WO2023136490A1 - 발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치 - Google Patents

발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치 Download PDF

Info

Publication number
WO2023136490A1
WO2023136490A1 PCT/KR2022/020798 KR2022020798W WO2023136490A1 WO 2023136490 A1 WO2023136490 A1 WO 2023136490A1 KR 2022020798 W KR2022020798 W KR 2022020798W WO 2023136490 A1 WO2023136490 A1 WO 2023136490A1
Authority
WO
WIPO (PCT)
Prior art keywords
vectors
language
electronic device
text string
code
Prior art date
Application number
PCT/KR2022/020798
Other languages
English (en)
French (fr)
Inventor
이정표
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
Priority claimed from KR1020220046238A external-priority patent/KR20230108675A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US18/095,894 priority Critical patent/US20230237283A1/en
Publication of WO2023136490A1 publication Critical patent/WO2023136490A1/ko

Links

Images

Classifications

    • 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
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/126—Character encoding
    • G06F40/129—Handling non-Latin characters, e.g. kana-to-kanji conversion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/263—Language identification

Definitions

  • Various embodiments disclosed in this document relate to a method of searching for text in different languages based on pronunciation and an electronic device to which the same is applied.
  • Some electronic devices provide users with ways to search for text in different languages.
  • a user may search for texts in different languages using text information such as text meaning or sound.
  • a notation method or a converter corresponding to each language pair may be required. For example, if you want to search for similar pronunciations of text in 3 languages, you need 3 methods or 3 converters, and if you want to search for similar pronunciations in text in 4 languages, you need 6 methods or 6 converters. may be needed
  • Embodiments described further in this specification provide a more versatile and efficient method for searching text in another language based on a change in pronunciation of the text.
  • An electronic device includes a memory and a processor connected to the memory, wherein the memory, when executed, identifies a language of an input text string received from a user, The input text sequence is converted into a standard text sequence based on the language of the input text sequence and a standard conversion table, and the standard text sequence is converted into a code sequence based on a code conversion table, the order of codes included in the code sequence, and Based on two consecutive codes, a plurality of first vectors are generated, the plurality of first vectors are compared with a plurality of index vectors stored in the memory, and based on the comparison, the plurality of first vectors are compared.
  • a method for searching text in a different language based on pronunciation performed by an electronic device includes an operation of identifying a language of an input text string received from a user, and converting the language and standard of the input text string.
  • a language of the input text string may be different from a language of the output text string, and a pronunciation of the input text string may correspond to a pronunciation of the output text string.
  • a non-transitory computer-readable storage medium may store a program for an electronic device to perform a text search method of a heterogeneous language based on pronunciation.
  • the method includes identifying the language of an input text string received from a user, converting the input text string into a standard text string based on the language of the input text string and a standard conversion table, Based on the code conversion table, Converting the standard text string into a code string, generating a plurality of first vectors based on the sequence of codes included in the code string and two consecutive codes, and converting the plurality of first vectors into the electronic device Comparing with a plurality of index vectors stored in a memory of, based on the comparison, identifying a plurality of second vectors having a similarity with the plurality of first vectors or more than a threshold value among the plurality of index vectors. and providing an output text string corresponding to the plurality of second vectors to the user.
  • the language of the input text string may be different from the
  • the electronic device may search for text having the same or similar pronunciation among different languages as the language in which the text is input to the electronic device, based on a change in pronunciation of the text.
  • the electronic device may analyze the language of text input to the electronic device based on data such as a setting language of the electronic device, a setting country of the electronic device, or location information of the electronic device. there is. Accordingly, the electronic device may identify the meaning and/or meaning of each text written in different languages. Each of texts written in different languages may have the same writing system (eg, Roman alphabet).
  • a user may search for the text by using a pronunciation of the text and a language of pronunciation corresponding to the text, even if the user does not know the language and meaning of the text to be searched for.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments.
  • 2A is a block diagram illustrating an electronic device disclosed in this document.
  • 2B is a block diagram illustrating components included in an electronic device disclosed in this document.
  • FIG. 3 is a block diagram illustrating the language identification module disclosed in this document.
  • 4A is a block diagram illustrating a language conversion module disclosed in this document.
  • 4B is a block diagram illustrating a language conversion module disclosed in this document.
  • 4C is a block diagram illustrating a language conversion module disclosed in this document.
  • FIG. 5 is a block diagram illustrating a code conversion module disclosed in this document.
  • FIG. 6 is a block diagram illustrating the vector generation module disclosed in this document.
  • FIG. 7 is a diagram for performing an indexing operation according to an embodiment disclosed in this document.
  • FIG. 8 is a diagram for performing a querying operation according to an embodiment disclosed in this document.
  • 9 is a flowchart for performing the method disclosed herein.
  • FIG. 1 is a block diagram of an electronic device 101 within 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 through a second network 199. It is possible to communicate with the electronic device 104 or the server 108 through (eg, a long-distance wireless communication network). According to one 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
  • the server 108 e.g, a long-distance wireless communication network
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, 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 the 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.
  • some of these components eg, sensor module 176, camera module 180, or antenna module 197) are integrated into a single component (eg, display module 160). It can be.
  • the processor 120 for example, executes software (eg, the program 140) to cause at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120. It can control and perform various data processing or calculations. According to one embodiment, as at least part of data processing or operation, the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • software eg, the program 140
  • the processor 120 transfers instructions or data received from other components (e.g., sensor module 176 or communication module 190) to volatile memory 132. , processing commands or data stored in the volatile memory 132 , and storing resultant data in the non-volatile memory 134 .
  • the processor 120 may include a 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 ( NPU: neural processing unit (NPU), image signal processor, sensor hub processor, or communication processor).
  • a main processor 121 eg, 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 (NPU), image signal processor, sensor hub processor, or communication processor.
  • NPU neural network processing unit
  • the secondary processor 123 may be implemented separately from or as part of the main processor 121 .
  • the secondary processor 123 may, for example, take the place 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, running an application). ) state, 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 auxiliary processor 123 eg, image signal processor or communication processor
  • the auxiliary processor 123 may include a hardware structure specialized for processing an artificial intelligence model.
  • AI models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself where 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 foregoing, but is not limited to the foregoing examples.
  • the artificial intelligence model may include, in addition or alternatively, software structures in addition to hardware structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101 .
  • the data may include, for example, input data or output data for software (eg, program 140) and commands related thereto.
  • the memory 130 may include volatile memory 132 or 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 by a component (eg, the processor 120) of the electronic device 101 from the outside of the electronic device 101 (eg, a user).
  • 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 sound signals 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.
  • a receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 may visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor set to detect a touch or a pressure sensor set to measure the intensity of force generated by the touch.
  • the audio module 170 may convert sound into an electrical signal or vice versa. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device connected directly or wirelessly to the electronic device 101 (eg: Sound may be output through the electronic device 102 (eg, a speaker or a headphone).
  • the sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, a user state), and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a bio sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device 101 to 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 interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 may 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 electrical signals into mechanical stimuli (eg, vibration or motion) or electrical stimuli that a user may perceive through tactile or kinesthetic senses.
  • 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 one 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 at least part of a power management integrated circuit (PMIC), for example.
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101 .
  • the 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). Establishment and communication through the established communication channel may be supported.
  • 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 wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : a local area network (LAN) communication module or a power line communication module).
  • a wireless communication module 192 eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 eg, : a local area network (LAN) communication module or a power line communication module.
  • a corresponding communication module 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 telecommunications network such as a computer network (eg, a LAN or a WAN).
  • a telecommunications network such as a computer network (eg, a LAN or a WAN).
  • These various types of communication modules may be integrated as one component (eg, a single chip) or implemented as a plurality of separate components (eg, multiple chips).
  • the wireless communication module 192 uses 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.
  • subscriber information eg, International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • 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, NR access technology (new radio access technology).
  • NR access technologies include high-speed transmission of high-capacity data (enhanced mobile broadband (eMBB)), minimization of terminal power and access of multiple terminals (massive machine type communications (mMTC)), or high reliability and low latency (ultra-reliable and low latency (URLLC)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low latency
  • -latency communications can be supported.
  • the wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example.
  • the wireless communication module 192 uses various technologies for securing performance in a high frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. Technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna may be supported.
  • the wireless communication module 192 may support various requirements defined for 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 is a peak data rate for eMBB realization (eg, 20 Gbps or more), a loss coverage for mMTC realization (eg, 164 dB or less), or a U-plane latency for URLLC realization (eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less) may be supported.
  • eMBB peak data rate for eMBB realization
  • a loss coverage for mMTC realization eg, 164 dB or less
  • U-plane latency for URLLC realization eg, Example: downlink (DL) and uplink (UL) each of 0.5 ms or less, or round trip 1 ms or less
  • the antenna module 197 may transmit or receive signals or power to the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • 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 selected from the plurality of antennas by the communication module 190, for example. can be chosen 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) may be additionally formed as a part of the antenna module 197 in addition to the radiator.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • the mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first surface (eg, a lower surface) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, array antennas) disposed on or adjacent to a second surface (eg, a top surface or a side surface) 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)
  • signal e.g. commands or data
  • commands 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 part of operations executed in the electronic device 101 may be executed in one or more external electronic devices among the external electronic devices 102 , 104 , or 108 .
  • the electronic device 101 when the electronic device 101 needs to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device 101 instead of executing the function or service by itself.
  • one or more external electronic devices may be requested to perform the function or at least part of the service.
  • One or more external electronic devices receiving 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 deliver the execution result to the electronic device 101 .
  • the electronic device 101 may provide the result as at least part of a response to the request as it is or additionally processed.
  • 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. According to one embodiment, the external electronic device 104 or server 108 may be included in the second network 199 .
  • the electronic device 101 may be applied to intelligent services (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.
  • 2A is a block diagram of an electronic device disclosed in this document.
  • the electronic device 200a (eg, the electronic device 101 of FIG. 1 ) includes a processor 210a (eg, the processor 120 of FIG. 1 ) and a memory 220a (eg, the electronic device 101 of FIG. 1 ). of the memory 130).
  • a processor 210a eg, the processor 120 of FIG. 1
  • a memory 220a eg, the electronic device 101 of FIG. 1 . of the memory 130.
  • the memory 220a may store various data and/or information used in the electronic device 200a.
  • the memory 220a may store instructions for controlling the operation of the electronic device 200a when executed by the processor 210a.
  • the memory 220a may at least temporarily store data used to perform the operation of the electronic device 200a.
  • the memory 220a may store queries.
  • the query may include a text string input by the user (eg, the input text string 310 of FIG. 3 ).
  • the query may include a search request for a text string written in a language different from that of the input text string 310 , among text strings having the same or similar pronunciation as the input text string 310 .
  • the memory 220a may store a formatted query.
  • the formatted query may have a format that allows the processor 210a to perform a series of operations based on the query.
  • the memory 220a may store an index (eg, the index 230 of FIG. 2B).
  • the index 230 may include a plurality of text columns. A plurality of text columns may be stored based on the same language and/or different languages.
  • the index 230 may include a plurality of vectors (eg, a plurality of index vectors) respectively corresponding to a plurality of text columns.
  • the memory 220a may store data for generating the index 230 .
  • the memory 220a may store at least one of contact data, image data, video data, application data, document data, and/or other data.
  • the memory 220a may store a text column based on data for generating the index 230 and a vector corresponding to the text column.
  • the memory 220a may include an input text column 310, an input text vector corresponding to the input text column 310, language identification data (eg, language identification data 320 of FIG. 3), and language identification.
  • language identification vector corresponding to the data 320, the language of the input text sequence (eg, the language 330 of the input text sequence of FIG. 3), and the probability corresponding to the language 330 of the input text sequence may be stored.
  • the memory 220a may store a probability corresponding to the language 330 of the input text string in the form of a scalar and/or vector.
  • the memory 220a may store a standard text column (eg, the standard text column 410 of FIG. 4A ) corresponding to the input text column 310 .
  • the memory 220a may store a standard conversion table.
  • the memory 220a may store a code string (eg, the code string 510 of FIG. 5 ) corresponding to the standard text string 410 .
  • the memory 220a may store a code conversion table.
  • the memory 220a may store a vector column (eg, a plurality of first vectors 610 of FIG. 6 ) corresponding to the code column 510 .
  • the processor 210a may collect data for generating the index 230 from the memory 220a.
  • the processor 210a collects at least one of contact data, image data, video data, application data, document data, and/or other data from the memory 220a as data for generating the index 230. can do.
  • the processor 210a may generate the index 230 based on data for generating the index 230 .
  • the processor 210a may store data for generating the index 230 in the previously created index 230 .
  • the processor 210a may store a text column based on data for generating the index 230 and a vector corresponding to the text column in the index 230 .
  • the processor 210a may receive a query from a user.
  • a query may include an input text string 310 .
  • the query may include a search request for a text string written in a language different from that of the input text string 310 , among text strings having the same or similar pronunciation as the input text string 310 .
  • the query may include a search request for a text column written in a language other than “Korean,” among text columns having the same or similar pronunciation as “Francesca.”
  • the processor 210a may generate a formatted query based on the query.
  • the formatted query may have a format that allows the processor 210a to perform a series of operations based on the query.
  • the series of operations may include operations such as processor 210a using, processing, processing, transforming, and/or deleting a query.
  • the processor 210a may search the index 230 based on a formatted query.
  • the processor 210a may generate a vector (eg, a plurality of first vectors 610 ) corresponding to the input text column 310 based on the input text column 310 included in the formatted query.
  • a method of generating the plurality of first vectors 610 based on the input text string 310 by the processor 210a will be described in detail below.
  • the processor 210a may identify the language 330 of the input text string based on the input text string 310 and the language identification data 320 .
  • the processor 210a may generate an input text vector by converting the input text string 310 into a vector through one hot encoding.
  • the processor 210a may generate a language identification vector by converting content included in the language identification data 320 into a vector.
  • the processor 210a may generate a plurality of language identification vectors by converting each of the plurality of contents into a vector.
  • the processor 210a inputs an input based on a convolutional neural networks (CNN) algorithm, a recurrent neural networks (RNN) algorithm, or a feedforward neural networks (FNN) algorithm. It can process values (e.g. input text column vectors and/or language identification vectors).
  • CNN convolutional neural networks
  • RNN recurrent neural networks
  • FNN feedforward neural networks
  • the processor 210a may output a probability corresponding to the language 330 of the input text string in the form of a scalar and/or vector. For example, processor 210a takes a probability that input text column 310 is written in English at about 76%, a probability that input text column 310 is written in French at about 23%, and input text column 310 is written in French at about 23%. It can output the probability written in this other language to about 1%.
  • the processor 210a may convert the input text string 310 into a standard text string 410.
  • the processor 210a may access standard conversion tables stored in the memory 220a.
  • the processor 210a may convert the input text string 310 to a standard text string 410 based on the language of the input text string (eg, the language 330 of the input text string in FIG. 3) and/or a standard conversion table. can
  • the processor 210a may generate a standard conversion table based on rules and/or rules for converting a language into a specified notation. For example, the processor 210a may generate a standard conversion table based on a romanization rule or an international phonetic alphabet (IPA) rule. The processor 210a may store the generated standard conversion table in the memory 220a.
  • IPA international phonetic alphabet
  • the processor 210a may convert the input text sequence 310 into a standard text sequence 410 based on the language 330 of the input text sequence and/or a standard conversion table. For example, when the language 330 of the input text column is Japanese and the standard conversion table is generated based on the Romanization system, the processor 210a converts “Francheska” to “Franchesuka” based on Japanese and the Romanization system. can
  • the processor 210a may transmit an input text string 310 to be converted into a standard text string 410 to an external server (eg, the server 108 of FIG. 1 ).
  • the external server 108 may convert the received input text string 310 into a standard text string 410 through a language conversion module (eg, the language conversion module 460 of FIG. 4B ).
  • the processor 210a may receive a standard text string 410 corresponding to the input text string 310 from the external server 108 .
  • the processor 210a includes at least one language conversion module (eg, the first language of FIG. 4C) among language conversion modules (eg, the language conversion module 460 of FIG. 4C) stored in the external server 108.
  • a signal requesting download of the conversion module 265 may be transmitted to the external server 108 .
  • the external server 108 may transmit the first language conversion module 265 to the electronic device 200a in response to the signal received from the processor 210a.
  • the processor 210a may convert the input text string 310 into a standard text string 410 based on the first language conversion module 265 .
  • the processor 210a may convert a standard text string 410 into a code string 510.
  • the processor 210a may access the code conversion table stored in the memory 220a.
  • the processor 210a may convert the standard text string 410 into a code string (eg, the code string 510 of FIG. 5 ) based on the code conversion table. For example, the processor 210a may convert the standard text string 410 “Furanchesuka” into the code string 510 “106052002020”.
  • the processor 210a may generate a code conversion table by classifying characters having similar pronunciations into a plurality of groups and setting a code corresponding to each group.
  • the processor 210a may refer to rules for generating the standard conversion table in the process of generating the code conversion table. For example, when the processor 210a generates a standard conversion table based on Romanization, the processor 210a may generate a code conversion table based on Roman characters having similar pronunciations.
  • the processor 210a may generate a vector column such as a plurality of first vectors 610 based on the code column 510 .
  • the processor 210a generates a plurality of first vectors based on the order of codes included in the code string 510 (eg, a code order of a forward-order code string or a code order of a reverse-order code string) and two consecutive codes. s 610 can be created.
  • the processor 210a may generate a plurality of first vectors 610 based on a bigram method.
  • the processor 210a may generate a plurality of first vectors 610 based on a unigram method and/or a trigram method.
  • the order of codes is such that any one code included in the code string 510 starts from the start code of the code string 510 (eg, a start code of a forward code string or a start code of a reverse code string). You can indicate which order it is.
  • the order of the start codes of the code string 510 is set to be the '0' order. For example, when the code string 510 is “106052002020”, “1” may correspond to the 0th order. A “0” following a “1” may correspond to the first order. “6” can correspond to the second order.
  • two consecutive codes may represent any one code included in the code string 510 and a code following the one code.
  • the code string 510 “106052002020” may include two consecutive codes such as “10”, “06”, “60”, “05”, “52”, or “20”. .
  • the processor 210a may generate a plurality of first vectors 610 based on the order of codes and two consecutive codes. For example, if the code string 510 is “106052002020”, the processor 210a performs [[0,1,0], [1,0,6], [2,6,0], [3,0 ,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2] , [10,2,0]].
  • the processor 210a may compare the plurality of first vectors 610 with the plurality of index vectors stored in the index 230 .
  • the processor 210a may compare the plurality of first vectors 610 and the plurality of index vectors to determine a degree of similarity between the two vectors.
  • a method of determining the degree of similarity between two vectors by the processor 210a may include a plurality of operations. Details of the plurality of operations will be described below.
  • the processor 210a when the lengths of two arbitrary vectors (eg, the plurality of first vectors 610 and the plurality of index vectors) are different from each other, the processor 210a normalizes the lengths of the two vectors, respectively. )can do.
  • the processor 210a may compare patterns and/or gradients of two vectors whose lengths are normalized.
  • the processor 210a may determine that the two vectors are similar when the degree of similarity between the two vectors whose lengths are normalized is greater than or equal to a threshold value.
  • the threshold may be a value set in the system or a value set by a user.
  • the processor 210a may determine a similarity between two arbitrary vectors based on a cosine similarity method. For example, the processor 210a may determine similarities between the plurality of first vectors 610 and the plurality of index vectors based on a cosine similarity method.
  • the processor 210a may identify a plurality of second vectors similar to the plurality of first vectors 610 from among a plurality of index vectors.
  • the processor 210a may retrieve an output text string corresponding to the plurality of second vectors from the index 230 .
  • the output text string may be a text string written in a language different from the language in which the input text string 310 is written, with the same and/or similar pronunciation as the input text string 310.
  • the processor 210a may return an output text string to the user.
  • 2B is a block diagram illustrating components included in an electronic device disclosed in this document.
  • an electronic device 200b may include an application 210 , a search engine 220 , and/or an index 230 .
  • the application 210 may receive a query from a user.
  • the query may include a text column input by the user (hereinafter referred to as 'input text column').
  • the query may include a search request for a text column written in a language different from that of the input text column 310 among text columns having the same or similar pronunciation as the input text column (eg, the input text column 310 of FIG. 3 ). there is.
  • input text string 310 may include words, phrases, clauses, and/or sentences.
  • the search engine 220 may include a query generation module 221, an analysis module 240, a search module 290, an index creation module 223, and/or a data collection module 225.
  • the analysis module 240 may include a language identification module 250, a language conversion module 260, a code conversion module 270, and/or a vector generation module 280.
  • the index 230 may include a plurality of text columns.
  • the index 230 may store a plurality of text columns written based on the same language and/or different languages.
  • the index 230 may include a text column stored based on French, a text column stored based on Korean, a text column stored based on Japanese, and/or a text column stored based on English.
  • the index 230 may include a plurality of vectors (hereinafter referred to as “a plurality of index vectors”) respectively corresponding to a plurality of text columns.
  • the data collection module 225 may collect data for generating the index 230 from the memory 220a.
  • the data collection module 225 may convert at least one of contact data, image data, video data, application data, document data, and/or other data to the electronic device 200b as data for generating the index 230. ) can be collected.
  • the index creation module 223 may generate the index 230 based on data for generating the index 230 .
  • the index creation module 223 may include data for generating the index 230 in the generated index 230 .
  • the index generation module 223 may include in the index 230 a text column extracted from data for generating the index 230 and a vector corresponding to the text column.
  • the application 210 may receive a query from a user.
  • the query may include, for example, an input text string 310 .
  • the query may include a search request for a text string written in a language different from that of the input text string 310 , among text strings having the same or similar pronunciation as the input text string 310 .
  • the query may include a search request for a text column written in a language other than “Korean,” among text columns having the same or similar pronunciation as “Francesca.”
  • the application 210 may transmit the received query to the search engine 220 .
  • the query generation module 221 may generate a formatted query based on a query received from the application 210 .
  • a formatted query may be a query having a format that allows the search engine 220 to perform a series of actions based on the query.
  • the series of actions may include actions such as causing the search engine 220 to use, process, process, transform, and/or delete the query.
  • the search module 290 may search the index 230 based on a query formatted together with the analysis module 240 .
  • a formatted query may include an input text column 310 .
  • the analysis module 240 may generate a vector corresponding to the input text column 310 based on the input text column 310 .
  • a vector corresponding to the input text column 310 may be referred to as “a plurality of first vectors” (eg, a plurality of first vectors 610 in FIG. 6 ).
  • the search module 290 may compare the plurality of first vectors with the plurality of index vectors included in the index 230 .
  • the search module 290 may compare the plurality of first vectors 610 and the plurality of index vectors to determine a degree of similarity between the two vectors.
  • a method for determining the degree of similarity between two arbitrary vectors by the search module 290 may include a plurality of operations.
  • the search module 290 may normalize the lengths of the two vectors.
  • the search module 290 may compare patterns and/or slopes of two vectors whose lengths are normalized.
  • the search module 290 may determine that the two vectors are similar when the degree of similarity between the two vectors whose lengths are normalized is greater than or equal to a threshold value.
  • the threshold may be a value set in the system or a value set by a user.
  • the search module 290 may determine a similarity between two arbitrary vectors based on a cosine similarity method. For example, the search module 290 may determine the similarity between the plurality of first vectors 610 and the plurality of index vectors based on a cosine similarity method.
  • the search module 290 may identify a plurality of second vectors similar to the plurality of first vectors 610 from among a plurality of index vectors.
  • the search module 290 may search the output text string corresponding to the plurality of second vectors in the index 230 .
  • the search module 290 may return the output text string to the application 210 .
  • the output text string may be a text string written in a language different from the language in which the input text string 310 is written, with the same and/or similar pronunciation as the input text string 310 .
  • the data collection module 225 may collect data for generating the index 230 from the electronic device 200b. Based on data for generating the index 230 , the index creation module 223 may generate the index 230 .
  • the application 210 may receive a query from a user.
  • the search engine 220 may search the index 230 for information corresponding to the received query.
  • the search engine 220 may transmit a search result value (eg, an output text string) from the index 230 to the application 210 .
  • the application 210 may return an output text string received from the search engine 220 to the user.
  • FIG. 3 is a block diagram illustrating the language identification module 250 disclosed herein.
  • the language identification module 250 determines the language 330 (eg, the input text string of FIG. 2A ) and the language identification data 320 of the input text string. : A language in which the input text column 310 is written) may be identified.
  • the input of the language identification module 250 may include an input text vector corresponding to the input text string 310 and a language identification vector corresponding to the language identification data 320 .
  • the output of the language identification module 250 may include a probability corresponding to the language 330 of the input text string in the form of a scalar and/or vector.
  • the language identification module 250 identifies a language 330 of the input text string based on the language identification data 320, and thus a plurality of languages (eg, Roman alphabet) using the same writing system (eg, Roman alphabet). : A plurality of input text columns (eg, a first input text column and a second input text column) for the first language and the second language may be identified to correspond to respective meanings. For example, when it is difficult for the language identification module 250 to determine the language 330 of the input text column 310 only with the contents of the input text column 310, such as 'one word' and/or 'phrase', the language The identification module 250 may identify the language 330 of the input text string based on the language identification data 320 .
  • the language identification module 250 identifies the language 330 of the input text column based on the language identification data 320, thereby finding “car” written in French. It can be identified with the meaning of “because”, and “car” written in English can be identified with the meaning of “car”.
  • the language identification data 320 is Unicode of the input text column 310, the language used by the electronic device 101, the setting country of the electronic device 101, or the electronic device 101 It may include at least one of location information of.
  • Unicode may represent a method of standardizing characters for computational processing.
  • the language used by the electronic device 101 may indicate a language recognized by the user through the electronic device 101 .
  • the language used by the electronic device 101 may be set in the system or may be separately set by the user.
  • the setting country of the electronic device 101 may be set based on the country or region where the user uses the electronic device 101 .
  • Location information of the electronic device 101 may be set based on communication and GPS of the electronic device 101 .
  • the language identification module 250 may generate an input text vector by converting the input text string 310 into a vector through one hot encoding.
  • the one-hot encoding technique is a well-known method of expressing a character as a vector, and a detailed description thereof is omitted in this document.
  • the language identification module 250 converts the input text column 310 into a vector through a one-hot encoding technique, and converts the input text vector as shown in Table 1 below. can create
  • the language identification module 250 may generate a language identification vector by converting content included in the language identification data 320 into a vector.
  • the language identification module 250 may generate a plurality of language identification vectors by converting each of the plurality of contents into vectors.
  • the language identification data ( 320) includes the language used by the electronic device 101 (eg English (EN)) and the setting country of the electronic device 101 (eg United States (US)), the language identification module 250
  • a first language identification vector obtained by converting the language used by the device 101 into a vector is generated as shown in Table 2 below, and a second language identification vector obtained by converting the set country of the electronic device 101 into a vector is shown in Table 3 below. can be created together.
  • the language identification module 250 is based on a convolutional neural networks (CNN) algorithm, a recurrent neural networks (RNN) algorithm, or a feedforward neural networks (FNN) algorithm. to process the input values (eg, the input text column 310 and/or the language identification data 320). Since the convolutional neural network algorithm, the recurrent neural network algorithm, and the forward neural network algorithm are already known algorithms, detailed descriptions thereof will be omitted.
  • CNN convolutional neural networks
  • RNN recurrent neural networks
  • FNN feedforward neural networks
  • the language of the input text column may indicate the language in which the input text column 310 is written.
  • the language identification module 250 may output the language 330 of the input text string in the form of probability (eg, scalar and/or vector) corresponding to the language. For example, the language identification module 250 determines the probability that the input text string 310 is written in English at about 76%, the probability that the input text string 310 is written in French at about 23%, and the input text string 310 at about 23%. (310) can output a probability written in other languages at about 1%.
  • 4A is a block diagram illustrating the language conversion module 260 disclosed herein.
  • the language conversion module 260 may convert an input text string 310 into a standard text string 410 .
  • the language conversion module 260 may access a standard conversion table included in a memory (eg, the memory 220a of FIG. 2A).
  • the language conversion module 260 converts the input text column 310 into a standard text column 410 based on the language of the input text column (eg, the language 330 of the input text column in FIG. 3) and a standard conversion table. can
  • the language conversion module 260 may generate a standard conversion table based on rules and/or rules for converting a language into a designated notation.
  • the language conversion module 260 may generate a standard conversion table based on a romanization rule or an international phonetic alphabet (IPA) rule.
  • IPA international phonetic alphabet
  • Romanization or International Phonetic Code Rules are only one example of a method for generating a standard conversion table, and the method for generating a standard conversion table is not limited to the above-described example.
  • the language conversion module 260 may convert the input text stream 310 into a standard text stream 410 based on the language 330 of the input text stream and a standard conversion table.
  • the language conversion module 260 converts “Francheska” to “Franchesuka” based on Japanese and Romanization. can be converted
  • “Franchesca” may indicate an input text string 310 input to the electronic device 101 by the user in Japanese. “Franchesuka” may indicate a standard text column 410 in which the language conversion module 260 converts Japanese “Francheska”.
  • 4B is a block diagram illustrating the language conversion module 460 disclosed herein.
  • the external server 108 may include at least one or more language conversion modules 460 .
  • the language conversion module 460 may perform substantially the same or similar operation as the language conversion module 260 of FIG. 2B.
  • the external server 108 may communicate with the electronic device 101 through the front end 430 .
  • the external server 108 may include a language conversion module 460 generated based on the language of the input text stream (eg, the language 330 of the input text stream of FIG. 3) and a standard conversion table.
  • the external server 108 may include a language conversion module 460 generated based on English and Romanization.
  • the external server 108 may include a language conversion module 460 generated based on Russian and Romanization.
  • the external server 108 may include a language conversion module 460 generated based on Korean and international phonetic code rules.
  • the electronic device 101 may not include a language conversion module (eg, the language conversion module 260 of FIG. 2B).
  • the electronic device 101 transmits an input text column (eg, the input text column 310 of FIG. 3 ) to be converted into a standard text column (eg, the standard text column 410 of FIG. 4A ) to the external server 108 .
  • the front end 430 of the external server 108 may receive the input text string 310 from the electronic device 101 and transmit the input text string 310 to the language conversion module 460 .
  • the language conversion module 460 included in the external server 108 receives the input text string 310 from the front end 430, converts the input text string 310 into a standard text string 410, and standard The text string 410 can be sent to the front end 430.
  • the front end 430 may transmit the standard text string 410 received from the language conversion module 460 to the electronic device 101 .
  • the electronic device 101 includes at least one language conversion module in a memory (eg, the memory 220a of FIG. 2A)
  • the language conversion module 460 included in the external server 108 The input text column 310 can be converted into a standard text column 410 using
  • the electronic device 101 may transmit the input text string 310 to the external server 108 .
  • the external server 108 may receive the input text string 310 from the electronic device 101 through the front end 430 .
  • the external server 108 may convert the received input text string 310 into a standard text string 410 through a language conversion module 460 .
  • the external server 108 may transmit the standard text string 410 to the electronic device 101 through the front end 430 .
  • the electronic device 101 may receive the standard text string 410 from the external server 108 .
  • the electronic device 101 may transmit the input text string 310 “Francisca” to the external server 108 .
  • the external server 108 may receive the input text string 310 “Francisca” from the electronic device 101 through the front end 430 .
  • the external server 108 converts the received input text column 310 “Francisca” through the language conversion module 460 (eg, a language conversion module generated based on Japanese and Romanization) into a standard text column 410. can be converted into “Furanchesuka”, which is
  • the external server 108 may transmit “Furanchesuka” as a standard text string 410 to the electronic device 101 through the front end 430 .
  • the electronic device 101 may receive “Furanchesuka” as a standard text string 410 from the external server 108 .
  • 4C is a block diagram illustrating the language conversion module 460 disclosed herein. For convenience of description, duplicated content with FIG. 4B is omitted.
  • the electronic device 101 may download at least one of the language conversion modules 460 included in the external server 108 from the external server 108 .
  • At least one language conversion module that the electronic device 101 intends to download from the external server 108 is referred to as a first language conversion module 265 .
  • the electronic device 101 may transmit a download request signal of the first language conversion module 265 to the front end 430 of the external server 108 .
  • the front end 430 of the external server 108 may receive a signal requesting download of the first language conversion module 265 from the electronic device 101 .
  • the front end 430 may transmit the first language conversion module 265 to the electronic device 101 in response to a signal received from the electronic device 101 .
  • the electronic device 101 may download the first language conversion module 265 from the front end 430 .
  • the first language conversion module 265 may convert the input text string 310 into a standard text string 410 .
  • the electronic device 101 downloads the first language conversion module 265 (eg, a language conversion module generated based on Japanese and Romanization) to the front end 430 of the external server 108. You can transmit the requested signal.
  • the front end 430 of the external server 108 may receive a signal requesting download of the first language conversion module 265 from the electronic device 101 .
  • the front end 430 may transmit the first language conversion module 265 to the electronic device 101 in response to the signal received from the electronic device 101 .
  • the electronic device 101 may download the first language conversion module 265 from the front end 430 .
  • the first language conversion module 265 may convert “Francheska” as an input text string 310 into “Franchesuka” as a standard text string 410 .
  • FIG. 5 is a block diagram illustrating the code conversion module 270 disclosed in this document.
  • the code conversion module 270 may convert a standard text string 410 into a code string 510.
  • the code conversion module 270 may access a code conversion table included in a memory (eg, the memory 220a of FIG. 2A).
  • the code conversion module 270 may convert the standard text string 410 into a code string 510 based on the code conversion table. For example, the code conversion module 270 may convert the standard text string 410 “Furanchesuka” into the code string 510 “106052002020”.
  • the code conversion module 270 may generate a code conversion table by classifying characters having similar pronunciations into a plurality of groups and setting a code corresponding to each group.
  • the code conversion module 270 in the process of generating the code conversion table, is a language conversion module (eg, the language conversion module 260 of FIG. 4A, the language conversion module 460 of FIG. 4B, or the language conversion module 460 of FIG. 4C).
  • the first language conversion module 265 of may refer to a rule for generating a standard conversion table.
  • the code conversion module 270 when the language conversion module generates a standard conversion table based on Romanization, the code conversion module 270 generates a code conversion table as shown in Table 4 below based on Roman characters having similar pronunciations. can
  • FIG. 6 is a block diagram illustrating the vector creation module 280 disclosed herein.
  • the vector generation module 280 may generate a vector sequence such as a plurality of first vectors 610 based on the code sequence 510 .
  • the vector generation module 280 may receive the code string 510 and output a plurality of first vectors 610 .
  • a detailed method of generating the plurality of first vectors 610 by the vector generating module 280 will be described below.
  • the vector generation module 280 may generate a plurality of first vectors 610 based on the order of codes included in the code string 510 and two consecutive codes. . According to an embodiment, the vector generation module 280 may generate a plurality of first vectors 610 based on a bigram method. The vector generation module 280 generates a plurality of first vectors 610 based on the bigram method, and information about changes in pronunciation of an input text column (eg, the input text column 310 of FIG. 3 ) may be included in the plurality of first vectors 610.
  • the order of codes may indicate the order of which one code included in the code string 510 is from the start code of the code string 510 .
  • the order of the start codes of the code string 510 is set to be the '0' order. For example, when the code string 510 is “106052002020”, “1” may correspond to the 0th order. A “0” following a “1” may correspond to the first order. “6” can correspond to the second order.
  • two consecutive codes may represent any one code included in the code string 510 and a code following the one code.
  • the code string 510 “106052002020” may include two consecutive codes such as “10”, “06”, “60”, “05”, “52”, or “20”. .
  • the vector generation module 280 may generate a plurality of first vectors 610 based on the order of codes and two consecutive codes. For example, when the code string 510 is “106052002020”, the vector generation module 280 may generate a plurality of first vectors 610 including the vectors described in Table 5 below. For example, the vector generation module 280, [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2 ], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0]] A plurality of first vectors 610 including
  • FIG. 7 is a diagram for performing an indexing operation according to an embodiment disclosed in this document.
  • the data collection module (eg, the data collection module 225 of FIG. 2B ), in operation 710, converts data for generating an index (eg, the index 230 of FIG. 2B ) to an electronic device (eg, the data collection module 225 of FIG. 2B ).
  • an electronic device eg, the data collection module 225 of FIG. 2B .
  • It can be collected from the electronic device 101 of FIG. 1, the electronic device 200a of FIG. 2A, or the electronic device 200b of FIG. 2B.
  • the data collection module 225 may collect at least one of contact data, image data, video data, application data, document data, or other data from the electronic device 101 .
  • the data collection module 225 converts text data (eg, the input text column 310 of FIG. 3 ) included in the data collected by the electronic device 101 to a language identification module (eg, language identification module 250 of FIG. 2B ). ) can be transmitted.
  • the language identification module 250 in operation 720, the language of the input text string (eg, language identification data 320 of FIG. 3) based on the input text string 310 and language identification data (eg, language identification data 320 of FIG. :
  • the language 330 of the input text column of FIG. 3 can be identified.
  • the language identification module 250 may identify the language 330 of the input text string as Russian.
  • the language identification module 250 converts the identified language 330 of the input text string to a language conversion module (eg, the language conversion module 260 of FIG. 2B , the language conversion module 460 of FIG. 4B , or the first language of FIG. 4C ). It can be transmitted to the conversion module 265).
  • the language conversion module may convert the input text column 310 into a standard text column (eg, the standard text column 410 of FIG. 4A ) in operation 730 .
  • the language conversion module may convert the input text stream 310 into a standard text stream 410 based on the language 330 of the input text stream and a standard conversion table (eg, the standard conversion table of FIG. 4A ). For example, if the input text column 310 is Russian and the standard conversion table is generated based on Romanization, the language conversion module converts “ ⁇ manipulatechan ⁇ fertilerecta, the input text column 310, to the standard text column 410, Romanization. It can be converted to “Francheska”.
  • the language conversion module may transmit the standard text string 410 to the code conversion module 270 .
  • the code conversion module 270 may convert the standard text string 410 into a code string (eg, the code string 510 of FIG. 5 ) in operation 740 .
  • the code conversion module 270 may convert the standard text string 410 into a code string 510 based on a code conversion table (eg, the code conversion table of Table 4). For example, if the standard text column 410 is “Francheska” and the code conversion table is generated based on Romanization, the code conversion module 270 converts “Francheska”, the standard text column 410, to the code column ( 510) can be converted to “1605200220”.
  • the code conversion module 270 may transmit the code string 510 to the vector generation module 280 .
  • the vector generation module 280 may generate a vector sequence based on the code sequence 510 in operation 750 .
  • the vector generation module 280 may generate a vector sequence based on the sequence of codes included in the code sequence 510 and two consecutive codes. [ 3,5,2], [4,2,0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]] can The vector generation module 280 may transmit the vector sequence to the index generation module 223 .
  • the index generation module 223 may include a text column and a vector column corresponding to the text column in the index 230 in operation 760 .
  • the index creation module 223 generates vector columns [[0,1,6], [1,6,0], [2,0,5], [3,5,2], [4,2,0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]], It can be included in the index 230.
  • a vector column corresponding to a text column is hereinafter referred to as “a plurality of index vectors”.
  • FIG. 8 is a diagram for performing a querying operation according to an embodiment disclosed in this document.
  • an application may receive a query (eg, the query of FIG. 2B ) from a user in operation 810 .
  • the query may include a text string input by the user (eg, the input text string 310 of FIG. 3 ).
  • the query may include a search request for a text string written in a language different from that of the input text string 310 , among text strings having the same or similar pronunciation as the input text string 310 .
  • the query may include a search request for a text column written in a language different from “Franchesca” among text columns that are pronounced the same as or similar to “Franchesca”.
  • the language identification module (eg, language identification module 250 of FIG. 2B ), in operation 820 , input text string 310 and language identification data (eg, language identification data 320 of FIG. 3 ) ), the language of the input text column (eg, the language 330 of the input text column of FIG. 3) may be identified.
  • the language identification module 250 may identify the language 330 of the input text string as Japanese.
  • the language identification module 250 converts the language 330 of the input text string to a language conversion module (eg, the language conversion module 260 of FIG. 2B , the language conversion module 460 of FIG. 4B , or the first language conversion module of FIG. 4C ). (265)).
  • the language conversion module may convert the input text column 310 into a standard text column (eg, the standard text column 410 of FIG. 4A ) in operation 830 .
  • the language conversion module may convert the input text stream 310 into a standard text stream 410 based on the language 330 of the input text stream and a standard conversion table (eg, the standard conversion table of FIG. 4A ). For example, if the input text column 310 is Japanese and the standard conversion table is generated based on the Romanization system, the language conversion module converts the input text column 310 “Francisca” to the standard text column 410. It can be converted to “Furanchesuka”.
  • the language conversion module may transmit the standard text string 410 to a code conversion module (eg, the code conversion module 270 of FIG. 2B).
  • the code conversion module 270 may convert the standard text string 410 into a code string (eg, the code string 510 of FIG. 5 ) in operation 840 .
  • the code conversion module 270 may convert the standard text string 410 into a code string 510 based on a code conversion table (eg, the code conversion table of Table 4). For example, when the standard text column 410 is “Furanchesuka” and the code conversion table is generated based on Romanization, the code conversion module 270 converts “Furanchesuka”, the standard text column 410, to the code column ( 510) can be converted to “106052002020”.
  • the code conversion module 270 may transmit the code string 510 to the vector generation module 280 .
  • the vector generation module 280 may generate a vector column (eg, the plurality of first vectors 610 of FIG. 6 ) based on the code column 510 in operation 850 .
  • the vector generating module 280 may generate a plurality of first vectors 610 based on the order of codes included in the code string 510 and two consecutive codes. For example, when the code string 510 is “106052002020”, the vector generation module 280 generates a plurality of first vectors 610 [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8, 2,0], [9,0,2], [10,2,0]].
  • the vector generation module 280 may transmit the plurality of first vectors 610 to a search module (eg, the search module 290 of FIG. 2B ).
  • the search module 290 in operation 860, includes a vector column (eg, the plurality of first vectors 610 of FIG. 6) in an index (eg, the index 230 of FIG. 2B). It can be compared with a plurality of index vectors (eg, a plurality of index vectors of FIG. 7).
  • the search module 290 may compare the plurality of first vectors 610 and the plurality of index vectors based on a method for determining the degree of similarity between the two vectors.
  • the search module 290 may determine that the two vectors are similar if the degree of similarity between the two vectors is greater than or equal to a threshold value, or may determine that the two vectors are different if the degree of similarity between the two vectors is less than the threshold value.
  • a plurality of first vectors eg, [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5 ,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0] ]
  • multiple index vectors e.g. [[0,1,6], [1,6,0], [2,0,5], [3,5,2], [4,2, 0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]]
  • the search module 290 searches for two It can be determined that the vectors are similar.
  • the search module 290 may determine that the two vectors are different.
  • the search module 290 may identify a plurality of second vectors determined to be similar to the plurality of first vectors 610 from among a plurality of index vectors.
  • the search module 290 may search for an output text column (eg, an output text column of FIG. 2A ) corresponding to the plurality of second vectors in the index 230 .
  • the search module 290 may return the output text string to the application 210 .
  • the output text string may be a text string written in a language different from the language in which the input text string 310 is written, with the same and/or similar pronunciation as the input text string 310 .
  • the electronic device 101 searches an output text string by using the pronunciation of the input text string 310 and the language of the corresponding pronunciation.
  • an output text string By providing a method, even if a user does not know the language and meaning of the text (eg, an output text string) to be searched for, it is possible to search for the text (eg, an output text string).
  • FIG. 9 is a flowchart for performing a method according to various embodiments disclosed herein.
  • the electronic device may receive an input text string (eg, the input text string 310 of FIG. 3 ) from the user in operation 910 .
  • the electronic device 101 may perform operation 910 through an application (eg, the application 210 of FIG. 2B ).
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the application 210 in operation 810.
  • the electronic device 101 may identify the language of the input text string (eg, the language 330 of the input text string of FIG. 3).
  • the electronic device 101 may perform operation 920 through a language identification module (eg, the language identification module 250 of FIG. 2B ).
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the language identification module 250 in operation 820.
  • the electronic device 101 converts the input text column 310 into a standard text column (eg, standard text column 410 in FIG. 4A) based on the standard conversion table and the language 330 of the input text column. can do.
  • the electronic device 101 performs operation 930 through a language conversion module (eg, the language conversion module 260 of FIG. 2B , the language conversion module 460 of FIG. 4B , or the first language conversion module 265 of FIG. 4C ). can be performed.
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the language conversion module in operation 830.
  • the electronic device 101 may convert the standard text string 410 into a code string (eg, the code string 510 of FIG. 5) based on the code conversion table.
  • the electronic device 101 may perform operation 940 through a code conversion module (eg, the code conversion module 270 of FIG. 2B ).
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the code conversion module 270 in operation 840.
  • the electronic device 101 In operation 950, the electronic device 101 generates a plurality of first vectors (eg, the plurality of first vectors of FIG. (610)) can be created.
  • the electronic device 101 may perform operation 950 through a vector generating module (eg, the vector generating module 280 of FIG. 2B ).
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the vector generating module 280 in operation 850.
  • the electronic device 101 may compare the plurality of first vectors 610 with a plurality of index vectors included in a memory (eg, the memory 220a of FIG. 2A).
  • the electronic device 101 may perform operation 960 through a search module (eg, the search module 290 of FIG. 2B ).
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the searching module 290 in operation 860.
  • the electronic device 101 may identify a plurality of second vectors having a similarity with the plurality of first vectors 610 or higher than a threshold value among the plurality of index vectors.
  • the electronic device 101 may perform operation 970 through the searching module 290 .
  • the electronic device 101 may perform an operation substantially the same as or similar to the operation performed by the searching module 290 in operation 870.
  • the electronic device 101 may provide an output text string corresponding to the plurality of second vectors to the user.
  • the electronic device 101 may perform operation 980 through the application 210 .
  • An electronic device includes a memory and a processor connected to the memory, wherein the memory receives an input text string from a user when the memory is executed, and the input text string Identifies a language of a column, converts the input text column into a standard text column based on the language of the input text column and a standard conversion table, converts the standard text column into a code sequence based on a code conversion table, and converts the standard text column into a code column Based on the order of included codes and two consecutive codes, a plurality of first vectors are generated, the plurality of first vectors are compared with a plurality of index vectors stored in the memory, and the comparison is performed.
  • the language of the input text string may be different from that of the output text string, and the pronunciation of the input text string may correspond to the pronunciation of the output text string.
  • the instructions may cause the processor to select Unicode of the input text string, a language set in the electronic device, a country set in the electronic device, or location information of the electronic device.
  • the language of the input text string may be identified based on at least one of the following.
  • the instructions may cause the processor to store the standard conversion table in at least one of the memory and an external server.
  • the instructions include: the processor transmits the input text string to the external server, and the converted text string is converted based on the input text string and a standard conversion table stored in the external server.
  • a standard text string can be received from the external server.
  • the instructions may cause the processor to generate the standard conversion table based on a romanization rule or an international phonetic alphabet (IPA). there is.
  • IPA international phonetic alphabet
  • the instructions may cause the processor to, based on an order of a first code included in the code sequence, a second code subsequent to the first code, and the first code,
  • the plurality of first vectors may be generated, and the first code may sequentially correspond to the plurality of codes included in the code string.
  • the instructions may cause the processor to:
  • the degree of similarity may be determined based on at least one of gradients of vectors.
  • the instructions may cause the processor to determine the similarity based on cosine similarity.
  • the instructions may cause the processor to receive media data from the user and identify a text column to be converted into a vector among text columns included in the media data as the input text column.
  • the instructions may cause the processor to identify a language of an index text column received from the user or an external server, and based on the language of the index text column and the standard conversion table, An index text column is converted into a standard index text column, and based on the code conversion table, the standard index text column is converted into an index code column, and the sequence of index codes included in the index code column and two consecutive index codes Based on, it is possible to generate the plurality of index vectors.
  • a method for searching text in a different language based on pronunciation performed by an electronic device includes an operation of receiving an input text string from a user, an operation of identifying a language of the input text string, and the operation of identifying the language of the input text string.
  • a language of the input text string may be different from that of the output text string, and a pronunciation of the input text string may correspond to a pronunciation of the output text string.
  • the operation of identifying the language may include selecting Unicode of the input text string, a language set in the electronic device, a country set in the electronic device, or location information of the electronic device. and identifying the language of the input text string based on at least one.
  • the pronunciation-based text search method may further include storing the standard conversion table in at least one of the memory and an external server.
  • the converting of the input text sequence into the standard text sequence may include transmitting the input text sequence to the external server, and the input text sequence and standards stored in the external server. and receiving, from the external server, the standard text sequence converted based on the conversion table.
  • a text search method of a heterogeneous language based on pronunciation generates the standard conversion table based on a romanization rule or an international phonetic alphabet (IPA) Actions may be included.
  • IPA international phonetic alphabet
  • the operation of generating the plurality of first vectors includes a first code included in the code string, a second code subsequent to the first code, and an order of the first code. and generating the plurality of first vectors based on , and the first code may sequentially correspond to the plurality of codes included in the code string.
  • a method for searching text in a heterogeneous language based on pronunciation includes the pattern of the plurality of first vectors, the gradient of the plurality of first vectors, the pattern of the plurality of index vectors, or the plurality of index vectors. It may include an operation of determining the similarity based on at least one of gradients of index vectors of .
  • the operation of determining the degree of similarity may include an operation of determining the degree of similarity based on cosine similarity.
  • the operation of receiving the input text column includes the operation of receiving media data from the user, and the text column, which is a vector conversion target among text columns included in the media data, as the input text column. It may include an operation identified as a column.
  • a text search method of a heterogeneous language based on pronunciation includes an operation of identifying a language of an index text column received from the user or an external server, based on the language of the index text column and the standard conversion table.
  • the operation of converting the index text column into a standard index text column the operation of converting the standard index text column into an index code column based on the code conversion table, and the order and sequence of index codes included in the index code column
  • An operation of generating the plurality of index vectors based on two index codes may be further included.
  • a non-transitory computer-readable storage medium may store a program for an electronic device to perform a text search method of a heterogeneous language based on pronunciation.
  • the method includes identifying the language of an input text string received from a user, converting the input text string into a standard text string based on the language of the input text string and a standard conversion table, Based on the code conversion table, Converting the standard text string into a code string, generating a plurality of first vectors based on the sequence of codes included in the code string and two consecutive codes, and converting the plurality of first vectors into the electronic device Comparing with a plurality of index vectors stored in a memory of, based on the comparison, identifying a plurality of second vectors having a similarity with the plurality of first vectors or more than a threshold value among the plurality of index vectors. and providing an output text string corresponding to the plurality of second vectors to the user.
  • the language of the input text string may be different from the language of the output
  • Electronic devices may be devices of various types.
  • 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.
  • 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 camera e.g., a camera
  • a wearable device e.g., a smart bracelet
  • first, second, or first or secondary may simply be used to distinguish a given component from other corresponding components, and may be used to refer to a given component in another aspect (eg, importance or order) is not limited.
  • a (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • the certain component may be connected to the other component directly (eg by wire), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as, for example, logic, logical blocks, parts, or circuits.
  • a module may be an integrally constructed component or a minimal unit of components or a portion thereof 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
  • a storage medium eg, internal memory 136 or external memory 138
  • a machine eg, electronic device 101
  • a processor eg, the processor 120
  • a device eg, the 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.
  • the storage medium is a tangible device and does not contain a signal (e.g. electromagnetic wave), and this term refers to the case where data is stored semi-permanently in the storage medium. It does not discriminate when it is temporarily stored.
  • a signal e.g. electromagnetic wave
  • the method according to various embodiments disclosed in this document may be included and provided in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • a computer program product is distributed in the form of a device-readable storage medium (e.g. compact disc read only memory (CD-ROM)), or through an application store (e.g. Play StoreTM) or on two user devices (e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • a device-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play StoreTM
  • two user devices e.g. It can be distributed (eg downloaded or uploaded) online, directly between smart phones.
  • at least part of the computer program product may be temporarily stored or temporarily created in a device-readable storage medium such as a manufacturer's server, an application store server, or a relay server's memory.
  • each component (eg, module or program) of the above-described components may include a single object or a plurality of entities, and some of the plurality of entities may be separately disposed in other components. there is.
  • one or more components or operations among the aforementioned corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components eg modules or programs
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by a corresponding component of the plurality of components prior to the integration. .
  • the actions performed by a module, program, or other component are executed sequentially, in parallel, iteratively, or heuristically, or one or more of the actions are executed in a different order, or omitted. or one or more other actions may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 메모리, 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하고, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을 표준 텍스트 열로 변환하고, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하고, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하고, 상기 복수의 제1 벡터들을 상기 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하고, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하고, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 사용자에게 제공하도록 하는 인스트럭션들(instructions)을 저장하고, 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고, 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응될 수 있다.

Description

발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치
본 문서에서 개시되는 다양한 실시 예들은, 발음에 기반하여 서로 다른 언어의 텍스트를 검색하는 방법 및 이를 적용한 전자 장치에 관한 것이다.
일부 전자 장치는 사용자에게 서로 다른 언어의 텍스트를 검색하는 방법을 제공하고 있다. 사용자는 텍스트의 의미, 또는 소리와 같은 텍스트의 정보를 이용하여 서로 다른 언어의 텍스트를 검색할 수 있다.
서로 다른 언어의 텍스트를 검색하는 것에 있어서, 검색하고자 하는 언어가 다수인 경우, 언어 쌍 별로 이에 대응하는 표기 방법 또는 변환기를 필요로 할 수 있다. 예를 들어, 3개의 언어에 대하여 텍스트의 유사 발음 검색을 수행하고자 한다면 3개의 방법 또는 3개의 변환기가 필요하고, 4개의 언어에 대하여 텍스트의 유사 발음 검색을 수행하고자 한다면 6개의 방법 또는 6개의 변환기가 필요할 수 있다.
본 명세서에서 더 설명되는 실시예들은 텍스트의 발음의 변화에 기반하여 다른 언어의 텍스트를 검색함에 있어서, 보다 범용적이면서 효율적인 방법을 제공한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 메모리, 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 프로세서가, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하고, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을 표준 텍스트 열로 변환하고, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하고, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하고, 상기 복수의 제1 벡터들을 상기 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하고, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하고, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하도록 하는 인스트럭션들(instructions)을 저장하고, 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고, 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치에 의해 수행되는 발음에 기반한 이종 언어의 텍스트 검색 방법은, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하는 동작, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작, 상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작을 포함하고, 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고, 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응될 수 있다.
또한, 본 문서에 개시되는 일 실시예에 따른 비일시적 컴퓨터 판독 가능한 저장 매체는, 전자 장치가 발음에 기반한 이종 언어의 텍스트 검색 방법을 수행하기 위한 프로그램을 저장할 수 있다. 상기 방법은, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하는 동작, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작, 상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이할 수 있다. 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음에 대응될 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 텍스트의 발음의 변화에 기반하여, 전자 장치에 텍스트가 입력된 언어와 서로 다른 언어들 중 동일하거나 유사한 발음을 갖는 텍스트를 검색할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치의 설정 언어, 전자 장치의 설정 국가, 또는 전자 장치의 위치 정보와 같은 데이터에 기반하여, 전자 장치는 전자 장치에 입력된 텍스트의 언어를 분석할 수 있다. 따라서, 전자 장치는 서로 다른 언어로 작성된 텍스트들 각각의 뜻 및/또는 의미를 식별할 수 있다. 서로 다른 언어로 작성된 텍스트들 각각은 동일한 문자 체계(예: 로마자)를 가질 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자는 검색하고자 하는 텍스트의 언어 및 텍스트의 의미를 모르더라도, 상기 텍스트의 발음과 대응하는 발음의 언어를 이용하여 상기 텍스트를 검색할 수 있다.
본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2a는 본 문서에 개시된 전자 장치를 설명하는 블록도이다.
도 2b는 본 문서에 개시된 전자 장치에 포함된 구성들을 설명하는 블록도이다.
도 3은 본 문서에 개시된 언어 식별 모듈을 설명하는 블록도이다.
도 4a는 본 문서에 개시된 언어 변환 모듈을 설명하는 블록도이다.
도 4b는 본 문서에 개시된 언어 변환 모듈을 설명하는 블록도이다.
도 4c는 본 문서에 개시된 언어 변환 모듈을 설명하는 블록도이다.
도 5는 본 문서에 개시된 코드 변환 모듈을 설명하는 블록도이다.
도 6은 본 문서에 개시된 벡터 생성 모듈을 설명하는 블록도이다.
도 7은 본 문서에 개시된 일 실시 예에 따른 인덱싱(indexing) 동작을 수행하기 위한 도면이다.
도 8은 본 문서에 개시된 일 실시 예에 따른 쿼리(querying) 동작을 수행하기 위한 도면이다.
도 9는 본 문서에 개시된 방법을 수행하기 위한 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
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. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 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. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 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. 일실시예에 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.
일실시예에 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. 일실시예에 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 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. 일실시예에 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 2a는 본 문서에 개시된 전자 장치의 블록도이다.
일 실시 예에 따르면, 전자 장치(200a)(예: 도 1의 전자 장치(101))는 프로세서(210a)(예: 도 1의 프로세서(120)), 및 메모리(220a)(예: 도 1의 메모리(130))를 포함할 수 있다.
일 실시 예에 따르면, 메모리(220a)는, 전자 장치(200a)에서 사용되는 다양한 데이터 및/또는 정보를 저장할 수 있다. 메모리(220a)는 프로세서(210a)에 의해 실행 시, 전자 장치(200a)의 동작을 제어하도록 하는 인스트럭션들을 저장할 수 있다. 메모리(220a)는 전자 장치(200a)의 동작을 수행하는데 사용되는 데이터를 적어도 일시적으로 저장할 수 있다.
일 실시 예에 따르면, 메모리(220a)는 쿼리를 저장할 수 있다. 쿼리는 사용자가 입력한 텍스트 열(예: 도 3의 입력 텍스트 열(310))을 포함할 수 있다. 쿼리는, 입력 텍스트 열(310)과 동일하거나 유사하게 발음되는 텍스트 열 중에서, 입력 텍스트 열(310)과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
일 실시 예에 따르면, 메모리(220a)는 형식화된 쿼리(formatted query)를 저장할 수 있다. 형식화된 쿼리는, 프로세서(210a)가 쿼리에 기반하여 일련의 동작을 수행할 수 있도록 하는 형식을 가질 수 있다.
일 실시 예에 따르면, 메모리(220a)는 인덱스(예: 도 2b의 인덱스(230))를 저장할 수 있다. 인덱스(230)는 복수의 텍스트 열들을 포함할 수 있다. 복수의 텍스트 열들은 서로 동일한 언어 및/또는 서로 상이한 언어에 기반하여 저장될 수 있다. 예를 들어, 인덱스(230)는 복수의 텍스트 열들과 각각 대응되는 복수의 벡터들(예: 복수의 인덱스 벡터들)을 포함할 수 있다.
일 실시 예에 따르면, 메모리(220a)는 인덱스(230)을 생성하기 위한 데이터를 저장할 수 있다. 예를 들어, 메모리(220a)는 컨택 데이터, 이미지 데이터, 비디오 데이터, 어플리케이션 데이터, 문서 데이터, 및/또는 기타 데이터 중 적어도 하나를 저장할 수 있다. 예를 들어, 메모리(220a)는 인덱스(230)를 생성하기 위한 데이터에 기반한 텍스트 열, 및 상기 텍스트 열에 대응하는 벡터를 저장할 수 있다.
일 실시 예에 따르면, 메모리(220a)는 입력 텍스트 열(310), 입력 텍스트 열(310)에 대응하는 입력 텍스트 벡터, 언어 식별 데이터(예: 도 3의 언어 식별 데이터(320)), 언어 식별 데이터(320)에 대응하는 언어 식별 벡터, 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330)), 및 입력 텍스트 열의 언어(330)에 대응하는 확률을 저장할 수 있다. 메모리(220a)는 입력 텍스트 열의 언어(330)에 대응하는 확률을 스칼라 및/또는 벡터의 형태로 저장할 수 있다.
일 실시 예에 따르면, 메모리(220a)는 입력 텍스트 열(310)에 대응하는 표준 텍스트 열(예: 도 4a의 표준 텍스트 열(410))을 저장할 수 있다. 메모리(220a)는 표준 변환 테이블을 저장할 수 있다. 메모리(220a)는 표준 텍스트 열(410)에 대응하는 코드 열(예: 도 5의 코드 열(510))을 저장할 수 있다. 메모리(220a)는 코드 변환 테이블을 저장할 수 있다. 메모리(220a)는 코드 열(510)에 대응하는 벡터 열(예: 도 6의 복수의 제1 벡터들(610))을 저장할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는, 인덱스(230)를 생성하기 위한 데이터를 메모리(220a)에서 수집할 수 있다. 예를 들어, 프로세서(210a)는 인덱스(230)를 생성하기 위한 데이터로, 컨택 데이터, 이미지 데이터, 비디오 데이터, 어플리케이션 데이터, 문서 데이터, 및/또는 기타 데이터 중 적어도 하나를 메모리(220a)에서 수집할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는, 인덱스(230)를 생성하기 위한 데이터에 기반하여 인덱스(230)를 생성할 수 있다. 프로세서(210a)는, 인덱스(230)를 생성하기 위한 데이터를 기 생성된 인덱스(230)에 저장할 수 있다. 프로세서(210a)는, 인덱스(230)를 생성하기 위한 데이터에 기반한 텍스트 열, 및 텍스트 열에 대응하는 벡터를 인덱스(230)에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 사용자로부터 쿼리를 수신할 수 있다. 쿼리는 입력 텍스트 열(310)을 포함할 수 있다. 쿼리는, 입력 텍스트 열(310)과 동일하거나 유사하게 발음되는 텍스트 열 중에서, 입력 텍스트 열(310)과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
예를 들어, 사용자가 “프란체스카”를 입력한 경우, 쿼리는 “프란체스카”와 동일하거나 유사한 발음을 갖는 텍스트 열 중에서, '한국어'가 아닌 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 쿼리에 기반하여 형식화된 쿼리(formatted query)를 생성할 수 있다. 형식화된 쿼리는, 프로세서(210a)가 쿼리에 기반하여 일련의 동작을 수행할 수 있도록 하는 형식을 가질 수 있다. 예를 들어, 일련의 동작은 프로세서(210a)가 쿼리를 사용, 처리, 가공, 변환 및/또는 삭제하는 것과 같은 동작을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 형식화된 쿼리에 기반하여 인덱스(230)를 검색할 수 있다. 프로세서(210a)는 형식화된 쿼리에 포함된 입력 텍스트 열(310)에 기반하여 입력 텍스트 열(310)에 대응하는 벡터(예: 복수의 제1 벡터들(610))를 생성할 수 있다. 프로세서(210a)가 입력 텍스트 열(310)에 기반하여 복수의 제1 벡터들(610)을 생성하는 방법은 이하에서 구체적으로 설명한다.
일 실시 예에 따르면, 프로세서(210a)는 입력 텍스트 열(310) 및 언어 식별 데이터(320)에 기반하여, 입력 텍스트 열의 언어(330)를 식별할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 원 핫 인코딩(one hot encoding)기법을 통해 입력 텍스트 열(310)을 벡터로 변환하여, 입력 텍스트 벡터를 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 언어 식별 데이터(320)에 포함된 내용을 벡터로 변환하여, 언어 식별 벡터를 생성할 수 있다. 프로세서(210a)는 언어 식별 데이터(320)에 복수의 내용들이 포함된 경우, 복수의 내용들 각각을 벡터로 변환하여 복수의 언어 식별 벡터들을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는, 합성곱 신경망(convolutional neural networks, CNN) 알고리즘, 순환 신경망(recurrent neural networks, RNN) 알고리즘, 또는 순방향 신경망(feedforward neural networks, FNN) 알고리즘에 기반하여 입력 값(예: 입력 텍스트 열 벡터 및/또는 언어 식별 벡터)을 처리할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 상기 처리의 결과로, 입력 텍스트 열의 언어(330)와 대응하는 확률을 스칼라 및/또는 벡터의 형태로 출력할 수 있다. 예를 들어, 프로세서(210a)는 입력 텍스트 열(310)이 영어로 작성된 확률을 약 76%로, 입력 텍스트 열(310)이 프랑스어로 작성된 확률을 약 23%로, 및 입력 텍스트 열(310)이 기타 언어로 작성된 확률을 약 1%로 출력할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 프로세서(210a)는 메모리(220a)에 저장된 표준 변환 테이블에 접근할 수 있다. 프로세서(210a)는 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330)), 및/또는 표준 변환 테이블에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 언어를 지정된 표기법으로 변환하는 법칙 및/또는 규칙에 기반하여, 표준 변환 테이블을 생성할 수 있다. 예를 들어, 프로세서(210a)는 로마자 표기법(romanization rule), 또는 국제 음성 기호(international phonetic alphabet, IPA) 규칙에 기반하여, 표준 변환 테이블을 생성할 수 있다. 프로세서(210a)는 생성한 표준 변환 테이블을 메모리(220a)에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 입력 텍스트 열의 언어(330) 및/또는 표준 변환 테이블에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 예를 들어, 입력 텍스트 열의 언어(330)가 일본어고, 표준 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 프로세서(210a)는 일본어 및 로마자 표기법에 기반하여 “フランチェスカ”를 “Furanchesuka”로 변환할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 표준 텍스트 열(410)로 변환하고자 하는 입력 텍스트 열(310)을 외부 서버(예: 도 1의 서버(108))로 전송할 수 있다. 외부 서버(108)는 수신한 입력 텍스트 열(310)을, 언어 변환 모듈(예: 도 4b의 언어 변환 모듈(460))을 통해 표준 텍스트 열(410)로 변환할 수 있다. 프로세서(210a)는 외부 서버(108)로부터 입력 텍스트 열(310)에 대응하는 표준 텍스트 열(410)을 수신할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 외부 서버(108)에 저장된 언어 변환 모듈(예: 도 4c의 언어 변환 모듈(460)) 중 적어도 하나의 언어 변환 모듈(예: 도 4c의 제1 언어 변환 모듈(265))의 다운로드를 요청하는 신호를, 외부 서버(108)에 전송할 수 있다. 외부 서버(108)는, 프로세서(210a)로부터 수신한 신호에 대응하여, 제1 언어 변환 모듈(265)을 전자 장치(200a)로 전송할 수 있다. 프로세서(210a)는, 제1 언어 변환 모듈(265)에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는, 표준 텍스트 열(410)을 코드 열(510)로 변환할 수 있다. 프로세서(210a)는 메모리(220a)에 저장된 코드 변환 테이블에 접근할 수 있다. 프로세서(210a)는 코드 변환 테이블에 기반하여, 표준 텍스트 열(410)을 코드 열(예: 도 5의 코드 열(510))로 변환할 수 있다. 예를 들어, 프로세서(210a)는 표준 텍스트 열(410)인 “Furanchesuka”를 코드 열(510)인 “106052002020”으로 변환할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 유사한 발음을 갖는 문자들을 복수개의 그룹들로 분류하고, 각 그룹에 대응하는 코드를 설정하여 코드 변환 테이블을 생성할 수 있다. 프로세서(210a)는 코드 변환 테이블을 생성하는 과정에서, 표준 변환 테이블을 생성한 규칙을 참조할 수 있다. 예를 들어, 프로세서(210a)가 로마자 표기법에 기반하여 표준 변환 테이블을 생성한 경우, 프로세서(210a)는 서로 유사한 발음을 갖는 로마자들에 기반하여 코드 변환 테이블을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 코드 열(510)에 기반하여 복수의 제1 벡터들(610)과 같은 벡터 열을 생성할 수 있다. 프로세서(210a)는 코드 열(510)에 포함된 코드의 순서(예: 정순서 코드 열의 코드 순서 또는 역순서 코드 열의 코드 순서) 및, 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 바이그램(bigram) 방법에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 유니그램(unigram) 방법 및/또는 트라이그램(trigram) 방법에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다.
일 실시 예에 따르면, 코드의 순서는 코드 열(510)에 포함된 어느 하나의 코드가, 코드 열(510)의 시작 코드(예: 정순서 코드 열의 시작 코드 또는 역순서 코드 열의 시작 코드)로부터 몇 번째 순서인지 나타낼 수 있다. 설명의 편의를 위해 코드 열(510)의 시작 코드의 순서는 '0'번째 순서인 것으로 설정한다. 예를 들어, 코드 열(510)이 “106052002020”인 경우, “1”은 0번째 순서에 대응할 수 있다. “1”에 후속하는 “0”은 첫 번째 순서에 대응할 수 있다. “6”은 두 번째 순서에 대응할 수 있다.
일 실시 예에 따르면, 연속하는 2개의 코드들은, 코드 열(510)에 포함된 어느 하나의 코드 및 어느 하나의 코드에 후속하는 코드를 나타낼 수 있다. 예를 들어, 코드 열(510) “106052002020”은, “10”, “06”, “60”, “05”, “52”, 또는 “20” 과 같은 연속하는 두개의 코드들을 포함할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 코드의 순서 및, 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다. 예를 들어, 코드 열(510)이 “106052002020”인 경우, 프로세서(210a)는 [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0]]를 포함하는 복수의 제1 벡터들(610)을 생성할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는, 복수의 제1 벡터들(610)을 인덱스(230)에 저장된 복수의 인덱스 벡터들과 비교할 수 있다. 프로세서(210a)는 복수의 제1 벡터들(610)과 복수의 인덱스 벡터들을 비교하여, 두 벡터들 간의 유사도를 판단할 수 있다. 프로세서(210a)가 두 벡터들 간의 유사도를 판단하는 방법은, 복수의 동작들을 포함할 수 있다. 복수의 동작들에 대한 구체적인 내용은 이하에서 설명한다.
일 실시 예에 따르면, 임의의 두 벡터(예: 복수의 제1 벡터들(610) 및 복수의 인덱스 벡터들)의 길이가 서로 다른 경우, 프로세서(210a)는 두 벡터의 길이를 각각 정규화(normalize)할 수 있다. 프로세서(210a)는, 길이를 정규화 한 두 벡터의 패턴 및/또는 기울기를 서로 비교할 수 있다. 프로세서(210a)는 길이를 정규화 한 두 벡터가 서로 유사한 정도가 임계치 이상인 경우, 두 벡터가 유사하다고 결정할 수 있다. 예를 들어, 임계치는 시스템 상 기 설정된 값이거나, 사용자가 설정한 값일 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 코사인 유사도(cosine similarity) 방법에 기반하여, 임의의 두 벡터들 간의 유사도를 판단할 수 있다. 예를 들어, 프로세서(210a)는 코사인 유사도 방법에 기반하여, 복수의 제1 벡터들(610)과 복수의 인덱스 벡터들 간의 유사도를 판단할 수 있다.
일 실시 예에 따르면, 프로세서(210a)는 복수의 인덱스 벡터들 중, 복수의 제1 벡터들(610)과 유사한 복수의 제2 벡터들을 식별할 수 있다. 프로세서(210a)는 인덱스(230)에서 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 검색할 수 있다. 출력 텍스트 열은 입력 텍스트 열(310)과 동일하거나 및/또는 유사하게 발음되면서, 입력 텍스트 열(310)이 작성된 언어와 상이한 언어로 작성된 텍스트 열일 수 있다
일 실시 예에 따르면, 프로세서(210a)는 출력 텍스트 열을 사용자에게 반환할 수 있다.
도 2b는 본 문서에 개시된 전자 장치에 포함된 구성들을 설명하는 블록도이다.
도 2b를 참조하면, 전자 장치(200b)(예: 도 1의 전자 장치(101))는 어플리케이션(210), 검색 엔진(220), 및/또는 인덱스(230)를 포함할 수 있다.
일 실시 예에 따르면, 어플리케이션(210)은 사용자로부터 쿼리를 수신할 수 있다. 쿼리는 사용자가 입력한 텍스트 열(이하에서, '입력 텍스트 열'로 참조한다.)을 포함할 수 있다. 쿼리는, 입력 텍스트 열(예: 도 3의 입력 텍스트 열(310))과 동일하거나 유사하게 발음되는 텍스트 열 중에서, 입력 텍스트 열(310)과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다. 예를 들어, 입력 텍스트 열(310)은 단어, 구, 절, 및/또는 문장을 포함할 수 있다.
일 실시 예에 따르면, 검색 엔진(220)은 쿼리 생성 모듈(221), 분석 모듈(240), 서칭 모듈(290), 인덱스 생성 모듈(223), 및/또는 데이터 수집 모듈(225)을 포함할 수 있다. 일 실시 예에 따르면, 분석 모듈(240)은 언어 식별 모듈(250), 언어 변환 모듈(260), 코드 변환 모듈(270), 및/또는 벡터 생성 모듈(280)을 포함할 수 있다.
일 실시 예에 따르면, 인덱스(230)는 복수의 텍스트 열들을 포함할 수 있다. 인덱스(230)는 서로 동일한 언어 및/또는 서로 상이한 언어에 기반하여 작성된 복수의 텍스트 열들을 저장할 수 있다. 예를 들어, 인덱스(230)는 프랑스어에 기반하여 저장된 텍스트 열, 한국어에 기반하여 저장된 텍스트 열, 일본어에 기반하여 저장된 텍스트 열, 및/또는 영어에 기반하여 저장된 텍스트 열을 포함할 수 있다. 인덱스(230)는 복수의 텍스트 열들과 각각 대응되는 복수의 벡터들(이하에서, “복수의 인덱스 벡터들”로 참조한다.)을 포함할 수 있다.
일 실시 예에 따르면, 데이터 수집 모듈(225)은, 인덱스(230)를 생성하기 위한 데이터를 메모리(220a)에서 수집할 수 있다. 예를 들어, 데이터 수집 모듈(225)은 인덱스(230)를 생성하기 위한 데이터로, 컨택 데이터, 이미지 데이터, 비디오 데이터, 어플리케이션 데이터, 문서 데이터, 및/또는 기타 데이터 중 적어도 하나를 전자 장치(200b)에서 수집할 수 있다.
일 실시 예에 따르면, 인덱스 생성 모듈(223)은, 인덱스(230)를 생성하기 위한 데이터에 기반하여 인덱스(230)를 생성할 수 있다. 인덱스 생성 모듈(223)은, 인덱스(230)를 생성하기 위한 데이터를 생성된 인덱스(230)에 포함시킬 수 있다. 인덱스 생성 모듈(223)은, 인덱스(230)를 생성하기 위한 데이터에서 추출한 텍스트 열 및 텍스트 열에 대응하는 벡터를 인덱스(230)에 포함시킬 수 있다.
일 실시 예에 따르면, 어플리케이션(210)은, 사용자로부터 쿼리를 수신할 수 있다. 쿼리는 예를 들어, 입력 텍스트 열(310)을 포함할 수 있다. 쿼리는, 입력 텍스트 열(310)과 동일하거나 유사하게 발음되는 텍스트 열 중에서, 입력 텍스트 열(310)과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
예를 들어, 사용자가 “프란체스카”를 입력한 경우, 쿼리는 “프란체스카”와 동일하거나 유사한 발음을 갖는 텍스트 열 중에서, '한국어'가 아닌 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
일 실시 예에 따르면, 어플리케이션(210)은, 수신한 쿼리를 검색 엔진(220)으로 전송할 수 있다.
일 실시 예에 따르면, 쿼리 생성 모듈(221)은, 어플리케이션(210)으로부터 수신한 쿼리에 기반하여, 형식화된 쿼리(formatted query)를 생성할 수 있다. 형식화된 쿼리는, 검색 엔진(220)이 쿼리에 기반하여 일련의 동작을 수행할 수 있도록 하는 형식을 갖는 쿼리일 수 있다. 예를 들어, 일련의 동작은 검색 엔진(220)이 쿼리를 사용, 처리, 가공, 변환 및/또는 삭제하는 것과 같은 동작을 포함할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은, 분석 모듈(240)과 함께 형식화된 쿼리에 기반하여 인덱스(230)를 검색할 수 있다. 형식화된 쿼리에는 입력 텍스트 열(310)이 포함될 수 있다.
일 실시 예에 따르면, 분석 모듈(240)은, 입력 텍스트 열(310)에 기반하여 입력 텍스트 열(310)에 대응하는 벡터를 생성할 수 있다. 입력 텍스트 열(310)에 대응하는 벡터는 이하에서 “복수의 제1 벡터들”(예: 도 6의 복수의 제1 벡터들(610))로 참조할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은, 복수의 제1 벡터들을 인덱스(230)에 포함된 복수의 인덱스 벡터들과 비교할 수 있다. 서칭 모듈(290)은 복수의 제1 벡터들(610)과 복수의 인덱스 벡터들을 비교하여, 두 벡터들 간의 유사도를 판단할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)이 임의의 두 벡터들 간의 유사도를 판단하는 방법은, 복수의 동작들을 포함할 수 있다. 일 실시 예에서, 임의의 두 벡터의 길이가 서로 다른 경우, 서칭 모듈(290)은 두 벡터의 길이를 각각 정규화(normalize)할 수 있다. 서칭 모듈(290)은, 길이를 정규화 한 두 벡터의 패턴 및/또는 기울기를 서로 비교할 수 있다. 일 실시 예에서, 서칭 모듈(290)은 길이를 정규화 한 두 벡터가 서로 유사한 정도가 임계치 이상인 경우, 두 벡터가 유사하다고 결정할 수 있다. 예를 들어, 임계치는 시스템 상 기 설정된 값이거나, 사용자가 설정한 값일 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은 코사인 유사도(cosine similarity) 방법에 기반하여, 임의의 두 벡터들 간의 유사도를 판단할 수 있다. 예를 들어, 서칭 모듈(290)은 코사인 유사도 방법에 기반하여, 복수의 제1 벡터들(610)과 복수의 인덱스 벡터들 간의 유사도를 판단할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은, 복수의 인덱스 벡터들 중, 복수의 제1 벡터들(610)과 유사한 복수의 제2 벡터들을 식별할 수 있다. 서칭 모듈(290)은, 인덱스(230)에서 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 검색할 수 있다. 서칭 모듈(290)은, 출력 텍스트 열을 어플리케이션(210)에 반환할 수 있다. 출력 텍스트 열은 입력 텍스트 열(310)과 동일하거나 및/또는 유사하게 발음되면서, 입력 텍스트 열(310)이 작성된 언어와 상이한 언어로 작성된 텍스트 열일 수 있다.
일 실시 예에 따르면, 데이터 수집 모듈(225)은 인덱스(230)를 생성하기 위한 데이터를 전자 장치(200b)에서 수집할 수 있다. 인덱스(230)를 생성하기 위한 데이터에 기반하여, 인덱스 생성 모듈(223)은 인덱스(230)를 생성할 수 있다. 어플리케이션(210)은, 사용자로부터 쿼리를 수신할 수 있다. 검색 엔진(220)은, 수신한 쿼리에 대응하는 정보를 인덱스(230)에서 검색할 수 있다. 검색 엔진(220)은 인덱스(230)에서 검색한 결과 값(예: 출력 텍스트 열)을, 어플리케이션(210)으로 전송할 수 있다. 어플리케이션(210)은 검색 엔진(220)으로부터 수신한 출력 텍스트 열을 사용자에게 반환할 수 있다.
도 3은 본 문서에 개시된 언어 식별 모듈(250)을 설명하는 블록도이다.
도 3을 참조하면, 언어 식별 모듈(250)은, 입력 텍스트 열(310)(예: 도 2a의 입력 텍스트 열) 및 언어 식별 데이터(320)에 기반하여, 입력 텍스트 열의 언어(330)(예: 입력 텍스트 열(310)이 작성된 언어)를 식별할 수 있다. 언어 식별 모듈(250)의 입력은, 입력 텍스트 열(310)에 대응하는 입력 텍스트 벡터 및 언어 식별 데이터(320)에 대응하는 언어 식별 벡터를 포함할 수 있다. 언어 식별 모듈(250)의 출력은, 입력 텍스트 열의 언어(330)에 대응하는 확률을 스칼라 및/또는 벡터의 형태로 포함할 수 있다.
일 실시 예에 따르면, 언어 식별 모듈(250)이 언어 식별 데이터(320)에 기반하여 입력 텍스트 열의 언어(330)를 식별함으로써, 동일한 문자 체계(예: 로마자)를 사용하는 복수의 언어들(예: 제1 언어 및 제2 언어)에 대한 복수의 입력 텍스트 열들(예: 제1 입력 텍스트 열 및 제2 입력 텍스트 열)을 각각의 의미에 대응하도록 식별할 수 있다. 예를 들어, '하나의 단어', 및/또는 '구'와 같이, 입력 텍스트 열(310)이 작성된 내용만으로 언어 식별 모듈(250)이 입력 텍스트 열의 언어(330)를 파악하기 어려운 경우, 언어 식별 모듈(250)은 언어 식별 데이터(320)에 기반하여 입력 텍스트 열의 언어(330)를 식별할 수 있다.
예를 들어, 동일한 로마자 체계를 사용하는 영어 및 프랑스어에 있어서, 언어 식별 모듈(250)은 언어 식별 데이터(320)에 기반하여 입력 텍스트 열의 언어(330)를 식별함으로써, 프랑스어로 작성된 “car”를 “왜냐하면”의 의미로 식별하고, 및 영어로 작성된 “car”를 “자동차”의 의미로 식별할 수 있다.
일 실시 예에 따르면, 언어 식별 데이터(320)는 입력 텍스트 열(310)의 유니코드(unicode), 전자 장치(101)의 사용 언어, 전자 장치(101)의 설정 국가, 또는 전자 장치(101)의 위치 정보 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 유니코드는 전산 처리를 위해 문자를 표준화하는 방식을 나타낼 수 있다. 전자 장치(101)의 사용 언어는, 사용자가 전자 장치(101)를 통해 인식하는 언어를 나타낼 수 있다. 전자 장치(101)의 사용 언어는, 시스템 상 기 설정되거나, 또는 사용자가 별도로 설정할 수 있다. 전자 장치(101)의 설정 국가는, 사용자가 전자 장치(101)를 사용하는 국가 또는 지역에 기반하여 설정될 수 있다. 전자 장치(101)의 위치 정보는, 전자 장치(101)의 통신 및 GPS에 기반하여 설정될 수 있다.
일 실시 예에 따르면, 언어 식별 모듈(250)은 원 핫 인코딩(one hot encoding)기법을 통해 입력 텍스트 열(310)을 벡터로 변환하여, 입력 텍스트 벡터를 생성할 수 있다. 원 핫 인코딩 기법은 문자를 벡터로 표현하는 공지된 방법으로, 본 문서에서는 구체적인 설명을 생략한다.
예를 들어, 입력 텍스트 열(310)이 “car”인 경우, 언어 식별 모듈(250)은 원 핫 인코딩 기법을 통해 입력 텍스트 열(310)을 벡터로 변환하여, 아래 표 1과 같은 입력 텍스트 벡터를 생성할 수 있다.
Figure PCTKR2022020798-appb-img-000001
일 실시 예에 따르면, 언어 식별 모듈(250)은 언어 식별 데이터(320)에 포함된 내용을 벡터로 변환하여, 언어 식별 벡터를 생성할 수 있다. 언어 식별 모듈(250)은 언어 식별 데이터(320)에 복수의 내용들이 포함된 경우, 복수의 내용들을 각각 벡터로 변환하여 복수의 언어 식별 벡터들을 생성할 수 있다.예를 들어, 언어 식별 데이터(320)가 전자 장치(101)의 사용 언어(예: 영어(EN)), 및 전자 장치(101)의 설정 국가(예: 미국(US))를 포함하는 경우, 언어 식별 모듈(250)은 전자 장치(101)의 사용 언어를 벡터로 변환한 제1 언어 식별 벡터를 아래 표 2와 같이 생성하고, 및 전자 장치(101)의 설정 국가를 벡터로 변환한 제2 언어 식별 벡터를 아래 표 3과 같이 생성할 수 있다.
Figure PCTKR2022020798-appb-img-000002
Figure PCTKR2022020798-appb-img-000003
일 실시 예에 따르면, 언어 식별 모듈(250)은, 합성곱 신경망(convolutional neural networks, CNN) 알고리즘, 순환 신경망(recurrent neural networks, RNN) 알고리즘, 또는 순방향 신경망(feedforward neural networks, FNN) 알고리즘에 기반하여 입력 값(예: 입력 텍스트 열(310) 및/또는 언어 식별 데이터(320))을 처리할 수 있다. 합성곱 신경망 알고리즘, 순환 신경망 알고리즘, 및 순방향 신경망 알고리즘은 이미 공지된 알고리즘이므로 구체적인 설명은 생략한다.
일 실시 예에 따르면, 입력 텍스트 열의 언어는, 입력 텍스트 열(310)이 작성된 언어를 나타낼 수 있다. 언어 식별 모듈(250)은, 언어와 대응하는 확률의 형태(예: 스칼라 및/또는 벡터)로 입력 텍스트 열의 언어(330)를 출력할 수 있다. 예를 들어, 언어 식별 모듈(250)은, 입력 텍스트 열(310)이 영어로 작성된 확률을 약 76%로, 입력 텍스트 열(310)이 프랑스어로 작성된 확률을 약 23%로, 및 입력 텍스트 열(310)이 기타 언어로 작성된 확률을 약 1%로 출력할 수 있다.
도 4a는 본 문서에 개시된 언어 변환 모듈(260)을 설명하는 블록도이다.
도 4a를 참조하면, 언어 변환 모듈(260)은, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 언어 변환 모듈(260)은 메모리(예: 도 2a의 메모리(220a))에 포함된 표준 변환 테이블에 접근할 수 있다. 언어 변환 모듈(260)은 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330)), 및 표준 변환 테이블에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다.
일 실시 예에 따르면, 언어 변환 모듈(260)은 언어를 지정된 표기법으로 변환하는 법칙 및/또는 규칙에 기반하여, 표준 변환 테이블을 생성할 수 있다. 예를 들어, 언어 변환 모듈(260)은 로마자 표기법(romanization rule), 또는 국제 음성 기호(international phonetic alphabet, IPA) 규칙에 기반하여, 표준 변환 테이블을 생성할 수 있다. 로마자 표기법, 또는 국제 음성 기호 규칙은 표준 변환 테이블을 생성하는 방법의 일 예시일 뿐, 표준 변환 테이블을 생성하는 방법은 전술한 예시에 한정되지 않는다.
일 실시 예에 따르면, 언어 변환 모듈(260)은, 입력 텍스트 열의 언어(330) 및 표준 변환 테이블에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다.
예를 들어, 입력 텍스트 열의 언어(330)가 일본어고, 표준 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 언어 변환 모듈(260)은 일본어 및 로마자 표기법에 기반하여 “フランチェスカ”를 “Furanchesuka”로 변환할 수 있다.
“フランチェスカ”는 사용자가 일본어로 전자 장치(101)에 입력한 입력 텍스트 열(310)을 나타낼 수 있다. “Furanchesuka”는, 언어 변환 모듈(260)이 일본어 “フランチェスカ”를 변환한 표준 텍스트 열(410)을 나타낼 수 있다.
도 4b는 본 문서에 개시된 언어 변환 모듈(460)을 설명하는 블록도이다.
도 4b를 참조하면, 외부 서버(108)는 적어도 하나 이상의 언어 변환 모듈(460)을 포함할 수 있다. 언어 변환 모듈(460)은 도 2b의 언어 변환 모듈(260)과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다. 외부 서버(108)는 프론트 엔드(430)를 통해 전자 장치(101)와 통신할 수 있다. 외부 서버(108)는 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330)) 및 표준 변환 테이블에 기반하여 생성된 언어 변환 모듈(460)을 포함할 수 있다.
예를 들어, 외부 서버(108)는 영어 및 로마자 표기법에 기반하여 생성된 언어 변환 모듈(460)을 포함할 수 있다. 다른 예로, 외부 서버(108)는 러시아어 및 로마자 표기법에 기반하여 생성된 언어 변환 모듈(460)을 포함할 수 있다. 또 다른 예로, 외부 서버(108)는 한국어 및 국제 음성 기호 규칙에 기반하여 생성된 언어 변환 모듈(460)을 포함할 수 있다.
일 실시 예에 따르면, 전자 장치(101)(예: 도 2a의 전자 장치(200a))는 언어 변환 모듈(예: 도 2b의 언어 변환 모듈(260))을 포함하지 않을 수 있다. 전자 장치(101)는 표준 텍스트 열(예: 도 4a의 표준 텍스트 열(410))로 변환하고자 하는 입력 텍스트 열(예: 도 3의 입력 텍스트 열(310))을 외부 서버(108)로 전송할 수 있다. 외부 서버(108)의 프론트 엔드(430)는, 전자 장치(101)로부터 입력 텍스트 열(310)을 수신하고, 및 입력 텍스트 열(310)을 언어 변환 모듈(460)로 전송할 수 있다. 외부 서버(108)에 포함된 언어 변환 모듈(460)은 프론트 엔드(430)로부터 입력 텍스트 열(310)을 수신하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환하고, 및 표준 텍스트 열(410)을 프론트 엔드(430)로 전송할 수 있다. 프론트 엔드(430)는, 언어 변환 모듈(460)로부터 수신한 표준 텍스트 열(410)을 전자 장치(101)로 전송할 수 있다. 일 실시 예에서, 전자 장치(101)는 메모리(예: 도 2a의 메모리(220a))에 적어도 하나 이상의 언어 변환 모듈을 포함한 경우에도, 외부 서버(108)에 포함된 언어 변환 모듈(460)을 이용하여 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 입력 텍스트 열(310)을 외부 서버(108)에 전송할 수 있다. 외부 서버(108)는 프론트 엔드(430)를 통해 전자 장치(101)로부터 입력 텍스트 열(310)을 수신할 수 있다. 외부 서버(108)는 수신한 입력 텍스트 열(310)을, 언어 변환 모듈(460)을 통해 표준 텍스트 열(410)로 변환할 수 있다. 외부 서버(108)는 프론트 엔드(430)를 통해, 표준 텍스트 열(410)을 전자 장치(101)로 전송할 수 있다. 전자 장치(101)는 외부 서버(108)로부터 표준 텍스트 열(410)을 수신할 수 있다.
예를 들어, 전자 장치(101)는 입력 텍스트 열(310)인 “フランチェスカ”를 외부 서버(108)에 전송할 수 있다. 외부 서버(108)는 프론트 엔드(430)를 통해 전자 장치(101)로부터 입력 텍스트 열(310)인 “フランチェスカ”를 수신할 수 있다. 외부 서버(108)는 언어 변환 모듈(460)(예: 일본어 및 로마자 표기법에 기반하여 생성된 언어 변환 모듈)을 통해, 수신한 입력 텍스트 열(310)인 “フランチェスカ”를 표준 텍스트 열(410)인 “Furanchesuka”로 변환할 수 있다. 외부 서버(108)는 프론트 엔드(430)를 통해, 표준 텍스트 열(410)인 “Furanchesuka”를 전자 장치(101)로 전송할 수 있다. 전자 장치(101)는 외부 서버(108)로부터 표준 텍스트 열(410)인 “Furanchesuka”를 수신할 수 있다.
도 4c는 본 문서에 개시된 언어 변환 모듈(460)을 설명하는 블록도이다. 설명의 편의를 위해, 도 4b와 중복된 내용은 생략한다.
도 4c를 참조하면, 전자 장치(101)는 외부 서버(108)로부터, 외부 서버(108)에 포함된 언어 변환 모듈(460) 중 적어도 하나를 다운로드 할 수 있다. 전자 장치(101)가 외부 서버(108)로부터 다운로드 하고자 하는 적어도 하나의 언어 변환 모듈은, 제1 언어 변환 모듈(265)로 참조된다.
일 실시 예에 따르면, 전자 장치(101)는 외부 서버(108)의 프론트 엔드(430)에, 제1 언어 변환 모듈(265)의 다운로드를 요청하는 신호를 전송할 수 있다. 외부 서버(108)의 프론트 엔드(430)는 전자 장치(101)로부터 제1 언어 변환 모듈(265)의 다운로드를 요청하는 신호를 수신할 수 있다. 프론트 엔드(430)는, 전자 장치(101)로부터 수신한 신호에 대응하여 제1 언어 변환 모듈(265)을 전자 장치(101)로 전송할 수 있다. 전자 장치(101)는 프론트 엔드(430)로부터, 제1 언어 변환 모듈(265)을 다운로드 할 수 있다.
일 실시 예에서, 제1 언어 변환 모듈(265)은, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 예를 들어, 전자 장치(101)는 외부 서버(108)의 프론트 엔드(430)에, 제1 언어 변환 모듈(265)(예: 일본어 및 로마자 표기법에 기반하여 생성된 언어 변환 모듈)의 다운로드를 요청하는 신호를 전송할 수 있다. 외부 서버(108)의 프론트 엔드(430)는 전자 장치(101)로부터 제1 언어 변환 모듈(265)의 다운로드를 요청하는 신호를 수신할 수 있다. 프론트 엔드(430)는, 전자 장치(101)로부터 수신한 신호에 대응하여, 제1 언어 변환 모듈(265)을 전자 장치(101)로 전송할 수 있다. 전자 장치(101)는 프론트 엔드(430)로부터 제1 언어 변환 모듈(265)을 다운로드 할 수 있다. 예를 들어, 제1 언어 변환 모듈(265)은, 입력 텍스트 열(310)인 “フランチェスカ”를 표준 텍스트 열(410)인 “Furanchesuka”로 변환할 수 있다.
도 5는 본 문서에 개시된 코드 변환 모듈(270)을 설명하는 블록도이다.
일 실시 예에 따르면, 코드 변환 모듈(270)은, 표준 텍스트 열(410)을 코드 열(510)로 변환할 수 있다. 코드 변환 모듈(270)은 메모리(예: 도 2a의 메모리(220a))에 포함된 코드 변환 테이블에 접근할 수 있다. 코드 변환 모듈(270)은 코드 변환 테이블에 기반하여, 표준 텍스트 열(410)을 코드 열(510)로 변환할 수 있다. 예를 들어, 코드 변환 모듈(270)은 표준 텍스트 열(410)인 “Furanchesuka”를 코드 열(510)인 “106052002020”으로 변환할 수 있다.
일 실시 예에 따르면, 코드 변환 모듈(270)은 유사한 발음을 갖는 문자들을 복수개의 그룹들로 분류하고, 각 그룹에 대응하는 코드를 설정하여 코드 변환 테이블을 생성할 수 있다. 일 실시 예에서, 코드 변환 모듈(270)은 코드 변환 테이블을 생성하는 과정에서, 언어 변환 모듈(예: 도 4a의 언어 변환 모듈(260), 도 4b의 언어 변환 모듈(460), 또는 도 4c의 제1 언어 변환 모듈(265))이 표준 변환 테이블을 생성한 규칙을 참조할 수 있다.
예를 들어, 언어 변환 모듈이 로마자 표기법에 기반하여 표준 변환 테이블을 생성한 경우, 코드 변환 모듈(270)은 서로 유사한 발음을 갖는 로마자들에 기반하여 아래의 표 4와 같은 코드 변환 테이블을 생성할 수 있다.
Figure PCTKR2022020798-appb-img-000004
도 6은 본 문서에 개시된 벡터 생성 모듈(280)을 설명하는 블록도이다.
도 6을 참조하면, 벡터 생성 모듈(280)은, 코드 열(510)에 기반하여 복수의 제1 벡터들(610)과 같은 벡터 열을 생성할 수 있다. 벡터 생성 모듈(280)은 코드 열(510)을 입력 받아, 복수의 제1 벡터들(610)을 출력할 수 있다. 벡터 생성 모듈(280)이 복수의 제1 벡터들(610)을 생성하는 구체적인 방법은 아래에서 설명한다.
일 실시 예에 따르면, 벡터 생성 모듈(280)은 코드 열(510)에 포함된 코드의 순서 및, 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다. 일 실시 예에 따르면, 벡터 생성 모듈(280)은 바이그램(bigram) 방법에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다. 벡터 생성 모듈(280)은 바이그램 방법에 기반하여 복수의 제1 벡터들(610)을 생성하는 것을 통해, 입력 텍스트 열(예: 도 3의 입력 텍스트 열(310))의 발음의 변화에 대한 정보를 복수의 제1 벡터들(610)에 포함할 수 있다.
일 실시 예에 따르면, 코드의 순서는, 코드 열(510)에 포함된 어느 하나의 코드가, 코드 열(510)의 시작 코드로부터 몇 번째 순서인지 나타낼 수 있다. 설명의 편의를 위해 코드 열(510)의 시작 코드의 순서는 '0'번째 순서인 것으로 설정한다. 예를 들어, 코드 열(510)이 “106052002020”인 경우, “1”은 0번째 순서에 대응할 수 있다. “1”에 후속하는 “0”은 첫 번째 순서에 대응할 수 있다. “6”은 두 번째 순서에 대응할 수 있다.
일 실시 예에 따르면, 연속하는 2개의 코드들은, 코드 열(510)에 포함된 어느 하나의 코드 및 어느 하나의 코드에 후속하는 코드를 나타낼 수 있다. 예를 들어, 코드 열(510) “106052002020”은, “10”, “06”, “60”, “05”, “52”, 또는 “20” 과 같은 연속하는 두개의 코드들을 포함할 수 있다.
일 실시 예에 따르면, 벡터 생성 모듈(280)은 코드의 순서 및, 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다. 예를 들어, 코드 열(510)이 “106052002020”인 경우, 벡터 생성 모듈(280)은 아래의 표 5에 기재된 벡터들을 포함하는 복수의 제1 벡터들(610)을 생성할 수 있다. 예를 들어 벡터 생성 모듈(280)은, [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0]]를 포함하는 복수의 제1 벡터들(610)을 생성할 수 있다.
Figure PCTKR2022020798-appb-img-000005
도 7은 본 문서에 개시된 일 실시 예에 따른 인덱싱(indexing) 동작을 수행하기 위한 도면이다.
도 7을 참조하면, 데이터 수집 모듈(예: 도 2b의 데이터 수집 모듈(225))은, 동작 710에서, 인덱스(예: 도 2b의 인덱스(230))를 생성하기 위한 데이터를 전자 장치(예: 도 1의 전자 장치(101), 도 2a의 전자 장치(200a), 또는 도 2b의 전자 장치(200b))에서 수집할 수 있다. 예를 들어, 데이터 수집 모듈(225)은 컨택 데이터, 이미지 데이터, 비디오 데이터, 어플리케이션 데이터, 문서 데이터, 또는 기타 데이터 중 적어도 하나를 전자 장치(101)에서 수집할 수 있다. 데이터 수집 모듈(225)은 전자 장치(101)에서 수집한 데이터에 포함된 텍스트 데이터(예: 도 3의 입력 텍스트 열(310))를 언어 식별 모듈(예: 도 2b의 언어 식별 모듈(250))로 전송할 수 있다.
일 실시 예에 따르면, 언어 식별 모듈(250)은, 동작 720에서, 입력 텍스트 열(310) 및 언어 식별 데이터(예: 도 3의 언어 식별 데이터(320))에 기반하여 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330))를 식별할 수 있다. 예를 들어, 입력 텍스트 열(310)이 “Франческа”이고 전자 장치(101)의 설정 국가가 러시아인 경우, 언어 식별 모듈(250)은, 입력 텍스트 열의 언어(330)를 러시아어로 식별할 수 있다. 언어 식별 모듈(250)은 식별한 입력 텍스트 열의 언어(330)를 언어 변환 모듈(예: 도 2b의 언어 변환 모듈(260), 도 4b의 언어 변환 모듈(460), 또는 도 4c의 제1 언어 변환 모듈(265))로 전송할 수 있다.
일 실시 예에 따르면, 언어 변환 모듈은, 동작 730에서, 입력 텍스트 열(310)을 표준 텍스트 열(예: 도 4a의 표준 텍스트 열(410))로 변환할 수 있다. 언어 변환 모듈은 입력 텍스트 열의 언어(330), 및 표준 변환 테이블(예: 도 4a의 표준 변환 테이블)에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 예를 들어, 입력 텍스트 열(310)이 러시아어고, 표준 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 언어 변환 모듈은 입력 텍스트 열(310)인 “Франческа”을, 표준 텍스트 열(410)인 “Francheska”로 변환할 수 있다. 언어 변환 모듈은 표준 텍스트 열(410)을 코드 변환 모듈(270)로 전송할 수 있다.
일 실시 예에 따르면, 코드 변환 모듈(270)은, 동작 740에서, 표준 텍스트 열(410)을 코드 열(예: 도 5의 코드 열(510))로 변환할 수 있다. 코드 변환 모듈(270)은 코드 변환 테이블(예: 표 4의 코드 변환 테이블)에 기반하여, 표준 텍스트 열(410)을 코드 열(510)로 변환할 수 있다. 예를 들어, 표준 텍스트 열(410)이 “Francheska”이고, 코드 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 코드 변환 모듈(270)은 표준 텍스트 열(410)인 “Francheska”를 코드 열(510)인 “1605200220”으로 변환할 수 있다. 코드 변환 모듈(270)은 코드 열(510)을 벡터 생성 모듈(280)로 전송할 수 있다.
일 실시 예에 따르면, 벡터 생성 모듈(280)은, 동작 750에서, 코드 열(510)에 기반하여 벡터 열을 생성할 수 있다. 벡터 생성 모듈(280)은 코드 열(510)에 포함된 코드의 순서 및, 연속하는 2개의 코드들에 기반하여, 벡터 열을 생성할 수 있다. 예를 들어 코드 열(510)이 “1605200220”인 경우, 벡터 생성 모듈(280)은 벡터 열인 [[0,1,6], [1,6,0], [2,0,5], [3,5,2], [4,2,0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]]를 생성할 수 있다. 벡터 생성 모듈(280)은 벡터 열을 인덱스 생성 모듈(223)로 전송할 수 있다.
일 실시 예에 따르면, 인덱스 생성 모듈(223)은, 동작 760에서, 텍스트 열 및 텍스트 열에 대응하는 벡터 열을, 인덱스(230)에 포함시킬 수 있다. 예를 들어, 인덱스 생성 모듈(223)은 텍스트 열인 “Франческа” 및 “Франческа”에 대응하는 벡터 열인 [[0,1,6], [1,6,0], [2,0,5], [3,5,2], [4,2,0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]]을, 인덱스(230)에 포함시킬 수 있다. 텍스트 열에 대응하는 벡터 열은 이하에서 “복수의 인덱스 벡터들”로 참조된다.
도 8은 본 문서에 개시된 일 실시 예에 따른 쿼리(querying) 동작을 수행하기 위한 도면이다.
도 8을 참조하면, 어플리케이션(예: 도 2b의 어플리케이션(210))은, 동작 810에서, 사용자로부터 쿼리(예: 도 2b의 쿼리)를 수신할 수 있다. 쿼리는 사용자가 입력한 텍스트 열(예: 도 3의 입력 텍스트 열(310))을 포함할 수 있다. 쿼리는, 입력 텍스트 열(310)과 동일하거나 유사하게 발음되는 텍스트 열 중에서, 입력 텍스트 열(310)과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다. 예를 들어, 사용자가 전자 장치(예: 도 1의 전자 장치(101), 도 2a의 전자 장치(200a), 또는 도 2b의 전자 장치(200b))에 텍스트 “フランチェスカ”를 입력한 경우, 쿼리는 “フランチェスカ”과 동일하거나 유사하게 발음되는 텍스트 열 중에서, “フランチェスカ”과 다른 언어로 작성된 텍스트 열에 대한 검색 요청을 포함할 수 있다.
일 실시 예에 따르면, 언어 식별 모듈(예: 도 2b의 언어 식별 모듈(250))은, 동작 820에서, 입력 텍스트 열(310) 및 언어 식별 데이터(예: 도 3의 언어 식별 데이터(320))에 기반하여 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330))를 식별할 수 있다. 예를 들어, 입력 텍스트 열(310)이 “フランチェスカ”이고, 전자 장치(101)의 설정 국가가 일본인 경우, 언어 식별 모듈(250)은 입력 텍스트 열의 언어(330)를 일본어로 식별할 수 있다. 언어 식별 모듈(250)은 입력 텍스트 열의 언어(330)를 언어 변환 모듈(예: 도 2b의 언어 변환 모듈(260), 도 4b의 언어 변환 모듈(460), 또는 도 4c의 제1 언어 변환 모듈(265))로 전송할 수 있다.
일 실시 예에 따르면, 언어 변환 모듈은, 동작 830에서, 입력 텍스트 열(310)을 표준 텍스트 열(예: 도 4a의 표준 텍스트 열(410))로 변환할 수 있다. 언어 변환 모듈은 입력 텍스트 열의 언어(330), 및 표준 변환 테이블(예: 도 4a의 표준 변환 테이블)에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(410)로 변환할 수 있다. 예를 들어, 입력 텍스트 열(310)이 일본어고, 표준 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 언어 변환 모듈은 입력 텍스트 열(310)인 “フランチェスカ”을, 표준 텍스트 열(410)인 “Furanchesuka”로 변환할 수 있다. 언어 변환 모듈은 표준 텍스트 열(410)을 코드 변환 모듈(예: 도 2b의 코드 변환 모듈(270))로 전송할 수 있다.
일 실시 예에 따르면, 코드 변환 모듈(270)은, 동작 840에서, 표준 텍스트 열(410)을 코드 열(예: 도 5의 코드 열(510))로 변환할 수 있다. 코드 변환 모듈(270)은 코드 변환 테이블(예: 표 4의 코드 변환 테이블)에 기반하여, 표준 텍스트 열(410)을 코드 열(510)로 변환할 수 있다. 예를 들어, 표준 텍스트 열(410)이 “Furanchesuka”이고, 코드 변환 테이블이 로마자 표기법에 기반하여 생성된 경우, 코드 변환 모듈(270)은 표준 텍스트 열(410)인 “Furanchesuka”를 코드 열(510)인 “106052002020”으로 변환할 수 있다. 코드 변환 모듈(270)은 코드 열(510)을 벡터 생성 모듈(280)로 전송할 수 있다.
일 실시 예에 따르면, 벡터 생성 모듈(280)은, 동작 850에서, 코드 열(510)에 기반하여 벡터 열(예: 도 6의 복수의 제1 벡터들(610))을 생성할 수 있다. 벡터 생성 모듈(280)은 코드 열(510)에 포함된 코드의 순서 및, 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(610)을 생성할 수 있다. 예를 들어 코드 열(510)이 “106052002020”인 경우, 벡터 생성 모듈(280)은 는 복수의 제1 벡터들(610)인 [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0]]를 생성할 수 있다. 벡터 생성 모듈(280)은 복수의 제1 벡터들(610)을 서칭 모듈(예: 도 2b의 서칭 모듈(290))로 전송할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은, 동작 860에서, 벡터 열(예: 도 6의 복수의 제1 벡터들(610))을 인덱스(예: 도 2b의 인덱스 (230))에 포함된 복수의 인덱스 벡터들(예: 도 7의 복수의 인덱스 벡터들)과 비교할 수 있다. 서칭 모듈(290)은 두 벡터들 간의 유사도를 판단하는 방법에 기반하여, 복수의 제1 벡터들(610)과 복수의 인덱스 벡터들을 비교할 수 있다. 서칭 모듈(290)은, 두 벡터들 간의 유사도가 임계치 이상인 경우 두 벡터가 유사하다고 결정하고, 또는 두 벡터들 간의 유사도가 임계치 미만인 경우 두 벡터가 상이하다고 결정할 수 있다.
예를 들어, 복수의 제1 벡터들(예: [[0,1,0], [1,0,6], [2,6,0], [3,0,5], [4,5,2], [5,2,0] [6,0,0], [7,0,2], [8,2,0], [9,0,2], [10,2,0]])과, 복수의 인덱스 벡터들(예: [[0,1,6], [1,6,0], [2,0,5], [3,5,2], [4,2,0], [5,0,0], [6,0,2], [7,2,2], [8,2,0]])의 유사도가 임계치 이상인 경우, 서칭 모듈(290)은 두 벡터가 유사하다고 결정할 수 있다. 다른 예로, 복수의 제1 벡터들과 복수의 인덱스 벡터들의 유사도가 임계치 미만인 경우, 서칭 모듈(290)은 두 벡터가 상이하다고 결정할 수 있다.
일 실시 예에 따르면, 서칭 모듈(290)은, 동작 870에서, 복수의 인덱스 벡터들 중, 복수의 제1 벡터들(610)과 유사하다고 결정한 복수의 제2 벡터들을 식별할 수 있다. 서칭 모듈(290)은 인덱스(230)에서 복수의 제2 벡터들에 대응하는 출력 텍스트 열(예: 도 2a의 출력 텍스트 열)을 검색할 수 있다. 서칭 모듈(290)은 출력 텍스트 열을 어플리케이션(210)에 반환할 수 있다. 출력 텍스트 열은 입력 텍스트 열(310)과 동일하거나 및/또는 유사하게 발음되면서, 입력 텍스트 열(310)이 작성된 언어와 상이한 언어로 작성된 텍스트 열일 수 있다.
전자 장치(101)(예: 도 2a의 전자 장치(200a) 또는 도 2b의 전자 장치(200b))는 입력 텍스트 열(310)의 발음과 대응하는 발음의 언어를 이용하여 출력 텍스트 열을 검색하는 방법을 제공함으로써, 사용자가 검색하고자 하는 텍스트(예: 출력 텍스트 열)의 언어 및 의미를 모르더라도, 상기 텍스트(예: 출력 텍스트 열)를 검색하도록 할 수 있다.
도 9는 본 문서에 개시된 다양한 실시 예에 따른 방법을 수행하기 위한 흐름도이다.
도 9를 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 동작 910에서, 사용자로부터 입력 텍스트 열(예: 도 3의 입력 텍스트 열(310))을 수신할 수 있다. 전자 장치(101)는 어플리케이션(예: 도 2b의 어플리케이션(210))을 통해 동작 910을 수행할 수 있다. 전자 장치(101)는 동작 910에서, 어플리케이션(210)이 동작 810에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 920에서, 입력 텍스트 열의 언어(예: 도 3의 입력 텍스트 열의 언어(330))를 식별할 수 있다. 전자 장치(101)는 언어 식별 모듈(예: 도 2b의 언어 식별 모듈(250))을 통해, 동작 920을 수행할 수 있다. 전자 장치(101)는 동작 920에서, 언어 식별 모듈(250)이 동작 820에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 930에서, 입력 텍스트 열의 언어(330) 및 표준 변환 테이블에 기반하여, 입력 텍스트 열(310)을 표준 텍스트 열(예: 도 4a의 표준 텍스트 열(410))로 변환할 수 있다. 전자 장치(101)는 언어 변환 모듈(예: 도 2b의 언어 변환 모듈(260), 도 4b의 언어 변환 모듈(460), 또는 도 4c의 제1 언어 변환 모듈(265))을 통해, 동작 930을 수행할 수 있다. 전자 장치(101)는 동작 930에서, 언어 변환 모듈이 동작 830에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 940에서, 코드 변환 테이블에 기반하여, 표준 텍스트 열(410)을 코드 열(예: 도 5의 코드 열(510))로 변환할 수 있다. 전자 장치(101)는 코드 변환 모듈(예: 도 2b의 코드 변환 모듈(270))을 통해, 동작 940을 수행할 수 있다. 전자 장치(101)는 동작 940에서, 코드 변환 모듈(270)이 동작 840에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 950에서, 코드 열(510)에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들(예: 도 6의 복수의 제1 벡터들(610))을 생성할 수 있다. 전자 장치(101)는 벡터 생성 모듈(예: 도 2b의 벡터 생성 모듈(280))을 통해, 동작 950을 수행할 수 있다. 전자 장치(101)는 동작 950에서, 벡터 생성 모듈(280)이 동작 850에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 960에서, 복수의 제1 벡터들(610)을, 메모리(예: 도 2a의 메모리(220a))에 포함된 복수의 인덱스 벡터들과 비교할 수 있다. 전자 장치(101)는 서칭 모듈(예: 도 2b의 서칭 모듈(290))을 통해, 동작 960을 수행할 수 있다. 전자 장치(101)는 동작 960에서, 서칭 모듈(290)이 동작 860에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 970에서, 복수의 인덱스 벡터들 중에서, 복수의 제1 벡터들(610)과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별할 수 있다. 전자 장치(101)는 서칭 모듈(290)을 통해, 동작 970을 수행할 수 있다. 전자 장치(101)는 동작 970에서, 서칭 모듈(290)이 동작 870에서 수행하는 동작과 실질적으로 동일하거나 유사한 동작을 수행할 수 있다.
전자 장치(101)는 동작 980에서, 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 사용자에게 제공할 수 있다. 전자 장치(101)는 어플리케이션(210)을 통해, 동작 980을 수행할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 메모리, 및 상기 메모리와 연결된 프로세서를 포함하고, 상기 메모리는, 실행 시에, 상기 전자 장치가 사용자로부터 입력 텍스트 열을 수신하고, 상기 입력 텍스트 열의 언어를 식별하고, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을 표준 텍스트 열로 변환하고, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하고, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하고, 상기 복수의 제1 벡터들을 상기 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하고, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하고, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하도록 하는 인스트럭션들(instructions)을 저장하고, 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고, 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응될 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 입력 텍스트 열의 유니코드(unicode), 상기 전자 장치의 설정 언어, 상기 전자 장치의 설정 국가, 또는 상기 전자 장치의 위치 정보 중 적어도 하나에 기반하여 상기 입력 텍스트 열의 언어를 식별하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 메모리, 또는 외부 서버 중 적어도 하나에 상기 표준 변환 테이블을 저장하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 입력 텍스트 열을 상기 외부 서버에 전송하고, 상기 입력 텍스트 열 및 상기 외부 서버에 저장된 표준 변환 테이블에 기반하여 변환된 상기 표준 텍스트 열을 상기 외부 서버로부터 수신하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 로마자 표기법(romanization rule), 또는 국제 음성 기호 표기법(international phonetic alphabet, IPA)에 기반하여 상기 표준 변환 테이블을 생성하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 코드 열에 포함된 제1 코드, 상기 제1 코드에 연속하는 제2 코드, 및 상기 제1 코드의 순서에 기반하여, 상기 복수의 제1 벡터들을 생성하도록 하고, 상기 제1 코드는 상기 코드 열에 포함된 복수의 코드들에 순차적으로 대응할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 복수의 제1 벡터들의 패턴, 상기 복수의 제1 벡터들의 기울기, 상기 복수의 인덱스 벡터들의 패턴, 또는 상기 복수의 인덱스 벡터들의 기울기 중 적어도 하나에 기반하여 상기 유사도를 결정하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 코사인 유사도(cosine similarity) 에 기반하여, 상기 유사도를 결정하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자로부터 미디어 데이터를 입력 받고, 상기 미디어 데이터에 포함된 텍스트 열 중 벡터 변환 대상인 텍스트 열을 상기 입력 텍스트 열로 식별하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 사용자 또는 외부 서버로부터 수신한 인덱스 텍스트 열의 언어를 식별하고, 상기 인덱스 텍스트 열의 언어 및 상기 표준 변환 테이블에 기반하여, 상기 인덱스 텍스트 열을 표준 인덱스 텍스트 열로 변환하고, 상기 코드 변환 테이블에 기반하여, 상기 표준 인덱스 텍스트 열을 인덱스 코드 열로 변환하고, 및 상기 인덱스 코드 열에 포함된 인덱스 코드의 순서 및 연속하는 2개의 인덱스 코드들에 기반하여, 상기 복수의 인덱스 벡터들을 생성하도록 할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치에 의해 수행되는 발음에 기반한 이종 언어의 텍스트 검색 방법은, 사용자로부터 입력 텍스트 열을 수신하는 동작, 상기 입력 텍스트 열의 언어를 식별하는 동작, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작, 상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작을 포함하고, 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고, 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응될 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 언어를 식별하는 동작은, 상기 입력 텍스트 열의 유니코드(unicode), 전자 장치의 설정 언어, 상기 전자 장치의 설정 국가, 또는 상기 전자 장치의 위치 정보 중 적어도 하나에 기반하여 상기 입력 텍스트 열의 상기 언어를 식별하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 발음에 기반한 이종 언어의 텍스트 검색 방법은, 상기 표준 변환 테이블을 상기 메모리 또는 외부 서버 중 적어도 하나에 저장하는 동작을 더 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 입력 텍스트 열을 상기 표준 텍스트 열로 변환하는 동작은, 상기 입력 텍스트 열을 상기 외부 서버에 전송하는 동작, 및 상기 입력 텍스트 열 및 상기 외부 서버에 저장된 표준 변환 테이블에 기반하여 변환된 상기 표준 텍스트 열을 상기 외부 서버로부터 수신하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 발음에 기반한 이종 언어의 텍스트 검색 방법은, 로마자 표기법(romanization rule), 또는 국제 음성 기호 표기법(international phonetic alphabet, IPA)에 기반하여 상기 표준 변환 테이블을 생성하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 복수의 제1 벡터들을 생성하는 동작은, 상기 코드 열에 포함된 제1 코드, 상기 제1 코드에 연속하는 제2 코드, 및 상기 제1 코드의 순서에 기반하여 상기 복수의 제1 벡터들을 생성하는 동작을 포함하고, 상기 제1 코드는 상기 코드 열에 포함된 복수의 코드들에 순차적으로 대응할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 발음에 기반한 이종 언어의 텍스트 검색 방법은, 상기 복수의 제1 벡터들의 패턴, 상기 복수의 제1 벡터들의 기울기, 상기 복수의 인덱스 벡터들의 패턴, 또는 상기 복수의 인덱스 벡터들의 기울기 중 적어도 하나에 기반하여 상기 유사도를 결정하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 유사도를 결정하는 동작은, 코사인 유사도(cosine similarity)에 기반하여 상기 유사도를 결정하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따르면, 상기 입력 텍스트 열을 수신하는 동작은, 상기 사용자로부터 미디어 데이터를 수신하는 동작, 및 상기 미디어 데이터에 포함된 텍스트 열 중 벡터 변환 대상인 텍스트 열을 상기 입력 텍스트 열로 식별하는 동작을 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 발음에 기반한 이종 언어의 텍스트 검색 방법은, 상기 사용자 또는 외부 서버로부터 수신한 인덱스 텍스트 열의 언어를 식별하는 동작, 상기 인덱스 텍스트 열의 언어 및 상기 표준 변환 테이블에 기반하여, 상기 인덱스 텍스트 열을 표준 인덱스 텍스트 열로 변환하는 동작, 상기 코드 변환 테이블에 기반하여, 상기 표준 인덱스 텍스트 열을 인덱스 코드 열로 변환하는 동작, 및 상기 인덱스 코드 열에 포함된 인덱스 코드의 순서 및 연속하는 2개의 인덱스 코드들에 기반하여, 상기 복수의 인덱스 벡터들을 생성하는 동작을 더 포함할 수 있다.
본 문서에 개시되는 일 실시예에 따른 비일시적 컴퓨터 판독 가능한 저장 매체는, 전자 장치가 발음에 기반한 이종 언어의 텍스트 검색 방법을 수행하기 위한 프로그램을 저장할 수 있다. 상기 방법은, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하는 동작, 상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작, 코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작, 상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작, 상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작, 상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작, 및 상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이할 수 있다. 상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음에 대응될 수 있다.
본 문서에 개시된 다양한 실시예들에 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 실시예들 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 문서의 다양한 실시예들에서 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, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 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.
일실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 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 실시예들에 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 실시예들에 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 실시예들에 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,
    메모리; 및
    상기 메모리와 연결된 프로세서; 를 포함하고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    사용자로부터 수신한 입력 텍스트 열의 언어를 식별하고,
    상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을 표준 텍스트 열로 변환하고,
    코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하고,
    상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하고,
    상기 복수의 제1 벡터들을 상기 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하고,
    상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하고, 및
    상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하도록 하는 인스트럭션들(instructions)을 저장하고,
    상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고,
    상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응되는 전자 장치.
  2. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 입력 텍스트 열의 유니코드(unicode), 상기 전자 장치의 설정 언어, 상기 전자 장치의 설정 국가, 또는 상기 전자 장치의 위치 정보 중 적어도 하나에 기반하여 상기 입력 텍스트 열의 언어를 식별하도록 하는 전자 장치.
  3. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 메모리, 또는 외부 서버 중 적어도 하나에 상기 표준 변환 테이블을 저장하도록 하는 전자 장치.
  4. 청구항 3에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 입력 텍스트 열을 상기 외부 서버에 전송하고, 및
    상기 입력 텍스트 열 및 상기 외부 서버에 저장된 표준 변환 테이블에 기반하여 변환된 상기 표준 텍스트 열을 상기 외부 서버로부터 수신하도록 하는 전자 장치.
  5. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    로마자 표기법(romanization rule), 또는 국제 음성 기호 표기법(international phonetic alphabet, IPA)에 기반하여 상기 표준 변환 테이블을 생성하도록 하는 전자 장치.
  6. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 코드 열에 포함된 제1 코드, 상기 제1 코드에 연속하는 제2 코드, 및 상기 제1 코드의 순서에 기반하여, 상기 복수의 제1 벡터들을 생성하도록 하고,
    상기 제1 코드는 상기 코드 열에 포함된 복수의 코드들에 순차적으로 대응하는 전자 장치.
  7. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 복수의 제1 벡터들의 패턴, 상기 복수의 제1 벡터들의 기울기, 상기 복수의 인덱스 벡터들의 패턴, 상기 복수의 인덱스 벡터들의 기울기, 또는 코사인 유사도(cosine similarity) 중 적어도 하나에 기반하여 상기 유사도를 결정하도록 하는 전자 장치.
  8. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자로부터 미디어 데이터를 입력 받고,
    상기 미디어 데이터에 포함된 텍스트 열 중 벡터 변환 대상인 텍스트 열을 상기 입력 텍스트 열로 식별하도록 하는 전자 장치.
  9. 청구항 1에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 사용자 또는 외부 서버로부터 수신한 인덱스 텍스트 열의 언어를 식별하고,
    상기 인덱스 텍스트 열의 언어 및 상기 표준 변환 테이블에 기반하여, 상기 인덱스 텍스트 열을 표준 인덱스 텍스트 열로 변환하고,
    상기 코드 변환 테이블에 기반하여, 상기 표준 인덱스 텍스트 열을 인덱스 코드 열로 변환하고, 및
    상기 인덱스 코드 열에 포함된 인덱스 코드의 순서 및 연속하는 2개의 인덱스 코드들에 기반하여, 상기 복수의 인덱스 벡터들을 생성하도록 하는 전자 장치.
  10. 전자 장치에 의해 수행되는 발음에 기반한 이종 언어의 텍스트 검색 방법에 있어서, 사용자로부터 수신한 입력 텍스트 열의 언어를 식별하는 동작;
    상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작;
    코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작;
    상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작;
    상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작;
    상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작; 및
    상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작; 을 포함하고,
    상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고,
    상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응되는 방법.
  11. 청구항 10에 있어서, 상기 언어를 식별하는 동작은,
    상기 입력 텍스트 열의 유니코드(unicode), 전자 장치의 설정 언어, 상기 전자 장치의 설정 국가, 또는 상기 전자 장치의 위치 정보 중 적어도 하나에 기반하여 상기 입력 텍스트 열의 상기 언어를 식별하는 동작을 포함하는 방법.
  12. 청구항 10에 있어서,
    로마자 표기법(romanization rule), 또는 국제 음성 기호 표기법(international phonetic alphabet, IPA)에 기반하여 상기 표준 변환 테이블을 생성하는 동작; 을 더 포함하는 방법.
  13. 청구항 10에 있어서, 상기 복수의 제1 벡터들을 생성하는 동작은,
    상기 코드 열에 포함된 제1 코드, 상기 제1 코드에 연속하는 제2 코드, 및 상기 제1 코드의 순서에 기반하여 상기 복수의 제1 벡터들을 생성하는 동작; 을 포함하고,
    상기 제1 코드는 상기 코드 열에 포함된 복수의 코드들에 순차적으로 대응하는 방법.
  14. 청구항 10에 있어서,
    상기 복수의 제1 벡터들의 패턴, 상기 복수의 제1 벡터들의 기울기, 상기 복수의 인덱스 벡터들의 패턴, 상기 복수의 인덱스 벡터들의 기울기, 또는 코사인 유사도(cosine similarity) 중 적어도 하나에 기반하여 상기 유사도를 결정하는 동작; 을 더 포함하는 방법.
  15. 비일시적 컴퓨터 판독 가능한 저장 매체에 있어서,
    상기 저장 매체는 전자 장치가 발음에 기반한 이종 언어의 텍스트 검색 방법을 수행하기 위한 프로그램을 저장하고, 상기 방법은,
    사용자로부터 수신한 입력 텍스트 열의 언어를 식별하는 동작;
    상기 입력 텍스트 열의 언어 및 표준 변환 테이블에 기반하여, 상기 입력 텍스트 열을, 표준 텍스트 열로 변환하는 동작;
    코드 변환 테이블에 기반하여, 상기 표준 텍스트 열을 코드 열로 변환하는 동작;
    상기 코드 열에 포함된 코드의 순서 및 연속하는 2개의 코드들에 기반하여, 복수의 제1 벡터들을 생성하는 동작;
    상기 복수의 제1 벡터들을 상기 전자 장치의 메모리에 저장된 복수의 인덱스(index) 벡터들과 비교하는 동작;
    상기 비교에 기반하여, 상기 복수의 인덱스 벡터들 중에서 상기 복수의 제1 벡터들과 임계치 이상의 유사도를 가지는 복수의 제2 벡터들을 식별하는 동작; 및
    상기 복수의 제2 벡터들에 대응하는 출력 텍스트 열을 상기 사용자에게 제공하는 동작; 을 포함하고,
    상기 입력 텍스트 열의 언어는 상기 출력 텍스트 열의 언어와 상이하고,
    상기 입력 텍스트 열의 발음은 상기 출력 텍스트 열의 발음과 대응되는 비일시적 컴퓨터 판독 가능한 저장 매체.
PCT/KR2022/020798 2022-01-11 2022-12-20 발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치 WO2023136490A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/095,894 US20230237283A1 (en) 2022-01-11 2023-01-11 Method for searching for texts in different languages based on pronunciation and electronic device applying the same

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220004201 2022-01-11
KR10-2022-0004201 2022-01-11
KR1020220046238A KR20230108675A (ko) 2022-01-11 2022-04-14 발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치
KR10-2022-0046238 2022-04-14

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/095,894 Continuation US20230237283A1 (en) 2022-01-11 2023-01-11 Method for searching for texts in different languages based on pronunciation and electronic device applying the same

Publications (1)

Publication Number Publication Date
WO2023136490A1 true WO2023136490A1 (ko) 2023-07-20

Family

ID=87279371

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/020798 WO2023136490A1 (ko) 2022-01-11 2022-12-20 발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치

Country Status (2)

Country Link
US (1) US20230237283A1 (ko)
WO (1) WO2023136490A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080019209A (ko) * 2005-06-27 2008-03-03 마이크로소프트 코포레이션 상이한 언어를 사용하는 화자들 사이에서의 향상된 대화 및이해를 위한 컨텍스트 감지 통신 및 번역 방법
KR20090060631A (ko) * 2007-12-10 2009-06-15 광주과학기술원 타 언어권 화자음성에 대한 음성인식 시스템의 성능 향상을위한 비직접적 데이터 기반 발음변이 모델링 시스템 및방법
US20100211376A1 (en) * 2009-02-17 2010-08-19 Sony Computer Entertainment Inc. Multiple language voice recognition
KR102062524B1 (ko) * 2019-05-10 2020-01-06 고현선 음성 인식과 번역 방법 및 그를 위한 단말 장치와 서버
KR20200088263A (ko) * 2018-05-29 2020-07-22 한국과학기술원 텍스트- 다중 음성 변환 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080019209A (ko) * 2005-06-27 2008-03-03 마이크로소프트 코포레이션 상이한 언어를 사용하는 화자들 사이에서의 향상된 대화 및이해를 위한 컨텍스트 감지 통신 및 번역 방법
KR20090060631A (ko) * 2007-12-10 2009-06-15 광주과학기술원 타 언어권 화자음성에 대한 음성인식 시스템의 성능 향상을위한 비직접적 데이터 기반 발음변이 모델링 시스템 및방법
US20100211376A1 (en) * 2009-02-17 2010-08-19 Sony Computer Entertainment Inc. Multiple language voice recognition
KR20200088263A (ko) * 2018-05-29 2020-07-22 한국과학기술원 텍스트- 다중 음성 변환 방법 및 시스템
KR102062524B1 (ko) * 2019-05-10 2020-01-06 고현선 음성 인식과 번역 방법 및 그를 위한 단말 장치와 서버

Also Published As

Publication number Publication date
US20230237283A1 (en) 2023-07-27

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022131521A1 (ko) 터치스크린을 포함하는 입력 장치와 이의 동작 방법
WO2022177164A1 (ko) 온디바이스 인공지능 서비스를 제공하는 전자 장치 및 방법
WO2023136490A1 (ko) 발음에 기반한 이종 언어의 텍스트 검색 방법 및 이를 적용한 전자 장치
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022010279A1 (en) Electronic device for converting handwriting to text and method therefor
WO2022177224A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022065924A1 (ko) 전자 장치의 이모지 추천 방법 및 그 전자 장치
WO2021158040A1 (ko) 대화의 맥락에 대응하는 발화를 제공하는 전자 장치 및 이의 동작 방법
WO2022030913A1 (ko) 음역 검색을 위한 방법 및 이를 지원하는 전자 장치
WO2024085461A1 (ko) 번역 서비스를 제공하기 위한 전자 장치 및 방법
WO2023195617A1 (ko) 손글씨 동기화 방법 및 전자 장치
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2023008798A1 (ko) 부적절한 대답을 관리하는 전자 장치 및 이의 동작 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2024072142A1 (ko) 서술어를 포함하지 않는 발화를 처리하는 전자 장치, 동작 방법 및 저장 매체
WO2023043094A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2023146077A1 (ko) 가상 키보드 상의 터치 입력으로부터 사용자 의도를 인식하기 위한 전자 장치, 방법, 및 비일시적 컴퓨터 판독가능 저장 매체
WO2023158076A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2024225827A1 (ko) 지식그래프를 이용하여 개체명을 포함하는 발화를 보정하는 전자 장치, 동작 방법, 및 저장 매체
WO2023022381A1 (ko) 전자 장치 및 전자 장치의 발화 처리 방법
WO2022211413A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 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: 22920819

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE