KR20180044187A - Device and method for providing recommended words for character input from user - Google Patents

Device and method for providing recommended words for character input from user Download PDF

Info

Publication number
KR20180044187A
KR20180044187A KR1020170110349A KR20170110349A KR20180044187A KR 20180044187 A KR20180044187 A KR 20180044187A KR 1020170110349 A KR1020170110349 A KR 1020170110349A KR 20170110349 A KR20170110349 A KR 20170110349A KR 20180044187 A KR20180044187 A KR 20180044187A
Authority
KR
South Korea
Prior art keywords
pseudo
word
morpheme
character
input
Prior art date
Application number
KR1020170110349A
Other languages
Korean (ko)
Other versions
KR102417046B1 (en
Inventor
송희준
김정욱
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to PCT/KR2017/011680 priority Critical patent/WO2018074895A1/en
Priority to EP17862947.3A priority patent/EP3482306A4/en
Priority to CN201780063064.8A priority patent/CN109804373A/en
Priority to US15/789,106 priority patent/US10540441B2/en
Publication of KR20180044187A publication Critical patent/KR20180044187A/en
Priority to US16/724,641 priority patent/US11481551B2/en
Application granted granted Critical
Publication of KR102417046B1 publication Critical patent/KR102417046B1/en
Priority to US17/967,924 priority patent/US20230036080A1/en

Links

Images

Classifications

    • G06F17/276—
    • G06F17/2755—
    • 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
    • G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
    • G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
    • G06F3/0233—Character input methods
    • G06F3/0237—Character input methods using prediction or retrieval techniques
    • 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]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04886—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures by partitioning the display area of the touch-screen or the surface of the digitising tablet into independently controllable areas, e.g. virtual keyboards or menus

Landscapes

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

Abstract

The present invention provides a device and a method for providing a recommended word for a character input by a user. The method for providing a recommended word by a device comprises the following operations of: receiving a character input from the user; recommending at least one pseudo-morpheme including the received character input by analyzing the character input; recommending at least one syntactic word including the selected pseudo-morpheme in response to an input for selecting one of the at least one pseudo-morpheme; and displaying the selected syntactic word in response to an input for selecting one of the at least one syntactic word.

Description

사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 디바이스 및 방법 {DEVICE AND METHOD FOR PROVIDING RECOMMENDED WORDS FOR CHARACTER INPUT FROM USER}BACKGROUND OF THE INVENTION 1. Field of the Invention [0001] The present invention relates to a device and a method for providing a recommendation word for a character input from a user.

본 개시는 추천 단어를 제공하는 디바이스 및 방법에 관한 것으로서, 보다 상세하게는, 사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 디바이스 및 방법에 관한 것이다.The present disclosure relates to a device and method for providing a recommendation word, and more particularly, to a device and method for providing a recommendation word for a character input from a user.

또한, 본 개시는 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.The present disclosure also relates to an artificial intelligence (AI) system and its application that simulate the functions of the human brain using cognitive learning algorithms.

멀티미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 사용자가 입력 중인 단어에 기초하여, 추천 단어를 제공하는 다양한 방법이 제공되었다. 그러나, 추천 단어를 제공하기 위해, 데이터베이스에 저장해야 하는 데이터의 양이 많고, 사용자가 의도한 단어를 정확하게 추천하기 어려운 문제가 있었다. 따라서, 데이터베이스에 저장해야 하는 데이터의 양을 줄이면서도, 사용자가 의도한 단어를 보다 정확하게 예측하여 추천할 수 있는 방법이 요구되고 있다.With the development of multimedia technology and network technology, users can receive various services using devices. In particular, various methods of providing a recommendation word based on a word being input by the user have been provided. However, in order to provide a recommendation word, there is a problem that the amount of data to be stored in the database is large and it is difficult to accurately recommend the word intended by the user. Accordingly, there is a need for a method that can more accurately predict and recommend a word intended by the user while reducing the amount of data to be stored in the database.

또한, 근래에는 인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.In recent years, artificial intelligence systems that implement human-level intelligence have been used in various fields. Artificial intelligence system is a system that the machine learns, judges, and becomes smarter, unlike the existing rule-based smart system. Artificial intelligence systems are becoming more and more recognizable as users use them, and existing rule-based smart systems are increasingly being replaced by deep-run-based artificial intelligence systems.

인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.Artificial intelligence technology consists of elemental technologies that utilize machine learning (eg, deep learning) and machine learning.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Machine learning is an algorithm technology that classifies / learns the characteristics of input data by itself. Element technology is a technology that simulates functions such as recognition and judgment of human brain using machine learning algorithms such as deep learning. Understanding, reasoning / prediction, knowledge representation, and motion control.

인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.The various fields in which artificial intelligence technology is applied are as follows. Linguistic understanding is a technology for recognizing, applying, and processing human language / characters, including natural language processing, machine translation, dialogue system, query response, speech recognition / synthesis, and the like. Visual understanding is a technology for recognizing and processing objects as human vision, including object recognition, object tracking, image search, human recognition, scene understanding, spatial understanding, and image enhancement. Inference prediction is a technique for judging and logically inferring and predicting information, including knowledge / probability based reasoning, optimization prediction, preference base planning, and recommendation. Knowledge representation is a technology for automating human experience information into knowledge data, including knowledge building (data generation / classification) and knowledge management (data utilization). The motion control is a technique for controlling the autonomous travel of the vehicle and the motion of the robot, and includes motion control (navigation, collision, traveling), operation control (behavior control), and the like.

일부 실시예들은, 사용자로부터 입력된 문자를 포함하는 의사 형태소 단위로 추천 단어를 제공함으로써, 데이터베이스에 저장해야 하는 데이터의 양을 줄일 수 있는, 추천 단어를 제공하는 디바이스 및 방법을 제공할 수 있다.Some embodiments may provide a device and method for providing a recommendation word that can reduce the amount of data that needs to be stored in a database by providing a recommendation word on a pseudo-morpheme basis that includes characters entered from a user.

또한, 일부 실시예들은, 어절 단위보다 작은 의사 형태소 단위로 추천 단어를 제공하고, 추천된 의사 형태소 중에서 선택된 의사 형태소에 기초하여 어절 단위로 추천 단어를 제공함으로써, 사용자가 의도에 부합하는 추천 단어를 보다 효과적으로 제공하는 디바이스 및 방법을 제공할 수 있다.In addition, some embodiments provide a recommendation word in units of a pseudo morpheme that is smaller than a word unit and provide a recommendation word in units of words based on a pseudo morpheme selected from the recommended pseudo-morphemes, It is possible to provide a device and a method that provide more effectively.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은 적어도 하나의 프로그램이 저장되는 메모리, 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신하는 사용자 입력부, 및 적어도 하나의 프로그램을 실행함으로써 입력된 문자에 대한 추천 단어를 제공하도록 하는 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 입력된 문자를 분석함으로써, 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천하는 동작, 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작, 및 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 문자 입력 창 내에 디스플레이하는 동작을 포함하는, 디바이스를 제공할 수 있다.As a technical means to accomplish the above-mentioned technical object, a first aspect of the present disclosure provides a computer program product comprising a memory in which at least one program is stored, a user input for receiving user input for entering characters in a text input window, And at least one processor for providing a recommendation word for an input character by executing the at least one program, wherein the at least one program includes at least one pseudo-morpheme including input characters, Recommending at least one phrase comprising a selected pseudo morpheme in response to an input selecting one of the at least one pseudo-morpheme, and in response to an input selecting one of the at least one phrase, Displaying a word in a character input window, It can provide a vise.

또한, 본 개시의 제2 측면은, 사용자로부터 문자 입력을 수신하는 동작, 문자 입력을 분석함으로써, 수신된 문자 입력을 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천하는 동작, 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작, 및 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 디스플레이하는 동작을 포함하는, 디바이스가 사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 방법을 제공할 수 있다.Also, a second aspect of the present disclosure provides a method comprising: receiving a character input from a user, analyzing a character input, recommending at least one pseudo-morpheme comprising a received character input, In response to an input selecting one of the pseudo-morphemes, recommending at least one word containing the selected pseudo morpheme, and displaying the selected phrase in response to an input selecting one of the at least one word The device may provide a method of providing a recommendation word for a character input from a user.

또한, 본 개시의 제3 측면은, 제2 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.The third aspect of the present disclosure can also provide a computer-readable recording medium on which a program for causing a computer to execute the method of the second aspect is recorded.

도 1은 일부 실시예에 따른 디바이스가 사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 예시를 나타내는 도면이다.
도 2는 일부 실시예에 따른 디바이스가 추천 단어를 제공하는 방법을 나타내는 흐름도이다.
도 3은 일부 실시예에 따른 디바이스가 추천할 적어도 하나의 의사 형태소를 결정하는 방법을 나타내는 흐름도이다.
도 4는 일부 실시예에 따른 디바이스가 추천 단어를 결정하는 방법을 설명하기 위한 도면이다.
도 5a 및 도 5b는 일부 실시예에 따른 디바이스가 적어도 하나의 의사 형태소를 추천하는 예시를 나타내는 도면이다.
도 6a 및 도 6b는 일부 실시예에 따른 디바이스가 적어도 하나의 의사 형태소를 추천하는 예시를 나타내는 도면이다.
도 7은 일부 실시예에 따른 디바이스가 공백 문자를 디스플레이하는 방법을 나타내는 흐름도이다.
도 8은 일부 실시예에 따른 디바이스가 공백 문자를 디스플레이하고, 디스플레이된 공백 문자의 다음에 위치할 적어도 하나의 의사 형태소를 추천하는 예시를 나타내는 도면이다.
도 9는 일부 실시예에 따른 신경망의 예시를 나타내는 도면이다.
도 10은 일부 실시예에 따른 디바이스가 추천할 어절이 있는지 여부가 나타나도록, 디스플레이된 의사 형태소를 구별되게 표시하는 예시를 나타내는 도면이다.
도 11은 일부 실시예에 따른 디바이스가 의사 형태소 각각에 대한 사용자의 사용 빈도를 고려하여 의사 형태소를 추천하는 예시를 나타내는 도면이다.
도 12은 일부 실시예에 따른 디바이스가 기 디스플레이된 적어도 하나의 어절의 종류 및 순서를 고려하여 의사 형태소를 추천하는 예시를 나타내는 도면이다.
도 13는 일부 실시예에 따른 디바이스가 사용자의 문자 입력 특성을 고려하여 적어도 하나의 어절을 추천하는 예시를 나타내는 도면이다.
도 14는 일부 실시예에 따른 디바이스의 블록도이다.
도 15는 다른 실시예에 따른 디바이스의 블록도이다.
도 16은 일부 실시예에 따른 프로세서의 블록도이다.
도 17은 일부 실시예에 따른 데이터 학습부의 블록도이다.
도 18는 일부 실시예에 따른 데이터 인식부의 블록도이다.
도 19은 일부 실시예에 따른 디바이스 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 20은 일부 실시예에 따른 데이터 인식 모델을 이용하는 디바이스의 흐름도이다.
도 21 내지 도 23은 일부 실시예에 따른 데이터 분석 모델을 이용하는 네트워크 시스템의 흐름도들이다.Figure 1 is an illustration of an example in which a device according to some embodiments provides a suggestion word for a character entered from a user.
2 is a flow diagram illustrating a method according to some embodiments for providing a recommendation word.
3 is a flow diagram illustrating a method for determining at least one pseudo-morpheme to be recommended by a device according to some embodiments.
4 is a diagram for explaining a method of determining a recommendation word by a device according to some embodiments.
5A and 5B are diagrams illustrating an example in which a device according to some embodiments recommends at least one pseudo-morpheme.
6A and 6B are diagrams illustrating an example in which a device according to some embodiments recommends at least one pseudo-morpheme.
7 is a flow diagram illustrating a method according to some embodiments for displaying blank characters.
Figure 8 is an illustration of an example in which a device according to some embodiments displays blank characters and recommends at least one pseudo-morpheme to be placed after the displayed blank characters.
9 is a diagram illustrating an example of a neural network according to some embodiments.
10 is an illustration showing an example of distinctly displaying the displayed pseudo morphemes so that a device according to some embodiments may indicate whether there is a word phrase to recommend.
11 is a diagram illustrating an example in which a device according to some embodiments recommends a pseudo-morpheme in consideration of the frequency of use of a user for each pseudo-morpheme.
12 is a diagram illustrating an example in which a device according to some embodiments recommends a pseudo-morpheme in consideration of the type and order of at least one word displayed.
13 is a diagram illustrating an example in which a device according to some embodiments recommends at least one word in consideration of character input characteristics of a user.
14 is a block diagram of a device according to some embodiments.
15 is a block diagram of a device according to another embodiment.
16 is a block diagram of a processor in accordance with some embodiments.
17 is a block diagram of a data learning unit according to some embodiments.
18 is a block diagram of a data recognition unit according to some embodiments.
19 is a diagram showing an example in which a device and a server according to some embodiments interwork with each other to learn and recognize data.
20 is a flow diagram of a device using a data recognition model in accordance with some embodiments.
21 to 23 are flowcharts of a network system using a data analysis model according to some embodiments.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings, which will be readily apparent to those skilled in the art. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly illustrate the present invention, parts not related to the description are omitted, and similar parts are denoted by like reference characters throughout the specification.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is referred to as being "connected" to another part, it includes not only "directly connected" but also "electrically connected" with another part in between . Also, when a part is referred to as "including " an element, it does not exclude other elements unless specifically stated otherwise.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

도 1은 일부 실시예에 따른 디바이스가 사용자로부터 입력된 문자에 기초하여 추천 단어를 제공하는 예시를 나타내는 도면이다.1 is a diagram illustrating an example in which a device according to some embodiments provides a recommendation word based on a character input from a user.

도 1을 참조하면, 디바이스(1000)는 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있으며, 입력된 문자에 기초하여 추천 단어를 제공할 수 있다. Referring to FIG. 1, the device 1000 may receive a user input for inputting a character in a character input window, and may provide a recommendation word based on the input character.

디바이스(1000)가 입력된 문자에 기초하여 어절 단위로 추천 단어를 제공하는 경우, 디바이스(1000)는, 데이터베이스에 저장된 각 어절들의 사용 빈도수에 기초하여, 사용자로부터 입력된 문자를 포함하는 어절들을 추천할 수 있다. 이 경우, 각 어절 단위로 사용 빈도를 산출하기 때문에, 예를 들어, "사랑이", "사랑과", 및 "사랑만이"는 서로 다른 어절이므로, 세 어절 모두 "사랑"이라는 명사를 포함하더라도, "사랑이", "사랑과", 및 "사랑만이" 각각에 대한 사용 빈도는 낮게 산출될 수 있다. 이에 따라, 사용자가 "사랑"를 포함하는 표현을 빈번하게 사용하는 경우에도, "사랑"을 포함하는 어절이 우선적으로 추천되지 않을 수 있다. 예를 들어, "사과가"가 1000번, "사랑이"가 800번, "사과를"이 30번, "사랑과"가 700번, "사과는"이 20번, "사랑만이"가 500번 사용된 경우, 사용자는 "사랑"을 "사과"보다 더 빈번하게 사용하지만, 어절 단위로 산출되는 사용 빈도에 따라, "사과가", "사랑과", "사랑만이" 순으로 추천될 수 있다. 따라서, 디바이스(1000)가 사용자로부터 입력된 문자에 대한 추천 단어를 제공할 때, 어절보다 작은 단위로 추천 단어를 제공하는 방법이 필요하다.When the device 1000 provides a recommendation word in units of words based on the input character, the device 1000 recommends phrases containing characters input from the user, based on the frequency of use of each word stored in the database can do. In this case, since the frequency of use is calculated for each word unit, for example, "love", "love" and "love only" are different words, , "Love", "love", and "love only" can be calculated to be low. Accordingly, even if the user frequently uses a phrase including "love ", a word phrase including" love " may not be preferentially recommended. For example, "apple" is 1,000, "love" is 800, "apple" is 30, "love and" is 700, "apple" is 20, "love is only" When used once, the user uses "love" more frequently than "apology", but depending on the frequency of use calculated by the unit of the word, "apple", "love" and "love only" have. Accordingly, when the device 1000 provides a recommendation word for a character input from a user, a method of providing a recommendation word in a unit smaller than a word is needed.

일부 실시예에 따른 디바이스(1000)는, 사용자로부터 입력된 문자에 대하여 의사 형태소 단위로 먼저 추천함으로써, 서로 다른 뜻을 가지는 다양한 추천 단어들을 사용자에게 제공할 수 있다. 의사 형태소는, 뜻을 가지는 가장 작은 말의 단위를 의미할 수 있다. 예를 들어, 의사 형태소는, 뜻을 가지는 최소 단위의 명사를 포함할 수 있으며, 실시예에 따라 뜻을 가지는 복합명사도 하나의 의사 형태소로 분류될 수 있다. 예를 들어, "사랑", "사과", 및 "사람"은 서로 다른 뜻을 가지는 명사로서, 각각 하나의 의사 형태소가 될 수 있다. 또한, 단어는, 의사 형태소 및 어절을 포함하는 의미로 사용될 수 있다.The device 1000 according to some embodiments may recommend various recommended words having different meanings to the user by recommending the characters inputted from the user first in a pseudo morpheme unit. A pseudo-morpheme can mean the smallest unit of a word. For example, a pseudo-morpheme may include a noun of the smallest unit having a meaning, and a compound noun having a meaning according to an embodiment may be classified into one pseudo-morpheme. For example, "love", "apology", and "person" are nouns with different meanings, and each can be a pseudo-morpheme. In addition, a word can be used in a meaning including a pseudo-morpheme and a word.

일부 실시예에 따른 디바이스(1000)는, 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력이 수신되면, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천함으로써, 사용자의 의도에 부합하는 추천 단어를 보다 용이하게 제공할 수 있다. The device 1000 in accordance with some embodiments may be configured such that, upon receiving an input to select one of the recommended at least one pseudo-morpheme, by recommending at least one word containing the selected pseudo morpheme, Can be more easily provided.

또한, 일부 실시예에 따른 디바이스(1000)는, 문자 입력에 관한 다양한 컨텍스트 정보들을 활용하여, 추천할 적어도 하나의 의사 형태소 및 추천할 적어도 하나의 어절을 결정할 수 있으며, 공백 문자가 디스플레이되는 위치를 판단할 수 있다.In addition, device 1000 according to some embodiments may utilize various contextual information about character input to determine at least one pseudo morpheme to recommend and at least one phrase to recommend, It can be judged.

컨텍스트 정보는, 사용자가 과거에 입력한 문자에 관한 정보, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절에 관한 정보, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 포함할 수 있다. 사용자가 과거에 입력한 문자에 관한 정보는, 사용자가 과거에 빈번하게 사용한 의사 형태소, 어절에 관한 정보, 및 디바이스(1000)에 의해 추천된 의사 형태소들 중에서 사용자가 선택한 의사 형태소에 관한 정보를 포함할 수 있다. 기 디스플레이된 적어도 하나의 어절에 대한 정보는, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절의 품사 및 문장 성분에 관련된 정보를 포함할 수 있다. 예를 들어, 기 디스플레이된 적어도 하나의 어절에 대한 정보는, 문자 입력 창에 기 디스플레이된 어절이 주어에 해당하는 어절인지, 주어와 동사에 해당하는 어절인지 나타내는 정보를 포함할 수 있으나, 이에 한정되지 않는다. The context information may include information on a character that the user has input in the past, information on at least one word displayed in the character input window, information on voice data that the user has input in the past, and the like. The information on the character entered by the user in the past includes information about the pseudo morpheme frequently used by the user in the past, information on the word, and the pseudo morpheme selected by the user from among the pseudo morphemes recommended by the device 1000 can do. The information on at least one word displayed may include information related to parts of speech and sentence components of at least one word displayed in the text input window. For example, the information on at least one word displayed on the display may include information indicating whether a word displayed in the character input window is a word corresponding to a subject, a word corresponding to the subject and a verb, It does not.

디바이스(1000)는, 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털 방송용 단말기, 내비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 디바이스(1000)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다. 그러나, 이에 제한되지 않으며, 디바이스(1000)는 사용자의 음성 입력을 수신하고, 사용자에게 답변 메시지를 제공할 수 있는 모든 종류의 기기를 포함할 수 있다.The device 1000 may be a smart phone, a tablet PC, a PC, a smart TV, a mobile phone, a personal digital assistant (PDA), a laptop, a media player, a micro server, Navigation, kiosks, MP3 players, digital cameras, consumer electronics, and other mobile or non-mobile computing devices. In addition, the device 1000 may be a wearable device, such as a watch, a pair of glasses, a hair band, and a ring, having a communication function and a data processing function. However, it is not so limited, and the device 1000 may include any kind of device capable of receiving a user's voice input and providing an answer message to the user.

또한, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절에 관한 정보, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 포함하는 컨텍스트 정보를 이용하기 위하여, 소정의 네트워크를 통하여 서버 및 다른 장치와 통신할 수 있다. 이 경우, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.In addition, the device 1000 may include information about a character input by the user in the past, information about at least one word displayed in the character input window, information about voice data that the user has input in the past, and the like In order to use the context information, it can communicate with the server and other devices via a predetermined network. In this case, the network may be a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, And includes a wired Internet, a wireless Internet, and a mobile wireless communication network, and is a data communication network in a comprehensive sense that enables each network constituent to communicate smoothly with each other. The wireless communication may be performed using, for example, Wi-Fi, Bluetooth, Bluetooth low energy, ZigBee, Wi-Fi Direct, UWB, ), Near Field Communication (NFC), and the like, but the present invention is not limited thereto.

도 2는 일부 실시예에 따른 디바이스(1000)가 추천 단어를 제공하는 방법을 나타내는 흐름도이다.FIG. 2 is a flow diagram illustrating a method by which a device 1000 in accordance with some embodiments provides a recommendation word.

동작 S200 동작에서, 디바이스(1000)는 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신한다. 이때, 디바이스(1000)의 문자 입력 창은, 문자 메시지, 또는 SNS 메시지 등을 입력할 때 사용되는 창을 포함할 수 있으며, 입력되는 문자는 적어도 하나의 알파벳 또는 적어도 하나의 음절을 포함할 수 있다. In operation S200 operation, the device 1000 receives a user input for entering a character in a character input window. At this time, the character input window of the device 1000 may include a window used for inputting a text message or an SNS message, and the input character may include at least one alphabet or at least one syllable .

동작 S210 동작에서, 디바이스(1000)는 입력된 문자를 분석함으로써, 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천한다. 일부 실시예에 따른 디바이스(1000)는, 문자 입력에 관한 컨텍스트 정보를 이용하여, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다. 예를 들어, 디바이스(1000)는, 의사 형태소 각각에 대한 통상적인 사용 빈도에 관한 통계 데이터, 사용자가 과거에 입력한 문자들에 관한 정보, 디바이스(1000)에 의해 추천된 의사 형태소들 중에서 사용자가 선택한 의사 형태소에 관한 정보, 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, 적어도 하나의 의사 형태소를 추천할 수 있다. In operation S210 operation, the device 1000 recommends at least one pseudo-morpheme containing input characters by analyzing the input character. The device 1000 according to some embodiments may recommend at least one pseudo morpheme including input characters using the context information about the character input. For example, the device 1000 may include statistical data relating to typical usage frequencies for each of the pseudo-morphemes, information about characters that the user has entered in the past, It is possible to recommend at least one pseudo morpheme in consideration of information on the selected pseudo morpheme, information on voice data input by the user in the past, and the like.

동작 S220 동작에서, 디바이스(1000)는 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천한다. In operation S220 operation, the device 1000 recommends at least one phrase, including the selected pseudo morpheme, in response to an input selecting one of the recommended at least one pseudo-morpheme.

사용자는, 추천된 적어도 하나의 의사 형태소 중에서, 사용자가 문자 입력 창 내에 입력하려고 의도한 의사 형태소를 선택할 수 있다. 의사 형태소를 선택하는 입력이 수신됨에 따라, 디바이스(1000)는, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 디바이스(1000)는, 문자 입력에 관한 컨텍스트 정보를 이용하여 적어도 하나의 어절을 추천할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절에 관한 정보, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, 적어도 하나의 어절을 추천할 수 있다. 선택된 의사 형태소가 명사인 경우, 의사 형태소를 포함하는 적어도 하나의 어절은, 명사에 조사가 결합된 형태일 수 있으나, 이에 한정되지 않는다. The user can select a pseudo morpheme that the user intends to input in the character input window from among the recommended at least one pseudo morpheme. As the input to select a pseudo-morpheme is received, the device 1000 may recommend at least one word containing the selected pseudo morpheme. At this time, the device 1000 can recommend at least one word by using the context information about the character input. For example, the device 1000 may store information on characters entered in the past by the user, information on at least one word displayed in the character input window, information on voice data that the user has input in the past, and the like , At least one word can be recommended. If the selected pseudo-morpheme is a noun, at least one word-phrase including the pseudo-morpheme may be in the form of a combination of nouns and nouns, but is not limited thereto.

또한, 디바이스(1000)는, 사용자의 문자 입력 특성에 기초하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 빈번하게 사용하는 표현을 고려하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. In addition, the device 1000 may recommend at least one phrase including the selected pseudo morpheme based on the character input characteristics of the user. For example, the device 1000 may recommend at least one phrase that includes the selected pseudo morpheme, taking into account the expressions that the user frequently uses.

또한, 디바이스(1000)는, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절에 관한 정보, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, 적어도 하나의 다른 어절을 추천할 수 있다. 이때, 선택된 어절을 포함하는 적어도 하나의 다른 어절은, 선택된 어절에 다른 조사가 추가된 어절을 포함할 수 있으나, 이에 한정되지 않는다.In addition, the device 1000 may recommend at least one other phrase, including the selected phrase, in response to an input selecting one of the recommended at least one phrases. For example, the device 1000 may store information on characters entered in the past by the user, information on at least one word displayed in the character input window, information on voice data that the user has input in the past, and the like , At least one other phrase can be recommended. At this time, at least one other word-line including the selected word-line may include, but is not limited to, a word-word to which another search is added to the selected word-word.

S230 동작에서, 디바이스(1000)는, 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 문자 입력 창 내에 디스플레이한다.In operation S230, the device 1000 displays the selected phrase in the character input window in response to an input for selecting one of the at least one word.

또한, 일부 실시예에 따른 디바이스(1000)는, 선택된 어절 다음에 공백 문자가 위치할 것인지 여부를 예측하고, 예측된 결과에 기초하여 선택된 어절과 공백 문자를 문자 입력 창 내에 함께 디스플레이할 수 있다. In addition, the device 1000 according to some embodiments may predict whether a blank character will be positioned after the selected phrase and display the selected phrase and blank character together in the character input window based on the predicted result.

상기에서는, 추천할 의사 형태소의 결정, 추천할 어절의 결정, 및 공백 문자가 디스플레이되는 위치의 결정이 각각 별개의 학습에 기초하여 수행되는 것으로 설명하였지만, 이에 제한되지 않는다. 추천할 의사 형태소의 결정, 추천할 어절의 결정, 및 공백 문자가 디스플레이되는 위치의 결정 중 적어도 둘 이상이 하나의 학습 모델에 의해 수행될 수 있다.In the above description, the determination of the pseudo-morphemes to be recommended, the determination of the word to be recommended, and the determination of the position where the blank character is displayed are each performed based on separate learning, but the present invention is not limited thereto. At least two of the determination of the pseudo morpheme to be recommended, the determination of the word to be recommended, and the determination of the position at which the space character is displayed can be performed by one learning model.

또한, 일부 실시예에 따른 디바이스(1000)는, 심층 신경망(Deep Neural Network)을 이용하여, 추천할 적어도 하나의 의사 형태소, 추천할 적어도 하나의 어절, 및 공백 문자가 디스플레이되는 위치에 대한 기준을 학습할 수 있다. In addition, the device 1000 according to some embodiments may use a Deep Neural Network to provide at least one pseudo morpheme to recommend, at least one phrase to recommend, and a criterion for the location where blank characters are displayed You can learn.

도 3은 일부 실시예에 따른 디바이스가 추천할 적어도 하나의 의사 형태소를 결정하는 방법을 나타내는 흐름도이다.3 is a flow diagram illustrating a method for determining at least one pseudo-morpheme to be recommended by a device according to some embodiments.

S300 동작에서, 디바이스(1000)는 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있다. 예를 들어, 디바이스(1000)는, 문자 메시지 또는 SNS 메시지 등을 입력하는 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있다. 이때, 입력되는 문자는, 적어도 하나의 알파벳 또는 적어도 하나의 음절을 포함할 수 있다. In operation S300, the device 1000 may receive a user input for inputting characters in a character input window. For example, the device 1000 may receive a user input for entering a character within a window for entering a text message or an SNS message. At this time, the input character may include at least one alphabet or at least one syllable.

S310 동작에서, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보를 수집할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 빈번하게 사용된 의사 형태소 및 어절 등에 대한 정보를 고려하여, 추천할 의사 형태소를 결정할 수 있다. In S310 operation, the device 1000 may collect information about characters that the user has entered in the past. For example, the device 1000 can determine a pseudo morpheme to be recommended, taking into account information on pseudo-morphemes and phrases frequently used by the user in the past.

S320 동작에서, 디바이스(1000)는, 데이터베이스에 저장된 의사 형태소 각각의 사용 빈도에 관한 일반적인 통계 데이터를 수집할 수 있다. 디바이스(1000)는, 의사 형태소 각각의 사용 빈도에 관한 일반적인 통계 데이터를 고려하여, 사용 빈도가 높은 의사 형태소를 추천할 의사 형태소로 결정할 수 있다. In operation S320, the device 1000 may collect general statistical data on the frequency of use of each of the pseudo-morphemes stored in the database. The device 1000 can determine the pseudo morpheme to which the frequently used pseudo morpheme is to be recommended as a pseudo morpheme considering the general statistical data on the frequency of use of each pseudo morpheme.

S330 동작에서, 디바이스(1000)는, 사용자가 과거에 입력한 음성 데이터에 관한 정보를 수집할 수 있다. 디바이스(1000)는, 다양한 자연어 해석 기법을 이용하여, 마이크를 통해 입력된 사용자의 음성 데이터를 해석할 수 있으며, 해석된 음성 데이터에 대한 정보를 고려하여 추천 단어를 결정할 수 있다.In operation S330, the device 1000 may collect information about voice data that the user has input in the past. The device 1000 can analyze voice data of a user input through a microphone using various natural language analysis techniques and can determine a recommendation word in consideration of information on analyzed voice data.

도 3에서는, 편의상, 디바이스(1000)가 사용자가 과거에 입력한 문자에 관한 정보, 의사 형태소 각각의 사용 빈도에 관한 일반적인 통계 데이터, 사용자가 과거에 입력한 음성 데이터에 관한 정보들을 순차적으로 수집하는 것으로 설명하였으나, 디바이스(1000)는 상술한 정보들을 병렬적으로 수집하고, 수집된 정보들을 이용하여, 추천할 의사 형태소를 결정하는 방법을 학습할 수 있다. In FIG. 3, for convenience, the device 1000 sequentially collects information on characters that the user has input in the past, general statistical data on the frequency of use of each pseudo-morpheme, and information on voice data that the user has input in the past The device 1000 can learn a method of collecting the above-described information in parallel and determining a pseudo morpheme to be recommended using the collected information.

S340 동작에서, 디바이스(1000)는, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다.In operation S340, the device 1000 may recommend at least one pseudo-morpheme that includes the input character.

도 4는 일부 실시예에 따른 디바이스가 추천 단어를 결정하는 방법을 설명하기 위한 도면이다.4 is a diagram for explaining a method of determining a recommendation word by a device according to some embodiments.

일부 실시예에 따른 디바이스(1000)는, 사용자로부터 입력된 문자를 분석함으로써, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다. 디바이스(1000)는, 의사 형태소들을 포함하는 데이터베이스에서, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추출할 수 있다. 디바이스(1000)는, 문자 입력에 관한 다양한 컨텍스트 정보들을 고려하여, 데이터베이스로부터 추출된 적어도 하나의 의사 형태소 중에서 추천할 적어도 하나의 의사 형태소를 결정할 수 있다. 예를 들어, 도 4를 참조하면, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보(410), 의사 형태소 각각의 사용 빈도에 관한 일반적인 통계 데이터(411), 사용자가 과거에 입력한 음성 데이터에 관한 정보(412) 등을 고려하여, 추천할 적어도 하나의 의사 형태소를 결정할 수 있다. The device 1000 according to some embodiments may recommend at least one pseudo-morpheme including input characters by analyzing characters input from the user. The device 1000 may extract at least one pseudo-morpheme including input characters, in a database including pseudo-morphemes. The device 1000 may determine at least one pseudo morpheme to be recommended among the at least one pseudo morpheme extracted from the database in consideration of various context information regarding the character input. For example, referring to FIG. 4, the device 1000 may include information 410 about characters entered by a user in the past, general statistical data 411 about the frequency of use of each pseudo-morpheme, At least one pseudo morpheme to be recommended can be determined in consideration of the information 412 relating to one voice data and the like.

디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보(410), 의사 형태소 각각의 사용 빈도에 관한 일반적인 통계 데이터(411), 사용자가 과거에 입력한 음성 데이터에 관한 정보(412) 등을 이용하여, 추천할 의사 형태소를 결정하는 기준, 추천할 적어도 하나의 어절을 결정하는 기준, 및 공백 문자가 디스플레이되는 위치를 결정하는 기준을 학습할 수 있다. 예를 들어, 어떠한 의사 형태소를 추천할 것인지, 어떠한 어절을 추천할 것인지, 및 공백 문자가 어느 위치에 디스플레이되어야 하는지에 대한 판단은, 순환형 신경망(RNN, Recurrent Neural Network)을 포함하는 심층 신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다. The device 1000 includes information 410 about characters entered by the user in the past, general statistical data 411 about the frequency of use of each pseudo morpheme, information 412 regarding voice data that the user has input in the past , A criterion for determining a pseudo-morpheme to be recommended, a criterion for determining at least one phrase to be recommended, and a criterion for determining a position at which a blank character is displayed can be learned. For example, the determination of which pseudo-morphemes to recommend, which phrases to recommend, and where whitespace is to be displayed may be determined using a depth neural network (RNN), including a Recurrent Neural Network Deep Neural Network) technology.

도 5a 및 도 5b는 일부 실시예에 따른 디바이스가 의사 형태소를 추천하는 예시를 나타내는 도면이다.5A and 5B are diagrams illustrating an example in which a device according to some embodiments recommends a pseudo-morpheme.

도 5a를 참조하면, 예를 들어, 사용자가 디바이스(1000)의 문자 입력 창(500) 내에 "사"라는 문자를 입력한 경우에, 디바이스(1000)는 "사"를 포함하는 의사 형태소로서 "사랑", "사과", 및 "사장"을 추천(501)할 수 있다. 이때, 추천되는 적어도 하나의 의사 형태소는, 사용자로부터 입력된 문자가 순환형 신경망(RNN, Recurrent Neural Network)에 입력될 때 출력되는 결과일 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 각 의사 형태소의 사용 빈도에 대한 통상적인 통계 데이터, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, "사"를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다. "사"를 포함하는 다양한 의사 형태소들 중에서 어떤 의사 형태소가 추천될 것인지는, 기 설정된 기준에 따른 학습에 기초하여 결정될 수 있다. 5A, for example, when a user inputs the character "G" in the character input window 500 of the device 1000, the device 1000 is a pseudo morpheme including " Love "," Apology ", and" President "(501). At this time, the recommended at least one pseudo morpheme may be a result outputted when a character input from a user is input to a Recurrent Neural Network (RNN). For example, the device 1000 considers information about characters that the user has entered in the past, general statistical data on the frequency of use of each pseudo morpheme, information on voice data that the user has input in the past, and the like , "And " " may be recommended. Which pseudo-morpheme will be recommended among the various pseudo-morphemes, including "s", can be determined based on learning according to predetermined criteria.

일부 실시예에 따른 디바이스(1000)는, 추천된 적어도 하나의 의사 형태소를 문자 입력 창(500) 외부에 디스플레이할 수 있다. 사용자는, 추천된 적어도 하나의 의사 형태소 중에서 사용자가 의도한 하나의 의사 형태소를 선택할 수 있다. 예를 들어, 도 5a에 도시된 바와 같이, 사용자는 추천된 3개의 의사 형태소 중에서 "사람"을 선택(502)할 수 있다. The device 1000 according to some embodiments may display the recommended at least one pseudo-morpheme outside the text entry window 500. [ The user can select one pseudo morpheme the user intended from among the recommended at least one pseudo morpheme. For example, as shown in FIG. 5A, the user can select "person" 502 among the three recommended pseudo morphemes.

일부 실시예에 따른 디바이스(1000)는, 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 추천되는 적어도 하나의 어절은, 선택된 의사 형태소가 순환형 신경망(RNN, Recurrent Neural Network)에 입력될 때 출력되는 결과일 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 선택된 의사 형태소를 포함하는 각 어절에 대한 통상적인 통계 데이터, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 의사 형태소가 소정의 뜻을 가지는 명사인 경우, 의사 형태소를 포함하는 어절은, 명사에 조사가 추가된 형태일 수 있다. The device 1000 according to some embodiments may recommend at least one phrase that includes the selected pseudo morpheme, in response to a user input selecting one of the at least one pseudoemo. At this time, the recommended at least one word may be a result output when the selected pseudo morpheme is input to a Recurrent Neural Network (RNN). For example, the device 1000 may store information on characters entered in the past by the user, normal statistical data on each word containing the selected pseudo morpheme, information on voice data entered by the user in the past, and the like , It is possible to recommend at least one phrase including the selected pseudo morpheme. If the pseudo-morpheme is a noun with a predetermined meaning, the word-phrase including the pseudo-morpheme may be a form in which the noun is added to the noun.

예를 들어, 도 5a를 참조하면, "사람"을 선택하는 입력에 응답하여, 디바이스(1000)는 "사람"을 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 추천되는 어절은, "사람이", "사람을", "사람과"와 같이 "사람"에 조사가 추가된 형태일 수 있으나, 이에 한정되지 않는다.For example, referring to FIG. 5A, in response to an input selecting "person ", the device 1000 may recommend at least one word that includes" person ". At this time, the recommended word phrase may be a form in which a search is added to "person" such as "person", "person", "person", but is not limited thereto.

또한, 일부 실시예에 따른 디바이스(1000)는, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천할 수 있다. 예를 들어, 명사에 둘 이상의 조사가 연결되어 하나의 어절을 구성할 수 있다. 한글의 경우, 명사(예를 들어, "사랑")와 조사(예를 들어, "만")가 연결되어 형성된 하나의 어절(예를 들어,"사랑만")에 다른 연결 어미(예를 들어, "큼")가 추가적으로 연결되어, 다른 어절(예를 들어, "사랑만큼")이 형성될 수 있다. 이에 따라, 디바이스(1000)에 의해 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력이 수신되면, 디바이스(1000)는, 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천할 수 있다. 예를 들어, 도 5b를 참조하면, 사용자는, 디바이스(1000)에 의해 추천된 어절인 "사람이", "사람을", 및 "사람과" 중에서, "사람과"를 선택(512)할 수 있다. 이때, 디바이스(1000)는, "사람과"를 포함하는 적어도 하나의 다른 어절로서, "사람과의" 및 "사람과는"을 추천(521)할 수 있다. 디바이스(1000)는, 추천된 "사람과의" 및 "사람과는"을 문자 입력 창(500) 외부에 표시할 수 있다. In addition, the device 1000 according to some embodiments may recommend at least one other phrase, including the selected phrase, in response to an input selecting one of the recommended at least one phrase. For example, a noun can be linked to more than one survey to form a single word. In the case of Hangul, one connection (eg, "love only") formed by connecting a noun (for example, "love") and an investigation (for example, , "Large") are additionally connected so that another word (e.g., "as much as love") can be formed. Thus, if an input is received that selects one of at least one of the phrases recommended by the device 1000, the device 1000 may recommend at least one other phrase that includes the selected phrase. For example, referring to FIG. 5B, a user may select 512 words from "person "," person ", and "person" . At this time, the device 1000 can recommend (521) "with the person" and "with the person" as at least one other phrase including "person". The device 1000 can display the recommended "person" and "person" outside the character input window 500.

일 실시예에 따른 디바이스(1000)는, 문자 입력 창(500) 내에 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 먼저 추천하고, 추천된 적어도 하나의 의사 형태소 중에서 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이에 따라, 디바이스(1000)는, 어절 단위로 추천 단어를 제공하는 경우보다, 데이터베이스에 저장해야 하는 데이터의 양을 줄일 수 있다. 또한, 디바이스(1000)는, 의사 형태소 단위로 추천 단어를 제공한 다음에 어절 단위로 추천 단어를 제공함으로써, 사용자의 의도에 부합하는 추천 단어를 보다 효과적으로 제공할 수 있다.The device 1000 according to one embodiment may first recommend at least one pseudo-morpheme that includes the characters entered in the character entry window 500, and may select at least one of the recommended pseudo-morpheme Can be recommended. Accordingly, the device 1000 can reduce the amount of data to be stored in the database, as compared with a case where a recommendation word is provided for each word. In addition, the device 1000 may provide a recommendation word in units of a pseudo morpheme, and then provide a recommendation word in units of an eighth word, thereby more effectively providing a recommendation word matching the intention of the user.

도 6a 및 도 6b는 일부 실시예에 따른 디바이스가 적어도 하나의 의사 형태소를 추천하는 예시를 나타내는 도면이다.6A and 6B are diagrams illustrating an example in which a device according to some embodiments recommends at least one pseudo-morpheme.

영어는, 한글과 달리, 일반적으로 단어 단위로 띄어 쓴다. 따라서, 영어의 경우, 더 이상 나누어질 수 없는 단위의 명사, 형용사, 부사, 및 동사 원형 등이 하나의 의사 형태소가 될 수 있다. 예를 들어, 의사 형태소가 동사 원형(예를 들어, "say")인 경우, 의사 형태소를 포함하는 하나의 어절은, 동사의 변형된 형태(예를 들어, "said", "says", "saying" 등)를 의미할 수 있으나, 이에 한정되지 않는다. Unlike Hangul, English is usually written on a word-by-word basis. Thus, in English, units of nouns, adjectives, adverbs, and verb forms that can not be further divided can be a pseudo morpheme. For example, if the pseudo-morpheme is a verb prototype (e.g., "say"), one verse containing the pseudo-morpheme is a verb's modified form (e.g., quot ;, "saying ", etc.).

도 6a를 참조하면, 예를 들어, 사용자가 디바이스(1000)의 문자 입력 창(600)에 "wa"를 입력한 경우에, 디바이스(1000)는 "wa"를 포함하는 적어도 하나의 의사 형태소로서, "wait", "want", 및 "water"를 추천(601)할 수 있다. 6A, for example, if a user enters "wa" in the character input window 600 of the device 1000, the device 1000 may be at least one pseudo morpheme including "wa" quot; wait ", "want ", and" water "

디바이스(1000)는, 추천된 적어도 하나의 의사 형태소를 문자 입력 창 외부에 디스플레이할 수 있다. 사용자는, 추천된 적어도 하나의 의사 형태소 중에서 사용자가 의도한 하나의 의사 형태소를 선택할 수 있다. 하나의 의사 형태소를 선택하는 입력에 응답하여, 디바이스(1000)는 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 예를 들어, 도 6a에 도시된 바와 같이, 사용자는 추천된 3개의 의사 형태소 "wait", "want", 및 "water" 중에서 "wait"를 선택할 수 있다. 디바이스(1000)는, "wait"를 선택하는 입력에 응답하여, "wait"를 포함하는 적어도 하나의 어절을 추천(611)할 수 있다. 이때, 추천되는 어절은, 도 6a에 도시된 바와 같이, "wait", "waiting", "waited"와 같이, 동사 원형인 "wait"가 변형된 형태일 수 있으나, 이에 한정되지 않는다. 예를 들어, 의사 형태소가 명사(예를 들어, "child")일 때, 추천되는 어절은 의사 형태소로부터 파생된 명사들(예를 들어, "child", "children", "childhood")을 포함할 수 있다.The device 1000 can display the recommended at least one pseudo-morpheme outside the character input window. The user can select one pseudo morpheme the user intended from among the recommended at least one pseudo morpheme. In response to an input selecting a pseudo-morpheme, the device 1000 may recommend at least one word containing the selected pseudo morpheme. For example, as shown in FIG. 6A, a user may select "wait" from among three recommended pseudo morphemes "wait", "want", and "water". Device 1000 may recommend (611) at least one word containing "wait" in response to an input selecting "wait". At this time, the recommended word phrase may be a modified version of the verb phrase "wait" such as "wait", "waiting", "waited" as shown in FIG. 6A, but is not limited thereto. For example, when a pseudo-morpheme is a noun (e.g., "child"), the recommended word-phrase includes nouns derived from the pseudo-morpheme (eg, "child", "children", "childhood" can do.

또한, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 디바이스(1000)는, 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천할 수 있다. 예를 들어, 도 6b를 참조하면, 사용자가 문자 입력 창 내에 "mea"를 입력한 경우, 디바이스(1000)는 "mea"를 포함하는 의사 형태소로서 "meaning", "meager", "meadow"를 추천할 수 있다.In addition, in response to an input selecting one of the recommended at least one word, the device 1000 may recommend at least one other word that includes the selected word. 6B, when the user inputs "mea" in the character input window, the device 1000 displays "meaning "," meager ", "meadow" Recommended.

또한, 추천된 의사 형태소 중에서, "meaning"을 선택하는 입력에 응답하여, 디바이스(1000)는, "meaning"을 포함하는 어절로서, "meaningless" 및 "meaningful"을 추천(631)할 수 있다. 그리고, 사용자가 추천된 어절 중에서 "meaningless"를 선택함에 따라, 디바이스(1000)는 "meaningless"를 포함하는 "meaninglessness" 및 "meaninglessly"를 더 추천(641)할 수 있다. 이에 따라, 디바이스(1000)는, 사용자로부터 입력된 문자에 기초하여, 적어도 하나의 의사 형태소를 추천함으로써, 사용자의 의도에 부합하는 의사 형태소를 제공할 가능성을 높일 수 있다. Also, of the recommended pseudo-morphemes, in response to the input selecting "meaning", the device 1000 may recommend (631) "meaningless" and "meaningful" as a phrase containing "meaning". And, as the user selects "meaningless" among the recommended phrases, the device 1000 can further recommend 641 meaninglessness and meaninglessly, including "meaningless ". Accordingly, the device 1000 can increase the possibility of providing a pseudo-morpheme in accordance with the user's intention by recommending at least one pseudo-morpheme based on the character input from the user.

도 7은 일부 실시예에 따른 디바이스(1000)가 공백 문자를 디스플레이하는 방법을 나타내는 흐름도이다.FIG. 7 is a flow diagram illustrating how a device 1000 according to some embodiments displays blank characters.

일부 실시예에 따른 디바이스(1000)는, 문자 입력에 관한 컨텍스트 정보에 기초하여, 추천된 적어도 하나의 어절 중에서 선택된 어절의 다음에 공백 문자가 위치할 것인지 여부를 예측할 수 있다. 디바이스(1000)는, 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자에 관한 정보, 각 의사 형태소에 대한 일반적인 사용 빈도를 나타내는 통계 데이터, 및 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 이용하여, 추천된 적어도 하나의 어절 중에서 선택된 어절의 다음에 공백 문자가 위치할 것인지 여부를 예측할 수 있다.The device 1000 according to some embodiments may predict whether or not a blank character will be located after the selected one of the recommended at least one word based on the context information regarding the character input. In the device 1000, for example, the device 1000 may store information about characters that the user has input in the past, statistical data indicating the general frequency of use for each pseudo morpheme, and voice data entered by the user in the past , It is possible to predict whether or not a blank character will be positioned after the selected one of the recommended at least one.

S700 동작에서, 디바이스(1000)는 문자를 입력하는 사용자 입력을 수신할 수 있다. 이때, 입력되는 문자는, 적어도 하나의 알파벳 또는 적어도 하나의 음절을 포함할 수 있다.In S700 operation, the device 1000 may receive user input for entering characters. At this time, the input character may include at least one alphabet or at least one syllable.

S710 동작에서, 디바이스(1000)는 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다. S700 동작 및 S710 동작에 대해서는, 도 2의 S200 동작 및 S210 동작에 대응되므로, 자세한 설명은 생략한다.In operation S710, the device 1000 may recommend at least one pseudo-morpheme that includes the input character. The operation of S700 and the operation of S710 correspond to the operation of S200 and the operation of S210 of Fig. 2, and therefore, a detailed description thereof will be omitted.

S720 동작에서, 디바이스(1000)는 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 사용자는, 디바이스(1000)로부터 추천된 적어도 하나의 의사 형태소 중에서, 사용자가 의도한 의사 형태소를 선택할 수 있다. 이에 따라, 디바이스(1000)는, 사용자에 의해 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 의사 형태소가 명사일 때, 의사 형태소를 포함하는 적어도 하나의 어절은, 명사에 조사가 연결된 형태일 수 있다.In operation S720, the device 1000 may recommend at least one word containing the selected pseudo morpheme in response to an input selecting one of the recommended at least one pseudoemo. The user can select the intended pseudo morpheme from the at least one pseudo morpheme recommended by the device 1000. [ Accordingly, the device 1000 may recommend at least one word containing morpheme selected by the user. At this time, when the pseudo-morpheme is a noun, at least one word-phrase including the pseudo-morpheme may be a form in which the noun is connected to the noun.

S730 동작에서, 디바이스(1000)는, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 사용자 입력을 수신할 수 있다. 사용자는, 추천된 적어도 하나의 어절 중에서, 사용자가 디바이스(1000)의 문자 입력 창에 입력하고자 의도한 어절을 선택할 수 있다.In operation S730, the device 1000 may receive a user input that selects one of at least one recommended word. The user may select among the recommended at least one word a phrase that the user intends to input into the character input window of the device 1000.

S740 동작에서, 디바이스(1000)는, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절 다음에 공백 문자가 위치할 것인지 여부를 예측할 수 있다. 예를 들어, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력이 수신되고, 선택된 어절 다음에 공백 문자가 나올 가능성이 높을 때, 디바이스(1000)는 선택된 어절 다음에 공백 문자가 위치할 것이라고 예측할 수 있다. 예를 들어, 추천된 적어도 하나의 어절 중에서 "올림픽에"라는 어절이 사용자에 의해 선택된 경우, 사용자가 의도한 표현은 "올림픽에서" 또는 "올림픽에서는" 등과 같이, "올림픽에"를 포함하는 다른 어절일 수 있다. 그러나, "사과가"라는 어절이 사용자에 의해 선택되면, "사과가"를 포함하는 다른 어절보다 공백 문자가 위치할 가능성이 높을 수 있다. 따라서, 디바이스(1000)는, 사용자가 과거에 입력한 문자 데이터들에 관한 정보, 일반적으로 사용 빈도가 높은 어절들에 대한 통계 데이터 등에 기초하여, 선택된 어절 다음에 공백 문자가 위치할 것인지 여부를 예측할 수 있다. 이때, 선택된 어절 다음에 공백 문자가 위치할 것인지 여부에 관한 예측은, 심층 신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.In operation S740, the device 1000 may, in response to an input selecting one of the recommended at least one phrases, predict whether a blank character will be located after the selected phrase. For example, when an input is selected that selects one of the recommended at least one phrase and the likelihood of a blank character following the selected phrase is high, the device 1000 can predict that a blank character will follow the selected phrase have. For example, if the phrase "to the Olympics" is selected by the user from among the recommended at least one phrase, the intended expression of the user may be a different one, including " at the Olympics " It can be a word. However, if the word "apple" is selected by the user, it may be more likely that the whitespace character is located than other words containing "apple". Therefore, the device 1000 can estimate whether or not a blank character is to be positioned after the selected phrase, based on information on character data input by the user in the past, statistical data on commonly-used phrases, and the like . At this time, the prediction as to whether or not a blank character is to be placed after the selected word can be performed based on learning based on the Deep Neural Network technique.

S750 동작에서, 디바이스(1000)는, 예측 결과에 기초하여, 선택된 어절 및 공백 문자를 문자 입력 창 내에 디스플레이할 수 있다. 예를 들어, 선택된 어절 다음에 공백 문자가 위치할 가능성이 높다고 판단된 경우, 디바이스(1000)는 선택된 어절과 공백 문자를 문자 입력 창 내에 순차적으로 디스플레이할 수 있다. In operation S750, the device 1000 may display the selected word and blank character in the character input window based on the prediction result. For example, if it is determined that a blank character is likely to be located next to a selected word, the device 1000 may sequentially display the selected word and blank characters in the character input window.

또한, 일부 실시예에 따른 디바이스(1000)는, 공백 문자가 문자 입력 창 내에 디스플레이됨에 따라, 문자 입력 창 내에 디스플레이된 적어도 하나의 어절에 기초하여, 공백 문자 다음에 위치할 적어도 하나의 의사 형태소를 추천할 수 있다.In addition, the device 1000 according to some embodiments may include at least one pseudo morpheme to be positioned after the space character, based on at least one word displayed in the character input window, as the blank character is displayed in the character input window Recommended.

도 8은 일부 실시예에 따라, 공백 문자를 디스플레이하고, 디스플레이된 공백 문자 다음에 위치할 적어도 하나의 의사 형태소를 추천하는 예시를 나타내는 도면이다.8 is a diagram illustrating an example of displaying a blank character and recommending at least one pseudo-morpheme to be positioned after the displayed blank character, according to some embodiments.

일부 실시예에 따른 디바이스(1000)는 사용자로부터 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천하고, 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 사용자가 추천된 적어도 하나의 어절 중에서 하나를 선택한 경우, 디바이스(1000)는 선택된 어절 다음에 공백 문자가 위치하는지 여부를 예측할 수 있다. 디바이스(1000)가 선택된 어절 다음에 공백 문자가 위치할 것이라고 예측한 경우, 디바이스(1000)는 선택된 어절과 공백 문자를 문자 입력 창에 순차적으로 디스플레이할 수 있다. 또한, 공백 문자가 문자 입력 창에 디스플레이됨에 따라, 디바이스(1000)는 공백 문자 다음에 위치할 적어도 하나의 의사 형태소를 추천할 수 있다.The device 1000 according to some embodiments may include at least one pseudo-morpheme including characters entered from a user, and in response to a user input selecting one of the recommended at least one pseudo-morpheme, At least one phrase can be recommended. At this time, if the user selects one of the recommended at least one word, the device 1000 can predict whether or not a blank character is positioned after the selected word. If the device 1000 predicts that a blank character will be located after the selected word, the device 1000 may sequentially display the selected word and blank characters in the character input window. Further, as the blank character is displayed in the character input window, the device 1000 can recommend at least one pseudo morpheme to be positioned after the blank character.

예를 들어, 도 8을 참조하면, 문자 입력 창 내에 "사ㄹ"를 입력하는 사용자 입력을 수신함에 따라, 디바이스(1000)는, "사랑", "사람", 및 "사려"를 추천(801)할 수 있다. 그리고, "사랑"을 선택하는 사용자 입력이 수신됨에 따라, 디바이스(1000)는 "사랑"을 포함하는 적어도 하나의 어절로서, "사랑은", "사랑이", 및 "사랑과"를 추천할 수 있다. 이때, "사랑은"을 선택하는 사용자 입력이 수신될 때, 디바이스(1000)는, "사랑은" 다음에 공백 문자가 위치할 것인지 여부를 예측할 수 있다. 디바이스(1000)는, "사랑은"이라는 어절을 포함하는 다른 어절이 있는지 여부, "사랑은"을 포함하는 다른 어절의 사용 빈도, 사용자의 문자 입력 특성, "사랑은" 다음에 공백 문자가 위치하는 경우에 대한 통계 데이터에 관한 정보들을 수집할 수 있다. 디바이스(1000)는, 수집된 정보들에 기초하여, 공백 문자를 디스플레이할 위치를 학습할 수 있다. 예를 들어, 도 8을 참조하면, 디바이스(1000)가 "사랑은" 다음에 공백 문자가 위치할 것이라고 예측한 경우, 디바이스(1000)는 "사랑은" 및 공백 문자를 문자 입력 창에 순차적으로 디스플레이(811)할 수 있다. For example, referring to FIG. 8, upon receiving a user input for inputting "Syll" in the character input window, the device 1000 recommends "Love," " )can do. And, as user input selecting "LOVE " is received, device 1000 can recommend at least one phrase that includes" LOVE ", "LOVE "," LOVE " have. At this time, when a user input for selecting "Love" is received, the device 1000 can predict whether or not a blank character will follow the "love ". The device 1000 determines whether there are other words or phrases that include the phrase "love ", the frequency of use of other words including" love ", the character input characteristics of the user, Information about the statistical data about the case where the data is collected. The device 1000 can learn locations to display blank characters based on the collected information. For example, referring to FIG. 8, if the device 1000 predicts that a blank character will follow the "love", the device 1000 will return "love" and a blank character to the character input window sequentially Display 811 can be performed.

일부 실시예에 따른 디바이스(1000)는, 공백 문자가 문자 입력 창에 디스플레이됨에 따라, 공백 문자 다음에 위치할 적어도 하나의 의사 형태소를 추천할 수 있다. 도 8을 참조하면, 공백 문자가 문자 입력 창에 디스플레이된 경우, 디바이스(1000)는 "사랑은" 다음에 위치할 적어도 하나의 의사 형태소로서, "아프다", "행복하다", "설레다" 등을 추천(821)할 수 있다. The device 1000 according to some embodiments may recommend at least one pseudo-morpheme to be placed after the blank character as the blank character is displayed in the character input window. 8, when a blank character is displayed in the character input window, the device 1000 is at least one pseudo morpheme to be positioned next to " love " (821).

도 9는 일부 실시예에 따른 신경망의 예시를 나타내는 도면이다.9 is a diagram illustrating an example of a neural network according to some embodiments.

일부 실시예에 따른 디바이스(1000)는, 신경망(Neural Network)을 이용하여, 기 추천된 어절(Wt-1)의 다음에 추천할 어절(Wt)을 결정하고, 공백 문자가 디스플레이될 것인지 여부를 결정할 수 있다. Device 1000 in accordance with some embodiments, the neural network by (Neural Network) using, groups like the Eojeol (W t-1), and then determines the Eojeol (W t) to recommend to, and is going to be the blank characters displayed in the Can be determined.

도 9를 참조하면, 디바이스(1000)에 의해 기 추천된 제1 어절(Wt-1)(910)이 신경망(Neural Network)(900)에 입력될 때, 신경망(Neural Network) 기술에 따른 학습에 기초하여, 제1 어절(Wt-1)의 다음에 위치할 제2 어절(Wt)에 관한 확률 분포(920) 및 제2 어절(Wt)의 다음에 위치할 공백 문자에 관한 확률 분포(921)가 출력될 수 있다. 예를 들어, 제2 어절(Wt)에 관한 확률 분포(920)는, 제1 어절(Wt-1)을 포함하는 각 어절에 대하여, 제1 어절(Wt-1)의 다음에 위치할 확률을 나타내는 확률 분포를 의미할 수 있다. 또한, 제2 어절(Wt)의 다음에 위치할 공백 문자에 관한 확률 분포(921)는, 제2 어절(Wt) 다음에 공백 문자가 위치할 확률을 나타내는 분포를 의미할 수 있다. 디바이스(1000)는, 신경망(900)의 출력 결과에 기초하여, 제1 어절(Wt-1)을 포함하는 어절들 중에서 확률 분포가 높은 어절을 제1 어절(Wt-1) 다음에 위치할 제2 어절(Wt)로 결정할 수 있다. 9, when a first word (W t-1 ) 910 recommended by the device 1000 is input to a neural network 900, learning based on a neural network technique A probability distribution 920 relating to the second word W t to be positioned next to the first word W t-1 and a probability distribution 920 relating to a blank character to be positioned next to the second word W t , The distribution 921 can be output. For example, the probability distribution 920 with respect to the second word W t may be set to a position after the first word W t-1 , for each word that includes the first word W t-1 The probability distribution of the probability distribution of the probability distribution. In addition, the second Eojeol (W t), and then the probability distribution 921 of a space character to the position of the is, it is possible to sense a distribution representing the probability of a space character to the second position Eojeol (W t), and then. Device 1000, on the basis of the output of the neural network (900), the first Eojeol position the Eojeol of the probability distribution high in Eojeol containing (W t-1) to the next first Eojeol (W t-1) (W t ).

신경망(900)은 하나의 어절이 입력될 때마다, 학습 결과를 업데이트할 수 있다. 예를 들어, 신경망(900)의 제2 어절(Wt)에 관한 확률 분포(920) 및 공백 문자에 관한 확률 분포(921)는, 신경망(900)의 학습 결과를 업데이트하는데 다시 이용될 수 있다.The neural network 900 can update the learning result each time one word is input. For example, the probability distribution 920 for the second word W t of the neural network 900 and the probability distribution 921 for the blank characters can be used again to update the learning results of the neural network 900 .

도 10은 일부 실시예에 따른 디바이스가 추천할 어절이 있는지 여부가 나타나도록, 디스플레이된 의사 형태소를 구별되게 표시하는 예시를 나타내는 도면이다.10 is an illustration showing an example of distinctly displaying the displayed pseudo morphemes so that a device according to some embodiments may indicate whether there is a word phrase to recommend.

일부 실시예에 따른 디바이스(1000)는, 사용자로부터 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 때, 의사 형태소를 포함하는 추천할 어절이 있는지 여부가 나타나도록, 추천된 의사 형태소를 구별되게 표시할 수 있다. 예를 들어, 도 10을 참조하면, 디바이스(1000)는, "사"라는 문자를 입력한 사용자 입력에 응답하여, "사"를 포함하는 의사 형태소로서, "사랑", "사과", 및 "사장"을 추천할 수 있다. 이때, 디바이스(1000)는, "사랑", "사과", 및 "사장"에 대하여, 각 의사 형태소를 포함하는 적어도 하나의 추천할 어절이 있는지 여부를 사용자가 용이하게 식별하도록 할 수 있다. 예를 들어, 도 10에 도시된 바와 같이, 디바이스(1000)는, 의사 형태소 옆에 소정의 도형(예를 들어, 삼각형)(1002)을 이용하여 구별되게 표시할 수 있다. 또는, 실시예에 따라, 디바이스(1000)는, 의사 형태소를 소정의 색상을 이용하여 하이라이트로 표시함으로써 구별되게 표시할 수 있으나, 이에 한정되지 않는다. The device 1000 according to some embodiments may distinguish recommended pseudo-morphemes so that when recommending at least one pseudo-morpheme that includes characters input from a user, Can be displayed. For example, referring to FIG. 10, the device 1000 is a pseudo-morpheme that includes the word "love", "apple", and " President "can be recommended. At this time, the device 1000 may allow the user to easily identify, for "love", "apple", and "boss", whether there is at least one recommended word phrase including each pseudo morpheme. For example, as shown in FIG. 10, the device 1000 may be displayed distinctively by using a predetermined shape (e.g., a triangle) 1002 beside the pseudo morpheme. Alternatively, according to the embodiment, the device 1000 can distinguish the pseudo-morphemes by displaying the pseudo morphemes in a highlighted manner using a predetermined color, but the present invention is not limited thereto.

도 11은, 일부 실시예에 따른 디바이스가 의사 형태소 각각에 대한 사용자의 사용 빈도를 고려하여, 의사 형태소를 추천하는 예시를 나타내는 도면이다.11 is a diagram showing an example in which a device according to some embodiments recommends a pseudo-morpheme in consideration of the frequency of use of the user for each of the pseudo-morphemes.

일부 실시예에 따른 디바이스(1000)는, 사용자로부터 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 때, 의사 형태소 각각에 대한 사용자의 사용 빈도를 고려하여 추천할 수 있다. 디바이스(1000)는, 각 의사 형태소 일반적인 사용 빈도 대한 정보뿐만 아니라, 사용자가 과거에 입력한 문자들에 대한 통상적인 사용 빈도에 관한 통계 데이터, 디바이스(1000)에 의해 추천된 적어도 하나의 의사 형태소 중에서 사용자가 선택한 의사 형태소에 대한 정보, 사용자가 과거에 입력한 음성 데이터에 대한 정보 등을 고려하여, 적어도 하나의 의사 형태소를 추천할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 과거에 입력한 문자들에 대한 정보, 디바이스(1000)에 의해 추천된 적어도 하나의 의사 형태소 중에서 사용자가 과거에 선택한 의사 형태소에 대한 정보, 사용자가 과거에 입력한 음성 데이터에 대한 정보 등을 수집할 수 있다. 디바이스(1000)는, 수집된 정보들을 이용하여 사용자가 빈번하게 사용하는 의사 형태소를 학습하고, 학습된 결과에 기초하여 사용자가 빈번하게 사용하는 의사 형태소에 대하여 상대적으로 더 큰 가중치를 설정할 수 있다. 디바이스(1000)는, 사용자로부터 새로운 문자가 입력되거나 추천된 의사 형태소들 중에서 하나를 선택하는 입력에 수신될 때, 의사 형태소 각각에 대한 사용자의 사용 빈도에 대한 정보를 업데이트할 수 있다. 디바이스(1000)는, 의사 형태소에 대하여 설정된 가중치를 고려하여, 적어도 하나의 의사 형태소를 추천할 수 있다.The device 1000 according to some embodiments may recommend the at least one pseudo morpheme including characters input from the user in consideration of the frequency of use of the user for each of the pseudo morpheme. The device 1000 may include statistical data on the typical frequency of use of characters entered by the user in the past, as well as information on the general usage frequency of each pseudo morpheme, among at least one pseudo-morpheme recommended by the device 1000 At least one pseudo morpheme can be recommended in consideration of information on the pseudo morpheme selected by the user, information on the voice data input by the user in the past, and the like. For example, the device 1000 may include information about characters that the user has entered in the past, information about the pseudo-morpheme the user has selected in the past among at least one pseudo-morpheme recommended by the device 1000, And information on the voice data input in the voice data. The device 1000 may learn the pseudo morphemes frequently used by the user using the collected information and set a larger weight for the pseudo morpheme frequently used by the user based on the learned results. The device 1000 may update information about a user's frequency of use for each of the pseudo-morphemes when a new character is input from a user or an input is received that selects one of the recommended pseudo-morphemes. The device 1000 can recommend at least one pseudo-morpheme in consideration of the weights set for the pseudo-morpheme.

예를 들어, 도 11을 참조하면, 표 1(1101)은 사용자 A가 빈번하게 사용하는 의사 형태소들의 리스트를 나타낸다. 예를 들어, 사용자 A가 디바이스(1000)의 문자 입력 창(1110) 내에 "wa"라는 문자를 입력할 때, 디바이스(1000)는, "wa"를 포함하는 의사 형태소들 중에서, 사용자 A가 빈번하게 사용하는 의사 형태소들을 우선적으로 추천할 수 있다. 예를 들어, 사용자 A가 "wa"를 포함하는 의사 형태소들 중에서, "want", "wait", 및 "walk" 순으로 빈번하게 사용하는 경우, 디바이스(1000)는 "want", "wait", 및 "walk"를 우선적으로 추천(1120)할 수 있다. 이에 따라, 디바이스(1000)는, 사용자 A의 의도에 부합하는 의사 형태소를 효과적으로 추천할 수 있다.For example, referring to FIG. 11, Table 1 1101 shows a list of pseudo-morphemes that user A frequently uses. For example, when the user A inputs the character "wa" in the character input window 1110 of the device 1000, the device 1000 selects, among the pseudo morphemes including " Can be recommended as a priority. For example, if user A frequently uses "pseudo", "wait", and "walk" among pseudo-morphemes including "wa" , And "walk " (1120). Accordingly, the device 1000 can effectively recommend a pseudo morpheme that matches the intention of the user A.

도 12는 일부 실시예에 따른 디바이스가 기 디스플레이된 적어도 하나의 어절의 종류 및 순서를 고려하여 의사 형태소를 추천하는 예시를 나타내는 도면이다.12 is a diagram illustrating an example in which a device according to some embodiments recommends a pseudo-morpheme in consideration of the kind and order of at least one word displayed.

적어도 두 어절을 포함하는 언어 표현에서, 앞에 위치하는 어절의 종류에 따라 다음에 위치할 어절의 종류가 달라질 수 있다. 이때, 어절의 종류는, 명사, 형용사, 동사 등을 포함하는 품사, 또는 주어, 동사, 목적어, 보어 등을 포함하는 문장 성분의 종류를 포함할 수 있으나, 이에 한정되지 않는다. 예를 들어, 주어에 해당하는 어절 다음에는 동사가 위치할 확률이 상대적으로 높으며, 형용사 다음에는 명사가 위치할 확률이 상대적으로 높다. 따라서, 디바이스(1000)는, 문자 입력 창 내에 기 디스플레이된 적어도 하나의 어절의 종류 및 순서를 고려하여, 적어도 하나의 의사 형태소를 추천함으로써, 문맥에 맞는 의사 형태소 및 어절을 추천할 수 있다. In a language expression including at least two words, the type of the next word to be located may vary depending on the type of the preceding word. At this time, the type of the word may include, but is not limited to, a kind of sentence component including a noun, an adjective, a verb including a verb, or a subject, a verb, an object, a bore, For example, there is a high probability that a verb is located after a verb that corresponds to a subject, and the probability that a noun is positioned after the adjective is relatively high. Therefore, the device 1000 can recommend the at least one pseudo morpheme in consideration of the kind and order of at least one phrase displayed in the character input window, thereby recommending a pseudo morpheme and a phrase according to the context.

예를 들어, 도 12를 참조하면, 디바이스(1000)의 문자 입력 창(1201) 내에 기 디스플레이된 어절이 "He"이고, "He" 다음에 위치할 어절의 일부로서 사용자가 "wa"라는 문자를 입력한 경우, 주어에 해당하는 "He" 다음에 동사가 나올 확률이 상대적으로 높다. 따라서, 디바이스(1000)는, "wa"를 포함하는 의사 형태소들 중에서 동사인 "wait", "want", 및 "watch"를 추천(1202)할 수 있다. For example, referring to FIG. 12, if the phrase displayed in the character input window 1201 of the device 1000 is "He ", and the user selects " wa" , The probability of a verb appearing after "He" corresponding to a subject is relatively high. Thus, the device 1000 may recommend 1202 verbs "wait", "want", and "watch" among the pseudo morphemes that include "wa".

다른 예로서, 디바이스(1000)의 문자 입력 창(1203) 내에 기 디스플레이된 어절이 "Clean"이고, "Clean" 다음에 위치할 어절의 일부로서 사용자가 "wa"라는 문자를 입력한 경우, 형용사에 속하는 "Clean" 다음에 명사가 나올 확률이 상대적으로 높다. 따라서, 디바이스(1000)는, "wa"를 포함하는 의사 형태소들 중에서 명사인 "water", "wave", "way"를 추천(1204)할 수 있다.As another example, if the phrase displayed in the character input window 1203 of the device 1000 is "Clean ", and the user inputs the character" wa " The probability of a noun following "Clean" is relatively high. Accordingly, the device 1000 may recommend 1204 the nominal words "water", "wave", "way" among the pseudo morphemes containing "wa".

도 13은 일부 실시예에 따른 디바이스가 사용자의 문자 입력 특성을 고려하여 적어도 하나의 어절을 추천하는 예시를 나타내는 도면이다. 13 is a diagram illustrating an example in which a device according to some embodiments recommends at least one word in consideration of character input characteristics of a user.

사용자의 문자 입력 특성은, 사용자가 빈번하게 사용하는 표현들을 지칭할 수 있다. 예를 들어, 사용자는 "--했다" 라는 표현 대신 "--했어" 또는 "-했음"이라는 표현을 보다 빈번하게 사용할 수 있다. 디바이스(1000)는, 사용자에 의해 과거에 입력된 문자에 관한 정보, 디바이스(1000)에 의해 추천된 적어도 하나의 어절 중에서 사용자가 과거에 선택했던 어절에 관한 정보, 사용자로부터 과거에 입력된 음성 데이터에 관한 정보 등을 수집할 수 있다. 디바이스(1000)는, 수집된 정보들을 이용하여, 사용자의 문자 입력 특성을 파악할 수 있다. 예를 들어, 디바이스(1000)는, 신경망 기술에 따른 학습을 수행함으로써, 사용자의 문자 입력 특성을 파악할 수 있다. 사용자의 문자 입력 특성을 파악함에 있어, 어떠한 정보가 사용될 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. The user's character input characteristics may refer to expressions that the user frequently uses. For example, a user may use the expression "-had" or "-had" more frequently than "-h". The device 1000 includes information about characters entered in the past by a user, information about a word that the user has selected in the past among at least one phrase recommended by the device 1000, And the like can be collected. The device 1000 can grasp the character input characteristics of the user using the collected information. For example, the device 1000 can learn character input characteristics of a user by performing learning according to a neural network technique. In determining the character input characteristics of the user, what information is used can be determined according to learning based on a predetermined criterion.

예를 들어, 도 13을 참조하면, 사용자가 디바이스(1000)의 문자 입력 창(1301) 내에 "식"이라는 문자를 입력한 경우에, 디바이스(1000)는 "식"을 포함하는 의사 형태소로서 "식단", "식품", 및 "식사"를 추천할 수 있다(1310). 추천된 "식단", "식품", 및 "식사"는, 디바이스(1000)의 문자 입력 창(1301) 외부에 디스플레이될 수 있다. 디스플레이된 3개의 의사 형태소들 중에서 "식사"를 선택하는 사용자 입력이 수신되면, 디바이스(1000)는 "식사"를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 디바이스(1000)는, 사용자의 문자 입력 특성을 고려하여, "식사"를 포함하는 적어도 하나의 어절을 추천할 수 있다. 예를 들어, 사용자가 "--하다"라는 표현보다 "--했어"라는 표현을 빈번하게 사용하는 경우, 디바이스(1000)는 "식사했어"를 "식사했다"보다 우선적으로 추천(1330)할 수 있다.For example, referring to FIG. 13, when a user inputs the character "expression" in the character input window 1301 of the device 1000, the device 1000 generates a " Diet "," food ", and" meal "(1310). Recommended ", "food ", and" meal "may be displayed outside the character input window 1301 of the device 1000. [ When a user input for selecting "meals " is received from among the displayed three pseudo-morphemes, the device 1000 may recommend at least one word containing" meals ". At this time, the device 1000 can recommend at least one phrase including "meal" in consideration of character input characteristics of the user. For example, if the user frequently uses the expression "did" rather than the word " do, " the device 1000 will prefer 1330 to " .

도 14 및 도 15은 일부 실시예에 따른 디바이스의 구성을 나타내는 블록도이다.14 and 15 are block diagrams showing the configuration of a device according to some embodiments.

도 14에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 디스플레이부(1210), 프로세서(1300), 및 메모리(1700)를 포함할 수 있다. 그러나, 도 14에 도시된 구성 요소 모두가 디바이스(1000)의 필수 구성 요소인 것은 아니다. 도 14에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있고, 도 14에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있다.As shown in FIG. 14, a device 1000 according to some embodiments may include a user input 1100, a display 1210, a processor 1300, and a memory 1700. However, not all of the components shown in Fig. 14 are essential components of the device 1000. Fig. The device 1000 may be implemented by more components than the components shown in Fig. 14, and the device 1000 may be implemented by fewer components than those shown in Fig.

예를 들어, 도 15에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 디스플레이부(1210), 프로세서(1300), 및 메모리(1700) 이외에 센싱부(1400), A/V 입력부(1600), 통신부(1500)를 더 포함할 수도 있다. 15, a device 1000 according to some embodiments may include a sensing unit 1400 (not shown) in addition to a user input unit 1100, a display unit 1210, a processor 1300, and a memory 1700. [ ), An A / V input unit 1600, and a communication unit 1500.

사용자 입력부(1100)는, 사용자가 디바이스(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.The user input unit 1100 means means for the user to input data for controlling the device 1000. [ For example, the user input unit 1100 may include a key pad, a dome switch, a touch pad (contact type capacitance type, pressure type resistive type, infrared ray detection type, surface ultrasonic wave conduction type, A tension measuring method, a piezo effect method, etc.), a jog wheel, a jog switch, and the like, but is not limited thereto.

일부 실시예에 따른 사용자 입력부(1100)는, 디바이스(1000)의 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있다. 사용자 입력부(1100)는, 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력, 또는 추천된 적어도 하나의 어절 중에서 하나를 선택하는 사용자 입력을 수신할 수 있다. 또한, 사용자 입력부(1100)는, 디바이스(1000)의 문자 입력 창 내에 공백 문자를 입력하는 사용자 입력을 수신할 수 있으나, 전술한 예에 한정되지 않는다.The user input unit 1100 according to some embodiments may receive a user input for inputting characters in the character input window of the device 1000. [ The user input unit 1100 may receive a user input for selecting one of the recommended at least one pseudo-morpheme, or a user input for selecting one of the recommended at least one word. Also, the user input unit 1100 can receive a user input for inputting a blank character in the character input window of the device 1000, but the present invention is not limited to the above example.

출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.The output unit 1200 may output an audio signal or a video signal or a vibration signal and the output unit 1200 may include a display unit 1210, an acoustic output unit 1220, and a vibration motor 1230 have.

디스플레이부(1210)는 디바이스(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 일부 실시예에 따른 디스플레이부(1210)는, 사용자로부터 입력된 문자에 기초하여 추천 단어를 제공하기 위한 사용자 인터페이스를 디스플레이할 수 있다. 또한, 디스플레이부(1210)는, 사용자로부터 입력된 문자에 기초하여 추천되는 적어도 하나의 의사 형태소, 추천된 적어도 하나의 의사 형태소 중에서 하나가 선택됨에 따라 추천되는 적어도 하나의 어절을 표시할 수 있다.The display unit 1210 displays and outputs information processed by the device 1000. [ For example, the display unit 1210 according to some embodiments may display a user interface for providing a recommendation word based on characters input from a user. Also, the display unit 1210 may display at least one recommended phrase based on the character input from the user, or at least one recommended phrase according to the selection of one of the recommended at least one pseudo-morpheme.

음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.The audio output unit 1220 outputs audio data received from the communication unit 1500 or stored in the memory 1700. The sound output unit 1220 outputs sound signals related to functions (e.g., call signal reception sound, message reception sound, alarm sound) performed in the device 1000. [

프로세서(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 14에 기재된 디바이스(1000)의 기능을 수행할 수 있다.Processor 1300 typically controls the overall operation of device 1000. For example, the processor 1300 may include a user input unit 1100, an output unit 1200, a sensing unit 1400, a communication unit 1500, an A / V input unit 1600 ) Can be generally controlled. The processor 1300 may also perform the functions of the device 1000 described in Figures 1-14 by executing programs stored in the memory 1700. [

일부 실시예에 따른 프로세서(1300)는, 입력된 문자를 분석함으로써, 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천한다. 프로세서(1300)는, 입력되는 문자에 관한 컨텍스트 정보 및 사용자의 컨텍스트 정보를 이용하여, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다. 예를 들어, 프로세서(1300)는, 의사 형태소 각각에 대한 통상적인 사용 빈도에 관한 정보, 사용자가 과거에 입력한 문자들에 관한 정보, 디바이스(1000)에 의해 추천된 의사 형태소들 중에서 사용자가 선택한 의사 형태소에 관한 정보, 사용자가 과거에 입력한 음성 데이터에 관한 정보 등을 고려하여, 적어도 하나의 의사 형태소를 추천할 수 있다. Processor 1300 in accordance with some embodiments recommends at least one pseudo-morpheme including input characters by analyzing the entered characters. The processor 1300 may recommend at least one pseudo morpheme including input characters by using the context information about the input character and the user's context information. For example, the processor 1300 may include information about a typical frequency of use for each of the pseudo-morphemes, information about characters that the user has entered in the past, information about the pseudo-morphemes recommended by the device 1000, At least one pseudo morpheme can be recommended in consideration of information on the pseudo morpheme, information on the voice data input by the user in the past, and the like.

일부 실시예에 따른 프로세서(1300)는, 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천한다. 사용자는, 추천된 적어도 하나의 의사 형태소 중에서, 사용자가 문자 입력 창 내에 입력하고자 했던 의사 형태소를 선택할 수 있다. 의사 형태소를 선택하는 입력이 수신됨에 따라, 프로세서(1300)는, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 이때, 선택된 의사 형태소가 뜻을 가지는 명사일 때, 의사 형태소를 포함하는 적어도 하나의 어절은, 명사에 조사가 결합된 형태일 수 있으나, 이에 한정되지 않는다. Processor 1300 in accordance with some embodiments recommends at least one phrase including the selected pseudo morpheme in response to an input selecting one of the recommended at least one pseudoemo. The user can select a pseudo morpheme that the user intends to input in the character input window from among the recommended at least one pseudo morpheme. As the input to select a pseudo-morpheme is received, the processor 1300 may recommend at least one word containing the selected pseudo morpheme. At this time, when the selected pseudo-morpheme is a noun having a meaning, at least one word-phrase including a pseudo-morpheme may be a form in which a search is combined with a noun, but is not limited thereto.

또한, 프로세서(1300), 사용자의 문자 입력 특성에 기초하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 빈번하게 사용하는 표현을 고려하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다. Also, the processor 1300 may recommend at least one phrase, including the selected pseudo morpheme, based on the character input characteristics of the user. For example, the device 1000 may recommend at least one phrase that includes the selected pseudo morpheme, taking into account the expressions that the user frequently uses.

또한, 프로세서(1300)는, 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천할 수 있다. 이때, 선택된 어절을 포함하는 적어도 하나의 다른 어절은, 선택된 어절에 다른 조사가 추가된 어절을 포함할 수 있으나, 이에 한정되지 않는다.In addition, the processor 1300 may recommend at least one other phrase, including the selected phrase, in response to an input selecting one of the recommended at least one phrase. At this time, at least one other word-line including the selected word-line may include, but is not limited to, a word-word to which another search is added to the selected word-word.

또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용하여, 추천 단어를 제공할 수 있으며, 이에 관하여는, 도 16 내지 도 19에서 보다 상세히 설명하기로 한다.In addition, the processor 1300 can provide a recommendation word using the data recognition model stored in the memory 1700 or the server 2000, which will be described in more detail with reference to FIG. 16 to FIG.

또한, 프로세서(1300)는, 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용함으로써, 추천할 의사 형태소 결정하기 위한 기준을 효율적으로 학습할 수 있으며, 학습된 결과에 따라 사용자의 의도에 부합하는 추천 단어를 사용자에게 제공할 수 있게 된다.The processor 1300 can efficiently learn a criterion for determining a pseudo-morpheme to be recommended by using the data recognition model stored in the memory 1700 or the server 2000, A recommendation word corresponding to the recommendation word can be provided to the user.

센싱부(1400)는, 디바이스(1000)의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 사용자 또는 디바이스(1000)의 주변 상황을 나타내는 컨텍스트 정보 중 일부를 생성하는데 이용될 수 있다. The sensing unit 1400 may sense a state of the device 1000 or a state around the device 1000 and may transmit sensed information to the processor 1300. [ The sensing unit 1400 may be used to generate a part of the context information indicating the circumstance of the user or the device 1000. [

센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.The sensing unit 1400 includes a magnetism sensor 1410, an acceleration sensor 1420, an on / humidity sensor 1430, an infrared sensor 1440, a gyroscope sensor 1450, (GPS) 1460, an air pressure sensor 1470, a proximity sensor 1480, and an RGB sensor (illuminance sensor) 1490, for example. The function of each sensor can be intuitively deduced from the name by those skilled in the art, so a detailed description will be omitted.

통신부(1500)는, 디바이스(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 디바이스(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다. The communication unit 1500 may include one or more components that allow the device 1000 to communicate with other devices (not shown) and the server 2000. The other device (not shown) may be a computing device, such as device 1000, or may be a sensing device, but is not limited thereto. For example, the communication unit 1500 may include a local communication unit 1510, a mobile communication unit 1520, and a broadcast receiving unit 1530.

근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), 와이파이(WLAN) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. The short-range wireless communication unit 1510 includes a Bluetooth communication unit, a BLE (Bluetooth Low Energy) communication unit, a Near Field Communication unit, a WLAN communication unit, a Zigbee communication unit, IrDA, an infrared data association) communication unit, a WFD (Wi-Fi Direct) communication unit, an UWB (ultra wideband) communication unit, an Ant + communication unit, and the like.

이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The mobile communication unit 1520 transmits and receives radio signals to and from at least one of a base station, an external terminal, and a server on a mobile communication network. Here, the wireless signal may include various types of data depending on a voice call signal, a video call signal, or a text / multimedia message transmission / reception.

방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.The broadcast receiving unit 1530 receives broadcast signals and / or broadcast-related information from outside through a broadcast channel. The broadcast channel may include a satellite channel and a terrestrial channel. The device 1000 may not include the broadcast receiver 1530 according to an embodiment.

또한, 통신부(1500)는, 사용자의 음성 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 필요한 정보를, 다른 장치(미도시) 및 서버(2000)와 송수신할 수 있다.In addition, the communication unit 1500 can send and receive information necessary for requesting a response message to the user's voice input and performing an operation related to the reply message, to and from another device (not shown) and the server 2000.

A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 카메라(1610)에 의해 촬영된 이미지는 사용자의 컨텍스트 정보로 활용될 수 있다.The A / V (Audio / Video) input unit 1600 is for inputting an audio signal or a video signal, and may include a camera 1610, a microphone 1620, and the like. The camera 1610 can obtain image frames such as still images or moving images through the image sensor in the video communication mode or the photographing mode. The image captured via the image sensor may be processed through the processor 1300 or a separate image processing unit (not shown). The image photographed by the camera 1610 can be utilized as context information of the user.

마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)는 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The microphone 1620 receives an external acoustic signal and processes it as electrical voice data. For example, the microphone 1620 may receive acoustic signals from an external device or user. The microphone 1620 may receive the user's voice input. The microphone 1620 may use various noise reduction algorithms to remove noise generated in receiving an external sound signal.

메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(1000)로 입력되거나 디바이스(1000)로부터 출력되는 데이터를 저장할 수도 있다. The memory 1700 may store a program for processing and controlling the processor 1300 and may store data input to or output from the device 1000. [

메모리(1700)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(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), 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. The memory 1700 may be a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (e.g., SD or XD memory), a RAM (Random Access Memory) SRAM (Static Random Access Memory), ROM (Read Only Memory), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory) , An optical disc, and the like.

메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다. Programs stored in the memory 1700 can be classified into a plurality of modules according to their functions, for example, a UI module 1710, a touch screen module 1720, a notification module 1730, .

UI 모듈(1710)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.The UI module 1710 can provide a specialized UI, a GUI, and the like that are interlocked with the device 1000 for each application. The touch screen module 1720 may detect a touch gesture on the user's touch screen and may pass information to the processor 1300 about the touch gesture. The touch screen module 1720 according to some embodiments may recognize and analyze the touch code. The touch screen module 1720 may be configured as separate hardware including a controller.

알림 모듈(1730)은 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.The notification module 1730 may generate a signal for notifying the occurrence of an event of the device 1000. [ Examples of events generated in the device 1000 include call signal reception, message reception, key signal input, schedule notification, and the like. The notification module 1730 may output a notification signal in the form of a video signal through the display unit 1210 or may output a notification signal in the form of an audio signal through the sound output unit 1220, It is possible to output a notification signal in the form of a vibration signal.

도 16은 일부 실시예에 따른 프로세서(1300)의 블록도이다.16 is a block diagram of a processor 1300 in accordance with some embodiments.

도 16을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.Referring to FIG. 16, a processor 1300 according to some embodiments may include a data learning unit 1310 and a data recognition unit 1320.

데이터 학습부(1310)는, 사용자로부터 입력된 문자에 대한 추천 단어를 결정하기 위한 기준을 학습할 수 있다. 예를 들어, 데이터 학습부(1310)는, 사용자로부터 입력된 문자에 따른 추천할 의사 형태소 및 추천할 어절을 결정하기 위한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는, 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위하여 어떤 데이터를 이용할 것인지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자로부터 입력된 문자에 대한 추천 단어를 결정하기 위한 기준을 학습할 수 있다.The data learning unit 1310 can learn a criterion for determining a recommendation word for a character input from the user. For example, the data learning unit 1310 may learn a criterion for determining a pseudo morpheme to be recommended and a phrase to be recommended based on characters input from the user. Further, the data learning unit 1310 can learn a criterion for determining whether or not to display a blank character next to the recommended word. In addition, the data learning unit 1310 can determine a pseudo-morpheme to be recommended and a recommendation word to be recommended, and learn a criterion on which data to use to determine whether to display a blank character. The data learning unit 1310 can acquire learning data to be used for learning and apply the obtained learning data to a data recognition model to be described later so as to learn a criterion for determining a recommendation word for a character input from the user .

구체적으로, 데이터 학습부(1310)는 상기 기준들을 학습하기 위한 학습 데이터로서, 사용자가 과거에 입력한 문자들 또는 음성 데이터들에 대한 정보, 디바이스(1000)에 의해 추천된 적어도 하나의 의사 형태소 중에서 사용자가 선택한 의사 형태소에 관한 정보, 디바이스(1000)에 의해 추천된 적어도 하나의 어절들 중에서 사용자가 선택한 어절에 관한 정보, 의사 형태소들 또는 어절들 각각에 대한 통상적인 사용자의 사용 빈도에 관한 통계 데이터를 이용할 수 있다. Specifically, the data learning unit 1310 includes learning data for learning the criteria, information about characters or voice data input by the user in the past, at least one pseudo morpheme recommended by the device 1000 Information about the selected pseudo morpheme, information about a word selected by the user from among at least one phrases recommended by the device 1000, statistical data on the frequency of use of a typical user for each of the pseudo-morphemes or phrases Can be used.

데이터 학습부(1310)는 비지도 학습(unsupervised learning)을 통하여 상기 학습 데이터들에 기반하여 데이터 인식 모델을 학습시킬 수 있다. 예를 들어, 데이터 학습부(1310)는 사용자의 사용 빈도가 높은 의사 형태소 또는 어절에 대하여 상대적으로 더 높은 확률 또는 더 큰 가중치가 설정되도록 데이터 인식 모델을 학습시킬 수 있다. The data learning unit 1310 can learn a data recognition model based on the learning data through unsupervised learning. For example, the data learning unit 1310 can learn a data recognition model such that a higher probability or a larger weight is set relatively to a user's frequently used pseudo-morpheme or word.

또는, 데이터 학습부(1310)는 학습 데이터(예를 들어, 특정 어절 다음에 공백 문자가 위치하는 경우에 대한 통계 데이터)을 이용하여 특정 어절 별로 특정 어절 다음에 공백 문자가 위치할 확률 또는 가중치가 설정되도록 데이터 인식 모델을 학습시킬 수 있다.Alternatively, the data learning unit 1310 may use the learning data (for example, statistical data for the case where a blank character is located after a specific word) to determine a probability or a weight The data recognition model can be learned to be set.

또는, 데이터 학습부(1310)는 인식 결과에 따른 사용자의 피드백을 이용하여 데이터 인식 모델을 학습 또는 갱신시킬 수 있다. 예를 들어, 데이터 학습부(1310)는 디바이스(1000)에 의해 추천된 적어도 의사 형태소 또는 어절 중에서 사용자가 선택한 의사 형태소 또는 어절에 대하여 더 큰 가중치가 설정되도록 데이터 인식 모델을 학습시킬 수 있다.Alternatively, the data learning unit 1310 can learn or update the data recognition model using the feedback of the user according to the recognition result. For example, the data learning unit 1310 may learn a data recognition model such that a larger weight is set for at least a pseudo-morpheme or a phrase recommended by the device 1000 for the user's selected pseudo morpheme or word.

데이터 인식부(1320)는 데이터에 기초하여 사용자로부터 입력된 문자에 대한 추천 단어를 결정할 수 있다. 예를 들어, 데이터 인식부(1320)는, 추천할 의사 형태소에 관한 학습 결과를 이용하여, 사용자로부터 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 결정할 수 있다. 또한, 데이터 인식부(1320)는, 추천할 어절에 관한 학습 결과를 이용하여, 사용자에 의해 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 결정할 수 있다. 다른 예에 따르면, 데이터 인식부(1320)는, 공백 문자의 위치에 관한 학습 결과를 이용하여, 사용자에 의해 선택된 어절 다음에 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 추천할 적어도 하나의 의사 형태소 및 추천할 적어도 하나의 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 데이터 인식부(1320)는 이를 이용함으로써, 소정의 데이터에 기초하여 추천할 적어도 하나의 의사 형태소, 및 추천할 적어도 하나의 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.The data recognition unit 1320 can determine a recommendation word for the character input from the user based on the data. For example, the data recognizing unit 1320 can determine at least one pseudo morpheme including characters input from the user, using the learning result about the pseudo morpheme to be recommended. Further, the data recognizing unit 1320 can determine at least one word phrase including the pseudo morpheme selected by the user, using the learning result about the recommended word. According to another example, the data recognizing unit 1320 can use the learning result about the position of the blank character to determine whether or not to display the blank character after the word selected by the user. The data recognition unit 1320 can use the learned data recognition model to determine at least one pseudo morpheme to recommend and at least one word to recommend and determine whether to display blank characters. The data recognition unit 1320 may acquire predetermined data according to a preset reference by learning and use the data recognition model as the input data. In addition, the data recognizing unit 1320 can use this to determine at least one pseudo morpheme to be recommended based on the predetermined data, and at least one word phrase to be recommended, and determine whether to display blank characters. Further, the resultant value output by the data recognition model with the obtained data as an input value can be used to update the data recognition model.

구체적으로, 데이터 인식부(1320)는 인식 데이터로서 사용자로부터 입력된 문자를 획득할 수 있다. 데이터 인식부(1320)은 획득된 문자를 데이터 인식 모델에 적용하여, 적어도 하나의 의사 형태소를 획득할 수 있다. 예를 들어, 데이터 인식부(1320)는 획득된 문자를 데이터 인식 모델에 적용하여 사용자의 사용 확률이 높은 순서 또는 가중치가 높은 순서에 따라 일정 개수의 의사 형태소를 획득할 수 있다.Specifically, the data recognition unit 1320 can acquire the character input from the user as recognition data. The data recognition unit 1320 may apply the obtained character to the data recognition model to obtain at least one pseudo morpheme. For example, the data recognizing unit 1320 can acquire a certain number of pseudo morphemes in accordance with the order of the user's use probability or the order of the high weights by applying the obtained characters to the data recognition model.

또는, 데이터 인식부(1320)는 인식 데이터로서, 사용자에 의하여 입력되거나 또는 복수의 의사 형태소들 중에서 선택된 의사 형태소를 획득할 수 있다. 데이터 인식부(1320)는 획득된 의사 형태소를 데이터 인식 모델에 적용하여, 적어도 하나의 어절을 결정할 수 있다. 예를 들어, 데이터 인식부(1320)는 획득된 의사 형태소를 데이터 인식 모델에 적용하여 사용자의 사용 확률이 높은 순서 또는 가중치가 높은 순서에 따라 일정 개수의 의사 형태소를 획득할 수 있다.Alternatively, the data recognition unit 1320 may acquire, as recognition data, a pseudo morpheme input by the user or selected from a plurality of pseudo-morphemes. The data recognizing unit 1320 may apply at least one word phrase to the data recognition model by using the obtained pseudo morpheme. For example, the data recognizing unit 1320 can acquire a certain number of pseudo morphemes according to the order of users' usage probability or the order of weights by applying the obtained pseudo morpheme to the data recognition model.

또는, 데이터 인식부(1320)는 인식 데이터로서 사용자에 의하여 입력되거나 또는 복수의 어절들 중에서 사용자에 의하여 선택된 어절을 획득할 수 있다. 데이터 인식부(1320)는 획득된 어절을 데이터 인식 모델에 적용하여, 적어도 하나의 다른 어절을 결정할 수 있다. 예를 들어, 데이터 인식부(1320)는 획득된 어절을 데이터 인식 모델에 적용하여 사용자의 사용자의 사용 확률이 높은 순서 또는 가중치가 높은 순서에 따라 일정 개수의 어절을 획득할 수 있다.Alternatively, the data recognizing unit 1320 may acquire a phrase selected by the user as recognition data or selected from a plurality of phrases by the user. The data recognition unit 1320 may apply the obtained word to the data recognition model to determine at least one other word. For example, the data recognizing unit 1320 can acquire a certain number of phrases according to the order in which the user's usage probability is high or the order in which the users are high in weight, by applying the obtained phrases to the data recognition model.

또는, 데이터 인식부(1320)는 획득된 어절을 데이터 인식 모델에 적용하여, 공백 문자를 디스플레이할 것인지 여부에 대한 정보를 획득할 수 있다. 예를 들어, 데이터 인식부(1320)는 획득된 어절을 데이터 인식 모델에 적용하여, 특정 어절 다음에 공백 문자가 위치할 확률 또는 가중치가 일정 기준 이상 또는 이하인지 판단함에 따라 공백 문자를 디스플레이할 것인지 여부에 대한 정보를 획득할 수 있다.Alternatively, the data recognition unit 1320 may apply the obtained word to the data recognition model to obtain information on whether or not to display the blank character. For example, the data recognition unit 1320 applies the obtained word to the data recognition model, and determines whether to display the blank character according to whether the probability or the weight of the blank character is located after the specific word Information about whether or not it can be obtained.

또는, 데이터 인식부(1320)는 획득된 어절을 데이터 인식 모델에 적용하여, 공백 문자를 디스플레이할 것인지 여부에 대한 정보를 획득하고, 상기 정보가 공백 문자를 디스플레이하는 것을 나타내는 정보인 경우, 상기 공백 문자 다음에 위치할 적어도 하나의 의사 형태소 또는 어절을 획득할 수 있다. 이때, 데이터 인식부(1320)는 사용자의 사용 확률이 높은 순서 또는 가중치가 높은 순서에 따라 일정 개수의 의사 형태소 또는 어절을 획득할 수 있다. 데이터 학습부(1310)의 적어도 일부 및 데이터 인식부(1320)의 적어도 일부는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다.Alternatively, the data recognition unit 1320 may apply the obtained word to the data recognition model to obtain information on whether or not to display blank characters, and if the information indicates that blank characters are displayed, At least one pseudo-morpheme or phrase to be located after the character may be obtained. At this time, the data recognizing unit 1320 may acquire a certain number of pseudo-morphemes or phrases according to the order in which the user is highly likely to use or the order in which the weights are high. At least a part of the data learning unit 1310 and at least a part of the data recognition unit 1320 can be manufactured in at least one hardware chip form and mounted on the electronic device. For example, at least one of the data learning unit 1310 and the data recognition unit 1320 may be fabricated in the form of a dedicated hardware chip for artificial intelligence (AI) or a conventional general purpose processor Or application processor) or a graphics-only processor (e.g., a GPU), and may be mounted on various electronic devices as described above. At this time, the dedicated hardware chip for artificial intelligence is a special processor specialized in probability calculation, and it has a higher parallel processing performance than the general purpose processor, so that the computation work of artificial intelligence such as machine learning can be processed quickly.

데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 디바이스(1000)에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.The data learning unit 1310 and the data recognition unit 1320 may be mounted on one electronic device or on separate electronic devices, respectively. For example, one of the data learning unit 1310 and the data recognition unit 1320 may be included in the device 1000, and the other may be included in the server. The data learning unit 1310 and the data recognition unit 1320 may provide the model information constructed by the data learning unit 1310 to the data recognition unit 1320 via a wire or wireless communication, 1320 may be provided to the data learning unit 1310 as additional learning data.

한편, 데이터 학습부(1310)의 적어도 일부 및 데이터 인식부(1320)의 적어도 일부는 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다. At least one of at least a part of the data learning unit 1310 and at least a part of the data recognition unit 1320 may be implemented as a software module. When at least one of the data learning unit 1310 and the data recognition unit 1320 is implemented as a software module (or a program module including an instruction), the software module may be a computer-readable, And may be stored in non-transitory computer readable media. Also, in this case, the at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an Operating System (OS), and some of the software modules may be provided by a predetermined application.

도 17은 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.17 is a block diagram of a data learning unit 1310 according to some embodiments.

도 17을 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다. 다양한 실시예로, 데이터 학습부(1310)는 데이터 획득부(1310-1) 및 모델 학습부(1310-4)를 필수적으로 포함하고, 전처리부(1310-2), 학습 데이터 선택부(1310-3) 및 모델 평가부(1310-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.데이터 획득부(1310-1)는 사용자로부터 입력된 문자에 대한 추천 단어를 결정하는데, 필요한 학습 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 학습을 위하여 필요한 학습 데이터를 획득할 수 있다.17, the data learning unit 1310 according to some embodiments includes a data acquisition unit 1310-1, a preprocessing unit 1310-2, a learning data selection unit 1310-3, a model learning unit 1310 -4) and a model evaluation unit 1310-5. The data learning unit 1310 includes a data acquiring unit 1310-1 and a model learning unit 1310-4 and includes a preprocessing unit 1310-2 and a learning data selecting unit 1310- 3) and a model evaluation unit 1310-5. The data acquisition unit 1310-1 determines a recommendation word for a character input from a user, acquires necessary learning data can do. The data obtaining unit 1310-1 can determine the pseudo morpheme to be recommended and a recommendation word to be recommended and acquire the learning data necessary for learning to determine whether to display a blank character next to the recommended word.

데이터 획득부(1310-1)는, 예를 들어, 소정의 사용자 음성, 소정의 컨텍스트 정보를 획득할 수 있다. 또한, 데이터 획득부(1310-1)는 디바이스(1000)에 의해 추천된 적어도 하나의 의사 형태소 또는 어절 중에서 사용자가 선택한 의사 형태소 또는 어절에 대한 정보를 획득할 수 있다.The data acquisition unit 1310-1 can acquire, for example, predetermined user voice and predetermined context information. Further, the data acquisition unit 1310-1 may acquire information about a user's selected pseudo morpheme or phrase from among at least one pseudo-morpheme or phrase recommended by the device 1000. [

전처리부(1310-2)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 사용자의 의도 판단, 연관 정보의 제공 또는 대체 동작의 추천을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.The preprocessing unit 1310-2 determines the pseudo morpheme to be recommended and the recommendation word to be recommended and determines whether the obtained data is used for learning to determine whether to display a blank character next to the recommended phrase Data can be preprocessed. The preprocessing unit 1310-2 prepares the acquired data so that the model learning unit 1310-4, which will be described later, can use the data obtained for the user's intention determination, the provision of the association information, or the recommendation of the replacement operation It can be processed in a preset format.

학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 학습 데이터를 선택할 수도 있다.The learning data selection unit 1310-3 can select learning data necessary for learning from the preprocessed data. The selected learning data may be provided to the model learning unit 1310-4. The learning data selection unit 1310-3 determines a pseudo morpheme to be recommended and a phrase to be recommended based on a predetermined criterion for deciding whether or not to display a blank character next to a recommended phrase, Can be selected. The learning data selecting unit 1310-3 can also select learning data according to a predetermined reference by learning by the model learning unit 1310-4, which will be described later.

모델 학습부(1310-4)는 데이터 획득부(1310-1)를 통하여 획득되거나 또는 학습 데이터 선택부(1310-3)에서 선택된 학습 데이터에 기초하여 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하기 위하여 어떤 학습 데이터를 이용해야 하는지에 대한 기준을 학습할 수도 있다.The model learning unit 1310-4 determines a pseudo morpheme to be recommended and a recommendation word to be recommended based on the learning data selected by the learning data selection unit 1310-3 via the data acquisition unit 1310-1, You can learn the criteria to determine whether or not to display blank characters after the suggested phrase. The model learning unit 1310-4 also determines a pseudo morpheme to be recommended and a recommendation word to be recommended and sets a criterion for determining which learning data should be used to determine whether to display a blank character next to the recommended word .

또한, 모델 학습부(1310-4)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 추천된 어절의 다음에 공백 문자를 디스플레이할 것인지 여부를 결정하는데 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 데이터 등)을 입력받아 미리 구축된 모델일 수 있다.Also, the model learning unit 1310-4 determines a pseudo morpheme to be recommended and an oath to be recommended, and uses a data recognition model used for determining whether or not to display a blank character next to the recommended oath by using learning data Can learn. In this case, the data recognition model may be a pre-built model. For example, the data recognition model may be a pre-built model that receives basic learning data (e.g., sample data, etc.).

데이터 인식 모델은, 데이터 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있다. 데이터 인식 모델은 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 예를 들어, 데이터 인식 모델은 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다.. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.The data recognition model can be constructed in consideration of the application field of the data recognition model, the purpose of learning, or the computer performance of the device. The data recognition model can be designed to simulate the human brain structure on a computer. The data recognition model may include a plurality of weighted network nodes that simulate a neuron of a human neural network. A plurality of network nodes may each establish a connection relationship to simulate synaptic activity of neurons sending and receiving signals via synapses. For example, the data recognition model may include a neural network model, or a deep learning model developed in a neural network model. In Deep Learning Model, a plurality of network nodes are located at different depths (or layers) and can exchange data according to a convolution connection relationship. For example, DNN (Deep Neural Network), RNN Network), and BRDNN (Bidirectional Recurrent Deep Neural Network) may be used as a data recognition model, but the present invention is not limited thereto.

다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다. According to various embodiments, when there are a plurality of data recognition models that are built in advance, the model learning unit 1310-4 may use a data recognition model to learn a data recognition model having a large relation between input learning data and basic learning data You can decide. In this case, the basic learning data may be pre-classified according to the type of data, and the data recognition model may be pre-built for each data type. For example, the basic learning data may be pre-classified by various criteria such as an area where the learning data is generated, a time at which the learning data is generated, a size of the learning data, a genre of the learning data, a creator of the learning data, .

또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.In addition, the model learning unit 1310-4 can learn a data recognition model using, for example, a learning algorithm including an error back-propagation method or a gradient descent .

또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.Also, the model learning unit 1310-4 can learn the data recognition model through supervised learning using, for example, at least a part of the learning data as a determination criterion.

또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 학습 데이터를 이용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 예를 들어, 모델 학습부(1310-4)는 어절 또는 의사 형태소에 대한 사용자의 사용 빈도를 고려하여 데이터 인식 모델을 학습시킬 수 있다. 또는, 모델 학습부(1310-4)는 사용자가 선택한 어절 또는 의사 형태소에 대한 정보인 피드백 정보를 이용하여 데이터 인식 모델을 학습시킬 수 있다. Also, the model learning unit 1310-4 can learn the types of data necessary for the user's intention determination, provision of the association information, and recommendation of the substitute operation by using the learning data without any guidance, for example, The data recognition model can be learned through unsupervised learning that finds a criterion for intention determination, provision of related information, and recommendation of replacement operation. For example, the model learning unit 1310-4 can learn the data recognition model in consideration of the frequency of use by the user with respect to the word or pseudo morpheme. Alternatively, the model learning unit 1310-4 can learn the data recognition model using feedback information that is information on a word or a pseudo morpheme selected by the user.

또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. Further, the model learning unit 1310-4 may perform reinforcement learning using feedback on whether the result of recommendation of the user's intention determination of the learning, provision of the association information and recommendation of the replacement operation is correct, for example , A data recognition model can be learned.

또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 전자 장치(예를 들어, 디바이스(1000))의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 전자 장치의 메모리(예를 들어, 디바이스(1000))에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치(예를 들어, 디바이스(1000))와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.Further, when the data recognition model is learned, the model learning unit 1310-4 can store the learned data recognition model. In this case, the model learning unit 1310-4 can store the learned data recognition model in the memory of the electronic device (for example, the device 1000) including the data recognition unit 1320. [ Alternatively, the model learning unit 1310-4 may store the learned data recognition model in a memory (for example, the device 1000) of the electronic device including the data recognition unit 1320 to be described later. Alternatively, the model learning unit 1310-4 may store the learned data recognition model in an electronic device (for example, the device 1000) and a memory of a server connected via a wired or wireless network.

이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.In this case, the memory in which the learned data recognition model is stored may also store, for example, instructions or data associated with at least one other component of the electronic device. The memory may also store software and / or programs. The program may include, for example, a kernel, a middleware, an application programming interface (API), and / or an application program (or "application").

모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다. The model evaluating unit 1310-5 inputs the evaluation data to the data recognition model. If the recognition result output from the evaluation data does not satisfy the predetermined criterion, the model evaluating unit 1310-5 can allow the model learning unit 1310-4 to learn again have. In this case, the evaluation data may be predetermined data for evaluating the data recognition model.

예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.For example, when the number or the ratio of the evaluation data in which the recognition result is not correct is greater than a preset threshold value, among the recognition results of the learned data recognition model for the evaluation data, the model evaluation unit 1310-5 It can be evaluated as unsatisfactory. For example, when the predetermined criterion is defined as a ratio of 2%, when the learned data recognition model outputs an incorrect recognition result for evaluation data exceeding 20 out of a total of 1000 evaluation data, Can be estimated that the learned data recognition model is not suitable.

한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 데이터 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.On the other hand, when there are a plurality of learned data recognition models, the model evaluation unit 1310-5 evaluates whether each of the learned data recognition models satisfies a predetermined criterion, Can be determined as a model. In this case, when there are a plurality of models satisfying the predetermined criterion, the model evaluating unit 1310-5 can determine any one or a predetermined number of models previously set in the order of higher evaluation scores as the final data recognition model.

한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.The data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, and the model evaluation unit 1310-4 in the data learning unit 1310, -5) may be fabricated in at least one hardware chip form and mounted on an electronic device. For example, at least one of the data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, and the model evaluation unit 1310-5 One may be made in the form of a dedicated hardware chip for artificial intelligence (AI), or may be fabricated as part of a conventional general purpose processor (e.g., a CPU or application processor) or a graphics dedicated processor (e.g., GPU) And may be mounted on various electronic devices.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 디바이스(1000)에 포함되고, 나머지 일부는 서버에 포함될 수 있다.The data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, Or may be mounted on separate electronic devices, respectively. For example, some of the data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, and the model evaluation unit 1310-5 May be included in the device 1000, and the rest may be included in the server.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.At least one of the data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, and the model evaluation unit 1310-5 Software module. At least one of the data acquisition unit 1310-1, the preprocessing unit 1310-2, the learning data selection unit 1310-3, the model learning unit 1310-4, and the model evaluation unit 1310-5, (Or program modules including instructions), the software modules may be stored in a computer-readable, readable, non-transitory computer readable media. Also, in this case, the at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an Operating System (OS), and some of the software modules may be provided by a predetermined application.

프로세서(1300)(또는, 제어부)는 다양한 데이터 인식 모델을 이용할 수 있으며, 데이터 인식 모델을 통해 다양한 방법으로 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천을 위한 기준을 효율적으로 학습할 수 있다. The processor 1300 (or the control unit) can use various data recognition models. The data recognition model can be used to determine user's intentions in various ways, provide association information, .

도 18은 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.18 is a block diagram of a data recognition unit 1320 according to some embodiments.

도 18을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다. 다양한 실시예로, 데이터 인식부(1320)는 데이터 획득부(1320-1) 및 인식 결과 제공부(1320-4)를 필수적으로 포함하고, 전처리부(1320-2), 인식 데이터 선택부(1320-3) 및 모델 갱신부(1320-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.18, the data recognition unit 1320 according to some embodiments includes a data acquisition unit 1320-1, a preprocessing unit 1320-2, a recognition data selection unit 1320-3, 1320-4 and a model updating unit 1320-5. The data recognizing unit 1320 includes a data acquiring unit 1320-1 and a recognition result providing unit 1320-4 and includes a preprocessing unit 1320-2, a recognition data selecting unit 1320-2, -3) and a model update unit 1320-5.

데이터 획득부(1320-1)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하는데 필요한 데이터를 획득할 수 있다. 예로, 데이터 획득부(1320-1)는 인식 데이터로서 사용자로부터 입력된 문자, 의사 형태소 또는 어절을 획득할 수 있다. 또는, 데이터 획득부(1320-1)는 사용자에 의하여 선택된 문자, 의사 형태소 또는 어절을 획득할 수 있다. The data acquisition unit 1320-1 can determine the pseudo morpheme to be recommended and the recommended word and obtain the data necessary for determining whether to display blank characters. For example, the data acquisition unit 1320-1 may acquire characters, pseudo-morphemes, or phrases input from the user as recognition data. Alternatively, the data acquisition unit 1320-1 may acquire a character, a pseudo-morpheme, or a phrase selected by the user.

전처리부(1320-2)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위해 획득된 인식 데이터가 이용될 수 있도록, 데이터 획득부(1320-1)로부터 획득된 인식 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. 예를 들어, 데이터 획득부(1320-1)는 디바이스(1000)에 입력되는 문자를 획득할 수 있다. 또한, 데이터 획득부(1320-1)는 사용자 또는 디바이스(1000)에 관련된 컨텍스트 정보를 획득할 수 있다. 또한, 예를 들어, 컨텍스트 정보는 디바이스(1000)에서 생성된 정보 또는 외부 장치로부터 수신된 정보일 수 있다.The preprocessing unit 1320-2 determines the pseudo morpheme to be recommended and the phrase to be recommended from the data acquisition unit 1320-1 so that the obtained recognition data can be used to determine whether or not to display the blank character The obtained recognition data can be preprocessed. The preprocessing unit 1320-2 determines the pseudo morpheme to be recommended and a phrase to be recommended by the recognition result providing unit 1320-4 to be described later and uses the acquired data to determine whether to display the blank character , And can process the acquired data into a predetermined format. For example, the data acquisition unit 1320-1 may acquire characters input to the device 1000. [ In addition, the data acquisition unit 1320-1 may acquire context information related to the user or the device 1000. [ Also, for example, the context information may be information generated in the device 1000 or information received from an external device.

인식 데이터 선택부(1320-3)는 전처리된 인식 데이터 중에서 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하는데 필요한 인식 데이터를 선택할 수 있다. 선택된 인식 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는, 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 기 설정된 기준에 따라, 전처리된 인식 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 인식 데이터를 선택할 수도 있다.The recognition data selection unit 1320-3 may determine a pseudo morpheme to be recommended and a word to be recommended from among the preprocessed recognition data and may select recognition data necessary for determining whether to display a blank character. The selected recognition data may be provided to the recognition result provider 1320-4. The recognition data selection unit 1320-3 determines a pseudo morpheme to be recommended and a phrase to be recommended and selects some or all of the preprocessed recognition data according to a predetermined criterion for determining whether to display blank characters . The recognition data selection unit 1320-3 can also select recognition data according to a predetermined reference by learning by the model learning unit 1310-4, which will be described later.

인식 결과 제공부(1320-4)는 선택된 인식 데이터를 데이터 인식 모델에 적용하여 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 데이터 획득부(1320-1)를 통하여 획득된 인식 데이터 또는 인식 데이터 선택부(1320-3)에 의해 선택된 인식 데이터를 입력 값으로 데이터 인식 모델에 적용할 수 있다. 인식 결과 제공부(1320-4)는 데이터 인식 모델의 적용 결과로서, 적어도 하나의 의사 형태소, 적어도 하나의 어절 또는 공백 문자를 디스플레이할 것인지 여부에 대한 정보를 획득할 수 있다.The recognition result providing unit 1320-4 can apply the selected recognition data to the data recognition model to determine a pseudo morpheme to be recommended and a recommendation word to be recommended, and determine whether to display blank characters. The recognition result providing unit 1320-4 can provide the recognition result according to the data recognition purpose. The recognition result providing unit 1320-4 can apply the recognition data acquired through the data acquisition unit 1320-1 or the recognition data selected by the recognition data selection unit 1320-3 to the data recognition model as an input value have. The recognition result providing unit 1320-4 can obtain information as to whether or not to display at least one pseudo morpheme, at least one word or blank character as a result of applying the data recognition model.

모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다. The model updating unit 1320-5 can update the data recognition model based on the evaluation of the recognition result provided by the recognition result providing unit 1320-4. For example, the model updating unit 1320-5 provides the recognition result provided by the recognition result providing unit 1320-4 to the model learning unit 1310-4 so that the model learning unit 1310-4 The data recognition model can be updated.

구체적으로, 인식 결과에 대한 평가는, 디바이스(1000)가 사용자에게 추천한 의사 형태소, 적어도 하나의 어절 또는 공백 문자의 디스플레이 여부에 따른 사용자 피드백 정보가 될 수 있다. 예로, 디바이스(1000)가 추천한 적어도 하나의 의사 형태소 또는 적어도 하나의 어절 중에 사용자가 선택한 의사 형태소 또는 어절은 사용자 피드백 정보로서 데이터 인식 모델을 갱신하기 위한 학습 데이터로서 이용될 수 있다. 또는, 디바이스(1000)가 공백 문자를 디스플레이한 경우, 상기 공백 문자를 수용하여 다음 문자를 입력하거나 또는 상기 공백 문자를 제거하는 사용자 입력은 사용자 피드백 정보로서 데이터 인식 모델을 갱신하기 위한 학습 데이터로서 이용될 수 있다. 또는, 디바이스(1000)가 공백 문자를 디스플레이하지 않은 경우, 공백 문자를 입력하는 사용자 입력은 사용자 피드백 정보로서 데이터 인식 모델을 갱신하기 위한 학습 데이터로서 이용될 수 있다. Specifically, the evaluation of the recognition result may be user feedback information depending on whether the device 1000 displays a pseudo morpheme recommended by the user, at least one word or blank character. For example, at least one pseudo morpheme recommended by the device 1000 or a pseudo morpheme or a word selected by the user during at least one word may be used as learning data to update the data recognition model as user feedback information. Alternatively, when the device 1000 displays a blank character, the user input accepting the blank character and inputting the next character or removing the blank character is used as learning data for updating the data recognition model as user feedback information . Alternatively, when the device 1000 does not display a blank character, a user input for inputting a blank character may be used as learning data for updating the data recognition model as user feedback information.

한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.The data acquisition unit 1320-1, the preprocessing unit 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-4 in the data recognizing unit 1320 1320-5 may be fabricated in at least one hardware chip form and mounted on an electronic device. For example, among the data acquisition unit 1320-1, the preprocessing unit 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-5 At least one may be made in the form of a dedicated hardware chip for artificial intelligence (AI) or as part of a conventional general purpose processor (e.g. CPU or application processor) or a graphics dedicated processor (e.g. GPU) It may be mounted on one electronic device.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 디바이스(1000)에 포함되고, 나머지 일부는 서버에 포함될 수 있다.The data acquiring unit 1320-1, the preprocessing unit 1320-2, the recognition data selecting unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-5 May be mounted on an electronic device, or may be mounted on separate electronic devices, respectively. For example, among the data acquisition unit 1320-1, the preprocessing unit 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-5 Some of which may be included in the device 1000, and some of which may be included in the server.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.At least one of the data acquisition unit 1320-1, the preprocessing unit 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-5 May be implemented as a software module. At least one of the data acquisition unit 1320-1, the preprocessing unit 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updating unit 1320-5, When implemented in a module (or program module including instructions), the software module may be stored in a computer-readable, non-transitory computer readable medium. Also, in this case, the at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an Operating System (OS), and some of the software modules may be provided by a predetermined application.

또한, 디바이스(1000)는 학습된 결과가 적용된 데이터 인식 모델을 이용하여 사용자의 의도에 부합하는 서비스를 사용자에게 제공할 수 있게 된다.In addition, the device 1000 can provide the user with a service that matches the user's intention using the data recognition model to which the learned result is applied.

도 19는 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.19 is a diagram showing an example of learning and recognizing data by interlocking with the device 1000 and the server 2000 according to some embodiments.

도 19를 참조하면, 서버(2000)는 사용자로부터 입력된 문자에 대한 추천 단어를 결정하기 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(2000)에 의한 학습 결과에 기초하여 사용자로부터 입력된 문자에 대한 추천 단어를 결정할 수 있다.Referring to FIG. 19, the server 2000 may learn a criterion for determining a recommendation word for a character input from a user. The device 1000 may receive input from a user based on a learning result by the server 2000, It is possible to determine a recommendation word for a character to be recognized.

이 경우, 서버(2000)의 모델 학습부(2340)는 도 16에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위하여 어떤 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 서버의 모델 학습부(2340)는, 데이터를 이용하여 추천할 의사 형태소 및 추천할 어절의 결정, 공백 문자를 디스플레이할 것인지 여부에 대한 결정을 어떻게 할지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정하기 위한 기준을 학습할 수 있다.In this case, the model learning unit 2340 of the server 2000 can perform the function of the data learning unit 1310 shown in Fig. The model learning unit 2340 of the server 2000 can determine a pseudo morpheme to be recommended and a recommendation word to be recommended and learn a criterion on which data to use to determine whether to display a blank character. In addition, the server model learning unit 2340 can learn the criteria on how to determine the pseudo-morphemes to be recommended and the words to be recommended using the data and how to decide whether to display blank characters. The model learning unit 2340 acquires data to be used for learning and determines the pseudo morpheme to be recommended and a phrase to be recommended by applying the obtained data to a data recognition model to be described later and determines whether or not to display blank characters Can be learned.

또한, 디바이스(1000)의 인식 결과 제공부(1320-4)는, 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여, 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는, 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여, 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 판단된 추천할 의사 형태소 및 추천할 어절의 결정, 공백 문자를 디스플레이할 것인지 여부의 결정에 관한 정보를 서버(2000)로부터 수신할 수 있다. The recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model generated by the server 2000, Determine the morpheme and the phrase to be recommended, and decide whether to display blank characters. For example, the recognition result providing unit 1320-4 transmits the data selected by the recognition data selecting unit 1320-3 to the server 2000, and when the server 2000 selects the recognition data selecting unit 1320-3 ) May be applied to the recognition model to determine which pseudo-morpheme to recommend and which phrase to recommend, and to determine whether to display blank characters. The recognition result providing unit 1320-4 also receives from the server 2000 information on the determination of the pseudo morpheme to be recommended and the word to be recommended determined by the server 2000 and the determination of whether or not to display blank characters can do.

또는, 디바이스(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 추천할 의사 형태소 및 추천할 어절을 결정하고, 공백 문자를 디스플레이할 것인지 여부를 결정할 수 있다. Alternatively, the recognition result providing unit 1320-4 of the device 1000 receives the recognition model generated by the server 2000 from the server 2000, and uses the received recognition model to specify a recommendable morpheme morpheme to be recommended You can determine the word and determine whether to display the space character. In this case, the recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model received from the server 2000, You can decide which phrases to recommend, and decide whether to display blank characters.

또한, 디바이스(1000) 및 서버(2000)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.In addition, the device 1000 and the server 2000 can effectively perform a task of learning and data recognition of a data recognition model and can perform the data processing efficiently. In order to provide a service corresponding to a user's intention, And the user's privacy can be effectively protected.

도 20은 일부 실시예에 따른 데이터 인식 모델을 이용하는 디바이스(1000)의 흐름도이다.20 is a flow diagram of a device 1000 using a data recognition model in accordance with some embodiments.

디바이스(1000)는 문자 입력 창 내에 문자를 입력하는 사용자 입력이 수신되는지를 판단할 수 있다(S2011).The device 1000 can determine whether a user input for inputting a character is received in the character input window (S2011).

사용자 입력이 수신되는 경우(S2011-Y), 디바이스(1000)는 입력된 문자를 학습된 데이터 인식 모델에 적용하여, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 획득할 수 있다(S2013). 예로, 디바이스(1000)는 입력된 문자를 디바이스(1000)의 메모리(1700)에 저장된 학습된 데이터 인식 모델에 적용하여, 적어도 하나의 의사 형태소를 획득할 수 있다. 메모리(1700)는 디바이스(1000)의 내부에 마련된 메모리 또는 디바이스(1000)에 장착되는 메모리 카드 등을 포함할 수 있다. 또한, 데이터 인식 모델은 사용자가 과거에 입력한 문자 또는 음성 데이터에 관한 정보, 의사 형태소들 각각에 대한 통상적인 사용 빈도에 관한 통계 데이터, 상기 디바이스에 의해 추천된 적어도 하나의 의사 형태소 중에서 사용자가 선택한 의사 형태소에 관한 정보 중 적어도 하나를 이용하여 학습된 모델일 수 있다.When the user input is received (S2011-Y), the device 1000 may apply the input character to the learned data recognition model to obtain at least one pseudo morpheme including the input character (S2013). For example, the device 1000 may apply the input character to the learned data recognition model stored in the memory 1700 of the device 1000 to obtain at least one pseudo-morpheme. The memory 1700 may include a memory provided in the device 1000 or a memory card mounted in the device 1000. [ In addition, the data recognition model may include at least one of the following: information about a character or voice data entered by a user in the past; statistical data about a typical frequency of use for each of the pseudo-morphemes; And may be a learned model using at least one of the information about the pseudo morpheme.

디바이스(1000)는 획득된 적어도 하나의 의사 형태소를 사용자에게 추천할 수 있다(S2015). 예로, 디바이스(1000)는 획득된 적어도 하나의 의사 형태소를 디스플레이할 수 있다. 이 경우, 디바이스(1000)는 의사 형태소들 각각의 우선 순위를 고려하여 획득된 적어도 하나의 의사 형태소들 중 일부만 디스플레이할 수 있다.The device 1000 may recommend the obtained at least one pseudo morpheme to the user (S2015). For example, the device 1000 may display at least one acquired pseudo-morpheme. In this case, the device 1000 may display only some of the at least one pseudo-morphemes obtained in consideration of the priority of each of the pseudo-morphemes.

다음으로, 디바이스(1000)는 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력이 수신되는지를 판단할 수 있다(S2017).Next, the device 1000 can determine whether a user input for selecting one of the at least one pseudo morpheme is received (S2017).

사용자 입력이 수신되는 경우(S2017-Y), 디바이스(1000)는 선택된 의사 형태소를 학습된 데이터 인식 모델에 적용하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 획득할 수 있다(S2019). 예로, 디바이스(1000)는 디바이스(1000)의 메모리(1700)에 저장된 학습된 데이터 인식 모델에 적용하여, 적어도 하나의 의사 형태소를 획득할 수 있다. 메모리(1700)는 디바이스(1000)의 내부에 마련된 메모리 또는 디바이스(1000)에 장착되는 메모리 카드 등을 포함할 수 있다. 또한, 데이터 인식 모델은 사용자가 과거에 입력한 문자 또는 음성 데이터에 관한 정보, 어절들 각각에 대한 통상적인 사용 빈도에 관한 통계 데이터, 상기 디바이스에 의해 추천된 적어도 하나의 어절 중에서 사용자가 선택한 어절에 관한 정보 중 적어도 하나를 이용하여 학습된 모델일 수 있다.If a user input is received (S2017-Y), the device 1000 may apply the selected pseudo morpheme to the learned data recognition model to obtain at least one word containing the selected pseudo morpheme (S2019). By way of example, device 1000 may apply to a learned data recognition model stored in memory 1700 of device 1000 to obtain at least one pseudo-morpheme. The memory 1700 may include a memory provided in the device 1000 or a memory card mounted in the device 1000. [ In addition, the data recognition model may include information on the character or voice data entered by the user in the past, statistical data on the usual frequency of use for each of the phrases, May be a learned model using at least one of the information related to the user.

디바이스(1000)는 획득된 적어도 하나의 어절을 사용자에게 추천할 수 있다(S2021). 예로, 디바이스(1000)는 획득된 적어도 하나의 어절을 디스플레이할 수 있다. 이 경우, 디바이스(1000)는 어절들 각각의 우선 순위를 고려하여 획득된 적어도 하나의 의사 형태소들 중 일부만 디스플레이할 수도 있다.The device 1000 may recommend at least one obtained word to the user (S2021). By way of example, device 1000 may display at least one obtained word. In this case, the device 1000 may display only a part of the at least one pseudo-morphemes obtained in consideration of the priority of each of the phrases.

디바이스(1000)는 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 선택된 어절을 문자 입력 창 내에 디스플레이할 수 있다(S2023).The device 1000 may display the selected phrase in the character input window in response to the input selecting one of the at least one phrase (S2023).

한편, 도 20에서, 의사 형태소 및 어절을 제공하는 데이터 인식 모델은 동일한 데이터 인식 모델일 수도 있고, 또는 서로 다른 데이터 인식 모델일 수도 있다.On the other hand, in FIG. 20, the data recognition models providing pseudo-morphemes and phrases may be the same data recognition model or different data recognition models.

또한, 도 20에서는 디바이스(1000)가 사용자에게 추천할 의사 형태소 및 추천할 어절 모두를 학습된 데이터 인식 모델을 이용하여 획득하는 실시 예를 기술하였으나, 다양한 변형 예에 따라 디바이스(1000)는 의사 형태소를 제공하도록 설정된 학습된 데이터 인식 모델 및 어절을 제공하도록 설정된 학습된 데이터 인식 모델 중 하나만 선택적으로 이용할 수도 있다.In addition, although FIG. 20 describes an embodiment in which the device 1000 acquires both a pseudo morpheme to be recommended to the user and a word to be recommended using the learned data recognition model, the device 1000 may be a pseudo- And a learned data recognition model that is set up to provide a word.

도 21 내지 도 23은 일부 실시예에 따른 데이터 분석 모델을 이용하는 네트워크 시스템의 흐름도들이다.21 to 23 are flowcharts of a network system using a data analysis model according to some embodiments.

도 21 내지 도 23에서, 네트워크 시스템은 제1 구성 요소(2101,2201,2301) 및 제2 구성 요소(2102, 2202, 2302)를 포함할 수 있다. 여기서, 제1 구성 요소(2101,2201,2301)는 디바이스(1000)이고, 제2 구성 요소(2102, 2202, 2302)는 데이터 분석 모델이 저장된 서버(2000)가 될 수 있다. 또는, 제1 구성 요소(2101,2201,2301)는 범용 프로세서이고, 제2 구성 요소(2102, 2202, 2302)는 인공 지능 전용 프로세서가 될 수 있다. 또는, 제1 구성 요소(2101,2201,2301)는 적어도 하나의 어플리케이션이 될 수 있고, 제2 구성 요소(2102, 2202, 2302)는 운영 체제(operating system, OS)가 될 수 있다. 즉, 제2 구성 요소(2102, 2202, 2302)는 제1 구성 요소(2101,2201,2301)보다 더 집적화되거나, 전용화되거나, 딜레이(delay)가 작거나, 성능이 우세하거나 또는 많은 리소스를 가진 구성 요소로서, 데이터 인식 모델의 생성, 갱신 또는 적용 시에 요구되는 많은 연산을 제1 구성 요소(2101,2201,2301)보다 신속하고 효과적으로 처리할 수 있다.21 to 23, the network system may include a first component 2101, 2201, 2301 and a second component 2102, 2202, 2302. Here, the first components 2101, 2201, and 2301 may be the device 1000, and the second components 2102, 2202, and 2302 may be the server 2000 storing the data analysis model. Alternatively, the first components 2101, 2201, and 2301 may be general-purpose processors, and the second components 2102, 2202, and 2302 may be artificial intelligence dedicated processors. Alternatively, the first component 2101, 2201, 2301 may be at least one application, and the second component 2102, 2202, 2302 may be an operating system (OS). That is, the second component 2102, 2202, 2302 may be more integrated, dedicated, delay less, perform better, or have more resources than the first component 2101, 2201, 2301 As an enabling component, many operations required in creating, updating or applying a data recognition model can be processed more quickly and effectively than the first component 2101, 2201, 2301.

이 경우, 제1 구성 요소(2101,2201,2301) 및 제2 구성 요소(2102, 2202, 2302) 간에 데이터를 송/수신하기 위한 인터페이스가 정의될 수 있다. In this case, an interface for transmitting / receiving data between the first component 2101, 2201, 2301 and the second component 2102, 2202, 2302 may be defined.

예로, 데이터 인식 모델에 적용할 학습 데이터를 인자 값(또는, 매개 값 또는 전달 값)으로 갖는 API(application program interface)가 정의될 수 있다. API는 어느 하나의 프로토콜(예로, 디바이스(1000)에서 정의된 프로토콜)에서 다른 프로토콜(예로, 서버(2000)에서 정의된 프로토콜)의 어떤 처리를 위해 호출할 수 있는 서브 루틴 또는 함수의 집합으로 정의될 수 있다. 즉, API를 통하여 어느 하나의 프로토콜에서 다른 프로토콜의 동작이 수행될 수 있는 환경이 제공될 수 있다.For example, an application program interface (API) having an argument value (or an intermediate value or a transfer value) of learning data to be applied to the data recognition model may be defined. An API is defined as a set of subroutines or functions that can be called for any processing of any protocol (e.g., a protocol defined in the device 1000) to another protocol (e.g., a protocol defined in the server 2000) . That is, an environment in which the operation of another protocol can be performed through any one of the protocols through the API can be provided.

먼저, 제1 구성 요소(2101)는 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있다(S2111).First, the first component 2101 may receive a user input for inputting characters in the character input window (S2111).

제1 구성 요소(2101)는 입력된 문자에 대한 정보를 제2 구성 요소(2102)에게 전송할 수 있다(S2113). 예로, 제1 구성 요소(2101)는 데이터 인식 모델의 이용을 위하여 제공되는 API 함수의 인자 값으로 입력된 문자를 적용할 수 있다. 이 경우, API 함수는 입력된 문자를 데이터 인식 모델에 적용할 인식 데이터로서 제2 구성 요소(2102)에게 전송할 수 있다. 이 때, 입력된 문자에 대한 정보는 상기 문자를 통신 포맷에 따라 변경 또는 보완한 통신 데이터를 포함할 수 있다.The first component 2101 may transmit information on the input character to the second component 2102 (S2113). For example, the first component 2101 may apply a character input as an argument value of an API function provided for use of the data recognition model. In this case, the API function can transmit the input character to the second component 2102 as recognition data to be applied to the data recognition model. At this time, the information on the input character may include communication data that is changed or supplemented according to the communication format.

제2 구성 요소(2102)는 입력된 문자를 학습된 데이터 인식 모델에 적용할 수 있다(S2115). 적용 결과로서, 제2 구성 요소(2102)는 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 획득할 수 있다(S2117). 그리고, 제2 구성 요소(2102)는 획득된 적어도 하나의 의사 형태소에 대한 정보를 제1 구성 요소(2101)로 전송할 수 있다(S2119). 여기서, 의사 형태소에 대한 정보는 상기 의사 형태소를 통신 포맷으로 변경 또는 보완한 통신 데이터를 포함할 수 있다.The second component 2102 may apply the input character to the learned data recognition model (S2115). As a result of the application, the second component 2102 may obtain at least one pseudo-morpheme including the input character (S2117). Then, the second component 2102 may transmit information on the obtained at least one pseudo morpheme to the first component 2101 (S2119). Here, the information on the pseudo morpheme may include the communication data in which the pseudo morpheme is changed or supplemented to the communication format.

제1 구성 요소(2101)는 수신된 적어도 하나의 의사 형태소를 사용자에게 추천할 수 있다(S2121). 예로, 제1 구성 요소(2101)는 수신된 적어도 하나의 의사 형태소를 디스플레이할 수 있다.The first component 2101 may recommend the received at least one pseudo morpheme to the user (S2121). For example, the first component 2101 may display the received at least one pseudo-morpheme.

제1 구성 요소(2101)는 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천할 수 있다(S2123). The first component 2101 may recommend at least one word containing the selected pseudo morpheme in response to the input selecting one of the recommended at least one pseudo morpheme (S2123).

제1 구성 요소(2101)는 적어도 하나의 어절 중에서 하나를 선택하는 사용자 입력에 응답하여, 선택된 어절을 문자 입력 창 내에 디스플레이할 수 있다(S2125).The first component 2101 may display the selected phrase in the character input window in response to a user input selecting one of the at least one phrase (S2125).

다른 실시예로, 도 22에서, 제1 구성 요소(2201)는 문자 입력 창 내에 문자를 입력하는 사용자 입력에 응답하여, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 추천할 수 있다(S2211). 예로, 제1 구성 요소(2201)는 입력된 문자를 분석하여, 추천할 적어도 하나의 의사 형태소를 디스플레이할 수 있다.In another embodiment, in FIG. 22, the first component 2201 may recommend at least one pseudo morpheme including the input character in response to a user input for inputting a character in the character input window (S2211) . For example, the first component 2201 may analyze the input character to display at least one pseudo-morpheme to recommend.

제1 구성 요소(2201)는 추천된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력을 수신할 수 있다(S2213).The first component 2201 may receive a user input that selects one of the recommended at least one pseudo-morpheme (S2213).

제1 구성 요소(2201)는 선택된 의사 형태소에 대한 정보를 제2 구성 요소(2202)로 전송할 수 있다(S2215). 예로, 제1 구성 요소(2201)는 데이터 인식 모델의 이용을 위하여 제공되는 API 함수의 인자 값으로 선택된 의사 형태소를 적용할 수 있다. 이 경우, API 함수는 선택된 의사 형태소를 데이터 인식 모델에 적용할 인식 데이터로서 제2 구성 요소(2202)로 전송할 수 있다. 이 때, 입력된 문자에 대한 정보는 상기 의사 형태소를 통신 포맷에 따라 변경 또는 보완한 통신 데이터를 포함할 수 있다.The first component 2201 may send information about the selected pseudo morpheme to the second component 2202 (S2215). For example, the first component 2201 may apply the selected pseudo-morpheme to the argument value of the API function provided for use of the data recognition model. In this case, the API function may transmit the selected pseudo morphemes to the second component 2202 as recognition data to be applied to the data recognition model. At this time, the information on the input character may include communication data in which the pseudo morpheme is changed or supplemented according to the communication format.

제2 구성 요소(2202)는 선택된 의사 형태소를 학습된 데이터 인식 모델에 적용할 수 있다(S2117). 적용 결과로서, 제2 구성 요소(2202)는 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 획득할 수 있다(S2219). 그리고, 제2 구성 요소(2202)는 획득된 적어도 하나의 어절에 대한 정보를 제1 구성 요소(2201)로 전송할 수 있다(S2221). 여기서, 어절에 대한 정보는 상기 어절을 통신 포맷으로 변경 또는 보완한 통신 데이터를 포함할 수 있다.The second component 2202 may apply the selected pseudo morpheme to the learned data recognition model (S2117). As a result of the application, the second component 2202 may obtain at least one word containing the selected pseudo morpheme (S2219). Then, the second component 2202 may transmit information on the obtained at least one word to the first component 2201 (S2221). Here, the information on the word may include communication data in which the word is changed or supplemented into the communication format.

제1 구성 요소(2201)는 수신된 적어도 하나의 어절을 사용자에게 추천할 수 있다(S2223). 예로, 제1 구성 요소(2201)는 수신된 적어도 하나의 어절을 디스플레이할 수 있다.The first component 2201 may recommend at least one received word to the user (S2223). By way of example, the first component 2201 may display at least one received word.

제1 구성 요소(2201)는 적어도 하나의 어절 중에서 하나를 선택하는 사용자 입력에 응답하여, 선택된 어절을 문자 입력 창 내에 디스플레이할 수 있다(S2225).The first component 2201 may display the selected phrase in the character input window in response to a user input selecting one of the at least one phrase (S2225).

또 다른 실시예로, 도 23에서, 제1 구성 요소(2301)는 문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신할 수 있다(S2311). 제1 구성 요소(2301)는 입력된 문자에 대한 정보를 제2 구성 요소(2302)로 전송할 수 있다(S2313). In another embodiment, in FIG. 23, the first component 2301 may receive a user input for inputting a character in a character input window (S2311). The first component 2301 may transmit information on the input character to the second component 2302 (S2313).

제2 구성 요소(2302)는 입력된 문자를 학습된 데이터 인식 모델에 적용하여, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 획득할 수 있다(S2315, S2317).The second component 2302 may apply the input character to the learned data recognition model to obtain at least one pseudo morpheme including the input character (S2315, S2317).

제2 구성 요소(2302)는 획득된 적어도 하나의 의사 형태소에 대한 정보를 제1 구성 요소(2301)로 전송할 수 있다(S2319).The second component 2302 may send information about the obtained at least one pseudo morpheme to the first component 2301 (S2319).

제1 구성 요소(2301)는 수신된 적어도 하나의 의사 형태소 중에서 하나를 선택하는 사용자 입력을 수신할 수 있다(S2321).The first component 2301 may receive a user input that selects one of the received at least one pseudo-morpheme (S2321).

제1 구성 요소(2301)는 선택된 의사 형태소에 대한 정보를 제2 구성 요소(2302)로 전송할 수 있다(S2323). The first component 2301 may send information about the selected pseudo morpheme to the second component 2302 (S2323).

제2 구성 요소(2302)는 선택된 의사 형태소를 학습된 데이터 인식 모델에 적용하여, 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 획득할 수 있다(S2325, S2327).The second component 2302 may apply the selected pseudo morpheme to the learned data recognition model to obtain at least one word containing the selected pseudo morpheme (S2325, S2327).

제2 구성 요소(2302)는 획득된 적어도 하나의 어절에 대한 정보를 제1 구성 요소(2301)로 전송할 수 있다(S2329).The second component 2302 may send information about the obtained at least one word to the first component 2301 (S2329).

제1 구성 요소(2301)는 수신된 적어도 하나의 어절을 사용자에게 추천할 수 있다(S2331). 그리고, 적어도 하나의 어절 중에서 하나를 선택하는 사용자 입력에 응답하여, 제1 구성 요소(2301)는 선택된 어절을 문자 입력 창 내에 디스플레이할 수 있다(S2333).The first component 2301 may recommend at least one received word to the user (S2331). Then, in response to the user input selecting one of the at least one word, the first component 2301 may display the selected word in the character input window (S2333).

다양한 실시예에 따르면, 도 23에서, 입력된 문자를 포함하는 적어도 하나의 의사 형태소를 제공하도록 설정된 데이터 인식 모델 및 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 제공하도록 설정된 데이터 인식 모델은 하나의 데이터 인식 모델로 구현될 수 있다.According to various embodiments, in FIG. 23, a data-aware model set to provide at least one pseudo-morpheme that includes an input character and a data-aware model that is set up to provide at least one word- And can be implemented as a recognition model.

예를 들어, 도 23의 2340에 포함되는 동작들(S2315, S2317, S2325, S2327)은 하나의 데이터 인식 모델을 통하여 수행될 수 있다.For example, the operations (S2315, S2317, S2325, S2327) included in 2340 of FIG. 23 can be performed through one data recognition model.

구체적으로, 도 23에서, 제2 구성 요소(2302)는 입력된 문자에 대한 정보를 수신할 수 있다(S2313). 이 경우, 제2 구성 요소(2302)는 입력된 문자에 대한 정보를 학습된 데이터 인식 모델에 적용하여, 입력된 문자를 포함하는 적어도 하나의 어절을 획득할 수 있다.Specifically, in FIG. 23, the second component 2302 can receive information on the input character (S2313). In this case, the second component 2302 may apply the information on the input character to the learned data recognition model to obtain at least one word containing the input character.

예를 들어, 문자 입력 창 내에 “사”를 입력하는 사용자 입력을 수신하는 경우, 제1 구성 요소(2301)는 상기 “사” 문자를 제2 구성 요소(2302)로 전송할 수 있다. 제2 구성 요소(2302)는 “사” 문자를 학습된 데이터 인식 모델에 적용하여, “사랑은”, “사랑이” 및 “사랑과”와 같은 적어도 하나의 어절을 획득할 수 있다. 제2 구성 요소(2302)가 획득된 적어도 하나의 어절에 대한 정보를 제1 구성 요소(2301)로 전달하면, 제1 구성 요소(2301)는 입력된 문자와 관련된 적어도 하나의 어절을 추천할 수 있다.For example, when receiving a user input to enter " four " in a text input window, the first component 2301 may transmit the " four " character to the second component 2302. [ The second component 2302 may apply at least one word to the learned data recognition model to obtain at least one word such as " love, " " love, " and " love ". When the second component 2302 passes information about the obtained at least one word to the first component 2301, the first component 2301 can recommend at least one word relating to the entered character have.

본 문서의 일부 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다. Some embodiments of the present document may also be embodied in the form of a computer-implemented recording medium, such as a program module, which is executable by a computer. Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, the computer-readable medium may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes any information delivery media, including computer readable instructions, data structures, program modules, or other data in a modulated data signal such as a carrier wave, or other transport mechanism.

또한, 개시된 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)으로 제공될 수 있다. Further, the method according to the disclosed embodiments may be provided as a computer program product.

컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체 또는 판매자 및 구매자 간에 거래되는 상품을 포함할 수 있다. The computer program product may include a S / W program, a computer readable storage medium storing the S / W program, or a merchandise traded between the merchant and the purchaser.

예를 들어, 컴퓨터 프로그램 제품은 디바이스(1000) 또는 디바이스(1000)의 제조사 또는 전자 마켓(예를 들어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사 또는 전자 마켓의 서버, 또는 중계 서버의 저장매체가 될 수 있다.For example, the computer program product may be a product of the S / W program that is electronically distributed through the device 1000 or the manufacturer of the device 1000 or an electronic marketplace (e.g., an app store) ). For electronic distribution, at least a portion of the S / W program may be stored on a storage medium or may be created temporarily. In this case, the storage medium may be a manufacturer or a server of an electronic market, or a storage medium of a relay server.

또한, 본 명세서에서, “부” 또는 “모듈”은 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.Also, in this specification, " a " or " module " may be a hardware component such as a processor or circuit, and / or a software component executed by a hardware configuration such as a processor.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.It will be understood by those skilled in the art that the foregoing description of the present invention is for illustrative purposes only and that those of ordinary skill in the art can readily understand that various changes and modifications may be made without departing from the spirit or essential characteristics of the present invention. will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single entity may be distributed and implemented, and components described as being distributed may also be implemented in a combined form.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is defined by the appended claims rather than the detailed description and all changes or modifications derived from the meaning and scope of the claims and their equivalents are to be construed as being included within the scope of the present invention do.

Claims (20)

적어도 하나의 프로그램이 저장되는 메모리;
문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신하는 사용자 입력부; 및
상기 적어도 하나의 프로그램을 실행함으로써 상기 입력된 문자에 대한 추천 단어를 제공하도록 하는 적어도 하나의 프로세서를 포함하고,
상기 적어도 하나의 프로그램은,
상기 입력된 문자를 분석함으로써, 상기 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천하는 동작;
상기 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작; 및
상기 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 어절을 상기 문자 입력 창 내에 디스플레이하는 동작을 실행하기 위한 적어도 하나의 명령어를
를 포함하는, 디바이스.
A memory in which at least one program is stored;
A user input unit for receiving a user input for inputting a character in a character input window; And
And at least one processor for providing a recommendation word for the input character by executing the at least one program,
Wherein the at least one program comprises:
Analyzing the input character to recommend at least one pseudo-morpheme including the input character;
In response to an input selecting one of the at least one pseudo-morpheme, recommending at least one phrase containing the selected pseudo morpheme; And
In response to an input for selecting one of said at least one phrase, displaying at least one command for performing an operation of displaying said selected phrase in said character input window
.
제 1항에 있어서, 상기 적어도 하나의 의사 형태소는,
서로 다른 의미를 갖는 적어도 하나의 명사를 포함하는 것인, 디바이스.
The method of claim 1, wherein the at least one pseudo-
And at least one noun having a different meaning.
제 1항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은, 상기 입력된 문자를 분석한 결과 및 의사 형태소 각각에 대한 상기 사용자의 사용 빈도에 기초하여, 의사 형태소를 추천하는 것인, 디바이스.
The method according to claim 1,
Wherein the recommending action of the at least one pseudo-morpheme is to recommend a pseudo-morpheme based on the result of analyzing the input character and the frequency of use of the user for each of the pseudo-morphemes.
제 1항에 있어서,
상기 적어도 하나의 어절을 추천하는 동작은, 상기 사용자의 문자 입력 특성에 기초하여, 상기 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는, 디바이스.
The method according to claim 1,
Wherein said recommending at least one phrase recommends at least one phrase comprising said selected pseudo morpheme based on character input characteristics of said user.
제 1항에 있어서,
상기 적어도 하나의 어절을 추천하는 동작은,
상기 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천하는 동작;
을 더 포함하고,
상기 선택된 어절을 상기 문자 입력 창 내에 디스플레이하는 동작은,
상기 추천된 적어도 하나의 다른 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 다른 어절을 상기 문자 입력 창 내에 디스플레이하는 동작;
을 포함하는, 디바이스.
The method according to claim 1,
The act of recommending the at least one word-
In response to an input selecting one of said recommended at least one phrase, recommending at least one other phrase comprising said selected phrase;
Further comprising:
And displaying the selected word in the character input window,
Displaying another selected selected word in the character input window in response to an input for selecting one of the recommended at least one other selected word;
/ RTI >
제 5항에 있어서, 상기 선택된 어절을 디스플레이하는 동작은,
상기 선택된 어절의 다음에 공백 문자가 위치할 것인지 여부를 예측하는 동작; 및
상기 예측된 결과에 기초하여 상기 선택된 어절을 포함하는 상기 다른 어절 및 상기 선택된 어절을 포함하지 않는 다른 어절을 추천하는 동작;
을 실행하는 명령어들을 더 포함하는, 디바이스.
6. The method of claim 5, wherein displaying the selected phrase comprises:
Predicting whether a blank character is to be placed after the selected word; And
Recommending another phrase that includes the selected phrase and another phrase that does not include the selected phrase based on the predicted result;
Further comprising instructions for executing the device.
제 1항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은,
상기 문자 입력 창에 기 디스플레이된 적어도 하나의 어절의 종류 및 순서에 기초하여, 다음에 위치할 어절의 종류를 예측하는 동작; 및
상기 예측 결과에 기초하여, 상기 입력된 문자를 포함하는 상기 적어도 하나의 의사 형태소를 추천하는 동작;
을 더 포함하는, 디바이스.
The method according to claim 1,
The act of recommending the at least one pseudo-
Predicting a type of a next word to be located based on at least one type and order of the at least one word displayed in the character input window; And
Recommending the at least one pseudo-morpheme including the input character based on the prediction result;
≪ / RTI >
제 6항에 있어서,
상기 선택된 어절을 포함하지 않는 다른 어절은, 상기 문자 입력 창에 기 디스플레이된 적어도 하나의 어절, 상기 선택된 어절 및 공백 문자에 기초하여, 결정되는 것인, 디바이스.
The method according to claim 6,
The other word not including the selected word is determined based on at least one word displayed in the character input window, the selected word and the whitespace character.
제 1항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은,
상기 적어도 하나의 의사 형태소를 상기 문자 입력창 외부에 디스플레이하는 동작; 및
상기 적어도 하나의 의사 형태소 각각에 대하여 추천할 어절이 있는지 여부가 나타나도록, 상기 디스플레이된 적어도 하나의 의사 형태소를 구별되게 표시하는 동작;
을 더 포함하는, 디바이스.
The method according to claim 1,
The act of recommending the at least one pseudo-
Displaying the at least one pseudo-morpheme outside the character input window; And
Displaying the displayed at least one pseudo morpheme differentially so that it appears whether there is a recommended word for each of the at least one pseudo morpheme;
≪ / RTI >
제 1항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은,
상기 입력된 문자를 학습된 데이터 인식 모델에 적용하여 획득된 상기 적어도 하나의 의사 형태소를 추천하는 동작을 포함하고,
상기 데이터 인식 모델은, 사용자가 과거에 입력한 문자들 또는 음성 데이터들에 관한 정보, 의사 형태소들 각각에 대한 통상적인 사용 빈도에 관한 통계 데이터, 상기 디바이스에 의해 추천된 적어도 하나의 의사 형태소 중에서 사용자가 선택한 의사 형태소에 관한 정보 중 적어도 하나를 이용하여 학습된 것인, 디바이스. The method according to claim 1,
The act of recommending the at least one pseudo-
And recommending the at least one pseudo-morpheme obtained by applying the input character to a learned data recognition model,
The data recognition model may include at least one of the following: information about the characters or voice data entered by the user in the past, statistical data about a typical frequency of use for each of the pseudo-morphemes, Is learned using at least one of the information about the selected pseudo morpheme. 디바이스가 사용자로부터 입력된 문자에 대한 추천 단어를 제공하는 방법에 있어서,
문자 입력 창 내에 문자를 입력하는 사용자 입력을 수신하는 동작;
상기 입력된 문자를 분석함으로써, 상기 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천하는 동작;
상기 적어도 하나의 의사 형태소 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작; 및
상기 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 어절을 디스플레이하는 동작;
을 포함하는, 방법.
A method of providing a recommendation word for a character input by a user from a user,
Receiving a user input for inputting a character in a character input window;
Analyzing the input character to recommend at least one pseudo-morpheme including the input character;
In response to an input selecting one of the at least one pseudo-morpheme, recommending at least one phrase containing the selected pseudo morpheme; And
Displaying the selected phrase in response to an input selecting one of the at least one phrase;
≪ / RTI >
제 11항에 있어서, 상기 적어도 하나의 의사 형태소는,
서로 다른 의미를 갖는 적어도 하나의 명사를 포함하는 것인, 방법.
12. The apparatus of claim 11, wherein the at least one pseudo-
And at least one noun having a different meaning.
제 11항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은, 상기 입력된 문자를 분석한 결과 및 의사 형태소 각각에 대한 상기 사용자의 사용 빈도에 기초하여, 의사 형태소를 추천하는 것인, 방법.
12. The method of claim 11,
Wherein the recommending action of the at least one pseudo-morpheme is to recommend a pseudo-morpheme based on the result of analyzing the input character and the frequency of use of the user for each of the pseudo-morphemes.
제 11항에 있어서,
상기 적어도 하나의 어절을 추천하는 동작은,
상기 사용자의 문자 입력 특성에 기초하여, 상기 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작;
을 더 포함하는, 방법.
12. The method of claim 11,
The act of recommending the at least one word-
Recommending at least one word phrase including the selected pseudo morpheme based on character input characteristics of the user;
≪ / RTI >
제 11항에 있어서,
상기 적어도 하나의 어절을 추천하는 동작은,
상기 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 어절을 포함하는 적어도 하나의 다른 어절을 추천하는 동작;
를 더 포함하고,
상기 선택된 어절을 상기 문자 입력 창 내에 디스플레이하는 동작은,
상기 추천된 적어도 하나의 어절 중에서 하나를 선택하는 입력에 응답하여, 상기 선택된 다른 어절을 상기 문자 입력 창 내에 디스플레이하는 동작;
을 포함하는, 방법.
12. The method of claim 11,
The act of recommending the at least one word-
In response to an input selecting one of said recommended at least one phrase, recommending at least one other phrase comprising said selected phrase;
Further comprising:
And displaying the selected word in the character input window,
Displaying another selected selected word in the character input window in response to an input for selecting one of the recommended at least one word;
≪ / RTI >
제 15항에 있어서, 상기 선택된 어절을 디스플레이하는 동작은,
상기 선택된 어절의 다음에 공백 문자가 위치할 것인지 여부를 예측하는 동작; 및
상기 예측된 결과에 기초하여 상기 선택된 어절을 포함하는 상기 다른 어절 및 상기 선택된 어절을 포함하지 않는 다른 어절을 추천하는 동작;
을 더 포함하는, 방법.
16. The method of claim 15, wherein displaying the selected phrase comprises:
Predicting whether a blank character is to be placed after the selected word; And
Recommending another phrase that includes the selected phrase and another phrase that does not include the selected phrase based on the predicted result;
≪ / RTI >
제 11항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은,
상기 문자 입력 창에 기 디스플레이된 적어도 하나의 어절의 종류 및 순서에 기초하여, 다음에 위치할 어절의 종류를 예측하는 동작; 및
상기 예측 결과에 기초하여, 상기 입력된 문자를 포함하는 상기 적어도 하나의 의사 형태소를 추천하는 동작;
을 더 포함하는, 방법.
12. The method of claim 11,
The act of recommending the at least one pseudo-
Predicting a type of a next word to be located based on at least one type and order of the at least one word displayed in the character input window; And
Recommending the at least one pseudo-morpheme including the input character based on the prediction result;
≪ / RTI >
제 16항에 있어서,
상기 선택된 어절을 포함하지 않는 다른 어절은, 상기 문자 입력 창에 기 디스플레이된 적어도 하나의 어절, 상기 선택된 어절 및 공백 문자에 기초하여, 결정되는 것인, 방법.
17. The method of claim 16,
Wherein the other word not including the selected word is determined based on at least one word displayed in the character input window, the selected word and the whitespace character.
제 11항에 있어서,
상기 적어도 하나의 의사 형태소를 추천하는 동작은,
상기 적어도 하나의 의사 형태소를 상기 문자 입력창 외부에 디스플레이하는 동작; 및
상기 적어도 하나의 의사 형태소 각각에 대하여, 추천할 어절이 있는지 여부가 나타나도록, 상기 디스플레이된 적어도 하나의 의사 형태소를 구별되게 표시하는 동작;
를 더 포함하는, 방법.
12. The method of claim 11,
The act of recommending the at least one pseudo-
Displaying the at least one pseudo-morpheme outside the character input window; And
Distinctly displaying the displayed at least one pseudo morpheme for each of the at least one pseudo-morpheme to indicate whether there is a word-of-recommendation;
≪ / RTI >
컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품에 있어서,
문자 입력 창 내에 사용자에 의하여 입력된 문자를 분석함으로써, 상기 입력된 문자를 포함하는 적어도 하나의 의사 형태소(pseudo-morpheme)를 추천하는 동작;
상기 적어도 하나의 의사 형태소 중에서 상기 사용자에 의하여 선택된 의사 형태소를 포함하는 적어도 하나의 어절을 추천하는 동작; 및
상기 적어도 하나의 어절 중에서 상기 사용자에 의하여 선택된 어절을 디스플레이하는 동작을 디바이스가 수행 가능하도록 설정된 적어도 하나의 명령어를 포함하는 컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품.A computer program product comprising a computer readable recording medium,
Analyzing a character input by a user in a character input window to recommend at least one pseudo-morpheme including the input character;
Recommending at least one word from the at least one pseudo-morpheme, the at least one word including a pseudo-morpheme selected by the user; And
The computer program product comprising at least one instruction that is configured to enable a device to perform an operation of displaying a selected word from the at least one word by the user.
KR1020170110349A 2016-10-21 2017-08-30 Device and method for providing recommended words for character input from user KR102417046B1 (en)

Priority Applications (6)

Application Number Priority Date Filing Date Title
PCT/KR2017/011680 WO2018074895A1 (en) 2016-10-21 2017-10-20 Device and method for providing recommended words for character input
EP17862947.3A EP3482306A4 (en) 2016-10-21 2017-10-20 Device and method for providing recommended words for character input
CN201780063064.8A CN109804373A (en) 2016-10-21 2017-10-20 For providing the device and method of the recommendation word of character input
US15/789,106 US10540441B2 (en) 2016-10-21 2017-10-20 Device and method for providing recommended words for character input
US16/724,641 US11481551B2 (en) 2016-10-21 2019-12-23 Device and method for providing recommended words for character input
US17/967,924 US20230036080A1 (en) 2016-10-21 2022-10-18 Device and method for providing recommended words for character input

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662411056P 2016-10-21 2016-10-21
US62/411,056 2016-10-21
KR1020160177389 2016-12-23
KR20160177389 2016-12-23

Publications (2)

Publication Number Publication Date
KR20180044187A true KR20180044187A (en) 2018-05-02
KR102417046B1 KR102417046B1 (en) 2022-07-06

Family

ID=62183817

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170110349A KR102417046B1 (en) 2016-10-21 2017-08-30 Device and method for providing recommended words for character input from user

Country Status (1)

Country Link
KR (1) KR102417046B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019216484A1 (en) * 2018-05-08 2019-11-14 삼성전자 주식회사 Electronic device and operating method therefor
CN111125344A (en) * 2019-12-23 2020-05-08 北大方正集团有限公司 Related word recommendation method and device
CN115407882A (en) * 2022-07-13 2022-11-29 穆运洋 Visualization-based big data analysis and arrangement system

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100838818B1 (en) * 2007-08-13 2008-06-17 홍성찬 Character input device
US20130159337A1 (en) * 2011-09-27 2013-06-20 Nhn Business Platform Corporation Method, apparatus and computer readable recording medium for a search using extension keywords
KR20160055162A (en) * 2013-08-26 2016-05-17 삼성전자주식회사 Electronic device and method for voice recognition
KR20160105688A (en) * 2015-02-28 2016-09-07 삼성전자주식회사 Synchronization of Text Data among a plurality of Devices

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100838818B1 (en) * 2007-08-13 2008-06-17 홍성찬 Character input device
US20130159337A1 (en) * 2011-09-27 2013-06-20 Nhn Business Platform Corporation Method, apparatus and computer readable recording medium for a search using extension keywords
KR20160055162A (en) * 2013-08-26 2016-05-17 삼성전자주식회사 Electronic device and method for voice recognition
KR20160105688A (en) * 2015-02-28 2016-09-07 삼성전자주식회사 Synchronization of Text Data among a plurality of Devices

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019216484A1 (en) * 2018-05-08 2019-11-14 삼성전자 주식회사 Electronic device and operating method therefor
KR20190128516A (en) * 2018-05-08 2019-11-18 삼성전자주식회사 Electronic device and operating method for the same
CN112106037A (en) * 2018-05-08 2020-12-18 三星电子株式会社 Electronic device and operation method thereof
US11163378B2 (en) 2018-05-08 2021-11-02 Samsung Electronics Co., Ltd. Electronic device and operating method therefor
CN111125344A (en) * 2019-12-23 2020-05-08 北大方正集团有限公司 Related word recommendation method and device
CN111125344B (en) * 2019-12-23 2023-09-05 新方正控股发展有限责任公司 Related word recommendation method and device
CN115407882A (en) * 2022-07-13 2022-11-29 穆运洋 Visualization-based big data analysis and arrangement system

Also Published As

Publication number Publication date
KR102417046B1 (en) 2022-07-06

Similar Documents

Publication Publication Date Title
US11507851B2 (en) System and method of integrating databases based on knowledge graph
KR102501714B1 (en) Device and method for providing response message to user’s voice input
US20200118010A1 (en) System and method for providing content based on knowledge graph
KR102473447B1 (en) Electronic device and Method for controlling the electronic device thereof
US20210012766A1 (en) Voice conversation analysis method and apparatus using artificial intelligence
US11481551B2 (en) Device and method for providing recommended words for character input
US10521723B2 (en) Electronic apparatus, method of providing guide and non-transitory computer readable recording medium
KR20180111467A (en) An electronic device for determining user's emotions and a control method thereof
KR102628037B1 (en) Method and apparatus for providing sales information of goods
EP3756185B1 (en) Electronic device for outputting response to speech input by using application and operation method thereof
KR102531654B1 (en) Method and device for authentication in voice input
KR20180055708A (en) Device and method for image processing
KR20180108400A (en) Electronic apparatus, controlling method of thereof and non-transitory computer readable recording medium
KR20190117837A (en) Device and method for providing response message to user input
KR20180057507A (en) Device and method for sending money using voice
CN111656438A (en) Electronic device and control method thereof
KR20200036680A (en) An electronic device and method for obtaining emotional information
KR20180060971A (en) Apparatus and method for providing a sentence based on a user input
KR20180081444A (en) Apparatus and method for processing contents
KR102417046B1 (en) Device and method for providing recommended words for character input from user
KR20180072534A (en) Electronic device and method for providing image associated with text
KR102384878B1 (en) Method and apparatus for filtering video
KR102458343B1 (en) Device and method for transreceiving audio data
KR102544250B1 (en) Method and device for outputting sound
KR20200127836A (en) Artificial intelligence device and method for providing image information

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right