KR102537165B1 - 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 - Google Patents
음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 Download PDFInfo
- Publication number
- KR102537165B1 KR102537165B1 KR1020230000740A KR20230000740A KR102537165B1 KR 102537165 B1 KR102537165 B1 KR 102537165B1 KR 1020230000740 A KR1020230000740 A KR 1020230000740A KR 20230000740 A KR20230000740 A KR 20230000740A KR 102537165 B1 KR102537165 B1 KR 102537165B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- important information
- determining
- information
- voice recognition
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 239000000463 material Substances 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 20
- 230000005236 sound signal Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000036961 partial effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 description 116
- 230000006870 function Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012015 optical character recognition Methods 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013498 data listing Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
-
- 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
- G10L15/08—Speech classification or search
- G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/221—Announcement of recognition results
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Machine Translation (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
Abstract
본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법이 개시된다. 상기 방법은, 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 단계; 참조 데이터를 획득하는 단계; 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계; 및 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계를 포함할 수 있다.
Description
본 발명은 복수의 데이터에서 중요 부분을 결정하는 방법에 관한 것으로, 보다 구체적으로 음성 인식 결과 및 참조 데이터 사이에서 중요 부분들을 결정하고 서로 연계시키는 기술에 관한 것이다.
요즘은 정보의 홍수 시대로, 정보가 너무 많아서 문제가 되는 세상이다. 음성 인식(STT; Speech to Text) 서비스를 이용하는 사용자들은, 보아야 하는 자료의 종류가 너무 많다는 문제가 있다. 예를 들어, 인터넷 강의를 학습에 활용하기 위해 음성 인식(STT) 서비스를 이용하는 대학생은 강의 녹화 영상, 음성을 음성 인식(STT)한 결과 텍스트, 필기한 내용 또는 강의 자료 pdf 등을 모두 보아야 한다.
사용자 입장에서는 이 다양하고 방대한 자료들 모두를 보기는 힘들 수 있고, 중요 부분만 발췌하여 보고싶을 수 있다. 그러나 연관되어 있는 복수의 데이터(예컨대, 음성인식 결과 텍스트, 필기 노트, 관련 컨텐츠) 중 중요 부분이 어디인지, 그리고 각 중요 부분에 대응하는 부분들은 어디인지를 몰라 복수의 데이터 각각에서 중요 부분을 확인해야 하는 불편함이 존재한다.
대한민국 등록특허 제 10-1449430호(2014.10.02)는 컨텐츠의 요약 재생 정보 생성 방법 및 장치에 관하여 개시한다.
본 개시는 음성 인식(STT) 결과와 참조 데이터 사이에서 중요 부분들을 결정하고, 결정된 중요 부분들을 서로 연계시키는 방법을 제공하는 것을 목적으로 한다.
한편, 본 개시가 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨팅 장치에 의해 수행되는 방법이 개시된다. 상기 방법은, 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 단계; 참조 데이터를 획득하는 단계; 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계; 및 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계는, 사용자 입력에 기초하여 상기 제 1 중요 정보를 결정하는 단계; 또는 미리 결정된 키워드(keyword) 정보에 기초하여 상기 제 1 중요 정보를 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다.
일 실시예에서, 상기 미리 결정된 키워드 정보에 기초하여 상기 제 1 중요 정보를 결정하는 단계는, 상기 미리 결정된 키워드 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터를 선택하는 단계; 및 상기 미리 결정된 키워드 정보에 기초하여, 상기 선택된 데이터에서, 상기 제 1 중요 정보를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 미리 결정된 키워드 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터를 선택하는 단계는, 상기 음성 인식 데이터 및 상기 참조 데이터 중, 상기 미리 결정된 키워드와 유사한 단어를 더 많이 포함하고 있는 데이터를 선택하는 단계를 포함하고, 상기 미리 결정된 키워드와 유사한 단어는, 편집 거리 분석에 기초하여 결정될 수 있다.
일 실시예에서, 상기 미리 결정된 키워드 정보에 기초하여, 상기 선택된 데이터에서, 상기 제 1 중요 정보를 결정하는 단계는, 상기 선택된 데이터에서, 상기 미리 결정된 키워드와의 유사도가 가장 높은 부분을 식별하고, 식별된 부분에 기초하여 상기 제 1 중요 정보를 결정하는 단계를 포함하고, 상기 미리 결정된 키워드와의 유사도는, 편집 거리 분석에 기초하여 결정될 수 있다.
일 실시예에서, 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는, 상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계; 상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계; 상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계; 또는 시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다.
일 실시예에서, 상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계는, 상기 다른 데이터에서, 상기 제 1 중요 정보와 동일한 단어 또는 유사한 단어를 임계치 이상 포함하는 부분을 식별하는 단계; 및 상기 식별된 부분을 상기 제 2 중요 정보로서 결정하는 단계를 포함하고, 상기 유사한 단어는, 편집 거리에 기초하여 식별될 수 있다.
일 실시예에서, 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는, 상기 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 생성하는 단계; 및 상기 다른 데이터에서, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 결정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는, 상기 다른 데이터에서, 상기 제 1 중요 정보와 상이한 언어 단위를 상기 제 2 중요 정보로서 결정하는 단계를 포함하고, 상기 상이한 언어 단위는, 단어 단위, 문장 단위, 또는 문단 단위를 포함할 수 있다.
일 실시예에서, 상기 참조 데이터는, 상기 음성 인식 데이터와의 유사도 분석에 기초하여 식별되고, 상기 유사도 분석은, 편집거리 분석을 포함할 수 있다.
일 실시예에서, 상기 참조 데이터는, 상기 음성 신호와 연관되는 노트 데이터; 상기 음성 신호와 연관되는 컨텐츠 데이터; 또는 상기 음성 신호와 연관되는 학습 자료 데이터 중 적어도 하나의 데이터를 포함할 수 있다.
일 실시예에서, 상기 방법은, 추가적인 참조 데이터를 획득하는 단계; 상기 추가적인 참조 데이터에서, 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관된 제 3 중요 정보를 결정하는 단계; 및 상기 제 1 중요 정보, 상기 제 2 중요 정보, 및 상기 제 3 중요 정보를 서로 연관시키는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 방법은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터를 재구성하고, 재구성 음성 인식 데이터를 제공하는 단계를 더 포함하고, 상기 재구성 음성 인식 데이터는, 중요 부분으로 결정된 음성 인식 데이터만을 포함하고, 상기 재구성 음성 인식 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함할 수 있다.
일 실시예에서, 상기 방법은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 참조 데이터를 재구성하고, 재구성 참조 데이터를 생성하는 단계를 더 포함하고, 상기 참조 데이터가 영상 데이터를 포함하는 경우, 상기 재구성 참조 데이터는, 중요 부분으로 결정된 부분 영상들만을 이어 붙여서 생성될 수 있다.
일 실시예에서, 상기 방법은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터에 대한 요약 정보를 생성하는 단계를 더 포함하고, 상기 요약 정보는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하는 가중치를 활용하여 생성될 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따라 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 상기 하나 이사의 프로세서로 하여금, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은: 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 동작; 참조 데이터를 획득하는 동작; 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 동작; 및 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 동작을 포함할 수 있다.
전술한 바와 같은 과제를 실현하기 위한 본 개시의 일 실시예에 따른 컴퓨팅 장치가 개시된다. 상기 장치는, 적어도 하나의 프로세서; 및 메모리를 포함하고, 상기 적어도 하나의 프로세서는, 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하고; 참조 데이터를 획득하고; 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하고; 그리고 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하도록 구성될 수 있다.
본 개시는 음성 인식(STT) 결과와 참조 데이터 사이에서 중요 부분들을 결정하고, 결정된 중요 부분들을 서로 연계시키는 방법을 제공할 수 있으며, 이를 통해 음성 인식과 관련된 향상된 UX(User Experience)를 구현할 수 있다. 또한, 본 개시는, 음성 인식(STT) 결과와 참조 데이터 사이에서 서로 연관된 중요 부분들을 결정하기 위한 기술적 솔루션들을 제공할 수 있다.
한편, 본 개시의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 개시의 일 실시예에 따른 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타내는 개략도이다.
도 3은 본 개시의 일 실시예에 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위한 복수의 모듈들의 블록 구성도이다.
도 4는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 STT결과-노트 UI를 예시적으로 나타낸 도면이다.
도 5는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 STT결과-연관 컨텐츠 UI를 예시적으로 나타낸 도면이다.
도 6은 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 연관 컨텐츠-노트 UI를 예시적으로 나타낸 도면이다.
도 7은 본 개시의 일 실시예에 따른 별도 페이지에서 중요 정보들을 모아서 제공되는 UI를 예시적으로 나타낸 도면이다.
도 8은 본 개시의 일 실시예에 따른 특정 단어에 대해 하이라이트를 선택한 경우 오른쪽에 참조 데이터에서의 중요 정보들만 모아서 함께 제공되는 화면을 예시적으로 나타낸 도면이다.
도 9는 본 개시의 일 실시예에 따른 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법에 대한 흐름도이다.
도 10은 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타내는 개략도이다.
도 3은 본 개시의 일 실시예에 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위한 복수의 모듈들의 블록 구성도이다.
도 4는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 STT결과-노트 UI를 예시적으로 나타낸 도면이다.
도 5는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 STT결과-연관 컨텐츠 UI를 예시적으로 나타낸 도면이다.
도 6은 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 중요 정보라고 결정된 경우의 연관 컨텐츠-노트 UI를 예시적으로 나타낸 도면이다.
도 7은 본 개시의 일 실시예에 따른 별도 페이지에서 중요 정보들을 모아서 제공되는 UI를 예시적으로 나타낸 도면이다.
도 8은 본 개시의 일 실시예에 따른 특정 단어에 대해 하이라이트를 선택한 경우 오른쪽에 참조 데이터에서의 중요 정보들만 모아서 함께 제공되는 화면을 예시적으로 나타낸 도면이다.
도 9는 본 개시의 일 실시예에 따른 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법에 대한 흐름도이다.
도 10은 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.
본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.
그리고, "A 또는 B 중 적어도 하나"이라는 용어는, "A만을 포함하는 경우", "B 만을 포함하는 경우", "A와 B의 구성으로 조합된 경우"를 의미하는 것으로 해석되어야 한다.
당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예 들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
본 개시에서 네트워크 함수와 인공 신경망 및 뉴럴 네트워크(neural network)는 상호 교환 가능하게 사용될 수 있다.
도 1은 본 개시의 일 실시예에 따른 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하기 위한 컴퓨팅 장치의 블록 구성도이다.
도 1에 도시된 컴퓨팅 장치(100)의 구성은 간략화 하여 나타낸 예시일 뿐이다. 본 개시의 일 실시예에서 컴퓨팅 장치(100)는 컴퓨팅 장치(100)의 컴퓨팅 환경을 수행하기 위한 다른 구성들이 포함될 수 있고, 개시된 구성들 중 일부만이 컴퓨팅 장치(100)를 구성할 수도 있다.
컴퓨팅 장치(100)는 프로세서(110), 메모리(130), 네트워크부(150)를 포함할 수 있다.
프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(110)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(150)가 수신한 임의의 형태의 정보를 저장할 수 있다.
본 개시의 일 실시예에 따르면, 메모리(130)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(130)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에 따른 네트워크부(150)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.
또한, 본 명세서에서 제시되는 네트워크부(150)는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.
본 개시에서 네트워크부(150)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(LAN: Local Area Network), 개인 통신망(PAN: Personal Area Network), 광역 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다.
본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들 뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
도 2는 본 개시의 일 실시예에 따라 네트워크 함수를 나타낸 개략도이다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드의 데이터는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 링크는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망은 하나 이상의 노드들의 집합으로 구성될 수 있다. 신경망을 구성하는 노드들의 부분 집합은 레이어(layer)를 구성할 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들을 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다.
본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨볼루션 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 적대적 생성 네트워크(GAN: Generative Adversarial Network) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.
본 개시의 일 실시예에서 네트워크 함수는 오토 인코더(autoencoder)를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 차원과 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 교사 학습(supervised learning), 자기 교사 학습(self-supervised learning), 비교사 학습(unsupervised learning), 반교사학습(semi supervised learning), 또는 강화학습(reinforcement learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 뉴럴 네트워크가 특정한 동작을 수행하기 위한 지식을 뉴럴 네트워크에 적용하는 과정일 수 있다.
뉴럴 네트워크는 출력의 오류를 최소화하는 방향으로 학습될 수 있다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 비활성화하는 드롭아웃(dropout), 배치 정규화 레이어(batch normalization layer)의 활용 등의 방법이 적용될 수 있다.
본 개시의 일 실시예에 따르면, 음성 인식(STT or ASR; Speech To Text, or Automatic Speech Recognition)은, 음성을 텍스트로 바꾸는 받아쓰기 기술이다. 달리 말해, 음성 인식(STT)은, 음성에 대응되는 (맞춤법에 맞는) 텍스트를 생성하는 기술이다. 이러한 음성 인식(STT)의 입력(Input)은 음성 신호, 음성 신호를 변환한 스펙트로그램(spectrogram), 또는 음성 특징(feature) 중 적어도 어느 하나를 포함할 수 있다. 또한, 음성 인식(STT)의 출력(Output)은 문자열 형태의 텍스트이다. 한편, 음성 인식(STT) 모델은, 신경망 모델을 포함하는 다양한 형태의 모델로 구현될 수 있다. 또한, 음성 인식(STT) 모델은 구현된 방식에 따라 모듈화된 방식과 모듈화되지 않은 end-to-end(e2e) 방식으로 나누어질 수 있다. 여기서, 모듈화된 방식은 음향 모델(음성신호가 어떤 형태로 표현될 수 있는지를 나타내는 모델), 언어 모델(주어진 문장 및 단어를 바탕으로 단어에 발생 확률을 부여하는 모델), 발음사전 등으로 나누어 음성인식을 수행하는 전통적인 방식의 모델(예컨대, Kaldi toolkit 기반 ASR 중 일부 모델, Hybrid-ASR 모델 등) 등을 포함할 수 있으나 이에 한정되는 것은 아니다. 반면, 모듈화되지 않은 방식은 주로 e2e 모델(예컨대, transformer-based encoder decoder 모델 등)을 의미하며, 하위 모듈을 두지 않으면서 많은 데이터를 학습시켜 모델이 생성될 수 있다. 한편, 디코딩(Decoding) 기법에는 빔 서치(Beam Search) 기법이 대표적이며, 빔 서치 기법은, 상황에 맞춰 제일 정답에 가까운 단어 하나만 예측하는 것이 아니라, 다양한 가능성을 열어 두고 문장 전체를 고려하여 가장 최적의 정답을 찾아내는 방법이다.
본 개시의 일 실시예에 따르면, 편집 거리(edit distance)는, 다양한 방식으로 결정될 수 있다. 예를 들어, 편집 거리는, 문자열 두 개가 있을 때, 둘 중 한 문자열을 다른 문자열로 변환시킬 때에 필요한 최소 편집 개수로서 정의될 수 있다. 또한, 여기서 편집의 종류는, 문자 삭제(deletion), 삽입(insertion), 교체(substitution) 등을 포함할 수 있다. 또한, 편집 거리는 발음 기준으로 연산 되거나, 텍스트 기준으로 연산 될 수 있다. 예를 들어, 편집 거리는, 텍스트를 발음 기호로 변환하는 것에 기초하여 연산 되거나, 텍스트 자체에 기초하여 연산(예컨대, 자소 단위로 연산) 될 수도 있다. 또한, 편집 거리 알고리즘은 Levenshtein distance, Longest common subsequence, Hamming distance 등을 포함할 수 있으며, 이러한 알고리즘 이외에도 다양한 알고리즘을 포함할 수 있다.
한편, 텍스트 정보(T)와 키워드 집합(Q = {q1, q2, ..., qn})(이때, T와 qi는 모두 길이 1 이상의 문자열)과 관련하여, 텍스트 정보(T) 중 키워드 집합(Q)의 임의의 요소(element)와의 편집 거리가 임계치 이하인 문자열 구간을 검색할 때, 나이브(naive)한 편집 거리 알고리즘 또는 단순한 편집 거리 연산 알고리즘이 이용되는 경우, 런타임이 기하급수적으로 늘어난다는 문제점이 존재한다. 본 개시의 일 실시예에 따른, 컴퓨팅 장치(100)는 이를 해결하기 위해, 텍스트 정보(T) 또는 키워드 집합(Q)에 포함되는 복수의 문자열들에 대한 근사(approximate) 정보를 활용할 수 있으며, 근사화된 정보를 활용하여 검색을 수행할 수도 있다. 예를 들어, 본 개시의 일 실시예에 따른 컴퓨팅 장치(100)는 다중 문자열 근사 매칭 알고리즘(multi-string approximate (fuzzy) matching algorithm)을 이용하여 텍스트 정보(T)에 포함된 단어들 중 키워드 집합(Q)과의 편집 거리가 임계치 이하인 단어를 유사 단어로 결정할 수 있다.
예시적으로, 컴퓨팅 장치(100)는, 탐색할 키워드(q)가 1개인 경우(예컨대, 키워드 집합 Q의 크기가 1일 때) PEX 알고리즘(algorithm)을 이용하여 텍스트 정보(T)에 포함된 단어들 중 키워드(q)와의 편집 거리가 임계치 이하인 단어를 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 텍스트 정보(T)에서 키워드(q, Q의 유일한 element)와의 편집 거리가 임계치(k) 이하인 구간을 결정할 수 있으며, 결정된 구간에 기초하여 단어들을 식별할 수 있다. 이 경우, 컴퓨팅 장치(100)는 "텍스트 정보(T)에 정답 구간(즉, 키워드와의 편집 거리가 임계치(k) 이하인 구간)이 존재할 경우, 키워드(q)를 k+1개의 요소들로 분할하면, k+1개의 요소들 중 최소 한 개는 그 정답 구간 속에 존재한다"라는 전제에 기초하여, 텍스트 정보(T)에서 키워드(q)와의 편집 거리가 임계치(k) 이하인 구간을 결정할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 키워드(q)를 k+1개의 요소(element)들로 분할한 뒤에, Multi-string exact matching algorithm(예컨대, Aho-corasick 등)을 이용하여 텍스트 정보(T)에서 상기 k+1개의 요소들을 탐색할 수 있으며, 텍스트 정보(T)에서 상기 k+1개의 요소들 중 적어도 하나의 요소가 탐색되는 경우, 탐색된 요소 주변의 구간(예컨대, 검색된 요소의 양 쪽으로 키워드(q)의 길이만큼의 구간)에서 편집 거리가 임계치(k) 이하인 단어를 식별할 수 있다. 또한, 컴퓨팅 장치(100)는 텍스트 정보(T)에서 상기 k+1개의 요소들이 모두 탐색되지 않는 경우, "텍스트 정보(T) 내에, 키워드(q)와의 편집 거리가 임계치(k) 이하인 단어가 존재하지 않는다"라고 결정할 수 있다.
다른 예를 들어, 컴퓨팅 장치(100)는 탐색할 키워드가 2개 이상인 경우(예컨대, 키워드 집합 Q의 크기가 2 이상일 때) Multi-PEX algorithm을 이용하여 텍스트 정보(T)에 포함된 단어들 중 키워드(q1, q2, ...)와의 편집 거리가 임계치 이하인 단어를 결정할 수 있다. 먼저, 컴퓨팅 장치(100)는 키워드 집합(Q)에 포함된 모든 키워드들(q1, q2, ...) 각각을 k+1개의 요소들로 분할할 수 있다. 또한, 컴퓨팅 장치(100)는 모든 키워드 집합(Q)의 요소들을 한 번에 같은 Multi-string exact matching algorithm에 적용하여 탐색할 수 있다. 일 예로, 컴퓨팅 장치(100)는, 아호 코라식(Aho-corasick) 알고리즘을 이용할 경우, 한 개의 트라이(trie)에 모든 키워드 집합(Q)의 요소들을 포함하여 탐색할 수 있다. 또한, 컴퓨팅 장치(100)는 텍스트 정보(T) 내에 키워드 집합(Q)의 적어도 하나의 요소가 존재하는 경우, 해당 요소 주변의 텍스트(예컨대, 양 쪽으로 키워드(q1, q2, ...)의 길이만큼) 구간에서 편집 거리가 임계치(k) 이하인 단어가 존재하는지 탐색할 수 있다. 또한, 컴퓨팅 장치(100)는 텍스트 정보(T)에서 탐색된 키워드 집합(Q)의 요소가 존재하지 않은 경우, 텍스트 정보(T)에 "키워드 집합(Q)과의 편집 거리가 임계치(k) 이하인 단어가 존재하지 않는다"라고 결정할 수 있다.
참고로, 음성 인식 데이터는 음성 인식 결과 텍스트 정보(T), 텍스트 정보(T), 음성 인식 결과, STT 결과 텍스트 등으로 혼용되어 사용될 수 있으나, 상술된 단어들이 "음성 신호에 대하여 음성 인식을 수행하여 생성된 텍스트 데이터"인 의미는 변동되지 않는다.
본 개시는 "음성 인식 결과(STT; Speech-To-Text)" 및 "참조 데이터"로부터 중요 부분(중요 정보)을 결정하는 방법에 관한 것이다. 보다 구체적으로, 본 개시는 ① 입력된 오디오에 대해 STT를 수행(예컨대, 비디오 파일인 경우, 오디오-이미지 분리 후 오디오 파일에 대해 수행)하고, ② STT 결과 텍스트와 참조 데이터 중 하나인 제 1 데이터에서 제 1 중요 정보를 결정하고, ③ STT 결과 텍스트와 참조 데이터 중 제 1 데이터와 다른 제 2 데이터에서 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하고, ④ 중요 부분들을 재구성하는 방법에 관한 것이다. 여기서, 참조 데이터는 입력된 영상 및 음성을 기반으로 사용자가 직접 기록한 노트(=memo) 데이터, 입력된 영상 및 음성과 연관되는 컨텐츠 데이터 또는 입력된 영상 및 음성과 연관되는 학습 자료 데이터(예컨대, PDF 강의자료) 중 적어도 어느 하나의 데이터를 포함할 수 있다. 일 실시예로, 상기 컨텐츠 데이터 또는 학습 자료 데이터는 사용자가 직접 업로드한 데이터일 수도 있고, 미리 결정된 키워드 및/또는 편집거리에 기초하여 추천된 데이터일수 있다.
도 3은 본 개시의 일 실시예에 따른 "음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위한 복수의 모듈들"의 블록 구성도이다.
도 3을 참조하면, 컴퓨팅 장치(100)는, 입력 모듈(10), STT 모듈(20), 참조 데이터 생성 모듈(30), 제 1 중요 정보 결정 모듈(40), 제 2 중요 정보 결정 모듈(50) 및 재구성 모듈(60)을 포함할 수 있다. 한편, 이러한 컴퓨팅 장치(100)에 포함될 수 있는 복수의 모듈들은, 프로세서(110)에 의해 제어되거나, 또는 프로세서(110)의 동작에 의해 구현될 수 있다. 또한, 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위해 컴퓨팅 장치(100)에 포함될 수 있는 모듈들은, 이상에서 살핀 복수의 모듈들로 한정되는 것이 아니며, 추가적인 모듈들이 포함될 수 있다. 이하에서 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하기 위한 예시적인 복수의 모듈들에 대해 보다 구체적으로 설명하기로 한다.
본 개시의 일 실시예에 따르면, 입력 모듈(10)은 오디오 신호 또는 오디오 신호가 변환된 스펙트로그램(spectrogram)을 입력받을 수 있다. 일례로, 입력된 오디오 신호 또는 스펙트로그램은 비디오(예컨대: Youtube 영상, 강의 녹화 영상, 대화 녹음 음성 파일 등)로부터 추출된 것일 수 있다.
본 개시의 일 실시예에 따르면, STT 모듈(20)은 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득할 수 있다. STT 모듈(20)은 입력 모듈(10)에서 입력 받은 오디오 신호에 대해 음성 인식(STT)을 수행하여 음성 인식 결과 텍스트 데이터를 출력할 수 있다. 참고로, STT 모듈(20)은 딥러닝에 기초한 신경망 모델로 구성될 수 있다. 또한, STT 모듈(20)은 음성 인식(STT) 처리에 앞서 입력받은 오디오에 대하여 노이즈 제거 및 음성 향상(speech enhancement), 음성 검출(VAD, Voice Activity Detection), 화자 분리(Speaker Diarization) 등의 전처리를 수행할 수 있다. 또한, STT 모듈(20)은 STT 결과 텍스트를 교정하는 후처리 모듈로 음성 인식 보정 모듈(ASR correction module) 또는 문장 부호 삽입 모듈을 포함할 수도 있다. 한편, STT 모델의 종류에 따라, 전처리 또는 후처리 모듈이 별도로 존재하지 않고 End-to-End 모델 내에서 각 기능들이 구현될 수도 있다.
본 개시의 일 실시예에 따르면, 참조 데이터 생성 모듈(30)은, 참조 데이터를 획득할 수 있다. 여기서, 상기 참조 데이터는, 상기 음성 신호와 연관되는 노트 데이터, 상기 음성 신호와 연관되는 컨텐츠 데이터 또는 상기 음성 신호와 연관되는 학습 자료 데이터 중 적어도 하나의 데이터를 포함할 수 있다. 이때, 참조 데이터는, 상기 음성 인식 데이터와의 유사도 분석에 기초하여 식별 또는 외부로부터 검색될 수 있다. 유사도 분석은, 앞서 상술한 편집거리 분석을 포함할 수 있다. 또한, 참조 데이터 생성 모듈(30)은 음성 인식 데이터에 기초하여 미리 결정된 키워드와 유사한 단어(유사 단어)를 더 많이 포함하고 있는 데이터를 참조 데이터로서 획득할 수도 있다. 예를 들어, 사용자 컴퓨터 로컬(local)에 저장되어 있던 데이터, 외부(예: 웹사이트)로부터 검색된 데이터 등이 참조 데이터로서 획득될 수 있다. 또한, 참조 데이터 생성 모듈(30)은 사용자가 직접 업로드한 데이터를 참조 데이터로서 획득할 수도 있다. 일 실시예에 따르면, 참조 데이터 생성 모듈(30)은 이미지나 PDF와 같은 학습 자료 데이터의 경우 OCR(Optical character recognition) 등의 기술에 기초하여 텍스트로 변환할 수 있다. 또한, 참조 데이터 생성 모듈(30)은 사용자가 학습 자료 데이터에 필기를 수행한 경우에도, 필기 내용을 OCR 등의 기술을 이용하여 텍스트로 변환할 수 있다.
본 개시의 일 실시예에 따르면, 제 1 중요 정보 결정 모듈(40)은, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정할 수 있다. 여기서, 제 1 중요 정보는, 단어 단위, 문장 단위, 문단 단위 등을 포함할 수 있다. 예시적으로, 제 1 중요 정보 결정 모듈(40)은 i) 사용자 입력에 기초하여, 제 1 중요 정보를 결정하거나, ii) 미리 결정된 키워드(keyword) 정보에 기초하여 상기 제 1 중요 정보를 결정할 수도 있다.
먼저, 제 1 중요 정보 결정 모듈(40)은 i) "사용자 입력에 기초하여, 제 1 중요 정보를 결정"할 수 있다. 예를 들어, 제 1 중요 정보 결정 모듈(40)은 사용자가 사용자 단말을 이용하여 음성을 청취하거나 영상을 시청하다가 중요하다고 결정한 정보를 제 1 중요 정보로서 결정할 수 있다. 또한, 제 1 중요 정보 결정 모듈(40)은 음성 인식 데이터 및 참조 데이터 중 하나의 데이터에서 미리 하이라이트 해 높은 부분을 인식하여 해당 부분을 제 1 중요 정보로서 결정할 수도 있다. 참고로, 사용자가 제 1 중요 정보를 결정하는 시점은 음성 인식 데이터가 획득되기 이전 또는 음성 인식 데이터가 획득된 이후일 수 있다. 예를 들어, 제 1 중요 정보 결정 모듈(40)은 사용자가 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터에서 선택한 중요 정보를 상기 제 1 중요 정보로서 결정할 수 있다(즉, 음성 인식 데이터가 획득된 이후 사용자가 제 1 중요 정보를 결정할 수 있다). 또한, 제 1 중요 정보 결정 모듈(40)은 사용자가 음성을 청취하거나 영상을 시청하다가 참조 데이터에 중요 정보를 표시(예컨대, 하이라이트)하고, 추후 업로드한 해당 참조 데이터에서 표시된 부분을 인식하여 해당 부분을 제 1 중요 정보를 결정할 수도 있다(즉, 음성 인식 데이터 획득 이전에 사용자가 제 1 중요 정보를 결정할 수도 있다). 예를 들어, 사용자가 강의를 들으며 학습 자료에 하이라이트 하고 해당 강의에 음성 인식을 수행하고 해당 학습 자료를 참조 데이터로 업로드한 경우, 제 1 중요 정보 결정 모듈(40)은 참조 데이터인 강의자료에서 하이라이트된 부분을 제 1 중요 정보로 결정할 수 있다.
다음으로, 제 1 중요 정보 결정 모듈(40)은 ii) "미리 결정된 키워드(keyword) 정보에 기초하여 상기 제 1 중요 정보를 결정"할 수 있다. 일례로, 미리 결정된 키워드 정보는, 사용자가 대학교 강의를 수강한다면 해당 강의와 관련된 주요 키워드를 사용자가 입력해 놓은 사전 정보를 포함할 수 있다. 참고로, 사전 정보는, 사용자가 음성을 청취하거나, 영상을 시청하는 동안 참조 데이터에 포함된 노트 데이터에 입력한 텍스트 정보 또는 음성을 청취하거나 영상을 시청하는 동작이 끝난 이후 사용자가 생각나는 주요 키워드를 입력한 텍스트 정보 등을 포함할 수 있다. 또한, 미리 결정된 키워드 정보는, TF-IDF(Term Frequency-Inverse Document Frequency) 기술, 음성 인식 데이터에 대해 주제 별로 문단을 구분하는 기술(topic segmentation), 구분된 문단 별로 주제를 결정하는 기술(text classification) 등을 이용하여 결정될 수 있다.
보다 구체적으로, 제 1 중요 정보 결정 모듈(40)은 "상기 미리 결정된 키워드 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터를 선택하는 동작", 및 "상기 미리 결정된 키워드 정보에 기초하여, 상기 선택된 데이터에서, 상기 제 1 중요 정보를 결정하는 동작"을 수행할 수 있다. 예를 들어, 제 1 중요 정보 결정 모듈(40)은 미리 설정된 키워드 정보(예컨대, 사전 정보)에 기초하여, 음성 인식 데이터 및 참조 데이터 중 하나의 데이터를 선택할 수 있다. 일 실시예에서, 제 1 중요 정보 결정 모듈(40)은 음성 인식 데이터에 미리 결정된 키워드가 상대적으로 많이 포함된 경우 상기 음성 인식 데이터를 제 1 데이터로서 선택할 수 있다. 또한, 제 1 중요 정보 결정 모듈(40)은 선택된 음성 인식 데이터(제 1 데이터) 중 미리 결정된 키워드가 상대적으로 많이 포함되어 있는 부분을 제 1 중요 정보로서 결정할 수 있다.
일 실시예에 따르면, 제 1 중요 정보 결정 모듈(40)은 편집 거리에 기초하는 키워드 분석을 통해, 제 1 중요 정보가 생성될 데이터를 선택하고, 선택된 데이터에서 미리 결정된 키워드와의 유사도가 가장 높은 부분을 식별하고, 식별된 부분에 기초하여 상기 제 1 중요 정보를 결정할 수 있다. 보다 구체적인 예를 들어, 제 1 중요 정보 결정 모듈(40)은 상기 음성 인식 데이터 및 상기 참조 데이터 중, 상기 미리 결정된 키워드와 유사한 단어를 더 많이 포함하고 있는 데이터를 선택할 수 있다. 이때, 미리 결정된 키워드와 유사한 단어는, 상술한 편집 거리 분석에 기초하여 결정될 수 있다. 또한, 제 1 중요 정보 결정 모듈(40)은 상기 선택된 데이터에서, 상기 미리 결정된 키워드와의 유사도가 가장 높은 부분을 식별하고, 식별된 부분에 기초하여 상기 제 1 중요 정보를 결정할 수 있다. 이때, 상기 미리 결정된 키워드와의 유사도는, 상술한 편집 거리 분석에 기초하여 결정될 수 있다. 일례로, 미리 결정된 키워드가 "다글로"라고 할 때, 음성 인식 결과 텍스트 정보 중에서 "다글로"와의 편집 거리가 임계치 이하인 "다굴로", "다궁로", "다긍로" 등의 단어들을 식별할 수 있으며, 식별된 단어들을 "미리 결정된 키워드와 유사한 단어(예컨대, 유사 단어)"로서 결정할 수 있다. 예시적으로, 제 1 중요 정보 결정 모듈(40)은 음성 인식 데이터 및 참조 데이터 중 미리 결정된 키워드(예컨대, "다글로")와 유사한 단어(예컨대, "다굴로", "다궁로", "다긍로")를 더 많이 포함하고 있는 데이터인 음성 인식 데이터를 제 1 데이터로 선택할 수 있다. 또한, 제 1 중요 정보 결정 모듈(40)은 선택된 데이터인 음성 인식 데이터(제 1 데이터)에서, 미리 결정된 키워드(예컨대, "다글로")와의 유사도가 가장 높은 부분(예컨대, "다굴로", "다궁로", "다긍로" 등이 포함된 문장, 문단, 등)을 식별하고, 식별된 부분에 기초하여 상기 제 1 중요 정보를 결정할 수 있다. 참고로, 제 1 중요 정보 결정 모듈(50)은, "음성 인식 데이터의 경우 일부가 잘못되는 대체(substitution)되는 오류가 빈번하게 발생하는 문제점" 또는 "참조 데이터의 경우 OCR에 의해 문자가 잘못 인식되는 오류가 발생될 수 있는 문제점"을 고려하여, 편집거리 기반 유사 단어까지 확인하여 미리 결정된 키워드가 포함되었는지 판단하고 제 1 중요 정보를 결정할 수 있다.
본 개시의 일 실시예에 따르면, 제 2 중요 정보 결정 모듈(50)은, 상기 음성 인식 데이터 및 상기 참조 데이터 중 제 1 중요 정보가 결정된 데이터(제 1 데이터)와 다른 데이터(제 2 데이터)에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정할 수 있다. 예를 들어, 제 2 중요 정보 결정 모듈(50)은, 제 1 중요 정보 결정 모듈(40)에 의해 음성 인식 데이터에서 제 1 중요 정보가 결정된 경우, 참조 데이터에서 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정할 수 있다. 또 다른 예로, 제 1 중요 정보 결정 모듈(40)에 의해 참조 데이터 중 연관 노트 데이터에서 제 1 중요 정보가 결정된 경우, 제 2 중요 정보 결정 모듈(50)은 참조 데이터 중 연관 컨텐츠 데이터에서 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정할 수 있다. 여기서, 참조 데이터는, 음성 신호와 연관된 노트 데이터, 음성 신호와 연관된 컨텐츠 데이터, 음성 신호와 연관되는 학습 자료 데이터 등을 포함할 수 있다.
또한, 제 2 중요 정보 결정 모듈(50)은, 상기 다른 데이터(제 2 데이터)에서, 상기 제 1 중요 정보와 상이한 언어 단위를 상기 제 2 중요 정보로서 결정할 수도 있다. 이때, 상기 상이한 언어 단위는, 단어 단위, 문장 단위, 또는 문단 단위를 포함할 수 있다. 예컨대, 제 1 중요 정보가 단어 단위지만, 제 2 중요 정보는 문단 또는 문장 단위일 수도 있다. 참고로, 제 1 중요 정보 결정 모듈(40)에서 선택된 데이터는 제 1 데이터이고, 제 1 중요 정보 결정 모듈(40)에서 선택되지 않은 제1 데이터와 다른 데이터는 제 2 데이터로 지칭될 수 있다. 예를 들어, 총 4종류의 데이터(참조 데이터에 포함되는 3종류의 데이터(연관 노트 데이터, 연관 컨텐츠 데이터 및 연관 학습 자료 데이터) 및 음성 인식 데이터) 중 연관 노트 데이터가 제 1 데이터로 결정된 경우, 나머지 3종류의 데이터(연관 컨텐츠 데이터, 연관 학습 자료 데이터 및 음성 인식 데이터) 중 어느 하나(예: 연관 학습 자료 데이터)가 제 2 데이터로 지칭될 수 있다. 이하에서는 설명의 편의상 제 2 데이터를 음성 신호와 연관된 노트 데이터인 실시예를 중심으로 본 개시를 설명하고자 한다.
예시적으로, 제 2 중요 정보 결정 모듈(50)은, ① 제1 데이터와 다른 데이터(즉, 제 1 중요 결정 모듈에 의해 선택되지 않은 데이터)에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 동작, ② 상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 동작, ③ 상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 동작, 또는 ④ 시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 동작 중 적어도 하나의 동작을 통해, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 자동으로 결정할 수 있다. 즉, 제 1 중요 정보 결정 모듈(50), 상기 동작들 중 적어도 하나의 동작에 기초하여 제 2 중요 정보를 자동으로 결정할 수 있다.
먼저, 제 2 중요 정보 결정 모듈(50)은, ① 상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정할 수 있다. 예를 들어, 제 2 중요 정보 결정 모듈(50)은, 제 1 중요 정보 결정 모듈(40)에 의해 음성 인식 데이터에서 제 1 중요 정보가 결정된 경우, 다른 데이터인 참조 데이터(예컨대, 노트 데이터)에서, 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 제 2 중요 정보로서 결정할 수 있다. 달리 말해, 제 2 중요 정보 결정 모듈(50)은 다른 데이터인 참조 데이터(예컨대, 노트 데이터)에서, 제 1 중요 정보와의 동일 또는 유사한 단어가 상대적으로 많이 포함된 부분을 제 2 중요 정보로서 결정할 수 있다.
보다 구체적인 예를 들어, 제 2 중요 정보 결정 모듈(50)은, 상기 다른 데이터에서, 상기 제 1 중요 정보와 동일한 단어 또는 유사한 단어를 임계치 이상의 개수만큼 포함하는 부분을 식별하고, 상기 식별된 부분을 상기 제 2 중요 정보로서 결정할 수도 있다. 이때, 상기 유사한 단어는, 앞서 상술한 편집 거리에 기초하여 식별될 수 있다. 일례로, 제 2 중요 정보 결정 모듈(50)은, 다른 데이터인 참조 데이터(예컨대, 노트 데이터)에서, 제 1 중요 정보와 동일한 단어(예컨대, "다글로) 또는 유사한 단어(예컨대, "다굴로", "다궁로", "다긍로)를 임계치 이상 포함하는 부분을 식별하고, 상기 식별된 부분을 상기 제 2 중요 정보로서 결정할 수도 있다. 참고로, 제 2 중요 정보 결정 모듈(50)은, "음성 인식 데이터의 경우 일부가 잘못되는 대체(substitution)되는 오류가 빈번하게 발생하는 문제점" 또는 "참조 데이터의 경우 OCR에 의해 문자가 잘못 인식되는 오류가 발생될 수 있는 문제점"을 고려하여, 편집거리 기반 유사 단어까지 확인하여 동일 또는 유사한 단어가 포함되었는지 여부를 판단하고, 제 2 중요 정보를 결정할 수 있다.
또한, 제 2 중요 정보 결정 모듈(50)은 ② 상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정할 수 있다. 보다 구체적인 예를 들어, 제 2 중요 정보 결정 모듈(50)은 제 1 중요 정보에 대한 문장 임베딩(sentence embedding)을 수행하고, 제 1 중요 정보가 결정된 데이터(제 1 데이터)와 다른 데이터(제 2 데이터)에서, 문장이나 문단들에 대해 문장 임베딩(sentence embedding vector)을 수행하여 양 벡터 간 유사도가 임계치 이상인 부분을 제 2 중요 정보로서 결정할 수 있다.
또한, 제 2 중요 정보 결정 모듈(50)은 ③ 상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정할 수 있다. 보다 구체적으로, 제 2 중요 정보 결정 모듈(50)은, 질의 응답(QA; Question Answering) 모델에, i) 제 1 중요 정보와 다른 데이터(제 2 데이터) 및 ii) “제 2 데이터에서 제 1 중요 정보와 관련된 문단은"이라는 질의를 입력한 뒤에, QA 모델의 의해 출력되는 제 2 데이터의 문장 또는 문단을 제 2 중요 정보로 결정할 수 있다.
또한, 제 2 중요 정보 결정 모듈(50)은 ④ 시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정할 수 있다. 일 실시예에 따르면, 제 2 중요 정보 결정 모듈(50)은 오디오 신호와 연관된 타임스탬프(timestamp) 정보를 기준으로, 다른 데이터(제 2 데이터)에 대해 변화가 발생한 시각을 고려하여 제 2 중요 정보를 결정할 수 있다. 일례로, 제 2 중요 정보 결정 모듈(50)은 다른 데이터(제 2 데이터)가 노트 데이터인 경우, "사용자가 노트에 텍스트를 입력한 타임스탬프 정보" 및 "상기 오디오 신호와 연관된 타임스탬프 정보"사이의 연계를 통해 제 2 중요 정보를 결정할 수 있다. 또한, 제 2 중요 정보 결정 모듈(50)은 다른 데이터(제 2 데이터)가 컨텐츠 데이터 또는 학습 자료 데이터인 경우, "마우스가 클릭 또는 스크롤된 타임스탬프 정보" 및 "상기 오디오 신호와 연관된 타임스탬프 정보" 사이의 연계를 통해 제 2 중요 정보를 결정할 수 있다.
일 실시예로, 제 2 중요 정보 결정 모듈(50)은, 상기 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 생성하고, 상기 다른 데이터(제 2 데이터)에서, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 결정할 수도 있다. 달리 말해, 제 2 중요 정보 결정 모듈(50)은 사용자 입력에 기초하여 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 결정할 수 있다. 예를 들어, 제 2 중요 정보 결정 모듈(50)은, 제 1 중요 정보 결정 모듈(40)에 의해 음성 인식 데이터(제 1 데이터)에서 제 1 중요 정보가 결정된 경우, 참조 데이터 중 연관 노트 데이터(제 2 데이터)에서 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 생성하고 UI를 통한 사용자 입력에 기초하여 제 2 중요 정보를 결정할 수 있다. 예를 들어 제 2 중요 정보 결정 모듈(50)은 제 2 데이터인 연관 노트 데이터 중, 제 1 중요 정보와의 유사도에 기초하여 결정된 제 2 중요 정보 후보들을 시각적으로 구분하여 디스플레이하고, 제 2 중요 정보 후보들 중 사용자 선택에 따라 제 2 중요 정보를 결정할 수 있다.
본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 추가적인 참조 데이터를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 추가적인 참조 데이터에서, 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관된 제 3 중요 정보를 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 상기 제 1 중요 정보, 상기 제 2 중요 정보, 및 상기 제 3 중요 정보를 서로 연관시킬 수 있다. 예를 들어, 컴퓨팅 장치(100)는 참조 데이터로서 음성 신호와 연관되는 노트 데이터를 획득한 경우, 추가적인 참조 데이터로서 음성 신호와 연관되는 컨텐츠 데이터(예컨대, 학습 보조 영상 데이터, 참고 서적 데이터 등)를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 음성 인식 데이터에서 제 1 중요 정보를 결정하고, 참조 데이터인 음성 신호와 연관되는 노트 데이터에서 제 2 중요 정보를 결정한 경우, 추가적인 참조 데이터로서 획득된 음성 신호와 연관되는 컨텐츠 데이터에서 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관되는 제 3 중요 정보를 결정할 수 있다. 달리 말해, 이러한 추가적인 예시에서는, "STT 결과 텍스트 중 특정 부분(제 1 중요 정보) - 노트 데이터 중 특정 부분(제 2 중요 정보) - 연관 컨텐츠 중 특정 부분(제 3 중요 정보)"으로 구성된 삼중 데이터 쌍(Triple)이 결정될 수 있다.
본 개시의 일 실시예에 따르면, 재구성 모듈(60)은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터를 재구성하고, 재구성 음성 인식 데이터를 제공할 수 있다. 여기서, 상기 재구성 음성 인식 데이터는, 중요 부분으로 결정된 음성 인식 데이터만을 포함할 수 있다. 또한, 상기 재구성 음성 인식 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함할 수 있다. 일례로, 제 1 중요 정보 또는 제 2 중요 정보의 언어 단위가 단어 단위인 경우, 상기 재구성 음성 인식 데이터는, 단어 단위보다 더 큰 언어 단위인 문장 단위 또는 문장 단위를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 재구성 모듈(60)은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 참조 데이터를 재구성하고, 재구성 참조 데이터를 생성할 수 있다. 이때, 상기 참조 데이터가 영상 데이터를 포함하는 경우, 상기 재구성 참조 데이터는, 중요 부분으로 결정된 부분 영상들만을 이어 붙여서 생성될 수 있다. 일례로, 재구성 모듈(60)은 타임스탬프(timestamp)를 기준으로 중요 정보들이 포함된 영상만을 이어 붙여 편집된 참조 데이터를 생성할 수 있다.
본 개시의 일 실시예에 따르면, 재구성 모듈(60)은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터를 각각 재구성한 뒤에, 재구성된 음성 인식 데이터 및 재구성된 참조 데이터를 융합하여, 하이브리드 형태의 핵심 재구성 데이터를 생성할 수도 있다. 이러한 핵심 재구성 데이터는, 서로 다른 유형의 데이터들의 중요 부분들 추출하고, 추출된 중요 부분들을 서로 연계시켜 단일의 데이터로 함께 제공하므로, 중요 정보 관리의 효율성을 극대화할 수 있다.
본 개시의 일 실시예에 따르면, 재구성 모듈(60)은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터에 대한 요약 정보를 생성할 수 있다. 이때, 상기 요약 정보는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하는 가중치를 활용하여 생성될 수 있다. 일례로, 제 1 중요 정보 결정 모듈(40)에 의해 참조 데이터(예컨대, 강의자료의 하이라이트 부분 업로드)에서 제 1 중요 정보가 결정되고, 제 2 중요 정보 결정 모듈(50)에 의해 음성 인식 데이터에서 연관된 제 2 중요 정보가 결정된 경우, 재구성 모듈(60)은 음성 인식 데이터의 제 2 중요 정보에 대해 가중치를 부여하면서 음성 인식 데이터에 대한 요약 정보를 생성할 수 있다.
본 개시의 일 실시예에 따르면, "음성 인식 데이터 및 참조 데이터 중 선택된 데이터에서 먼저 결정되는 제 1 중요 정보", 및 "선택되지 않은 나머지 데이터에서 상기 제 1 중요 부분에 따라 결정되는 제 2 중요 정보" 각각은, 사용자 입력에 결정되는(수동으로 결정) 동작 또는 자동으로 결정되는 동작에 기초하여 생성될 수 있다. 이는 아래의 표 1과 와 같이 4개의 실시예로도 구분될 수 있다.
구분 | 제 1 중요 정보 수동으로 결정 |
제 1 중요 정보 자동으로 결정 |
제 2 중요 정보 수동으로 결정 |
제 4 실시예 | 제 3 실시예 |
제 2 중요 정보 자동으로 결정 |
제 1 실시예 | 제 2 실시예 |
본 개시의 일 실시예에 따르면, (1) 제 1 실시예는, 제 1 중요 정보가 수동으로 결정되고, 제 2 중요 정보가 자동으로 결정되는 실시예이다. 예시적으로, 컴퓨팅 장치(100)는 사용자 입력에 기초하여 상기 선택된 데이터(= 제 1 데이터)에서 제 1 중요 정보를 결정(예컨대, 직접 하이라이트 입력 또는 업로드 된 연관 학습 자료에서 하이라이트 된 부분 검출)하고, 상기 선택되지 않은 나머지 데이터(= 제 2 데이터)에서 제 1 중요 정보와 관련된(연관된) 제 2 중요 부분을 앞서 상술한 다양한 동작을 기반으로 자동으로 결정할 수 있다.
(2) 제 2 실시예는, 제 1 중요 정보가 자동으로 결정되고, 제 2 중요 정보가 자동으로 결정되는 실시예이다. 예시적으로, 컴퓨팅 장치(100)는 상기 선택된 데이터(= 제 1 데이터)에서 미리 결정된 키워드 정보에 기초하여 제 1 중요 정보를 자동으로 결정하고, 선택되지 않은 나머지 데이터(= 제 2 데이터)에서 제 1 중요 정보와 관련된(연관된) 제 2 중요 부분을 앞서 상술한 다양한 동작을 기반으로 자동으로 결정할 수 있다.
(3) 제 3 실시예는, 제 1 중요 정보가 자동으로 결정되고, 제 2 중요 정보가 수동으로 결정되는 실시예이다. 예시적으로, 컴퓨팅 장치(100)는 상기 선택된 데이터(= 제 1 데이터)에서 미리 결정된 키워드 정보에 기초하여 제 1 중요 정보를 자동으로 결정하고, 선택되지 않은 나머지 데이터(= 제 2 데이터)에서 제 1 중요 정보와 관련된(연관된) 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 제공하며, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 수동으로 결정할 수 있다.
(4) 제 4 실시예는, 제 1 중요 정보가 수동으로 결정되고, 제 2 중요 정보가 수동으로 결정되는 실시예이다. 예시적으로, 컴퓨팅 장치(100)는 사용자 입력에 기초하여 상기 선택된 데이터(= 제 1 데이터)에서 제 1 중요 정보를 결정(예컨대, 직접 하이라이트 입력 또는 업로드 된 연관 학습 자료에서 하이라이트 된 부분 검출)하고, 선택되지 않은 나머지 데이터(= 제 2 데이터)에서 제 1 중요 정보와 관련된(연관된) 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 제공하며, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 수동으로 결정할 수 있다.
이하 도 4 내지 도 7에 도시된 UI에는, 오디오 데이터(A)(예컨대, 동영상에 포함된 오디오 데이터), 음성 인식 데이터(B), 노트 데이터(C), 컨텐츠 데이터(D)가 포함될 수 있다. 한편, 도 4 내지 도 7에서 설명되는 실시예는, 앞서 상술한 제 1 실시예, 즉, "제 1 중요 정보가 수동으로 결정되고, 제 2 중요 정보가 자동으로 결정되는 실시예"가 중점적으로 설명된다. 달리 말해, 컴퓨팅 장치(100)는 사용 입력에 기초하여 상기 선택된 데이터(= 제 1 데이터)에서 제 1 중요 정보를 결정(예컨대, 직접 하이라이트 입력 또는 업로드 된 연관 학습 자료에서 하이라이트 된 부분 검출)하고, 선택되지 않은 나머지 데이터(= 제 2 데이터)에서 제 1 중요 정보와 관련된(연관된) 제 2 중요 부분을 앞서 상술한 다양한 동작을 기반으로 자동으로 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 결정된 제 1 중요 부분 및 제 2 중요 부분에 대해 하이라이트 표시하여 제공할 수 있다.
도 4는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 제 1 중요 정보가 결정된 경우의 "STT결과 & 노트" UI를 예시적으로 나타낸 도면이고, 도 5는 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 제 1 중요 정보가 결정된 경우의 "STT결과 & 연관 컨텐츠" UI를 예시적으로 나타낸 도면이고, 도 6은 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 제 1 중요 정보가 결정된 경우의 "연관 컨텐츠 & 노트" UI를 예시적으로 나타낸 도면이다. 도 4 내지 도 8을 참조하여 설명할 실시 예에서는 음성 신호와 연관되는 컨텐츠 데이터(D)가 도시되었지만, 이에 제한되는 것은 아니고 연관 컨텐츠 데이터 대신 음성 신호와 연관되는 학습 자료 데이터가 활용될 수도 있다. 도 4 내지 도 8에서 (A)는 입력된 오디오 데이터(또는 오디오 데이터를 포함하는 영상 데이터), (B)는 음성 인식 데이터, (C)는 사용자가 (A)를 참조하여 작성한 노트 데이터, (D)는 음성 신호와 연관되는 컨텐츠 데이터를 지칭할 수 있다.
도 4는 본 개시의 일 실시예에 따른 STT 결과 텍스트(음성 인식 데이터)에서 "다글로" 및 "인공 지능"이 중요 정보라고 결정된 경우의 "STT결과 & 노트" UI를 예시적으로 나타낸 도면이고, 도 5는 본 개시의 일 실시예에 따른 STT 결과 텍스트(음성 인식 데이터)에서 "다글로" 및 "인공 지능"이 중요 정보라고 결정된 경우의 "STT결과 & 관련 컨텐츠" UI를 예시적으로 나타낸 도면이고, 도 6은 본 개시의 일 실시예에 따른 STT 결과 텍스트에서 "다글로" 및 "인공 지능"이 중요 정보라고 결정된 경우의 "관련 컨텐츠 & 노트" UI를 예시적으로 나타낸 도면이다. 도 4 내지 도 6 및 후술할 도 7 내지 도 8에 도시된 UI를 통해, 사용자는 텍스트를 추가, 변경, 삭제하거나 편집(볼드 처리, 밑줄 처리, 하이라이트 처리 등)할 수 있다.
예시적으로, 도 4를 참조하면, 컴퓨팅 장치(100)는 음성 인식 데이터(B)에서 사용자 입력에 기초하여 "다굴로" 및 "인공 지능"을 제 1 중요 정보로 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 선택되지 않은 데이터(제 2 데이터)인 노트 데이터(C)에서 제 1 중요 정보와 연관된 제 2 중요 정보를 결정할 수 있다. 일례로, 컴퓨팅 장치(100)는 음성 인식 데이터(B) 중 잘못 출력된 "다굴로"에 대해 사용자가 제 1 중요 정보라고 결정하더라도, 노트 데이터(C)에서 "다굴로"와 유사한 단어를 편집 거리에 기초하여 식별하고, "다굴로"와 유사한 단어인 "다글로"를 찾아 제 2 중요 정보로서 결정할 수 있다. 이때, 컴퓨팅 장치(100)는 편집 거리에 기초하여 식별된 유사 단어에 대한 영문(예컨대, daglo)에 대해서도 제 2 중요 정보로서 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 제 1 중요 정보라고 결정된 "인공 지능"에 대해서도 제 2 중요 정보를 자동으로 결정하는 복수의 동작 중 적어도 어느 하나를 이용하여 제 2 중요 정보를 결정할 수 있다.
예시적으로, 도 5를 참조하면, 컴퓨팅 장치(100)는 음성 인식 데이터(B)에서 사용자 입력에 기초하여 "다굴로" 및 "인공 지능"을 제 1 중요 정보로 결정할 수 있다. 컴퓨팅 장치(100)는 선택되지 않은 데이터(제 2 데이터)인 컨텐츠 데이터(D)에서 제 1 중요 정보와 연관된 제 2 중요 정보를 결정할 수 있다. 일례로, 컴퓨팅 장치(100)는 음성 인식 데이터(B) 중 잘못 출력된 "다굴로"에 대해 사용자가 제 1 중요 정보라고 결정하더라도, 노트 데이터(C)에서 "다굴로"와 유사한 단어를 편집 거리에 기초하여 식별하고, "다굴로"와 유사한 단어인 "다글로"를 찾아 제 2 중요 정보로서 결정할 수 있다. 이때, 컴퓨팅 장치(100)는 편집 거리에 기초하여 식별된 유사 단어에 대한 영문(예컨대, daglo)에 대해서도 제 2 중요 정보로서 결정할 수 있다. 또한, 도 5의 연관 컨텐츠 데이터(D)에서는 생략되었지만, 컴퓨팅 장치(100)는 제 1 중요 정보라고 결정된 "인공 지능"에 대해서도 제 2 중요 정보를 자동으로 결정하는 복수의 동작 중 적어도 어느 하나를 이용하여 연관 컨텐츠 데이터(D) 중에서 제 2 중요 정보를 결정할 수 있다.
도 6을 참조하면, 컴퓨팅 장치(100)는 추가적인 참조 데이터(예컨대, 제 3 데이터)를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 추가적인 참조 데이터에서, 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관된 제 3 중요 정보를 결정할 수 있다. 또한, 컴퓨팅 장치(100)는 상기 제 1 중요 정보, 상기 제 2 중요 정보, 및 상기 제 3 중요 정보를 서로 연관시킬 수 있다. 예를 들어, 컴퓨팅 장치(100)는 참조 데이터로서 음성 신호와 연관되는 노트 데이터(C)를 획득한 경우, 추가적인 참조 데이터로서 음성 신호와 연관되는 컨텐츠 데이터(D)를 획득할 수 있다. 또한, 컴퓨팅 장치(100)는 음성 인식 데이터(B)(= 제 1 데이터)에서 제 1 중요 정보를 결정하고, 참조 데이터인 음성 신호와 연관되는 노트 데이터(C)(= 제 2 데이터)에서 제 2 중요 정보를 결정한 경우, 추가적인 참조 데이터로서 획득된 음성 신호와 연관되는 컨텐츠 데이터(D)( = 제 3 데이터)에서 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관되는 제 3 중요 정보를 결정할 수 있다. 달리 말해, "STT 결과 텍스트 중 특정 부분(제 1 중요 정보) - 노트 데이터 중 특정 부분(제 2 중요 정보) - 관련 컨텐츠 중 특정 부분(제 3 중요 정보)"으로 구성된 삼중 데이터 쌍(Triple)이 결정될 수 있으며, 하이라이트 등으로 시각적으로 구분되어 표시될 수 있다.
도 7은 본 개시의 일 실시예에 따른 별도 페이지에서 중요 정보들을 모아서 제공하는 UI를 예시적으로 나타낸 도면이다.
예시적으로 도 7을 참조하면, 컴퓨팅 장치(100)는 별도 페이지에서 사용자에게 각 데이터별로 중요 정보(부분들)를 모아서 제공할 수 있다. 도 7의 (B)를 참조하면, 컴퓨팅 장치(100)는 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터를 재구성하고, 재구성 음성 인식 데이터를 제공할 수 있다. 이때, 상기 재구성 음성 인식 데이터는, 중요 부분으로 결정된 음성 인식 데이터만을 포함하고, 상기 재구성 음성 인식 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함할 수 있다. 또한, 도 7의 (C) 및 (D)를 참조하면, 컴퓨팅 장치(100)는 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 참조 데이터(예컨대, 노트 데이터(C) 및 연관 컨텐츠 데이터(D))를 재구성하고, 재구성 참조 데이터를 제공할 수 있다. 이때, 상기 재구성 참조 데이터는, 중요 부분으로 결정된 참조 데이터만을 포함하고, 상기 재구성 참조 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함할 수 있다. 예를 들어, 컴퓨팅 장치(100)는 제 1 중요 정보 또는 상기 제 2 중요 정보가 '단어' 단위이더라도 해당 단어가 포함된 문장 단위로 데이터(예컨대, STT 결과 텍스트, 노트, 관련 컨텐츠) 별로 묶어서 사용자에게 제공할 수 있다.
참고로, 도 7은 사용자가 음성 인식 데이터(B)에서 “다굴로” 하이라이트를 선택한 경우, 오른쪽에 노트 데이터(C) 및 컨텐츠 데이터(D)의 중요 부분들만 모아서 함께 제공하는 화면의 일 예이다. 또한, 도 7의 왼쪽의 하이라이트 부분들을 보면, 컴퓨팅 장치(100)는 실제로는 사용자가 음성 인식 데이터(B)에서 "다굴로"만 하이라이트 했더라도 해당 부분이 포함된 문장의 시작 부분부터 디스플레이할 수 있다. 또한, 컴퓨팅 장치(100)는 화자 정보와 발화 시각도 함께 디스플레이할 수 있으며, 해당 부분 클릭 시 대응하는 영상이나 음성 부분을 타임스탬프(timestamp)에 기초하여 함께 제공할 수 있다. 또한, 도 7의 오른쪽 노트 데이터(C) 및 컨텐츠 데이터(D)에는 노트 데이터나 컨텐츠 데이터에 대한 전체가 디스플레이되는 것이 아니고, 컴퓨팅 장치(100)는 노트 데이터(C)에서 '다굴로' 관련 부분만 모아서 제공하거나, '컨텐츠 데이터(D)에서 '다굴로' 관련 pdf 페이지만 모아서 제공할 수 있다. 또한, 위에서 설명한 바와 같이 음성 인식 데이터에서 "다굴로"에 대응하는 단어 단위가 제 1 중요 정보로 결정되었더라도, 컴퓨팅 장치(100)는 편집거리 및 영문에 기초하여 노트 데이터(C)나 컨텐츠 데이터(D)에서 '다글로', 'daglo'도 함께 제 2 중요 정보로서 결정하고, 중요 정보만 모아서 제공할 수 있다.
도 8은 본 개시의 일 실시예에 따라 특정 단어에 대해 하이라이트를 선택한 경우 오른쪽에 참조 데이터에서의 중요 정보들만 모아서 함께 제공되는 화면을 예시적으로 나타낸 도면이다. 구체적으로, 도 8은 본 개시의 일 실시예에 따라 “인공지능” 하이라이트를 선택한 경우 오른쪽에 노트 데이터(C) 및 컨텐츠 데이터(D)의 중요 정보들만 모아서 함께 제공되는 화면을 예시적으로 나타낸 도면이다.
참고로, 도 8은 사용자가 음성 인식 데이터(B)에서 “인공지능” 하이라이트를 선택한 경우 오른쪽에 노트 데이터(C) 및 컨텐츠 데이터(D)의 중요 부분들만 모아서 함께 제공되는 화면의 일 예이다. 또한, 도 8의 왼쪽의 하이라이트 부분들을 보면, 컴퓨팅 장치(100)는 실제로는 사용자가 음성 인식 데이터(B)에서 "인공지능"만 하이라이트 했더라도 해당 부분이 포함된 문장의 시작 부분부터 디스플레이할 수 있다. 또한, 컴퓨팅 장치(100)는 화자 정보와 발화 시각도 함께 디스플레이할 수 있으며, 해당 부분 클릭 시 대응하는 영상이나 음성 부분을 타임스탬프(timestamp)에 기초하여 함께 제공할 수 있다. 또한, 도 8의 오른쪽 노트 데이터(C) 및 컨텐츠 데이터(D)에는 노트 데이터(C)나 컨텐츠 데이터(D)에 대한 전체가 디스플레이되는 것이 아니고, 컴퓨팅 장치(100)는 노트 데이터(C)에서 '인공지능' 관련 부분만 모아서 제공하거나, 컨텐츠 데이터(D)에서 '인공지능' 관련 pdf 페이지만 모아서 제공할 수 있다.
도 7 및 도 8에서는 생략되었지만, 일 실시 예에 따르면 입력된 파일에 영상이 포함되어 있는 경우 중요 정보들로 결정된 부분 영상들만으로 재구성된 영상이 사용자에게 제공될 수 있다. 다른 일 실시 예에 따르면, 중요 정보들에 가중치가 부여되고, 이에 기초하여 음성 인식 데이터에 대한 요약 정보가 생성되어 사용자에게 제공될 수 있다.
도 9는 본 개시의 일 실시예에 따른 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법에 대한 흐름도이다.
도 9에 도시된 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하는 방법은 컴퓨팅 장치(100)에 의하여 수행될 수 있다. 이하 자세한 언급이 없다고 하더라도, 컴퓨팅 장치(100)에 대하여 상술한 내용은 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하는 것에 대한 설명에도 동일하게 적용될 수 있다.
도 9를 참조하면, 본 개시의 일 실시예에 따른 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하는 방법은, 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 단계(S110), 참조 데이터를 획득하는 단계(S120), 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계(S130) 및 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계(S140)들을 포함할 수 있다.
상기 S110 단계는, 음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 단계이다.
상기 S120 단계는, 참조 데이터를 획득하는 단계이다. 여기서, 상기 참조 데이터는, 상기 음성 인식 데이터와의 유사도 분석에 기초하여 식별되고, 상기 유사도 분석은, 편집거리 분석을 포함할 수 있다. 참조 데이터에는 상기 음성 신호와 연관되는 노트 데이터, 상기 음성 신호와 연관되는 컨텐츠 데이터, 또는 상기 음성 신호와 연관되는 학습 자료 데이터 중 적어도 하나의 데이터가 포함될 수 있다. 노트 데이터는 사용자가 음성 신호와 관련하여 작성한 텍스트 데이터일 수 있고, 컨텐츠 데이터는 관련 유튜브 영상, 뉴스 기사, 로컬 데이터 내 저장된 파일 등 음성 신호와 관련 있는 컨텐츠에 대한 데이터일 수 있다. 학습 자료 데이터는 음성 신호가 강의와 관련된 경우 PDF 형태 또는 PPT 형태의 강의 자료일 수 있다. 컨텐츠 데이터 또는 학습 자료 데이터는 전술한 바와 같이 편집거리 분석에 기초하여 식별되어 추천된 것일 수 있으나, 이에 제한되는 것은 아니고 사용자가 직접 업로드한 데이터일 수 있다.
상기 S130 단계는, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계이다. 이러한 S130 단계는, 사용자 입력에 기초하여 상기 제 1 중요 정보를 결정하는 단계; 또는 미리 결정된 키워드(keyword) 정보에 기초하여 상기 제 1 중요 정보를 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다.
상기 S140 단계는, 상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계이다. 이러한 S140 단계는, 상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계; 상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계; 상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계; 또는 시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계 중 적어도 하나의 단계를 포함할 수 있다. 또한, S140 단계는, 상기 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 생성하는 단계; 및 상기 다른 데이터에서, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 결정하는 단계를 포함할 수 있다. 또한, S140 단계는, 상기 다른 데이터에서, 상기 제 1 중요 정보와 상이한 언어 단위를 상기 제 2 중요 정보로서 결정하는 단계를 포함하고, 상기 상이한 언어 단위는, 단어 단위, 문장 단위, 또는 문단 단위를 포함할 수 있다.
한편, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법은, 추가적인 참조 데이터를 획득하는 단계; 상기 추가적인 참조 데이터에서, 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관된 제 3 중요 정보를 결정하는 단계; 및 상기 제 1 중요 정보, 상기 제 2 중요 정보, 및 상기 제 3 중요 정보를 서로 연관시키는 단계를 더 포함할 수 있다.
또한, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터를 재구성하고, 재구성 음성 인식 데이터를 제공하는 단계를 더 포함하고, 상기 재구성 음성 인식 데이터는, 중요 부분으로 결정된 음성 인식 데이터만을 포함하고, 상기 재구성 음성 인식 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함할 수 있다.
또한, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법은, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터에 대한 요약 정보를 생성하는 단계를 더 포함하고, 상기 요약 정보는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하는 가중치를 활용하여 생성할 수 있다.
상술한 설명에서 언급된 단계들은, 본 개시의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 개시의 일 실시예에 따라 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.
데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자 정의 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 영구 저장 장치)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.
데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.
비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 이하에서는 신경망으로 통일하여 기술한다. 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등을 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 의한 처리를 위하여 전처리된 데이터, 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.
데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드에서 출력되는 데이터 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.
데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.
도 10은 본 개시의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도이다.
본 개시가 일반적으로 컴퓨팅 장치에 의해 구현될 수 있는 것으로 전술되었지만, 당업자라면 본 개시가 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어 및/또는 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로써 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드(handheld) 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘 다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터 등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇 가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)-이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음-, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘 다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 컴퓨팅 디바이스 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 컴퓨팅 디바이스에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a, b, g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 정보 및 신호들이 임의의 다양한 상이한 기술들 및 기법들을 이용하여 표현될 수 있다는 것을 이해할 것이다. 예를 들어, 위의 설명에서 참조될 수 있는 데이터, 지시들, 명령들, 정보, 신호들, 비트들, 심볼들 및 칩들은 전압들, 전류들, 전자기파들, 자기장들 또는 입자들, 광학장들 또는 입자들, 또는 이들의 임의의 결합에 의해 표현될 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 소프트웨어로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 제조 물품은 임의의 컴퓨터-판독가능 저장장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (17)
- 적어도 하나의 프로세서를 포함하는 컴퓨팅 장치에 의해 수행되는, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하는 방법으로서,
음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 단계;
참조 데이터를 획득하는 단계;
상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계; 및
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계
를 포함하고,
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는,
상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계;
상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계;
상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계; 또는
시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 단계
중 적어도 하나의 단계
를 포함하는,
방법.
- 제 1 항에 있어서,
상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 단계는,
사용자 입력에 기초하여 상기 제 1 중요 정보를 결정하는 단계; 또는
미리 결정된 키워드(keyword) 정보에 기초하여 상기 제 1 중요 정보를 결정하는 단계
중 적어도 하나의 단계를 포함하는,
방법.
- 제 2 항에 있어서,
상기 미리 결정된 키워드 정보에 기초하여 상기 제 1 중요 정보를 결정하는 단계는,
상기 미리 결정된 키워드 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터를 선택하는 단계; 및
상기 미리 결정된 키워드 정보에 기초하여, 상기 선택된 데이터에서, 상기 제 1 중요 정보를 결정하는 단계
를 포함하는,
방법.
- 제 3 항에 있어서,
상기 미리 결정된 키워드 정보에 기초하여, 상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터를 선택하는 단계는,
상기 음성 인식 데이터 및 상기 참조 데이터 중, 상기 미리 결정된 키워드와 유사한 단어를 더 많이 포함하고 있는 데이터를 선택하는 단계를 포함하고,
상기 미리 결정된 키워드와 유사한 단어는, 편집 거리 분석에 기초하여 결정되는,
방법.
- 제 3 항에 있어서,
상기 미리 결정된 키워드 정보에 기초하여, 상기 선택된 데이터에서, 상기 제 1 중요 정보를 결정하는 단계는,
상기 선택된 데이터에서, 상기 미리 결정된 키워드와의 유사도가 가장 높은 부분을 식별하고, 식별된 부분에 기초하여 상기 제 1 중요 정보를 결정하는 단계를 포함하고,
상기 미리 결정된 키워드와의 유사도는, 편집 거리 분석에 기초하여 결정되는,
방법.
- 삭제
- 제 1 항에 있어서,
상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 단계는,
상기 다른 데이터에서, 상기 제 1 중요 정보와 동일한 단어 또는 유사한 단어를 임계치 이상 포함하는 부분을 식별하는 단계; 및
상기 식별된 부분을 상기 제 2 중요 정보로서 결정하는 단계
를 포함하고,
상기 유사한 단어는, 편집 거리에 기초하여 식별되는,
방법.
- 제 1 항에 있어서,
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는,
상기 제 2 중요 정보의 결정을 가이드하기 위한 UI(User Interface) 데이터를 생성하는 단계; 및
상기 다른 데이터에서, 상기 UI를 통해 입력되는 정보에 기초하여 상기 제 1 중요 정보와 연관된 상기 제 2 중요 정보를 결정하는 단계
를 더 포함하는,
방법.
- 제 1 항에 있어서,
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 단계는,
상기 다른 데이터에서, 상기 제 1 중요 정보와 상이한 언어 단위를 상기 제 2 중요 정보로서 결정하는 단계를 포함하고,
상기 상이한 언어 단위는, 단어 단위, 문장 단위, 또는 문단 단위를 포함하는,
방법.
- 제 1 항에 있어서,
상기 참조 데이터는, 상기 음성 인식 데이터와의 유사도 분석에 기초하여 식별되고,
상기 유사도 분석은, 편집거리 분석을 포함하는,
방법.
- 제 10 항에 있어서,
상기 참조 데이터는,
상기 음성 신호와 연관되는 노트 데이터;
상기 음성 신호와 연관되는 컨텐츠 데이터; 또는
상기 음성 신호와 연관되는 학습 자료 데이터
중 적어도 하나의 데이터를 포함하는,
방법.
- 제 1 항에 있어서,
상기 방법은,
추가적인 참조 데이터를 획득하는 단계;
상기 추가적인 참조 데이터에서, 상기 제 1 중요 정보 및 상기 제 2 중요 정보와 연관된 제 3 중요 정보를 결정하는 단계; 및
상기 제 1 중요 정보, 상기 제 2 중요 정보, 및 상기 제 3 중요 정보를 서로 연관시키는 단계
를 더 포함하는,
방법.
- 제 1 항에 있어서,
상기 방법은,
상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터를 재구성하고, 재구성 음성 인식 데이터를 제공하는 단계를 더 포함하고,
상기 재구성 음성 인식 데이터는, 중요 부분으로 결정된 음성 인식 데이터만을 포함하고,
상기 재구성 음성 인식 데이터는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보의 언어 단위보다 더 큰 언어 단위를 포함하는,
방법.
- 제 1 항에 있어서,
상기 방법은,
상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 참조 데이터를 재구성하고, 재구성 참조 데이터를 생성하는 단계를 더 포함하고,
상기 참조 데이터가 영상 데이터를 포함하는 경우, 상기 재구성 참조 데이터는, 중요 부분으로 결정된 부분 영상들만을 이어 붙여서 생성되는,
방법.
- 제 1 항에 있어서,
상기 방법은,
상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하여 상기 음성 인식 데이터에 대한 요약 정보를 생성하는 단계를 더 포함하고,
상기 요약 정보는, 상기 제 1 중요 정보 또는 상기 제 2 중요 정보에 기초하는 가중치를 활용하여 생성되는,
방법.
- 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 상기 하나 이상의 프로세서로 하여금, 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하는 동작;
참조 데이터를 획득하는 동작;
상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하는 동작; 및
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 동작
을 포함하고,
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 동작은,
상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 동작;
상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 동작;
상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 동작; 또는
시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 동작
중 적어도 하나를 포함하는,
컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
- 음성 인식 결과(STT; Speech-To-Text) 및 참조 데이터로부터 중요 부분을 결정하기 위한 컴퓨팅 장치로서,
적어도 하나의 프로세서; 및
메모리
를 포함하고,
상기 적어도 하나의 프로세서는,
음성 신호에 대하여 음성 인식을 수행하여 생성된 음성 인식 데이터를 획득하고;
참조 데이터를 획득하고;
상기 음성 인식 데이터 및 상기 참조 데이터 중 하나의 데이터에서 제 1 중요 정보를 결정하고; 그리고
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하도록 구성되고,
상기 음성 인식 데이터 및 상기 참조 데이터 중 상기 제 1 중요 정보가 결정된 데이터와 다른 데이터에서, 상기 제 1 중요 정보와 연관된 제 2 중요 정보를 결정하는 것은,
상기 다른 데이터에서, 상기 제 1 중요 정보와의 단어 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 것;
상기 다른 데이터에서, 상기 제 1 중요 정보와의 문장 임베딩 벡터(sentence embedding vector) 유사도가 임계치 이상인 부분을 상기 제 2 중요 정보로서 결정하는 것;
상기 제 1 중요 정보 및 상기 다른 데이터와 관련하여 질의 응답(QA; Question Answering) 모델이 출력한 결과에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 것; 또는
시간-동기화(time-sync) 정보에 기초하여, 상기 다른 데이터에서 상기 제 2 중요 정보를 결정하는 것
중 적어도 하나를 포함하는,
장치.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230000740A KR102537165B1 (ko) | 2023-01-03 | 2023-01-03 | 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 |
US18/397,586 US12033659B1 (en) | 2023-01-03 | 2023-12-27 | Method for determining and linking important parts among STT result and reference data |
JP2024000067A JP2024096530A (ja) | 2023-01-03 | 2024-01-04 | 音声認識結果及び参照データにおいて重要部分を決定し、連携する方法{method for determining and linking important parts among stt result and reference data} |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230000740A KR102537165B1 (ko) | 2023-01-03 | 2023-01-03 | 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102537165B1 true KR102537165B1 (ko) | 2023-05-26 |
Family
ID=86536653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230000740A KR102537165B1 (ko) | 2023-01-03 | 2023-01-03 | 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 |
Country Status (3)
Country | Link |
---|---|
US (1) | US12033659B1 (ko) |
JP (1) | JP2024096530A (ko) |
KR (1) | KR102537165B1 (ko) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200077095A (ko) * | 2018-12-20 | 2020-06-30 | 박준형 | 음성 처리 장치 및 음성 처리 방법 |
US11171905B1 (en) * | 2016-10-17 | 2021-11-09 | Open Invention Network Llc | Request and delivery of additional data |
KR20220043505A (ko) * | 2020-09-29 | 2022-04-05 | 창원대학교 산학협력단 | 문서 요약장치 및 방법 |
KR20220068716A (ko) * | 2020-11-19 | 2022-05-26 | (주)소리를보는통로 | 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090204399A1 (en) | 2006-05-17 | 2009-08-13 | Nec Corporation | Speech data summarizing and reproducing apparatus, speech data summarizing and reproducing method, and speech data summarizing and reproducing program |
KR101449430B1 (ko) | 2007-08-31 | 2014-10-14 | 삼성전자주식회사 | 컨텐츠의 요약 재생 정보 생성 방법 및 장치 |
JP6242773B2 (ja) | 2014-09-16 | 2017-12-06 | 株式会社東芝 | 会議情報蓄積装置、方法およびプログラム |
KR20210081058A (ko) | 2019-12-23 | 2021-07-01 | 주식회사 너울소프트 | 한국어 언어학습 콘텐츠 제작 시스템 |
KR102287431B1 (ko) | 2020-10-07 | 2021-08-09 | 주식회사 셀바스에이아이 | 회의 녹음 장치 및 회의 녹음 기록 시스템 |
KR102298330B1 (ko) | 2021-01-27 | 2021-09-06 | 주식회사 두유비 | 음성인식과 자연어 처리 알고리즘을 통해 의료 상담 요약문과 전자 의무 기록을 생성하는 시스템 |
KR20220136750A (ko) * | 2021-04-01 | 2022-10-11 | 삼성전자주식회사 | 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법 |
KR102389153B1 (ko) | 2021-06-21 | 2022-04-21 | 김영은 | 음성 반응형 전자책 제공 방법 및 디바이스 |
KR102365611B1 (ko) | 2021-08-25 | 2022-02-23 | 오정섭 | 음성인식을 이용한 회의 관리 시스템 |
KR102389995B1 (ko) | 2021-09-29 | 2022-04-27 | 주식회사 인피닉 | 자연발화 음성 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
-
2023
- 2023-01-03 KR KR1020230000740A patent/KR102537165B1/ko active IP Right Grant
- 2023-12-27 US US18/397,586 patent/US12033659B1/en active Active
-
2024
- 2024-01-04 JP JP2024000067A patent/JP2024096530A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11171905B1 (en) * | 2016-10-17 | 2021-11-09 | Open Invention Network Llc | Request and delivery of additional data |
KR20200077095A (ko) * | 2018-12-20 | 2020-06-30 | 박준형 | 음성 처리 장치 및 음성 처리 방법 |
KR20220043505A (ko) * | 2020-09-29 | 2022-04-05 | 창원대학교 산학협력단 | 문서 요약장치 및 방법 |
KR20220068716A (ko) * | 2020-11-19 | 2022-05-26 | (주)소리를보는통로 | 사전 데이터베이스를 활용하여 음성 데이터에 기반한 텍스트를 생성하기 위한 방법 및 컴퓨팅 장치 |
Non-Patent Citations (3)
Title |
---|
Antoine Tixier et al., Combining graph degeneracy and submodularity for unsupervised extractive summarization. In Proceedings of the workshop on new frontiers in summarization, 48-58pages. * |
Bogdan Gliwa et al., SAMSum Corpus: A Human-annotated Dialogue Dataset for Abstractive Summarization,Proceedings of the 2nd Workshop on New Frontiers in Summarization, Association for Computational Linguistics . 2019.11. 1부. * |
이일주, 김민구, 그래프 분할을 이용한 문장 클러스터링 기반 문서요약, 정보처리학회논문지 B 제13권-B권 제2호, 2006.4. 1부. * |
Also Published As
Publication number | Publication date |
---|---|
JP2024096530A (ja) | 2024-07-16 |
US12033659B1 (en) | 2024-07-09 |
US20240221776A1 (en) | 2024-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240119233A1 (en) | Multi-turn dialogue response generation with autoregressive transformer models | |
US10832001B2 (en) | Machine learning to identify opinions in documents | |
KR102444457B1 (ko) | 단어 그래프를 이용한 대화의 요약 생성 방법 | |
KR102517661B1 (ko) | 텍스트 정보에서 타겟 단어에 대응하는 단어를 식별하는 방법 | |
KR102465571B1 (ko) | 문서 데이터의 주제어 분류를 수행하는 기법 | |
KR102588332B1 (ko) | 대본 텍스트로부터 스토리보드를 생성하는 방법 | |
KR102486119B1 (ko) | 피드백 정보를 이용한 음성 인식 방법 | |
KR102537165B1 (ko) | 음성 인식 결과 및 참조 데이터로부터 중요 부분을 결정하고 연계하는 방법 | |
KR102486120B1 (ko) | 음성 신호와 연관된 컨텐츠를 결정하는 방법 | |
KR102596190B1 (ko) | 텍스트 정보를 수정하는 방법 | |
KR102497436B1 (ko) | 음성 신호를 포함하는 컨텐츠를 기반으로 타겟 단어와 관련된 정보를 획득하는 방법 | |
KR102540178B1 (ko) | 음성 인식 결과를 편집하는 방법 | |
KR102648689B1 (ko) | 텍스트 오류를 검출하는 방법 | |
KR102537173B1 (ko) | 주 화자에 기초하여 요약문을 생성하는 방법 | |
KR102568930B1 (ko) | Stt 결과에 기초하여 새로운 음성을 생성하는 방법 | |
KR102621021B1 (ko) | 감정 중립적인 음성을 생성하는 음성 변환 모델을 학습시키는 방법 | |
KR102524615B1 (ko) | 개인화된 음성 인식을 위한 데이터를 생성하고, 생성된 데이터를 이용하여 개인화된 음성 인식을 수행하는 방법 | |
JP7475589B2 (ja) | 外国語を含むオーディオの音声認識方法 | |
KR102670850B1 (ko) | 비디오 분할에 기초하여 비디오를 검색하는 방법 | |
KR102509007B1 (ko) | 문장 내 토큰들의 중요도에 기초하여 음성 인식 모델을 학습시키는 방법 | |
KR102547001B1 (ko) | 하향식 방식을 이용한 오류 검출 방법 | |
KR102525984B1 (ko) | 화상 회의 제공 방법 | |
KR102661431B1 (ko) | 분류된 고객 음성 피드백을 생성하는 방법 | |
KR102520167B1 (ko) | 비-대화형 텍스트 정보를 활용하여 대화 요약을 위한 학습 데이터를 생성하는 방법 | |
KR102516391B1 (ko) | 음성 구간 길이를 고려하여 오디오에서 음성 구간을 검출하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |