WO2020032467A1 - 인공지능 기반 질의응답 도출방법, 장치 및 프로그램 - Google Patents

인공지능 기반 질의응답 도출방법, 장치 및 프로그램 Download PDF

Info

Publication number
WO2020032467A1
WO2020032467A1 PCT/KR2019/009532 KR2019009532W WO2020032467A1 WO 2020032467 A1 WO2020032467 A1 WO 2020032467A1 KR 2019009532 W KR2019009532 W KR 2019009532W WO 2020032467 A1 WO2020032467 A1 WO 2020032467A1
Authority
WO
WIPO (PCT)
Prior art keywords
response
information
query
questionnaire
computer
Prior art date
Application number
PCT/KR2019/009532
Other languages
English (en)
French (fr)
Inventor
김보언
Original Assignee
김보언
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김보언 filed Critical 김보언
Publication of WO2020032467A1 publication Critical patent/WO2020032467A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing

Definitions

  • the present invention relates to an artificial intelligence based question answer derivation method, apparatus and program.
  • AI Artificial Intelligence
  • AI technology is composed of elementary technology that utilizes machine learning (deep learning) and machine learning.
  • Machine learning is an algorithm technology that classifies / learns characteristics of input data by itself
  • element technology is a technology that simulates the functions of human brain cognition and judgment by using machine learning algorithms such as deep learning. It consists of technical fields such as understanding, reasoning / prediction, knowledge representation and motion control.
  • Linguistic understanding is a technology for recognizing and applying / processing human language / characters and includes natural language processing, machine translation, dialogue system, question and answer, speech recognition / synthesis, and the like.
  • Visual understanding is a technology that recognizes and processes objects as human vision, and includes object recognition, object tracking, image retrieval, human recognition, scene understanding, spatial understanding, and image enhancement.
  • Inference prediction is a technique of judging information, logically inferring, and predicting information, and includes knowledge / probability based inference, optimization prediction, preference based planning, and recommendation.
  • Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data generation / classification) and knowledge management (data utilization).
  • Motion control is a technique for controlling autonomous driving of a vehicle and movement of a robot, and includes motion control (navigation, collision, driving), operation control (action control), and the like.
  • MICE is an abbreviation of English letters such as meetings, incentive trips, conventions, exhibitions and events. In a narrow sense, MICE is a promising industry centered around international conferences and exhibitions. In the broader sense, it means a convergence industry that includes participant-centered reward tourism and mega events.
  • the problem to be solved by the present invention is to provide an AI-based question and answer derivation method, apparatus and program.
  • the artificial intelligence-based question and answer deriving method collecting the member information (S101), determining the query (S102), associated with the query from the member information Extracting information (S103) and using an artificial intelligence model, deriving a response to the query from the extracted information (S104).
  • a method for obtaining a response to a specific query for members of a specific group or range.
  • FIG. 1 is a diagram illustrating a system according to an exemplary embodiment.
  • FIG. 2 is a flowchart illustrating a method of deriving an artificial intelligence based question and answer according to an exemplary embodiment.
  • FIG. 3 is a flowchart illustrating a method of extracting a keyword according to an exemplary embodiment.
  • FIG. 4 is a flowchart illustrating a method of extracting information according to an exemplary embodiment.
  • FIG. 5 is a flowchart illustrating a method of deriving a response to a query according to an exemplary embodiment.
  • FIG. 6 is a flowchart illustrating a method of collecting information according to an embodiment.
  • FIG. 7 is a flowchart illustrating a method of obtaining a questionnaire, according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating a method of performing a questionnaire for each member according to an exemplary embodiment.
  • FIG. 9 is a flowchart illustrating a weight-based response obtaining method according to an embodiment.
  • FIG. 10 is a block diagram of an apparatus according to an embodiment.
  • the artificial intelligence-based question and answer deriving method collecting the member information (S101), determining the query (S102), associated with the query from the member information Extracting information (S103) and using an artificial intelligence model, deriving a response to the query from the extracted information (S104).
  • the step (S101) includes a step (S105) of collecting at least one of background information, living information and questionnaire information of the member, the step (S102), determining a keyword corresponding to the query (S106), and the step (S103) may include extracting information associated with the keyword from the member information (S107).
  • step (S107), the step of extracting one or more keywords associated with the keyword from the member information (S108) and the step of extracting information of a predetermined unit including the extracted one or more keywords from the member information may include (S109).
  • the step (S104) may include the step (S112) of deriving a response to the query based on the keywords included in the extracted corpus.
  • the method may include obtaining a questionnaire question based on the first response (S115) and obtaining questionnaire information including a response to the obtained questionnaire question (S116).
  • step (S115) clustering the question items stored in the database (S117), determining the characteristics of the clusters generated as a result of the clustering (S118), determine the characteristics corresponding to the primary response, Determining at least one cluster including the characteristics of the primary response (S119) and obtaining at least one questionnaire included in the determined at least one cluster (S120).
  • the step S115 may include selecting a first member having living information in which the first response, which is one of the primary responses, is specified among the members (S121), and including the first response in the answer. Generating a questionnaire question, wherein the answer except for the first response in the multiple choice questionnaire is an answer having a relationship below the predetermined standard with the living information of the first member (S122) and the generated multiple choice questionnaire. And providing the first member to the first member (S123), wherein the step (S104) is based on obtaining the first member's response to the multiple-choice questionnaire (S124) and the response of the first member. By deriving a response to the query (S125).
  • the step S125 may include assigning a predetermined weight to the first response in step S126, wherein the response of the first member is If different from the first response, a second multiple-choice questionnaire including a response of the first member is generated, but the second multiple-choice question is answered except for the first member's response and the first response.
  • step S127 acquiring a response of the first member to the second multiple-choice question item (S128) and the first obtained in step S128, the response including the one or more of the first response. It may include the step (S129) of giving a predetermined weight to the response of the member.
  • According to an aspect of the present invention for solving the above problems includes a memory for storing one or more instructions and a processor for executing the one or more instructions stored in the memory, the processor by executing the one or more instructions, Collecting information, determining a query, extracting information associated with the query from the member information, and deriving a response to the query from the extracted information by using an artificial intelligence model. .
  • a computer program stored in a computer-readable recording medium that can be combined with a computer, which is hardware, to perform an artificial intelligence-based question and answer derivation method according to the disclosed embodiments. do.
  • part or module refers to a hardware component such as software, FPGA or ASIC, and the “part” or “module” plays certain roles. However, “part” or “module” is not meant to be limited to software or hardware.
  • the “unit” or “module” may be configured to be in an addressable storage medium or may be configured to play one or more processors.
  • a “part” or “module” may include components such as software components, object-oriented software components, class components, and task components, processes, functions, properties, Procedures, subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables. Functions provided within components and “parts” or “modules” may be combined into smaller numbers of components and “parts” or “modules” or into additional components and “parts” or “modules”. Can be further separated.
  • a computer refers to any kind of hardware device including at least one processor, and according to an embodiment, it may be understood as a meaning encompassing a software configuration that operates on the hardware device.
  • a computer may be understood as including, but not limited to, a smartphone, a tablet PC, a desktop, a notebook, and a user client and an application running on each device.
  • MICE is a term that is taken from the English letters such as meetings, incentive trips, conventions, exhibitions and events, and in a narrow sense, presides over international conferences and exhibitions. It is a promising industry, and a broad concept means a convergence industry that includes participant-centered reward tourism and mega events.
  • MICE herein is not limited to the term itself, and may be used in various terms according to time and region.
  • FIG. 1 is a diagram illustrating a system according to an exemplary embodiment.
  • a management server 100 a management server 100, a cloud server 200, and user terminals 300 are illustrated.
  • the management server 100 or the cloud server 200 may train the artificial intelligence model used to derive the question and answer according to the disclosed embodiment.
  • the management server 100 and the cloud server 200 may share learning data necessary for learning the artificial intelligence model, and may share parameters constituting the model generated as a learning result.
  • the management server 100 or the cloud server 200 may acquire the training data using the information collected from the user terminals 300 and train the artificial intelligence model based on the acquired training data. have.
  • the learning of the artificial intelligence model is performed in the cloud server 200, the management server 100 obtains the learned artificial intelligence model from the cloud server 200 to perform the question and answer derivation according to the disclosed embodiment You may.
  • the user terminals 300 may include user terminals held by members of a particular group.
  • the user terminals 300 may include, but are not limited to, smartphones held by employees of a specific company and computers used by each employee.
  • the management server 100 may obtain member information from the user terminals 300 and analyze the same to derive a question and answer.
  • Member information may refer to personal information including the identity of the member, or may further include various other information. Specific types of member information will be described later.
  • an artificial intelligence model for deriving a question and answer from member information may be utilized.
  • an artificial intelligence model is understood as meaning including a model trained through machine learning.
  • the method for deriving a question and answer described herein may include a method for deriving information on a tourist destination desired by an employee for reward tourism of a company, but is not limited thereto.
  • FIG. 2 is a flowchart illustrating a method of deriving an artificial intelligence based question and answer according to an exemplary embodiment.
  • step S101 the computer collects member information.
  • Member information may refer to personal information including the identity of the member, or may further include various other information. Specific types of member information will be described later.
  • step S102 the computer determines a query.
  • the type of query is not limited, but for example, the computer may query the reward destinations desired by the members. As another example, the computer may query the members' desired holiday gifts, the date of the dinner, opinions about the company's specific policies, or opinions about the business strategy.
  • step S103 the computer extracts information associated with the query from the member information.
  • the computer can extract information from which the member information can derive a response to the query.
  • the member information related to the trip for example, search history, visit history, conversation history, etc.
  • the taste of the member can be referred to in determining the reward area. You can extract information about.
  • step S104 the computer derives a response to the query from the extracted information using the artificial intelligence model.
  • the computer may extract information on the opinions and tastes of members by extracting keywords from the collected member information and classifying the extracted keywords using clustering or other means.
  • FIG. 3 is a flowchart illustrating a method of extracting a keyword according to an exemplary embodiment.
  • step S101 the computer may perform step S105 of collecting at least one of background information, living information, and questionnaire information of the member.
  • step S102 described above the computer may perform step S106 of determining a keyword corresponding to the query.
  • step S103 the computer may perform step S107 of extracting information associated with the keyword from the member information.
  • the background information of the member may include existing information about the member's personal information or hobbies.
  • the member's living information may include the conversation contents of each member.
  • the member's living information may include conversation contents performed by each member using mail, messenger, and the like.
  • the member's life information may include various personal information parameters collected based on the member's commute time, work time, work performance, welfare point usage history, other welfare (language, physical education, etc.) usage history.
  • the computer may recommend a suitable place for each member based on at least one of collected background information and living information.
  • the recommendation of a place may be performed based on the artificial intelligence model described above.
  • the artificial intelligence model may be trained based on the living information of each member and the learning data labeled with each member's desired place.
  • the artificial intelligence model may be learned by using the questionnaire information and the living information of each member.
  • the AI model may obtain keywords necessary for selecting a place through natural language processing from the conversation contents of the member, and obtain a place desired by the member based on the acquired keyword.
  • the artificial intelligence model determines one or more parameters having a meaningful correlation with the selection of a place among the living information of the member, extracts information corresponding to the parameter from the living information of the member, and learns using the extracted parameters. By doing this, members can obtain the desired place.
  • the artificial intelligence model may collect information about the places each member wants.
  • information about a place desired by each member may be obtained from direct questionnaire information, or may be obtained from an artificial intelligence model by the above-described method.
  • the AI model can collect and cluster information about the places each member wants.
  • the AI model may select a place where more members want, or when different places are collected, clustering may generate a place map including information about each place based on characteristics of each place.
  • the place map may be a clustered and arranged map based on the association of each place.
  • the place map may be located closer to each other, and farther away from each other.
  • the place map may be configured in two or three dimensions, and may be configured in a higher dimension according to embodiments.
  • the AI model may select a place located in the center of clusters included in the place map based on the place map. For example, even if 50% of members select Place A, 20% selects Place B, and 30% selects Place C, the median calculated based on the map of the place is close to Place B. In this case, place B may be finally selected.
  • Criteria for judging the relevance of a place may be set differently according to the characteristics of each place. For example, in the case of reward tourism, whether each place is close to a resort, close to a tourist destination, hot, cold, or mountain. It can be classified based on various parameters, such as many, many seas.
  • the parameter for classifying each place may be preset or determined by clustering of the AI model.
  • the questionnaire information may be configured in the form of directly requesting a response to a query, or may be configured in a set of inquiries that may indirectly derive a response, and the form is not limited.
  • FIG. 4 is a flowchart illustrating a method of extracting information according to an exemplary embodiment.
  • step S107 the computer may perform step S108 of extracting one or more keywords associated with the keyword from the member information.
  • the computer may perform step S109 of extracting information of a predetermined unit including the extracted one or more keywords from the member information.
  • the preset unit may be set based on various criteria such as sentence unit, paragraph unit, conversation unit or cookie, search history, visit history, web page, site, and the like.
  • the computer may derive a user's opinion on the keyword by extracting sentences containing the specific keyword.
  • the user's opinion on each keyword can be derived by collecting information on whether a positive expression or a negative expression is used together with the corresponding keyword in each sentence.
  • FIG. 5 is a flowchart illustrating a method of deriving a response to a query according to an exemplary embodiment.
  • the computer may perform operation S110 of classifying the member information into one or more corpus.
  • the computer may perform the step (S111) of extracting a corpus including the extracted one or more keywords among the one or more corpus.
  • the computer may perform the step (S112) of deriving a response to the query based on the keywords included in the extracted corpus.
  • a corpus can mean a set of different kinds of languages that are divided and classified into various reference units, grouped, and are widely used in AI learning.
  • the computer may classify the member information based on corpus, search for corpus containing each keyword, and then obtain other keywords included in the corpus to derive a response to the query.
  • FIG. 6 is a flowchart illustrating a method of collecting information according to an embodiment.
  • the computer may perform operation S113 of collecting background information and living information of a member.
  • the computer may perform a step S114 of deriving a first response to the query based on the collected background information and living information.
  • the computer may predict the response of the members based on the background information and the living information of each member.
  • the computer may perform a step S115 of obtaining a questionnaire question based on the first response.
  • the primary response can include a plurality of candidate responses.
  • the computer may generate a questionnaire for selecting at least one of the plurality of candidate responses, extract the characteristics of the plurality of candidate responses, and respond to the characteristics preferred by each member among the characteristics. After the questionnaire is generated, a candidate response corresponding to the member's answer may be selected as the final response.
  • the computer may perform a step (S116) of obtaining questionnaire information including a response to the obtained questionnaire question.
  • the computer may determine the final response based on the survey information.
  • FIG. 7 is a flowchart illustrating a method of obtaining a questionnaire, according to an exemplary embodiment.
  • the computer may perform step S117 of clustering the question items stored in the database.
  • the computer may perform an operation (S118) of determining characteristics of clusters generated as a result of the clustering.
  • the computer may determine a characteristic corresponding to the primary response and determine one or more clusters including the characteristic of the primary response (S119).
  • the computer may perform an operation (S120) of obtaining one or more questionnaires included in the determined one or more clusters.
  • the response may be re-predicted by reflecting the modified directionality and the background information and the living information of the members.
  • the computer may more specifically respond to the characteristic using questionnaires corresponding to the characteristics of the primary response. May be obtained and the final response may be determined.
  • the members may be asked questions related to the sea and the resort, and as a result, the type of award destination may be changed, and a member of the seaside resort may wish to You can also decide on a particular resort.
  • the reward tourist destination is selected as a specific country or continent, it is possible to receive a more specific response through the questions including the characteristics, and more specifically to specify the city or country.
  • FIG. 8 is a flowchart illustrating a method of performing a questionnaire for each member according to an exemplary embodiment.
  • the computer may perform a step S121 of selecting among the members the first member having the living information in which the first response, which is one of the primary responses, is specified.
  • the reward tourist destination is determined as Farm, Thailand.
  • the conversation details may be included in the member information.
  • the present embodiment describes a method for providing customized questionnaire information that can solve such a feeling.
  • step S122 may be performed.
  • the computer may perform the step S123 of providing the generated multiple-choice question to the first member.
  • the computer may perform an operation S124 of obtaining a response of the first member to the multiple-choice questionnaire.
  • the computer may perform a step S125 of deriving a response to the query based on the response of the first member.
  • FIG. 9 is a flowchart illustrating a weight-based response obtaining method according to an embodiment.
  • step (S125) if the response of the first member is the same as the first response, the computer may perform a step (S126) of giving a predetermined weight to the first response.
  • the Thai Dahl response included in the first response may be weighted.
  • the first response may include a plurality of candidate responses, and one of the candidate responses may be specified in the member information of the first member.
  • the computer may generate a questionnaire including the response specified in the member information of the first member in the option and provide the questionnaire to the first member, and according to an embodiment, the remaining answers of the questionnaire question may be filled with other candidate responses.
  • the first response may be filled with another response that is less relevant to the first response.
  • the probability that the response is determined as the final response may be increased by assigning a predetermined weight to the response.
  • the computer may perform the following steps S127 to S129.
  • the computer generates a second multiple-choice questionnaire including the response of the first member in an answer, wherein the second multiple-choice questionnaire is answered except for the first member's response and the first response.
  • Step S127 may be performed, including one or more of the primary responses.
  • the candidate items may include Thailand vinegar, Bali, Indonesia, Cebu, Philippines, etc. that are related to each other.
  • Thailand's vinegar may have provided the first member specified in the member information with Thailand's Farm in the answer and the rest of the questions including urban areas or mountainous areas.
  • the computer will include the selected mountainous region in the answer, but the remaining answers will be included in the first response, Bali, Indonesia to reconfirm the exception.
  • a questionnaire including the Philippines details may be generated to query the first member again.
  • the computer may perform an operation (S128) of obtaining a response of the first member to the second multiple-choice question.
  • the computer may perform a step S129 of assigning a predetermined weight to the response of the first member obtained in the step S128.
  • the first member when the first member selects the mountain region again, the opinion of the first member is determined to be firm, and weights may be given to the mountain region.
  • the first member when the first member selects Balinese Cebu, the first member may decide to prefer Balinese Cebu to Korean, but prefers Balinese Cebu to Pharmaceutical, and may weight the response of the first member.
  • FIG. 10 is a block diagram of an apparatus according to an embodiment.
  • the processor 102 may include a connection passage (eg, a bus, etc.) that transmits and receives signals with one or more cores (not shown) and graphics processing unit (not shown) and / or other components. .
  • a connection passage eg, a bus, etc.
  • the processor 102 executes one or more instructions stored in the memory 104 to perform the methods described herein.
  • the processor 102 collects member information by executing one or more instructions stored in memory, determines a query, extracts information associated with the query from the member information, and uses an artificial intelligence model to A response to the query can be derived from the extracted information.
  • the processor 102 may include random access memory (RAM) and read-only memory (ROM) for temporarily and / or permanently storing a signal (or data) processed in the processor 102. , Not shown) may be further included.
  • the processor 102 may be implemented in the form of a system on chip (SoC) including at least one of a graphic processor, a RAM, and a ROM.
  • SoC system on chip
  • the memory 104 may store programs (one or more instructions) for processing and controlling the processor 102. Programs stored in the memory 104 may be divided into a plurality of modules according to functions.
  • the steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, in a software module executed by hardware, or by a combination thereof.
  • the software module may be a random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside in any form of computer readable recording medium well known in the art.
  • the components of the present invention may be implemented in a program (or an application) and stored in a medium to be executed in combination with a computer which is hardware.
  • the components of the present invention may be implemented in software programming or software elements, and similarly, embodiments include C, C ++, including various algorithms implemented in combinations of data structures, processes, routines, or other programming constructs. It may be implemented in a programming or scripting language such as Java, assembler, or the like. Functional aspects may be implemented in algorithms running on one or more processors.

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

컴퓨터에 의하여 수행되는 방법에 있어서, 구성원정보를 수집하는 단계, 질의를 결정하는 단계, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계를 포함하는, 인공지능 기반 질의응답 도출방법이 개시된다.

Description

인공지능 기반 질의응답 도출방법, 장치 및 프로그램
본 발명은 인공지능 기반 질의응답 도출방법, 장치 및 프로그램에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
MICE는 기업회의(Meeting), 포상관광(Incentive trip), 컨벤션(Convention), 전시박람회와 이벤트(Exhibition&Event) 등의 영문 앞 글자를 딴 용어로, 좁은 의미에서는 국제회의와 전시회를 주축으로 한 유망 산업을 뜻하며, 광의적 개념으로는 참여자 중심의 보상관광과 메가 이벤트 등을 포함하는 융복합산업을 뜻한다.
본 발명이 해결하고자 하는 과제는 인공지능 기반 질의응답 도출방법, 장치 및 프로그램을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 인공지능 기반 질의응답 도출방법은, 구성원정보를 수집하는 단계(S101), 질의를 결정하는 단계(S102), 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계(S103) 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계(S104)를 포함한다.
개시된 실시 예에 따르면, 특정 집단이나 범위의 구성원들에 대하여, 특정 질의에 대한 응답을 획득할 수 있는 방법이 제공된다.
특히, 특정 질의에 대한 전체 구성원들의 의견을 종합한 결과를 획득할 수 있는 효과가 있으며, 실시 예에 따라 직접적인 문의 없이 특정 질의에 대한 구성원들의 의견을 수집할 수 있는 장점이 있다.
또한, 설문을 통해 정보를 수집하는 경우 각 구성원에게 적합한 설문 문항을 제공할 수 있는 장점이 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 인공지능 기반 질의응답 도출방법을 도시한 흐름도이다.
도 3은 일 실시 예에 따라 키워드를 추출하는 방법을 도시한 흐름도이다.
도 4는 일 실시 예에 따라 정보를 추출하는 방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따라 질의에 대한 응답을 도출하는 방법을 도시한 흐름도이다.
도 6은 일 실시 예에 따른 정보수집 방법을 도시한 흐름도이다.
도 7은 일 실시 예에 따라 설문 문항을 획득하는 방법을 도시한 흐름도이다.
도 8은 일 실시 예에 따라 구성원별 설문을 수행하는 방법을 도시한 흐름도이다.
도 9는 일 실시 예에 따른 가중치 기반 응답 획득방법을 도시한 흐름도이다.
도 10은 일 실시 예에 따른 장치의 구성도이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 인공지능 기반 질의응답 도출방법은, 구성원정보를 수집하는 단계(S101), 질의를 결정하는 단계(S102), 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계(S103) 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계(S104)를 포함한다.
또한, 상기 단계(S101)는, 구성원의 배경정보, 생활정보 및 설문정보 중 적어도 하나를 수집하는 단계(S105)를 포함하고, 상기 단계(S102)는, 상기 질의에 대응하는 키워드를 결정하는 단계(S106)를 포함하고, 상기 단계(S103)는, 상기 구성원정보로부터 상기 키워드와 연관된 정보를 추출하는 단계(S107)를 포함할 수 있다.
또한, 상기 단계(S107)는, 상기 구성원정보로부터 상기 키워드와 연관된 하나 이상의 키워드를 추출하는 단계(S108) 및 상기 구성원정보로부터 상기 추출된 하나 이상의 키워드를 포함하는 기 설정된 단위의 정보를 추출하는 단계(S109)를 포함할 수 있다.
또한, 상기 단계(S109)는, 상기 구성원정보를 하나 이상의 말뭉치(Corpus)로 분류하는 단계(S110) 및 상기 하나 이상의 말뭉치 중, 상기 추출된 하나 이상의 키워드를 포함하는 말뭉치를 추출하는 단계(S111)를 포함하고, 상기 단계(S104)는, 상기 추출된 말뭉치에 포함된 키워드들에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S112)를 포함할 수 있다.
또한, 상기 단계(S101)는, 구성원의 배경정보 및 생활정보를 수집하는 단계(S113), 상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114), 상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115) 및 상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116)를 포함할 수 있다.
또한, 상기 단계(S115)는, 데이터베이스에 저장된 설문 문항들을 클러스터링하는 단계(S117), 상기 클러스터링 결과 생성된 클러스터들의 특성을 판단하는 단계(S118), 상기 1차 응답에 대응하는 특성을 판단하고, 상기 1차 응답의 특성을 포함하는 하나 이상의 클러스터를 결정하는 단계(S119) 및 상기 결정된 하나 이상의 클러스터에 포함된 하나 이상의 설문 문항을 획득하는 단계(S120)를 포함할 수 있다.
또한, 상기 단계(S115)는, 상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121), 상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122) 및 상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123)를 포함하고, 상기 단계(S104)는, 상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124) 및 상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125)를 포함할 수 있다.
또한, 상기 단계(S125)는, 상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126)를 포함하고, 상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우, 상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127), 상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128) 및 상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129)를 포함할 수 있다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하나 이상의 인스트럭션을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 구성원정보를 수집하는 단계, 질의를 결정하는 단계, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계 및 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계를 수행한다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 인공지능 기반 질의응답 도출방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 제공된다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
본 명세서에서, MICE는 기업회의(Meeting), 포상관광(Incentive trip), 컨벤션(Convention), 전시박람회와 이벤트(Exhibition&Event) 등의 영문 앞 글자를 딴 용어로, 좁은 의미에서는 국제회의와 전시회를 주축으로 한 유망 산업을 뜻하며, 광의적 개념으로는 참여자 중심의 보상관광과 메가 이벤트 등을 포함하는 융복합산업을 뜻한다. 다만, 본 명세서에서 MICE의 의미는 그 용어 자체에 한정되는 것은 아니고, 시간 및 지역에 따라 다양한 용어로 사용될 수 있다.
예를 들어, 캐나다의 경우 Meeting, Convention and Incentive Travel을 줄여 MC&IT로 사용하고 미국은 ME&I 또는 MEEC (Meetings, Expositions, Events and Conventions)로 사용하고, 싱가포르의 경우 Business Travel & MICE를 줄여서 BT MICE로 사용하는 것과 같이, 각 국가의 산업구조와 정책에 따라 다양한 용어가 사용되고 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1은 일 실시 예에 따른 시스템을 도시한 도면이다.
도 1을 참조하면, 관리서버(100), 클라우드 서버(200) 및 사용자 단말들(300)이 도시되어 있다.
일 실시 예에서, 관리서버(100) 또는 클라우드 서버(200)는 개시된 실시 예에 따른 질의응답 도출에 이용되는 인공지능 모델을 학습시킬 수 있다. 관리서버(100)와 클라우드 서버(200)는 인공지능 모델의 학습에 필요한 학습 데이터를 공유할 수 있으며, 학습 결과로서 생성되는 모델을 구성하는 파라미터를 공유할 수 있다.
일 실시 예에서, 관리서버(100) 또는 클라우드 서버(200)는 사용자 단말들(300)로부터 수집되는 정보를 이용하여 학습 데이터를 획득하고, 획득된 학습 데이터에 기초하여 인공지능 모델을 학습시킬 수 있다.
일 실시 예에서, 인공지능 모델의 학습은 클라우드 서버(200)에서 수행되고, 관리서버(100)는 학습된 인공지능 모델을 클라우드 서버(200)로부터 획득하여 개시된 실시 예에 따른 질의응답 도출을 수행할 수도 있다.
일 실시 예에서, 사용자 단말들(300)은 특정 집단의 구성원들이 보유한 사용자 단말들을 포함할 수 있다. 예를 들어, 사용자 단말들(300)은 특정 기업의 직원들이 보유한 스마트폰들과, 각 직원이 이용하는 컴퓨터를 포함할 수 있으나, 이에 제한되는 것은 아니다.
일 실시 예에서, 관리서버(100)는 사용자 단말들(300)로부터 구성원정보를 획득하고, 이를 분석하여 질의응답을 도출할 수 있다.
구성원정보는 구성원의 신상을 포함하는 개인정보를 의미할 수도 있고, 기타 다양한 정보를 더 포함할 수 있다. 구체적인 구성원정보의 종류에 대해서는 후술한다.
실시 예에 따라서, 구성원정보로부터 질의응답을 도출하는 인공지능 모델이 활용될 수 있다. 본 명세서에서, 인공지능 모델은 머신러닝을 통하여 학습된 모델을 포함하는 의미로서 이해된다.
일 실시 예에서, 본 명세서에서 설명하는 질의응답 도출방법은 기업의 포상관광을 위하여 직원들이 원하는 관광지에 대한 정보를 도출하는 방법을 포함할 수 있으며, 이에 제한되지 않는다.
도 2는 일 실시 예에 따른 인공지능 기반 질의응답 도출방법을 도시한 흐름도이다.
단계 S101에서, 컴퓨터는 구성원정보를 수집한다.
구성원정보는 구성원의 신상을 포함하는 개인정보를 의미할 수도 있고, 기타 다양한 정보를 더 포함할 수 있다. 구체적인 구성원정보의 종류에 대해서는 후술한다.
단계 S102에서, 컴퓨터는 질의를 결정한다.
질의의 종류는 제한되지 않으나, 예를 들어 컴퓨터는 구성원들이 원하는 포상관광지를 질의할 수 있다. 다른 예로, 컴퓨터는 구성원들이 원하는 명절 선물이나 회식 날짜, 혹은 회사의 특정 정책에 대한 의견, 사업전략에 대한 의견 등을 질의할 수도 있으며, 제한되지 않는다.
단계 S103에서, 컴퓨터는 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출한다.
예를 들어, 컴퓨터는 구성원정보로부터 질의에 대한 응답을 도출해낼 수 있는 정보들을 추출할 수 있다. 예를 들어, 포상관광 지역을 질의하는 경우 여행과 관련된 구성원정보(예를 들어, 검색기록, 방문기록, 대화내역 등)를 추출할 수 있고, 포상관광 지역을 결정하는 데 참고할 수 있는 구성원의 취향에 대한 정보를 추출할 수 있다.
단계 S104에서, 컴퓨터는 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출한다.
일 실시 예에서, 컴퓨터는 수집된 구성원정보에서 키워드들을 추출하고, 추출된 키워드들을 클러스터링하거나 기타 다른 수단을 이용하여 분류함으로써 구성원의 의견이나 취향 등에 대한 정보를 도출해낼 수 있다.
도 3은 일 실시 예에 따라 키워드를 추출하는 방법을 도시한 흐름도이다.
상술한 단계(S101)에서, 컴퓨터는 구성원의 배경정보, 생활정보 및 설문정보 중 적어도 하나를 수집하는 단계(S105)를 수행할 수 있다.
상술한 단계(S102)에서, 컴퓨터는 상기 질의에 대응하는 키워드를 결정하는 단계(S106)를 수행할 수 있다.
상술한 단계(S103)에서, 컴퓨터는 상기 구성원정보로부터 상기 키워드와 연관된 정보를 추출하는 단계(S107)를 수행할 수 있다.
일 실시 예에서, 구성원의 배경정보는 구성원의 개인정보나 취미 등에 대한 기존 정보들을 포함할 수 있다.
일 실시 예에서, 구성원의 생활정보는 각 구성원의 대화내용을 포함할 수 있다. 예를 들어, 구성원의 생활정보는 각 구성원이 메일, 메신저 등을 이용하여 수행한 대화내용을 포함할 수 있다.
또한, 구성원의 생활정보는 구성원의 출퇴근 시간, 업무시간, 업무실적, 복지포인트 이용내역, 기타 복지(어학, 체육 등) 이용내역 등에 기초하여 수집된 다양한 개인정보 파라미터들을 포함할 수 있다.
포상관광 장소를 선택하는 실시 예를 기준으로 설명하면, 컴퓨터는 수집된 구성원의 배경정보 및 생활정보 중 적어도 하나에 기초하여 각 구성원에게 적합한 장소를 추천할 수 있다. 장소의 추천은 상술한 인공지능 모델에 기초하여 수행될 수 있다.
예를 들어, 인공지능 모델은 각 구성원의 생활정보와, 각 구성원이 원하는 장소가 라벨링된 학습 데이터에 기초하여 학습될 수 있다. 실시 예에 따라서, 인공지능 모델은 각 구성원의 설문정보와 생활정보를 함께 이용하여 학습될 수도 있다.
일 실시 예에서, 인공지능 모델은 구성원의 대화내용으로부터 자연어 처리를 통해 장소 선정에 필요한 키워드들을 획득하고, 획득된 키워드에 기초하여 연산을 통해 구성원들이 원하는 장소를 획득할 수 있다.
일 실시 예에서, 인공지능 모델은 구성원의 생활정보 중 장소 선정과 유의미한 연관성을 갖는 하나 이상의 파라미터를 결정하고, 해당 파라미터에 대응하는 정보를 구성원의 생활정보로부터 추출하고, 추출된 파라미터를 이용하여 학습을 수행함으로써 구성원이 원하는 장소를 획득할 수 있다.
일 실시 예에서, 인공지능 모델은 각 구성원들이 원하는 장소에 대한 정보를 취합할 수 있다. 예를 들어, 각 구성원들이 원하는 장소에 대한 정보는 직접적인 설문정보로부터 획득될 수도 있고, 상술한 방법에 의하여 인공지능 모델으로부터 획득될 수도 있다.
인공지능 모델은 각 구성원들이 원하는 장소에 대한 정보를 취합하고, 클러스터링할 수 있다. 인공지능 모델은 더 많은 구성원들이 원하는 장소를 선택할 수도 있고, 서로 다른 장소들이 취합되는 경우, 클러스터링을 통해 각 장소들의 특징에 기초하여 각 장소들에 대한 정보를 포함하는 장소 지도를 생성할 수 있다.
예를 들어, 장소 지도는 각 장소들의 연관성에 기초하여 클러스터링되어 정리된 지도일 수 있으며, 서로 연관성이 높은 장소일수록 가까이에, 서로 연관성이 낮은 장소일수록 멀리 위치할 수 있다. 장소 지도는 2차원 또는 3차원으로 구성될 수 있으며, 실시 예에 따라 더 높은 차원으로 구성될 수도 있다.
인공지능 모델은 장소 지도에 기초하여, 장소 지도에 포함된 클러스터들의 중앙에 위치한 장소를 선택할 수 있다. 예를 들어, 장소 A를 선택한 구성원이 50%이고, 장소 B를 선택한 구성원이 20%이고, 장소 C를 선택한 구성원이 30%인 경우에도, 장소 지도에 기초하여 산출된 중앙값이 장소 B에 가까운 경우, 장소 B가 최종적으로 선정될 수 있다.
장소의 연관성을 판단하는 기준은 각 장소의 특징들에 의하여 서로 다르게 설정될 수 있으며, 예를 들어 포상 관광의 경우, 각 장소가 휴양지에 가까운지, 관광지에 가까운지, 더운지, 추운지, 산이 많은지, 바다가 많은지 등 다양한 파라미터에 기초하여 분류될 수 있다.
각 장소를 분류하는 파라미터는 미리 설정될 수도 있으며, 인공지능 모델의 클러스터링에 의하여 결정될 수도 있다.
설문정보는 질의에 대한 응답을 직접적으로 요구하는 형태로 구성될 수도 있고, 간접적으로 응답을 도출해낼 수 있는 질의들의 집합으로 구성될 수도 있으며, 그 형태는 제한되지 않는다.
도 4는 일 실시 예에 따라 정보를 추출하는 방법을 도시한 흐름도이다.
상술한 단계(S107)에서, 컴퓨터는 상기 구성원정보로부터 상기 키워드와 연관된 하나 이상의 키워드를 추출하는 단계(S108)를 수행할 수 있다.
또한, 컴퓨터는 상기 구성원정보로부터 상기 추출된 하나 이상의 키워드를 포함하는 기 설정된 단위의 정보를 추출하는 단계(S109)를 수행할 수 있다.
예를 들어, 기 설정된 단위는 문장단위, 문단 단위, 대화 단위 또는 쿠키, 검색이력, 방문기록, 웹페이지, 사이트 등 다양한 기준으로 설정될 수 있다. 예를 들어, 컴퓨터는 특정 키워드가 포함된 문장들을 추출함으로써, 해당 키워드에 대한 사용자의 의견을 도출할 수 있다. 예를 들어, 각 문장에 해당 키워드와 함께 긍정표현이 쓰였는지 혹은 부정표현이 쓰였는지 등에 대한 정보를 수집하여, 각 키워드에 대한 사용자의 의견을 도출할 수 있다.
도 5는 일 실시 예에 따라 질의에 대한 응답을 도출하는 방법을 도시한 흐름도이다.
상술한 단계(S109)에서, 컴퓨터는 상기 구성원정보를 하나 이상의 말뭉치(Corpus)로 분류하는 단계(S110)를 수행할 수 있다.
또한, 컴퓨터는 상기 하나 이상의 말뭉치 중, 상기 추출된 하나 이상의 키워드를 포함하는 말뭉치를 추출하는 단계(S111)를 수행할 수 있다.
상술한 단계(S104)에서, 컴퓨터는 상기 추출된 말뭉치에 포함된 키워드들에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S112)를 수행할 수 있다.
말뭉치는 언어를 다양한 기준 단위로 분할하여 분류하고, 그룹화한 다양한 종류의 언어 집합을 의미할 수 있으며, 인공지능 학습에서 널리 이용된다. 컴퓨터는 구성원 정보를 말뭉치 기반으로 분류하고, 각 키워드를 포함하는 말뭉치를 검색한 후, 해당 말뭉치에 포함된 다른 키워드들을 획득하여 질의에 대한 응답을 도출할 수 있다.
도 6은 일 실시 예에 따른 정보수집 방법을 도시한 흐름도이다.
상술한 단계(S101)에서, 컴퓨터는 구성원의 배경정보 및 생활정보를 수집하는 단계(S113)를 수행할 수 있다.
또한, 컴퓨터는 상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114)를 수행할 수 있다.
즉, 컴퓨터는 각 구성원들의 배경정보 및 생활정보에 기초하여, 구성원들의 응답을 예측할 수 있다.
또한, 컴퓨터는 상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115)를 수행할 수 있다.
예를 들어, 1차 응답은 복수의 후보 응답들을 포함할 수 있다. 이 경우, 컴퓨터는 복수의 후보 응답 중 적어도 하나를 선택하도록 하는 설문 문항을 생성할 수도 있고, 복수의 후보 응답들의 특성을 추출하여, 각 특성들 중 각 구성원이 선호하는 특성을 응답하도록 하는 형태의 설문 문항을 생성한 후 구성원의 답변에 따라, 이에 대응하는 후보 응답을 최종 응답으로 선택할 수 있다.
또한, 컴퓨터는 상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116)를 수행할 수 있다.
컴퓨터는 설문정보에 따라 최종 응답을 결정할 수 있다.
도 7은 일 실시 예에 따라 설문 문항을 획득하는 방법을 도시한 흐름도이다.
상술한 단계(S115)에서, 컴퓨터는 데이터베이스에 저장된 설문 문항들을 클러스터링하는 단계(S117)를 수행할 수 있다.
또한, 컴퓨터는 상기 클러스터링 결과 생성된 클러스터들의 특성을 판단하는 단계(S118)를 수행할 수 있다.
또한, 컴퓨터는 상기 1차 응답에 대응하는 특성을 판단하고, 상기 1차 응답의 특성을 포함하는 하나 이상의 클러스터를 결정하는 단계(S119)를 수행할 수 있다.
또한, 컴퓨터는 상기 결정된 하나 이상의 클러스터에 포함된 하나 이상의 설문 문항을 획득하는 단계(S120)를 수행할 수 있다.
예를 들어, 1차 응답의 특성에 대응하는 설문 문항들을 이용하여 구성원으로부터 응답을 수신함으로써, 1차 응답의 방향성이 올바른가에 대한 정보를 획득할 수 있으며, 1차 응답의 방향성이 잘못된 것으로 판단되는 경우, 수정된 방향성과, 구성원의 배경정보 및 생활정보를 반영하여 응답을 다시 예측할 수 있다.
또한, 컴퓨터는 1차 응답에 복수의 후보 응답이 포함되거나, 1차 응답이 일정 범위로 설정된 응답인 경우, 1차 응답의 특성에 대응하는 설문 문항들을 이용하여 해당 특성에 대한 응답을 더욱 구체적으로 획득하고, 최종 응답을 결정할 수도 있다.
예를 들어, 결정된 포상 관광지가 바다가 있는 휴양지인 경우, 바다 및 휴양지와 관련된 질문들을 구성원들에게 제공하고, 그 결과에 따라 포상 관광지의 유형을 변경할 수도 있고, 바다가 있는 휴양지들 중 구성원이 원하는 특정 휴양지를 결정할 수도 있다. 또한, 포상 관광지가 특정 국가 혹은 대륙으로 선택되는 경우, 해당 특성을 포함하는 질문들을 통해 더 구체적인 응답을 수신하고, 이를 이용하여 도시나 국가를 더 구체적으로 특정할 수도 있다.
도 8은 일 실시 예에 따라 구성원별 설문을 수행하는 방법을 도시한 흐름도이다.
상술한 단계(S115)에서, 컴퓨터는 상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121)를 수행할 수 있다.
예를 들어, 포상 관광지를 선택하는 실시 예를 기준으로 하였을 때, 포상 관광지가 태국 푸켓으로 결정되었다고 가정하자. 이 경우, 만일 구성원들 중 일부가 최근에 태국 푸켓에 가고 싶다는 내용의 대화를 수행한 이력이 있는 경우, 해당 대화 내역이 구성원 정보에 포함되어 있을 수 있다.
이 경우 회사의 포상 관광지가 태국 푸켓으로 결정되는 경우, 해당 대화의 참여자들은 대화내용이 유출되거나 감시되었다는 느낌을 받을 수 있다. 빅 데이터를 활용한 맞춤형 서비스를 제공하는 기술에 있어서, 사용자로 하여금 감시당하거나 간파당한다는 느낌을 받도록 하는 것은 지양하는 편이 바람직한 경우가 많다. 따라서, 본 실시 예에서는 이러한 느낌을 해소할 수 있는 맞춤형 설문정보 제공방법을 설명한다.
또한, 컴퓨터는 상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122)를 수행할 수 있다.
예를 들어, 해당 구성원들에게 원하는 포상관광지를 직접 질의하는 경우, 선택지로서 태국 푸켓을 포함시키되, 나머지 선택지는 이와 상대적 관련성이 낮은, 예를 들어 바다가 없는 도심지 등을 포함시켜, 사용자로 하여금 직접 태국 푸켓을 선택할 수 있도록 유도할 수 있다.
또한, 컴퓨터는 상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123)를 수행할 수 있다.
상술한 단계(S104)에서, 컴퓨터는 상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124)를 수행할 수 있다.
또한, 컴퓨터는 상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125)를 수행할 수 있다.
도 9는 일 실시 예에 따른 가중치 기반 응답 획득방법을 도시한 흐름도이다.
상술한 단계(S125)에서, 컴퓨터는 상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126)를 수행할 수 있다.
예를 들어, 상기한 예시에서 구성원이 태국 푸켓을 직접 선택하는 경우, 제1 응답에 포함된 태국 푸켓 응답에 가중치를 부여할 수 있다.
예를 들어, 제1 응답은 복수의 후보 응답을 포함할 수도 있으며, 후보 응답들 중 하나가 제1 구성원의 구성원 정보에 명시된 것일 수도 있다. 이 경우, 컴퓨터는 제1 구성원의 구성원 정보에 명시된 응답을 선택지에 포함하는 설문 문항을 생성하여 제1 구성원에게 제공할 수 있으며, 실시 예에 따라 해당 설문 문항의 나머지 답변들은 다른 후보 응답들로 채워질 수도 있고, 상술한 실시 예와 같이 제1 응답과 관련성이 낮은 다른 응답으로 채워질 수도 있다.
이 경우 제1 구성원이 명시된 응답을 선택하는 경우, 해당 응답에 대하여 기 설정된 가중치를 부여함으로써, 해당 응답이 최종 응답으로 결정될 확률을 높일 수 있다.
또한, 컴퓨터는 상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우, 아래 단계(S127 내지 S129)들을 수행할 수 있다.
일 실시 예에서, 컴퓨터는 상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127)를 수행할 수 있다.
예를 들어, 1차 응답이 복수의 후보 문항을 포함하는 경우, 후보 문항들은 서로 연관성이 있는 태국 푸켓, 인도네시아 발리, 필리핀 세부 등을 포함할 수 있다. 이 경우 태국 푸켓이 구성원 정보에 명시된 제1 구성원에게 태국 푸켓을 답변에 포함하고, 나머지는 도심지나 산악지대를 포함하는 설문 문항을 제공하였을 수 있다. 이 때 제1 구성원이 태국 푸켓이 아닌 산악지대를 선택하는 경우, 컴퓨터는 예외상황에 대한 재확인을 위해, 제1 구성원이 선택한 산악지대를 답변에 포함하되 나머지 답변들은 제1 응답에 포함된 인도네시아 발리, 필리핀 세부를 포함하는 설문 문항을 생성하여 제1 구성원에게 다시 질의를 수행할 수 있다.
또한, 컴퓨터는 상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128)를 수행할 수 있다.
또한, 컴퓨터는 상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129)를 수행할 수 있다.
이 경우, 제1 구성원이 다시 산악지대를 선택하는 경우 제1 구성원의 의견이 확고한 것으로 판단, 산악지대에 가중치를 부여할 수 있다. 또한, 제1 구성원이 발리나 세부를 선택하는 경우, 제1 구성원은 바다가 있는 휴양지를 원하지만 푸켓보다는 발리나 세부를 선호하는 것으로 판단, 제1 구성원의 응답에 가중치를 부여할 수 있다.
도 10은 일 실시 예에 따른 장치의 구성도이다.
프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 명세서에서 설명된 방법을 수행한다.
예를 들어, 프로세서(102)는 메모리에 저장된 하나 이상의 인스트럭션을 실행함으로써 구성원정보를 수집하고, 질의를 결정하고, 상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하고, 인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출할 수 있다.
한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

Claims (10)

  1. 컴퓨터에 의하여 수행되는 방법에 있어서,
    구성원정보를 수집하는 단계(S101);
    질의를 결정하는 단계(S102);
    상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계(S103); 및
    인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계(S104); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  2. 제1항에 있어서,
    상기 단계(S101)는,
    구성원의 배경정보, 생활정보 및 설문정보 중 적어도 하나를 수집하는 단계(S105); 를 포함하고,
    상기 단계(S102)는,
    상기 질의에 대응하는 키워드를 결정하는 단계(S106); 를 포함하고,
    상기 단계(S103)는,
    상기 구성원정보로부터 상기 키워드와 연관된 정보를 추출하는 단계(S107); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  3. 제2 항에 있어서,
    상기 단계(S107)는,
    상기 구성원정보로부터 상기 키워드와 연관된 하나 이상의 키워드를 추출하는 단계(S108); 및
    상기 구성원정보로부터 상기 추출된 하나 이상의 키워드를 포함하는 기 설정된 단위의 정보를 추출하는 단계(S109); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  4. 제3 항에 있어서,
    상기 단계(S109)는,
    상기 구성원정보를 하나 이상의 말뭉치(Corpus)로 분류하는 단계(S110); 및
    상기 하나 이상의 말뭉치 중, 상기 추출된 하나 이상의 키워드를 포함하는 말뭉치를 추출하는 단계(S111); 를 포함하고,
    상기 단계(S104)는,
    상기 추출된 말뭉치에 포함된 키워드들에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S112); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  5. 제1 항에 있어서,
    상기 단계(S101)는,
    구성원의 배경정보 및 생활정보를 수집하는 단계(S113);
    상기 수집된 배경정보 및 생활정보에 기초하여, 상기 질의에 대한 1차 응답을 도출하는 단계(S114);
    상기 1차 응답에 기초하여 설문 문항을 획득하는 단계(S115); 및
    상기 획득된 설문 문항에 대한 응답을 포함하는 설문정보를 획득하는 단계(S116); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  6. 제5 항에 있어서,
    상기 단계(S115)는,
    데이터베이스에 저장된 설문 문항들을 클러스터링하는 단계(S117);
    상기 클러스터링 결과 생성된 클러스터들의 특성을 판단하는 단계(S118);
    상기 1차 응답에 대응하는 특성을 판단하고, 상기 1차 응답의 특성을 포함하는 하나 이상의 클러스터를 결정하는 단계(S119); 및
    상기 결정된 하나 이상의 클러스터에 포함된 하나 이상의 설문 문항을 획득하는 단계(S120); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  7. 제5 항에 있어서,
    상기 단계(S115)는,
    상기 구성원 중, 상기 1차 응답 중 하나인 제1 응답이 명시된 생활정보를 갖는 제1 구성원을 선택하는 단계(S121);
    상기 제1 응답을 답변에 포함하는 객관식 설문 문항을 생성하되, 상기 객관식 설문 문항에서 상기 제1 응답을 제외한 답변은 상기 제1 구성원의 생활정보와 기 설정된 기준 이하의 관련성을 갖는 답변인, 단계(S122); 및
    상기 생성된 객관식 설문 문항을 상기 제1 구성원에 제공하는 단계(S123); 를 포함하고,
    상기 단계(S104)는,
    상기 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S124); 및
    상기 제1 구성원의 응답에 기초하여 상기 질의에 대한 응답을 도출하는 단계(S125); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  8. 제7 항에 있어서,
    상기 단계(S125)는,
    상기 제1 구성원의 응답이 상기 제1 응답과 동일한 경우, 상기 제1 응답에 기 설정된 가중치를 부여하는 단계(S126); 를 포함하고,
    상기 제1 구성원의 응답이 상기 제1 응답과 상이한 경우,
    상기 제1 구성원의 응답을 답변에 포함하는 2차 객관식 설문 문항을 생성하되, 상기 2차 객관식 설문 문항의 답변은 상기 제1 구성원의 응답 및 상기 제1 응답을 제외한 상기 1차 응답 중 하나 이상의 응답을 포함하는, 단계(S127);
    상기 2차 객관식 설문 문항에 대한 상기 제1 구성원의 응답을 획득하는 단계(S128); 및
    상기 단계(S128)에서 획득된 상기 제1 구성원의 응답에 기 설정된 가중치를 부여하는 단계(S129); 를 포함하는,
    인공지능 기반 질의응답 도출방법.
  9. 하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    구성원정보를 수집하는 단계;
    질의를 결정하는 단계;
    상기 구성원정보로부터 상기 질의와 연관된 정보를 추출하는 단계; 및
    인공지능 모델을 이용하여, 상기 추출된 정보로부터 상기 질의에 대한 응답을 도출하는 단계; 를 수행하는, 장치.
  10. 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
PCT/KR2019/009532 2018-08-08 2019-07-31 인공지능 기반 질의응답 도출방법, 장치 및 프로그램 WO2020032467A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180092634A KR101972561B1 (ko) 2018-08-08 2018-08-08 인공지능 기반 질의응답 도출방법, 장치 및 프로그램
KR10-2018-0092634 2018-08-08

Publications (1)

Publication Number Publication Date
WO2020032467A1 true WO2020032467A1 (ko) 2020-02-13

Family

ID=66281291

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/009532 WO2020032467A1 (ko) 2018-08-08 2019-07-31 인공지능 기반 질의응답 도출방법, 장치 및 프로그램

Country Status (2)

Country Link
KR (1) KR101972561B1 (ko)
WO (1) WO2020032467A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101972561B1 (ko) * 2018-08-08 2019-04-26 김보언 인공지능 기반 질의응답 도출방법, 장치 및 프로그램
KR102212426B1 (ko) * 2019-10-02 2021-02-03 이경연 정신건강 평가 시스템 및 그 방법
KR102550748B1 (ko) * 2020-11-12 2023-07-04 주식회사 솔트룩스 명사 중심 벡터를 이용한 유사 문장 검색 시스템
KR102586289B1 (ko) * 2020-12-22 2023-10-10 한국전자인증 주식회사 대화 예측을 이용한 대화 에이전트 시스템 및 방법
KR102583818B1 (ko) * 2022-09-14 2023-10-04 주식회사 글로랑 Bert를 기반으로한 응답자 집단을 대표하는 질의 응답 네트워크를 활용한 인적성 검사의 표집 과정 방법
KR102641137B1 (ko) 2023-12-14 2024-02-28 주식회사 예랑 인공지능 모델 기반 우주 기술의 산출 데이터에 대한 질의 응답 제공 방법, 장치 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140065384A (ko) * 2014-05-11 2014-05-29 이정우 주관성 분석을 이용한 사용자 분류와 그에 따른 개인화된 장소 추천 시스템 및 방법
KR20150120024A (ko) * 2014-04-16 2015-10-27 (주)포스트미디어 추천 여행코스를 제공하는 관광서비스 시스템 및 방법
KR101572473B1 (ko) * 2014-05-27 2015-11-30 (주)네오알앤에스 설문 관리 시스템, 설문 관리 서비스 제공 장치의 제어 방법 및 컴퓨터 프로그램이 기록된 기록 매체
KR20160002162A (ko) * 2014-06-30 2016-01-07 한국전자통신연구원 질의 응답 장치 및 방법
KR101972561B1 (ko) * 2018-08-08 2019-04-26 김보언 인공지능 기반 질의응답 도출방법, 장치 및 프로그램

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150120024A (ko) * 2014-04-16 2015-10-27 (주)포스트미디어 추천 여행코스를 제공하는 관광서비스 시스템 및 방법
KR20140065384A (ko) * 2014-05-11 2014-05-29 이정우 주관성 분석을 이용한 사용자 분류와 그에 따른 개인화된 장소 추천 시스템 및 방법
KR101572473B1 (ko) * 2014-05-27 2015-11-30 (주)네오알앤에스 설문 관리 시스템, 설문 관리 서비스 제공 장치의 제어 방법 및 컴퓨터 프로그램이 기록된 기록 매체
KR20160002162A (ko) * 2014-06-30 2016-01-07 한국전자통신연구원 질의 응답 장치 및 방법
KR101972561B1 (ko) * 2018-08-08 2019-04-26 김보언 인공지능 기반 질의응답 도출방법, 장치 및 프로그램

Also Published As

Publication number Publication date
KR101972561B1 (ko) 2019-04-26

Similar Documents

Publication Publication Date Title
WO2020032467A1 (ko) 인공지능 기반 질의응답 도출방법, 장치 및 프로그램
WO2018212494A1 (ko) 객체를 식별하는 방법 및 디바이스
CN109416816B (zh) 支持交流的人工智能系统
CN107846350B (zh) 一种语境感知网络聊天的方法、计算机可读介质和系统
WO2019050247A2 (ko) 클래스 인식을 위한 뉴럴 네트워크 학습 방법 및 디바이스
CN106649524B (zh) 一种改进型基于计算机云数据的深度学习智能应答系统
KR20190028793A (ko) 인공 지능에 기반한 휴먼 머신 인터랙티브 방법 및 장치
KR102656620B1 (ko) 전자 장치, 그의 제어 방법 및 비일시적 컴퓨터 판독가능 기록매체
WO2020022669A1 (ko) 인공지능 과제매칭 방법, 장치 및 프로그램
JP2000508805A (ja) オブジェクトを特徴付ける特性を抽出する方法及び装置並びにそれらの使用法
KR102039293B1 (ko) 클러스터링을 이용한 인공지능 기반 질의응답 도출방법, 장치 및 프로그램
WO2020256204A1 (ko) 텍스트의 내용 및 감정 분석에 기반한 답변 추천 시스템 및 방법
WO2018174443A1 (en) Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium
Gaglio et al. Smart assistance for students and people living in a campus
CN111339302A (zh) 训练要素分类模型的方法和装置
Zimmermann Context-awareness in user modelling: Requirements analysis for a case-based reasoning application
WO2018212584A2 (ko) 딥 뉴럴 네트워크를 이용하여 문장이 속하는 클래스를 분류하는 방법 및 장치
WO2019245183A1 (ko) 장소선정 및 정보제공 방법, 장치 및 프로그램
KR102117287B1 (ko) 대화 시스템을 위한 대화 시나리오 데이터베이스 구축 방법 및 장치
KR102039292B1 (ko) 키워드 기반 질의응답 도출방법, 장치 및 프로그램
CN112685550A (zh) 智能问答方法、装置、服务器及计算机可读存储介质
WO2019165732A1 (zh) 基于机器人情绪状态的回复信息生成方法、装置
KR102039294B1 (ko) 인공지능 기반 질의 응답을 통한 포상관광지 획득 방법, 장치 및 프로그램
KR20190133579A (ko) 사용자와 대화하며 내면 상태를 이해하고 긴밀한 관계를 맺을 수 있는 감성지능형 개인비서 시스템
Lola et al. Chatbot for fitness management using IBM Watson

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19847413

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19847413

Country of ref document: EP

Kind code of ref document: A1