KR20230116143A

KR20230116143A - 상담 유형 분류 시스템

Info

Publication number: KR20230116143A
Application number: KR1020220012527A
Authority: KR
Inventors: 김경징; 이영한; 손현곤
Original assignee: 주식회사 부뜰정보시스템
Priority date: 2022-01-27
Filing date: 2022-01-27
Publication date: 2023-08-04

Abstract

본 발명에 따른 상담 유형 분류 시스템은 입력 인터페이스; 및 상담 어플리케이션 프로그램이 실행되어 상담 화면이 디스플레이에 표시되도록 제어하는 프로세서를 포함할 수 있다. 상기 프로세서는 상담유형별 콜 목록 중 정확히 분류되었던 콜 목록에 기초한 AI 학습에 따라 구축된 AI 모델을 이용하여, 상담 진행 중 또는 상담이 종료되는 즉시, 전체 상담 내용을 상기 구축된 AI 모델에서 유사한 상담 유형을 탐색하고, 유사도가 높은 상위 N개의 상담 유형을 상기 상담 어플리케이션 프로그램의 상기 디스플레이에 표시하고, 유사도가 높은 상기 상위 N개의 상담 유형이 저장되도록 제어할 수 있다.

Description

상담 유형 분류 시스템{Counseling Type Classification System}

본 발명은 상담사에 의해 상담 서비스를 제공하는 상담 시스템에 관한 발명이다. 보다 상세하게는 상담 유형 분류 방법 및 상담 유형 분류 시스템에 관한 발명이다. 본 발명은 2021년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임 (No.2021-0-00052, 컨택센터 상담 어시스턴트의 지능화 플랫폼 개발 및 사업화)

최근 4차 산업혁명으로 인해 인공지능, 로봇 등 첨단 기술 기반의 서비스들이 봇물 터지듯이 생겨나고 있다. 실제 인공지능이 할 수 있는 일들로 많이 회자되는 것으로 콜 센터 상담사의 업무를 대체하는 것까지 거론되고 있으며 영국 옥스퍼드대학의 연구에서 인공지능으로 사라질 업무 1위로 텔레마케팅 상담사가 선정되었다.

또한, 전화 상담 이외에 다양한 상담채널이 생겨남으로서, 더 이상 콜센터라는 용어보다 컨택센터라는 용어가 더 자연스러운 시대가 되었다.

기존의 상담 유형 분류 방법과 관련하여, 상담사가 통화 종료 후 통화 내용을 정리하는 후처리 단계에서, 통화 내용에 따라 어떤 유형의 상담이었는지를 본인이 판단하여 시스템에 저장하였다. 이러한 경우 상담사는 다음 콜을 빨리 받기 위해 아무 유형이나 선택한다던가, 한 콜에 여러 유형의 대화가 섞여있는 경우 그 중 하나만 선택한다던가 하는 부정확한 액션이 발생하게 된다는 문제점이 있다.

상담사가 단순히 수작업으로 상담 유형을 분류하는 방식을 고려할 수 있다. 하지만, 이러한 상담사가 단순히 수작업으로 상담 유형을 분류하는 방식은 다양한 고객 상담 형태를 신속하고 정확하게 분류하여 이를 다른 상담에 활용하는 데 한계가 있다는 문제점이 있다.

특히, 업무 이해도가 낮은 신입 상담사들이 단순 수작업으로 상담 유형을 분류하는 경우 다양한 고객 상담 형태를 신속하고 정확하게 분류시키는 데 한계가 있다는 문제점이 발생한다.

따라서, 이러한 문제점을 해결하기 위해 본 발명에 따른 상담 유형 분류 시스템은 상담 진행 중 고객 발화 문장과 관련된 상담 유형을 KMS (Knowledge Management Service) 시스템과 연동하여 분류할 수 있다.

따라서, 본 발명의 목적은 상담 유형 분류 방법 및 상담 유형 분류 시스템을 제공하기 위한 것이다.

또한, 본 발명의 목적은 상담 종료 직후 상담 내용을 기반으로 사전 정의된 상담유형 중 유사도가 높은 상담 유형을 자동으로 검출하여 시스템에 통계 산출 용도로 제공하기 위한 것이다.

본 발명에 따른 상담 유형 분류 시스템은 마이크로폰을 통해 실시간 대화를 획득하도록 구성된 입력 인터페이스 및 상기 입력 인터페이스와 동작 가능하게 결합되고, 상담 어플리케이션 프로그램이 실행되어 상담 화면이 디스플레이에 표시되도록 제어하는 프로세서를 포함할 수 있다. 상기 프로세서는 상담유형별 콜 목록 중 정확히 분류되었던 콜 목록에 기초한 AI 학습에 따라 구축된 AI 모델을 이용하여, 상담 진행 중 또는 상담이 종료되는 즉시, 전체 상담 내용을 상기 구축된 AI 모델에서 유사한 상담 유형을 탐색하고, 유사도가 높은 상위 N개의 상담 유형을 상기 상담 어플리케이션 프로그램의 상기 디스플레이에 표시하고, 유사도가 높은 상기 상위 N개의 상담 유형이 저장되도록 제어할 수 있다.

일 실시 예에 따르면, 상기 프로세서는 상기 상담과 소정 범위 내 유사한 상담이 진행되거나 상기 상위 N개의 상담 유형에 속하는 상담 주제가 선택되면, 상기 저장된 상위 N개의 상담 유형과 상기 상담 유형과 관련된 표준 스크립트가 상기 디스플레이에 표시되도록 제어할 수 있다.

일 실시 예에 따르면, 상기 프로세서와 연동하는 AI 서버는 표준 스크립트와 연관된 상담 원문에 해당하는 제1 데이터에 대한 데이터 인코딩, 사전 학습된(pretrained) 모델을 통해 용어 확장 학습 및 세부 튜닝을 통해 상담 유형 분류 모델을 저장하고, 제2 데이터에 대해 상담 유형을 분류하여 선택하고, 특징 키워드를 추출하여 규칙 세트(rule-set) 모델을 구축하여 사전(dictionary) 모델을 저장하고, 상기 제1 데이터는 각 상담에 대한 정답을 보유하고 있는 데이터이고, 상기 제2 데이터는 상담에 대한 정답을 일정 비율 이하로 보유하고 있는 데이터일 수 있다.

일 실시 예에 따르면, 상기 프로세서는 상기 상담을 위한 해당 콜이 종료되면, STT 엔진을 구동하여 해당 콜 상담 내용에 대한 형태소 분석, 워드 임베딩을 통해 자연어 전처리를 수행하고, 상기 상담 유형 분류 모델 및 상기 사전 모델을 이용하여 상기 전처리된 콜 상담 내용에 대한 상담 유형 별 패턴 분석과 AI에 기반한 상기 상위 N개의 상담 유형을 추출할 수 있다.

일 실시 예에 따르면, 상기 프로세서는 상기 상위 N개의 상담 유형과 상기 해당 콜 상담 내용에 대한 분석 결과를 상기 STT 엔진의 API를 통해 반환하고, 상기 유사도가 높은 상기 상위 N개의 상담 유형이 저장되도록 제어하면서, 상기 STT 엔진을 통해 상기 상위 N개의 상담 유형의 핵심 키워드와 상기 해당 콜 상담 내용에 대한 분석 결과에 따른 개선 사항을 음성으로 출력할 수 있다.

일 실시 예에 따르면, 상기 상담 유형 분류 시스템과 연관된 KMP (Knowledge Management Platform)는 지식 데이터를 학습하는 지식 데이터 학습 모델, 상담 원문을 분류하여 학습하는 분류 데이터 학습 모델 및 스크립트와 평가 기준 모델을 포함하는 상담 평가 모델을 포함하도록 구성될 수 있다. 상기 프로세서는 상기 분류 데이터 학습 모델을 이용하여 상담 원문 수집 및 분류 데이터 모델 학습을 수행하고, 키워드 기반 분석 모듈을 이용하여 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행할 수 있다.

일 실시 예에 따르면, 상기 프로세서와 연동하는 AI 서버는 AI 기반 분석 모듈을 이용하여 워드 임베딩, 유사도 분석, 세부 튜닝 및 분류 추천을 수행할 수 있다.

일 실시 예에 따르면, 상기 프로세서는 상기 KMP와 연관된 매칭율 분석 모델을 이용하여 상기 KMP에서 정의된 필수 상담 항목과 연관된 키워드 패턴에 따라 매칭율을 분석하고, BERT(Bidirectional Encoder Representations from Transformers) 방식을 통해 획득된 가중치를 GPT (Generative Pre-trained Transformer) 방식에 적용하여 상담 내용과 연관된 각 문장에 대한 디코딩을 수행하여, 상기 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행할 수 있다.

본 발명의 실시예에 따르면, 상담 유형 분류 방법 및 상담 유형 분류 시스템을 인공 지능(AI) 기반으로 제공할 수 있다.

또한, 본 발명의 실시예에 따르면, AI 엔진 도입으로 상담 내용에 따라 동일한 분류 기준에서 분류 결과를 자동으로 추천할 수 있다.

또한, 본 발명의 실시예에 따르면, 한 콜 내에 여러 상담유형이 포함된 상담의 경우에도 복수의 상담 유형을 추천할 수 있다.

또한, 본 발명의 실시예에 따르면, 상담사는 통화 종료 후 본인이 판단할 필요 없이 시스템에 추천하는 상담유형을 확인하고 저장만 누르면 상담 유형 분류가 가능하다.

또한, 본 발명의 실시예에 따르면, 본 발명의 상담 유형 분류 시스템을 통해 후처리 시간 경감과 분류 통계 정확도 향상이 가능하다.

도 1은 본 발명의 실시예에 따른 상담 유형 분류 시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 상담 유형 분류 시스템의 상세 구성도이다.
도 3은 본 발명에 따른 상담 유형 분류 시스템에서 수행되는 상담 유형 분류 방법의 흐름도를 나타낸다.
도 4는 본 발명에 따른 상담 유형 분류 시스템의 기술적 차별점의 개념도와 이를 구현하기 위한 일부 구성을 나타낸 것이다.
도 5는 본 발명에 따른 상담 유형 분류 시스템에서 상담 관련 실시간 처리를 위한 상세 모델 및 모듈 구성을 나타낸다.
도 6a 내지 도 6c는 본 발명에 따른 상담 유형 분류 시스템의 차별화되는 기술적 특징들과 관련된 구성들을 나타낸다.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시 예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시 예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시 예들은 다양한 형태들로 실시될 수 있으며 본 명세서에 설명된 실시 예들에 한정되지 않는다.

본 발명의 개념에 따른 실시 예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시 예들을 도면에 예시하고 본 명세서에서 상세하게 설명하고자 한다. 그러나 이는 본 발명의 개념에 따른 실시 예들을 특정한 개시 형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만, 예컨대 본 발명의 개념에 따른 권리 범위로부터 벗어나지 않은 채, 제1 구성 요소는 제2 구성 요소로 명명될 수 있고 유사하게 제2 구성 요소는 제1 구성 요소로도 명명될 수 있다.

어떤 구성 요소가 다른 구성 요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성 요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로서, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 본 명세서에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 명세서에 첨부된 도면들을 참조하여 본 발명의 실시 예들을 상세히 설명한다. 그러나 특허출원의 범위가 이러한 실시 예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 실시예에 따른 상담 유형 분류 시스템의 구성도이다. 도 1에 도시된 바와 같이 본 발명의 실시예에 따른 상담 유형 분류 시스템은 고객 단말(100), 서버(200), 상담사 컴퓨터(300) 및 통신 네트워크(400)로 이루어진 시스템이다.

통신 네트워크(400)는 고객 단말(100)과 상담사 컴퓨터(300)를 통신가능하게 연결하는 유선 및/또는 무선 통신 네트워크일 수 있다. 또한, 통신 네트워크(400)는 고객 단말(100)과 서버(200) 또는 서버(200)와 상담사 컴퓨터(300)를 통신가능하게 연결하는 유선 및/또는 무선 통신 네트워크일 수 있다.

한편, 본 발명에 따른 상담 유형 분류 시스템이 구현된 상담사 컴퓨터(300)는 AI 모델 학습 엔진(510)과 ruleset 모델(520)을 이용하여 분류/분석 모델(530)을 생성하는 것을 특징으로 한다. 이를 위해, 상담 어플리케이션 프로그램(600)은 STT 엔진(540)과 연동하여 콜 종료 시 상담 원문을 분류 및 분석하여 상담 유형 분류 결과를 전달할 수 있다. 이러한 일련의 절차에 대해서는 도 3에서 상세히 설명한다.

한편, 도 2는 본 발명의 실시예에 따른 상담 유형 분류 시스템의 상세 구성도이다.

도 1 및 도 2를 참조하면, 상담사 컴퓨터(300)는 통신부(310), 입력 인터페이스(320), 프로세서(330), 디스플레이(340) 및 메모리(350)를 포함하도록 구성될 수 있다. 서버(200)는 복수의 고객 단말(100) 및 상담사 컴퓨터(300)와 동작 가능하게 결합되고, 복수의 서버로 구성될 수 있다.

통신부(310)는 복수의 고객 단말(100) 및 서버(200)와 통신 가능하게 결합되도록 구성될 수 있고, 유선 및/또는 무선 통신 네트워크로 구현될 수 있다. 입력 인터페이스(320)는 마이크로폰(321)을 통해 상담사 및/또는 고객의 실시간 대화를 획득하도록 구성될 수 있다. 입력 인터페이스(320)는 이에 한정되지 않고 상담사 컴퓨터(300)를 제어할 수 있는 다른 입력 수단들, 예컨대 키보드 및 마우스를 더 포함할 수도 있다.

프로세서(330)는 입력 인터페이스(320)와 동작 가능하게 결합될 수 있다. 프로세서(330)는 상담 어플리케이션 프로그램이 실행되어 상담 화면이 디스플레이(340)에 표시되도록 제어할 수 있다. 메모리(350)는 상담 관련 정보를 저장하고 상담 어플리케이션 프로그램이 실행 시 해당 정보를 액세스하도록 구성될 수 있다.

본 발명에 따른 상담 유형 분류 시스템은 상담 진행 중 고객 발화 문장과 관련된 상담 유형을 KMS (Knowledge Management Service) 시스템과 연동하여 분류할 수 있다. 한편, 본 발명에서는 상담 종료 직후 상담 내용을 기반으로 사전 정의된 상담유형 중 유사도가 높은 상담 유형을 자동으로 검출하여 시스템에 통계 산출 용도로 제공할 수 있다.

이와 관련하여, 기존에는 상담사가 통화 종료 후 통화 내용을 정리하는 후처리 단계에서, 통화 내용에 따라 어떤 유형의 상담이었는지를 본인이 판단하여 시스템에 저장하였다. 이러한 경우 상담사는 다음 콜을 빨리 받기 위해 아무 유형이나 선택한다던가, 한 콜에 여러 유형의 대화가 섞여있는 경우 그 중 하나만 선택한다던가 하는 부정확한 액션이 발생하게 된다는 문제점이 있다.

본 발명에 따르면 AI 엔진 도입으로 상담 내용에 따라 동일한 분류 기준에서 분류 결과를 자동으로 추천할 수 있다. 한 콜 내에 여러 상담유형이 포함된 상담의 경우에도 복수의 상담 유형을 추천할 수 있다. 이에 따라, 상담사는 통화 종료 후 본인이 판단할 필요 없이 시스템에 추천하는 상담유형을 확인하고 저장만 누르면 상담 유형 분류가 가능하다. 이에 따라, 본 발명의 상담 유형 분류 시스템을 통해 후처리 시간 경감과 분류 통계 정확도 향상이 가능하다.

이러한 기술적 특징에 따른 본 발명의 상담 유형 분류 시스템의 구현은 다음과 같은 방법으로 이루어질 수 있다.

기존에 상담사가 후처리 시 선택했던 각종 상담유형별 콜 목록 중 정확히 분류했던 콜 목록만 가져와서 AI 학습(어떤 유형에서 어떤 식으로 대화가 진행되는지를 학습)을 진행한다. 모델이 구축된 상태에서 상담이 진행되고 상담이 종료되는 즉시, 전체 상담 내용을 벡터화하여 기 구축된 모델에서 유사한 상담유형이 무엇인지를 탐색할 수 있다. 유사도 높은 상위 N개(예 3개)의 상담 유형을 최종적으로 상담사 컴퓨터의 상담 어플리케이션 화면에 제공하여, 상담사는 제공된 상담유형을 최종 확인 후 저장할 수 있다.

전술한 본 발명의 개념 및 구현 방법과 관련하여, 본 발명의 상담 유형 분류 시스템은 도 3과 같이 구성될 수 있다. 이와 관련하여, 도 3은 본 발명에 따른 상담 유형 분류 시스템에서 수행되는 상담 유형 분류 방법의 흐름도를 나타낸다.

도 3을 참조하면, 상담 유형 분류 시스템은 AI 모델 학습 엔진(510)과 ruleset 모델(520)을 이용하여 분류/분석 모델(530)을 생성할 수 있다. 일 예로, 프로세서(330)는 AI 모델 학습 엔진(510)과 ruleset 모델(520)을 이용하여 분류/분석 모델(530)을을 생성할 수 있다. 상담 유형 분류 시스템은 프로세서(330)에 한정되는 것은 아니고, 프로세서(330)가 서버(200)와 연동하거나 또는 서버(200)에 의해서 구현될 수 있다.

도 2 및 도 3을 참조하면, STT 엔진(540)과 연동하는 프로세서(330)는 실시간 패킷 분석, 자연어 전처리 및 패킷 분류/분석 결과 판정을 통해 상담 유형 분류가 수행되도록 제어할 수 있다. 또한, 상담 어플리케이션 프로그램(600)은 상담 유형 분류 및/또는 분석을 수행하면서 이와 연관된 분류/분석 결과를 실시간으로 수신할 수 있다.

이와 관련하여, 프로세서(330)는 AI 엔진을 구동하여 KMS (Knowledge Management Service) 시스템과 연관된 서버(200)와 연동하여 상담 원문을 학습하여 AI 모델을 생성할 수 있다. 프로세서(330)는 AI 모델이 생성된 상태에서 실시간 대화가 진행되면, 상담 내용과 연관된 발화 문장을 입력받아 상기 발화 문장과 상기 모델 내의 컨텐츠의 유사도를 분석할 수 있다.

AI 모델 학습 엔진(510)은 상담 원문에 대해 데이터 인코딩, 사전 학습된(pre-trained) 모델을 통해 용어 확장 학습 및 세부 튜닝을 수행하여 분류/분석 모델(530)과 연동할 수 있다. 이와 관련하여, 상담 원문은 상담 방식 및 상담 내용에 대한 정답지를 보유한 제1 상담 원문일 수 있다.

Ruleset 모델(520)은 상담 원문에 대해 상담유형을 분류하여 선택하고, 특정 키워드를 추출하고 키워드 선정과 지정 등록을 통해 분류/분석 모델(530)과 연동할 수 있다. 이와 관련하여, 상담 원문은 상담 방식 및 상담 내용에 대한 정답지를 보유하지 않거나 특정 규모 이하의 소규모 보유한 제2 상담 원문일 수 있다.

분류/분석 모델(530)은 AI 모델 학습 엔진(510)으로부터 데이터 인코딩, 사전 학습된(pre-trained) 모델을 통해 용어 확장 학습 및 세부 튜닝된 제1 정보를 수신할 수 있다. 분류/분석 모델(530)은 ruleset 모델(520)로부터 상담유형을 분류하여 선택하고, 특정 키워드를 추출하고 키워드 선정과 지정 등록된 제2 정보를 수신할 수 있다. 분류/분석 모델(530)은 AI 모델 학습 엔진(510)로부터 수신된 제1 정보를 이용하여 AI 모델로 저장하고 ruleset 모델(520)로부터 수신된 제2 정보를 이용하여 사전(dictionary) 모델로 저장할 수 있다.

STT 엔진(540)으로부터 콜 종료 신호를 수신하면, 프로세서(300)는 해당 콜 상담 원문의 일괄 요청을 수행하고, 형태소 분석 및 워드 임베딩과 같은 자연어 전처리를 수행할 수 있다. 프로세서(300)는 분류/분석 모델(530)과 연동하여 해당 콜 상담 원문의 분류/분석 결과를 판정할 수 있다. 이와 관련하여, 프로세서(300)는 패턴 분석을 통해 상당 유형들을 선별하고, AI 기반으로 정확도에 기초하여 현재 수행 중인 상담과 유사한 최대 N개의 상담 유형들을 상위 선별을 수행할 수 있다. 프로세서(300)는 분석이 종료된 즉시 분석 결과를 API를 통해 STT 엔진(540)으로 반환할 수 있다.

전술한 기술적 특징들을 참조하여 본 발명에 따른 상담 유형 분류 시스템에 대해 설명한다. 상담 유형 분류 시스템은 마이크로폰을 통해 실시간 대화를 획득하도록 구성된 입력 인터페이스(320)를 포함할 수 있다. 상담 유형 분류 시스템은 인터페이스(320)와 동작 가능하게 결합되는 프로세서(330)를 포함할 수 있다. 프로세서(330)는 상담 어플리케이션 프로그램(600)이 실행되어 상담 화면이 디스플레이에 표시되도록 제어할 수 있다.

프로세서(330)는 상담유형별 콜 목록 중 정확히 분류되었던 콜 목록에 기초한 AI 학습에 따라 구축된 AI 모델(510)을 이용할 수 있다. 프로세서(330)는 AI 모델(510)을 이용하여 상담 진행 중 또는 상담이 종료되는 즉시, 전체 상담 내용을 상기 구축된 AI 모델에서 유사한 상담 유형을 탐색할 수 있다. 프로세서(330)는 유사도가 높은 상위 N개의 상담 유형을 상담 어플리케이션 프로그램(600)의 디스플레이(340)에 표시할 수 있다. 프로세서(330)는 유사도가 높은 상위 N개의 상담 유형이 저장되도록 제어할 수 있다.

프로세서(330)는 상담과 소정 범위 내 유사한 상담이 진행되거나 상위 N개의 상담 유형에 속하는 상담 주제가 선택되면, 저장된 상위 N개의 상담 유형과 상담 유형과 관련된 표준 스크립트가 디스플레이(340)에 표시되도록 제어할 수 있다.

프로세서(330)는 자체적으로 AI 기반 분류/분석을 수행하거나 또는 AI 서버(200)와 연동하여 AI 기반 분류/분석을 수행할 수 있다. AI 서버(200)와 연동하여 AI 기반 분류/분석을 수행하여 상담사 컴퓨터(300)를 통해 상담을 진행하는 데 프로세서 부담을 경감하면서 서버에서 정확하고 신속하게 상담 유형 분류가 가능하다.

프로세서(330)와 연동하는 AI 서버(200)는 표준 스크립트와 연관된 상담 원문에 해당하는 제1 데이터에 대한 데이터 인코딩, 사전 학습된(pretrained) 모델을 통해 용어 확장 학습 및 세부 튜닝을 통해 상담 유형 분류 모델을 저장할 수 있다. AI 서버(200)는 제2 데이터에 대해 상담 유형을 분류하여 선택하고, 특징 키워드를 추출하여 규칙 세트(rule-set) 모델을 구축하여 사전(dictionary) 모델을 저장할 수 있다.

상기 제1 데이터는 각 상담에 대한 정답을 보유하고 있는 데이터이고, 상기 제2 데이터는 상담에 대한 정답을 일정 비율 이하로 보유하고 있는 데이터일 수 있다.

프로세서(330)는 상담을 위한 해당 콜이 종료되면, STT 엔진(540)을 구동하여 해당 콜 상담 내용에 대한 형태소 분석, 워드 임베딩을 통해 자연어 전처리를 수행할 수 있다. 프로세서(330)는 상담 유형 분류 모델 및 사전 모델을 이용하여 전처리된 콜 상담 내용에 대한 상담 유형 별 패턴 분석과 AI에 기반한 상위 N개의 상담 유형을 추출할 수 있다.

프로세서(330)는 상위 N개의 상담 유형과 상기 해당 콜 상담 내용에 대한 분석 결과를 상기 STT 엔진(540) 또는 상담 어플리케이션 프로그램(600)의 API를 통해 반환할 수 있다. 프로세서(330)는 유사도가 높은 상위 N개의 상담 유형이 저장되도록 제어하면서, STT 엔진(540)을 통해 상위 N개의 상담 유형의 핵심 키워드와 해당 콜 상담 내용에 대한 분석 결과에 따른 개선 사항을 음성으로 출력하도록 제어할 수도 있다.

본 발명에 따른 상담 유형 분류 시스템에 의해 수행되는 상담 유형 분류 방법은 일정 수준 이상의 분류 정확도와 일정 수준 이상의 응답 성능을 목표로 할 수 있다. 이와 관련하여, 도 4는 본 발명에 따른 상담 유형 분류 시스템의 기술적 차별점의 개념도와 이를 구현하기 위한 일부 구성을 나타낸 것이다.

도 4를 참조하면, 본 발명에 따른 상담 유형 분류 시스템에 의해 수행되는 상담 유형 분류 방법의 상담 정확도는 85% 이상으로 응답 성능은 0.5초 이내를 목표로 할 수 있지만, 이에 한정되는 것은 아니고 응용에 따라 변경 가능하다.

한편, 본 발명에 따른 상담 분류 방법은 단순히 키워드 패턴과 CNN 알고리즘에 의한 하이브리드 분류에 한정되는 것은 아니다. 따라서 본 발명에 따른 상담 분류 방법은 키워드 패턴 및 이미 훈련된(Pre-trained) 언어 모델과 변환기(transformer) 알고리즘에 따른 하이브리드 분류를 통해 이루어질 수 있다.

이를 위해, 본 발명에서는 제1 데이터(DATA1)에 대해 AI 모델 학습 엔진(510)에서 이미 훈련된(Pre-trained) 언어 모델을 이용하여 AI 모델 학습이 가능하다. 또한, 제2 데이터(DATA2)에 대해 ruleset 모델(520)에서 특징 키워드를 통해 키워드 패턴을 추출할 수 있다. 또한, 본 발명은 키워드 패턴 및 이미 훈련된(Pre-trained) 언어 모델을 통해 변환된 제1 및 제2 데이터를 분류/분석 모델(530)의 변환기(transformer) 알고리즘에 따른 하이브리드 분류를 수행할 수 있다. 따라서 본 발명에 따른 상담 유형 분류 시스템은 AI 모델 학습 엔진(510)과 ruleset 모델(520)을 이용하여 분류/분석 모델(530)을 생성하고 이를 통해 상담 유형 분류가 가능하다.

한편, 본 발명에 따른 분류/분석 모델(530)을 포함하여 다양한 학습 모델 및 평가 기준 모델이 상담 관련 실시간 처리를 위해 구현될 수 있다. 이와 관련하여, 도 5는 본 발명에 따른 상담 유형 분류 시스템에서 상담 관련 실시간 처리를 위한 상세 모델 및 모듈 구성을 나타낸다.

도 2 내지 도 5를 참조하면, 상담 어플리케이션 프로그램(600)이 프로세서(330)에 의해 구동되면, 상담 어플리케이션 프로그램(600)은 다음과 같이 계층화될 수 있다. 다른 예로, 상담 어플리케이션 프로그램(600)이 서버(200)에서 구현될 수도 있다.

상담 어플리케이션 프로그램(600)은 입력 인터페이스(610), 학습/평가 모델(620), 키워드 패턴 기반 분석 모듈(630), AI 기반 분석 모듈(640) 및 실시간 처리/연동 모듈(650)을 포함하도록 구성될 수 있다. 키워드 패턴 기반 분석 모듈(630)은 KMP 매칭율 분석 모듈(631)을 포함하거나 또는 매칭율 분석 모듈(631)이 키워드 패턴 기반 분석 모듈(630)과 별도로 구성될 수 있다. AI 기반 분석 모듈(640)은 딥러닝 모듈(641)을 포함하거나 또는 딥러닝 모듈(641)이 AI 기반 분석 모듈(640)과 별도로 구성될 수 있다.

입력 인터페이스(610)는 상담 원문, 어플리케이션 메타데이터, KMS 관련 데이터 및 관리자 정의 데이터를 획득하도록 구성될 수 있다. 학습/평가 모델(620)은 KMS 학습 모델로 지칭될 수 있다. 학습/평가 모델(620)은 지식 데이터를 학습하는 지식 데이터 학습 모델(621)을 포함할 수 있다. 학습/평가 모델(620)은 상담 원문을 분류하여 학습하는 분류 데이터 학습 모델(622) 및 스크립트와 평가 기준 모델을 포함하는 상담 평가 모델(623)을 포함하도록 구성될 수 있다.

프로세서(330)는 지식 데이터 학습 모델(621)을 이용하여 발화 문장의 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행하는 키워드 패턴 기반 분석을 수행할 수 있다. 프로세서(330)는 지식 데이터 학습 모델(621)을 이용하여 발화 문장의 워드 임베딩, 유사도 분석, 세부 튜닝을 통해 소정 범위 내에서 유사한 지식 컨텐츠가 추천되도록 제어할 수 있다. 이를 위해, 프로세서(330)는 AI 기반 분석 모듈(640)과 연동될 수 있다.

이와 관련하여, 상담 유형 분류 시스템과 연관된 KMP (Knowledge Management Platform)는 지식 데이터를 학습하는 지식 데이터 학습 모델(621)을 포함할 수 있다. KMP는 상담 원문을 분류하여 학습하는 분류 데이터 학습 모델(622) 및 스크립트와 평가 기준 모델을 포함하는 상담 평가 모델(623)을 포함하도록 구성될 수 있다.

프로세서(330)는 분류 데이터 학습 모델(622)을 이용하여 상담 원문 수집 및 분류 데이터 모델 학습을 수행할 수 있다. 프로세서(330)는 키워드 기반 분석 모듈(621)을 이용하여 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행할 수 있다.

프로세서(330)와 연동하는 AI 서버(200)는 AI 기반 분석 모듈(640)을 이용하여 워드 임베딩, 유사도 분석, 세부 튜닝 및 분류 추천을 수행할 수 있다.

따라서 본 발명에 따른 상담 유형 분류 시스템에 의한 상담 유형 분류 방법은 일예로 1)+3)+5)+6)+7)+8)의 조합에 의해 수행될 수 있지만, 이에 한정되는 것은 아니다.

한편, 프로세서(330)는 AI 분석 엔진의 차별화 기술 적용을 통한 상담 유형 분류/분석의 정확도를 보장할 수 있다. 이와 관련하여, 도 6a 내지 도 6c는 본 발명에 따른 상담 유형 분류 시스템의 차별화되는 기술적 특징들과 관련된 구성들을 나타낸다. 도 6a는 BERT + GPT 혼합 모델을 적용하는 구성을 나타낸 것이다. 도 6b는 문어체 데이터의 변환 구성과 토큰화 시 바이트 페어 인코딩과 형태소 분석의 결합을 위한 구성을 나타낸 것이다. 도 6c는 자유 발화 특성을 고려한 스트링 매칭 개선 알고리즘을 적용한 구성을 나타낸 것이다. 이를 위해, 상담 유형 분류 알고리즘 내 문장 탐색 스크린(screen) 영역이 정의되고 이에 따라 자유 발화 특성을 고려한 스트링 매칭 개선 알고리즘이 구현될 수 있다.

도 2 내지 도 6a를 참조하면, 프로세서(330)는 KMP와 연관된 매칭율 분석 모델을 이용하여 상기 KMP에서 정의된 필수 상담 항목과 연관된 키워드 패턴에 따라 매칭율을 분석할 수 있다. 프로세서(330)는 BERT(Bidirectional Encoder Representations from Transformers) 방식을 통해 획득된 가중치를 GPT (Generative Pre-trained Transformer) 방식에 적용할 수 있다. 프로세서(330)는 상담 내용과 연관된 각 문장에 대한 디코딩을 수행하여, 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행할 수 있다. BERT + GPT 혼합 모델을 적용하는 구성을 통해 상담 내용과 연관된 각 문장에 대한 디코딩을 수행하여, 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류 시, 상담 유형 분류의 정확도 개선과 속도 개선이 가능하다. 이와 관련하여, 상담 원문 또는 상담 원문의 특징 키워드에 따라 BERT + GPT 혼합 모델을 적용하여 상담 원문의 유형 분류 및 분석을 수행할 수 있다. 또한, 이를 통해 최대 TOP 3 상담 유형 분류 추천 및 상담 분석 결과 수행이 가능하다.

도 3 내지 도 5 및 도 6b를 참조하면, AI 모델 학습 엔진(510)은 상담 원문 문어체 데이터를 구어체 데이터로 데이터 인코딩할 수 있다. 또한, AI 모델 학습 엔진(510)은 인코딩된 상담 원문 데이터를 이미 훈련된 언어 모델을 이용하여 용어 확장 학습을 수행할 수 있다.

한편, 상담 원문 데이터에서 특징 키워드를 추출하여 AI 학습을 수행하는 과정은 AI 모델 학습 엔진(510) 및 분류/분석 모델(530)에 의해 수행되거나 또는 ruleset 모델(520) 및 분류/분석 모델(530)에 의해 수행될 수 있다.

키워드 추출 기반 AI 학습이 ruleset 모델(520) 및 분류/분석 모델(530)에 의해 수행되는 것에 대해 설명하면 다음과 같다. 이와 관련하여, ruleset 모델(520)을 통해 상담 원문 데이터에서 특징 키워드를 추출할 수 있다. 토큰 속성 추출을 위한 형태소 사전의 2차 탐색이 이루어질 수 있다. Ruleset 모델(520)을 통해 추출된 특징 키워드는 분류/분석 모델(530)에 기반하여 AI 학습이 수행될 수 있다. 이와 관련하여, 특징 키워드는 AI 모델 및 사전(dictionary) 모델에 개별 저장될 수 있다.

도 6c를 참조하면, 본 발명에 따른 상담 유형 분류 방법은 상담 원문의 원문 스트링과 사전(dictionary) 모델에 저장된 패턴 스트링을 각 단계별로 매칭 구간을 달리하여 비교할 수 있다. 이는 자유 발화 특성을 고려한 스트링 매칭 개선 알고리즘이 적용된 것이다. 따라서, 본 발명에 따른 상담 유형 분류 방법은 상담 유형 분류 알고리즘 내 문장 탐색 스크린 영역이 정의되어 구현될 수 있다. 특히, 자유 발화 특성을 고려하여 각 단계별로 매칭 구간이 다른 스트링 매칭 개선 알고리즘이 상담 유형 분류 방법에도 적용될 수 있다.

자유 발화 특성을 고려하여, 제1 단계(S100) 내지 제3 단계(S300)에서 상담 원문 스트링(S1 내지 S3)의 스트링 열은 일정 간격만큼 천이(shift)되게 구성될 수 있다. 다시 말해, 제1 단계(S100)의 제1 상담 원문 스트링(S1) 내지 제3 단계(S300)의 제3 상담 원문 스트링(S3)은 동일한 상담 문장을 일정 시간 간격만큼 천이시킨 형태이다. 일 예로, 제2 단계(S200)의 제2 상담 원문 스트링(S2)은 제1 단계(S100)의 제1 상담 원문 스트링(S1)을 특정 문자 간격, 예컨대 2문자 간격만큼 천이시킨 형태일 수 있다. 한편, 제3 단계(S300)의 제3 상담 원문 스트링(S3)은 제2 단계(S200)의 제2 상담 원문 스트링(S2)을 한 문자 간격 이내, 예컨대 0.5문자 간격만큼 천이시킨 형태일 수 있다.

제1 상담 원문 스트링(S1) 내지 제3 상담 원문 스트링(S3)의 제1 매칭 구간(M1) 내지 제3 매칭 구간(M3)을 서로 달리하여 상담 유형 분류 알고리즘 내 문장 탐색 스크린 영역이 서로 다르게 정의되어 구현될 수 있다. 일 예로, 제1 상담 원문 스트링(S1)의 제1 매칭 구간(M1)과 제2 상담 원문 스트링(S2)의 제2 매칭 구간(M2)은 상호 중첩되지 않게 구성되어, 상담 원문의 주요 문장이 발화되는 위치 탐색을 수행할 수 있다. 제2 상담 원문 스트링(S2)의 제2 매칭 구간(M2)과 제3 상담 원문 스트링(S3)의 제2 매칭 구간(M3)은 일부 중첩되게 구성되어, 상담 원문의 주요 문장이 발화되는 위치 탐색을 세부적으로 수행하고 패턴 일치 여부를 상세하게 검사할 수 있다.

이상에서는 본 발명에 따른 상담 유형 분류 시스템에 대해 살펴보았다. 본 발명에 따른 상담 유형 분류 시스템의 기술적 효과에 대해 살펴보면 다음과 같다.

상술한 본 발명의 특징 및 효과는 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능뿐만 아니라 각각의 구성 요소들에 대한 설계 및 파라미터 최적화는 별도의 소프트웨어 모듈로도 구현될 수 있다. 적절한 프로그램 언어로 쓰여진 소프트웨어 어플리케이션으로 소프트웨어 코드가 구현될 수 있다. 상기 소프트웨어 코드는 메모리에 저장되고, 제어부(controller) 또는 프로세서(processor)에 의해 실행될 수 있다.

100: 고객 단말
200: 서버
300: 상담사 컴퓨터
310: 통신부
320: 입력 인터페이스
330: 프로세서
340: 디스플레이
350: 메모리
400: 통신 네트워크
510: AI 모델 학습 엔진
520: ruleset 모델
530: 학습 모델
540: STT 엔진
600: 상담 어플리케이션 프로그램
610: 입력 인터페이스
620: 학습/평가 모델
621: 지식 데이터 학습 모델
622: 분류 데이터 학습 모델
623: 상담 평가 모델
630: 키워드 패턴 기반 분석 모듈
640: AI 기반 분석 모듈
650: 실시간 처리/연동 모듈

Claims

상담 유형 분류 시스템에서,
마이크로폰을 통해 실시간 대화를 획득하도록 구성된 입력 인터페이스; 및
상기 입력 인터페이스와 동작 가능하게 결합되고, 상담 어플리케이션 프로그램이 실행되어 상담 화면이 디스플레이에 표시되도록 제어하는 프로세서를 포함하고,
상기 프로세서는,
상담유형별 콜 목록 중 정확히 분류되었던 콜 목록에 기초한 AI 학습에 따라 구축된 AI 모델을 이용하여, 상담 진행 중 또는 상담이 종료되는 즉시, 전체 상담 내용을 상기 구축된 AI 모델에서 유사한 상담 유형을 탐색하고,
유사도가 높은 상위 N개의 상담 유형을 상기 상담 어플리케이션 프로그램의 상기 디스플레이에 표시하고,
유사도가 높은 상기 상위 N개의 상담 유형이 저장되도록 제어하는, 상담 유형 분류 시스템.
제1항에 있어서,
상기 프로세서는,
상기 상담과 소정 범위 내 유사한 상담이 진행되거나 상기 상위 N개의 상담 유형에 속하는 상담 주제가 선택되면, 상기 저장된 상위 N개의 상담 유형과 상기 상담 유형과 관련된 표준 스크립트가 상기 디스플레이에 표시되도록 제어하는, 상담 유형 분류 시스템.
제1항에 있어서,
상기 프로세서와 연동하는 AI 서버는,
표준 스크립트와 연관된 상담 원문에 해당하는 제1 데이터에 대한 데이터 인코딩, 사전 학습된(pretrained) 모델을 통해 용어 확장 학습 및 세부 튜닝을 통해 상담 유형 분류 모델을 저장하고,
제2 데이터에 대해 상담 유형을 분류하여 선택하고, 특징 키워드를 추출하여 규칙 세트(rule-set) 모델을 구축하여 사전(dictionary) 모델을 저장하고,
상기 제1 데이터는 각 상담에 대한 정답을 보유하고 있는 데이터이고, 상기 제2 데이터는 상담에 대한 정답을 일정 비율 이하로 보유하고 있는 데이터인 것을 특징으로 하는, 상담 유형 분류 시스템.
제3항에 있어서,
상기 프로세서는,
상기 상담을 위한 해당 콜이 종료되면, STT 엔진을 구동하여 해당 콜 상담 내용에 대한 형태소 분석, 워드 임베딩을 통해 자연어 전처리를 수행하고,
상기 상담 유형 분류 모델 및 상기 사전 모델을 이용하여 상기 전처리된 콜 상담 내용에 대한 상담 유형 별 패턴 분석과 AI에 기반한 상기 상위 N개의 상담 유형을 추출하는, 상담 유형 분류 시스템.
제4항에 있어서,
상기 프로세서는,
상기 상위 N개의 상담 유형과 상기 해당 콜 상담 내용에 대한 분석 결과를 상기 STT 엔진의 API를 통해 반환하고,
상기 유사도가 높은 상기 상위 N개의 상담 유형이 저장되도록 제어하면서, 상기 STT 엔진을 통해 상기 상위 N개의 상담 유형의 핵심 키워드와 상기 해당 콜 상담 내용에 대한 분석 결과에 따른 개선 사항을 음성으로 출력하는, 상담 유형 분류 시스템.
제1항에 있어서,
상기 상담 유형 분류 시스템과 연관된 KMP (Knowledge Management Platform)는 지식 데이터를 학습하는 지식 데이터 학습 모델, 상담 원문을 분류하여 학습하는 분류 데이터 학습 모델 및 스크립트와 평가 기준 모델을 포함하는 상담 평가 모델을 포함하도록 구성되고,
상기 프로세서는,
상기 분류 데이터 학습 모델을 이용하여 상담 원문 수집 및 분류 데이터 모델 학습을 수행하고,
키워드 기반 분석 모듈을 이용하여 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행하는, 상담 유형 분류 시스템.
제6항에 있어서,
상기 프로세서와 연동하는 AI 서버는,
AI 기반 분석 모듈을 이용하여 워드 임베딩, 유사도 분석, 세부 튜닝 및 분류 추천을 수행하는, 상담 유형 분류 시스템.
제7항에 있어서,
상기 프로세서는,
상기 KMP와 연관된 매칭율 분석 모델을 이용하여 상기 KMP에서 정의된 필수 상담 항목과 연관된 키워드 패턴에 따라 매칭율을 분석하고,
BERT(Bidirectional Encoder Representations from Transformers) 방식을 통해 획득된 가중치를 GPT (Generative Pre-trained Transformer) 방식에 적용하여 상담 내용과 연관된 각 문장에 대한 디코딩을 수행하여, 상기 형태소 분석, 키워드 분석, 자연어 처리 및 속성 분류를 수행하는, 상담 유형 분류 시스템.