1 |
1
전자 장치가 사용자의 질의에 대한 답변을 제공하는 방법에 있어서,상기 사용자로부터 질의를 획득하는 단계;상기 질의가 입력되면, 상기 질의의 토큰 별 중요도를 결정하고, 상기 결정된 상기 질의의 토큰 별 중요도에 기초하여, 상기 질의 및 상기 질의에 대한 전체 답변의 유사도를 출력하는 제1 신경망 모델로부터 상기 질의의 토큰 별 중요도를 획득하는 단계; 및상기 질의 및 상기 획득된 질의의 토큰 별 중요도가 입력되면 상기 질의에 대한 답변을 출력하는 제2 신경망 모델에 상기 질의 및 상기 획득된 질의의 토큰 별 중요도를 입력함으로써, 상기 질의에 대한 응답을 생성하는 단계; 를 포함하는, 방법
|
2 |
2
제1항에 있어서, 상기 방법은상기 생성된 응답을 상기 사용자의 질의에 대한 답변으로 제공하는 단계; 를 더 포함하는, 방법
|
3 |
3
제1항에 있어서, 상기 제1 신경망 모델은소정의 질의 및 상기 질의에 대한 답변을 포함하는 대화쌍들이 저장된 데이터 베이스로부터, 상기 질의를 획득하고, 상기 질의를 인코딩함으로써 상기 질의에 대한 표현 벡터를 생성하는 질의 표현 벡터 인코더; 및상기 질의에 대한 답변을 획득하고, 상기 획득된 답변 전체를 인코딩함으로써 상기 답변 전체에 대한 표현 벡터를 생성하는 답변 전체 표현 벡터 인코더; 를 포함하는 것인, 방법
|
4 |
4
제3항에 있어서, 상기 질의 표현 벡터 인코더는상기 질의를 토큰화함으로써 질의에 대한 적어도 하나의 토큰을 생성하고, 상기 생성된 토큰 별 표현 벡터를 생성하는 질의 토큰 표현 벡터 생성부; 및상기 생성된 토큰 별 표현 벡터의 중요도를 결정하는 질의 토큰 중요도 결정부; 를 포함하고,상기 질의 표현 벡터 인코더는 상기 결정된 질의 토큰 중요도에 기초하여 상기 토큰 별 표현 벡터를 가중합합으로써 상기 질의에 대한 표현 벡터를 생성하는 것인, 방법
|
5 |
5
제4항에 있어서,상기 질의 표현 벡터 인코더 및 상기 답변 전체 표현 벡터 인코더는, 상기 질의에 대한 표현 벡터 및 상기 답변 전체에 대한 표현 벡터가 서로 유사해지도록 미리 학습되고,상기 질의에 대한 표현 벡터 및 상기 답변 전체에 대한 표현 벡터가 서로 유사해지도록 상기 질의 표현 벡터 인코더가 학습됨에 따라 상기 질의 표현 벡터 인코더 내 상기 질의 토큰 중요도 결정부는 상기 답변 전체에 대한 내용에 기초하여 상기 질의의 토큰 별 중요도를 결정하게 되는 것을 특징으로 하는, 방법
|
6 |
6
제1항에 있어서, 상기 제2 신경망 모델은상기 사용자로부터 질의가 입력되면 상기 질의를 인코딩하는 인코더; 및상기 인코더의 출력 값 및 상기 인코더의 출력 값에 상기 질의의 토큰 별 중요도를 반영함으로써 결정되는 인코더 출력 변환 값을 획득하고, 상기 획득된 인코더의 출력 값 및 상기 인코더 출력 변환 값을 디코딩하는 디코더; 를 포함하는 것을 특징으로 하는, 방법
|
7 |
7
제6항에 있어서, 상기 디코더는상기 인코더의 출력 값 및 상기 인코더 출력 변환 값을 순차로 또는 함께 획득하는 것을 특징으로 하는, 방법
|
8 |
8
제1항에 있어서, 상기 제2 신경망 모델은시퀀스 투 시퀀스 구조의 신경망 모델인 것을 특징으로 하는, 방법
|
9 |
9
사용자의 질의에 대한 답변을 제공하는 전자 장치에 있어서,네트워크 인터페이스;하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는상기 사용자로부터 질의를 획득하고,상기 질의가 입력되면, 상기 질의의 토큰 별 중요도를 결정하고, 상기 결정된 상기 질의의 토큰 별 중요도에 기초하여, 상기 질의 및 상기 질의에 대한 전체 답변의 유사도를 출력하는 제1 신경망 모델로부터 상기 질의의 토큰 별 중요도를 획득하고,상기 질의 및 상기 획득된 질의의 토큰 별 중요도가 입력되면 상기 질의에 대한 답변을 출력하는 제2 신경망 모델에 상기 질의 및 상기 획득된 질의의 토큰 별 중요도를 입력함으로써, 상기 질의에 대한 응답을 생성하는, 전자 장치
|
10 |
10
제9항에 있어서, 상기 적어도 하나의 프로세서는상기 생성된 응답을 상기 사용자의 질의에 대한 답변으로 제공하는, 전자 장치
|
11 |
11
제9항에 있어서, 상기 제1 신경망 모델은소정의 질의 및 상기 질의에 대한 답변을 포함하는 대화쌍들이 저장된 데이터 베이스로부터, 상기 질의를 획득하고, 상기 질의를 인코딩함으로써 상기 질의에 대한 표현 벡터를 생성하는 질의 표현 벡터 인코더; 및상기 질의에 대한 답변을 획득하고, 상기 획득된 답변 전체를 인코딩함으로써 상기 답변 전체에 대한 표현 벡터를 생성하는 답변 전체 표현 벡터 인코더; 를 포함하는 것인, 전자 장치
|
12 |
12
제11항에 있어서, 상기 질의 표현 벡터 인코더는상기 질의를 토큰화함으로써 질의에 대한 적어도 하나의 토큰을 생성하고, 상기 생성된 토큰 별 표현 벡터를 생성하는 질의 토큰 표현 벡터 생성부; 및상기 생성된 토큰 별 표현 벡터의 중요도를 결정하는 질의 토큰 중요도 결정부; 를 포함하고,상기 질의 표현 벡터 인코더는 상기 결정된 질의 토큰 중요도에 기초하여 상기 토큰 별 표현 벡터를 가중합합으로써 상기 질의에 대한 표현 벡터를 생성하는 것인, 전자 장치
|
13 |
13
제12항에 있어서,상기 질의 표현 벡터 인코더 및 상기 답변 전체 표현 벡터 인코더는, 상기 질의에 대한 표현 벡터 및 상기 답변 전체에 대한 표현 벡터가 서로 유사해지도록 미리 학습되고,상기 질의에 대한 표현 벡터 및 상기 답변 전체에 대한 표현 벡터가 서로 유사해지도록 상기 질의 표현 벡터 인코더가 학습됨에 따라 상기 질의 표현 벡터 인코더 내 상기 질의 토큰 중요도 결정부는 상기 답변 전체에 대한 내용에 기초하여 상기 질의의 토큰 별 중요도를 결정하게 되는 것을 특징으로 하는, 전자 장치
|
14 |
14
제9항에 있어서, 상기 제2 신경망 모델은상기 사용자로부터 질의가 입력되면 상기 질의를 인코딩하는 인코더; 및상기 인코더의 출력 값 및 상기 인코더의 출력 값에 상기 질의의 토큰 별 중요도를 반영함으로써 결정되는 인코더 출력 변환 값을 획득하고, 상기 획득된 인코더의 출력 값 및 상기 인코더 출력 변환 값을 디코딩하는 디코더; 를 포함하는 것을 특징으로 하는, 전자 장치
|
15 |
15
제14항에 있어서, 상기 디코더는상기 인코더의 출력 값 및 상기 인코더 출력 변환 값을 순차로 또는 함께 획득하는 것을 특징으로 하는, 전자 장치
|
16 |
16
제9항에 있어서, 상기 제2 신경망 모델은시퀀스 투 시퀀스 구조의 신경망 모델인 것을 특징으로 하는, 전자 장치
|
17 |
17
전자 장치가 사용자의 질의에 대한 답변을 제공하는 방법에 있어서,상기 사용자로부터 질의를 획득하는 단계;상기 질의가 입력되면, 상기 질의의 토큰 별 중요도를 결정하고, 상기 결정된 상기 질의의 토큰 별 중요도에 기초하여, 상기 질의 및 상기 질의에 대한 전체 답변의 유사도를 출력하는 제1 신경망 모델로부터 상기 질의의 토큰 별 중요도를 획득하는 단계; 및상기 질의 및 상기 획득된 질의의 토큰 별 중요도가 입력되면 상기 질의에 대한 답변을 출력하는 제2 신경망 모델에 상기 질의 및 상기 획득된 질의의 토큰 별 중요도를 입력함으로써, 상기 질의에 대한 응답을 생성하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체
|