1 |
1
사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하도록 구성되는 질의 도메인 인식 모듈;상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하도록 구성되는 질의 보정 모듈;미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하도록 구성되는 챗봇 모듈; 및상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하도록 구성되는 피드백 모듈;을 포함하고,상기 질의 보정 모듈은 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성되고,상기 질의 보정 모듈은 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하도록 구성되고,상기 피드백 결과는 상기 사용자가 상기 검색 결과에 머무르는 체류 시간, 상기 검색 결과 내에 연결된 링크 클릭, 상기 검색 결과에 대한 즐겨찾기 추가, 상기 검색 결과에서의 스크롤 이동 및 상기 검색 결과에 대한 사용자의 만족도 평가를 포함하며, 재귀적 인공신경망(RNN)모델로 학습되는 것이고,상기 가중치는 재귀적 인공신경망(RNN)모델에 의해 보정되는 것이고, 상기 피드백 결과가 수집된 이후, 상기 사용자가 상기 피드백을 거부하는 경우,상기 재귀적 인공신경망(RNN)모델을 활용하여 긍정 및 부정 피드백에 대한 예측을 하고, 상기 예측 결과를 기반으로 상기 사용자 질의 벡터의 조절 시에 가중치로 적용하는 것인,그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 챗봇 모듈은:상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하도록 구성되는 키워드 벡터 생성 모듈;상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하도록 구성되는 유사도 분석 모듈; 및추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하도록 구성되는 검색 결과 제공 모듈;을 포함하는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 시스템
|
4 |
4
삭제
|
5 |
5
질의 도메인 인식 모듈에 의해, 사용자가 입력한 검색어 혹은 검색 질문 자연어를 형태소 분석하여 질의 도메인을 인식하는 단계;질의 보정 모듈에 의해, 상기 질의 도메인과 관련한 이전 히스토리에서 키워드를 추출하여 상기 사용자의 질의를 보정하여 보정 질의를 생성하는 단계;챗봇 모듈에 의해, 미리 입력된 질의-응답 쌍들과 상기 보정 질의와의 유사도에 기초하여 상기 보정 질의와 관련된 검색 결과를 제공하는 단계; 및피드백 모듈에 의해, 상기 검색 결과에 대한 상기 사용자의 피드백 결과에 따라 상기 사용자의 질의 관련 키워드의 가중치를 갱신하는 단계;를 포함하고,상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력으로부터 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함하고,상기 보정 질의를 생성하는 단계는: 상기 사용자의 질의의 이력 중 키워드 입력 시간과, 키워드 입력 횟수 정보를 기초로 상기 잠재적 누적 속성에 관한 가중치를 결정하여 상기 보정 질의에 해당하는 사용자 질의 벡터를 생성하는 단계를 포함하고,상기 피드백 결과는 상기 사용자가 상기 검색 결과에 머무르는 체류 시간, 상기 검색 결과 내에 연결된 링크 클릭, 상기 검색 결과에 대한 즐겨찾기 추가, 상기 검색 결과에서의 스크롤 이동 및 상기 검색 결과에 대한 사용자의 만족도 평가를 포함하며, 재귀적 인공신경망(RNN)모델로 학습되는 것이고,상기 가중치는 재귀적 인공신경망(RNN)모델에 의해 보정되는 것이고,상기 피드백 결과가 수집된 이후, 상기 사용자가 상기 피드백을 거부하는 경우,상기 재귀적 인공신경망(RNN)모델을 활용하여 긍정 및 부정 피드백에 대한 예측을 하고, 상기 예측 결과를 기반으로 상기 사용자 질의 벡터의 조절 시에 가중치로 적용하는 것인,그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법
|
6 |
6
삭제
|
7 |
7
제5항에 있어서,상기 검색 결과를 제공하는 단계는:키워드 벡터 생성 모듈에 의해, 상기 질의 도메인과 관련한 상기 이전 히스토리에서, 상기 미리 입력된 질의-응답 쌍들에 대해 각각 키워드를 추출하여 키워드 벡터를 생성하는 단계;유사도 분석 모듈에 의해, 상기 사용자 질의 벡터와 상기 키워드 벡터 간의 유사도를 기초로 상기 질의-응답 쌍들 중 적어도 하나의 질의-응답 쌍을 추출하는 단계; 및검색 결과 제공 모듈에 의해, 추출된 질의-응답 쌍을 기반으로 상기 유사도 순으로 상기 보정 질의에 관한 검색 결과를 제공하는 단계;를 포함하는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법
|
8 |
8
삭제
|
9 |
9
제5항에 있어서,상기 질의 도메인을 인식하는 단계는 상기 사용자가 입력한 검색어를 기초로 기업 별로 설정된 복수개의 질의 도메인 중 하나 이상의 질의 도메인을 인식하는 단계를 포함하고,상기 복수개의 질의 도메인은 기업의 산업군, 지역, 기업 규모 및 직원수를 포함하는 기업 속성 정보에 따라 기업 별로 상이하게 설정되는, 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법
|
10 |
10
제5항의 그룹웨어에 특화된 누적특성 데이터 기반 질의 보정 기술이 적용된 챗봇 검색 방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
|