WO2018093110A1 - Device and method for providing response message to voice input of user - Google Patents

Device and method for providing response message to voice input of user Download PDF

Info

Publication number
WO2018093110A1
WO2018093110A1 PCT/KR2017/012852 KR2017012852W WO2018093110A1 WO 2018093110 A1 WO2018093110 A1 WO 2018093110A1 KR 2017012852 W KR2017012852 W KR 2017012852W WO 2018093110 A1 WO2018093110 A1 WO 2018093110A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
intention
destination
data
information
Prior art date
Application number
PCT/KR2017/012852
Other languages
French (fr)
Korean (ko)
Inventor
이가희
이인동
강세천
오형래
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020170147606A external-priority patent/KR102501714B1/en
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to CN201780070874.6A priority Critical patent/CN109964271B/en
Priority to US16/342,789 priority patent/US11501766B2/en
Publication of WO2018093110A1 publication Critical patent/WO2018093110A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • 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

Definitions

  • the present disclosure relates to a device and a method for providing a response message to a user's voice input, and more particularly, to a device and a method for recommending an operation related to a user's voice input using a machine learning algorithm such as deep learning.
  • the present invention relates to an artificial intelligence (AI) system for simulating functions of cognition, judgment, and the like of the human brain, and an application thereof.
  • AI artificial intelligence
  • a user can be provided with various services using a device.
  • voice recognition technology a user can input a voice to a device and execute an operation of the device according to the voice input.
  • An artificial intelligence system is a computer system that implements human-level intelligence. Unlike conventional rule-based smart systems, an artificial intelligence system is a machine that learns and judges itself and becomes smart. As the artificial intelligence system is used, the recognition rate is improved and the user's taste can be understood more accurately, and the existing rule-based smart system is gradually replaced by the deep learning-based artificial intelligence system.
  • Machine learning e.g. deep learning
  • machine learning e.g., deep learning
  • Machine learning is an algorithm technology that classifies / learns characteristics of input data by itself
  • element technology is a technology that simulates the functions of human brain cognition and judgment by using machine learning algorithms such as deep learning. It consists of technical areas such as understanding, reasoning / prediction, knowledge representation, and motion control.
  • Linguistic understanding is a technology for recognizing and applying / processing human language / characters and includes natural language processing, machine translation, dialogue system, question and answer, speech recognition / synthesis, and the like.
  • Visual understanding is a technology that recognizes and processes objects as human vision, and includes object recognition, object tracking, image retrieval, person recognition, scene understanding, spatial understanding, and image enhancement.
  • Inference Prediction is a technique for judging, logically inferring, and predicting information. It includes knowledge / probability-based inference, optimization prediction, preference-based planning, and recommendation.
  • Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data generation / classification) and knowledge management (data utilization).
  • Motion control is a technology for controlling autonomous driving of a vehicle and movement of a robot, and includes motion control (navigation, collision, driving), operation control (action control), and the like.
  • Some embodiments provide a device and method for providing a response message to a user's voice input that can use artificial intelligence to determine the user's intent from the user's voice input and recommend an alternative action for the user's requested action. Can provide.
  • some embodiments provide a device for providing an answer message to a user's voice input that may use artificial intelligence to determine the user's intent from the user's voice input and recommend an alternative destination similar to the destination requested by the user. And methods.
  • some embodiments provide an answer message to the user's voice input, which may recommend an alternate action to the user based on the feasibility of the user's intention as identified from the user's voice input using artificial intelligence.
  • a device and method can be provided.
  • FIG. 1 is a diagram illustrating an example in which a device 1000 provides an answer message to a voice input of a user, according to an exemplary embodiment.
  • FIG 2 is a flowchart of a method in which the device 1000 recommends an alternative operation related to a user's intention, according to some embodiments.
  • FIG. 3 is a flowchart of a method for recommending an alternate destination related to a user's intention in accordance with some embodiments.
  • FIG. 4 is a flowchart of a method of determining, by a device, a user's intention in accordance with some embodiments.
  • FIG. 5 is a flowchart of a method in which the device 1000 generates an answer message for an alternative operation based on the feasibility of a user's intention.
  • FIG. 6 is a table illustrating an example of association information about a category of a user's intention, a task type, and a user's intention, according to some embodiments.
  • FIG. 7 is a diagram illustrating an example of a data table 70 used to determine the business hours of a particular destination, in accordance with some embodiments.
  • FIG. 8 is a diagram illustrating an example of an alternative destination based on the feasibility of a user's intention in accordance with some embodiments.
  • FIG. 9 is a flowchart of a method in which the device 1000 executes an application and provides additional information to satisfy a user's intention, according to some embodiments.
  • FIG. 10 is a flowchart of a method of performing, by a device, an additional task related to a user's intention, according to some embodiments.
  • FIG 11 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on a user's purchase list.
  • FIG. 12 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on schedule information of a user.
  • FIG. 13 is a diagram illustrating an example in which the device 1000 provides the user with information about another user located at a destination, according to an exemplary embodiment.
  • FIG. 14 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of a business day and a business time of a destination, according to some embodiments.
  • 15 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of an arrival time to a destination, according to an exemplary embodiment.
  • 16 is a diagram illustrating an example in which the device 1000 provides parking information related to a destination or an alternative destination, according to some embodiments.
  • 17 is a diagram illustrating an example in which the device 1000 recommends parking information and additional tasks related to a destination or an alternative destination, according to an exemplary embodiment.
  • FIG. 18 is a diagram illustrating an example in which the device 1000 provides, as additional information, a ship timetable departing from a destination, according to some embodiments.
  • 19 is a diagram illustrating an example in which the device 1000 recommends an alternative destination to another nearby tourist destination based on a waiting time for using the facility of the destination, according to an exemplary embodiment.
  • 20 is a diagram illustrating an example in which the device 1000 provides an answer message corresponding to a user's intention to order food.
  • 21 is a diagram illustrating an example in which the device 1000 provides an answer message to a user's inquiry about a specific place, according to an exemplary embodiment.
  • FIG. 22 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to call a specific place, according to an exemplary embodiment.
  • FIG. 23 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to reserve a service of a hair shop, according to an exemplary embodiment.
  • 24 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user by interworking with the server 2000, according to an exemplary embodiment.
  • 25 and 26 are block diagrams of the device 1000 in accordance with some embodiments.
  • FIG. 27 is a block diagram of a server 2000 in accordance with some embodiments.
  • 28 is a block diagram of a processor 1300 in accordance with some embodiments.
  • 29 is a block diagram of a data learner 1310, according to some embodiments.
  • FIG. 30 is a block diagram of a data recognizer 1320 according to some embodiments.
  • FIG. 31 illustrates an example in which the device 1000 and the server 2000 learn and recognize data by interworking with each other, according to an exemplary embodiment.
  • the first aspect of the present disclosure comprises a memory in which at least one program is stored; A microphone for receiving a voice input of a user; And at least one processor configured to provide an answer message to the user's voice input by executing the at least one program, wherein the at least one program analyzes the received voice input, thereby providing a destination for the user. Determining the intention of the user; Obtaining association information related to the destination; Generating an answer message recommending an alternative destination related to the user's intention based on the obtained related information; And displaying the generated reply message: instructions for executing the device.
  • a method for receiving a voice input of a user may provide a method for a device to provide an answer message to a voice input of a user.
  • the third aspect of the present disclosure may also provide a computer readable recording medium having recorded thereon a program for executing the method of the second aspect on a computer.
  • FIG. 1 is a diagram illustrating an example in which a device 1000 provides an answer message to a voice input of a user, according to an exemplary embodiment.
  • a user may input a voice input to the device 1000, and the device 1000 may grasp the user's intention based on the user's voice input and provide an answer message corresponding to the user's intention. can do.
  • the device 1000 may determine whether the user's intention can be realized, and if it is determined that the user's intention is difficult to be realized, the device 1000 may recommend an operation that may replace the user's intention.
  • the device 1000 may determine the intention of the user by using context information related to the user, context information about a specific place included in the user's voice input, and determine whether the user's intention may be realized. Can be.
  • the device 1000 may recommend an operation that may replace the intention of the user by using context information related to the user, context information about a specific place included in the user's voice input, and the like. Related additional information may be provided.
  • the context information may include at least one of surrounding environment information of the device 1000, state information of the device 1000, state information of the user, usage history information of the device 1000 of the user, and schedule information of the user. It is not limited.
  • the environment information of the device 1000 refers to environment information within a predetermined radius from the device 1000, and may include, for example, weather information, temperature information, humidity information, illuminance information, noise information, sound information, and the like. It may be, but is not limited thereto.
  • the state information of the device 1000 may include mode information of the device 1000 (for example, a sound mode, a vibration mode, a silent mode, a power saving mode, a blocking mode, a multi window mode, an automatic rotation mode, and the like), and a location of the device 1000.
  • the user's state information is information about a user's movement, lifestyle, and the like, and may include information about a user's walking state, exercise state, driving state, sleep state, and user's mood state, but is not limited thereto. .
  • the usage history information of the device 1000 of the user is information about a history of the user using the device, and includes an execution history of the application, a history of functions executed in the application, a call history of the user, and a text history of the user. It may be, but is not limited thereto.
  • the device 1000 may be a smart phone, a tablet PC, a PC, a smart TV, a mobile phone, a personal digital assistant (PDA), a laptop, a media player, a micro server, a global positioning system (GPS) device, an e-book device, a digital broadcasting terminal, Navigation, kiosks, MP3 players, digital cameras, home appliances, and other mobile or non-mobile computing devices.
  • the device 1000 may be a wearable device such as a watch, glasses, a hair band, and a ring having a communication function and a data processing function.
  • the present invention is not limited thereto, and the device 1000 may include all kinds of devices capable of receiving a user's voice input and providing an answer message to the user.
  • the device 1000 may communicate with the server 2000 and another device (not shown) through a predetermined network in order to use various context information.
  • the network may include a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, a satellite communication network, and their interconnections. It is a comprehensive data communication network that includes a combination and allows each network component to communicate smoothly with each other.
  • the network communication device may include a wired internet, a wireless internet, and a mobile wireless communication network.
  • Wireless communication includes, for example, wireless LAN (Wi-Fi), Bluetooth, Bluetooth low energy, Zigbee, Wi-Fi Direct (WFD), ultra wideband (UWB), infrared communication (IrDA) ), But may include Near Field Communication (NFC), but is not limited thereto.
  • Wi-Fi wireless LAN
  • Wi-Fi Direct WFD
  • UWB ultra wideband
  • IrDA infrared communication
  • NFC Near Field Communication
  • FIG 2 is a flowchart of a method in which the device 1000 recommends an alternative operation related to a user's intention, according to some embodiments.
  • the device 1000 may receive a voice input of a user.
  • the device 1000 may execute an application that performs the operation of the device 1000 based on the voice input of the user, and may receive the voice input of the user through the executed application.
  • the device 1000 may receive a voice input of a user input through a microphone by executing a voice assistant application such as “S Voice” and controlling the executed application.
  • the device 1000 may determine the user's intention based on the user's voice input.
  • the device 1000 may interpret the user's voice input using various natural language analysis techniques, and determine the user's intention based on the meaning of the user's voice input.
  • the device 1000 may determine the intention of the user using context information related to the user. For example, the device 1000 may determine the intention of the user in consideration of the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, and the like. For example, the device 1000 may determine the intention of the user requesting directions to a specific place in order to shop at the specific place.
  • the device 1000 may determine the intention of the user requesting directions to a specific place in order to meet at a specific place. Also, for example, the device 1000 may determine a user's intention to order a particular food. However, the intention of the user determined by the device 1000 is not limited thereto.
  • context information of the user may be used.
  • what context information is used according to the meaning of the voice input may be determined according to learning based on preset criteria. For example, supervised learning that takes a predetermined voice input and predetermined context information as an input value, and learns the kind of context information necessary for grasping the user's intention without any guidance, thereby identifying the intention of the user. Unsupervised learning that finds a pattern can be used to determine the user's intent.
  • reinforcement learning that uses feedback on whether the result of the user's intention grasping according to the learning is correct may be used to grasp the user's intention.
  • the device 1000 may obtain related information related to a user's intention.
  • the device 1000 may collect related information related to the intention of the user in order to determine whether the intention of the user can be realized. For example, the device 1000 may obtain information about a business time of a specific place, a parking situation of a specific place, a facility use time of a specific facility, and a traffic situation to a specific place.
  • What association information is needed in relation to the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to obtain association information.
  • the device 1000 may recommend an alternative operation for satisfying the intention of the user.
  • the device 1000 may determine whether the user's intention can be realized using the related information, and recommend an alternative operation for satisfying the user's intention based on the determination result. For example, when a user's intention of requesting directions for shopping at a department store is difficult to be realized, the device 1000 may recommend an alternative operation of providing the user to a B department store near the department store A to the user. .
  • What alternative action is required to satisfy the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to determine alternative behavior.
  • the device 1000 may display an answer message recommending an alternative operation on the screen of the device 1000.
  • the device 1000 may provide the user with additional operations and additional information related to the user's intention.
  • the intention of the user the acquisition of related information related to the intention of the user, and the recommendation of the alternate action are performed based on separate learning, but are not limited thereto.
  • At least two or more of grasping the intention of the user, obtaining related information related to the intention of the user, and recommending an alternative operation may be performed by one learning model.
  • grasping the intention of the user, obtaining related information related to the intention of the user, and recommending an alternative operation may be performed based on learning according to deep neural network technology.
  • the device 1000 may analyze an analysis result (eg, text information) of the user's voice input and context information (eg, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user). Details, etc.) to the server through the communication unit, the server may identify the intention of the user by using the deep neural network technology, and may obtain related information related to the intention of the user and recommend the operation of obtaining and replacing the same to the device 1000. .
  • an analysis result eg, text information
  • context information e.g, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user. Details, etc.
  • the server may identify the intention of the user by using the deep neural network technology, and may obtain related information related to the intention of the user and recommend the operation of obtaining and replacing the same to the device 1000.
  • FIG. 3 is a flowchart of a method for recommending an alternate destination related to a user's intention in accordance with some embodiments.
  • the device 1000 may receive a voice input of the user.
  • the device 1000 may receive a voice input of a user input through a microphone by executing a voice assistant application such as “S Voice” and controlling the executed application.
  • the device 1000 may receive a voice input of a user, “Guide to Gangnam A department store”.
  • the device 1000 may determine the user's destination and the user's intention.
  • the device 1000 may determine the user's destination and the user's intention based on a learning result according to a preset criterion.
  • the device 1000 may interpret the voice input of the user by using various natural language analysis techniques. For example, the device 1000 may determine that the user requests directions to the Gangnam A department store by interpreting a voice input of the user “Guide to the Gangnam A department store”.
  • the device 1000 may determine the intention of the user by using context information of the user.
  • the device 1000 may include a user's history of using the device 1000, a user's schedule information, a user's call history, a user's text history, a history of visiting a specific place, a user's web search history, and a specific location.
  • the intention of the user may be determined in consideration of the payment history and the like. For example, when a schedule for shopping on a date on which a voice input of a user is input is recorded in the schedule information recorded through the schedule application of the device 1000, the device 1000 may indicate that the user has a Gangnam A department store. Requesting directions to shop at may determine the user's intention.
  • determining the user's destination and the user's intention according to the meaning of the user's voice input may be determined according to learning based on preset criteria. For example, supervised learning that takes a predetermined voice input and predetermined context information as an input value, and learns the kind of context information necessary for grasping the user's intention without any guidance, thereby identifying the intention of the user. Unsupervised learning that finds a pattern can be used to determine the user's intent. In addition, for example, reinforcement learning that uses feedback on whether the result of the user's intention grasping according to the learning is correct may be used to grasp the user's intention.
  • the device 1000 may obtain related information related to the destination.
  • the device 1000 may obtain relevant information related to the destination in order to determine whether the user's intention is feasible. For example, if the intention of the user is that the user requests directions for shopping in the Gangnam A department store, the device 1000 may open the opening hours of the department store A, the parking situation of the department store A, the inventory of the department store A. Information about the situation, discount information of the A department store, and traffic conditions to the A department store can be obtained.
  • Determining what association information is required in relation to the intention of the user and determining the feasibility of the intention of the user may be performed according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to obtain relevant information and determine feasibility.
  • the device 1000 may recommend an alternative destination related to the user's intention.
  • the device 1000 may determine the feasibility of the user's intention using the related information.
  • the device 1000 may recommend an alternative destination for satisfying the user's intention. For example, when the Gangnam A department store is not open or there is no item that the user wants to purchase in the Gangnam A department store, the device 1000 may recommend the Dogok B department store as an alternative destination.
  • the device 1000 may generate an answer message for inquiring the user of the way to the alternative destination, and display the generated reply message on the screen of the device 1000.
  • Which alternative destination is determined to satisfy the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning and reinforcement learning can be used to determine alternative destinations.
  • the determination of the destination of the user and the intention of the user, the acquisition of related information related to the intention of the user, the determination of the feasibility of the user's intention, and the recommendation of the alternative destination are performed based on separate learning, but is not limited thereto. It doesn't work. At least two or more of determining the destination of the user and the intention of the user, obtaining related information related to the intention of the user, determining the feasibility of the user's intention, and recommending an alternative destination may be performed by one learning model.
  • determining the user's destination and the user's intention are necessary for learning according to deep neural network technology. Can be performed based on this.
  • the device 1000 may analyze an analysis result (eg, text information) of the user's voice input and context information (eg, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user). Details, etc.) to the server through the communication unit, and the server may determine the user's destination and the user's intention using the deep neural network technology, and determine the feasibility of the user's intention and transmit the alternative destination information to the device 1000. have.
  • an analysis result eg, text information
  • context information eg, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user. Details, etc.
  • FIG. 4 is a flowchart of a method of determining, by a device, a user's intention in accordance with some embodiments.
  • the device 1000 may receive a voice input of the user, and in operation S410, the device 1000 may obtain context information of the user.
  • the device 1000 may include, for example, a history of a user using the device 1000, a schedule information of the user, a call history of the user, a text history of the user, a history of visiting a specific place, a web search history of the user, a specific place, and the like. Payment history and the like can be obtained.
  • the device 1000 may determine a category of the intention of the user.
  • the device 1000 may obtain text by converting a voice input of a user into speech to text (STT).
  • the device 1000 may determine the category of the intention of the user by grasping the meaning of the obtained text using a natural language analysis technique. Categories of the intention of the user may be classified based on learning according to preset criteria. For example, the device 1000 may determine that the category of the intention of the user is 'route guidance' or 'food order' from the input voice of the user. However, the type of category is not limited thereto.
  • the device 1000 may determine a category of the intention of the user by using context information of the user.
  • the device 1000 may determine a task type of the category.
  • a task type of a category may be classified based on learning based on a preset criterion, and may indicate a kind of task according to a user's intention of the corresponding category. For example, if the category of the user's intention is 'route', the task type may be 'shopping' or 'meeting'. However, examples of task types are not limited thereto.
  • the device 1000 may determine the task type by using the meaning of the text converted from the input voice of the user and the context information of the user. For example, the device 1000 may determine the task type by using the call history, text history or schedule information of the user.
  • the device 1000 considers the note recorded in the calendar application, and the user's task type is 'shopping'. Can be determined.
  • the device 1000 may determine a destination of the user.
  • the device 1000 may determine the user's destination based on the meaning of the text converted from the user's input voice. For example, the device 1000 may determine that the user's destination is 'Gangnam A department store' by interpreting a user's voice input “Guide to Gangnam A department store”.
  • the device 1000 may determine the intention of the user.
  • the device 1000 may determine that the user requests directions to the Gangnam A department store to shop based on operations S420 to S440.
  • the device 1000 may determine the user's request for directions to the Gangnam A department store in order to purchase the item AA in consideration of the context information of the user.
  • the acquisition of the context information, the determination of the category, the determination of the task type, the determination of the destination and the determination of the user intention are performed in each operation, but are not limited thereto. At least two or more of obtaining context information, determining a category, determining a task type, determining a destination, and determining a user's intention may be performed based on learning according to preset criteria.
  • At least two or more of acquiring context information, determining a category, determining a task type, determining a destination, and determining a user intention may be performed based on learning according to deep neural network technology. Can be.
  • the device 1000 may obtain text by converting a user's voice input into an STT.
  • the device 1000 transmits the acquired text and context information of the user (for example, the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, etc.) to the server through the communication unit,
  • the server may determine the category and task type of the user's intention by applying the text and the context information of the user to the deep neural network, and transmit the related information to the device 1000.
  • FIG. 5 is a flowchart of a method in which the device 1000 generates an answer message for an alternative operation based on the feasibility of a user's intention.
  • the device 1000 may obtain related information related to the destination.
  • the device 1000 may obtain the related information related to the destination in consideration of the user's intention.
  • the association information related to the destination is information necessary to determine whether the user's intention can be realized, and can be determined based on learning according to a predetermined standard according to the user's intention. For example, if the category of the user's intention is 'route guidance' and the task type is 'shopping', the device 1000 may provide the relevant information about the destination, the business hours of the destination, the parking situation of the destination, the traffic to the destination. The situation can be obtained.
  • the device 1000 may determine the feasibility of the user's intention based on the association information.
  • the device 1000 may determine the degree of whether the user's intention can be easily realized based on the association information. For example, if the user's intention is to request directions to the Gangnam A department store for shopping, the device 1000 determines whether the Gangnam A department store is open today, whether the opening hours have passed, or the parking situation of the Gangnam A department store.
  • the feasibility of the user's intention can be determined in consideration of whether the user is in a good condition, the traffic condition to the Gangnam A department store is good, the Gangnam A department store is selling a desired item, and the like.
  • the feasibility of the user's intention may be set based on learning according to preset criteria.
  • the device 1000 may determine whether a user's intention of realization is greater than a threshold.
  • the device 1000 may perform an operation corresponding to the user's intention with respect to the destination. For example, the device 1000 may provide the user with road guidance information to the Gangnam A department store. In this case, the device 1000 may automatically execute a preset navigation application for guiding the road, and input the Gangnam A department store into the executed application.
  • the device 1000 may generate an answer message recommending an alternative destination.
  • the device 1000 may determine a destination other than the destination the user wants to go as an alternative destination in order to realize the user's intention. For example, if the Gangnam A department store is not open today, the device 1000 may determine another department store near the user as an alternative destination. For example, when it is difficult to park at the Gangnam A department store, the device 1000 may determine a department store having a good parking condition among other department stores around the user as an alternative destination.
  • the device 1000 may select a department store having a good traffic situation among other department stores around the user as an alternative destination. Also, for example, when the user does not sell the desired item at the Gangnam A department store, a department store selling the desired item among other department stores around the user may be determined as an alternative destination.
  • the alternative destination may be a destination of the same or similar type as the destination requested by the user, and may be searched among the user's current location or destinations near the destination requested by the user. In addition, the alternative destination may be selected in consideration of the feasibility of the user's intention.
  • the device 1000 may generate an answer message for inquiring the user of whether to guide the alternative destination.
  • the device 1000 may include, in the response message, text indicating the reason for recommending an alternative operation regarding the user's intention in the response message.
  • the device 1000 may include text indicating a reason for guiding a way to an alternative destination instead of a destination input by the user.
  • the device 1000 ‘Today, Gangnam A department store is closed. Dogok B department store is open. May I guide you? ”
  • the device 1000 may include an object for executing an application for performing a specific operation in the response message.
  • the device 1000 may include an icon for executing a preset navigation application in an answer message.
  • the device 1000 may display the generated reply message on the screen of the device 1000.
  • the device 1000 may display the response message on the screen of the device 1000 in an interactive format.
  • the acquisition of the association information, the determination of the feasibility, the generation of the response message, the operation corresponding to the user's intention, etc. are performed as the respective operations, but are not limited thereto.
  • At least two or more of acquiring the related information, determining the feasibility, generating an answer message, and performing an operation corresponding to the user's intention may be performed based on learning according to a predetermined criterion.
  • At least two or more of acquiring related information, determining feasibility, generating a response message, and performing an operation in accordance with a user's intention may be based on learning according to deep neural network technology. Can be performed.
  • the server 2000 may determine the category of the user's intention and the task type for the voice input by the user using the deep neural network. In addition, the server 2000 may learn a deep neural network by using information about a category and a task type of a user's intention.
  • the server 2000 may transmit the information on the category and the task type for the voice input by the user to the device 1000, and the device 1000 may display the information on the category and the task type on the screen.
  • the server 2000 may obtain related information about a voice input by a user using a deep neural network, determine a feasibility, generate an answer message, and determine to perform an operation corresponding to a user's intention.
  • FIG. 6 is a table illustrating an example of association information about a category of a user's intention, a task type, and a user's intention, according to some embodiments.
  • the table 60 may include a category field 62, a task type field 64, and an association information field 66.
  • a category of a user's intention may be recorded. For example, 'directions' and 'item orders' may be recorded in the category field 62.
  • the category of the user's intention may be set and changed based on learning according to preset criteria.
  • the task type of the category may be recorded in the task type field 64.
  • the task type may include a purpose or a detailed operation of a user intention corresponding to a specific category.
  • a task type in the "Directions” category may include "Shopping,” “Meeting,” “Meals,” and so on.
  • a task type in the "Item Order” category may include “Offline Delivery” and “Online Orders.” It may include, but is not limited thereto.
  • the task type related to the user intention may be set and changed based on learning according to preset criteria.
  • association information field 66 information necessary for determining the feasibility of the user's intention may be recorded.
  • the related information may include business hours, parking conditions and traffic conditions.
  • the related information may include business hours, waiting times, user ratings and discount information.
  • the association information necessary to determine the feasibility of the user's intention may be set and changed based on learning according to a predetermined criterion.
  • the related information may be information predicted by using predetermined open data.
  • the table 60 may be learned and updated through the deep neural network and stored in the memory of the server 2000 or the memory of the device 1000.
  • FIG. 7 is a diagram illustrating an example of a data table 70 used to determine the business hours of a particular destination, in accordance with some embodiments.
  • a business time of a specific destination may be predicted by using open data related to a specific destination. For example, data indicating power usage of a specific destination, lighting time of a specific destination, and the number of payments at a specific destination may be accumulated and stored by date and time, and the accumulated data may be used to operate at a specific destination. Time can be predicted. Which data is used to determine business hours may be set and changed based on learning according to a predetermined standard.
  • the table 70 may be learned and updated through the deep neural network, and may be stored in the memory of the server 2000 or the memory of the device 1000.
  • FIG. 8 is a diagram illustrating an example of an alternative destination based on the feasibility of a user's intention in accordance with some embodiments.
  • the device 1000 displays a user at the first destination 'Gangnam A department store' according to the user's intention. It can be determined that there is a 10% chance of purchasing item A. In addition, the device 1000 may determine that the user has a 90% chance of purchasing the item A at the Dogok B department store, and may determine that the user has a 80% chance of purchasing the item A at the Gangnam C Mart. Can be. Accordingly, the device 1000 may determine an alternative destination as a “dogok B department store” and generate an answer message inquiring the user of whether to guide the road to the dogok B department store.
  • Such an alternative destination may be a destination of the same or similar kind as the destination requested by the user, and may be searched among the user's current location or destinations near the destination requested by the user.
  • the alternative destination may be selected in consideration of the feasibility of the user's intention.
  • the present invention is not limited thereto, and the feasibility of the user's intention may be expressed in various units indicating a degree, for example, a score and a level.
  • the feasibility of the user's intention may be a combination of various factors, such as whether shopping can be made at a specific destination, whether a particular item can be purchased at a specific destination, a price of a specific item, discount information, and the like. Can be evaluated based on established learning.
  • FIG. 9 is a flowchart of a method in which the device 1000 executes an application and provides additional information to satisfy a user's intention, according to some embodiments.
  • the device 1000 may display an answer message recommending an alternative destination, and in operation S905, the device 1000 may receive a user input for requesting directions to the alternative destination.
  • the device 1000 may display a list of applications for performing an operation in the reply message. For example, when the operation in the reply message is 'route to the Dogok B department store', the device 1000 may display a list of navigation applications installed in the device 1000 on the screen of the device 1000. .
  • the device 1000 may execute an application selected by the user.
  • the user may select a specific application from the application list, and the device 1000 may execute an application selected by the user and input a predetermined input value to the executed application.
  • the device 1000 may input “Dogok B department store” as a destination to the navigation application.
  • the device 1000 may provide additional information regarding the alternative destination.
  • the device 1000 may provide additional information about the alternative destination to the user.
  • the device 1000 may display parking information of an alternative destination, a facility usage guide, an indoor map of a building, a list of items to be purchased at the alternative destination, discount information, and schedule information of a user associated with the alternative destination. It can be displayed on the screen.
  • At least one or more of displaying an answer message, generating a list of applications for performing an operation in the reply message, and providing additional information of an alternative destination may be performed based on learning according to a predetermined criterion. At least one or more of displaying an answer message, generating a list of applications for performing an operation in the answer message, and providing additional information of an alternative destination may be performed based on learning according to deep neural network technology.
  • FIG. 10 is a flowchart of a method of performing, by a device, an additional task related to a user's intention, according to some embodiments.
  • the device 1000 may determine whether an additional task related to a user's intention is required.
  • the device 1000 may determine whether an additional task related to the intention of the user is necessary using the meaning of the user's voice input, the category of the intention of the user, the task type, and the context information of the user. For example, if the user's intention is to request directions to the Gangnam A department store in order to purchase the goods A at the Gangnam A department store, and the device 1000 guides the route to the Dogok B department store that is an alternative destination, the device ( 1000 may determine that an additional task is required to allow the user to conveniently purchase the item A in the Dogok B department store.
  • the device 1000 may display a message recommending the additional task. For example, the device 1000 may display a message on the screen of the device 1000 inquiring whether to receive the location information and the coupon information of the store selling the goods A in the Dogok B department store.
  • the message recommending the additional task may include an object for executing an application for performing the additional task.
  • the message for inquiring whether to receive location information and coupon information of a store selling item A may include an icon for executing an application that provides store information and coupon information of Dogok B department store.
  • the device 1000 may confirm that the device 1000 has arrived at the alternative destination, and display a message recommending additional tasks. If the device 1000 does not recommend an alternative destination, the device 1000 may check whether the device 1000 has arrived at the destination requested by the user, and display a message recommending additional tasks.
  • the device 1000 may display a list of the plurality of additional tasks on the screen of the device 1000.
  • the device 1000 may execute an application that performs an additional task. For example, when an icon of an application included in the message recommending the additional task is selected by the user, the device 1000 may execute an application that performs the additional task.
  • step S1000 the device 1000 may automatically execute an application that performs the additional task.
  • the device 1000 may provide additional information related to the additional task.
  • the device 1000 may provide information such as a map of a store, a schedule of a user, a purchase list of a user, a name of a friend located in a destination, a usage guide of a facility, and the like.
  • the additional information related to the additional task may be set or changed based on a learning result according to a preset criterion.
  • operations for recommending an additional task and providing additional information related to the additional task may be performed based on learning according to a predetermined criterion. For example, determining whether an additional task is necessary, determining an additional task, determining additional information related to the additional task, and the like may be performed based on learning according to deep neural network technology.
  • the device 1000 transmits the voice and context information of the user to the server 2000, and the server 2000 determines the meaning of the voice input of the user, the category of the user's intention, and the task type using the deep neural network.
  • the determination of whether the additional task related to the intention of the user is necessary, the determination of the additional task, and the additional information related to the additional task may be determined and transmitted to the device 1000.
  • the device 1000 may display a message recommending an additional task on the screen by using the information transmitted from the server 2000.
  • analysis of a user's voice may be performed in the device 1000.
  • FIG 11 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on a user's purchase list.
  • the device 1000 may notify that it has arrived at a department store B as a destination, and may provide additional information related to a user's purchase of goods.
  • the device 1000 may provide a purchase list of a user, a map indicating a store that sells a product to be purchased, and coupon information related to the product to be purchased.
  • FIG. 12 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on schedule information of a user.
  • the device 1000 may notify that it has arrived at a department store B, which is a destination, and recommend items that the user can purchase based on the schedule of the user.
  • the device 1000 may check that the grandmother's birthday is five days later from the schedule information of the user, and display a message for recommending a list of items to be presented to the grandmother on the screen of the device 1000. Can be.
  • FIG. 13 is a diagram illustrating an example in which the device 1000 provides the user with information about another user located at a destination, according to an exemplary embodiment.
  • the device 1000 confirms that the user has arrived at the wedding hall to attend a friend's wedding based on the schedule information of the user, and provides information about another user who has arrived at the wedding hall. It can be displayed on the screen.
  • another user who arrives at the wedding hall may be identified by the device 1000 using the relationship between a friend to be married and the user and friend information of the user.
  • whether the other user is a friend of the user may be identified through the user's call history, text history, and SNS usage history.
  • FIG. 14 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of a business day and a business time of a destination, according to some embodiments.
  • the device 1000 may send a message 140 inquiring to guide the way to the alternative department B department of the device 1000. It can be displayed on the screen.
  • the alternative destination may be determined in consideration of, for example, the holiday days of the destination, the business hours of the destination, the time required for arrival to the destination, and the like. Also, for example, the alternative destination may be determined based on the type of destination, the goods sold at the destination, the visit history of the user's destination, and the like.
  • the device 1000 may display a message 142 on the screen of the device 1000 indicating a holiday day of the A department store, a time required to the A department store, a holiday day of the B department store, and a time required to the B department store.
  • the message 142 may include a button 144 for executing a navigation application to guide the way to the A department store and a button 146 for executing a navigation application to guide the way to the A department store. . If the user selects the button 146, the device 1000 may execute a navigation application and input “B department store” as a destination to the executed navigation application.
  • 15 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of an arrival time to a destination, according to an exemplary embodiment.
  • the device 1000 may send a message 150 to the B department store, which is an alternative destination, to ask for directions. It can be displayed on the screen.
  • the alternative destination may be determined in consideration of, for example, the business hours of the destination, the time required for arrival to the destination, and the like. Also, for example, the alternative destination may be determined based on the type of destination, the goods sold at the destination, the visit history of the user's destination, and the like.
  • the device 1000 displays a message 152 on the screen of the device 1000 indicating the opening hours of the B department store, the goods information available at the B department store, the opening hours of the C department store, and the goods information available at the C department store. can do.
  • the message 152 may include a button 154 for executing a navigation application to guide the road to the B department store and a button 156 for executing a navigation application to guide the road to the C department store. . If the user selects the button 154, the device 1000 may execute a navigation application and input “B department store” as a destination to the executed navigation application.
  • 16 is a diagram illustrating an example in which the device 1000 provides parking information related to a destination or an alternative destination, according to some embodiments.
  • the device 1000 transmits an answer message 160 for guiding to an alternative destination in consideration of parking conditions of A wedding hall. Can be displayed on the screen.
  • the parking situation may include, for example, whether there is a parking lot at the destination, the number of vehicles that can park at the destination, and the like.
  • the response message 160 may include text indicating a reason for guiding to an alternative destination.
  • the device 1000 displays a message 162 for guiding the A Wedding Hall, and after the user arrives at the A Wedding Hall, the parking state of the A Wedding Hall is displayed.
  • a message 164 may be displayed asking for directions to an alternative destination.
  • a message 166 indicating information about a parking lot near the wedding hall A may be displayed.
  • the device 1000 may display the message 164 and the message 166 on the way to the A wedding hall.
  • 17 is a diagram illustrating an example in which the device 1000 recommends parking information and additional tasks related to a destination or an alternative destination, according to an exemplary embodiment.
  • the device 1000 guides directions to restaurant A, and asks for directions to public parking lots around the restaurant A. 170 and a message 172 indicating parking information of the public parking lot A may be displayed. In addition, the device 1000 may display a message 174 for guiding a walking path from the A public parking lot to the A restaurant.
  • a message 176 may be displayed that includes a button for making a call to restaurant A.
  • FIG. 18 is a diagram illustrating an example in which the device 1000 provides, as additional information, a ship timetable departing from a destination, according to some embodiments.
  • the device 1000 may guide a road to a likelihood dock and provide the user with information indicating a ship timetable and a fare of the likelihood dock. In this case, the device 1000 may determine the user's intention that the user will board the ship at the likelihood dock based on the user's voice input and the user's context information. In addition, the device 1000 may recommend an additional task to the user to reserve a ticket at the likelihood dock.
  • 19 is a diagram illustrating an example in which the device 1000 recommends an alternative destination to another nearby tourist destination based on a waiting time for using the facility of the destination, according to an exemplary embodiment.
  • the device 1000 since the device 1000 guides a path to Samcheok Chronic Cave according to a user's voice input and has a long waiting time for using the monorail of the Chronic Cave, a nearby tourist spot may be recommended as an alternative tourist spot. .
  • the device 1000 may determine the user's intention that the user will use the monorail of the chronic burrow based on the user's voice input and the user's context information.
  • the device 1000 may provide the user with additional information about a nearby tourist destination.
  • 20 is a diagram illustrating an example in which the device 1000 provides an answer message corresponding to a user's intention to order food.
  • the device 1000 receives a voice input of a user, 'Please order one fried chicken at BBQ sperm store', and ‘Today's BBQ sperm store closed at 10pm. Would you like to place an order with the BHC Migeum Store, which is open until 11:00? ”
  • the device 1000 may determine that the category of the user's intention is 'food delivery order' and the task type is 'offline order'.
  • the device 1000 in consideration of the opening hours of the BBQ sperm store, the user's location, the opening hours of the BBQ Migeum store, and the location of the BBQ Migeum store, the response message for inquiring to order chicken to the BBQ Migeum store Can be generated.
  • 21 is a diagram illustrating an example in which the device 1000 provides an answer message to a user's inquiry about a specific place, according to an exemplary embodiment.
  • the device 1000 receives a voice input of a user, 'Do you open a Starbucks rice shop now?', And 'Starbucks rice shop is closed. Tom & Toms, near Starbucks Cashier, is open. ”
  • the device 1000 may determine that the category of the user's intention is 'contact' and the task type is 'business hours'.
  • the device 1000 generates an answer corresponding to the voice input of the user based on the opening hours of the Starbucks store, the location of the Starbucks store, the opening hours of the store of Tom & Toms, and the location of the store of Tom & Toms. can do.
  • FIG. 22 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to call a specific place, according to an exemplary embodiment.
  • the device 1000 receives a voice input of a user, 'Call Samsung A / S Center', and is not 'business hours.' would you like to schedule a call again? ”
  • the device 1000 may determine that the category of the user's intention is 'telephone connection' and the task type is 'A / S inquiry'.
  • the device 1000 may generate an answer message corresponding to the user's voice input in consideration of a business hours, a phone waiting time, a user's working time, and the like of the Samsung A / S center.
  • the response message may include information about an additional task for scheduling a call and an additional task for accessing a web page.
  • FIG. 23 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to reserve a service of a hair shop, according to an exemplary embodiment.
  • the device 1000 receives a voice input of a user of 'Please make a reservation at 2pm' at A Hair Salon, and cannot make a reservation at '2pm. Can I make a reservation for reservation at 4pm? ”
  • the user may determine that the category of the user's intention is 'phone reservation' and the task type is 'hair cut'.
  • the device 1000 may generate an answer message corresponding to the user's voice input in consideration of the business day, business hours, and reservation status of the A hair salon.
  • 24 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user by interworking with the server 2000, according to an exemplary embodiment.
  • the device 1000 may be connected to the server 2000 through a network, and may provide an answer message to a user's voice input using data learned according to a preset criterion by the server 2000. can do.
  • the server 2000 may satisfy the user's intention, the function of determining the user's intention, which is a function performed by the device 1000 in FIGS. At least one of a function for recommending an alternate operation for the user, a function for recommending an additional task related to the user's intention, and a function for providing additional information.
  • the device 1000 and the server 2000 may transmit and receive data necessary for each other in order to perform their functions.
  • the device 1000 may provide the server 2000 with data necessary for a predetermined function performed by the server 2000, and the device 1000 may be performed by the server 2000 from the server 2000.
  • the result data generated according to the function can be received.
  • the server 2000 may provide the device 1000 with data necessary for a predetermined function performed by the device 1000, and the server 2000 may be configured to perform a function performed by the device 1000 from the device 1000. The result data generated accordingly can be received.
  • the server 2000 may obtain data necessary for determining a user's intention, data necessary for obtaining related information related to the user's intention, data necessary for recommending an alternative operation to satisfy the user's intention, and the user's intention. At least one of data necessary for recommending additional tasks and data necessary for providing additional information may be managed.
  • 25 and 26 are block diagrams of the device 1000 in accordance with some embodiments.
  • the device 1000 may include a user input unit 1100, an output unit 1200, a processor 1300, and a communication unit 1500.
  • the device 1000 may be implemented by more components than the components illustrated in FIG. 25, and the device 1000 may be implemented by fewer components than the components illustrated in FIG. 25.
  • the device 1000 may include a sensing unit 1400 in addition to the user input unit 1100, the output unit 1200, the processor 1300, and the communication unit 1500. ) May further include an A / V input unit 1600 and a memory 1700.
  • the user input unit 1100 means a means for a user to input data for controlling the device 1000.
  • the user input unit 1100 includes a key pad, a dome switch, a touch pad (contact capacitive type, pressure resistive layer type, infrared sensing type, surface ultrasonic conduction type, and integral type). Tension measurement method, piezo effect method, etc.), a jog wheel, a jog switch, and the like, but are not limited thereto.
  • the user input unit 1100 may request a response message for a user's voice input and receive a user input for executing an operation related to the response message.
  • the output unit 1200 may output an audio signal, a video signal, or a vibration signal, and the output unit 1200 may include a display unit 1210, an audio output unit 1220, and a vibration motor 1230. have.
  • the display unit 1210 displays and outputs information processed by the device 1000.
  • the display 1210 may display a user interface for requesting an answer message for a user's voice input and executing an operation related to the answer message.
  • the sound output unit 1220 outputs audio data received from the communication unit 1500 or stored in the memory 1700. In addition, the sound output unit 1220 outputs a sound signal related to a function (for example, a call signal reception sound, a message reception sound, and a notification sound) performed by the device 1000.
  • a function for example, a call signal reception sound, a message reception sound, and a notification sound
  • the processor 1300 typically controls the overall operation of the device 1000.
  • the processor 1300 may execute the programs stored in the memory 1700 to thereby execute the user input unit 1100, the output unit 1200, the sensing unit 1400, the communication unit 1500, and the A / V input unit 1600. ) Can be controlled overall.
  • the processor 1300 may perform a function of the device 1000 described with reference to FIGS. 1 to 24 by executing programs stored in the memory 1700.
  • the processor 1300 may receive a voice input of a user through the microphone 1620.
  • the processor 1300 may execute an application that performs an operation of the device 1000 based on a voice input of the user, and may receive a voice input of the user through the executed application.
  • the processor 1300 may receive a voice input of a user input through the microphone 1620 by executing, for example, a Voice Assistant Application such as “S Voice” and controlling the executed application. have.
  • the processor 1300 may determine the intention of the user based on the voice input of the user.
  • the processor 1300 may interpret the user's voice input by using various natural language interpretation techniques, and determine the user's intention based on the meaning of the user's voice input.
  • the processor 1300 may determine the intention of the user using context information related to the user. For example, the processor 1300 may determine the intention of the user in consideration of the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, and the like. For example, the processor 1300 may determine the intention of the user requesting directions to a specific place in order to shop at the specific place.
  • the processor 1300 may determine the intention of the user requesting directions to a specific place in order to meet at a specific place. Also, for example, the processor 1300 may determine the user's intention to order a particular meal. However, the intention of the user determined by the processor 1300 is not limited thereto.
  • the processor 1300 may obtain related information related to the intention of the user.
  • the processor 1300 may collect related information related to the intention of the user in order to determine whether the intention of the user can be realized. For example, the processor 1300 may obtain information about a business time of a specific place, a parking situation of a specific place, a facility use time of a specific facility, and a traffic situation to a specific place.
  • the processor 1300 may recommend an alternative operation to satisfy a user's intention.
  • the processor 1300 may determine whether the user's intention can be realized using the related information, and recommend an alternative operation for satisfying the user's intention based on the determination result. For example, when a user's intention of requesting directions for shopping to a department store is difficult to be realized, the processor 1300 may recommend an alternative operation for providing a route to a B department store near the department store A to the user. .
  • the processor 1300 may display an answer message recommending an alternative operation on the display unit 1210. In addition, the processor 1300 may provide the user with additional operations and additional information related to the user's intention.
  • the processor 1300 may recommend an alternative destination related to the user's intention.
  • the processor 1300 may determine the user's destination and the user's intention.
  • the processor 1300 may interpret a user's voice input by using various natural language interpretation techniques. For example, the processor 1300 may determine that the user requests directions to the Gangnam A department store by interpreting the voice input of the user, “Guide to the Gangnam A department store”.
  • the processor 1300 may determine the intention of the user using context information of the user.
  • the processor 1300 may include, for example, a history of a user using the device 1000, a schedule of the user, a history of a call of the user, a history of a user's text, a history of visiting a specific place, and a history of a user's web search.
  • the intention of the user may be determined. For example, when a schedule for shopping on a date on which a voice input of a user is input is recorded in schedule information recorded through a schedule application of the device 1000, the processor 1300 may allow the user to have a Gangnam A department store. Requesting directions to shop at may determine the user's intention.
  • the processor 1300 may obtain related information related to the destination.
  • the processor 1300 may obtain related information related to the destination in order to determine whether the user's intention is feasible. For example, if the intention of the user is that the user requests directions for shopping in the Gangnam A department store, the processor 1300 may open the opening hours of the A department store, the parking situation of the A department store, the goods inventory of the A department store. Information about the situation, discount information of the A department store, and traffic conditions to the A department store can be obtained.
  • the processor 1300 may recommend an alternative destination related to the user's intention.
  • the processor 1300 may determine the feasibility of the user's intention using the related information.
  • the processor 1300 may recommend an alternative destination for satisfying the user's intention. For example, when the Gangnam A department store is not open or there is no item that the user wants to purchase in the Gangnam A department store, the processor 1300 may recommend the Dogok B department store as an alternative destination.
  • the processor 1300 may generate an answer message for inquiring a user of whether to provide a route guidance to an alternative destination, and display the generated reply message on the display unit 1210.
  • the processor 1300 may recommend additional tasks related to the user's intention and provide the user with additional information related to the user's intention.
  • the processor 1300 may determine a user's intention, provide related information, and recommend an alternative operation by using a data recognition model stored in the memory 1700 or the server 2000. 28 to 31 will be described in more detail.
  • the processor 1300 may efficiently learn a criterion for determining a user's intention, providing related information, and recommending an alternative operation. As a result, the service can be provided to the user according to the user's intention according to the learned result.
  • the sensing unit 1400 may detect a state of the device 1000 or a state around the device 1000 and transmit the detected information to the processor 1300.
  • the sensing unit 1400 may be used to generate some of context information indicating a surrounding situation of the user or the device 1000.
  • the sensing unit 1400 may include a geomagnetic sensor 1410, an acceleration sensor 1420, a temperature / humidity sensor 1430, an infrared sensor 1440, a gyroscope sensor 1450, and a position sensor. (Eg, GPS) 1460, barometric pressure sensor 1470, proximity sensor 1480, and RGB sensor (illuminance sensor) 1490, but are not limited thereto. Since functions of the respective sensors can be intuitively deduced by those skilled in the art from the names, detailed descriptions thereof will be omitted.
  • the communicator 1500 may include one or more components that allow the device 1000 to communicate with another apparatus (not shown) and the server 2000.
  • the other device may be a computing device such as the device 1000 or a sensing device, but is not limited thereto.
  • the communicator 1500 may include a short range communicator 1510, a mobile communicator 1520, and a broadcast receiver 1530.
  • the short-range wireless communication unit 151 includes a Bluetooth communication unit, a Bluetooth low energy (BLE) communication unit, a near field communication unit (Near Field Communication unit), a WLAN (Wi-Fi) communication unit, a Zigbee communication unit, an infrared ray ( IrDA (Infrared Data Association) communication unit, WFD (Wi-Fi Direct) communication unit, UWB (ultra wideband) communication unit, Ant + communication unit and the like, but may not be limited thereto.
  • the mobile communication unit 1520 transmits and receives a radio signal with at least one of a base station, an external terminal, and a server on a mobile communication network.
  • the wireless signal may include various types of data according to transmission and reception of a voice call signal, a video call call signal, or a text / multimedia message.
  • the broadcast receiving unit 1530 receives a broadcast signal and / or broadcast related information from the outside through a broadcast channel.
  • the broadcast channel may include a satellite channel and a terrestrial channel. According to an implementation example, the device 1000 may not include the broadcast receiver 1530.
  • the communicator 1500 may transmit / receive necessary information for requesting an answer message to the user's voice input and performing an operation related to the answer message with another device (not shown) and the server 2000.
  • the A / V input unit 1600 is for inputting an audio signal or a video signal, and may include a camera 1610 and a microphone 1620.
  • the camera 1610 may obtain an image frame such as a still image or a moving image through an image sensor in a video call mode or a photographing mode.
  • the image captured by the image sensor may be processed by the processor 1300 or a separate image processor (not shown).
  • the image captured by the camera 1610 may be utilized as context information of the user.
  • the microphone 1620 receives an external sound signal and processes the external sound signal into electrical voice data.
  • the microphone 1620 may receive an acoustic signal from an external device or a user.
  • the microphone 1620 may receive a voice input of a user.
  • the microphone 1620 may use various noise removing algorithms for removing noise generated in the process of receiving an external sound signal.
  • the memory 1700 may store a program for processing and controlling the processor 1300, and may store data input to or output from the device 1000.
  • the memory 1700 may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (for example, SD or XD memory), RAM Random Access Memory (RAM) Static Random Access Memory (SRAM), Read-Only Memory (ROM), Electrically Erasable Programmable Read-Only Memory (EEPROM), Programmable Read-Only Memory (PROM), Magnetic Memory, Magnetic Disk It may include at least one type of storage medium of the optical disk.
  • RAM Random Access Memory
  • SRAM Static Random Access Memory
  • ROM Read-Only Memory
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • PROM Programmable Read-Only Memory
  • Magnetic Memory Magnetic Disk It may include at least one type of storage medium of the optical disk.
  • Programs stored in the memory 1700 may be classified into a plurality of modules according to their functions.
  • the programs stored in the memory 1700 may be classified into a UI module 1710, a touch screen module 1720, a notification module 1730, and the like. .
  • the UI module 1710 may provide a specialized UI, GUI, or the like that is linked with the device 1000 for each application.
  • the touch screen module 1720 may detect a touch gesture on the user's touch screen and transmit information about the touch gesture to the processor 1300.
  • the touch screen module 1720 according to some embodiments may recognize and analyze a touch code.
  • the touch screen module 1720 may be configured as separate hardware including a controller.
  • the notification module 1730 may generate a signal for notifying occurrence of an event of the device 1000. Examples of events occurring in the device 1000 include call signal reception, message reception, key signal input, and schedule notification.
  • the notification module 1730 may output a notification signal in the form of a video signal through the display unit 1210, may output the notification signal in the form of an audio signal through the sound output unit 1220, and the vibration motor 1230. Through the notification signal may be output in the form of a vibration signal.
  • FIG. 27 is a block diagram of a server 2000 in accordance with some embodiments.
  • a server 2000 may include a communication unit 2500, a DB 2700, and a processor 2300.
  • the communication unit 2500 may include one or more components that allow the server 2000 to communicate with other devices (not shown) and the device 1000.
  • the DB 2700 may store data for authenticating a vehicle number based payment.
  • the processor 2300 typically controls the overall operation of the server 2000.
  • the processor 2300 may control the DB 2700 and the communication unit 2500 by executing programs stored in the DB 2700 of the server 2000.
  • the processor 2300 may perform a part of the operation of the device 1000 of FIGS. 1 to 23 by executing programs stored in the DB 2700.
  • the processor 2300 may determine a user's intention, which is a function performed by the device 1000 in FIGS. 1 to 23, a function of obtaining related information related to the user's intention, and an alternative operation for satisfying the user's intention. At least one of a function of recommending a function, a function of recommending an additional task related to a user's intention, and a function of providing additional information may be performed.
  • the processor 2300 may acquire data necessary for determining the intention of the user, data necessary for obtaining related information related to the intention of the user, data necessary for recommending an alternative operation for satisfying the intention of the user, and the intention of the user. At least one of data necessary for recommending additional tasks and data necessary for providing additional information may be managed.
  • FIG. 28 is a block diagram of a processor 1300 according to some embodiments.
  • the processor 1300 may include a data learner 1310 and a data recognizer 1320.
  • the processor 1300 may be included in the device 1000 or may be included in the server 2000.
  • At least a part of the data learner 1310 and at least a part of the data recognizer 1320 may be implemented as a software module or manufactured in the form of a hardware chip and mounted on the device 1000 or the server 2000. .
  • the data learner 1310 may learn a criterion for determining an intention of the user, providing related information related to the intention of the user, and recommending an alternative operation for satisfying the intention of the user.
  • the data learner 1310 may learn a criterion about what data to use to determine a user's intention, provide related information, and recommend an alternative operation.
  • the data learner 1310 may use the data to learn a criterion about how to determine a user's intention, how to obtain and provide related information, and how to determine an alternative operation.
  • the data learner 1310 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later to determine a user's intention, provide related information, and learn a criterion for recommending an alternative operation. Can be.
  • Types of learning data input to the data learning unit 1310 may include voice data and text data.
  • the data recognizer 1320 may determine a user's intention, determine related information, and recommend an alternative operation based on the data.
  • the data recognizing unit 1320 may determine a user's intention from the predetermined data, determine related information, and recommend an alternative operation using the learned data recognition model.
  • the data recognizing unit 1320 may obtain predetermined data according to a preset reference by learning, and use the data recognition model by using the acquired data as an input value.
  • the data recognizing unit 1320 may determine the user's intention, related information, and a substitute operation based on the predetermined data.
  • the result value output by the data recognition model using the acquired data as an input value may be used to update the data recognition model.
  • At least one of the data learner 1310 and the data recognizer 1320 may be manufactured in the form of at least one hardware chip and mounted on the device 1000.
  • at least one of the data learner 1310 and the data recognizer 1320 may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or an existing general purpose processor (eg, a CPU).
  • the device may be manufactured as a part of an application processor or a graphics processor (eg, a GPU) and mounted on the aforementioned various devices 1000.
  • the dedicated hardware chip for artificial intelligence is a dedicated processor specialized in probability calculation, and has higher parallelism performance than the conventional general-purpose processor, so that it is possible to process arithmetic tasks in the field of artificial intelligence such as machine learning.
  • the data learner 1310 and the data recognizer 1320 may be mounted in one device 1000 or may be mounted in separate devices 1000, respectively.
  • one of the data learner 1310 and the data recognizer 1320 may be included in the device 1000, and the other may be included in the server 2000.
  • the data learner 1310 and the data recognizer 1320 may provide model information constructed by the data learner 1310 to the data recognizer 1320 via a wired or wireless connection.
  • the data input to 1320 may be provided to the data learner 1310 as additional learning data.
  • the device 1000 may include a data recognizer 1320, and an external server 2000 may include a data learner 1310.
  • the server 1200 may learn a criterion for determining the intention of the user, and the device 1000 may determine the intention of the user based on the learning result by the server 2000.
  • the data learning unit 1310 of the server 2000 may learn what data to use to determine the intention of the user and how to determine the intention of the user using the data.
  • the data learner 1310 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later, so as to learn a criterion for identifying a user's intention.
  • the device 1000 may include the data learner 1310, and an external device such as a server may include the data recognizer 1320.
  • At least one of the data learner 1310 and the data recognizer 1320 may be implemented as a software module.
  • the software module may be a computer readable non-transitory computer. It may be stored in a non-transitory computer readable media.
  • at least one software module may be provided by an operating system (OS) or by a predetermined application.
  • OS operating system
  • OS operating system
  • others may be provided by a predetermined application.
  • 29 is a block diagram of a data learner 1310, according to some embodiments.
  • the data learner 1310 may include a data acquirer 1310-1, a preprocessor 1310-2, a training data selector 1310-3, and a model learner 1310. -4) and the model evaluator 1310-5.
  • the data acquirer 1310-1 may acquire data necessary for determining a user's intention, providing related information, and recommending an alternative operation.
  • the data acquirer 1310-1 may acquire data necessary for learning to determine a user's intention, provide related information, and recommend an alternative operation.
  • the data acquirer 1310-1 may acquire, for example, predetermined user voice and predetermined context information.
  • the preprocessor 1310-2 may preprocess the acquired data so that the acquired data can be used for learning to determine a user's intention, provide related information, and recommend an alternative operation.
  • the preprocessor 1310-2 may use the acquired data so that the model learner 1310-4 to be described later can use the acquired data for learning the user's intention, providing related information, and learning for recommending an alternative operation. Can be processed in a preset format.
  • the training data selector 1310-3 may select data required for learning from the preprocessed data.
  • the selected data may be provided to the model learner 1310-4.
  • the training data selector 1310-3 may select data required for learning from preprocessed data according to preset criteria for determining a user's intention, providing related information, and recommending an alternative operation.
  • the training data selector 1310-3 may select data according to preset criteria by learning by the model learner 1310-4 to be described later.
  • the model learner 1310-4 may learn a criterion about how to determine a user's intention, how to determine related information, and how to recommend an alternative operation based on the training data. In addition, the model learner 1310-4 may learn a criterion about what learning data should be used for determining a user's intention, determining related information, and recommending an alternative operation.
  • the model learner 1310-4 may train the data recognition model used for determining the intention of the user, determining the related information, and recommending the replacement operation using the training data.
  • the data recognition model may be a pre-built model.
  • the data recognition model may be a model built in advance by receiving basic training data (eg, sample data).
  • the data recognition model may be constructed in consideration of the application field of the recognition model, the purpose of learning, or the computer performance of the device.
  • the data recognition model can be designed to simulate the human brain structure on a computer.
  • the data recognition model may include a plurality of weighted network nodes that simulate neurons in a human neural network.
  • the plurality of network nodes may form a connection relationship so that neurons simulate synaptic activity through which signals are sent and received through synapses.
  • the data recognition model may include, for example, a neural network model or a deep learning model developed from the neural network model. In the deep learning model, a plurality of network nodes may be located at different depths (or layers) and exchange data according to a convolutional connection relationship.
  • the data recognition model may include, for example, models such as a deep neural network (DNN), a recurrent neural network (RNN), a bidirectional recurrent deep neural network (BRDNN), and the like.
  • DNN deep neural network
  • RNN recurrent neural network
  • the model learner 1310-4 may be a data recognition model to learn a data recognition model having a large correlation between input training data and basic training data. You can decide.
  • the basic training data may be previously classified by the type of data, and the data recognition model may be pre-built by the type of data. For example, the basic training data is classified based on various criteria such as the region where the training data is generated, the time at which the training data is generated, the size of the training data, the genre of the training data, the creator of the training data, and the types of objects in the training data. It may be.
  • model learner 1310-4 may train the data recognition model using, for example, a learning algorithm including an error back-propagation method or a gradient descent method. .
  • the model learner 1310-4 may train the data recognition model through, for example, supervised learning using the training data as an input value.
  • the model learner 1310-4 may learn, for example, the intention of the user by directly learning the kind of data necessary for determining the intention of the user, providing related information, and recommending an alternative operation without any guidance.
  • the data recognition model can be trained through unsupervised learning that finds criteria for providing information and recommending alternative actions.
  • the model learner 1310-4 may use, for example, reinforcement learning using feedback on whether the result of the user's intention determination according to the learning, the provision of related information, and the recommendation of the replacement operation are correct.
  • the data recognition model can be trained.
  • the model learner 1310-4 may store the trained data recognition model.
  • the model learner 1310-4 may store the learned data recognition model in a memory of the device 1000 including the data recognizer 1320.
  • the model learner 1310-4 may store the learned data recognition model in a memory of the device 1000 including the data recognizer 1320, which will be described later.
  • the model learner 1310-4 may store the learned data recognition model in a memory of the server 2000 connected to the device 1000 through a wired or wireless network.
  • the memory in which the learned data recognition model is stored may store, for example, commands or data related to at least one other element of the device 1000.
  • the memory may also store software and / or programs.
  • the program may include, for example, a kernel, middleware, an application programming interface (API) and / or an application program (or “application”), and the like.
  • the model evaluator 1310-5 may input the evaluation data into the data recognition model, and cause the model learner 1310-4 to relearn if the recognition result output from the evaluation data does not satisfy a predetermined criterion. have.
  • the evaluation data may be preset data for evaluating the data recognition model.
  • the model evaluator 1310-5 may determine a predetermined criterion when the number or ratio of the evaluation data that is not accurate among the recognition results of the learned data recognition model for the evaluation data exceeds a preset threshold. It can be evaluated as not satisfied. For example, when a predetermined criterion is defined at a ratio of 2%, the model evaluator 1310-5 when the learned data recognition model outputs an incorrect recognition result for more than 20 evaluation data out of a total of 1000 evaluation data. Can be judged that the learned data recognition model is not suitable.
  • the model evaluator 1310-5 evaluates whether each learned speech recognition model satisfies a predetermined criterion, and recognizes the final data as a model that satisfies the predetermined criterion. Can be determined as a model. In this case, when there are a plurality of models satisfying a predetermined criterion, the model evaluator 1310-5 may determine any one or a predetermined number of models that are preset in the order of the highest evaluation score as the final data recognition model.
  • At least one of -5) may be manufactured in the form of at least one hardware chip and mounted on the device 1000.
  • at least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 One may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or may be manufactured as a part of an existing general purpose processor (eg, a CPU or application processor) or a graphics dedicated processor (eg, a GPU). It may be mounted on various devices 1000.
  • AI artificial intelligence
  • the data acquisition unit 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 are one device. It may be mounted on the 1000, or may be mounted on separate devices 1000, respectively. For example, some of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5. May be included in the device 1000, and the remaining part may be included in the server 2000.
  • At least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 may be used. It may be implemented as a software module. At least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 is a software module. (Or a program module including instructions), the software module may be stored in a computer readable non-transitory computer readable media. In this case, at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
  • OS operating system
  • OS operating system
  • some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
  • the processor 1300 may use various data recognition models, and may determine the user's intention, provide related information, and efficiently learn a criterion for recommending an alternative operation through the data recognition model.
  • FIG. 30 is a block diagram of a data recognizer 1320 according to some embodiments.
  • the data recognizer 1320 may include a data acquirer 1320-1, a preprocessor 1320-2, a recognition data selector 1320-3, and a recognition result provider ( 1320-4) and a model updater 1320-5.
  • the data acquirer 1320-1 may acquire data necessary for determining a user's intention, providing related information, and recommending an alternative operation.
  • the preprocessor 1320-2 may provide a user's intention determined, providing related information, and The acquired data may be preprocessed such that the obtained data may be used for recommendation of an alternate operation.
  • the preprocessing unit 1320-2 may preset the acquired data so that the recognition result providing unit 1320-4, which will be described later, may use the acquired data for determining the user's intention, providing related information, and recommending an alternative operation. Can be processed in format.
  • the data acquirer 1320-1 may acquire a voice of a user input to the device 1000.
  • the data acquirer 1320-1 may acquire context information related to the user or the device 1000.
  • the context information may include, for example, at least one of surrounding environment information of the device 1000, state information of the device 1000, state information of the user, usage history information of the device 1000 of the user, and schedule information of the user. It may be, but is not limited thereto. Also, for example, the context information may be information generated by the device 1000 or information received from an external device.
  • the recognition data selector 1320-3 may select data necessary for determining a user's intention, providing related information, and recommending an alternative operation, from the preprocessed data.
  • the selected data may be provided to the recognition result provider 1320-4.
  • the recognition data selector 1320-3 may select some or all of the preprocessed data according to preset criteria for determining a user's intention, providing related information, and recommending an alternative operation.
  • the recognition data selector 1320-3 may select data according to a predetermined criterion by learning by the model learner 1310-4 described above.
  • the recognition result providing unit 1320-4 may apply the selected data to the data recognition model to determine a user's intention, provide related information, and recommend an alternative operation.
  • the recognition result providing unit 1320-4 may provide a recognition result according to a recognition purpose of data.
  • the recognition result provider 1320-4 may apply the selected data to the data recognition model by using the data selected by the recognition data selector 1320-3 as an input value.
  • the recognition result may be determined by the data recognition model.
  • the model updater 1320-5 may cause the data recognition model to be updated based on the evaluation of the recognition result provided by the recognition result provider 1320-4. For example, the model updater 1320-5 provides the model learning unit 1310-4 with the recognition result provided by the recognition result providing unit 1320-4 so that the model learner 1310-4 provides the recognition result.
  • the data recognition model can be updated.
  • the data acquisition unit 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result providing unit 1320-4, and the model updater in the data recognition unit 1320 may be manufactured in the form of at least one hardware chip and mounted on the device 1000.
  • the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5 may be fabricated in the form of a dedicated hardware chip for artificial intelligence (AI), or may be fabricated as part of an existing general purpose processor (e.g., CPU or application processor) or graphics dedicated processor (e.g., GPU). It may be mounted on one of various devices 1000.
  • AI artificial intelligence
  • GPU graphics dedicated processor
  • the data acquisition unit 1320-1, the preprocessor 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updater 1320-5 may be mounted on the device 1000, or may be mounted on separate devices 1000, respectively.
  • the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5 may be included in the device 1000 and others may be included in the server.
  • At least one of the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5 May be implemented as a software module.
  • At least one of the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5 is software.
  • the software module When implemented as a module (or a program module including instructions), the software module may be stored on a computer readable non-transitory computer readable media.
  • at least one software module may be provided by an operating system (OS) or by a predetermined application.
  • some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
  • the device 1000 may provide the user with a service corresponding to the user's intention by using the data recognition model to which the learned result is applied.
  • FIG. 31 illustrates an example in which the device 1000 and the server 2000 learn and recognize data by interworking with each other, according to an exemplary embodiment.
  • the server 2000 may learn a criterion for determining an intention of a user, providing related information, and recommending an alternative operation, and the device 1000 may be based on a learning result by the server 2000.
  • the determination of the intention of the user, the provision of related information, and the recommendation of the alternative operation may be determined.
  • the model learner 2340 of the server 2000 may perform a function of the data learner 1310 illustrated in FIG. 29.
  • the model learner 2340 of the server 2000 may learn a criterion about what data to use for determining a user's intention, providing related information, and recommending an alternative operation.
  • the model learner 2340 of the server may use the data to learn a criterion about how to determine a user's intention, provide related information, and recommend an alternative operation.
  • the model learner 2340 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later, thereby learning criteria for determining a user's intention, providing related information, and recommending an alternative operation. have.
  • the recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model generated by the server 2000 to determine the intention of the user. Providing association information and recommending alternative actions.
  • the recognition result provider 1320-4 transmits the data selected by the recognition data selector 1320-3 to the server 2000, and the server 2000 transmits the recognition data selector 1320-3.
  • the recognition result providing unit 1320-4 may receive information about the intention determination of the user, the provision of related information, and the recommendation of an alternative operation, determined by the server 2000, from the server 2000.
  • the recognition result providing unit 1320-4 of the device 1000 receives a recognition model generated by the server 2000 from the server 2000, and determines the intention of the user and related information using the received recognition model. Providing and recommending alternative actions.
  • the recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model received from the server 2000 to determine the intention of the user. Providing association information and recommending alternative actions.
  • the device 1000 and the server 2000 may effectively distribute and perform a task for learning the data recognition model and data recognition, thereby efficiently processing data in order to provide a service corresponding to the user's intention. To protect the user's privacy.
  • Some embodiments may be implemented as S / W programs that include instructions stored on computer-readable storage media.
  • a computer may be a device capable of calling stored instructions from a storage medium and operating according to the disclosed embodiments according to the called instructions, and may include a device according to the disclosed embodiments or an external server connected to the device. .
  • the computer readable storage medium may be provided in the form of a non-transitory storage medium.
  • “non-transitory” means that the storage medium does not include a signal (signal), current (current), and is tangible, but does not distinguish that the data is stored semi-permanently or temporarily on the storage medium.
  • non-transitory storage media may be stored temporarily such as registers, caches, buffers, as well as non-transitory readable storage media such as CD, DVD, hard disk, Blu-ray disc, USB, internal memory, memory card, ROM, or RAM. Media may be included.
  • the method according to the disclosed embodiments may be provided as a computer program product.
  • the computer program product may include a S / W program, a computer readable storage medium on which the S / W program is stored, or a product traded between a seller and a buyer.
  • a computer program product may include a product (eg, a downloadable app) in the form of a S / W program distributed electronically through a device manufacturer or an electronic market (eg, Google Play Store, App Store).
  • a product eg, a downloadable app
  • an electronic market eg, Google Play Store, App Store
  • at least a part of the S / W program may be stored in a storage medium or temporarily generated.
  • the storage medium may be a server of a manufacturer or an electronic market, or a storage medium of a relay server.
  • unit may be a hardware component such as a processor or a circuit, and / or a software component executed by a hardware component such as a processor.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

Provided are a device and a method for providing a response message to a voice input of a user. The method for providing, by a device, a response message to a voice input of a user comprises the steps of: receiving a voice input of a user; determining a destination of the user and an intention of the user by analyzing the received voice input; acquiring association information related to the destination; generating a response message for recommending an alternative destination related to the intention of the user, on the basis of the acquired association information; and displaying the generated response message.

Description

사용자의 음성 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법 Device and method for providing a response message to a user's voice input
본 개시는 사용자의 음성 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법에 관한 것으로서, 보다 상세하게는, 사용자의 음성 입력에 관련된 동작을 딥러닝 등의 기계 학습 알고리즘을 활용하여 추천하는 디바이스 및 방법에 관한 것으로, 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.The present disclosure relates to a device and a method for providing a response message to a user's voice input, and more particularly, to a device and a method for recommending an operation related to a user's voice input using a machine learning algorithm such as deep learning. The present invention relates to an artificial intelligence (AI) system for simulating functions of cognition, judgment, and the like of the human brain, and an application thereof.
멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 음성 인식 기술이 발전함에 따라, 사용자는 디바이스에 음성을 입력하고, 음성 입력에 따른 디바이스의 동작을 실행할 수 있게 되었다.As multimedia and network technologies have evolved, a user can be provided with various services using a device. In particular, with the development of voice recognition technology, a user can input a voice to a device and execute an operation of the device according to the voice input.
하지만, 종래에는, 사용자의 음성 입력으로부터 사용자의 의도를 정확하게 파악하기 힘든 문제가 있었으며, 사용자의 의도를 파악하더라도 사용자에게 적절한 피드백을 주기 힘든 문제가 있었다. 이에 따라, 사용자의 음성 입력으로부터 사용자의 의도를 파악하고, 사용자가 요청한 동작의 대체 동작을 수행할 것을 사용자에게 효과적으로 추천할 수 있는 기술이 요구되고 있다.However, conventionally, there has been a problem that it is difficult to accurately grasp the user's intention from the user's voice input, and even if it grasps the user's intention, it is difficult to give the user appropriate feedback. Accordingly, there is a demand for a technology that can grasp the user's intention from the user's voice input and effectively recommend to the user to perform an alternative action of the user's request.
특히, 근래에는 인공 지능(예컨대, 딥러닝(Deep learning)) 등의 기술이 발전함으로써, 음성, 이미지, 동영상 또는 텍스트와 같은 데이터를 자동(Automation)으로 인식하여 데이터와 연관된 정보를 제공하거나 데이터와 관련된 서비스를 제공하는 지능형 서비스(Intelligent Service)가 다양한 분야에서 사용되고 있다.In particular, technology such as artificial intelligence (for example, deep learning) has been recently developed to recognize data such as voice, image, video, or text as automation to provide information related to the data, Intelligent services that provide related services are used in various fields.
인공 지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.An artificial intelligence system is a computer system that implements human-level intelligence. Unlike conventional rule-based smart systems, an artificial intelligence system is a machine that learns and judges itself and becomes smart. As the artificial intelligence system is used, the recognition rate is improved and the user's taste can be understood more accurately, and the existing rule-based smart system is gradually replaced by the deep learning-based artificial intelligence system.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.Artificial intelligence technology consists of elementary technologies that utilize machine learning (eg, deep learning) and machine learning.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.Machine learning is an algorithm technology that classifies / learns characteristics of input data by itself, and element technology is a technology that simulates the functions of human brain cognition and judgment by using machine learning algorithms such as deep learning. It consists of technical areas such as understanding, reasoning / prediction, knowledge representation, and motion control.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.The various fields in which artificial intelligence technology is applied are as follows. Linguistic understanding is a technology for recognizing and applying / processing human language / characters and includes natural language processing, machine translation, dialogue system, question and answer, speech recognition / synthesis, and the like. Visual understanding is a technology that recognizes and processes objects as human vision, and includes object recognition, object tracking, image retrieval, person recognition, scene understanding, spatial understanding, and image enhancement. Inference Prediction is a technique for judging, logically inferring, and predicting information. It includes knowledge / probability-based inference, optimization prediction, preference-based planning, and recommendation. Knowledge expression is a technology that automatically processes human experience information into knowledge data, and includes knowledge construction (data generation / classification) and knowledge management (data utilization). Motion control is a technology for controlling autonomous driving of a vehicle and movement of a robot, and includes motion control (navigation, collision, driving), operation control (action control), and the like.
일부 실시예는, 인공지능을 이용하여 사용자의 음성 입력으로부터 사용자의 의도를 파악하고, 사용자가 요청한 동작의 대체 동작을 추천할 수 있는, 사용자의 음성 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법을 제공할 수 있다.Some embodiments provide a device and method for providing a response message to a user's voice input that can use artificial intelligence to determine the user's intent from the user's voice input and recommend an alternative action for the user's requested action. Can provide.
또한, 일부 실시예는, 인공지능을 이용하여 사용자의 음성 입력으로부터 사용자의 의도를 파악하고, 사용자가 요청한 목적지와 유사한 대체 목적지를 추천할 수 있는, 사용자의 음성 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법을 제공할 수 있다.In addition, some embodiments provide a device for providing an answer message to a user's voice input that may use artificial intelligence to determine the user's intent from the user's voice input and recommend an alternative destination similar to the destination requested by the user. And methods.
또한, 일부 실시예는, 인공지능을 이용하여 사용자의 음성 입력으로부터 파악된 사용자의 의도의 실현 가능성에 기초하여, 사용자에게 대체 동작을 추천할 수 있는, 사용자의 음성 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법을 제공할 수 있다.In addition, some embodiments provide an answer message to the user's voice input, which may recommend an alternate action to the user based on the feasibility of the user's intention as identified from the user's voice input using artificial intelligence. A device and method can be provided.
도 1은 일부 실시예에 따른 디바이스(1000)가 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.1 is a diagram illustrating an example in which a device 1000 provides an answer message to a voice input of a user, according to an exemplary embodiment.
도 2는 일부 실시예에 따른, 디바이스(1000)가 사용자의 의도에 관련된 대체 동작을 추천하는 방법의 흐름도이다.2 is a flowchart of a method in which the device 1000 recommends an alternative operation related to a user's intention, according to some embodiments.
도 3은 일부 실시예에 따른 사용자의 의도에 관련된 대체 목적지를 추천하는 방법의 흐름도이다.3 is a flowchart of a method for recommending an alternate destination related to a user's intention in accordance with some embodiments.
도 4는 일부 실시예에 따른 디바이스(1000)가 사용자의 의도를 결정하는 방법의 흐름도이다.4 is a flowchart of a method of determining, by a device, a user's intention in accordance with some embodiments.
도 5는 디바이스(1000)가 사용자의 의도의 실현 가능성에 기초하여 대체 동작을 위한 답변 메시지를 생성하는 방법의 흐름도이다.5 is a flowchart of a method in which the device 1000 generates an answer message for an alternative operation based on the feasibility of a user's intention.
도 6은 일부 실시예에 따른 사용자의 의도의 카테고리, 태스크 타입 및 사용자의 의도에 관한 연관 정보의 예시를 나타내는 테이블을 도시한 도면이다.FIG. 6 is a table illustrating an example of association information about a category of a user's intention, a task type, and a user's intention, according to some embodiments.
도 7은 일부 실시예에 따른 특정 목적지의 영업 시간을 판단하는데 이용되는 데이터 테이블(70)의 예시를 나타내는 도면이다.7 is a diagram illustrating an example of a data table 70 used to determine the business hours of a particular destination, in accordance with some embodiments.
도 8은 일부 실시예에 따른 사용자의 의도의 실현 가능성에 따른 대체 목적지의 예시를 나타내는 도면이다.8 is a diagram illustrating an example of an alternative destination based on the feasibility of a user's intention in accordance with some embodiments.
도 9는 일부 실시예에 따른 디바이스(1000)가 사용자의 의도를 만족시키기 위해 애플리케이션을 실행하고 부가 정보를 제공하는 방법의 흐름도이다.9 is a flowchart of a method in which the device 1000 executes an application and provides additional information to satisfy a user's intention, according to some embodiments.
도 10은 일부 실시예에 따른 디바이스(1000)가 사용자의 의도에 관련된 추가 태스크를 수행하는 방법의 흐름도이다.10 is a flowchart of a method of performing, by a device, an additional task related to a user's intention, according to some embodiments.
도 11은 일부 실시예에 따른 디바이스(1000)가 사용자의 구매 리스트에 기초하여 사용자의 의도에 관련된 부가 정보를 제공하는 예시를 나타내는 도면이다.11 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on a user's purchase list.
도 12는 일부 실시예에 따른 디바이스(1000)가 사용자의 일정 정보에 기초하여 사용자의 의도에 관련된 부가 정보를 제공하는 예시를 나타내는 도면이다.12 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on schedule information of a user.
도 13은 일부 실시예에 따른 디바이스(1000)가 목적지에 위치한 다른 사용자에 관한 정보를 사용자에게 제공하는 예시를 나타내는 도면이다.13 is a diagram illustrating an example in which the device 1000 provides the user with information about another user located at a destination, according to an exemplary embodiment.
도 14는 일부 실시예에 따른 디바이스(1000)가 목적지의 영업일 및 영업 시간을 고려하여 대체 목적지를 추천하는 예시를 나타내는 도면이다.14 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of a business day and a business time of a destination, according to some embodiments.
도 15는 일부 실시예에 따른 디바이스(1000)가 목적지까지의 도착 소요 시간을 고려하여 대체 목적지를 추천하는 예시를 나타내는 도면이다.15 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of an arrival time to a destination, according to an exemplary embodiment.
도 16은 일부 실시예에 따른 디바이스(1000)가 목적지 또는 대체 목적지에 관련된 주차 정보를 제공하는 예시를 나타내는 도면이다.16 is a diagram illustrating an example in which the device 1000 provides parking information related to a destination or an alternative destination, according to some embodiments.
도 17은 일부 실시예에 따른 디바이스(1000)가 목적지 또는 대체 목적지에 관련된 주차 정보 및 추가 태스크를 추천하는 예시를 나타내는 도면이다.17 is a diagram illustrating an example in which the device 1000 recommends parking information and additional tasks related to a destination or an alternative destination, according to an exemplary embodiment.
도 18은 일부 실시예에 따른 디바이스(1000)가 목적지에서 출발하는 배 시간표를 부가 정보로 제공하는 예시를 나타내는 도면이다.18 is a diagram illustrating an example in which the device 1000 provides, as additional information, a ship timetable departing from a destination, according to some embodiments.
도 19는 일부 실시예에 따른 디바이스(1000)가 목적지의 시설을 이용하기 위한 대기 시간에 기초하여, 주변의 다른 관광지를 대체 목적지를 추천하는 예시를 나타내는 도면이다.19 is a diagram illustrating an example in which the device 1000 recommends an alternative destination to another nearby tourist destination based on a waiting time for using the facility of the destination, according to an exemplary embodiment.
도 20은 일부 실시예에 따른 디바이스(1000)가 음식 주문을 하고자 하는 사용자의 의도에 대응되는 답변 메시지를 제공하는 예시를 나타내는 도면이다.20 is a diagram illustrating an example in which the device 1000 provides an answer message corresponding to a user's intention to order food.
도 21은 일부 실시예에 따른 디바이스(1000)가 특정 장소에 관한 사용자의 문의에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.21 is a diagram illustrating an example in which the device 1000 provides an answer message to a user's inquiry about a specific place, according to an exemplary embodiment.
도 22는 일부 실시예에 따른 디바이스(1000)가 특정 장소에 전화하고자 하는 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.22 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to call a specific place, according to an exemplary embodiment.
도 23은 일부 실시예에 따른 디바이스(1000)가 헤어 샵의 서비스를 예약하고자 하는 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.FIG. 23 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to reserve a service of a hair shop, according to an exemplary embodiment.
도 24는 일부 실시예에 따른 디바이스(1000)가 서버(2000)와 연동함으로써, 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.24 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user by interworking with the server 2000, according to an exemplary embodiment.
도 25 및 도 26은 일부 실시예에 따른 디바이스(1000)의 블록도이다.25 and 26 are block diagrams of the device 1000 in accordance with some embodiments.
도 27은 일부 실시예에 따른 서버(2000)의 블록도이다.27 is a block diagram of a server 2000 in accordance with some embodiments.
도 28은 일부 실시예에 따른 프로세서(1300)의 블록도이다.28 is a block diagram of a processor 1300 in accordance with some embodiments.
도 29는 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.29 is a block diagram of a data learner 1310, according to some embodiments.
도 30은 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.30 is a block diagram of a data recognizer 1320 according to some embodiments.
도 31는 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.FIG. 31 illustrates an example in which the device 1000 and the server 2000 learn and recognize data by interworking with each other, according to an exemplary embodiment.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제 1 측면은 적어도 하나의 프로그램이 저장되는 메모리; 사용자의 음성 입력을 수신하는 마이크로폰; 및 상기 적어도 하나의 프로그램을 실행함으로써 상기 사용자의 음성 입력에 대한 답변 메시지를 제공하도록 하는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로그램은, 상기 수신된 음성 입력을 분석함으로써, 상기 사용자의 목적지 및 상기 사용자의 의도를 결정하는 단계; 상기 목적지에 관련된 연관 정보를 획득하는 단계; 상기 획득된 연관 정보에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 단계; 및 상기 생성된 답변 메시지를 디스플레이하는 단계:를 실행하는 명령어들을 포함하는 것을 특징으로 하는, 디바이스를 제공할 수 있다.Technical means for achieving the above-described technical problem, the first aspect of the present disclosure comprises a memory in which at least one program is stored; A microphone for receiving a voice input of a user; And at least one processor configured to provide an answer message to the user's voice input by executing the at least one program, wherein the at least one program analyzes the received voice input, thereby providing a destination for the user. Determining the intention of the user; Obtaining association information related to the destination; Generating an answer message recommending an alternative destination related to the user's intention based on the obtained related information; And displaying the generated reply message: instructions for executing the device.
또한, 본 개시의 제 2 측면은, 사용자의 음성 입력을 수신하는 단계; 상기 수신된 음성 입력을 분석함으로써, 상기 사용자의 목적지 및 상기 사용자의 의도를 결정하는 단계; 상기 목적지에 관련된 연관 정보를 획득하는 단계; 상기 획득된 연관 정보에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 단계; 및 상기 생성된 답변 메시지를 디스플레이하는 단계:를 포함하는, 디바이스가 사용자의 음성 입력에 대한 답변 메시지를 제공하는 방법을 제공할 수 있다.In addition, a second aspect of the present disclosure, a method for receiving a voice input of a user; Determining the destination of the user and the intention of the user by analyzing the received voice input; Obtaining association information related to the destination; Generating an answer message recommending an alternative destination related to the user's intention based on the obtained related information; And displaying the generated reply message: may provide a method for a device to provide an answer message to a voice input of a user.
또한, 본 개시의 제 3 측면은, 제 2 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.The third aspect of the present disclosure may also provide a computer readable recording medium having recorded thereon a program for executing the method of the second aspect on a computer.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. As those skilled in the art would realize, the described embodiments may be modified in various different ways, all without departing from the spirit or scope of the present invention. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and like reference numerals designate like parts throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is "connected" to another part, this includes not only "directly connected" but also "electrically connected" with another element in between. . In addition, when a part is said to "include" a certain component, which means that it may further include other components, except to exclude other components unless otherwise stated.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.
도 1은 일부 실시예에 따른 디바이스(1000)가 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.1 is a diagram illustrating an example in which a device 1000 provides an answer message to a voice input of a user, according to an exemplary embodiment.
도 1을 참조하면, 사용자는 디바이스(1000)에 음성 입력을 입력할 수 있으며, 디바이스(1000)는 사용자의 음성 입력에 기초하여 사용자의 의도를 파악하고, 사용자의 의도에 부합하는 답변 메시지를 제공할 수 있다. 디바이스(1000)는 사용자의 의도가 실현될 수 있는지를 판단할 수 있으며, 사용자의 의도가 실현되기 힘들다고 판단되면, 사용자의 의도를 대체할 수 있는 동작을 추천할 수 있다.Referring to FIG. 1, a user may input a voice input to the device 1000, and the device 1000 may grasp the user's intention based on the user's voice input and provide an answer message corresponding to the user's intention. can do. The device 1000 may determine whether the user's intention can be realized, and if it is determined that the user's intention is difficult to be realized, the device 1000 may recommend an operation that may replace the user's intention.
또한, 디바이스(1000)는 사용자에 관련된 컨텍스트 정보, 사용자의 음성 입력에 포함된 특정 장소에 관한 컨텍스트 정보 등을 활용하여, 사용자의 의도를 파악할 수 있으며, 사용자의 의도가 실현될 수 있는 지를 판단할 수 있다. 또한, 디바이스(1000)는 사용자에 관련된 컨텍스트 정보, 사용자의 음성 입력에 포함된 특정 장소에 관한 컨텍스트 정보 등을 활용하여, 사용자의 의도를 대체할 수 있는 동작을 추천할 수 있으며, 사용자의 의도에 관련된 부가 정보를 제공할 수 있다.In addition, the device 1000 may determine the intention of the user by using context information related to the user, context information about a specific place included in the user's voice input, and determine whether the user's intention may be realized. Can be. In addition, the device 1000 may recommend an operation that may replace the intention of the user by using context information related to the user, context information about a specific place included in the user's voice input, and the like. Related additional information may be provided.
컨텍스트 정보는, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)의 상태 정보, 사용자의 상태 정보, 사용자의 디바이스(1000) 사용 이력 정보 및 사용자의 일정 정보 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 디바이스(1000)의 주변 환경 정보는, 디바이스(1000)로부터 소정 반경 내의 환경 정보를 의미하는 것으로서, 예를 들어, 날씨 정보, 온도 정보, 습도 정보, 조도 정보, 소음 정보, 소리 정보 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 디바이스(1000)의 상태 정보는, 디바이스(1000)의 모드 정보(예컨대, 소리 모드, 진동 모드, 무음 모드, 절전 모드, 차단 모드, 멀티 윈도우 모드, 자동 회전 모드 등), 디바이스(1000)의 위치 정보, 시간 정보, 통신 모듈의 활성화 정보(예컨대, Wi-Fi ON / Bluetooth OFF / GPS ON/ NFC ON 등), 디바이스(1000)의 네트워크 접속 상태 정보, 디바이스(1000)에서 실행되는 애플리케이션 정보(예컨대, 애플리케이션의 식별 정보, 애플리케이션 종류, 애플리케이션 이용 시간, 애플리케이션 이용 주기) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. 사용자의 상태 정보는 사용자의 움직임, 생활 패턴 등에 관한 정보로서, 사용자의 걷는 상태, 운동하는 상태, 운전 중인 상태, 수면 상태, 사용자의 기분 상태 등에 관한 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다. 사용자의 디바이스(1000) 사용 이력 정보는, 사용자가 디바이스()를 이용한 이력에 관한 정보로서, 애플리케이션의 실행 이력, 애플리케이션에서 실행된 기능의 이력, 사용자의 통화 내역, 및 사용자의 문자 내역 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.The context information may include at least one of surrounding environment information of the device 1000, state information of the device 1000, state information of the user, usage history information of the device 1000 of the user, and schedule information of the user. It is not limited. The environment information of the device 1000 refers to environment information within a predetermined radius from the device 1000, and may include, for example, weather information, temperature information, humidity information, illuminance information, noise information, sound information, and the like. It may be, but is not limited thereto. The state information of the device 1000 may include mode information of the device 1000 (for example, a sound mode, a vibration mode, a silent mode, a power saving mode, a blocking mode, a multi window mode, an automatic rotation mode, and the like), and a location of the device 1000. Information, time information, activation information of the communication module (for example, Wi-Fi ON / Bluetooth OFF / GPS ON / NFC ON, etc.), network connection status information of the device 1000, application information (for example, executed in the device 1000) , Application identification information, application type, application usage time, application usage cycle), and the like, but is not limited thereto. The user's state information is information about a user's movement, lifestyle, and the like, and may include information about a user's walking state, exercise state, driving state, sleep state, and user's mood state, but is not limited thereto. . The usage history information of the device 1000 of the user is information about a history of the user using the device, and includes an execution history of the application, a history of functions executed in the application, a call history of the user, and a text history of the user. It may be, but is not limited thereto.
디바이스(1000)는, 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 디바이스(1000)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다. 그러나, 이에 제한되지 않으며, 디바이스(1000)는 사용자의 음성 입력을 수신하고, 사용자에게 답변 메시지를 제공할 수 있는 모든 종류의 기기를 포함할 수 있다.The device 1000 may be a smart phone, a tablet PC, a PC, a smart TV, a mobile phone, a personal digital assistant (PDA), a laptop, a media player, a micro server, a global positioning system (GPS) device, an e-book device, a digital broadcasting terminal, Navigation, kiosks, MP3 players, digital cameras, home appliances, and other mobile or non-mobile computing devices. In addition, the device 1000 may be a wearable device such as a watch, glasses, a hair band, and a ring having a communication function and a data processing function. However, the present invention is not limited thereto, and the device 1000 may include all kinds of devices capable of receiving a user's voice input and providing an answer message to the user.
또한, 디바이스(1000)는 다양한 컨텍스트 정보를 이용하기 위하여, 소정의 네트워크를 통하여 서버(2000) 및 다른 장치(미도시)와 통신할 수 있다. 이 경우, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 및 이들의 상호 조합을 포함하며, 각 네트워크 구성 주체가 서로 원활하게 통신을 할 수 있도록 하는 포괄적인 의미의 데이터 통신망이며, 유선 인터넷, 무선 인터넷 및 모바일 무선 통신망을 포함할 수 있다. 무선 통신은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.In addition, the device 1000 may communicate with the server 2000 and another device (not shown) through a predetermined network in order to use various context information. In this case, the network may include a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, a satellite communication network, and their interconnections. It is a comprehensive data communication network that includes a combination and allows each network component to communicate smoothly with each other. The network communication device may include a wired internet, a wireless internet, and a mobile wireless communication network. Wireless communication includes, for example, wireless LAN (Wi-Fi), Bluetooth, Bluetooth low energy, Zigbee, Wi-Fi Direct (WFD), ultra wideband (UWB), infrared communication (IrDA) ), But may include Near Field Communication (NFC), but is not limited thereto.
도 2는 일부 실시예에 따른, 디바이스(1000)가 사용자의 의도에 관련된 대체 동작을 추천하는 방법의 흐름도이다.2 is a flowchart of a method in which the device 1000 recommends an alternative operation related to a user's intention, according to some embodiments.
동작 S200에서 디바이스(1000)는 사용자의 음성 입력을 수신할 수 있다. 디바이스(1000)는 사용자의 음성 입력에 기초하여 디바이스(1000)의 동작을 수행하는 애플리케이션을 실행할 수 있으며, 실행된 애플리케이션을 통하여 사용자의 음성 입력을 수신할 수 있다. 디바이스(1000)는, 예를 들어, “S 보이스”와 같은 보이스 어시스턴트 애플리케이션 (Voice Assistant Application)을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크를 통하여 입력되는 사용자의 음성 입력을 수신할 수 있다.In operation S200, the device 1000 may receive a voice input of a user. The device 1000 may execute an application that performs the operation of the device 1000 based on the voice input of the user, and may receive the voice input of the user through the executed application. For example, the device 1000 may receive a voice input of a user input through a microphone by executing a voice assistant application such as “S Voice” and controlling the executed application.
동작 S210에서 디바이스(1000)는 사용자의 음성 입력에 기초하여, 사용자의 의도를 결정할 수 있다. 디바이스(1000)는 사용자의 음성 입력을 다양한 자연어 해석 기법을 이용하여 해석할 수 있으며, 사용자의 음성 입력의 의미에 기초하여 사용자의 의도를 결정할 수 있다. 또한, 디바이스(1000)는 사용자에 관련된 컨텍스트 정보를 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 디바이스(1000)는 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역 등을 고려하여, 사용자의 의도를 결정할 수 있다. 예를 들어, 디바이스(1000)는 특정 장소에서 쇼핑하기 위하여 특정 장소로 길 안내를 요청하는 사용자의 의도를 결정할 수 있다. 또한, 예를 들어, 디바이스(1000)는 특정 장소에서 미팅하기 위하여 특정 장소로 길 안내를 요청하는 사용자의 의도를 결정할 수 있다. 또한, 예를 들어, 디바이스(1000)는 특정 음식을 주문하기 위한 사용자의 의도를 결정할 수 있다. 그러나, 디바이스(1000)에 의해 결정되는 사용자의 의도는 이에 제한되지 않는다.In operation S210, the device 1000 may determine the user's intention based on the user's voice input. The device 1000 may interpret the user's voice input using various natural language analysis techniques, and determine the user's intention based on the meaning of the user's voice input. In addition, the device 1000 may determine the intention of the user using context information related to the user. For example, the device 1000 may determine the intention of the user in consideration of the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, and the like. For example, the device 1000 may determine the intention of the user requesting directions to a specific place in order to shop at the specific place. Also, for example, the device 1000 may determine the intention of the user requesting directions to a specific place in order to meet at a specific place. Also, for example, the device 1000 may determine a user's intention to order a particular food. However, the intention of the user determined by the device 1000 is not limited thereto.
사용자의 음성 입력의 의미에 따른 사용자의 의도를 파악함에 있어서, 사용자의 컨텍스트 정보가 이용될 수 있다. 또한, 음성 입력의 의미에 따라 어떠한 컨텍스트 정보가 이용될 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 소정의 음성 입력 및 소정의 컨텍스트 정보를 입력 값으로 하는 지도 학습(supervised learning), 별다른 지도없이 사용자의 의도 파악을 위해 필요한 컨텍스트 정보의 종류를 스스로 학습함으로써, 사용자의 의도 파악을 위한 패턴을 발견하는 비지도 학습(unsupervised learning)이 사용자의 의도 파악에 이용될 수 있다. 또한, 예를 들어, 학습에 따른 사용자의 의도 파악의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)이 사용자의 의도 파악에 이용될 수 있다.In determining the user's intention according to the meaning of the user's voice input, context information of the user may be used. In addition, what context information is used according to the meaning of the voice input may be determined according to learning based on preset criteria. For example, supervised learning that takes a predetermined voice input and predetermined context information as an input value, and learns the kind of context information necessary for grasping the user's intention without any guidance, thereby identifying the intention of the user. Unsupervised learning that finds a pattern can be used to determine the user's intent. In addition, for example, reinforcement learning that uses feedback on whether the result of the user's intention grasping according to the learning is correct may be used to grasp the user's intention.
동작 S220에서 디바이스(1000)는 사용자의 의도에 관련된 연관 정보를 획득할 수 있다. 디바이스(1000)는 사용자의 의도를 실현시킬 수 있는 지를 판단하기 위하여 사용자의 의도에 관련된 연관 정보들을 수집할 수 있다. 예를 들어, 디바이스(1000)는 특정 장소의 영업 시간, 특정 장소의 주차 상황, 특정 시설의 시설 이용 시간 및 특정 장소로의 교통 상황 등에 관한 정보를 획득할 수 있다.In operation S220, the device 1000 may obtain related information related to a user's intention. The device 1000 may collect related information related to the intention of the user in order to determine whether the intention of the user can be realized. For example, the device 1000 may obtain information about a business time of a specific place, a parking situation of a specific place, a facility use time of a specific facility, and a traffic situation to a specific place.
사용자의 의도와 관련하여 어떠한 연관 정보가 필요한 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)이 연관 정보의 획득에 이용될 수 있다. What association information is needed in relation to the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to obtain association information.
동작 S230에서 디바이스(1000)는 사용자의 의도를 만족시키기 위한 대체 동작을 추천할 수 있다. 디바이스(1000)는 연관 정보를 이용하여 사용자의 의도가 실현될 수 있는지를 판단할 수 있으며, 판단 결과에 기초하여 사용자의 의도를 만족시키기 위한 대체 동작을 추천할 수 있다. 예를 들어, A 백화점으로 쇼핑을 위하여 길 안내를 요청하는 사용자의 의도가 실현되기 힘든 경우에, 디바이스(1000)는 A 백화점 주변의 B 백화점으로 길 안내를 하는 대체 동작을 사용자에게 추천할 수 있다.In operation S230, the device 1000 may recommend an alternative operation for satisfying the intention of the user. The device 1000 may determine whether the user's intention can be realized using the related information, and recommend an alternative operation for satisfying the user's intention based on the determination result. For example, when a user's intention of requesting directions for shopping at a department store is difficult to be realized, the device 1000 may recommend an alternative operation of providing the user to a B department store near the department store A to the user. .
사용자의 의도를 만족시키기 위하여 어떠한 대체 동작이 필요한 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)이 대체 동작의 결정에 이용될 수 있다.What alternative action is required to satisfy the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to determine alternative behavior.
또한, 디바이스(1000)는 대체 동작을 추천하는 답변 메시지를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 또한, 디바이스(1000)는 사용자의 의도에 관련된 추가 동작 및 부가 정보를 사용자에게 제공할 수 있다.In addition, the device 1000 may display an answer message recommending an alternative operation on the screen of the device 1000. In addition, the device 1000 may provide the user with additional operations and additional information related to the user's intention.
상기에서는, 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득 및 대체 동작의 추천이 각각 별개의 학습에 기초하여 수행되는 것으로 설명되었지만, 이에 제한되지 않는다. 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득 및 대체 동작의 추천 중 적어도 둘 이상이 하나의 학습 모델에 의해 수행될 수도 있다.In the above, it has been described that the intention of the user, the acquisition of related information related to the intention of the user, and the recommendation of the alternate action are performed based on separate learning, but are not limited thereto. At least two or more of grasping the intention of the user, obtaining related information related to the intention of the user, and recommending an alternative operation may be performed by one learning model.
또한, 예를 들어, 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득 및 대체 동작의 추천이 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.In addition, for example, grasping the intention of the user, obtaining related information related to the intention of the user, and recommending an alternative operation may be performed based on learning according to deep neural network technology.
구체적으로 디바이스(1000)는 사용자의 음성 입력에 대한 해석 결과(예컨대 텍스트 정보) 및 사용자의 컨텍스트 정보(예컨대 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역 등)를 통신부를 통해 서버로 전송하고, 서버는 심층신경망 기술을 이용하여 사용자의 의도를 파악하고, 사용자의 의도에 관련된 연관 정보를 획득 및 대체 동작을 추천하여 디바이스(1000)로 전송할 수 있다.In detail, the device 1000 may analyze an analysis result (eg, text information) of the user's voice input and context information (eg, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user). Details, etc.) to the server through the communication unit, the server may identify the intention of the user by using the deep neural network technology, and may obtain related information related to the intention of the user and recommend the operation of obtaining and replacing the same to the device 1000. .
도 3은 일부 실시예에 따른 사용자의 의도에 관련된 대체 목적지를 추천하는 방법의 흐름도이다.3 is a flowchart of a method for recommending an alternate destination related to a user's intention in accordance with some embodiments.
동작 S300에서, 디바이스(1000)는 사용자의 음성 입력을 수신할 수 있다. 디바이스(1000)는, 예를 들어, “S 보이스”와 같은 보이스 어시스턴트 애플리케이션 (Voice Assistant Application)을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크를 통하여 입력되는 사용자의 음성 입력을 수신할 수 있다. 예를 들어, 디바이스(1000)는 “강남 A 백화점으로 안내해 줘”라는 사용자의 음성 입력을 수신할 수 있다.In operation S300, the device 1000 may receive a voice input of the user. For example, the device 1000 may receive a voice input of a user input through a microphone by executing a voice assistant application such as “S Voice” and controlling the executed application. For example, the device 1000 may receive a voice input of a user, “Guide to Gangnam A department store”.
동작 S310에서 디바이스(1000)는 사용자의 목적지 및 사용자의 의도를 결정할 수 있다. 디바이스(1000)는 기 설정된 기준에 따른 학습 결과에 기초하여 사용자의 목적지 및 사용자의 의도를 결정할 수 있다. In operation S310, the device 1000 may determine the user's destination and the user's intention. The device 1000 may determine the user's destination and the user's intention based on a learning result according to a preset criterion.
디바이스(1000)는 다양한 자연어 해석 기법을 이용하여, 사용자의 음성 입력을 해석할 수 있다. 예를 들어, 디바이스(1000)는 “강남 A 백화점으로 안내해 줘”라는 사용자의 음성 입력을 해석함으로써, 사용자가 강남 A 백화점으로 길 안내를 요청함을 결정할 수 있다.The device 1000 may interpret the voice input of the user by using various natural language analysis techniques. For example, the device 1000 may determine that the user requests directions to the Gangnam A department store by interpreting a voice input of the user “Guide to the Gangnam A department store”.
또한, 디바이스(1000)는 사용자의 컨텍스트 정보를 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 디바이스(1000)는, 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역, 특정 장소를 방문한 이력, 사용자의 웹 서치 이력, 특정 장소에서의 결제 이력 등을 고려하여, 사용자의 의도를 결정할 수 있다. 예를 들어, 디바이스(1000)의 스케줄 애플리케이션을 통해 기록된 일정 정보 내에, 사용자의 음성 입력이 입력된 날짜에 쇼핑을 하기 위한 일정이 기록되어 있는 경우에, 디바이스(1000)는 사용자가 강남 A 백화점에서 쇼핑을 하기 위하여 길 안내를 요청하는 것으로 사용자의 의도를 결정할 수 있다.In addition, the device 1000 may determine the intention of the user by using context information of the user. For example, the device 1000 may include a user's history of using the device 1000, a user's schedule information, a user's call history, a user's text history, a history of visiting a specific place, a user's web search history, and a specific location. The intention of the user may be determined in consideration of the payment history and the like. For example, when a schedule for shopping on a date on which a voice input of a user is input is recorded in the schedule information recorded through the schedule application of the device 1000, the device 1000 may indicate that the user has a Gangnam A department store. Requesting directions to shop at may determine the user's intention.
사용자의 음성 입력의 의미에 따른 사용자의 목적지 및 사용자의 의도를 파악함에 있어서, 어떠한 컨텍스트 정보가 이용될 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 소정의 음성 입력 및 소정의 컨텍스트 정보를 입력 값으로 하는 지도 학습(supervised learning), 별다른 지도없이 사용자의 의도 파악을 위해 필요한 컨텍스트 정보의 종류를 스스로 학습함으로써, 사용자의 의도 파악을 위한 패턴을 발견하는 비지도 학습(unsupervised learning)이 사용자의 의도 파악에 이용될 수 있다. 또한, 예를 들어, 학습에 따른 사용자의 의도 파악의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)이 사용자의 의도 파악에 이용될 수 있다.In determining the user's destination and the user's intention according to the meaning of the user's voice input, which context information is used may be determined according to learning based on preset criteria. For example, supervised learning that takes a predetermined voice input and predetermined context information as an input value, and learns the kind of context information necessary for grasping the user's intention without any guidance, thereby identifying the intention of the user. Unsupervised learning that finds a pattern can be used to determine the user's intent. In addition, for example, reinforcement learning that uses feedback on whether the result of the user's intention grasping according to the learning is correct may be used to grasp the user's intention.
동작 S320에서 디바이스(1000)는 목적지에 관련된 연관 정보를 획득할 수 있다. 디바이스(1000)는 사용자의 의도가 실현 가능한지를 판단하기 위하여, 목적지에 관련된 연관 정보를 획득할 수 있다. 예를 들어, 사용자의 의도가 사용자가 강남 A 백화점에서 쇼핑을 하기 위하여 길 안내를 요청하는 것인 경우에, 디바이스(1000)는 A 백화점의 영업 시간, A 백화점의 주차 상황, A 백화점의 물품 재고 상황, A 백화점의 할인 정보 및 A 백화점으로의 교통 상황 등에 관한 정보를 획득할 수 있다.In operation S320, the device 1000 may obtain related information related to the destination. The device 1000 may obtain relevant information related to the destination in order to determine whether the user's intention is feasible. For example, if the intention of the user is that the user requests directions for shopping in the Gangnam A department store, the device 1000 may open the opening hours of the department store A, the parking situation of the department store A, the inventory of the department store A. Information about the situation, discount information of the A department store, and traffic conditions to the A department store can be obtained.
사용자의 의도와 관련하여 어떠한 연관 정보가 필요한 지를 결정하고 사용자의 의도의 실현 가능성을 판단하는 것은 기 설정된 기준에 의한 학습에 따라 수행될 수 있다. 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)이 연관 정보의 획득 및 실현 가능성의 판단에 이용될 수 있다. Determining what association information is required in relation to the intention of the user and determining the feasibility of the intention of the user may be performed according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning, and reinforcement learning can be used to obtain relevant information and determine feasibility.
동작 S330에서 디바이스(1000)는 사용자의 의도와 관련된 대체 목적지를 추천할 수 있다. 디바이스(1000)는 연관 정보를 이용하여, 사용자의 의도의 실현 가능성을 판단할 수 있다. 또한, 디바이스(1000)는 사용자의 의도의 실현 가능성이 기 설정된 수치 이하인 경우에, 사용자의 의도를 만족시키기 위한 대체 목적지를 추천할 수 있다. 예를 들어, 강남 A 백화점이 영업을 하지 않거나 강남 A 백화점에 사용자가 구매하고자 하는 물품이 없는 경우에, 디바이스(1000)는 도곡 B 백화점을 대체 목적지로 추천할 수 있다. 또한, 디바이스(1000)는 대체 목적지로 길 안내를 할지를 사용자에게 문의하는 답변 메시지를 생성하고, 생성된 답변 메시지를 디바이스(1000)의 화면 상에 디스플레이할 수 있다.In operation S330, the device 1000 may recommend an alternative destination related to the user's intention. The device 1000 may determine the feasibility of the user's intention using the related information. In addition, when the feasibility of the user's intention is less than or equal to a preset value, the device 1000 may recommend an alternative destination for satisfying the user's intention. For example, when the Gangnam A department store is not open or there is no item that the user wants to purchase in the Gangnam A department store, the device 1000 may recommend the Dogok B department store as an alternative destination. In addition, the device 1000 may generate an answer message for inquiring the user of the way to the alternative destination, and display the generated reply message on the screen of the device 1000.
사용자의 의도를 만족시키기 위하여 어떤 대체 목적지를 결정할 지는 기 설정된 기준에 의한 학습에 따라 결정될 수 있다. 예를 들어, 지도 학습(supervised learning), 비지도 학습(unsupervised learning) 및 강화 학습(reinforcement learning)이 대체 목적지의 결정에 이용될 수 있다. Which alternative destination is determined to satisfy the user's intention may be determined according to learning based on predetermined criteria. For example, supervised learning, unsupervised learning and reinforcement learning can be used to determine alternative destinations.
상기에서는, 사용자의 목적지 및 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득, 사용자의 의도의 실현 가능성 판단 및 대체 목적지의 추천이 각각 별개의 학습에 기초하여 수행되는 것으로 설명되었지만, 이에 제한되지 않는다. 사용자의 목적지 및 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득, 사용자의 의도의 실현 가능성 판단 및 대체 목적지의 추천 중 적어도 둘 이상이 하나의 학습 모델에 의해 수행될 수도 있다.In the above, it has been described that the determination of the destination of the user and the intention of the user, the acquisition of related information related to the intention of the user, the determination of the feasibility of the user's intention, and the recommendation of the alternative destination are performed based on separate learning, but is not limited thereto. It doesn't work. At least two or more of determining the destination of the user and the intention of the user, obtaining related information related to the intention of the user, determining the feasibility of the user's intention, and recommending an alternative destination may be performed by one learning model.
또한, 예를 들어, 사용자의 목적지 및 사용자의 의도 파악, 사용자의 의도에 관련된 연관 정보의 획득, 사용자의 의도의 실현 가능성 판단 및 대체 목적지의 추천이 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.In addition, for example, determining the user's destination and the user's intention, obtaining relevant information related to the user's intention, determining the feasibility of the user's intention, and recommending an alternative destination are necessary for learning according to deep neural network technology. Can be performed based on this.
구체적으로 디바이스(1000)는 사용자의 음성 입력에 대한 해석 결과(예컨대 텍스트 정보) 및 사용자의 컨텍스트 정보(예컨대 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역 등)를 통신부를 통해 서버로 전송하고, 서버는 심층신경망 기술을 이용하여 사용자의 목적지 및 사용자의 의도를 파악하고, 사용자의 의도의 실현 가능성 판단 및 대체 목적지 정보를 디바이스(1000)로 전송할 수 있다.In detail, the device 1000 may analyze an analysis result (eg, text information) of the user's voice input and context information (eg, a history of the user using the device 1000, a schedule of the user, a call history of the user, and a text of the user). Details, etc.) to the server through the communication unit, and the server may determine the user's destination and the user's intention using the deep neural network technology, and determine the feasibility of the user's intention and transmit the alternative destination information to the device 1000. have.
도 4는 일부 실시예에 따른 디바이스(1000)가 사용자의 의도를 결정하는 방법의 흐름도이다.4 is a flowchart of a method of determining, by a device, a user's intention in accordance with some embodiments.
동작 S400에서 디바이스(1000)는 사용자의 음성 입력을 수신할 수 있으며, 동작 S410에서 디바이스(1000)는 사용자의 컨텍스트 정보를 획득할 수 있다. 디바이스(1000)는, 예를 들어, 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역, 특정 장소를 방문한 이력, 사용자의 웹 서치 이력, 특정 장소에서의 결제 이력 등을 획득할 수 있다.In operation S400, the device 1000 may receive a voice input of the user, and in operation S410, the device 1000 may obtain context information of the user. The device 1000 may include, for example, a history of a user using the device 1000, a schedule information of the user, a call history of the user, a text history of the user, a history of visiting a specific place, a web search history of the user, a specific place, and the like. Payment history and the like can be obtained.
동작 S420에서 디바이스(1000)는 사용자의 의도의 카테고리를 결정할 수 있다. 디바이스(1000)는 사용자의 음성 입력을 STT(Speech To Text) 변환함으로써 텍스트를 획득할 수 있다. 또한, 디바이스(1000)는 획득된 텍스트의 의미를 자연어 해석 기법을 이용하여 파악함으로써 사용자의 의도의 카테고리를 결정할 수 있다. 사용자의 의도의 카테고리는, 기 설정된 기준에 따른 학습에 기초하여 분류될 수 있다. 예를 들어, 디바이스(1000)는 사용자의 입력 음성으로부터 사용자의 의도의 카테고리가 ‘길 안내’ 또는 ‘음식 주문’임을 결정할 수 있다. 그러나, 카테고리의 종류는 이에 제한되지 않는다. 또한, 디바이스(1000)는 사용자의 컨텍스트 정보를 이용하여 사용자의 의도의 카테고리를 결정할 수 있다.In operation S420, the device 1000 may determine a category of the intention of the user. The device 1000 may obtain text by converting a voice input of a user into speech to text (STT). In addition, the device 1000 may determine the category of the intention of the user by grasping the meaning of the obtained text using a natural language analysis technique. Categories of the intention of the user may be classified based on learning according to preset criteria. For example, the device 1000 may determine that the category of the intention of the user is 'route guidance' or 'food order' from the input voice of the user. However, the type of category is not limited thereto. In addition, the device 1000 may determine a category of the intention of the user by using context information of the user.
동작 S430에서 디바이스(1000)는 카테고리의 태스크 타입을 결정할 수 있다. 카테고리의 태스크 타입은 기 설정된 기준에 따른 학습에 기초하여 분류될 수 있으며, 해당 카테고리의 사용자 의도에 따른 태스크의 종류를 나타낼 수 있다. 예를 들어, 사용자의 의도의 카테고리가 ‘길 안내’인 경우에, 태스크 타입은 ‘쇼핑’ 또는 ‘미팅’일 수 있다. 그러나, 태스크 타입의 예는 이에 제한되지 않는다. 디바이스(1000)는 사용자의 입력 음성으로부터 변환된 텍스트의 의미 및 사용자의 컨텍스트 정보를 이용하여 태스크 타입을 결정할 수 있다. 예를 들어, 디바이스(1000)는 사용자의 통화 내역, 문자 내역 또는 일정 정보를 이용하여 태스크 타입을 결정할 수 있다. 예를 들어, 사용자의 음성 입력이 수신된 날짜에 사용자가 쇼핑을 할 것이라는 메모가 칼렌더 애플리케이션에 기록되어 있다면, 디바이스(1000)는 칼렌더 애플리케이션에 기록된 메모를 고려하여, 사용자의 태스크 타입이 ‘쇼핑’임을 결정할 수 있다.In operation S430, the device 1000 may determine a task type of the category. A task type of a category may be classified based on learning based on a preset criterion, and may indicate a kind of task according to a user's intention of the corresponding category. For example, if the category of the user's intention is 'route', the task type may be 'shopping' or 'meeting'. However, examples of task types are not limited thereto. The device 1000 may determine the task type by using the meaning of the text converted from the input voice of the user and the context information of the user. For example, the device 1000 may determine the task type by using the call history, text history or schedule information of the user. For example, if a note is recorded in the calendar application that the user is going to shop on the date that the voice input of the user is received, the device 1000 considers the note recorded in the calendar application, and the user's task type is 'shopping'. Can be determined.
동작 S430에서 디바이스(1000)는 사용자의 목적지를 결정할 수 있다. 디바이스(1000)는 사용자의 입력 음성으로부터 변환된 텍스트의 의미에 기초하여 사용자의 목적지를 결정할 수 있다. 예를 들어, 디바이스(1000)는 “강남 A 백화점으로 안내해 줘”라는 사용자의 음성 입력을 해석함으로써, 사용자의 목적지가 ‘강남 A 백화점’임을 결정할 수 있다.In operation S430, the device 1000 may determine a destination of the user. The device 1000 may determine the user's destination based on the meaning of the text converted from the user's input voice. For example, the device 1000 may determine that the user's destination is 'Gangnam A department store' by interpreting a user's voice input “Guide to Gangnam A department store”.
동작 S440에서 디바이스(1000)는 사용자의 의도를 결정할 수 있다. 디바이스(1000)는 동작 S420 내지 동작 S440에 기초하여, 사용자가 쇼핑을 하기 위하여 강남 A 백화점으로 길 안내를 요청함을 결정할 수 있다. 또한, 디바이스(1000)는 사용자의 컨텍스트 정보를 함께 고려하여, 사용자가 물품 AA를 구매하기 위하여 강남 A 백화점으로 길 안내를 요청함을 결정할 수 있다.In operation S440, the device 1000 may determine the intention of the user. The device 1000 may determine that the user requests directions to the Gangnam A department store to shop based on operations S420 to S440. In addition, the device 1000 may determine the user's request for directions to the Gangnam A department store in order to purchase the item AA in consideration of the context information of the user.
상기에서는, 컨텍스트 정보의 획득, 카테고리의 결정, 태스크 타입의 결정, 목적지의 결정 및 사용자 의도의 결정이 각각의 동작으로 수행되는 것으로 설명되었지만, 이에 제한되지 않는다. 컨텍스트 정보의 획득, 카테고리의 결정, 태스크 타입의 결정, 목적지의 결정 및 사용자 의도의 결정 중 적어도 둘 이상이, 기 설정된 기준에 따른 학습에 기초하여 수행될 수 있다.In the above, it has been described that the acquisition of the context information, the determination of the category, the determination of the task type, the determination of the destination and the determination of the user intention are performed in each operation, but are not limited thereto. At least two or more of obtaining context information, determining a category, determining a task type, determining a destination, and determining a user's intention may be performed based on learning according to preset criteria.
또한, 예를 들어, 컨텍스트 정보의 획득, 카테고리의 결정, 태스크 타입의 결정, 목적지의 결정 및 사용자 의도의 결정 중 적어도 둘 이상이, 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.In addition, for example, at least two or more of acquiring context information, determining a category, determining a task type, determining a destination, and determining a user intention may be performed based on learning according to deep neural network technology. Can be.
구체적으로 디바이스(1000)는 사용자의 음성 입력을 STT로 변환함으로써 텍스트를 획득할 수 있다. 디바이스(1000)는 획득된 텍스트 및 사용자의 컨텍스트 정보(예컨대 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역 등)를 통신부를 통해 서버로 전송하고, 서버는 텍스트 및 사용자의 컨텍스트 정보를 심층신경망에 적용하여 사용자의 의도의 카테고리 및 태스크 타입을 결정하고, 이에 대한 연관 정보를 디바이스(1000)로 전송할 수 있다.In more detail, the device 1000 may obtain text by converting a user's voice input into an STT. The device 1000 transmits the acquired text and context information of the user (for example, the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, etc.) to the server through the communication unit, The server may determine the category and task type of the user's intention by applying the text and the context information of the user to the deep neural network, and transmit the related information to the device 1000.
도 5는 디바이스(1000)가 사용자의 의도의 실현 가능성에 기초하여 대체 동작을 위한 답변 메시지를 생성하는 방법의 흐름도이다.5 is a flowchart of a method in which the device 1000 generates an answer message for an alternative operation based on the feasibility of a user's intention.
동작 S500에서 디바이스(1000)는 목적지에 관련된 연관 정보를 획득할 수 있다. 디바이스(1000)는 사용자의 의도를 고려하여 목적지에 관련된 연관 정보를 획득할 수 있다. 목적지에 관련된 연관 정보는 사용자의 의도를 실현할 수 있는 지를 결정하기 위하여 필요한 정보로서, 사용자의 의도에 따라 기 설정된 기준에 따른 학습에 기초하여 결정될 수 있다. 예를 들어, 사용자의 의도의 카테고리가 ‘길 안내’이고 태스크 타입이 ‘쇼핑’인 경우에, 디바이스(1000)는 목적지에 관한 연관 정보로서 목적지의 영업 시간, 목적지의 주차 상황, 목적지로의 교통 상황 등을 획득할 수 있다.In operation S500, the device 1000 may obtain related information related to the destination. The device 1000 may obtain the related information related to the destination in consideration of the user's intention. The association information related to the destination is information necessary to determine whether the user's intention can be realized, and can be determined based on learning according to a predetermined standard according to the user's intention. For example, if the category of the user's intention is 'route guidance' and the task type is 'shopping', the device 1000 may provide the relevant information about the destination, the business hours of the destination, the parking situation of the destination, the traffic to the destination. The situation can be obtained.
동작 S510에서 디바이스(1000)는 연관 정보에 기초하여, 사용자의 의도의 실현 가능성을 결정할 수 있다. 디바이스(1000)는 연관 정보에 기초하여, 사용자의 의도를 용이하게 실현시킬 수 있는지에 관한 정도를 판단할 수 있다. 예를 들어, 사용자의 의도가 쇼핑을 위하여 강남 A 백화점으로 길 안내를 요청하는 것이라면, 디바이스(1000)는 강남 A 백화점이 오늘 영업을 하고 있는지, 영업 시간이 지나지 않았는지, 강남 A 백화점의 주차 상황이 양호한지, 강남 A 백화점으로의 교통 상황이 양호한지, 강남 A 백화점에서 사용자가 원하는 물품을 판매하고 있는 지 등을 고려하여, 사용자의 의도의 실현 가능성을 판단할 수 있다. 사용자의 의도의 실현 가능성은 기 설정된 기준에 따른 학습에 기초하여 설정될 수 있다.In operation S510, the device 1000 may determine the feasibility of the user's intention based on the association information. The device 1000 may determine the degree of whether the user's intention can be easily realized based on the association information. For example, if the user's intention is to request directions to the Gangnam A department store for shopping, the device 1000 determines whether the Gangnam A department store is open today, whether the opening hours have passed, or the parking situation of the Gangnam A department store. The feasibility of the user's intention can be determined in consideration of whether the user is in a good condition, the traffic condition to the Gangnam A department store is good, the Gangnam A department store is selling a desired item, and the like. The feasibility of the user's intention may be set based on learning according to preset criteria.
동작 S520에서 디바이스(1000)는 사용자의 의도의 실현 가능성이 임계치보다 큰지를 판단할 수 있다.In operation S520, the device 1000 may determine whether a user's intention of realization is greater than a threshold.
동작 S520에서의 판단 결과, 사용자의 의도의 실현 가능성이 임계치보다 크다면, 동작 S530에서 디바이스(1000)는 목적지에 관한 사용자의 의도에 부합하는 동작을 수행할 수 있다. 예를 들어, 디바이스(1000)는 강남 A 백화점으로의 길 안내 정보를 사용자에게 제공할 수 있다. 이 경우, 디바이스(1000)는 길 안내를 위한 기 설정된 네비게이션 애플리케이션을 자동으로 실행하고, 강남 A 백화점을 실행된 애플리케이션에 입력할 수 있다.As a result of the determination in operation S520, if the feasibility of the user's intention is greater than the threshold, in operation S530, the device 1000 may perform an operation corresponding to the user's intention with respect to the destination. For example, the device 1000 may provide the user with road guidance information to the Gangnam A department store. In this case, the device 1000 may automatically execute a preset navigation application for guiding the road, and input the Gangnam A department store into the executed application.
동작 S520에서의 판단 결과, 사용자의 의도의 실현 가능성이 임계치보다 크지 않다면, 동작 S540에서, 디바이스(1000)는 대체 목적지를 추천하는 답변 메시지를 생성할 수 있다. 디바이스(1000)는 사용자의 의도를 실현하기 위하여 사용자가 가고자 하는 목적지 외의 다른 목적지를 대체 목적지로 결정할 수 있다. 예를 들어, 디바이스(1000)는 강남 A 백화점이 오늘 영업을 하지 않는다면, 사용자의 주변의 다른 백화점을 대체 목적지로 결정할 수 있다. 또한, 예를 들어, 디바이스(1000)는 강남 A 백화점에 주차를 하기 힘든 경우에, 사용자의 주변의 다른 백화점 중에서 주차 상황이 양호한 백화점을 대체 목적지로 결정할 수 있다. 또한, 예를 들어, 디바이스(1000)는, 강남 A 백화점으로의 교통 상황이 나쁜 경우에, 사용자의 주변의 다른 백화점 중에서 교통 상황이 양호한 백화점을 대체 목적지로 결정할 수 있다. 또한, 예를 들어, 강남 A 백화점에서 사용자가 원하는 물품을 판매하지 않는 경우에, 사용자의 주변의 다른 백화점 중에서 사용자가 원하는 물품을 판매하고 있는 백화점을 대체 목적지로 결정할 수 있다.As a result of the determination in operation S520, if the feasibility of the user's intention is not greater than the threshold, in operation S540, the device 1000 may generate an answer message recommending an alternative destination. The device 1000 may determine a destination other than the destination the user wants to go as an alternative destination in order to realize the user's intention. For example, if the Gangnam A department store is not open today, the device 1000 may determine another department store near the user as an alternative destination. For example, when it is difficult to park at the Gangnam A department store, the device 1000 may determine a department store having a good parking condition among other department stores around the user as an alternative destination. Also, for example, when the traffic situation to the Gangnam A department store is bad, the device 1000 may select a department store having a good traffic situation among other department stores around the user as an alternative destination. Also, for example, when the user does not sell the desired item at the Gangnam A department store, a department store selling the desired item among other department stores around the user may be determined as an alternative destination.
대체 목적지는, 사용자가 요청한 목적지와 동일 또는 유사한 종류의 목적지일 수 있으며, 사용자 현재 위치 또는 사용자가 요청한 목적지 주변의 목적지들 중에서 검색될 수 있다. 또한, 대체 목적지는 사용자의 의도의 실현 가능성을 고려하여 선정될 수 있다.The alternative destination may be a destination of the same or similar type as the destination requested by the user, and may be searched among the user's current location or destinations near the destination requested by the user. In addition, the alternative destination may be selected in consideration of the feasibility of the user's intention.
또한, 디바이스(1000)는 대체 목적지를 길 안내를 하면 되는 지를 사용자에게 문의하기 위한 답변 메시지를 생성할 수 있다. 이 경우, 디바이스(1000)는 답변 메시지 내에, 사용자의 의도에 관한 대체 동작을 추천하는 이유를 나타내는 텍스트를 답변 메시지 내에 포함시킬 수 있다. 예를 들어, 디바이스(1000)는 사용자가 입력한 목적지가 아닌 대체 목적지로 길 안내를 하는 이유를 나타내는 텍스트를 포함시킬 수 있다. 디바이스(1000)는, 예를 들어, ‘오늘 강남 A백화점은 휴무일입니다. 도곡 B 백화점은 영업중입니다. 그리로 안내해 드릴까요?’ 라는 답변 메시지를 생성할 수 있다. 또한, 디바이스(1000)는, 특정 동작을 수행하기 위한 애플리케이션을 실행하기 위한 오브젝트를 답변 메시지 내에 포함시킬 수 있다. 예를 들어, 디바이스(1000)는 기설정된 네비게이션 애플리케이션을 실행하기 위한 아이콘을 답변 메시지 내에 포함시킬 수 있다.In addition, the device 1000 may generate an answer message for inquiring the user of whether to guide the alternative destination. In this case, the device 1000 may include, in the response message, text indicating the reason for recommending an alternative operation regarding the user's intention in the response message. For example, the device 1000 may include text indicating a reason for guiding a way to an alternative destination instead of a destination input by the user. For example, the device 1000, ‘Today, Gangnam A department store is closed. Dogok B department store is open. May I guide you? ” In addition, the device 1000 may include an object for executing an application for performing a specific operation in the response message. For example, the device 1000 may include an icon for executing a preset navigation application in an answer message.
동작 S550에서 디바이스(1000)는 생성된 답변 메시지를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 디바이스(1000)는 답변 메시지를 대화 형식으로 디바이스(1000)의 화면 상에 디스플레이할 수 있다.In operation S550, the device 1000 may display the generated reply message on the screen of the device 1000. The device 1000 may display the response message on the screen of the device 1000 in an interactive format.
상기에서는, 연관 정보의 획득, 실현 가능성의 판단, 답변 메시지의 생성, 사용자의 의도에 부합하는 동작 등이 각각의 동작으로 수행되는 것으로 설명되었지만, 이에 제한되지 않는다. 연관 정보의 획득, 실현 가능성의 판단, 답변 메시지의 생성, 사용자의 의도에 부합하는 동작의 수행 중 적어도 둘 이상이, 기 설정된 기준에 따른 학습에 기초하여 수행될 수 있다.In the above, it has been described that the acquisition of the association information, the determination of the feasibility, the generation of the response message, the operation corresponding to the user's intention, etc. are performed as the respective operations, but are not limited thereto. At least two or more of acquiring the related information, determining the feasibility, generating an answer message, and performing an operation corresponding to the user's intention may be performed based on learning according to a predetermined criterion.
또한, 예를 들어, 연관 정보의 획득, 실현 가능성의 판단, 답변 메시지의 생성, 사용자의 의도에 부합하는 동작의 수행 중 적어도 둘 이상이, 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.Also, for example, at least two or more of acquiring related information, determining feasibility, generating a response message, and performing an operation in accordance with a user's intention may be based on learning according to deep neural network technology. Can be performed.
구체적으로 서버(2000)는 사용자가 입력한 음성에 대한 사용자의 의도의 카테고리 및 태스크 타입에 대한 정보를 심층신경망을 이용하여 결정할 수 있다. 또한 서버(2000)는 사용자의 의도에 대한 카테고리 및 태스크 타입에 대한 정보를 이용하여 심층신경망을 학습시킬 수 있다.In detail, the server 2000 may determine the category of the user's intention and the task type for the voice input by the user using the deep neural network. In addition, the server 2000 may learn a deep neural network by using information about a category and a task type of a user's intention.
또한 서버(2000)는 사용자가 입력한 음성에 대한 카테고리 및 태스크 타입에 대한 정보를 디바이스(1000)로 전송하고, 디바이스(1000)는 카테고리 및 태스크 타입에 대한 정보를 화면에 디스플레이 할 수 있다.In addition, the server 2000 may transmit the information on the category and the task type for the voice input by the user to the device 1000, and the device 1000 may display the information on the category and the task type on the screen.
또한 서버(2000)는 심층신경망을 이용하여 사용자가 입력한 음성에 대한 연관 정보를 획득하고, 실현 가능성을 판단하여 답변 메시지를 생성하고, 사용자의 의도에 부합하는 동작 수행을 결정할 수 있다.In addition, the server 2000 may obtain related information about a voice input by a user using a deep neural network, determine a feasibility, generate an answer message, and determine to perform an operation corresponding to a user's intention.
도 6은 일부 실시예에 따른 사용자의 의도의 카테고리, 태스크 타입 및 사용자의 의도에 관한 연관 정보의 예시를 나타내는 테이블을 도시한 도면이다.FIG. 6 is a table illustrating an example of association information about a category of a user's intention, a task type, and a user's intention, according to some embodiments.
도 6을 참조하면, 테이블(60)은 카테고리 필드(62), 태스크 타입 필드(64) 및 연관 정보 필드(66)를 포함할 수 있다.Referring to FIG. 6, the table 60 may include a category field 62, a task type field 64, and an association information field 66.
카테고리 필드(62)에는 사용자의 의도의 카테고리가 기록될 수 있다. 예를 들어, 카테고리 필드(62)에는 ‘길 안내’ 및 ‘물품 주문’ 등이 기록될 수 있다. 사용자의 의도의 카테고리는 기 설정된 기준에 따른 학습에 기초하여 설정되고 변경될 수 있다.In the category field 62, a category of a user's intention may be recorded. For example, 'directions' and 'item orders' may be recorded in the category field 62. The category of the user's intention may be set and changed based on learning according to preset criteria.
태스크 타입 필드(64)에는 카테고리의 태스크 타입이 기록될 수 있다. 예를 들어, 태스크 타입은 특정 카테고리에 대응되는 사용자 의도의 목적 또는 세부 동작 등을 포함할 수 있다. 예를 들어, ‘길 안내’ 카테고리의 태스크 타입은 ‘쇼핑’, ‘미팅’ 및 ‘식사’ 등을 포함할 수 있으며, ‘물품 주문’ 카테고리의 태스크 타입은 ‘오프라인 배달’ 및 ‘온라인 주문’을 포함할 수 있으나, 이에 제한되지 않는다. 사용자 의도와 관련된 태스크 타입은 기 설정된 기준에 따른 학습에 기초하여 설정되고 변경될 수 있다.The task type of the category may be recorded in the task type field 64. For example, the task type may include a purpose or a detailed operation of a user intention corresponding to a specific category. For example, a task type in the "Directions" category may include "Shopping," "Meeting," "Meals," and so on. A task type in the "Item Order" category may include "Offline Delivery" and "Online Orders." It may include, but is not limited thereto. The task type related to the user intention may be set and changed based on learning according to preset criteria.
연관 정보 필드(66)에는 사용자의 의도의 실현 가능성을 판단하는데 필요한 정보들이 기록될 수 있다. 예를 들어, 카테고리가 ‘길 안내’이고 태스크 타입이 ‘쇼핑’인 경우에, 연관 정보는 영업 시간, 주차 상황 및 교통 상황 등을 포함할 수 있다. 또한, 예를 들어, 카테고리가 ‘물품 주문’이고 태스크 타입이 ‘오프라인 배달’인 경우에, 연관 정보는 영업 시간, 대기 시간, 사용자 평가 및 할인 정보를 포함할 수 있다. 사용자의 의도의 실현 가능성을 판단하는데 필요한 연관 정보는, 기 설정된 기준에 따른 학습에 기초하여 설정되고 변경될 수 있다. 또한, 이러한 연관 정보는, 소정의 open data를 활용하여 예측된 정보일 수 있다.In the association information field 66, information necessary for determining the feasibility of the user's intention may be recorded. For example, if the category is 'route guidance' and the task type is 'shopping', the related information may include business hours, parking conditions and traffic conditions. Also, for example, if the category is 'item order' and the task type is 'offline delivery', the related information may include business hours, waiting times, user ratings and discount information. The association information necessary to determine the feasibility of the user's intention may be set and changed based on learning according to a predetermined criterion. In addition, the related information may be information predicted by using predetermined open data.
테이블(60)은 심층신경망을 통해 학습되고 갱신될 수 있으며 서버(2000)의 메모리 또는 디바이스(1000)의 메모리에 저장될 수 있다.The table 60 may be learned and updated through the deep neural network and stored in the memory of the server 2000 or the memory of the device 1000.
도 7은 일부 실시예에 따른 특정 목적지의 영업 시간을 판단하는데 이용되는 데이터 테이블(70)의 예시를 나타내는 도면이다.7 is a diagram illustrating an example of a data table 70 used to determine the business hours of a particular destination, in accordance with some embodiments.
도 7을 참조하면, 특정 목적지의 영업 시간은 특정 목적지에 관련된 open data를 활용하여 예측될 수 있다. 예를 들어, 특정 목적지의 전력 사용량, 특정 목적지의 조명의 점등 시간 및 특정 목적지에서의 결제 건수를 나타내는 데이터가, 날짜 및 시간 별로 누적되어 저장될 수 있으며, 누적된 데이터를 이용하여 특정 목적지의 영업 시간이 예측될 수 있다. 어떤 데이터를 이용하여 영업 시간을 판단할 지는 기 설정된 기준에 따른 학습에 기초하여 설정되고 변경될 수 있다.Referring to FIG. 7, a business time of a specific destination may be predicted by using open data related to a specific destination. For example, data indicating power usage of a specific destination, lighting time of a specific destination, and the number of payments at a specific destination may be accumulated and stored by date and time, and the accumulated data may be used to operate at a specific destination. Time can be predicted. Which data is used to determine business hours may be set and changed based on learning according to a predetermined standard.
테이블(70)은 심층신경망을 통해 학습되고 갱신(update)될 수 있으며 서버(2000)의 메모리 또는 디바이스(1000)의 메모리에 저장될 수 있다.The table 70 may be learned and updated through the deep neural network, and may be stored in the memory of the server 2000 or the memory of the device 1000.
도 8은 일부 실시예에 따른 사용자의 의도의 실현 가능성에 따른 대체 목적지의 예시를 나타내는 도면이다.8 is a diagram illustrating an example of an alternative destination based on the feasibility of a user's intention in accordance with some embodiments.
도 8을 참조하면, 예를 들어, 사용자가 ‘강남 A 백화점으로 안내해 줘.’라는 음성 입력을 입력한 경우에, 디바이스(1000)는 사용자의 의도에 따른 최초 목적지인 ‘강남 A 백화점’에서 사용자가 물품 A를 구매할 수 있는 가능성이 10%임을 판단할 수 있다. 또한, 디바이스(1000)는 ‘도곡 B 백화점’에서 사용자가 물품 A를 구매할 수 있는 가능성이 90%임을 판단하고, ‘강남 C 마트’에서 사용자가 물품 A를 구매할 수 있는 가능성이 80%임을 판단할 수 있다. 이에 따라, 디바이스(1000)는 대체 목적지를 ‘도곡 B 백화점’으로 결정하고, 도곡 B 백화점으로 길 안내를 할 지를 사용자에게 문의하는 답변 메시지를 생성할 수 있다.Referring to FIG. 8, for example, when a user inputs a voice input 'Guide to the Gangnam A department store', the device 1000 displays a user at the first destination 'Gangnam A department store' according to the user's intention. It can be determined that there is a 10% chance of purchasing item A. In addition, the device 1000 may determine that the user has a 90% chance of purchasing the item A at the Dogok B department store, and may determine that the user has a 80% chance of purchasing the item A at the Gangnam C Mart. Can be. Accordingly, the device 1000 may determine an alternative destination as a “dogok B department store” and generate an answer message inquiring the user of whether to guide the road to the dogok B department store.
이러한, 대체 목적지는, 사용자가 요청한 목적지와 동일 또는 유사한 종류의 목적지일 수 있으며, 사용자 현재 위치 또는 사용자가 요청한 목적지 주변의 목적지들 중에서 검색될 수 있다. 또한, 대체 목적지는 사용자의 의도의 실현 가능성을 고려하여 선정될 수 있다.Such an alternative destination may be a destination of the same or similar kind as the destination requested by the user, and may be searched among the user's current location or destinations near the destination requested by the user. In addition, the alternative destination may be selected in consideration of the feasibility of the user's intention.
도 8에서는 사용자의 의도의 실현 가능성을 %로 표현하였지만, 이에 제한되지 않으며, 사용자의 의도의 실현 가능성은 예를 들어, 점수 및 레벨 등과 같이, 정도를 나타내는 다양한 단위로 표현될 수 있다. 또한, 사용자 의도의 실현 가능성은, 예를 들어, 특정 목적지에서 쇼핑을 할 수 있는지 여부, 특정 목적지에서 특정 물품을 구매할 수 있는지 여부, 특정 물품의 가격, 할인 정보 등과 같은 다양한 사항을 복합적으로 고려한 기설정된 학습에 기초하여 평가될 수 있다.Although the feasibility of the user's intention is expressed in% in FIG. 8, the present invention is not limited thereto, and the feasibility of the user's intention may be expressed in various units indicating a degree, for example, a score and a level. In addition, the feasibility of the user's intention may be a combination of various factors, such as whether shopping can be made at a specific destination, whether a particular item can be purchased at a specific destination, a price of a specific item, discount information, and the like. Can be evaluated based on established learning.
도 9는 일부 실시예에 따른 디바이스(1000)가 사용자의 의도를 만족시키기 위해 애플리케이션을 실행하고 부가 정보를 제공하는 방법의 흐름도이다.9 is a flowchart of a method in which the device 1000 executes an application and provides additional information to satisfy a user's intention, according to some embodiments.
동작 S900에서 디바이스(1000)는 대체 목적지를 추천하는 답변 메시지를 디스플레이할 수 있으며, 동작 S905에서 디바이스(1000)는 대체 목적지로 길 안내를 요청하는 사용자 입력을 수신할 수 있다.In operation S900, the device 1000 may display an answer message recommending an alternative destination, and in operation S905, the device 1000 may receive a user input for requesting directions to the alternative destination.
동작 S920에서 디바이스(1000)는 답변 메시지 내의 동작을 수행하기 위한 애플리케이션의 목록을 디스플레이할 수 있다. 예를 들어, 답변 메시지 내의 동작이, ‘도곡 B 백화점으로 길안내’인 경우에, 디바이스(1000)는 디바이스(1000)에 설치된 네비게이션 애플리케이션의 목록을 디바이스(1000)의 화면 상에 디스플레이할 수 있다.In operation S920, the device 1000 may display a list of applications for performing an operation in the reply message. For example, when the operation in the reply message is 'route to the Dogok B department store', the device 1000 may display a list of navigation applications installed in the device 1000 on the screen of the device 1000. .
동작 S930에서 디바이스(1000)는 사용자에 의해 선택된 애플리케이션을 실행할 수 있다. 사용자는 애플리케이션 목록에서 특정 애플리케이션을 선택할 수 있으며, 디바이스(1000)는 사용자에 의해 선택된 애플리케이션을 실행하고 실행된 애플리케이션에 소정의 입력 값을 입력할 수 있다. 예를 들어, 디바이스(1000)는 네비게이션 애플리케이션에 ‘도곡 B 백화점’을 목적지로 입력할 수 있다.In operation S930, the device 1000 may execute an application selected by the user. The user may select a specific application from the application list, and the device 1000 may execute an application selected by the user and input a predetermined input value to the executed application. For example, the device 1000 may input “Dogok B department store” as a destination to the navigation application.
동작 S940에서 디바이스(1000)는 대체 목적지에 관한 부가 정보를 제공할 수 있다. 디바이스(1000)는 디바이스(1000)가 대체 목적지에 도착하면, 대체 목적지에 관한 부가 정보를 사용자에게 제공할 수 있다. 예를 들어, 디바이스(1000)는 대체 목적지의 주차 정보, 시설물 이용 가이드, 건물의 실내 지도, 대체 목적지에서 구매할 물품의 리스트, 할인 정보, 대체 목적지와 관련된 사용자의 일정 정보 등을 디바이스(1000)의 화면 상에 디스플레이할 수 있다.In operation S940, the device 1000 may provide additional information regarding the alternative destination. When the device 1000 arrives at the alternative destination, the device 1000 may provide additional information about the alternative destination to the user. For example, the device 1000 may display parking information of an alternative destination, a facility usage guide, an indoor map of a building, a list of items to be purchased at the alternative destination, discount information, and schedule information of a user associated with the alternative destination. It can be displayed on the screen.
한편, 답변 메시지의 디스플레이, 답변 메시지 내의 동작을 수행하기 위한 애플리케이션의 목록 생성 및 대체 목적지의 부가 정보 제공 중 적어도 하나 이상이, 기 설정된 기준에 따른 학습에 기초하여 수행될 수 있다. 답변 메시지의 디스플레이, 답변 메시지 내의 동작을 수행하기 위한 애플리케이션의 목록 생성 및 대체 목적지의 부가 정보 제공 중 적어도 하나 이상이, 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.Meanwhile, at least one or more of displaying an answer message, generating a list of applications for performing an operation in the reply message, and providing additional information of an alternative destination may be performed based on learning according to a predetermined criterion. At least one or more of displaying an answer message, generating a list of applications for performing an operation in the answer message, and providing additional information of an alternative destination may be performed based on learning according to deep neural network technology.
도 10은 일부 실시예에 따른 디바이스(1000)가 사용자의 의도에 관련된 추가 태스크를 수행하는 방법의 흐름도이다.10 is a flowchart of a method of performing, by a device, an additional task related to a user's intention, according to some embodiments.
동작 S1000에서 디바이스(1000)는 사용자의 의도에 관련된 추가 태스크가 필요한 지를 판단할 수 있다. 디바이스(1000)는 사용자의 음성 입력의 의미, 사용자의 의도의 카테고리, 태스크 타입 및 사용자의 컨텍스트 정보를 이용하여 사용자의 의도에 관련된 추가 태스크가 필요한 지를 판단할 수 있다. 예를 들어, 사용자의 의도가 강남 A 백화점에서 물품 A를 구매하기 위하여 강남 A 백화점으로 길 안내를 요청하는 것이며, 디바이스(1000)가 대체 목적지인 도곡 B 백화점으로 길 안내를 한 경우에, 디바이스(1000)는 도곡 B 백화점에서 사용자가 물품 A를 편리하게 구매할 수 있도록 하기 위한 추가 태스크가 필요하다고 판단할 수 있다. In operation S1000, the device 1000 may determine whether an additional task related to a user's intention is required. The device 1000 may determine whether an additional task related to the intention of the user is necessary using the meaning of the user's voice input, the category of the intention of the user, the task type, and the context information of the user. For example, if the user's intention is to request directions to the Gangnam A department store in order to purchase the goods A at the Gangnam A department store, and the device 1000 guides the route to the Dogok B department store that is an alternative destination, the device ( 1000 may determine that an additional task is required to allow the user to conveniently purchase the item A in the Dogok B department store.
동작 S1000에서의 판단 결과, 추가 태스크가 필요하다고 판단되면, 동작 S1010에서 디바이스(1000)는 추가 태스크를 추천하는 메시지를 디스플레이할 수 있다. 예를 들어, 디바이스(1000)는 도곡 B 백화점에서 물품 A를 판매하는 매장의 위치 정보 및 쿠폰 정보를 제공받을 지를 문의하는 메시지를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. As a result of the determination in operation S1000, if it is determined that the additional task is necessary, in operation S1010, the device 1000 may display a message recommending the additional task. For example, the device 1000 may display a message on the screen of the device 1000 inquiring whether to receive the location information and the coupon information of the store selling the goods A in the Dogok B department store.
또한, 추가 태스크를 추천하는 메시지는, 추가 태스크를 수행하기 위한 애플리케이션을 실행하기 위한 오브젝트를 포함할 수 있다. 예를 들어, 물품 A를 판매하는 매장의 위치 정보 및 쿠폰 정보를 제공받을 지를 문의하는 메시지는, 도곡 B 백화점의 매장 정보 및 쿠폰 정보를 제공하는 애플리케이션을 실행하기 위한 아이콘을 포함할 수 있다.In addition, the message recommending the additional task may include an object for executing an application for performing the additional task. For example, the message for inquiring whether to receive location information and coupon information of a store selling item A may include an icon for executing an application that provides store information and coupon information of Dogok B department store.
또한, 디바이스(1000)는 디바이스(1000)가 대체 목적지에 도착함을 확인하고, 추가 태스크를 추천하는 메시지를 디스플레이할 수 있다. 만약, 디바이스(1000)가 대체 목적지를 추천하지 않았다면, 디바이스(1000)는 사용자가 요청한 목적지에 디바이스(1000)가 도착하였는지를 확인하고, 추가 태스크를 추천하는 메시지를 디스플레이할 수 있다.In addition, the device 1000 may confirm that the device 1000 has arrived at the alternative destination, and display a message recommending additional tasks. If the device 1000 does not recommend an alternative destination, the device 1000 may check whether the device 1000 has arrived at the destination requested by the user, and display a message recommending additional tasks.
또한, 필요한 추가 태스크가 복수인 경우에, 디바이스(1000)는 복수의 추가 태스크의 목록을 디바이스(1000)의 화면 상에 디스플레이할 수 있다.In addition, when there are a plurality of additional tasks required, the device 1000 may display a list of the plurality of additional tasks on the screen of the device 1000.
동작 S1030에서 디바이스(1000)는 추가 태스크를 수행하는 애플리케이션을 실행할 수 있다. 예를 들어, 추가 태스크를 추천하는 메시지 내에 포함된 애플리케이션의 아이콘이 사용자에 의해 선택되면, 디바이스(1000)는 추가 태스크를 수행하는 애플리케이션을 실행할 수 있다.In operation S1030, the device 1000 may execute an application that performs an additional task. For example, when an icon of an application included in the message recommending the additional task is selected by the user, the device 1000 may execute an application that performs the additional task.
상기에서는 추가 태스크를 추천하는 메시지를 디스플레이하고, 사용자 입력에 따라 추가 태스크를 수행하기 위한 애플리케이션을 실행하는 것으로 설명되었지만, 이에 제한되지 않는다. 동작 S1000에서 추가 태스크가 필요하다고 판단되면, 디바이스(1000)는 추가 태스크를 수행하는 애플리케이션을 자동으로 실행할 수 있다.Although it has been described above to display a message recommending an additional task and to execute an application for performing the additional task according to a user input, the present invention is not limited thereto. If it is determined in step S1000 that an additional task is required, the device 1000 may automatically execute an application that performs the additional task.
동작 S1040에서 디바이스(1000)는 추가 태스크에 관련된 부가 정보를 제공할 수 있다. 예를 들어, 디바이스(1000)는 매장의 지도, 사용자의 일정, 사용자의 구매 리스트, 목적지 내에 위치한 친구의 이름, 시설물의 이용 가이드 등의 정보를 제공할 수 있다. 이 경우, 추가 태스크에 관련된 부가 정보는, 기 설정된 기준에 따른 학습 결과에 기초하여, 설정 또는 변경될 수 있다.In operation S1040, the device 1000 may provide additional information related to the additional task. For example, the device 1000 may provide information such as a map of a store, a schedule of a user, a purchase list of a user, a name of a friend located in a destination, a usage guide of a facility, and the like. In this case, the additional information related to the additional task may be set or changed based on a learning result according to a preset criterion.
한편, 추가 태스크를 추천하고 추가 태스크에 관련된 부가 정보를 제공하기 위한 동작들은, 기 설정된 기준에 따른 학습에 기초하여 수행될 수 있다. 예를 들어, 추가 태스크가 필요한 지 여부의 판단, 추가 태스크의 결정, 추가 태스크에 관련된 부가 정보의 결정 등이, 심층신경망(Deep Neural Network) 기술에 따른 학습에 기초하여 수행될 수 있다.Meanwhile, operations for recommending an additional task and providing additional information related to the additional task may be performed based on learning according to a predetermined criterion. For example, determining whether an additional task is necessary, determining an additional task, determining additional information related to the additional task, and the like may be performed based on learning according to deep neural network technology.
구체적으로 디바이스(1000)는 사용자의 음성 및 컨텍스트 정보를 서버(2000)로 전송하고, 서버(2000)는 심층신경망을 이용하여 사용자의 음성 입력의 의미, 사용자의 의도의 카테고리 및 태스크 타입을 결정하고 사용자의 의도에 관련된 추가 태스크가 필요한 지 여부의 판단, 추가 태스크의 결정, 추가 태스크에 관련된 부가 정보를 결정하여 디바이스(1000)로 전송할 수 있다. 디바이스(1000)는 서버(2000)로부터 전송된 정보를 이용하여 추가 태스크를 추천하는 메시지를 화면에 표시할 수 있다. 실시 형태에 따라 사용자의 음성에 대한 분석은 디바이스(1000)에서 수행될 수도 있다.In detail, the device 1000 transmits the voice and context information of the user to the server 2000, and the server 2000 determines the meaning of the voice input of the user, the category of the user's intention, and the task type using the deep neural network. The determination of whether the additional task related to the intention of the user is necessary, the determination of the additional task, and the additional information related to the additional task may be determined and transmitted to the device 1000. The device 1000 may display a message recommending an additional task on the screen by using the information transmitted from the server 2000. According to an embodiment, analysis of a user's voice may be performed in the device 1000.
도 11은 일부 실시예에 따른 디바이스(1000)가 사용자의 구매 리스트에 기초하여 사용자의 의도에 관련된 부가 정보를 제공하는 예시를 나타내는 도면이다.11 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on a user's purchase list.
도 11을 참조하면, 디바이스(1000)는 목적지인 B 백화점에 도착하였음을 알리고, 사용자의 물품 구매에 관련된 부가 정보를 제공할 수 있다. 구체적으로, 디바이스(1000)는 사용자의 구매 리스트, 구매 예정 물품을 판매하는 매장을 나타내는 지도 및 구매 예정 물품에 관련된 쿠폰 정보를 제공할 수 있다.Referring to FIG. 11, the device 1000 may notify that it has arrived at a department store B as a destination, and may provide additional information related to a user's purchase of goods. In detail, the device 1000 may provide a purchase list of a user, a map indicating a store that sells a product to be purchased, and coupon information related to the product to be purchased.
도 12는 일부 실시예에 따른 디바이스(1000)가 사용자의 일정 정보에 기초하여 사용자의 의도에 관련된 부가 정보를 제공하는 예시를 나타내는 도면이다.12 is a diagram illustrating an example in which the device 1000 provides additional information related to a user's intention based on schedule information of a user.
도 12를 참조하면, 디바이스(1000)는 목적지인 B 백화점에 도착하였음을 알리고, 사용자의 일정에 기초하여, 사용자가 구매할 수 있는 물품을 추천할 수 있다. 구체적으로, 디바이스(1000)는 사용자의 일정 정보로부터 사용자의 할머니의 생신이 5일 후임을 확인할 수 있으며, 할머니에게 선물할 물품의 목록을 추천하기 위한 메시지를 디바이스(1000)의 화면 상에 디스플레이할 수 있다.Referring to FIG. 12, the device 1000 may notify that it has arrived at a department store B, which is a destination, and recommend items that the user can purchase based on the schedule of the user. In detail, the device 1000 may check that the grandmother's birthday is five days later from the schedule information of the user, and display a message for recommending a list of items to be presented to the grandmother on the screen of the device 1000. Can be.
도 13은 일부 실시예에 따른 디바이스(1000)가 목적지에 위치한 다른 사용자에 관한 정보를 사용자에게 제공하는 예시를 나타내는 도면이다.13 is a diagram illustrating an example in which the device 1000 provides the user with information about another user located at a destination, according to an exemplary embodiment.
도 13을 참조하면, 디바이스(1000)는 사용자의 일정 정보에 기초하여, 사용자가 친구의 결혼식에 참석하기 위하여 웨딩홀에 도착하였음을 확인하고, 웨딩홀에 도착한 다른 사용자에 관한 정보를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 이 경우, 웨딩홀에 도착한 다른 사용자는, 결혼할 친구 및 사용자의 관계, 사용자의 친구 정보를 이용하여, 디바이스(1000)에 의해 식별될 수 있다. 또한, 다른 사용자가 사용자의 친구인지 여부는, 사용자의 통화 내역, 문자 내역 및 SNS 이용 내역 등을 통하여 식별될 수 있다.Referring to FIG. 13, the device 1000 confirms that the user has arrived at the wedding hall to attend a friend's wedding based on the schedule information of the user, and provides information about another user who has arrived at the wedding hall. It can be displayed on the screen. In this case, another user who arrives at the wedding hall may be identified by the device 1000 using the relationship between a friend to be married and the user and friend information of the user. In addition, whether the other user is a friend of the user may be identified through the user's call history, text history, and SNS usage history.
도 14는 일부 실시예에 따른 디바이스(1000)가 목적지의 영업일 및 영업 시간을 고려하여 대체 목적지를 추천하는 예시를 나타내는 도면이다.14 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of a business day and a business time of a destination, according to some embodiments.
도 14를 참조하면, ‘A 백화점으로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 대체 목적지인 B 백화점으로 길 안내를 할 것을 문의하는 메시지(140)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 이 경우, 대체 목적지는, 예를 들어, 목적지의 휴무일, 목적지의 영업 시간, 목적지까지의 도착 소요 시간 등을 고려하여 결정될 수 있다. 또한, 예를 들어, 대체 목적지는 목적지의 종류, 목적지에서 판매되는 물품, 사용자의 목적지 방문 이력 등에 기초하여 결정될 수 있다.Referring to FIG. 14, when a voice input of a user, 'Guide me to A department store' is received, the device 1000 may send a message 140 inquiring to guide the way to the alternative department B department of the device 1000. It can be displayed on the screen. In this case, the alternative destination may be determined in consideration of, for example, the holiday days of the destination, the business hours of the destination, the time required for arrival to the destination, and the like. Also, for example, the alternative destination may be determined based on the type of destination, the goods sold at the destination, the visit history of the user's destination, and the like.
또한, 디바이스(1000)는 A 백화점의 휴무일, A 백화점까지의 소요 시간, B 백화점의 휴무일 및 B 백화점까지의 소요 시간을 나타내는 메시지(142)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 이 경우, 메시지(142)는 A 백화점으로 길 안내를 하기 위하여 네비게이션 애플리케이션을 실행하기 위한 버튼(144) 및 A 백화점으로 길 안내를 하기 위하여 네비게이션 애플리케이션을 실행하기 위한 버튼(146)를 포함할 수 있다. 만약 사용자가 버튼(146)을 선택하면, 디바이스(1000)는 네비게이션 애플리케이션을 실행하고, 실행된 네비게이션 애플리케이션에 ‘B 백화점’을 목적지로 입력할 수 있다. In addition, the device 1000 may display a message 142 on the screen of the device 1000 indicating a holiday day of the A department store, a time required to the A department store, a holiday day of the B department store, and a time required to the B department store. In this case, the message 142 may include a button 144 for executing a navigation application to guide the way to the A department store and a button 146 for executing a navigation application to guide the way to the A department store. . If the user selects the button 146, the device 1000 may execute a navigation application and input “B department store” as a destination to the executed navigation application.
도 15는 일부 실시예에 따른 디바이스(1000)가 목적지까지의 도착 소요 시간을 고려하여 대체 목적지를 추천하는 예시를 나타내는 도면이다.15 is a diagram illustrating an example in which the device 1000 recommends an alternative destination in consideration of an arrival time to a destination, according to an exemplary embodiment.
도 15를 참조하면, ‘A 백화점으로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 대체 목적지인 B 백화점으로 길 안내를 할 것을 문의하는 메시지(150)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 이 경우, 대체 목적지는, 예를 들어, 목적지의 영업 시간, 목적지까지의 도착 소요 시간 등을 고려하여 결정될 수 있다. 또한, 예를 들어, 대체 목적지는 목적지의 종류, 목적지에서 판매되는 물품, 사용자의 목적지 방문 이력 등에 기초하여 결정될 수 있다.Referring to FIG. 15, when a voice input of a user, 'Guide me to A department store' is received, the device 1000 may send a message 150 to the B department store, which is an alternative destination, to ask for directions. It can be displayed on the screen. In this case, the alternative destination may be determined in consideration of, for example, the business hours of the destination, the time required for arrival to the destination, and the like. Also, for example, the alternative destination may be determined based on the type of destination, the goods sold at the destination, the visit history of the user's destination, and the like.
또한, 디바이스(1000)는 B 백화점의 영업 시간, B 백화점에서 구매 가능한 물품 정보, C 백화점의 영업 시간 및 C 백화점에서 구매 가능한 물품 정보를 나타내는 메시지(152)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 이 경우, 메시지(152)는 B 백화점으로 길 안내를 하기 위하여 네비게이션 애플리케이션을 실행하기 위한 버튼(154) 및 C 백화점으로 길 안내를 하기 위하여 네비게이션 애플리케이션을 실행하기 위한 버튼(156)를 포함할 수 있다. 만약 사용자가 버튼(154)을 선택하면, 디바이스(1000)는 네비게이션 애플리케이션을 실행하고, 실행된 네비게이션 애플리케이션에 ‘B 백화점’을 목적지로 입력할 수 있다. In addition, the device 1000 displays a message 152 on the screen of the device 1000 indicating the opening hours of the B department store, the goods information available at the B department store, the opening hours of the C department store, and the goods information available at the C department store. can do. In this case, the message 152 may include a button 154 for executing a navigation application to guide the road to the B department store and a button 156 for executing a navigation application to guide the road to the C department store. . If the user selects the button 154, the device 1000 may execute a navigation application and input “B department store” as a destination to the executed navigation application.
도 16은 일부 실시예에 따른 디바이스(1000)가 목적지 또는 대체 목적지에 관련된 주차 정보를 제공하는 예시를 나타내는 도면이다.16 is a diagram illustrating an example in which the device 1000 provides parking information related to a destination or an alternative destination, according to some embodiments.
도 16을 참조하면, ‘A 웨딩홀로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 A 웨딩홀의 주차 상황을 고려하여 대체 목적지로 안내하기 위한 답변 메시지(160)를 디바이스(1000)의 화면 상에 디스플레이할 수 있다. 주차 상황은, 예를 들어, 목적지에 주차장이 있는지 여부, 목적지에 주차 가능한 차량의 수 등을 포함할 수 있다. 답변 메시지(160) 내에는 대체 목적지로 안내하는 이유를 나타내는 텍스트가 포함될 수 있다.Referring to FIG. 16, when a voice input of a user, 'Guide me to A wedding hall' is received, the device 1000 transmits an answer message 160 for guiding to an alternative destination in consideration of parking conditions of A wedding hall. Can be displayed on the screen. The parking situation may include, for example, whether there is a parking lot at the destination, the number of vehicles that can park at the destination, and the like. The response message 160 may include text indicating a reason for guiding to an alternative destination.
또는, ‘A 웨딩홀로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 A 웨딩홀로 안내하는 메시지(162)를 디스플레이하고, 사용자가 A 웨딩홀에 도착한 후에, A 웨딩홀의 주차 상황을 고려하여 대체 목적지로의 길 안내를 문의하는 메시지(164)를 디스플레이할 수 있다. 또한, A 웨딩홀 근처의 주차장에 관한 정보를 나타내는 메시지(166)을 디스플레이할 수 있다. 디바이스(1000)는 A 웨딩홀로 가고 있는 도중에, 메시지(164) 및 메시지(166)을 디스플레이할 수도 있다.Alternatively, when a user's voice input of 'Guide A Wedding Hall' is received, the device 1000 displays a message 162 for guiding the A Wedding Hall, and after the user arrives at the A Wedding Hall, the parking state of the A Wedding Hall is displayed. Consider a message 164 may be displayed asking for directions to an alternative destination. In addition, a message 166 indicating information about a parking lot near the wedding hall A may be displayed. The device 1000 may display the message 164 and the message 166 on the way to the A wedding hall.
도 17은 일부 실시예에 따른 디바이스(1000)가 목적지 또는 대체 목적지에 관련된 주차 정보 및 추가 태스크를 추천하는 예시를 나타내는 도면이다.17 is a diagram illustrating an example in which the device 1000 recommends parking information and additional tasks related to a destination or an alternative destination, according to an exemplary embodiment.
도 17을 참조하면, ‘A 레스토랑으로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 A 레스토랑으로 길 안내를 하고, A 레스토랑 주변의 A 공영 주차장으로 길 안내를 문의하는 메시지(170) 및 A 공영 주차장의 주차 정보를 나타내는 메시지(172)를 디스플레이할 수 있다. 또한, 디바이스(1000)는 A 공영 주차장에서 A 레스토랑까지 도보로 길 안내를 하기 위한 메시지(174)를 디스플레이할 수 있다.Referring to FIG. 17, when a voice input of a user, 'Guide me to restaurant A' is received, the device 1000 guides directions to restaurant A, and asks for directions to public parking lots around the restaurant A. 170 and a message 172 indicating parking information of the public parking lot A may be displayed. In addition, the device 1000 may display a message 174 for guiding a walking path from the A public parking lot to the A restaurant.
또는, ‘A 레스토랑으로 안내해 줘’라는 사용자의 음성 입력이 수신되면, 디바이스(1000)는 A 레스토랑으로 길 안내를 하고, 사용자가 A 레스토랑에 도착한 후에, 사용자가 자동차를 주차할 수 있도록 하기 위하여, A 레스토랑에 전화를 걸기 위한 버튼을 포함하는 메시지(176)를 디스플레이할 수도 있다.Alternatively, when a user's voice input of 'Guide A restaurant' is received, the device 1000 guides the way to Restaurant A and allows the user to park the car after the user arrives at Restaurant A. A message 176 may be displayed that includes a button for making a call to restaurant A.
도 18은 일부 실시예에 따른 디바이스(1000)가 목적지에서 출발하는 배 시간표를 부가 정보로 제공하는 예시를 나타내는 도면이다.18 is a diagram illustrating an example in which the device 1000 provides, as additional information, a ship timetable departing from a destination, according to some embodiments.
도 18을 참조하면, 사용자의 음성 입력에 따라 디바이스(1000)가 우도 선착장으로 길 안내를 하고, 우도 선착장의 배 시간표 및 운임을 나타내는 정보를 사용자에게 제공할 수 있다. 이 경우, 디바이스(1000)는 사용자의 음성 입력 및 사용자의 컨텍스트 정보에 기초하여, 사용자가 우도 선착장에서 배를 탈 것이라는 사용자의 의도를 판단할 수 있다. 또한, 디바이스(1000)는 우도 선착장에서 표를 예매하는 추가 태스크를 사용자에게 추천할 수 있다.Referring to FIG. 18, according to a voice input of a user, the device 1000 may guide a road to a likelihood dock and provide the user with information indicating a ship timetable and a fare of the likelihood dock. In this case, the device 1000 may determine the user's intention that the user will board the ship at the likelihood dock based on the user's voice input and the user's context information. In addition, the device 1000 may recommend an additional task to the user to reserve a ticket at the likelihood dock.
도 19는 일부 실시예에 따른 디바이스(1000)가 목적지의 시설을 이용하기 위한 대기 시간에 기초하여, 주변의 다른 관광지를 대체 목적지를 추천하는 예시를 나타내는 도면이다.19 is a diagram illustrating an example in which the device 1000 recommends an alternative destination to another nearby tourist destination based on a waiting time for using the facility of the destination, according to an exemplary embodiment.
도 19를 참조하면, 사용자의 음성 입력에 따라 디바이스(1000)가 삼척 만성굴로 길 안내를 하고, 만성굴의 모노레일을 이용하기 위한 대기 시간이 길기 때문에 주변의 관광지를 대체 관광지로 추천할 수 있다. 이 경우, 디바이스(1000)는 사용자의 음성 입력 및 사용자의 컨텍스트 정보에 기초하여, 사용자가 만성굴의 모노레일을 이용할 것이라는 사용자의 의도를 판단할 수 있다. 또한, 디바이스(1000)는 주변 관광지에 관한 부가 정보를 사용자에게 제공할 수 있다.Referring to FIG. 19, since the device 1000 guides a path to Samcheok Chronic Cave according to a user's voice input and has a long waiting time for using the monorail of the Chronic Cave, a nearby tourist spot may be recommended as an alternative tourist spot. . In this case, the device 1000 may determine the user's intention that the user will use the monorail of the chronic burrow based on the user's voice input and the user's context information. In addition, the device 1000 may provide the user with additional information about a nearby tourist destination.
도 20은 일부 실시예에 따른 디바이스(1000)가 음식 주문을 하고자 하는 사용자의 의도에 대응되는 답변 메시지를 제공하는 예시를 나타내는 도면이다.20 is a diagram illustrating an example in which the device 1000 provides an answer message corresponding to a user's intention to order food.
도 20을 참조하면, 디바이스(1000)는 ‘BBQ 정자점에 후라이드 치킨을 1마리 주문해 줘.’라는 사용자의 음성 입력을 수신하고, ‘오늘 BBQ 정자점 영업시간이 오후 10시로 마감되었습니다. 11시까지 영업하는 BHC 미금역점에 주문을 할까요?’라는 답변 메시지를 사용자에게 제공할 수 있다. 이 경우, 디바이스(1000)는 사용자의 의도의 카테고리가 ‘음식 배달 주문’이고, 태스크 타입이 ‘오프라인 주문’임을 판단할 수 있다. 또한, 디바이스(1000)는 BBQ 정자점의 영업 시간, 사용자의 위치, BBQ 미금역점의 영업 시간, 및 BBQ 미금역점의 위치 등을 고려하여, BBQ 미금역점에 치킨을 주문하는 것을 문의하기 위한 답변 메시지를 생성할 수 있다.Referring to FIG. 20, the device 1000 receives a voice input of a user, 'Please order one fried chicken at BBQ sperm store', and ‘Today's BBQ sperm store closed at 10pm. Would you like to place an order with the BHC Migeum Store, which is open until 11:00? ” In this case, the device 1000 may determine that the category of the user's intention is 'food delivery order' and the task type is 'offline order'. In addition, the device 1000, in consideration of the opening hours of the BBQ sperm store, the user's location, the opening hours of the BBQ Migeum store, and the location of the BBQ Migeum store, the response message for inquiring to order chicken to the BBQ Migeum store Can be generated.
도 21은 일부 실시예에 따른 디바이스(1000)가 특정 장소에 관한 사용자의 문의에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.21 is a diagram illustrating an example in which the device 1000 provides an answer message to a user's inquiry about a specific place, according to an exemplary embodiment.
도 21을 참조하면, 디바이스(1000)는 ‘스타벅스 미금점 지금 영업하니?’ 라는 사용자의 음성 입력을 수신하고, ‘스타벅스 미금점 영업이 종료되었습니다. 스타벅스 미금점 근처의 탐앤탐스는 영업 중입니다.’라는 답변 메시지를 사용자에게 제공할 수 있다. 이 경우, 디바이스(1000)는 사용자의 의도의 카테고리가 ‘문의’이고 태스크 타입이 ‘영업 시간’임을 판단할 수 있다. 또한, 디바이스(1000)는 스타벅스 미금점의 영업 시간, 스타벅스 미금점의 위치, 탐앤탐스 미금점의 영업 시간 및 탐앤탐스 미금점의 위치에 기초하여, 사용자의 음성 입력에 대응되는 답변을 생성할 수 있다.Referring to FIG. 21, the device 1000 receives a voice input of a user, 'Do you open a Starbucks rice shop now?', And 'Starbucks rice shop is closed. Tom & Toms, near Starbucks Cashier, is open. ” In this case, the device 1000 may determine that the category of the user's intention is 'contact' and the task type is 'business hours'. In addition, the device 1000 generates an answer corresponding to the voice input of the user based on the opening hours of the Starbucks store, the location of the Starbucks store, the opening hours of the store of Tom & Toms, and the location of the store of Tom & Toms. can do.
도 22는 일부 실시예에 따른 디바이스(1000)가 특정 장소에 전화하고자 하는 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.22 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to call a specific place, according to an exemplary embodiment.
도 22를 참조하면, 디바이스(1000)는 ‘삼성전자 A/S센터에 전화해줘’ 라는 사용자의 음성 입력을 수신하고, ‘영업시간이 아닙니다. 다시 전화하기를 예약해드릴까요?’라는 답변 메시지를 사용자에게 제공할 수 있다. 이 경우, 디바이스(1000)는 사용자의 의도의 카테고리가 ‘전화 연결’이고 태스크 타입이 ‘A/S 문의’임을 판단할 수 있다. 또한, 디바이스(1000)는 삼성전자 A/S 센터의 영업 시간, 전화 대기 시간, 사용자의 업무 시간 등을 고려하여, 사용자의 음성 입력에 대응되는 답변 메시지를 생성할 수 있다. 이 경우, 답변 메시지 내에는, 전화 예약을 위한 추가 태스크 및 웹 페이지 접속을 위한 추가 태스크에 관한 정보가 포함될 수 있다.Referring to FIG. 22, the device 1000 receives a voice input of a user, 'Call Samsung A / S Center', and is not 'business hours.' Would you like to schedule a call again? ” In this case, the device 1000 may determine that the category of the user's intention is 'telephone connection' and the task type is 'A / S inquiry'. In addition, the device 1000 may generate an answer message corresponding to the user's voice input in consideration of a business hours, a phone waiting time, a user's working time, and the like of the Samsung A / S center. In this case, the response message may include information about an additional task for scheduling a call and an additional task for accessing a web page.
도 23은 일부 실시예에 따른 디바이스(1000)가 헤어 샵의 서비스를 예약하고자 하는 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.FIG. 23 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user who wants to reserve a service of a hair shop, according to an exemplary embodiment.
도 23을 참조하면, 디바이스(1000)는 ‘A 헤어샵에 오후 2시에 예약해줘’ 라는 사용자의 음성 입력을 수신하고, ‘오후 2시에는 예약을 할 수 없습니다. 예약 가능한 오후 4시로 예약해드릴까요?’라는 답변 메시지를 사용자에게 제공할 수 있다. 이 경우, 사용자는 사용자의 의도의 카테고리가 ‘전화 예약’이며, 태스크 타입이 ‘헤어 컷’임을 판단할 수 있다. 또한, 디바이스(1000)는 A 헤어샵의 영업일, 영업 시간 및 예약 현황을 고려하여, 사용자의 음성 입력에 대응되는 답변 메시지를 생성할 수 있다.Referring to FIG. 23, the device 1000 receives a voice input of a user of 'Please make a reservation at 2pm' at A Hair Salon, and cannot make a reservation at '2pm. Can I make a reservation for reservation at 4pm? ” In this case, the user may determine that the category of the user's intention is 'phone reservation' and the task type is 'hair cut'. In addition, the device 1000 may generate an answer message corresponding to the user's voice input in consideration of the business day, business hours, and reservation status of the A hair salon.
도 24는 일부 실시예에 따른 디바이스(1000)가 서버(2000)와 연동함으로써, 사용자의 음성 입력에 대한 답변 메시지를 제공하는 예시를 나타내는 도면이다.24 is a diagram illustrating an example in which the device 1000 provides an answer message to a voice input of a user by interworking with the server 2000, according to an exemplary embodiment.
도 24를 참조하면, 디바이스(1000)는 서버(2000)와 네트워크를 통하여 연결될 수 있으며, 서버(2000)에 의해 기 설정된 기준에 따라 학습된 데이터를 이용하여 사용자의 음성 입력에 대한 답변 메시지를 제공할 수 있다.Referring to FIG. 24, the device 1000 may be connected to the server 2000 through a network, and may provide an answer message to a user's voice input using data learned according to a preset criterion by the server 2000. can do.
이 경우, 서버(2000)는, 도 1 내지 도 23에서 디바이스(1000)가 수행하는 기능인, 사용자의 의도를 판단하는 기능, 사용자의 의도에 관련된 연관 정보를 획득하는 기능, 사용자의 의도를 만족시키기 위한 대체 동작을 추천하는 기능, 사용자의 의도에 관련된 추가 태스크를 추천하는 기능, 및 부가 정보를 제공하는 기능 중 적어도 하나를 수행할 수 있다.In this case, the server 2000 may satisfy the user's intention, the function of determining the user's intention, which is a function performed by the device 1000 in FIGS. At least one of a function for recommending an alternate operation for the user, a function for recommending an additional task related to the user's intention, and a function for providing additional information.
이 경우, 디바이스(1000) 및 서버(2000)는 각자 자신이 맡은 기능을 수행하기 위하여, 서로 필요한 데이터를 송수신할 수 있다. 예를 들어, 디바이스(1000)는 서버(2000)가 수행하는 소정 기능에 필요한 데이터를 서버(2000)에게 제공할 수 있으며, 디바이스(1000)는 서버(2000)로부터 서버(2000)에 의해 수행된 기능에 따라 생성되는 결과 데이터를 수신할 수 있다. 또한, 서버(2000)는 디바이스(1000)가 수행하는 소정 기능에 필요한 데이터를 디바이스(1000)에게 제공할 수 있으며, 서버(2000)는 디바이스(1000)로부터 디바이스(1000)에 의해 수행된 기능에 따라 생성되는 결과 데이터를 수신할 수 있다.In this case, the device 1000 and the server 2000 may transmit and receive data necessary for each other in order to perform their functions. For example, the device 1000 may provide the server 2000 with data necessary for a predetermined function performed by the server 2000, and the device 1000 may be performed by the server 2000 from the server 2000. The result data generated according to the function can be received. In addition, the server 2000 may provide the device 1000 with data necessary for a predetermined function performed by the device 1000, and the server 2000 may be configured to perform a function performed by the device 1000 from the device 1000. The result data generated accordingly can be received.
또한, 서버(2000)는 사용자의 의도를 판단하는데 필요한 데이터, 사용자의 의도에 관련된 연관 정보를 획득해 필요한 데이터, 사용자의 의도를 만족시키기 위한 대체 동작을 추천하기 위하여 필요한 데이터, 사용자의 의도에 관련된 추가 태스크를 추천하기 위하여 필요한 데이터, 및 부가 정보를 제공하기 위하여 필요한 데이터 중 적어도 하나를 관리할 수 있다.In addition, the server 2000 may obtain data necessary for determining a user's intention, data necessary for obtaining related information related to the user's intention, data necessary for recommending an alternative operation to satisfy the user's intention, and the user's intention. At least one of data necessary for recommending additional tasks and data necessary for providing additional information may be managed.
도 25 및 도 26은 일부 실시예에 따른 디바이스(1000)의 블록도이다.25 and 26 are block diagrams of the device 1000 in accordance with some embodiments.
도 25에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 및 통신부(1500)를 포함할 수 있다. 그러나, 도 25에 도시된 구성 요소 모두가 디바이스(1000)의 필수 구성 요소인 것은 아니다. 도 25에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있고, 도 25에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(1000)가 구현될 수도 있다.As illustrated in FIG. 25, the device 1000 according to some embodiments may include a user input unit 1100, an output unit 1200, a processor 1300, and a communication unit 1500. However, not all of the components illustrated in FIG. 25 are essential components of the device 1000. The device 1000 may be implemented by more components than the components illustrated in FIG. 25, and the device 1000 may be implemented by fewer components than the components illustrated in FIG. 25.
예를 들어, 도 26에 도시된 바와 같이, 일부 실시예에 따른 디바이스(1000)는, 사용자 입력부(1100), 출력부(1200), 프로세서(1300), 및 통신부(1500) 이외에 센싱부(1400), A/V 입력부(1600), 및 메모리(1700)를 더 포함할 수도 있다. For example, as shown in FIG. 26, the device 1000 according to some embodiments may include a sensing unit 1400 in addition to the user input unit 1100, the output unit 1200, the processor 1300, and the communication unit 1500. ) May further include an A / V input unit 1600 and a memory 1700.
사용자 입력부(1100)는, 사용자가 디바이스(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.The user input unit 1100 means a means for a user to input data for controlling the device 1000. For example, the user input unit 1100 includes a key pad, a dome switch, a touch pad (contact capacitive type, pressure resistive layer type, infrared sensing type, surface ultrasonic conduction type, and integral type). Tension measurement method, piezo effect method, etc.), a jog wheel, a jog switch, and the like, but are not limited thereto.
사용자 입력부(1100)는, 사용자의 음성 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 사용자 입력을 수신할 수 있다.The user input unit 1100 may request a response message for a user's voice input and receive a user input for executing an operation related to the response message.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.The output unit 1200 may output an audio signal, a video signal, or a vibration signal, and the output unit 1200 may include a display unit 1210, an audio output unit 1220, and a vibration motor 1230. have.
디스플레이부(1210)는 디바이스(1000)에서 처리되는 정보를 표시 출력한다. 예를 들어, 디스플레이부(1210)는, 사용자의 음성 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 사용자 인터페이스를 디스플레이할 수 있다.The display unit 1210 displays and outputs information processed by the device 1000. For example, the display 1210 may display a user interface for requesting an answer message for a user's voice input and executing an operation related to the answer message.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(1000)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다.The sound output unit 1220 outputs audio data received from the communication unit 1500 or stored in the memory 1700. In addition, the sound output unit 1220 outputs a sound signal related to a function (for example, a call signal reception sound, a message reception sound, and a notification sound) performed by the device 1000.
프로세서(1300)는, 통상적으로 디바이스(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 24에 기재된 디바이스(1000)의 기능을 수행할 수 있다.The processor 1300 typically controls the overall operation of the device 1000. For example, the processor 1300 may execute the programs stored in the memory 1700 to thereby execute the user input unit 1100, the output unit 1200, the sensing unit 1400, the communication unit 1500, and the A / V input unit 1600. ) Can be controlled overall. In addition, the processor 1300 may perform a function of the device 1000 described with reference to FIGS. 1 to 24 by executing programs stored in the memory 1700.
구체적으로, 프로세서(1300)는 마이크로폰(1620)를 통하여 사용자의 음성 입력을 수신할 수 있다. 프로세서(1300)는 사용자의 음성 입력에 기초하여 디바이스(1000)의 동작을 수행하는 애플리케이션을 실행할 수 있으며, 실행된 애플리케이션을 통하여 사용자의 음성 입력을 수신할 수 있다. 프로세서(1300)는, 예를 들어, “S 보이스”와 같은 보이스 어시스턴트 애플리케이션 (Voice Assistant Application)을 실행하고, 실행된 애플리케이션을 제어함으로써 마이크로폰(1620)를 통하여 입력되는 사용자의 음성 입력을 수신할 수 있다.In detail, the processor 1300 may receive a voice input of a user through the microphone 1620. The processor 1300 may execute an application that performs an operation of the device 1000 based on a voice input of the user, and may receive a voice input of the user through the executed application. The processor 1300 may receive a voice input of a user input through the microphone 1620 by executing, for example, a Voice Assistant Application such as “S Voice” and controlling the executed application. have.
프로세서(1300)는 사용자의 음성 입력에 기초하여, 사용자의 의도를 결정할 수 있다. 프로세서(1300)는 사용자의 음성 입력을 다양한 자연어 해석 기법을 이용하여 해석할 수 있으며, 사용자의 음성 입력의 의미에 기초하여 사용자의 의도를 결정할 수 있다. 또한, 프로세서(1300)는 사용자에 관련된 컨텍스트 정보를 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 프로세서(1300)는 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역 등을 고려하여, 사용자의 의도를 결정할 수 있다. 예를 들어, 프로세서(1300)는 특정 장소에서 쇼핑하기 위하여 특정 장소로 길 안내를 요청하는 사용자의 의도를 결정할 수 있다. 또한, 예를 들어, 프로세서(1300)는 특정 장소에서 미팅하기 위하여 특정 장소로 길 안내를 요청하는 사용자의 의도를 결정할 수 있다. 또한, 예를 들어, 프로세서(1300)는 특정 음식을 주문하기 위한 사용자의 의도를 결정할 수 있다. 그러나, 프로세서(1300)에 의해 결정되는 사용자의 의도는 이에 제한되지 않는다.The processor 1300 may determine the intention of the user based on the voice input of the user. The processor 1300 may interpret the user's voice input by using various natural language interpretation techniques, and determine the user's intention based on the meaning of the user's voice input. In addition, the processor 1300 may determine the intention of the user using context information related to the user. For example, the processor 1300 may determine the intention of the user in consideration of the history of the user using the device 1000, the schedule information of the user, the call history of the user, the text history of the user, and the like. For example, the processor 1300 may determine the intention of the user requesting directions to a specific place in order to shop at the specific place. Also, for example, the processor 1300 may determine the intention of the user requesting directions to a specific place in order to meet at a specific place. Also, for example, the processor 1300 may determine the user's intention to order a particular meal. However, the intention of the user determined by the processor 1300 is not limited thereto.
프로세서(1300)는 사용자의 의도에 관련된 연관 정보를 획득할 수 있다. 프로세서(1300)는 사용자의 의도를 실현시킬 수 있는 지를 판단하기 위하여 사용자의 의도에 관련된 연관 정보들을 수집할 수 있다. 예를 들어, 프로세서(1300)는 특정 장소의 영업 시간, 특정 장소의 주차 상황, 특정 시설의 시설 이용 시간 및 특정 장소로의 교통 상황 등에 관한 정보를 획득할 수 있다.The processor 1300 may obtain related information related to the intention of the user. The processor 1300 may collect related information related to the intention of the user in order to determine whether the intention of the user can be realized. For example, the processor 1300 may obtain information about a business time of a specific place, a parking situation of a specific place, a facility use time of a specific facility, and a traffic situation to a specific place.
프로세서(1300)는 사용자의 의도를 만족시키기 위한 대체 동작을 추천할 수 있다. 프로세서(1300)는 연관 정보를 이용하여 사용자의 의도가 실현될 수 있는지를 판단할 수 있으며, 판단 결과에 기초하여 사용자의 의도를 만족시키기 위한 대체 동작을 추천할 수 있다. 예를 들어, A 백화점으로 쇼핑을 위하여 길 안내를 요청하는 사용자의 의도가 실현되기 힘든 경우에, 프로세서(1300)는 A 백화점 주변의 B 백화점으로 길 안내를 하는 대체 동작을 사용자에게 추천할 수 있다.The processor 1300 may recommend an alternative operation to satisfy a user's intention. The processor 1300 may determine whether the user's intention can be realized using the related information, and recommend an alternative operation for satisfying the user's intention based on the determination result. For example, when a user's intention of requesting directions for shopping to a department store is difficult to be realized, the processor 1300 may recommend an alternative operation for providing a route to a B department store near the department store A to the user. .
또한, 프로세서(1300)는 대체 동작을 추천하는 답변 메시지를 디스플레이부(1210)에 디스플레이할 수 있다. 또한, 프로세서(1300)는 사용자의 의도에 관련된 추가 동작 및 부가 정보를 사용자에게 제공할 수 있다.In addition, the processor 1300 may display an answer message recommending an alternative operation on the display unit 1210. In addition, the processor 1300 may provide the user with additional operations and additional information related to the user's intention.
한편, 프로세서(1300)는 사용자의 의도에 관련된 대체 목적지를 추천할 수 있다. 이 경우, 프로세서(1300)는 사용자의 목적지 및 사용자의 의도를 결정할 수 있다. 프로세서(1300)는 다양한 자연어 해석 기법을 이용하여, 사용자의 음성 입력을 해석할 수 있다. 예를 들어, 프로세서(1300)는 “강남 A 백화점으로 안내해 줘”라는 사용자의 음성 입력을 해석함으로써, 사용자가 강남 A 백화점으로 길 안내를 요청함을 결정할 수 있다.Meanwhile, the processor 1300 may recommend an alternative destination related to the user's intention. In this case, the processor 1300 may determine the user's destination and the user's intention. The processor 1300 may interpret a user's voice input by using various natural language interpretation techniques. For example, the processor 1300 may determine that the user requests directions to the Gangnam A department store by interpreting the voice input of the user, “Guide to the Gangnam A department store”.
또한, 프로세서(1300)는 사용자의 컨텍스트 정보를 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 프로세서(1300)는, 예를 들어, 사용자가 디바이스(1000)를 이용한 이력, 사용자의 일정 정보, 사용자의 통화 내역, 사용자의 문자 내역, 특정 장소를 방문한 이력, 사용자의 웹 서치 이력, 특정 장소에서의 결제 이력 등을 고려하여, 사용자의 의도를 결정할 수 있다. 예를 들어, 디바이스(1000)의 스케줄 애플리케이션을 통해 기록된 일정 정보 내에, 사용자의 음성 입력이 입력된 날짜에 쇼핑을 하기 위한 일정이 기록되어 있는 경우에, 프로세서(1300)는 사용자가 강남 A 백화점에서 쇼핑을 하기 위하여 길 안내를 요청하는 것으로 사용자의 의도를 결정할 수 있다.In addition, the processor 1300 may determine the intention of the user using context information of the user. For example, the processor 1300 may include, for example, a history of a user using the device 1000, a schedule of the user, a history of a call of the user, a history of a user's text, a history of visiting a specific place, and a history of a user's web search. In consideration of the payment history at a specific place, the intention of the user may be determined. For example, when a schedule for shopping on a date on which a voice input of a user is input is recorded in schedule information recorded through a schedule application of the device 1000, the processor 1300 may allow the user to have a Gangnam A department store. Requesting directions to shop at may determine the user's intention.
프로세서(1300)는 목적지에 관련된 연관 정보를 획득할 수 있다. 프로세서(1300)는 사용자의 의도가 실현 가능한지를 판단하기 위하여, 목적지에 관련된 연관 정보를 획득할 수 있다. 예를 들어, 사용자의 의도가 사용자가 강남 A 백화점에서 쇼핑을 하기 위하여 길 안내를 요청하는 것인 경우에, 프로세서(1300)는 A 백화점의 영업 시간, A 백화점의 주차 상황, A 백화점의 물품 재고 상황, A 백화점의 할인 정보 및 A 백화점으로의 교통 상황 등에 관한 정보를 획득할 수 있다.The processor 1300 may obtain related information related to the destination. The processor 1300 may obtain related information related to the destination in order to determine whether the user's intention is feasible. For example, if the intention of the user is that the user requests directions for shopping in the Gangnam A department store, the processor 1300 may open the opening hours of the A department store, the parking situation of the A department store, the goods inventory of the A department store. Information about the situation, discount information of the A department store, and traffic conditions to the A department store can be obtained.
프로세서(1300)는 사용자의 의도와 관련된 대체 목적지를 추천할 수 있다. 프로세서(1300)는 연관 정보를 이용하여, 사용자의 의도의 실현 가능성을 판단할 수 있다. 또한, 프로세서(1300)는 사용자의 의도의 실현 가능성이 기 설정된 수치 이하인 경우에, 사용자의 의도를 만족시키기 위한 대체 목적지를 추천할 수 있다. 예를 들어, 강남 A 백화점이 영업을 하지 않거나 강남 A 백화점에 사용자가 구매하고자 하는 물품이 없는 경우에, 프로세서(1300)는 도곡 B 백화점을 대체 목적지로 추천할 수 있다. 또한, 프로세서(1300)는 대체 목적지로 길 안내를 할지를 사용자에게 문의하는 답변 메시지를 생성하고, 생성된 답변 메시지를 디스플레이부(1210)에 디스플레이할 수 있다.The processor 1300 may recommend an alternative destination related to the user's intention. The processor 1300 may determine the feasibility of the user's intention using the related information. In addition, when the feasibility of the user's intention is less than or equal to a preset value, the processor 1300 may recommend an alternative destination for satisfying the user's intention. For example, when the Gangnam A department store is not open or there is no item that the user wants to purchase in the Gangnam A department store, the processor 1300 may recommend the Dogok B department store as an alternative destination. In addition, the processor 1300 may generate an answer message for inquiring a user of whether to provide a route guidance to an alternative destination, and display the generated reply message on the display unit 1210.
또한, 프로세서(1300)는 사용자의 의도에 관련된 추가 태스크를 추천하고, 사용자의 의도에 관련된 부가 정보를 사용자에게 제공할 수 있다.In addition, the processor 1300 may recommend additional tasks related to the user's intention and provide the user with additional information related to the user's intention.
또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용하여, 사용자의 의도를 판단하고, 연관 정보를 제공하고, 대체 동작을 추천할 수 있으며, 이에 관하여는 도 28 내지 도 31에서 보다 상세히 설명하기로 한다.In addition, the processor 1300 may determine a user's intention, provide related information, and recommend an alternative operation by using a data recognition model stored in the memory 1700 or the server 2000. 28 to 31 will be described in more detail.
또한, 프로세서(1300)는 메모리(1700) 또는 서버(2000)에 저장된 데이터 인식 모델을 이용함으로써, 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천을 위한 기준을 효율적으로 학습할 수 있으며, 학습된 결과에 따라 사용자의 의도에 부합하는 서비스를 사용자에게 제공할 수 있게 된다.In addition, by using the data recognition model stored in the memory 1700 or the server 2000, the processor 1300 may efficiently learn a criterion for determining a user's intention, providing related information, and recommending an alternative operation. As a result, the service can be provided to the user according to the user's intention according to the learned result.
센싱부(1400)는, 디바이스(1000)의 상태 또는 디바이스(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다. 센싱부(1400)는 사용자 또는 디바이스(1000)의 주변 상황을 나타내는 컨텍스트 정보 중 일부를 생성하는데 이용될 수 있다. The sensing unit 1400 may detect a state of the device 1000 or a state around the device 1000 and transmit the detected information to the processor 1300. The sensing unit 1400 may be used to generate some of context information indicating a surrounding situation of the user or the device 1000.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.The sensing unit 1400 may include a geomagnetic sensor 1410, an acceleration sensor 1420, a temperature / humidity sensor 1430, an infrared sensor 1440, a gyroscope sensor 1450, and a position sensor. (Eg, GPS) 1460, barometric pressure sensor 1470, proximity sensor 1480, and RGB sensor (illuminance sensor) 1490, but are not limited thereto. Since functions of the respective sensors can be intuitively deduced by those skilled in the art from the names, detailed descriptions thereof will be omitted.
통신부(1500)는, 디바이스(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 디바이스(1000)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다. The communicator 1500 may include one or more components that allow the device 1000 to communicate with another apparatus (not shown) and the server 2000. The other device (not shown) may be a computing device such as the device 1000 or a sensing device, but is not limited thereto. For example, the communicator 1500 may include a short range communicator 1510, a mobile communicator 1520, and a broadcast receiver 1530.
근거리 통신부(short-range wireless communication unit)(151)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다. The short-range wireless communication unit 151 includes a Bluetooth communication unit, a Bluetooth low energy (BLE) communication unit, a near field communication unit (Near Field Communication unit), a WLAN (Wi-Fi) communication unit, a Zigbee communication unit, an infrared ray ( IrDA (Infrared Data Association) communication unit, WFD (Wi-Fi Direct) communication unit, UWB (ultra wideband) communication unit, Ant + communication unit and the like, but may not be limited thereto.
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.The mobile communication unit 1520 transmits and receives a radio signal with at least one of a base station, an external terminal, and a server on a mobile communication network. Here, the wireless signal may include various types of data according to transmission and reception of a voice call signal, a video call call signal, or a text / multimedia message.
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.The broadcast receiving unit 1530 receives a broadcast signal and / or broadcast related information from the outside through a broadcast channel. The broadcast channel may include a satellite channel and a terrestrial channel. According to an implementation example, the device 1000 may not include the broadcast receiver 1530.
또한, 통신부(1500)는, 사용자의 음성 입력에 대한 답변 메시지를 요청하고 답변 메시지에 관련된 동작을 실행하기 위한 필요한 정보를, 다른 장치(미도시) 및 서버(2000)와 송수신할 수 있다.In addition, the communicator 1500 may transmit / receive necessary information for requesting an answer message to the user's voice input and performing an operation related to the answer message with another device (not shown) and the server 2000.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다. 카메라(1610)에 의해 촬영된 이미지는 사용자의 컨텍스트 정보로 활용될 수 있다.The A / V input unit 1600 is for inputting an audio signal or a video signal, and may include a camera 1610 and a microphone 1620. The camera 1610 may obtain an image frame such as a still image or a moving image through an image sensor in a video call mode or a photographing mode. The image captured by the image sensor may be processed by the processor 1300 or a separate image processor (not shown). The image captured by the camera 1610 may be utilized as context information of the user.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 사용자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 사용자의 음성 입력을 수신할 수 있다. 마이크로폰(1620)는 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다. The microphone 1620 receives an external sound signal and processes the external sound signal into electrical voice data. For example, the microphone 1620 may receive an acoustic signal from an external device or a user. The microphone 1620 may receive a voice input of a user. The microphone 1620 may use various noise removing algorithms for removing noise generated in the process of receiving an external sound signal.
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(1000)로 입력되거나 디바이스(1000)로부터 출력되는 데이터를 저장할 수도 있다. The memory 1700 may store a program for processing and controlling the processor 1300, and may store data input to or output from the device 1000.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The memory 1700 may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (for example, SD or XD memory), RAM Random Access Memory (RAM) Static Random Access Memory (SRAM), Read-Only Memory (ROM), Electrically Erasable Programmable Read-Only Memory (EEPROM), Programmable Read-Only Memory (PROM), Magnetic Memory, Magnetic Disk It may include at least one type of storage medium of the optical disk.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다. Programs stored in the memory 1700 may be classified into a plurality of modules according to their functions. For example, the programs stored in the memory 1700 may be classified into a UI module 1710, a touch screen module 1720, a notification module 1730, and the like. .
UI 모듈(1710)은, 애플리케이션 별로 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.The UI module 1710 may provide a specialized UI, GUI, or the like that is linked with the device 1000 for each application. The touch screen module 1720 may detect a touch gesture on the user's touch screen and transmit information about the touch gesture to the processor 1300. The touch screen module 1720 according to some embodiments may recognize and analyze a touch code. The touch screen module 1720 may be configured as separate hardware including a controller.
알림 모듈(1730)은 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.The notification module 1730 may generate a signal for notifying occurrence of an event of the device 1000. Examples of events occurring in the device 1000 include call signal reception, message reception, key signal input, and schedule notification. The notification module 1730 may output a notification signal in the form of a video signal through the display unit 1210, may output the notification signal in the form of an audio signal through the sound output unit 1220, and the vibration motor 1230. Through the notification signal may be output in the form of a vibration signal.
도 27은 일부 실시예에 따른 서버(2000)의 블록도이다.27 is a block diagram of a server 2000 in accordance with some embodiments.
도 27을 참조하면, 일부 실시예에 따른 서버(2000)는 통신부(2500), DB(2700) 및 프로세서(2300)를 포함할 수 있다. Referring to FIG. 27, a server 2000 according to some embodiments may include a communication unit 2500, a DB 2700, and a processor 2300.
통신부(2500)는 서버(2000)가 다른 장치(미도시) 및 디바이스(1000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. The communication unit 2500 may include one or more components that allow the server 2000 to communicate with other devices (not shown) and the device 1000.
DB(2700)는 차량 번호 기반의 결제를 인증하기 위한 데이터를 저장할 수 있다.The DB 2700 may store data for authenticating a vehicle number based payment.
프로세서(2300)는 통상적으로 서버(2000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(2300)는, 서버(2000)의 DB(2700)에 저장된 프로그램들을 실행함으로써, DB(2700) 및 통신부(2500) 등을 전반적으로 제어할 수 있다. 프로세서(2300)는 DB(2700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 23에서의 디바이스(1000)의 동작의 일부를 수행할 수 있다.The processor 2300 typically controls the overall operation of the server 2000. For example, the processor 2300 may control the DB 2700 and the communication unit 2500 by executing programs stored in the DB 2700 of the server 2000. The processor 2300 may perform a part of the operation of the device 1000 of FIGS. 1 to 23 by executing programs stored in the DB 2700.
프로세서(2300)는, 도 1 내지 도 23에서 디바이스(1000)가 수행하는 기능인, 사용자의 의도를 판단하는 기능, 사용자의 의도에 관련된 연관 정보를 획득하는 기능, 사용자의 의도를 만족시키기 위한 대체 동작을 추천하는 기능, 사용자의 의도에 관련된 추가 태스크를 추천하는 기능, 및 부가 정보를 제공하는 기능 중 적어도 하나를 수행할 수 있다.The processor 2300 may determine a user's intention, which is a function performed by the device 1000 in FIGS. 1 to 23, a function of obtaining related information related to the user's intention, and an alternative operation for satisfying the user's intention. At least one of a function of recommending a function, a function of recommending an additional task related to a user's intention, and a function of providing additional information may be performed.
또한, 프로세서(2300)는 사용자의 의도를 판단하는데 필요한 데이터, 사용자의 의도에 관련된 연관 정보를 획득해 필요한 데이터, 사용자의 의도를 만족시키기 위한 대체 동작을 추천하기 위하여 필요한 데이터, 사용자의 의도에 관련된 추가 태스크를 추천하기 위하여 필요한 데이터, 및 부가 정보를 제공하기 위하여 필요한 데이터 중 적어도 하나를 관리할 수 있다.도 28은 일부 실시예에 따른 프로세서(1300)의 블록도이다.In addition, the processor 2300 may acquire data necessary for determining the intention of the user, data necessary for obtaining related information related to the intention of the user, data necessary for recommending an alternative operation for satisfying the intention of the user, and the intention of the user. At least one of data necessary for recommending additional tasks and data necessary for providing additional information may be managed. FIG. 28 is a block diagram of a processor 1300 according to some embodiments.
도 28을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다. 프로세서(1300)는 디바이스(1000)에 포함되거나 또는 서버(2000)에 포함될 수 있다.Referring to FIG. 28, the processor 1300 according to some embodiments may include a data learner 1310 and a data recognizer 1320. The processor 1300 may be included in the device 1000 or may be included in the server 2000.
실시 형태에 따라 데이터 학습부(1310)의 적어도 일부 및 데이터 인식부(1320)의 적어도 일부는 소프트웨어 모듈로 구현되거나 또는 하드웨어 칩 형태로 제작되어 디바이스(1000) 또는 서버(2000)에 탑재될 수 있다.According to an exemplary embodiment, at least a part of the data learner 1310 and at least a part of the data recognizer 1320 may be implemented as a software module or manufactured in the form of a hardware chip and mounted on the device 1000 or the server 2000. .
데이터 학습부(1310)는 사용자의 의도를 판단하고 사용자의 의도에 관련된 연관 정보를 제공하고 사용자의 의도를 만족시키기 위한 대체 동작을 추천하기 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천하기 위하여 어떤 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 데이터 학습부(1310)는 데이터를 이용하여 사용자의 의도를 어떻게 판단하고 연관 정보를 어떻게 획득하여 제공하고 대체 동작을 어떻게 결정할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천하기 위한 기준을 학습할 수 있다.The data learner 1310 may learn a criterion for determining an intention of the user, providing related information related to the intention of the user, and recommending an alternative operation for satisfying the intention of the user. The data learner 1310 may learn a criterion about what data to use to determine a user's intention, provide related information, and recommend an alternative operation. In addition, the data learner 1310 may use the data to learn a criterion about how to determine a user's intention, how to obtain and provide related information, and how to determine an alternative operation. The data learner 1310 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later to determine a user's intention, provide related information, and learn a criterion for recommending an alternative operation. Can be.
데이터 학습부(1310)로 입력되는 학습 데이터의 종류에는 음성 데이터, 텍스트 데이터 등이 포함될 수 있다.Types of learning data input to the data learning unit 1310 may include voice data and text data.
데이터 인식부(1320)는 데이터에 기초하여 사용자의 의도를 판단하고 연관 정보를 결정하고 대체 동작을 추천할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 사용자의 의도를 판단하고 연관 정보를 결정하고 대체 동작을 추천할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다. 또한, 데이터 인식부(1320)는 이를 이용함으로써, 소정의 데이터에 기초한 사용자의 의도, 연관 정보 및 대체 동작을 결정할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.The data recognizer 1320 may determine a user's intention, determine related information, and recommend an alternative operation based on the data. The data recognizing unit 1320 may determine a user's intention from the predetermined data, determine related information, and recommend an alternative operation using the learned data recognition model. The data recognizing unit 1320 may obtain predetermined data according to a preset reference by learning, and use the data recognition model by using the acquired data as an input value. In addition, the data recognizing unit 1320 may determine the user's intention, related information, and a substitute operation based on the predetermined data. In addition, the result value output by the data recognition model using the acquired data as an input value may be used to update the data recognition model.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스(1000)에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스(1000)에 탑재될 수도 있다. 이 때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 머신러닝과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. At least one of the data learner 1310 and the data recognizer 1320 may be manufactured in the form of at least one hardware chip and mounted on the device 1000. For example, at least one of the data learner 1310 and the data recognizer 1320 may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or an existing general purpose processor (eg, a CPU). Alternatively, the device may be manufactured as a part of an application processor or a graphics processor (eg, a GPU) and mounted on the aforementioned various devices 1000. At this time, the dedicated hardware chip for artificial intelligence is a dedicated processor specialized in probability calculation, and has higher parallelism performance than the conventional general-purpose processor, so that it is possible to process arithmetic tasks in the field of artificial intelligence such as machine learning.
데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 디바이스(1000)에 탑재될 수도 있으며, 또는 별개의 디바이스(1000)들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 디바이스(1000)에 포함되고, 나머지 하나는 서버(2000)에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.The data learner 1310 and the data recognizer 1320 may be mounted in one device 1000 or may be mounted in separate devices 1000, respectively. For example, one of the data learner 1310 and the data recognizer 1320 may be included in the device 1000, and the other may be included in the server 2000. In addition, the data learner 1310 and the data recognizer 1320 may provide model information constructed by the data learner 1310 to the data recognizer 1320 via a wired or wireless connection. The data input to 1320 may be provided to the data learner 1310 as additional learning data.
예를 들면 디바이스(1000)는 데이터 인식부(1320)를 포함하며, 외부의 서버(2000)가 데이터 학습부(1310)를 포함할 수 있다. 서버(1200)는 사용자의 의도를 파악하기 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(2000)에 의한 학습 결과에 기초하여 사용자의 의도를 판단할 수 있다.For example, the device 1000 may include a data recognizer 1320, and an external server 2000 may include a data learner 1310. The server 1200 may learn a criterion for determining the intention of the user, and the device 1000 may determine the intention of the user based on the learning result by the server 2000.
서버(2000)의 데이터 학습부(1310)는 사용자의 의도를 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 사용자의 의도를 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자의 의도를 파악하기 위한 기준을 학습할 수 있다.The data learning unit 1310 of the server 2000 may learn what data to use to determine the intention of the user and how to determine the intention of the user using the data. The data learner 1310 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later, so as to learn a criterion for identifying a user's intention.
그러나, 이는 일 실시예에 불과할 뿐, 디바이스(1000)가 데이터 학습부(1310)를 포함할 수 있으며, 서버와 같은 외부 장치가 데이터 인식부(1320)를 포함할 수 있다.However, this is only an example, and the device 1000 may include the data learner 1310, and an external device such as a server may include the data recognizer 1320.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.Meanwhile, at least one of the data learner 1310 and the data recognizer 1320 may be implemented as a software module. When at least one of the data learning unit 1310 and the data recognizing unit 1320 is implemented as a software module (or a program module including an instruction), the software module may be a computer readable non-transitory computer. It may be stored in a non-transitory computer readable media. In this case, at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
도 29는 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.29 is a block diagram of a data learner 1310, according to some embodiments.
도 29를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.Referring to FIG. 29, the data learner 1310 may include a data acquirer 1310-1, a preprocessor 1310-2, a training data selector 1310-3, and a model learner 1310. -4) and the model evaluator 1310-5.
데이터 획득부(1310-1)는 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천하기 위하여 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작을 추천하기 위한 학습을 위하여 필요한 데이터를 획득할 수 있다.The data acquirer 1310-1 may acquire data necessary for determining a user's intention, providing related information, and recommending an alternative operation. The data acquirer 1310-1 may acquire data necessary for learning to determine a user's intention, provide related information, and recommend an alternative operation.
데이터 획득부(1310-1)는, 예를 들어, 소정의 사용자 음성, 소정의 컨텍스트 정보를 획득할 수 있다.The data acquirer 1310-1 may acquire, for example, predetermined user voice and predetermined context information.
전처리부(1310-2)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.The preprocessor 1310-2 may preprocess the acquired data so that the acquired data can be used for learning to determine a user's intention, provide related information, and recommend an alternative operation. The preprocessor 1310-2 may use the acquired data so that the model learner 1310-4 to be described later can use the acquired data for learning the user's intention, providing related information, and learning for recommending an alternative operation. Can be processed in a preset format.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.The training data selector 1310-3 may select data required for learning from the preprocessed data. The selected data may be provided to the model learner 1310-4. The training data selector 1310-3 may select data required for learning from preprocessed data according to preset criteria for determining a user's intention, providing related information, and recommending an alternative operation. In addition, the training data selector 1310-3 may select data according to preset criteria by learning by the model learner 1310-4 to be described later.
모델 학습부(1310-4)는 학습 데이터에 기초하여 사용자의 의도를 어떻게 판단하고 연관 정보를 어떻게 결정하고 대체 동작을 어떻게 추천할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 사용자의 의도 판단, 연관 정보의 결정 및 대체 동작의 추천을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.The model learner 1310-4 may learn a criterion about how to determine a user's intention, how to determine related information, and how to recommend an alternative operation based on the training data. In addition, the model learner 1310-4 may learn a criterion about what learning data should be used for determining a user's intention, determining related information, and recommending an alternative operation.
또한, 모델 학습부(1310-4)는 사용자의 의도 판단, 연관 정보의 결정 및 대체 동작의 추천에 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 데이터 등)을 입력 받아 미리 구축된 모델일 수 있다.In addition, the model learner 1310-4 may train the data recognition model used for determining the intention of the user, determining the related information, and recommending the replacement operation using the training data. In this case, the data recognition model may be a pre-built model. For example, the data recognition model may be a model built in advance by receiving basic training data (eg, sample data).
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있다. 데이터 인식 모델은 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 데이터 인식 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 데이터 인식 모델에는, 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델 들이 포함될 수 있으며, 전술한 예에 특별히 한정되지는 않는다.The data recognition model may be constructed in consideration of the application field of the recognition model, the purpose of learning, or the computer performance of the device. The data recognition model can be designed to simulate the human brain structure on a computer. The data recognition model may include a plurality of weighted network nodes that simulate neurons in a human neural network. The plurality of network nodes may form a connection relationship so that neurons simulate synaptic activity through which signals are sent and received through synapses. The data recognition model may include, for example, a neural network model or a deep learning model developed from the neural network model. In the deep learning model, a plurality of network nodes may be located at different depths (or layers) and exchange data according to a convolutional connection relationship. The data recognition model may include, for example, models such as a deep neural network (DNN), a recurrent neural network (RNN), a bidirectional recurrent deep neural network (BRDNN), and the like.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다. According to various embodiments of the present disclosure, when there are a plurality of pre-built data recognition models, the model learner 1310-4 may be a data recognition model to learn a data recognition model having a large correlation between input training data and basic training data. You can decide. In this case, the basic training data may be previously classified by the type of data, and the data recognition model may be pre-built by the type of data. For example, the basic training data is classified based on various criteria such as the region where the training data is generated, the time at which the training data is generated, the size of the training data, the genre of the training data, the creator of the training data, and the types of objects in the training data. It may be.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.In addition, the model learner 1310-4 may train the data recognition model using, for example, a learning algorithm including an error back-propagation method or a gradient descent method. .
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.In addition, the model learner 1310-4 may train the data recognition model through, for example, supervised learning using the training data as an input value. In addition, the model learner 1310-4 may learn, for example, the intention of the user by directly learning the kind of data necessary for determining the intention of the user, providing related information, and recommending an alternative operation without any guidance. The data recognition model can be trained through unsupervised learning that finds criteria for providing information and recommending alternative actions. In addition, the model learner 1310-4 may use, for example, reinforcement learning using feedback on whether the result of the user's intention determination according to the learning, the provision of related information, and the recommendation of the replacement operation are correct. In addition, the data recognition model can be trained.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 디바이스(1000)의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 디바이스(1000)의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 디바이스(1000)와 유선 또는 무선 네트워크로 연결되는 서버(2000)의 메모리에 저장할 수도 있다.In addition, when the data recognition model is trained, the model learner 1310-4 may store the trained data recognition model. In this case, the model learner 1310-4 may store the learned data recognition model in a memory of the device 1000 including the data recognizer 1320. Alternatively, the model learner 1310-4 may store the learned data recognition model in a memory of the device 1000 including the data recognizer 1320, which will be described later. Alternatively, the model learner 1310-4 may store the learned data recognition model in a memory of the server 2000 connected to the device 1000 through a wired or wireless network.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 디바이스(1000)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.In this case, the memory in which the learned data recognition model is stored may store, for example, commands or data related to at least one other element of the device 1000. The memory may also store software and / or programs. The program may include, for example, a kernel, middleware, an application programming interface (API) and / or an application program (or “application”), and the like.
모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다. The model evaluator 1310-5 may input the evaluation data into the data recognition model, and cause the model learner 1310-4 to relearn if the recognition result output from the evaluation data does not satisfy a predetermined criterion. have. In this case, the evaluation data may be preset data for evaluating the data recognition model.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.For example, the model evaluator 1310-5 may determine a predetermined criterion when the number or ratio of the evaluation data that is not accurate among the recognition results of the learned data recognition model for the evaluation data exceeds a preset threshold. It can be evaluated as not satisfied. For example, when a predetermined criterion is defined at a ratio of 2%, the model evaluator 1310-5 when the learned data recognition model outputs an incorrect recognition result for more than 20 evaluation data out of a total of 1000 evaluation data. Can be judged that the learned data recognition model is not suitable.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 음성 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.On the other hand, when there are a plurality of trained data recognition models, the model evaluator 1310-5 evaluates whether each learned speech recognition model satisfies a predetermined criterion, and recognizes the final data as a model that satisfies the predetermined criterion. Can be determined as a model. In this case, when there are a plurality of models satisfying a predetermined criterion, the model evaluator 1310-5 may determine any one or a predetermined number of models that are preset in the order of the highest evaluation score as the final data recognition model.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스(1000)에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스(1000)에 탑재될 수도 있다.Meanwhile, the data acquisition unit 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310 in the data learner 1310. At least one of -5) may be manufactured in the form of at least one hardware chip and mounted on the device 1000. For example, at least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5. One may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or may be manufactured as a part of an existing general purpose processor (eg, a CPU or application processor) or a graphics dedicated processor (eg, a GPU). It may be mounted on various devices 1000.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 디바이스(1000)에 탑재될 수도 있으며, 또는 별개의 디바이스(1000)들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 디바이스(1000)에 포함되고, 나머지 일부는 서버(2000)에 포함될 수 있다.In addition, the data acquisition unit 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 are one device. It may be mounted on the 1000, or may be mounted on separate devices 1000, respectively. For example, some of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5. May be included in the device 1000, and the remaining part may be included in the server 2000.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.In addition, at least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 may be used. It may be implemented as a software module. At least one of the data acquirer 1310-1, the preprocessor 1310-2, the training data selector 1310-3, the model learner 1310-4, and the model evaluator 1310-5 is a software module. (Or a program module including instructions), the software module may be stored in a computer readable non-transitory computer readable media. In this case, at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
프로세서(1300)는 다양한 데이터 인식 모델을 이용할 수 있으며, 데이터 인식 모델을 통해 다양한 방법으로 사용자의 의도를 판단하고 연관 정보를 제공하고 대체 동작 추천을 위한 기준을 효율적으로 학습할 수 있다. The processor 1300 may use various data recognition models, and may determine the user's intention, provide related information, and efficiently learn a criterion for recommending an alternative operation through the data recognition model.
도 30은 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.30 is a block diagram of a data recognizer 1320 according to some embodiments.
도 30을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.Referring to FIG. 30, the data recognizer 1320 may include a data acquirer 1320-1, a preprocessor 1320-2, a recognition data selector 1320-3, and a recognition result provider ( 1320-4) and a model updater 1320-5.
데이터 획득부(1320-1)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천에 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다. 예를 들어, 데이터 획득부(1320-1)는 디바이스(1000)에 입력되는 사용자의 음성을 획득할 수 있다. 또한, 데이터 획득부(1320-1)는 사용자 또는 디바이스(1000)에 관련된 컨텍스트 정보를 획득할 수 있다. 컨텍스트 정보는, 예를 들어, 디바이스(1000)의 주변 환경 정보, 디바이스(1000)의 상태 정보, 사용자의 상태 정보, 사용자의 디바이스(1000) 사용 이력 정보 및 사용자의 일정 정보 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 또한, 예를 들어, 컨텍스트 정보는 디바이스(1000)에서 생성된 정보 또는 외부 장치로부터 수신된 정보일 수 있다.The data acquirer 1320-1 may acquire data necessary for determining a user's intention, providing related information, and recommending an alternative operation. The preprocessor 1320-2 may provide a user's intention determined, providing related information, and The acquired data may be preprocessed such that the obtained data may be used for recommendation of an alternate operation. The preprocessing unit 1320-2 may preset the acquired data so that the recognition result providing unit 1320-4, which will be described later, may use the acquired data for determining the user's intention, providing related information, and recommending an alternative operation. Can be processed in format. For example, the data acquirer 1320-1 may acquire a voice of a user input to the device 1000. Also, the data acquirer 1320-1 may acquire context information related to the user or the device 1000. The context information may include, for example, at least one of surrounding environment information of the device 1000, state information of the device 1000, state information of the user, usage history information of the device 1000 of the user, and schedule information of the user. It may be, but is not limited thereto. Also, for example, the context information may be information generated by the device 1000 or information received from an external device.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 상술한 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.The recognition data selector 1320-3 may select data necessary for determining a user's intention, providing related information, and recommending an alternative operation, from the preprocessed data. The selected data may be provided to the recognition result provider 1320-4. The recognition data selector 1320-3 may select some or all of the preprocessed data according to preset criteria for determining a user's intention, providing related information, and recommending an alternative operation. In addition, the recognition data selector 1320-3 may select data according to a predetermined criterion by learning by the model learner 1310-4 described above.
인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.The recognition result providing unit 1320-4 may apply the selected data to the data recognition model to determine a user's intention, provide related information, and recommend an alternative operation. The recognition result providing unit 1320-4 may provide a recognition result according to a recognition purpose of data. The recognition result provider 1320-4 may apply the selected data to the data recognition model by using the data selected by the recognition data selector 1320-3 as an input value. In addition, the recognition result may be determined by the data recognition model.
모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.The model updater 1320-5 may cause the data recognition model to be updated based on the evaluation of the recognition result provided by the recognition result provider 1320-4. For example, the model updater 1320-5 provides the model learning unit 1310-4 with the recognition result provided by the recognition result providing unit 1320-4 so that the model learner 1310-4 provides the recognition result. The data recognition model can be updated.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 디바이스(1000)에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 디바이스(1000)에 탑재될 수도 있다.Meanwhile, the data acquisition unit 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result providing unit 1320-4, and the model updater in the data recognition unit 1320 ( At least one of 1320-5 may be manufactured in the form of at least one hardware chip and mounted on the device 1000. For example, among the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5. At least one may be fabricated in the form of a dedicated hardware chip for artificial intelligence (AI), or may be fabricated as part of an existing general purpose processor (e.g., CPU or application processor) or graphics dedicated processor (e.g., GPU). It may be mounted on one of various devices 1000.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 디바이스(1000)에 탑재될 수도 있으며, 또는 별개의 디바이스(1000)들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 디바이스(1000)에 포함되고, 나머지 일부는 서버에 포함될 수 있다.In addition, the data acquisition unit 1320-1, the preprocessor 1320-2, the recognition data selection unit 1320-3, the recognition result providing unit 1320-4, and the model updater 1320-5 It may be mounted on the device 1000, or may be mounted on separate devices 1000, respectively. For example, among the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5. Some may be included in the device 1000 and others may be included in the server.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.In addition, at least one of the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5. May be implemented as a software module. At least one of the data acquirer 1320-1, the preprocessor 1320-2, the recognition data selector 1320-3, the recognition result provider 1320-4, and the model updater 1320-5 is software. When implemented as a module (or a program module including instructions), the software module may be stored on a computer readable non-transitory computer readable media. In this case, at least one software module may be provided by an operating system (OS) or by a predetermined application. Alternatively, some of the at least one software module may be provided by an operating system (OS), and others may be provided by a predetermined application.
또한, 디바이스(1000)는 학습된 결과가 적용된 데이터 인식 모델을 이용하여 사용자의 의도에 부합하는 서비스를 사용자에게 제공할 수 있게 된다.In addition, the device 1000 may provide the user with a service corresponding to the user's intention by using the data recognition model to which the learned result is applied.
도 31은 일부 실시예에 따른 디바이스(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.FIG. 31 illustrates an example in which the device 1000 and the server 2000 learn and recognize data by interworking with each other, according to an exemplary embodiment.
도 31를 참조하면, 서버(2000)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기준을 학습할 수 있으며, 디바이스(1000)는 서버(2000)에 의한 학습 결과에 기초하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 판단할 수 있다.Referring to FIG. 31, the server 2000 may learn a criterion for determining an intention of a user, providing related information, and recommending an alternative operation, and the device 1000 may be based on a learning result by the server 2000. The determination of the intention of the user, the provision of related information, and the recommendation of the alternative operation may be determined.
이 경우, 서버(2000)의 모델 학습부(2340)는 도 29에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위하여 어떤 데이터를 이용할 지에 관한 기준을 학습할 수 있다. 또한, 서버의 모델 학습부(2340)는 데이터를 이용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 어떻게 할 지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기준을 학습할 수 있다.In this case, the model learner 2340 of the server 2000 may perform a function of the data learner 1310 illustrated in FIG. 29. The model learner 2340 of the server 2000 may learn a criterion about what data to use for determining a user's intention, providing related information, and recommending an alternative operation. In addition, the model learner 2340 of the server may use the data to learn a criterion about how to determine a user's intention, provide related information, and recommend an alternative operation. The model learner 2340 acquires data to be used for learning, and applies the acquired data to a data recognition model to be described later, thereby learning criteria for determining a user's intention, providing related information, and recommending an alternative operation. have.
또한, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 판단된 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천에 관한 정보를 서버(2000)로부터 수신할 수 있다. In addition, the recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model generated by the server 2000 to determine the intention of the user. Providing association information and recommending alternative actions. For example, the recognition result provider 1320-4 transmits the data selected by the recognition data selector 1320-3 to the server 2000, and the server 2000 transmits the recognition data selector 1320-3. By applying the data selected by the to the recognition model may request to determine the user's intention, providing the relevant information and recommend the alternative action. In addition, the recognition result providing unit 1320-4 may receive information about the intention determination of the user, the provision of related information, and the recommendation of an alternative operation, determined by the server 2000, from the server 2000.
또는, 디바이스(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 할 수 있다. 이 경우, 디바이스(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 할 수 있다. Alternatively, the recognition result providing unit 1320-4 of the device 1000 receives a recognition model generated by the server 2000 from the server 2000, and determines the intention of the user and related information using the received recognition model. Providing and recommending alternative actions. In this case, the recognition result providing unit 1320-4 of the device 1000 applies the data selected by the recognition data selecting unit 1320-3 to the data recognition model received from the server 2000 to determine the intention of the user. Providing association information and recommending alternative actions.
또한, 디바이스(1000) 및 서버(2000)는 데이터 인식 모델의 학습 및 데이터 인식을 위한 작업을 효과적으로 분배하여 수행할 수 있으며, 이를 통하여, 사용자의 의도에 부합하는 서비스를 제공하기 위하여 데이터 처리를 효율적으로 수행하고, 사용자의 프라이버시를 효과적으로 보호할 수 있다.In addition, the device 1000 and the server 2000 may effectively distribute and perform a task for learning the data recognition model and data recognition, thereby efficiently processing data in order to provide a service corresponding to the user's intention. To protect the user's privacy.
일부 실시예는 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어들을 포함하는 S/W 프로그램으로 구현될 수 있다. Some embodiments may be implemented as S / W programs that include instructions stored on computer-readable storage media.
예로, 컴퓨터는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 개시된 실시예에 따른 동작이 가능한 장치로서, 개시된 실시예들에 따른 디바이스 또는 디바이스와 통신 연결된 외부의 서버를 포함할 수 있다.For example, a computer may be a device capable of calling stored instructions from a storage medium and operating according to the disclosed embodiments according to the called instructions, and may include a device according to the disclosed embodiments or an external server connected to the device. .
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 신호(signal), 전류(current)를 포함하지 않으며, 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. 예로, 비일시적 저장 매체는 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 내장 메모리, 메모리 카드, ROM 또는 RAM 등과 같은 비일시적 판독가능 저장매체뿐만 아니라 레지스터, 캐쉬, 버퍼 등과 같이 임시적으로 저장되는 매체를 포함할 수 있다.The computer readable storage medium may be provided in the form of a non-transitory storage medium. Here, "non-transitory" means that the storage medium does not include a signal (signal), current (current), and is tangible, but does not distinguish that the data is stored semi-permanently or temporarily on the storage medium. For example, non-transitory storage media may be stored temporarily such as registers, caches, buffers, as well as non-transitory readable storage media such as CD, DVD, hard disk, Blu-ray disc, USB, internal memory, memory card, ROM, or RAM. Media may be included.
또한, 개시된 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)으로 제공될 수 있다. In addition, the method according to the disclosed embodiments may be provided as a computer program product.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체 또는 판매자 및 구매자 간에 거래되는 상품을 포함할 수 있다. The computer program product may include a S / W program, a computer readable storage medium on which the S / W program is stored, or a product traded between a seller and a buyer.
예를 들어, 컴퓨터 프로그램 제품은 디바이스 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사 또는 전자 마켓의 서버, 또는 중계 서버의 저장매체가 될 수 있다.For example, a computer program product may include a product (eg, a downloadable app) in the form of a S / W program distributed electronically through a device manufacturer or an electronic market (eg, Google Play Store, App Store). For electronic distribution, at least a part of the S / W program may be stored in a storage medium or temporarily generated. In this case, the storage medium may be a server of a manufacturer or an electronic market, or a storage medium of a relay server.
또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.Further, in this specification, “unit” may be a hardware component such as a processor or a circuit, and / or a software component executed by a hardware component such as a processor.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present invention is intended for illustration, and it will be understood by those skilled in the art that the present invention may be easily modified in other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are exemplary in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is shown by the following claims rather than the above description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.

Claims (15)

  1. 적어도 하나의 프로그램이 저장되는 메모리; A memory in which at least one program is stored;
    사용자의 음성 입력을 수신하는 마이크로폰; 및 A microphone for receiving a voice input of a user; And
    상기 적어도 하나의 프로그램을 실행함으로써 상기 사용자의 음성 입력에 대한 답변 메시지를 제공하도록 하는 적어도 하나의 프로세서를 포함하고,At least one processor configured to provide an answer message to a voice input of the user by executing the at least one program,
    상기 적어도 하나의 프로그램은,The at least one program,
    상기 수신된 음성 입력을 분석함으로써, 상기 사용자의 목적지 및 상기 사용자의 의도를 결정하는 단계;Determining the destination of the user and the intention of the user by analyzing the received voice input;
    상기 목적지에 관련된 연관 정보를 획득하는 단계;Obtaining association information related to the destination;
    상기 획득된 연관 정보에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 단계; 및 Generating an answer message recommending an alternative destination related to the user's intention based on the obtained related information; And
    상기 생성된 답변 메시지를 디스플레이하는 단계:Displaying the generated reply message:
    를 실행하는 명령어들을 포함하는 것을 특징으로 하는, 디바이스.And instructions for executing the.
  2. 제 1 항에 있어서,The method of claim 1,
    상기 대체 목적지를 추천하는 답변 메시지를 생성하는 단계는,Generating a reply message recommending the alternative destination,
    상기 획득된 연관 정보에 기초하여, 상기 결정된 의도의 실현 가능성을 결정하는 단계; 및Determining feasibility of the determined intention based on the obtained association information; And
    상기 실현 가능성에 기초하여, 상기 대체 목적지를 추천할 지를 결정하는 단계;Based on the feasibility, determining whether to recommend the alternative destination;
    를 더 포함하는 것을 특징으로 하는, 디바이스.The device further comprises.
  3. 제 2 항에 있어서,The method of claim 2,
    상기 사용자의 의도를 결정하는 단계는,Determining the intention of the user,
    상기 사용자의 의도의 카테고리를 결정하는 단계; 및Determining a category of intention of the user; And
    상기 결정된 카테고리의 태스크 타입을 결정하는 단계;Determining a task type of the determined category;
    를 더 포함하는 것을 특징으로 하는, 디바이스.The device further comprises.
  4. 제 3 항에 있어서,The method of claim 3, wherein
    상기 대체 목적지를 추천하는 답변 메시지를 생성하는 단계는,Generating a reply message recommending the alternative destination,
    상기 결정된 실현 가능성, 상기 결정된 카테고리 및 상기 결정된 태스크 타입에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 것을 특징으로 하는, 디바이스.And based on the determined feasibility, the determined category, and the determined task type, generate an answer message recommending an alternate destination related to the user's intention.
  5. 제 3 항에 있어서,The method of claim 3, wherein
    상기 연관 정보를 획득하는 단계는, 상기 결정된 카테고리 및 상기 태스크 타입에 기초하여, 상기 사용자의 의도의 실현 가능성을 판단하기 위하여 상기 목적지에 관련되며 학습에 의해 설정된 상기 연관 정보를 획득하는 것을 특징으로 하는, 디바이스.The acquiring of the association information may include acquiring the association information related to the destination and set by learning to determine the feasibility of the intention of the user based on the determined category and the task type. , device.
  6. 제 1 항에 있어서,The method of claim 1,
    상기 연관 정보는, 상기 목적지의 영업 시간, 상기 목적지의 주차 상황, 상기 목적지의 시설 이용 시간 및 상기 목적지로의 교통 상황 중 적어도 하나에 관한 정보를 포함하는 것을 특징으로 하는, 디바이스.And the association information includes information about at least one of a business time of the destination, a parking situation of the destination, a facility usage time of the destination, and a traffic situation of the destination.
  7. 제 1 항에 있어서,The method of claim 1,
    상기 사용자의 의도를 결정하는 단계는, 상기 분석된 음성 입력 및 상기 사용자의 일정 정보에 기초하여, 상기 사용자의 의도를 결정하는 것을 특징으로 하는, 디바이스.Determining the intention of the user, characterized in that to determine the intention of the user based on the analyzed voice input and the schedule information of the user.
  8. 제 3 항에 있어서,The method of claim 3, wherein
    상기 적어도 하나의 프로그램은,The at least one program,
    상기 결정된 카테고리 및 상기 결정된 태스크 타입에 기초하여, 상기 사용자의 의도와 관련된 부가 정보를 획득하는 단계; 및Obtaining additional information related to the intention of the user based on the determined category and the determined task type; And
    상기 부가 정보를 상기 답변 메시지와 함께 제공하는 단계;Providing the additional information with the reply message;
    를 실행하는 명령어들을 더 포함하는 것을 특징으로 하는, 디바이스.The device further comprises instructions for executing.
  9. 제 1 항에 있어서,The method of claim 1,
    상기 적어도 하나의 프로그램은,The at least one program,
    상기 답변 메시지에 대한 사용자 입력에 기초하여, 상기 답변 메시지에 포함된 동작을 수행하기 위한 기설정된 애플리케이션을 실행하는 단계;Executing a preset application for performing an operation included in the response message based on a user input to the response message;
    를 실행하는 명령어들을 더 포함하는 것을 특징으로 하는, 디바이스.The device further comprises instructions for executing.
  10. 제 9 항에 있어서,The method of claim 9,
    상기 적어도 하나의 프로그램은,The at least one program,
    상기 사용자의 의도 및 상기 답변 메시지에 기초하여, 상기 실행된 애플리케이션에 기 설정된 입력 값을 입력하는 단계;Inputting a preset input value to the executed application based on the intention of the user and the response message;
    를 실행하는 명령어들을 더 포함하는 것을 특징으로 하는, 디바이스.The device further comprises instructions for executing.
  11. 디바이스가 사용자의 음성 입력에 대한 답변 메시지를 제공하는 방법에 있어서,A method for providing a response message to a user's voice input by a device, the method comprising:
    사용자의 음성 입력을 수신하는 단계;Receiving a voice input of a user;
    상기 수신된 음성 입력을 분석함으로써, 상기 사용자의 목적지 및 상기 사용자의 의도를 결정하는 단계;Determining the destination of the user and the intention of the user by analyzing the received voice input;
    상기 목적지에 관련된 연관 정보를 획득하는 단계;Obtaining association information related to the destination;
    상기 획득된 연관 정보에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 단계; 및 Generating an answer message recommending an alternative destination related to the user's intention based on the obtained related information; And
    상기 생성된 답변 메시지를 디스플레이하는 단계:Displaying the generated reply message:
    를 포함하는, 방법.Including, the method.
  12. 제 11 항에 있어서,The method of claim 11,
    상기 대체 목적지를 추천하는 답변 메시지를 생성하는 단계는,Generating a reply message recommending the alternative destination,
    상기 획득된 연관 정보에 기초하여, 상기 결정된 의도의 실현 가능성을 결정하는 단계; 및Determining feasibility of the determined intention based on the obtained association information; And
    상기 실현 가능성에 기초하여, 상기 대체 목적지를 추천할 지를 결정하는 단계;Based on the feasibility, determining whether to recommend the alternative destination;
    를 더 포함하는 것을 특징으로 하는, 방법.Further comprising a.
  13. 제 12 항에 있어서,The method of claim 12,
    상기 사용자의 의도를 결정하는 단계는,Determining the intention of the user,
    상기 사용자의 의도의 카테고리를 결정하는 단계; 및Determining a category of intention of the user; And
    상기 결정된 카테고리의 태스크 타입을 결정하는 단계;Determining a task type of the determined category;
    를 더 포함하는 것을 특징으로 하는, 방법.Further comprising a.
  14. 제 13 항에 있어서,The method of claim 13,
    상기 대체 목적지를 추천하는 답변 메시지를 생성하는 단계는,Generating a reply message recommending the alternative destination,
    상기 결정된 실현 가능성, 상기 결정된 카테고리 및 상기 결정된 태스크 타입에 기초하여, 상기 사용자의 의도에 관련된 대체 목적지를 추천하는 답변 메시지를 생성하는 것을 특징으로 하는, 방법.And based on the determined feasibility, the determined category, and the determined task type, generating an answer message recommending an alternative destination related to the user's intention.
  15. 제 11 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.A computer-readable recording medium having recorded thereon a program for executing the method of claim 11 on a computer.
PCT/KR2017/012852 2016-11-16 2017-11-14 Device and method for providing response message to voice input of user WO2018093110A1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201780070874.6A CN109964271B (en) 2016-11-16 2017-11-14 Apparatus and method for providing response message to voice input of user
US16/342,789 US11501766B2 (en) 2016-11-16 2017-11-14 Device and method for providing response message to voice input of user

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20160152959 2016-11-16
KR10-2016-0152959 2016-11-16
KR10-2017-0147606 2017-11-07
KR1020170147606A KR102501714B1 (en) 2016-11-16 2017-11-07 Device and method for providing response message to user’s voice input

Publications (1)

Publication Number Publication Date
WO2018093110A1 true WO2018093110A1 (en) 2018-05-24

Family

ID=62145671

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/012852 WO2018093110A1 (en) 2016-11-16 2017-11-14 Device and method for providing response message to voice input of user

Country Status (1)

Country Link
WO (1) WO2018093110A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827590A (en) * 2019-01-11 2019-05-31 北京猎户星空科技有限公司 A kind of control method of robot, device, equipment and medium
US20220116388A1 (en) * 2020-10-14 2022-04-14 Paypal, Inc. Voice vector framework for authenticating user interactions

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001215128A (en) * 2000-01-31 2001-08-10 Xanavi Informatics Corp Path search service
JP2006184371A (en) * 2004-12-27 2006-07-13 Nissan Motor Co Ltd Device and method for speech recognition
JP2012032253A (en) * 2010-07-30 2012-02-16 Sanyo Electric Co Ltd Navigation device for vehicle
KR20140085789A (en) * 2012-12-27 2014-07-08 현대엠엔소프트 주식회사 System and method for recommending destination
KR20150034896A (en) * 2013-09-26 2015-04-06 삼성전자주식회사 Apparatas and method for offering a information about search location in an electronic device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001215128A (en) * 2000-01-31 2001-08-10 Xanavi Informatics Corp Path search service
JP2006184371A (en) * 2004-12-27 2006-07-13 Nissan Motor Co Ltd Device and method for speech recognition
JP2012032253A (en) * 2010-07-30 2012-02-16 Sanyo Electric Co Ltd Navigation device for vehicle
KR20140085789A (en) * 2012-12-27 2014-07-08 현대엠엔소프트 주식회사 System and method for recommending destination
KR20150034896A (en) * 2013-09-26 2015-04-06 삼성전자주식회사 Apparatas and method for offering a information about search location in an electronic device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109827590A (en) * 2019-01-11 2019-05-31 北京猎户星空科技有限公司 A kind of control method of robot, device, equipment and medium
US20220116388A1 (en) * 2020-10-14 2022-04-14 Paypal, Inc. Voice vector framework for authenticating user interactions
US11700250B2 (en) * 2020-10-14 2023-07-11 Paypal, Inc. Voice vector framework for authenticating user interactions

Similar Documents

Publication Publication Date Title
WO2018143630A1 (en) Device and method for recommending product
WO2018128362A1 (en) Electronic apparatus and method of operating the same
WO2019098573A1 (en) Electronic device and method for changing chatbot
WO2020080773A1 (en) System and method for providing content based on knowledge graph
WO2018110818A1 (en) Speech recognition method and apparatus
EP3545436A1 (en) Electronic apparatus and method of operating the same
WO2020138928A1 (en) Information processing method, apparatus, electrical device and readable storage medium
WO2018117685A1 (en) System and method of providing to-do list of user
WO2018093229A1 (en) Method and device applying artificial intelligence to send money by using voice input
WO2019164120A1 (en) Electronic device and control method thereof
WO2019027240A1 (en) Electronic device and method for providing search result thereof
WO2019059505A1 (en) Method and apparatus for recognizing object
EP3533015A1 (en) Method and device applying artificial intelligence to send money by using voice input
WO2021045447A1 (en) Apparatus and method for providing voice assistant service
EP3552163A1 (en) System and method of providing to-do list of user
WO2018074895A1 (en) Device and method for providing recommended words for character input
WO2019146942A1 (en) Electronic apparatus and control method thereof
WO2019124963A1 (en) Speech recognition device and method
EP3533052A1 (en) Speech recognition method and apparatus
WO2019132410A1 (en) Electronic device and control method thereof
EP3523710A1 (en) Apparatus and method for providing sentence based on user input
WO2018101671A1 (en) Apparatus and method for providing sentence based on user input
WO2019240562A1 (en) Electronic device and operating method thereof for outputting response to user input, by using application
WO2020060151A1 (en) System and method for providing voice assistant service
WO2019245331A1 (en) Text input device and method therefor

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17870806

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17870806

Country of ref document: EP

Kind code of ref document: A1