| 1 |
1
발화자 및 발화 텍스트를 포함하는 대화문에서 발화자 및 텍스트를 구별하는 전처리부; 구별된 발화 텍스트 내의 토큰에서 프레임이 되는 토큰을 식별하고, 식별된 토큰에 관한 프레임을 인식하는 프레임 인식부; 대화문 내의 모든 발화자 및 발화 텍스트에서 프레임 인식부로부터 추출된 프레임에 관한 요소 구간을 추출하는 프레임 요소 구간 추출부; 프레임 요소 구간 추출부로부터 추출된 요소 구간에 관한 프레임 요소 역할을 부여하는 프레임 요소 역할 부여부; 및프레임 요소 역할이 부여된 프레임의 분석 결과를 저장하는 데이터베이스 를 포함하는 대화문의 프레임 자동 분석 장치
|
| 2 |
2
제1항에 있어서,프레임 인식부는, 대화문에서 인식되는 연속된 의미 정보인 프레임에 관한 대화의 패턴을 활용하여 사용자의 필요를 사전에 파악하고 프레임을 인식하는 대화문의 프레임 자동 분석 장치
|
| 3 |
3
제1항에 있어서,프레임 요소 구간 추출부는, 누적된 대화문을 포함하는 복수의 대화문 내의 모든 발화자 및 발화 텍스트에서 문장 성분, 조사, 어미에 대한 정보를 활용하여 프레임 요소 구간을 추출하는대화문의 프레임 자동 분석 장치
|
| 4 |
4
제1항에 있어서,프레임 요소 역할 부여부는, 어휘 및 어휘의 구간, 해당 어휘의 프레임, 프레임에 종속된 요소 역할 집합, 대화문의 요소 구간 집합이 주어진 상태에서 대화문의 요소 구간 집합의 각각의 구간에 대응하는 요소 역할 집합을 찾는 대화문의 프레임 자동 분석 장치
|
| 5 |
5
제4항에 있어서, 프레임 요소 역할 부여부는, 대화문에서의 요소 역할 결정에서 어휘와 요소가 다른 문장에 속하는 경우 또는 요소가 실제 텍스트에서 드러나지 않는 발화자를 포함하는 경우, 요소 구간에 대한 표현을 생성하여 주어진 어휘, 요소 구간, 요소 역할 간의 관계를 학습하기 위해 조건부확률을 추정하는 대화문의 프레임 자동 분석 장치
|
| 6 |
6
제5항에 있어서, 입력으로 들어온 발화 텍스트를 인코딩하고, 복수의 층으로 이루어진 신경망을 통해 벡터를 스칼라로 변환하며, 변환된 값을 이용하여 해당 요소들의 중요도를 학습하며, 다음 요소 구간의 시작과 끝이 주어질 경우, 해당 요소 구간의 스칼라 값에 대한 요소 구간 내의 상대적 중요도를 추출하고, 추출된 상대적 중요도와 인코딩 값을 결합하여 구간 전체에 대한 임베딩을 생성하고, 요소 구간의 첫 번째 토큰, 마지막 토큰에 대한 임베딩, 구간 전체에 대한 임베딩을 합쳐 최종적인 요소 구간 표현을 생성하는 대화문의 프레임 자동 분석 장치
|
| 7 |
7
제5항에 있어서, 요소 역할을 매핑하는 학습 가능한 임베딩을 포함하는 모델을 통해 어휘, 요소 구간 및 주어진 프레임에 종속되는 요소 역할을 입력 받아 어휘 및 요소 구간에 대한 구간 표현을 생성하고 요소 구간과 요소 역할에 대한 함수를 추정하는 대화문의 프레임 자동 분석 장치
|
| 8 |
8
전처리부를 통해 발화자 및 발화 텍스트를 포함하는 대화문에서 발화자 및 텍스트를 구별하는 단계; 프레임 인식부가 구별된 발화 텍스트 내의 토큰에서 프레임이 되는 토큰을 식별하고, 식별된 토큰에 관한 프레임을 인식하는 단계; 프레임 요소 구간 추출부가 대화문 내의 모든 발화자 및 발화 텍스트에서 프레임 인식부로부터 추출된 프레임에 관한 요소 구간을 추출하는 단계; 프레임 요소 역할 부여부가 프레임 요소 구간 추출부로부터 추출된 요소 구간에 관한 프레임 요소 역할을 부여하는 단계; 및프레임 요소 역할이 부여된 프레임의 분석 결과를 데이터베이스에 저장하는 단계 를 포함하는 대화문의 프레임 자동 분석 방법
|
| 9 |
9
제8항에 있어서,프레임 인식부가 구별된 발화 텍스트 내의 토큰에서 프레임이 되는 토큰을 식별하고, 식별된 토큰에 관한 프레임을 인식하는 단계는, 대화문에서 인식되는 연속된 의미 정보인 프레임에 관한 대화의 패턴을 활용하여 사용자의 필요를 사전에 파악하고 프레임을 인식하는 대화문의 프레임 자동 분석 방법
|
| 10 |
10
제8항에 있어서,프레임 요소 구간 추출부가 대화문 내의 모든 발화자 및 발화 텍스트에서 프레임 인식부로부터 추출된 프레임에 관한 요소 구간을 추출하는 단계는, 누적된 대화문을 포함하는 복수의 대화문 내의 모든 발화자 및 발화 텍스트에서 문장 성분, 조사, 어미에 대한 정보를 활용하여 프레임 요소 구간을 추출하는대화문의 프레임 자동 분석 방법
|
| 11 |
11
제8항에 있어서,프레임 요소 역할 부여부가 프레임 요소 구간 추출부로부터 추출된 요소 구간에 관한 프레임 요소 역할을 부여하는 단계는, 어휘 및 어휘의 구간, 해당 어휘의 프레임, 프레임에 종속된 요소 역할 집합, 대화문의 요소 구간 집합이 주어진 상태에서 대화문의 요소 구간 집합의 각각의 구간에 대응하는 요소 역할 집합을 찾는대화문의 프레임 자동 분석 방법
|
| 12 |
12
제11항에 있어서,대화문에서의 요소 역할 결정에서 어휘와 요소가 다른 문장에 속하는 경우 또는 요소가 실제 텍스트에서 드러나지 않는 발화자를 포함하는 경우, 요소 구간에 대한 표현을 생성하여 주어진 어휘, 요소 구간, 요소 역할 간의 관계를 학습하기 위해 조건부확률을 추정하는 대화문의 프레임 자동 분석 방법
|
| 13 |
13
제12항에 있어서,입력으로 들어온 발화 텍스트를 인코딩하고, 복수의 층으로 이루어진 신경망을 통해 벡터를 스칼라로 변환하며, 변환된 값을 이용하여 해당 요소들의 중요도를 학습하며, 다음 요소 구간의 시작과 끝이 주어질 경우, 해당 요소 구간의 스칼라 값에 대한 요소 구간 내의 상대적 중요도를 추출하고, 추출된 상대적 중요도와 인코딩 값을 결합하여 구간 전체에 대한 임베딩을 생성하고, 요소 구간의 첫 번째 토큰, 마지막 토큰에 대한 임베딩, 구간 전체에 대한 임베딩을 합쳐 최종적인 요소 구간 표현을 생성하는 대화문의 프레임 자동 분석 방법
|
| 14 |
14
제12항에 있어서,요소 역할을 매핑하는 학습 가능한 임베딩을 포함하는 모델을 통해 어휘, 요소 구간 및 주어진 프레임에 종속되는 요소 역할을 입력 받아 어휘 및 요소 구간에 대한 구간 표현을 생성하고 요소 대화문의 프레임 자동 분석 방법
|
