WO2023008798A1 - 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법 - Google Patents

부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법 Download PDF

Info

Publication number
WO2023008798A1
WO2023008798A1 PCT/KR2022/010434 KR2022010434W WO2023008798A1 WO 2023008798 A1 WO2023008798 A1 WO 2023008798A1 KR 2022010434 W KR2022010434 W KR 2022010434W WO 2023008798 A1 WO2023008798 A1 WO 2023008798A1
Authority
WO
WIPO (PCT)
Prior art keywords
natural language
electronic device
profanity
word
module
Prior art date
Application number
PCT/KR2022/010434
Other languages
English (en)
French (fr)
Inventor
이시준
박선응
이성록
이지용
전창용
Original Assignee
삼성전자 주식회사
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 filed Critical 삼성전자 주식회사
Priority to US17/870,246 priority Critical patent/US20230027222A1/en
Publication of WO2023008798A1 publication Critical patent/WO2023008798A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech

Definitions

  • the voice recognition module 210 may convert the obtained voice signal into text data. In one embodiment, the voice recognition module 210 may convert the user's speech included in the voice signal into text data. In one embodiment, text data converted by the voice recognition module 210 may also be referred to as natural language input.
  • the electronic device 101 may determine whether a designated profanity is identified in the first natural language output based on the capsule included in the plan. In an embodiment, the electronic device 101 may determine whether a designated profanity is identified in the first natural language output based on a profanity dictionary defined by a capsule included in the plan.
  • the electronic device 101 may determine whether the capsule allows profanity. In an embodiment, the electronic device 101 may determine whether the capsule allows profanity based on the capsule DB 280 . In an embodiment, the electronic device 101 may determine whether a capsule (eg, the first capsule 281) included in the plan allows profanity.
  • a capsule eg, the first capsule 281
  • the electronic device 101 may create a plan for calling back to the place just called based on the input 610 and perform a plurality of operations using the created plan. In an embodiment, as a result of performing a plurality of operations, the electronic device 101 may make a call to the phone number just called.
  • FIG. 6B is a diagram illustrating responses according to different profanity processing methods of the electronic device 101 according to an embodiment of the present disclosure.
  • the electronic device 101 of FIG. 6B may correspond to the electronic device 101 of FIG. 2 .
  • the client module 731 may receive a voice input.
  • the client module 731 may receive a voice signal corresponding to a user's speech detected through the microphone 770 .
  • the client module 731 may transmit the received voice input (eg, voice signal) to the intelligent server 800 .
  • the client module 731 may transmit status information of the user terminal 701 to the intelligent server 800 together with the received voice input.
  • the state information may be, for example, execution state information of an app.
  • the intelligent server 800 of an embodiment transmits information related to the user's voice input from the user terminal 701 through a network 799 (eg, the first network 198 and/or the second network 199 of FIG. 1). can receive According to one embodiment, the intelligent server 800 may change data related to the received voice input into text data. According to an embodiment, the intelligent server 800 may generate at least one plan for performing a task corresponding to a user voice input based on the text data.
  • the planner module 825 may generate a plan using the intent and parameters determined by the natural language understanding module 823 .
  • the planner module 825 may determine a plurality of domains required to perform a task based on the determined intent.
  • the planner module 825 may determine a plurality of operations included in each of the determined plurality of domains based on the intent.
  • the planner module 825 may determine parameters necessary for executing the determined plurality of operations or result values output by execution of the plurality of operations.
  • the parameter and the resulting value may be defined as a concept of a designated format (or class).
  • the plan may include a plurality of actions and/or a plurality of concepts determined by the user's intention.
  • the operation of identifying the at least one designated word may include an operation of identifying whether the user of the electronic device is subject to a profanity policy based on the at least one capsule, and an operation of identifying whether the user is subject to the profanity policy. If it is a target, an operation of identifying the at least one designated word from the at least one word may be included.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)

Abstract

전자 장치가 개시된다. 전자 장치는 프로세서, 및 인스트럭션들을 저장하는 메모리를 포함한다. 상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가, 사용자 입력을 수신하고, 상기 사용자 입력에 대응하는 자연어 입력을 식별하고, 상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하고, 상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하고, 상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 상기 제2 자연어 출력을 식별하고, 상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하도록 한다.

Description

부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
본 개시는, 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법에 관한 것이다.
보이스 어시스턴트 서비스는 사용자의 발화에 기초하여 사용자의 의도를 파악하고, 의도에 대응하는 서비스를 사용자에게 제공하는 기술을 포함할 수 있다.
이와 같은 보이스 어시스턴트 서비스에서는 사용자의 음성 입력에 포함된 의도를 파악할 때, 인공 지능(Artificial Intelligence, AI) 기술이 활용될 수 있으며, 룰(Rule) 기반의 자연어 이해 기술(Natural Language Understanding, NLU)이 활용될 수도 있다.
보이스 어시스턴트 서비스를 제공하는 전자 장치는 파악된 의도에 대응하는 동작을 수행하고, 사용자의 발화에 대한 대답을 사용자에게 제공할 수 있다.
보이스 어시스턴트 서비스를 제공 시, 전자 장치는 사용자의 발화에 대한 대답을 생성할 수 있다.
이때, 전자 장치는 사용자의 발화, 기 저장된 응답 메시지, 사용자가 생성한 데이터, 웹 검색 결과, 오픈 소스 데이터베이스, 또는 이들의 조합에 기초하여 발화에 대한 대답을 생성할 수 있다.
이에, 전자 장치가 생성한 대답에는 부적절한 어휘가 포함될 가능성이 있으며, 부적절한 어휘가 포함된 대답이 사용자에게 제공될 경우 사용자는 불쾌감을 경험할 수 있다.
본 개시의 일 양상에 따르면, 전자 장치가 제공된다. 전자 장치는, 적어도 하나의 프로세서, 및 인스트럭션들을 저장하는 메모리를 포함한다. 상기 인스트럭션들은 상기 적어도 하나의 프로세서에 의해 실행 시, 상기 전자 장치가, 사용자 입력을 수신하고, 상기 사용자 입력에 대응하는 자연어 입력을 식별하고, 상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하고, 상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하고, 상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 상기 제2 자연어 출력을 식별하고, 상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하도록 구성될 수 있다.
본 개시의 일 양상에 따르면, 전자 장치의 동작 방법이 제공된다. 방법은, 사용자 입력을 수신하는 동작, 상기 사용자 입력에 대응하는 자연어 입력을 식별하는 동작, 상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하는 동작, 상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하는 동작, 상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 상기 제2 자연어 출력을 식별하는 동작, 및 상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하는 동작을 포함한다.
본 문서의 다양한 실시 예들에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시되는 다양한 실시 예들에 따르면, 전자 장치가 생성한 대답에 부적절한 어휘가 포함되는 경우 다른 대체 대답을 사용자에게 제공할 수 있다.
본 개시의 다른 양상들, 이점들 및 구체적인 특징들은 첨부 도면과 함께 고려되는 본 개시의 다양한 실시 예들을 개시하는 아래 상세한 설명으로부터 통상의 기술자에게 분명해질 것이다.
도 1은, 본 개시의 일 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 본 개시의 일 실시 예에 따른 전자 장치를 나타내는 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 4는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 5는 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 6a는 본 개시의 일 실시 예에 따른 전자 장치의 응답을 예시하는 도면이다.
도 6b는 본 개시의 일 실시 예에 따른 전자 장치의 서로 다른 비속어 처리 방식에 따른 응답을 예시하는 도면이다.
도 7는 본 개시의 일 실시예에 따른 통합 지능 시스템을 나타낸 블록도이다.
도 8은 본 개시의 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 9는 본 개시의 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도면 전체에 걸쳐, 유사한 참조 번호들은 동일하거나 유사한 요소, 특징, 및 구조를 묘사하기 위해 이용될 수 있음을 알아야 한다.
도 1은, 본 개시의 일 실시 예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시 예에 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 실시 예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시 예에서는, 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 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 실시 예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시 예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시 예에 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 실시 예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시 예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시 예에 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 기기들 간 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 실시 예에 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 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시 예에 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 실시 예에 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 본 개시의 일 실시 예에 따른 전자 장치(101)를 나타내는 블록도이다.
도 2의 전자 장치(101)는 도 1의 전자 장치(101)의 구성들을 적어도 하나 포함할 수 있다.
도 2를 참조하면, 전자 장치(101)는 음성 인식 모듈(210), 자연어 이해 모듈(220), 플래너 모듈(225), 실행 모듈(230), 자연어 생성 모듈(240), 자연어 출력 모듈(245), 사용자 컨텍스트 관리 모듈(250), 캡슐 프로패너티(profanity) 등록 모듈(260), 사용자 DB(database)(270), 캡슐 DB(280), 또는 이들의 조합을 포함할 수 있다. 일 실시 예에서, 도 2의 전자 장치(101)의 구성들 중 적어도 일부는 소프트웨어로 구현될 수 있다. 도 2의 전자 장치(101)의 구성들의 구분은 논리적인 것으로서, 전자 장치(101)의 구성들 중 적어도 일부는 하나의 소프트웨어로 구현될 수 있다.
일 실시 예에서, 음성 인식 모듈(210)은 오디오 모듈(170)(예: 마이크로폰)을 통해 음성 신호를 획득할 수 있다. 일 실시 예에서, 음성 신호는 사용자 입력으로도 지칭될 수 있다.
일 실시 예에서, 음성 인식 모듈(210)은 획득된 음성 신호를 텍스트 데이터로 변환할 수 있다. 일 실시 예에서, 음성 인식 모듈(210)은 음성 신호에 포함된 사용자의 발화를 텍스트 데이터로 변환할 수 있다. 일 실시 예에서, 음성 인식 모듈(210)이 변환한 텍스트 데이터는 자연어 입력으로도 지칭될 수 있다.
일 실시 예에서, 음성 인식 모듈(210)은 변환된 텍스트 데이터를 자연어 이해 모듈(220)로 전달할 수 있다.
일 실시 예에서, 자연어 이해 모듈(220)은 음성 인식 모듈(210)을 통해 텍스트 데이터(또는, 자연어 입력)를 획득할 수 있다. 일 실시 예에서, 자연어 이해 모듈(220)은 입력 모듈(150)(예: 터치 스크린, 키보드)을 통해 텍스트 데이터(또는, 자연어 입력)를 획득할 수 있다.
일 실시 예에서, 자연어 이해 모듈(220)은, 텍스트 데이터를 이용하여 사용자의 의도(intent)를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 텍스트 데이터에 대해 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예에서, 자연어 이해 모듈(220)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 텍스트 데이터로부터 추출된 단어의 의미를 파악하고, 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
예를 들어, "방금 전에 전화한 곳으로 다시 전화해줘"라는 텍스트 데이터가 입력된 경우, 자연어 이해 모듈(220)은 "전화하기", "재다이얼"을 의도(intent)로서 결정할 수 있다. 일 실시 예에서, 의도 중 일부는 목표(goal)(예: "재다이얼")일 수 있다.
일 실시 예에서, 자연어 이해 모듈(220)은, 결정된 의도(또는, 의도를 나타내는 파라미터)를 플래너 모듈(225)에게 전달할 수 있다.
일 실시 예에서, 플래너 모듈(225)은, 의도(또는, 의도를 나타내는 파라미터)를 이용하여 플랜을 생성할 수 있다. 일 실시 예에서, 플래너 모듈(225)은, 의도(또는, 의도를 나타내는 파라미터)를 이용하여 복수의 동작, 및/또는 복수의 컨셉을 포함하는 플랜을 생성할 수 있다. 일 실시 예에서, 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다.
일 실시 예에서, 플래너 모듈(225)은 복수의 동작, 및/또는 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정함으로써 플랜을 생성할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 복수의 동작의 실행 순서를 결정함으로써 플랜을 생성할 수 있다. 일 실시 예에서, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및/또는 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정함으로써 플랜을 생성할 수 있다. 일 실시 예에서, 플래너 모듈(225)는 복수의 동작 및/또는 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다.
일 실시 예에서, 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 DB(280)를 이용하여 플랜을 생성할 수 있다. 일 실시 예에서 플래너 모듈(225)은, 캡슐 DB(280)에 포함된 복수의 캡슐들(281, 283, 285) 중 의도(또는, 의도를 나타내는 파라미터)와 관련된 캡슐을 이용하여 플랜을 생성할 수 있다. 일 실시 예에서, 플래너 모듈(225)은 의도(또는, 의도를 나타내는 파라미터)와 관련된 캡슐에 포함된 복수의 컨셉들과 복수의 동작들을 이용하여 플랜을 생성할 수 있다.
일 실시 예에서, 플래너 모듈(225)은 생성된 플랜을 실행 모듈(230)에게 전달할 수 있다.
일 실시 예에서, 실행 모듈(230)은, 생성된 플랜을 이용하여 결과를 산출할 수 있다. 일 실시 예에서, 실행 모듈(230)은, 생성된 플랜을 이용하여 복수의 동작들을 수행함으로써 결과를 산출할 수 있다. 예를 들어, "전화하기", "재다이얼"이라는 의도에 기초하여 플랜이 생성된 경우, 실행 모듈(230)은 전화 어플리케이션을 이용하여 이전에 전화한 상대방의 전화 번호로 전화를 연결할 수 있다.
일 실시 예에서, 자연어 생성 모듈(240)은, 비속어 감지 모듈(241), 및/또는 비속어 처리 모듈(243)을 포함할 수 있다.
일 실시 예에서, 자연어 생성 모듈(240)은, 사용자 입력 및/또는 자연어 입력에 대응하는 텍스트 데이터를 생성할 수 있다. 일 실시 예에서, 자연어 생성 모듈(240)은, 자연어 이해 모듈(220)의 출력(의도(또는, 의도를 나타내는 파라미터)), 및/또는 플래너 모듈(225)의 출력(플랜)에 기초하여 텍스트 데이터를 생성할 수 있다. 일 실시 예에서, 자연어 생성 모듈(240)은, 사용자 입력 및/또는 자연어 입력에 따라 생성된 플랜의 수행 여부를 나타내기 위한 텍스트 데이터를 생성할 수 있다. 일 실시 예에서, 자연어 생성 모듈(240)이 생성한 텍스트 데이터는 제1 자연어 출력으로도 지칭될 수 있다.
예를 들어, 자연어 생성 모듈(240)은, "방금 전에 전화한 곳으로 다시 전화해줘"라는 사용자 발화에 대해, "방금 전에 전화한 곳으로 전화할게요"라는 텍스트 데이터를 생성할 수 있다. 다른 예를 들어, 자연어 생성 모듈(240)은, "방금 전에 전화한 곳으로 다시 전화해줘"라는 사용자 발화에 대해, "매탄동 개새끼에게 전화할게요"라는 텍스트 데이터를 생성할 수 있다. 여기에서, "매탄동 개새끼"는 주소록에 저장된 방금 전에 전화한 상대방을 나타내는 명칭일 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은, 비속어의 허용 여부를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은, 사용자 DB(270)를 참조하여 사용자의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은, 캡슐 DB(280)를 참조하여 캡슐의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은, 생성된 플랜에 기초하여 캡슐의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은, 생성된 플랜과 연관된 캡슐의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 생성된 플랜은 자연어 입력에 기초하여 생성된 플랜일 수 있다. 예를 들어, 비속어 감지 모듈(241)은, 제1 캡슐(281)의 비속어 허용 여부 정보(293)에 기초하여 제1 캡슐(281)의 비속어 허용 여부를 식별할 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은 사용자가 비속어 정책 대상인지를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 비속어가 허용되지 않는 경우 사용자가 비속어 정책 대상인지를 식별할 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은 캡슐 DB(280)에 기초하여 사용자가 비속어 정책 대상인지를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 생성된 플랜에 기초하여 캡슐(예: 제1 캡슐(281))의 대상자 프로필 정보(291)에 기초하여 사용자가 비속어 정책 대상인지를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 생성된 플랜과 연관된 캡슐(예: 제1 캡슐(281))의 대상자 프로필 정보(291)에 기초하여 사용자가 비속어 정책 대상인지를 식별할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은, 사용자가 캡슐의 비속어 정책의 대상인지를 식별할 수 있다. 예를 들어, 제1 캡슐(281)이 생성된 플랜에 포함되는 경우, 비속어 감지 모듈(241)은, 제1 캡슐(281)의 대상자 프로필 정보(291)에 기초하여 제1 캡슐(281)의 캡슐의 비속어 정책의 대상을 식별할 수 있다. 일 실시 예에서, 대상자 프로필 정보(291)는 비속어가 허용되는 연령, 및/또는 허용되지 않는 연령에 대한 정보를 포함할 수 있다. 예를 들어, 대상자 프로필 정보(291)에 제1 캡슐(281)이 플랜에 포함될 때 18세 미만의 사용자가 비속어의 사용이 불허되는 것으로 설정된 경우, 비속어 감지 모듈(241)은 사용자가 18세 미만이면 사용자가 제1 캡슐(281)의 비속어 정책의 대상인 것으로 식별할 수 있다.
일 실시 예에서, 대상자 프로필 정보(291)는 캡슐의 비속어 정책의 대상을 세분화하여 저장할 수 있다. 예를 들어, 대상자 프로필 정보(291)는 제1 연령대(예: 18세 이상), 제2 연령대(예: 12세 이상 18세 미만), 제3 연령대(예: 6세 이상 12세 미만), 또는 제4 연령대(예: 6세 미만)로 구분하고, 연령대마다 허용되는 비속어들과 허용되지 않는 비속어들을 정의할 수 있다. 예를 들어, 비속어 "개새끼"는 제1 연령대에서는 허용되지만, 제2, 3, 및 4 연령대에서는 허용되지 않을 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은 자연어 생성 모듈(240)이 생성한 텍스트 데이터(제1 자연어 출력)에서 지정된 비속어를 감지할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 사용자가 비속어 정책 대상인 경우 자연어 생성 모듈(240)이 생성한 텍스트 데이터(제1 자연어 출력)에서 지정된 비속어를 감지할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 비속어가 허용되지 않는 경우 자연어 생성 모듈(240)이 생성한 텍스트 데이터(제1 자연어 출력)에서 지정된 비속어를 감지할 수 있다.
일 실시 예에서, 지정된 비속어는 비속어 사전에 등록된 비속어일 수 있다. 일 실시 예에서, 지정된 비속어는 캡슐 DB(280)의 비속어 사전에 등록된 비속어일 수 있다. 일 실시 예에서, 지정된 비속어는 생성된 플랜에 포함되는 캡슐(예: 제1 캡슐(281))의 비속어 사전(297, 299)에 등록된 비속어일 수 있다. 일 실시 예에서, 지정된 비속어는 자연어 생성 모듈(240)이 관리하는 비속어 사전(242)에 등록된 비속어일 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은 캡슐 DB(280)에 기초하여 제1 자연어 출력에서 지정된 비속어를 감지할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 생성된 플랜에 포함되는 캡슐(예: 제1 캡슐(281))의 비속어 사전(297, 299)에 기초하여 제1 자연어 출력에서 지정된 비속어를 감지할 수 있다. 예를 들어, 제1 캡슐(281)이 생성된 플랜에 포함되는 경우 비속어 감지 모듈(241)은 제1 캡슐(281)의 제1 비속어 사전(297), 및/또는 제2 비속어 사전(299)를 이용하여, 제1 자연어 출력에서 지정된 비속어를 감지할 수 있다. 일 실시 예에서, 비속어 감지 모듈(241)은 자연어 생성 모듈(240)이 관리하는 비속어 사전(242)에 기초하여 제1 자연어 출력에서 지정된 비속어를 감지할 수도 있다.
일 실시 예에서, 제1 비속어 사전(297)은 제1 캡슐(281)이 허용하는 비속어들의 목록을 포함할 수 있다. 일 실시 예에서, 제1 캡슐(281)이 허용하는 비속어들의 목록은 콘텐츠(예: 음악, 영화, 책)의 명칭에 대한 목록을 포함할 수 있다. 일 실시 예에서, 제2 비속어 사전(299)은 제1 캡슐(281)이 허용하지 않는 비속어들의 목록을 포함할 수 있다. 일 실시 예에서, 제1 비속어 사전(297) 및/또는 제2 비속어 사전(299)은 제1 캡슐(281)이 갱신됨에 따라 갱신될 수 있다. 일 실시 예에서, 제1 비속어 사전(297) 및/또는 제2 비속어 사전(299)은 사용자 입력에 기초하여 갱신될 수 있다. 예를 들어, UI(user interface)에 기초하여 입력되는 사용자 입력에 기초하여, 전자 장치(101)는 제1 비속어 사전(297)에 비속어를 추가하거나, 및/또는 제1 비속어 사전(297)에서 비속어를 삭제할 수 있다. 다른 예를 들어, UI에 기초하여 입력되는 사용자 입력에 기초하여, 전자 장치(101)는 제2 비속어 사전(299)에 비속어를 추가하거나, 및/또는 제2 비속어 사전(299)에서 비속어를 삭제할 수 있다. 또 다른 예를 들어, 제1 비속어 사전(297) 및/또는 제2 비속어 사전(299)은 제1 캡슐(281)을 제공하는 서버(예: 서버(108))에 의해 갱신될 수 있다.
일 실시 예에서, 제1 비속어 사전(297) 및/또는 제2 비속어 사전(299)은 비속어의 허용 단계에 따라 설정될 수 있다. 일 실시 예에서, 비속어의 허용 단계는 비속어 각각의 허용 여부를 나타낼 수 있다. 일 실시 예에서, 비속어의 허용 단계는 가장 좁게 비속어가 허용되는 가장 낮은 단계에서 가장 넓게 비속어가 허용되는 가장 높은 단계로 구분될 수 있다. 일 실시 예에서, 가장 낮은 단계와 가장 높은 단계 사이에는 적어도 하나의 중간 단계들이 존재할 수 있다. 예를 들어, 임의 비속어(예: "개새끼")는 중간 단계들 중 제1 단계에서는 허용되지 않고, 제1 단계의 다음 단계인 제2 단계에서는 허용될 수 있다.
일 실시 예에서, 자연어 생성 모듈(240)이 관리하는 비속어 사전(242)은 사전에 설정된 비속어들의 목록을 포함할 수 있다. 일 실시 예에서, 일 실시 예에서, 비속어 사전(242)에 포함된 비속어들의 목록은 사용자 입력에 기초하여 갱신될 수 있다.
일 실시 예에서, 플랜에 포함된 캡슐이 둘 이상인 경우, 비속어 감지 모듈(241)은 둘 이상의 캡슐들 각각에 기초하여 제1 자연어 출력에 포함된 단어들이 비속어인지를 식별할 수 있다. 예를 들어, 제1 자연어 출력이 "매탄동 개새끼에게 지금 안치환의 개새끼들을 듣고 있다고 문자를 보낼 게요"인 경우, 비속어 감지 모듈(241)은 "개새끼"와 "개새끼들"을 비속어로 식별할 수 있다.
일 실시 예에서, 비속어 감지 모듈(241)은 제1 자연어 출력에 포함된 단어들 중 제1 단어가 둘 이상의 캡슐들 모두에 기초하여 비속어로 식별되는 경우 상기 제1 단어를 비속어로 식별할 수 있다. 일실시 예에서, 비속어 감지 모듈(241)은 제1 자연어 출력에 포함된 단어들 중 제1 단어가 둘 이상의 캡슐들 적어도 하나에 기초하여 비속어로 식별되는 경우 상기 제1 단어를 비속어로 식별할 수 있다.
일 실시 예에서, 플랜에 포함된 캡슐이 둘 이상인 경우, 비속어 감지 모듈(241)은 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에 포함된 단어들 중 둘 이상의 캡슐들 각각과 연관된 단어가 비속어인지를 식별할 수 있다. 예를 들어, 비속어 감지 모듈(241)은 주소록과 관련된 캡슐(예: 제1 캡슐(281))에 기초하여 "개새끼"를 비속어로 식별하고, 음악과 관련된 캡슐(예: 제2 캡슐(283))에 기초하여 "개새끼들"을 비속어로 식별할 수 있다.
일 실시 예에서, 비속어 처리 모듈(243)은, 제1 자연어 출력에서 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은, 캡슐 DB(280)를 참조하여 제1 자연어 출력에서 감지된 비속어를 처리할 수 있다. 예를 들어, 제1 캡슐(281)이 생성된 플랜에 포함되는 경우, 비속어 처리 모듈(243)은, 제1 캡슐(281)의 비속어 처리 방식 정보(295)에 기초하여 제1 자연어 출력에서 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 방식 정보(295)는 지정된 비속어에 대한 처리 방식에 대한 정보를 포함할 수 있다. 일 실시 예에서, 비속어에 대한 처리 방식은 비속어의 대체, 비속어에 대한 스크리닝, 비속어의 삭제, 또는 이들의 조합을 포함할 수 있다. 예를 들어, 비속어 처리 방식 정보(295)는 제1 자연어 출력에서 감지된 비속어를 해당 비속어에 대한 대체 표현으로 변경하는 방식을 정의할 수 있다. 예를 들어, 비속어 처리 방식 정보(295)는 제1 자연어 출력에서 감지된 비속어를 지정된 문자(예: 별표(*))로 변경하는 방식을 정의할 수 있다. 예를 들어, 비속어 처리 방식 정보(295)는 제1 자연어 출력에서 감지된 비속어를 생략하는 방식을 정의할 수 있다.
일 실시 예에서, 비속어 처리 모듈(243)은, 제1 자연어 출력에서 감지된 비속어와 관련된 캡슐에 기초하여 감지된 비속어를 처리할 수 있다. 예를 들어, 제1 자연어 출력이 "매탄동 개새끼에게 지금 안치환의 개새끼들을 듣고 있다고 문자를 보낼 게요"인 경우, 비속어 처리 모듈(243)은, "매탄동 개새끼"는 주소록과 관련된 캡슐(예: 제1 캡슐(281))에 기초하여 처리하고, "개새끼들"은 음악과 관련된 캡슐(예: 제2 캡슐(283))에 기초하여 처리할 수 있다. 예를 들어, 주소록과 관련된 캡슐(예: 제1 캡슐(281))은 비속어를 허용하지 않고, 음악과 관련된 캡슐(예: 제2 캡슐(283))은 비속어를 허용하는 경우, 비속어 처리 모듈(243)은, "매탄동 개**에게 지금 안치환의 개새끼들을 듣고 있다고 문자를 보낼 게요"라는 제2 자연어 출력을 생성할 수 있다.
일 실시 예에서, 제1 자연어 출력에서 감지된 비속어가 둘 이상의 캡슐들과 관련된 경우, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 각각의 허용 여부에 기초하여 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 모두가 해당 비속어를 허용하지 않는 경우, 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 중 지정된 비율 이상(예: 50%)의 캡슐이 해당 비속어를 허용하지 않는 경우, 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 중 적어도 하나의 캡슐이 해당 비속어를 허용하는 경우, 감지된 비속어를 처리하지 않을 수 있다.
일 실시 예에서, 비속어 처리 모듈(243)은 제1 자연어 출력에서 비속어로 감지된 단어의 종류에 따라 비속어에 대한 처리를 달리할 수 있다. 일 실시 예에서, 비속어로 감지된 단어가 고유 명사(예: 콘텐츠의 명칭)인 경우, 비속어 처리 모듈(243)은 비속어로 감지된 단어를 비속어로서 처리하지 않을 수 있다. 일 실시 예에서, 비속어로 감지된 단어가 사용자 정의 명사(예: 주소록의 명칭)인 경우, 비속어 처리 모듈(243)은 비속어로 감지된 단어를 비속어로서 처리할 수 있다.
일 실시 예에서, 자연어 출력 모듈(245)은 제1 자연어 출력 또는 제2 자연어 출력 중 하나를 사용자에게 제공할 수 있다. 일 실시 예에서, 자연어 출력 모듈(245)은 제1 자연어 출력 또는 제2 자연어 출력 중 하나를 디스플레이 모듈(160) 및/또는 오디오 모듈(170)을 통해 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 컨텍스트 관리 모듈(250)은, 사용자 DB(270)를 관리할 수 있다. 일 실시 예에서, 사용자 컨텍스트 관리 모듈(250)은 사용자 요청에 기초하여 사용자의 비속어 허용 여부를 갱신할 수 있다. 일 실시 예에서, 사용자 DB(270)는, 사용자의 비속어 허용 여부를 나타내는 정보를 포함할 수 있다.
일 실시 예에서, 캡슐 프로패너티 등록 모듈(260)은, 캡슐 DB(280)를 관리할 수 있다. 일 실시 예에서, 캡슐 프로패너티 등록 모듈(260)은, 캡슐의 비속어 사전에 비속어를 추가하거나, 및/또는 캡슐의 비속어 사전으로부터 비속어를 삭제할 수 있다.
일 실시 예에서, 캡슐 DB(280)는, 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시 예에서, 캡슐(281, 283, 285)은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에서, 캡슐 DB(280)는 CAN(concept action network)의 형태로 복수의 캡슐(281, 283, 285)을 저장할 수 있다.
일 실시 예에서, 캡슐들(281, 283, 285) 각각은 서로 다른 동작(또는, 기능)에 관한 것일 수 있다. 예를 들어, 제1 캡슐(281)은 주소록과 관련된 캡슐일 수 있다. 일 실시 예에서, 제1 캡슐(281)은 주소록과 관련된 어플리케이션의 기능(예: 주소록에 저장된 연락처의 검색, 연락처로의 전화 연결, 및/또는 연락처와의 전화 기록 검색)과 관련된 동작들에 대한 정보를 저장할 수 있다. 다른 예를 들어, 제2 캡슐(283)은 음악과 관련된 캡슐일 수 있다. 일 실시 예에서, 제2 캡슐(283)은 음악과 관련된 어플리케이션의 기능(예: 음악 검색, 및/또는 음악 재생)과 관련된 동작들에 대한 정보를 저장할 수 있다. 또 다른 예를 들어, 일 실시 예에서, 제n 캡슐(285)은 영상과 관련된 캡슐일 수 있다. 일 실시 예에서, 제n 캡슐(285)은 영상과 관련된 어플리케이션의 기능(예: 영상 검색, 및/또는 영상 재생)과 관련된 동작들에 대한 정보를 저장할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 전자 장치(101)의 동작을 나타내는 흐름도이다. 도 3의 동작들은 도 2의 전자 장치(101)의 구성들을 통해 수행될 수 있다.
도 3을 참조하면, 동작 310에서, 전자 장치(101)는 사용자 입력을 수신할 수 있다. 일 실시 예에서, 전자 장치(101)는 오디오 모듈(170)(예: 마이크로폰) 및/또는 입력 모듈(150)(예: 터치 스크린, 키보드)을 통해 사용자 입력을 수신할 수 있다. 일 실시 예에서, 사용자 입력은 음성 입력, 및/또는 텍스트 입력을 포함할 수 있다.
동작 320에서, 전자 장치(101)는 자연어 입력을 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자 입력을 텍스트 데이터로 변환함으로써, 자연어 입력을 식별할 수 있다.
동작 325에서, 전자 장치(101)는 플랜을 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 자연어 입력에서 사용자의 의도(또는, 의도를 나타내는 파라미터)를 파악하고, 파악한 의도에 기초하여 플랜을 식별할 수 있다.
동작 330에서, 전자 장치(101)는 동작을 수행할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에서 정의된 동작을 수행할 수 있다.
동작 340에서, 전자 장치(101)는 제1 자연어 출력을 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자 입력에 대응하는 제1 자연어 출력을 생성할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자 입력의 의도(또는, 의도를 나타내는 파라미터), 및/또는 플랜에 기초하여 제1 자연어 출력을 생성할 수 있다. 일 실시 예에서, 제1 자연어 출력은 사용자 입력에 따른 플랜의 수행 여부를 나타낼 수 있다.
동작 350에서, 전자 장치(101)는 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 비속어가 허용되지 않는지를 판별하고, 비속어가 허용되지 않는 경우 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자가 비속어 정책의 대상인지를 판별하고, 사용자가 비속어 정책의 대상인 경우 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다.
일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐이 정의하는 비속어 사전에 기초하여 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다.
일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다.
일 실시 예에서, 전자 장치(101)는 비속어 감지 모듈(241)은 둘 이상의 캡슐들 각각에 기초하여 제1 자연어 출력에 포함된 단어들이 비속어인지를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에 포함된 단어들 중 둘 이상의 캡슐들 각각과 연관된 단어가 비속어인지를 식별할 수 있다.
일 실시 예에서, 제1 자연어 출력에서 지정된 비속어가 식별되지 않는 경우(아니오 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 제1 자연어 출력에서 지정된 비속어가 식별되는 경우(예 판정), 전자 장치(101)는 동작 370을 수행할 수 있다.
동작 360에서, 전자 장치(101)는 제1 자연어 출력을 제공할 수 있다. 일 실시 예에서, 전자 장치(101)는 제1 자연어 출력을 디스플레이 모듈(160) 및/또는 오디오 모듈(170)(예: 스피커)을 통해 사용자에게 제공할 수 있다.
동작 370에서, 전자 장치(101)는 제2 자연어 출력을 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 제1 자연어 출력에서 감지된 비속어를 처리함으로써, 제2 자연어 출력을 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐이 정의하는 비속어에 대한 처리 방식에 기초하여 제1 자연어 출력에서 감지된 비속어를 처리함으로써 제2 자연어 출력을 식별할 수 있다. 일 실시 예에서, 비속어에 대한 처리 방식은 비속어의 대체, 비속어에 대한 스크리닝, 비속어의 삭제, 또는 이들의 조합을 포함할 수 있다.
일 실시 예에서, 전자 장치(101)는 제1 자연어 출력에서 감지된 비속어와 관련된 캡슐에 기초하여 감지된 비속어를 처리할 수 있다.
일 실시 예에서, 제1 자연어 출력에서 감지된 비속어가 둘 이상의 캡슐들과 관련된 경우, 전자 장치(101)는 감지된 비속어에 대한 둘 이상의 캡슐들 각각의 허용 여부에 기초하여 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 모두가 해당 비속어를 허용하지 않는 경우, 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 중 지정된 비율 이상(예: 50%)의 캡슐이 해당 비속어를 허용하지 않는 경우, 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 비속어 처리 모듈(243)은 감지된 비속어에 대한 둘 이상의 캡슐들 중 적어도 하나의 캡슐이 해당 비속어를 허용하는 경우, 감지된 비속어를 처리하지 않을 수 있다.
동작 380에서, 전자 장치(101)는 제2 자연어 출력을 제공할 수 있다. 일 실시 예에서, 전자 장치(101)는 제2 자연어 출력을 디스플레이 모듈(160) 및/또는 오디오 모듈(170)(예: 스피커)을 통해 사용자에게 제공할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 전자 장치(101)의 동작을 나타내는 흐름도이다. 도 4의 동작들은 도 3의 동작 350 및 동작 370에 포함될 수 있다. 도 4의 동작들은 도 2의 전자 장치(101)의 구성들을 통해 수행될 수 있다.
동작 410에서, 전자 장치(101)는 비속어가 허용되는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자 DB(270)를 참조하여 사용자의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 캡슐 DB(280)를 참조하여 캡슐의 비속어 허용 여부를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 생성된 플랜에 포함되는 캡슐의 비속어 허용 여부를 식별할 수 있다.
일 실시 예에서, 비속어가 허용되는 경우(예 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 비속어가 허용되지 않는 경우(아니오 판정), 전자 장치(101)는 동작 420을 수행할 수 있다.
동작 420에서, 전자 장치(101)는 캡슐에서 정의된 지정된 비속어를 식별할 수 있다. 일 실시 예에서, 지정된 비속어는 비속어 사전에 등록된 비속어일 수 있다. 일 실시 예에서, 비속어 사전은 캡슐 DB(280)에서 관리될 수 있다. 일 실시 예에서, 비속어 사전은 사용자 DB(270)에서 관리될 수 있다.
동작 430에서, 전자 장치(101)는 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다.
일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에서 지정된 비속어가 식별되는지를 판별할 수 있다.
일 실시 예에서, 전자 장치(101)는 비속어 감지 모듈(241)은 둘 이상의 캡슐들 각각에 기초하여 제1 자연어 출력에 포함된 단어들이 비속어인지를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에 포함된 캡슐에 기초하여 제1 자연어 출력에 포함된 단어들 중 둘 이상의 캡슐들 각각과 연관된 단어가 비속어인지를 식별할 수 있다.
일 실시 예에서, 비속어가 식별되지 않는 경우(아니오 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 비속어가 식별되는 경우(예 판정), 전자 장치(101)는 동작 440을 수행할 수 있다.
동작 440에서, 전자 장치(101)는 비속어 처리 방식에 기반하여 제2 자연어 출력을 식별할 수 있다. 일 실시 예에서, 동작 440은 동작 370에 대응할 수 있다.
일 실시 예에서, 전자 장치(101)는 제1 자연어 출력에서 감지된 비속어와 관련된 캡슐에 기초하여 감지된 비속어를 처리할 수 있다. 일 실시 예에서, 제1 자연어 출력에서 감지된 비속어가 둘 이상의 캡슐들과 관련된 경우, 전자 장치(101)는 감지된 비속어에 대한 둘 이상의 캡슐들 각각의 허용 여부에 기초하여 감지된 비속어를 처리할 수 있다.
도 5는 본 개시의 일 실시 예에 따른 전자 장치(101)의 동작을 나타내는 흐름도이다. 도 5의 동작들은 도 4의 동작 410에 포함될 수 있다. 도 5의 동작들은 도 2의 전자 장치(101)의 구성들을 통해 수행될 수 있다.
동작 510에서, 전자 장치(101)는 사용자가 비속어를 허용하는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 사용자 DB(270)를 참조하여 사용자의 비속어 허용 여부를 식별할 수 있다.
일 실시 예에서, 사용자가 비속어를 허용하는 경우(예 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 사용자가 비속어를 허용하지 않는 경우(아니오 판정), 전자 장치(101)는 동작 520을 수행할 수 있다.
동작 520에서, 전자 장치(101)는 캡슐이 비속어를 허용하는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 캡슐 DB(280)에 기초하여 캡슐이 비속어를 허용하는지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 플랜에 포함되는 캡슐(예: 제1 캡슐(281))이 비속어를 허용하는지를 판별할 수 있다.
일 실시 예에서, 캡슐이 비속어를 허용하는 경우(예 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 캡슐이 비속어를 허용하지 않는 경우(아니오 판정), 전자 장치(101)는 동작 530을 수행할 수 있다.
동작 530에서, 전자 장치(101)는 사용자가 비속어 정책 대상인지를 판별할 수 있다. 일 실시 예에서, 전자 장치(101)는 캡슐 DB(280)에 기초하여 사용자가 비속어 정책 대상인지를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 생성된 플랜에 포함되는 캡슐(예: 제1 캡슐(281))의 대상자 프로필 정보(291)에 기초하여 사용자가 비속어 정책 대상인지를 식별할 수 있다.
일 실시 예에서, 사용자가 비속어 정책 대상이 아닌 경우(아니오 판정), 전자 장치(101)는 동작 360을 수행할 수 있다. 일 실시 예에서, 사용자가 비속어 정책 대상인 경우(예 판정), 전자 장치(101)는 동작 420을 수행할 수 있다.
도 6a는 본 개시의 일 실시 예에 따른 전자 장치(101)의 응답을 예시하는 도면이다. 도 6a의 전자 장치(101)는 도 2의 전자 장치(101)에 대응할 수 있다.
도 6a를 참조하면, 사용자(601)는 "방금 전화한 곳으로 다시 전화해줘"라는 입력(610)을 전자 장치(101)에게 제공할 수 있다.
일 실시 예에서, 전자 장치(101)는 입력(610)에 기초하여 방금 전화한 곳으로 다시 전화하기 위한 플랜을 생성하고, 생성된 플랜을 이용하여 복수의 동작들을 수행할 수 있다. 일 실시 예에서, 복수의 동작들의 수행 결과 전자 장치(101)는 방금 전화한 곳으로 전화를 걸 수 있다.
일 실시 예에서, 전자 장치(101)는 전화하기 전, 사용자에게 응답을 제공할 수 있다.
일 실시 예에서, 전자 장치(101)는 주소록에서 방금 전화한 곳과 관련된 명칭("매탄동 개새끼")을 식별할 수 있다. 도 6a를 참조하면, 전자 장치(101)는 식별 결과에 기초하여, "네, 매탄동 개새끼한테 전화 할게요"라는 제1 출력(621)을 생성할 수 있다.
일 실시 예에서, 전자 장치(101)는 제1 출력(621)에서 비속어를 감지할 수 있다. 예를 들어, 전자 장치(101)는 제1 출력(621)에서 "개새끼"를 비속어로 감지할 수 있다.
일 실시 예에서, 전자 장치(101)는 비속어 처리 방식에 기초하여, "네, 매탄동 개**한테 전화 할게요"라는 제2 출력(623), 또는, "네, 방금 전화한 곳으로 다시 전화 할게요"라는 제2 출력(625)을 생성할 수 있다.
일 실시 예에서, 전자 장치(101)는 생성된 제2 출력(623 또는 625)를 사용자(601)에게 제공할 수 있다.
도 6b는 본 개시의 일 실시 예에 따른 전자 장치(101)의 서로 다른 비속어 처리 방식에 따른 응답을 예시하는 도면이다. 도 6b의 전자 장치(101)는 도 2의 전자 장치(101)에 대응할 수 있다.
도 6b를 참조하면, 사용자(601)는 "내가 하는 말 따라해봐 "FUCK YOU"라는 입력(630)을 전자 장치(101)에게 제공할 수 있다. 일 실시 예에서, 전자 장치(101)는 입력(630)에 대한 제1 출력으로 "FUCK YOU"를 생성할 수 있다. 일 실시 예에서, 전자 장치(101)는 "FUCK YOU"에서 "FUCK"을 비속어로 감지할 수 있다. 일 실시 예에서, 전자 장치(101)는 비속어 처리 방식에 기초하여, "F*** YOU"라는 제2 출력(640)을 생성할 수 있다. 일 실시 예에서, 전자 장치(101)는 제2 출력(640)을 사용자(601)에게 제공할 수 있다.
도 6b를 참조하면, 사용자(601)는 "FUCK YOU 틀어줘"라는 입력(650)을 전자 장치(101)에게 제공할 수 있다. 일 실시 예에서, 전자 장치(101)는 입력(650)에 대한 제1 출력(660)으로 "Cee Lo Green의 Fuck You를 틀어 드릴게요"를 생성할 수 있다. 일 실시 예에서, 콘텐츠의 명칭에 대한 비속어가 허용되는 경우, 전자 장치(101)는 제1 출력(660)을 사용자(601)에게 제공할 수 있다. 일 실시 예에서, 사용자(601)는 “FUCKING, 존에게 전화해줘”라는 입력(670)을 전자 장치(101)에게 제공할 수 있다. 일 실시 예에서, 전자 장치(101)는 입력(670)에 대해 “존에게 전화할게요”라는 제1 출력(680)을 생성할 수 있다. 일 실시 예에서, 전자 장치(101)는 제1 출력(680)을 사용자(601)에게 제공할 수 있다.
도 7은 본 개시의 일 실시예에 따른 통합 지능 (integrated intelligence) 시스템을 나타낸 블록도이다.
도 7을 참조하면, 일 실시예의 통합 지능 시스템은 사용자 단말(701), 지능형 서버(800), 및 서비스 서버(900)를 포함할 수 있다.
일 실시 예의 사용자 단말(701)(예: 도 1의 전자 장치(101))은, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV(television), 백색 가전, 웨어러블 장치, HMD (head mounted device), 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 사용자 단말(701)은 통신 인터페이스(790), 마이크(770), 스피커(755), 디스플레이(760), 메모리(730), 및/또는 프로세서(720)를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
통신 인터페이스(790)(예: 도 1의 통신 모듈(190))는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 마이크(770)(예: 도 1의 오디오 모듈(170))는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 스피커(755)(예: 도 1의 음향 출력 모듈(155))는 전기적 신호를 소리(예: 음성)로 출력할 수 있다. 디스플레이(760)(예: 도 1의 디스플레이 모듈(160))는 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이(760)는 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface, GUI)를 표시할 수 있다.
일 실시 예의 메모리(730)(예: 도 1의 메모리(130))는 클라이언트 모듈(731), SDK(software development kit)(733), 및 복수의 어플리케이션들을 저장할 수 있다. 상기 클라이언트 모듈(731), 및 SDK(733)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(731) 또는 SDK(733)는 음성 입력을 처리하기 위한 프레임워크를 구성할 수 있다.
상기 복수의 어플리케이션들(예: 735a, 735b)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 제1 앱(735a), 및/또는 제2 앱(735b)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 어플리케이션들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 어플리케이션들은 프로세서(720)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(720)는 사용자 단말(701)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(720)는 통신 인터페이스(790), 마이크(770), 스피커(755), 및 디스플레이(760)와 전기적으로 연결되어 연결되어 지정된 동작을 수행할 수 있다. 예를 들어, 프로세서(720)는 적어도 하나의 프로세서를 포함할 수 있다.
일 실시 예의 프로세서(720)는 또한 상기 메모리(730)에 저장된 프로그램을 실행하여 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(720)는 클라이언트 모듈(731) 또는 SDK(733) 중 적어도 하나를 실행하여, 음성 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(720)는, 예를 들어, SDK(733)를 통해 복수의 어플리케이션들의 동작을 제어할 수 있다. 클라이언트 모듈(731) 또는 SDK(733)의 동작으로 설명된 이하의 동작들은 프로세서(720)의 실행에 의하여 수행되는 동작일 수 있다.
일 실시 예의 클라이언트 모듈(731)은 음성 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(731)은 마이크(770)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 상기 클라이언트 모듈(731)은 수신된 음성 입력(예: 음성 신호)을 지능형 서버(800)로 송신할 수 있다. 클라이언트 모듈(731)은 수신된 음성 입력과 함께, 사용자 단말(701)의 상태 정보를 지능형 서버(800)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(731)은 수신된 음성 입력에 대응되는 결과를 지능형 서버(800)로부터 수신할 수 있다. 예를 들어, 클라이언트 모듈(731)은 지능형 서버(800)에서 상기 수신된 음성 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 음성 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(731)은 상기 수신된 결과를 디스플레이(760)에 표시할 수 있다.
일 실시 예의 클라이언트 모듈(731)은 수신된 음성 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(731)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이(760)에 표시할 수 있다. 클라이언트 모듈(731)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이에 표시할 수 있다. 사용자 단말(701)은, 다른 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(731)은 지능형 서버(800)로부터 음성 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(731)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(800)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(731)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(800)로 송신할 수 있다. 지능형 서버(800)는 상기 결과 정보를 이용하여 수신된 음성 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(731)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(731)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(731)은 지정된 음성 입력(예: 웨이크 업!)에 대응하여 유기적인 동작을 수행함으로써 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다.
일 실시 예의 지능형 서버(800)는 네트워크(799)(예: 도 1의 제1 네트워크(198) 및/또는 제2 네트워크(199))을 통해 사용자 단말(701)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(800)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(800)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 적어도 하나의 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 및/또는 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 플랜들 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(800)는 생성된 플랜에 따른 결과를 사용자 단말(701)로 송신하거나, 생성된 플랜을 사용자 단말(701)로 송신할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 플랜에 따른 결과를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 플랜에 따른 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
일 실시 예의 지능형 서버(800)는 프론트 엔드(front end)(810), 자연어 플랫폼(natural language platform)(820), 캡슐 데이터베이스(capsule database)(830), 실행 엔진(execution engine)(840), 엔드 유저 인터페이스(end user interface)(850), 매니지먼트 플랫폼(management platform)(860), 빅 데이터 플랫폼(big data platform)(870), 또는 분석 플랫폼(analytic platform)(880)을 포함할 수 있다.
일 실시 예의 프론트 엔드(810)는 사용자 단말(701)에 의하여 수신된 음성 입력을 사용자 단말(701)로부터 수신할 수 있다. 프론트 엔드(810)는 상기 음성 입력에 대응되는 응답을 사용자 단말(701)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(820)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(821), 자연어 이해 모듈(natural language understanding module)(NLU module)(823), 플래너 모듈(planner module)(825), 자연어 생성 모듈(natural language generator module)(NLG module)(827), 및/또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(829)를 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(821)은 사용자 단말(701)로부터 수신된 음성 입력을 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(823)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(823)은 문법적 분석(syntactic analyze) 및/또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(823)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 음성 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다.
일 실시 예의 플래너 모듈(825)은 자연어 이해 모듈(823)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(825)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(825)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(825)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및/또는 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(825)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(825)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(825)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(825)는 복수의 동작 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜를 생성할 수 있다. 상기 플래너 모듈(825)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(830)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(827)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(829)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(820)의 기능의 일부 기능 또는 전체 기능은 사용자 단말(701)에서도 구현가능 할 수 있다. 예를 들어, 사용자 단말(701)이 자동 음성 인식 모듈 및/또는 자연어 이해 모듈을 포함할 수 있다. 사용자 단말(701)이 사용자 음성 명령을 인식한 뒤, 인식된 음성 명령에 대응하는 텍스트 정보를 지능형 서버(800)로 송신할 수 있다. 예를 들어, 사용자 단말(701)이 텍스트 음성 변환 모듈을 포함할 수 있다. 사용자 단말(701)이 지능형 서버(800)로부터 텍스트 정보를 수신하고, 수신된 텍스트 정보를 음성으로 출력할 수 있다.
상기 캡슐 데이터베이스(830)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object)(또는 동작 정보) 및/또는 컨셉 오브젝트(concept object)(또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(830)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(830)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(830)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 음성 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(830)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(830)는 사용자 단말(701)을 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(830)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(830)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(830)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록 하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(830)가 사용자 단말(701) 내에도 구현될 수 있다.
일 실시 예의 실행 엔진(840)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(850)는 산출된 결과를 사용자 단말(701)로 송신할 수 있다. 이에 따라, 사용자 단말(701)은 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(860)은 지능형 서버(800)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(870)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(880)을 지능형 서버(800)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(880)은 지능형 서버(800)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(900)는 사용자 단말(701)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(900)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(900)는 수신된 음성 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(800)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(830)에 저장될 수 있다. 또한, 서비스 서버(900)는 플랜에 따른 결과 정보를 지능형 서버(800)에 제공할 수 있다. 서비스 서버(900)는 네트워크(799)를 통하여 지능형 서버(800) 및/또는 사용자 단말(701)과 통신할 수 있다. 서비스 서버(900)는 별도의 연결을 통하여 지능형 서버(800)와 통신할 수 있다. 도 7에는 서비스 서버(900)가 하나의 서버로 도시되어 있으나, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 서비스 서버(900)의 각각의 서비스(901, 902, 및 903)들 중 적어도 하나는 별도의 서버로 구현될 수 있다.
위에 기술된 통합 지능 시스템에서, 상기 사용자 단말(701)은, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 사용자 단말(701)은 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 사용자 단말(701)은 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)를 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 사용자 단말(701)은 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 사용자 단말(701)은 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 사용자 단말(701)이 지능형 서버(800) 및/또는 서비스 서버와 함께 서비스를 제공하는 경우에는, 상기 사용자 단말은, 상기 마이크(770)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 사용자 단말은, 상기 음성 데이터를 통신 인터페이스(790)를 이용하여 지능형 서버(800)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(800)는 사용자 단말(701)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작 및/또는 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작 및/또는 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 사용자 단말(701)은, 통신 인터페이스(790)를 이용하여 상기 응답을 수신할 수 있다. 사용자 단말(701)은 상기 스피커(755)를 이용하여 사용자 단말(701) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이(760)를 이용하여 사용자 단말(701) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 8은 본 개시의 일 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
상기 지능형 서버(800)의 캡슐 데이터베이스(예: 캡슐 데이터베이스(830))는 CAN(concept action network) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(캡슐A(831), 캡슐B(834))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: 캡슐A(831))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자의 캡슐(예: CP 1(832), CP 2(833), CP3(835), 및/또는 CP4(836))이 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(830a) 및 적어도 하나 이상의 컨셉(830b)을 포함할 수 있다.
상기 자연어 플랫폼(820)은 캡슐 데이터베이스(830)에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(825)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A(831)의 동작들(831a, 832a)과 컨셉들(831b, 832b) 및 캡슐 B(834)의 동작(834a)과 컨셉(834b)를 이용하여 플랜(837)을 생성할 수 있다.
도 9는 본 개시의 일 실시 예에 따른 사용자 단말이 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
사용자 단말(701)은 지능형 서버(800)를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 제1 화면(910)에서, 사용자 단말(701)은 지정된 음성 입력(예: 웨이크 업!)를 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 사용자 단말(701)은, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 지능형 앱에 대응되는 오브젝트(예: 아이콘)(911)를 디스플레이에 표시할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 사용자 단말(701)은 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(701)은 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(913)(예: 입력창)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 제2 화면(915)에서, 사용자 단말(701)은 수신된 음성 입력에 대응되는 결과를 디스플레이에 표시할 수 있다. 예를 들어, 사용자 단말(701)은 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이에 표시할 수 있다.
일 실시 예에 따른 전자 장치(101)는 프로세서(120), 및 인스트럭션들을 저장하는 메모리(130)를 포함하고, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 사용자 입력을 수신하고, 상기 사용자 입력에 대응하는 자연어 입력을 식별하고, 상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하고, 상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하고, 상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 상기 제2 자연어 출력을 식별하고, 상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 자연어 입력에 기초하여 플랜을 식별하고, 상기 플랜에 연관된 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 적어도 하나의 캡슐이 비속어의 사용을 허용하는 경우, 상기 제1 자연어 출력이 상기 사용자에게 제공되도록, 상기 제1 자연어 출력을 출력하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 플랜에 연관된 적어도 하나의 캡슐의 비속어 처리 방식에 기초하여 상기 제1 자연어 출력에서 상기 적어도 하나의 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 허용되는 단어를 식별하고, 상기 적어도 하나의 지정된 단어 중 상기 허용되는 단어를 제외한 나머지 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하도록 구성될 수 있다.
일 실시 예에서, 상기 허용되는 단어는 콘텐츠의 명칭을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 지정된 단어에 대한 처리 방식은 상기 적어도 하나의 지정된 단어의 대체, 상기 적어도 하나의 지정된 단어에 대한 스크리닝, 상기 적어도 하나의 지정된 단어의 삭제, 또는 이들의 조합을 포함할 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 적어도 하나의 캡슐에 기초하여, 상기 전자 장치의 사용자가 비속어 정책의 대상인지를 식별하고, 상기 사용자가 상기 비속어 정책의 대상인 경우, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 적어도 하나의 캡슐이 둘 이상의 캡슐들인 경우, 상기 둘 이상의 캡슐들 각각에 기초하여 상기 제1 자연어 출력에 포함된 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성될 수 있다.
일 실시 예에서, 상기 인스트럭션들은 상기 프로세서(120)에 의해 실행 시, 상기 전자 장치(101)가, 상기 둘 이상의 캡슐들 모두가 허용하지 않는 단어를 상기 적어도 하나의 지정된 단어로 식별하도록 구성될 수 있다.
일 실시 예에 따른 전자 장치(101)의 동작 방법은, 사용자 입력을 수신하는 동작, 상기 사용자 입력에 대응하는 자연어 입력을 식별하는 동작, 상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하는 동작, 상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하는 동작, 상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 상기 제2 자연어 출력을 식별하는 동작, 및 상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하는 동작을 포함할 수 있다.
일 실시 예에 따른 전자 장치(101)의 동작 방법은, 상기 자연어 입력에 기초하여 플랜을 식별하는 동작, 및 상기 플랜에 연관된 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하는 동작을 포함할 수 있다.
일 실시 예에 따른 전자 장치(101)의 동작 방법은, 상기 적어도 하나의 캡슐이 비속어의 사용을 허용하는 경우, 상기 제1 자연어 출력이 상기 사용자에게 제공되도록, 상기 제1 자연어 출력을 출력하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 제2 자연어 출력을 식별하는 동작은, 상기 플랜에 연관된 적어도 하나의 캡슐의 비속어 처리 방식에 기초하여 상기 제1 자연어 출력에서 상기 적어도 하나의 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 제2 자연어 출력을 식별하는 동작은, 상기 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 허용되는 단어를 식별하는 동작, 및 상기 적어도 하나의 지정된 단어 중 상기 허용되는 단어를 제외한 나머지 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 허용되는 단어는 콘텐츠의 명칭을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 지정된 단어에 대한 처리 방식은 상기 적어도 하나의 지정된 단어의 대체, 상기 적어도 하나의 지정된 단어에 대한 스크리닝, 상기 적어도 하나의 지정된 단어의 삭제, 또는 이들의 조합을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 지정된 단어를 식별하는 동작은, 상기 적어도 하나의 캡슐에 기초하여, 상기 전자 장치의 사용자가 비속어 정책의 대상인지를 식별하는 동작, 및 상기 사용자가 상기 비속어 정책의 대상인 경우, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 지정된 단어를 식별하는 동작은, 상기 적어도 하나의 캡슐이 둘 이상의 캡슐들인 경우, 상기 둘 이상의 캡슐들 각각에 기초하여 상기 제1 자연어 출력에 포함된 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 적어도 하나의 지정된 단어를 식별하는 동작은, 상기 둘 이상의 캡슐들 모두가 허용하지 않는 단어를 상기 적어도 하나의 지정된 단어로 식별하는 동작을 포함할 수 있다.
일 실시 예에서, 사용자 입력에 대응하는 자연어 입력을 식별하는 동작은, 사용자 입력을 텍스트 데이터로 변환하는 동작을 포함한다.
일 실시 예에서, 제1 자연어 출력은 사용자 입력의 의도에 기반한다.
일 실시 예에서, 제1 자연어 출력은 사용자 입력에 따른 플랜을 실행할지 여부의 지시를 포함한다.
일 실시 예에서, 상기 방법은 목표 프로파일 정보에 기반하여 사용자 입력에 대한 비속어 정책 목표를 결정하는 동작을 포함한다.
본 문서에 개시된 다양한 실시 예들에 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 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예들로 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시 예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시 예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시 예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시 예들에 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 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    프로세서, 및
    인스트럭션들을 저장하는 메모리를 포함하고,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    사용자 입력을 수신하고,
    상기 사용자 입력에 대응하는 자연어 입력을 식별하고,
    상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하고,
    상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하고,
    상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 제2 자연어 출력을 식별하고,
    상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하도록 구성되는 전자 장치.
  2. 청구항 1에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 자연어 입력에 기초하여 플랜을 식별하고,
    상기 플랜에 연관된 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성되는 전자 장치.
  3. 청구항 2에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 적어도 하나의 캡슐이 비속어의 사용을 허용하는 경우, 상기 제1 자연어 출력이 상기 사용자에게 제공되도록, 상기 제1 자연어 출력을 출력하도록 구성되는
    전자 장치.
  4. 청구항 2에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 플랜에 연관된 적어도 하나의 캡슐의 비속어 처리 방식에 기초하여 상기 제1 자연어 출력에서 상기 적어도 하나의 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하도록 구성되는
    전자 장치.
  5. 청구항 4에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 허용되는 단어를 식별하고,
    상기 적어도 하나의 지정된 단어 중 상기 허용되는 단어를 제외한 나머지 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하도록 구성되는 전자 장치.
  6. 청구항 5에 있어서,
    상기 허용되는 단어는 콘텐츠의 명칭을 포함하는 전자 장치.
  7. 청구항 4에 있어서,
    상기 적어도 하나의 지정된 단어에 대한 처리 방식은 상기 적어도 하나의 지정된 단어의 대체, 상기 적어도 하나의 지정된 단어에 대한 스크리닝, 상기 적어도 하나의 지정된 단어의 삭제, 또는 이들의 조합을 포함하는 전자 장치.
  8. 청구항 2에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 적어도 하나의 캡슐에 기초하여, 상기 전자 장치의 사용자가 비속어 정책의 대상인지를 식별하고,
    상기 사용자가 상기 비속어 정책의 대상인 경우, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성되는
    전자 장치.
  9. 청구항 2에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 적어도 하나의 캡슐이 둘 이상의 캡슐들인 경우, 상기 둘 이상의 캡슐들 각각에 기초하여 상기 제1 자연어 출력에 포함된 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하도록 구성되는
    전자 장치.
  10. 청구항 9에 있어서,
    상기 인스트럭션들은 상기 프로세서에 의해 실행 시, 상기 전자 장치가,
    상기 둘 이상의 캡슐들 모두가 허용하지 않는 단어를 상기 적어도 하나의 지정된 단어로 식별하도록 구성되는
    전자 장치.
  11. 전자 장치의 동작 방법에 있어서,
    사용자 입력을 수신하는 동작,
    상기 사용자 입력에 대응하는 자연어 입력을 식별하는 동작,
    상기 자연어 입력에 대응하는 제1 자연어 출력을 식별하는 동작,
    상기 제1 자연어 출력에 포함된 적어도 하나의 단어에서 적어도 하나의 지정된 단어를 식별하는 동작,
    상기 적어도 하나의 지정된 단어가 식별됨에 기초하여, 제2 자연어 출력을 식별하는 동작, 및
    상기 제2 자연어 출력이 사용자에게 제공되도록, 상기 제2 자연어 출력을 출력하는 동작을 포함하는 방법.
  12. 청구항 11에 있어서,
    상기 자연어 입력에 기초하여 플랜을 식별하는 동작, 및
    상기 플랜에 연관된 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 상기 적어도 하나의 지정된 단어를 식별하는 동작을 포함하는 방법.
  13. 청구항 12에 있어서,
    상기 적어도 하나의 캡슐이 비속어의 사용을 허용하는 경우, 상기 제1 자연어 출력이 상기 사용자에게 제공되도록, 상기 제1 자연어 출력을 출력하는 동작을 포함하는 방법.
  14. 청구항 12에 있어서,
    상기 제2 자연어 출력을 식별하는 동작은,
    상기 플랜에 연관된 적어도 하나의 캡슐의 비속어 처리 방식에 기초하여 상기 제1 자연어 출력에서 상기 적어도 하나의 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하는 동작을 포함하는 방법.
  15. 청구항 14에 있어서,
    상기 제2 자연어 출력을 식별하는 동작은,
    상기 적어도 하나의 캡슐에 기초하여, 상기 적어도 하나의 단어에서 허용되는 단어를 식별하는 동작, 및
    상기 적어도 하나의 지정된 단어 중 상기 허용되는 단어를 제외한 나머지 지정된 단어를 처리함으로써, 상기 제2 자연어 출력을 식별하는 동작을 포함하는 방법.
PCT/KR2022/010434 2021-07-26 2022-07-18 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법 WO2023008798A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/870,246 US20230027222A1 (en) 2021-07-26 2022-07-21 Electronic device for managing inappropriate answer and operating method thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210097844A KR20230016398A (ko) 2021-07-26 2021-07-26 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
KR10-2021-0097844 2021-07-26

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/870,246 Continuation US20230027222A1 (en) 2021-07-26 2022-07-21 Electronic device for managing inappropriate answer and operating method thereof

Publications (1)

Publication Number Publication Date
WO2023008798A1 true WO2023008798A1 (ko) 2023-02-02

Family

ID=85087038

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010434 WO2023008798A1 (ko) 2021-07-26 2022-07-18 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법

Country Status (2)

Country Link
KR (1) KR20230016398A (ko)
WO (1) WO2023008798A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130127099A (ko) * 2012-05-14 2013-11-22 한국과학기술원 욕설 제거 방법 및 시스템
US20190050397A1 (en) * 2013-02-08 2019-02-14 Mz Ip Holdings, Llc Systems and methods for multi-user mutli-lingual communications
KR20200023088A (ko) * 2018-08-24 2020-03-04 삼성전자주식회사 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR20200104544A (ko) * 2019-02-27 2020-09-04 한국전력공사 대화 의도 실시간 분석 방법
KR102244982B1 (ko) * 2019-12-31 2021-04-27 성균관대학교산학협력단 이미지 학습을 이용한 텍스트 필터링 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130127099A (ko) * 2012-05-14 2013-11-22 한국과학기술원 욕설 제거 방법 및 시스템
US20190050397A1 (en) * 2013-02-08 2019-02-14 Mz Ip Holdings, Llc Systems and methods for multi-user mutli-lingual communications
KR20200023088A (ko) * 2018-08-24 2020-03-04 삼성전자주식회사 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR20200104544A (ko) * 2019-02-27 2020-09-04 한국전력공사 대화 의도 실시간 분석 방법
KR102244982B1 (ko) * 2019-12-31 2021-04-27 성균관대학교산학협력단 이미지 학습을 이용한 텍스트 필터링 방법 및 장치

Also Published As

Publication number Publication date
KR20230016398A (ko) 2023-02-02

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022131566A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2021096281A1 (en) Voice input processing method and electronic device supporting same
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2022196994A1 (ko) 개인화 텍스트 투 스피치 모듈을 포함하는 전자 장치 및 이의 제어 방법
WO2024043729A1 (ko) 전자 장치 및 전자 장치의 사용자에 대한 응답 처리 방법
WO2024106913A1 (ko) 발화를 처리하기 위한 전자 장치, 그 동작 방법 및 저장 매체
WO2022186440A1 (ko) 사용자 발화를 처리하기 위한 전자 장치 및 그 동작 방법
WO2022182038A1 (ko) 음성 명령 처리 장치 및 방법
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2023008781A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024043670A1 (ko) 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2024058524A1 (ko) 오거부 판단 방법 및 이를 수행하는 전자 장치

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: 22849774

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE