WO2021261617A1 - 대화 의도 실시간 분석 방법 - Google Patents

대화 의도 실시간 분석 방법 Download PDF

Info

Publication number
WO2021261617A1
WO2021261617A1 PCT/KR2020/008245 KR2020008245W WO2021261617A1 WO 2021261617 A1 WO2021261617 A1 WO 2021261617A1 KR 2020008245 W KR2020008245 W KR 2020008245W WO 2021261617 A1 WO2021261617 A1 WO 2021261617A1
Authority
WO
WIPO (PCT)
Prior art keywords
conversation
response
information
knowledge
dialogue
Prior art date
Application number
PCT/KR2020/008245
Other languages
English (en)
French (fr)
Inventor
오교중
최호진
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to PCT/KR2020/008245 priority Critical patent/WO2021261617A1/ko
Priority to US17/925,732 priority patent/US20230351117A1/en
Publication of WO2021261617A1 publication Critical patent/WO2021261617A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis

Definitions

  • the present invention relates to a method for real-time analysis of conversational intentions, and more particularly, to collect user profiles and work-related information from an artificial intelligence assistant that supports field work, and to provide assistance necessary for work procedures to field experts through situational information and conversation It relates to a method for real-time analysis of conversational intentions.
  • chatbots or artificial intelligence assistants for field experts natural language or voice input is converted into sentences that can be analyzed by a computer, and input queries are analyzed using natural language processing and understanding technology, and insufficient information is questioned and answered. It manages conversations, such as searching, and provides responses to input through the process of providing optimal answers to users in the form of text or voice.
  • the conventional conversation system and chatbot technology analyze a query and provide a response by focusing only on the conversation content. Therefore, we focused on the analysis of the natural language characteristics of the query itself, such as keywords, morpheme patterns, and dependency information, in order to answer the queries end-to-end.
  • the latest chatbot technology requires a deep understanding to respond to various expressions and short utterances through analysis of implied meaning and query intent. For example, in the case of a chatbot for customer consultation or product marketing, it quickly grasps the intention of a conversation from some of the main keywords included in the conversation sentence with the customer you are currently facing and performs related procedural actions. In the financial domain, a short answer is given in the case of arrears or repayment of a loan, a request is resolved through the corresponding scenario in the case of subscription or renewal, and a defecting customer is quickly connected to a professional counselor.
  • the present invention was created to improve the above problems, and an object according to one aspect of the present invention is to collect a user profile and work-related information from an artificial intelligence assistant that supports field work, and to work with field experts through situationalization dialogue It is to provide a method for real-time analysis of conversational intentions to provide procedurally necessary assistance.
  • the conversational intention real-time analysis method analyzes the refined sentence output by the natural language conversation preprocessor that determines the question to be answered by analyzing the sentence by the natural language conversation understanding unit to determine whether it is a general conversation, a short-answer conversation, or a procedural extracting conversation information according to whether it is a conversation and determining a response policy; extracting, by an assistant conversation management unit, a dialogue information analyzed by the natural language dialogue understanding unit and a response policy, outputting a dialogue context, and a response candidate related to a query of dialogue information; collecting, by the context information collecting unit, the situation information by formalizing the field situation through the response candidate, user information, work information, and domain information extracted by the assistant conversation management unit; detecting, by the site-oriented response management unit, a refined response according to the context information generated by the context information collection unit, from among the conversation information extracted by the assistant conversation management unit; and detecting, by a response providing unit, a final response from the refined response detected by the field-oriented response management unit,
  • the step of extracting dialog information for the response or determining the response policy of the present invention is to analyze whether the query is a query related to a business or application domain by inputting the conversation sentence refined by the natural language conversation preprocessor as an input. determining whether to respond according to the domain and the application system; selecting a response policy for a short-answer conversation if the query of the input conversation in the conversation sentence refined by the natural language conversation preprocessor can be answered with a short answer; and selecting a response policy for a conversation related to procedural knowledge if the input conversation or query in the conversation sentence refined by the natural language conversation preprocessor is a conversation related to procedural knowledge.
  • the procedural knowledge of the present invention is characterized in that it includes conditions or rules of action that the user must follow when performing a task.
  • the step of outputting the dialogue context and extracting a response candidate related to the query of dialogue information may include: analyzing dialogue context from dialogue information input from the natural language dialogue understanding unit; detecting a response candidate to the general inquiry when the conversation information input from the natural language conversation understanding unit is a general inquiry; detecting a response candidate to a short-answer conversation based on a predefined or repeated query when the conversation information input from the natural language conversation understanding unit is a short-answer conversation; and detecting whether the dialogue information input from the natural language dialogue understanding unit is a dialogue related to the procedural knowledge, and, if the dialogue is related to the procedural knowledge, detecting a response candidate to the dialogue related to the procedural knowledge according to conditions and order It is characterized in that it comprises the step of
  • the conversation information input from the natural language conversation understanding unit is a short-answer conversation
  • the similarity to the question is analyzed in the question sentence and the pre-prepared question-answer pair, and the existing response It is characterized in that the response of the question with the highest score among knowledge is determined as the response candidate.
  • the step of detecting a response candidate for the conversation related to the procedural knowledge of the present invention includes detecting knowledge of a condition that should precede work in case of procedural knowledge on a method, and performing task in case of knowledge of procedure regarding order It is characterized in that it detects knowledge about the sequence, detects basic guideline knowledge for educational purposes or before work starts, and formalizes knowledge that can provide checklist knowledge while performing work.
  • the step of collecting situation information by formalizing the field situation may include: recognizing a user's business using user information, business information, and domain knowledge; generating a table template in which context information input from a context awareness platform is standardized according to a user's work; and recognizing a procedural situation corresponding to which procedural knowledge by using the dialogue context inputted from the assistant dialogue management unit, situation information, and work information.
  • the table template of the present invention is characterized in that it includes a model capable of predicting and recognizing the current situation stage, and situation information analyzed in the model.
  • the step of detecting the refined response of the present invention may include: extracting response candidate qualities to map the response candidate input from the assistant conversation management unit with the context information input from the context information collecting unit; generating a response situation mapping result table by synthesizing meta-information, context information, and context information about the task, recognizing a current order or state in procedural knowledge, and mapping response candidates and context information; and detecting a refined response from among the response candidates based on the response status mapping result of the response status mapping result table.
  • the step of detecting the refinement response of the present invention is characterized in that the refinement response is detected by scoring for each response candidate.
  • the step of detecting the refined response of the present invention is characterized in that the score of the corresponding response is set higher as there are more columns to be mapped, and the response candidate is scored by adding importance to each column of the response-situation mapping result table.
  • the step of detecting and transmitting the final response to the portable device of the present invention is characterized in that a response having the highest score among congestion responses is selected as the final response.
  • the conversational intention real-time analysis method can collect a user profile and work-related information from an artificial intelligence assistant that supports field work, and provide a field expert with necessary help in a work procedure through a situationalization conversation.
  • the conversational intention real-time analysis method may guide knowledge specialized in performing field work or provide information that field experts must watch, such as guidelines and checklists.
  • the conversational intention real-time analysis method may increase the efficiency of on-site work, provide a guide for on-site procedural knowledge, or may be used for on-site training.
  • FIG. 1 is a block diagram of a conversation intention real-time analysis apparatus according to an embodiment of the present invention.
  • FIG. 2 is a flowchart of a method for real-time analysis of conversation intentions according to an embodiment of the present invention.
  • FIG. 3 is a flowchart illustrating an operation process of a natural language conversation understanding unit according to an embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating an operation process of an assistant conversation manager according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating an operation process of a context information collecting unit according to an embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating an operation process of a field-oriented response management unit according to an embodiment of the present invention.
  • FIG. 7 is a diagram illustrating an interface design of a portable device according to an embodiment of the present invention.
  • Implementations described herein may be implemented in, for example, a method or process, an apparatus, a software program, a data stream, or a signal. Although discussed only in the context of a single form of implementation (eg, discussed only as a method), implementations of the discussed features may also be implemented in other forms (eg, as an apparatus or program).
  • the apparatus may be implemented in suitable hardware, software and firmware, and the like.
  • a method may be implemented in an apparatus such as, for example, a processor, which generally refers to a computer, a microprocessor, a processing device, including an integrated circuit or programmable logic device, or the like. Processors also include communication devices such as computers, cell phones, portable/personal digital assistants (“PDAs”), smart speaker devices, wearable devices, and other devices that facilitate communication of information between end-users. do.
  • PDAs portable/personal digital assistants
  • the conversational intention real-time analysis apparatus is suitable for a user who provides a service that generates a lot of work-related queries, such as a field expert, a customer counselor, or a marketer performing work in the field.
  • Field experts can use the AI assistant to ask questions related to field work, check guidelines, manage to-do checklists, automatically report work performance results, and more. etc. can also be used.
  • the information about the user may include the user's profile information, current work information, past service use, or viewing information and records.
  • Field conditions may include mobile platforms or sensor devices, if any, data that can be obtained from those devices.
  • FIG. 1 is a block diagram of a conversation intention real-time analysis apparatus according to an embodiment of the present invention.
  • a conversation intention real-time analysis apparatus includes a portable device 10 , a natural language conversation preprocessor 20 , a natural language conversation understanding unit 30 , an assistant conversation management unit 40 , and a user and a work information detecting unit 50 , a contextual information collecting unit 60 , a domain knowledge database unit 70 , a field-oriented response management unit 80 , and a response providing unit 90 .
  • the portable device 10 is possessed by a user such as a field expert, a customer counselor, or a product marketer to perform a job, and a mobile platform or a sensor device may be employed.
  • the portable device 10 receives a voice for conversation or information about a field situation from a user, and outputs a final response through the response providing unit 90 .
  • the natural language conversation preprocessor 20 determines a question to be answered by recognizing the boundary of a sentence spanning several turns or dividing the query sentence into a short sentence form.
  • the natural language conversation preprocessor 20 pre-processes the conversation over several turns to recognize the boundaries of the sentences spanning several turns, or splits the query sentence into a short sentence form, and determines which question to answer.
  • the natural language conversation preprocessor 20 also performs correction of typos and spacing in sentences, thereby improving the performance of subsequent natural language processing and recognition tasks, and also performs morphological analysis of conversational sentences together with refined sentences.
  • the natural language dialogue understanding unit 30 analyzes the refined sentences obtained through the preprocessing process by the natural language dialogue preprocessor 20 and outputs dialogue information and response policies.
  • the assistant conversation management unit 40 analyzes the dialogue information and the response policy input from the natural language dialogue understanding unit 30 , outputs a dialogue context, and extracts a response candidate related to a query of dialogue information.
  • the user and work information detection unit 50 detects user information and work information, and includes a user database unit 51 and a profile unit 52 .
  • the user database unit 51 stores the user's personal information.
  • the profile unit 52 profiles the user's personal information stored in the user database unit 51 to detect field work including the user's work-related experience, career information, and skill level.
  • the domain knowledge database unit 70 stores domain knowledge.
  • the context information collection unit 60 is configured to manage the current procedural dialogue, the conversation context input from the assistant conversation management unit 40, user information and work information input from the user and work information detection unit 50, and domain knowledge to standardize the on-site situation and output the situation information.
  • the site-oriented response management unit 80 detects a refined response suitable for the field situation from among the response candidates extracted by the assistant conversation management unit 40 .
  • the response providing unit 90 selects a final response from among the refined responses refined by the field-oriented response management unit 80 and transmits the selected final response to the portable device 10 .
  • FIG. 2 is a flowchart of a method for real-time analysis of conversation intentions according to an embodiment of the present invention
  • FIG. 3 is a flowchart illustrating an operation process of a natural language conversation understanding unit according to an embodiment of the present invention
  • FIG. 4 is an embodiment of the present invention It is a flowchart illustrating an operation process of the assistant conversation manager according to an embodiment
  • FIG. 5 is a flowchart illustrating an operation process of the context information collecting unit according to an embodiment of the present invention
  • FIG. 6 is a flowchart according to an embodiment of the present invention It is a flowchart illustrating an operation process of the field-oriented response management unit
  • FIG. 7 is a diagram illustrating an interface design of a portable device according to an embodiment of the present invention.
  • the natural language conversation preprocessor 20 recognizes the boundary of sentences spanning several turns or divides the query sentence into short sentences to determine which question to answer.
  • a pre-processing step is performed (S100). That is, the natural language conversation preprocessor 20 speaks one sentence through several turns in a conversation in a general situation, or inputs several sentences in the form of a complex sentence in one turn. Recognizes the boundary between sentences, splits the query sentence into short sentences, decides which question to answer, corrects typos and spacing in sentences, and performs morphological analysis of dialogue sentences along with refined sentences.
  • the natural language dialogue understanding unit 30 analyzes the refined sentences obtained through the preprocessing process by the natural language dialogue preprocessor 20 to output dialogue information and response policy (S200)
  • the natural language conversation understanding step (S200) includes an out-of-domain conversation determination step (S210), a question-response type analysis step (S220), and a response policy determination step (S230).
  • the natural language conversation understanding unit 30 receives the conversation sentence refined by the natural language conversation preprocessor 20 as an input in the out-of-domain conversation step S210, and the query is related to the business or application domain. It analyzes whether a query is a question and decides whether to respond according to the application domain and application system. In this case, the natural language conversation understanding unit 30 responds only when there is an answer rule in the case of a registered general conversation query, and does not respond to other conversations.
  • the natural language dialogue understanding unit 30 selects a short-answer dialogue response policy when the query of the input dialogue is a question that can be answered with a short answer.
  • the question is judged by whether the domain expert has predefined question-and-answer knowledge or frequently registered question-and-answer (FAQ) knowledge, or matches the question in the existing question-and-answer case, or a similar question It can be determined whether there is a response, and a response can be provided as a response history.
  • FAQ question-and-answer
  • the natural language conversation understanding unit 30 determines whether the corresponding conversation or query is a conversation related to procedural knowledge in the response policy determination step S230, and if it is a conversation related to procedural knowledge, selects a response policy related to procedural knowledge.
  • procedural knowledge is the conditions and rules of behavior that users must follow when performing their duties.
  • Field work mainly corresponds to procedural knowledge, and the order of performing the work, guidelines and checklists, etc.
  • the assistant conversation management unit 40 analyzes dialogue information and response policy input from the natural language dialogue understanding unit 30 , outputs a dialogue context, and extracts a response candidate related to a query of dialogue information.
  • a management step is performed (S300).
  • the assistant conversation management step (S300) includes a dialogue context analysis step (S310), a general other dialogue management step (S320), a short answer dialogue management step (S330), and a procedural dialogue management step (S340).
  • the assistant dialog management unit 40 analyzes the dialog context from the dialog information input from the natural language dialog understanding unit 30 in the dialog context analysis step S310, which is basically a dialog context according to the application domain and the application system. This is done by populating the analysis table.
  • the dialogue context analysis table includes a question refined into a short sentence, the domain of the question, dialogue act classification analysis information, and the response and satisfaction received in the previous conversation.
  • the assistant conversation manager 40 detects a response candidate to respond only to a general inquiry according to a predetermined response policy in the general other conversation management step S320 .
  • Common other conversations include greetings, performing work assistant commands (schedule management, reminders, memos, etc.), speaking alone or using profanity.
  • the assistant conversation manager 40 detects a response candidate to a predefined or frequently repeated inquiry through a FAQ question-response database unit (not shown) if the conversation information is a short-answer conversation. .
  • the assistant conversation manager 40 analyzes the similarity to the question in the question sentence and the pre-prepared question-answer pair, and determines the question response with the highest score among the existing response knowledge as the candidate sentence, that is, the response candidate.
  • the assistant conversation management unit 40 searches for domain knowledge and detects which procedural knowledge the conversation is related to by using methods such as query analysis and knowledge inference. For example, the assistant conversation management unit 40 detects knowledge of a condition that must precede work in the case of procedural knowledge about the method, and detects knowledge of the task execution order in the case of knowledge of procedures related to the procedure, Basic guideline knowledge is detected before the start of work, and the knowledge of the relevant classification is detected as a template (standardized) so that checklist knowledge can be provided during work. In the case of a procedural conversation, the assistant conversation management unit 40 brings knowledge of all conditions and sequences, and thus detects a plurality of response sentences, that is, response candidates according to these conditions and sequences.
  • the context information collecting unit 60 includes a dialog context input from the assistant conversation management unit 40 and user information input from the user and work information detection unit 50 in order to manage the current procedural conversation.
  • a situation information collection step (S400) of standardizing the field situation using the work information and domain knowledge and outputting the situation information is performed.
  • the context information collection step (S400) includes a user task recognition step (S410), an external environmental factor recognition step (S420), and a procedural context recognition step (S430).
  • the contextual information collection unit 60 obtains work-related information, such as personal information and existing query details, from the profile unit 52 in the user task recognition step (S410), allowing the user to obtain work-related experience, career information, and proficiency. , and what kind of field work they mainly do, and the like. Through this, it is possible to detect what kind of task the user is currently performing, what task classification it corresponds to, and whether there has been a similar task case.
  • work-related information such as personal information and existing query details
  • the contextual information collection unit 60 creates a standardized contextual information table using data input from a contextual recognition platform such as a mobile device or a sensor, that is, field contextual information.
  • a contextual recognition platform such as a mobile device or a sensor
  • the context information collecting unit 60 defines and provides a table template according to the user's task obtained in the user task recognition step (S410), a model capable of predicting and recognizing the current situation step, and a corresponding Input the situation information analyzed in the model into the table template.
  • the context information collection unit 60 recognizes a situation corresponding to which procedural knowledge the current user corresponds to based on the field context information and the dialogue context information of the table template.
  • the contextual information collection unit 60 determines what kind of procedural knowledge the situation corresponds to by combining the extracted business information and the contextual information, and the insufficient information identifies the current situation or state through reconsideration. For example, in the case of a pole transformer management task, an appearance inspection and an installation state inspection are performed from the checklist of the task. The user presents the inspection checklist (focused points) and receives answers such as yes/no from the user.
  • the field-oriented response management unit 80 performs the field-oriented response management step S500 of detecting a refined response suitable for the field situation from among the response candidates extracted in the assistant conversation management step.
  • the field-oriented response management step (S500) includes a response candidate feature extraction step (S510), a response situation mapping step (S520), and a response candidate scoring step (S530).
  • the response candidate quality extraction step (S510) the corresponding situation information input from the context information collection unit 50 in the response candidate sentence input from the assistant conversation management unit 40 and mapping
  • the response candidate qualities are extracted by comparing the response candidates, and mainly keywords and entity names are used to determine whether to perform or check whether to perform or not.
  • the field-oriented response management unit 80 recognizes the current order or status among procedural knowledge by synthesizing the meta-information about the task, the context information, and the context information.
  • the field-oriented response management unit 80 recognizes the current order or status in procedural knowledge by synthesizing meta-information about the task, context information, and context information, and maps response candidates and context information to create a response-situation mapping result table
  • blank contents in the response-situation mapping result table can be re-entered through material query, and the table is filled using agreement expressions or high-level concept words, and whether the procedure is completed or not is judged.
  • the site-oriented response management unit 80 performs scoring for each response based on the response-situation mapping result of the response situation mapping step S520 .
  • the field-oriented response management unit 80 basically sets the score of the corresponding response as there are more columns mapped, and adds importance to each column of the response-situation mapping result table to score. Then, the field-oriented response management unit 80 sorts each response in descending order and provides a refined response.
  • the response providing unit 90 selects a response with the highest score among the refined responses provided from the field-oriented response management unit 80 as a final response, and transmits the final response to the portable device 10 .
  • the portable device 10 outputs a final response as shown in FIG. 7 .
  • the conversation intention real-time analysis method is provided in the form of a program to the portable device (smartphone, tablet) 10, as shown in FIG. 7, or Internet communication is performed through the web or APIs. It can also be installed on other platforms where
  • the conversation intention real-time analysis method collects user profiles and work-related information from an artificial intelligence assistant supporting field work, and provides field experts with necessary help in the work procedure through situationalization dialogue.
  • the method for real-time analysis of conversation intentions may guide knowledge specialized in performing field work or provide information that field experts must keep an eye on, such as guidelines and checklists.
  • the method for real-time analysis of dialogue intention may increase the efficiency of field work, provide a guide for field procedural knowledge, or may be utilized for field training.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

대화 의도 실시간 분석 방법이 개시된다. 본 발명의 대화 의도 실시간 분석 방법은 자연어 대화 이해부가 문장을 분석하여 대답할 질문을 결정하는 자연어 대화 전처리부에 의해 정제된 정제문장을 분석하여 일반 대화인지, 단답 대화인지 또는 절차적 대화인지에 따라 응답에 대한 대화 정보 및 응답 정책을 결정하는 단계; 어시스턴트 대화 관리부가 자연어 대화 이해부로부터 입력된 대화정보 및 응답정책을 분석하여 대화 문맥을 출력하고 대화 정보의 질의와 관련된 응답 후보를 추출하는 단계; 상황정보 수집부가 어시스턴트 대화 관리부에 의해 추출된 응답 후보, 사용자 정보, 업무 정보 및 도메인 정보를 통해 현장 상황을 정형화하여 상황 정보를 수집하는 단계; 현장지향형 응답 관리부가 어시스턴트 대화 관리부에 의해 추출된 대화 정보 중에서 상황정보 수집부에 의해 생성된 상황 정보에 따른 정제 응답을 검출하는 단계; 및 응답 제공부가 현장지향형 응답 관리부에 의해 검출된 정제 응답에서 최종 응답을 검출하여 휴대 장치에 전달하는 단계를 포함하는 것을 특징으로 한다.

Description

대화 의도 실시간 분석 방법
본 발명은 대화 의도 실시간 분석 방법에 관한 것으로서, 더욱 상세하게는 현장 업무를 지원하는 인공지능 어시스턴트에서 사용자 프로파일과 업무 관련 정보를 수집하고 상황 정보와 대화를 통해 현장전문가에게 업무 절차상 필요한 도움을 주는 대화 의도 실시간 분석 방법에 관한 것이다.
최근 음성인식 개인 비서, 인공지능 스피커, 챗봇, 자율주행 차량 등 다양한 응용 도메인에서 대화를 통해 인간과 기계가 소통하는 기술이 여러 응용사례를 통해 구현되고 있다.
이와 같은 대화형 인터페이스를 사용함으로서, 서비스로의 접근성과 사용성이 좋아지거나 상황에 맞는 정보를 제공하거나 개인화된 서비스를 제공할수 있는 장점이 있다. 특히 현장전문가의 간단한 질의에 대한 응답을 하거나, 업무를 돕는 명령을 수행할 수도 있는데, 이를 통해 업무의 효율성을 올리고, 현장의 절차적 지식에 대한 가이드를 제공하며, 현장 교육에 활용할 수도 있다. 이처럼 인공지능 어시스턴트는 단순한 명령의 주입이 아닌 자연어 대화를 통한 질의와 명령이 입력되기 때문에 높은 수준의 자연어 처리와 이해 기술을 필요로 한다.
기존의 챗봇이나 현장전문가용 인공지능 어시스턴트에서는 자연어 혹은 음성 입력을 컴퓨터가 분석할 수 있는 문장으로 변환하고, 자연어 처리 및 이해 기술을 이용하여 입력 질의를 분석하며, 부족한 정보에는 재질의를 하고 답변을 찾는 등 대화를 관리하며, 사용자에게 최적의 답변을 글자 또는 음성 형태로 제공하는 과정을 거쳐 입력에 대한 응답을 제공한다.
본 발명의 배경기술은 대한민국 공개특허공보 10-2015-0141279호(2015.12.18)호의 '고객 상담 의도를 예측하여 대응하기 위한 장치 및 컴퓨터-판독가능 매체'에 개시되어 있다.
종래의 종래의 대화 시스템과 챗봇 기술은 대화 내용에만 집중하여 질의를 분석하고 응답을 제공한다. 그래서 주로 단대단으로 질의에 응답하기 위해 키워드, 형태소 패턴, 의존관계 정보 등 질의의 자연어적인 특성 자체의 분석에 집중하였다. 그러나, 최신의 챗봇 기술에서는 함축된 의미와 질의 의도 분석을 통해 다양한 표현과 짧은 발화에 대해서도 응답할 수 있는 깊은 이해를 요하고 있다. 예를 들어 고객 상담이나 상품 마케팅용 챗봇 경우, 현재 대면하고 있는 고객과의 대화 문장에 포함된 주요 키워드 일부로부터 대화 의도를 빠르게 파악하고 관련된 절차적 행동을 수행한다. 금융 도메인에서 대출의 연체나 상환 가능 여부와 같은 경우 단답으로 답변을 주고, 가입이나 갱신의 경우 해당 시나리오를 통해 요청을 해결하며, 이탈 고객은 빠르게 전문 상담원으로 연결하는 등의 예시를 들 수 있다.
하지만 현장 전문가를 위한 어시스턴트의 경우, 단대단 질의에 응답하기보다는 대화를 유도하면서 부족한 정보를 수집하고 사용자의 현재 상황에 맞는 정보나 응답을 제공해야한다. 그 뿐만 아니라 현재 사용자의 과거 서비스 이용 기록이나 현재 상태 등을 이용하여 사용자의 수행하고 있는 업무의 진행 상황에 대한 파악이 필요하다.
종래의 상황인지형 서비스들은 각종 센서나 미들 플랫폼으로부터 사용자의 상태를 파악할 수 있는 데이터를 수집하여 상황 정보로 정제한다. 종래의 기술들은 기계나 장치 수행에 있어서 자동화, 지능화를 목적으로 하고 있기 때문에 특정 상태나 조건에 수행하는 임무를 정의해 주었다. 인공지능 어시스턴트는 응답을 하는데 필요한 부가 정보를 사용자와 대화를 통해 얻을 수 있다. 따라서 응답에 필요한 정보들을 정형화해서 사용자에게 해당 정보를 얻을 수 있는 질문이나 재질의를 하는 절차가 필요하다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 현장 업무를 지원하는 인공지능 어시스턴트에서 사용자 프로파일과 업무 관련 정보를 수집하고 상황 정보화 대화를 통해 현장전문가에게 업무 절차상 필요한 도움을 주는 대화 의도 실시간 분석 방법을 제공하는 데 있다.
본 발명의 일 측면에 따른 대화 의도 실시간 분석 방법은 자연어 대화 이해부가 문장을 분석하여 대답할 질문을 결정하는 자연어 대화 전처리부에 의해 출력된 정제문장을 분석하여 일반 대화인지, 단답 대화인지 또는 절차적 대화인지에 따라 대화 정보를 추출하고 응답 정책을 결정하는 단계; 어시스턴트 대화 관리부가 상기 자연어 대화 이해부에 의해 분석된 대화정보 및 응답정책을 분석하여 대화 문맥을 출력하고 대화 정보의 질의와 관련된 응답 후보를 추출하는 단계; 상황정보 수집부가 상기 어시스턴트 대화 관리부에 의해 추출된 응답 후보, 사용자 정보, 업무 정보 및 도메인 정보를 통해 현장 상황을 정형화하여 상황 정보를 수집하는 단계; 현장지향형 응답 관리부가 상기 어시스턴트 대화 관리부에 의해 추출된 대화 정보 중에서 상기 상황정보 수집부에 의해 생성된 상황 정보에 따른 정제 응답을 검출하는 단계; 및 응답 제공부가 상기 현장지향형 응답 관리부에 의해 검출된 정제 응답에서 최종 응답을 검출하여 휴대 장치에 전달하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 응답에 대한 대화 정보를 추출 또는 응답 정책을 결정하는 단계는, 상기 자연어 대화 전처리부에서 정제된 대화 문장을 입력으로 해당 질의가 업무나 응용 도메인과 관련이 있는 질의인지를 분석하여 응용 도메인과 적용 시스템에 따라 응답할지를 결정하는 단계; 상기 자연어 대화 전처리부에서 정제된 대화 문장에서의 입력 대화의 질의가 단답으로 대답할 수 있는 질의이면 단답 대화를 위한 응답 정책을 선택하는 단계; 및 상기 자연어 대화 전처리부에서 정제된 대화 문장에서의 입력 대화나 질의가 절차적 지식과 관련된 대화이면 절차적 지식과 관련된 대화를 위한 응답 정책을 선택하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 절차적 지식은 사용자가 임무를 수행할 때 지켜야하는 조건이나 행위의 규칙을 포함하는 것을 특징으로 한다.
본 발명의 상기 대화 문맥을 출력하고 대화 정보의 질의와 관련된 응답 후보를 추출하는 단계는, 상기 자연어 대화 이해부로부터 입력된 대화 정보에서 대화 문맥을 분석하는 단계; 상기 자연어 대화 이해부로부터 입력된 대화 정보가 일반 질의이면 일반 질의에 대한 응답 후보를 검출하는 단계; 상기 자연어 대화 이해부로부터 입력된 대화 정보가 단답 대화이면 미리 정의한 질의나 반복 질의를 기초로 단답 대화에 대한 응답 후보를 검출하는 단계; 및 상기 자연어 대화 이해부로부터 입력된 대화 정보가 상기 절차적 지식과 관련된 대화인지를 검출하고, 상기 절차적 지식과 관련된 대화이면 조건과 순서에 따라 상기 절차적 지식과 관련된 대화에 대한 응답 후보를 검출하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 단답 대화에 대한 응답 후보를 검출하는 단계는, 상기 자연어 대화 이해부로부터 입력된 대화 정보가 단답 대화이면, 질의 문장과 미리 준비된 질의-응답 쌍에서 질문과 유사성을 분석하고 기존의 응답 지식 중에서 가장 점수가 높은 질의의 응답을 응답 후보로 결정하는 것을 특징으로 한다.
본 발명의 상기 상기 절차적 지식과 관련된 대화에 대한 응답 후보를 검출하는 단계는, 방법에 관한 절차적 지식인 경우 업무에 선행되어야 하는 조건에 대한 지식을 검출하고, 순서에 관한 절차의 지식인 경우 업무 수행 순서에 대한 지식을 검출하며, 교육용이나 업무 시작 전이면 기본적인 가이드라인 지식을 검출하며, 업무 수행 중에는 체크리스트 지식을 제공할 수 있도록 하는 지식을 정형화하는 것을 특징으로 한다.
본 발명의 상기 현장 상황을 정형화하여 상황 정보를 수집하는 단계는, 사용자 정보와 업무 정보, 및 도메인 지식을 이용하여 사용자의 업무를 인식하는 단계; 사용자의 업무에 따라 상황인지 플랫폼으로부터 입력되는 상황정보를 정형화한 테이블 템플릿을 생성하는 단계; 및 상기 어시스턴트 대화 관리부로부터 입력된 대화문맥과, 상황정보 및 업무정보를 이용하여 어떤 절차적 지식에 해당하는 절차적 상황인지를 인식하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 테이블 템플릿은 현재의 상황 단계를 예측하고 인식할 수 있는 모델, 및 상기 모델에서 분석된 상황정보를 포함하는 것을 특징으로 한다.
본 발명의 상기 정제 응답을 검출하는 단계는, 상기 어시스턴트 대화 관리부로부터 입력된 응답후보를 상기 상황정보 수집부로부터 입력된 상황정보와 매핑하기 위해 응답후보 자질을 추출하는 단계; 업무에 대한 메타정보와 상황정보 및 문맥 정보를 종합하여 절차적 지식에서 현재의 순서나 상태를 인식하고 응답후보와 상황정보를 매핑하여 응답 상황 매핑 결과 테이블을 생성하는 단계; 및 응답 상황 매핑 결과 테이블의 응답 상황 매핑 결과를 바탕으로 각 응답 후보 중에서 정제응답을 검출하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 상기 정제응답을 검출하는 단계는, 응답후보별로 점수화하여 정제응답을 검출하는 것을 특징으로 한다.
본 발명의 상기 정제응답을 검출하는 단계는, 매핑되는 컬럼이 많을수록 해당 응답의 점수를 높게 설정하며, 응답-상황 매핑 결과 테이블의 컬럼마다 중요도를 부가하여 응답후보를 점수화하는 것을 특징으로 한다.
본 발명의 상기 최종 응답을 검출하여 휴대 장치에 전달하는 단계는, 정체 응답 중 점수가 가장 높은 응답을 최종 응답으로 선별하는 것을 특징으로 한다.
본 발명의 일 측면에 따른 대화 의도 실시간 분석 방법은 현장 업무를 지원하는 인공지능 어시스턴트에서 사용자 프로파일과 업무 관련 정보를 수집하고 상황 정보화 대화를 통해 현장전문가에게 업무 절차상 필요한 도움을 줄 수 있다.
본 발명의 다른 측면에 따른 대화 의도 실시간 분석 방법은 현장 업무의 수행에 특화된 지식을 안내해 주거나, 가이드라인 및 체크리스트 등 현장전문가가 반드시 주시해야 하는 정보를 제공해 줄 수 있다.
본 발명의 또 다른 측면에 따른 대화 의도 실시간 분석 방법은 현장 업무의 효율성을 올리고 현장의 절차적 지식에 대한 가이드를 제공해 주거나 현장 교육에 활용될 수도 있다.
도 1 은 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법의 순서도이다.
도 3 은 본 발명의 일 실시예에 따른 자연어 대화 이해부의 동작 과정을 도시한 순서도이다.
도 4 는 본 발명의 일 실시예에 따른 어시스턴트 대화 관리부의 동작 과정을 도시한 순서도이다.
도 5 는 본 발명의 일 실시예에 따른 상황정보 수집부의 동작 과정을 도시한 순서도이다.
도 6 은 본 발명의 일 실시예에 따른 현장지향형 응답 관리부의 동작 과정을 도시한 순서도이다.
도 7 은 본 발명의 일 실시예에 따른 휴대장치의 인터페이스 디자인을 도시한 도면이다.
이하에서는 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야할 것이다.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA"), 스마트 스피커 장치, 웨어러블 디바이스 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
본 발명의 일 실시예에 따른 대화 의도 실시간 분석 장치는 현장에서 업무를 수행하는 현장 전문가나 고객 상담사 또는 마케터와 같이 업무와 관련된 질의가 많이 발생하는 서비스를 제공하는 사용자에게 적합하다.
현장 전문가는 현장 업무 수행과 관련된 질문을 하거나, 가이드라인을 확인하거나, 챙겨야할 체크리스트를 관리하거나, 업무 수행 결과를 자동 리포팅하기 위해 인공지능 어시스턴트를 사용할 수 있으며, 그 밖에도 메모, 기억, 단순 계산 등에도 사용할 수 있다.
따라서, 사용자가 어떤 업무를 수행하고 어떤 정보가 필요한지 사용자에 대한 기본적인 정보, 상황 정보, 그리고 입력 대화의 내용이 필요하다. 사용자에 대한 정보에는 사용자의 프로파일 정보와 현재 수행중인 업무 정보, 과거 서비스 사용 또는 정보 및 기록 열람 등이 포함될 수 있다.
현장 상황에는 모바일 플랫폼이나 센서 장치가 있으면 해당 장치로부터 얻을 수 있는 데이터 등이 포함될 수 있다.
도 1 은 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 장치의 블럭 구성도이다.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 장치는 휴대 장치(10), 자연어 대화 전처리부(20), 자연어 대화 이해부(30), 어시스턴트 대화 관리부(40), 사용자 및 업무정보 검출부(50), 상황정보 수집부(60), 도메인 지식 데이터베이스부(70), 현장지향형 응답 관리부(80), 및 응답 제공부(90)를 포함한다.
휴대 장치(10)는 현장 전문가나 고객 상담원 또는 상품 마케터와 같은 사용자가 업무 수행을 위해 소지하는 것으로써, 모바일 플랫폼이나 센서 장치 등이 채용될 수 있다.
이러한 휴대 장치(10)는 사용자로부터 대화를 위한 음성이나 현장 상황에 대한 정보를 입력받고, 응답 제공부(90)를 통해 최종 응답을 출력한다.
자연어 대화 전처리부(20)는 여러 턴(Turn)에 걸친 문장의 경계를 인식하거나 질의 문장을 단문의 형태로 분할하여 대답할 질문을 결정한다.
통상적으로, 대화형 시스템 기술들은 주로 턴(turn)마다 단대단 응답 방식의 응답을 제공하고 있다. 그러나 일반적인 상황의 대화에서는 여러 턴에 거쳐 한 문장을 말하거나, 한 턴에 복문의 형태로 여러 문장을 입력하기도 한다. 이에 자연어 대화 전처리부(20)는 이러한 여러 턴에 걸치 대화를 전처리하여 여러 턴에 걸친 문장의 경계를 인식하거나 질의 문장을 단문의 형태로 쪼개고, 어떤 질문에 대답을 할 것인지 결정한다. 또한 자연어 대화 전처리부(20)는 문장 내 오타와 띄어쓰기 보정도 수행함으로써, 이후 자연어 처리 및 인식 작업의 성능을 향상시키고, 정제 문장과 함께 대화 문장의 형태소 분석도 수행한다.
자연어 대화 이해부(30)는 자연어 대화 전처리부(20)에 의해 전처리 과정을 거쳐 얻은 정제문장을 분석하여 대화정보 및 응답정책을 출력한다.
어시스턴트 대화 관리부(40)는 자연어 대화 이해부(30)로부터 입력된 대화정보 및 응답정책을 분석하여 대화 문맥을 출력하고, 대화 정보의 질의와 관련된 응답 후보를 추출한다.
사용자 및 업무정보 검출부(50)는 사용자 정보 및 업무정보를 검출하는 것으로써, 사용자 데이터베이스부(51) 및 프로파일부(52)를 포함한다.
사용자 데이터베이스부(51)는 사용자의 개인정보를 저장한다.
프로파일부(52)는 사용자 데이터베이스부(51)에 저장된 사용자의 개인정보를 프로파일링하여 사용자가 업무와 관련된 경험, 경력 정보, 숙련도 등을 포함하는 현장 업무를 검출한다.
도메인 지식 데이터베이스부(70)는 도메인 지식을 저장한다.
상황정보 수집부(60)는 현재의 절차적 대화를 관리하기 위해, 어시스턴트 대화 관리부(40)로부터 입력된 대화문맥, 사용자 및 업무정보 검출부(50)로부터 입력된 사용자 정보와 업무 정보, 및 도메인 지식을 이용하여 현장 상황을 정형화하여 상황정보를 출력한다.
현장지향형 응답 관리부(80)는 어시스턴트 대화 관리부(40)에서 추출한 응답 후보 중에서 현장 상황과 적합한 정제 응답을 검출한다.
응답 제공부(90)는 현장지향형 응답 관리부(80)에 의해 정제된 정제 응답 중 최종 응답을 선별하여 휴대 장치(10)에 전달한다.
이하 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법을 도 2 내지 도 7 을 참조하여 상세하게 설명한다.
도 2 는 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법의 순서도이고, 도 3 은 본 발명의 일 실시예에 따른 자연어 대화 이해부의 동작 과정을 도시한 순서도이며, 도 4 는 본 발명의 일 실시예에 따른 어시스턴트 대화 관리부의 동작 과정을 도시한 순서도이며, 도 5 는 본 발명의 일 실시예에 따른 상황정보 수집부의 동작 과정을 도시한 순서도이며, 도 6 은 본 발명의 일 실시예에 따른 현장지향형 응답 관리부의 동작 과정을 도시한 순서도이며, 도 7 은 본 발명의 일 실시예에 따른 휴대장치의 인터페이스 디자인을 도시한 도면이다.
먼저, 도 2 내지 도 6 을 참조하면, 자연어 대화 전처리부(20)는 여러 턴에 걸친 문장의 경계를 인식하거나 질의 문장을 단문의 형태로 쪼개 어떤 질문에 대한 대답을 할 것인지를 결정하는 자연어 대화 전처리 단계를 수행(S100)한다. 즉, 자연어 대화 전처리부(20)는 일반적인 상황의 대화에서는 여러 턴에 거쳐 한 문장을 말하거나, 한 턴에 복문의 형태로 여러 문장을 입력하는 바, 이러한 여러 턴에 걸치 대화를 전처리하여 여러 턴에 걸친 문장의 경계를 인식하거나 질의 문장을 단문의 형태로 쪼개고, 어떤 질문에 대답을 할 것인지 결정하며, 문장 내 오타와 띄어쓰기 보정도 수행하며, 정제 문장과 함께 대화 문장의 형태소 분석도 수행한다.
도 3 을 참조하면, 자연어 대화 이해부(30)는 자연어 대화 전처리부(20)에 의해 전처리 과정을 거쳐 얻은 정제문장을 분석하여 대화정보 및 응답정책을 출력하는 자연어 대화 이해 단계를 수행(S200)하며, 이러한 자연어 대화 이해 단계(S200)는 아웃-오브-도메인(Out-of domain) 대화 판단 단계(S210), 질의-응답 타입 분석 단계(S220) 및 응답 정책 결정 단계(S230)를 포함한다.
먼저, 자연어 대화 이해부(30)는 아웃-오브-도메인 대화 단계(S210)에서, 자연어 대화 전처리부(20)에서 정제된 대화 문장을 입력으로 받고, 해당 질의가 업무나 응용 도메인과 관련이 있는 질의인지를 분석하여 응용 도메인과 적용 시스템에 따라 응답할지를 결정한다. 이 경우, 자연어 대화 이해부(30)는 등록된 일반 대화 질의인 경우 답변 규칙이 있는 경우에만 응답하며, 기타 대화에는 반응하지 않는다.
자연어 대화 이해부(30)는 질의-응답 타입 분석 단계(S220)에서, 입력 대화의 질의가 단답으로 대답할 수 있는 질의인 경우에 단답 대화 응답 정책을 선택한다. 해당 질의는 도메인 전문가가 미리 정의해 둔 질의-응답 지식이나 빈번하게 등록되는 질의-응답(FAQ) 지식이 있는 지로 판단하거나, 또는 기존의 질의-응답 사례에서 해당 질문과 일치하거나, 또는 유사한 질문이 있는 지를 판단하여 답변 내역으로 응답을 제공할 수 있다.
자연어 대화 이해부(30)는 응답 정책 결정 단계(S230)에서, 해당 대화나 질의가 절차적 지식과 관련된 대화인지 판단하여 절차적 지식과 관련된 대화이면 절차적 지식과 관련된 응답 정책을 선택한다. 여기서 절차적 지식은 사용자가 임무를 수행할 때 지켜야 하는 조건과 행위의 규칙이다. 현장 업무는 주로 절차적 지식에 해당하며 해당 업무의 수행 순서, 가이드라인 및 체크리스트 등이 해당한다.
도 4 를 참조하면, 어시스턴트 대화 관리부(40)는 자연어 대화 이해부(30)로부터 입력된 대화정보 및 응답정책을 분석하여 대화 문맥을 출력하고, 대화 정보의 질의와 관련된 응답 후보를 추출하는 어시스턴트 대화 관리 단계를 수행(S300)한다. 어시스턴트 대화 관리 단계(S300)는 대화 문맥 분석 단계(S310), 일반기타 대화 관리 단계(S320), 단답 대화 관리 단계(S330) 및 절차적 대화 관리 단계(S340)를 포함한다.
먼저, 어시스턴트 대화 관리부(40)는 대화 문맥 분석 단계(S310)에서, 자연어 대화 이해부(30)로부터 입력된 대화 정보에서 대화 문맥을 분석하는 데, 이는 기본적으로 응용 도메인과 적용 시스템에 맞춰 대화 문맥 분석 테이블을 채우는 방식으로 이루어진다. 대화 문맥 분석 테이블은 단문으로 정제된 질문과 해당 질문의 도메인, 화행 분류 분석 정보, 이전의 대화에서 주고받은 응답과 만족 여부 등을 포함한다.
어시스턴트 대화 관리부(40)는 일반기타 대화 관리 단계(S320)에서, 미리 정해진 응답 정책에 따라 일반 질의에 관해서만 응답하도록 응답 후보를 검출한다. 일반기타 대화로는 주로 인사말, 업무 보조 명령 수행(스케쥴 관리, 알림, 메모 등), 혼자 말이나 욕설 등이 이에 해당한다.
어시스턴트 대화 관리부(40)는 단답 대화 관리 단계(S330)에서, 대화 정보가 단답 대화이면 FAQ 질의-응답 데이터베이스부(미도시)를 통해 미리 정의한 질의나 빈번하게 반복되는 질의에 대한 응답 후보를 검출한다. 이 경우, 어시스턴트 대화 관리부(40)는 질의 문장과 미리 준비된 질의-응답 쌍에서 질문과 유사성을 분석하고 기존의 응답 지식 중에서 점수가 가장 높은 질의의 응답을 후보 문장, 즉 응답 후보로 결정한다.
어시스턴트 대화 관리부(40)는 절차적 대화 관리 단계(S340)에서, 도메인 지식을 탐색하고 이러한 질의 분석, 지식 추론 등의 방법을 이용하여 해당 대화가 어떤 절차적 지식과 관련이 있는지를 검출한다. 예를 들어, 어시스턴트 대화 관리부(40)는 방법에 관한 절차적 지식인 경우 업무에 선행되어야 하는 조건에 대한 지식을 검출하고, 순서에 관한 절차의 지식인 경우 업무 수행 순서에 대한 지식을 검출하며, 교육용이나 업무 시작 전이면 기본적인 가이드라인 지식을 검출하며, 업무 수행 중에는 체크리스트 지식을 제공할 수 있도록 해당 분류의 지식을 템플릿(정형)화하여 검출한다. 어시스턴트 대화 관리부(40)는 절차적 대화의 경우 모든 조건이나 순서 등의 지식을 가져 오게 되므로 이러한 조건과 순서에 따라 복수 개의 응답 문장, 즉 응답 후보를 검출한다.
도 5 를 참조하면, 상황정보 수집부(60)는 현재의 절차적 대화를 관리하기 위해, 어시스턴트 대화 관리부(40)로부터 입력된 대화문맥, 사용자 및 업무정보 검출부(50)로부터 입력된 사용자 정보와 업무 정보, 및 도메인 지식을 이용하여 현장 상황을 정형화하여 상황정보를 출력하는 상황정보 수집 단계(S400)를 수행한다. 상황정보 수집 단계(S400)는 사용자 업무 인식 단계(S410), 외부 환경요인 인식 단계(S420) 및 절차적 상황 인식 단계(S430)를 포함한다.
먼저, 상황정보 수집부(60)는 사용자 업무 인식 단계(S410)에서, 프로파일부(52)로부터 개인정보, 기존 질의 내역 등, 업무 관련 정보를 얻어, 사용자가 업무와 관련된 경험, 경력 정보, 숙련도, 및 주로 어떤 현장 업무를 하는지 등과 같은 사용자의 업무를 파악한다. 이를 통해 현재 사용자가 수행중인 업무가 무엇인지 어떤 업무 분류에 해당하는 것인지, 유사한 업무 사례는 없었는지 등을 검출할 수 있다.
상황정보 수집부(60)는 외부 환경요인 인식 단계(S430)에서, 모바일이나 센서 등의 상황인지 플랫폼으로부터 입력되는 데이터, 즉 현장상황정보를 이용하여 정형화된 상황 정보 테이블을 생성한다. 이 경우, 상황정보 수집부(60)는 상기한 사용자 업무 인식 단계(S410)에서 얻은 사용자의 업무에 따라 테이블 템플릿을 정의하여 제공하며, 현재의 상황 단계를 예측하고 인식할 수 있는 모델, 및 해당 모델에서 분석된 상황 정보 등을 테이블 템플릿에 입력한다.
상황정보 수집부(60)는 절차적 상황 인식 단계(S430)에서, 테이블 템플릿의 현장상황정보와 대화 문맥 정보를 바탕으로 현재 사용자가 어떤 절차적 지식에 해당하는 상황인지 인식한다. 이 경우, 상황정보 수집부(60)는 추출한 업무정보, 상황정보와 종합하여 어떠한 절차적 지식에 해당하는 상황인지를 판단하며, 부족한 정보는 재질의를 통해 현재의 상황이나 상태를 파악한다. 예를 들어 주상 변압기 관리 업무인 경우 해당 업무의 체크리스트 중에서 외관점검과 설치상태 점검을 하게 되는데 점검 체크리스트(착안사항) 항목을 제시하면서 예/아니오와 같은 답변을 사용자로부터 입력받는다.
도 6 을 참조하면, 현장지향형 응답 관리부(80)는 어시스턴트 대화 관리 단계에서 추출한 응답 후보 중에서 현장 상황과 적합한 정제 응답을 검출하는 현장지향형 응답 관리 단계(S500)를 수행한다. 현장지향형 응답 관리 단계(S500)는 응답후보 자질 추출 단계(S510), 응답 상황 매핑 단계(S520) 및 응답후보 점수화 단계(S530)를 포함한다.
먼저, 현장지향형 응답 관리부(80)는 응답후보 자질 추출 단계(S510)에서, 어시스턴드 대화 관리부(40)로부터 입력된 응답 후보 문장에서 상황정보 수집부(50)로부터 입력된 해당 상황정보와 매핑을 수행하기 위해, 응답후보를 비교하여 응답후보 자질을 추출하며, 주로 주요 키워드와 개체명을 위주로 수행여부나 체크 여부를 테이블화한다.
현장지향형 응답 관리부(80)는 응답 상황 매핑 단계(S520)에서, 업무에 대한 메타정보와 상황 정보 및 문맥 정보를 종합하여 절차적 지식 중에서 현재의 순서나 상태를 인식한다. 현장지향형 응답 관리부(80)는 업무에 대한 메타정보와 상황정보 및 문맥 정보를 종합하여 절차적 지식에서 현재의 순서나 상태를 인식하고 응답후보와 상황정보를 매핑하여 응답-상황 매핑 결과 테이블을 생성하되, 응답-상황 매핑 결과 테이블에서의 공백 내용을 재질의를 통해 재입력받을 수 있으며, 동의 표현이나 상하위 개념어를 사용하여 테이블을 채우고, 절차상 완료 여부를 판단하게 된다.
현장지향형 응답 관리부(80)는 응답 상황 매핑 단계(S520)의 응답-상황 매핑 결과를 바탕으로 응답별로 점수화를 수행한다. 이 경우 현장지향형 응답 관리부(80)는 기본적으로 매핑되는 컬럼이 많을수록 해당 응답의 점수를 높게 설정하며, 응답-상황 매핑 결과 테이블의 컬럼마다 중요도를 부가하여 점수화한다. 이어 현장지향형 응답 관리부(80)는 각 응답을 내림차순으로 정렬하여 정제응답으로 제공한다.
응답 제공부(90)는 현장지향형 응답 관리부(80)로부터 제공받은 정제된 정제 응답 중에서 점수가 가장 높은 응답을 최종 응답으로 선별하여 해당 최종 응답을 휴대 장치(10)에 전달한다.
이에 따라, 휴대 장치(10)는 도 7 에 도시된 바와 같은 최종 응답을 출력한다.
한편, 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법은 도 7 에 도시된 바와 같이, 휴대 장치(스마트폰, 태블릿)(10)에 프로그램 형태로 제공되거나, 웹이나 APIs를 통해 인터넷 통신이 되는 다른 플랫폼에도 설치될 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법은 현장 업무를 지원하는 인공지능 어시스턴트에서 사용자 프로파일과 업무 관련 정보를 수집하고 상황 정보화 대화를 통해 현장전문가에게 업무 절차상 필요한 도움을 줄 수 있다.
또한, 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법은 현장 업무의 수행에 특화된 지식을 안내해 주거나, 가이드라인 및 체크리스트 등 반드시 현장전문가가 주시해야 하는 정보를 제공해 줄 수 있다.
게다가 본 발명의 일 실시예에 따른 대화 의도 실시간 분석 방법은 현장 업무의 효율성을 올리고 현장의 절차적 지식에 대한 가이드를 제공해 주거나 현장 교육에 활용될 수도 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.

Claims (12)

  1. 자연어 대화 이해부가 문장을 분석하여 대답할 질문을 결정하는 자연어 대화 전처리부에 의해 정제된 정제문장을 분석하여 일반 대화인지, 단답 대화인지 또는 절차적 대화인지에 따라 응답에 대한 대화 정보 추출하고 및 응답 정책을 결정하는 단계;
    어시스턴트 대화 관리부가 상기 자연어 대화 이해부에 의해 분석된 대화정보 분석 및 응답정책을 결정하여 대화 문맥을 출력하고 대화 정보의 질의와 관련된 응답 후보를 추출하는 단계;
    상황정보 수집부가 상기 어시스턴트 대화 관리부에 의해 추출된 응답 후보, 사용자 정보, 업무 정보 및 도메인 정보를 통해 현장 상황을 정형화하여 상황 정보를 수집하는 단계;
    현장지향형 응답 관리부가 상기 어시스턴트 대화 관리부에 의해 추출된 대화 정보 중에서 상기 상황정보 수집부에 의해 생성된 상황 정보에 따른 정제 응답을 검출하는 단계; 및
    응답 제공부가 상기 현장지향형 응답 관리부에 의해 검출된 정제 응답에서 최종 응답을 검출하여 휴대 장치에 전달하는 단계를 포함하는 대화 의도 실시간 분석 방법.
  2. 제 1 항에 있어서, 상기 응답에 대한 대화 정보를 추출하고 또는 응답 정책을 결정하는 단계는,
    상기 자연어 대화 전처리부에서 정제된 대화 문장을 입력으로 해당 질의가 업무나 응용 도메인과 관련이 있는 질의인지를 분석하여 응용 도메인과 적용 시스템에 따라 응답할지를 결정하는 단계;
    상기 자연어 대화 전처리부에서 정제된 대화 문장에서의 입력 대화의 질의가 단답으로 대답할 수 있는 질의이면 단답 대화를 위한 응답 정책을 선택하는 단계; 및
    상기 자연어 대화 전처리부에서 정제된 대화 문장에서의 입력 대화나 질의가 절차적 지식과 관련된 대화이면 절차적 지식과 관련된 대화를 위한 응답 정책을 선택하는 단계를 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  3. 제 2 항에 있어서, 상기 절차적 지식은 사용자가 임무를 수행할 때 지켜야하는 조건이나 행위의 규칙을 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  4. 제 1 항에 있어서, 상기 대화 문맥을 출력하고 대화 정보의 질의와 관련된 응답 후보를 추출하는 단계는,
    상기 자연어 대화 이해부로부터 입력된 대화 정보에서 대화 문맥을 분석하는 단계;
    상기 자연어 대화 이해부로부터 입력된 대화 정보가 일반 질의이면 일반 질의에 대한 응답 후보를 검출하는 단계;
    상기 자연어 대화 이해부로부터 입력된 대화 정보가 단답 대화이면 미리 정의한 질의나 반복 질의를 기초로 단답 대화에 대한 응답 후보를 검출하는 단계; 및
    상기 자연어 대화 이해부로부터 입력된 대화 정보가 상기 절차적 지식과 관련된 대화인지를 검출하고, 상기 절차적 지식과 관련된 대화이면 조건과 순서에 따라 상기 절차적 지식과 관련된 대화에 대한 응답 후보를 검출하는 단계를 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  5. 제 4 항에 있어서, 상기 단답 대화에 대한 응답 후보를 검출하는 단계는,
    상기 자연어 대화 이해부로부터 입력된 대화 정보가 단답 대화이면, 질의 문장과 미리 준비된 질의-응답 쌍에서 질문과 유사성을 분석하고 기존의 응답 지식 중에서 가장 점수가 높은 질의의 응답을 응답 후보로 결정하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  6. 제 4 항에 있어서, 상기 상기 절차적 지식과 관련된 대화에 대한 응답 후보를 검출하는 단계는,
    방법에 관한 절차적 지식인 경우 업무에 선행되어야 하는 조건에 대한 지식을 검출하고, 순서에 관한 절차의 지식인 경우 업무 수행 순서에 대한 지식을 검출하며, 교육용이나 업무 시작 전이면 기본적인 가이드라인 지식을 검출하며, 업무 수행 중에는 체크리스트 지식을 제공할 수 있도록 하는 지식을 정형화하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  7. 제 1 항에 있어서, 상기 현장 상황을 정형화하여 상황 정보를 수집하는 단계는,
    사용자 정보와 업무 정보, 및 도메인 지식을 이용하여 사용자의 업무를 인식하는 단계;
    사용자의 업무에 따라 상황인지 플랫폼으로부터 입력되는 상황정보를 정형화한 테이블 템플릿을 생성하는 단계; 및
    상기 어시스턴트 대화 관리부로부터 입력된 대화문맥과, 상황정보 및 업무정보를 이용하여 어떤 절차적 지식에 해당하는 절차적 상황인지를 인식하는 단계를 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  8. 제 7 항에 있어서, 상기 테이블 템플릿은 현재의 상황 단계를 예측하고 인식할 수 있는 모델, 및 상기 모델에서 분석된 상황정보를 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  9. 제 1 항에 있어서, 상기 정제 응답을 검출하는 단계는,
    상기 어시스턴트 대화 관리부로부터 입력된 응답후보를 상기 상황정보 수집부로부터 입력된 상황정보와 매핑하기 위해 응답후보 자질을 추출하는 단계;
    업무에 대한 메타정보와 상황정보 및 문맥 정보를 종합하여 절차적 지식에서 현재의 순서나 상태를 인식하고 응답후보와 상황정보를 매핑하여 응답 상황 매핑 결과 테이블을 생성하는 단계; 및
    응답 상황 매핑 결과 테이블의 응답 상황 매핑 결과를 바탕으로 각 응답 후보 중에서 정제응답을 검출하는 단계를 포함하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  10. 제 9 항에 있어서, 상기 정제응답을 검출하는 단계는, 응답후보별로 점수화하여 정제응답을 검출하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  11. 제 10 항에 있어서, 상기 정제응답을 검출하는 단계는, 매핑되는 컬럼이 많을수록 해당 응답의 점수를 높게 설정하며, 응답-상황 매핑 결과 테이블의 컬럼마다 중요도를 부가하여 응답후보를 점수화하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
  12. 제 11 항에 있어서, 상기 최종 응답을 검출하여 휴대 장치에 전달하는 단계는,
    정체 응답 중 점수가 가장 높은 응답을 최종 응답으로 선별하는 것을 특징으로 하는 대화 의도 실시간 분석 방법.
PCT/KR2020/008245 2020-06-25 2020-06-25 대화 의도 실시간 분석 방법 WO2021261617A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2020/008245 WO2021261617A1 (ko) 2020-06-25 2020-06-25 대화 의도 실시간 분석 방법
US17/925,732 US20230351117A1 (en) 2020-06-25 2020-06-25 Conversation intention real-time analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2020/008245 WO2021261617A1 (ko) 2020-06-25 2020-06-25 대화 의도 실시간 분석 방법

Publications (1)

Publication Number Publication Date
WO2021261617A1 true WO2021261617A1 (ko) 2021-12-30

Family

ID=79281357

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/008245 WO2021261617A1 (ko) 2020-06-25 2020-06-25 대화 의도 실시간 분석 방법

Country Status (2)

Country Link
US (1) US20230351117A1 (ko)
WO (1) WO2021261617A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726301A (zh) * 2023-12-26 2024-03-19 重庆不贰科技(集团)有限公司 基于产线管理与Chat联合模型的智能决策系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080005745A (ko) * 2006-07-10 2008-01-15 한국전자통신연구원 대화형 음성 인터페이스 시스템 및 그 응답 방법
KR20190023316A (ko) * 2017-08-28 2019-03-08 주식회사 솔트룩스 대화 모델 기반의 질의응답 시스템
KR20190109614A (ko) * 2018-02-27 2019-09-26 주식회사 와이즈넛 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법
JP2019207647A (ja) * 2018-05-30 2019-12-05 株式会社野村総合研究所 対話型業務支援システム
KR20190141870A (ko) * 2018-06-15 2019-12-26 전자부품연구원 다중 업무 처리를 지원하는 대화 처리 시스템 및 방법
KR20200104544A (ko) * 2019-02-27 2020-09-04 한국전력공사 대화 의도 실시간 분석 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080005745A (ko) * 2006-07-10 2008-01-15 한국전자통신연구원 대화형 음성 인터페이스 시스템 및 그 응답 방법
KR20190023316A (ko) * 2017-08-28 2019-03-08 주식회사 솔트룩스 대화 모델 기반의 질의응답 시스템
KR20190109614A (ko) * 2018-02-27 2019-09-26 주식회사 와이즈넛 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법
JP2019207647A (ja) * 2018-05-30 2019-12-05 株式会社野村総合研究所 対話型業務支援システム
KR20190141870A (ko) * 2018-06-15 2019-12-26 전자부품연구원 다중 업무 처리를 지원하는 대화 처리 시스템 및 방법
KR20200104544A (ko) * 2019-02-27 2020-09-04 한국전력공사 대화 의도 실시간 분석 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726301A (zh) * 2023-12-26 2024-03-19 重庆不贰科技(集团)有限公司 基于产线管理与Chat联合模型的智能决策系统

Also Published As

Publication number Publication date
US20230351117A1 (en) 2023-11-02

Similar Documents

Publication Publication Date Title
KR102523638B1 (ko) 대화 의도 실시간 분석 방법
Gablasova et al. Epistemic stance in spoken L2 English: The effect of task and speaker style
JP6793975B2 (ja) 動画基盤求人求職マッチングサーバーおよび方法ならびにその方法を遂行するためのプログラムが記録されたコンピュータ読み取り可能記録媒体
WO2018151464A1 (ko) 음성 인식을 이용한 코딩시스템 및 코딩방법
WO2014069741A1 (ko) 자동 채점 장치 및 방법
CN107633005A (zh) 一种基于课堂教学内容的知识图谱构建、对比系统及方法
JP2017016566A (ja) 情報処理装置、情報処理方法及びプログラム
KR20210158375A (ko) 인공지능기반 상담지원장치
WO2021100902A1 (ko) 문장 패러프레이즈 인식 기반 대화 시스템 답변 방법
WO2021010744A1 (ko) 음성 인식 기반의 세일즈 대화 분석 방법 및 장치
EP3195148A1 (en) Generating high-level questions from sentences
KR102644992B1 (ko) 교육 컨텐츠 주제 기반의 대화형 인공지능 아바타 영어 말하기 교육 방법, 장치 및 이에 대한 시스템
CN117332072B (zh) 对话处理、语音摘要提取以及目标对话模型训练方法
WO2021261617A1 (ko) 대화 의도 실시간 분석 방법
CN114186041A (zh) 一种答案输出方法
CN112087726B (zh) 彩铃识别的方法及系统、电子设备及存储介质
WO2024090712A1 (ko) 공감대 형성을 통한 심리 치료용 인공지능 대화 시스템
Trivedi Fundamentals of Natural Language Processing
WO2019142976A1 (ko) 사용자 발화 입력에 대한 대화 응답 후보를 표시하도록 하는 디스플레이 제어 방법, 컴퓨터 판독가능 기록 매체 및 컴퓨터 장치
CN111753071B (zh) 基于人工智能的法律咨询交互方法及装置
KR20230140722A (ko) 챗봇 기반의 인공지능 심리상담 방법 및 장치
WO2019024246A1 (zh) 信息屏蔽方法及系统
CN112309183A (zh) 适用于外语教学的交互式听说练习系统
WO2024101975A1 (ko) 관련 지식 유무에 따라 대화모델을 운용하는 대화 방법 및 시스템
WO2017043798A1 (ko) 언어 학습을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

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: 20942216

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: 20942216

Country of ref document: EP

Kind code of ref document: A1