의 빈도에 따른 통계 값을 기반으로 제2 언어 모델을 생성할 수 있다. 일 실시예에서, 음성 변환 모듈(905)(예: 도 7a의 음성 변환 모듈(750))은 실시간 학습 모듈(903)에 의해 실시간으로 생성된 제2 언어 모델로부터 도출된 출력 데이터에 대한 가중치를 자동 음성 인식 모델 및 제1 언어 모델로부터 도출된 출력 데이터에 대한 가중치보다 높게 조절하여 음성 인식 결과로서 텍스트 데이터(예: ASR 데이터)를 출력할 수 있다. 예를 들어, 음성 변환 모듈(905)은 일반 텍스트와 상기 제공받은 컨텍스트 정보에 관한 텍스트를 인식하되, 상기 제공받은 컨텍스트 정보에 관한 텍스트를 좀 더 쉽게 인식되도록 가중치를 조절할 수 있다.

음성 변환 모듈(905)은 수신된 사용자의 음성 입력(907)을 텍스트 데이터로 변환할 수 있다. 도 9에는 사용자의 음성 입력(907)으로 “하이 빅스비, 숲의 아이 재생해줘”가 도시되어 있다. 음성 변환 모듈(905)은 상기 “하이 빅스비, 숲의 아이 재생해줘”를 텍스트 데이터로 변환할 수 있다.

전자 장치는 실시간 학습 모듈(905)에서 생성된 의미 단위로 저장된 표 1(904)에서 “숲의 아이 (Bon voyage)” 에 우선 순위를 부여하도록 제1 언어 모델에 포함된 언어 간의 가중치를 조절할 수 있다.

제2 상태(906)를 참조하면, 전자 장치는 사용자 음성 입력(907)에 대해 디스플레이를 통해 “하이 빅스비, 숲의 아이 (Bon voyage) 재생해줘” 라고 표시할 수 있다.

본 문서에 개시되는 일 실시예에 따르면, 전자 장치가 화면에서 추출한 정보 및 상기 추출된 정보와 연관된 정보를 이용하여 실시간 언어 모델을 생성함으로써, 사용자가 실제로 발화하고자 했던 정보에 부가 정보(예: 특수문자)가 포함되어 있는 경우, 상기 부가 정보(예: 특수문자)를 포함한 ASR 데이터를 표시할 수 있다.

이하, 도 10을 참조하여, 본 문서에 개시되는 일 실시예에 따른 전자 장치가 음성 인식 성능을 향상시키는 방법에 대해 자세히 설명한다.

도 10은 본 문서에 개시되는 일 실시예에 따른 전자 장치가 음성 인식 성능을 향상시키는 방법에 대한 순서도(1000)이다. 일 실시예에 따르면, 도 10에 도시된 프로세스는 전자 장치(예: 도 1의 전자 장치(101))의 프로세서(예: 도 1의 프로세서(120))가 메모리(예: 도 1의 메모리(130))에 저장된 인스트럭션을 실행하여 수행되는 것으로 이해될 수 있다.

동작 1001에서, 전자 장치는 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출할 수 있다. 일 실시예에서, 전자 장치는 디스플레이를 통해 표시되고 있는 화면에 표시된 컨텐츠를 이용하여 적어도 하나 이상의 컨텍스트를 추출할 수 있다. 예를 들어, 상기 디스플레이에 갤러리 어플리케이션이 표시되고 있는 경우, 전자 장치는, 상기 갤러리 어플리케이션을 통해 표시된 앨범 이름 및/또는 사진의 파일 이름과 같은 텍스트 정보를 추출할 수 있다.

일 실시예에서, 전자 장치는 상기 디스플레이를 통해 표시되지 않았지만 상기 표시된 컨텐츠에 관한 정보를 추출할 수 있다. 예를 들어, 상기 디스플레이에 갤러리 어플리케이션의 실행 화면이 표시되고 있는 경우, 전자 장치는 상기 디스플레이를 통해 표시 되진 않았지만, 상기 갤러리에 포함된 사진 촬영 당시에 대한 정보(예: Jpeg header에 포함되어 있는 찍은 시간, 장소, 촬영 모드)를 추출하고 상기 추출된 정보를 다른 모듈에 제공할 수 있다.

또 다른 예로, 상기 디스플레이에 뮤직 어플리케이션의 실행 화면이 표시되고 있는 경우, 전자 장치는 상기 디스플레이에 표시된 곡의 제목은 물론, 상기 디스플레이를 통해 표시 되진 않았지만, 상기 표시된 곡에 대한 정보(예: 작곡가의 이름, 작사가의 이름, 상기 곡이 포함된 앨범)를 추출하고 상기 추출된 정보를 다른 모듈에 제공할 수 있다.

동작 1003에서, 전자 장치는 상기 추출된 적어도 하나 이상의 컨텍스트를 분석할 수 있다. 일 실시예에서, 전자 장치는 상기 추출된 컨텍스트에 관한 정보를 텍스트의 나열(Text Array) 형태로 변환하고, 상기 변환된 컨텍스트를 분석할 수 있다. 일 실시예에서, 전자 장치는 상기 추출된 컨텍스트에 관한 정보를 텍스트뿐 아니라, 이미지를 변환(예: byte array 형태)하여 분석할 수 있다.

일 실시예에서, 전자 장치는 상기 제공받은 정보에 포함된 단어, 문구 및/또는 문장들과 높은 유사도를 가지는 단어 및/또는 문구를 찾아 분석할 수 있다. 일 실시예에서, 전자 장치는 상기 제공받은 정보에 포함된 단어, 문구 및/또는 문장을 임베딩(embedding)하여 가장 큰 유사도를 가진 단어 및/또는 문구를 사전에서 찾아 학습할 수 있다. 상기 임베딩(embedding)이란, 문자열 데이터를 숫자 벡터로 표현하는 기법을 의미할 수 있다. 예를 들어, 전자 장치는 상기 발화 집합에 포함된 단어를 밀집 벡터로 표현하는 워드 임베딩을 이용하여 높은 유사도를 갖는 단어 및/또는 문구를 찾을 수 있다.

동작 1005에서, 전자 장치는 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성할 수 있다. 상기 언어 모델은 통계적 언어 모델일 수 있다. 상기 분석된 컨텍스트는 상기 변환된 텍스트 데이터를 의미할 수 있다. 전자 장치는, 변환된 텍스트 데이터를 ASR 모듈을 이용한 음성 인식에 사용하기 위해 상기 생성된 언어 모델을 학습시킬 수 있다.

일 실시예에서, 전자 장치는 제1 언어 모델(예: 신경망 언어 모델(neural network language model, NNLM))과 제2 언어 모델(예: 통계적 언어 모델(statistical language model, SLM))을 포함할 수 있다. 상기 생성된 언어 모델은 제2 언어 모델일 수 있다.

일 실시예에서, 전자 장치는 상기 제1 언어 모델(예: 신경망 언어 모델(neural network language model, NNLM))과 상기 제2 언어 모델(예: 통계적 언어 모델(statistical language model, SLM))을 스코어링하는 방식을 사용하여 ASR 데이터(예: 음성 인식 출력 결과에 대응되는 텍스트 데이터)를 출력할 수 있다. 예를 들어, 전자 장치는 두 개의 서로 다른 모델을 이용하는 shallow fusion 방식을 이용하여 제1 언어 모델(NNLM)과 제2 언어 모델(SLM)을 스코어링 할 수 있다. 일 실시예에서, 전자 장치는 전달 받은 정보에 대해, 제1 언어 모델(NNLM)과 제2 언어 모델(SLM)로부터 출력된 데이터의 확률(probability)값들을 선형 결합하여 결과적으로 확률(probability)이 높은 것(예: 자소)을 선택하는 방식으로 결합할 수 있다.

일 실시예에서, 전자 장치는 상기 제공받은 텍스트(예: 컨텍스트 제공 모듈(ContextProvider(SDK))(도 7a의 710)에 의해 추출된 컨텍스트 문장)를 실시간으로 자소 기준으로 분해하여, 자소열의 빈도에 따른 통계 값을 기반으로 한 제2 언어 모델(예: 통계적 언어 모델(SML))을 생성할 수 있다.

일 실시예에서, 전자 장치는 각 언어 모델 별로 출력된 데이터를 지정된 가중치에 따라 계산하여 최종적인 음성 인식 결과를 생성할 수 있다. 예를 들어, 전자 장치는 일반 문장과 상기 제공받은 컨텍스트 정보에 관한 문장을 인식하되, 상기 제공받은 컨텍스트 정보에 관한 문장을 좀 더 쉽게 인식되도록 가중치를 조절할 수 있다.

동작 1007에서, 전자 장치는 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환할 수 있다. 일 실시예에서, 전자 장치는 제1 언어 모델(예: 신경망 언어 모델(neural network language model, NNLM))과 제2 언어 모델(예: 통계적 언어 모델(statistical language model, SLM))을 포함할 수 있다. 상기 생성된 언어 모델은 제2 언어 모델일 수 있다.

일 실시예에서, 전자 장치는 상기 생성된 제2 언어 모델 및 제1 언어 모델을 함께 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환할 수 있다.

일 실시예에서, 전자 장치는 상기 수신된 사용자의 음성 입력에 대해 상기 생성된 언어 모델의 가중치를 높여 상기 생성된 언어 모델에 생성된 의미 단위로 저장된 데이터가 높은 우선순위를 가지도록 할 수 있다. 전자 장치는 상기 높은 우선순위를 가지는 데이터를 상기 수신된 사용자의 음성 입력에 대응하는 텍스트로 변환할 수 있다.

동작 1009에서, 전자 장치는 상기 제2 언어 모델을 리셋(reset) 할 수 있다. 전자 장치가 상기 생성된 언어 모델을 리셋함으로써 실시간성을 높이고, 메모리 사용을 최소화할 수 있다.

일 실시예에서, 전자 장치의 디스플레이를 통해 표시되는 화면의 적어도 일부가 변경되는 경우, 전자 장치는 상기 화면으로부터 추출하는 정보의 적어도 일부를 변경할 수 있다. 상기 전달 받은 정보의 적어도 일부가 변경되는 경우, 상기 전자 장치는 상기 실시간으로 생성된 제2 언어 모델을 리셋(또는, 리프레쉬)하고, 제2 언어 모델을 재생성 할 수 있다.

일 실시예에서, 전자 장치의 디스플레이를 통해 표시되는 화면의 적어도 일부가 변경되되, 동일하거나 유사한 카테고리에 속하는 어플리케이션(또는, 도메인)에 의해 제공되는 적어도 하나의 화면에 포함되는 경우, 상기 전자 장치는 상기 제2 언어 모델을 업데이트하여 재사용할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 메모리에 대한 프로세스가 실행되면, 상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하는 동작, 상기 추출된 적어도 하나 이상의 컨텍스트를 분석하는 동작, 상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하는 동작, 상기 생성된 언어 모델을 이용하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작 및 상기 생성된 언어 모델을 리셋(reset)하도록 하는 동작을 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 프로세서와 작동적으로 연결된 음향 모델을 이용하여 상기 사용자 입력에 포함된 음성 신호를 수신하는 동작 및 상기 음향 모델은 학습 알고리즘을 이용하여 학습되도록 하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 추출된 적어도 하나의 컨텍스트를 임베딩하여 가장 높은 유사도를 가진 적어도 하나의 컨텍스트를 더 추출하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 생성된 언어 모델과 상기 전자 장치에 작동적으로 연결되거나 포함된 다른 언어 모델 간의 가중치를 조절하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 컨텍스트에 포함된 정보를 실시간으로 자소 기준으로 분해하여 적어도 하나의 자소 열을 생성하는 동작 및 상기 자소 열의 빈도에 따른 통계 값을 기반으로 상기 언어 모델을 생성하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 생성된 언어 모델을 이용하여 분석한 컨텍스트를 학습하는 동작, 상기 학습된 컨텍스트를 의미 단위의 데이터로 저장하는 동작 및 상기 저장된 의미 단위의 데이터를 상기 수신된 사용자의 음성 입력과 비교하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 디스플레이를 통해 표시되고 있는 화면의 적어도 일부가 변경되면, 상기 생성된 언어 모델을 리셋하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 생성된 언어 모델은 상기 전자 장치에 포함되거나 작동적으로 연결된 다른 언어 모델과는 별도로 학습하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 상기 생성된 언어 모델을 이용한 응답 데이터를 상기 디스플레이를 이용하여 제공하는 동작을 더 포함할 수 있다.

일 실시예에 따른 전자 장치가 수행하는 방법은, 형태소 분석을 이용하여 상기 컨텍스트에 포함된 데이터의 자소 열을 구분하는 동작을 더 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.

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™)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

전자 장치에 있어서,
유저 인터페이스;
디스플레이;
상기 유저 인터페이스와 작동적으로 연결된 프로세서; 및
상기 프로세서와 작동적으로 연결되는 메모리를 포함하고,
상기 메모리는, 실행 시, 상기 프로세서가,
상기 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하고,
상기 추출된 적어도 하나 이상의 컨텍스트를 분석하고,
상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하고,
상기 생성된 언어 모델을 이용하여 상기 유저 인터페이스를 이용하여 수신된 사용자의 음성 입력을 텍스트로 변환하고,
상기 생성된 언어 모델을 리셋(reset)하도록 하는 인스트럭션들을 저장하는,
전자 장치.
청구항 1에 있어서,
상기 프로세서와 작동적으로 연결된 음향 모델을 더 포함하고,
상기 인스트럭션들은, 상기 프로세서가,
상기 음향 모델을 이용하여 상기 사용자의 음성 입력에 포함된 음성 신호를 수신하도록 하고,
상기 음향 모델은 학습 알고리즘을 이용하여 학습되도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 추출된 적어도 하나의 컨텍스트를 임베딩하여 가장 높은 유사도를 가진 적어도 하나의 컨텍스트를 더 추출하도록 하는
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 생성된 언어 모델과 상기 전자 장치에 작동적으로 연결되거나 포함된 다른 언어 모델 간의 가중치를 조절하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 컨텍스트에 포함된 정보를 실시간으로 자소 기준으로 분해하여 적어도 하나의 자소 열을 생성하고,
상기 자소 열의 빈도에 따른 통계 값을 기반으로 상기 언어 모델을 생성하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 생성된 언어 모델을 이용하여 분석한 컨텍스트를 학습하고,
상기 학습된 컨텍스트를 의미 단위의 데이터로 저장하고,
상기 저장된 의미 단위의 데이터를 상기 수신된 사용자의 음성 입력과 비교하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 디스플레이를 통해 표시되고 있는 화면의 적어도 일부가 변경되면, 상기 생성된 언어 모델을 리셋하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 생성된 언어 모델은 상기 전자 장치에 포함되거나 작동적으로 연결된 다른 언어 모델과 별도로 학습하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
상기 생성된 언어 모델을 이용한 응답 데이터를 상기 디스플레이를 이용하여 제공하도록 하는,
전자 장치.
청구항 1에 있어서,
상기 인스트럭션들은, 상기 프로세서가,
형태소 분석을 이용하여 상기 컨텍스트에 포함된 데이터의 자소 열을 구분하도록 하는,
전자 장치.
전자 장치가 수행하는 방법에 있어서,
상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 메모리에 대한 프로세스가 실행되면, 상기 전자 장치에 포함되거나 상기 전자 장치에 연결된 디스플레이를 통해 표시되고 있는 화면에서 적어도 하나 이상의 컨텍스트를 추출하는 동작;
상기 추출된 적어도 하나 이상의 컨텍스트를 분석하는 동작;
상기 분석된 컨텍스트를 기반으로 언어 모델을 생성하는 동작;
상기 생성된 언어 모델을 이용하여 상기 전자 장치에 포함되거나 작동적으로 연결된 유저 인터페이스를 이용하여 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작; 및
상기 생성된 언어 모델을 리셋(reset)하도록 하는 동작을 포함하는,
방법.
청구항 11에 있어서,
상기 전자 장치에 포함되거나 작동적으로 연결된 음향 모델을 이용하여 상기 사용자의 음성 입력에 포함된 음성 신호를 수신하는 동작; 및
상기 음향 모델은 학습 알고리즘을 이용하여 학습되도록 하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 추출된 적어도 하나의 컨텍스트를 임베딩하여 가장 높은 유사도를 가진 적어도 하나의 컨텍스트를 더 추출하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 생성된 언어 모델과 상기 전자 장치에 작동적으로 연결되거나 포함된 다른 언어 모델 간의 가중치를 조절하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 컨텍스트에 포함된 정보를 실시간으로 자소 기준으로 분해하여 적어도 하나의 자소 열을 생성하는 동작; 및
상기 자소 열의 빈도에 따른 통계 값을 기반으로 상기 언어 모델을 생성하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 생성된 언어 모델을 이용하여 분석한 컨텍스트를 학습하는 동작;
상기 학습된 컨텍스트를 의미 단위의 데이터로 저장하는 동작; 및
상기 저장된 의미 단위의 데이터를 상기 수신된 사용자의 음성 입력과 비교하여 상기 수신된 사용자의 음성 입력을 텍스트로 변환하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 디스플레이를 통해 표시되고 있는 화면의 적어도 일부가 변경되면, 상기 생성된 언어 모델을 리셋하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 생성된 언어 모델은 상기 전자 장치에 포함되거나 작동적으로 연결된 다른 언어 모델과는 별도로 학습하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
상기 생성된 언어 모델을 이용한 응답 데이터를 상기 디스플레이를 이용하여 제공하는 동작을 더 포함하는,
방법.
청구항 11에 있어서,
형태소 분석을 이용하여 상기 컨텍스트에 포함된 데이터의 자소 열을 구분하는 동작을 더 포함하는,
방법.