KR101072176B1

KR101072176B1 - User profile automatic creation apparatus through voice dialog meaning process, and contents recommendation apparatus using the same

Info

Publication number: KR101072176B1
Application number: KR1020090046508A
Authority: KR
Inventors: 노형종; 김석환; 이동현; 이근배
Original assignee: 포항공과대학교 산학협력단
Priority date: 2009-05-27
Filing date: 2009-05-27
Publication date: 2011-10-10
Also published as: KR20100128068A

Abstract

본 발명은 인공지능 에이전트와의 음성 대화를 통해 사용자의 최근 선호도/취향을 알아내어 사용자 프로파일을 구성하고, 가장 적합한 콘텐츠를 추천해 주는 장치에 관한 것이다. 본 발명의 콘텐츠 추천 장치는 사용자 평가 데이터베이스(DB)를 사용자 프로파일 생성기에서 분석하여 사용자 프로파일 DB를 생성하는 사용자 프로파일 구축부; 사용자가 에이전트에게 전달하는 사용자 발화를 발화 분석기에서 분석하여, 대화 관리/처리기에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB를 생성하는 대화 관리 및 처리부; 앞서 생성된 사용자 프로파일 DB와 단기적 사용자 프로파일 DB를 프로파일 통합기를 통하여 결합하여, 통합 사용자 프로파일을 생성하는 사용자 프로파일 통합부; 콘텐츠 DB로부터 콘텐츠 속성 분석기가 콘텐츠의 속성을 수치화하여 콘텐츠 프로파일 DB에 기록하는 콘텐츠 프로파일 구축부; 통합 사용자 프로파일과 콘텐츠 프로파일 DB를 입력하여, 콘텐츠 평가 예측기를 거쳐 사용자에게 추천 목록을 보여주는 콘텐츠 추천 목록 생성부; 및 추천 목록 제시 후 사용자 발화 내용을 바탕으로 사용자 반응을 추출, 그 정보를 사용자 반응 도입기에서 분석하여 통합 사용자 프로파일을 갱신하는 사용자 반응 도입부를 포함한다.

대화형 추천 시스템, 콘텐츠 추천, 선호도 추출

The present invention relates to an apparatus for determining a user's recent preferences / flavors through voice conversation with an artificial intelligence agent, constructing a user profile, and recommending the most suitable content. Content recommending apparatus of the present invention comprises a user profile construction unit for generating a user profile DB by analyzing the user evaluation database (DB) in the user profile generator; A conversation management and processing unit for analyzing a user speech delivered to the agent by a speech analyzer and generating a short-term user profile DB based on this when the user speech is transmitted to a conversation manager / processor; A user profile integrator for generating a unified user profile by combining the previously created user profile DB and the short-term user profile DB through a profile integrator; A content profile building unit for content attribute analyzer to quantify the attribute of the content from the content DB and record the content attribute in the content profile DB; A content recommendation list generation unit for inputting an integrated user profile and a content profile DB to display a recommendation list to a user via a content evaluation predictor; And a user response introduction unit for extracting a user response based on the user utterance after presentation of the recommendation list, and analyzing the information in the user response introducer to update the integrated user profile.

Interactive recommendation system, content recommendation, preference extraction

Description

음성 대화 의미처리를 통한 사용자 프로파일 자동 구성 장치, 및 그에 따른 콘텐츠 추천 장치{User profile automatic creation apparatus through voice dialog meaning process, and contents recommendation apparatus using the same}Device for automatic configuration of user profile by means of voice conversation, and content recommendation apparatus according to it

본 발명은 인공지능 에이전트와의 음성 대화를 통해 생성된 정보로부터 사용자의 선호도를 추출하고, 그로부터 사용자의 최근 선호도를 반영한 최신 프로파일을 구성하는 장치, 및 이에 근거해 적합한 콘텐츠를 추천해 주는 장치에 관한 것이다 (본 발명은 국가연구개발사업에 관한 것으로, 과제고유번호 : C1090-0902-0045, 연구사업명 : 대학 IT연구센터 육성 지원사업, 연구과제명 : "융합단말을 위한 내장형 소프트웨어 기술연구"에 관한 것이다).The present invention relates to an apparatus for extracting a user's preference from information generated through a voice conversation with an artificial intelligence agent, and configuring a newest profile reflecting the user's recent preferences, and a device for recommending suitable content based thereon. (The present invention relates to a national R & D project, Project No.: C1090-0902-0045, Project name: University IT Research Center Fostering Support Project, Project Title: "Internal Software Technology Research for Convergence Terminal") will be).

인공지능 에이전트는 사용자의 발화를 입력받아 그 의미를 분석, 이해하여 그에 적합한 응답을 생성하는 대화 관리 시스템을 말한다. 에이전트와 사용자의 대화 내용으로부터 감정 추출, 텍스트 분석을 통하여 사용자 프로파일 추출이 가능해진다. The AI agent refers to a conversation management system that receives a user's speech, analyzes and understands its meaning, and generates an appropriate response. User profiles can be extracted through emotion extraction and text analysis from agent and user conversations.

프로파일 구축은 프레임 기반 프로파일 구성기법을 이용하여 이루어진다. 이 렇게 구성된 프로파일을 이용하여 콘텐츠 추천이 이루어진다. 이 과정에서 콘텐츠의 속성을 나타내는 콘텐츠 프로파일을 이용하여 사용자의 취향에 적합한 추천이 이루어진다. Profile building is accomplished using a frame-based profile construction technique. The content recommendation is made using this configured profile. In this process, a recommendation suitable for a user's taste is made by using a content profile indicating an attribute of the content.

콘텐츠 추천을 위한 종래 연구는 크게 사용자 기반 방법론과 콘텐츠 기반 방법론이 있다. 사용자 기반 방법론은 현재 추천을 받고자 하는 사용자와 비슷한 복수의 사람들을 찾아, 그 사람들이 예측하고자 하는 콘텐츠에 대해 평가한 평가 점수를 바탕으로 현 사용자의 평가 점수를 예측하는 기법이다. 이 방법은 사용자간 유사도 비교시 공통된 아이템에 대한 평가 개수가 적을 시에 편향된 유사도 결과로 인해 성능 저하가 나타날 수 있다는 단점이 있다. Conventional research for content recommendation is largely user-based and content-based methodology. The user-based methodology is a technique of finding a plurality of people who are similar to the user who wants to receive a recommendation, and predicting the evaluation score of the current user based on the evaluation scores evaluated for the content they want to predict. This method has a disadvantage in that a performance decrease may occur due to a biased similarity result when the number of evaluations for common items is small when comparing similarities between users.

콘텐츠 기반 추천 방법론은 평가를 예측하고자 하는 콘텐츠와 비슷한 복수의 콘텐츠들을 찾아, 그 콘텐츠들에 대해 현재 추천받고자 하는 사용자가 평가한 평가 점수를 바탕으로 현 콘텐츠의 평가 점수를 예측하는 기법이다. 이 방법은 사용자가 예전에 선호하던 콘텐츠와 비슷한 유형의 콘텐츠들을 효과적으로 추천해 줄 수 있지만, 의외성을 띄는 콘텐츠 추천이 불가능하다는 한계를 가지고 있다. The content-based recommendation methodology is a technique of finding a plurality of contents similar to the content to predict the evaluation, and predicting the evaluation score of the current content based on the evaluation score evaluated by the user who is currently recommending the content. This method can effectively recommend similar types of content to the user's favorite content, but has the limitation that it is impossible to recommend unexpected content.

인공지능 에이전트와의 대화를 통한 추천 방법에 대한 종래기술로는 2002년 3월 20일 출원된 출원번호 10-2002-0014913의 "인터넷상에서의 대화를 이용한 상품 추천 방법 및 그 시스템"과, 2005년 5월 30일 출원된 출원번호 10-2005-0045779의 "대화의 패턴 분석을 통한 선호 상품 및 콘텐츠 추천 방법 및 시스템"이 있다. Conventional techniques for recommendation methods through dialogues with AI agents include "Methods for recommending products and systems using dialogues on the Internet," filed March 20, 2002, and Application No. 10-2002-0014913, 2005 Application No. 10-2005-0045779, filed May 30, includes a method and system for recommending preferred products and contents through pattern analysis of conversation.

상기 출원번호 10-2002-0014913의 "인터넷상에서의 대화를 이용한 상품 추천 방법 및 그 시스템"은 텍스트 기반의 대화 내용 중에서 특정 단어를 추출, 그 단어 들을 기반으로 사용자의 선호도를 추청하고 추천을 실행하는 것으로, 이 기술은 미리 정해 놓은 단어 집합들에 대해서만 선호도 추정이 가능하며 음성 대화에 대해서 처리할 수 없다는 한계점이 있다. "Production recommendation method and system using a conversation on the Internet" of the application No. 10-2002-0014913 is to extract a specific word from the text-based conversation content, to recommend the user's preferences based on the words and execute the recommendation This technique has a limitation in that it is possible to estimate preference only for predetermined word sets and cannot process voice conversations.

상기 출원번호 10-2005-0045779의 "대화의 패턴 분석을 통한 선호 상품 및 콘텐츠 추천 방법 및 시스템"은 대화를 자연어 처리, 분석하여 사용자 선호도를 정리하고 그에 따라 추천을 실행하는 것으로, 콘텐츠 단순히 그 콘텐츠의 명칭에 기반하여 추천을 시행하기 때문에 콘텐츠의 속성을 반영하지 못하고 있다. "No. 10-2005-0045779" of the method and system for recommending preferred products and content through pattern analysis of conversations is to process and analyze conversations in natural language to organize user preferences and execute recommendations accordingly. Since the recommendation is made based on the name of, the attribute of the content cannot be reflected.

또한 종래기술에서는 공통적으로 사용자의 추천 콘텐츠에 대한 반응을 대화를 통하여 알아낸 후, 이를 바탕으로 추천 결과에 대한 개선이나 사용자 정보 변경 등의 추천 후 보완부가 없다는 한계가 있다.In addition, in the prior art, there is a limitation in that the user does not have a complementary part after recommending the user's response to the recommended content through dialogue and then improving the recommendation result or changing the user information.

본 발명은 위에서 기술한 방법들의 한계를 극복하기 위해 제안된 것으로, 사용자의 기본(default) 프로파일을 명시적 문답을 통해 구축한 뒤, 이후 추천을 위한 음성 대화가 사용자와 에이전트 사이에서 이루어지면 그 대화 내용으로부터 현재 사용자의 선호도를 반영하는 단기적(short-term) 프로파일을 구성하여 기본 프로파일과 결합하여 새로운 사용자 프로파일을 구성하는 장치를 제공함을 목적으로 한다.The present invention has been proposed to overcome the limitations of the methods described above, and after establishing a default profile of a user through explicit questions and answers, if the voice conversation for recommendation is made between the user and the agent, then the conversation An object of the present invention is to provide a device for constructing a new user profile by combining a basic profile with a short-term profile that reflects the current user's preferences.

또한, 본 발명은 콘텐츠에 대해서도 내용 기반의 프로파일을 구성하여, 상기 사용자 프로파일 및 콘텐츠 프로파일을 이용하여 추천 시스템이 사용자에게 적절한 콘텐츠를 추천하고, 이후 사용자의 계속되는 대화를 통해 추천 콘텐츠에 대한 선호 여부를 사용자 프로파일에 반영하여 이후 더욱 정확한 추천이 이루어지도록 하는 콘텐츠 추천 장치를 제공함을 목적으로 한다.In addition, the present invention configures a content-based profile for the content, and the recommendation system recommends the appropriate content to the user using the user profile and the content profile, and then whether the user prefers the recommended content through the user's continuous conversation. It is an object of the present invention to provide a content recommendation apparatus that is reflected in the user profile to make a more accurate recommendation later.

본 발명의 과제 해결 수단은 발명의 일 태양에 의하면, 사용자로부터 명시적 문답을 통하여 사용자 프로파일을 구성하는 단계; 음성 발화를 받아들여 대화 내용의 의미를 이해하는 단계; 사용자와 에이전트의 대화 내용으로부터 단기적 프로파일을 추출하는 단계; 및 기본 사용자 프로파일과 새로운 사용자 프로파일을 결합하여 새로운 사용자 프로파일을 생성하는 단계를 포함하는 사용자 프로파일 구성 방법을 제공한다. According to an aspect of the present invention, there is provided a method for solving the problem, comprising: constructing a user profile through an explicit question and answer from a user; Accepting speech and understanding the meaning of the conversation; Extracting a short-term profile from the conversation between the user and the agent; And generating a new user profile by combining the default user profile with the new user profile.

또한, 본 발명의 다른 태양에 의하면, 사용자 평가 데이터베이스(DB)를 사용자 프로파일 생성기에서 분석하여 사용자 프로파일 DB를 생성하는 사용자 프로파일 구축부; 사용자가 에이전트에게 음성으로 전달하는 사용자 발화를 발화 분석기에서 분석하여, 대화 관리/처리기에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB를 생성하는 대화 관리 및 처리부; 및 앞서 생성된 사용자 프로파일 DB와 단기적 사용자 프로파일 DB를 프로파일 통합기를 통하여 결합, 최종적으로 통합 사용자 프로파일을 생성하는 사용자 프로파일 통합부를 포함하는 사용자 프로파일 구성 장치를 제공한다. In addition, according to another aspect of the present invention, a user profile construction unit for generating a user profile DB by analyzing the user evaluation database (DB) in a user profile generator; A conversation management and processing unit for analyzing a user's utterance delivered by a voice to an agent in a speech analyzer and generating a short-term user profile DB based on this when delivered to a conversation manager / processor; And a user profile integrating unit which combines the previously generated user profile DB and the short-term user profile DB through a profile integrator and finally generates an integrated user profile.

또한, 본 발명의 다른 태양에 의하면, 사용자로부터 명시적 문답을 통하여 사용자 프로파일을 구성하는 단계; 음성 발화를 받아들여 대화 내용의 의미를 이해하는 단계; 사용자와 에이전트의 대화 내용으로부터 단기적 프로파일을 추출하는 단계; 기본 사용자 프로파일과 새로운 사용자 프로파일을 결합하여 새로운 사용자 프로파일을 생성하는 단계; 각 콘텐츠들의 속성에 따른 콘텐츠 프로파일을 구성하는 단계; 사용자 프로파일과 콘텐츠 프로파일을 이용하여 실제로 적합한 추천 콘텐츠 목록을 생성하는 단계; 및 마지막으로 추천을 받은 사용자로부터의 반응(feedback)과 이어지는 대화로부터 얻어진 정보를 바탕으로 프로파일을 업데이트하는 단계를 포함하는 사용자 프로파일을 이용한 콘텐츠 추천 방법을 제공한다. According to another aspect of the present invention, there is provided a method comprising: constructing a user profile through an explicit question and answer from a user; Accepting speech and understanding the meaning of the conversation; Extracting a short-term profile from the conversation between the user and the agent; Combining the basic user profile with the new user profile to create a new user profile; Constructing a content profile according to attributes of respective contents; Generating a list of recommended content actually suitable using the user profile and the content profile; And finally updating the profile based on feedback from the recommended user and information obtained from the subsequent conversation.

또한, 본 발명의 다른 태양에 의하면, 사용자 평가 데이터베이스(DB)를 사용자 프로파일 생성기에서 분석하여 사용자 프로파일 DB를 생성하는 사용자 프로파일 구축부; 사용자가 에이전트에게 음성으로 전달하는 사용자 발화를 발화 분석기에서 분석하여, 대화 관리/처리기에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB를 생성하는 대화 관리 및 처리부; 앞서 생성된 사용자 프로파일 DB와 단기적 사용자 프로파일 DB를 프로파일 통합기를 통하여 결합, 최종적으로 통합 사용자 프로파일을 생성하는 사용자 프로파일 통합부; 콘텐츠 DB로부터 콘텐츠 속성 분석기가 콘텐츠의 속성을 수치화하여 콘텐츠 프로파일 DB에 기록하는 콘텐츠 프로파일 구축부; 통합 사용자 프로파일과 콘텐츠 프로파일 DB를 입력으로 하여, 콘텐츠 평가 예측기를 거쳐 사용자에게 추천 목록을 보여주는 콘텐츠 추천 목록 생성부; 및 추천 목록 제시 후 사용자의 발화 내용을 바탕으로 사용자 반응을 추출, 그 정보를 사용자 반응 도입기에서 분석하여 통합 사용자 프로파일을 갱신하는 사용자 반응 도입부를 포함하는 사용자 프로파일을 이용한 콘텐츠 추천 장치를 제공한다. In addition, according to another aspect of the present invention, a user profile construction unit for generating a user profile DB by analyzing the user evaluation database (DB) in a user profile generator; A conversation management and processing unit for analyzing a user's utterance delivered by a voice to an agent in a speech analyzer and generating a short-term user profile DB based on this when delivered to a conversation manager / processor; A user profile integrating unit which combines the previously created user profile DB and the short-term user profile DB through a profile integrator and finally generates an integrated user profile; A content profile building unit for content attribute analyzer to quantify the attribute of the content from the content DB and record the content attribute in the content profile DB; A content recommendation list generation unit for inputting an integrated user profile and a content profile DB to display a recommendation list to a user via a content evaluation predictor; And a user response introduction unit including a user response introduction unit for extracting a user response based on the user's utterance after presentation of the recommendation list and analyzing the information in the user response introducer to update the integrated user profile.

바람직하기로는, 상기 사용자 평가 DB는 현 사용자가 기존의 타 콘텐츠에 대해 평가한 데이터가 기록된 평가 데이터와, 명시적으로 에이전트의 문답을 통해 얻어 낸 사용자의 선호도 데이터를 저장하고 있다. Preferably, the user evaluation DB stores evaluation data in which data that the current user evaluates with respect to other existing content is recorded, and preference data of the user obtained through the agent's questions and answers explicitly.

바람직하기로는, 상기 콘텐츠 속성 분석기는 기존에 존재하는 콘텐츠들의 데이터를 가지고 있는 콘텐츠 DB로부터 콘텐츠를 입력으로 받아, 각 콘텐츠의 장르, 구성 요소 등의 속성을 분석, 이를 속성 벡터(vector)로 수치화하여 각 콘텐츠의 성격을 체계적으로 나타낼 수 있는 콘텐츠 프로파일을 생성하여 콘텐츠 프로파일 DB에 기록한다. Preferably, the content property analyzer receives content from a content DB having data of existing content as an input, analyzes the properties of each content genre, components, etc. and digitizes it into an attribute vector. Create a content profile that can systematically indicate the nature of each content and record it in the content profile DB.

바람직하기로는, 상기 발화 분석기는 사용자가 발화하는 사용자 발화를 자연어 이해 기법을 통하여 분석, 각 발화의 의도와 핵심어(keyword)들을 추출하며, 발 화의 의미분석을 한 후 미리 정의해 놓은 프레임 형태로 기록하여 대화 관리/처리기에 전달한다. Preferably, the speech analyzer analyzes user speech spoken by a user through a natural language understanding technique, extracts intentions and keywords of each speech, and analyzes the meaning of the speech in a predefined frame form. Record and forward to conversation manager / handler.

바람직하기로는, 상기 대화 관리/처리기는 전달받은 발화의 의도와 핵심어, 발화 의미 정보를 가지고 사용자가 특정 콘텐츠 혹은 장르 등의 속성에 대해 어떤 감정, 취향을 가지고 있는지 추론, 처리하여 단기적 사용자 프로파일 DB를 생성한다. Preferably, the conversation manager / processor infers and processes what emotions and tastes the user has with respect to attributes such as a specific content or genre based on the intention, key words, and semantic meaning information of the received speech, and then processes the short-term user profile DB. Create

바람직하기로는, 상기 프로파일 통합기는 단기적 사용자 프로파일의 신뢰도와 중요도를 바탕으로 사용자 프로파일과 단기적 사용자 프로파일의 비중을 결정하고, 그에 따라 통합 사용자 프로파일을 구성한다. Preferably, the profile integrator determines the weight of the user profile and the short-term user profile based on the reliability and importance of the short-term user profile, and configures the integrated user profile accordingly.

바람직하기로는, 상기 콘텐츠 평가 예측기는 사용자에게 추천 목록을 보여주기 위해서 각 콘텐츠에 대해 예측 평가값을 추정한다. Preferably, the content rating predictor estimates a predicted rating value for each content to present a recommendation list to the user.

바람직하기로는, 상기 콘텐츠 평가 예측기는 사용자 정보를 통합 사용자 프로파일로부터 불러오고, 각 콘텐츠의 정보를 콘텐츠 프로파일 DB로부터 불러와서, 평가값 예측을 실행, 추정된 평가값을 바탕으로 가장 높은 값을 가지는 콘텐츠부터 차례대로 지정된 숫자의 상위 콘텐츠들을 추천 목록으로 사용자에게 제시한다. Preferably, the content rating predictor retrieves the user information from the integrated user profile, retrieves the information of each content from the content profile DB, executes the prediction of the evaluation value, and has the highest value based on the estimated evaluation value. In turn, the specified number of top contents are presented to the user as a recommendation list.

바람직하기로는, 상기 사용자 반응 도입기는 추천 목록 제시 후 사용자와 에이전트의 대화 내용으로부터 사용자 반응(feedback)을 추출하여, 그 반응을 사용자 프로파일의 기록 형태로 변환하여 통합 사용자 프로파일에 통합, 갱신하도록 한다. Preferably, the user response introducer extracts a user feedback from the dialogue contents of the user and the agent after presenting the recommendation list, converts the response into a recording form of the user profile, and integrates and updates the integrated user profile.

상술한 바와 같이, 본 발명은 텍스트 기반의 대화만이 아니라 음성 대화 의 미를 분석하여 채팅에 익숙하지 않은 사용자에게 더욱 편리한 인터페이스를 제공하여 자연스러운 추천이 가능해진다. 사용자가 일상적으로 가지고 있던 선호도와 음성 대화시에 가지고 있던 선호도를 종합적으로 포함하는 통합 사용자 프로파일을 구성하여, 이를 바탕으로 콘텐츠 추천을 실행하고 추천 결과에 대한 사용자의 반응을 반영하여 일방적인 추천이 아닌 상호 소통에 의한 추천을 실현한다. 이를 통해 현재의 사용자 선호도를 효과적으로 반영하여 좀 더 사용자가 당장 원하는 콘텐츠에 근접하는 콘텐츠들을 추천하는 효과를 얻는다.As described above, the present invention analyzes the meaning of voice conversations as well as text-based conversations, thereby providing a more convenient interface to users who are not familiar with chatting, thereby enabling natural recommendation. By constructing an integrated user profile that comprehensively includes the preferences that users have in their daily lives and those that they have during voice conversations, they execute content recommendations and reflect the user's response to the recommendation results. Realize recommendations by mutual communication. This effectively reflects the current user's preferences and obtains the effect of recommending content that is closer to what the user wants.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따라 인공지능 에이전트와의 대화를 통한 사용자 프로파일 구성 방법 및 장치, 및 그에 따른 콘텐츠 추천 방법 및 장치의 블록 구성도로서, 사용자 프로파일 구축부(10), 콘텐츠 프로파일 구축부(20), 대화 관리 및 처리부(30), 사용자 프로파일 통합부(40), 콘텐츠 추천 목록 생성부(50), 사용자 반응 도입부(60)로 구성된다. 1 is a block diagram of a method and apparatus for configuring a user profile through a dialogue with an AI agent, and a method and apparatus for recommending content according to the present invention, the user profile constructing unit 10 and the content profile constructing unit 20. ), A conversation management and processing unit 30, a user profile integration unit 40, a content recommendation list generation unit 50, and a user response introduction unit 60.

사용자 프로파일 구축부(10)에서는 사용자 평가 데이터베이스(DB)(S1)를 사용자 프로파일 생성기(11)에서 분석하여 사용자 프로파일 DB(S2)를 생성한다. 사용자 평가 DB(S1)는 현 사용자가 기존의 타 콘텐츠에 대해 평가한 데이터가 기록된 평가 데이터와, 명시적으로 에이전트의 문답을 통해 얻어 낸 사용자의 선호도 데이터를 저장하고 있는데, 사용자 프로파일 생성기(11)는 이 사용자 평가 DB(S1)로부터 사용자 프로파일 DB(S2)를 생성해 낸다. The user profile building unit 10 analyzes the user evaluation database DB S1 in the user profile generator 11 to generate a user profile DB S2. The user evaluation DB (S1) stores evaluation data in which data that the current user has evaluated for other existing content is recorded and user preference data obtained through the agent's questions and answers, and the user profile generator 11 ) Generates a user profile DB (S2) from this user evaluation DB (S1).

콘텐츠 프로파일 구축부(20)에서는 콘텐츠 DB(S3)로부터 콘텐츠 속성 분석기(21)가 콘텐츠의 속성을 수치화하여 콘텐츠 프로파일 DB(S4)에 기록한다. 콘텐츠 속성 분석기(21)는 기존에 존재하는 콘텐츠들의 데이터를 가지고 있는 콘텐츠 DB(S3)로부터 콘텐츠를 입력으로 받아, 각 콘텐츠의 장르, 구성 요소 등의 속성을 분석, 이를 속성 벡터(vector)로 수치화하여 각 콘텐츠의 성격을 체계적으로 나타낼 수 있는 콘텐츠 프로파일을 생성하여 콘텐츠 프로파일 DB(S4)에 기록한다. In the content profile building unit 20, the content attribute analyzer 21 digitizes the content attribute from the content DB S3 and records it in the content profile DB S4. The content property analyzer 21 receives content from a content DB (S3) having data of existing content as an input, analyzes properties of each content genre, components, etc. and digitizes it into a property vector. By creating a content profile that can systematically represent the nature of each content and record in the content profile DB (S4).

대화 관리 및 처리부(30)에서는 사용자가 에이전트에게 음성으로 전달하는 사용자 발화(S5)를 발화 분석기(31)에서 분석하여, 대화 관리/처리기(32)에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB(S6)를 생성한다. 발화 분석기(31)는 사용자가 발화하는 사용자 발화(S5)를 자연어 이해 기법을 통하여 분석, 각 발화의 의도와 핵심어(keyword)들을 추출한다. 즉 발화의 의미분석을 한 후 미리 정의해 놓은 프레임 형태로 기록하여 대화 관리/처리기(32)에 전달한다. 대화 관리/처리기(32)는 전달받은 발화의 의도와 핵심어, 발화 의미 정보를 가지고 사용자가 특정 콘텐츠 혹은 장르 등의 속성에 대해 어떤 감정, 취향을 가지고 있는지 추론, 처리하여 단기적 사용자 프로파일 DB(S6)를 생성한다. 여기에서 생성된 단기적 사용자 프로파일은 일상적으로 현 사용자의 선호도를 나타내는 사용자 프로파일 DB(S2)와는 다른 것으로, 현재 대화가 이루어지는 시점의 사용자의 선호도를 단기적(short-term)으로 저장하는 임시 프로파일의 개념을 가지고 있다. The conversation management and processing unit 30 analyzes the user utterance (S5) that the user delivers as a voice to the agent in the speech analyzer 31 and delivers it to the conversation manager / processor 32 based on the short-term user profile DB (S6). ) The utterance analyzer 31 analyzes the user utterance S5 spoken by the user through a natural language understanding technique, and extracts the intentions and keywords of each utterance. That is, after semantic analysis of speech is recorded, it is recorded in a predefined frame form and transmitted to the conversation manager / processor 32. The conversation manager / processor 32 infers and processes what emotions and tastes the user has about attributes such as a specific content or genre based on the intention, key words, and semantic meaning information of the received speech, and then processes the short-term user profile DB (S6). Create The short-term user profile created here is different from the user profile DB (S2), which shows the current user's preferences on a daily basis. The short-term user profile generates a short-term concept of a temporary profile that stores the user's preferences at the time of the current conversation. Have.

사용자 프로파일 통합부(40)에서는 앞서 생성된 사용자 프로파일 DB(S2)와 단기적 사용자 프로파일 DB(S6)를 프로파일 통합기(41)를 통하여 결합, 최종적으로 통합 사용자 프로파일(S7)을 생성하게 된다. 프로파일 통합기(41)는 단기적 사용자 프로파일(S6)의 신뢰도와 중요도를 바탕으로 사용자 프로파일(S2)과 단기적 사용자 프로파일(S6)의 비중을 결정하고, 그에 따라 통합 사용자 프로파일(S7)을 구성한다. The user profile integrator 40 combines the previously created user profile DB S2 and the short-term user profile DB S6 through the profile integrator 41, and finally generates an integrated user profile S7. The profile integrator 41 determines the weight of the user profile S2 and the short term user profile S6 based on the reliability and importance of the short term user profile S6, and thus configures the integrated user profile S7.

콘텐츠 추천 목록 생성부(50)에서는 통합 사용자 프로파일(S7)과 콘텐츠 프로파일 DB(S4)를 입력으로 하여, 콘텐츠 평가 예측기(51)를 거쳐 사용자에게 추천 목록(S8)을 보여주게 된다. 콘텐츠 평가 예측기(51)는 사용자에게 추천 목록을 보여주기 위해서 각 콘텐츠에 대해 예측 평가값을 추정한다. 이를 위해서는 콘텐츠 평가 예측기(51)는 현재 사용자와 예측하고자 하는 콘텐츠에 대한 정보가 필요한데, 사용자 정보를 통합 사용자 프로파일(S7)로부터 불러오고, 각 콘텐츠의 정보를 콘텐츠 프로파일 DB(S4)로부터 불러온다. 이를 이용하여 콘텐츠 평가 예측기(51)는 평가값 예측을 실행, 추정된 평가값을 바탕으로 가장 높은 값을 가지는 콘텐츠부터 차례대로 지정된 숫자의 상위 콘텐츠들을 추천 목록(S8)으로 사용자에게 제시한다. The content recommendation list generator 50 receives the integrated user profile S7 and the content profile DB S4 as inputs and shows the recommendation list S8 to the user via the content evaluation predictor 51. The content rating predictor 51 estimates a predicted rating value for each content in order to show the recommendation list to the user. To this end, the content evaluation predictor 51 needs information about the current user and the content to be predicted, and retrieves user information from the integrated user profile S7 and retrieves information of each content from the content profile DB S4. Using this, the content evaluation predictor 51 executes the evaluation of the evaluation value and presents the user with the recommendation list S8 with the designated number of higher contents in order from the content having the highest value based on the estimated evaluation value.

사용자 반응 도입부(60)에서는 추천 목록(S8) 제시 후 사용자의 발화 내용을 바탕으로 사용자 반응을 추출, 그 정보를 사용자 반응 도입기(61)에서 분석하여 통합 사용자 프로파일(S7)을 갱신한다. 사용자 반응 도입기(61)는 추천 목록(S8) 제시 후 사용자와 에이전트의 대화 내용으로부터 사용자 반응(feedback)을 추출한다. 그 반응을 사용자 프로파일의 기록 형태로 변환하여 통합 사용자 프로파일(S7)에 통합, 갱신하도록 한다. 갱신된 사용자 프로파일은 이후의 추천이 더욱 정확해지도록 할 수 있다. The user response introduction unit 60 extracts the user response based on the user's utterance after presenting the recommendation list S8, and analyzes the information in the user response introducer 61 to update the integrated user profile S7. The user response introducer 61 extracts user feedback from the dialogue contents between the user and the agent after the recommendation list S8 is presented. The response is converted into a recording form of the user profile so as to be integrated and updated in the integrated user profile S7. The updated user profile can make future recommendations more accurate.

도 2의 흐름도는 인공지능 에이전트와의 대화를 통한 사용자 프로파일 구성 및 그에 따른 콘텐츠 추천 방법의 일련의 과정을 알기 쉽게 설명한다. The flowchart of FIG. 2 clearly illustrates a series of processes of constructing a user profile through a dialogue with an AI agent and a method for recommending content accordingly.

도 1 및 도 2에서, 사용자 평가 DB(S1)는 현 사용자가 기존의 타 콘텐츠에 대해 평가한 데이터가 기록된 평가 데이터와, 명시적으로 에이전트의 문답을 통해 얻어 낸 사용자의 선호도 데이터를 저장하고 있는데, 사용자 프로파일 생성기(11)는 이 사용자 평가 DB(S1)로부터 사용자 프로파일 DB(S2)를 생성해 낸다. 즉, 사용자가 기존에 평가했던 기록들과 에이전트가 제시한 문답에 대해 사용자가 명시적으로 제시한 선호도를 이용하여 사용자 프로파일 생성기(11)는 사용자 평가 DB(S1)에 저장된 사용자 평가 데이터베이스로부터 사용자 프로파일 DB(S2)를 생성한다(단계 201). 즉, 단계 201은 사용자 프로파일 구축 단계이다.In FIG. 1 and FIG. 2, the user evaluation DB S1 stores evaluation data in which data that the current user evaluates on other existing content is recorded, and user preference data obtained through the agent's questions and answers explicitly. The user profile generator 11 generates a user profile DB S2 from this user evaluation DB S1. That is, the user profile generator 11 uses the user profile generator 11 to express the user profile from the user evaluation database stored in the user evaluation DB S1 using the records that the user has previously evaluated and the preferences explicitly suggested by the user for the agent-presented questions and answers. Create a DB S2 (step 201). That is, step 201 is a user profile building step.

콘텐츠 속성 분석기(21)는 기존의 콘텐츠에 대한 정보가 기록된 콘텐츠 DB(S3)로부터 콘텐츠의 속성을 추출, 분석하여 수치화하고, 그것을 콘텐츠 프로파일 DB(S4)에 기록한다(단계 202). 즉, 단계 202는 콘텐츠 프로파일 구축 단계이다. The content attribute analyzer 21 extracts, analyzes and quantifies the attribute of the content from the content DB S3 in which information on the existing content is recorded, and records it in the content profile DB S4 (step 202). That is, step 202 is a content profile building step.

사용자가 에이전트와의 대화를 위하여 발화를 하면, 사용자 발화(S5)가 기록되고 그 발화를 발화 분석기(31)가 분석하여 미리 정의해 놓은 프레임에 발화의 의도와 핵심어를 저장한다(단계 203). 단계 203에서 생성된 프레임을 받은 대화 관리/처리기(32)는 추후 콘텐츠 추천에 영향을 줄만한 사용자 선호도의 변경사항을 감지하여 단기적 사용자 프로파일 DB(S6)을 구축한다(단계 204). 즉, 단계 203 및 단계 204는 대화 관리 및 처리 단계이다. When the user speaks for the conversation with the agent, the user speech S5 is recorded, the speech analyzer 31 analyzes the speech, and stores the intention and key words of the speech in a predefined frame (step 203). The conversation manager / processor 32 having received the frame generated in step 203 detects a change in user preference that may later affect content recommendation and builds a short term user profile DB S6 (step 204). That is, step 203 and step 204 are conversation management and processing steps.

사용자 프로파일 DB(S2)와 단기적 프로파일 DB(S6)를 프로파일 통합기(41)가 통합하여 하나의 통합 사용자 프로파일(S7)을 생성한다(단계 205). 즉, 단계 205는 사용자 프로파일 통합 단계이다. The profile integrator 41 integrates the user profile DB S2 and the short-term profile DB S6 to generate one unified user profile S7 (step 205). That is, step 205 is a user profile integration step.

여기서, 단계 203 내지 단계 205는 사용자의 발화가 이루어질 때마다 반복적으로 진행된다. 즉, 프로파일 통합 단계(205) 후 결과는 단계 203으로 진행되어, 발화 분석을 거치게 된다. Here, steps 203 to 205 are repeatedly performed whenever the user speaks. That is, after the profile integration step 205, the result proceeds to step 203, and undergoes a speech analysis.

통합 사용자 프로파일(S7)과 콘텐츠 프로파일 DB(S4)를 바탕으로 콘텐츠 평가 예측기(51)가 존재하는 콘텐츠들에 대해 예측 평가값을 추정한다(단계 206). 그 다음, 추정된 평가값들을 그 값들의 크기순으로 나열하여 상위 콘텐츠들에 대해 추천 목록(S8)을 작성, 이를 사용자에게 제시한다(단계 207). 즉, 단계 206 및 단계 207은 콘텐츠 추천 목록 생성 단계이다. Based on the unified user profile S7 and the content profile DB S4, the content rating predictor 51 estimates a predicted rating value for the existing contents (step 206). Next, the estimated evaluation values are listed in order of their values, so that a recommendation list S8 is created for the upper contents and presented to the user (step 207). That is, steps 206 and 207 are content recommendation list generation steps.

사용자가 추천 콘텐츠에 대해 대화를 통하여 다른 의견을 제시하였다면, 사용자 반응 도입기(61)가 사용자의 반응을 대화로부터 추출한다(단계 208). 추출된 사용자 반응 정보를 이용하여 통합 사용자 프로파일을 갱신한다(단계 209). 즉, 단계 208 및 단계 209는 사용자 반응 도입 단계이다. If the user presented a different opinion through the conversation about the recommended content, the user response introducer 61 extracts the user's response from the conversation (step 208). The integrated user profile is updated using the extracted user response information (step 209). That is, steps 208 and 209 are user response introduction steps.

여기서, 단계 206 내지 단계 209는 추천 실행 후 사용자의 발화가 나타날 때마다 반복적으로 진행된다. 즉, 사용자 프로파일 갱신 단계(209) 후 결과는 단계 206으로 보내져 콘텐츠 평가 예측을 거치게 된다. Here, steps 206 to 209 are repeatedly performed whenever the user's speech appears after the recommendation is executed. That is, after the user profile update step 209, the result is sent to step 206 to undergo content rating prediction.

상술한 바와 같이, 본 발명에 의한, 인공지능 에이전트와의 음성 대화를 통해 생성된 정보로부터 사용자의 선호도를 추출하고, 그로부터 사용자의 최근 선호도를 반영한 최신 프로파일을 구성하는 장치는 사용자가 일상적으로 가지고 있던 선호도와 음성 대화시에 가지고 있던 선호도를 종합적으로 포함하는 통합 사용자 프로파일을 구성하여, 또한 본 발명에 의한 콘텐츠 추천 장치는 이를 바탕으로 콘텐츠 추천을 실행하고 추천 결과에 대한 사용자의 반응을 반영하여 일방적인 추천이 아닌 상호 소통에 의한 추천을 실현하여, 텍스트 기반의 대화만이 아니라 음성 대화 의미를 분석하여 채팅에 익숙하지 않은 사용자에게 더욱 편리한 인터페이스를 제공하여 자연스러운 추천이 가능해진다. 이를 통해 현재의 사용자 선호도를 효과적으로 반영하여 좀 더 사용자가 당장 원하는 콘텐츠에 근접하는 콘텐츠들을 추천할 수 있다. As described above, the apparatus for extracting the user's preferences from the information generated through the voice conversation with the artificial intelligence agent according to the present invention, and constructing the latest profile reflecting the user's recent preferences from the user, has been commonly used by the user. By constructing an integrated user profile that comprehensively includes preferences and preferences in voice conversations, the content recommendation apparatus according to the present invention executes the content recommendation based on this and reflects the user's response to the recommendation results. By recommending not by recommendation but by mutual communication, not only text-based conversation but also analysis of voice conversation meaning provides a more convenient interface to users who are not familiar with chat, and thus natural recommendation is possible. Through this, it is possible to effectively reflect the current user preferences and recommend contents that are closer to the content desired by the user.

도 1은 본 발명에 따라 대화를 통한 사용자 프로파일 구성 방법 및 장치와, 그를 적용한 콘텐츠 추천 방법 및 장치를 설명하기 위한 개략적인 블록도이다. 1 is a schematic block diagram illustrating a method and apparatus for constructing a user profile through a conversation and a method and apparatus for recommending content applied thereto according to the present invention.

도 2는 도 1에 도시한 본 발명에 따라 대화를 통한 사용자 프로파일 구성 방법 및 장치와, 그를 적용한 콘텐츠 추천 방법 및 장치를 설명하기 위한 개략적인 흐름도이다. FIG. 2 is a schematic flowchart illustrating a method and apparatus for configuring a user profile through dialogue and a content recommendation method and apparatus applied thereto according to the present invention shown in FIG. 1.

<도면의 주요부분에 대한 부호의 설명> <Description of the symbols for the main parts of the drawings>

10 : 프로파일 구축부 11 : 사용자 프로파일 생성기 10: profile building unit 11: user profile generator

20 : 콘텐츠 프로파일 구축부 21 : 콘텐츠 속성 분석기 20: Content Profile Builder 21: Content Property Analyzer

30 : 대화 관리 및 처리부 31 : 발화 분석기 30: conversation management and processing unit 31: speech analyzer

32 : 대화 관리/처리기 40 : 사용자 프로파일 통합부 32: conversation manager / handler 40: user profile integration

41 : 프로파일 통합기 50 : 콘텐츠 추천 목록 생성부41: profile integrator 50: content recommendation list generator

51 : 콘텐츠 평가 예측기 60 : 사용자 반응 도입부 51: content rating predictor 60: user response introduction

61 : 사용자 반응 도입기61: user response introducer

Claims

삭제delete

에이전트와의 음성 대화를 통해 생성되는 사용자 프로파일 구성 장치에 있어서, In the user profile configuration device generated by the voice conversation with the agent,

사용자 평가 데이터베이스(DB)를 사용자 프로파일 생성기에서 분석하여 사용자 프로파일 DB를 생성하는 사용자 프로파일 구축부; A user profile building unit for analyzing the user evaluation database DB in the user profile generator to generate a user profile DB;

사용자가 에이전트에게 음성으로 전달하는 사용자 발화를 발화 분석기에서 분석하여, 대화 관리/처리기에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB를 생성하는 대화 관리 및 처리부; 및 A conversation management and processing unit for analyzing a user's utterance delivered by a voice to an agent in a speech analyzer and generating a short-term user profile DB based on this when delivered to a conversation manager / processor; And

앞서 생성된 사용자 프로파일 DB와 단기적 사용자 프로파일 DB를 프로파일 통합기를 통하여 결합, 최종적으로 통합 사용자 프로파일을 생성하는 사용자 프로 파일 통합부를 포함하는 사용자 프로파일 구성 장치. And a user profile integrator that combines the previously created user profile DB and the short-term user profile DB through a profile integrator and finally generates an integrated user profile.

제2항에 있어서, 상기 사용자 평가 데이터베이스(DB)는 현 사용자가 기존의 타 콘텐츠에 대해 평가한 데이터가 기록된 평가 데이터와, 명시적으로 에이전트의 문답을 통해 얻어 낸 사용자의 선호도 데이터를 저장함을 특징으로 하는 사용자 프로파일 구성 장치. The method of claim 2, wherein the user evaluation database (DB) stores the evaluation data recorded the data that the current user is evaluated for the existing content and the user's preference data obtained through the agent's question and answer explicitly. Characterized in that the user profile configuration device.

제2항에 있어서, 상기 발화 분석기는 사용자가 발화하는 사용자 발화를 자연어 이해 기법을 통하여 분석, 각 발화의 의도와 핵심어(keyword)들을 추출하며, 발화의 의미분석을 한 후 미리 정의해 놓은 프레임 형태로 기록하여 대화 관리/처리기에 전달함을 특징으로 하는 사용자 프로파일 구성 장치. The method according to claim 2, wherein the speech analyzer analyzes user speech spoken by a user through a natural language understanding technique, extracts intentions and keywords of each speech, and analyzes the meaning of the speech and predefines a frame form. User profile configuration apparatus characterized in that the recording to pass to the conversation manager / handler.

제2항에 있어서, 상기 대화 관리/처리기는 전달받은 발화의 의도와 핵심어, 발화 의미 정보를 가지고 사용자가 특정 콘텐츠 혹은 장르 등의 속성에 대해 어떤 감정, 취향을 가지고 있는지 추론, 처리하여 단기적 사용자 프로파일 DB를 생성함을 특징으로 하는 사용자 프로파일 구성 장치. The short-term user profile of claim 2, wherein the conversation manager / processor infers and processes the emotions and tastes of the user with respect to attributes such as a specific content or genre based on the intention, key words, and meaning of the spoken information. User profile configuration device, characterized in that for creating a DB.

제2항에 있어서, 상기 프로파일 통합기는 단기적 사용자 프로파일의 신뢰도와 중요도를 바탕으로 사용자 프로파일과 단기적 사용자 프로파일의 비중을 결정하고, 그에 따라 통합 사용자 프로파일을 구성함을 특징으로 하는 사용자 프로파일 구성 장치.The apparatus of claim 2, wherein the profile integrator determines a weight ratio of the user profile and the short-term user profile based on the reliability and importance of the short-term user profile, and configures the integrated user profile accordingly.

삭제delete

에이전트와의 음성 대화를 통해 생성되는 사용자 프로파일을 이용한 콘텐츠 추천 장치에 있어서, In the content recommendation apparatus using a user profile generated through a voice conversation with an agent,

사용자가 에이전트에게 음성으로 전달하는 사용자 발화를 발화 분석기에서 분석하여, 대화 관리/처리기에 전달하면 이를 바탕으로 단기적 사용자 프로파일 DB를 생성하는 대화 관리 및 처리부; A conversation management and processing unit for analyzing a user's utterance delivered by a voice to an agent in a speech analyzer and generating a short-term user profile DB based on this when delivered to a conversation manager / processor;

앞서 생성된 사용자 프로파일 DB와 단기적 사용자 프로파일 DB를 프로파일 통합기를 통하여 결합, 최종적으로 통합 사용자 프로파일을 생성하는 사용자 프로파일 통합부; A user profile integrating unit which combines the previously created user profile DB and the short-term user profile DB through a profile integrator and finally generates an integrated user profile;

콘텐츠 DB로부터 콘텐츠 속성 분석기가 콘텐츠의 속성을 수치화하여 콘텐츠 프로파일 DB에 기록하는 콘텐츠 프로파일 구축부; A content profile building unit for content attribute analyzer to quantify the attribute of the content from the content DB and record the content attribute in the content profile DB;

통합 사용자 프로파일과 콘텐츠 프로파일 DB를 입력으로 하여, 콘텐츠 평가 예측기를 거쳐 사용자에게 추천 목록을 보여주는 콘텐츠 추천 목록 생성부; 및 A content recommendation list generation unit for inputting an integrated user profile and a content profile DB to display a recommendation list to a user via a content evaluation predictor; And

추천 목록 제시 후 사용자의 발화 내용을 바탕으로 사용자 반응을 추출, 그 정보를 사용자 반응 도입기에서 분석하여 통합 사용자 프로파일을 갱신하는 사용자 반응 도입부를 포함하는 사용자 프로파일을 이용한 콘텐츠 추천 장치. A content recommendation apparatus using a user profile including a user response introduction unit for extracting a user response based on a user's utterance after presenting a recommendation list, and analyzing the information in the user response introducer to update the integrated user profile.

제8항에 있어서, 상기 사용자 평가 데이터베이스(DB)는 현 사용자가 기존의 타 콘텐츠에 대해 평가한 데이터가 기록된 평가 데이터와, 명시적으로 에이전트의 문답을 통해 얻어 낸 사용자의 선호도 데이터를 저장함을 특징으로 하는 콘텐츠 추천 장치. 10. The method of claim 8, wherein the user evaluation database (DB) stores the evaluation data recorded by the current user for the evaluation of other content and the user's preference data obtained through the agent's questions and answers explicitly. Characterized in that the content recommendation device.

제8항에 있어서, 상기 콘텐츠 속성 분석기는 기존에 존재하는 콘텐츠들의 데이터를 가지고 있는 콘텐츠 DB로부터 콘텐츠를 입력으로 받아, 각 콘텐츠의 장르, 구성 요소 등의 속성을 분석, 이를 속성 벡터(vector)로 수치화하여 각 콘텐츠의 성격을 체계적으로 나타낼 수 있는 콘텐츠 프로파일을 생성하여 콘텐츠 프로파일 DB에 기록함을 특징으로 하는 콘텐츠 추천 장치. The method of claim 8, wherein the content property analyzer receives content from a content DB having data of existing content as an input, and analyzes properties of genres, components, and the like of each content, and converts the property into a property vector. A content recommendation apparatus characterized by generating a content profile that can systematically indicate the nature of each content by digitization and recording it in a content profile DB.

제8항에 있어서, 상기 발화 분석기는 사용자가 발화하는 사용자 발화를 자연어 이해 기법을 통하여 분석, 각 발화의 의도와 핵심어(keyword)들을 추출하며, 발화의 의미분석을 한 후 미리 정의해 놓은 프레임 형태로 기록하여 대화 관리/처리기에 전달함을 특징으로 하는 콘텐츠 추천 장치. The method according to claim 8, wherein the speech analyzer analyzes user speech spoken by a user through a natural language understanding technique, extracts intentions and keywords of each speech, and analyzes the meaning of the speech and predefines a frame form. Device for recommending content characterized in that the recording to pass to the conversation manager / handler.

제8항에 있어서, 상기 대화 관리/처리기는 전달받은 발화의 의도와 핵심어, 발화 의미 정보를 가지고 사용자가 특정 콘텐츠 혹은 장르 등의 속성에 대해 어떤 감정, 취향을 가지고 있는지 추론, 처리하여 단기적 사용자 프로파일 DB를 생성함을 특징으로 하는 콘텐츠 추천 장치. The method of claim 8, wherein the conversation manager / processor has a short term user profile by inferring and processing the emotions and tastes of the user with respect to attributes such as a specific content or genre based on the intention, key words, and semantic meaning information of the received speech. Content recommendation device, characterized in that for generating a DB.

제8항에 있어서, 상기 프로파일 통합기는 단기적 사용자 프로파일의 신뢰도와 중요도를 바탕으로 사용자 프로파일과 단기적 사용자 프로파일의 비중을 결정하고, 그에 따라 통합 사용자 프로파일을 구성함을 특징으로 하는 콘텐츠 추천 장치. The apparatus of claim 8, wherein the profile integrator determines a weight of the user profile and the short-term user profile based on the reliability and importance of the short-term user profile, and configures the integrated user profile accordingly.

제8항에 있어서, 상기 콘텐츠 평가 예측기는 사용자에게 추천 목록을 보여주기 위해서 각 콘텐츠에 대해 예측 평가값을 추정함을 특징으로 하는 콘텐츠 추천 장치. The apparatus of claim 8, wherein the content rating predictor estimates a predicted rating value for each content in order to show a recommendation list to a user.

제8항에 있어서, 상기 콘텐츠 평가 예측기는 사용자 정보를 통합 사용자 프로파일로부터 불러오고, 각 콘텐츠의 정보를 콘텐츠 프로파일 DB로부터 불러와서, 평가값 예측을 실행, 추정된 평가값을 바탕으로 가장 높은 값을 가지는 콘텐츠부터 차례대로 지정된 숫자의 상위 콘텐츠들을 추천 목록으로 사용자에게 제시함을 특징으로 하는 콘텐츠 추천 장치. 10. The method of claim 8, wherein the content rating predictor retrieves user information from an integrated user profile, retrieves information of each content from a content profile DB, executes a rating value prediction, and sets the highest value based on the estimated rating value. The content recommendation device, characterized in that the content is presented to the user in the recommended list of the specified number of contents in order.

제8항에 있어서, 상기 사용자 반응 도입기는 추천 목록 제시 후 사용자와 에이전트의 대화 내용으로부터 사용자 반응(feedback)을 추출하여, 그 반응을 사용자 프로파일의 기록 형태로 변환하여 통합 사용자 프로파일에 통합, 갱신함을 특징으로 하는 콘텐츠 추천 장치. The method of claim 8, wherein the user response introducer extracts a user feedback from the conversation between the user and the agent after presenting the recommendation list, converts the response into a recording form of the user profile, and integrates and updates the integrated user profile. Content recommendation device characterized in that.