• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.269-273
• /
• 2006

대화 에이전트의 역할은 사용자 입력으로부터 사용자의 의도를 분석하고 이에 따른 서비스를 제공하는 것이다. 하지만 사용자는 한 번에 서비스 제공에 필요한 모든 정보를 제공하지 않으므로 에이전트는 능동적으로 부가적인 정보를 추출할 수 있어야 한다. 따라서 자연스러운 대화를 진행하기 위해서 에이전트는 사용자주도형 대화와 시스템주도형 대화가 결합된 상호주도형 대화가 가능해야 한다. 본 논문에서는 상호주도형 대화를 제공할 수 있는 대화 에이전트의 스크립트(대화를 위한 데이터베이스) 언어를 제안한다. 제안한 방법은 대상 도메인에 맞춰서 대화 에이전트를 설계할 수 있도록, 도메인 관련 변수와 도메인 함수를 정의하여 사용할 수 있으며, 대화처리 기능으로, 사용자 의도 추론, 대화 흐름 관리, 사용자 입력 정보 추출 등의 기능을 지원한다. 제안한 방법의 가능성을 보이기 위해 일정관리 도메인에 제안하는 방법을 적용한다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.08a
• /
• pp.419-424
• /
• 1998

담화 구조를 파악하기 위한 대표적인 방법으로 Litman과 Allen 의 계획 기법에 의한 것과 RDTN을 이용한 것을 들 수 있다. 그 중에서도 RDTN을 이용하여 대화의 흐름을 파악하려는 시도는 간단하며, 결정적이라는 장점이 있는 반면에 몇 가지 단점도 가지고 있다. RETN을 이용한 대화 분석의 가장 큰 단점은 정확히 분석된 화행을 입력으로 사용한다는 것이다. 즉, 현 상태에서 다음 상태로의 전이에 정의된 화행 이외의 화행이 입력으로 사용되면 분석을 실패하게 된다. 또 하나의 단점은 RDTN 이 어느정도 영역에 의존적인 특성을 보인다는 것이다. 본 논문에서는 이러한 확장성에 대한 문제점을 해결하고, 화행 분석의 어려움을 덜기 위해 신경망을 이용한 새로운 대화 전이망을 제안한다. 제안된 대화 전이 신경망은 지역적 대화 전이 신경망과 전역적 대화 전이 신경망은 이전의 두 발화와 현재 발화와의 관계를 살펴서 현재 발화가 이전 대화의 연속인지, 새로운 대화이 시작인지, 아니면 부대화의 시작인지를 결정하는 역할은 한다.전역적 대화전이 신경망은 담화 스택과의 상호 작용을 통해 담화의 전체구조를 살피고,전체 담화 구조에서 현재 발화가 어떤 역할을 하는지를 결정한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1298-1301
• /
• 2013

대화 시스템에서 올바른 대화를 진행하기 위해서는 화자의 대화 의도를 파악하는 것이 중요하다. 특히 영어를 교육하기 위한 영어 교육용 대화 시스템에서는 학습자의 대화 의도 파악 오류가 발생할 경우 영어 교육에 문제가 발생하기 때문에 학습자의 대화 의도를 더욱 정확하게 분석 및 파악하는 것이 중요하다. 대화 패턴이란 시스템 발화에 대응되는 사용자 발화의 규칙적인 연쇄라고 할 수 있다. 대화 패턴 기반 대화 의도 부착 방법은 1) 대화 코퍼스 구축 2) 대화 시나리오에 있는 발화를 대상으로 기본 명사구 청킹(Base NP Chunking)을 하고 중심어(Head Word), 토픽 추적(Topic Tracking)에 의한 대화 패턴을 자동으로 추출한 후, 3) 대화 패턴 수동 검수이다. 대화 패턴 기반 대화 의도 부착 방법은 기본 명사구에 대한 지식만 가지고 있으면 대량으로 구축할 수 있다는 장점이 있다. 99 개의 대화 시나리오를 학습코퍼스로 하고 1 개의 대화 시나리오에 대해 대화턴 성공률을 시물레이션 한 결과 63.64%가 나왔다.

• Journal of Intelligence and Information Systems
• /
• v.24 no.4
• /
• pp.85-110
• /
• 2018

A chatbot is an interactive assistant that utilizes many communication modes: voice, images, video, or text. It is an artificial intelligence-based application that responds to users' needs or solves problems during user-friendly conversation. However, the current version of the chatbot is focused on understanding and performing tasks requested by the user; its ability to generate personalized conversation suitable for relationship-building is limited. Recognizing the need to build a relationship and making suitable conversation is more important for social chatbots who require social skills similar to those of problem-solving chatbots like the intelligent personal assistant. The purpose of this study is to propose a text analysis method that evaluates relationships between chatbots and users based on content input by the user and adapted to the communication situation, enabling the chatbot to conduct suitable conversations. To evaluate the performance of this method, we examined learning and verified the results using actual SNS conversation records. The results of the analysis will aid in implementation of the social chatbot, as this method yields excellent results even when the private profile information of the user is excluded for privacy reasons.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.619-623
• /
• 2022

대화생성은 대규모 학습 데이터로부터 사전 학습된 언어모델을 활용한 도전적인 다운스트림 태스크 중 하나이다. 대화에서 특정한 지식에 대한 맥락이 보존된 응답 문장을 생성하기 위한 기술의 일환으로써 지식 기반 대화생성이 연구되고 있으며, 현업에서는 사업목표에 따른 대화 서비스를 제공하는 목적으로 이러한 기술을 적용할 수 있다. 본 논문에서는, 각각의 서비스 도메인에 특화된 모델을 적절히 활용 가능하도록 전체 데이터를 도메인별로 구분하여 학습한 다수의 대화생성 모델을 구축한다. 또한, 특정 도메인의 데이터로 학습된 모델이 나머지 도메인에서 어떤 수준의 대화생성이 가능한지 비교 분석함으로써 개별 학습된 모델들이 도메인의 특성에 따라 서로 다른 영향력이나 연관성을 나타낼 가능성을 확인한다. 이러한 실험적인 분석 결과를 바탕으로 현업의 서비스에서 개별 도메인에 특화된 모델이 적절히 활용하는 것이 유용함을 확인하고자 한다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.257-262
• /
• 2009

This paper studies an automatic expansion of dialogue examples using the logs of an example-based dialogue system. Conventional approaches to example-based dialogue system manually construct dialogue examples between humans and a Chatbot, which are labor intensive and time consuming. The proposed method automatically classifies natural utterance pairs and adds them into dialogue example database. Experimental results show that lexical, POS and modality features are useful for classifying natural utterance pairs, and prove that the dialogue examples can be automatically expanded using the logs of a dialogue system.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.215-218
• /
• 2008

최근 개인의 업무 능률 향상을 위해 일정 관리를 대행해주는 지능형 에이전트에 대한 연구가 진행중이다. 사용자는 쉽고 친숙한 인터페이스 환경을 제공하며 유연하고 풍부한 의사전달 과정인 대화를 보다 선호하게 되는데, 본 논문에서는 CAML를 사용하여 효율적인 대화 스크립트 설계 방법을 제안한다. 스크립트 설계 시, 예외처리에 시간이 많이 소요 되는 등 기존 연구에서의 문제점을 해결하기 위해 스크립트는 도메인 분석, 대화흐름 설계, 대화로그 수집 및 대화 스크립트 생성, 외부 함수 정의, 실제 일정관리에이전트에서의 적용의 단계를 거쳐 생성되며, 생성된 스크립트는 실제 대화 에이전트를 통해 일정관리의 기능을 수행한다. 10명의 사용자를 대상으로 비교 평가를 통해 제안하는 스크립트 설계방법이 우수함을 보였고, 사람 간 대화와의 유사성 역시 높음을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.335-336
• /
• 2022

본 논문에서는 시간대와 대화 주제를 활용하여 카테고리별로 적절한 SNS 광고 시간대 예측 방법을 제시한다. 위의 분석으로 광고주들에게 적절한 광고시간을 제안할 수 있다. 연관규칙분석 알고리즘인 apriori를 사용하였다. 주제는 상거래(쇼핑), 미용과 건강, 시사/교육, 식음료, 여가생활로 추려서 분석하였다. 연관분석 결과, 미용과 건강이 18시, 17시, 16시에 가장 활발히 대화를 나누었다. 상거래(쇼핑)이 14시, 16시, 17시 순으로 가장 활발히 대화를 나누었으며, 시사/교육이 15시, 17시, 16시 순으로 많은 대화를 나누었으며, 식음료가 18시, 17시, 19시 순으로 대화를 많이 나눈 것을 확인했다. 마지막으로, 여가생활은 22시, 23시, 21시 순으로 각각의 대화 주제별로 가장 많이 대화를 나눈 시간대가 달라지는 것을 확인할 수 있었다. 이를 통해 소비자 입장에서는 알맞은 광고를 적절한 시간대에 추천받을 수 있다.

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.178-183
• /
• 2008

The goal of this study is finding flow-map in conversation what is going on user and embodied conversational agent by analysing that conversation. Specifically, this study not only find elements of conversation, but also draw out patterns of conversation can be exist for dialogue ability between user and Embodied conversational agent. To do this, we collect data through in-depth one to one interview, and then we analysis collected data to try to find out element of user-agent conversation based on qualitative research refer to the theory of conversation analytics and type of conversation. As a result, six flow map is deducted Especially, the irregular conversation is hard to find in human-human conversation, and the frequency is the most in data. In addition, when elements of interruption came out, be hostile to partner or correct the press conversation. This study can have positive effect to embodied conversation agent developer, user and service offerer because this study find the type of conversation through analysis that between embodied conversational agent and user.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.572-577
• /
• 2020

일관된 발화를 생성함에 있어 인격데이터(persona)의 도입을 이용한 연구가 활발히 진행되고 있지만, 한국어 데이터셋의 부재와 데이터셋 생성의 어려움이 문제점으로 지적된다. 본 연구에서는 인격데이터를 포함하지 않고 일관된 발화를 생성할 수 있는 방법으로 다중 대화 시스템에서 사전 학습된 자연어 추론(NLI) 모델을 도입하는 방법을 제안한다. 자연어 추론 모델을 이용한 관계 분석을 통해 과거 대화 내용 중 발화 생성에 이용할 대화를 선택하고, 자가 참조 모델(self-attention)과 다중 어텐션(multi-head attention) 모델을 활용하여 과거 대화 내용을 반영한 발화를 생성한다. 일관성 있는 발화 생성을 위해 기존 NLI데이터셋으로 수행할 수 있는 새로운 학습모델 nMLM을 제안하고, 이 방법이 일관성 있는 발화를 만드는데 기여할 수 있는 방법에 대해 연구한다.