KR101634086B1 - 감정 분석을 통한 스티커 추천 방법 및 시스템 - Google Patents

감정 분석을 통한 스티커 추천 방법 및 시스템 Download PDF

Info

Publication number
KR101634086B1
KR101634086B1 KR1020150008725A KR20150008725A KR101634086B1 KR 101634086 B1 KR101634086 B1 KR 101634086B1 KR 1020150008725 A KR1020150008725 A KR 1020150008725A KR 20150008725 A KR20150008725 A KR 20150008725A KR 101634086 B1 KR101634086 B1 KR 101634086B1
Authority
KR
South Korea
Prior art keywords
emotion
sticker
analysis
speech
user
Prior art date
Application number
KR1020150008725A
Other languages
English (en)
Inventor
김택진
이재준
장정선
정세희
이경종
이연수
Original Assignee
주식회사 엔씨소프트
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 주식회사 엔씨소프트 filed Critical 주식회사 엔씨소프트
Priority to KR1020150008725A priority Critical patent/KR101634086B1/ko
Priority to US14/799,545 priority patent/US9792279B2/en
Application granted granted Critical
Publication of KR101634086B1 publication Critical patent/KR101634086B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/169—Annotation, e.g. comment data or footnotes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

감정 분석을 통한 스티커 추천 방법이 개시된다. 본 발명은 제1사용자 단말기 및 제2사용자 단말기 간의 직전 발화에 대한 표층 분석을 수행하는 단계; 상기 표층 분석 결과를 이용하여 상기 직전 발화에 대한 감정 분석을 수행하는 단계; 상기 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 단계; 대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 단계; 및 상기 선정된 스티커를 제1사용자 단말기로 제공하는 단계;가 서버에서 실행됨으로써 실시될 수 있다.

Description

감정 분석을 통한 스티커 추천 방법 및 시스템{Method and computer system of analyzing communication situation based on emotion information}
본 발명은 소셜 네트워크 서비스 또는 인스턴트 메신저를 통한 대화시 스티커를 추천하는 방법에 관한 것이다. 더욱 구체적으로는 대화를 통해 드러나는 감정의 히스토리 분석을 통해 문맥에 부합하는 스티커의 스티커를 추천하는 방법에 관한 것이다.
소셜 네트워크 서비스 또는 인스턴트 메신저를 통한 대화시 사용자의 감정상태를 표시하기 위해 이모티콘을 사용하곤 한다.
과거에는 대화의 뒷 부분에 텍스트로 쓰여진 이모티콘(OTL, ㅠㅠ, ^^;)을 덧붙이는 정도에 그쳤으나 최근에는 그래픽 이미지 형태의 이모티콘을 표시하기도 한다.
사용자는 대화 내용을 입력하다가 이모티콘 선택 창을 열어 적당한 것을 선택하여 입력할 수 있는데, 그 과정을 더욱 편리하게 하고자 사용자가 입력한 텍스트가 자동으로 이모티콘으로 변환되어 표시되는 기술이 개발되기도 했다.
도 1은 공지의 개인용 컴퓨터용 메신저(네이트온)에서 이모티콘이 표시되는 모습을 도시한다.
도 1에 도시된 공지의 메신저에서는 특정 키워드를 입력하면 해당 텍스트가 키워드에 해당하는 이모티콘으로 자동으로 변환된다. 도 1의 예에 의할 때 사용자가 "선물"이라 입력한 순간, "선물"이라는 단어가 선물에 해당하는 이모티콘으로 자동으로 변환된 것을 알 수 있다.
그러나, 이러한 종래기술은 단순히 특정 키워드가 입력되면 이를 미리 매칭된 이모티콘으로 변환하여 표시하는 것에 불과하기 때문에, 대화의 내용이나 문맥, 감정상태와는 전혀 무관하게, 심지어는 대화 상황에 비추어 적절하지 못한 방식으로 표시되는 일이 허다하다.
이에 따라, 단순한 키워드 매칭을 통한 이모티콘 변환 기술을 넘어서 사용자의 감정상태 등의 상황을 고려하여 보다 적절한 이모티콘을 추천하는 등의 기술이 개발된 바 있다.
대한민국 특허공개 10-2011-0026218 “문자 메시지 입력 장치 및 방법 그리고 그를 위한 프로그램을 기록한 기록 매체"는 입력된 대화 내용으로부터 감정상태를 나타내는 단어를 추출하고, 이를 이용하여 감정상태에 부합하는 이모티콘을 선택해주는 기술을 공지하고 있다.
그러나, 이 역시 입력된 텍스트를 분석하여 기쁨, 슬픔 등 감정상태를 나타내는 키워드가 등장하면, 이모티콘들 가운데 해당 키워드에 부합하는 것을 선택하는 정도에 그칠 뿐이다. 예컨대, 감정상태를 나타내는 단어가 사전적 의미와는 달리 반어법으로 사용되는 등의 경우 추천된 이모티콘이 상황에 적합하지 못하게 되는 문제점이 있으며,
발화 단위로 분석을 수행하기 때문에 문맥을 고려한 추천이 불가능하다는 한계가 있다.
문헌 1. 대한민국 특허공개 10-2011-0026218 “문자 메시지 입력 장치 및 방법 그리고 그를 위한 프로그램을 기록한 기록 매체” 문헌 2. 대한민국 등록특허 10-0751396 "문자 서비스 이모티콘 자동 변환 시스템 및 방법”
문헌 3. 김준혁, 박영웅, 하슬비, 최용석, "텍스트 마이닝을 이용한 Bigram-Signature 기반의 자동 이모티콘 추천 모듈", 2014년 한국컴퓨터종합학술대회 논문집, 대한민국(2014) 문헌 4. 이연수, 신중휘, 홍금원, 송영인, 이도길, 임해창, "다양한 언어적 자질을 고려한 발화간 유사도 측정방법", 한국음향학회지 제28권 제1호 pp.61~69, 대한민국(2009) 문헌 5. 홍금원, 이연수, 김민정, 이승욱, 이주영, 임해창, 한국어 모바일 대화형 에이전트 시스템", 韓國컴퓨터情報學會論文誌 第13卷第6號, 대한민국(2008. 11.)
본 발명은 상기와 같은 종래기술의 문제점을 해소하기 위하여 개발된 것으로, 원격지 사용자들간 대화를 입력하여 서로 주고받는 메신저 또는 소셜 네트워크 서비스에서 발화에 포함시켜 사용할 수 있도록 스티커를 추천하되, 발화 단위가 아니라 다수의 발화가 연속적으로 이어지는 대화 단위로 문맥을 파악하고, 문맥에 비추어 적합한 스티커를 추천하는 방법을 제시하고자 한다.
본 발명은 더 나아가, 발화를 분석하여 감정 종류와 감정 강도를 판정하고, 연속되는 다수의 발화에 대한 감정 히스토리와 표층 분석결과를 이용하여 대화 상황 정보를 구성하고, 이를 이용하여 문맥에 적합한 스티커를 추천하는 방법을 제시하고자 한다.
상기와 같은 목적을 달성하기 위하여 본 발명에 의한 감정 분석을 통한 스티커 추천 방법은 코퍼스(Corpus)에 대한 화행 및 감정 태그 부착을 통한 발화 데이터 축적 단계;
제1사용자 단말기 및 제2사용자 단말기 간의 직전 발화에 대한 표층 분석을 수행하는 단계;
상기 표층 분석 결과와 소정 개수의 이전 발화에 대한 표층 분석 결과 및 감정 분석 결과 등을 이용하여 상기 직전 발화에 대한 감정 분석을 수행하는 단계;
상기 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 단계;
대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 단계; 및
상기 선정된 스티커를 제1사용자 단말기로 제공하는 단계;를 포함한다.
이때, 상기 표층 분석을 수행하는 단계는,
입력된 발화에 대한 구어체 문장을 교정하는 단계;
상기 교정된 발화에 대하여 형태소를 분석하고 품사를 부착하는 단계;
상기 분석된 형태소와 부착된 품사를 기준으로 키워드를 추출하는 단계;로 이루어질 수 있다.
이때, 상기 감정 분석을 수행하는 단계에서는,
상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 대한 감정의 종류를 판정하고, 기 구축된 감정 종류-부사 연관성 사전을 이용하여 상기 발화에 부사 출현시, 감정-부사 연관성 값으로 가중치를 주어 합산함으로써 감정 의존 강도를 판정하는 방법과,
상기 직전 발화에 대한 표층 분석 수행결과 얻어진 형태소와 품사의 쌍에 대하여, 기 구축된 감정 정도 부사 사전에 포함되는 부사가 출현하는지 여부를 판단하여 출현 여부나 빈도에 비례하여 감정의 강도를 결정함으로써 감정 독립 강도를 판정하는 방법을 사용할 수 있다.
상기와 같은 목적을 달성하기 위하여 본 발명에 의한 감정 분석을 통한 스티커 추천 시스템은 제1사용자 단말기 및 제2사용자 단말기 간의 발화에 대한 표층 분석을 수행하는 자연어 처리수단;
상기 표층 분석 결과를 이용하여 해당 발화에 대한 감정 분석을 수행하고, 상기 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 분석 수단;
대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 스티커 추천 수단; 및
기 구축된 감정 종류-부사 연관성 사전 또는 기 구축된 감정 정도 부사 사전을 포함하는 감정 강도 분석 리소스;를 구비한다.
상기 감정 종류-부사 연관성 사전은 감정의 종류마다 각각 해당 감정의 종류를 강화하는 부사들의 목록과, 해당 부사가 해당 감정의 종류를 강화하는 정도를 나타내는 지표인 감정 종류-부사 연관성을 포함한다.
상기 감정 정도 부사 사전은 감정 정도를 나타내는 부사의 목록을 포함한다.
이때, 상기 분석 수단은 상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 대한 감정의 종류를 판정하고, 상기 발화에 출현한 부사에 대해 감정 종류-부사 연관성 값으로 가중치를 주어 합산함으로써 감정 의존 강도를 판정하거나,
또는 상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 상기 감정 정도 부사 사전에 포함되는 부사가 출현하는지 여부 및 출현 빈도를 판단하고, 이에 비례하여 감정 독립 강도를 판정한다.
이러한 본 발명에 의할 때,
동일한 대화 내용이나 키워드가 입력되어도 반드시 동일한 스티커가 추천되지 않으며, 대화 상황과 문맥을 고려하여 적합한 스티커가 추천된다. 즉, 단순히 키워드 매칭을 통해 자동추천하는 공지의 알고리즘에 비하여 대화의 상황이나 문맥을 고려함으로써 스티커 추천의 적절성이 담보되는 효과가 있다.
감정 및 대화 문맥을 고려함으로써 직전 발화 내에 표층적으로는 나타나지 않으나 내포되어 있는 감정을 고려할 수 있게 되며, 이에 따라 발화 그 자체만으로 표현되지 못한 감정을 보충할 수 있다. 뿐만 아니라, 다수의 발화를 포함하는 대화 단위로 감정을 분석함으로써 단일 발화에 표층적으로 나타나는 순간적인 감정보다는 감정의 흐름을 고려할 수 있어, 정확하고 자연스럽게 사용자의 감정에 부합하는 스티커를 추천할 수 있는 효과가 있다.
도 1은 종래기술에 의한 이모티콘 자동 변환기술을 예시하는 도면이며,
도 2는 서버와 사용자 단말기들의 연결관계를 도시하는 도면이며,
도 3는 대화 상황, 상대방과의 관계 및 개인 선호를 고려하여 스티커가 추천되는 예를 설명하는 도면이며,
도 4는 수집된 발화를 분석하여 스티커가 추천되기까지의 과정을 설명하는 도면이며,
도 5은 화행분석, 감정분석 및 관계분석을 예시적으로 설명하는 도면이며,
도 6은 화행을 대화의 범용적 관점에서 구분한 체계를 예시한 도면이며,
도 7은 화행을 사회적 의례 관점에서 구분한 체계를 예시한 도면이며,
도 8는 감정을 종류와 정도에 따라 구분한 체계를 예시한 도면이며,
도 9는 본 발명에 의한 감정 분석을 통한 스티커 추천 방법을 시계열적으로 설명하는 플로우차트이며,
도 10은 코퍼스로부터 대화 상황 정보 - 스티커 정보 조합이 생성되는 과정을 설명하는 도면이며,
도 11은 코퍼스 기계 학습을 통해 발화 데이터가 축적되는 과정을 부연하는 플로우차트이며,
도 12는 자연어 발화 분석 단계의 처리 방법을 설명하는 도면이며,
도 13은 자연어 발화 분석 과정을 부연하는 플로우차트이며,
도 14는 표층 요소들을 예시하는 도면이며,
도 15는 대화 문맥 요소들을 예시하는 도면이며,
도 16은 사용자에게 스티커가 추천되는 모습을 예시하는 도면이며,
도 17은 감정 분석을 통한 스티커 추천 시스템의 구조를 설명하는 기능 블록도이다.
이하에서는 본 발명의 바람직한 실시예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.
발명의 상세한 설명 또는 특허청구범위에서 어느 하나의 구성요소가 다른 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 당해 구성요소만으로 이루어지는 것으로 한정되어 해석되지 아니하며, 다른 구성요소들을 더 포함할 수 있는 것으로 이해되어야 한다.
또한, 발명의 상세한 설명 또는 특허청구범위에서 "~수단", "~부", "~모듈", "~블록"으로 명명된 구성요소들은 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이들 각각은 소프트웨어 또는 하드웨어, 또는 이들의 결합에 의하여 구현될 수 있다.
이하에서, 스티커란 메신저 또는 소셜 네트워크 서비스 상에서 대화시 사용하는 그래픽 이미지를 의미한다. 이모티콘으로 혼용되기도 하는 개념으로 이하에서는 스티커로 통칭하기로 한다.
이하에서, 붙임 스티커란 사용자가 입력한 대화 문장에 부종하며, 입력된 문장에 부착되어 사용되는 스티커를 의미한다.
이하에서, 응답 스티커란 상대방이 입력한 직전 대화 내용 또는 상대방이 직전 대화에 사용한 스티커에 응답하기 위해 사용되는 스티커를 의미한다.
본 발명에서 붙임 스티커는 사용자가 입력한 대화 문장에 대하여 추천되는 스티커이며, 응답 스티커는 상대방이 직전에 입력한 대화 문장이나 사용한 스티커에 응답하기 위하여 사용자에게(상대방이 아닌) 추천되는 스티커로 구분될 수 있다.
이하에서, 스티커의 부착이란 대화창 또는 대화 입력 내용의 앞뒤 또는 중간에 해당 스티커의 그래픽 이미지를 표시하는 것을 의미한다.
이하에서, 발화(發話)란 사용자가 메신저 또는 소셜 네트워크 서비스 상에 입력한 대화의 기본 단위를 의미한다. 통상, 대화 입력창에 텍스트 형태로 대화 내용을 입력한 다음 "전송" 버튼을 누르는 것에 의해 발화가 이루어진다.
이하에서, 대화 상황이란 발화의 의도, 감정, 키워드 분석을 통해 드러나는 대화의 상태 흐름을 의미한다.
이하에서, 화행(話行, Speech act)이란 발화의 의도를 의미한다.
이하에서, 대화 상황 정보란 일련의 연속된 발화들에 대한 화행 분석, 감정 정보, 분석 및 키워드 추출 결과로 획득된 화행 정보(화행 카테고리에 대한 정보), 감정 정보(감정 카테고리 및 감정 강도에 대한 정보), 키워드를 포함한다.
이하에서, 발화 데이터란 화행 부착 코퍼스 및 감정 부착 코퍼스에 대한 분석을 통해 축적된 데이터를 의미한다. 바람직하게는, 다수의 연속 발화의 화행 카테고리 변화, 감정 종류, 감정 강도 변화를 포함한다. 발화 데이터에 포함된 각 발화는 분석되어 화행 정보, 감정 정보, 키워드를 가지며, 대화 상황 정보의 형태로 저장될 수도 있다. 한편, 각 발화가 응답에 해당하는지 주제를 시작하는 발화인지에 대한 정보를 더 포함할 수 있다.
이하에서, 표층 요소란 발화가 가지는 형식적인 특징을 기술하기 위해 정의되는 요소들로서, 임의의 발화에 대해 구어체 문장 교정을 거쳐, 형태소 분석 및 품사를 부착한 결과 얻어진다.
이하에서 감정 분류 요소란 발화의 감정 종류나 강도를 기술하기 위해 정의되는 요소로서, 화행을 분석한 결과 얻어진다.
이하에서, 대화 문맥 요소란 다수의 연속되는 발화가 갖는 문맥을 기술하기 위해 정의되는 요소들로서, 사용자의 직전 몇 개의 발화에 대한 표층 요소, 대화 상대방의 직전 몇 개의 발화에 대한 표층 요소, 화행 정보와 감정 정보의 히스토리를 포함한다.
도 2는 사용자 단말기(20)와 서버(10)의 연결관계를 나타내는 도면이다.
사용자 단말기(20)는 네트워크를 통해 서버(10)에 접속하며, 대화 내용을 입력하거나 상대방으로부터 입력된 발화를 표시하기 위한 수단에 해당한다.
사용자는 사용자 단말기(20)를 이용하여 서버(10)를 경유, 다른 사용자들과 텍스트나 이미지 등을 포함하는 시각적 형태의 메시지를 주고 받을 수 있다.
사용자 단말기(20)는 이와 같은 기능을 수행하기 위한 수단으로서, 스마트폰이나 개인용 컴퓨터와 같은 형태일 수 있다. 이외에도, 네트워크(바람직하게는 인터넷)에 접속할 수 있으며 사용자가 시각적 형태의 커뮤니케이션이 가능하게 하는 수단이라면 사용자 단말기(20)에 포함되는 것으로 이해되어야 한다.
이하에서는 제1사용자는 메시지를 주고 받음으로써 대화중인 사용자이며, 제1사용자단말기(21)는 이와 같이 제1사용자로 하여금 시각적 형태의 커뮤니케이션을 할 수 있도록 하는 수단에 해당한다.
제2사용자는 제1사용자와 대화하는 상대방이며, 제2사용자단말기(22)는 제2사용자가 대화시 사용하는 단말기이다.
서버(10)는 제1사용자와 제2사용자간 대화를 할 수 있도록 메시지를 중개하며, 더 나아가 제1사용자에게 붙임 스티커 또는 응답 스티커를 추천한다.
이하에서는, 서버(10)가 제1사용자에게 스티커를 추천하는 경우를 설명하나, 제1사용자와 제2사용자의 구분은 이해를 돕기 위한 편의상의 구분일 뿐이며, 실제로 서버(10)는 양쪽 사용자 모두에게 스티커를 추천할 수 있음은 당연하다.
도 2에서는 서버(10)를 단일 서버인 것으로 도시하였으나, 서버(10)는 기능에 따라 나뉘어진 다수의 서버를 포함하는 서버군의 형태여도 무방하다.
예컨대, 제1사용자 단말기(21)와 제2사용자 단말기(22)간의 대화를 중개하는 메신저 서버, 대화를 분석하여 스티커를 추천하는 스티커 추천 서버로 이루어질 수도 있으며 소셜 네트워크 서비스를 제공하는 서버를 포함할 수도 있다.
아니면, 외부의 소셜 네트워크 서비스 서버와 연동되어 스티커 추천결과가 외부 서버를 경유하여 사용자 단말기(20)로 제공되도록 할 수도 있다.
본 발명은 이와 같은 서버(10)에서 실행되는 스티커 추천 방법으로 실시되거나, 또는 스티커 추천 방법을 실행하는 서버(10)의 형태로 실시될 수 있다. 또는, 서버(10)에서 실행되는 컴퓨터 프로그램의 형태로 실시될 수도 있다.
서버(10)는 다음과 같은 과정을 통해 사용자의 대화시 적절한 스티커를 선정하여 추천한다.
우선, 서버(10)는 제1사용자단말기(21) 및 제2사용자 단말기(20)로부터 대화 내용을 수집하고, 발화를 분절하여 분석함으로써 대화상황 분석을 수행한다.
한편, 기 수립된 대화 상황 분류체계와 대화 상황 정보를 이용하여 기 수집되어 분석된 발화 데이터로부터 유사 대화상황을 검색함으로써 적절한 스티커 후보군을 선정하고, 상황과 선호도에 기반하여 랭킹을 메겨 최종적으로 사용자에게 스티커를 추천한다.
즉, 단순히 키워드 비교에 의해 1대1 매칭(동일 키워드에 대해 동일한 스티커를 추천)을 수행하는 종래기술과 달리, 대화 내용을 파싱한 결과로 동일한 키워드가 확인되어도 대화의 상황 및 상대방과의 관계나 사용자의 개인 선호에 따라 스티커를 다르게 추천하는 것이다.
도 3은 서버(10)가 동일 대화 내용에도 불구하고 대화 상황, 상대방과의 관계 및 개인 선호에 따라 서로 다른 스티커 그룹을 추천하는 경우를 설명한다.
도 3에 도시된 "예시 #1"에 의하면, 대화 상대방이 회사 상사인 경우와 친한 친구인 경우 서로 다른 스티커 그룹이 추천됨을 알 수 있다.
회사 상사인 경우 지나치게 격의 없는 느낌을 주는 스티커는 배제되며, 윗 사람과 대화시 사용할 만한 스티커가 위주로 추천된다.
반면, 상대방이 친한 친구인 경우에는 반대로 격식보다는 편하게 사용할 수 있는 스티커 위주로 추천된다.
한편, 도 3에 도시된 "예시 #2"는 사용자의 감정 상태에 따라 적절한 스티커 그룹이 추천되는 예를 설명한다.
사용자가 회사에서 힘들고 슬펐던 일을 이야기하고 있는 경우, 서버(10)는 이러한 사용자의 감정 상태를 파악하여, "예시 #2"에서 확인되는 바와 같이 감정 상태에 부합하는 스티커 그룹을 추천하는 것이다.
한편, 도 3에 도시된 "예시 #3"은 대화 상황에 따라서 적절한 스티커가 추천되는 예를 설명한다.
대화 상대방의 마지막 입력 대화 내용이 한턱 쏘겠다는 내용인 경우, 그 다음 사용자의 대화 입력내용으로는 상대방의 말에 적절한 대답이 될 수 있는 스티커를 추천하는 것이다.
한편, 도 3에 도시된 "예시 #4"는 개인의 선호에 따라서 선택된 스티커 그룹의 순위를 다시 메겨 추천하는 예를 설명한다.
사용자가 평소 많이 사용한 스티커의 메타데이터를 분석한 결과, 해당 사용자가 과장된 행동으로 표현되는 스티커를 주로 사용한다면, 서버(10)는 대화 상황이나 상대방과의 관계, 감정 상태 등을 고려하여 선택된 스티커 그룹 가운데 과장된 행동으로 표현되는 스티커가 우선적으로 노출되도록 보정하여 이를 제1사용자 단말기(21)로 제공한다.
이러한 일련의 스티커 추천 과정은 도 4에 도시된 바와 같이 크게 대화 상황분석 단계와 스티커 추천 단계로 구분된다.
도 4는 기 수집된 발화를 분석하여 스티커가 추천되기까지의 과정을 설명한다.
대화 상황분석 단계에서는 자연어 처리를 통해 구어체 문장을 교정하고, 형태소를 분석하며, 품사를 부착하게 된다.
그 결과로 단위 발화에 대한 표층 요소의 추출이 이루어진다.
발화에 대한 표층 요소들이 분석된 후 이를 이용하여 화행분석과 감정분석이 행하여 진다.
또한, 주고 받는 대화의 쌍에 대한 분석을 통해 대화 당사자간의 관계에 대한 분석이 행하여진다.
한편, 서버(10)는 별도의 대화 상황 분류체계를 활용하여 가장 유사한 대화상황을 찾는다.
대화 상황은 크게 의도/감정/관계에 따라 나뉘며, 종합적으로 고려된다.
"의도"는 대화의 범용적인 관점이나 사회의례적 관점에서 다양하게 분류될 수 있다. 예컨대, "칭찬", "도움 요청", "인사", "자랑" 등의 분류를 가질 수 있다.
"감정"은 감정의 카테고리는 물론 감정의 강도에 따라 나뉠 수 있다. 예컨대, "기쁨", "슬픔"과 같은 감정의 카테고리와, "매우", "보통", "조금"과 같이 감정의 강도에 따른 분류를 가질 수 있다.
"관계"는 상하관계 여부, 친밀도 정도에 따른 분류를 가질 수 있다. 예컨대, "윗사람", "아래사람", "친함", "친하지 않음"과 같은 분류를 가질 수 있다.
이러한 과정을 거쳐 대화상황 분석이 이루어지면, 스티커 추천 단계에서 서버(10)는 스티커 추천 알고리즘에 의해 스티커를 추천한다.
이러한 일련의 과정을 첨부한 도면을 참조하여 상세히 살펴보면 다음과 같다.
우선, 대화 상황 분석 단계에서 서버(10)는 단일 발화를 분석하는 것에 그치지 않고, 대화 상대방 간의 양방향 대화의 흐름을 분석하다.
대화 상황 분석 단계는 다시 발화 단위 분석 단계와 대화 단위 분석 단계로 나뉜다.
발화 분석 단계는 문맥과 관계없이 어휘 수준의 분석을 수행한다.
발화 분석 단계에서는 우선, 구어체 문장을 교정한다. 구어체 문장의 교정은 띄어쓰기를 교정하고, 철자와 비속어를 교정하며, 이모티콘 인식하여 대응되는 어휘로 변환함으로써 이루어진다.
한편, 형태소분석 및 품사부착이 수행되며, 그 결과로부터 키워드가 추출된다.
이러한 발화 분석 단계는 공지의 연구결과가 활용될 수 있다.
이후 대화 단위 분석 단계에서는 화행 분석과 감정 분석, 관계 분석이 행하여 진다. 이를 통해, 서버(10)는 대화 상황 정보를 생성한다.
대화 단위 분석 단계에서는 발화 단위가 아닌 양방향 대화 문맥을 고려하여 분석이 이루어지며, 대화 단위 분석시 기 구축된 상황 분류 체계가 사용된다.
도 5는 화행분석, 감정분석 및 관계분석 과정을 설명하는 도면이다.
도 5의 (a)에 도시된 바에 의할 때, 화행 분석 단계에서는 발화를 통해 드러나는 사용자의 의도를 분석한다.
입력값은 "발화"이며, 출력값은 "화행 카테고리"이다.
도 5의 (a)에 의할 때, 제1사용자의 발화인 "내가 지금 하고 있는 이 새 프로젝트 좀 도와줄래?"가 입력된 경우 이에 대응하는 출력값은 미리 정의된 화행 카테고리의 하나인 "요청/명령"임을 알 수 있다.
도 5의 (b)에 도시된 바에 의할 때, 감정 분석 단계에서는 발화를 통해 드러나는 사용자의 감정을 분석한다.
입력값은 "발화"이며, 출력값은 "감정카테고리 및 감정정도"이다.
도 5의 (b)에 예시된 바에 의할 때, 제1사용자의 발화인 "어제 피곤해서 기절했어 ㅠㅠ"가 입력된 경우 이에 대응하는 출력값은 "슬픔", "보통"임을 알 수 있다. 즉, 감정카테고리는 "슬픔", 감정정도는 "보통"으로 분석한 것이다.
도 5의 (c)에 도시된 바에 의할 때, 관계 분석 단계에서는 발화를 통해 드러나는 사용자 간의 상하관계를 분석하고, 사용자 간의 친밀도를 분석한다.
입력값은 "발화"이며, 상하관계 분석결과 출력값은 "상하" 또는 "평등"일 수 있다. 친밀도 분석결과 출력값은 "친함" 또는 "안친함"일 수 있다.
이와 같이 화행 분석과 감정 분석, 관계 분석을 통해 대화 상황 정보가 생성되면, 서버(10)는 상황 분류 체계를 이용하여 유사 상황을 검색하게 된다.
대화 상황 분류체계는 화행 분류체계와 감정 분류체계로 구분된다.
화행 분류체계는 대화의 범용적인 관점이나 사회의례적 관점에서 화행 - 즉, 대화의 의도를 다양하게 구분한 것이다.
도 6은 화행을 대화의 범용적 관점에서 구분한 체계를 예시한 도면이다.
도 6에 예시된 바에 의할 때, "Yes No 질문", "Wh 질문", "대답-긍정", "대답-부정", "동의", "반대", "자랑" 등의 유형이 표시된 것을 확인할 수 있다.
도 6의 화행 분류체계는 ISO 표준 분류체계의 분류기준, 계층구조를 반영하되 한국어 대화 의도 분류에 부합하도록 만들어진 것이며, 감정에 해당하는 분류를 제거한 것이다.
도 7의 화행 분류체계는 도 6의 대화 범용 분류 체계에 더하여, 메신저 서비스에서 흔히 나타나는 대화 태도에 대한 요소를 고려하여 별도의 분류체계를 만든 것이다.
도 7에 예시된 바에 의할 때 "만남인사", "사과", "감사", "축하", "애도", "격려", "악담" 등이 포함될 것을 확인할 수 있다.
채팅에서 흔히 나타나는 대화의 양태(Modality)를 분류 체계화한 것에 해당한다.
도 8은 감정을 종류와 정도에 따라 구분한 체계를 예시한 도면이다.
도 8에 예시된 감정 분류체계는 공지의 감정 분류모델을 참조하여 만든 것으로 "중립 감정" 즉, 감정이 없는 상태를 포함하는 9가지의 감정의 카테고리로 나뉜다.
여기에 각 감정의 카테고리마다 강, 중, 약으로 감정의 강도가 구분된다.
다음으로, 스티커 추천 단계에서 서버(10)는 상기와 같이 생성된 대화 상황 정보를 화행 분류 체계 및 감정 분류 체계에 적용함으로써 유사상황을 검색한다.
도 4에 도시된 바와 같이 스티커 추천 단계는 유사 상황 검색 단계와 관계 및 선호도 기반 순위 결정 단계로 이루어진다.
유사 상황 검색 단계에서는 대화 상황 정보를 이용하여 현재 가장 그럴듯한 화행 흐름을 기준으로 기 분석되어 저장된 발화 데이터 가운데 가장 가까운 상황을 선정한다.
또한, 주제를 시작하는 발화인지, 응답에 해당하는 (또는 이에 가까운) 발화인지를 구분한다.
상황별로, 주제를 시작하는 발화인지 응답인지에 따라 스티커 후보군이 미리 매칭이 되며, 선호도 기반 순위 결정 단계에서는 매칭된 스티커 후보군들을 대상으로 순서를 메긴다.
상대방과의 관계에 기반한 적합도를 따져 적합한 스티커들이 우선 노출되도록 하며, 사용자의 선호도에 기반한 적합도를 따져 적합한 스티커들이 우선 노출되도록 하는 것이다.
이러한 일련의 과정을 거쳐서야 비로서 도 3에 예시된 바와 같은 스티커 추천이 이루어진다.
본 발명의 실시예에 의한 감정 분석을 통한 스티커 추천 방법은, 상기에서 살펴본 일련의 과정 가운데, 발화에 대한 표층 분석을 수행하고, 그 결과를 이용하여 감정 분류 요소를 추출하되, 다수의 연속 발화에 대한 분석결과를 이용하여 대화 문맥 요소를 획득하는 더욱 상세한 과정을 제시한다.
이하에서는 도 9 내지 도 16를 참조하여 본 발명의 실시예에 의한 감정 분석을 통한 스티커 추천 방법을 상세히 설명하기로 한다.
도 9는 본 발명에 의한 감정 분석을 통한 스티커 추천 방법을 시계열적으로 설명하는 플로우차트이다.
도 9에 도시된 바에 의할 때, 서버(10)는 코퍼스(Corpus)에 대한 화행 및 감정 태그 부착을 통해 발화 데이터를 축적한다(S10).
도 10 및 도 11은 코퍼스로부터 기계 학습을 수행하여 대화 상황 정보를 생성하고, 발화의 스티커의 유사도 판정을 위한 인덱싱 과정을 부연한다.
도 11은 S10 단계를 세분화하여 설명하는데, 이에 의할 때 우선 서버(10)는 스티커가 부착된 발화로부터 대화 상황 정보를 생성하고, 대화 상황 정보 - 스티커의 조합을 생성한다(S11).
도 10에 예시된 바에 의할 때, 코퍼스에 대한 분석을 통해 화행/감정/키워드 태그를 부착하고, 대화 상황 정보를 생성하는 과정을 확인할 수 있다.
도 10의 상단에 표시된 발화는 "어제 야근해서 너무 피곤해 (스티커)"와 같으며, 이에 대한 분석결과 얻어지는 대화 상황 정보는 "{화행-알림, 감정-슬픔, 키워드-어제/야근/피곤}"와 같다. 그리고, 해당 발화에는 "슬픔 4"라는 id를 갖는 스티커가 부착되어 있다.
따라서, "{화행-알림, 감정-슬픔, 키워드-어제/야근/피곤} 스티커 : 슬픔4"와 같은 대화 상황 정보 - 스티커 조합이 생성된다.
이후, 서버(10)는 연속 발화 간 감정 정보의 흐름을 인덱싱하여 저장한다(S12).
도 10의 예에서 위의 발화의 감정 정보는 "슬픔", 바로 다음 발화의 감정 정보또한 "슬픔"이다. 따라서, "슬픔-슬픔"와 같이 감정 정보의 흐름을 저장한다.
동일한 감정 종류가 반복적으로 출현할 경우 해당 감정의 강도가 강해지리라 예측할 수 있다.
다음으로, 스티커와 입력 발화의 조합을 스티커 아이디로 인덱싱하여 저장한다(S13).
코퍼스에 대한 학습을 통해 어떤 발화에 어떤 스티커가 부착되어 있는지를 스티커 id 별로 인덱싱하여 저장하는 것이다. 이에 의해 발화의 키워드나 감정 정보를 이용하여 스티커와의 연관성, 유사성을 수치적으로 계산하는 것이 가능해진다.
이와 같이 코퍼스에 대한 학습 및 발화 데이터의 구축을 완료한다.
이후, 서버(10)는 제1사용자 단말기(21) 및 제2사용자 단말기 간의 발화를 수집하여 분석한다. 새로운 발화가 있으면 서버(10)는 우선 해당 발화 - 즉, 직전 발화에 대한 표층 분석을 수행한다(S20).
도 12 및 도 13은 서버(10)에 의한 자연어 발화 분석을 통한 개별 발화의 표층 분석 과정을 부연한다.
도 13에 도시된 바에 의할 때, 표층 분석 과정에서 서버(10)는 우선 입력된 발화에 대한 구어체 문장을 교정한다(S21).
도 12에 예시된 바와 같이 입력된 발화가 "ㅁ lㅇ ㅓ되지야ㅋㅋㅋㅋ"인 경우,
1) 반복어구인 "ㅋㅋㅋㅋ"를 "ㅋㅋㅋ"로 단축하고,
2) 음절 해체 문장을 교정하여 "ㅁ lㅇ ㅓ"를 "미어"로 교정하며,
3) 띄어쓰기를 교정하여 "미어되지야"를 "미어 되지야"로 교정하고,
4) 이모티콘을 인식하여 "ㅋㅋㅋ"를 "[기쁨:ㅋㅋㅋ]"와 같이 변환하며,
5) 철자 오류인 "되지"를 "돼지"로 교정한다.
그리고, 입력된 발화에 비속어나 욕설 등이 존재하는 경우 이를 제거한다.
이와 같은 과정을 거쳐 구어체 문장이 교정되면, 이후 서버(10)는 상기 교정된 발화에 대하여 형태소를 분석하고 품사를 부착한다(S22).
도 12에 예시된 바와 같이 어절을 형태소로 잘라서 교정된 문장인 "미워 돼지야"를 "밉+어", "돼지+야"로 각각 분할한다.
이후, 각 형태소 단위로 기능에 따라서 품사를 태깅한다.
위의 예에서는 "밉/형용사 + 어/종결어미", "돼지/명사 + 야/호격조사"와 같이 부착된다.
이와 같이 품사의 태깅이 완료되면 이로부터 키워드를 추출한다(S23). 주로 체언 위주로 키워드를 추출할 수 있다.
이외에도 표층 분석 단계에서는 발화에 대해 다양하게 정의된 표층 요소들이 추출된다.
도 14는 표층 요소들을 예시하는 도면이다.
기본적인 형태소, 어휘-품사의 쌍, 주어, 길이, 마지막 어절, 동사, 부사, 보조용언 등에 대한 파악은 물론, 형식 형태소나 형식 품사에 대한 파악, 욕설이나 이모티콘에 대한 요소가 각각 추출된다.
이러한 과정을 통해 직전 발화에 대한 표층 분석이 완료되면, 서버(10)는 상기 표층 분석 결과를 이용하여 상기 직전 발화에 대한 감정 분석을 수행한다(S30).
직전 발화에 대한 감정 분석 단계에서, 바람직하게는 그 이전의 소정 개수의 발화에 대한 분석 결과 정보가 활용된다. 구체적으로는, 기계 학습의 요소로 이용될 수 있다.
감정 분석 단계에서는 해당 발화의 감정 종류 및 감정 강도 두 가지의 값의 조합이 반환된다.
감정 분석은 형태소 추출과 품사 부착 과정이 이루어진 이후, 주로 부사의 출현 여부를 판정하여 어떤 부사가 출현하였는지, 출현 빈도는 어느 정도인지를 감안하여 분석한다.
감정 분석은 감정의 종류 분석과 감정의 강도 분석 두 가지로 병행하여 이루어는데, 감정의 종류는 표층 분석이 완료된 후 도출되는 키워드에 따라 결정될 수 있다.
도 8에 예시된 바와 같이 미리 정의된 다수 개의 감정 종류 가운데 해당하는 것을 선정한다.
한편, 감정의 강도는 다음과 같은 두 가지의 방법론이 사용될 수 있다.
1) 감정 독립 강도
감정 독립 강도는 감정의 종류와 무관하게 감정의 강도 그 자체만을 분석하기 위한 방법론이다.
이를 위하여 사전에 감정 정도 부사 사전을 구축한다.
감정 정도 부사 사전은 대표적인 우리말의 부사를 수집하며, 코퍼스에 출현한 감정을 강화시키는 부사들을 추가할 수 있다.
예컨대, "아주, 매우, 몹시, 무척, 너무, 퍽, 제법" 등의 부사가 포함될 수 있다.
S30 단계에서 서버(10)는 해당 발화에서 출현한 부사 가운데, 감정 정도 부사 사전에 포함되는 부사가 존재하는지를 판정한다.
만일, 감정 정도 부사 사전에 포함되는 부사가 출현하는 경우, 출현 여부와 빈도수에 따라 감정의 정도를 "강함", "보통", "약함" 가운데 어느 하나로 결정할 수 있을 것이다.
예컨대, 둘 이상의 부사가 출현하는 경우 "강함", 부사가 전혀 출현하지 않는 경우 "약함"으로 판정할 수 있을 것이다.
2) 감정 의존 강도
감정 의존 강도는 특정한 감정의 종류에 따라 감정의 강도를 분석하는 방법론이다.
감정 독립 강도의 경우, 단순히 부사의 출현 여부에 따라서 감정의 정도를 기계적으로 판정하기 때문에, 감정의 종류와 전혀 무관한 부사가 출현하는 경우에도 해당 감정의 강도가 커지는 것으로 잘못 판정하는 오류를 발생시킨다.
이에 따라 감정 의존 강도에서는 감정 종류 - 부사 연관성 사전을 구축하여 사용한다.
감정 종류 - 부사 연관성 사전이란, 특정한 감정의 종류마다 감정을 강화시키는 부사들을 수집하고, 각 부사마다 감정의 종류 - 부사 연관성 값을 정의한다.
이러한 감정 종류 - 부사 연관성 사전의 구축은 감정 부착 코퍼스에 대한 기계 학습을 통해 이루어질 수 있다.
한편, 서버(10)는 발화가 입력되면 해당 발화에 대한 표층 분석을 거쳐 발화 내에 출현한 감정 정도 부사를 판정하고, 이와는 별개로 해당 발화의 감정 종류를 판정한다.
감정 종류가 판정되면, 해당 발화 내에 출현한 감정 정도 부사와 해당 감정 종류간의 연관성 값을 가중치로 하여 합산한다.
그리고, 합산한 값의 크기에 따라 감정의 강도를 정할 수 있다.
동일 발화 내에 감정 정도 부사가 다수 출현한다고 하여도, 해당 발화의 감정 종류와 연관성이 희박한 부사들인 경우, 연관성 값이 매우 낮기 때문에 이들을 각각 합산하여도 결과값이 크지 않다.
따라서, 단순히 감정 정도 부사가 출현한다고 하여, 또는 다수 출현한다고 하여 반드시 해당 발화의 감정의 강도가 커진다고는 볼 수 없다.
즉, 감정의 종류와 부사간의 연관성을 고려하여 의미적 관점에서 감정의 강도를 판정하는 기술이며, 감정 독립 강도에 비해 높은 정확성을 담보할 수 있다는 장점이 있다.
서버(10)는 바람직하게는 감정 의존 강도를 사용할 수 있으나, 감정 독립 강도를 사용하거나 또는 이 두 가지 방법론을 병행할 수도 있다.
한편, 이 같이 직전 발화에 대한 표층 분석과 감정 분석이 끝나면, 직전 발화의 키워드와 감정 정보를 얻을 수 있게 된다.
물론, 감정 정보는 해당 발화의 감정의 종류와 강도를 포함한다.
서버(10)는 직전 발화의 이전 발화들에 대한 표층 분석결과와 감정 분석결과를 포함하는 대화 문맥 요소를 생성한다(S40).
도 15는 대화 문맥 요소를 예시한다.
단일 발화를 가지고서 스티커를 추천하는 것이 아니라, 대화의 문맥을 정의하고 기술하기 위해서는 직전 발화의 이전 몇몇 발화들에 대한 표층 분석결과와 감정 분석결과에 대한 고려가 이루어져야 한다.
특히, 어느 하나의 사용자의 발화뿐 아니라, 그 상대방의 발화까지도 고려되어야 한다.
도 15에 예시된 대화 문맥 요소는 이전 몇 개의 발화의 표층 요소와 감정 정보(감정의 종류와 강도), 화행 카테고리 정보를 포함한다.
이와 같이 대화 문맥 요소가 생성됨에 따라 서버(10)는 생성된 대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정한다(S50).
기 축적된 발화 데이터 가운데 상기 직전 발화의 키워드에 부합하는 발화 데이터와 연관된 스티커들을 선정한다. 이때, 상기 대화 문맥 요소에 포함된 감정 정보의 흐름을 고려하여 선정할 수 있다.
상기 직전 발화에 대한 표층 분석을 통해 얻어진 키워드에 부합(예컨대, 스티커 id 인덱싱 결과 해당 키워드가 포함되는 발화에서 임계치 이상 사용된 스티커라거나, 또는 해당 키워드를 메타 데이터로 갖는 스티커 등)하는 스티커이면서,
상기 직전 발화 및 그 이전 발화들의 감정 정보의 흐름에 일치하는 발화 데이터에 임계 수준 이상 사용되었던 스티커라면, 문맥상 제1사용자가 발화시에 부착하여 사용하거나 또는 제2사용자의 발화에 대한 응답시에 사용하기에 적절하다고 볼 수 있다.
이와 같이 추천할 스티커가 선정되면 서버(10)는 선정된 스티커에 대한 정보(스티커의 id나 스티커 그래픽 데이터 등)를 제1사용자 단말기(21)로 제공한다(S60).
도 16은 이러한 과정을 거쳐 제1사용자 단말기(21)로 스티커가 추천된 모습을 예시한다.
도 16의 (a)는 붙임 스티커의 추천을 예시한다. 제1사용자가 입력한 텍스트(직전 발화)에 대한 분석을 통해 제1사용자가 해당 발화에 부착하여 사용할만한 스티커가 추천된다. 물론, 해당 발화의 이전 발화들을 포함하여 감정 종류와 강도의 흐름과 같은 문맥이 고려된다.
도 16의 (b)는 응답 스티커의 추천을 예시한다. 직전 발화는 제2사용자의 발화 "저 선수가 홈런을 쳐야 하는데...이며, 이에 대한 분석을 통해 제1사용자가 해당 직전 발화에 대해 응답할 때 사용할만한 스티커를 추천하는 것이다.
이하에서는 도 17을 참조하여 본 발명의 실시예에 의한 감정 분석을 통한 스티커 추천 시스템의 구성을 상세히 살펴보기로 한다.
도 17은 감정 분석을 통한 스티커 추천 시스템의 구조를 설명하는 기능 블록도이다.
도 17에 도시된 스티커 추천 시스템(100)은 서버(10)의 형태로 실시될 수 있다. 그 가운데 일부 구성요소는 서버(10)에 적재되어 실행되는 컴퓨터 프로그램의 형태일 수 있으며, 또 일부는 서버(10)를 이루는 하드웨어 자원의 일부일 수도 있다.
도 17에 도시된 바에 의할 때, 스티커 추천 시스템(100)은 자연어 처리수단(110), 요소 추출 수단(121), 학습 수단(122), 발화 히스토리 관리수단(123), 분석 수단(124), 감정 분류 데이터베이스(126), 감정 강도 분석 리소스(127), 스티커 추천 수단(130) 및 스티커 데이터베이스(140)를 구비한다.
자연어 처리수단(110)은 수집한 발화에 대한 표층 분석을 처리한다.
분석 수단(124)은 발화에 대한 감정 분석을 수행하여 감정의 종류와 강도를 판정한다. 직전 발화 및 그 이전의 연속된 몇 개의 발화(특정 사용자의 발화만이 아닌 그 상대방에 의한 발화를 포함한다)에 대한 감정 분석의 결과와 표층 분석 결과를 포함하는 대화 문맥 요소를 생성한다.
감정 분류 데이터베이스(125)는 도 8에 예시된 바와 같은 감정 분류 체계 및 감정 부착 코퍼스에 대한 학습을 통해 구축된 발화 데이터를 저장한다.
스티커 추천수단(130)은 대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정한다.
학습수단(122)은 코퍼스(Corpus)에 대한 감정 태그 부착을 통해 발화 데이터를 생성하여 상기 감정 분류 데이터베이스(126)에 저장한다.
이를 위하여, 학습수단(122)은 스티커가 부착된 코퍼스로부터 대화 상황 정보를 생성하고, 대화 상황 정보 - 스티커의 조합으로 생성하며, 연속 발화 간 감정 정보의 흐름을 인덱싱하고, 스티커와 입력 발화의 조합을 스티커 아이디로 인덱싱하여 각각 상기 감정 분류 데이터베이스(126)에 저장한다.
감정 강도 분석 리소스(127)는 감정 강도 분석시 사용되는 감정 정도 부사 사전이나 또는 감정 종류 - 부사 연관성 사전을 적재한다. 감정 강도 분석의 방법론에 따라서는 그 가운데 어느 하나만이 포함되거나, 또는 양쪽 모두가 포함될 수도 있다.
발화 히스토리 관리 수단(123)은 다수의 연속 발화들의 연결관계를 관리하고 저장한다. 둘 이상의 사용자들에 의한 발화는 각 사용자별로 분리하여 분석할 경우 문맥흐름을 정확하게 파악할 수 없기 때문에, 대화에 참여한 사용자들간에 주고받은 연속된 발화들은 그 선후관계, 연결관계를 관리하여야 한다.
스티커 데이터베이스(140)은 다수의 스티커를 저장한다. 각 스티커는 메타 데이터를 가질 수 있다.
이상과 같은 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 본 발명을 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.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.
본 발명은 소셜 네트워크 서비스 기술 및 메신저 기술분야에 적용될 수 있다.
1 : 대화창 2 : 붙임 스티커
3 : 응답 스티커
10 : 서버 20 : 사용자 단말기
100 : 스티커 추천 시스템
110 : 자연어 처리수단
121 : 요소 추출 수단
122 : 학습 수단
123 : 발화 히스토리 관리수단
124 : 분석 수단
126 : 감정 분류 데이터베이스
127 : 감정 강도 분석 리소스
130 : 스티커 추천 수단
140 : 스티커 데이터베이스

Claims (16)

  1. 네트워크를 통해 제1사용자 단말기 및 제2사용자 단말기와 연결되는 서버가,
    제1사용자 단말기 및 제2사용자 단말기 간의 직전 발화에 대한 표층 분석을 수행하는 단계;
    상기 표층 분석 결과를 이용하여 상기 직전 발화에 대한 감정 분석을 수행하는 단계;
    상기 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 단계;
    대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 단계; 및
    상기 선정된 스티커를 제1사용자 단말기로 제공하는 단계;를 포함하고,
    상기 추천할 스티커를 선정하는 단계에서는, 상기 소정 개수의 발화를 통해 분석된 제1 사용자와 제2 사용자의 관계 및 제1 사용자의 스티커 선호도를 더 고려하여 추천할 스티커를 선정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  2. 제1항에 있어서,
    상기 표층 분석을 수행하는 단계는,
    입력된 발화에 대한 구어체 문장을 교정하는 단계;
    상기 교정된 발화에 대하여 형태소를 분석하고 품사를 부착하는 단계;
    상기 분석된 형태소와 부착된 품사를 기준으로 키워드를 추출하는 단계;를 더 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  3. 제1항에 있어서,
    상기 감정 분석을 수행하는 단계에서는,
    상기 직전 발화에 대한 표층 분석 수행결과 얻어진 형태소와 품사의 쌍에 대하여, 기 구축된 감정 정도 부사 사전에 포함되는 부사가 출현하는지 여부를 판단하는 단계; 및
    기 구축된 감정 정도 부사 사전에 포함되는 부사의 출현 빈도에 비례하여 감정의 강도를 판정하는 단계;를 통해 감정 독립 강도를 판정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  4. 제1항에 있어서,
    상기 감정 분석을 수행하는 단계에서는,
    상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 대한 감정의 종류를 판정하는 단계; 및
    기 구축된 감정 종류-부사 연관성 사전을 이용하여 상기 발화에 부사 출현시, 감정-부사 연관성 값으로 가중치를 주어 합산함으로써 감정의 강도를 판정하는 단계;를 통해 감정 의존 강도를 판정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  5. 제1항에 있어서,
    상기 대화 문맥 요소는 상기 직전 발화의 감정 분류 요소와 표층 요소; 및
    상기 직전 발화의 바로 전 소정 개수의 제1사용자 및 제2사용자 간의 발화 각각의 감정 분류 요소와 표층 요소;를 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  6. 제5항에 있어서,
    스티커를 선정하는 단계에서는 기 축적된 발화 데이터 가운데 상기 대화 문맥 요소에 포함된 감정 분류 요소들의 변화와 일치하며, 상기 직전 발화의 키워드에 부합하는 발화 데이터와 연관된 스티커들을 선정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  7. 제1항에 있어서,
    상기 표층 분석을 수행하는 단계 이전에,
    코퍼스(Corpus)에 대한 화행 및 감정 태그 부착을 통한 발화 데이터 축적 단계;를 더 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법.
  8. 제1사용자 단말기 및 제2사용자 단말기 간의 발화에 대한 표층 분석을 수행하는 자연어 처리수단;
    상기 표층 분석 결과를 이용하여 해당 발화에 대한 감정 분석을 수행하고, 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 분석 수단; 및
    대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 스티커 추천 수단;을 포함하고,
    상기 스티커 추천 수단은, 상기 소정 개수의 발화를 통해 분석된 제1 사용자와 제2 사용자의 관계 및 제1 사용자의 스티커 선호도를 더 고려하여 추천할 스티커를 선정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  9. 제8항에 있어서,
    상기 자연어 처리수단은 입력된 발화에 대한 구어체 문장을 교정하고, 상기 교정된 발화에 대하여 형태소를 분석하고 품사를 부착하며, 상기 분석된 형태소와 부착된 품사를 기준으로 키워드를 추출하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  10. 제8항에 있어서,
    기 구축된 감정 종류-부사 연관성 사전을 포함하는 감정 강도 분석 리소스;를 구비하되,
    상기 분석 수단은 상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 대한 감정의 종류를 판정하고, 상기 발화에 출현한 부사에 대해 감정 종류-부사 연관성 값으로 가중치를 주어 합산함으로써 감정의 강도를 판정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  11. 제10항에 있어서,
    상기 감정 종류-부사 연관성 사전은 감정의 종류마다 각각 해당 감정의 종류를 강화하는 부사들의 목록과, 해당 부사가 해당 감정의 종류를 강화하는 정도를 나타내는 지표인 감정 종류-부사 연관성을 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  12. 제8항에 있어서,
    기 구축된 감정 정도 부사 사전을 포함하는 감정 강도 분석 리소스;를 구비하되,
    상기 분석 수단은 상기 직전 발화에 대한 표층 분석 수행결과를 이용하여 상기 직전 발화에 상기 감정 정도 부사 사전에 포함되는 부사가 출현하는지 여부 및 출현 빈도를 판단하고, 이에 비례하여 감정의 강도를 판정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  13. 제12항에 있어서,
    상기 감정 정도 부사 사전은 감정 정도를 나타내는 부사의 목록을 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  14. 제8항에 있어서,
    상기 대화 문맥 요소는 상기 직전 발화의 감정 분류 요소와 표층 요소; 및
    상기 직전 발화의 바로 전 소정 개수의 제1사용자 및 제2사용자 간의 발화 각각의 감정 분류 요소와 표층 요소;를 포함하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  15. 제14항에 있어서,
    상기 스티커 추천 수단은 기 축적된 발화 데이터 가운데 상기 대화 문맥 요소에 포함된 감정 분류 요소들의 변화와 일치하며, 상기 직전 발화의 키워드에 부합하는 발화 데이터와 연관된 스티커들을 선정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 시스템.
  16. 제1사용자 단말기 및 제2사용자 단말기 간의 직전 발화에 대한 표층 분석을 수행하는 단계;
    상기 표층 분석 결과를 이용하여 상기 직전 발화에 대한 감정 분석을 수행하는 단계;
    상기 직전 발화를 포함하는 제1사용자 단말기 및 제2사용자 단말기 간의 연속 발화로서 소정 개수의 발화에 대한 표층 분석결과 및 감정 분석결과를 포함하는 대화 문맥 요소를 추출하는 단계;
    대화 문맥 요소를 이용하여 제1사용자에게 추천할 스티커를 선정하는 단계; 및
    상기 선정된 스티커를 제1사용자 단말기로 제공하는 단계;를 포함하고,
    상기 추천할 스티커를 선정하는 단계에서는, 상기 소정 개수의 발화를 통해 분석된 제1 사용자와 제2 사용자의 관계 및 제1 사용자의 스티커 선호도를 더 고려하여 추천할 스티커를 선정하는 것을 특징으로 하는 감정 분석을 통한 스티커 추천 방법을 실행하기 위한 명령어를 포함하는 기록매체에 수록된 컴퓨터 프로그램.
KR1020150008725A 2015-01-19 2015-01-19 감정 분석을 통한 스티커 추천 방법 및 시스템 KR101634086B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150008725A KR101634086B1 (ko) 2015-01-19 2015-01-19 감정 분석을 통한 스티커 추천 방법 및 시스템
US14/799,545 US9792279B2 (en) 2015-01-19 2015-07-14 Methods and systems for analyzing communication situation based on emotion information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150008725A KR101634086B1 (ko) 2015-01-19 2015-01-19 감정 분석을 통한 스티커 추천 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101634086B1 true KR101634086B1 (ko) 2016-07-08

Family

ID=56408009

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150008725A KR101634086B1 (ko) 2015-01-19 2015-01-19 감정 분석을 통한 스티커 추천 방법 및 시스템

Country Status (2)

Country Link
US (1) US9792279B2 (ko)
KR (1) KR101634086B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190123093A (ko) 2018-04-23 2019-10-31 부산대학교 산학협력단 감정 온톨로지에 기반을 둔 이모티콘 추천 장치 및 방법
KR20200082232A (ko) * 2018-12-28 2020-07-08 경희대학교 산학협력단 감성 분석 장치, 이를 포함하는 대화형 에이전트 시스템, 감성 분석을 수행하기 위한 단말 장치 및 감성 분석 방법

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9634855B2 (en) 2010-05-13 2017-04-25 Alexander Poltorak Electronic personal interactive device that determines topics of interest using a conversational agent
US10353542B2 (en) 2015-04-02 2019-07-16 Facebook, Inc. Techniques for context sensitive illustrated graphical user interface elements
KR20180070659A (ko) 2015-12-21 2018-06-26 구글 엘엘씨 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠
KR20180093040A (ko) 2015-12-21 2018-08-20 구글 엘엘씨 메시지 교환 스레드들에 대한 자동적인 제안들
US10387461B2 (en) 2016-08-16 2019-08-20 Google Llc Techniques for suggesting electronic messages based on user activity and other context
US10511450B2 (en) 2016-09-20 2019-12-17 Google Llc Bot permissions
CN117634495A (zh) 2016-09-20 2024-03-01 谷歌有限责任公司 基于消息贴纸的建议响应
US10015124B2 (en) 2016-09-20 2018-07-03 Google Llc Automatic response suggestions based on images received in messaging applications
US10416846B2 (en) 2016-11-12 2019-09-17 Google Llc Determining graphical element(s) for inclusion in an electronic communication
CN108075959B (zh) * 2016-11-14 2021-03-12 腾讯科技（深圳）有限公司 一种会话消息处理方法和装置
US10296586B2 (en) * 2016-12-23 2019-05-21 Soundhound, Inc. Predicting human behavior by machine learning of natural language interpretations
US10146768B2 (en) * 2017-01-25 2018-12-04 Google Llc Automatic suggested responses to images received in messages using language model
US10860854B2 (en) 2017-05-16 2020-12-08 Google Llc Suggested actions for images
US10404636B2 (en) 2017-06-15 2019-09-03 Google Llc Embedded programs and interfaces for chat conversations
US10348658B2 (en) 2017-06-15 2019-07-09 Google Llc Suggested items for use with embedded applications in chat conversations
CN107516533A (zh) * 2017-07-10 2017-12-26 阿里巴巴集团控股有限公司 一种会话信息处理方法、装置、电子设备
US10891526B2 (en) 2017-12-22 2021-01-12 Google Llc Functional image archiving
KR102448382B1 (ko) 2018-01-22 2022-09-28 삼성전자주식회사 텍스트와 연관된 이미지를 제공하는 전자 장치 및 그 동작 방법
US10699104B2 (en) 2018-05-03 2020-06-30 International Business Machines Corporation Image obtaining based on emotional status
JP7206370B2 (ja) * 2018-08-31 2023-01-17 グーグル エルエルシー 動的キーボードインターフェース内にアニメーション画像を配置するための方法およびシステム
US11199957B1 (en) * 2018-11-30 2021-12-14 Snap Inc. Generating customized avatars based on location information
KR102648993B1 (ko) 2018-12-21 2024-03-20 삼성전자주식회사 사용자의 감정 상태에 기반하여 아바타를 제공하기 위한 전자 장치 및 그에 관한 방법
CN113051427A (zh) * 2019-12-10 2021-06-29 华为技术有限公司 一种表情制作方法和装置
US11393462B1 (en) * 2020-05-13 2022-07-19 Amazon Technologies, Inc. System to characterize vocal presentation
US11695813B2 (en) * 2020-12-30 2023-07-04 Pattr Co. Conversational social network
CN114125485B (zh) * 2021-11-30 2024-04-30 北京字跳网络技术有限公司 图像处理方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100751396B1 (ko) 2005-11-03 2007-08-23 엘지전자 주식회사 문자 서비스 이모티콘 자동 변환 시스템 및 방법
KR20110026218A (ko) 2009-09-07 2011-03-15 동국대학교 산학협력단 문자 메시지 입력 장치 및 방법 그리고 그를 위한 프로그램을 기록한 기록 매체

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100377936B1 (ko) * 2000-12-16 2003-03-29 삼성전자주식회사 이동통신 단말기의 감정 아이콘 입력방법
US7669134B1 (en) * 2003-05-02 2010-02-23 Apple Inc. Method and apparatus for displaying information during an instant messaging session
WO2005043407A1 (en) * 2003-10-30 2005-05-12 Koninklijke Philips Electronics N.V. Method of predicting input
US20060122834A1 (en) * 2004-12-03 2006-06-08 Bennett Ian M Emotion detection device & method for use in distributed systems
US8726195B2 (en) * 2006-09-05 2014-05-13 Aol Inc. Enabling an IM user to navigate a virtual world
US8078450B2 (en) * 2006-10-10 2011-12-13 Abbyy Software Ltd. Method and system for analyzing various languages and constructing language-independent semantic structures
US9544180B2 (en) * 2007-08-31 2017-01-10 Qualcomm Incorporated Techniques for group messaging on a mobile computing device
US7983701B2 (en) * 2007-11-01 2011-07-19 International Business Machines Corporation Alerts based on significance of free format text messages
JP2010181993A (ja) * 2009-02-04 2010-08-19 Kddi Corp 絵文字を含む文章ファイルを評価する評価分析サーバ、方法及びプログラム
US20110301941A1 (en) * 2009-03-20 2011-12-08 Syl Research Limited Natural language processing method and system
US8588825B2 (en) * 2010-05-25 2013-11-19 Sony Corporation Text enhancement
US20130073480A1 (en) * 2011-03-22 2013-03-21 Lionel Alberti Real time cross correlation of intensity and sentiment from social media messages
US9870552B2 (en) * 2011-10-19 2018-01-16 Excalibur Ip, Llc Dynamically updating emoticon pool based on user targeting
US9348808B2 (en) * 2011-12-12 2016-05-24 Empire Technology Development Llc Content-based automatic input protocol selection
US20130159919A1 (en) * 2011-12-19 2013-06-20 Gabriel Leydon Systems and Methods for Identifying and Suggesting Emoticons
US9042923B1 (en) * 2012-02-08 2015-05-26 Fsp Llc Text message definition and control of multimedia
US20130218914A1 (en) * 2012-02-20 2013-08-22 Xerox Corporation System and method for providing recommendations based on information extracted from reviewers' comments
US20130247078A1 (en) * 2012-03-19 2013-09-19 Rawllin International Inc. Emoticons for media
US20140088954A1 (en) * 2012-09-27 2014-03-27 Research In Motion Limited Apparatus and method pertaining to automatically-suggested emoticons
WO2014068573A1 (en) * 2012-10-31 2014-05-08 Aniways Advertising Solutions Ltd. Custom emoticon generation
US20150149925A1 (en) * 2013-11-26 2015-05-28 Lenovo (Singapore) Pte. Ltd. Emoticon generation using user images and gestures
US10013601B2 (en) * 2014-02-05 2018-07-03 Facebook, Inc. Ideograms for captured expressions
KR101567789B1 (ko) * 2014-08-26 2015-11-11 숭실대학교산학협력단 상대적 감정 유사도를 이용한 단어의 쾌-불쾌 지수 예측 장치 및 방법
KR101641572B1 (ko) * 2015-01-19 2016-07-21 주식회사 엔씨소프트 상황 및 선호도 기반 대화 스티커 순위 결정 방법 및 컴퓨터 프로그램
KR101615848B1 (ko) * 2015-01-19 2016-04-26 주식회사 엔씨소프트 유사상황 검색을 통한 대화 스티커 추천방법 및 컴퓨터 프로그램
KR101583181B1 (ko) * 2015-01-19 2016-01-06 주식회사 엔씨소프트 응답 스티커 추천방법 및 컴퓨터 프로그램
KR20160089152A (ko) * 2015-01-19 2016-07-27 주식회사 엔씨소프트 화행 분석을 통한 스티커 추천 방법 및 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100751396B1 (ko) 2005-11-03 2007-08-23 엘지전자 주식회사 문자 서비스 이모티콘 자동 변환 시스템 및 방법
KR20110026218A (ko) 2009-09-07 2011-03-15 동국대학교 산학협력단 문자 메시지 입력 장치 및 방법 그리고 그를 위한 프로그램을 기록한 기록 매체

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
문헌 3. 김준혁, 박영웅, 하슬비, 최용석, "텍스트 마이닝을 이용한 Bigram-Signature 기반의 자동 이모티콘 추천 모듈", 2014년 한국컴퓨터종합학술대회 논문집, 대한민국(2014)
문헌 4. 이연수, 신중휘, 홍금원, 송영인, 이도길, 임해창, "다양한 언어적 자질을 고려한 발화간 유사도 측정방법", 한국음향학회지 제28권 제1호 pp.61~69, 대한민국(2009)
문헌 5. 홍금원, 이연수, 김민정, 이승욱, 이주영, 임해창, 한국어 모바일 대화형 에이전트 시스템", 韓國컴퓨터情報學會論文誌 第13卷第6號, 대한민국(2008. 11.)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190123093A (ko) 2018-04-23 2019-10-31 부산대학교 산학협력단 감정 온톨로지에 기반을 둔 이모티콘 추천 장치 및 방법
KR20200082232A (ko) * 2018-12-28 2020-07-08 경희대학교 산학협력단 감성 분석 장치, 이를 포함하는 대화형 에이전트 시스템, 감성 분석을 수행하기 위한 단말 장치 및 감성 분석 방법
KR102222637B1 (ko) * 2018-12-28 2021-03-03 경희대학교 산학협력단 감성 분석 장치, 이를 포함하는 대화형 에이전트 시스템, 감성 분석을 수행하기 위한 단말 장치 및 감성 분석 방법

Also Published As

Publication number Publication date
US20160210279A1 (en) 2016-07-21
US9792279B2 (en) 2017-10-17

Similar Documents

Publication Publication Date Title
KR101634086B1 (ko) 감정 분석을 통한 스티커 추천 방법 및 시스템
KR101583181B1 (ko) 응답 스티커 추천방법 및 컴퓨터 프로그램
KR20160089152A (ko) 화행 분석을 통한 스티커 추천 방법 및 시스템
KR101641572B1 (ko) 상황 및 선호도 기반 대화 스티커 순위 결정 방법 및 컴퓨터 프로그램
US11037553B2 (en) Learning-type interactive device
CN104239459B (zh) 语音搜索方法、装置和***
KR101615848B1 (ko) 유사상황 검색을 통한 대화 스티커 추천방법 및 컴퓨터 프로그램
KR101763679B1 (ko) 화행 분석을 통한 스티커 추천 방법 및 시스템
US11049493B2 (en) Spoken dialog device, spoken dialog method, and recording medium
KR101751113B1 (ko) 기억 능력을 이용하는 다중 사용자 기반의 대화 관리 방법 및 이를 수행하는 장치
CN111666380A (zh) 一种智能呼叫方法、装置、设备和介质
CN107797984A (zh) 智能交互方法、设备及存储介质
AU2019219717B2 (en) System and method for analyzing partial utterances
KR101160193B1 (ko) 감성적 음성합성 장치 및 그 방법
KR101677859B1 (ko) 지식 베이스를 이용하는 시스템 응답 생성 방법 및 이를 수행하는 장치
KR102100214B1 (ko) 음성 인식 기반의 세일즈 대화 분석 방법 및 장치
JP6994289B2 (ja) キャラクタ属性に応じた対話シナリオを作成するプログラム、装置及び方法
CN110910903A (zh) 语音情绪识别方法、装置、设备及计算机可读存储介质
CN113505606B (zh) 一种培训信息获取方法、装置、电子设备及存储介质
CN108538292B (zh) 一种语音识别方法、装置、设备及可读存储介质
CN113850291A (zh) 文本处理及模型训练方法、装置、设备和存储介质
CN109002498B (zh) 人机对话方法、装置、设备及存储介质
CN113850290B (zh) 文本处理及模型训练方法、装置、设备和存储介质
CN115292495A (zh) 情绪分析方法、装置、电子设备及存储介质
CN112686059A (zh) 文本翻译方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190530

Year of fee payment: 4