WO2023177079A1 - 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법 - Google Patents

합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법 Download PDF

Info

Publication number
WO2023177079A1
WO2023177079A1 PCT/KR2023/001444 KR2023001444W WO2023177079A1 WO 2023177079 A1 WO2023177079 A1 WO 2023177079A1 KR 2023001444 W KR2023001444 W KR 2023001444W WO 2023177079 A1 WO2023177079 A1 WO 2023177079A1
Authority
WO
WIPO (PCT)
Prior art keywords
vector
user
processor
electronic device
information
Prior art date
Application number
PCT/KR2023/001444
Other languages
English (en)
French (fr)
Inventor
박상민
송가진
여재영
Original Assignee
삼성전자주식회사
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 KR1020220055467A external-priority patent/KR20230136493A/ko
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to US18/297,466 priority Critical patent/US20230298586A1/en
Publication of WO2023177079A1 publication Critical patent/WO2023177079A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/28—Constructional details of speech recognition systems
    • G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command

Definitions

  • Embodiments of the present invention relate to a server that processes user speech based on a composition vector, an electronic device, and a method of operating the same.
  • a variety of electronic devices equipped with a voice assistant function that provides services based on user utterances are becoming popular.
  • Electronic devices can recognize the user's utterances and determine the meaning and intention of the utterances through an artificial intelligence server.
  • the artificial intelligence server can interpret the user's utterances to infer the user's intention and perform tasks according to the inferred intention.
  • the artificial intelligence server can perform tasks according to the user's intent expressed through natural language interaction between the user and the artificial intelligence server.
  • An electronic device equipped with a voice assistant function sequentially performs an operation of classifying a domain (e.g., an application) for processing a user utterance and an operation of performing a task corresponding to the user utterance in the classified domain.
  • a domain e.g., an application
  • a domain classifier cannot perform detailed and sophisticated domain classification for user utterances that include words corresponding to various named entities (or new entity names).
  • domains that perform questions and answers in response to user utterances correspond to various entity names (or new entity names).
  • User utterances containing words can be processed relatively accurately and stably by comparing them with a domain classifier.
  • the electronic device performs an operation of classifying a domain for processing a user utterance and an operation of generating an answer corresponding to a user utterance (for example, a user utterance that is a query) as separate tasks.
  • the electronic device could not provide an appropriate response to the user.
  • the domain classifier could not properly classify the domain (e.g., application) for processing user utterances containing new words, so it could not provide an appropriate response to the user.
  • the domain classifier due to the low performance of the domain classifier, user utterances that could be processed in a domain performing question and answer were assigned to another domain, making it impossible to provide an appropriate response to the user.
  • Technology that provides an appropriate response in response to user utterances containing new words may be required.
  • one embodiment is an operation of extracting user intent from a user utterance (e.g., an operation of obtaining intention information corresponding to a user utterance) and obtaining an answer corresponding to a user utterance (e.g., a user utterance that is an inquiry).
  • a response corresponding to a user utterance containing a new word can be provided.
  • An intelligent server includes a memory including instructions, and a processor electrically connected to the memory and executing the instructions.
  • the processor transmits a user utterance.
  • An intelligent server includes a memory including instructions, and a processor electrically connected to the memory and executing the instructions. When the instructions are executed by the processor, the processor transmits a user utterance. Obtain first intent information corresponding to, and in response to a case where the confidence value of the first intent information is less than a threshold, obtain an entity name vector and a sentence vector based on the user utterance, and obtain an entity name vector and a sentence vector based on the user utterance, the entity name vector and A composite vector may be obtained based on the sentence vector, and a response corresponding to the user utterance may be provided based on the composite vector.
  • a method of operating an electronic device includes an operation of obtaining an entity name vector and a sentence vector from a user utterance, an operation of obtaining a composite vector based on the entity name vector and the sentence vector, and an operation of obtaining a composite vector based on the composite vector. It may include an operation of providing a response corresponding to the user's utterance.
  • the user's perceived performance regarding service (e.g., response) satisfaction is improved by providing the user with an appropriate response to the user's intention. It can be improved.
  • One embodiment includes the operation of extracting user intent from a user utterance (e.g., obtaining intention information corresponding to the user utterance) and the operation of obtaining an answer corresponding to the user utterance (e.g., when the user utterance is a query). By performing it simultaneously or in parallel, it is possible to provide a response corresponding to a user utterance containing a new word.
  • a domain e.g., an application for processing the user utterance is used. ) can be appropriately classified.
  • the time required to provide a response is reduced by selectively performing an operation of providing a response based on a composite vector (e.g., a composite vector including at least a portion of the entity name vector obtained from a module performing query response). and resources can be saved.
  • a composite vector e.g., a composite vector including at least a portion of the entity name vector obtained from a module performing query response.
  • user utterances including new words may be recognized according to the user's intent based on the updated database.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to one embodiment.
  • Figure 2 is a block diagram showing an integrated intelligence system according to an embodiment.
  • Figure 3 is a diagram showing how relationship information between concepts and actions is stored in a database, according to an embodiment.
  • Figure 4 is a diagram illustrating a screen on which an electronic device processes voice input received through an intelligent app, according to one embodiment.
  • Figures 5A and 5B are diagrams for explaining an operation in which an intelligent server processes a user's utterance, according to an embodiment.
  • Figure 6 is a schematic block diagram of an electronic device, according to one embodiment.
  • FIGS. 7A and 7B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • FIGS. 8A and 8B are examples for explaining an operation in which an electronic device processes a user's speech, according to an embodiment.
  • FIGS. 9A and 9B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • Figure 10 is a diagram illustrating a screen on which an electronic device processes a user's utterance, according to one embodiment.
  • Figure 11 shows an example of a flowchart of a method of operating an electronic device, according to an embodiment.
  • Figure 12 shows an example of a flowchart of a method of operating an electronic device, according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to one embodiment.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network).
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software 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. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • 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 application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, 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. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can 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 configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. 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 (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, 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 biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can 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 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 is a wireless communication module 192 (e.g., 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 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., 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 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., 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 e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made 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 connected to the plurality of antennas by, for example, the communication module 190. can be selected Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side)
  • peripheral devices e.g., 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 of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • the integrated intelligent system 20 of one embodiment includes an electronic device 201 (e.g., the electronic device 101 in FIG. 1) and an intelligent server 200 (e.g., the server 108 in FIG. 1). , and a service server 300 (eg, server 108 in FIG. 1).
  • the electronic device 201 of one embodiment may be a terminal device (or electronic device) capable of connecting to the Internet, for example, a mobile phone, a smartphone, a personal digital assistant (PDA), a laptop computer, a TV, a white appliance, It could be a wearable device, HMD, or smart speaker.
  • a terminal device or electronic device capable of connecting to the Internet
  • PDA personal digital assistant
  • TV TV
  • white appliance TV
  • HMD smart speaker
  • the electronic device 201 includes a communication interface 202 (e.g., interface 177 in FIG. 1), a microphone 206 (e.g., input module 150 in FIG. 1), and a speaker 205. ) (e.g., audio output module 155 in FIG. 1), display module 204 (e.g., display module 160 in FIG. 1), memory 207 (e.g., memory 130 in FIG. 1), or It may include a processor 203 (eg, processor 120 of FIG. 1).
  • the components listed above may be operatively or electrically connected to each other.
  • the communication interface 202 in one embodiment may be configured to connect to an external device to transmit and receive data.
  • the microphone 206 in one embodiment may receive sound (eg, a user's speech) and convert it into an electrical signal.
  • the speaker 205 in one embodiment may output an electrical signal as sound (eg, voice).
  • Display module 204 in one embodiment may be configured to display images or video.
  • the display module 204 of one embodiment may also display a graphic user interface (GUI) of an app (or application program) that is being executed.
  • GUI graphic user interface
  • the display module 204 in one embodiment may receive a touch input through a touch sensor.
  • the display module 204 may receive text input through a touch sensor in the on-screen keyboard area displayed within the display module 204.
  • the memory 207 in one embodiment may store a client module 209, a software development kit (SDK) 208, and a plurality of apps (eg, app 210_1 and app 210_2).
  • the client module 209 and SDK 208 may form a framework (or solution program) for performing general functions. Additionally, the client module 209 or SDK 208 may configure a framework for processing user input (eg, voice input, text input, touch input).
  • the plurality of apps (eg, app 210_1 and app 210_2) stored in the memory 207 of one embodiment may be programs for performing designated functions.
  • the plurality of apps may include a first app 210_1 and a second app 210_2.
  • each of a plurality of apps may include a plurality of operations to perform a designated function.
  • the apps may include an alarm app, a messaging app, and/or a schedule app.
  • a plurality of apps are executed by the processor 203 to sequentially execute at least some of the plurality of operations.
  • the processor 203 in one embodiment may control the overall operation of the electronic device 201.
  • the processor 203 may be electrically connected to the communication interface 202, microphone 206, speaker 205, and display module 204 to perform designated operations.
  • the processor 203 of one embodiment may also execute a program stored in the memory 207 to perform a designated function.
  • the processor 203 may execute at least one of the client module 209 or the SDK 208 and perform the following operations to process user input.
  • the processor 203 may control the operation of multiple apps through the SDK 208, for example.
  • the following operations described as operations of the client module 209 or SDK 208 may be operations performed by the processor 203.
  • the client module 209 in one embodiment may receive user input.
  • the client module 209 may receive a voice signal corresponding to a user utterance detected through the microphone 206.
  • the client module 209 may receive a touch input detected through the display module 204.
  • the client module 209 may receive text input detected through a keyboard or visual keyboard.
  • various types of user inputs detected through an input module included in the electronic device 201 or connected to the electronic device 201 can be received.
  • the client module 209 may transmit the received user input to the intelligent server 200.
  • the client module 209 may transmit status information of the electronic device 201 to the intelligent server 200 along with the received user input.
  • the status information may be, for example, execution status information of an app.
  • the client module 209 of one embodiment may receive a result corresponding to the received user input. For example, if the intelligent server 200 can calculate a result corresponding to the received user input, the client module 209 may receive a result corresponding to the received user input. The client module 209 may display the received results on the display module 204. Additionally, the client module 209 may output the received result as audio through the speaker 205.
  • the client module 209 of one embodiment may receive a plan corresponding to the received user input.
  • the client module 209 can display the results of executing multiple operations of the app according to the plan on the display module 204.
  • the client module 209 may sequentially display execution results of a plurality of operations on the display module 204 and output audio through the speaker 205.
  • the electronic device 201 may display only some results of executing a plurality of operations (e.g., the result of the last operation) on the display module 204 and output audio through the speaker 205. You can.
  • the client module 209 may receive a request to obtain information necessary to calculate a result corresponding to the user input from the intelligent server 200. According to one embodiment, the client module 209 may transmit the necessary information to the intelligent server 200 in response to the request.
  • the client module 209 in one embodiment may transmit information as a result of executing a plurality of operations according to the plan to the intelligent server 200.
  • the intelligent server 200 can use the result information to confirm that the received user input has been processed correctly.
  • the client module 209 in one embodiment may include a voice recognition module. According to one embodiment, the client module 209 can recognize voice input that performs a limited function through the voice recognition module. For example, the client module 209 may run an intelligent app to process voice input to perform an organic action through a designated input (e.g., wake up!).
  • the intelligent server 200 in one embodiment may receive information related to the user's voice input from the electronic device 201 through a communication network. According to one embodiment, the intelligent server 200 may change data related to the received voice input into text data. According to one embodiment, the intelligent server 200 may generate a plan for performing a task corresponding to the user's voice input based on the text data.
  • the plan may be generated by an artificial intelligence (AI) system.
  • An artificial intelligence system may be a rule-based system or a neural network-based system (e.g., a feedforward neural network (FNN), a recurrent neural network (RNN)). ))) It could be. Alternatively, it may be a combination of the above or a different artificial intelligence system.
  • a plan may be selected from a set of predefined plans or may be generated in real time in response to a user request. For example, an artificial intelligence system can select at least one plan from a plurality of predefined plans.
  • the intelligent server 200 of one embodiment may transmit a result according to the generated plan to the electronic device 201 or transmit the generated plan to the electronic device 201.
  • the electronic device 201 may display the results according to the plan on the display module 204.
  • the electronic device 201 may display the results of executing an operation according to the plan on the display module 204.
  • the intelligent server 200 of one embodiment includes a front end 210, a natural language platform 220, a capsule DB 230, an execution engine 240, It may include an end user interface (250), a management platform (260), a big data platform (270), or an analytic platform (280).
  • the front end 210 of one embodiment may receive user input received from the electronic device 201.
  • the front end 210 may transmit a response corresponding to the user input.
  • the natural language platform 220 includes an automatic speech recognition module (ASR module) 221, a natural language understanding module (NLU module) 223, and a planner module (223). It may include a planner module (225), a natural language generator module (NLG module) (227), or a text to speech module (TTS module) (229).
  • ASR module automatic speech recognition module
  • NLU module natural language understanding module
  • TTS module text to speech module
  • the automatic voice recognition module 221 of one embodiment may convert data related to voice input received from the electronic device 201 into text data.
  • the natural language understanding module 223 in one embodiment may determine the user's intention using text data of voice input. For example, the natural language understanding module 223 may determine the user's intention by performing syntactic analysis or semantic analysis on user input in the form of text data.
  • the natural language understanding module 223 in one embodiment uses linguistic features (e.g., grammatical elements) of morphemes or phrases to determine the meaning of words extracted from user input, and matches the meaning of the identified words to the user's intent. You can determine your intention.
  • the natural language understanding module 223 can acquire intent information corresponding to the user's utterance.
  • Intention information may be information indicating the user's intention determined by interpreting text data.
  • Intent information may include information indicating an action or function that the user wishes to perform using the device.
  • the planner module 225 in one embodiment may generate a plan using the intent and parameters determined by the natural language understanding module 223. According to one embodiment, the planner module 225 may determine a plurality of domains required to perform the task based on the determined intention. The planner module 225 may determine a plurality of operations included in each of the plurality of domains determined based on the intention. According to one embodiment, the planner module 225 may determine parameters required to execute the determined plurality of operations or result values output by executing the plurality of operations. The parameters and the result values may be defined as concepts of a specified type (or class). Accordingly, the plan may include a plurality of operations and a plurality of concepts determined by the user's intention.
  • the planner module 225 may determine the relationship between the plurality of operations and the plurality of concepts in a stepwise (or hierarchical) manner. For example, the planner module 225 may determine the execution order of a plurality of operations determined based on the user's intention based on a plurality of concepts. In other words, the planner module 225 may determine the execution order of the plurality of operations based on the parameters required for execution of the plurality of operations and the results output by executing the plurality of operations. Accordingly, the planner module 225 may generate a plan that includes association information (eg, ontology) between a plurality of operations and a plurality of concepts. The planner module 225 can create a plan using information stored in the capsule database 230, which stores a set of relationships between concepts and operations.
  • association information eg, ontology
  • the natural language generation module 227 of one embodiment may change specified information into text form.
  • the information changed to the text form may be in the form of natural language speech.
  • the text-to-speech conversion module 229 in one embodiment can change information in text form into information in voice form.
  • some or all of the functions of the natural language platform 220 may be implemented in the electronic device 201.
  • the capsule database 230 may store information about the relationship between a plurality of concepts and operations corresponding to a plurality of domains.
  • a capsule may include a plurality of action objects (action objects or action information) and concept objects (concept objects or concept information) included in the plan.
  • the capsule database 230 may store a plurality of capsules in the form of CAN (concept action network).
  • a plurality of capsules may be stored in a function registry included in the capsule database 230.
  • the capsule database 230 may include a strategy registry in which strategy information necessary for determining a plan corresponding to a voice input is stored.
  • the strategy information may include standard information for determining one plan when there are multiple plans corresponding to user input.
  • the capsule database 230 may include a follow up registry in which information on follow-up actions is stored to suggest follow-up actions to the user in a specified situation.
  • the follow-up action may include, for example, follow-up speech.
  • the capsule database 230 may include a layout registry that stores layout information of information output through the electronic device 201.
  • the capsule database 230 may include a vocabulary registry where vocabulary information included in capsule information is stored.
  • the capsule database 230 may include a dialogue registry in which information about dialogue (or interaction) with a user is stored.
  • the capsule database 230 can update stored objects through a developer tool.
  • the developer tool may include, for example, a function editor for updating operation objects or concept objects.
  • the developer tool may include a vocabulary editor for updating the vocabulary.
  • the developer tool may include a strategy editor that creates and registers a strategy for determining the plan.
  • the developer tool may include a dialogue editor that creates a dialogue with the user.
  • the developer tool may include a follow up editor that can edit follow-up utterances to activate follow-up goals and provide hints. The subsequent goal may be determined based on currently set goals, user preferences, or environmental conditions.
  • the capsule database 230 may also be implemented within the electronic device 201.
  • the execution engine 240 of one embodiment may calculate a result using the generated plan.
  • the end user interface 250 may transmit the calculated result to the electronic device 201. Accordingly, the electronic device 201 may receive the result and provide the received result to the user.
  • the management platform 260 of one embodiment can manage information used in the intelligent server 200.
  • the big data platform 270 in one embodiment may collect user data.
  • the analysis platform 280 of one embodiment may manage quality of service (QoS) of the intelligent server 200. For example, the analytics platform 280 can manage the components and processing speed (or efficiency) of the intelligent server 200.
  • QoS quality of service
  • the service server 300 in one embodiment may provide a designated service (eg, food ordering or hotel reservation) to the electronic device 201.
  • the service server 300 may be a server operated by a third party.
  • the service server 300 in one embodiment may provide the intelligent server 200 with information for creating a plan corresponding to the received user input.
  • the provided information may be stored in the capsule database 230. Additionally, the service server 300 may provide result information according to the plan to the intelligent server 200.
  • the electronic device 201 can provide various intelligent services to the user in response to user input.
  • the user input may include, for example, input through a physical button, touch input, or voice input.
  • the electronic device 201 may provide a voice recognition service through an internally stored intelligent app (or voice recognition app). In this case, for example, the electronic device 201 may recognize a user utterance or voice input received through the microphone and provide a service corresponding to the recognized voice input to the user. .
  • the electronic device 201 may perform a designated operation alone or together with the intelligent server and/or service server based on the received voice input. For example, the electronic device 201 may run an app corresponding to a received voice input and perform a designated operation through the executed app.
  • the electronic device 201 when the electronic device 201 provides a service together with the intelligent server 200 and/or the service server 300, the electronic device 201 uses the microphone 206 to It is possible to detect an utterance and generate a signal (or voice data) corresponding to the detected user utterance.
  • the electronic device 201 may transmit the voice data to the intelligent server 200 using the communication interface 202.
  • the intelligent server 200 In response to a voice input received from the electronic device 201, the intelligent server 200 according to one embodiment provides a plan for performing a task corresponding to the voice input, or an operation according to the plan. can produce results.
  • the plan may include, for example, a plurality of operations for performing a task corresponding to a user's voice input, and a plurality of concepts related to the plurality of operations.
  • the concept may define parameters input to the execution of the plurality of operations or result values output by the execution of the plurality of operations.
  • the plan may include association information between a plurality of operations and a plurality of concepts.
  • the electronic device 201 in one embodiment may receive the response using the communication interface 202.
  • the electronic device 201 uses the speaker 205 to output a voice signal generated inside the electronic device 201 to the outside, or uses the display module 204 to output an image generated inside the electronic device 201. It can be output externally.
  • FIG. 3 is a diagram showing how relationship information between concepts and operations is stored in a database, according to various embodiments.
  • the capsule database (e.g., capsule database 230 of FIG. 2) of the intelligent server 200 is in the form of a CAN (concept action network) 400. Capsules can be stored.
  • the capsule database may store operations for processing tasks corresponding to the user's voice input, and parameters necessary for the operations in CAN (concept action network) format.
  • the capsule database may store a plurality of capsules (capsule(A) 401, capsule(B) 404) corresponding to each of a plurality of domains (eg, applications).
  • one capsule eg, capsule(A) 401
  • one domain eg, location (geo), application
  • one capsule may be associated with at least one service provider (eg, CP 1 (402) or CP 2 (403)) to perform functions for a domain related to the capsule.
  • one capsule may include at least one operation 410 and at least one concept 420 for performing a designated function.
  • the natural language platform 220 may create a plan for performing a task corresponding to the received voice input using capsules stored in the capsule database.
  • the planner module 225 of the natural language platform e.g., the planner module 225 in FIG. 2
  • create a plan 407 using the operations 4011, 4013 and concepts 4012, 4014 of capsule A 401 and the operations 4041 and concepts 4042 of capsule B 404. can do.
  • FIG. 4 is a diagram illustrating a screen on which an electronic device processes voice input received through an intelligent app according to various embodiments.
  • the electronic device 201 may execute an intelligent app to process user input through the intelligent server 200 (e.g., the intelligent server 200 of FIG. 2 ).
  • the electronic device 201 when the electronic device 201 recognizes a designated voice input (e.g., wake up! or receives an input through a hardware key (e.g., a dedicated hardware key), the electronic device 201 processes the voice input.
  • a designated voice input e.g., wake up
  • a hardware key e.g., a dedicated hardware key
  • the electronic device 201 processes the voice input.
  • You can run intelligent apps for example, the electronic device 201 may run an intelligent app while executing a schedule app.
  • the electronic device 201 displays an object (e.g., an icon) 311 corresponding to an intelligent app in the display module 204 (e.g., the display module 160 of FIG. 1 or the display module of FIG. 2). (204)).
  • the electronic device 201 may receive voice input from a user's utterance.
  • the electronic device 201 may receive a voice input saying “Tell me this week’s schedule!”
  • the electronic device 201 may display a user interface (UI) 313 (e.g., input window) of an intelligent app displaying text data of a received voice input on the display module 204.
  • UI user interface
  • the electronic device 201 may display a result corresponding to the received voice input on the display module 204.
  • the electronic device 201 may receive a plan corresponding to the received user input and display 'this week's schedule' on the display module 204 according to the plan.
  • Figures 5A and 5B are diagrams for explaining an operation in which an intelligent server processes a user's speech, according to an embodiment.
  • the electronic device 501 includes at least some of the configurations of the electronic device 101 described with reference to FIG. 1 and the electronic device 201 described with reference to FIG. 2. It can be included.
  • the intelligent server 601 may include at least some of the components of the intelligent server 200 described with reference to FIG. 2 . With regard to the electronic device 501 and the intelligent server 601, descriptions that overlap with those described with reference to FIGS. 1 to 4 will be omitted.
  • the electronic device 501 e.g., the electronic device 101 in FIG. 1 or the electronic device 201 in FIG. 2 and the intelligent server 601 (e.g., the intelligent server 200 in FIG. 2) are connected to a local area network. It may be connected via an area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, a satellite communication network, or a combination thereof.
  • the electronic device 501 and the intelligent server 601 use a wired communication method or a wireless communication method (e.g., wireless LAN (Wi-Fi), Bluetooth, Bluetooth low energy, Zigbee, WFD (Wi-Fi Direct). , UWB (ultra wide band), infrared communication (IrDA, infrared data association), and NFC (near field communication) can communicate with each other.
  • LAN area network
  • WAN wide area network
  • VAN value added network
  • the electronic device 501 and the intelligent server 601 use a wired communication method or a wireless communication
  • the electronic device 501 includes a smartphone, a tablet personal computer, a mobile phone, a speaker (e.g., an AI speaker), a video phone, and an e-book reader (e- book reader, desktop personal computer, laptop personal computer, netbook computer, workstation, server, personal digital assistant (PDA), portable multimedia player (PMP), MP3 It may be implemented as at least one of a player, a mobile medical device, a camera, or a wearable device.
  • a speaker e.g., an AI speaker
  • a video phone e.g., a video phone
  • an e-book reader e- book reader, desktop personal computer, laptop personal computer, netbook computer, workstation, server, personal digital assistant (PDA), portable multimedia player (PMP), MP3 It may be implemented as at least one of a player, a mobile medical device, a camera, or a wearable device.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • MP3 MP3 It may be implemented as at least one of a player
  • the electronic device 501 may obtain voice data from the user's utterance and transmit the voice data to the intelligent server 601.
  • the intelligent server 601 analyzes the user's utterance using voice data, and uses the analysis results (e.g., intent, entity, and/or capsule) to provide a response (e.g., question, answer) to the user. (For example, it can be provided to the electronic device 501).
  • the intelligent server 601 may be implemented in software. Some and/or all of the intelligent server 601 may be implemented in the electronic device 501 and/or an intelligent server (e.g., the intelligent server 200 in FIG. 2).
  • the intelligent server 601 may include a natural language platform 610 (eg, natural language platform 220 in FIG. 2), a processor 620, and a memory 630.
  • the natural language platform 610 performs a task corresponding to voice input (e.g., user utterance) using capsules stored in a capsule database (e.g., capsule database 230 in FIG. 2). You can create a plan to do this.
  • the processor 620 can access the memory 630 and execute instructions.
  • the processor 620 may perform operations to provide a response to the user.
  • the processor 620 may correspond to an execution engine (e.g., the execution engine 240 of FIG. 2), and as described with reference to FIG.
  • the processor 620 produces results according to the plan generated by the natural language platform 610. can be calculated. Instructions that can be executed by a computer may be stored in the memory 630.
  • the memory 630 may include a capsule database (eg, the capsule database 230 of FIG. 2). As explained with reference to FIG. 2, the capsule database 230 contains operations for processing tasks corresponding to the user's voice input and parameters necessary for the operations in CAN (concept action network) (e.g., concept action network in FIG. 4 (400)) It can be stored in the form.
  • the concept action network 400 may be configured as described with reference to FIG. 4 .
  • the electronic device 501 receives a user utterance (e.g., “get hit by a bell pepper”) through a microphone (e.g., the microphone 206 of the electronic device 201 of FIG. 2). can do.
  • the user utterance may include a word (e.g., bell pepper hit) corresponding to the new entity name.
  • the electronic device 501 may generate voice data corresponding to the user's utterance.
  • the electronic device 501 may transmit voice data to the intelligent server 601 using a communication interface (e.g., the communication interface 202 of FIG. 2).
  • the automatic voice recognition module of the intelligent server 601 (e.g., the automatic voice recognition module 221 of FIG. 2) may convert voice data received from the electronic device 501 into text data.
  • the processor 620 uses an entity name vector (e.g., [0.99, 0.009, , 999]) and sentence vectors (e.g. [0.11, 0.244, , 333]) can be obtained.
  • entity name vector may be obtained by encoding entity name information extracted from a user utterance converted into text form.
  • the user utterance may include words (e.g., hit, green pepper dish, Han River Park, Tyrannosaurus) corresponding to the entity name (e.g., game, cooking, park, dinosaur), and entity name information (e.g., game: 2, cooking). : 1, Park: 0 ) may be information about the entity name included in the user utterance.
  • the entity name information and entity name vector may be obtained by a module that performs questions and answers in response to user utterances (e.g., a module that generates answers in response to user utterances).
  • Sentence vectors e.g. [0.11, 0.244, , 333]
  • Sentence information may be information about sentence elements included in a user's utterance.
  • the processor 620 generates an entity name vector (e.g., [0.99, 0.009, , 999]) and sentence vectors (e.g. [0.11, 0.244, , 333]) based on synthetic vectors (e.g. [0.99, 0.009, , 999, 0.11, 0.244, , 333]) can be obtained.
  • Composite vectors e.g. [0.99, 0.009, , 999, 0.11, 0.244, , 333]
  • sentence vectors e.g. [0.11, 0.244, , 333]
  • the processor 620 generates a response corresponding to the user utterance based on the composite vector (e.g., a response generated based on the user intent corresponding to the user utterance) (e.g., “Should I install Pmang Magogo?”). ) can be created.
  • the intelligent server 601 may transmit a response corresponding to the user's utterance to the electronic device 501 through a front end (e.g., the front end 210 in FIG. 2).
  • the electronic device 501 may provide a response sent from the intelligent server 601 (e.g., “Shall I install Pmang Gogo?”) to the user.
  • the electronic device 501 may receive a user utterance (e.g., “Find me purple you”).
  • the user utterance may include a word (e.g., Borahae) corresponding to the new entity name.
  • the electronic device 501 may generate voice data corresponding to a user's utterance through a microphone (e.g., the microphone 206 of the electronic device 201 in FIG. 2 ).
  • the electronic device 501 may transmit voice data to the intelligent server 601 using a communication interface (e.g., the communication interface 202 of FIG. 2).
  • the automatic voice recognition module of the intelligent server 601 (e.g., the automatic voice recognition module 221 of FIG. 2) may convert voice data received from the electronic device 501 into text data.
  • the processor 620 may obtain an entity name vector and a sentence vector based on a user utterance converted into text form (e.g., Bora-hae, find me).
  • the entity name vector and sentence vector can be obtained as described with reference to FIG. 5A.
  • the processor 620 may obtain a synthetic vector based on the entity name vector and the sentence vector.
  • a composite vector may be a combination of an entity name vector and a sentence vector into one vector.
  • the processor 620 provides a response (e.g., an answer corresponding to an inquiry) corresponding to a user utterance (e.g., a user utterance that is an inquiry) based on the composite vector (e.g., "BTS's Borahae can create ⁇ ").
  • the intelligent server 601 may transmit a response corresponding to the user's utterance to the electronic device 501 through a front end (e.g., the front end 210 in FIG. 2).
  • the electronic device 501 may provide a response (e.g., “BTS’s Borahae is ⁇ ”) sent from the intelligent server 601 to the user.
  • the intelligent server 601 acquires intent information corresponding to the user utterance, and the reliability of the intent information (e.g., reliability, which is a probability value) is set to a threshold value (e.g., about 80 ⁇
  • the above-described operation may be performed in response only to cases that are less than about 90%).
  • the intention information may be information indicating the user's intention determined by interpreting text data, and the intention information may include information indicating an operation or function that the user wishes to perform using the device. Reliability may be calculated according to a mathematical equation (not shown) set based on confidence value and/or uncertainty value.
  • the confidence value may be a numerical representation of the degree to which a module that acquires intent information (e.g., the natural language understanding module 223 in FIG. 2) has acquired the intent information with confidence.
  • the uncertainty value may be a value obtained based on a Bayesian model.
  • the intelligent server 601 can save time and resources required to provide a response by selectively performing an operation to provide a response based on the composite vector.
  • some or all of the operations performed on the intelligent server 601 may be performed on the electronic device 501 and/or the intelligent server 601.
  • at least some of the operations performed by the natural language understanding module of the intelligent server 601 e.g., the natural language understanding module 223 of the intelligent server 200 in FIG. 2 may be performed in the electronic device 501.
  • the explanation will be continued assuming that the electronic device 501 is running.
  • Figure 6 is a schematic block diagram of an electronic device, according to one embodiment.
  • the electronic device 501 may include at least some of the components of the electronic device 101 described with reference to FIG. 1 and the electronic device 201 described with reference to FIG. 2. there is.
  • On-device artificial intelligence (AI) capable of processing speech without communication with an intelligent server (e.g., intelligent server 200 in FIG. 2 and intelligent server 601 in FIG. 5A) is mounted on the electronic device 501. It can be.
  • the natural language platform 220, capsule database 230, etc. may be implemented in the electronic device 501.
  • the electronic device 501 includes an input module 510 (e.g., input module 150 in FIG. 1), a processor 510 (e.g., processor 120 in FIG. 1, processor 203 in FIG. 2), and a processor ( 510) and electrically connected memory 530 (e.g., memory 130 in FIG. 1, memory 207 in FIG. 2), and a communication module 540 (e.g., communication module 190 in FIG. 1).
  • an input module 510 e.g., input module 150 in FIG. 1
  • a processor 510 e.g., processor 120 in FIG. 1, processor 203 in FIG. 2
  • a processor 510) and electrically connected memory 530 (e.g., memory 130 in FIG. 1, memory 207 in FIG. 2)
  • a communication module 540 e.g., communication module 190 in FIG. 1).
  • the input module 510 receives input (e.g., user utterance) to be processed by a component (e.g., processor 520) of the electronic device 501 from outside the electronic device 501 (e.g., user). ) can be received from.
  • the input module 510 may include a microphone.
  • the processor 520 e.g., an application processor performs an operation (e.g., extracting user intent from a user utterance (e.g., a user utterance containing a new word (e.g., a word corresponding to a new entity name)) : Respond to user utterances containing new words by performing simultaneously or in parallel the operation of acquiring intent information corresponding to the user utterance) and the operation of acquiring the answer corresponding to the user utterance (e.g., user utterance that is a query) can provide a response.
  • an operation e.g., extracting user intent from a user utterance (e.g., a user utterance containing a new word (e.g., a word corresponding to a new entity name)
  • Respond to user utterances containing new words by performing simultaneously or in parallel the operation of acquiring intent information corresponding to the user utterance) and the operation of acquiring the answer corresponding to the user utterance e
  • operations 521 to 529 may be understood as being performed by the processor 520 of the electronic device 501.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the following operations performed by the processor 520 of the electronic device 501 are performed by the processor 620 (e.g., the processor 620 of the intelligent server 601 in FIG. 5A) and/or the natural language platform 610 (e.g., FIG. It may be substantially the same as the operation performed in the natural language platform 610 of the intelligent server 601 in 5a.
  • the processor 520 in operation 521, the processor 520 generates an entity name vector (e.g., an entity name vector obtained by encoding entity name information extracted from a user utterance converted into text form) and a sentence based on the user utterance.
  • entity name vector e.g., an entity name vector obtained by encoding entity name information extracted from a user utterance converted into text form
  • a vector e.g., a sentence vector obtained by encoding sentence information extracted from a user utterance converted to text form
  • the processor 520 may obtain a composite vector based on the entity name vector and the sentence vector.
  • a synthetic vector may be a combination of an entity name vector and a sentence vector merged into one vector.
  • the processor 520 may obtain intent information corresponding to the user utterance based on the composite vector.
  • the intention information may be information indicating the user's intention determined by interpreting text data, and the intention information may include information indicating an operation or function that the user wishes to perform using the device.
  • the processor 520 may respond when the user utterance is an inquiry and generate an answer corresponding to the inquiry based on the composite vector.
  • the processor 520 may obtain query intent information.
  • Query intent information may be included in intent information.
  • the processor 520 may retrieve information associated with the query based on query intent information.
  • the processor 520 may extract information related to the query from the document and/or database that is the subject of the query.
  • the processor 520 may arrange search results based on set rules or set weights.
  • the processor 520 may extract an answer (eg, key answer) corresponding to the query based on the array result.
  • the processor 520 may generate a response based on intent information or an answer (e.g., an answer corresponding to a user utterance that is a query).
  • the processor 520 acquires intent information corresponding to the user utterance, and the reliability of the intent information (e.g., reliability, which is a probability value) is set to a threshold value (e.g., about 80 to about The above-described operation may be performed in response only if the response is less than 90%).
  • the intention information may be information indicating the user's intention determined by interpreting text data, and the intention information may include information indicating an operation or function that the user wishes to perform using the device.
  • Reliability may be calculated according to a mathematical equation set based on confidence value and/or uncertainty value.
  • the confidence value may be a numerical value indicating how confident the module that acquires the intent information is in obtaining the intent information.
  • the uncertainty value may be a value obtained based on a Bayesian model.
  • the processor 520 can save time and resources required to provide a response by selectively performing an operation to provide a response based on the composite vector.
  • the memory 530 may store various data used by at least one component (eg, processor 520) of the electronic device 501. Data and/or instructions stored in memory 530 may be stored in intelligent server 601.
  • communication module 540 may communicate with intelligent server 601.
  • the communication module 540 may transmit the utterance received from the user and/or the sentence obtained in response to the utterance to the intelligent server 601.
  • the electronic device 501 is equipped with on-device AI and the functions of the intelligent server 601 are implemented in the electronic device 501, only some functions of the intelligent server may be implemented in the electronic device 501.
  • Some or all of the operations performed on the electronic device 501 may be performed on the electronic device 501 and/or the intelligent server 601.
  • some or all of the above-described operations may be performed in the natural language understanding module of the intelligent server 601 (e.g., the natural language understanding module 223 of the intelligent server 200 in FIG. 2).
  • the communication module 540 may receive the results of speech processing performed by the intelligent server 601.
  • the electronic device 501 provides the user with a response appropriate to the user's intention even when receiving a user utterance containing a new word (e.g., a word corresponding to a new entity name), thereby providing a service (e.g. ) The user's perceived performance regarding satisfaction can be improved.
  • the electronic device 501 performs an operation of extracting user intent from a user utterance (e.g., an operation of acquiring intention information corresponding to a user utterance) and an operation of obtaining an answer corresponding to a user utterance (e.g., a user utterance that is a query).
  • the electronic device 501 uses the entity name vector obtained from a module that performs question and answer (e.g., a module that generates an answer in response to a user utterance), and uses a domain (e.g., : Application) can be appropriately classified.
  • the electronic device 501 may recognize user utterances including new words according to the user's intent based on the updated database.
  • FIGS. 7A and 7B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • the electronic device 700 receives a user utterance (e.g., “Find me a bell pepper hit”) including a new word (e.g., a word corresponding to a new entity name) (e.g., “Ppang hit”) from the user.
  • a new word e.g., a word corresponding to a new entity name
  • the electronic device 700 provided the user with a response that did not match the user's intent (e.g., “I found 50 restaurants”). Because the electronic device 700 was unable to properly classify a domain (e.g., an application) for processing a user utterance containing a new word, the electronic device 700 was unable to provide the user with a response that matched the user's intent.
  • a domain e.g., an application
  • the processor e.g., the processor 520 of FIG. 6 of the electronic device 501 (e.g., the electronic device 501 of FIG. 6) generates a new word (e.g., a new entity).
  • a user utterance e.g., “I hit a bell pepper and found it” containing a word corresponding to a name (e.g., “I hit a bell pepper and found it”) can be received.
  • the processor 520 may obtain an entity name vector and a sentence vector based on the user utterance, and obtain a composite vector based on the entity name vector and the sentence vector.
  • the entity name vector may be obtained by encoding entity name information extracted from a user utterance converted to text form.
  • the user utterance may include a word corresponding to the entity name, and the entity name information may be information about the entity name included in the user utterance.
  • the entity name information and entity name vector may be obtained from a module that performs questions and answers in response to user utterances (e.g., a module that generates answers in response to user utterances).
  • the processor 520 can appropriately classify the domain for processing the user's utterance by using the entity name vector obtained from the module that performs the query response.
  • the processor 520 provides an appropriate response to the user by performing the operation of extracting user intent (e.g., obtaining intention information corresponding to the user utterance) and the operation of obtaining the answer corresponding to the user utterance simultaneously or in parallel. can do.
  • the processor 520 may acquire intent information (e.g., [Application Store] Pmang hit) (e.g., [GalaxyStore] Pmang hit) corresponding to the user utterance based on the composite vector.
  • intent information may be information indicating the user's intention determined by interpreting text data, and the intention information may include information indicating an operation or function that the user wishes to perform using the device. Referring to FIG. 7B, since the user utterance (e.g., “Find the bell pepper”) is not a query, the processor 520 may not obtain an answer corresponding to the user utterance (e.g., an answer corresponding to the query). .
  • the processor 520 may generate a response (e.g., “Would you like to install Pmang Machi?”) based on intent information (e.g., [Application Store] Pmang Mgogo) (e.g., [GalaxyStore] Pmang Mgogo), and the electronic device may 501 may provide a response (e.g., “Would you like to install Pmang Gogo?”) to the user.
  • intent information e.g., [Application Store] Pmang Mgogogo
  • the electronic device may 501 may provide a response (e.g., “Would you like to install Pmang Gogo?”) to the user.
  • FIGS. 8A and 8B are examples for explaining an operation in which an electronic device processes a user's speech, according to an embodiment.
  • the electronic device 800 receives a user utterance (e.g., "Look for Borahae") containing a new word (e.g., a word corresponding to a new entity name) (e.g., "I purple you”) from the user.
  • a new word e.g., a word corresponding to a new entity name
  • the electronic device 800 was unable to provide a response to the user (e.g., responded "I cannot respond”).
  • the electronic device 800 was unable to provide an appropriate response to the user.
  • the processor e.g., the processor 520 of FIG. 6 of the electronic device 501 (e.g., the electronic device 501 of FIG. 6) generates a new word (e.g., a new entity).
  • a user utterance e.g., "Find Bora-hae" containing a word corresponding to a name (e.g., Bora-hae) may be received.
  • the processor 520 may obtain an entity name vector and a sentence vector based on the user utterance, and obtain a composite vector based on the entity name vector and the sentence vector.
  • the processor 520 may obtain intent information (e.g., [QA] Borahae) corresponding to the user utterance based on the composite vector.
  • the processor 520 may generate an answer (e.g., BTS's Borahae is ⁇ ) corresponding to a user utterance (e.g., a user utterance that is a query) based on the composite vector.
  • the processor 520 may generate a response (e.g., "BTS's Borahae is ⁇ ”) based on an answer (e.g., BTS's Borahae is ⁇ ) corresponding to the user's utterance, and the electronic device 501 may generate the response. (Example: “BTS’s Borahae is ⁇ ”) can be provided to the user.
  • FIGS. 9A and 9B are examples for explaining an operation in which an electronic device processes a user's utterance, according to an embodiment.
  • the electronic device 900 receives a user utterance (e.g., "Find Greek Momo") containing a new word (e.g., a word corresponding to a new entity name) (e.g., Greek momo) from the user. "), the processor 920 of the electronic device 900 cannot perform entity name recognition for the new word, and the electronic device 900 may arbitrarily modify the new word (e.g., 'Greek momo ' is modified to 'Greek what'). The electronic device 900 may obtain a sentence (e.g., Find me something Greek) as a result of voice recognition for the user's utterance.
  • a new word e.g., a word corresponding to a new entity name
  • Greek momo e.g., Greek momo
  • the electronic device 900 was unable to provide a response to the user (e.g., it responded “I cannot answer”) based on the voice recognition result (e.g., Find me something Greek). Because the processor 920 was unable to perform voice recognition for the user's utterance according to the user's intent, the electronic device 900 was unable to provide an appropriate response to the user.
  • the processor e.g., the processor 520 of FIG. 6 of the electronic device 501 (e.g., the electronic device 501 of FIG. 6) generates a new word (e.g., a new entity).
  • a user utterance e.g., “Find Greek Momo”
  • Processor 520 may convert user utterances into text data based on an updated database that includes information about entity names.
  • the processor 520 can perform named entity recognition for new words and convert user utterances into text data.
  • the processor 520 may obtain an entity name vector and a sentence vector based on the user utterance converted to text, and obtain a composite vector based on the entity name vector and the sentence vector.
  • the processor 520 may obtain intent information (e.g., [QA] Greek Momo) corresponding to the user utterance based on the composite vector.
  • the processor 520 may generate an answer corresponding to the user's utterance (e.g., Greek momo scoops out the inside of a peach ⁇ ) based on the composite vector.
  • the processor 520 provides a response (e.g., “Greek momo digs out the inside of a peach ⁇ ”) based on an answer (e.g., “Greek momo digs out the inside of a peach ⁇ ”) corresponding to a user utterance (e.g., a user utterance that is a query). may be generated, and the electronic device 501 may provide a response (e.g., “Greek Momo scoops out the inside of the peach ⁇ ”) to the user.
  • a response e.g., “Greek momo digs out the inside of a peach ⁇ ”
  • an answer e.g., “Greek momo digs out the inside of a peach ⁇ ”
  • a user utterance e.g., a user utterance that is a query
  • Figure 10 is a diagram illustrating a screen on which an electronic device processes a user's utterance, according to one embodiment.
  • the electronic device 1000 may perform an Internet search for a new word (eg, hotpot) in response to an utterance containing the new word.
  • the electronic device 1000 may provide a response to the user through a screen based on the results of an Internet search.
  • the response provided by the electronic device 1000 may have a lower user preference compared to the response provided by the electronic device 1001.
  • the electronic device 1001 may perform an Internet search for a new word (eg, hotpot) in response to an utterance containing the new word.
  • the electronic device 1001 may update a database containing information about entity names based on the results of an Internet search.
  • the electronic device 1001 may provide a response to the user based on the updated database.
  • the response provided by the electronic device 1001 may be more suitable for a voice assistant function than the response provided by the electronic device 1000.
  • the electronic device 1001 may provide a response in a standardized and consistent form in response to a user utterance containing a new word. Based on the updated database, the electronic device 1001 can provide responses to the user in a consistent form even in offline situations without additional Internet searches in the future.
  • Figure 11 shows an example of a flowchart of a method of operating an electronic device, according to an embodiment.
  • operations 1110 to 1150 may be performed sequentially, but are not necessarily performed sequentially. For example, the order of each operation 1110 to 1150 may be changed, and at least two operations may be performed in parallel. Operations substantially the same as operations 1110 to 1150 may be performed by the natural language platform 610 and/or processor 620 of an intelligent server (e.g., intelligent server 601 in FIG. 5A).
  • an intelligent server e.g., intelligent server 601 in FIG. 5A.
  • a processor may obtain an entity name vector and a sentence vector based on the user's utterance.
  • the entity name vector may be obtained by encoding entity name information extracted from a user utterance converted to text form.
  • the user utterance may include a word corresponding to the entity name, and the entity name information may be information about the entity name included in the user utterance.
  • the entity name information and entity name vector may be obtained from a module that performs questions and answers in response to user utterances (e.g., a module that generates answers in response to user utterances).
  • the sentence vector may be obtained by encoding sentence information extracted from a user utterance converted to text form.
  • the processor 520 may obtain a synthetic vector based on the entity name vector and the sentence vector.
  • a composite vector may be one in which an entity name vector and a sentence vector are merged into one vector.
  • processor 520 may provide a response corresponding to the user utterance based on the composite vector.
  • the processor 520 may obtain intent information corresponding to the user's utterance based on the composite vector.
  • the processor 520 may generate an answer corresponding to the query based on the composite vector.
  • Processor 520 may provide a response based on intent information or an answer.
  • Figure 12 shows an example of a flowchart of a method of operating an electronic device, according to an embodiment.
  • operations 1210 to 1270 may be performed sequentially, but are not necessarily performed sequentially. For example, the order of each operation 1210 to 1270 may be changed, and at least two operations may be performed in parallel. Operations substantially the same as operations 1210 to 1270 may be performed by the natural language platform 610 and/or processor 620 of an intelligent server (e.g., intelligent server 601 in FIG. 5A).
  • an intelligent server e.g., intelligent server 601 in FIG. 5A.
  • a processor may obtain first intent information directly corresponding to the user's utterance.
  • the intention information may be information indicating the user's intention determined by interpreting text data, and the intention information may include information indicating an operation or function that the user wishes to perform using the device.
  • the processor 520 generates an entity name vector and A sentence vector can be obtained.
  • the reliability of intent information may indicate how accurately the user's intent is understood from the user's utterance. Reliability may be calculated according to a mathematical equation (not shown) set based on confidence value and/or uncertainty value.
  • the entity name vector may be obtained by encoding entity name information extracted from a user utterance converted to text form.
  • the entity name information and entity name vector may be obtained from a module that performs a query response in response to a user utterance.
  • the sentence vector may be obtained by encoding sentence information extracted from a user utterance converted to text form.
  • the processor 520 may obtain a composite vector based on the entity name vector and the sentence vector.
  • a composite vector may be a combination of an entity name vector and a sentence vector into one vector.
  • processor 520 may provide a response corresponding to the user utterance based on the composite vector.
  • the processor 520 may obtain second intent information corresponding to the user's utterance based on the composite vector.
  • the processor 520 may generate an answer corresponding to the query based on the composite vector.
  • Processor 520 may provide a response based on the second intent information and/or the answer.
  • An intelligent server (e.g., intelligent server 601 in FIG. 5A) according to an embodiment includes a memory including instructions, and a processor electrically connected to the memory and executing the instructions, and is operated by the processor.
  • the processor obtains an entity name vector and a sentence vector based on the user utterance, obtains a composition vector based on the entity name vector and the sentence vector, and obtains a composite vector based on the entity name vector and the user utterance.
  • a response corresponding to an utterance can be provided.
  • the processor obtains intent information corresponding to the user utterance based on the composite vector, and in response to the case where the user utterance is a query, obtains intent information corresponding to the query based on the composite vector.
  • a response may be generated and a response may be provided based on the intent information or the answer.
  • the processor acquires query intent information based on the user utterance, searches and arranges information related to the query based on the query intent information, and searches and arranges information related to the query based on the search result and arrangement result.
  • the answer corresponding to the query can be extracted.
  • the entity name vector may be obtained by encoding entity name information extracted from a user utterance converted into text form.
  • the sentence vector may be obtained by encoding sentence information extracted from a user utterance converted into text form.
  • the composite vector may be a combination of the entity name vector and the sentence vector into one vector.
  • the processor may update a database containing information about the entity name based on a response provision result and perform voice recognition based on the updated database.
  • the intelligent server 601 includes a memory including instructions, and a processor electrically connected to the memory and executing the instructions.
  • the processor When the instructions are executed by the processor, the processor , Obtain first intent information corresponding to the user utterance, and in response to the case where the reliability of the first intent information is lower than a threshold, obtain an entity name vector and a sentence vector based on the user utterance, and obtain the entity name vector and the sentence vector based on the user utterance.
  • a composite vector may be obtained based on the vector and the sentence vector, and a response corresponding to the user utterance may be provided based on the composite vector.
  • the processor obtains second intention information corresponding to the user utterance based on the composite vector, and in response to the user utterance being a query, answers the query based on the composite vector. A corresponding answer may be generated and a response may be provided based on the second intent information or the answer.
  • the processor acquires query intent information based on the user utterance, searches and arranges information related to the query based on the query intent information, and searches and arranges information related to the query based on the search result and arrangement result.
  • the answer corresponding to the query can be extracted.
  • the entity name vector may be obtained by encoding entity name information extracted from a user utterance converted into text form.
  • the sentence vector may be obtained by encoding sentence information extracted from a user utterance converted into text form.
  • the composite vector may be a combination of the entity name vector and the sentence vector into one vector.
  • the processor may update a database containing information about the entity name based on a response provision result and perform voice recognition based on the updated database.
  • a method of operating an electronic device includes obtaining an entity name vector and a sentence vector based on a user utterance, and obtaining an entity name vector and a sentence vector based on the entity name vector and the sentence vector. It may include an operation of obtaining a composite vector, and an operation of providing a response corresponding to the user's utterance based on the composite vector.
  • the operation of providing the response includes obtaining intent information corresponding to the user utterance based on the composite vector, and in response to the case where the user utterance is a query, based on the composite vector. It may include an operation of generating an answer corresponding to the inquiry, and an operation of providing a response based on the intent information or the answer.
  • the operation of generating the answer includes obtaining query intent information based on the user utterance, searching and arranging information related to the query based on the query intent information, and search results. and an operation of extracting an answer corresponding to the query based on the arrangement result.
  • the entity name vector is obtained by encoding entity name information extracted from a user utterance converted to text form
  • the sentence vector is sentence information extracted from a user utterance converted to text form. It may be obtained by being encoded.
  • the composite vector may be a combination of the entity name vector and the sentence vector into one vector.
  • the method of operating the electronic device further includes updating a database containing information about the entity name based on a result of providing a response, and performing voice recognition based on the updated database. It can be included.
  • Electronic devices may be of various types. Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances. Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (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.”
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in the embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. can be used
  • a module may be an integrated part or a minimum unit of the parts or a part 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
  • Embodiments of this document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • the method according to the embodiments disclosed in this document may be provided and included in a computer program product.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-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 (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or multiple entities, and some of the multiple entities may be separately placed in other components.
  • one or more of the above-described corresponding components or operations may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, omitted, or , or one or more other operations may be added.

Landscapes

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

Abstract

지능형 서버가 제공된다. 상기 지능형 서버는 인스트럭션들을 포함하는 메모리, 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터(synthetic vector)를 획득하고, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공할 수 있다.

Description

합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
본 발명의 실시예들은 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법에 관한 것이다.
사용자 발화에 기반하여 서비스를 제공하는 음성 어시스턴트(assistant) 기능이 탑재된 전자 장치가 다양하게 보급되고 있다. 전자 장치는 인공지능 서버를 통해 사용자의 발화를 인식하고, 발화의 의미와 의도를 파악할 수 있다. 인공지능 서버는 사용자의 발화를 해석하여 사용자의 의도를 추론하고, 추론된 의도에 따라서 작업들을 수행할 수 있다. 인공지능 서버는 사용자와 인공지능 서버 간의 자연 언어(natural language) 상호 작용을 통해 표현된 사용자의 의도에 따라 작업을 수행할 수 있다.
음성 어시스턴트 기능이 탑재된 전자 장치는 사용자 발화를 처리하기 위한 도메인(예: 어플리케이션)을 분류하는 동작과 분류된 도메인에서 사용자 발화에 대응하는 태스크(task)를 수행하는 동작을 시계열적으로 수행한다.
상기 정보는 본 발명의 이해를 돕기 위한 배경 정보로만 제공된 것이다. 상기 내용 중 어느 것이 본 발명과 관련하여 선행 기술로 적용될 수 있는지 여부에 대해 어떠한 결정도 이루어지지 않았으며 어떠한 주장도 이루어지지 않았다.
도메인 분류기(domain classifier)는 다양한 개체명(named entity)(또는 신규 개체명)에 대응되는 단어를 포함하는 사용자 발화에 대하여 디테일하고 정교한 도메인 분류를 수행할 수 없다. 반면에 사용자 발화에 대응하는 질의 응답(question and answer)을 수행하는 도메인(예: 질의(inquiry)인 사용자 발화에 대응하여 답변을 생성하는 도메인)은, 다양한 개체명(또는 신규 개체명)에 대응되는 단어를 포함하는 사용자 발화를 도메인 분류기와 비교하여 상대적으로 정확하고 안정적으로 처리할 수 있다. 전자 장치는 사용자 발화를 처리하기 위한 도메인을 분류하는 동작과 사용자 발화(예: 질의인 사용자 발화)에 대응하는 답변을 생성하는 동작을 별도의 태스크로 수행하고 있다. 사용자의 발화가 신규 단어(예: 신규 개체명(named entity)에 대응되는 단어)를 포함하는 경우, 전자 장치는 사용자에게 적절한 응답을 제공할 수 없었다. 예를 들어, 도메인 분류기(domain classifier)가 신규 단어를 포함하는 사용자 발화를 처리하기 위한 도메인(예: 어플리케이션)을 적절히 분류해내지 못하여, 사용자에게 적절한 응답을 제공할 수 없었다. 일 예를 들어, 도메인 분류기의 낮은 성능으로 인해, 질의 응답(question and answer)을 수행하는 도메인에서 처리될 수 있는 사용자 발화가 다른 도메인으로 할당되어, 사용자에게 적절한 응답을 제공할 수 없었다. 신규 단어(예: 신규 개체명에 대응되는 단어)를 포함하는 사용자 발화에 대응하여 적절한 응답을 제공하는 기술이 요구될 수 있다.
본 발명은 적어도 위에서 언급한 문제점 및/또는 단점을 해결하고 적어도 후술하는 이점을 제공할 수 있다. 따라서,일 실시예는 사용자 발화로부터 사용자 의도를 추출하는 동작(예: 사용자 발화에 대응하는 의도 정보를 획득하는 동작)과 사용자 발화(예: 질의(inquiry)인 사용자 발화)에 대응하는 답변을 획득하는 동작을 동시에 또는 병렬적으로 수행함으로써, 신규 단어를 포함하는 사용자 발화에 대응하는 응답을 제공할 수 있다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따른 지능형 서버는 인스트럭션들을 포함하는 메모리, 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터(synthetic vector)를 획득하고, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예에 따른 지능형 서버는 인스트럭션들을 포함하는 메모리, 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자 발화에 대응되는 제1 의도 정보를 획득하고, 상기 제1 의도 정보의 컨피던스 값이 임계 값보다 작은 경우에 응답하여, 상기 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하고, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예에 따른 전자 장치의 동작 방법은 사용자 발화로부터 개체명 벡터 및 문장 벡터를 획득하는 동작, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하는 동작, 및 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공하는 동작을 포함할 수 있다.
일 실시예는 신규 단어(예: 신규 개체명에 대응되는 단어)를 포함하는 사용자 발화를 수신한 경우에도 사용자에게 사용자 의도에 적절한 응답을 제공함으로써 서비스(예: 응답) 만족도에 대한 사용자 체감 성능을 향상시킬 수 있다.
일 실시예는 사용자 발화로부터 사용자 의도를 추출하는 동작(예: 사용자 발화에 대응하는 의도 정보를 획득하는 동작)과 사용자 발화(예: 사용자 발화가 질의인 경우)에 대응하는 답변을 획득하는 동작을 동시에 또는 병렬적으로 수행함으로써, 신규 단어를 포함하는 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예는 질의 응답(question and answer)을 수행하는 모듈(예: 사용자 발화에 대응하여 답변을 생성하는 모듈)에서 획득된 개체명 벡터를 이용함으로써, 사용자 발화를 처리하기 위한 도메인(예: 어플리케이션)을 적절히 분류할 수 있다.
일 실시예는 합성 벡터(예: 질의 응답을 수행하는 모듈에서 획득된 개체명 벡터의 적어도 일부를 포함하는 합성벡터)에 기초하여 응답을 제공하는 동작을 선택적으로 수행함으로써, 응답 제공에 소요되는 시간 및 리소스를 절약할 수 있다.
일 실시예는 업데이트된 데이터베이스에 기초하여 신규 단어를 포함하는 사용자 발화를 사용자 의도에 맞게 인식할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 통합 지능(integrated intelligence) 시스템을 나타낸 블록도이다.
도 3은 일 실시예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 4는 일 실시예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 5a 및 도 5b는 일 실시예에 따른, 지능형 서버가 사용자 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이다.
도 7a 및 도 7b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 8a 및 도 8b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 9a 및 도 9b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 10은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 화면을 나타낸 도면이다.
도 11은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도의 일 예를 나타낸다.
도 12는 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도의 일 예를 나타낸다.
도면 전체에 걸쳐 동일한 구성요소를 나타내기 위해 동일한 참조 번호가 사용될 수 있다.
첨부된 도면을 참조하는 다음의 설명은 청구범위 및 그 등가물에 의해 정의되는 본 발명의 실시예들의 포괄적인 이해를 돕기 위해 제공된다. 이해를 돕기 위해 다양한 특정 세부 사항을 포함하지만 이는 단지 예시로 간주되어야 한다. 따라서, 당업자는 본 명세서에 기술된 다양한 실시예의 다양한 변경 및 수정이 본 개시의 범위 및 사상을 벗어나지 않고 이루어질 수 있음을 인식할 것이다. 또한, 공지 기능 및 구성에 대한 설명은 명확성과 간결성을 위하여 생략될 수 있다.
이하의 설명 및 특허청구범위에 사용된 용어 및 단어는 서지적 의미로 제한되지 않으며, 발명자가 개시 내용을 명확하고 일관되게 이해하기 위해 사용하는 것일 뿐이다. 따라서, 본 발명의 실시예들에 대한 다음의 설명은 첨부된 청구범위 및 그 등가물에 의해 정의된 바와 같이 본 발명을 제한할 목적이 아니라 예시 목적으로만 제공된다는 것이 당업자에게 명백해야 한다.
단수 형태 "a", "an" 및 "the"는 문맥상 명백하게 달리 지시하지 않는 한 복수 지시대상을 포함하는 것으로 이해되어야 한다. 따라서, 예를 들어 "부품 표면"에 대한 언급은 이러한 표면 중 하나 이상에 대한 언급을 포함할 수 있다.
도 1은, 일 실시예에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 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, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 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.
일 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 2를 참조하면, 일 실시예의 통합 지능화 시스템(20)은 전자 장치(201)(예: 도 1의 전자 장치(101)), 지능형 서버(200)(예: 도 1의 서버(108)), 및 서비스 서버(300)(예: 도 1의 서버(108))를 포함할 수 있다.
일 실시 예의 전자 장치(201)는, 인터넷에 연결 가능한 단말 장치(또는, 전자 장치)일 수 있으며, 예를 들어, 휴대폰, 스마트폰, PDA(personal digital assistant), 노트북 컴퓨터, TV, 백색 가전, 웨어러블 장치, HMD, 또는 스마트 스피커일 수 있다.
도시된 실시 예에 따르면, 전자 장치(201)는 통신 인터페이스(202)(예: 도 1의 인터페이스(177)), 마이크(206)(예: 도 1의 입력 모듈(150)), 스피커(205)(예: 도 1의 음향 출력 모듈(155)), 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160)), 메모리(207)(예: 도 1의 메모리(130)), 또는 프로세서(203)(예: 도 1의 프로세서(120))를 포함할 수 있다. 상기 열거된 구성요소들은 서로 작동적으로 또는 전기적으로 연결될 수 있다.
일 실시 예의 통신 인터페이스(202)는 외부 장치와 연결되어 데이터를 송수신하도록 구성될 수 있다. 일 실시 예의 마이크(206)는 소리(예: 사용자 발화)를 수신하여, 전기적 신호로 변환할 수 있다. 일 실시예의 스피커(205)는 전기적 신호를 소리(예: 음성)로 출력할 수 있다.
일 실시 예의 디스플레이 모듈(204)은 이미지 또는 비디오를 표시하도록 구성될 수 있다. 일 실시 예의 디스플레이 모듈(204)은 또한 실행되는 앱(app)(또는, 어플리케이션 프로그램(application program))의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예의 디스플레이 모듈(204)은 터치 센서를 통해 터치 입력을 수신할 수 있다. 예를 들어, 디스플레이 모듈(204)은 디스플레이 모듈(204) 내에 표시되는 화상 키보드 영역의 터치 센서를 통해 텍스트 입력을 수신할 수 있다.
일 실시 예의 메모리(207)는 클라이언트 모듈(209), SDK(software development kit)(208), 및 복수의 앱들(예: 앱 210_1 및 앱 210_2)을 저장할 수 있다. 상기 클라이언트 모듈(209), 및 SDK(208)는 범용적인 기능을 수행하기 위한 프레임워크(framework)(또는, 솔루션 프로그램)를 구성할 수 있다. 또한, 클라이언트 모듈(209) 또는 SDK(208)는 사용자 입력(예: 음성 입력, 텍스트 입력, 터치 입력)을 처리하기 위한 프레임워크를 구성할 수 있다.
일 실시 예의 메모리(207)에 저장된 상기 복수의 앱들(예: 앱 210_1 및 앱 210_2)은 지정된 기능을 수행하기 위한 프로그램일 수 있다. 일 실시 예에 따르면, 복수의 앱은 제1 앱(210_1), 제2 앱(210_2)을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱 각각은 지정된 기능을 수행하기 위한 복수의 동작들을 포함할 수 있다. 예를 들어, 상기 앱들은, 알람 앱, 메시지 앱, 및/또는 스케줄 앱을 포함할 수 있다. 일 실시 예에 따르면, 복수의 앱들은 프로세서(203)에 의해 실행되어 상기 복수의 동작들 중 적어도 일부를 순차적으로 실행할 수 있다.
일 실시 예의 프로세서(203)는 전자 장치(201)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(203)는 통신 인터페이스(202), 마이크(206), 스피커(205), 및 디스플레이 모듈(204)과 전기적으로 연결되어 지정된 동작을 수행할 수 있다.
일 실시 예의 프로세서(203)는 또한 상기 메모리(207)에 저장된 프로그램을 실행시켜 지정된 기능을 수행할 수 있다. 예를 들어, 프로세서(203)는 클라이언트 모듈(209) 또는 SDK(208) 중 적어도 하나를 실행하여, 사용자 입력을 처리하기 위한 이하의 동작을 수행할 수 있다. 프로세서(203)는, 예를 들어, SDK(208)를 통해 복수의 앱의 동작을 제어할 수 있다. 클라이언트 모듈(209) 또는 SDK(208)의 동작으로 설명된 이하의 동작은 프로세서(203)의 실행에 의한 동작일 수 있다.
일 실시 예의 클라이언트 모듈(209)은 사용자 입력을 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 마이크(206)를 통해 감지된 사용자 발화에 대응되는 음성 신호를 수신할 수 있다. 또는, 클라이언트 모듈(209)은 디스플레이 모듈(204)을 통해 감지된 터치 입력을 수신할 수 있다. 또는, 클라이언트 모듈(209)은 키보드 또는 화상 키보드를 통해 감지된 텍스트 입력을 수신할 수 있다. 이 외에도, 전자 장치(201)에 포함된 입력 모듈 또는 전자 장치(201)에 연결된 입력 모듈을 통해 감지되는 다양한 형태의 사용자 입력을 수신할 수 있다. 상기 클라이언트 모듈(209)은 수신된 사용자 입력을 지능형 서버(200)로 송신할 수 있다. 클라이언트 모듈(209)은 수신된 사용자 입력과 함께, 전자 장치(201)의 상태 정보를 지능형 서버(200)로 송신할 수 있다. 상기 상태 정보는, 예를 들어, 앱의 실행 상태 정보일 수 있다.
일 실시 예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지능형 서버(200)에서 상기 수신된 사용자 입력에 대응되는 결과를 산출할 수 있는 경우, 수신된 사용자 입력에 대응되는 결과를 수신할 수 있다. 클라이언트 모듈(209)은 상기 수신된 결과를 디스플레이 모듈(204)에 표시할 수 있다. 또한, 클라이언트 모듈(209)은 상기 수신된 결과를 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 수신된 사용자 입력에 대응되는 플랜을 수신할 수 있다. 클라이언트 모듈(209)은 플랜에 따라 앱의 복수의 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다. 클라이언트 모듈(209)은, 예를 들어, 복수의 동작의 실행 결과를 순차적으로 디스플레이 모듈(204)에 표시할 수 있고, 스피커(205)를 통해 오디오를 출력할 수 있다. 전자 장치(201)는, 일 예를 들어, 복수의 동작을 실행한 일부 결과(예: 마지막 동작의 결과)만을 디스플레이 모듈(204)에 표시할 수 있으며, 스피커(205)를 통해 오디오로 출력할 수 있다.
일 실시 예에 따르면, 클라이언트 모듈(209)은 지능형 서버(200)로부터 사용자 입력에 대응되는 결과를 산출하기 위해 필요한 정보를 획득하기 위한 요청을 수신할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(209)은 상기 요청에 대응하여 상기 필요한 정보를 지능형 서버(200)로 송신할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 플랜에 따라 복수의 동작을 실행한 결과 정보를 지능형 서버(200)로 송신할 수 있다. 지능형 서버(200)는 상기 결과 정보를 이용하여 수신된 사용자 입력이 올바르게 처리된 것을 확인할 수 있다.
일 실시 예의 클라이언트 모듈(209)은 음성 인식 모듈을 포함할 수 있다. 일 실시 예에 따르면, 클라이언트 모듈(209)은 상기 음성 인식 모듈을 통해 제한된 기능을 수행하는 음성 입력을 인식할 수 있다. 예를 들어, 클라이언트 모듈(209)은 지정된 입력(예: 웨이크 업!)을 통해 유기적인 동작을 수행하기 위한 음성 입력을 처리하기 위한 지능형 앱을 수행할 수 있다.
일 실시 예의 지능형 서버(200)는 통신 망을 통해 전자 장치(201)로부터 사용자 음성 입력과 관련된 정보를 수신할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 수신된 음성 입력과 관련된 데이터를 텍스트 데이터(text data)로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 사용자 음성 입력과 대응되는 태스크(task)를 수행하기 위한 플랜(plan)을 생성할 수 있다
일 실시 예에 따르면, 플랜은 인공 지능(artificial intelligent)(AI) 시스템에 의해 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neural network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 플랜은 미리 정의된 플랜의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의된 복수의 플랜 중 적어도 하나의 플랜을 선택할 수 있다.
일 실시 예의 지능형 서버(200)는 생성된 플랜에 따른 결과를 전자 장치(201)로 송신하거나, 생성된 플랜을 전자 장치(201)로 송신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 플랜에 따른 결과를 디스플레이 모듈(204)에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 플랜에 따른 동작을 실행한 결과를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시 예의 지능형 서버(200)는 프론트 엔드(front end)(210), 자연어 플랫폼(natural language platform)(220), 캡슐 데이터베이스(capsule DB)(230), 실행 엔진(execution engine)(240), 엔드 유저 인터페이스(end user interface)(250), 매니지먼트 플랫폼(management platform)(260), 빅 데이터 플랫폼(big data platform)(270), 또는 분석 플랫폼(analytic platform)(280)을 포함할 수 있다.
일 실시 예의 프론트 엔드(210)는 전자 장치(201)로부터 수신된 사용자 입력을 수신할 수 있다. 프론트 엔드(210)는 상기 사용자 입력에 대응되는 응답을 송신할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)은 자동 음성 인식 모듈(automatic speech recognition module)(ASR module)(221), 자연어 이해 모듈(natural language understanding module)(NLU module)(223), 플래너 모듈(planner module)(225), 자연어 생성 모듈(natural language generator module)(NLG module)(227) 또는 텍스트 음성 변환 모듈(text to speech module)(TTS module)(229)을 포함할 수 있다.
일 실시 예의 자동 음성 인식 모듈(221)은 전자 장치(201)로부터 수신된 음성 입력과 관련된 데이터를 텍스트 데이터로 변환할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 음성 입력의 텍스트 데이터를 이용하여 사용자의 의도를 파악할 수 있다. 예를 들어, 자연어 이해 모듈(223)은 텍스트 데이터 형태의 사용자 입력에 대하여 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 의도를 파악할 수 있다. 일 실시 예의 자연어 이해 모듈(223)은 형태소 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 자연어 이해 모듈(223)은 사용자 발화에 대응되는 의도 정보(intent information)를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있다. 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.
일 실시 예의 플래너 모듈(225)은 자연어 이해 모듈(223)에서 결정된 의도 및 파라미터를 이용하여 플랜을 생성할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 의도에 기초하여 태스크를 수행하기 위해 필요한 복수의 도메인을 결정할 수 있다. 플래너 모듈(225)은 상기 의도에 기초하여 결정된 복수의 도메인 각각에 포함된 복수의 동작을 결정할 수 있다. 일 실시 예에 따르면, 플래너 모듈(225)은 상기 결정된 복수의 동작을 실행하는데 필요한 파라미터나, 상기 복수의 동작의 실행에 의해 출력되는 결과 값을 결정할 수 있다. 상기 파라미터, 및 상기 결과 값은 지정된 형식(또는, 클래스)의 컨셉으로 정의될 수 있다. 이에 따라, 플랜은 사용자의 의도에 의해 결정된 복수의 동작, 및 복수의 컨셉을 포함할 수 있다. 상기 플래너 모듈(225)은 상기 복수의 동작, 및 상기 복수의 컨셉 사이의 관계를 단계적(또는, 계층적)으로 결정할 수 있다. 예를 들어, 플래너 모듈(225)은 복수의 컨셉에 기초하여 사용자의 의도에 기초하여 결정된 복수의 동작의 실행 순서를 결정할 수 있다. 다시 말해, 플래너 모듈(225)은 복수의 동작의 실행에 필요한 파라미터, 및 복수의 동작의 실행에 의해 출력되는 결과에 기초하여, 복수의 동작의 실행 순서를 결정할 수 있다. 이에 따라, 플래너 모듈(225)은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보(예: 온톨로지(ontology))가 포함된 플랜을 생성할 수 있다. 상기 플래너 모듈(225)은 컨셉과 동작의 관계들의 집합이 저장된 캡슐 데이터베이스(230)에 저장된 정보를 이용하여 플랜을 생성할 수 있다.
일 실시 예의 자연어 생성 모듈(227)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 일 실시 예의 텍스트 음성 변환 모듈(229)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다.
일 실시 예에 따르면, 자연어 플랫폼(220)의 기능의 일부 기능 또는 전체 기능은 전자 장치(201)에서도 구현가능 할 수 있다.
상기 캡슐 데이터베이스(230)는 복수의 도메인에 대응되는 복수의 컨셉과 동작들의 관계에 대한 정보를 저장할 수 있다. 일 실시예에 따른 캡슐은 플랜에 포함된 복수의 동작 오브젝트(action object 또는, 동작 정보) 및 컨셉 오브젝트(concept object 또는 컨셉 정보)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 CAN(concept action network)의 형태로 복수의 캡슐을 저장할 수 있다. 일 실시 예에 따르면, 복수의 캡슐은 캡슐 데이터베이스(230)에 포함된 기능 저장소(function registry)에 저장될 수 있다.
상기 캡슐 데이터베이스(230)는 음성 입력에 대응되는 플랜을 결정할 때 필요한 전략 정보가 저장된 전략 레지스트리(strategy registry)를 포함할 수 있다. 상기 전략 정보는 사용자 입력에 대응되는 복수의 플랜이 있는 경우, 하나의 플랜을 결정하기 위한 기준 정보를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 지정된 상황에서 사용자에게 후속 동작을 제안하기 위한 후속 동작의 정보가 저장된 후속 동작 레지스트리(follow up registry)를 포함할 수 있다. 상기 후속 동작은, 예를 들어, 후속 발화를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 전자 장치(201)를 통해 출력되는 정보의 레이아웃(layout) 정보를 저장하는 레이아웃 레지스트리(layout registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 캡슐 정보에 포함된 어휘(vocabulary) 정보가 저장된 어휘 레지스트리(vocabulary registry)를 포함할 수 있다. 일 실시 예에 따르면, 캡슐 데이터베이스(230)는 사용자와의 대화(dialog)(또는, 인터렉션(interaction)) 정보가 저장된 대화 레지스트리(dialog registry)를 포함할 수 있다. 상기 캡슐 데이터베이스(230)는 개발자 툴(developer tool)을 통해 저장된 오브젝트를 업데이트(update)할 수 있다. 상기 개발자 툴은, 예를 들어, 동작 오브젝트 또는 컨셉 오브젝트를 업데이트하기 위한 기능 에디터(function editor)를 포함할 수 있다. 상기 개발자 툴은 어휘를 업데이트하기 위한 어휘 에디터(vocabulary editor)를 포함할 수 있다. 상기 개발자 툴은 플랜을 결정하는 전략을 생성 및 등록하는 전략 에디터(strategy editor)를 포함할 수 있다. 상기 개발자 툴은 사용자와의 대화를 생성하는 대화 에디터(dialog editor)를 포함할 수 있다. 상기 개발자 툴은 후속 목표를 활성화하고, 힌트를 제공하는 후속 발화를 편집할 수 있는 후속 동작 에디터(follow up editor)를 포함할 수 있다. 상기 후속 목표는 현재 설정된 목표, 사용자의 선호도 또는 환경 조건에 기초하여 결정될 수 있다. 일 실시 예에서는 캡슐 데이터베이스(230)는 전자 장치(201) 내에도 구현이 가능할 수 있다.
일 실시 예의 실행 엔진(240)은 상기 생성된 플랜을 이용하여 결과를 산출할 수 있다. 엔드 유저 인터페이스(250)는 산출된 결과를 전자 장치(201)로 송신할 수 있다. 이에 따라, 전자 장치(201)는 상기 결과를 수신하고, 상기 수신된 결과를 사용자에게 제공할 수 있다. 일 실시 예의 매니지먼트 플랫폼(260)은 지능형 서버(200)에서 이용되는 정보를 관리할 수 있다. 일 실시 예의 빅 데이터 플랫폼(270)은 사용자의 데이터를 수집할 수 있다. 일 실시 예의 분석 플랫폼(280)은 지능형 서버(200)의 QoS(quality of service)를 관리할 수 있다. 예를 들어, 분석 플랫폼(280)은 지능형 서버(200)의 구성 요소 및 처리 속도(또는, 효율성)를 관리할 수 있다.
일 실시 예의 서비스 서버(300)는 전자 장치(201)에 지정된 서비스(예: 음식 주문 또는 호텔 예약)를 제공할 수 있다. 일 실시 예에 따르면, 서비스 서버(300)는 제3 자에 의해 운영되는 서버일 수 있다. 일 실시 예의 서비스 서버(300)는 수신된 사용자 입력에 대응되는 플랜을 생성하기 위한 정보를 지능형 서버(200)에 제공할 수 있다. 상기 제공된 정보는 캡슐 데이터베이스(230)에 저장될 수 있다. 또한, 서비스 서버(300)는 플랜에 따른 결과 정보를 지능형 서버(200)에 제공할 수 있다.
위에 기술된 통합 지능 시스템(20)에서, 상기 전자 장치(201)는, 사용자 입력에 응답하여 사용자에게 다양한 인텔리전트 서비스를 제공할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼을 통한 입력, 터치 입력 또는 음성 입력을 포함할 수 있다.
일 실시 예에서, 상기 전자 장치(201)는 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 음성 인식 서비스를 제공할 수 있다. 이 경우, 예를 들어, 전자 장치(201)는 상기 마이크를 통해 수신된 사용자 발화(utterance) 또는 음성 입력(voice input)을 인식하고, 인식된 음성 입력에 대응되는 서비스를 사용자에게 제공할 수 있다.
일 실시 예에서, 전자 장치(201)는 수신된 음성 입력에 기초하여, 단독으로 또는 상기 지능형 서버 및/또는 서비스 서버와 함께 지정된 동작을 수행할 수 있다. 예를 들어, 전자 장치(201)는 수신된 음성 입력에 대응되는 앱을 실행시키고, 실행된 앱을 통해 지정된 동작을 수행할 수 있다.
일 실시 예에서, 전자 장치(201)가 지능형 서버(200) 및/또는 서비스 서버(300)와 함께 서비스를 제공하는 경우에는, 상기 전자 장치(201)는, 상기 마이크(206)를 이용하여 사용자 발화를 감지하고, 상기 감지된 사용자 발화에 대응되는 신호(또는, 음성 데이터)를 생성할 수 있다. 상기 전자 장치(201)는, 상기 음성 데이터를 통신 인터페이스(202)를 이용하여 지능형 서버(200)로 송신할 수 있다.
일 실시 예에 따른 지능형 서버(200)는 전자 장치(201)로부터 수신된 음성 입력에 대한 응답으로써, 음성 입력에 대응되는 태스크(task)를 수행하기 위한 플랜, 또는 상기 플랜에 따라 동작을 수행한 결과를 생성할 수 있다. 상기 플랜은, 예를 들어, 사용자의 음성 입력에 대응되는 태스크(task)를 수행하기 위한 복수의 동작, 및 상기 복수의 동작과 관련된 복수의 컨셉을 포함할 수 있다. 상기 컨셉은 상기 복수의 동작의 실행에 입력되는 파라미터나, 복수의 동작의 실행에 의해 출력되는 결과 값을 정의한 것일 수 있다. 상기 플랜은 복수의 동작, 및 복수의 컨셉 사이의 연관 정보를 포함할 수 있다.
일 실시 예의 전자 장치(201)는, 통신 인터페이스(202)를 이용하여 상기 응답을 수신할 수 있다. 전자 장치(201)는 상기 스피커(205)를 이용하여 전자 장치(201) 내부에서 생성된 음성 신호를 외부로 출력하거나, 디스플레이 모듈(204)을 이용하여 전자 장치(201) 내부에서 생성된 이미지를 외부로 출력할 수 있다.
도 3은 다양한 실시 예에 따른, 컨셉과 동작의 관계 정보가 데이터베이스에 저장된 형태를 나타낸 도면이다.
도 3을 참조하면, 지능형 서버(200)(예: 도 2의 지능형 서버(200))의 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))는 CAN (concept action network)(400) 형태로 캡슐을 저장할 수 있다. 상기 캡슐 데이터베이스는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작, 및 상기 동작을 위해 필요한 파라미터를 CAN(concept action network) 형태로 저장될 수 있다.
상기 캡슐 데이터베이스는 복수의 도메인(예: 어플리케이션) 각각에 대응되는 복수의 캡슐(capsule(A)(401), capsule(B)(404))을 저장할 수 있다. 일 실시 예에 따르면, 하나의 캡슐(예: capsule(A)(401))은 하나의 도메인(예: 위치(geo), 어플리케이션)에 대응될 수 있다. 또한, 하나의 캡슐에는 캡슐과 관련된 도메인에 대한 기능을 수행하기 위한 적어도 하나의 서비스 제공자(예: CP 1(402) 또는 CP 2 (403))가 대응될 수 있다. 일 실시 예에 따르면, 하나의 캡슐은 지정된 기능을 수행하기 위한 적어도 하나 이상의 동작(410) 및 적어도 하나 이상의 컨셉(420)을 포함할 수 있다.
상기, 자연어 플랫폼(220)은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 수신된 음성 입력에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 예를 들어, 자연어 플랫폼의 플래너 모듈(225)(예: 도 2의 플래너 모듈(225))은 캡슐 데이터베이스에 저장된 캡슐을 이용하여 플랜을 생성할 수 있다. 예를 들어, 캡슐 A (401)의 동작들(4011,4013)과 컨셉들(4012,4014) 및 캡슐 B(404)의 동작(4041)과 컨셉(4042)을 이용하여 플랜(407)을 생성할 수 있다.
도 4는 다양한 실시 예에 따른 전자 장치가 지능형 앱을 통해 수신된 음성 입력을 처리하는 화면을 나타낸 도면이다.
도 4를 참조하면, 전자 장치(201)는 지능형 서버(200)(예: 도 2의 지능형 서버(200))를 통해 사용자 입력을 처리하기 위해 지능형 앱을 실행할 수 있다.
일 실시 예에 따르면, 310 화면에서, 전자 장치(201)는 지정된 음성 입력(예: 웨이크 업!)을 인식하거나 하드웨어 키(예: 전용 하드웨어 키)를 통한 입력을 수신하면, 음성 입력을 처리하기 위한 지능형 앱을 실행할 수 있다. 전자 장치(201)는, 예를 들어, 스케줄 앱을 실행한 상태에서 지능형 앱을 실행할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 지능형 앱에 대응되는 오브젝트(예: 아이콘)(311)를 디스플레이 모듈(204)(예: 도 1의 디스플레이 모듈(160), 또는 도 2의 디스플레이 모듈(204))에 표시할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 사용자 발화에 의한 음성 입력을 수신할 수 있다. 예를 들어, 전자 장치(201)는 "이번주 일정 알려줘!"라는 음성 입력을 수신할 수 있다. 일 실시 예에 따르면, 전자 장치(201)는 수신된 음성 입력의 텍스트 데이터가 표시된 지능형 앱의 UI(user interface)(313)(예: 입력창)를 디스플레이 모듈(204)에 표시할 수 있다.
일 실시 예에 따르면, 320 화면에서, 전자 장치(201)는 수신된 음성 입력에 대응되는 결과를 디스플레이 모듈(204)에 표시할 수 있다. 예를 들어, 전자 장치(201)는 수신된 사용자 입력에 대응되는 플랜을 수신하고, 플랜에 따라 '이번주 일정'을 디스플레이 모듈(204)에 표시할 수 있다.
도 5a 및 도 5b는 일 실시예에 따른, 지능형 서버가 사용자의 발화를 처리하는 동작을 설명하기 위한 도면이다.
도 5a 및 도 5b를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 지능형 서버(601)는 도 2를 참조하여 설명한 지능형 서버(200)의 구성 중 적어도 일부를 포함할 수 있다. 전자 장치(501) 및 지능형 서버(601)와 관련하여, 도 1 내지 도 4를 참조하여 설명한 부분과 중복되는 설명은 생략한다.
전자 장치(501)(예: 도 1의 전자 장치(101), 또는 도 2의 전자 장치(201))와 지능형 서버(601)(예: 도 2의 지능형 서버(200))는 근거리 통신망(local area network; LAN), 광역 통신망(wide area network; WAN), 부가가치 통신망(value added network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망, 또는 이들의 상호 조합을 통해 연결될 수 있다. 전자 장치(501) 및 지능형 서버(601)는 유선 통신 방법 또는 무선 통신 방법(예: 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wide band), 적외선 통신(IrDA, infrared data association), NFC(near field communication))으로 서로 통신을 수행할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 스피커(예: AI 스피커), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나로 구현될 수 있다.
일 실시예에 따르면, 전자 장치(501)는 사용자의 발화로부터 음성 데이터를 획득하고, 음성 데이터를 지능형 서버(601)로 전송할 수 있다. 지능형 서버(601)는 음성 데이터를 이용하여 사용자의 발화를 분석하고, 분석 결과(예: 인텐트, 엔티티, 및/또는 캡슐)를 이용하여 사용자에게 제공할 응답(예: 질문, 답변)을 장치(예: 전자 장치(501))에 제공할 수 있다. 지능형 서버(601)는 소프트웨어로 구현될 수 있다. 지능형 서버(601)의 일부 및/또는 전부는 전자 장치(501) 및/또는 지능형 서버(예: 도 2의 지능형 서버(200))에 구현될 수 있다.
일 실시예에 따르면, 지능형 서버(601)는 자연어 플랫폼(610)(예: 도 2의 자연어 플랫폼(220)), 프로세서(620), 및 메모리(630)를 포함할 수 있다. 도 4를 참조하여 설명한 바와 같이, 자연어 플랫폼(610)은 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))에 저장된 캡슐을 이용하여, 음성 입력(예: 사용자 발화)에 대응하는 태스크를 수행하기 위한 플랜을 생성할 수 있다. 프로세서(620)는 메모리(630)에 억세스하여 인스트럭션들을 실행할 수 있다. 프로세서(620)는 사용자에게 응답을 제공하기 위한 동작을 수행할 수 있다. 프로세서(620)는 실행 엔진(예: 도 2의 실행 엔진(240))에 대응될 수 있고, 도 2를 참조하여 설명한 바와 같이 프로세서(620)는 자연어 플랫폼(610)이 생성한 플랜에 따른 결과를 산출할 수 있다. 메모리(630)에는 컴퓨터로 실행 가능한 인스트럭션들이 저장되어 있을 수 있다. 메모리(630)에는 캡슐 데이터베이스(예: 도 2의 캡슐 데이터베이스(230))가 포함될 수 있다. 도 2를 참조하여 설명한 바와 같이, 캡슐 데이터베이스(230)에는 사용자의 음성 입력에 대응되는 태스크를 처리하기 위한 동작 및 동작을 위해 필요한 파라미터가 CAN(concept action network)(예: 도 4의 컨셉 액션 네트워크(400)) 형태로 저장될 수 있다. 컨셉 액션 네트워크(400)는 도 4를 참조하여 설명한 바와 같이 구성될 수 있다.
도 5a를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 마이크(예: 도 2의 전자 장치(201)의 마이크(206))를 통해 사용자 발화(예: "피망 맞고")를 수신할 수 있다. 사용자 발화는 신규 개체명에 대응되는 단어(예: 피망 맞고)를 포함한 것일 수 있다. 전자 장치(501)는 사용자 발화에 대응되는 음성 데이터를 생성할 수 있다. 전자 장치(501)는 음성 데이터를 통신 인터페이스(예: 도 2의 통신 인터페이스(202))를 이용하여 지능형 서버(601)로 송신할 수 있다. 지능형 서버(601)의 자동 음성 인식 모듈(예: 도 2의 자동 음성 인식 모듈(221))은 전자 장치(501)로부터 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, 프로세서(620)는 텍스트 형태로 변환된 사용자 발화(예: "피망 맞고 찾아줘")에 기초하여 개체명 벡터(예: [0.99, 0.009,
Figure PCTKR2023001444-appb-img-000001
, 999]) 및 문장 벡터(예: [0.11, 0.244,
Figure PCTKR2023001444-appb-img-000002
, 333])를 획득할 수 있다. 개체명 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것일 수 있다. 사용자 발화는 개체명(예: 게임, 요리, 공원, 공룡)에 대응되는 단어(예: 맞고, 피망 요리, 한강 공원, 티라노사우루스)를 포함할 수 있고, 개체명 정보(예: 게임: 2, 요리: 1, 공원: 0
Figure PCTKR2023001444-appb-img-000003
)는 사용자 발화가 포함하는 개체명에 관한 정보일 수 있다. 개체명 정보 및 개체명 벡터는 사용자 발화에 대응하여 질의 응답(question and answer)을 수행하는 모듈(예: 사용자 발화에 대응하여 답변을 생성하는 모듈)에 의해 획득된 것일 수 있다. 문장 벡터(예: [0.11, 0.244,
Figure PCTKR2023001444-appb-img-000004
, 333])는 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다. 문장 정보는 사용자 발화에 포함된 문장 구성 요소(sentence element)에 대한 정보일 수 있다.
일 실시예에 따르면, 프로세서(620)는 개체명 벡터(예: [0.99, 0.009,
Figure PCTKR2023001444-appb-img-000005
, 999]) 및 문장 벡터(예: [0.11, 0.244,
Figure PCTKR2023001444-appb-img-000006
, 333])에 기초하여 합성 벡터(synthetic vector)(예: [0.99, 0.009,
Figure PCTKR2023001444-appb-img-000007
, 999, 0.11, 0.244,
Figure PCTKR2023001444-appb-img-000008
, 333])를 획득할 수 있다. 합성 벡터(예: [0.99, 0.009,
Figure PCTKR2023001444-appb-img-000009
, 999, 0.11, 0.244,
Figure PCTKR2023001444-appb-img-000010
, 333])는 개체명 벡터(예: [0.99, 0.009,
Figure PCTKR2023001444-appb-img-000011
, 999])와 문장 벡터(예: [0.11, 0.244,
Figure PCTKR2023001444-appb-img-000012
, 333])가 하나의 벡터로 병합된 것일 수 있다.
일 실시예에 따르면, 프로세서(620)는 합성 벡터에 기초하여 사용자 발화에 대응하는 응답(예: 사용자 발화에 대응되는 사용자 의도에 기초하여 생성된 응답)(예: "피망 맞고를 인스톨할까요?")을 생성할 수 있다. 지능형 서버(601)는 프론트 엔드(예: 도 2의 프론트 엔드(210))를 통해 사용자 발화에 대응되는 응답을 전자 장치(501)로 송신할 수 있다. 전자 장치(501)는 지능형 서버(601)로부터 송신한 응답(예: "피망 맞고를 인스톨할까요?")을 사용자에게 제공할 수 있다.
도 5b를 참조하면, 일 실시예에 따르면, 전자 장치(501)는 사용자 발화(예: "보라해(I purple you) 찾아줘")를 수신할 수 있다. 사용자 발화는 신규 개체명에 대응되는 단어(예: 보라해)를 포함한 것일 수 있다. 도 5a를 참조하여 설명한 바와 같이, 전자 장치(501)는 마이크(예: 도 2의 전자 장치(201)의 마이크(206))를 통해 사용자 발화에 대응되는 음성 데이터를 생성할 수 있다. 전자 장치(501)는 음성 데이터를 통신 인터페이스(예: 도 2의 통신 인터페이스(202))를 이용하여 지능형 서버(601)로 송신할 수 있다. 지능형 서버(601)의 자동 음성 인식 모듈(예: 도 2의 자동 음성 인식 모듈(221))은 전자 장치(501)로부터 수신된 음성 데이터를 텍스트 데이터로 변환할 수 있다.
일 실시예에 따르면, 프로세서(620)는 텍스트 형태로 변환된 사용자 발화(예: 보라해 찾아줘)에 기초하여 개체명 벡터 및 문장 벡터를 획득할 수 있다. 개체명 벡터 및 문장 벡터는 도 5a를 참조하여 설명한 바와 같이 획득될 수 있다.
일 실시예에 따르면, 프로세서(620)는 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터(synthetic vector)를 획득할 수 있다. 합성 벡터는 개체명 벡터와 문장 벡터가 하나의 벡터로 병합된 것일 수 있다.
일 실시예에 따르면, 프로세서(620)는 합성 벡터에 기초하여 사용자 발화(예: 질의(inquiry)인 사용자 발화)에 대응하는 응답(예: 질의에 대응하는 답변)(예: "BTS의 보라해는~")을 생성할 수 있다. 지능형 서버(601)는 프론트 엔드(예: 도 2의 프론트 엔드(210))를 통해 사용자 발화에 대응되는 응답을 전자 장치(501)로 송신할 수 있다. 전자 장치(501)는 지능형 서버(601)로부터 송신한 응답(예: "BTS의 보라해는~")을 사용자에게 제공할 수 있다.
일 실시예에 따르면, 지능형 서버(601)는 사용자 발화에 대응되는 의도 정보(intent information)를 획득하고, 의도 정보의 신뢰도(reliability)(예: 확률 값인 신뢰도)가 임계 값(예: 약 80 ~ 약 90%)보다 작은 경우에만 응답하여 전술한 동작을 수행할 수도 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있고, 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다. 신뢰도는 컨피던스 값(confidence value) 및/또는 불확실성 값(uncertainty value)에 기초하여 설정된 수학식(미도시)에 따라 산출될 수 있다. 컨피던스 값은 의도 정보를 획득하는 모듈(예: 도 2의 자연어 이해 모듈(223))이 어느 정도 확신을 가지고 의도 정보를 획득하였는지에 대한 값을 수치로 나타낸 것일 수 있다. 불확실성 값은 베이지안 모델(bayesian model)에 기초하여 획득되는 값일 수 있다. 지능형 서버(601)는 합성 벡터에 기초하여 응답을 제공하는 동작을 선택적으로 수행함으로써, 응답 제공에 소요되는 시간 및 리소스를 절약할 수 있다.
일 실시예에 따르면, 지능형 서버(601)에서 수행되는 동작의 일부 또는 전부는 전자 장치(501) 및/또는 지능형 서버(601)에서 수행될 수 있다. 예를 들어, 지능형 서버(601)의 자연어 이해 모듈(예: 도 2의 지능형 서버(200)의 자연어 이해 모듈(223))이 수행한 동작 중 적어도 일부가 전자 장치(501)에서 수행될 수 있다. 이하에서는 전자 장치(501)의 수행을 전제로 설명을 이어가도록 한다.
도 6은 일 실시예에 따른, 전자 장치의 개략적인 블록도이다.
도 6을 참조하면, 일 실시예에 따르면, 전자 장치(501)는 도 1을 참조하여 설명한 전자 장치(101) 및 도 2를 참조하여 설명한 전자 장치(201)의 구성 중 적어도 일부를 포함할 수 있다. 지능형 서버(예: 도 2의 지능형 서버(200), 도 5a의 지능형 서버(601))와의 통신 없이 발화를 처리할 수 있는 온 디바이스 AI(on-device artificial intelligence)가 전자 장치(501)에 탑재될 수 있다. 도 2 내지 도 4를 참조하여 설명한 바와 같이, 자연어 플랫폼(220), 캡슐 데이터베이스(230) 등이 전자 장치(501)에서 구현될 수 있다.
전자 장치(501)는 입력 모듈(510)(예: 도 1의 입력 모듈(150)), 프로세서(510)(예: 도 1의 프로세서(120), 도 2의 프로세서(203)), 프로세서(510)와 전기적으로 연결된 메모리(530)(예: 도 1의 메모리(130), 도 2의 메모리(207)), 및 통신 모듈(540)(예: 도 1의 통신 모듈(190))을 포함할 수 있다
일 실시예에 따르면, 입력 모듈(510)은 전자 장치(501)의 구성요소(예: 프로세서(520))에서 처리될 입력(예: 사용자 발화)을 전자 장치(501)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(510)은 마이크를 포함할 수 있다.
일 실시예에 따르면, 프로세서(520)(예: 어플리케이션 프로세서)는 사용자 발화(예: 신규 단어(예: 신규 개체명에 대응되는 단어)를 포함하는 사용자 발화)로부터 사용자 의도를 추출하는 동작(예: 사용자 발화에 대응하는 의도 정보를 획득하는 동작)과 사용자 발화(예: 질의인 사용자 발화)에 대응하는 답변을 획득하는 동작을 동시에 또는 병렬적으로 수행함으로써, 신규 단어를 포함하는 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예에 따르면, 동작 521 내지 529는 전자 장치(501)의 프로세서(520)에서 수행되는 것으로 이해될 수 있다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 전자 장치(501)의 프로세서(520)에서 수행되는 이하의 동작은 프로세서(620)(예: 도 5a의 지능형 서버(601)의 프로세서(620)) 및/또는 자연어 플랫폼(610)(예: 도 5a의 지능형 서버(601)의 자연어 플랫폼(610))에서 수행되는 동작과 실질적으로 동일한 것일 수 있다.
일 실시예에 따르면, 동작 521에서, 프로세서(520)는 사용자 발화에 기초하여 개체명 벡터(예: 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 개체명 벡터) 및 문장 벡터(예: 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 문장 벡터)를 획득할 수 있다.
일 실시예에 따르면, 동작 523에서, 프로세서(520)는 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터를 획득할 수 있다. 합성 벡터(synthetic vector)는 개체명 벡터와 문장 벡터가 하나의 벡터로 병합(merge)된 것일 수 있다.
일 실시예에 따르면, 동작 525에서, 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 의도 정보를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있고, 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.
일 실시예에 따르면, 동작 527에서, 프로세서(520)는 사용자 발화가 질의(inquiry)인 경우에 응답하여, 합성 벡터에 기초하여 질의에 대응하는 답변을 생성할 수 있다. 동작 527-1에서, 프로세서(520)는 질의 의도 정보를 획득할 수 있다. 질의 의도 정보는 의도 정보에 포함되는 것일 수 있다. 동작 527-2에서, 프로세서(520)는 질의 의도 정보에 기초하여 질의와 연관된 정보를 검색할 수 있다. 프로세서(520)는 질의의 대상이 되는 문서 및/또는 데이터베이스에서 질의와 연관된 정보를 추출할 수 있다. 동작 527-3에서, 프로세서(520)는 설정된 규칙 또는 설정된 가중치에 기초하여 검색 결과를 배열할 수 있다. 동작 527-4에서, 프로세서(520)는 배열 결과에 기초하여 질의에 대응하는 답변(예: 핵심 답변)을 추출할 수 있다.
일 실시예에 따르면, 동작 529에서, 프로세서(520)는 의도 정보 또는 답변(예: 질의인 사용자 발화에 대응하는 답변)에 기초하여 응답을 생성할 수 있다.
일 실시예에 따르면, 프로세서(520)는 사용자 발화에 대응되는 의도 정보(intent information)를 획득하고, 의도 정보의 신뢰도(reliability)(예: 확률 값인 신뢰도)가 임계 값(예: 약 80 ~ 약 90%)보다 작은 경우에만 응답하여 전술한 동작을 수행할 수도 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있고, 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다. 신뢰도는 컨피던스 값(confidence value) 및/또는 불확실성 값(uncertainty value)에 기초하여 설정된 수학식에 따라 산출될 수 있다. 컨피던스 값은 의도 정보를 획득하는 모듈이 어느 정도 확신을 가지고 의도 정보를 획득하였는지에 대한 값을 수치로 나타낸 것일 수 있다. 불확실성 값은 베이지안 모델에 기초하여 획득되는 값일 수 있다. 프로세서(520)는 합성 벡터에 기초하여 응답을 제공하는 동작을 선택적으로 수행함으로써, 응답 제공에 소요되는 시간 및 리소스를 절약할 수 있다.
일 실시예에 따르면, 메모리(530)는 전자 장치(501)의 적어도 하나의 구성요소(예: 프로세서(520))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 메모리(530)에 저장된 데이터 및/또는 인스트럭션들은 지능형 서버(601)에 저장되어 있을 수 있다.
일 실시예에 따르면, 통신 모듈(540)은 지능형 서버(601)와 통신할 수 있다. 통신 모듈(540)은 사용자로부터 수신한 발화 및/또는 발화에 대응하여 획득한 문장을 지능형 서버(601)로 전송할 수 있다. 전자 장치(501)에 온 디바이스 AI가 탑재되어 지능형 서버(601)의 기능이 전자 장치(501)에서 구현되는 경우, 지능형 서버의 일부 기능만 전자 장치(501)에서 구현될 수 있다. 전자 장치(501)에서 수행되는 동작의 일부 또는 전부는 전자 장치(501) 및/또는 지능형 서버(601)에서 수행될 수 있다. 예를 들어, 지능형 서버(601)의 자연어 이해 모듈(예: 도 2의 지능형 서버(200)의 자연어 이해 모듈(223))에서 전술한 동작의 일부 또는 전부가 수행될 수 있다. 통신 모듈(540)은 지능형 서버(601)가 수행한 발화 처리 결과를 수신할 수 있다.
일 실시예에 따르면, 전자 장치(501)는 신규 단어(예: 신규 개체명에 대응되는 단어)를 포함하는 사용자 발화를 수신한 경우에도 사용자에게 사용자 의도에 적절한 응답을 제공함으로써 서비스(예: 응답) 만족도에 대한 사용자 체감 성능을 향상시킬 수 있다. 전자 장치(501)는 사용자 발화로부터 사용자 의도를 추출하는 동작(예: 사용자 발화에 대응하는 의도 정보를 획득하는 동작)과 사용자 발화(예: 질의인 사용자 발화)에 대응하는 답변을 획득하는 동작을 동시에 또는 병렬적으로 수행함으로써, 신규 단어를 포함하는 사용자 발화에 대응하는 응답을 제공할 수 있다. 전자 장치(501)는 질의 응답(question and answer)을 수행하는 모듈(예: 사용자 발화에 대응하여 답변을 생성하는 모듈)에서 획득된 개체명 벡터를 이용함으로써, 사용자 발화를 처리하기 위한 도메인(예: 어플리케이션)을 적절히 분류할 수 있다. 전자 장치(501)는 업데이트된 데이터베이스에 기초하여 신규 단어를 포함하는 사용자 발화를 사용자 의도에 맞게 인식할 수 있다.
도 7a 및 도 7b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 7a를 참조하면, 전자 장치(700)가 사용자로부터 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 피망 맞고)를 포함하는 사용자 발화(예: "피망 맞고 찾아줘")를 수신한 경우, 전자 장치(700)는 사용자에게 사용자 의도에 맞지 않는 응답(예: "50개의 식당을 찾았어요")을 제공하고는 했다. 전자 장치(700)가 신규 단어를 포함하는 사용자 발화를 처리하기 위한 도메인(예: 어플리케이션)을 적절히 분류해내지 못하여, 전자 장치(700)는 사용자에게 사용자 의도에 맞는 응답을 제공할 수 없었다.
도 7b를 참조하면, 일 실시예에 따르면, 전자 장치(501)(예: 도 6의 전자 장치(501))의 프로세서(예: 도 6의 프로세서(520))는 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 피망 맞고)를 포함하는 사용자 발화(예: "피망 맞고 찾아줘")를 수신할 수 있다. 프로세서(520)는 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터를 획득할 수 있다. 개체명 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것일 수 있다. 사용자 발화는 개체명에 대응되는 단어를 포함할 수 있고, 개체명 정보는 사용자 발화가 포함하는 개체명에 관한 정보일 수 있다. 개체명 정보 및 개체명 벡터는 사용자 발화에 대응하여 질의 응답(question and answer)을 수행하는 모듈(예: 사용자 발화에 대응하여 답변을 생성하는 모듈)에서 획득된 것일 수 있다. 프로세서(520)는 질의 응답을 수행하는 모듈에서 획득된 개체명 벡터를 이용함으로써, 사용자 발화를 처리하기 위한 도메인을 적절히 분류할 수 있다. 프로세서(520)는 사용자 의도를 추출하는 동작(예: 사용자 발화에 대응하는 의도 정보를 획득)과 사용자 발화에 대응하는 답변을 획득하는 동작을 동시에 또는 병렬적으로 수행함으로써, 사용자에게 적절한 응답을 제공할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 의도 정보(예: [애플리케이션 스토어] 피망 맞고)(예: [GalaxyStore] 피망 맞고)를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있고, 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다. 도 7b를 참조하면, 사용자 발화(예: "피망 맞고 찾아줘")는 질의가 아니므로, 프로세서(520)는 사용자 발화에 대응하는 답변(예: 질의에 대응하는 답변)을 획득하지 못할 수 있다. 프로세서(520)는 의도 정보(예: [애플리케이션 스토어] 피망 맞고)(예: [GalaxyStore] 피망 맞고)에 기초하여 응답(예: "피망 맞고를 인스톨할까요?")을 생성할 수 있고, 전자 장치(501)는 응답(예: "피망 맞고를 인스톨할까요?")을 사용자에게 제공할 수 있다.
도 8a 및 도 8b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 8a를 참조하면, 전자 장치(800)가 사용자로부터 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 보라해(I purple you))를 포함하는 사용자 발화(예: "보라해 찾아줘")를 수신한 경우, 전자 장치(800)는 사용자에게 응답을 제공할 수 없었다(예: "답변할 수 없습니다"라고 응답). 전자 장치(700)가 질의 응답을 수행하는 도메인에서 처리될 수 있는 사용자 발화를 다른 도메인으로 할당함으로써, 전자 장치(800)는 사용자에게 적절한 응답을 제공할 수 없었다.
도 8b를 참조하면, 일 실시예에 따르면, 전자 장치(501)(예: 도 6의 전자 장치(501))의 프로세서(예: 도 6의 프로세서(520))는 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 보라해)를 포함하는 사용자 발화(예: "보라해 찾아줘")를 수신할 수 있다. 프로세서(520)는 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터를 획득할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 의도 정보(예: [QA] 보라해)를 획득할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화(예: 질의인 사용자 발화)에 대응하는 답변(예: BTS의 보라해는~)을 생성할 수 있다. 프로세서(520)는 사용자 발화에 대응하는 답변(예: BTS의 보라해는~)에 기초하여 응답(예: "BTS의 보라해는~")을 생성할 수 있고, 전자 장치(501)는 응답(예: "BTS의 보라해는~")을 사용자에게 제공할 수 있다.
도 9a 및 도 9b은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 동작을 설명하기 위한 일 예이다.
도 9a를 참조하면, 전자 장치(900)가 사용자로부터 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 그릭 모모(greek momo))를 포함하는 사용자 발화(예: "그릭 모모 찾아줘")를 수신한 경우, 전자 장치(900)의 프로세서(920)는 신규 단어에 대한 개체명 인식을 수행할 수 없고, 전자 장치(900)는 신규 단어를 임의로 수정할 수 있다(예: '그릭 모모'를 '그릭 뭐뭐'로 수정). 전자 장치(900)는 사용자 발화에 대한 음성 인식 결과로 문장(예: 그릭 뭐뭐 찾아줘)을 획득할 수 있다. 전자 장치(900)는 음성 인식 결과(예: 그릭 뭐뭐 찾아줘)에 기초하여 사용자에게 응답을 제공할 수 없었다(예: "답변할 수 없습니다"라고 응답). 프로세서(920)가 사용자 발화에 대하여 사용자 의도에 맞게 음성 인식을 수행하지 못하여, 전자 장치(900)는 사용자에게 적절한 응답을 제공할 수 없었다.
도 9b를 참조하면, 일 실시예에 따르면, 전자 장치(501)(예: 도 6의 전자 장치(501))의 프로세서(예: 도 6의 프로세서(520))는 신규 단어(예: 신규 개체명에 대응되는 단어)(예: 그릭 모모)를 포함하는 사용자 발화(예: "그릭 모모 찾아줘")를 수신할 수 있다. 프로세서(520)는 개체명에 관한 정보를 포함하는, 업데이트된 데이터베이스에 기초하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 프로세서(520)는 신규 단어에 대한 개체명 인식(named entity recognition)을 수행할 수 있고, 사용자 발화를 텍스트 데이터로 변환할 수 있다. 프로세서(520)는 텍스트로 변환된 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터를 획득할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 의도 정보(예: [QA] 그릭 모모)를 획득할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 답변(예: 그릭 모모는 복숭아 속을 파내고~)을 생성할 수 있다. 프로세서(520)는 사용자 발화(예: 질의인 사용자 발화)에 대응하는 답변(예: 그릭 모모는 복숭아 속을 파내고)에 기초하여 응답(예: "그릭 모모는 복숭아 속을 파내고~")을 생성할 수 있고, 전자 장치(501)는 응답(예: "그릭 모모는 복숭아 속을 파내고~")을 사용자에게 제공할 수 있다.
도 10은 일 실시예에 따른, 전자 장치가 사용자 발화를 처리하는 화면을 나타낸 도면이다.
도 10을 참조하면, 전자 장치(1000)는 신규 단어(예: 훠궈)를 포함하는 발화에 대응하여, 신규 단어에 대한 인터넷 검색을 수행할 수 있다. 전자 장치(1000)는 인터넷 검색 수행 결과에 기초하여 사용자에게 화면을 통해 응답을 제공할 수 있다. 전자 장치(1000)가 제공하는 응답은, 일 실시 예에 따른, 전자 장치(1001)가 제공하는 응답에 비해 사용자의 선호도가 낮을 수 있다.
일 실시예에 따르면, 전자 장치(1001)는 신규 단어(예: 훠궈)를 포함하는 발화에 대응하여, 신규 단어에 대한 인터넷 검색을 수행할 수 있다. 전자 장치(1001)는 인터넷 검색 수행 결과에 기초하여 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트할 수 있다. 전자 장치(1001)는 업데이트된 데이터베이스에 기초하여 사용자에게 응답을 제공할 수 있다. 전자 장치(1001)가 제공하는 응답은 전자 장치(1000)가 제공하는 응답에 비해, 음성 어시스턴트 기능에 더욱 적합할 수 있다. 전자 장치(1001)는 신규 단어를 포함하는 사용자 발화에 대응하여 정형화되고 일관된 형태로 응답을 제공할 수 있다. 전자 장치(1001)는 업데이트된 데이터베이스에 기초하여, 추후에도 추가적인 인터넷 검색 없이 오프라인 상황에서도 일관된 형태로 사용자에게 응답을 제공할 수 있다
도 11은 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도의 일 예를 나타낸다.
도 11을 참조하면, 동작 1110 내지 동작 1150은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작(1110~1150)의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작 1110 내지 동작 1150과 실질적으로 동일한 동작이 지능형 서버(예: 도 5a의 지능형 서버(601))의 자연어 플랫폼(610) 및/또는 프로세서(620)에 의해 수행될 수 있다
동작 1110에서, 프로세서(예: 도 6의 프로세서(520))는 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득할 수 있다. 개체명 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것일 수 있다. 사용자 발화는 개체명에 대응되는 단어를 포함할 수 있고, 개체명 정보는 사용자 발화가 포함하는 개체명에 관한 정보일 수 있다. 개체명 정보 및 개체명 벡터는 사용자 발화에 대응하여 질의 응답(question and answer)을 수행하는 모듈(예: 사용자 발화에 대응하여 답변을 생성하는 모듈)에서 획득된 것일 수 있다. 문장 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다.
동작 1130에서, 프로세서(520)는 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터(synthetic vector)를 획득할 수 있다. 합성 벡터는 개체명 벡터와 문장 벡터가 하나의 벡터로 병합(merge)된 것일 수 있다.
동작 1150에서, 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 응답을 제공할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 의도 정보를 획득할 수 있다. 프로세서(520)는 사용자 발화가 질의인 경우에 응답하여, 합성 벡터에 기초하여 질의에 대응하는 답변을 생성할 수 있다. 프로세서(520)는 의도 정보 또는 답변에 기초하여 응답을 제공할 수 있다.
도 12는 일 실시예에 따른, 전자 장치의 동작 방법의 흐름도의 일 예를 나타낸다.
도 12를 참조하면, 동작 1210 내지 동작 1270은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작(1210~1270)의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작 1210 내지 동작 1270과 실질적으로 동일한 동작이 지능형 서버(예: 도 5a의 지능형 서버(601))의 자연어 플랫폼(610) 및/또는 프로세서(620)에 의해 수행될 수 있다
동작 1210에서, 프로세서(예: 도 6의 프로세서(520))는 사용자 발화에 직접 대응하는 제1 의도 정보를 획득할 수 있다. 의도 정보는 텍스트 데이터를 해석하여 판단되는 사용자의 의도를 나타내는 정보일 수 있고, 의도 정보는 사용자가 디바이스를 이용하여 실행하고자 하는 동작 또는 기능을 나타내는 정보를 포함할 수 있다.
동작 1230에서, 프로세서(520)는 제1 의도 정보의 신뢰도(예: 확률 값인 신뢰도)가 임계 값(예: 약 80 ~ 약 90%)보다 작은 경우에 응답하여 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득할 수 있다. 의도 정보의 신뢰도는 사용자 발화로부터 얼마나 정확하게 사용자 의도가 파악되고 있는지를 나타내는 정도일 수 있다. 신뢰도는 컨피던스 값(confidence value) 및/또는 불확실성 값(uncertainty value)에 기초하여 설정된 수학식(미도시)에 따라 산출된 것일 수 있다. 개체명 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것일 수 있다. 개체명 정보 및 개체명 벡터는 사용자 발화에 대응하여 질의 응답을 수행하는 모듈에서 획득된 것일 수 있다. 문장 벡터는 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다.
동작 1250에서, 프로세서(520)는 개체명 벡터 및 문장 벡터에 기초하여 합성 벡터를 획득할 수 있다. 합성 벡터는 개체명 벡터와 문장 벡터가 하나의 벡터로 병합된 것일 수 있다.
동작 1270에서, 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 응답을 제공할 수 있다. 프로세서(520)는 합성 벡터에 기초하여 사용자 발화에 대응하는 제2 의도 정보를 획득할 수 있다. 프로세서(520)는 사용자 발화가 질의인 경우에 응답하여, 합성 벡터에 기초하여 질의에 대응하는 답변을 생성할 수 있다. 프로세서(520)는 제2 의도 정보 및/또는 답변에 기초하여 응답을 제공할 수 있다.
일 실시예에 따른 지능형 서버(예: 도 5a의 지능형 서버(601))는 인스트럭션들을 포함하는 메모리, 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하고, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 의도 정보를 획득하고, 상기 사용자 발화가 질의인 경우에 응답하여, 상기 합성 벡터에 기초하여 상기 질의에 대응하는 답변을 생성하고, 상기 의도 정보 또는 상기 답변에 기초하여 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 사용자 발화에 기초하여 질의 의도 정보를 획득하고, 상기 질의 의도 정보에 기초하여 상기 질의와 연관된 정보를 검색 및 배열하고, 검색 결과 및 배열 결과에 기초하여 상기 질의에 대응하는 답변을 추출할 수 있다.
일 실시예에 따르면, 상기 개체명 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보기 인코딩됨으로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 문장 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 합성 벡터는, 상기 개체명 벡터와 상기 문장 벡터가 하나의 벡터로 병합된 것일 수 있다.
일 실시예에 따르면, 상기 프로세서는, 응답 제공 결과에 기초하여, 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트하고, 업데이트된 데이터베이스에 기초하여, 음성 인식을 수행할 수 있다.
일 실시예에 따른 지능형 서버(601)는 인스트럭션들을 포함하는 메모리, 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자 발화에 대응하는 제1 의도 정보를 획득하고, 상기 제1 의도 정보의 신뢰도가 임계 값보다 낮은 경우에 응답하여, 상기 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하고, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 제2 의도 정보를 획득하고, 상기 사용자 발화가 질의인 경우에 응답하여, 상기 합성 벡터에 기초하여 상기 질의에 대응하는 답변을 생성하고, 상기 제2 의도 정보 또는 상기 답변에 기초하여 응답을 제공할 수 있다.
일 실시예에 따르면, 상기 프로세서는, 상기 사용자 발화에 기초하여 질의 의도 정보를 획득하고, 상기 질의 의도 정보에 기초하여 상기 질의와 연관된 정보를 검색 및 배열하고, 검색 결과 및 배열 결과에 기초하여 상기 질의에 대응하는 답변을 추출할 수 있다.
일 실시예에 따르면, 상기 개체명 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 문장 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 합성 벡터는, 상기 개체명 벡터와 상기 문장 벡터가 하나의 벡터로 병합된 것일 수 있다.
일 실시예에 따르면, 상기 프로세서는, 응답 제공 결과에 기초하여, 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트하고, 업데이트된 데이터베이스에 기초하여, 음성 인식을 수행할 수 있다.
일 실시예에 따른 전자 장치(예: 도 6의 전자 장치(501))의 동작 방법은 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하는 동작, 상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하는 동작, 및 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 응답을 제공하는 동작은, 상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 의도 정보를 획득하는 동작, 상기 사용자 발화가 질의인 경우에 응답하여, 상기 합성 벡터에 기초하여 상기 질의에 대응하는 답변을 생성하는 동작, 및 상기 의도 정보 또는 상기 답변에 기초하여 응답을 제공하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 답변을 생성하는 동작은, 상기 사용자 발화에 기초하여 질의 의도 정보를 획득하는 동작, 상기 질의 의도 정보에 기초하여 상기 질의와 연관된 정보를 검색 및 배열하는 동작, 및 검색 결과 및 배열 결과에 기초하여 상기 질의에 대응하는 답변을 추출하는 동작을 포함할 수 있다.
일 실시예에 따르면, 상기 개체명 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것이고, 상기 문장 벡터는, 텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것일 수 있다.
일 실시예에 따르면, 상기 합성 벡터는, 상기 개체명 벡터와 상기 문장 벡터가 하나의 벡터로 병합된 것일 수 있다.
일 실시예에 따르면, 상기 전자 장치의 동작 방법은 응답 제공 결과에 기초하여, 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트하는 동작, 및 업데이트된 데이터베이스에 기초하여, 음성 인식을 수행하는 동작을 더 포함할 수 있다.
본 문서에 개시된 실시예에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 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. 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 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 실시예들은 기기(machine)(예: 전자 장치(101))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 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 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 스토어TM)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.
일 실시예에 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. 일 실시예에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 일 실시예에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 지능형 서버에 있어서,
    인스트럭션들을 포함하는 메모리; 및
    상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
    사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고,
    상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하고,
    상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공하는,
    서버.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 의도 정보를 획득하고,
    상기 사용자 발화가 질의인 경우에 응답하여, 상기 합성 벡터에 기초하여 상기 질의에 대응하는 답변을 생성하고,
    상기 의도 정보 또는 상기 답변에 기초하여 응답을 제공하는,
    서버.
  3. 제2항에 있어서,
    상기 프로세서는,
    상기 사용자 발화에 기초하여 질의 의도 정보를 획득하고,
    상기 질의 의도 정보에 기초하여 상기 질의와 연관된 정보를 검색 및 배열하고,
    검색 결과 및 배열 결과에 기초하여 상기 질의에 대응하는 답변을 추출하는,
    서버.
  4. 제1항에 있어서,
    상기 개체명 벡터는,
    텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것인,
    서버.
  5. 제1항에 있어서,
    상기 문장 벡터는,
    텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것인,
    서버.
  6. 제1항에 있어서,
    상기 합성 벡터는,
    상기 개체명 벡터와 상기 문장 벡터가 하나의 벡터로 병합된 것인,
    서버.
  7. 제1항에 있어서,
    상기 프로세서는,
    응답 제공 결과에 기초하여, 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트하고,
    업데이트된 데이터베이스에 기초하여, 음성 인식을 수행하는,
    서버.
  8. 지능형 서버에 있어서,
    인스트럭션들을 포함하는 메모리; 및
    상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
    사용자 발화에 대응하는 제1 의도 정보를 획득하고,
    상기 제1 의도 정보의 신뢰도가 임계 값보다 작은 경우에 응답하여, 상기 사용자 발화에 기초하여 개체명 벡터 및 문장 벡터를 획득하고
    상기 개체명 벡터 및 상기 문장 벡터에 기초하여 합성 벡터를 획득하고,
    상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 응답을 제공하는,
    서버.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 합성 벡터에 기초하여 상기 사용자 발화에 대응하는 제2 의도 정보를 획득하고,
    상기 사용자 발화가 질의인 경우에 응답하여, 상기 합성 벡터에 기초하여 상기 질의에 대응하는 답변을 생성하고,
    상기 제2 의도 정보 또는 상기 답변에 기초하여 응답을 제공하는,
    서버.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 사용자 발화에 기초하여 질의 의도 정보를 획득하고,
    상기 질의 의도 정보에 기초하여 상기 질의와 연관된 정보를 검색 및 배열하고,
    검색 결과 및 배열 결과에 기초하여 상기 질의에 대응하는 답변을 추출하는,
    서버.
  11. 제8항에 있어서,
    상기 개체명 벡터는,
    텍스트 형태로 변환된 사용자 발화로부터 추출된 개체명 정보가 인코딩됨으로써 획득된 것인,
    서버.
  12. 제8항에 있어서,
    상기 문장 벡터는,
    텍스트 형태로 변환된 사용자 발화로부터 추출된 문장 정보가 인코딩됨으로써 획득된 것인,
    서버.
  13. 제8항에 있어서,
    상기 합성 벡터는,
    상기 개체명 벡터와 상기 문장 벡터가 하나의 벡터로 병합된 것인,
    서버.
  14. 제8항에 있어서,
    상기 프로세서는,
    응답 제공 결과에 기초하여, 개체명에 관한 정보를 포함하는 데이터베이스를 업데이트하고,
    업데이트된 데이터베이스에 기초하여, 음성 인식을 수행하는,
    서버.
  15. 제8항에 있어서,
    상기 신뢰도는,
    컨피던스 값 또는 불확실성 값 중 적어도 하나에 기초하여 설정된 수학식에 따라 산출될 수 있는 것이고,
    상기 컨피던스 값은 의도 정보를 획득하는 모듈이 어느 정도 확신을 가지고 의도 정보를 획득하였는지에 대한 값을 수치로 나타낸 것이고, 상기 불확실성 값은 베이지안 모델에 기초하여 획득되는 값인,
    서버.
PCT/KR2023/001444 2022-03-18 2023-02-01 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법 WO2023177079A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/297,466 US20230298586A1 (en) 2022-03-18 2023-04-07 Server and electronic device for processing user's utterance based on synthetic vector, and operation method thereof

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0034169 2022-03-18
KR20220034169 2022-03-18
KR1020220055467A KR20230136493A (ko) 2022-03-18 2022-05-04 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
KR10-2022-0055467 2022-05-04

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/297,466 Continuation US20230298586A1 (en) 2022-03-18 2023-04-07 Server and electronic device for processing user's utterance based on synthetic vector, and operation method thereof

Publications (1)

Publication Number Publication Date
WO2023177079A1 true WO2023177079A1 (ko) 2023-09-21

Family

ID=88023658

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/001444 WO2023177079A1 (ko) 2022-03-18 2023-02-01 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법

Country Status (2)

Country Link
US (1) US20230298586A1 (ko)
WO (1) WO2023177079A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190098928A (ko) * 2019-08-05 2019-08-23 엘지전자 주식회사 음성 인식 방법 및 장치
KR20200023664A (ko) * 2018-08-14 2020-03-06 삼성전자주식회사 응답 추론 방법 및 장치
KR102103273B1 (ko) * 2018-02-27 2020-04-22 주식회사 와이즈넛 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법
KR102204740B1 (ko) * 2019-02-28 2021-01-19 네이버 주식회사 대화 시스템에서의 의도 불분명 질의를 처리하는 방법 및 시스템
US11062694B2 (en) * 2016-06-27 2021-07-13 Amazon Technologies, Inc. Text-to-speech processing with emphasized output audio

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11062694B2 (en) * 2016-06-27 2021-07-13 Amazon Technologies, Inc. Text-to-speech processing with emphasized output audio
KR102103273B1 (ko) * 2018-02-27 2020-04-22 주식회사 와이즈넛 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법
KR20200023664A (ko) * 2018-08-14 2020-03-06 삼성전자주식회사 응답 추론 방법 및 장치
KR102204740B1 (ko) * 2019-02-28 2021-01-19 네이버 주식회사 대화 시스템에서의 의도 불분명 질의를 처리하는 방법 및 시스템
KR20190098928A (ko) * 2019-08-05 2019-08-23 엘지전자 주식회사 음성 인식 방법 및 장치

Also Published As

Publication number Publication date
US20230298586A1 (en) 2023-09-21

Similar Documents

Publication Publication Date Title
WO2022019538A1 (ko) 언어 모델 및 이를 포함하는 전자 장치
WO2022010157A1 (ko) 인공지능 가상 비서 서비스에서의 화면 제공 방법 및 이를 지원하는 사용자 단말 장치 및 서버
WO2022191395A1 (ko) 사용자 명령을 처리하는 장치 및 그 동작 방법
WO2022163963A1 (ko) 전자 장치 및 전자 장치의 단축 명령어 수행 방법
WO2022139420A1 (ko) 전자 장치 및 그의 연속성을 가지는 사용자 입력에 대한 실행 정보를 공유하는 방법
WO2023177079A1 (ko) 합성 벡터에 기반하여 사용자 발화를 처리하는 서버, 전자 장치, 및 이의 동작 방법
WO2023177051A1 (ko) 증강된 문장 후보에 기반하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024029850A1 (ko) 언어 모델에 기초하여 사용자 발화를 처리하는 방법 및 전자 장치
WO2024058597A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2023249359A1 (ko) 전자 장치 및 오프라인 장치 등록 방법
WO2023048379A1 (ko) 사용자 발화를 처리하는 서버, 전자 장치 및 그의 동작 방법
WO2024029827A1 (ko) 제어 추천을 위한 전자 장치 및 컴퓨터 판독가능 저장 매체
WO2023017975A1 (ko) 상태 변경에 따라 음성 명령 처리 결과를 출력하는 전자 장치 및 그의 동작 방법
WO2024029851A1 (ko) 전자 장치 및 음성 인식 방법
WO2022177165A1 (ko) 음성 인식 결과를 분석하는 전자 장치 및 방법
WO2022191425A1 (ko) 다이얼로그 텍스트에 시각적 효과를 적용하는 전자 장치 및 이의 제어 방법
WO2024072142A1 (ko) 서술어를 포함하지 않는 발화를 처리하는 전자 장치, 동작 방법 및 저장 매체
WO2023043025A1 (ko) 불완전 연속 발화를 처리하는 방법 및 그 방법을 수행하는 서버 및 전자 장치
WO2022010158A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024039191A1 (ko) 전자 장치 및 사용자 발화 처리 방법
WO2024080745A1 (ko) 발화 캐시에 기반하여 사용자 발화를 분석하기 위한 방법 및 이를 지원하는 전자 장치
WO2023058944A1 (ko) 전자 장치 및 응답 제공 방법
WO2023106862A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2024080729A1 (ko) 전자 장치 및 상기 전자 장치에서 위치 기반 컨텍스트를 이용하여 사용자의 발화를 처리하는 방법
WO2024072036A1 (ko) 음성인식 장치 및 음성인식 장치의 동작방법

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: 23770959

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023770959

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2023770959

Country of ref document: EP

Effective date: 20240415