1 |
1
대화 상태 추정 시스템에 의해 수행되는 대화 상태 추정 방법에 있어서, 음성 데이터를 텍스트 데이터로 변환하는 단계;상기 변환된 텍스트 데이터를 다른 언어의 텍스트 데이터로 변환하기 위한 기계 번역을 수행하는 단계; 및 상기 변환된 텍스트 데이터와 상기 수행된 기계 번역의 결과를 대화 상태를 추적하기 위하여 구성된 모델에 입력하여 교차언어 환경에서의 대화 상태를 학습함에 따라 단어 벡터를 출력하는 단계 를 포함하고, 상기 단어 벡터를 출력하는 단계는,상기 대화 상태를 추적하기 구성된 제1 모델 및 제2 모델을 통하여 학습된 결과를 통하여 최종적인 단어 벡터를 출력하는 단계를 포함하고, 상기 제1 모델에서 기 설정된 기준 이상의 중요도를 갖는 값들이 존재하지 않을 경우, 상기 제2 모델의 결과에 기 설정된 기준 이상의 가중치를 부여하여 최종적인 단어 벡터가 생성되는대화 상태 추정 방법
|
2 |
2
제1항에 있어서,상기 단어 벡터를 출력하는 단계는,Bi-LSTM(Bidirectional Long Short Term Memory)을 이용하여 상기 변환된 텍스트의 각 단어에 대한 중요도를 계산하고, 상기 계산된 중요도에 기초하여 가중치 합을 통해 주어진 문장을 요약하는 단어 벡터를 출력하는 단계를 포함하는 대화 상태 추정 방법
|
3 |
3
제2항에 있어서,상기 단어 벡터를 출력하는 단계는,주어진 슬롯의 정답으로 가능한 값들에 대한 중요도를 계산하고, 상기 계산된 값들의 단어 벡터에 대한 가중치 합을 통해 최종 단어 벡터를 출력하기 위한 다중 언어로 존재하는 데이터를 처리하는 제1 모델을 구성하는 단계를 포함하는 대화 상태 추정 방법
|
4 |
4
대화 상태 추정 시스템에 의해 수행되는 대화 상태 추정 방법에 있어서, 음성 데이터를 텍스트 데이터로 변환하는 단계;상기 변환된 텍스트 데이터를 다른 언어의 텍스트 데이터로 변환하기 위한 기계 번역을 수행하는 단계; 및 상기 변환된 텍스트 데이터와 상기 수행된 기계 번역의 결과를 대화 상태를 추적하기 위하여 구성된 모델에 입력하여 교차언어 환경에서의 대화 상태를 학습함에 따라 단어 벡터를 출력하는 단계 를 포함하고, 상기 단어 벡터를 출력하는 단계는,Bi-LSTM(Bidirectional Long Short Term Memory)을 이용하여 상기 변환된 텍스트의 각 단어에 대한 중요도를 계산하고, 상기 계산된 중요도에 기초하여 가중치 합을 통해 주어진 문장을 요약하는 단어 벡터를 출력하고, 주어진 슬롯의 정답으로 가능한 값들에 대한 중요도를 계산하고, 상기 계산된 값들의 단어 벡터에 대한 가중치 합을 통해 최종 단어 벡터를 출력하기 위한 다중 언어로 존재하는 데이터를 처리하는 제1 모델을 구성하고, 상기 제1 모델을 통하여 상기 변환된 텍스트와 기계번역의 결과에 대한 각각의 문장을 요약하는 단어 벡터를 출력하고, 상기 출력한 단어 벡터에 대한 슬롯의 값들에 대한 중요도를 결정하고, 상기 결정된 중요도에 기초하여 각각의 값들에 대한 단어 벡터를 가중치 합을 통해 최종적인 단어 벡터를 출력하는 단계 를 포함하는 대화 상태 추정 방법
|
5 |
5
제2항 또는 제4항에 있어서,상기 단어 벡터를 출력하는 단계는,상기 변환된 텍스트 데이터를 요약하는 단어 벡터를 출력하기 위하여 OOV(Out-Of-Vocabulary) 단어를 처리하는 제2 모델을 구성하는 단계를 포함하는 대화 상태 추정 방법
|
6 |
6
제5항에 있어서,상기 단어 벡터를 출력하는 단계는,상기 변환된 텍스트 데이터에 대한 기 설정된 기준 이상의 중요 정보가 존재하지 않을 경우, 별도로 구성된 뉴럴 네트워크 구조를 통해 단어 벡터를 출력하는 단계를 포함하는 대화 상태 추정 방법
|
7 |
7
삭제
|
8 |
8
대화 상태 추정 시스템에 의해 수행되는 대화 상태 추정 방법을 실행시키기 위해 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램에 있어서, 음성 데이터를 텍스트 데이터로 변환하는 단계;상기 변환된 텍스트 데이터를 다른 언어의 텍스트 데이터로 변환하기 위한 기계 번역을 수행하는 단계; 및 상기 변환된 텍스트 데이터와 상기 수행된 기계 번역의 결과를 대화 상태를 추적하기 위하여 구성된 모델에 입력하여 교차언어 환경에서의 대화 상태를 학습함에 따라 단어 벡터를 출력하는 단계 를 포함하고, 상기 단어 벡터를 출력하는 단계는,상기 대화 상태를 추적하기 구성된 제1 모델 및 제2 모델을 통하여 학습된 결과를 통하여 최종적인 단어 벡터를 출력하는 단계를 포함하고, 상기 제1 모델에서 기 설정된 기준 이상의 중요도를 갖는 값들이 존재하지 않을 경우, 상기 제2 모델의 결과에 기 설정된 기준 이상의 가중치를 부여하여 최종적인 단어 벡터가 생성되는컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램
|
9 |
9
대화 상태 추정 시스템에 있어서, 음성 데이터를 텍스트 데이터로 변환하는 변환부;상기 변환된 텍스트 데이터를 다른 언어의 텍스트 데이터로 변환하기 위한 기계 번역을 수행하는 번역부; 및 상기 변환된 텍스트 데이터와 상기 수행된 기계 번역의 결과를 대화 상태를 추적하기 위하여 구성된 모델에 입력하여 교차언어 환경에서의 대화 상태를 학습함에 따라 단어 벡터를 출력하는 추적부 를 포함하고, 상기 추적부는,상기 대화 상태를 추적하기 구성된 제1 모델 및 제2 모델을 통하여 학습된 결과를 통하여 최종적인 단어 벡터를 출력하는 것을 포함하고,상기 제1 모델에서 기 설정된 기준 이상의 중요도를 갖는 값들이 존재하지 않을 경우, 상기 제2 모델의 결과에 기 설정된 기준 이상의 가중치를 부여하여 최종적인 단어 벡터가 생성되는대화 상태 추정 시스템
|
10 |
10
제9항에 있어서,상기 추적부는,Bi-LSTM (Bidirectional Long Short Term Memory)을 이용하여 상기 변환된 텍스트의 각 단어에 대한 중요도를 계산하고, 상기 계산된 중요도에 기초하여 가중치 합을 통해 주어진 문장을 요약하는 단어 벡터를 출력하는대화 상태 추정 시스템
|
11 |
11
제10항에 있어서,상기 추적부는,주어진 슬롯의 정답으로 가능한 값들에 대한 중요도를 계산하고, 상기 계산된 값들의 단어 벡터에 대한 가중치 합을 통해 최종 단어 벡터를 출력하기 위한 다중 언어로 존재하는 데이터를 처리하는 제1 모델을 구성하는 대화 상태 추정 시스템
|
12 |
12
대화 상태 추정 시스템에 있어서, 음성 데이터를 텍스트 데이터로 변환하는 변환부;상기 변환된 텍스트 데이터를 다른 언어의 텍스트 데이터로 변환하기 위한 기계 번역을 수행하는 번역부; 및 상기 변환된 텍스트 데이터와 상기 수행된 기계 번역의 결과를 대화 상태를 추적하기 위하여 구성된 모델에 입력하여 교차언어 환경에서의 대화 상태를 학습함에 따라 단어 벡터를 출력하는 추적부 를 포함하고, 상기 추적부는,Bi-LSTM (Bidirectional Long Short Term Memory)을 이용하여 상기 변환된 텍스트의 각 단어에 대한 중요도를 계산하고, 상기 계산된 중요도에 기초하여 가중치 합을 통해 주어진 문장을 요약하는 단어 벡터를 출력하고, 주어진 슬롯의 정답으로 가능한 값들에 대한 중요도를 계산하고, 상기 계산된 값들의 단어 벡터에 대한 가중치 합을 통해 최종 단어 벡터를 출력하기 위한 다중 언어로 존재하는 데이터를 처리하는 제1 모델을 구성하고, 상기 제1 모델을 통하여 상기 변환된 텍스트와 기계번역의 결과에 대한 각각의 문장을 요약하는 단어 벡터를 출력하고, 상기 출력한 단어 벡터에 대한 슬롯의 값들에 대한 중요도를 결정하고, 상기 결정된 중요도에 기초하여 각각의 값들에 대한 단어 벡터를 가중치 합을 통해 최종적인 단어 벡터를 출력하는 대화 상태 추정 시스템
|
13 |
13
제10항 또는 제12항에 있어서,상기 추적부는,상기 변환된 텍스트 데이터를 요약하는 단어 벡터를 출력하기 위하여 OOV(Out-Of-Vocabulary) 단어를 처리하는 제2 모델을 구성하는 대화 상태 추정 시스템
|
14 |
14
제13항에 있어서,상기 추적부는,상기 변환된 텍스트 데이터에 대한 기 설정된 기준 이상의 중요 정보가 존재하지 않을 경우, 별도로 구성된 뉴럴 네트워크 구조를 통해 단어 벡터를 출력하는 대화 상태 추정 시스템
|
15 |
15
삭제
|