WO2023191331A1 - 인공지능 전화예약 시스템 및 방법 - Google Patents

인공지능 전화예약 시스템 및 방법 Download PDF

Info

Publication number
WO2023191331A1
WO2023191331A1 PCT/KR2023/003207 KR2023003207W WO2023191331A1 WO 2023191331 A1 WO2023191331 A1 WO 2023191331A1 KR 2023003207 W KR2023003207 W KR 2023003207W WO 2023191331 A1 WO2023191331 A1 WO 2023191331A1
Authority
WO
WIPO (PCT)
Prior art keywords
reservation
call
call server
unit
artificial intelligence
Prior art date
Application number
PCT/KR2023/003207
Other languages
English (en)
French (fr)
Inventor
송형석
Original Assignee
(주)와이즈에이아이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)와이즈에이아이 filed Critical (주)와이즈에이아이
Publication of WO2023191331A1 publication Critical patent/WO2023191331A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S715/00—Data processing: presentation processing of document, operator interface processing, and screen saver display processing
    • Y10S715/978—Audio interaction as part of an operator interface

Definitions

  • the present invention relates to an artificial intelligence phone reservation system and method.
  • the purpose of the present invention is to provide an artificial intelligence phone reservation system and method that can solve conventional problems.
  • An artificial intelligence phone reservation system to solve the above problem includes an AI reservation call server that infers and generates query intents related to reservations from the call contents of the customer terminal; After extracting the reservation event (reservation query) sent from the AI reservation call server from the reservation manual, the input operation of the input device is controlled so that the reservation is entered into the reservation platform according to the extracted reservation manual, and the reservation processing information is stored in the AI reservation. It includes a reservation operation terminal provided by a call server, and the AI reservation call server generates an answer to the reservation inquiry based on the reservation processing information transmitted from the reservation operation terminal based on the learned data, and then uses voice language. It is characterized in that it is converted to and provided to the customer terminal.
  • the AI reservation call server includes a call connection unit that supports call connection (incoming and outgoing) with the customer terminal; a conversion unit that converts the call content related to the reservation of the customer terminal transmitted through the call connection unit into text; It includes an intent inference unit that infers a reservation inquiry based on data learned from the call contents converted into text.
  • the AI reservation call server further provides an answer content unit that generates and provides answers to reservation inquiries based on data learned in a learning result database based on reservation processing information transmitted from the reservation operation terminal. Includes.
  • the reservation operation terminal receives a reservation event (reservation inquiry) sent from the AI reservation call server, and extracts and provides a reservation command related to the reservation event from the reservation manual provided in the reservation manual DB. /sender; When reception of the reservation event is confirmed, a platform execution unit that executes a preset reservation platform; It includes a device control unit that controls the input operation of the input device so that reservation information is input into the reservation platform according to the reservation command.
  • a reservation event reservation inquiry
  • the AI reservation call server extracts and provides a reservation command related to the reservation event from the reservation manual provided in the reservation manual DB. /sender
  • a platform execution unit that executes a preset reservation platform
  • It includes a device control unit that controls the input operation of the input device so that reservation information is input into the reservation platform according to the reservation command.
  • the artificial intelligence phone reservation method includes the steps of connecting (receiving and making) a call to a customer terminal in an AI reservation call server, and then converting the call content related to the reservation into text; A step of generating and providing a reservation intent that infers a reservation inquiry based on data learned about reservation-related inquiries from the call contents converted into text; After the reservation operation terminal extracts the reservation event (reservation inquiry) sent from the AI reservation call server from the reservation manual, it controls the input operation of the input device so that the reservation information is entered into the reservation platform according to the reservation command of the extracted reservation manual. step; And a step where the AI reservation call server extracts an answer corresponding to the reservation processing result processed by the reservation operation terminal from the learning result database unit, then converts the extracted answer into a voice and provides it to the customer terminal.
  • the step of generating and providing the inferred reservation intent includes the process of understanding the flow of the call content and learning the object to be reserved and questions related to the reservation.
  • the artificial intelligence phone reservation system and method By using the artificial intelligence phone reservation system and method according to an embodiment of the present invention, even if there is no API provided by the reservation application, a person can make a reservation by looking at the eye and making a call through mouse and keyboard control and image recognition technology. There is an advantage in that the same effect can be obtained.
  • FIG. 1 is a device configuration diagram of an artificial intelligence phone reservation system according to an embodiment of the present invention.
  • FIG 2 is a detailed configuration diagram of the AI reservation call server and reservation operation terminal shown in Figure 1.
  • Figure 3 is an example diagram showing the inference process in the intent inference unit shown in Figure 2.
  • Figure 4 is an example diagram showing a machine learning process in the machine learning learning unit shown in Figure 2.
  • Figure 5 is a flowchart explaining an artificial intelligence phone reservation method according to an embodiment of the present invention.
  • 'part' includes a unit realized by hardware, a unit realized by software, and a unit realized using both. Additionally, one unit may be realized using two or more pieces of hardware, and two or more units may be realized using one piece of hardware.
  • ' ⁇ part' is not limited to software or hardware, and ' ⁇ part' may be configured to reside in an addressable storage medium or may be configured to reproduce one or more processors. Therefore, as an example, ' ⁇ part' refers to components such as software components, object-oriented software components, class components, and task components, processes, functions, properties, and procedures. , subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, and variables.
  • components and 'parts' may be combined into a smaller number of components and 'parts' or may be further separated into additional components and 'parts'. Additionally, components and 'parts' may be implemented to regenerate one or more CPUs within a device or a secure multimedia card.
  • some of the operations or functions described as being performed by a terminal, apparatus, or device may instead be performed on a server connected to the terminal, apparatus, or device.
  • some of the operations or functions described as being performed by the server may also be performed in a terminal, apparatus, or device connected to the server.
  • mapping or matching with the terminal mean mapping or matching the terminal's unique number or personal identification information, which is identifying data of the terminal. It can be interpreted as
  • Figure 1 is a device configuration diagram of an artificial intelligence phone reservation system according to an embodiment of the present invention
  • Figure 2 is a detailed configuration diagram of the AI reservation call server and reservation operation terminal shown in Figure 1
  • Figure 3 is in Figure 2
  • It is an example diagram showing the inference process in the intent inference unit shown
  • FIG. 4 is an example diagram showing the machine learning process in the machine learning learning unit shown in FIG. 2.
  • the artificial intelligence phone reservation system 100 includes an AI reservation call server 200 and a reservation operation terminal 300.
  • Each component is connected by a network, where the network is a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband (BBN). network), the Internet, etc. may include one or more arbitrary networks.
  • PAN personal area network
  • LAN local area network
  • CAN campus area network
  • MAN metropolitan area network
  • WAN wide area network
  • BBN broadband
  • the Internet etc. may include one or more arbitrary networks.
  • the network may include any one or more of network topologies including, but not limited to, a bus network, star network, ring network, mesh network, star-bus network, tree or hierarchical network, etc. No.
  • the AI reservation call server 200 may be configured to infer and generate query intents related to reservations from the call contents of the customer terminal.
  • the AI reservation call server 200 returns reservation processing information for the query intent from the reservation operation terminal 300, which will be described later, processes the reservation processing information into response information for the query intent, and then processes the reservation processing information into answer information for the query intent. It may be configured to transmit the answer information to the customer through a mechanical sound.
  • the AI reservation call server 200 includes a call connection unit 210, a conversion unit 220, an intent inference unit 230, an answer content unit 240, a machine learning learning unit 250, and a learning result. Includes database 260.
  • the call connection unit 210 supports call connection (incoming and outgoing calls) of the customer terminal 10.
  • the conversion unit 220 may be configured to convert the content of a call related to a reservation of a customer terminal transmitted through the call connection unit 210 into text.
  • the conversion unit 220 may be configured to convert text information, which is an answer related to a reservation provided by the answer content unit 240, which will be described later, into voice information.
  • the conversion unit 220 may be configured to have the SST algorithm and the TTS algorithm installed.
  • the intent inference unit 230 may be configured to infer a reservation query based on data learned in the learning result database 260, which describes the query content related to the reservation from the call content converted to text. .
  • the intent inference unit 230 can apply pattern-based machine learning natural language processing technology to recognize and process slang, abbreviations, buzzwords, etc. to understand all machine-learning sentences.
  • the intent inference unit 230 includes an inference engine capable of inferring a question through typo analysis and spacing analysis.
  • the answer content unit 240 provides an answer to the reservation inquiry based on the reservation processing information transmitted from the reservation operation terminal 300, which will be described later, based on data learned in the learning result database 260, which will be described later. It may be a configuration that is created and provided.
  • the machine learning learning unit 250 is a component that understands the flow of call content and learns the target for reservation and questions related to reservation, and makes reservations based on machine learning, machine learning VCS (supervised learning), and self-features. Learn about the target audience and questions related to reservations.
  • VCS machine learning VCS
  • the machine learning learning unit 250 implements pattern-based machine learning natural language processing technology and is oriented toward RPA (Robotic Process Automation) and deep learning.
  • the machine learning learning unit 250 may perform learning based on the results inferred from the intent inference unit 230.
  • the learning result database unit 260 builds a database of the results of learning the inferred reservation questions and builds a database of the results of learning the answers to the reservation questions.
  • the reservation operation terminal 300 extracts the reservation event (reservation inquiry) sent from the AI reservation call server 200 from the reservation manual, and then inputs the input device so that the reservation is entered into the reservation platform according to the extracted reservation manual. It may be a configuration that controls the operation.
  • the reservation operation terminal 300 includes a reception unit 310, a reservation manual DB 320, a device control unit 330, and a platform execution unit 340.
  • the receiving/sending unit 310 receives a reservation event (reservation inquiry) sent from the AI reservation call server 200, and extracts a reservation command related to the reservation event from the reservation manual provided in the reservation manual DB 320. This may be provided to the device control unit 330, which will be described later.
  • the reservation manual DB 320 may be configured to register and manage a reservation manual that records reservation commands related to reservations.
  • the device control unit 330 may be configured to control the input operation of the input device so that reservation information is input into a reservation platform (application or web) described later according to a reservation command.
  • the device control unit 330 checks whether an input device, such as a mouse, keyboard, and camera, is connected, and when the connection is activated, controls the input operation of the corresponding input device according to the reservation command.
  • an input device such as a mouse, keyboard, and camera
  • the platform executing unit 340 may be configured to execute a preset reservation platform when reception of a reservation event is confirmed from the receiving unit 310.
  • Figure 5 is a flowchart illustrating an artificial intelligence phone reservation method according to an embodiment of the present invention.
  • the artificial intelligence phone reservation method (S700) connects (receives and makes) a call with the customer terminal 10 in the AI reservation call server 200, and then makes a reservation. Convert the related call contents into text (S710).
  • reservation intents are generated (S720) by inferring the reservation inquiry based on the data learned from the call contents converted into text.
  • the S720 process is a process of understanding the flow of the call content and learning the questions related to the reservation and reservation, using machine learning, machine learning VCS (supervised learning), and self-characteristics. It includes the process of learning the questions asked.
  • the reservation operation terminal 300 extracts the reservation event (reservation query) transmitted from the AI reservation call server 200 from the reservation manual, and then inputs the reservation information into the reservation platform according to the reservation command in the extracted reservation manual. Controls the input operation of the input device (S730).
  • the AI reservation call server 200 extracts the answer corresponding to the reservation processing result processed by the reservation operation terminal 300 from the learning result database unit 260, converts the extracted answer into voice, and provides it to the customer terminal. (S740).
  • the artificial intelligence phone reservation system and method By using the artificial intelligence phone reservation system and method according to an embodiment of the present invention, even if there is no API provided by the reservation application, a person can make a reservation by looking at the eye and making a call through mouse and keyboard control and image recognition technology. There is an advantage in that the same effect can be obtained.
  • the “unit” used in one embodiment of the present invention may be implemented as a hardware component, a software component, and/or a combination of hardware components and software components.
  • devices and components described in embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It may be implemented using one or more general-purpose or special-purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions.
  • a processing device may execute an operating system (OS) and one or more software applications that run on the operating system.
  • OS operating system
  • software applications that run on the operating system.
  • a processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • a single processing device may be described as being used; however, those skilled in the art will understand that a processing device includes multiple processing elements and/or multiple types of processing elements. It can be seen that it may include.
  • a processing device may include a plurality of processors or one processor and one controller. Additionally, other processing configurations, such as parallel processors, are possible.
  • Software may include a computer program, code, instructions, or a combination of one or more of these, which may configure a processing unit to operate as desired, or may be processed independently or collectively. You can command the device.
  • Software and/or data may be used by any type of machine, component, physical device, virtual equipment, computer storage medium or device to be interpreted by or to provide instructions or data to a processing device. , or may be permanently or temporarily embodied in a transmitted signal wave.
  • Software may be distributed over networked computer systems and stored or executed in a distributed manner.
  • Software and data may be stored on one or more computer-readable recording media.
  • the method according to an embodiment of the present invention may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination.
  • Program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and available to those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks.
  • program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명의 일 실시예에 따른 인공지능 전화 예약 시스템은 고객단말의 통화내용으로부터 예약과 관련된 질의 인텐츠를 추론하여 생성하는 AI 예약 콜 서버; 상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼에 따라 예약이 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하고, 예약처리정보를 상기 AI 예약 콜 서버로 제공하는 예약 운영 단말을 포함하고, 상기 AI 예약 콜 서버는 상기 예약 운영 단말에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 학습된 데이터를 기반으로 생성한 후, 음성언어로 변환하여 상기 고객단말로 제공하는 것을 특징으로 한다.

Description

인공지능 전화예약 시스템 및 방법
본 발명은 인공지능 전화예약 시스템 및 방법에 관한 것이다.
최근에는 AI가 전화를 대신 받아서 답변을 하거나 전화를 걸어서 대화를 하는 AI를 이용한 전화통화 기술이 점점 발전하고 있다. 다만, 사람의 경우는 PC의 예약어플리케이션을 화면에 띄워놓고 마우스 및 키보드를 이용하여 통화를 하면서 화면에 보이는 정보를 바탕으로 예약을 진행하는 것이 가능한 반면, AI 전화통화 기술은 예약을 진행하기 위해서는 예약어플리케이션이 제공하는 API가 없이는 불가능한 현실이다.
[선행기술문헌]
[특허문헌]
KR 10-2004-0097814 A
KR 10-2012-0073170 A
KR 10-2019-0109614 A
본 발명이 해결하고자 하는 과제는 종래의 문제점을 해결할 수 있는 인공지능 전화예약 시스템 및 방법을 제공하는 데 그 목적이 있다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 전화예약 시스템은 고객단말의 통화내용으로부터 예약과 관련된 질의 인텐츠를 추론하여 생성하는 AI 예약 콜 서버; 상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼에 따라 예약이 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하고, 예약처리정보를 상기 AI 예약 콜 서버로 제공하는 예약 운영 단말을 포함하고, 상기 AI 예약 콜 서버는 상기 예약 운영 단말에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 학습된 데이터를 기반으로 생성한 후, 음성언어로 변환하여 상기 고객단말로 제공하는 것을 특징으로 한다.
일 실시예에서, 상기 AI 예약 콜 서버는 상기 고객단말과 호 연결(수신 및 발신)을 지원하는 통화 연결부; 상기 통화 연결부를 통해 전달된 고객단말의 예약과 관련한 통화내용을 텍스트로 변환하는 변환부; 텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 학습된 데이터를 기반으로 예약질의문을 추론하는 인텐츠 추론부를 포함한다.
일 실시예에서, 상기 AI 예약 콜 서버는 상기 예약 운영 단말에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 학습결과 데이터베이스내에서 학습된 데이터를 기반으로 생성하여 제공하는 답변 컨텐츠부를 더 포함한다.
일 실시예에서, 상기 예약 운영 단말은 상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)을 수신하고, 예약 매뉴얼 DB에서 제공된 예약 매뉴얼에서 상기 예약 이벤트와 관련한 예약 명령어를 추출하여 제공하는 수신/발신부; 예약 이벤트 수신이 확인되면, 기 설정된 예약 플랫폼을 실행하는 플랫폼 실행부; 상기 예약 명령어에 따라 상기 예약 플랫폼에 예약정보가 입력되도록 입력장치의 입력동작을 제어하는 기기 제어부를 포함한다.
상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 전화 예약 방법은 AI 예약 콜 서버에서 고객단말과 호 연결(수신 및 발신) 후, 예약과 관련한 통화내용을 텍스트로 변환하는 단계; 텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 학습된 데이터를 기반으로 예약질의문을 추론한 예약 인텐츠를 생성하여 제공하는 단계; 예약 운영 단말이 상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼의 예약 명령어에 따라 예약정보가 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하는 단계; 및 상기 AI 예약 콜 서버가 상기 예약 운영 단말에서 처리된 예약처리결과에 상응하는 답변을 학습결과 데이터베이스부에서 추출한 후, 추출된 답변을 음성으로 변환하여 고객단말로 제공하는 단계를 포함한다.
일 실시예에서, 상기 추론한 예약 인텐츠를 생성하여 제공하는 단계는 상기 통화내용의 흐름을 파악하여 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습하는 과정을 포함한다.
본 발명의 일 실시예에 따른 인공지능 전화예약 시스템 및 방법을 이용하면, 예약 어플리케이션에서 제공하는 API가 없더라도 마우스와 키보드 제어 및 영상인식 기술을 통하여 사람이 눈으로 보고 통화를 하여 예약을 진행하는 것과 동일하게 효과을 얻을 수 있다는 이점이 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 전화 예약 시스템의 장치 구성도이다.
도 2는 도 1에 도시된 AI 예약 콜 서버 및 예약 운영 단말의 세부 구성도이다.
도 3은 도 2에 도시된 인텐츠 추론부에서의 추론과정을 도시한 예시도이다.
도 4는 도 2에 도시된 머신러닝 학습부에서 머신러닝 과정을 도시한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 전화 예약 방법을 설명한 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하, 첨부된 도면들에 기초하여 본 발명의 일 실시예에 따른 인공지능 전화예약 시스템 및 방법을 보다 상세하게 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 전화 예약 시스템의 장치 구성도이고, 도 2는 도 1에 도시된 AI 예약 콜 서버 및 예약 운영 단말의 세부 구성도이고, 도 3은 도 2에 도시된 인텐츠 추론부에서의 추론과정을 도시한 예시도이고, 도 4는 도 2에 도시된 머신러닝 학습부에서 머신러닝 과정을 도시한 예시도이다.
먼저, 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능 전화예약 시스템(100)은 AI 예약 콜 서버(200) 및 예약 운영 단말(300)을 포함한다.
각 구성은 네트워크로 연결되며, 여기서, 네트워크는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다.
또한, 네트워크는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수도 있으나, 이에 제한되지는 않는다.
상기 AI 예약 콜 서버(200)는 고객단말의 통화내용으로부터 예약과 관련된 질의 인텐츠를 추론하여 생성하는 구성일 수 있다.
또한, 상기 AI 예약 콜 서버(200)는 후술하는 예약 운영 단말(300)에서 질의 인텐츠에 대한 예약처리정보를 회신한 후, 예약처리정보를 질의 인텐츠에 대한 답변정보로 가공한 후, 가공된 답변정보를 고객에게 기계음으로 전달하는 구성일 수 있다.
보다 구체적으로, 상기 AI 예약 콜 서버(200)는 통화 연결부(210), 변환부(220), 인텐츠 추론부(230), 답변 컨텐츠부(240), 머신러닝 학습부(250) 및 학습결과 데이터베이스(260)를 포함한다.
상기 통화 연결부(210)는 고객단말(10)의 호 연결(수신 및 발신)을 지원한다.
상기 변환부(220)는 통화 연결부(210)를 통해 전달된 고객단말의 예약과 관련한 통화내용을 텍스트로 변환하는 구성일 수 있다.
또한, 변환부(220)는 후술하는 답변 컨텐츠부(240)에서 제공된 예약과 관련한 답변인 텍스트 정보를 음성정보로 변환하는 구성일 수 있다.
따라서, 변환부(220)는 SST 알고리즘 및 TTS 알고리즘이 설치된 구성일 수 있다.
다음으로, 인텐츠 추론부(230)는 텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 후술하는 학습결과 데이터베이스(260) 내에서 학습된 데이터를 기반으로 예약질의문을 추론하는 구성일 수 있다.
또한, 인텐츠 추론부(230)는 패턴 기반의 머신러닝 자연어 처리 기술을 적용하여 머신 러닝을 한 모든 문장을 이해하는 속어, 줄임말, 유행어 등을 인식하고 처리할 수 있다.
뿐만 아니라, 전세계 언어를 학습하면 이해가 가능하기 때문에 적어도 하나이상의 언어를 사용하더라도 사용자가 원하는 언어로 답변이 가능해진다. 예를 들어 질의자가 한국어, 중국어, 영어를 섞어서 사용하는 경우에도 답변이 가능하며 이때 질의자가 선택한 언어로 답변을 제공한다
또한, 인텐츠 추론부(230)는 오타 분석 및 띄어쓰기 분석에 의해 질문을 추론할 수 있는 추론 엔진을 포함한다.
다음으로, 답변 컨텐츠부(240)는 후술하는 예약 운영 단말(300)에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 후술하는 학습결과 데이터베이스(260) 내에서 학습된 데이터를 기반으로 생성하여 제공하는 구성일 수 있다.
다음으로, 머신러닝 학습부(250)는 통화내용의 흐름을 파악하여 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습하는 구성으로, 기계학습, 머신러닝 VCS(지도학습), 자가특징 기반으로 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습한다.
상기 머신러닝 학습부(250)는 패턴 기반의 머신 러닝 자연어 처리 기술을 구현하고 RPA(Robotic Process Automation)와 딥러닝을 지향한다.
또한, 머신러닝 학습부(250)는 인텐츠 추론부(230)에서 추론 되는 결과를 기반으로 학습을 수행할 수 있다.
다음으로, 학습결과 데이터베이스부(260)는 추론한 예약질의문을 학습한 결과를 데이터베이스화하여 구축하고, 예약질의문에 대한 답변을 학습한 결과를 데이터베이스화하여 구축한다.
다음으로, 예약 운영 단말(300)은 AI 예약 콜 서버(200)에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼에 따라 예약이 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하는 구성일 수 있다.
보다 구체적으로, 예약 운영 단말(300)은 수신부(310), 예약 매뉴얼 DB(320), 기기 제어부(330) 및 플랫폼 실행부(340)를 포함한다.
상기 수신/발신부(310)는 AI 예약 콜 서버(200)에서 송출한 예약 이벤트(예약 질의문)을 수신하고, 예약 매뉴얼 DB(320)에서 제공된 예약 매뉴얼에서 상기 예약 이벤트와 관련한 예약 명령어를 추출하여 후술하는 기기 제어부(330)로 제공하는 구성일 수 있다.
상기 예약 매뉴얼 DB(320)는 예약과 관련된 예약 명령어를 기록한 예약 매뉴얼이 등록 및 관리하는 구성일 수 있다.
상기 기기 제어부(330)는 입력장치가 예약 명령어에 따라 후술하는 예약 플랫폼(어플리케이션 또는 웹)에 예약정보가 입력되도록 입력장치의 입력동작을 제어하는 구성일 수 있다.
상기 기기 제어부(330)는 입력장치, 예컨대, 마우스, 키보드 및 카메라의 접속유무를 확인하고, 접속이 활성화되면 상기 예약 명령어에 따라 해당 입력장치의 입력동작을 제어한다.
상기 플랫폼 실행부(340)는 수신부(310)로부터 예약 이벤트 수신이 확인되면, 기 설정된 예약 플랫폼을 실행하는 구성일 수 있다.
도 5는 본 발명의 일 실시예에 따른 인공지능 전화예약 방법을 설명하기 위한 흐름도이다.
도 5에 도시된 바와 같이, 본 발명의 일 실시예에 따른 인공지능 전화예약 방법(S700)은 AI 예약 콜 서버(200)에서 고객단말(10)과 호 연결(수신 및 발신) 후, 예약과 관련한 통화내용을 텍스트로 변환(S710)한다.
이후, 텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 학습된 데이터를 기반으로 예약질의문을 추론한 예약 인텐츠를 생성(S720)하여 제공한다.
상기 S720 과정은 통화내용의 흐름을 파악하여 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습하는 과정으로, 기계학습, 머신러닝 VCS(지도학습), 자가특징 기반으로 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습하는 과정을 포함한다.
다음으로, 예약 운영 단말(300)에서 AI 예약 콜 서버(200)에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼의 예약 명령어에 따라 예약정보가 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어(S730)한다.
이후, AI 예약 콜 서버(200)는 예약 운영 단말(300)에서 처리된 예약처리결과에 상응하는 답변을 학습결과 데이터베이스부(260)에서 추출한 후, 추출된 답변을 음성으로 변환하여 고객단말로 제공(S740)한다.
본 발명의 일 실시예에 따른 인공지능 전화예약 시스템 및 방법을 이용하면, 예약 어플리케이션에서 제공하는 API가 없더라도 마우스와 키보드 제어 및 영상인식 기술을 통하여 사람이 눈으로 보고 통화를 하여 예약을 진행하는 것과 동일하게 효과을 얻을 수 있다는 이점이 있다.
본 발명의 일 실시예에서 사용된 “부”는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
*부호의 설명*
100: 인공지능 전화 예약 시스템
200: AI 예약 콜 서버
300: 예약 운영 단말

Claims (6)

  1. 고객단말의 통화내용으로부터 예약과 관련된 질의 인텐츠를 추론하여 생성하는 AI 예약 콜 서버;
    상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼에 따라 예약이 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하고, 예약처리정보를 상기 AI 예약 콜 서버로 제공하는 예약 운영 단말을 포함하고,
    상기 AI 예약 콜 서버는
    상기 예약 운영 단말에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 학습된 데이터를 기반으로 생성한 후, 음성언어로 변환하여 상기 고객단말로 제공하는 것을 특징으로 하는 인공지능 전화 예약 시스템.
  2. 제1항에 있어서,
    상기 AI 예약 콜 서버는
    상기 고객단말과 호 연결(수신 및 발신)을 지원하는 통화 연결부;
    상기 통화 연결부를 통해 전달된 고객단말의 예약과 관련한 통화내용을 텍스트로 변환하는 변환부;
    텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 학습된 데이터를 기반으로 예약질의문을 추론하는 인텐츠 추론부를 포함하는 인공지능 전화 예약 시스템.
  3. 제2항에 있어서,
    상기 AI 예약 콜 서버는
    상기 예약 운영 단말에서 송출한 예약처리정보를 기초로 예약질의문에 대한 답변을 학습결과 데이터베이스내에서 학습된 데이터를 기반으로 생성하여 제공하는 답변 컨텐츠부를 더 포함하는 인공지능 전화 예약 시스템.
  4. 제3항에 있어서,
    상기 예약 운영 단말은
    상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)을 수신하고, 예약 매뉴얼 DB에서 제공된 예약 매뉴얼에서 상기 예약 이벤트와 관련한 예약 명령어를 추출하여 제공하는 수신/발신부;
    예약 이벤트 수신이 확인되면, 기 설정된 예약 플랫폼을 실행하는 플랫폼 실행부;
    상기 예약 명령어에 따라 상기 예약 플랫폼에 예약정보가 입력되도록 입력장치의 입력동작을 제어하는 기기 제어부를 포함하는 인공지능 전화 예약 시스템.
  5. AI 예약 콜 서버에서 고객단말과 호 연결(수신 및 발신) 후, 예약과 관련한 통화내용을 텍스트로 변환하는 단계;
    텍스트로 변환된 통화내용으로부터 예약과 관련된 질의내용을 학습된 데이터를 기반으로 예약질의문을 추론한 예약 인텐츠를 생성하여 제공하는 단계;
    예약 운영 단말이 상기 AI 예약 콜 서버에서 송출한 예약 이벤트(예약 질의문)를 예약 매뉴얼에서 추출한 후, 추출한 예약 매뉴얼의 예약 명령어에 따라 예약정보가 예약 플랫폼에 입력되도록 입력장치의 입력동작을 제어하는 단계; 및
    상기 AI 예약 콜 서버가 상기 예약 운영 단말에서 처리된 예약처리결과에 상응하는 답변을 학습결과 데이터베이스부에서 추출한 후, 추출된 답변을 음성으로 변환하여 고객단말로 제공하는 단계를 포함하는 인공지능 전화 예약 방법.
  6. 제5항에 있어서,
    상기 추론한 예약 인텐츠를 생성하여 제공하는 단계는
    상기 통화내용의 흐름을 파악하여 예약하고자 하는 대상, 예약과 관련된 질문내용을 학습하는 과정을 포함하는 인공지능 전화 예약 방법.
PCT/KR2023/003207 2022-04-01 2023-03-09 인공지능 전화예약 시스템 및 방법 WO2023191331A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220041279A KR20230142265A (ko) 2022-04-01 2022-04-01 인공지능 전화예약 시스템 및 방법
KR10-2022-0041279 2022-04-01

Publications (1)

Publication Number Publication Date
WO2023191331A1 true WO2023191331A1 (ko) 2023-10-05

Family

ID=88202644

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/003207 WO2023191331A1 (ko) 2022-04-01 2023-03-09 인공지능 전화예약 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR20230142265A (ko)
WO (1) WO2023191331A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010095525A (ko) * 2000-04-10 2001-11-07 이상현 컴퓨터 네트워크 시스템에서 마음 병원을 제공하는 방법및 그 기록 매체
KR20200049256A (ko) * 2018-10-31 2020-05-08 박해유 인공지능 챗봇을 기반으로 한 대화형 의료서비스 제공 시스템
KR20200092499A (ko) * 2019-01-11 2020-08-04 주식회사 하나은행 대화형 인공지능 기술을 이용한 상담 지원 방법 및 그 장치
KR20210135829A (ko) * 2020-05-06 2021-11-16 송형석 인공지능 기반의 의료 지원 서비스 제공장치 및 방법
JP2022040490A (ja) * 2020-08-31 2022-03-11 木村情報技術株式会社 質疑応答システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100487740B1 (ko) 2003-05-13 2005-05-06 엔에이치엔(주) 질문 답변 서비스 방법
KR101513779B1 (ko) 2012-05-17 2015-04-21 네이버 주식회사 문서 등급을 이용한 질문/답변 서비스 제공 시스템 및 방법
KR102103273B1 (ko) 2018-02-27 2020-04-22 주식회사 와이즈넛 계층적으로 사용자 표현을 이해하고 답변을 생성하는 대화형 상담 챗봇 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010095525A (ko) * 2000-04-10 2001-11-07 이상현 컴퓨터 네트워크 시스템에서 마음 병원을 제공하는 방법및 그 기록 매체
KR20200049256A (ko) * 2018-10-31 2020-05-08 박해유 인공지능 챗봇을 기반으로 한 대화형 의료서비스 제공 시스템
KR20200092499A (ko) * 2019-01-11 2020-08-04 주식회사 하나은행 대화형 인공지능 기술을 이용한 상담 지원 방법 및 그 장치
KR20210135829A (ko) * 2020-05-06 2021-11-16 송형석 인공지능 기반의 의료 지원 서비스 제공장치 및 방법
JP2022040490A (ja) * 2020-08-31 2022-03-11 木村情報技術株式会社 質疑応答システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HYEONG-GYU KIM: "KT launches ‘Boss AI Secretary Pack’, a call assistant service for small business owners", 28 February 2022 (2022-02-28), XP093095380, Retrieved from the Internet <URL:https://www.megaeconomy.co.kr/news/newsview.php?ncode=1065603038067364> *

Also Published As

Publication number Publication date
KR20230142265A (ko) 2023-10-11

Similar Documents

Publication Publication Date Title
KR20190077088A (ko) 성문 구축 및 등록 방법 및 그 장치
WO2018128238A1 (ko) 디스플레이 장치를 이용한 가상 상담 시스템 및 방법
CN107748500A (zh) 用于控制智能设备的方法和装置
WO2019066104A1 (ko) 히스토리 데이터 기반 뉴럴 네트워크 학습을 통한 공정 제어 방법 및 시스템
WO2022131497A1 (ko) 이미지 생성을 위한 학습 장치 및 방법과 이미지 생성 장치 및 방법
WO2018021651A1 (ko) 사용자의 감정 정보를 이용한 오프라인 캐릭터 인형 제어 장치 및 방법
WO2022114437A1 (ko) 클라우드 환경에서 음성 인식을 통하여 인공지능 제어기술을 수행하는 전자 칠판 시스템
WO2022114438A1 (ko) 블록체인을 이용한 사물인터넷 기반의 원격 제어 가능한 전자 칠판 시스템
WO2023043019A1 (ko) 사용자 학습 환경 기반의 강화학습 장치 및 방법
WO2021010671A2 (ko) 뉴럴 네트워크 및 비국소적 블록을 이용하여 세그멘테이션을 수행하는 질병 진단 시스템 및 방법
WO2023191331A1 (ko) 인공지능 전화예약 시스템 및 방법
WO2020101196A1 (ko) 인공지능 기반의 모듈 식별 및 어시스턴트 시스템
WO2022097927A1 (en) Method of live video event detection based on natural language queries, and an apparatus for the same
WO2024090712A1 (ko) 공감대 형성을 통한 심리 치료용 인공지능 대화 시스템
WO2020138608A1 (ko) 복수의 챗봇을 이용한 질의 응답 방법 및 장치
WO2020101121A1 (ko) 딥러닝 기반의 영상분석 방법, 시스템 및 휴대 단말
WO2023033194A1 (ko) 가지치기 기반 심층 신경망 경량화에 특화된 지식 증류 방법 및 시스템
WO2019225799A1 (ko) 딥러닝 생성 모델을 이용한 사용자 정보 삭제 방법 및 장치
WO2021045434A1 (ko) 전자 장치 및 이의 제어 방법
US7330806B2 (en) Virtualized network
WO2023204474A1 (ko) 사용자 의도의 매핑을 이용하는 대화시스템
WO2019022582A1 (ko) 지능형 스마트 에이징 서비스 구성 시스템 및 방법
WO2018131749A1 (ko) 딥 러닝 기반의 자가 적응 학습 엔진 모듈
WO2015088195A1 (ko) 링크정보의 악성코드에 대응한 단말기의 로컬환경 보호방법과 보호시스템
WO2016167446A1 (ko) 단축키 제공 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23781189

Country of ref document: EP

Kind code of ref document: A1