KR20230140722A - 챗봇 기반의 인공지능 심리상담 방법 및 장치 - Google Patents
챗봇 기반의 인공지능 심리상담 방법 및 장치 Download PDFInfo
- Publication number
- KR20230140722A KR20230140722A KR1020220039317A KR20220039317A KR20230140722A KR 20230140722 A KR20230140722 A KR 20230140722A KR 1020220039317 A KR1020220039317 A KR 1020220039317A KR 20220039317 A KR20220039317 A KR 20220039317A KR 20230140722 A KR20230140722 A KR 20230140722A
- Authority
- KR
- South Korea
- Prior art keywords
- client
- analysis
- artificial intelligence
- information
- chatbot
- Prior art date
Links
- 238000009223 counseling Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 96
- 230000002996 emotional effect Effects 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 230000000877 morphologic effect Effects 0.000 claims abstract description 17
- 230000035876 healing Effects 0.000 claims abstract description 14
- 230000002889 sympathetic effect Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000008451 emotion Effects 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 10
- 230000001149 cognitive effect Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 238000013070 change management Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000543375 Sideroxylon Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001671 psychotherapy Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/50—Business processes related to the communications industry
-
- G06Q50/30—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L13/00—Speech synthesis; Text to speech systems
- G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
Abstract
챗봇 기반으로 간편하게 심리상담을 할 수 있는 인공지능 심리상담 방법 및 장치가 제공된다. 본 발명의 바람직한 실시예에 따른 챗봇 기반의 인공지능 심리상담 방법은, 내담자의 발화로부터 형태소 분석을 통해 의미의 최소단위로 분화시키는 전처리단계; 형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석하는 언어이해단계; 언어이해단계에서 분석된 내용을 토대로 주호소를 식별하는 담화분석단계; 내담자의 발화 내용에 대한 공감을 표현하는 공감답변과, 주제를 구체화하기 위해 추가적인 질문과, 내담자의 발화 내용에 적합한 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변 중의 적어도 하나를 생성하는 답변생성단계를 구비한다.
Description
본 발명은 챗봇 기반의 인공지능 심리상담 방법 및 장치에 관한 것으로서, 더욱 상세하게는 인공지능을 사용한 챗봇과의 대화 형식으로 심리상담을 하는 방법 및 장치에 관한 것이다.
심리상담은 심리적 문제로 인한 정서적 고통, 대인관계에서의 갈등, 사회생활에서의 부적응 등 일상생활에서 겪고 있는 다양한 심리적 문제에 대해서 상담자와 내담자가 협력하여 문제를 풀어나가는 과정을 말한다. 복잡한 현대 사회에서 정신적인 문제를 겪는 사람이 증가하고 있어서 심리상담에 대한 수요도 급증하고 있다.
그러나, 전문 상담자에게 상담을 받을 시간적, 금전적 여유가 없는 경우도 많으며, 심리치료에 대한 편견이나 두려움으로 전문 상담자에게 진료 받는 것을 꺼려하는 경우도 많다. 또한, 전문 상담자의 숫자도 충분하지 않아서 내담자가 개인별로 적시에 적절한 상담을 받기가 쉽지 않다.
이러한 문제를 감안하여 챗봇(chatbot 또는 chatterbot)을 사용한 인공지능 심리상담 시도가 이루어지고 있다. 챗봇은, 사용자가 메신저에 채팅하듯 질문을 입력하면 인공지능(AI)이 빅데이터 분석을 바탕으로 일상언어로 사람과 대화를 하며 해답을 주는 대화형 엔진을 말한다.
챗봇을 기반의 인공지능 심리상담 방법의 몇가지 예를 들면, 공개특허 10-2021-0061126는 감정적으로 부정적인 상태에 있는 내담자와 상담 이론을 기반으로 대화함으로써 내담자의 감정을 서서히 완화하여 정서적 안정감을 되찾게 하기 위한 방법을 제안하고 있다. 특허등록 제2199423호는 상담자와 내담자의 대화 텍스트와 그 직후의 상담자의 응답 텍스트를 학습하여 대화 텍스트와 응답 텍스트의 상관 관계에 대한 기계학습모델을 획득하는 방법을 제안하고 있으며, 특허등록 제2225603호는 심리 상담을 위한 감정 상태 판단을 위하여 내담자와의 대화를 통해 내담자의 감정 상태를 스코어링 하는 방법을 제안하고 있다.
본 발명은 챗봇 기반의 인공지능 심리상담 방법 및 장치를 제공하는 것을 목적으로 한다. 본 발명은 또한, 내담자와의 대화를 통해 필요한 정보를 획득하고 적절한 상담 결과를 도출할 수 있는 챗봇 기반의 인공지능 심리상담 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명의 바람직한 실시예에 따른 챗봇 기반의 인공지능 심리상담 방법은, 내담자의 발화로부터 형태소 분석을 통해 의미의 최소단위로 분화시키는 전처리단계; 형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석하는 언어이해단계; 언어이해단계에서 분석된 내용을 토대로 주호소를 식별하는 담화분석단계; 내담자의 발화 내용에 대한 공감을 표현하는 공감답변과, 주제를 구체화하기 위해 추가적인 질문과, 내담자의 발화 내용에 적합한 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변 중의 적어도 하나를 생성하는 답변생성단계를 구비한다.
상기 언어이해단계는, 형태소 분석 결과를 입력으로 하여 개체명을 추출하는 개체명 추출단계와, 개체명 정보간의 의존관계 분석을 통해 사실 정보를 분석하는 구문분석단계와, 각 순간의 입력문장에서뿐만 아니라 앞선 발화를 모두 포함하여 감성분류를 진행하여 해당 대화 전반에 걸친 감성분류 결과를 도출하는 감성분류단계와, 입력발화에 대해서 입력발화가 담고 있는 내용인 의도를 분류하는 의도분류단계를 포함할 수 있다. 일 실시예에서 개체명 추출단계에서, 내담자의 유형, 문제가 발생한 대상, 문제의 유형이나 행위의 정보를 나타내는 키워드를 추출한다. 구문분석 단계에서는, 앞서 추출된 개체명 정보간의 의존관계 분석을 하고, 분석된 의존관계를 이용하여 하나 이상의 주술목 구조(Triple) 형태로 정보를 분해하여 추출할 수 있다.
상기 담화분석단계에서는, 개체명 추출과 구문분석을 통해 식별된 정보를 주술목 구조(semantic Triple)로 단위화하여 온톨로지 형태의 지식을 생성하고, 이를 통해 내담자의 배경정보를 이해하고 시각화할 수 있다. 일 실시예에서, 담화분석단계에서, 내담자와의 대화를 통해 인지된 사실정보와 감성의변화, 주호소 분석결과를 토대로 대화를 요약하여 축어록을 생성할 수 있다.
일 실시예에서, 상기 담화분석단계에서 대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 분석하고 기록할 수 있다.
상기 답변생성단계는, 주호소가 식별되지 않은 경우에는 주호소 식별을 위한 추가 정보 획득을 위한 질문을 수행하는 단계와, 주호소가 식별된 경우에는 주호소에 대하여 공감을 표현하는 공감답변을 생성하고, 주호소로부터 판별되는 문제의 심각성이 높지 않다고 판단되면 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변을 생성하고, 문제의 심각성이 높다고 판단되면 해당 분야 전문가와의 상담을 유도하는 답변을 생성하는 단계를 포함할 수 있다.
일 실시예에서, 본 발명의 챗봇 기반의 인공지능 심리상담 방법은, 답변 발화를 생성한 후에 내담자의 후속 발화가 있을 때까지의 묵음 시간을 측정하는 단계와, 상기 측정된 묵음 시간에 기초하여 상담의 평가 지표를 생성하는 단계를 더 포함할 수 있다.
본 발명의 바람직한 실시예에 따른 챗봇 기반의 인공지능 심리상담 장치는, 내담자의 발화로부터 형태소 분석을 통해 의미의 최소단위로 분화시키는 전처리부; 형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석하는 언어이해부; 언어이해단계에서 분석된 내용을 토대로 주호소를 식별하는 담화분석부; 내담자의 발화 내용에 대한 공감을 표현하는 공감답변과, 주제를 구체화하기 위해 추가적인 질문과, 내담자의 발화 내용에 적합한 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변 중의 적어도 하나를 생성하는 답변생성부를 구비한다.
상기 언어이해부는, 형태소 분석 결과를 입력으로 하여 개체명을 추출하는 개체명 추출수단과, 개체명 정보간의 의존관계 분석을 통해 사실 정보를 분석하는 구문분석수단과, 각 순간의 입력문장에서뿐만 아니라 앞선 발화를 모두 포함하여 감성분류를 진행하여 해당 대화 전반에 걸친 감성분류 결과를 도출하는 감성분류수단과, 입력발화에 대해서 입력발화가 담고 있는 내용인 의도를 분류하는 의도분류수단을 포함한다.
상기 개체명 추출수단은, 내담자의 유형, 문제가 발생한 대상, 문제의 유형이나 행위의 정보를 나타내는 키워드를 추출할 수 있다. 상기 구문분석수단은, 앞서 추출된 개체명 정보간의 의존관계 분석을 하고, 분석된 의존관계를 이용하여 하나 이상의 주술목 구조(Triple) 형태로 정보를 분해하여 추출할 수 있다.
상기 담화분석부는, 개체명 추출과 구문분석을 통해 식별된 정보를 주술목 구조(semantic Triple)로 단위화하여 온톨로지 형태의 지식을 생성하고, 이를 통해 내담자의 배경정보를 이해하고 시각화할 수 있다.
상기 담화분석부는, 내담자와의 대화를 통해 인지된 사실정보와 감성의 변화, 주호소 분석결과를 토대로 대화를 요약하여 축어록을 생성할 수 있다.
일 실시예에서 상기 담화분석부는, 지시어가 사용된 경우에 지시어와 개체명을 매칭시키는 지시어 관리수단과, 개체명추출과 구문분석을 통해 획득된 정보를 주술목(주어, 술어, 목적어) 구조(Triple)의 사실 정보로 정형화하여 관리하는 인지사실관리수단과, 대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 분석하고 기록하는 감정변화관리수단과, 각각의 발화로부터 분석한 의도분석 결과를 종합하여 대화전체를 대표하는 주호소를 식별하는 주호소 식별수단과, 앞 단계에서 분석한 인지사실, 감성변화, 주호소분석 결과 등을 종합하여 상담을 요약하는 상담요약수단을 포함한다.
상기 답변생성부는, 주호소가 식별되지 않은 경우에는 주호소 식별을 위한 추가 정보 획득을 위한 질문을 수행하고, 주호소가 식별된 경우에는 주호소에 대하여 공감을 표현하는 공감답변을 생성하고, 주호소로부터 판별되는 문제의 심각성이 높지 않다고 판단되면 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변을 생성하고, 문제의 심각성이 높다고 판단되면 해당 분야 전문가와의 상담을 유도하는 답변을 생성한다.
본 발명에 따르면, 챗봇 기반으로 간편하게 심리상담을 할 수 있는 인공지능 심리상담 방법 및 장치가 제공된다. 본 발명에 따르면, 내담자와의 대화를 통해 필요한 정보를 획득하고 적절한 상담 결과를 도출할 수 있다. 또한, 대화를 요약하여 축어록을 생성하여 온라인으로 조회 및 관리가 가능하다. 또한, 주호소가 식별되지 않은 경우에 주체구체화를 위한 유도질문을 수행하여 주제를 구체화할 수 있다. 문제의 심각도에 따라 서로 다른 유형의 답변을 수행하여 보다 적절한 상담결과를 도출할 수 있다.
도 1은 챗봇 기반의 인공지능 심리상담 방법을 설명하기 위한 네트워크 다이아그램이다.
도 2는 본 발명의 일 실시예에 따른 챗봇 기반의 인공지능 심리상담 장치의 구성을 보여주는 기능 블록도이다.
도 3은 언어이해부와 담화분석부에서 수행하는 처리 과정을 보여주는 흐름도이다.
도 4는 답변생성부에서의 동작을 보여주는 흐름도이다.
도 5는 내담자 발화에 대하여 시각화한 사실 정보 분석 결과의 한가지 예를 보여준다.
도 6은 심리상담에 대한 축어록의 한가지 예를 보여주고 있다.
도 7은 질의에 대한 의도 및 답변예시를 보여주고 있다.
도 8은 내담자 발화에 대한 의도 분류 결과 및 자동상담 답변을 예시적으로 보여주고 있다.
도 2는 본 발명의 일 실시예에 따른 챗봇 기반의 인공지능 심리상담 장치의 구성을 보여주는 기능 블록도이다.
도 3은 언어이해부와 담화분석부에서 수행하는 처리 과정을 보여주는 흐름도이다.
도 4는 답변생성부에서의 동작을 보여주는 흐름도이다.
도 5는 내담자 발화에 대하여 시각화한 사실 정보 분석 결과의 한가지 예를 보여준다.
도 6은 심리상담에 대한 축어록의 한가지 예를 보여주고 있다.
도 7은 질의에 대한 의도 및 답변예시를 보여주고 있다.
도 8은 내담자 발화에 대한 의도 분류 결과 및 자동상담 답변을 예시적으로 보여주고 있다.
이하, 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
도 1은 챗봇 기반의 인공지능 심리상담 방법을 설명하기 위한 네트워크 다이아그램이다.
상담을 받고자 하는 내담자는 개인용 PC, 스마트폰, 태블릿PC 등의 단말(10)을 사용하여 데이터통신망 또는 음성통신망을 통해 심리상담 챗봇서버(100)에 접속한다. 내담자는 단말(10)에 설치된 문자 채팅앱, 메신저 소프트웨어 또는 전용 프로그램을 사용하여 심리상담 챗봇서버(100)에 접속하여 문자 채팅을 통해 심리상담을 받을 수도 있고, 또는 심리상담 챗봇서버(100)에 전화를 걸거나 또는 채팅앱의 보이스콜(voice call) 기능을 사용하여 음성 통화를 통해 심리상담을 받을 수도 있다. 후자의 경우에는 심리상담 챗봇서버(100)에서 내담자의 음성을 텍스트로 변환(Speech to Text)하고, 챗봇의 상담 텍스트를 음성으로 변환(Text to Speech)하는 과정이 추가되며, 그 이외의 절차는 전자의 경우와 동일하다.
도 2는 본 발명의 일 실시예에 따른 챗봇 기반의 인공지능 심리상담 장치의 구성을 보여주는 기능 블록도이다.
챗봇 기반의 인공지능 심리상담 장치(100)는 챗봇서버의 형태로 구성되어, 내담자가 통신망을 통해 장치에 접속하도록 구성될 수 있다.
전처리부(110)는 내담자의 입력 발화로부터 명백한 오기를 정정하거나 입력발화를 자연어처리기술을 이용한 의미분석이 가능하도록 정상적인 텍스트 문장형태로 정규화한다. 전처리부(110)는 입력발화의 유형에 따라 입력발화유형이 음성인 경우 음성인식(STT:Speech To Text)를 통해 텍스트 형태로 변환하는 과정을 먼저 수행할 수 있다. 전처리부(110)는 형태소 분석을 수행하고, 형태소 분석 결과의 신뢰도를 측정하여 형태소 분석 결과의 신뢰도가 일정수준 이하인 경우, 입력문장이 내담자의 타이핑오류 또는 음성인식기의 변환오류 등이 존재한다고 추정하여 띄어쓰기 및 오타보정을 실시할 수 있다. 전처리 방법으로는 다양한 자연어 전처리 방법이 사용될 수 있으며, 본 발명은 특정 전처리 방법에 한정되지 않는다.
언어이해부(120)에서는 형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석한다. 언어이해부는, 형태소 분석 결과를 입력으로 하여 개체명을 추출하는 개체명 추출수단과, 개체명 정보간의 의존관계 분석을 통해 사실 정보를 분석하는 구문분석수단과, 각 순간의 입력문장에서뿐만 아니라 앞선 발화를 모두 포함하여 감성분류를 진행하여 해당 대화 전반에 걸친 감성분류 결과를 도출하는 감성분류수단과, 입력발화에 대해서 입력발화가 담고 있는 내용인 의도를 분류하는 의도분류수단을 포함할 수 있다.
담화분석부(130)에서는 내담자의 발화에 대해 언어이해부로부터 분석된 내용을 토대로 대화전체의 내용을 관리한다. 담화분석부(130)는, 지시어가 사용된 경우에 지시어와 개체명을 매칭시키는 지시어 관리수단과, 개체명추출과 구문분석을 통해 획득된 정보를 주술목(주어, 술어, 목적어) 구조(Triple)의 사실 정보로 정형화하여 관리하는 인지사실관리수단과, 대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 분석하고 기록하는 감정변화관리수단과, 각각의 발화로부터 분석한 의도분석 결과를 종합하여 대화전체를 대표하는 주호소를 식별하는 주호소 식별수단과, 앞 단계에서 분석한 인지사실, 감성변화, 주호소분석 결과 등을 종합하여 상담을 요약하는 상담요약수단을 포함할 수 있다.
담화분석부(130)는 언어이해부와 연계하여 지시어관리, 인지사실관리, 감성변화관리, 주호소분석, 상담요약 및 평가등의 과정을 통해 대화에 필요한 문맥정보를 저장하고 복원하는 역할을 하며, 이 과정에서 전체대화를 통해 생성된 문맥정보를 이용하여 축어록(140)을 생성하고 저장한다. 담화분석부(130)는 개체명 추출과 구문분석을 통해 식별된 정보를 주술목구조(semantic Triple)로 단위화하여 온톨로지 형태의 지식을 생성하고, 이를 통해 내담자의 배경정보를 이해하고 시각화한다. 또한, 실시예에 따라서는 자동답변에 대한 내담자의 반응(반응속도 및 감성표현)을 토대로 상담이 원활하게 이루어 졌는지를 평가하여, 해당 평가결과도 축어록(140)에 저장할 수 있다.
답변생성부(150)는 내담자의 발화에 대하여 답변을 생성한다. 답변생성부(150)는 바람직하게는 적어도 4가지 유형으로 나누어 답변을 생성한다. 주호소가 식별되지 않은 경우에는 '주제구체화 유도질문'을 생성하여 주호소 식별을 위한 추가 정보 획득을 위한 질문을 수행하며, 주호소가 식별된 경우에는 주호소에 대하여 공감을 표현하는 '공감답변'을 생성한다. 그리고 주호소로부터 판별되는 문제의 심각성이 높지 않다고 판단되면, 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변을 생성하고, 문제의 심각성이 높다고 판단되면 해당 분야 전문가와의 상담을 유도하는 답변을 생성한다. 실시예에 따라서는 주호소가 식별되지 않은 경우에도 내담자의 발화 내용에 따라 공감답변을 생성한 후에, 추가 정보 획득을 위한 '주제구체화 유도질문'을 생성하도록 구성하는 것도 가능하다.
발화간격 측정부(160)는 답변생성부(150)에서 답변발화를 생성한 이후에 내담자의 후속 발화가 있을 때까지의 묵음시간을 측정한다. 일 실시예에서, 측정된 묵음 시간에 기초하여 상담의 평가 지표를 생성할 수 있다.
다음으로, 도 3을 참조하여 언어이해부(120) 및 담화분석부(130)에서의 동작을 보다 상세히 설명한다.
언어이해부(120)에서는 형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거친다.
개체명추출 단계(121)에서는 주호소(chief complaint)를 분류하기위해 필요한 개체명 정보를 추출하는 단계이며, 내담자의 유형(노인,일반,학생,남자,여자 등), 문제가 발생한 대상(부모,형제,친구,상사,부하 등), 문제의 유형이나 행위(폭행,폭언,이별,갈등 등)의 정보를 나타내는 키워드를 추출한다.
구문분석 단계(122)에서는 앞서 추출된 개체명정보간의 의존관계 분석을 통해, 사실 정보를 분석하게 되는데, 의존관계를 이용하여 하나 이상의 주술목구조(Triple) 형태로 정보를 분해하여 추출한다.
감성분류 단계(123)에서는 입력 문장에서 표현을 분석하여 감성분류를 진행하는데, 각 순간의 입력문장에서 뿐만 아니라, 앞선 발화를 모두 포함하여 감성분류를 진행하며, 최종적으로는 해당 대화 전반에 걸친 감성분류 결과를 도출한다.
"의도"는 "주호소"보다는 좀더 넓고, 상세한 개념이며, 입력발화마다 담고 있는 내용을 분류한 체계이다. 의도분류 단계(124)에서는 주호소가 식별되기 전에 모호한 발화에 대해서도 의도를 정의하며, 주호소가 식별되지 않았을 경우 추가적인 질문을 통해 내담자로부터 주호소를 구체적으로 이끌어낸다. 따라서 해당 의도의 하위에 더 상세한 의도분류가 존재할 경우 추가적인 세분화를 위해 추가질문이 준비되어 해당 의도에 매핑되어 있어야 한다.
도 7에 질의별로 의도를 분류한 예가 도시되어 있다. "직장에 고민이 있어요"와 같은 질의에서는 "직장"이라는 의도가 분류되었지만 직장 내에서의 어떤 문제에 대해서 고민이 있는지를 세분화하여야 한다. 따라서, 이 질의에 대해서는 고민을 구체화하기 위한 추가 질문을 매핑시킨다. 한편, "직장상사하고 문제가 있어요"와 같은 질의에서는 "직장>관계>상사"라는 의도에 매칭이 되므로, 내담자에 공감하는 답변, 예를 들면 "아, 네. 직장에서 상사와의 문제가 있으시군요"와 같은 공감답변을 매칭시킨다. 이러한 방식으로 직장과 관련된 질의에 대해서 적절하게 의도를 매핑시켜두고 그에 대한 답변도 매핑시켜둔다.
담화분석부(130)에서는 매순간 내담자의 발화에 대해 언어이해부(120)로부터 분석된 내용을 토대로 대화전체의 내용을 관리한다.
지시어관리 단계(131)에서는 언어이해부(120)의 개체명추출 정보로부터 획득한, 누구와 언제 어디서 무엇에 대해 어떻게 문제가 있는지에 대한 정보를 기록한다. 또한, 후속 발화에서 '그 사람, 그때, 거기서'등과 같이 지시어가 사용되었을 때 매칭하여 후속발화를 이해하는 데에도 사용된다.
도 5에 내담자 발화로부터 지시어를 관리하는 한가지 예가 도시되어 있다. 도 5에서는 추출한 개체명을 네모 박스로 표시하였다. 내담자의 발화에서 "그 사람"과 같이 지시어가 사용되면, 추출한 개체명에서 의미상으로 가장 확률이 높은 개체명을 해당 지시어에 매칭시킨다. 도 5의 예에서는 "그 사람"과 가장 확률이 높은 것은 사람에 대한 개체명인 "아버지", "엄마", "저" 중에서 "때려요"이 주어인 "아버지"라고 판단하여 매칭시킨다.
인지사실관리 단계(132)에서는 개체명추출과 구문분석을 통해 획득된 정보를 주술목(주어, 술어, 목적어) 구조(Triple)의 사실 정보로 정형화하여 관리한다. 이러한 개별 사실정보는 트리플(triple) 간의 연계를 통해 하나의 온톨로지 형태로 저장된다. 이와 같이 분석된 결과의 예가 도 5에 도시되어 있다.
온톨로지 형태로 저장이 된 사실 정보는 후속 대화에서 기존에 식별된 사실 정보를 기반으로 대화를 이어 나가는데 활용된다. 또한, 도 6에 도시된 것처럼 상담내용을 요약하여 정리하고 기록할 때 내담자의 배경정보를 손쉽게 이해하는데에도 활용된다.
상담과정에서 감성변화는 해당 상담시점에서 민감하게 변하지는 않기 때문에, 감정변화관리 단계(133)에서는 대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 관찰하기위해 분석하고 기록한다.
주호소분석 단계(134)에서는 각각의 발화로부터 분석한 의도분석 결과를 종합하여 대화전체를 대표하는 주호소를 식별한다. 전체 상담대화를 기준으로는 내담자가 하나 이상의 주제에 대하여 이야기 할 수 있으며, 주호소 분석 결과는 이를 모두 포함하는 상위개념의 주호소로 정의하는 것을 지향하지만, 의도를 기준으로한 주제 관점에서는 하나 이상의 세부 주제를 포함할 수 있다. 도 8은 의도분석 결과로부터 주호소를 식별하는 예를 보여주고 있다.
상담요약 및 평가 단계(135)에서는 앞 단계에서 분석한 인지사실, 감성변화, 주호소분석 결과 등을 종합하여 상담을 요약하며, 해당 요약 정보는 내담자의 다음 회차의 상담에 활용될 수 있어야 하며, 특히 전문가에게 상담이 이관되었을 때 자동상담을 통해 분석된 결과를 전달하여, 상담을 도울 수 있어야 한다. 또한 해당 단계에서는 자동답변에 대한 내담자의 반응(반응속도 및 감성표현)을 토대로 상담이 원활하게 이루어 졌는지를 평가하게 되는데, 해당 평가결과는 요약된 정보와 함께 상담에 대한 약식 축어록 형태로 저장되며, 저장된 결과는 도 6에 도시된 것과 같은 형태로 온라인으로 조회 및 관리가 가능하다. 도 6의 예에서는 실제 이루어진 상담 대화가 대화창에 표시되고, 대화로부터 판별된 주호소 및 감성변화, 그리고 대화 요약 및 인지된 사실관계가 표시된다.
다음으로, 답변생성부(150)에서의 동작에 대해서 도 4를 참조하여 설명한다.
내담자의 발화에 대하여 답변하는 방식은 크게 다음의 4가지 유형으로 나눌 수 있다.
1) 주제구체화 유도질문: 주호소가 식별되지 않은 경우에 추가 질문 수행
2) 공감답변생성: 주호소가 식별된 경우에 주호소에 대하여 공감 표현
3) 힐링컨텐츠 추천답변: 문제의 심각성이 높지 않은 경우 컨텐츠 추천
4) 전문가 상담유도답변: 심각성이 높은 경우 전문가 추천
답변생성부(150)는 의미분석 결과로부터 먼저 주호소가 식별되었는지 여부를 판단한다(단계 151). 주호소가 구체적으로 식별되지 않을 경우에는 단계 152에서 주제를 구체화하기 위해 추가적인 질문을 한다.(주제구체화 유도질문)
의미분석 결과로부터 또는 주제구체화 유도질문에 대한 답변에 의해 내담자의 주호소가 식별되었을 때는 단계 153에서 인지된 주호소에 대하여 요약하여 정리하고 공감을 표현한다.(공감답변생성)
공감답변을 생성한 후에는 이제까지 내담자 발언의 감정 표현 등을 관찰하면서 문제의 심각성이 높은지를 판단한다(단계 154). 문제의 심각성이 높지 않다고 판단되는 경우에는 단계 159에서 데이터베이스화 되어 있는 힐링컨텐츠(158) 중에서 주호소에 맞는 간단한 조언이나 도움이 될만한 컨텐츠를 추천해준다.(힐링컨텐츠추천답변)
자동상담만으로 대응이 안될 것으로 판단될 경우 전문가를 추천하여 전문가의 도움을 받을 수 있도록 유도하는 것도 중요하다. 단계 154에서의 심각성 판단결과, 문제가 심각하다고 판단되는 경우에는 주호소의 주제에 따라 분류된 전문자 DB(155)에서 전문가를 매칭하고(단계 156), 매칭된 정보를 사용하여 전문가 상담을 유도하기 위한 답변을 생성한다(단계 157).
도 8에 이러한 자동상담의 한가지 예가 도시되어 있다. 내담자의 인사말에 대해서는 인사와 함께 주체를 구체화하기 위한 질문 "혹시 고민이 있으세요?"를 생성한다. 이에 대해서 내담자가 "학교 가기가 싫어요"라고 발화하면, "학교>부적응"이라고 의도를 분류한다. 이 의도는 아직 주호소가 명확하지 않으므로 "학교 가기가 싫은 특별한 이유가 있나요?"와 같이 주제를 구체화하기 위한 답변을 생성한다. 이에 대해서 내담자가 "친구들이 자꾸 절 괴롭힙니다"라고 답변하면, "학교>부적응>따돌림"이라고 의도를 분류하고, "친구들이 따돌림 시켜서 학교가기가 싫으시군요"라는 공감 답변 이후에 주제를 좀더 구체화하기 위한 답변, 예를 들면 "혹시 친구들이 왕따를 시키는 특별한 이유나 계기가 있었나요?"를 생성한다. 이에 대해서 내담자가 "제가 너무 뚱뚱해서 그런거 같아요"라고 발화하면, "학교>부적응>따돌림>외모(주호소)"라고 의도를 분류한다. 이로부터 주호소가 판별되었으므로 "외모 때문에 친구들로 부터 따돌림을 당하고 있군요. 많이 힘드시겠네요"라는 공감답변 이후에 내담자의 발화 내용으로부터 문제가 심각하지 않은 주호소라고 판단하여 일단 다이어트를 시도할 것을 추천하는 힐링컨텐츠 추천 답변을 생성한다. 그러나 이에 대해서 내담자가 보다 심각하게 고통을 호소하였으므로, 문제가 심각하다고 판단하여 "정말 힘드시겠네요. 전문가에게 상담을 받고, 학교나 부모님을 통해 실질적으로 문제를 해결할 필요가 있을 것 같네요. 전문가를 추천해 드릴테니, 꼭 상담을 받아보세요."와 같이 관련 전문가를 추천하는 답변을 생성한다.
발화간격 측정부(160)는 도 8의 각 자동상담 답변에 대해서 답변 발화를 생성한 이후에 내담자의 후속 발화가 있을 때까지의 묵음시간을 측정한다. 일 실시예에서, 각 답변에 대해서 측정된 묵음시간을 모두 더하여 해당 상담의 평가 지표로 활용할 수 있다. 다른 실시예에서, 측정된 묵음시간이 소정의 임계치를 넘어서는 횟수에 기초하여, 또는 소정의 임계치를 넘어선 묵음시간의 합에 기초하여 상담의 평가 지표를 생성하도록 구성할 수도 있다.
이상, 본 발명을 몇가지 예를 들어 설명하였으나, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터 또는 프로세서가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터 또는 프로세서에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다.
이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110
전처리부,
120 언어이해부,
130 담화분석부,
140 축어록,
150 답변생성부,
160 발화간격 측정부.
120 언어이해부,
130 담화분석부,
140 축어록,
150 답변생성부,
160 발화간격 측정부.
Claims (16)
- 내담자의 발화로부터 형태소 분석을 통해 의미의 최소단위로 분화시키는 전처리단계;
형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석하는 언어이해단계;
언어이해단계에서 분석된 내용을 토대로 주호소를 식별하는 담화분석단계;
내담자의 발화 내용에 대한 공감을 표현하는 공감답변과, 주제를 구체화하기 위해 추가적인 질문과, 내담자의 발화 내용에 적합한 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변 중의 적어도 하나를 생성하는 답변생성단계
를 구비하는 챗봇 기반의 인공지능 심리상담 방법.
- 제1항에 있어서, 상기 언어이해단계는,
형태소 분석 결과를 입력으로 하여 개체명을 추출하는 개체명 추출단계와,
개체명 정보간의 의존관계 분석을 통해 사실 정보를 분석하는 구문분석단계와,
각 순간의 입력문장에서뿐만 아니라 앞선 발화를 모두 포함하여 감성분류를 진행하여 해당 대화 전반에 걸친 감성분류 결과를 도출하는 감성분류단계와,
입력발화에 대해서 입력발화가 담고 있는 내용인 의도를 분류하는 의도분류단계
를 포함하는 챗봇 기반의 인공지능 심리상담 방법.
- 제2항에 있어서,
상기 개체명 추출단계에서, 내담자의 유형, 문제가 발생한 대상, 문제의 유형이나 행위의 정보를 나타내는 키워드를 추출하며,
상기 구문분석 단계에서, 앞서 추출된 개체명 정보간의 의존관계 분석을 하고, 분석된 의존관계를 이용하여 하나 이상의 주술목 구조(Triple) 형태로 정보를 분해하여 추출하는, 챗봇 기반의 인공지능 심리상담 방법.
- 제1항에 있어서,
상기 담화분석단계에서, 개체명 추출과 구문분석을 통해 식별된 정보를 주술목 구조(semantic Triple)로 단위화하여 온톨로지 형태의 지식을 생성하고, 이를 통해 내담자의 배경정보를 이해하고 시각화하는, 챗봇 기반의 인공지능 심리상담 방법.
- 제1항에 있어서,
상기 담화분석단계에서, 내담자와의 대화를 통해 인지된 사실정보와 감성의변화, 주호소 분석결과를 토대로 대화를 요약하여 축어록을 생성하는, 챗봇 기반의 인공지능 심리상담 방법.
- 제5항에 있어서,
상기 담화분석단계는 대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 분석하고 기록하는, 챗봇 기반의 인공지능 심리상담 방법.
- 제1항에 있어서, 상기 답변생성단계는,
주호소가 식별되지 않은 경우에는 주호소 식별을 위한 추가 정보 획득을 위한 질문을 수행하는 단계와,
주호소가 식별된 경우에는 주호소에 대하여 공감을 표현하는 공감답변을 생성하고, 주호소로부터 판별되는 문제의 심각성이 높지 않다고 판단되면 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변을 생성하고, 문제의 심각성이 높다고 판단되면 해당 분야 전문가와의 상담을 유도하는 답변을 생성하는 단계
를 포함하는, 챗봇 기반의 인공지능 심리상담 방법.
- 제1항 내지 제7항 중 어느 한 항에 있어서,
답변 발화를 생성한 후에 내담자의 후속 발화가 있을 때까지의 묵음 시간을 측정하는 단계와,
상기 측정된 묵음 시간에 기초하여 상담의 평가 지표를 생성하는 단계
를 더 포함하는, 챗봇 기반의 인공지능 심리상담 방법.
- 내담자의 발화로부터 형태소 분석을 통해 의미의 최소단위로 분화시키는 전처리부;
형태소 분석 결과를 입력으로 하여 개체명추출, 구문분석, 감성분류, 의도분류의 단계를 순차적으로 거쳐서 입력문장에 담긴 의미를 분석하는 언어이해부;
언어이해단계에서 분석된 내용을 토대로 주호소를 식별하는 담화분석부;
내담자의 발화 내용에 대한 공감을 표현하는 공감답변과, 주제를 구체화하기 위해 추가적인 질문과, 내담자의 발화 내용에 적합한 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변 중의 적어도 하나를 생성하는 답변생성부
를 구비하는 챗봇 기반의 인공지능 심리상담 장치.
- 제9항에 있어서, 상기 언어이해부는,
형태소 분석 결과를 입력으로 하여 개체명을 추출하는 개체명 추출수단과,
개체명 정보간의 의존관계 분석을 통해 사실 정보를 분석하는 구문분석수단과,
각 순간의 입력문장에서뿐만 아니라 앞선 발화를 모두 포함하여 감성분류를 진행하여 해당 대화 전반에 걸친 감성분류 결과를 도출하는 감성분류수단과,
입력발화에 대해서 입력발화가 담고 있는 내용인 의도를 분류하는 의도분류수단
을 포함하는 챗봇 기반의 인공지능 심리상담 장치.
- 제10항에 있어서,
상기 개체명 추출수단은, 내담자의 유형, 문제가 발생한 대상, 문제의 유형이나 행위의 정보를 나타내는 키워드를 추출하며,
상기 구문분석수단은, 앞서 추출된 개체명 정보간의 의존관계 분석을 하고, 분석된 의존관계를 이용하여 하나 이상의 주술목 구조(Triple) 형태로 정보를 분해하여 추출하는, 챗봇 기반의 인공지능 심리상담 장치.
- 제9항에 있어서,
상기 담화분석부는, 개체명 추출과 구문분석을 통해 식별된 정보를 주술목 구조(semantic Triple)로 단위화하여 온톨로지 형태의 지식을 생성하고, 이를 통해 내담자의 배경정보를 이해하고 시각화하는, 챗봇 기반의 인공지능 심리상담 장치.
- 제9항에 있어서,
상기 담화분석부는, 내담자와의 대화를 통해 인지된 사실정보와 감성의 변화, 주호소 분석결과를 토대로 대화를 요약하여 축어록을 생성하는, 챗봇 기반의 인공지능 심리상담 장치.
- 제13항에 있어서, 상기 담화분석부는
지시어가 사용된 경우에 지시어와 개체명을 매칭시키는 지시어 관리수단과,
개체명추출과 구문분석을 통해 획득된 정보를 주술목(주어, 술어, 목적어) 구조(Triple)의 사실 정보로 정형화하여 관리하는 인지사실관리수단과,
대화 과정을 통해 전체적으로 느껴지는 감정의 상태를 분석하여 저장하며, 일정 시간이 지난후에 다시 상담을 진행할 경우에 그 기간 사이에 감정이 어떻게 변화했는지를 분석하고 기록하는 감정변화관리수단과,
각각의 발화로부터 분석한 의도분석 결과를 종합하여 대화전체를 대표하는 주호소를 식별하는 주호소 식별수단과,
앞 단계에서 분석한 인지사실, 감성변화, 주호소분석 결과 등을 종합하여 상담을 요약하는 상담요약수단
을 포함하는, 챗봇 기반의 인공지능 심리상담 장치.
- 제9항에 있어서, 상기 답변생성부는,
주호소가 식별되지 않은 경우에는 주호소 식별을 위한 추가 정보 획득을 위한 질문을 수행하고, 주호소가 식별된 경우에는 주호소에 대하여 공감을 표현하는 공감답변을 생성하고, 주호소로부터 판별되는 문제의 심각성이 높지 않다고 판단되면 미리 저장되어 있는 힐링컨텐츠를 추천하는 답변을 생성하고, 문제의 심각성이 높다고 판단되면 해당 분야 전문가와의 상담을 유도하는 답변을 생성하는,
챗봇 기반의 인공지능 심리상담 장치.
- 제9항 내지 제15항 중 어느 한 항에 있어서,
상기 인공지능 심리상담 장치는 답변 발화를 생성한 후에 내담자의 후속 발화가 있을 때까지의 묵음 시간을 측정하는 발화간격 측정부를 더 포함하며,
상기 인공지능 심리상담 장치는 상기 측정된 묵음 시간에 기초하여 상담의 평가 지표를 생성하는, 챗봇 기반의 인공지능 심리상담 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220039317A KR20230140722A (ko) | 2022-03-30 | 2022-03-30 | 챗봇 기반의 인공지능 심리상담 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220039317A KR20230140722A (ko) | 2022-03-30 | 2022-03-30 | 챗봇 기반의 인공지능 심리상담 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230140722A true KR20230140722A (ko) | 2023-10-10 |
Family
ID=88292007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220039317A KR20230140722A (ko) | 2022-03-30 | 2022-03-30 | 챗봇 기반의 인공지능 심리상담 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230140722A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117972075A (zh) * | 2024-03-28 | 2024-05-03 | 华南理工大学 | 心智与语言智能体协同的情感对话生成方法 |
-
2022
- 2022-03-30 KR KR1020220039317A patent/KR20230140722A/ko not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117972075A (zh) * | 2024-03-28 | 2024-05-03 | 华南理工大学 | 心智与语言智能体协同的情感对话生成方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11380327B2 (en) | Speech communication system and method with human-machine coordination | |
| CN106548788B (zh) | 一种智能情绪确定方法及*** | |
| US20220245354A1 (en) | Automated classification of emotio-cogniton | |
| Ivanov et al. | Recognition of personality traits from human spoken conversations | |
| Keune et al. | Variation in Dutch: From written MOGELIJK to spoken MOK | |
| US10950223B2 (en) | System and method for analyzing partial utterances | |
| CN110175229B (zh) | 一种基于自然语言进行在线培训的方法和*** | |
| MXPA03006566A (es) | Metodo para el analisis automatico de examenes. | |
| US11563852B1 (en) | System and method for identifying complaints in interactive communications and providing feedback in real-time | |
| Pallotta et al. | Interaction mining: the new frontier of customer interaction analytics | |
| JP5872183B2 (ja) | 情報処理システム、嗜好可視化システム及び検閲システム並びに嗜好可視化方法 | |
| CN113505606B (zh) | 一种培训信息获取方法、装置、电子设备及存储介质 | |
| Dyriv et al. | The user's psychological state identification based on Big Data analysis for person's electronic diary | |
| WO2022260794A1 (en) | Reducing biases of generative language models | |
| KR20230140722A (ko) | 챗봇 기반의 인공지능 심리상담 방법 및 장치 | |
| CN114186041A (zh) | 一种答案输出方法 | |
| Hung et al. | Context‐Centric Speech‐Based Human–Computer Interaction | |
| JP7126865B2 (ja) | 対話型業務支援システム | |
| KR102407055B1 (ko) | 음성인식 후 자연어 처리를 통한 대화 품질지수 측정장치 및 그 방법 | |
| CN107153685B (zh) | 人机对话***中基于时间线记忆的认知方法及装置 | |
| Drăgan | The emotional arcs of political narratives | |
| JP2015022448A (ja) | 言語体系の間で同義語句に対する特定の感情を推定するプログラム、装置及び方法 | |
| Silber-Varod | Is human-human spoken interaction manageable? The emergence of the concept:‘Conversation Intelligence’ | |
| Maqsood | An Analysis of Discourse Markers Used by Pakistani Presidents/Prime Ministers in Their Speeches at UN General Assembly Sessions | |
| US20240127804A1 (en) | Transcript tagging and real-time whisper in interactive communications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |