맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

질의 난이도에 기초하여 질의에 대한 응답을 제공하는 방법 및 장치

  • 기술번호 : KST2022007421
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 개시는 질의 난이도에 기초하여 질의에 대한 응답을 제공하는 방법 및 이를 수행하는 전자 장치에 관한 것이다. 일 실시 예에 의하면, 전자 장치가 질의 난이도에 기초하여 상기 질의에 대한 응답을 제공하는 방법은 상기 질의를 획득하는 단계; 상기 획득된 질의를 질의 난이도 분석 모델에 입력함으로써 상기 질의의 난이도를 결정하는 단계; 상기 결정된 난이도에 기초하여 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하는 단계; 및 상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는 단계; 를 포함할 수 있다.
Int. CL G06F 16/9032 (2019.01.01) G06F 16/9035 (2019.01.01) G06F 16/332 (2019.01.01) G06F 16/33 (2019.01.01) G06F 16/335 (2019.01.01) G06N 3/08 (2006.01.01) G06N 20/00 (2019.01.01)
CPC G06F 16/90332(2013.01) G06F 16/9035(2013.01) G06F 16/3329(2013.01) G06F 16/3347(2013.01) G06F 16/335(2013.01) G06N 3/08(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020200159324 (2020.11.24)
출원인 경희대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0071790 (2022.05.31) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.24)
심사청구항수 16

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 대한민국 경기도 용인시 기흥구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박성배 경기도 용인시 기흥구
2 김아영 경기도 용인시 기흥구
3 박규민 경기도 용인시 기흥구
4 카이발리나 나지라 경기도 용인시 기흥구
5 윤수환 경기도 용인시 기흥구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인지원 대한민국 서울특별시 금천구 가산디지털*로 ***, ***호, ***호

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.11.24 수리 (Accepted) 1-1-2020-1266309-70
2 의견제출통지서
Notification of reason for refusal		 2022.01.20 발송처리완료 (Completion of Transmission) 9-5-2022-0058774-01
3 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2022.03.21 수리 (Accepted) 1-1-2022-0302335-37
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2022.03.21 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0302334-92
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
전자 장치가 질의 난이도에 기초하여 상기 질의에 대한 응답을 제공하는 방법에 있어서,상기 질의를 획득하는 단계;상기 획득된 질의를 질의 난이도 분석 모델에 입력함으로써 상기 질의의 난이도를 결정하는 단계;상기 결정된 난이도에 기초하여 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하는 단계; 및상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는 단계; 를 포함하는, 방법
2 2
제1항에 있어서, 상기 방법은상기 획득된 질의에 관련된 컨텐츠 타입 별 컨텐츠 이력 정보를 결정하는 단계; 및상기 결정된 컨텐츠 이력 정보를 상기 복수의 응답 모델 중 적어도 하나의 응답 모델로 전송하는 단계; 를 포함하고,상기 적어도 하나의 응답 모델은 상기 컨텐츠 이력 정보에 기초하여 상기 질의에 대한 응답을 결정하는 것을 특징으로 하는, 방법
3 3
제1항에 있어서, 상기 방법은상기 획득된 질의에 대한 정보를 상기 전자 장치와 다른 질의 응답 장치로 전송하는 단계;상기 다른 질의 응답 장치로부터 출력된 응답 데이터에 기초하여 상기 적어도 하나의 응답 모델과 다른 응답 모델을 생성하는 단계; 및상기 생성된 다른 응답 모델로부터 출력된 응답들 및 상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는 단계; 를 포함하는, 방법
4 4
제1항에 있어서, 상기 질의 난이도 분석 모델은상기 질의 및 상기 질의에 대한 응답을 제공하는데 필요한 적어도 하나의 질의 정보들이 입력되면, 상기 질의에 대한 난이도를 출력하고, 상기 난이도 분석 모델 내 적어도 하나의 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치 값을 수정 및 갱신함으로써 학습되는 인공 신경망(Artificial Neural Network) 모델인 것을 특징으로 하는, 방법
5 5
제4항에 있어서, 상기 질의 난이도 분석 모델은상기 질의 또는 상기 질의 정보들 중 하나의 질의 정보 사이의 관계를 양방향으로 반영함으로써, 상기 질의 및 상기 질의 정보들 사이의 관계 정보를 엔코딩하는 엔코더;상기 엔코더의 출력 값이 획득되면 소정의 비율로 상기 엔코더의 출력 값 중 일부를 선택하는 풀링 레이어; 및상기 풀링 레이어의 출력 값을 획득하고, 상기 풀링 레이어의 출력 값이 상기 질의에 대한 난이도에 관한 레이블에 해당할 확률 값에 기초하여, 상기 질의에 대한 난이도 정보를 출력하는 분류기; 를 포함하는 것을 특징으로 하는, 방법
6 6
제5항에 있어서, 상기 엔코더는상기 질의 또는 상기 질의 정보들이 입력되면 상기 질의 또는 상기 질의 정보들에 대응되는 벡터 표현(representation)을 출력하는 언어 모델;상기 언어 모델로부터 출력된 벡터 표현을 엔코딩함으로써 상기 질의 또는 상기 질의 정보들 각각에 대응되는 특징 벡터를 출력하는 변환 엔코더;상기 질의에 대응되는 특징 벡터 및 상기 질의 정보들 중 하나의 질의 정보에 대응되는 특징 벡터가 입력되면, 상기 질의 및 상기 질의 정보들 중 하나의 질의 정보와의 관계를 양방향으로 반영하는 적어도 하나의 듀얼 멀티 헤드 어텐션 모듈; 및상기 적어도 하나의 듀얼 멀티 헤드 어텐션 모듈로부터 출력된 어텐션 벡터들 사이의 관계를 분석함으로써 어텐션 벡터들 사이의 관계 정보를 엔코딩하는 셀프 어텐션 엔코더; 를 포함하는 것을 특징으로 하는, 방법
7 7
제6항에 있어서, 상기 셀프 어텐션 엔코더는상기 듀얼 멀티 헤드 어텐션 모듈로부터 출력된 어텐션 벡터들을 결합(concatenate)하고, 상기 결합된 어텐션 벡터들을 이용하여 헤드 별 어텐션 맵들을 생성하는 멀티 헤드 어텐션 모듈;상기 멀티 헤드 어텐션 모듈에서 출력된 값들을 더하고(adding), 더한 값들을 노멀라이제이션 하는 제1 노멀라이제이션 레이어;상기 제1 노멀라이제이션 레이어의 출력 값을 상위 레이어로 전달하는 피드포워드(feed forward) 레이어; 및상기 피드포워드 레이어의 출력 값을 노멀라이제이션 하는 제2 노멀라이제이션 레이어; 를 포함하는 것을 특징으로 하는, 방법
8 8
제1항에 있어서, 상기 적어도 하나의 응답 모델을 활성화 하는 단계는상기 결정된 질의의 난이도에 기초하여 상기 질의에 대한 응답 생성 방식을 결정하는 단계; 및상기 결정된 응답 생성 방식에 따라 상기 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하는 단계; 를 포함하는, 방법
9 9
제1항에 있어서, 상기 적어도 하나의 응답 모델을 활성화 하는 단계는상기 결정된 질의의 난이도가 제1 난이도 레벨로 식별되는 경우, 상기 전자 장치의 메모리에 기 저장된 응답 데이터를 기반으로 상기 질의에 대한 응답을 생성하는 메모리 기반 응답 모델을 활성화 하는 단계;상기 질의의 난이도가 제2 난이도 레벨로 식별되는 경우, 멀티 모달 정보를 이용하여 상기 질의에 대한 응답을 생성하는 멀티모달 스토리 응답 모델을 활성화 하는 단계; 및상기 질의의 난이도가 제3 난이도 레벨로 식별되는 경우, 지식 기반 응답 모델을 활성화 하는 단계; 를 포함하는, 방법
10 10
제2항에 있어서, 상기 컨텐츠 타입은 비디오 타입, 텍스트 타입 중 적어도 하나를 포함하고, 상기 컨텐츠 타입 별 이력 정보는 상기 질의에 관련된 비디오 컨텐츠에 대한 요약 정보, 상기 질의에 관련된 텍스트 컨텐츠에 대한 스토리 정보를 포함하는 것을 특징으로 하는, 방법
11 11
질의 난이도에 기초하여 상기 질의에 대한 응답을 제공하는 전자 장치에 있어서,네트워크 인터페이스;하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,상기 질의를 획득하고,상기 획득된 질의를 질의 난이도 분석 모델에 입력함으로써 상기 질의의 난이도를 결정하고,상기 결정된 난이도에 기초하여 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하고,상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는, 전자 장치
12 12
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 획득된 질의에 관련된 컨텐츠 타입 별 컨텐츠 이력 정보를 결정하고,상기 결정된 컨텐츠 이력 정보를 상기 복수의 응답 모델 중 적어도 하나의 응답 모델로 전송하고,상기 적어도 하나의 응답 모델은 상기 컨텐츠 이력 정보에 기초하여 상기 질의에 대한 응답을 결정하는 것을 특징으로 하는, 전자 장치
13 13
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 획득된 질의에 대한 정보를 상기 전자 장치와 다른 질의 응답 장치로 전송하고,상기 다른 질의 응답 장치로부터 출력된 응답 데이터에 기초하여 상기 적어도 하나의 응답 모델과 다른 응답 모델을 생성하고,상기 생성된 다른 응답 모델로부터 출력된 응답들 및 상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는, 전자 장치
14 14
제11항에 있어서, 상기 질의 난이도 분석 모델은상기 질의 및 상기 질의에 대한 응답을 제공하는데 필요한 적어도 하나의 질의 정보들이 입력되면, 상기 질의에 대한 난이도를 출력하고, 상기 난이도 분석 모델 내 적어도 하나의 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치 값을 수정 및 갱신함으로써 학습되는 인공 신경망(Artificial Neural Network) 모델인 것을 특징으로 하는, 전자 장치
15 15
제14항에 있어서, 상기 난이도 분석 모델은상기 질의 또는 상기 질의 정보들 중 하나의 질의 정보 사이의 관계를 양방향으로 반영함으로써, 상기 질의 및 상기 질의 정보들 사이의 관계 정보를 엔코딩하는 엔코더;상기 엔코더의 출력 값이 획득되면 소정의 비율로 상기 엔코더의 출력 값 중 일부를 선택하는 풀링 레이어; 및상기 풀링 레이어의 출력 값을 획득하고, 상기 풀링 레이어의 출력 값이 상기 질의에 대한 난이도에 관한 레이블에 해당할 확률 값에 기초하여, 상기 질의에 대한 난이도 정보를 출력하는 분류기; 를 포함하는 것을 특징으로 하는, 전자 장치
16 16
제15항에 있어서, 상기 엔코더는상기 질의 또는 상기 질의 정보들이 입력되면 상기 질의 또는 상기 질의 정보들에 대응되는 벡터 표현(representation)을 출력하는 언어 모델;상기 언어 모델로부터 출력된 벡터 표현을 엔코딩함으로써 상기 질의 또는 상기 질의 정보들 각각에 대응되는 특징 벡터를 출력하는 변환 엔코더;상기 질의에 대응되는 특징 벡터 및 상기 질의 정보들 중 하나의 질의 정보에 대응되는 특징 벡터가 입력되면, 상기 질의 및 상기 질의 정보들 중 하나의 질의 정보와의 관계를 양방향으로 반영하는 적어도 하나의 듀얼 멀티 헤드 어텐션 모듈; 및상기 적어도 하나의 듀얼 멀티 헤드 어텐션 모듈로부터 출력된 어텐션 벡터들 사이의 관계를 분석함으로써 어텐션 벡터들 사이의 관계 정보를 엔코딩하는 셀프 어텐션 엔코더; 를 포함하는 것을 특징으로 하는, 전자 장치
17 17
제16항에 있어서, 상기 셀프 어텐션 엔코더는상기 듀얼 멀티 헤드 어텐션 모듈로부터 출력된 어텐션 벡터들을 결합(concatenate)하고, 상기 결합된 어텐션 벡터들을 이용하여 헤드 별 어텐션 맵들을 생성하는 멀티 헤드 어텐션 모듈;상기 멀티 헤드 어텐션 모듈에서 출력된 값들을 더하고(adding), 더한 값들을 노멀라이제이션 하는 제1 노멀라이제이션 레이어;상기 제1 노멀라이제이션 레이어의 출력 값을 상위 레이어로 전달하는 피드포워드(feed forward) 레이어; 및상기 피드포워드 레이어의 출력 값을 노멀라이제이션 하는 제2 노멀라이제이션 레이어; 를 포함하는 것을 특징으로 하는, 전자 장치
18 18
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 결정된 질의의 난이도에 기초하여 상기 질의에 대한 응답 생성 방식을 결정하고,상기 결정된 응답 생성 방식에 따라 상기 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하는, 전자 장치
19 19
제11항에 있어서, 상기 적어도 하나의 프로세서는상기 결정된 질의의 난이도가 제1 난이도 레벨로 식별되는 경우, 상기 전자 장치의 메모리에 기 저장된 응답 데이터를 기반으로 상기 질의에 대한 응답을 생성하는 메모리 기반 응답 모델을 활성화 하고,상기 질의의 난이도가 제2 난이도 레벨로 식별되는 경우, 멀티 모달 정보를 이용하여 상기 질의에 대한 응답을 생성하는 멀티모달 스토리 응답 모델을 활성화 하고,상기 질의의 난이도가 제3 난이도 레벨로 식별되는 경우, 지식 기반 응답 모델을 활성화 하는, 전자 장치
20 20
전자 장치가 질의 난이도에 기초하여 상기 질의에 대한 응답을 제공하는 방법에 있어서,상기 질의를 획득하는 단계;상기 획득된 질의를 질의 난이도 분석 모델에 입력함으로써 상기 질의의 난이도를 결정하는 단계;상기 결정된 난이도에 기초하여 복수의 응답 모델 중 적어도 하나의 응답 모델을 활성화 하는 단계; 및상기 활성화된 응답 모델로부터 출력되는 응답들 중 하나의 응답을 정답으로 제공하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 서울대학교 산학협력단 혁신성장동력프로젝트 비디오 튜링 테스트를 통과할 수준의 비디오 스토리 이해 기반의 질의응답 기술 개발