WO2021261882A1 - 전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법 - Google Patents

전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법 Download PDF

Info

Publication number
WO2021261882A1
WO2021261882A1 PCT/KR2021/007814 KR2021007814W WO2021261882A1 WO 2021261882 A1 WO2021261882 A1 WO 2021261882A1 KR 2021007814 W KR2021007814 W KR 2021007814W WO 2021261882 A1 WO2021261882 A1 WO 2021261882A1
Authority
WO
WIPO (PCT)
Prior art keywords
sentence
neologism
electronic device
word
processor
Prior art date
Application number
PCT/KR2021/007814
Other languages
English (en)
French (fr)
Inventor
송치우
길홍희
이새결
이창기
최영찬
Original Assignee
삼성전자 주식회사
강원대학교산학협력단
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 삼성전자 주식회사, 강원대학교산학협력단 filed Critical 삼성전자 주식회사
Priority to US17/309,853 priority Critical patent/US20220004701A1/en
Publication of WO2021261882A1 publication Critical patent/WO2021261882A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • 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
    • 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
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Definitions

  • Various embodiments relate to an electronic device and a method for converting a sentence in the electronic device.
  • An artificial intelligence (AI) system is a computer system that realizes human-level intelligence. It is a system in which a machine learns and judges on its own, and the recognition rate improves the more it is used.
  • Artificial intelligence technology consists of machine learning (deep learning) technology that uses an algorithm that classifies/learns the characteristics of input data by itself, and element technology that uses machine learning algorithms to simulate functions such as cognition and judgment of the human brain.
  • Element technologies are, for example, linguistic understanding technology for recognizing human language/text, visual understanding technology for recognizing objects as from human vision, reasoning/prediction technology for logically reasoning and predicting by judging information, and human experience information It may include at least one of a knowledge expression technology that processes the data as knowledge data, an autonomous driving of a vehicle, and a motion control technology that controls the movement of a robot.
  • artificial intelligence technology may be applied to various electronic devices such as home appliances, communication devices, or speakers, and provides various types of voice or text recognition-based services to users by recognizing voices or texts from users. can be used to provide
  • the electronic device may acquire information by recognizing a voice or text from a user based on artificial intelligence technology, and may provide various services such as an AI assistant service and a translation service based on the acquired information. For example, users may input a sentence using voice or text to the electronic device, and the electronic device may provide a service by recognizing a sentence in the form of voice or text.
  • a word database may be generally used.
  • newly created words or words with new meanings are used to express new things.
  • new coined words or newly coined words
  • the electronic device since the electronic device often uses a pre-established word database, if the new word is not reflected in the word database, the electronic device may not recognize a sentence including the new word.
  • the electronic device from recognizing the neologism by converting the sentence including the neologism into a sentence including the word having the meaning corresponding to the neologism and providing the converted sentence.
  • the electronic device includes communication circuitry, a memory, and at least one processor operatively coupled to the communication circuitry and the memory, wherein the memory, when executed, causes the at least one processor to communicate with a first Bluetooth peripheral device.
  • Receiving a Bluetooth connection request between the first Bluetooth control devices checking whether the first Bluetooth peripheral device and the second Bluetooth control device are connected to each other based on Bluetooth connection information stored in the memory, and the first Bluetooth controlling the first Bluetooth peripheral device and the first Bluetooth control device to connect to each other based on whether the peripheral device and the second Bluetooth control device are connected to each other, and the first Bluetooth peripheral device and the first Bluetooth peripheral device Instructions for performing an operation of updating the Bluetooth connection information based on the connection between control devices may be stored.
  • the electronic device includes a communication circuit, a memory, and, according to at least one embodiment, a communication module, a memory, and at least one processor operatively coupled to the communication module and the memory, the memory comprising: Upon execution, the at least one processor receives a first sentence through the communication module, identifies a first neologism existing in the first sentence, and identifies a first replacement word corresponding to the first neologism to obtain a second sentence in which the first neologism is replaced with the first replacement word in the first sentence, and the second sentence based on the first replacement word generating a grammatical error when the first neologism is substituted may store instructions for obtaining a third sentence by correcting the grammatical error and transmitting the third sentence to an external device through the communication module.
  • an electronic device includes an input module, a display, a communication module, a memory, and at least one processor operatively coupled to the input module, the display, the communication module and the memory, the memory comprising: Upon execution, the at least one processor acquires a first sentence from a signal input through the input module and transmits it to an external device through the communication module, and receives the first sentence from the external device through the communication module Receive a third sentence in which an existing first neologism is replaced with a first replacement word, a grammatical error generated by replacing the first neologism with the first replacement word is corrected, and a processing result associated with the received third sentence may store instructions for displaying on the display.
  • the method for converting a new word-based sentence in an electronic device includes receiving a first sentence, identifying a first new word existing in the first sentence, and a first replacement corresponding to the first new word. Checking a word to obtain a second sentence in which the first neologism is substituted with the first replacement word in the first sentence, and based on the first replacement word generating a grammatical error when replacing the first neologism It may include an operation of correcting a grammatical error in the second sentence to obtain the third sentence.
  • the instructions are configured to cause the at least one processor to perform at least one operation when executed by the at least one processor.
  • the operation includes the operation of receiving the first sentence, the operation of confirming the first neologism existing in the first sentence, and the first neologism in the first sentence by checking the first replacement word corresponding to the first neologism
  • An operation of obtaining a second sentence substituted with the first replacement word, and an operation of obtaining a third sentence by correcting a grammatical error in the second sentence based on a first replacement word generating a grammatical error when replacing the first new word may include
  • the electronic device may recognize the neologism by converting a sentence including the neologism into a sentence including a word having a meaning corresponding to the neologism and providing the converted sentence.
  • a designated application eg, AI agent
  • the designated application converts the neologism into an alternative word through a function of converting the new word into a new word. It may be possible to provide a specified service (eg, AI service) corresponding to the included voice to the user.
  • a specified service eg, AI service
  • the electronic device may enable the electronic device to translate a sentence including the neologism through a function of converting a new word into an alternative word.
  • controller can mean communicable, cooperating, interleaved, juxtaposed, proximate, combined or possessed or the like, the term “controller” being any device, system, or part thereof that controls at least one operation means, and such a device may be implemented in hardware, firmware, or software, or a combination of at least two of them. Functions related to a particular controller can be centralized or distributed, whether local or remote.
  • various functions described below may be implemented or supported by one or more computer programs, each of which may be formed of computer readable program code and implemented in a computer readable medium.
  • application and “program” shall mean one or more computer programs, software components, instruction sets, procedures, functions, objects, classes, instances, related data, or portions thereof adapted to be implemented in suitable computer readable program code.
  • computer-readable program code may include any type of computer code, including source code, object code, and executable code.
  • computer-readable medium includes read-only memory (ROM), random access memory (RAM), hard disk drives, compact disks (CDs), digital video disks (DVDs), or other types of memory.
  • Transitory computer-readable media excludes wired, wireless, optical, or other communication links that transmit transitory electrical or other signals.
  • Non-transitory computer-readable media is a medium in which data may be permanently stored and in which data is stored and later Includes overwritable media, such as rewritable optical discs or erasable memory devices.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to an exemplary embodiment.
  • FIG. 2 is a diagram illustrating an electronic device and a server according to an embodiment.
  • FIG. 3 is a diagram illustrating an example of a neologism checking module according to an embodiment.
  • FIG. 4 is a diagram illustrating an example of an alternative word acquisition module according to an embodiment.
  • FIG. 5 is a diagram illustrating an example of a grammatical error correction module according to an embodiment.
  • FIG. 6 is a flowchart illustrating an operation of converting a new word-based sentence in an electronic device according to an exemplary embodiment.
  • FIG. 7 is a flowchart illustrating a display operation using a neologism-based sentence conversion in an electronic device according to an exemplary embodiment.
  • FIG. 8 is a flowchart illustrating an AI agent function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • FIG. 9 is a diagram illustrating an example of performing an AI agent function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • FIG. 10 is a flowchart illustrating a translation function using a neologism-based sentence conversion in an electronic device according to an exemplary embodiment.
  • FIG. 11 is a diagram illustrating a screen for performing a translation function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • FIG. 12 is an exemplary diagram for explaining a process of performing a neologism-based sentence conversion operation in an electronic device according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments.
  • an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • a first network 198 eg, a short-range wireless communication network
  • a second network 199 e.g., a second network 199
  • the electronic device 101 may communicate with the electronic device 104 through the server 108 .
  • the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 may be included.
  • at least one of these components eg, the connection terminal 178
  • may be omitted or one or more other components may be added to the electronic device 101 .
  • some of these components are integrated into one component (eg, display module 160 ). can be
  • the processor 120 for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • software eg, a program 140
  • the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 .
  • the volatile memory 132 may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 .
  • the processor 120 is the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit
  • NPU neural processing unit
  • an image signal processor e.g., a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123 eg, a graphic processing unit, a neural network processing unit
  • NPU neural processing unit
  • an image signal processor e.g., a sensor hub processor, or a communication processor.
  • the main processor 121 e.g, a central processing unit or an application processor
  • a secondary processor 123
  • the auxiliary processor 123 is, for example, on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states.
  • the coprocessor 123 eg, an image signal processor or a communication processor
  • may be implemented as part of another functionally related component eg, the camera module 180 or the communication module 190. have.
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself on which artificial intelligence is performed, or may be performed through a separate server (eg, the server 108).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example.
  • the artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.
  • the memory 130 may store various data used by at least one component of the electronic device 101 (eg, the processor 120 or the sensor module 176 ).
  • the data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto.
  • the memory 130 may include a volatile memory 132 or a non-volatile memory 134 .
  • the program 140 may be stored as software in the memory 130 , and may include, for example, an operating system 142 , middleware 144 , or an application 146 .
  • the input module 150 may receive a command or data to be used in a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 .
  • the input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).
  • the sound output module 155 may output a sound signal to the outside of the electronic device 101 .
  • the sound output module 155 may include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.
  • the display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 .
  • the display module 160 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device.
  • the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 or an external electronic device (eg, a sound output module 155 ) directly or wirelessly connected to the electronic device 101 . A sound may be output through the electronic device 102 (eg, a speaker or headphones).
  • an external electronic device eg, a sound output module 155
  • a sound may be output through the electronic device 102 (eg, a speaker or headphones).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface 177 may support one or more designated protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card
  • the connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 may manage power supplied to the electronic device 101 .
  • the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.
  • the communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel.
  • the communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication.
  • the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a LAN (local area network) communication module, or a power line communication module).
  • GNSS global navigation satellite system
  • a corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a first network 198 eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network 199 eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN).
  • a telecommunication network
  • the wireless communication module 192 uses the subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 .
  • the electronic device 101 may be identified or authenticated.
  • the wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR).
  • NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • a high frequency band eg, mmWave band
  • the wireless communication module 192 includes various technologies for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ).
  • the wireless communication module 192 may provide a peak data rate (eg, 20 Gbps or more) for realizing 1eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less).
  • a peak data rate eg, 20 Gbps or more
  • loss coverage eg, 164 dB or less
  • U-plane latency for realizing URLLC
  • the antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern.
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna.
  • other components eg, a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, underside) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.
  • peripheral devices eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 .
  • Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 .
  • all or a part of operations executed in the electronic device 101 may be executed in one or more external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 may perform the function or service itself instead of executing the function or service itself.
  • one or more external electronic devices may be requested to perform at least a part of the function or the service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 .
  • the electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or the server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • FIG. 2 is a diagram illustrating an electronic device and a server according to an embodiment.
  • an electronic device 201 receives a signal input through an input module (eg, the input module 150 of FIG. 1 ).
  • One sentence may be acquired and transmitted to the server 208 (eg, the server 108 of FIG. 1 ).
  • the server 208 may replace a first neologism existing in the first sentence with a first replacement word and correct a grammatical error.
  • the electronic device 201 may receive the corrected third sentence from the server 208 and process it.
  • the electronic device 201 may display a processing result related to the third sentence on the display 260 (eg, the display module 160 of FIG. 1 ).
  • the first sentence according to an embodiment may include a grammatically complete sentence or a grammatically incomplete sentence.
  • the first sentence may consist of only one word (eg, an adjective).
  • the server 208 may include a communication module 210 , a processor 220 , and a memory 230 .
  • the communication module 210 may communicate with the electronic device 201 .
  • the processor 220 (or at least one processor) according to an embodiment may receive the first sentence from the electronic device 201 through the communication module 210 .
  • the processor 220 may identify a first neologism existing in the first sentence.
  • the processor 220 according to an embodiment may obtain a second sentence in which the first neologism is substituted with the first substitute word in the first sentence by checking the first replacement word corresponding to the first neologism.
  • the processor 220 according to an embodiment may obtain a third sentence by correcting a grammatical error in the second sentence.
  • the server 208 transmits the third sentence through the communication module 210 . It can be transmitted to the electronic device 201 .
  • the processor 220 may include a neologism confirmation module 222 , a replacement word acquisition module 224 , a substitution module 226 , and/or a grammar correction module 228 .
  • the neologism checking module 222 may check whether at least one neologism exists in the first sentence received from the electronic device 201 by using a neologism database including words corresponding to the neologisms. have. As a result of the check, when at least one neologism exists, the meaning of the at least one neologism (eg, the first neologism) may be checked.
  • new word refers not only to the new word itself (e.g., Hangry: a new word containing the meaning of being hungry and annoyed), but also a word newly used as a synonym or a new word (e.g., the meaning of Savage jackpot)
  • Hangry a new word containing the meaning of being hungry and annoyed
  • a word newly used as a synonym or a new word e.g., the meaning of Savage jackpot
  • the neologism checking module 222 may vector transform the first sentence received from the electronic device 201 to obtain a first vector value. .
  • the neologism checking module 222 may check the meaning of the first sentence by comparing the first vector value with a plurality of vector values obtained by vector transformation of a plurality of sentences.
  • the plurality of sentences may include representative sentences of sentence clusters clustered based on meaning.
  • the neologism checking module 222 may check the meaning of the first neologism based on the checked meaning of the first sentence.
  • the replacement word obtaining module 224 may obtain a replacement word (eg, a first replacement word) corresponding to the checked meaning of the first neologism.
  • the alternative word acquisition module 224 uses a machine reading comprehension to perform a question-and-answer method with a first alternative word (eg: "Excessive") can be obtained.
  • machine reading could be a technique in which an AI algorithm analyzes a problem on its own and finds the best answer to a question.
  • machine reading may include an encoder that expresses a question as a vector, a co-attention module that identifies a relationship through mutual attention, and an output module that outputs the beginning and end of the correct answer from a fingerprint. have.
  • the machine reading technique may include a stanford question answering dataset (SQuAD) model.
  • the replacement module 226 is configured to replace a first neologism (eg, “ebaji”) with a first replacement word (eg, “excessive”) in the first sentence (eg, “that is evaji”).
  • a first neologism eg, “ebaji”
  • a first replacement word eg, “excessive”
  • the replacement module 226 may obtain a second sentence (eg, "that's not too much") in which the first neologism is replaced with a first replacement word in the first sentence.
  • the grammar correction module 228 may check whether a grammatical error exists in a second sentence in which the first neologism is replaced with a first substitute word in the first sentence. According to an embodiment, when a grammatical error exists in the second sentence, the grammar correction module 228 according to an embodiment may correct the grammatical error of the second sentence. In various embodiments, the grammatical error may be generated in the second sentence based on the first substitution being not grammatically correct in the second sentence, wherein the first sentence is syntactically correct with the first neologism. can
  • the grammar correction module 228 learns data pairs including a grammar error sentence and a normal sentence using machine learning, and whether a grammar error exists in the second sentence based on the learning result can be checked and grammatical errors can be corrected.
  • machine learning may be a method of analyzing a large amount of data using an algorithm, finding a pattern hidden therein, and predicting an overall pattern based on the found pattern.
  • the grammar correction module 228 generates a plurality of grammatical error sentences and a set of normal sentences by using a plurality of neologisms and sets of replacement words, and machine learning (machine learning) the plurality of grammatical error sentences and sets of normal sentences.
  • the second sentence when it is determined that there is no grammatical error in the second sentence, the second sentence may be determined as a sentence to be transmitted to an external device (eg, the electronic device 201 ).
  • an external device eg, the electronic device 201
  • a function or operation of determining whether a grammatical error exists in the second sentence, and a function or operation of determining the second sentence as a sentence to be transmitted to an external device eg, the electronic device 201 .
  • the operation may be performed by at least one other module included in the processor 220 .
  • the memory 230 may store instructions and/or data that cause the processor 220 to perform an operation.
  • the memory 230 may store a neologism database 232 including neologisms and a word database 234 including general words.
  • the processor 220 obtains sentences from at least one or more designated (or arbitrary) Internet sites (eg, a news site or a community site, etc.), and obtains words included in the obtained sentences. Based on this, you can check the sentence patterns.
  • the processor 220 generates a first sentence pattern among the identified sentence patterns when a first sentence pattern occurs more than a specified frequency and a word included in the first sentence pattern is not included in the neologism database 232 , the first The word included in the sentence pattern may be stored in the neologism database 232 as a word corresponding to the neologism.
  • the word database 234 may store words included in the dictionary.
  • the electronic device (eg, the server 108 of FIG. 1 , or the server 208 of FIG. 2 ) includes a communication module (eg, the communication module 210 of FIG. 2 ), a memory (eg, FIG. 2 ).
  • a memory 230 of The processor receives a first sentence through the communication module, identifies a first neologism existing in the first sentence, and identifies a first replacement word corresponding to the first neologism, and in the first sentence an instruction for obtaining a second sentence in which one new word is substituted with the first substitute word, obtaining a third sentence by correcting a grammatical error in the second sentence, and transmitting the third sentence to an external device through the communication module can be saved
  • the memory includes a neologism database (eg, the neologism database 232 of FIG. 2 ) including words corresponding to the neologisms, and the instructions include: It is checked whether at least one word among the words corresponding to the neologisms exists in the first sentence using a neologism database, and at least one word among the words corresponding to the neologisms exists in the first sentence If you do, you can check the first neologism existing in the first sentence.
  • a neologism database eg, the neologism database 232 of FIG. 2
  • the instructions include: It is checked whether at least one word among the words corresponding to the neologisms exists in the first sentence using a neologism database, and at least one word among the words corresponding to the neologisms exists in the first sentence If you do, you can check the first neologism existing in the first sentence.
  • the instructions include obtaining, by the at least one processor, words corresponding to the new words from at least one or more designated Internet sites, and storing the words corresponding to the obtained new words in the neologism database. can make it
  • the instructions include, by the at least one processor, acquiring sentences from the at least one or more designated Internet sites, identifying sentence patterns based on words included in the acquired sentences, and selecting one of the sentence patterns.
  • the word included in the first sentence pattern is stored in the neologism database as a word corresponding to the neologism can make it
  • the instructions include a plurality of vector values obtained by the at least one processor vector transforming the first sentence to obtain a first vector value, and vector transforming a plurality of sentences based on meaning, and the The first vector value may be compared to confirm the meaning of the first sentence, and the first neologism and the meaning of the first neologism may be confirmed based on the checked meaning of the first sentence.
  • the instructions include, by the at least one processor, obtaining a plurality of sentences, clustering the obtained plurality of sentences, and tagging a meaning for each of the clustered plurality of sentence clusters to obtain a plurality of sentence data sets. and vector-transform each of the plurality of sentence data sets to obtain the plurality of vector values.
  • the instructions may cause the at least one processor to identify a first replacement word corresponding to the first neologism in a question-and-answer manner using machine reading comprehension.
  • the instructions include: the at least one processor learns data pairs including a grammar error sentence and a normal sentence using machine learning, and based on the learning result, learns the grammar from the second sentence error can be corrected.
  • the at least one processor may generate and provide the grammatical error sentence using a neologism and an alternative word, and learn the grammatical error-corrected normal sentence from the grammatical error sentence.
  • the electronic device (eg, the electronic device 101 of FIG. 1 , or the electronic device 201 of FIG. 2 ) includes an input module (eg, the input module 150 of FIG. 1 ) and a display (eg: The display module 160 of FIG. 1 ), a communication module (eg, the communication module 190 of FIG. 1 ), a memory (eg, the memory 130 of FIG. 1 ), and the input module, the display, the communication module and at least one processor (eg, the processor 120 of FIG. 1 ) operatively coupled to the memory, wherein the memory, when executed, causes the at least one processor to generate data from a signal input through the input module.
  • an input module eg, the input module 150 of FIG. 1
  • a display eg: The display module 160 of FIG. 1
  • a communication module eg, the communication module 190 of FIG. 1
  • a memory eg, the memory 130 of FIG. 1
  • the input module, the display, the communication module and at least one processor eg,
  • a first sentence is acquired and transmitted to an external device through the communication module, and a first neologism existing in the first sentence is substituted with a first replacement word from the external device through the communication module, and a grammatical error is corrected in a third sentence , and may store instructions for displaying a processing result associated with the received third sentence on the display.
  • the input module may include a microphone, and the instructions may cause the at least one processor to convert a voice signal received through the microphone into text to obtain the first sentence.
  • the input module may include a touch screen, and the instructions may cause the at least one processor to obtain the first sentence based on a touch input signal received through the touch screen.
  • the instructions may cause the at least one processor to obtain the first sentence after executing the application, and to perform the function of the application based on the received third sentence.
  • the application may be one of an AI agent application, a translation application, or a chatting application.
  • FIG. 3 is a diagram illustrating an example of a neologism checking module according to an embodiment.
  • the neologism confirmation module 222 includes a sentence clustering module 310, a word meaning-based sentence data set acquisition module 320, a sentence data set/vector value set conversion module ( 330), including at least some or all of the neologism confirmation module 340, the sentence data/vector value conversion module 350, the comparison module 360, the word meaning confirmation module 370, and the neologism determination module 380 can do.
  • the sentence clustering module 310 may obtain sentences from content on a network.
  • the sentence clustering module 310 may obtain a plurality of sentence clusters by checking a pattern (eg, an included word pattern) of the obtained sentences and clustering the sentences based on the pattern similarity of the characters.
  • the obtained sentences may be arbitrary sentences to which no meaning is assigned.
  • sentences without meaning may be sentences obtained from content on a designated (or arbitrary) Internet site.
  • the Internet site may be a news site, a community site, or the like.
  • the word meaning-based sentence data set acquisition module 320 analyzes a word included in the obtained plurality of sentence clusters to tag the word meaning corresponding to each of the plurality of sentence clusters (or can be given).
  • the word meaning-based sentence data set acquisition module 320 acquires a plurality of representative sentences corresponding to each of a plurality of sentence clusters, and includes a plurality of word meanings tagged in response to the plurality of representative sentences.
  • a sentence data set can be obtained.
  • the sentence data set/vector value set conversion module 330 may convert the sentence data set in which word meanings are tagged into a vector value set.
  • the module 340 for determining whether to check the neologism may check whether a (registered) word included in the neologism database 232 exists in the sentence. . If a word included in the neologism database exists in the first sentence, the neologism confirmation module 340 may determine that it is necessary to check the new word for the first sentence or start checking the new word.
  • the sentence data/vector value conversion module 350 may convert the first sentence into a first vector value.
  • the comparison module 360 may compare the first vector value for the first sentence with the vector value set to obtain a second vector value most similar to the first vector value from the vector value set. For example, the comparison module 360 compares a first vector value with a set of vector values using a comparison formula, and selects a second vector value that is most similar to (or has a small difference in value from) the first vector value from the set of vector values. can be obtained
  • the comparison formula may include a cosine distance formula.
  • the cosine distance formula may be Equation 1 below.
  • A may be a first vector value for a first sentence (eg, sentence X), and B is a vector value for any one sentence (eg, sentence Y) among a plurality of representative sentences (eg, sentence Y) Example: the second vector value).
  • the similarity may be the degree of similarity between the A value and the B value.
  • Ai may be i-th elements of vector A
  • Bi may be i-th elements of vector B
  • vector A and vector B may each have n elements.
  • the similarity may be a value between -1 and 1, and the closer to 1, the greater the similarity between the first sentence and any one sentence.
  • the word meaning checking module 370 may identify a representative sentence having a second vector value having the greatest degree of similarity among a plurality of representative sentences.
  • the word meaning checking module 370 checks a sentence cluster corresponding to a representative sentence corresponding to the second vector value, checks the meaning of a word tagged in the sentence cluster, and uses the confirmed word meaning You can check the meaning of the word in the first sentence.
  • the neologism determination module 380 may determine whether the neologism is included in the first sentence based on whether the word meaning of the first sentence corresponds to the meaning of the word included in the neologism database 232, If a new word is included, you can check the meaning of the new word.
  • FIG. 4 is a diagram illustrating an example of an alternative word acquisition module according to an embodiment.
  • the replacement word acquisition module 224 may include a training data acquisition module 410 and a replacement word generation module 420 .
  • Train data acquisition module 410 is crawled by crawling data using a specific neologism as a keyword by utilizing the characteristic that an article asking and answering a question about the meaning of a new word is uploaded on the web when a new word is used data can be acquired as train data.
  • crawling may be a technology that collects documents distributed and stored in countless computers and includes them as an index for a search target.
  • the replacement word generation module 420 may generate a replacement word for a new word in a question-and-answer manner from train data using a machine reading comprehension (MRC) deep learning model, and may provide the generated replacement word. .
  • MRC machine reading comprehension
  • FIG. 5 is a diagram illustrating an example of a grammatical error correction module according to an embodiment.
  • the grammar error correction module 228 includes a pattern extraction module 510 , a grammar error generator construction module 520 , a grammar error generator 530 , a Train data module 540 , and a machine. It may include a machine learning module 550 .
  • the pattern extraction module 510 may extract a plurality of (eg, 22) error patterns from a set of sentences in which a grammatical error occurs.
  • the grammar error generator construction module 520 may build a grammar error generator based on the extracted error patterns.
  • the grammatical error generator 530 may generate and provide a grammatical error sentence based on a grammatically correct sentence and a plurality of error patterns.
  • the Train data module 540 may provide a grammar correct sentence and a grammar error sentence set for learning.
  • the machine learning module 550 may learn a grammar correct sentence for learning and a grammar error sentence set from the Train data module 540 .
  • the machine learning module 550 determines that the input sentence has a grammatical error based on information provided from at least one other module (eg, the grammar error generator 530 or the Train data module 540). You can check whether it is a sentence or not.
  • the machine learning module 550 may correct the grammatical erroneous sentence into a grammatically correct sentence and output it based on the learning result.
  • FIG. 6 is a flowchart illustrating an operation of converting a new word-based sentence in an electronic device according to an exemplary embodiment.
  • the processor eg, the processor 220 of FIG. 2
  • the electronic device eg, the server 108 of FIG. 1 or the server 208 of FIG. 2
  • the processor performs operations 610 to 650 . at least one of the following operations may be performed.
  • the processor 220 may receive the first sentence from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ).
  • an external device eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 .
  • the processor 220 may identify at least one first neologism (eg, hangry) existing in the first sentence (eg, I am hangry). For example, the processor 220 according to an embodiment may check whether a word included in the neologism database exists in the first sentence. According to an embodiment, the processor 220 checks the neologism for the first sentence when there is a word included (or registered) in the neologism database (eg, the neologism database 232 of FIG. 2 ) in the first sentence. Determining that this is necessary, you can start checking for neologisms.
  • neologism eg, hangry
  • the processor 220 converts the first sentence into a first vector value to confirm a neologism, and compares the first vector value with a set of vector values associated with a plurality of representative sentences based on the previously obtained word meaning. Thus, it is possible to obtain a second vector value most similar to the first vector value from the vector value set. According to an embodiment, the processor 220 identifies a sentence cluster corresponding to a representative sentence corresponding to the second vector value, checks the meaning of a word tagged in the sentence cluster, and uses the checked meaning of the first sentence. You can check the meaning of words.
  • the processor 220 may check the first neologism included in the first sentence based on whether the meaning of the word in the first sentence corresponds to the meaning of the word included in the neologism database 232, 1 You can check the meaning of the new word.
  • the processor 220 identifies at least one first replacement word (eg, hungry and angry) corresponding to the identified first neologism to produce the first neologism in the first sentence. 1 You can obtain a second sentence (eg, I am hungry and angry) replaced with an alternative word.
  • the processor 220 according to an embodiment generates a first replacement word for a first neologism in a question-and-answer method from Train data using a machine reading comprehension (MRC) deep learning model, and uses the generated first neologism It may be substituted with the first substitute word.
  • MRC machine reading comprehension
  • the processor 220 may obtain a third sentence by correcting the grammatical error in the second sentence.
  • the processor 220 learns data pairs including a grammar error sentence and a normal sentence using machine learning, and corrects the grammar error in the second sentence based on the learning result. You can get the 3rd sentence.
  • an operation of determining whether grammatical error correction is necessary in the substituted second sentence may be further included between operations 630 and 640 .
  • the processor 220 may transmit the obtained third sentence to an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ) through the communication module. have.
  • the substituted second sentence is transmitted through a module to an external device (eg, the electronic device 101 of FIG. 1 or FIG. 1 ). 2) to the electronic device 201).
  • operations 610 to 650 may be performed by an electronic device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ).
  • FIG. 7 is a flowchart illustrating a display operation using a neologism-based sentence conversion in an electronic device according to an exemplary embodiment.
  • the processor (eg, the processor 120 of FIG. 1 ) of the electronic device eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ) according to an embodiment includes 710 to At least one of operation 730 may be performed.
  • the processor 120 acquires a first sentence from an input signal input through an input module of the electronic device 101 (eg, the input module 150 of FIG. 1 ) to obtain a first sentence from the communication module ( Example: It may transmit to an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ) through the communication module 190 of FIG. 1 ).
  • the input module may include a microphone, and the processor 120 may obtain the first sentence by converting a voice signal received through the microphone into text.
  • the input module may include a touch screen, and the processor 120 may acquire the first sentence based on a touch input signal received through the touch screen.
  • the processor 120 receives the first message present in the first sentence from an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2) through the communication module 190
  • One neologism may be replaced with the first replacement word, and a sentence substituted with the first replacement word or a grammatical error-corrected third sentence may be received.
  • the processor 120 obtains the first sentence from the input signal input through the input module (eg, the input module 150 of FIG. 1 ) instead of the operations 710 to 720 , and obtains the first sentence by itself.
  • the third sentence may be obtained by substituting the first neologism for the first replacement word and correcting the grammatical error.
  • the processor 120 displays the processing result associated with the received sentence substituted with the first substitute word or the third sentence on the display (eg, the display module 160 of FIG. 1 ).
  • a method for converting a new word-based sentence in an electronic device includes an operation of receiving a first sentence, The operation of confirming a first neologism, the operation of confirming a first replacement word corresponding to the first neologism to obtain a second sentence in which the first neologism is substituted with the first replacement word in the first sentence, and the second It may include an operation of correcting a grammatical error in the second sentence to obtain the third sentence.
  • a method for converting a new word-based sentence in an electronic device includes an operation of receiving a first sentence, Checking a first neologism, checking a first replacement word corresponding to the first neologism to obtain a second sentence in which the first neologism is substituted with the first replacement word in the first sentence, a second sentence may include an operation of determining whether grammatical error correction is necessary in , and an operation of determining whether the second sentence is a sentence to be transmitted to an external device when grammatical error correction is not required in the second sentence.
  • the method includes an operation of acquiring words corresponding to the neologisms from at least one designated Internet site and storing them in a neologism database, corresponding to the neologisms in the first sentence using the neologism database and checking whether at least one word among the words that has been created exists, and if at least one word among words corresponding to the neologisms exists in the first sentence, a first neologism existing in the first sentence is added. can be checked
  • the method compares the first vector value with a plurality of vector values obtained by vector-converting a plurality of sentences based on an operation of vector-transforming the first sentence to obtain a first vector value, and a meaning It may include an operation of confirming the meaning of the first sentence, and an operation of confirming the first neologism and the meaning of the first neologism based on the checked meaning of the first sentence.
  • the method includes an operation of obtaining a plurality of sentences, an operation of clustering the obtained plurality of sentences, an operation of tagging a meaning for each of the plurality of clustered sentence clusters to obtain a plurality of sentence data sets, and a plurality of and obtaining the plurality of vector values by vector transforming each of the sentence data sets of .
  • the method may identify a first substitute word corresponding to the first neologism in a question-and-answer manner using machine reading comprehension.
  • the method may learn data pairs including a grammatical error sentence and a normal sentence using machine learning, and may correct a grammatical error in the second sentence based on the learning result.
  • FIG. 8 is a flowchart illustrating an AI agent function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • the processor (eg, the processor 120 of FIG. 1 ) of the electronic device includes 810 to At least one of operations 840 may be performed.
  • the processor 120 may recognize a user voice signal by executing the AI agent application.
  • the AI agent application may be an AI assistant service.
  • the user may run the AI agent application using a wake-up voice command (eg, "Hi! Bixby").
  • the processor 120 may obtain the first sentence from the user voice signal and transmit it to an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ).
  • the processor 120 may obtain the first sentence by converting the user's voice signal received through the microphone into text.
  • the processor 120 receives at least one present in the first sentence from an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ) through the communication module 190 .
  • One first neologism may be replaced with at least one first replacement word, and a third sentence in which grammatical errors are corrected may be received.
  • the processor 120 obtains the first sentence from the input signal input through the input module (eg, the input module 150 of FIG. 1 ) instead of the operations 820 to 830 , and is itself present in the first sentence.
  • the third sentence may be obtained by substituting the first neologism for the first replacement word and correcting the grammatical error.
  • the processor 120 may perform an AI agent application function associated with the received third sentence.
  • FIG. 9 is a diagram illustrating an example of performing an AI agent function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • the electronic device 901 (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ) according to an exemplary embodiment receives the “most You can receive a voice signal such as "Order a tall size at a nearby coffee shop.”
  • the electronic device 901 acquires a first sentence in text form by recognizing a voice signal, displays the first sentence on the display 960 and at the same time an external device (eg, the server 108 of FIG. 1 ) ) or the server 208 of FIG. 2).
  • the display 960 displays the AI agent application screen 961, and the first icon 91 and the first sentence indicating that the AI agent application is running together with the first sentence on the AI agent application screen 961
  • a second icon 92 indicating that conversion is in progress based on this new word may be displayed.
  • a first neologism (eg, ah) existing in the first sentence is substituted with a first replacement word (eg, ice americano) from the external device, and the grammatical error is corrected in the third sentence When "Order an iced Americano tall size at the nearest coffee store" is received as a ) can be displayed.
  • the AI agent when using the AI agent function in the electronic device, the AI agent provides an AI service corresponding to the voice containing the neologism through the function of converting the neologism into an alternative word even if the user utters a voice containing the neologism. can make it happen
  • FIG. 10 is a flowchart illustrating a translation function using a neologism-based sentence conversion in an electronic device according to an exemplary embodiment.
  • the processor (eg, the processor 120 of FIG. 1 ) of the electronic device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ) according to an exemplary embodiment includes 1010 to At least one of operations 1040 may be performed.
  • the processor 120 may acquire a first sentence to be translated by executing a translation application.
  • the processor 120 may transmit the first sentence to an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ).
  • an external device eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 .
  • the processor 120 receives the first message present in the first sentence from an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ) through the communication module 190 .
  • One neologism may be replaced with the first replacement word, and a third sentence in which grammatical errors are corrected may be received.
  • the processor 120 may obtain the third sentence by replacing the first neologism existing in the first sentence with the first substitute word and correcting the grammatical error by itself instead of operations 1020 to 1030 .
  • the processor 120 may translate the third sentence through the translation application and display it on the display.
  • FIG. 11 is a diagram illustrating a screen for performing a translation function using a neologism-based sentence conversion in an electronic device according to an embodiment.
  • the electronic device may display the translation application screen 1162 on the display 1160 when the translation application is executed. .
  • the electronic device 101 obtains a first sentence in the form of a text (eg, "that is evaji"), and displays the first sentence 1111 on the translation target area of the translation application screen 1162 .
  • the data may be transmitted to an external device (eg, the server 108 of FIG. 1 or the server 208 of FIG. 2 ).
  • a first neologism (eg, evaji) existing in the first sentence 1111 is substituted with a first replacement word (eg, too much) from the external device, and grammatical errors are corrected.
  • the third sentence (eg, that's too much) 1112 is received, the third sentence may be displayed in the translation target area, and the translation 1113 (eg, That's too much) obtained by translating the third sentence may be displayed in the translation area.
  • both the meaning as a neologism and the meaning as a conventional word may be displayed in the translation area.
  • the translation function when used in the electronic device, it is possible to obtain an effect of enabling translation of a sentence including a neologism through a function of converting a neologism into an alternative word.
  • FIG. 12 is an exemplary diagram for explaining a process of performing a neologism-based sentence conversion operation in an electronic device according to an embodiment.
  • the processor eg, the processor 220 of FIG. 2
  • the electronic device eg, the server 108 of FIG. 1 or the server 208 of FIG. 2
  • the processor operates 1210 to 1280 at least one of the following operations may be performed.
  • the processor 220 receives the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ). can receive the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ). can receive the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ). can receive the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ). can receive the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ). can receive the first sentence (eg, Wine O'clock) from an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2
  • the processor 220 may determine whether the meaning of the first sentence is a sentence having a new meaning. For example, the processor 220 according to an embodiment may determine whether the first sentence is a sentence included (in other words, stored or registered) in the neologism database. According to an embodiment, the processor 220 converts a first sentence into a first vector value to confirm a neologism, compares the first vector value with a vector value set associated with a plurality of representative sentences, and returns the first sentence from the vector value set. A second vector value most similar to the first vector value may be obtained. According to an embodiment, the processor 220 may identify a sentence cluster corresponding to the representative sentence corresponding to the second vector value.
  • the processor 220 may check the meaning of the sentence tagged in the sentence cluster, and confirm the meaning of the first sentence by using the checked meaning of the sentence. According to an embodiment, the processor 220 may check the meaning of the first sentence based on whether the meaning of the first sentence corresponds to the meaning of the sentence included in the neologism database 232 .
  • the processor 220 determines the second sentence corresponding to the checked first sentence (eg: " It is the best time to drink wine").
  • the processor 220 according to an embodiment generates a second sentence semantically corresponding to the first sentence in a question-and-answer manner from Train data using a machine reading comprehension (MRC) deep learning model, and reads the first sentence. It can be substituted with the second sentence.
  • MRC machine reading comprehension
  • the processor 220 performs a function designated in operation 1280 (eg, translates the first sentence or the first sentence indicates function) can be performed.
  • the processor 220 may determine whether correction of a grammatical error in the substituted second sentence is necessary. In other words, the processor 220 according to an embodiment may check whether the substituted second sentence has a grammatical error. The processor 220 according to an embodiment, based on information provided from at least one other module (eg, the grammar error generator 530 or the Train data module 540 ), the substituted second sentence has a grammatical error You can check whether a sentence exists or not.
  • the processor 220 may determine whether correction of a grammatical error in the substituted second sentence is necessary. In other words, the processor 220 according to an embodiment may check whether the substituted second sentence has a grammatical error. The processor 220 according to an embodiment, based on information provided from at least one other module (eg, the grammar error generator 530 or the Train data module 540 ), the substituted second sentence has a grammatical error You can check whether a sentence exists or not.
  • the third sentence may be obtained by correcting the grammatical error in the second sentence.
  • the processor 220 learns data pairs including a grammar error sentence and a normal sentence using machine learning, and corrects the grammar error in the second sentence based on the learning result. You can get the 3rd sentence.
  • the processor 220 may transmit the obtained third sentence to an external device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ) through the communication module. have.
  • an external device eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2
  • the second sentence is transmitted to an external device (eg, the electronic device 101 of FIG. 1 or the communication module of FIG. 2 ). to the electronic device 201).
  • an external device eg, the electronic device 101 of FIG. 1 or the communication module of FIG. 2 .
  • operations 1210 to 1270 may be performed by an electronic device (eg, the electronic device 101 of FIG. 1 or the electronic device 201 of FIG. 2 ).
  • the electronic device may have various types of devices.
  • the electronic device may include, for example, a portable communication device (eg, a smart phone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device eg, a smart phone
  • a computer device e.g., a smart phone
  • a portable multimedia device e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a camera e.g., a portable medical device
  • a wearable device e.g., a smart bracelet
  • a home appliance device e.g., a home appliance
  • first, second, or first or second may be used simply to distinguish the element from other elements in question, and may refer to elements in other aspects (e.g., importance or order) is not limited. It is said that one (eg, first) component is “coupled” or “connected” to another (eg, second) component, with or without the terms “functionally” or “communicatively”. When referenced, it means that one component can be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module may include a unit implemented in hardware, software, or firmware, and may be used interchangeably with terms such as, for example, logic, logic block, component, or circuit.
  • a module may be an integrally formed part or a minimum unit or a part of the part that performs one or more functions.
  • the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document include one or more stored in a storage medium (eg, internal memory 136 or external memory 138) readable by a machine (eg, electronic device 101). It may be implemented as software (eg, the program 140) including instructions.
  • a processor eg, processor 120
  • a device eg, electronic device 101
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain a signal (eg, electromagnetic wave), and this term is used in cases where data is semi-permanently stored in the storage medium and It does not distinguish between temporary storage cases.
  • a signal eg, electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included in a computer program product and provided.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store TM ) or on two user devices (eg It can be distributed online (eg download or upload), directly between smartphones (eg smartphones).
  • a part of the computer program product may be temporarily stored or temporarily generated in a machine-readable storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.
  • each component eg, a module or a program of the above-described components may include a singular or a plurality of entities.
  • one or more components or operations among the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg, a module or a program
  • the integrated component may perform one or more functions of each component of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component are executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations are executed in a different order, omitted, or , or one or more other operations may be added.
  • the instructions are configured to cause the at least one processor to perform at least one operation when executed by the at least one processor.
  • the operation includes the operation of receiving the first sentence, the operation of confirming the first neologism existing in the first sentence, and the first neologism in the first sentence by checking the first replacement word corresponding to the first neologism Obtaining a second sentence substituted with the first substitute word, obtaining a third sentence by correcting a grammatical error in the second sentence, and transmitting the third sentence to an external device have.

Abstract

다양한 실시예에 따르면, 전자 장치는 전자 장치에 있어서, 통신 모듈, 메모리, 및 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 통신 모듈을 통해 제1 문장을 수신하고, 상기 제1 문장에 존재하는 제1 신조어를 확인하고, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하고, 상기 제1 신조어가 치환될 때 문법 오류를 발생시키는 상기 제1 대체어에 기반하여 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하고, 상기 통신 모듈을 통해 상기 제3 문장을 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있으며, 다른 실시예도 가능할 수 있다.

Description

전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법
다양한 실시예들은 전자 장치 및 전자 장치에서 문장 변환 방법에 관한 것이다.
인공지능(AI: artificial intelligence) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템으로서 기계가 스스로 학습하고 판단하며, 사용할수록 인식률이 향상되는 시스템이다.
인공지능 기술은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘을 이용하는 기계학습(딥러닝) 기술 및 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 요소 기술들로 구성된다.
요소기술들은, 예로, 인간의 언어/문자를 인식하는 언어적 이해 기술, 사물을 인간의 시각처럼 인식하는 시각적 이해 기술, 정보를 판단하여 논리적으로 추론하고 예측하는 추론/예측 기술, 인간의 경험 정보를 지식데이터로 처리하는 지식 표현 기술 및 차량의 자율 주행, 로봇의 움직임을 제어하는 동작 제어 기술 중 적어도 하나를 포함할 수 있다.
최근의 정보통신 기술과 반도체 기술 등의 눈부신 발전에 힘입어 각종 전자 장치들에 인공지능 관련 기술들이 적용되어 인공지능 기술에 의한 다양한 기능이 제공되는 전자 장치들의 보급과 이용이 급속도로 증가하고 있다.
다양한 실시예들에 따르면 인공지능 기술은 가전 장치, 통신 장치, 또는 스피커, 등의 다양한 전자 장치에 적용될 수 있으며, 사용자로부터의 음성 또는 텍스트를 인식하여 사용자에게 다양한 형태의 음성 또는 텍스트 인식 기반 서비스를 제공하는데 이용될 수 있다.
예를 들면, 전자 장치는 인공지능 기술을 기반으로 사용자로부터의 음성 또는 텍스트를 인식하여 정보를 획득하고, 획득된 정보를 기반으로 AI 비서 서비스와 번역 서비스와 같은 다양한 서비스를 제공할 수 있다. 예를 들면, 사용자들은 전자 장치에 음성 또는 텍스트를 이용한 문장을 입력하고, 전자 장치는 음성 또는 텍스트 형태의 문장을 인식하여 서비스를 제공할 수 있다.
음성 또는 텍스트 형태의 문장을 인식하는 기술에서는 일반적으로 단어 데이터베이스를 이용할 수 있다. 최근 시대가 급변함에 따라 새로운 것들을 표현하기 위해 새롭게 만들어진 말이나 기존에 있던 말이라도 새로운 의미를 부여한 말을 이용하는 경우가 많다. 예를 들면, 다양한 매체에서 신조어(또는 신어)(newly coined word)의 사용이 급격히 증가하고 있다. 전자 장치는 기 구축된 단어 데이터 베이스를 이용하는 경우가 많기 때문에 단어 데이터 베이스에 신조어가 반영되지 않는 경우 신조어가 포함된 문장을 인식하지 못할 수 있다.
일 실시예들에 따르면 신조어가 포함된 문장을 신조어에 대응하는 의미를 포함하는 단어가 포함된 문장으로 변환하여 제공함으로써 전자 장치에서 신조어를 인식하지 못하는 것을 방지할 수 있다.
본 개시의 일 측면에 따른 전자 장치가 제공될 수 있다. 상기 전자 장치는 통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 제1 블루투스 주변 장치와 제1 블루투스 제어 장치간 블루투스 연결 요청을 수신하는 동작, 상기 메모리에 저장된 블루투스 연결 정보를 기반으로 상기 제1 블루투스 주변 장치와 제2 블루투스 제어 장치가 서로 연결되어 있는지를 확인하는 동작, 상기 제1 블루투스 주변 장치와 상기 제2 블루투스 제어 장치가 서로 연결되어 있는지에 기반하여 상기 제1 블루투스 주변 장치와 상기 제1 블루투스 제어 장치를 서로 연결하도록 제어하는 동작, 및 상기 제1 블루투스 주변 장치와 상기 제1 블루투스 제어 장치간 연결에 기반하여 상기 블루투스 연결 정보를 업데이트하는 동작을 수행하도록 하는 인스트럭션들을 저장할 수 있다.
본 개시의 다른 측면에 따른 전자 장치가 제공될 수 있다. 상기 전자 장치는 통신 회로, 메모리, 및 적어도 하나의일 실시예에 따르면 전자 장치는 통신 모듈, 메모리, 및 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 통신 모듈을 통해 제1 문장을 수신하고, 상기 제1 문장에 존재하는 제1 신조어를 확인하고, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하고, 상기 제1 신조어가 치환될 때 문법 오류를 발생시키는 상기 제1 대체어에 기반하여 상기 제2 문장에서 상기 문법 오류 교정하여 제3 문장을 획득하고, 상기 통신 모듈을 통해 상기 제3 문장을 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 전자 장치는 입력 모듈, 디스플레이, 통신 모듈, 메모리, 및 상기 입력 모듈, 상기 디스플레이, 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 입력 모듈을 통해 입력된 신호로부터 제1 문장을 획득하여 상기 통신 모듈을 통해 외부 장치에 전송하고, 상기 통신 모듈을 통해 외부 장치로부터 상기 제1 문장에 존재하는 제1 신조어가 제1 대체어로 치환되고, 상기 제1 신조어가 상기 제1 대체어로 치환됨에 의해 발생된 문법 오류가 교정된 제3 문장을 수신하고, 상기 수신된 제3 문장과 연관된 처리 결과를 상기 디스플레이에 표시하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 전자 장치에서 신조어 기반의 문장 변환 방법은, 제1 문장을 수신하는 동작, 상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 및 상기 제1 신조어 치환 시 문법 오류를 발생하는 제1 대체어에 기반하여 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작을 포함할 수 있다.
일 실시예에 따르면, 명령들을 저장하고 있는 비휘발성 저장 매체에 있어서, 상기 명령들은 적어도 하나의 프로세서에 의하여 실행될 때에 상기 적어도 하나의 프로세서로 하여금 적어도 하나의 동작을 수행하도록 설정된 것으로서, 상기 적어도 하나의 동작은, 제1 문장을 수신하는 동작, 상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 및 상기 제1 신조어 치환 시 문법 오류를 발생하는 제1 대체어에 기반하여 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 신조어가 포함된 문장을 신조어에 대응하는 의미를 포함하는 단어가 포함된 문장으로 변환하여 제공함으로써 전자 장치로 하여금 신조어를 인식하게 할 수 있다.
다양한 실시예들에 따르면 전자 장치에서 지정된 어플리케이션(예: AI 에이전트)이 실행되는 경우, 전자 장치가 신조어를 포함하는 사용자 발화를 수신하여도, 신조어를 대체어로 변환해주는 기능을 통해 지정된 어플리케이션이 신조어가 포함된 음성에 대응된 지정된 서비스(예: AI 서비스)를 사용자에게 제공할 수 있도록 할 수 있다.
다양한 실시예에 따르면 전자 장치에서 번역 기능 이용 시 신조어를 대체어로 변환해주는 기능을 통해 전자 장치로 하여금 신조어가 포함된 문장도 번역이 가능하도록 하게 할 수 있다.
다양한 실시예들에 따른 효과는 상기 기술된 효과로 제한되지 아니하며, 다양한 효과가 본 개시 상에 내재되어 있음은 통상의 기술자에게 자명하다.
아래의 상세한 설명을 기술하기 전에, 이 특허 문서 전체에서 사용되는 특정 단어 및 구의 정의를 제시하는 것이 유리할 수 있다. 용어 "포함" 및 "포함" 및 그 파생어는 제한없이 포함을 의미할 수 있다. 용어 "또는" 은 포괄적인 의미의 및/또는 일 수 있고, 구절 "연관된" 및 "그와 관련된" 및 그 파생어는 포함, 내부에 포함, 상호 연결, 포함, 내부에 포함, 연결 또는 함께, 커플 또는 함께, 통신 가능함을 의미할 수 있으며, 협력, 인터리브, 병치, 근접, 결합 또는 소유 또는 그와 유사한 것일 수 있고, 용어 "컨트롤러"는 적어도 하나의 동작을 제어하는 임의의 장치, 시스템 또는 그 일부를 의미하며, 이러한 장치는 하드웨어, 펌웨어 또는 소프트웨어, 또는 이들 중 적어도 2 개의 조합으로 구현될 수 있다. 특정 컨트롤러와 관련된 기능은 로컬 또는 원격에 관계없이 중앙 집중화되거나 분산될 수 있다.
또한 아래에서 설명되는 다양한 기능은 하나 이상의 컴퓨터 프로그램에 의해 구현되거나 지원 될 수 있으며, 이들 각각은 컴퓨터 판독 가능 프로그램 코드로 형성되고 컴퓨터 판독 가능 매체에 구현될 수 있다. 용어 "애플리케이션" 및 "프로그램"은 하나 이상의 컴퓨터 프로그램, 소프트웨어 구성 요소, 명령어 세트, 절차, 기능, 객체, 클래스, 인스턴스, 관련 데이터 또는 적절한 컴퓨터 판독 가능 프로그램 코드에서 구현하도록 채택 된 그 일부를 의미할 수 있다. "컴퓨터로 읽을 수있는 프로그램 코드"라는 문구는 소스 코드, 개체 코드 및 실행 코드를 포함한 모든 유형의 컴퓨터 코드가 포함될 수 있다. “컴퓨터 판독 가능 매체"라는 문구는 읽기 전용 메모리 (ROM), 랜덤 액세스 메모리 (RAM), 하드 디스크 드라이브, 컴팩트 디스크 (CD), 디지털 비디오 디스크 (DVD) 또는 기타 유형의 메모리를 포함한다. "비 일시적" 컴퓨터 판독 가능 매체는 일시적인 전기 또는 기타 신호를 전송하는 유선, 무선, 광학 또는 기타 통신 링크를 제외한다. 비 일시적 컴퓨터 판독 가능 매체는 데이터가 영구적으로 저장 될 수 있는 매체 및 데이터가 저장되고 나중에 덮어 쓸 수있는 매체, 예를 들어 재기록 가능한 광 디스크 또는 지울 수있는 메모리 장치를 포함한다.
특정 단어 및 구에 대한 정의는 본 특허 문서 전체에 제공되며, 당업자는 대부분의 경우는 아니지만 그러한 정의가 그러한 정의된 단어 및 구의 이전 및 향후 사용에 적용된다는 것을 이해할 것이다.
도 1은 일 실시예에 따른 네트워크 환경 내의 전자 장치의 블럭도이다.
도 2는 일 실시예에 따른 전자 장치와 서버를 나타낸 도면이다.
도 3은 일 실시예에 따른 신조어 확인 모듈의 일예를 나타낸 도면이다.
도 4는 일 실시예에 따른 대체어 획득 모듈의 일예를 나타낸 도면이다.
도 5는 일 실시예에 따른 문법 오류 교정 모듈의 일예를 나타낸 도면이다.
도 6은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환 동작을 나타낸 흐름도이다.
도 7은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 디스플레이 동작 흐름도이다.
도 8은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 AI 에이전트 기능 수행 흐름도이다.
도 9는 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 AI 에이전트 기능 수행 일예도이다.
도 10은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 번역 기능 수행 흐름도이다.
도 11은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 번역 기능 수행 화면 일예도이다.
도 12는 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환 동작을 수행하는 과정을 설명하기 위한 예시 도면이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성 요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하에서 논의된 도 1 내지 12, 및 본 특허 문헌에서 본 개시의 원리를 설명하기 위해 사용된 다양한 실시예는 단지 예시를 위한 것이며 본 개시의 범위를 제한하는 것으로 해석되어서는 안된다. 당업자는 본 개시의 원리가 임의의 적절하게 배열된 시스템 또는 장치에서 구현될 수 있음을 이해할 것이다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 발명의 실시예들을 배제하도록 해석될 수 없다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 1eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 111 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시예에 따른 전자 장치와 서버를 나타낸 도면이다.
도 2를 참조하면, 일 실시예에 따른 전자 장치(201)(예: 도 1의 전자 장치(101))는 입력 모듈(예: 도 1의 입력 모듈(150))을 통해 입력된 신호로부터 제1 문장을 획득하여 서버(208)(예: 도 1의 서버(108))에 전송할 수 있다. 일 실시예에 따른 서버(208)는, 제1 문장에 존재하는 제1 신조어를 제1 대체어로 치환하고, 문법 오류를 교정할 수 있다. 일 실시예에 따른 전자 장치(201)는, 교정된 제3 문장을 서버(208)로부터 수신하여 처리할 수 있다. 예를 들면, 전자 장치(201)는 제3 문장과 연관된 처리 결과를 디스플레이(260)(예: 도 1의 디스플레이 모듈(160))에 표시할 수 있다. 일 실시예에 따른 제1 문장은, 문법적으로 완전한 문장을 포함할 수도 있고, 문법적으로 불완전한 문장을 포함할 수도 있다. 예를 들면, 제1 문장은 어느 하나의 단어(예: 형용사)로만 구성될 수도 있다.
일 실시예에 따른 서버(208)는 통신 모듈(210), 프로세서(220), 메모리(230)를 포함할 수 있다. 일 실시예에 따른 통신 모듈(210)은 전자 장치(201)와 통신할 수 있다. 일 실시예에 따른 프로세서(220)(또는 적어도 하나의 프로세서)는 통신 모듈(210)을 통해 전자 장치(201)로부터 제1 문장을 수신할 수 있다. 일 실시예에 따른 프로세서(220)는, 제1 문장에 존재하는 제1 신조어를 확인할 수 있다. 일 실시예에 따른 프로세서(220)는, 제1 신조어에 대응되는 제1 대체어를 확인하여 제1 문장에서 상기 제1 신조어를 제1 대체어로 치환한 제2 문장을 획득할 수 있다. 일 실시예에 따른 프로세서(220)는, 제2 문장에서 문법 오류 교정하여 제3 문장을 획득할 수 있다, 일 실시예에 따른 서버(208)는, 통신 모듈(210)을 통해 제3 문장을 전자 장치(201)로 전송할 수 있다.
일 실시예에 따르면, 프로세서(220)는 신조어 확인 모듈(222), 대체어 획득 모듈(224), 치환 모듈(226), 및/또는 문법 교정 모듈(228)을 포함할 수 있다.
일 실시예에 따르면 신조어 확인 모듈(222)은, 신조어들에 대응하는 단어들을 포함하는 신조어 데이터 베이스를 이용하여, 전자 장치(201)로부터 수신된 제1 문장에 적어도 하나의 신조어가 존재하는지 확인할 수 있다. 확인 결과, 적어도 하나의 신조어가 존재하는 경우, 적어도 하나의 신조어(예: 제1 신조어)의 의미를 확인할 수 있다. 본 문서에서 "신조어"라는 용어는, 신조어 그 자체(예: Hangry: 배고파서 짜증난다는 의미를 포함하는 신조어)뿐만 아니라 종래의 단어들과 동음이거나 신조어로서 새롭게 이용되는 단어(예: Savage 대박의 의미를 포함하는 신조어) 및 문장 내에 신조어를 포함하고 있지는 않지만 새로운 의미를 가지는 신조어로서 사용되는 복수의 단어들 (예: Wine O`clock: 와인 마시기 좋은 시간의 의미를 포함하는 신조어)을 모두 포함하는 개념으로서 사용된다.
일 실시예에 따르면 신조어 확인 모듈(222)은, 제1 문장에 적어도 하나의 신조어가 존재하는 경우, 전자 장치(201)로부터 수신된 제1 문장을 벡터 변환하여 제1 벡터값을 획득할 수 있다. 일 실시예에 따른 신조어 확인 모듈(222)은, 복수의 문장들을 벡터 변환한 복수의 벡터값들과 상기 제1 벡터값을 비교하여 제1 문장의 의미를 확인할 수 있다. 일 실시예에 따르면 복수의 문장들은 의미를 기반으로 군집화된 문장 군집들의 대표 문장들을 포함할 수 있다. 일 실시예에 따른 신조어 확인 모듈(222)은, 확인된 제1 문장의 의미를 기반으로 제1 신조어의 의미를 확인할 수 있다.
일 실시예에 따르면 대체어 획득 모듈(224)은 확인된 제1 신조어의 의미에 대응하는 대체어(예: 제1 대체어)를 획득할 수 있다. 일 실시예에 따르면 대체어 획득 모듈(224)은 기계독해(machine reading comprehension)를 이용하여 질문 및 대답 방식으로 상기 제1 신조어(예: "에바지") 에 대응되는 제1 대체어(예: "지나치지") 를 획득할 수 있다. 예를 들면, 기계독해는 AI 알고리즘이 스스로 문제를 분석하고 질문에 대한 최상의 답을 찾아내는 기술일 수 있다. 예를 들면 기계 독해는 질문을 벡터로 표현하는 인코더(encoder), 상호 어텐션을 통해 관계를 파악하는 코 어텐션 모듈(co-attention), 지문에서 정답의 시작과 끝을 출력하는 출력 모듈을 포함할 수 있다. 예를 들면, 기계독해 기술은 SQuAD(stanford question answering dataset) 모델을 포함할 수 있다.
일 실시예에 따르면 치환 모듈(226)은 제1 문장(예: "그건 에바지")에서 제1 신조어(예: "에바지")를 제1 대체어(예: "지나치지")로 치환할 수 있다. 예를 들면, 치환 모듈(226)은 제1 문장에서 상기 제1 신조어를 제1 대체어로 치환한 제2 문장(예: "그건 지나치지")을 획득할 수 있다.
일 실시예에 따르면 문법 교정 모듈(228)은 제1 문장에서 상기 제1 신조어를 제1 대체어로 치환한 제2 문장에 문법 오류가 존재하는지 여부를 확인할 수 있다. 일 실시예에 따르면, 제2 문장에 문법 오류가 존재하는 경우, 일 실시예에 따른 문법 교정 모듈(228)은 제2 문장의 문법 오류를 교정할 수 있다. 다양한 실시예에서, 상기 문법 오류는 제1 대체어가 상기 제2 문장에 문법적으로 맞지 않음에 기반하여 상기 제2 문장에 발생될 수 있으며, 여기서 상기 제1 문장은 상기 제1 신조어와 문접적으로 맞을 수 있다.
일 실시예에 따르면 문법 교정 모듈(228)은 머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 제2 문장에서 문법 오류가 존재하는지 여부를 확인하고, 문법 오류를 교정하도록 할 수 있다. 일 실시예에 따르면 머신 러닝(machine learning)은 알고리즘을 이용해서 대량의 데이터를 분석하여 그 안에 숨어 있는 패턴을 찾고 찾아낸 패턴을 토대로 전체의 패턴을 예측하는 방식일 수 있다. 예를 들면, 문법 교정 모듈(228)은 복수의 신조어와 대체어 셋을 이용하여 복수의 문법 오류 문장 및 정상 문장 셋을 생성하고, 상기 복수의 문법 오류 문장 및 정상 문장 셋을 머신 러닝(machine learning)을 통해 학습하여 학습 기반의 문법 오류 교정이 가능할 수 있다. 일 실시예에 따르면, 제2 문장에 문법 오류가 없다고 판단된 경우, 제2 문장을 외부 장치(예: 전자 장치(201))로 전송할 문장으로서 결정할 수 있다. 본 개시의 일 실시예에 따르면, 제2 문장에 문법 오류가 존재하는지 여부를 판단하는 기능 또는 동작, 및 제2 문장을 외부 장치(예: 전자 장치(201))로 전송할 문장으로서 결정하는 기능 또는 동작은 프로세서(220)에 포함된 다른 적어도 하나의 모듈에 의하여 수행될 수도 있다.
일 실시예에 따르면 메모리(230)는 프로세서(220)가 동작을 수행하도록 하는 인스트럭션들 또는/및 데이터를 저장할 수 있다. 일 실시예에 따르면 메모리(230)는 신조어를 포함하는 신조어 데이터 베이스(232)와 일반 단어를 포함하는 단어 데이터 베이스(234)를 저장할 수 있다. 예를 들면, 일 실시예에 따른 프로세서(220)는 지정된(또는 임의의) 적어도 하나 이상의 인터넷 사이트(예: 뉴스 사이트 또는 커뮤니티 사이트 등)에서 문장들을 획득하고, 획득된 문장들에 포함된 단어를 기반으로 문장 패턴들을 확인할 수 있다. 일 실시예에 따른 프로세서(220)는 확인된 문장 패턴들 중 제1 문장 패턴이 지정된 빈도수 이상 발생하고 제1 문장 패턴에 포함된 단어가 상기 신조어 데이터 베이스(232)에 포함되지 않은 경우, 제1 문장 패턴에 포함된 단어를 신조어에 대응된 단어로 상기 신조어 데이터 베이스(232)에 저장할 수 있다. 일 실시예에 따르면, 단어 데이터 베이스(234)는 사전에 포함된 단어를 저장할 수 있다.
일 실시예에 따르면, 전자 장치(예: 도 1의 서버(108), 또는 도 2의 서버(208))는 통신 모듈(예: 도 2의 통신 모듈(210)), 메모리(예: 도 2의 메모리(230)), 및 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서(예: 도 2의 프로세서(220))를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 통신 모듈을 통해 제1 문장을 수신하고, 상기 제1 문장에 존재하는 제1 신조어를 확인하고, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하고, 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하고, 상기 통신 모듈을 통해 상기 제3 문장을 외부 장치로 전송하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 상기 메모리는 신조어들에 대응된 단어들을 포함하는 신조어 데이터 베이스(예: 도 2의 신조어 데이터 베이스(232))를 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 상기 신조어 데이터 베이스를 이용하여 상기 제1 문장에서 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하는지 확인하고, 상기 제1 문장에 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하면 상기 제1 문장에 존재하는 제1 신조어를 확인하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 지정된 적어도 하나 이상의 인터넷 사이트에서 상기 신조어들에 대응된 단어들을 획득하고, 상기 획득된 신조어들에 대응된 단어들을 상기 신조어 데이터 베이스에 저장하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 상기 지정된 적어도 하나 이상의 인터넷 사이트에서 문장들을 획득하고, 획득된 문장들에 포함된 단어를 기반으로 문장 패턴들을 확인하고, 문장 패턴들 중 제1 문장 패턴이 지정된 빈도수 이상 발생하고 제1 문장 패턴에 포함된 단어가 상기 신조어 데이터 페이스에 포함되지 않은 경우, 제1 문장 패턴에 포함된 단어를 신조어에 대응된 단어로 상기 신조어 데이터 베이스에 저장하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 상기 제1 문장을 벡터 변환하여 제1 벡터값을 획득하고, 의미를 기반으로 복수의 문장들을 벡터 변환한 복수의 벡터값들과 상기 제1 백터값을 비교하여 상기 제1 문장의 의미를 확인하고, 상기 확인된 제1 문장의 의미를 기반으로 상기 제1 신조어와 상기 제1 신조어의 의미를 확인하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 복수의 문장들을 획득하고, 획득된 복수의 문장들을 군집화하고, 군집화된 복수의 문장 군집들 별로 의미를 태깅하여 복수의 문장 데이터 셋을 획득하고, 복수의 문장 데이터 셋을 각각 벡터 변환하여 상기 복수의 벡터 값들을 획득하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 기계독해(machine reading comprehension)를 이용하여 질문 및 대답 방식으로 상기 제1 신조어에 대응되는 제1 대체어를 확인하도록 할 수 있다.
일 실시예에 따르면 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 상기 제2 문장에서 문법 오류 교정하도록 할 수 있다.
일 실시예에 따르면, 상기 적어도 하나의 프로세서가, 신조어와 대체어를 이용하여 상기 문법 오류 문장을 생성하여 제공하고, 상기 문법 오류 문장에서 문법 오류 교정된 상기 정상 문장을 학습하도록 할 수 있다.
일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101), 또는 도 2의 전자 장치(201))는 입력 모듈(예: 도 1의 입력 모듈(150)), 디스플레이(예: 도 1의 디스플레이 모듈(160)), 통신 모듈(예: 도 1의 통신 모듈(190)), 메모리(예: 도 1의 메모리(130)), 및 상기 입력 모듈, 상기 디스플레이, 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가, 상기 입력 모듈을 통해 입력된 신호로부터 제1 문장을 획득하여 상기 통신 모듈을 통해 외부 장치에 전송하고, 상기 통신 모듈을 통해 외부 장치로부터 상기 제1 문장에 존재하는 제1 신조어가 제1 대체어로 치환되고, 문법 오류 교정된 제3 문장을 수신하고, 상기 수신된 제3 문장과 연관된 처리 결과를 상기 디스플레이에 표시하도록 하는 인스트럭션들을 저장할 수 있다.
일 실시예에 따르면, 상기 입력 모듈은 마이크를 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 상기 마이크를 통해 수신된 음성 신호를 텍스트로 변환하여 상기 제1 문장을 획득하도록 할 수 있다.
일 실시예에 따르면, 상기 입력 모듈은 터치 스크린을 포함하고, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 상기 터치 스크린을 통해 수신된 터치 입력 신호를 기반으로 상기 제1 문장을 획득하도록 할 수 있다.
일 실시예에 따르면, 상기 인스트럭션들은, 상기 적어도 하나의 프로세서가, 어플리케이션 실행 후, 상기 제1 문장을 획득하고, 상기 수신된 제3 문장을 기반으로 상기 어플리케이션의 기능을 수행하도록 할 수 있다.
일 실시예에 따르면, 상기 어플리케이션은 AI 에이전트 어플리케이션, 번역 어플리케이션, 또는 채팅 어플리케이션 중 하나일 수 있다.
도 3은 일 실시예에 따른 신조어 확인 모듈의 일예를 나타낸 도면이다.
도 3을 참조하면, 일 실시예에 따른 신조어 확인 모듈(222)은 문장 군집화(clustering) 모듈(310), 단어 의미 기반 문장 데이터 셋 획득 모듈(320), 문장 데이터 셋/벡터값 셋 변환 모듈(330), 신조어 확인 여부 판단 모듈(340), 문장 데이터/벡터값 변환 모듈(350), 비교 모듈(360), 단어 의미 확인 모듈(370), 신조어 판단 모듈(380) 중 적어도 일부 또는 전부를 포함할 수 있다.
일 실시예에 따르면 문장 군집화 모듈(310)은 네트워크 상의 컨텐츠로부터 문장들을 획득할 수 있다. 일 실시예에 따른 문장 군집화 모듈(310)은, 획득된 문장들의 패턴(예: 포함된 단어 패턴)을 확인하고 문자들의 패턴 유사도에 기반하여 문장들을 군집화하여 복수의 문장 군집들을 획득할 수 있다. 일 실시예에 따르면 획득된 문장들은 의미가 부여되지 않은 임의의 문장들일 수 있다. 예를 들면 의미가 부여되지 않은 문장들은 지정된(또는 임의의) 인터넷 사이트 상의 컨텐츠로부터 획득된 문장들 일 수 있다. 예를 들면 인터넷 사이트는 뉴스 사이트, 커뮤니티 사이트 등일 수 있다.
일 실시예에 따르면 단어 의미 기반 문장 데이터 셋 획득 모듈(320)은 상기 획득된 복수의 문장 군집들에 포함된 단어를 분석하여 복수의 문장 군집들 각각에 대응하는 단어 의미를 태깅(tagging)(또는 부여)할 수 있다. 일 실시예에 따른 단어 의미 기반 문장 데이터 셋 획득 모듈(320)은, 복수의 문장 군집들 각각에 대응하는 복수의 대표 문장들을 획득하고, 복수의 대표 문장들에 대응하여 단어 의미가 태깅된 복수의 문장 데이터 셋을 획득할 수 있다.
문장 데이터 셋/벡터값 셋 변환 모듈(330)은 단어 의미가 태깅된 문장 데이터 셋을 벡터값 셋으로 변환할 수 있다.
신조어 확인 여부 판단 모듈(340)은 문장(예: 신조어 확인 대상 문장, 또는 제1 문장)이 수신되면 문장 내에 신조어 데이터 베이스(232)에 포함된(등록된) 단어가 존재하는지 여부를 확인할 수 있다. 신조어 확인 여부 판단 모듈(340)은 제1 문장에 신조어 데이터 베이스에 포함된 단어가 존재하는 경우 제1 문장에 대한 신조어 확인이 필요하다고 결정하거나 신조어 확인을 시작할 수 있다
일 실시예에 따르면 문장 데이터/벡터값 변환 모듈(350)은 제1 문장을 제1 벡터값으로 변환할 수 있다.
일 실시예에 따르면 비교 모듈(360)은 제1 문장에 대한 제1 벡터값과 벡터값 셋을 비교하여 벡터값 셋에서 제1 벡터값과 가장 유사한 제2 벡터값을 획득할 수 있다. 예를 들면 비교 모듈(360)은 비교 수식을 이용하여 제1 벡터값과 벡터값 셋을 비교하고, 벡터값 셋에서 제1 벡터값과 가장 유사한(또는 값의 차이가 적은) 제2 벡터값을 획득할 수 있다.
예를 들면, 비교 수식은 코사인 거리(cosine distance) 수식을 포함할 수 있다. 코사인 거리 수식은 하기 수학식 1일 수 있다.
Figure PCTKR2021007814-appb-M000001
상기 수학식 1에 따르면, A는 제1 문장(예: 문장 X)에 대한 제1 벡터값일 수 있고, B는 복수의 대표 문장들 중 어느 하나의 문장(예: 문장 Y)에 대한 벡터값(예: 제2 벡터값)일 수 있다. similarity는 A값과 B값의 유사도 정도일 수 있다. Ai는 벡터 A의 i번째 요소들일 수 있고, Bi는 벡터 B의 i번째 요소들일 수 있고, 벡터 A 및 벡터 B는 각각 n 개의 요소들을 가질 수 있다. 예를 들면, similarity는 -1 에서 1사이의 값일 수 있으며, 1에 가까운 값일 수록 제1 문장과 어느 하나의 문장 간의 유사 정도가 클 수 있다. 예를 들면, 단어 의미 확인 모듈(370)은 복수의 대표 문장들 중 유사 정도가 가장 큰 제2 벡터값을 가지는 대표 문장을 확인할 수 있다.
일 실시예에 따르면, 단어 의미 확인 모듈(370)은 제2 벡터값에 대응되는 대표 문장에 대응하는 문장 군집을 확인하고, 문장 군집에 태깅된 단어 의미를 확인하고, 확인된 단어 의미를 이용하여 제1 문장의 단어 의미를 확인할 수 있다.
일 실시예에 따르면, 신조어 판단 모듈(380)은 제1 문장의 단어 의미가 신조어 데이터 베이스(232)에 포함된 단어의 의미에 대응되는지에 기반하여 제1 문장에 신조어 포함 여부를 확인할 수 있고, 신조어가 포함된 경우 신조어의 의미를 확인할 수 있다.
도 4는 일 실시예에 따른 대체어 획득 모듈의 일예를 나타낸 도면이다.
도 4를 참조하면, 일 실시예에 따른 대체어 획득 모듈(224)은 Training 데이터 획득 모듈(410), 대체어 생성 모듈(420)을 포함할 수 있다.
일 실시예에 따른 Train 데이터 획득 모듈(410)은 신조어가 사용되기 시작할 때 웹 상에서 신조어의 의미를 질문하고 답변하는 글이 올라오는 특성을 활용하여 특정 신조어를 키워드로 데이터를 크롤링(crawling)하여 크롤링된 데이터를 Train 데이터로 획득할 수 있다. 예를 들면 크롤링은 무수히 많은 컴퓨터에 분산 저장되어 있는 문서를 수집하여 검색 대상의 색인으로 포함시키는 기술일 수 있다.
일 실시예에 따른 대체어 생성 모듈(420)은 MRC(machine reading comprehension) deep learning model을 이용하여 Train 데이터로부터 질문 및 대답 방식으로 신조어에 대한 대체어를 생성하고 생성된 대체어를 제공할 수 있다.
도 5는 일 실시예에 따른 문법 오류 교정 모듈의 일예를 나타낸 도면이다.
도 5를 참조하면, 일 실시예에 따른 문법 오류 교정 모듈(228)은 패턴 추출 모듈(510), 문법 오류 생성기 구축 모듈(520), 문법 오류 생성기(530), Train 데이터 모듈(540), 머신 러닝(machine learning) 모듈(550)을 포함할 수 있다.
일 실시예에 따른 패턴 추출 모듈(510)은 문법 오류가 발생한 문장들 셋에서 복수개(예: 22개)의 오류 패턴들을 추출할 수 있다.
일 실시예에 따른 문법 오류 생성기 구축 모듈(520)은 추출된 오류 패턴들을 기반으로 문법 오류 생성기를 구축할 수 있다.
일 실시예에 따른 문법 오류 생성기(530)는 문법 맞는 문장과 복수의 오류 패턴을 기반으로 문법 오류 문장을 생성하여 제공할 수 있다.
일 실시예에 따른 Train 데이터 모듈(540)은 학습용 문법 맞는 문장과 문법 오류 문장 셋을 제공할 수 있다.
일 실시예에 따른 머신 러닝 모듈(550)은 Train 데이터 모듈(540)로부터 학습용 문법 맞는 문장과 문법 오류 문장 셋을 학습할 수 있다. 일 실시예에 따른 머신 러닝 모듈(550)은 다른 적어도 하나의 모듈(예: 문법 오류 생성기(530) 또는 Train 데이터 모듈(540))로부터 제공된 정보에 기반하여, 입력된 문장이 문법 오류를 가지고 있는 문장인지 여부를 확인할 수 있다. 일 실시예에 따른 머신 러닝 모듈(550)은 문법 오류 문장이 입력되면 학습 결과를 기반으로 문법 오류 문장을 문법 맞는 문장으로 교정하여 출력할 수 있다.
도 6은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환 동작을 나타낸 흐름도이다.
도 6을 참조하면, 일 실시예에 따른 전자 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))의 프로세서(예: 도 2의 프로세서(220))는 610 내지 650 동작 중 적어도 하나의 동작을 수행할 수 있다.
610 동작에서, 일 실시예에 따른 프로세서(220)는 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))로부터 제1 문장을 수신할 수 있다.
620 동작에서, 일 실시예에 따른 프로세서(220)는 제1 문장(예: I am hangry)에 존재하는 적어도 하나의 제1 신조어(예: hangry)를 확인할 수 있다. 예를 들면, 일 실시예에 따른 프로세서(220)는 제1 문장 내에 신조어 데이터 베이스에 포함된 단어가 존재하는지 여부를 확인할 수 있다. 일 실시예에 따르면 프로세서(220)는 제1 문장 내에 신조어 데이터 베이스(예: 도 2의 신조어 데이터 베이스(232))에 포함된(또는 등록된) 단어가 존재하는 경우 제1 문장에 대한 신조어 확인이 필요하다고 결정하여 신조어 확인을 시작할 수 있다. 일 실시예에 따르면 프로세서(220)는 신조어 확인을 위해 제1 문장을 제1 벡터 값으로 변환하고, 제1 벡터 값과 미리 획득한 단어 의미 기반의 복수의 대표 문장들과 연관된 벡터 값 셋을 비교하여 벡터 값 셋에서 제1 벡터 값과 가장 유사한 제2 벡터 값을 획득할 수 있다. 일 실시예에 따르면 프로세서(220)는 제2 벡터 값에 대응되는 대표 문장에 대응하는 문장 군집을 확인하고, 문장 군집에 태깅된 단어 의미를 확인하고, 확인된 단어 의미를 이용하여 제1 문장의 단어 의미를 확인할 수 있다. 일 실시예에 따르면 프로세서(220)는 제1 문장의 단어 의미가 신조어 데이터 베이스(232)에 포함된 단어의 의미에 대응되는지에 기반하여 제1 문장에 포함된 제1 신조어를 확인할 수 있고, 제1 신조어의 의미를 확인할 수 있다.
630 동작에서, 일 실시예에 따른 프로세서(220)는 상기 확인된 제1 신조어에 대응되는 적어도 하나의 제1 대체어(예: hungry and angry)를 확인하여 제1 문장에서 상기 제1 신조어를 제1 대체어로 치환한 제2 문장(예: I am hungry and angry)을 획득할 수 있다. 일 실시예에 따른 프로세서(220)는 MRC(machine reading comprehension) deep learning model을 이용하여 Train 데이터로부터 질문 및 대답 방식으로 제1 신조어에 대한 제1 대체어를 생성하고 상기 제1 신조어를 상기 생성된 제1 대체어로 치환할 수 있다.
640 동작에서, 일 실시예에 따른 프로세서(220)는, 문법 오류 교정이 필요한 경우, 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득할 수 있다. 일 실시예에 따른 프로세서(220)는 머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 제2 문장에서 문법 오류 교정하여 문법 오류 교정된 제3 문장을 획득할 수 있다. 일 실시예에 따르면, 630 동작 및 640 동작 사이에서, 치환된 제2 문장에 문법 오류 교정이 필요한지 여부를 판단하는 동작이 더 포함될 수도 있다.
650 동작에서, 일 실시예에 따른 프로세서(220)는 획득된 제3 문장을 통신 모듈을 통해 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))에 전송할 수 있다. 일 실시예에 따르면, 치환된 제2 문장에 문법 오류 교정이 필요없다고 판단된 경우, 650 동작에서, 치환된 제2 문장을 모듈을 통해 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))에 전송할 수 있다.
다양한 실시예에 따르면 610 내지 650 동작은 전자 장치(예: 도 1의 전자 장치(101), 또는 도 2의 전자 장치(201)에서 수행될 수도 있다.
도 7은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 디스플레이 동작 흐름도이다.
도 7을 참조하면, 일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))의 프로세서(예: 도 1의 프로세서(120))는 710 내지 730 동작 중 적어도 하나의 동작을 수행할 수 있다.
710 동작에서, 일 실시예에 따른 프로세서(120)는 전자 장치(101)의 입력 모듈(예: 도 1의 입력 모듈(150))을 통해 입력된 입력 신호로부터 제1 문장을 획득하여 통신 모듈(예: 도 1의 통신 모듈(190))을 통해 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))에 전송할 수 있다. 예를 들면, 입력 모듈은 마이크를 포함할 수 있고, 프로세서(120)는 마이크를 통해 수신된 음성 신호를 텍스트로 변환하여 상기 제1 문장을 획득할 수 있다. 또 다른 예를 들면, 입력 모듈은 터치 스크린을 포함할 수 있고, 프로세서(120)는 상기 터치 스크린을 통해 수신된 터치 입력 신호를 기반으로 상기 제1 문장을 획득할 수도 있다.
720 동작에서, 일 실시예에 따른 프로세서(120)는 통신 모듈(190)을 통해 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로부터 제1 문장에 존재하는 제1 신조어가 제1 대체어로 치환되고, 제1 대체어로 치환된 문장 또는 문법 오류 교정된 제3 문장을 수신할 수 있다. 다른 실시예에 따르면 프로세서(120)는 710 내지 720 동작 대신 입력 모듈(예: 도 1의 입력 모듈(150))을 통해 입력된 입력 신호로부터 제1 문장을 획득하여 자체적으로 제1 문장에 존재하는 제1 신조어를 제1 대체어로 치환하고, 문법 오류 교정하여 제3 문장을 획득할 수도 있다.
730 동작에서, 일 실시예에 따른 프로세서(120)는 상기 수신된 제1 대체어로 치환된 문장 또는 제3 문장과 연관된 처리 결과를 상기 디스플레이(예: 도 1의 디스플레이 모듈(160))에 표시할 수 있다.
다양한 실시예에 따른 전자 장치(예: 도 1의 서버(108), 또는 도 2의 서버(208))에서 신조어 기반의 문장 변환 방법은 제1 문장을 수신하는 동작, 상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 및 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작을 포함할 수 있다.
다양한 실시예에 따른 전자 장치(예: 도 1의 서버(108), 또는 도 2의 서버(208))에서 신조어 기반의 문장 변환 방법은 제1 문장을 수신하는 동작, 상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 제2 문장에서 문법 오류 교정이 필요한지 여부를 판단하는 동작 및 제2 문장에서 문법 오류 교정이 필요하지 않은 경우, 제2 문장을 외부 장치로 전송할 문장으로 결정하는 동작을 포함할 수 있다.
다양한 실시예에 따른 상기 방법은 지정된 적어도 하나 이상의 인터넷 사이트에서 상기 신조어들에 대응된 단어들을 획득하여 신조어 데이터 베이스에 저장하는 동작, 상기 신조어 데이터 베이스를 이용하여 상기 제1 문장에서 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하는지 확인하는 동작을 포함하고, 상기 제1 문장에 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하면 상기 제1 문장에 존재하는 제1 신조어를 확인할 수 있다.
다양한 실시예에 따른 상기 방법은 상기 제1 문장을 벡터 변환하여 제1 벡터값을 획득하는 동작, 의미를 기반으로 복수의 문장들을 벡터 변환한 복수의 벡터값들과 상기 제1 백터값을 비교하여 상기 제1 문장의 의미를 확인하는 동작, 및 상기 확인된 제1 문장의 의미를 기반으로 상기 제1 신조어와 상기 제1 신조어의 의미를 확인하는 동작을 포함할 수 있다.
다양한 실시예에 따른 상기 방법은 복수의 문장들을 획득하는 동작, 획득된 복수의 문장들을 군집화하는 동작, 군집화된 복수의 문장 군집들 별로 의미를 태깅하여 복수의 문장 데이터 셋을 획득하는 동작, 및 복수의 문장 데이터 셋을 각각 벡터 변환하여 상기 복수의 벡터 값들을 획득하는 동작을 포함할 수 있다.
다양한 실시예에 따른 상기 방법은 기계독해(machine reading comprehension)를 이용하여 질문 및 대답 방식으로 상기 제1 신조어에 대응되는 제1 대체어를 확인할 수 있다.
다양한 실시예에 따른 상기 방법은 머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 상기 제2 문장에서 문법 오류를 교정할 수 있다.
도 8은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 AI 에이전트 기능 수행 흐름도이다.
도 8을 참조하면, 일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))의 프로세서(예: 도 1의 프로세서(120))는 810 내지 840 동작 중 적어도 하나의 동작을 수행할 수 있다.
810 동작에서, 일 실시예에 따른 프로세서(120)는 AI 에이전트 어플리케이션을 실행하여 사용자 음성 신호를 인식할 수 있다. 예를 들면, AI 에이전트 어플리케이션은 AI 비서 서비스일 수 있다. 예를 들면, 사용자는 웨이크업 음성 명령(예: "하이! 빅스비")를 이용하여 AI 에이전트 어플리케이션 실행시킬 수 있다.
820 동작에서, 일 실시예에 따른 프로세서(120)는 사용자 음성 신호로부터 제1 문장을 획득하여 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로 전송할 수 있다. 예를 들면, 프로세서(120)는 마이크를 통해 수신된 사용자 음성 신호를 텍스트로 변환하여 상기 제1 문장을 획득할 수 있다.
830 동작에서, 일 실시예에 따른 프로세서(120)는 통신 모듈(190)을 통해 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로부터 제1 문장에 존재하는 적어도 하나의 제1 신조어가 적어도 하나의 제1 대체어로 치환되고, 문법 오류 교정된 제3 문장을 수신할 수 있다. 다른 실시예에 따르면 프로세서(120)는 820 내지 830 동작 대신 입력 모듈(예: 도 1의 입력 모듈(150))을 통해 입력된 입력 신호로부터 제1 문장을 획득하여 자체적으로 제1 문장에 존재하는 제1 신조어를 제1 대체어로 치환하고, 문법 오류 교정하여 제3 문장을 획득할 수도 있다.
840 동작에서, 일 실시예에 따른 프로세서(120)는 상기 수신된 제3 문장과 연관된 AI 에이전트 어플리케이션 기능을 수행할 수 있다.
도 9는 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 AI 에이전트 기능 수행 일예도이다.
도 9를 참조하면, 일 실시예에 따른 전자 장치(901)(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))는 AI 에이전트 어플리케이션이 실행된 상태에서 사용자로부터 "가장 가까운 커피 매장에서 아아 톨 사이즈 주문해줘"와 같은 음성 신호를 수신할 수 있다.
일 실시예에 따르면 전자 장치(901)는 음성 신호를 인식하여 텍스트 형태의 제1 문장을 획득하고, 제1 문장을 디스플레이(960)에 표시함과 동시에 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로 전송할 수 있다. 예를 들면, 디스플레이(960)는 AI 에이전트 어플리케이션 화면(961)을 표시하고 AI 에이전트 어플리케이션 화면(961)에 제1 문장과 함께 AI 에이전트 어플리케이션이 실행중임을 나타내는 제1 아이콘(91)과 제1 문장이 신조어 기반으로 변환중임을 나타내는 제2 아이콘(92)이 표시될 수 있다.
일 실시예에 따르면 전자 장치(901)는 외부 장치로부터 제1 문장에 존재하는 제1 신조어(예: 아아)가 제1 대체어(예: 아이스 아메리카노)로 치환되고, 문법 오류 교정된 제3 문장으로서 "가장 가까운 커피 매장에서 아이스 아메리카노 톨 사이즈 주문해줘"가 수신되면 AI 에이전트 어플리케이션을 통해 가까운 커피 매장에 아이스 아메리카노 톨 사이즈를 주문하기 위한 주문 어플리케이션을 실행하고, 디스플레이(960)에 주문 어플리케이션 화면(962)을 표시할 수 있다.
다양한 실시예에 따르면 전자 장치에서 AI 에이전트 기능 이용 시, 사용자가 신조어를 포함하는 음성을 발화하여도 신조어를 대체어로 변환해주는 기능을 통해 AI 에이전트가 신조어가 포함된 음성에 대응된 AI 서비스를 제공할 수 있도록 할 수 있다.
도 10은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 번역 기능 수행 흐름도이다.
도 10을 참조하면, 일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))의 프로세서(예: 도 1의 프로세서(120))는 1010 내지 1040 동작 중 적어도 하나의 동작을 수행할 수 있다.
1010 동작에서, 일 실시예에 따른 프로세서(120)는 번역 어플리케이션 실행하여 번역 대상이 되는 제1 문장을 획득할 수 있다.
1020 동작에서, 일 실시예에 따른 프로세서(120)는 제1 문장을 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로 전송할 수 있다.
1030 동작에서, 일 실시예에 따른 프로세서(120)는 통신 모듈(190)을 통해 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로부터 제1 문장에 존재하는 제1 신조어가 제1 대체어로 치환되고, 문법 오류 교정된 제3 문장을 수신할 수 있다. 다른 실시예에 따르면 프로세서(120)는 1020 내지 1030 동작 대신 자체적으로 제1 문장에 존재하는 제1 신조어를 제1 대체어로 치환하고, 문법 오류 교정하여 제3 문장을 획득할 수도 있다.
1040 동작에서, 일 실시예에 따른 프로세서(120)는 상기 번역 어플리케이션을 통해 제3 문장을 번역하여 디스플레이에 표시할 수 있다.
도 11은 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환을 이용한 번역 기능 수행 화면 일예도이다.
일 실시예에 따른 전자 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))는 번역 어플리케이션이 실행되면 디스플레이(1160)에 번역 어플리케이션 화면(1162)을 표시할 수 있다.
일 실시예에 따르면 전자 장치(101)는 텍스트 형태의 제1 문장(예: "그건 에바지")을 획득하고, 제1 문장(1111)을 번역 어플리케이션 화면(1162)의 번역 대상 영역에 표시함과 동시에 외부 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))로 전송할 수 있다.
일 실시예에 따르면 전자 장치(101)는 외부 장치로부터 제1 문장(1111)에 존재하는 제1 신조어(예: 에바지)가 제1 대체어(예; 지나치지)로 치환되고, 문법 오류 교정된 제3 문장(예: 그건 지나치지)(1112)가 수신되면 제3 문장을 번역 대상 영역에 표시하고 제3 문장을 번역한 번역문(1113)(예: That's too much)를 번역 영역에 표시할 수 있다. 일 실시예에 따르면, 종래의 단어와 신조어가 동음이의어 관계인 경우(예: 제1 문장이 "savage!"인 경우) 번역 영역에는 신조어로서의 의미와 종래의 단어로서의 의미가 모두 표시될 수 있다.
다양한 실시예에 따르면 전자 장치에서 번역 기능 이용 시 신조어를 대체어로 변환해주는 기능을 통해 신조어가 포함된 문장도 번역이 가능하도록 하는 효과를 얻을 수 있다.
도 12는 일 실시예에 따른 전자 장치에서 신조어 기반 문장 변환 동작을 수행하는 과정을 설명하기 위한 예시 도면이다.
도 12를 참조하면, 일 실시예에 따른 전자 장치(예: 도 1의 서버(108) 또는 도 2의 서버(208))의 프로세서(예: 도 2의 프로세서(220))는 1210 내지 1280 동작 중 적어도 하나의 동작을 수행할 수 있다.
1210 동작에서, 일 실시예에 따른 프로세서(220)는 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))로부터 제1 문장(예: Wine O`clock)을 수신할 수 있다.
1220 동작에서, 일 실시예에 따른 프로세서(220)는 제1 문장의 의미가 새로운 의미를 가지는 문장인지 여부를 확인할 수 있다. 예를 들면, 일 실시예에 따른 프로세서(220)는 제1 문장이 신조어 데이터베이스 내에 포함(다른 말로, 저장 또는 등록)되어 있는 문장인지 여부를 확인할 수 있다. 일 실시예에 따르면 프로세서(220)는 신조어 확인을 위해 제1 문장을 제1 벡터 값으로 변환하고, 제1 벡터 값과, 복수의 대표 문장들과 연관된 벡터 값 셋을 비교하여 벡터 값 셋에서 제1 벡터 값과 가장 유사한 제2 벡터 값을 획득할 수 있다. 일 실시예에 따르면 프로세서(220)는 제2 벡터 값에 대응되는 대표 문장에 대응하는 문장 군집을 확인할 수 있다. 일 실시예에 따르면 프로세서(220)는, 문장 군집에 태깅된 문장 의미를 확인하고, 확인된 문장 의미를 이용하여 제1 문장의 의미를 확인할 수 있다. 일 실시예에 따르면 프로세서(220)는 제1 문장의 의미가 신조어 데이터 베이스(232)에 포함된 문장의 의미에 대응되는지에 기반하여 제1 문장의 의미를 확인할 수 있다.
1230 동작에서, 일 실시예에 따른 프로세서(220)는 제1 문장의 의미가 새로운 의미를 가지는 문장인 경우(1220 동작-예), 상기 확인된 제1 문장에 대응되는 제2 문장(예: "It is the best time to drink wine")을 획득할 수 있다. 일 실시예에 따른 프로세서(220)는 MRC(machine reading comprehension) deep learning model을 이용하여 Train 데이터로부터 질문 및 대답 방식으로 제1 문장에 의미적으로 대응하는 제2 문장을 생성하고 상기 제1 문장을 제2 문장으로 치환할 수 있다. 일 실시예에 따른 프로세서(220)는 제1 문장의 의미가 새로운 의미를 가지는 문장이 아닌 경우(1220 동작-아니오), 1280 동작에서 지정된 기능(예: 제1 문장을 번역 또는 제1 문장이 지시하는 기능을 실행)을 수행할 수 있다.
1240 동작에서, 일 실시예에 따른 프로세서(220)는 치환된 제2 문장에서 문법 오류의 교정이 필요한지 여부를 확인할 수 있다. 다른 말로, 일 실시예에 따른 프로세서(220)는 치환된 제2 문장이 문법 오류를 가지고 있는지 여부를 확인할 수 있다. 일 실시예에 따른 프로세서(220)는, 다른 적어도 하나의 모듈(예: 문법 오류 생성기(530) 또는 Train 데이터 모듈(540))로부터 제공된 정보에 기반하여, 치환된 제2 문장이 문법 오류를 가지고 있는 문장인지 여부를 확인할 수 있다.
1240 동작에서 치환된 제2 문장에서 문법 오류의 교정이 필요하다고 판단된 경우, 1250 동작에서, 제2 문장에서 문법 오류를 교정하여 제3 문장을 획득할 수 있다. 일 실시예에 따른 프로세서(220)는 머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 제2 문장에서 문법 오류 교정하여 문법 오류 교정된 제3 문장을 획득할 수 있다.
1260 동작에서, 일 실시예에 따른 프로세서(220)는 획득된 제3 문장을 통신 모듈을 통해 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))에 전송할 수 있다.
1240 동작에서 치환된 제2 문장에서 문법 오류의 교정이 필요하지 않다고 판단된 경우, 1270 동작에서, 제2 문장을 통신 모듈을 통해 외부 장치(예: 도 1의 전자 장치(101) 또는 도 2의 전자 장치(201))에 전송할 수 있다.
다양한 실시예에 따르면 1210 내지 1270 동작은 전자 장치(예: 도 1의 전자 장치(101), 또는 도 2의 전자 장치(201)에서 수행될 수도 있다.
본 문서에 개시된 다양한 실시예에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나","A 또는 B 중 적어도 하나,""A, B 또는 C," "A, B 및 C 중 적어도 하나,"및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예는 기기(machine)(예: 전자 장치(101))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
다양한 실시예에 따르면, 명령들을 저장하고 있는 비휘발성 저장 매체에 있어서, 상기 명령들은 적어도 하나의 프로세서에 의하여 실행될 때에 상기 적어도 하나의 프로세서로 하여금 적어도 하나의 동작을 수행하도록 설정된 것으로서, 상기 적어도 하나의 동작은, 제1 문장을 수신하는 동작, 상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작, 상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작, 및 상기 제3 문장을 외부 장치로 전송하는 동작을 포함하는 포함할 수 있다.
그리고 본 명세서와 도면에 발명된 본 발명의 실시예들은 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 발명된 실시예들 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.
본 개시는 다양한 실시 예로 설명되었지만, 당업자에게는 다양한 변경 및 수정이 제안될 수 있다. 본 개시는 첨부된 청구항의 범위 내에 있는 그러한 변경 및 수정을 포함하는 것으로 의도될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    통신 모듈;
    메모리; 및
    상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고,
    상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가,
    상기 통신 모듈을 통해 제1 문장을 수신하고,
    상기 제1 문장에 존재하는 제1 신조어를 확인하고,
    상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하고,
    상기 제1 신조어가 치환될 때 문법 오류를 발생시키는 상기 제1 대체어에 기반하여 상기 제2 문장의 상기 문법 오류를 교정하여 제3 문장을 획득하고,
    상기 통신 모듈을 통해 상기 제3 문장을 외부 장치로 전송하도록 하는 인스트럭션들을 저장하는 전자 장치.
  2. 제1항에 있어서,
    상기 메모리는 신조어들에 대응된 단어들을 포함하는 신조어 데이터 베이스를 포함하고,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    상기 신조어 데이터 베이스를 이용하여 상기 제1 문장에서 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하는지 확인하고,
    상기 제1 문장에 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하면 상기 제1 문장에 존재하는 제1 신조어를 확인하도록 더 설정된 전자 장치.
  3. 제2항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    지정된 적어도 하나 이상의 인터넷 사이트에서 상기 신조어들에 대응된 단어들을 획득하고,
    상기 획득된 신조어들에 대응된 단어들을 상기 신조어 데이터 베이스에 저장하도록 더 설정된 전자 장치.
  4. 제3항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    상기 지정된 적어도 하나 이상의 인터넷 사이트에서 문장들을 획득하고,
    획득된 문장들에 포함된 단어를 기반으로 문장 패턴들을 확인하고,
    상기 문장 패턴들 중 제1 문장 패턴이 지정된 빈도수 이상 발생하고 제1 문장 패턴에 포함된 단어가 상기 신조어 데이터 페이스에 포함되지 않은 경우, 제1 문장 패턴에 포함된 단어를 신조어에 대응된 단어로 상기 신조어 데이터 베이스에 저장하도록 더 설정된 전자 장치.
  5. 제1항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    상기 제1 문장을 벡터 변환하여 제1 벡터값을 획득하고,
    의미를 기반으로 복수의 문장들을 벡터 변환한 복수의 벡터값들과 상기 제1 백터값을 비교하여 상기 제1 문장의 의미를 확인하고,
    상기 확인된 제1 문장의 의미를 기반으로 상기 제1 신조어와 상기 제1 신조어의 의미를 확인하도록 더 설정된 전자 장치.
  6. 제5항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    복수의 문장들을 획득하고,
    상기 획득된 복수의 문장들을 군집화하고,
    군집화된 복수의 문장 군집들 별로 의미를 태깅하여 복수의 문장 데이터 셋을 획득하고,
    복수의 문장 데이터 셋을 각각 벡터 변환하여 상기 복수의 벡터 값들을 획득하도록 더 설정된 전자 장치.
  7. 제1항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    기계독해(machine reading comprehension)를 이용한 질문 및 대답 방식을 기반으로 상기 제1 신조어에 대응되는 제1 대체어를 확인하도록 더 설정된 전자 장치.
  8. 제1항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    머신 러닝(machine learning)을 이용하여 문법 오류 문장과 정상 문장을 포함하는 데이터 쌍들을 학습하고, 학습 결과 기반으로 상기 제2 문장에서 문법 오류 교정하도록 더 설정된 전자 장치.
  9. 제8항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    신조어와 대체어를 이용하여 상기 문법 오류 문장을 생성하여 제공하고, 상기 문법 오류 문장에서 문법 오류 교정된 상기 정상 문장을 학습하도록 더 설정된 전자 장치.
  10. 전자 장치에 있어서,
    입력 모듈;
    디스플레이;
    통신 모듈;
    메모리; 및
    상기 입력 모듈, 상기 디스플레이, 상기 통신 모듈 및 상기 메모리와 작동적으로 연결된 적어도 하나의 프로세서를 포함하고,
    상기 메모리는, 실행 시에, 상기 적어도 하나의 프로세서가,
    상기 입력 모듈을 통해 입력된 신호로부터 제1 문장을 획득하여 상기 통신 모듈을 통해 외부 장치에 전송하고,
    상기 통신 모듈을 통해 외부 장치로부터 상기 제1 문장에 존재하는 제1 신조어가 제1 대체어로 치환되고, 상기 제1 신조어가 상기 제1 대체어로 치환됨에 의해 발생된 문법 오류가 교정된 제3 문장을 수신하고,
    상기 수신된 제3 문장과 연관된 처리 결과를 상기 디스플레이에 표시하도록 하는 인스트럭션들을 저장하는 전자 장치.
  11. 제10항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    상기 입력 모듈의 마이크를 통해 수신된 음성 신호 또는 상기 입력 모듈의 터치 스크린을 통해 수신된 터치 입력 신호를 기반으로 상기 제1 문장을 획득하도록 하는 전자 장치.
  12. 제10항에 있어서,
    상기 인스트럭션들은, 상기 적어도 하나의 프로세서가,
    어플리케이션 실행 후, 상기 제1 문장을 획득하고,
    상기 수신된 제3 문장을 기반으로 상기 어플리케이션의 기능을 수행하도록 하는 전자 장치.
  13. 전자 장치에서 신조어 기반의 문장 변환 방법에 있어서,
    제1 문장을 수신하는 동작,
    상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작,
    상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작, 및
    상기 제1 신조어 치환 시 문법 오류를 발생하는 제1 대체어에 기반하여 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작을 포함하는 방법.
  14. 제13항에 있어서,
    지정된 적어도 하나 이상의 인터넷 사이트에서 신조어들에 대응된 단어들을 획득하여 신조어 데이터 베이스에 저장하는 동작,
    상기 신조어 데이터 베이스를 이용하여 상기 제1 문장에서 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하는지 확인하는 동작을 포함하고,
    상기 제1 문장에 상기 신조어들에 대응된 단어들 중 적어도 하나의 단어가 존재하면 상기 제1 문장에 존재하는 제1 신조어를 확인하는 방법.
  15. 명령들을 저장하고 있는 비휘발성 저장 매체에 있어서, 상기 명령들은 적어도 하나의 프로세서에 의하여 실행될 때에 적어도 하나의 프로세서로 하여금 적어도 하나의 동작을 수행하도록 설정된 것으로서, 상기 적어도 하나의 동작은,
    제1 문장을 수신하는 동작,
    상기 제1 문장에 존재하는 제1 신조어를 확인하는 동작,
    상기 제1 신조어에 대응되는 제1 대체어를 확인하여 상기 제1 문장에서 상기 제1 신조어를 상기 제1 대체어로 치환한 제2 문장을 획득하는 동작,
    상기 제1 신조어 치환 시 문법 오류를 발생하는 제1 대체어에 기반하여 상기 제2 문장에서 문법 오류 교정하여 제3 문장을 획득하는 동작, 및
    상기 제3 문장을 외부 장치로 전송하는 동작을 포함하는 저장 매체.
PCT/KR2021/007814 2020-06-23 2021-06-22 전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법 WO2021261882A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/309,853 US20220004701A1 (en) 2021-06-22 2021-06-22 Electronic device and method for converting sentence based on a newly coined word

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200076790A KR20210158270A (ko) 2020-06-23 2020-06-23 전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법
KR10-2020-0076790 2020-06-23

Publications (1)

Publication Number Publication Date
WO2021261882A1 true WO2021261882A1 (ko) 2021-12-30

Family

ID=79178677

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/007814 WO2021261882A1 (ko) 2020-06-23 2021-06-22 전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법

Country Status (2)

Country Link
KR (1) KR20210158270A (ko)
WO (1) WO2021261882A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007226793A (ja) * 2007-02-16 2007-09-06 Mitsubishi Electric Corp 車載マルチメディア装置
KR101551401B1 (ko) * 2015-05-12 2015-09-08 (주)소프트기획 상황에 적합한 감정 전달이 가능한 모바일 인스턴트 메세지 서비스 제공 시스템
US20160026617A1 (en) * 2010-03-24 2016-01-28 Taykey Ltd. System and method detecting hidden connections among phrases
KR101762670B1 (ko) * 2013-10-30 2017-08-04 한국전자통신연구원 정형 데이터와 연관된 비정형 텍스트 데이터 연결 장치 및 방법
KR102030551B1 (ko) * 2018-07-09 2019-10-10 주식회사 한글과컴퓨터 인스턴트 메신저 구동 장치 및 그 동작 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007226793A (ja) * 2007-02-16 2007-09-06 Mitsubishi Electric Corp 車載マルチメディア装置
US20160026617A1 (en) * 2010-03-24 2016-01-28 Taykey Ltd. System and method detecting hidden connections among phrases
KR101762670B1 (ko) * 2013-10-30 2017-08-04 한국전자통신연구원 정형 데이터와 연관된 비정형 텍스트 데이터 연결 장치 및 방법
KR101551401B1 (ko) * 2015-05-12 2015-09-08 (주)소프트기획 상황에 적합한 감정 전달이 가능한 모바일 인스턴트 메세지 서비스 제공 시스템
KR102030551B1 (ko) * 2018-07-09 2019-10-10 주식회사 한글과컴퓨터 인스턴트 메신저 구동 장치 및 그 동작 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KIM MINHO, CHO SANGHYUN, PARK DUGKEUN, KWON HYUK-CHUL: "Machine Reading Comprehension-based Question and Answering System for Search and Analysis of Safety Standards", JOURNAL OF KOREA MULTIMEDIA SOCIETY, vol. 23, no. 13, 2 February 2020 (2020-02-02), pages 351 - 360, XP055882753, DOI: 10.9717/kmms.2020.23.2.351 *
SEUNG WOO CHO, HONG-SEOK KWON, HUN-YOUNG JUNG, JONG-HYEOK LEE: "Adoption of a Neural Language Model in an Encoder for Encoder-Decoder based Korean Grammatical Error Correction", KIISE TRANSACTIONS ON COMPUTING PRACTICES, vol. 24, no. 6, 1 June 2018 (2018-06-01), pages 301 - 306, XP009533181, ISSN: 2383-6318, DOI: 10.5626/KTCP.2018.24.6.301 *

Also Published As

Publication number Publication date
KR20210158270A (ko) 2021-12-30

Similar Documents

Publication Publication Date Title
WO2022055068A1 (ko) 음성에 포함된 커맨드를 확인하는 전자 장치와 이의 동작 방법
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2020209661A1 (en) Electronic device for generating natural language response and method thereof
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2021261882A1 (ko) 전자 장치 및 전자 장치에서 신조어 기반 문장 변환 방법
WO2022196939A1 (ko) 대체 컨텐츠를 제공하는 전자 장치 및 그의 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022065879A1 (ko) 음성 인식 서비스를 위한 등록 사용자에 대한 화자 인증 학습 장치 및 그 동작 방법
WO2021096281A1 (en) Voice input processing method and electronic device supporting same
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2022010158A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022211257A1 (ko) 전자 장치 및 이를 이용한 음성 인식 수행 방법
WO2023058944A1 (ko) 전자 장치 및 응답 제공 방법
WO2022114520A1 (ko) 사용자 발화를 처리하는 전자 장치 및 그 작동 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024029875A1 (ko) 전자 장치, 지능형 서버, 및 화자 적응형 음성 인식 방법
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024039191A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024058524A1 (ko) 오거부 판단 방법 및 이를 수행하는 전자 장치
WO2022203374A1 (ko) 음성 어시스턴트 서비스 제공 방법 및 이를 지원하는 전자 장치
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2023149644A1 (ko) 전자 장치 및 사용자 언어 모델 생성 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법

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: 21828362

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: 21828362

Country of ref document: EP

Kind code of ref document: A1