KR20190023316A

KR20190023316A - Question-answering system based dialogue model

Info

Publication number: KR20190023316A
Application number: KR1020170108844A
Authority: KR
Inventors: 이종민; 이반 베를로셰; 이경일
Original assignee: 주식회사 솔트룩스
Priority date: 2017-08-28
Filing date: 2017-08-28
Publication date: 2019-03-08
Also published as: KR102016602B1

Abstract

A dialogue model-based question-answering system according to the present invention includes: a communicator receiving a user query in a natural language form through a network and transmitting a response to interact with the user with a dialogue style; a user input preprocessing unit for referring to a natural language understanding unit to generate a natural language analysis result for the user query in the natural language form; a context storage unit including a query pattern storage unit, a short-term context storage unit for storing a dialogue history of a query of a current session, and a long-term context storage unit for storing a long-term context including a dialogue history for a query of a previous session and a learned user model; a context management unit for generating a query context from the natural language analysis result with reference to the short-term context, and the long-term context; a system query unit for receiving a system response from a knowledge base by converting the query context into a system query; and a user response generating unit for referring to the natural language generating unit to generate a response in a natural language form with respect to the system response.

Description

대화 모델 기반의 질의응답 시스템{Question-answering system based dialogue model}[0001] The present invention relates to a question-answering system based dialogue model,

본 발명은 질의응답 시스템에 관한 것으로, 자세하게는 대화 모델(dialogue model) 기반의 질의응답 시스템에 관한 것이다. BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a query response system, and more particularly to a dialogue model based query response system.

본 발명은 산업통상자원부 국제공동기술개발사업의 일환으로 (주)솔트룩스에서 주관하고 연구하여 수행된 연구로부터 도출된 것이다. [연구기간: 2016.10.01~2017.09.30, 연구관리 전문기관: 한국산업기술진흥원, 연구과제명: 모바일에 최적화된 멀티모달 질의응답 프레임워크 개발, 과제 고유번호: N0001701]The present invention is derived from research conducted and conducted by Saltlux Co., Ltd. as part of the international joint technology development project of the Ministry of Industry, Trade & Industry. [Research period: 2016.10.01 ~ 2017.09.30, Research institute: Korea IT Industry Promotion Agency, Project title: Developing a multi-modal query response framework optimized for mobile, task number: N0001701]

질의응답 시스템은 사용자의 질의에 대한 응답을 하기 위한 시스템으로, 사용자가 질의의 의도를 명확하게 제시하고 그에 필요한 충분한 정보를 시스템에 입력하는 것을 전제로 한다. A query response system is a system for responding to a user query. It is assumed that the user clearly indicates the intention of the query and inputs enough information to the system.

그러나 사용자가 응답에 필요한 정보를 한번에 명확하게 제시한다는 것은 현실적이지 않으므로, 질의응답 시스템은 응답에 필요한 충분한 정보를 얻을 때까지 사용자에게 추가적인 정보를 얻기 위한 질문을 반복해야한다. However, since it is not realistic for a user to clearly present the information needed for a response at once, the question and answer system must repeat the question to obtain further information to the user until sufficient information is available for the response.

본 발명의 기술적 과제는, 사용자의 질의에 대하여 추가적인 정보를 얻지 않거나 추가적인 정보를 얻기 위한 질문을 최소화할 수 있는 대화 모델 기반의 질의응답 시스템을 제공하는 것이다. SUMMARY OF THE INVENTION It is an object of the present invention to provide a dialogue model based query response system that does not acquire additional information about a user's query or minimizes a question for obtaining additional information.

상기 기술적 과제를 달성하기 위한 본 발명의 기술적 사상의 일측면에 따른 대화 모델 기반의 질의응답 시스템은 네트워크를 통하여 자연어 형태인 사용자의 질의를 수신하고 응답을 송신하며, 상기 사용자와 대화형으로 질문과 대답을 주고받는 커뮤니케이터; 자연어 이해부를 참조하여, 자연어 형태인 상기 사용자의 질의에 대한 자연어 분석 결과를 생성하는 사용자 입력 전처리부; 질의 패턴 저장부, 현재 세션의 질의에 대한 대화 이력을 저장하는 단기 컨텍스트 저장부, 및 이전 세션의 질의에 대한 대화 이력 및 학습된 사용자 모델을 포함하는 장기 컨텍스트를 저장하는 장기 컨텍스트 저장부를 포함하는 컨텍스트 저장부; 상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 자연어 분석 결과로부터 질의 컨텍스트를 생성하는 컨텍스트 관리부; 상기 질의 컨텍스트를 시스템 질의로 변환하여, 지식 베이스로부터 시스템 응답을 수신하는 시스템 질의부; 및 상기 시스템 응답을 자연어 생성부를 참조하여, 자연어 형태인 상기 응답을 생성하는 사용자 응답 생성부;를 포함한다. According to an aspect of the present invention, there is provided a dialogue model based query response system for receiving a query of a user in a natural language form through a network and transmitting a response, Communicator to exchange answers; A user input preprocessing unit for referring to the natural language understanding unit to generate a natural language analysis result of the user's query in a natural language form; And a long-term context storage unit for storing a long-term context including a conversation history for the query of the previous session and a learned user model. A storage unit; A context management unit for referring to the short-term context and the long-term context to generate a query context from the natural language analysis result; A system query unit for converting the query context into a system query and receiving a system response from the knowledge base; And a user response generation unit for generating the response in a natural language form by referring to the natural language generation unit.

상기 컨텍스트 관리부는, 상기 자연어 분석 결과로부터 상기 질의 패턴 저장부에 저장된 질의 패턴들로부터 후보 질의 패턴을 선정하고, 상기 자연어 분석 결과로부터 추출된 패턴 요소를 상기 후보 질의 패턴에 대응시켜 예비 질의 컨텍스트를 추출하는 예비 질의 컨텍스트 추출부; 상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 예비 질의 컨텍스트가 가지는 상기 후보 질의 패턴에 부족한 패턴 요소를 추가하여 상기 질의 컨텍스트를 생성하는 질의 컨텍스트 생성부; 및 생성된 상기 질의 컨텍스트를 반영하여, 상기 장기 컨텍스트 저장부에 저장된 상기 장기 컨텍스트를 재구성 및 학습하는 컨텍스트 학습부;를 포함할 수 있다. Wherein the context management unit selects a candidate query pattern from the query patterns stored in the query pattern storage unit from the natural language analysis result and extracts a preliminary query context by associating the extracted pattern elements from the natural language analysis result with the candidate query pattern, A preliminary query context extraction unit for predicting a preliminary query; A query context generating unit for referring to the short term context and the long term context to generate a query context by adding a pattern element insufficient to the candidate query pattern of the preliminary query context; And a context learning unit for reconstructing and learning the long term context stored in the long term context storage unit, reflecting the generated query context.

상기 컨텍스트 관리부는, 생성된 상기 질의 컨텍스트는 상기 단기 컨텍스트 저장부에 저장하고, 상기 질의 컨텍스트의 생성 여부 및 경과 시간을 고려하여 상기 현재 세션을 종료한 후에는 상기 단기 컨텍스트에 저장된 종료된 세션의 상기 질의 컨텍스트을 상기 장기 컨텍스트 저장부에 저장하는 질의 세션 관리부;를 더 포함할 수 있다. Wherein the context management unit stores the generated query context in the short term context storage unit and after finishing the current session in consideration of whether or not the query context is created and elapsed time, And a query session manager for storing a query context in the long term context storage unit.

상기 컨텍스트 관리부에서 생성된 질의 컨텍스트를 검증하여, 상기 시스템 질의부에게 상기 질의 컨텍스트를 상기 시스템 질의로 변환하게 하거나, 상기 사용자 응답 생성부에게 상기 질의에 대한 추가적인 정보를 요청하는 자연어 형태인 상기 질문을 생성하게 하는 대화진행 계획부;를 더 포함할 수 있다. Wherein the context management unit verifies the query context to convert the query context into the system query to the system query unit or requests the user response generator for additional information about the query, And a conversation progress plan unit for allowing the user to generate the conversation progress plan.

상기 대화진행 계획부는, 자연어 형태인 상기 응답과 상기 질문을 함께 생성하도록 하여, 상기 커뮤니케이터를 통하여, 상기 사용자에게 상기 응답과 상기 질문을 함께 제공하도록 할 수 있다. The conversation progress planning unit may generate the question and the response in the form of a natural language together so that the user can be provided with the answer and the question via the communicator.

상기 컨텍스트 관리부는, 상기 질의 컨텍스트를 우선 순위가 포함되는 복수개 생성할 수 있다. The context management unit may generate a plurality of query contexts including a priority order.

상기 장기 컨텍스트가 포함하는 상기 사용자 모델은, 사용자의 프로필, 사용자의 선호도 및, 시간 및 공간에 대한 정보를 함께 가질 수 있다. The user model included in the long-term context may have a profile of a user, a preference of a user, and information on time and space.

상기 예비 질의 컨텍스트 추출부는 상기 후보 질의 패턴을 복수개 선정하고, 상기 질의 컨텍스트 생성부는, 상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 복수개의 상기 후보 질의 패턴의 랭킹을 정할 수 있다. The preliminary query context extraction unit may select a plurality of candidate query patterns and the query context generation unit may refer to the short term context and the long term context to determine a ranking of a plurality of candidate query patterns.

네트워크를 통하여 자연어 형태인 사용자의 질의를 수신하고 응답을 송신하며, 상기 사용자와 대화형으로 질문과 대답을 주고받는 커뮤니케이터; 자연어 이해부를 참조하여, 자연어 형태인 상기 사용자의 질의에 대한 자연어 분석 결과를 생성하는 사용자 입력 전처리부; 복수의 질의 패턴을 저장하는 질의 패턴 저장부, 현재 세션의 질의에 대한 대화 이력을 저장하는 단기 컨텍스트 저장부, 및 이전 세션의 질의에 대한 대화 이력 및 학습된 사용자 모델을 포함하는 장기 컨텍스트를 저장하는 장기 컨텍스트 저장부를 포함하는 컨텍스트 저장부; 상기 자연어 분석 결과로부터 상기 질의 패턴 저장부에 저장된 상기 복수의 질의 패턴 중 복수개의 후보 질의 패턴을 선정하고, 상기 자연어 분석 결과로부터 추출된 패턴 요소를 상기 복수개의 후보 질의 패턴에 대응시켜 예비 질의 컨텍스트를 추출하는 예비 질의 컨텍스트 추출부; 상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 예비 질의 컨텍스트가 가지는 상기 복수개의 후보 질의 패턴에 부족한 패턴 요소를 추가하고 상기 복수개의 후보 질의 패턴의 랭킹을 정하여 질의 컨텍스트를 생성하는 질의 컨텍스트 생성부; 상기 질의 컨텍스트를 시스템 질의로 변환하여 지식 베이스에 전달하여, 상기 지식 베이스로부터 시스템 응답을 수신하는 시스템 질의부; 및 상기 시스템 응답을 자연어 생성부를 참조하여, 자연어 형태인 상기 응답을 생성하는 사용자 응답 생성부;를 포함한다. A communicator for receiving a query of a user in a natural language form over a network, transmitting a response, and interactively exchanging questions and answers with the user; A user input preprocessing unit for referring to the natural language understanding unit to generate a natural language analysis result of the user's query in a natural language form; Storing a long term context including a query pattern storage unit for storing a plurality of query patterns, a short term context storage unit for storing a conversation history of the query of the current session, and a conversation history for the query of the previous session and a learned user model A context storage unit including a long term context storage unit; Selecting a plurality of candidate query patterns among the plurality of query patterns stored in the query pattern storage unit from the natural language analysis result, associating the pattern elements extracted from the natural language analysis result with the plurality of candidate query patterns, A preliminary query context extraction unit for extracting a preliminary query; A query context generating unit for generating a query context by adding a pattern element insufficient to the plurality of candidate query patterns of the preliminary query context by referring to the short term context and the long term context and by determining ranking of the plurality of candidate query patterns, ; A system query unit for converting the query context into a system query and transferring the query context to a knowledge base and receiving a system response from the knowledge base; And a user response generation unit for generating the response in a natural language form by referring to the natural language generation unit.

상기 컨텍스트 관리부에서 생성된 질의 컨텍스트를 검증하여, 상기 시스템 질의부에게 상기 질의 컨텍스트를 상기 시스템 질의로 변환하게 하거나, 상기 사용자 응답 생성부에게 상기 질의에 대한 추가적인 정보를 요청하는 자연어 형태인 상기 질문을 생성하게 하는 대화진행 계획부;를 더 포함하며, 상기 대화 진행 계획부는, 상기 커뮤니케이터를 통하여 상기 사용자에게, 상기 응답을 제공하도록 하거나, 상기 질문을 제공하도록 하거나, 상기 응답과 상기 질문을 함께 제공하도록 결정할 수 있다.Wherein the context management unit verifies the query context to convert the query context into the system query to the system query unit or requests the user response generator for additional information about the query, Wherein the conversation progress planning unit instructs the user to provide the response to the user via the communicator or to provide the question or to provide the answer together with the question You can decide.

본 발명에 따른 대화 모델 기반의 질의응답 시스템은 사용자의 질의에 대하여, 단기 컨텍스트뿐만 아니라 장기 컨텍스트를 참조하여, 질의 패턴의 부족한 패턴 요소를 추가할 수 있다. 따라서 사용자가 매 질의마다 입력해야 하는 정보의 부담을 경감시키고, 모호한 정보에 대해서 질문과 대답이 반복되는 경우에 발생될 수 있는 과부하를 최소화하여, 대화 모델 기반의 질의응답 시스템의 정확성과 실용성이 향상될 수 있다. The interactive model based query response system according to the present invention can add insufficient pattern elements of a query pattern to a user query by referring to a long term context as well as a short term context. Therefore, it is possible to reduce the burden of information that the user has to input for each query, minimize the overload that may occur when the questions and answers are repeated for ambiguous information, and improve the accuracy and practicality of the query-response system based on the conversation model .

도 1은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템을 나타내는 블록도이다.
도 2는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다.
도 3은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다.
도 4는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다.
도 5는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다.
도 6 및 도 7은 각각 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 도메인 DB부와 외부 DB부를 상세히 나타내는 블록도이다.
도 8은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다.1 is a block diagram illustrating a dialogue model based query response system in accordance with an exemplary embodiment of the present invention.
2 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention.
3 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention.
4 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention.
5 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention.
6 and 7 are block diagrams showing in detail the domain DB unit and the external DB unit of the interactive model-based question and answer system according to the exemplary embodiment of the present invention, respectively.
8 is a block diagram illustrating an operation of a conversation model based query response system according to an exemplary embodiment of the present invention.

이하, 첨부한 도면을 참조하여 본 발명의 실시 예에 대해 상세히 설명한다. 본 발명의 실시 예는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하거나 축소하여 도시한 것이다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. Embodiments of the present invention are provided to more fully describe the present invention to those skilled in the art. The present invention is capable of various modifications and various forms, and specific embodiments are illustrated and described in detail in the drawings. It should be understood, however, that the invention is not intended to be limited to the particular forms disclosed, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. Like reference numerals are used for similar elements in describing each drawing. In the accompanying drawings, the dimensions of the structures are enlarged or reduced from the actual dimensions for the sake of clarity of the present invention.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, the terms "comprises", "having", and the like are used to specify that a feature, a number, a step, an operation, an element, a part or a combination thereof is described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be construed to have meanings consistent with the contextual meanings of the related art and are not to be construed as ideal or overly formal meanings as are expressly defined in the present application .

이하 도면 및 설명에서, 하나의 블록으로 표시 또는 설명되는 구성요소는 하드웨어 블록 또는 소프트웨어 블록일 수 있다. 예를 들면, 구성요소들 각각은 서로 신호를 주고 받는 독립적인 하드웨어 블록일 수도 있고, 또는 하나의 프로세서에서 실행되는 소프트웨어 블록일 수도 있다.In the drawings and the description below, the components indicated or described as one block may be a hardware block or a software block. For example, each of the components may be an independent hardware block that sends and receives signals to each other, or may be a software block that executes on one processor.

본 발명의 구성 및 효과를 충분히 이해하기 위하여, 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예들을 설명한다. In order to fully understand the structure and effects of the present invention, preferred embodiments of the present invention will be described with reference to the accompanying drawings.

도 1은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템을 나타내는 블록도이다.1 is a block diagram illustrating a dialogue model based query response system in accordance with an exemplary embodiment of the present invention.

도 1을 참조하면, 대화 모델 기반의 질의응답 시스템(1)은 커뮤니케이터(100), 사용자 입력 전처리부(200), 컨텍스트 관리부(300), 대화진행 계획부(400), 대화 모델 기반의 질의응답 시스템부(500), 및 사용자 응답 생성부(600)를 포함한다. 1, the interactive model-based question and answer system 1 includes a communicator 100, a user input preprocessing unit 200, a context management unit 300, a dialogue progress planning unit 400, a dialogue model- A system unit 500, and a user response generation unit 600.

커뮤니케이터(100)는 네트워크(20)를 통하여 사용자(10)로부터 질의를 수신하고, 응답을 송신할 수 있다. 네트워크(20)는 유선 인터넷 서비스, 근거리 통신망(LAN), 광대역 통신망(WAN), 인트라넷, 무선 인터넷 서비스, 이동 컴퓨팅 서비스, 무선 데이터 통신 서비스, 무선 인터넷 접속 서비스, 위성 통신 서비스, 무선 랜, 블루투스 등 유/무선을 통하여 데이터를 주고받을 수 있는 것을 모두 포함할 수 있다. 네트워크(20)이 스마트폰 또는 태블릿 등과 연결되는 경우, 네트워크(20)은 3G, LTE(long term evolution) 등의 무선 데이터 통신 서비스, 와이파이(Wi-Fi) 등의 무선 랜, 블루투스 등일 수 있다. The communicator 100 may receive a query from the user 10 via the network 20 and send a response. The network 20 may be a wired Internet service, a local area network (LAN), a wide area network (WAN), an intranet, a wireless Internet service, a mobile computing service, a wireless data communication service, a wireless Internet access service, And can transmit / receive data through wire / wireless. When the network 20 is connected to a smart phone or a tablet, the network 20 may be a wireless data communication service such as 3G, long term evolution (LTE), wireless LAN such as Wi-Fi, Bluetooth,

커뮤니케이터(100)는 사용자(10)가 사용하는 단말기 등을 통하여 대화 모델 기반의 질의응답 시스템(1)에 엑세스하기 위한 인터페이스를 제공할 수 있다. 사용자(10)는 커뮤니케이터(100)를 통하여 대화 모델 기반의 질의응답 시스템(1)에 질의를 전송할 수 있고, 커뮤니케이터(100)를 통하여 대화 모델 기반의 질의응답 시스템(1)이 제공하는 질의에 대한 응답할 수 있다. 또는 대화 모델 기반의 질의응답 시스템(1)이 질의에 대하여 명확한 응답을 하기 어려운 경우에, 사용자(10)는 커뮤니케이터(100)를 통하여 대화형으로 질의를 정확하게 이해하기 위한 질문을 수신할 수 있고, 질문에 대한 대답을 전송할 수 있다. The communicator 100 may provide an interface for accessing the interactive model based question and answer system 1 through a terminal or the like used by the user 10. [ The user 10 can send a query to the dialogue model based query response system 1 via the communicator 100 and can also transmit the query to the query model based query response system 1 via the communicator 100 You can respond. Or the dialogue model based query response system 1 is difficult to make a clear answer to the query, the user 10 may interactively receive questions via the communicator 100 to correctly understand the query, You can send an answer to your question.

본 명세서에서 "질의"란 사용자(10)가 대화 모델 기반의 질의응답 시스템(1)로부터 응답을 얻기 위하여 대화 모델 기반의 질의응답 시스템(1)에 자연어 형태로 입력한 것을 의미하고, "응답"이란 사용자(10)의 질의에 대하여 대화 모델 기반의 질의응답 시스템(1)이 제공하는 결과물, 예컨대, 사용자(10)의 질의에 대한 자연어 형태의 정답을 의미한다. 또한 "시스템 질의"란 자연어 형태인 사용자(10)의 "질의"를 지식 베이스(800)에게 제공하기 위하여 변환된 쿼리(query)를 의미한다. In the present specification, the term " query " means that the user 10 has input in a natural language form to the interactive model-based question and answer system 1 in order to obtain a response from the interactive model based question and answer system 1, Means a correct answer in the form of a natural language to the query result of the user 10 based on the conversation model based query response system 1 with respect to the query of the user 10. [ System query " refers to a query that has been translated to provide a " query " of the user 10 in natural language form to the knowledge base 800.

또한 특별히 언급하거나 전제되지 않는 경우 본 명세서에서 "질문"이란, 대화 모델 기반의 질의응답 시스템(1)이 질의에 대한 추가적인 정보를 얻기 위하여 사용자(10)에게 하는 자연어 형태의 요청을 의미하고, "대답"이란 대화 모델 기반의 질의응답 시스템(1)의 "질문"에 대하여 사용자(10)가 대화 모델 기반의 질의응답 시스템(1)에 추가로 입력하는 자연어 형태의 정보를 의미한다. 대화 모델 기반의 질의응답 시스템(1)의 입장에서는 사용자(10)의 "질의" 및 "대답"을 함께 하나의 질의로 인식할 수 있다. In the present specification, the term " question " means a natural language type request made by the interactive model-based question and answer system 1 to the user 10 in order to obtain additional information about the query, Refers to information in the form of natural language that the user 10 further inputs to the question-and-answer system 1 based on the conversation model with respect to the "question" of the question-and-answer system 1 based on the conversation model. In view of the dialogue model based query response system 1, the "query" and "answer" of the user 10 can be recognized together as a query.

사용자 입력 전처리부(200)는 커뮤니케이터(100)가 수신한 자연어 형태의 질의를 자연어 이해부(210)를 참조하여, 해석하여 컨텍스트 관리부(300)로 전달할 수 있다. The user input preprocessing unit 200 can interpret the natural language type query received by the communicator 100 by referring to the natural language understanding unit 210 and deliver it to the context management unit 300. [

예를 들면, 자연어 이해부(210)는 질의에 대하여, 시맨틱 롤 라벨링(Semantic Role Labeling), 형태소 분석, 구문 분석, 개체명 분석, 의도 분류, 및 도메인 분석 등의 복수의 단위 분석 과정을 수행할 수 있다. 상기 복수의 단위 분석 과정 중 일부는 병렬적으로 수행될 수 있다. 상기 복수의 단위 분석 과정 중 일부는 순차적으로 수행될 수 있다. For example, the natural language understanding unit 210 performs a plurality of unit analysis processes such as Semantic Role Labeling, morphological analysis, syntax analysis, object name analysis, intent classification, and domain analysis on a query . Some of the plurality of unit analysis processes may be performed in parallel. Some of the plurality of unit analysis processes may be performed sequentially.

일부 실시 예에서, 자연어 이해부(210)는 질의에 대한 자연어 분석 결과를 테이블(table) 구조 또는 트리(tree) 구조를 가지는 정형 데이터로 제공할 수 있다. 자연어 이해부(300)에서 제공하는 정형 데이터는 예를 들면, RDB(Relation DateBase), CSV(Comma-Seperated Variables), XML(eXtensible Markup Language), JSON(JavaScript Object Notation) 등일 수 있다. In some embodiments, the natural language understanding part 210 may provide the natural language analysis result of the query as a table data structure or a structured data having a tree structure. The formatted data provided by the natural language understanding unit 300 may be, for example, Relational DateBase (RDB), Comma-Seperated Variables (CSV), XML (extensible Markup Language), or JSON (JavaScript Object Notation).

사용자 입력 전처리부(200)는 자연어 이해부(210)에서 수행되는 시맨틱 롤 라벨링, 형태소 분석, 구문 분석, 개체명 분석, 의도 분류, 및 도메인 분석 등의 복수의 단위 분석 과정 중 적어도 하나의 단위 분석 과정의 단위 자연어 분석 결과를 구분하여 수신하거나, 전체 자연어 분석 결과를 함께 수신할 수 있다. 일부 실시 예에서, 사용자 입력 전처리부(200)는, 자연어 이해부(210)에서 수신한 각각의 단위 자연어 분석 결과를 질의에 대한 응답이 마무리될 때까지 저장하고 있을 수 있다. 또는 사용자 입력 전처리부(200)는 자연어 이해부(210)에서 수신한 각각의 단위 자연어 분석 결과를 구분하여, 컨텍스트 관리부(300)에 전달하거나, 전체 자연어 분석 결과를 함께 컨텍스트 관리부(300)에 전달할 수 있다. The user input preprocessing unit 200 performs at least one unit analysis among a plurality of unit analysis processes performed by the natural language understanding unit 210 such as semantic role labeling, morphological analysis, syntax analysis, entity name analysis, The unit natural language analysis result of the process can be separately received or the entire natural language analysis result can be received together. In some embodiments, the user input preprocessing unit 200 may store each unit natural language analysis result received by the natural language understanding unit 210 until a response to the query is completed. Alternatively, the user input preprocessing unit 200 may classify each of the unit natural language analysis results received by the natural language understanding unit 210 and transmit the result to the context management unit 300 or to transmit the entire natural language analysis results to the context management unit 300 .

컨텍스트 관리부(300)는 사용자 입력 전처리부(200)에서 전달받은 질의에 대한 자연어 분석 결과를 토대로, 질의 컨텍스트를 생성할 수 있다. 컨텍스트 관리부(300)는 질의에 대한 자연어 분석 결과로부터 예비 질의 컨텍스트를 추출한 후, 컨텍스트 저장부(350)에 저장된 질의 패턴을 기초로 추출된 예비 질의 컨텍스트에서 부족한 패턴 요소를 파악할 수 있다. 이후, 컨텍스트 관리부(300)는 컨텍스트 저장부(350)에 저장된 단기 컨텍스트 및 장기 컨텍스트를 참조하여, 예비 질의 컨텍스트를 구성하는 질의 패턴에서 부족한 패턴 요소를 추가하여 질의 컨텍스트를 생성하고, 대화진행부 계획부(400)에 전달할 수 있다. 장기 컨텍스트는 대화 이력과 사용자 모델을 포함할 수 있다. The context management unit 300 can generate a query context based on a natural language analysis result of the query received from the user input preprocessing unit 200. [ The context management unit 300 may extract the preliminary query context from the natural language analysis result of the query and then identify the insufficient pattern element in the preliminary query context extracted based on the query pattern stored in the context storage unit 350. [ Thereafter, the context management unit 300 refers to the short-term context and the long-term context stored in the context storage unit 350, generates a query context by adding insufficient pattern elements in the query patterns constituting the preliminary query context, Unit 400 of FIG. The long term context may include a conversation history and a user model.

질의 컨텍스트란, 질의에 대한 컨텍스트(context), 즉 질의의 내용 및 맥락을 함께 포함하는 것으로, 복수의 패턴 요소로 이루어지는 적어도 하나의 질의 패턴, 질의 패턴 또는 패턴 요소의 우선 순위 등으로 이루어질 수 있으며, 사용자(10)가 입력한 한번의 "질의"뿐만 아니라, 단기 컨텍스트 및 장기 컨텍스트를 모두 반영된 것을 의미한다. 예비 질의 컨텍스트란, 사용자(10)가 입력한 한번의 "질의"로부터만 추출한 질의 컨텍스트를 의미하며, 질의의 내용 및 맥락이 완전히 파악되지 않은 것일 수 있다. The query context includes a context for the query, that is, the contents and the context of the query, and may be composed of at least one query pattern composed of a plurality of pattern elements, a priority of a query pattern or a pattern element, Short term context and long term context as well as a single " query " inputted by the user 10. The preliminary query context means a query context extracted only from a single " query " inputted by the user 10, and the contents and context of the query may not be fully grasped.

또한 컨텍스트 관리부(300)는 질의에 대한 자연어 분석 결과, 예비 질의 컨텍스트, 및 생성된 질의 컨텍스트를 컨텍스트 저장부(350)에 저장하고, 이를 토대로 사용자(10)에 대한 정보인 사용자 모델을 재구성 및 학습할 수 있다.Also, the context management unit 300 stores the result of the natural language analysis on the query, the preliminary query context, and the generated query context in the context storage unit 350, and reconstructs and learns the user model, can do.

대화진행 계획부(400)는 생성된 질의 컨텍스트를 기초로, 지식 베이스(800)에 "시스템 질의"를 하거나 사용자(10)에게 "질문"을 하도록 할 수 있다. The dialogue progress planning unit 400 may make a "system query" to the knowledge base 800 or a "question" to the user 10 based on the generated query context.

생성된 질의 컨텍스트로부터 사용자(10)의 명확한 의도가 파악되는 경우에, 대화진행 계획부(400)는 시스템 질의부(500)에게 시스템 질의를 생성하도록 할 수 있다. The conversation progress planning unit 400 may cause the system query unit 500 to generate a system query in the case where the clear intention of the user 10 is grasped from the generated query context.

또는 생성된 질의 컨텍스트로부터 사용자(10)의 명확한 의도가 파악되지 않는 경우, 대화진행 계획부(400)는 사용자 응답 생성부(600)에게, 자연어 생성부(700)를 기초로 하여, 자연어의 "질문"을 생성하여 사용자(10)에게 제공하도록 할 수 있다. Or if the clear intention of the user 10 is not obtained from the generated query context, the conversation progress planning unit 400 instructs the user response generating unit 600 to generate the natural language word " Question " can be generated and provided to the user 10.

시스템 질의부(500)는 질의 컨텍스트를 "시스템 질의"로 변환하여 지식 베이스(800)에 전달하여 그 결과인 "시스템 응답"을 수신할 수 있다. 시스템 질의부(500)는 질의 컨텍스트를 기초로, 사용자(10)가 "질의"에서 명시하지 않은 정보를 포함하여 "시스템 질의"를 생성할 수 있다. The system query unit 500 may convert the query context into a " system query " and pass it to the knowledge base 800 to receive the resulting " system response ". The system query unit 500 may generate a " system query " based on the query context, including information that the user 10 does not specify in the query.

사용자 응답 생성부(600)는 자연어 생성부(700)를 참조하여, "응답" 또는 "질문"을 생성할 수 있다. 시스템 질의부(500)가 "시스템 질의"에 대한 "시스템 응답"을 지식 베이스(800)로부터 수신한 경우, 사용자 응답 생성부(600)는 자연어 생성부(700)를 참조하여, "시스템 응답"으로부터 자연어 형태의 "응답"을 생성하여 커뮤니케이터(100)를 통하여 사용자(10)에게 제공할 수 있다. The user response generating unit 600 can refer to the natural language generating unit 700 and generate a " response " or " question ". When the system query unit 500 receives a "system response" for the "system query" from the knowledge base 800, the user response generation unit 600 refers to the natural language generation unit 700, Response " in the form of a natural language to the user 10 through the communicator 100. The " response "

대화진행 계획부(400)가 사용자(10)의 명확한 의도가 파악하지 못한 경우, 사용자 응답 생성부(600)는 자연어 생성부(700)를 참조하여, 자연어 형태의 "질문"을 생성하여 커뮤니케이터(100)를 통하여 사용자(10)에게 제공할 수 있다. 일부 실시 예에서, 사용자 응답 생성부(600)는 "질문"을 생성할 때, 지식 베이스(800)를 참조할 수 있다. When the conversation progress planning unit 400 does not grasp the clear intention of the user 10, the user response generating unit 600 refers to the natural language generating unit 700 to generate a "question" in a natural language form, 100 to the user 10 via the Internet. In some embodiments, the user response generator 600 may refer to the knowledge base 800 when generating the " query ".

커뮤니케이터(100)는 사용자 응답 생성부(600)에서 생성된 "응답", 또는 "질문"을 네트워크(20)를 통하여 사용자(10)에게 제공될 수 있다. The communicator 100 can be provided to the user 10 via the network 20 with a " response " or a " question " generated by the user response generator 600. [

본 발명에 따른 대화 모델 기반의 질의응답 시스템(1)은 사용자(10)의 질의에 대하여, 단기 컨텍스트뿐만 아니라 장기 컨텍스트를 참조하여, 질의 패턴의 부족한 패턴 요소를 추가할 수 있다. 따라서 사용자(10)가 매 질의마다 입력해야 하는 정보의 부담을 경감시키고, 모호한 정보에 대해서 질문과 대답이 반복되는 경우에 발생될 수 있는 과부하를 최소화하여, 대화 모델 기반의 질의응답 시스템(1)의 정확성과 실용성이 향상될 수 있다. The interactive model based query response system 1 according to the present invention can add insufficient pattern elements of the query pattern to the query of the user 10 by referring to the long term context as well as the short term context. Therefore, it is possible to reduce the burden of the information that the user 10 has to input every query, minimize the overload that may occur when the questions and answers are repeated for ambiguous information, The accuracy and practicality of the system can be improved.

도 2는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다. 구체적으로 도 2는 도 1에서 설명한 사용자의 질의에 대한 사용자 입력 전처리부(200)에서의 동작을 설명하기 위한 블록도로, 도 2에 대한 설명 중 도 1과 중복되는 내용은 생략될 수 있다. 2 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention. Specifically, FIG. 2 is a block diagram for explaining the operation of the user input preprocessing unit 200 with respect to the user query described with reference to FIG. 1. In FIG. 2, description overlapping with FIG. 1 may be omitted.

도 2를 참조하면, 사용자 입력 전처리부(200)는 커뮤니케이터(도 1의 100)가 수신한 자연어 형태의 질의를 자연어 이해부(210)를 참조하여 해석할 수 있다. 자연어 이해부(210)는 시맨틱 롤 라벨링부(SRL, 220), 형태소 분석부(230), 구문 분석부(240), 개체명 분석부(250), 의도 분류부(270) 및 도메인 분석부(280)를 포함할 수 있다. 시맨틱 롤 라벨링부(220)는 질의에 대한 의미 역할(Semantic Role)을 부여할 수 있다. 형태소 분석부(230)는 의미 역할이 부여된 질의를 형태소 단위로 분리할 수 있다. 구문 분석부(240) 및 개체명 분석부(250)는 형태소 단위로 분리된 질의에 구문 분석 및 개체명 분석을 할 수 있다. 의도 분류부(260) 및 도메인 분석부(270)는 의미 역할이 부여된 질의의 의도(intention) 분류 및 도메인 분석을 할 수 있다. Referring to FIG. 2, the user input preprocessing unit 200 can interpret the natural language type query received by the communicator (100 in FIG. 1) with reference to the natural language understanding unit 210. The natural language understanding unit 210 includes a semantic role labeling unit SRL 220, a morphological analysis unit 230, a syntax analysis unit 240, an entity name analysis unit 250, an intention classification unit 270, 280). The semantic roll labeling unit 220 may assign a semantic role to the query. The morpheme analysis unit 230 can separate the query assigned with the semantic role into morpheme units. The parser 240 and the object name analyzer 250 may perform parsing and object name analysis on queries separated by morpheme units. The intention classification unit 260 and the domain analysis unit 270 can perform intention classification and domain analysis of a query to which a semantic role is assigned.

시맨틱 롤 라벨링부(SRL, 220), 형태소 분석부(230), 구문 분석부(242), 개체명 분석부(250), 의도 분류부(260) 및 도메인 분석부(270) 각각의 분석 단계에서 생성되는 분석 결과를 단위 자연어 분석 결과라 호칭하며, 하나의 질의에 대한 단위 자연어 분석 결과들을 함께 전체 자연어 분석 결과라 호칭한다. The semantic role labeling unit SRL 220, the morpheme analysis unit 230, the syntax analysis unit 242, the entity name analysis unit 250, the intention classification unit 260, and the domain analysis unit 270 The results of the analysis are called unit natural language analysis results, and the results of unit natural language analysis for one query are collectively referred to as the results of natural language analysis.

도 3은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다. 구체적으로 도 3은 도 1에서 설명한 사용자의 질의에 대한 컨텍스트 관리부(300)에서의 동작을 설명하기 위한 블록도로, 도 3에 대한 설명 중 도 1과 중복되는 내용은 생략될 수 있다. 3 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention. Specifically, FIG. 3 is a block diagram for explaining an operation in the context management unit 300 of the user query illustrated in FIG. 1, and description overlapping with FIG. 1 of the description of FIG. 3 may be omitted.

도 1 및 도 3을 함께 참조하면, 컨텍스트 관리부(300)는 사용자 입력 전처리부(200)에서 자연어 이해부(도 2의 210)를 참조하여 해석한 질의에 대한 자연어 분석 결과를 수신하여 질의 컨텍스트를 생성한다. 컨텍스트 관리부(300)는 컨텍스트 저장부(350)를 참조하여 질의 컨텍스트를 생성한다. 컨텍스트 관리부(300)는 예비 질의 컨텍스트 추출부(310), 및 질의 컨텍스트 생성부(320)를 포함한다. Referring to FIGS. 1 and 3, the context management unit 300 receives a natural language analysis result of a query analyzed by referring to the natural language understanding unit 210 of FIG. 2 in the user input preprocessing unit 200, . The context management unit 300 refers to the context storage unit 350 and generates a query context. The context management unit 300 includes a preliminary query context extraction unit 310 and a query context generation unit 320.

예비 질의 컨텍스트 추출부(310)는 질의에 대한 자연어 분석 결과로부터 예비 질의 컨텍스트를 추출한다. The preliminary query context extraction unit 310 extracts the preliminary query context from the natural language analysis result for the query.

예비 질의 컨텍스트 추출부(310)는 질의 패턴 저장부(360)에 저장된 질의 패턴들로부터 후보 질의 패턴을 선정한다. 예비 질의 컨텍스트 추출부(310)는 질의에 대한 자연어 분석 결과로부터 예비 질의 컨텍스트를 추출한 후, 후보 질의 패턴을 선정할 수 있다. 예비 질의 컨텍스트는, 질의에 대한 자연어 분석 결과로부터 추출한 패턴 요소들로 이루어질 수 있다. 예비 질의 컨텍스트 추출부(310)는 하나의 후보 질의 패턴을 선정할 수도 있으나, 복수의 후보 질의 패턴을 선정할 수도 있다. The preliminary query context extraction unit 310 selects a candidate query pattern from the query patterns stored in the query pattern storage unit 360. The preliminary query context extraction unit 310 can extract a preliminary query context from a natural language analysis result of a query, and then select a candidate query pattern. The preliminary query context can be made up of the pattern elements extracted from the natural language analysis result of the query. The preliminary query context extraction unit 310 may select one candidate query pattern, but may also select a plurality of candidate query patterns.

예비 질의 컨텍스트 추출부(310)는 선정된 하나의 후보 질의 패턴 또는 선정된 복수의 후보 질의 패턴에 예비 질의 컨텍스트를 이루는 질의에 대한 자연어 분석 결과로부터 추출한 패턴 요소를 대응시킬 수 있다. The preliminary query context extraction unit 310 can match the pattern elements extracted from the natural language analysis result of the query constituting the preliminary query context with the selected one candidate query pattern or the selected plurality of candidate query patterns.

질의 패턴은 여러 가지 패턴 요소들의 조합으로 이루어질 수 있다. 패턴 요소는 예를 들면, E(Entity), C(Class), P(Property), Q(Quantity), S(Special Word), 또는O(Order)일 수 있으나, 이에 한정되는 것은 아니다. 여기에서 S(Special Word)는 "가장", "최초"와 같은 특별한 의미를 부여하는 단어에 부여되는 패턴 요소일 수 있다. A query pattern can consist of a combination of several pattern elements. The pattern elements may be, for example, E (Entity), C (Class), P (Property), Q (Quantity), S (Special Word), or O (Order). Here, S (Special Word) may be a pattern element assigned to a word giving a special meaning such as "most", "first".

질의 패턴 저장부(360)는 예를 들면, EP(Entity, Property) 패턴, EPP(Entity, Property1, Property2) 패턴, EQP(Entity, Property, Quantity) 패턴, ECP(Entity, Class, Property) 패턴, ECPPC(Entity, Class1, Property1, Property2, Class2) 패턴, ECPEPC(Entity1, Class1, Property1, Entity2, Property2, Class2) 패턴, EPO(Entity, Property, Order) 패턴, 또는 ESPE(Entity1, Special Word, Property, Order1) 패턴 등과 같은 다양한 질의 패턴을 저장하고 있을 수 있으나, 이에 한정되는 것은 아니다. The query pattern storage unit 360 stores an EP (Entity, Property) pattern, an EPP (Entity, Property1, Property2) pattern, an EQP (Entity, Property, Quantity) ECPPC (Entity 1, Property 2, Class 2) pattern, ECPPC (Entity 1, Class 1, Property 1, Entity 2, Property 2, Class 2) pattern, EPO Order 1) pattern, and the like. However, the present invention is not limited thereto.

"한라산의 높이는?"이라는 질의의 질의 패턴은 한라산(E)과 높이(P)라는 패턴 요소를 가지는 EP 패턴일 수 있다. "명량을 만든 감독은?"이라는 질의의 질의 패턴은 명량(E), 만들다(P1), 및 감독(P2)이라는 패턴 요소를 가지는 EPP 패턴일 수 있다. "방탄소년단의 멤버는 몇 명인가?"라는 질의의 질의 패턴은 방탄소년단(E), 멤버(P), 및 몇 명(Q)이라는 패턴 요소를 가지는 EPQ 패턴일 수 있다. "드라마 힘쎈여자 도봉순의 극본을 쓴 사람은?"이라는 질의의 질의 패턴은 드라마(C1), 힘쎈여자 도봉순(E), 극본(P1), 쓰다(P2), 및 사람(C2)이라는 패턴 요소를 가지는 ECPPC 패턴일 수 있다. "애니메이션 트롤의 감독이 연출한 다른 애니메이션을 알려줘"라는 질의의 질의 패턴은 애니메이션(C1), 트롤(E), 감독(P1), 연출하다(P2), 다른 애니메이션(C2)이라는 패턴 요소을 가지는 ECPPC 패턴일 수 있다. "영화 쇼콜라에서 주인공 쇼콜라 역을 한 배우 이름은?"이라는 질의의 질의 패턴은 영화(C1), 쇼콜라(E1), 주인공(P1), 쇼콜라(E2), 역(P2), 및 배우(C2)라는 패턴 요소를 가지는 ECPEPC 패턴일 수 있다. "17회 FIFA 월드컵 개최국은?"이라는 질의의 질의 패턴은 17회(O), FIFA 월드컵(E), 및 개최국(P)이라는 패턴 요소를 가지는 EPO 패턴일 수 있다. "세계 가장 빠른 비행기?"라는 질의의 질의 패턴은 세상(E), 가장(S), 빠르다(P), 및 비행기(E)이라는 패턴 요소를 가지는 ESPE 패턴일 수 있다. 그러나 이와 같은 패턴 요소들의 분류, 및 패턴 요소들로 이루어지는 질의 패턴은 예시적인 것으로, 패턴 요소들을 다르게 분류하거나, 다른 질의 패턴을 구성할 수도 있다. The query pattern of the query "height of Mt. Halla?" May be an EP pattern having a pattern element of Mt. Halla (E) and height (P). The query pattern of the question "What is the director who made the pitch?" Can be an EPP pattern having the pattern elements of the order (E), (P1), and (P2). The query pattern of the question "How many members of the bulletproof boy band?" Can be an EPQ pattern with a pattern element of bulletproof boy E, member P, and Q (some). The query pattern of the question "Who wrote the drama of the drama Strong Woman?" Is a pattern element of drama (C1), strong woman, (P1), P2 (P2), and C2 The branch may be an ECPPC pattern. The query pattern of the query "Let me know another animation directed by the director of the animation trolls" is an ECPPC pattern having pattern elements such as animation (C1), trolley (E), director (P1), directing (P2) Lt; / RTI > (C1), Chocolat (E1), the main character (P1), the chocolate (E2), the reverse (P2), and the actor (C2) in the question "What is the name of the actor who played the main character Chocolat in the movie Chocolat? Lt; RTI ID = 0.0 > ECPEPC < / RTI > The query pattern of the question "What is the 17th FIFA World Cup host country?" May be an EPO pattern having the 17th (O), FIFA World Cup (E), and host country (P) pattern elements. The query pattern of the query "world's fastest flight?" Can be an ESPE pattern with pattern elements of world (E), head (S), fast (P), and plane (E). However, the classification of the pattern elements and the query pattern composed of the pattern elements are illustrative, and it is possible to classify the pattern elements differently or construct another query pattern.

만일 질의에 대한 자연어 분석 결과로부터 추출한 패턴 요소가 선정된 질의 패턴이 가지는 패턴 요소에 모두 대응되는 경우에는, 질의 컨텍스트 생성부(320)는 예비 질의 컨텍스트 자체를 질의 컨텍스트로 생성할 수 있다. If all of the pattern elements extracted from the natural language analysis result of the query correspond to the pattern elements of the selected query pattern, the query context generation unit 320 can generate the preliminary query context itself as a query context.

그러나 질의는 일부 패턴 요소밖에 가지고 있지 않을 수 있다. 예를 들면, "높이는?"이라는 질의에 대하여 EP 패턴, EPC 패턴 등의 질의 패턴이 선정된 경우, 높이(P)라는 패턴 요소만을 가지고 있으므로, E(Entity) 및/또는 C(Class)라는 패턴 요소가 부족할 수 있다. 이 경우, 질의 컨텍스트 생성부(320)는 단기 컨텍스트 및/또는 장기 컨텍스트를 참조하여, 부족한 패턴 요소를 추가하여 질의 컨텍스트를 생성할 수 있다. However, the query may have only some pattern elements. For example, when a query pattern such as an EP pattern or an EPC pattern is selected with respect to a query of "height?", Only a pattern element of height (P) Elements may be scarce. In this case, the query context generator 320 may generate a query context by adding short pattern elements, referring to the short-term context and / or the long-term context.

즉, 예비 질의 컨텍스트 추출부(310)는 질의에 대한 자연어 분석 결과에 대응되는 질의 패턴을 질의 패턴 저장부(360)로부터 선정할 수 있다. 이때, 질의에 대한 자연어 분석 결과와 매칭되는 질의 패턴이 있는 경우, 질의 컨텍스트 생성부(320)는 매칭되는 질의 패턴을 선정하여, 질의 컨텍스트를 생성할 수 있다. That is, the preliminary query context extraction unit 310 can select a query pattern corresponding to the natural language analysis result of the query from the query pattern storage unit 360. At this time, if there is a query pattern matching the natural language analysis result of the query, the query context generator 320 can select a query pattern to be matched and generate a query context.

만일 질의에 대한 자연어 분석 결과와 매칭 되는 질의 패턴이 없는 경우, 예비 질의 컨텍스트 컨텍스트 추출부(310)는 질의에 대한 자연어 분석 결과를 기초로 하나 또는 복수의 후보 질의 패턴을 선정한다. If there is no query pattern matching the natural language analysis result of the query, the preliminary query context context extraction unit 310 selects one or a plurality of candidate query patterns based on the natural language analysis result of the query.

질의 컨텍스트 생성부(320)는 후보 질의 패턴으로부터, 앞선 질의 중 유사한 질의 패턴이 있는지 검사하거나, 대화 모델 기반의 질의응답 시스템(1)에 정의되어 있는 질의 패턴 중 가장 유사한 질의 패턴을 검사한다. 또는 가능성 있는 후보 질의 패턴이 다수개일 경우, 단기/장기 컨텍스트를 고려하여 이들의 랭킹을 정할 수 있다. 또한 이후 사용자의 피드백을 고려하여, 질의 패턴의 랭킹을 변경할 수도 있다. The query context generating unit 320 checks whether there is a similar query pattern among the preceding queries from the candidate query patterns or inspects the most similar query pattern among the query patterns defined in the dialogue model based query response system 1. [ Or if there are a plurality of possible candidate query patterns, the ranking of these candidates can be determined in consideration of the short-term / long-term context. It is also possible to change the ranking of the query pattern in consideration of the feedback of the user.

컨텍스트 저장부(350)는 단기 컨텍스트 저장부(370) 및 장기 컨텍스트 저장부(380)를 더 포함할 수 있다. 단기 컨텍스트 저장부(370)는 현재 세션의 질의에 대한 대화 이력을 저장하고 있을 수 있다. 장기 컨텍스트 저장부(380)는 이전 세션의 질의에 대한 대화 이력 및 이를 토대로 추출되고 학습된 사용자 모델을 저장하고 있을 수 있다.The context storing unit 350 may further include a short-term context storing unit 370 and a long-term context storing unit 380. [ The short term context storage unit 370 may store a conversation history about the query of the current session. The long term context storage unit 380 may store a conversation history about the query of the previous session, and a user model extracted and learned based on the conversation history.

예를 들어, 사용자(10)가 "이종민에 대해서 알려줘"라는 질의를 한 경우, 이 질의에는 패턴 요소로 이종민(E)만이 포함되어 있으며, 예비 질의 컨텍스트 추출부(310)는 패턴 요소인 이종민(E)으로부터 사용자(10)의 의도가 "이종민"에 대한 정보를 요구한다는 것은 분석할 수 있다. 그러나 패턴 요소인 이종민(E)을 가질 수 있는 질의 패턴은 다양하므로, 예비 질의 컨텍스트 추출부(310)는 질의 패턴 저장부(360)가 저장하고 있는 질의 패턴들 중 복수의 후보 질의 패턴을 선정할 수 있다. For example, when the user 10 makes a query of " Tell me about Lee Jong-min ", the query includes only Lee Jong-min (E) as a pattern element, and the preliminary query context extraction unit 310 extracts It can be analyzed that the intention of the user 10 requires information on " Lee Jong Min ". However, since there are a variety of query patterns that can have a pattern element Y. jongmin (E), the preliminary query context extraction unit 310 selects a plurality of candidate query patterns among the query patterns stored in the query pattern storage unit 360 .

질의 컨텍스트 생성부(320)는 우선 현재 세션의 질의에 대한 대화 이력을 저장하고 있는 단기 컨텍스트 저장부(370)를 참조하여, 어떤 "이종민"인지를 결정할 수 있는 패턴 요소를 찾을 수 있다. 예를 들면, 현재 세션에서 야구에 대한 대화 이력이 있는 경우에는 패턴 요소로 야구(P) 또는 야구 선수(P)를 선정하여, "야구 선수"인 "이종민"에 대하여 알려달라는 질의 컨텍스트를 생성할 수 있다. The query context generating unit 320 may first look up the short-term context storing unit 370 storing the conversation history of the query of the current session to find a pattern element that can determine which one is the " heteromonster ". For example, if there is a history of conversation about baseball in the current session, a baseball (P) or a baseball player (P) is selected as a pattern element to generate a query context to inform "baseball player" .

만일, 현재 세션에서 단순히 스포츠에 대한 대화 이력, 또는 야구와 축구에 대한 대화 이력이 유사하게 있는 경우에는, 패턴 요소로 야구 선수(P)와 축구 선수(P) 중 무엇을 선정해야할지 어려울 수 있다.If the current session has a history of conversation about sports, or conversation histories of baseball and soccer, it can be difficult to choose between a baseball player (P) and a football player (P) as a pattern element.

그러나, 질의 컨텍스트 생성부(320)는 장기 컨텍스트를 저장하고 있는 장기 컨텍스트 저장부(380)를 참조하여 질의 컨텍스트를 생성할 수 있다. 장기 컨텍스트 저장부(380)는 대화 이력 저장부(382)와 사용자 모델 저장부(384)를 포함할 수 있다. However, the query context generation unit 320 can generate a query context by referring to the long term context storage unit 380 storing the long term context. The long term context storage unit 380 may include a conversation history storage unit 382 and a user model storage unit 384. [

대화 이력 저장부(382)는 이전 세션의 질의에 대한 대화 이력을 저장하고 있을 수 있다. 대화 이력 저장부(382)에서 상대적으로 최근에 축구에 대한 대화 이력이 있는 경우에는 질의 컨텍스트 생성부(320)는 패턴 요소로 축구(P) 또는 축구 선수(P)를 선정하여, "축구 선수"인 "이종민"에 대하여 알려달라는 질의 컨텍스트를 생성할 수 있다. The conversation history storage unit 382 may store conversation history about the query of the previous session. The query context generator 320 selects a soccer player P or a soccer player P as a pattern element and selects a soccer player P as a pattern element if the conversation history storage unit 382 relatively recently has a conversation history for soccer, Can generate a query context to inform about " Lee "

사용자 모델 저장부(384)는 대화 모델 기반의 질의응답 시스템(1)에서 그동안 질의응답한 결과, 피드백한 결과, 대화 모델 기반의 질의응답 시스템(1)이 설치된 기기에서 사용자가 검색하거나 입력한 정보 등을 종합하여, 사용자의 프로필, 선호도 등을 저장하고 있을 수 있다. 따라서 사용자 모델 저장부(384)에 저장된 사용자의 선호도가 축구인 경우에는, 질의 컨텍스트 생성부(320)는 패턴 요소로 축구(P) 또는 축구 선수(P)를 선정하여, "축구 선수"인 "이종민"에 대하여 알려달라는 질의 컨텍스트를 생성할 수 있다. The user model storage unit 384 stores the information retrieved or inputted by the user in the apparatus having the interactive model based question and answer system 1 installed as a result of the query response in the interactive model based question and answer system 1, Etc., and may store the user's profile, preference, and the like. Accordingly, when the user's preference stored in the user model storage unit 384 is soccer, the query context generation unit 320 selects a soccer player P or a soccer player P as a pattern element, You can create a query context to inform about "Lee, Jong - min".

사용자 모델 저장부(384)가 저장하는 사용자 모델은 시간 및/또는 공간에 대한 정보를 함께 가지고 있을 수 있다. 예를 들어, 사용자(10)가 "뭐 먹지?"라는 질의를 한 경우, 평일/휴일, 직장/집/야외, 및 아침/점심/저녁/밤 등의 시간 및/또는 공간에 대한 정보를 반영된 사용자 모델로부터, 식당, 메뉴, 또는 요리 등에 패턴 요소를 선정하여, 질의 컨텍스트를 생성할 수 있다. 즉, 평일의 점심 시간 무렵에 직장에서 "뭐 먹지?"라는 질의를 한 경우에는 직장 근처의 식당 또는 메뉴를 패턴 요소로 선정할 수 있다. 이 경우에도 단기 컨텍스트의 대화 이력, 또는 장기 컨텍스트의 대화 이력을 함께 참조할 수 있다. The user model stored by the user model storage unit 384 may have information on time and / or space together. For example, when the user 10 makes a query of " What to eat? &Quot;, the user 10 is informed of the time and / or space such as weekday / holiday, work / house / outdoor, and breakfast / lunch / From the user model, a query context can be generated by selecting a pattern element in a restaurant, a menu, or a dish. In other words, if you ask "What do you want?" At work at lunch time on weekdays, you can select a restaurant or menu near the workplace as a pattern element. In this case, conversation history of a short-term context or conversation history of a long-term context can be referred to together.

질의 세션 관리부(330)는 현재 세션을 종료하기 전까지의 대화 이력, 즉 생성된 질의 컨텍스트를 단기 컨텍스트 저장부(370)에 저장할 수 있다. 또한 질의 세션 관리부(330)는 질의 컨텍스트의 생성 여부, 질의응답의 경과 시간 등을 고려하여, 현재 세션을 종료하고, 그때까지의 대화 이력, 즉 단기 컨텍스트 저장부(370)에 저장된 단기 컨텍스트를 장기 컨텍스트 저장부(380)에 저장할 수 있다. The query session management unit 330 may store the conversation history up to the end of the current session, that is, the generated query context in the short term context storage unit 370. In addition, the query session management unit 330 terminates the current session in consideration of the generation of the query context, the elapsed time of the query response, etc., and stores the conversation history up to that time, that is, the short-term context stored in the short- May be stored in the context storage unit 380.

컨텍스트 학습부(340)는 현재 세션이 종료된 경우, 종료된 세션의 단기 컨텍스트, 즉 종료된 세션에서 생성된 질의 컨텍스트를 반영하여, 대화 이력과 사용자 모델으로 이루어지는 장기 컨텍스트를 재구성 및 학습할 수 있다. The context learning unit 340 can reconstruct and learn a long term context composed of the conversation history and the user model by reflecting the short term context of the terminated session, that is, the query context generated in the terminated session .

선정된 질의 컨텍스트는 대화진행 계획부(400)로 송신될 수 있다. 이때 선정된 질의 컨텍스트는 한가지일 수도 있으나, 복수개일 수도 있으며, 복수개의 질의 컨텍스트가 선정된 경우에는 우선 순위가 포함될 수도 있다. 단기 컨텍스트 및 장기 컨텍스트를 모두 참조하여도, 질의 컨텍스트를 명확히 선정하지 못한 경우에도 해당 정보, 예를 들면, 추출된 패턴 요소, 후보 질의 패턴, 및 예비 질의 컨텍스트를 대화진행 계획부(400)로 송신할 수 있다. The selected query context can be transmitted to the dialogue progress planning unit 400. [ At this time, the selected query context may be one or a plurality of query contexts, and a priority order may be included when a plurality of query contexts are selected. Even if the short-term context and the long-term context are all referenced, even if the query context is not clearly selected, the corresponding information, for example, the extracted pattern element, the candidate query pattern and the preliminary query context, can do.

도 4는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다. 구체적으로 도 4는 도 1에서 설명한 대화진행 계획부(400)에서의 동작을 설명하기 위한 블록도로, 도 4에 대한 설명 중 도 1과 중복되는 내용은 생략될 수 있다. 4 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention. Specifically, FIG. 4 is a block diagram for explaining the operation in the conversation progress plan unit 400 described with reference to FIG. 1. In FIG. 4, contents overlapping with FIG. 1 may be omitted.

도 1 및 도 4를 함께 참조하면, 대화진행 계획부(400)는 컨텍스트 관리부(300)에서 수행된 분석 결과를 수신하여, 사용자(10)의 질의에 대한 대화진행을 결정한다. Referring to FIGS. 1 and 4 together, the conversation progress planning unit 400 receives the analysis result performed by the context management unit 300 and determines the progress of the conversation with respect to the query of the user 10.

대화진행 계획부(400)는 질의 컨텍스트 검증부(410), 대화 정책(420), 및 대화 흐름 모델(430)을 포함할 수 있다. 질의 컨텍스트 검증부(410)는 대화 정책(420) 및 대화 흐름 모델(430)을 참조하여, 사용자(10)에게 응답을 하기 위한 시스템 질의를 할지, 사용자(10)에게 질문을 할지를 결정할 수 있다. 또는 질의 컨텍스트 검증부(410)는 사용자(10)에게 응답과 더불어 질문을 추가로 할지를 결정할 수 있다. The conversation progress planning unit 400 may include a query context verifier 410, a conversation policy 420, and a conversation flow model 430. The query context verifier 410 can refer to the conversation policy 420 and the conversation flow model 430 to determine whether to query the user 10 or a system query to answer the user 10. Or the query context verifier 410 may determine whether to additionally ask the user 10 a question in addition to the response.

"이종민에 대해서 알려줘"라는 사용자(10)의 질의에 대하여 컨텍스트 관리부(300)에서 축구 선수(E) 및 이종민(P)이라는 패턴 요소를 가지는 질의 컨텍스트를 명확하게 선정한 경우, 대화진행 계획부(400)는 시스템 질의부(500)에게 "축구 선수인 이종민의 정보"에 대한 시스템 질의를 요청할 수 있다. If the context management unit 300 explicitly selects a query context having a pattern element of a soccer player E and a peer P in relation to the query of the user 10 to inform the user of the conversation progress plan 400 May request the system query unit 500 for a system query for " information of Lee Soon-min who is a soccer player ".

컨텍스트 관리부(300)에서 축구 선수(E) 및 이종민(P)이라는 패턴 요소를 가지는 질의 컨텍스트와 야구 선수(E) 및 이종민(P)이라는 패턴 요소를 가지는 질의 컨텍스트를 동일한 우선 순위를 가지며 선정한 경우, 대화진행 계획부(400)는 사용자 응답 생성부(600)에게 "축구 선수 이종민과 야구 선수 이종민 중 어느 이종민에 대한 정보를 원하시나요?"라는 질문을 생성하게 하거나, , 또는 시스템 질의부(500)에게 "축구 선수인 이종민의 정보"과 "야구 선수인 이종민의 정보"에 대한 시스템 질의를 요청한 후, 그 결과인 시스템 응답을 사용자 응답 생성부(600)에게 전달하고, 사용자 응답 생성부(600)에서 "축구 선수 이종민의 정보는 ...이고, 야구 선수 이종민의 정보는 ...입니다"라는 응답을 생성하도록 할 수 있다. If the context management unit 300 selects a query context having a pattern element of a soccer player E and a peer P and a query context having a pattern element of a baseball player E and a peer P with the same priority, The dialogue progress planning unit 400 instructs the user response generating unit 600 to generate a question such as " Do you want information about a soccer player and a baseball player? &Quot;, or the system query unit 500 And transmits the system response to the user response generator 600. The user response generator 600 receives the system response from the user response generator 600, "Soccer player Lee Jong Min's information is ..., and baseball player Lee Jong Min's information is ..." can be generated.

컨텍스트 관리부(300)에서 축구 선수(E) 및 이종민(P)이라는 패턴 요소를 가지는 질의 컨텍스트가 우선 순위, 야구 선수(E) 및 이종민(P)이라는 패턴 요소를 가지는 질의 컨텍스트가 차순위를 가지며 선정한 경우, 대화진행 계획부(400)는 시스템 질의부(500)에게 "축구 선수인 이종민의 정보"에 대한 시스템 질의를 요청한 후, 그 결과인 시스템 응답을 사용자 응답 생성부(600)에게 전달하고, 사용자 응답 생성부(600)에서 "축구 선수 이종민의 정보는 ...입니다"라는 응답과 "야구 선수 이종민에 대한 정보도 원하시나요?"라는 질문을 함께 생성하도록 할 수 있다. When the query context having the pattern elements of the soccer players E and the peoples P has priority and the query context having the pattern elements of the baseball players E and the peoples P is selected in the context management unit 300 , The dialogue progress planning unit 400 requests the system query unit 500 for a system query for " information on the information of a soccer player ", and then transmits the system response to the user response generator 600, The response generating unit 600 may generate a question such as " information on the soccer player Lee Jong-min is ... " and " do you want information on the baseball player Lee Jong-min?

대화 모델 기반의 질의응답 시스템(1)은 단기 컨텍스트뿐만 아니라, 장기 컨텍스트, 즉 이전 세션들의 대화 이력 및 사용자 모델을 참조하여 사용자(10)의 질의에 대한 응답을 할 수 있으므로, 사용자(10)의 질의로부터 추출할 수 없는 사용자(10)의 의도를 반영한 질의 컨텍스를 생성하여, 정확한 응답을 빨리 제공할 수 있다. The interactive model based query response system 1 can respond to the inquiry of the user 10 by referring to the long term context, that is, the conversation history and the user model of the previous sessions as well as the short term context, It is possible to generate a query context reflecting the intention of the user 10 that can not be extracted from the query, and to provide an accurate response quickly.

도 5는 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다. 구체적으로 도 5은 도 1에서 설명한 지식 베이스(800)를 참조한 시스템 질의부(500) 및 사용자 응답 생성부(600)에서의 동작을 설명하기 위한 블록도로, 도 5에 대한 설명 중 도 1과 중복되는 내용은 생략될 수 있다. 5 is a block diagram illustrating the operation of a conversation model based query response system in accordance with an exemplary embodiment of the present invention. 5 is a block diagram for explaining operations in the system query unit 500 and the user response generation unit 600 referring to the knowledge base 800 described with reference to FIG. 1. In FIG. 5, May be omitted.

도 1 및 도 5를 함께 참조하면, 시스템 질의부(500)는 지식 베이스(800)에 시스템 질의를 하여, 시스템 응답을 얻은 후, 사용자 응답 생성부(600)에서 사용자(10)에게 제공할 "응답"을 생성하도록 할 수 있다. 사용자 응답 생성부(600)는 추가적으로, 사용자(10)에게 할 "질문"을 생성하도록 할 수 있으며, 필요에 따라서 지식 베이스(800)를 참조하여, "질문"을 생성할 수 있다. Referring to FIGS. 1 and 5 together, the system query unit 500 performs a system query to the knowledge base 800, obtains a system response, and transmits the system response to the user response generator 600, Response " The user response generator 600 can additionally cause the user 10 to generate a " question " to be generated, and can refer to the knowledge base 800 as needed to generate a " question ".

지식 베이스(800)는 DB 등록부(810), DB 관리부(820), 및 도메인 DB부(830)를 포함할 수 있다. DB 등록부(810) 및 DB 관리부(820)는 각각 도메인 DB부(830)가 포함하는 복수의 도메인 DB(832, 834, 836, 838)을 등록하고 관리할 수 있다. 지식 DB 등록부(810) 및 DB 관리부(820)는 각각 외부 DB부(840)를 등록하고 관리할 수 있다. 도 5에서는 도시의 편의를 위하여, 외부 DB부(840)가 지식 베이스(800) 내, 즉 대화 모델 기반의 질의응답 시스템(1) 내에 포함된 것으로 도시되었으나, 이에 한정되지 않는다. 예를 들면, 외부 DB부(840)는 대화 모델 기반의 질의응답 시스템(1)의 DB 등록부(810)에 등록되고, DB 관리부(820)에서 억세스 가능한 외부 서비스 및 외부 서비스가 포함하는 외부 DB일 수 있다. 즉, 외부 DB부(840)는 대화 모델 기반의 질의응답 시스템(1)의 DB 등록부(810)에 등록되고, DB 관리부(820)에서 억세스 가능한 외부 서비스 및 외부 서비스가 포함하는 외부 DB를 개념적으로 하나의 구성 요소처럼 도시한 것일 수 있다. DB 관리부(820)는 각각의 외부 서비스에 억세스하기 위한 API를 가지는 플러그인을 가질 수 있다. The knowledge base 800 may include a DB registration unit 810, a DB management unit 820, and a domain DB unit 830. The DB registration unit 810 and the DB management unit 820 can register and manage a plurality of domain DBs 832, 834, 836, and 838 included in the domain DB unit 830, respectively. The knowledge DB registration unit 810 and the DB management unit 820 can register and manage the external DB unit 840, respectively. 5, the external DB unit 840 is shown as being included in the knowledge base 800, that is, within the interactive model-based question and answer system 1, but is not limited thereto. For example, the external DB unit 840 is registered in the DB registration unit 810 of the inquiry response system 1 based on the conversation model. The external DB unit 840 is an external DB that is included in the external service and external service accessible from the DB management unit 820 . That is, the external DB unit 840 is registered in the DB registration unit 810 of the query model system 1 based on the conversation model, and the external DB that is accessible in the DB management unit 820 and the external DB included in the external service are conceptually It may be shown as a single component. The DB management unit 820 may have a plug-in having an API for accessing each external service.

도메인 DB부(830)는 예를 들면, 제1 내지 제4 도메인 DB(832, 834, 836, 838)을 포함할 수 있다. 제1 내지 제4 도메인 DB(832, 834, 836, 838)은 독립적으로 구축된 지식베이스일 수 있다. 예를 들면 제1 내지 제4 도메인 DB(832, 834, 836, 838) 각각은 일반 상식 지식베이스, 영화 도메인 지식베이스, 음악 도메인 지식베이스, 헬스 도메인 지식베이스, 퍼스널 어시스턴트 도메인 지식베이스, 음식 식당 도메인 지식베이스 등일 수 있다. The domain DB unit 830 may include first to fourth domain DBs 832, 834, 836 and 838, for example. The first to fourth domain DBs 832, 834, 836 and 838 may be independently constructed knowledge bases. For example, each of the first to fourth domain DBs 832, 834, 836, and 838 may include a common knowledge base, a movie domain knowledge base, a music domain knowledge base, a health domain knowledge base, a personal assist domain knowledge base, Knowledge base, and the like.

외부 DB부(840)는 복수의 서비스(841, 842, 843)와 각 서비스에 대응되는 복수의 외부 DB(846, 847, 848)을 포함할 수 있다. DB 관리부(820)는 제1 서비스(841), 제2 서비스(842), 제3 서비스(843) 등 외부 서비스와 연결되어 이들을 대화 모델 기반의 질의응답 시스템(1) 내의 지식 베이스로 활용할 수 있다. 제1 서비스(841), 제2 서비스(842), 및 제3 서비스(843)는 각각 독자적인 제1 외부 DB(846), 제2 외부 DB(847), 및 제3 외부 DB(848)와 연결되거나, 이를 포함할 수 있다. 예를 들면, 외부 서비스는 지리정보 서비스, 환율변환 서비스, 날씨 서비스 등일 수 있으며, 이들 외부 서비스와 연결되거나, 이들 외부 서비스가 포함하는 외부 DB는 예를 들면, Geo 정보 DB, 환율정보 DB, 세계날씨 DB 등일 수 있다. The external DB unit 840 may include a plurality of services 841, 842, and 843 and a plurality of external DBs 846, 847, and 848 corresponding to the respective services. The DB management unit 820 can be connected to external services such as the first service 841, the second service 842 and the third service 843 and utilize them as a knowledge base in the dialogue model-based query response system 1 . The first service 841, the second service 842 and the third service 843 are connected to a first external DB 846, a second external DB 847 and a third external DB 848, respectively, Or may include. For example, the external service may be a geographical information service, a currency conversion service, a weather service, and the like. The external DB that is connected to the external service or included in the external service may include, for example, a Geo information DB, Weather DB, and the like.

시스템 질의부(500) 및/또는 사용자 응답 생성부(600)는 DB 등록부(810)에 등록된 정보를 토대로, 도메인 DB부(830) 및/또는 외부 DB부(840)가 가지는 복수의 도메인 DB(832, 834, 836) 및 복수의 외부 DB(846, 847, 848) 중 적어도 하나의 DB(지식 베이스)를 참조할 수 있고, 이러한 참조는 DB 관리부(820)에 의하여 제어 및 관리될 수 있다. The system query unit 500 and / or the user response generation unit 600 may generate a plurality of domain DBs 830 of the domain DB unit 830 and / or the external DB unit 840 based on the information registered in the DB registration unit 810. [ (Knowledge base) of at least one of the external DBs 832, 834, and 836 and the plurality of external DBs 846, 847, and 848 and these references can be controlled and managed by the DB management unit 820 .

도 6 및 도 7은 각각 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 도메인 DB부와 외부 DB부를 상세히 나타내는 블록도이다.6 and 7 are block diagrams showing in detail the domain DB unit and the external DB unit of the interactive model-based question and answer system according to the exemplary embodiment of the present invention, respectively.

도 6을 참조하면, 도메인 DB부(830a)는 예를 들면, 일반 상식 지식베이스(832a), 영화 도메인 지식베이스(834a), 음악 도메인 지식베이스(836a), 헬스 도메인 지식베이스(838a) 등 각 도메인에 해당하는 별도의 지식베이스를 포함할 수 있다. 6, the domain DB unit 830a includes, for example, a general knowledge base 832a, a movie domain knowledge base 834a, a music domain knowledge base 836a, and a health domain knowledge base 838a. A separate knowledge base corresponding to the domain may be included.

도 7을 참조하면 외부 DB부(840a)는 예를 들면, 지리정보 서비스(841a) 및 이와 연결되거나 이에 포함되는 Geo 정보 DB(846a), 환율변환 서비스(842a) 및 이와 연결되거나 이에 포함되는 환율 정보 DB(847a), 및 날씨 서비스(843a) 및 이와 연결되거나 이에 포함되는 세계날씨 DB(848a) 중 적어도 하나일 수 있다. Referring to FIG. 7, the external DB unit 840a includes, for example, a geographic information service 841a and a Geo information DB 846a associated with or included therein, a currency conversion service 842a, Information DB 847a, and weather service 843a, and the global weather database 848a associated with or included therein.

지리정보 서비스(841a)를 통하여 두지역 사이의 거리 또는 경로 등과 같은 질의에 대한 답변을 생성할 수 있다. 환율변환 서비스(842a)를 통하여 현재 환율, 다른 화폐 사이의 환율 변환 등과 같은 질의에 대한 답변을 생성할 수 있다. 날씨 서비스(843a) 통하여, 현재 날씨, 날씨 예보, 과거 날씨 등과 같은 질의에 대한 답변을 생성할 수 있다. Through the geographic information service 841a, an answer to a query such as a distance or a path between the two regions can be generated. Through the currency conversion service 842a, an answer to a query such as current exchange rate, currency conversion between different currencies, and the like can be generated. Through the weather service 843a, an answer to a query such as current weather, weather forecast, past weather, etc. can be generated.

도 8은 본 발명의 예시적 실시 예에 따른 대화 모델 기반의 질의응답 시스템의 동작을 설명하기 위한 블록도이다. 구체적으로 도 8은 도 1에서 설명한 자연어 생성부(700)를 참조한 사용자 응답 생성부(600)에서의 동작을 설명하기 위한 블록도로, 도 8에 대한 설명 중 도 1과 중복되는 내용은 생략될 수 있다. 8 is a block diagram illustrating an operation of a conversation model based query response system according to an exemplary embodiment of the present invention. Specifically, FIG. 8 is a block diagram for explaining an operation in the user response generator 600 referring to the natural language generator 700 described in FIG. 1. In FIG. 8, the description overlapping with FIG. 1 may be omitted have.

도 1 및 도 8을 함께 참조하면, 사용자 응답 생성부(600)는 자연어 생성부(700)를 통하여, 시스템 응답을 자연어 형태인 "응답"으로 생성하여 사용자(10)에게 제공할 수 있다. 또한 사용자 응답 생성부(600)는 자연어 생성부(700)를 통하여, 자연어 형태인 "질문"으로 생성하여 사용자(10)에게 제공할 수 있다. Referring to FIG. 1 and FIG. 8 together, the user response generator 600 may generate the system response as a natural response "response" and provide the system response to the user 10 through the natural language generator 700. Also, the user response generator 600 can generate a " question " in natural language form through the natural language generator 700 and provide it to the user 10.

자연어 생성부(700)는 자연어 응답 생성부(710), 및 자연어 생성 규칙부(720)를 포함한다. 사용자 응답 생성부(600)는 자연어 응답 생성부(710)에서 자연어 생성 규칙부(720)를 참조하여 생성한 자연어 형태의 응답 또는 질문을 기초로, 사용자(10)에게 "응답"을 제공하거나 "질문"을 할 수 있다. The natural language generation unit 700 includes a natural language response generation unit 710 and a natural language generation rule unit 720. The user response generating unit 600 provides the user 10 with a response based on the natural language type response or question generated by referring to the natural language generating rule unit 720 in the natural language response generating unit 710, Question "can be done.

이상, 본 발명을 바람직한 실시예를 들어 상세하게 설명하였으나, 본 발명은 상기 실시예에 한정되지 않고, 본 발명의 기술적 사상 및 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러가지 변형 및 변경이 가능하다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, This is possible.

1 : 대화 모델 기반의 질의응답 시스템, 10 : 사용자, 20 : 네트워크, 100 : 커뮤니케이터, 200 : 사용자 입력 전처리부, 210 : 자연어 이해부, 300 : 컨텍스트 관리부, 350 : 컨텍스트 저장부, 400 : 대화진행 계획부, 500 :대화 모델 기반의 질의응답 시스템부, 600 : 사용자 응답 생성부, 700 : 자연어 생성부, 800 : 지식 베이스The present invention relates to a speech response system based on a conversation model, and more particularly, to a speech response system based on a conversation model, 600: a user response generating unit, 700: a natural language generating unit, 800: a knowledge base

Claims

네트워크를 통하여 자연어 형태인 사용자의 질의를 수신하고 응답을 송신하며, 상기 사용자와 대화형으로 질문과 대답을 주고받는 커뮤니케이터;
자연어 이해부를 참조하여, 자연어 형태인 상기 사용자의 질의에 대한 자연어 분석 결과를 생성하는 사용자 입력 전처리부;
질의 패턴 저장부, 현재 세션의 질의에 대한 대화 이력을 저장하는 단기 컨텍스트 저장부, 및 이전 세션의 질의에 대한 대화 이력 및 학습된 사용자 모델을 포함하는 장기 컨텍스트를 저장하는 장기 컨텍스트 저장부를 포함하는 컨텍스트 저장부;
상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 자연어 분석 결과로부터 질의 컨텍스트를 생성하는 컨텍스트 관리부;
상기 질의 컨텍스트를 시스템 질의로 변환하여, 지식 베이스로부터 시스템 응답을 수신하는 시스템 질의부; 및
상기 시스템 응답을 자연어 생성부를 참조하여, 자연어 형태인 상기 응답을 생성하는 사용자 응답 생성부;를 포함하는 대화 모델 기반의 질의응답 시스템.A communicator for receiving a query of a user in a natural language form over a network, transmitting a response, and interactively exchanging questions and answers with the user;
A user input preprocessing unit for referring to the natural language understanding unit to generate a natural language analysis result of the user's query in a natural language form;
And a long-term context storage unit for storing a long-term context including a conversation history for the query of the previous session and a learned user model. A storage unit;
A context management unit for referring to the short-term context and the long-term context to generate a query context from the natural language analysis result;
A system query unit for converting the query context into a system query and receiving a system response from the knowledge base; And
And a user response generator for generating the response in a natural language form by referring to the natural language generator.

제1 항에 있어서,
상기 컨텍스트 관리부는,
상기 자연어 분석 결과로부터 상기 질의 패턴 저장부에 저장된 질의 패턴들로부터 후보 질의 패턴을 선정하고, 상기 자연어 분석 결과로부터 추출된 패턴 요소를 상기 후보 질의 패턴에 대응시켜 예비 질의 컨텍스트를 추출하는 예비 질의 컨텍스트 추출부;
상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 예비 질의 컨텍스트가 가지는 상기 후보 질의 패턴에 부족한 패턴 요소를 추가하여 상기 질의 컨텍스트를 생성하는 질의 컨텍스트 생성부; 및
생성된 상기 질의 컨텍스트를 반영하여, 상기 장기 컨텍스트 저장부에 저장된 상기 장기 컨텍스트를 재구성 및 학습하는 컨텍스트 학습부;를 포함하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.The method according to claim 1,
The context management unit,
Selecting a candidate query pattern from query patterns stored in the query pattern storage unit from the result of the natural language analysis and extracting a preliminary query context by associating pattern elements extracted from the natural language analysis result with the candidate query pattern; part;
A query context generating unit for referring to the short term context and the long term context to generate a query context by adding a pattern element insufficient to the candidate query pattern of the preliminary query context; And
And a context learning unit for reconstructing and learning the long-term context stored in the long-term context storage unit by reflecting the generated query context.

제2 항에 있어서,
상기 컨텍스트 관리부는,
생성된 상기 질의 컨텍스트는 상기 단기 컨텍스트 저장부에 저장하고, 상기 질의 컨텍스트의 생성 여부 및 경과 시간을 고려하여 상기 현재 세션을 종료한 후에는 상기 단기 컨텍스트에 저장된 종료된 세션의 상기 질의 컨텍스트을 상기 장기 컨텍스트 저장부에 저장하는 질의 세션 관리부;를 더 포함하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템3. The method of claim 2,
The context management unit,
Storing the generated query context in the short term context storage unit, and after finishing the current session in consideration of whether or not the query context is generated and elapsed time, the query context of the terminated session stored in the short term context, And a query management unit for storing the query model in a storage unit,

제1 항에 있어서,
상기 컨텍스트 관리부에서 생성된 질의 컨텍스트를 검증하여, 상기 시스템 질의부에게 상기 질의 컨텍스트를 상기 시스템 질의로 변환하게 하거나, 상기 사용자 응답 생성부에게 상기 질의에 대한 추가적인 정보를 요청하는 자연어 형태인 상기 질문을 생성하게 하는 대화진행 계획부;를 더 포함하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.The method according to claim 1,
Wherein the context management unit verifies the query context to convert the query context into the system query to the system query unit or requests the user response generator for additional information about the query, And a conversation progress plan unit for generating a conversation model based on the conversation model.

제4 항에 있어서,
상기 대화진행 계획부는,
자연어 형태인 상기 응답과 상기 질문을 함께 생성하도록 하여, 상기 커뮤니케이터를 통하여, 상기 사용자에게 상기 응답과 상기 질문을 함께 제공하도록 하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.5. The method of claim 4,
The conversation progress planning unit,
And to generate the response in the form of a natural language together with the question so as to provide the user with the answer and the question via the communicator.

제1 항에 있어서,
상기 컨텍스트 관리부는, 상기 질의 컨텍스트를 우선 순위가 포함되는 복수개 생성하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.The method according to claim 1,
Wherein the context management unit generates a plurality of query contexts including a priority order.

제1 항에 있어서,
상기 장기 컨텍스트가 포함하는 상기 사용자 모델은, 사용자의 프로필, 사용자의 선호도 및, 시간 및 공간에 대한 정보를 함께 가지는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.The method according to claim 1,
Wherein the user model included in the long term context has a profile of the user, a preference of the user, and information on time and space together.

제2 항에 있어서,
상기 예비 질의 컨텍스트 추출부는 상기 후보 질의 패턴을 복수개 선정하고,
상기 질의 컨텍스트 생성부는, 상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 복수개의 상기 후보 질의 패턴의 랭킹을 정하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.3. The method of claim 2,
Wherein the preliminary query context extraction unit selects a plurality of candidate query patterns,
Wherein the query context generating unit refers to the short-term context and the long-term context to determine a ranking of a plurality of candidate query patterns.

네트워크를 통하여 자연어 형태인 사용자의 질의를 수신하고 응답을 송신하며, 상기 사용자와 대화형으로 질문과 대답을 주고받는 커뮤니케이터;
자연어 이해부를 참조하여, 자연어 형태인 상기 사용자의 질의에 대한 자연어 분석 결과를 생성하는 사용자 입력 전처리부;
복수의 질의 패턴을 저장하는 질의 패턴 저장부, 현재 세션의 질의에 대한 대화 이력을 저장하는 단기 컨텍스트 저장부, 및 이전 세션의 질의에 대한 대화 이력 및 학습된 사용자 모델을 포함하는 장기 컨텍스트를 저장하는 장기 컨텍스트 저장부를 포함하는 컨텍스트 저장부;
상기 자연어 분석 결과로부터 상기 질의 패턴 저장부에 저장된 상기 복수의 질의 패턴 중 복수개의 후보 질의 패턴을 선정하고, 상기 자연어 분석 결과로부터 추출된 패턴 요소를 상기 복수개의 후보 질의 패턴에 대응시켜 예비 질의 컨텍스트를 추출하는 예비 질의 컨텍스트 추출부;
상기 단기 컨텍스트, 및 상기 장기 컨텍스트를 참조하여, 상기 예비 질의 컨텍스트가 가지는 상기 복수개의 후보 질의 패턴에 부족한 패턴 요소를 추가하고 상기 복수개의 후보 질의 패턴의 랭킹을 정하여 질의 컨텍스트를 생성하는 질의 컨텍스트 생성부;
상기 질의 컨텍스트를 시스템 질의로 변환하여 지식 베이스에 전달하여, 상기 지식 베이스로부터 시스템 응답을 수신하는 시스템 질의부; 및
상기 시스템 응답을 자연어 생성부를 참조하여, 자연어 형태인 상기 응답을 생성하는 사용자 응답 생성부;를 포함하는 대화 모델 기반의 질의응답 시스템.A communicator for receiving a query of a user in a natural language form over a network, transmitting a response, and interactively exchanging questions and answers with the user;
A user input preprocessing unit for referring to the natural language understanding unit to generate a natural language analysis result of the user's query in a natural language form;
Storing a long term context including a query pattern storage unit for storing a plurality of query patterns, a short term context storage unit for storing a conversation history of the query of the current session, and a conversation history for the query of the previous session and a learned user model A context storage unit including a long term context storage unit;
Selecting a plurality of candidate query patterns among the plurality of query patterns stored in the query pattern storage unit from the natural language analysis result, associating the pattern elements extracted from the natural language analysis result with the plurality of candidate query patterns, A preliminary query context extraction unit for extracting a preliminary query;
A query context generating unit for generating a query context by adding a pattern element insufficient to the plurality of candidate query patterns of the preliminary query context and determining a ranking of the plurality of candidate query patterns by referring to the short term context and the long term context, ;
A system query unit for converting the query context into a system query and transferring the query context to a knowledge base and receiving a system response from the knowledge base; And
And a user response generator for generating the response in a natural language form by referring to the natural language generator.

제9 항에 있어서,
상기 컨텍스트 관리부에서 생성된 질의 컨텍스트를 검증하여, 상기 시스템 질의부에게 상기 질의 컨텍스트를 상기 시스템 질의로 변환하게 하거나, 상기 사용자 응답 생성부에게 상기 질의에 대한 추가적인 정보를 요청하는 자연어 형태인 상기 질문을 생성하게 하는 대화진행 계획부;를 더 포함하며,
상기 대화 진행 계획부는, 상기 커뮤니케이터를 통하여 상기 사용자에게, 상기 응답을 제공하도록 하거나, 상기 질문을 제공하도록 하거나, 상기 응답과 상기 질문을 함께 제공하도록 결정하는 것을 특징으로 하는 대화 모델 기반의 질의응답 시스템.10. The method of claim 9,
Wherein the context management unit verifies the query context to convert the query context into the system query to the system query unit or requests the user response generator for additional information about the query, And a conversation progress plan unit for causing the conversation progress planner to generate,
Wherein the conversation progress planning unit determines to provide the user with the response or to provide the question via the communicator or to provide the answer together with the question. .