KR102776342B1

KR102776342B1 - The method for providing interface related to ai learning based on conversational message

Info

Publication number: KR102776342B1
Application number: KR1020220122723A
Authority: KR
Inventors: 최정회
Original assignee: 심심이(주)
Priority date: 2022-09-27
Filing date: 2022-09-27
Publication date: 2025-03-06
Anticipated expiration: 2042-09-27
Also published as: KR20240043529A

Abstract

본 발명의 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법은 적어도 하나 이상의 프로세서에 의해 수행되는 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법에 있어서, 제1 대화 주체로부터 제1 메시지를 획득하여 디스플레이에 출력하는 단계; 제2 대화 주체로부터 제2 메시지를 획득하여 상기 디스플레이에 출력하는 단계; 및 상기 제1 메시지 및 상기 제2 메시지를 다른 메시지와 구별시키는 제1 사용자 인터페이스(UI: User Interface)를 상기 디스플레이에 출력하는 단계를 포함할 수 있다.A method for providing an interface related to artificial intelligence learning based on conversational messages of the present invention is a method for providing an interface related to artificial intelligence learning based on conversational messages, which is performed by at least one processor, the method including: a step of obtaining a first message from a first conversation subject and outputting the first message on a display; a step of obtaining a second message from a second conversation subject and outputting the second message on the display; and a step of outputting a first user interface (UI) that distinguishes the first message and the second message from other messages on the display.

Description

{THE METHOD FOR PROVIDING INTERFACE RELATED TO AI LEARNING BASED ON CONVERSATIONAL MESSAGE}

본 발명은 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법에 관한 것으로, 보다 상세하게는, 사용자에게 대화 메시지가 인공지능 모델의 학습에 사용되는 것을 시각적으로 제공하는 인터페이스를 제공하는 방법에 관한 것이다.The present invention relates to a method for providing an interface related to artificial intelligence learning based on conversational messages, and more specifically, to a method for providing an interface that visually shows to a user that conversational messages are used for learning an artificial intelligence model.

자동으로 대화 메시지를 출력하는 챗봇과 대화를 나눌 수 있는 서비스가 각광받고 있다. 특히, 사용자는 자신의 성향에 맞춰 대화 메시지를 제공하고, 자신이 편한 시간에 대화할 수 있는 대화 서비스에 흥미를 느끼고 있다.Services that allow users to converse with chatbots that automatically output conversation messages are gaining attention. In particular, users are interested in conversation services that provide conversation messages tailored to their preferences and allow them to converse at their own convenient times.

최근 AI의 발달로 인해 AI가 결합된 챗봇도 등장하고 있다. 사용자는 자신의 대화 메시지를 통해 학습된 AI로 자신의 대화 스타일을 가진 챗봇을 생성할 수도 있다. 그러나, 사용자는 자신의 대화 메시지가 AI의 학습에 사용되고 있다는 것을 체감하지 못하고 있으며, 사용자의 입장에서 잘못된 대화 메시지를 통한 AI 학습을 방지하는 수단도 존재하지 않는다. 따라서, 대화 메시지가 AI 학습에 사용되고 있음을 나타내어 대화에 흥미를 향상시킬 수 있고, 잘못된 AI 학습을 사용자 입장에서 방지할 수 있는 인터페이스가 필요하다.Recently, chatbots combined with AI are also appearing due to the development of AI. Users can create chatbots with their own conversation style using AI learned through their own conversation messages. However, users do not feel that their conversation messages are being used for AI learning, and there is no means to prevent AI learning through incorrect conversation messages from the user's perspective. Therefore, an interface is needed that can increase interest in conversations by indicating that conversation messages are being used for AI learning, and can prevent incorrect AI learning from the user's perspective.

본 발명의 일 과제는 대화 메시지를 통한 인공지능 모델의 학습을 나타내는 인터페이스를 제공하는 방법에 관한 것이다.One object of the present invention is to provide a method for providing an interface representing learning of an artificial intelligence model through conversational messages.

일 실시예에 따른 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법은 적어도 하나 이상의 프로세서에 의해 수행되는 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법에 있어서, 제1 대화 주체로부터 제1 메시지를 획득하여 디스플레이에 출력하는 단계; 제2 대화 주체로부터 제2 메시지를 획득하여 상기 디스플레이에 출력하는 단계; 및 상기 제1 메시지 및 상기 제2 메시지를 다른 메시지와 구별시키는 제1 사용자 인터페이스(UI: User Interface)를 상기 디스플레이에 출력하는 단계를 포함할 수 있다.A method for providing an interface related to artificial intelligence learning based on conversational messages according to one embodiment of the present invention is provided in a method for providing an interface related to artificial intelligence learning based on conversational messages, the method including: obtaining a first message from a first conversation subject and outputting the first message to a display; obtaining a second message from a second conversation subject and outputting the second message to the display; and outputting a first user interface (UI) that distinguishes the first message and the second message from other messages to the display.

여기서, 상기 제1 사용자 인터페이스는 상기 제1 메시지 및 상기 제2 메시지를 포함하는 제1 학습 데이터 프레임을 제공할 수 있다.Here, the first user interface can provide a first learning data frame including the first message and the second message.

여기서, 상기 제2 대화 주체로부터 제3 메시지를 획득하여 상기 디스플레이에 출력하는 단계; 및 상기 제1 메시지, 상기 제2 메시지 및 상기 제3 메시지를 다른 메시지와 구별되도록 제공하는 제2 사용자 인터페이스를 디스플레이에 출력하는 단계를 포함할 수 있다.Here, the step of obtaining a third message from the second conversation subject and outputting it to the display; and the step of outputting a second user interface that provides the first message, the second message, and the third message to be distinguished from other messages to the display may be included.

여기서, 상기 제2 사용자 인터페이스는 상기 제1 메시지, 상기 제2 메시지 및 상기 제3 메시지를 포함하는 제2 학습 데이터 프레임을 제공할 수 있다.Here, the second user interface can provide a second learning data frame including the first message, the second message, and the third message.

여기서, 상기 제1 대화 주체로부터 제3 메시지를 획득하는 단계를 더 포함하고, 상기 제1 사용자 인터페이스를 디스플레이에 표시하는 단계는 상기 제1 메시지 및 상기 제2 메시지를 상기 제3 메시지와 구별시키는 단계일 수 있다.Here, the step of obtaining a third message from the first conversation subject may further include, and the step of displaying the first user interface on the display may be a step of distinguishing the first message and the second message from the third message.

여기서, 상기 제1 사용자 인터페이스는 상기 제1 학습 데이터 프레임의 경계 변경을 위한 프레임 수정 버튼을 제공하고, 상기 프레임 수정 버튼을 통해 획득한 제1 입력에 대응하여 상기 제1 학습 데이터 프레임의 경계 변경 기능을 제공하는 제2 사용자 인터페이스를 디스플레이에 출력하는 단계를 더 포함할 수 있다.Here, the first user interface may further include a step of providing a frame modification button for changing the boundary of the first learning data frame, and outputting a second user interface, which provides a boundary modification function of the first learning data frame in response to a first input obtained through the frame modification button, to a display.

여기서, 상기 제1 대화 주체 또는 상기 제2 대화 주체의 대화 태도에 기초하여, 상기 제1 학습 데이터 프레임에 포함된 대화 메시지 데이터를 인공지능 모델의 학습에 사용할지 여부를 판단하는 단계; 및 상기 대화 메시지 데이터를 인공지능 모델의 학습에 사용하는 것으로 판단한 경우, 상기 제1 학습 데이터 프레임에 포함된 대화 메시지가 인공지능 모델의 학습을 위한 데이터로서 사용되는 것을 나타내는 제2 사용자 인터페이스를 디스플레이에 출력하는 단계를 더 포함할 수 있다.Here, based on the conversation attitude of the first conversation subject or the second conversation subject, the method may further include a step of determining whether the conversation message data included in the first learning data frame is to be used for learning the artificial intelligence model; and, if the conversation message data is determined to be used for learning the artificial intelligence model, a step of outputting a second user interface indicating that the conversation message included in the first learning data frame is to be used as data for learning the artificial intelligence model on a display.

여기서, 상기 제2 메시지 이후 상기 제1 대화 주체로부터 제3 메시지가 획득되었는지 여부, 상기 제2 메시지 이후 제1 시간이 경과되었는지 여부 및 상기 제2 메시지 이후 상기 제2 대화 주체의 메시지 입력란에 문자가 입력되지 않은 시간이 제2 시간을 초과하는지 여부 중 적어도 하나에 기초하여 상기 대화 태도를 판단하는 단계를 더 포함할 수 있다.Here, the method may further include a step of determining the conversation attitude based on at least one of whether a third message was obtained from the first conversation subject after the second message, whether a first period of time has elapsed since the second message, and whether the period of time during which no text was entered in the message input field of the second conversation subject after the second message exceeds the second period of time.

여기서, 상기 제2 사용자 인터페이스는 상기 제1 학습 데이터 프레임을 기초로 하는 제2 학습 데이터 프레임을 제공하고, 상기 제2 학습 데이터 프레임은 글자 모양, 색상, 윤곽선 모양 및 내부에 포함된 도형 중 적어도 하나 이상이 변경된 상기 제1 학습 데이터 프레임이 변형된 형태일 수 있다.Here, the second user interface provides a second learning data frame based on the first learning data frame, and the second learning data frame may be a modified form of the first learning data frame in which at least one of a letter shape, a color, an outline shape, and a shape included therein is changed.

여기서, 상기 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법을 실행시키도록 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.Here, a computer program stored in a computer-readable recording medium can be provided to execute a method for providing an interface related to artificial intelligence learning based on the above conversational message.

일 실시예에 따른 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 서버는 제1 메시지를 제공하는 메시지 출력부; 사용자로부터 제2 메시지를 획득하는 통신부; 및 상기 제1 메시지 및 상기 제2 메시지를 다른 메시지와 구별되도록 제공하는 제1 사용자 인터페이스를 출력하는 디스플레이부를 포함할 수 있다.A server providing an interface related to artificial intelligence learning based on a conversational message according to one embodiment may include a message output unit providing a first message; a communication unit obtaining a second message from a user; and a display unit outputting a first user interface providing the first message and the second message to be distinguished from other messages.

본 발명의 일 실시예에 따르면 대화 메시지를 통한 인공지능 모델의 학습을 나타내는 인터페이스가 제공될 수 있다.According to one embodiment of the present invention, an interface representing learning of an artificial intelligence model through conversational messages may be provided.

도 1은 일 실시예에 따른 대화 서비스 제공 시스템의 환경도이다.
도 2는 일 실시예에 따른 대화 서비스 제공 서버의 블록도이다.
도 3은 일 실시예에 따른 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법의 순서도이다.
도 4는 일 실시예에 따른 대화 주체의 대화 태도를 판단하는 방법의 순서도이다.
도 5는 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.
도 6은 다른 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 인공지능 학습과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.
도 8은 또 다른 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 학습 데이터 프레임의 수정과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.Figure 1 is an environmental diagram of a conversation service providing system according to one embodiment.
FIG. 2 is a block diagram of a conversation service providing server according to one embodiment.
FIG. 3 is a flowchart of a method for providing an interface related to artificial intelligence learning based on conversational messages according to one embodiment.
Figure 4 is a flowchart of a method for determining a conversation attitude of a conversation subject according to one embodiment.
FIG. 5 is a diagram illustrating a user interface related to a learning data frame according to one embodiment.
FIG. 6 is a diagram illustrating a user interface related to a learning data frame according to another embodiment.
FIG. 7 is a diagram for explaining a user interface related to artificial intelligence learning according to one embodiment.
FIG. 8 is a diagram illustrating a user interface related to a learning data frame according to another embodiment.
FIG. 9 is a diagram illustrating a user interface related to modification of a learning data frame according to one embodiment.

본 명세서에 기재된 실시예는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 사상을 명확히 설명하기 위한 것이므로, 본 발명이 본 명세서에 기재된 실시예에 한정되는 것은 아니며, 본 발명의 범위는 본 발명의 사상을 벗어나지 아니하는 수정예 또는 변형예를 포함하는 것으로 해석되어야 한다.Since the embodiments described in this specification are intended to clearly explain the idea of the present invention to a person having ordinary skill in the art to which the present invention pertains, the present invention is not limited to the embodiments described in this specification, and the scope of the present invention should be interpreted to include modified or altered examples that do not depart from the idea of the present invention.

본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하여 가능한 현재 널리 사용되고 있는 일반적인 용어를 선택하였으나 이는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자의 의도, 판례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 다만, 이와 달리 특정한 용어를 임의의 의미로 정의하여 사용하는 경우에는 그 용어의 의미에 관하여 별도로 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가진 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 한다.The terms used in this specification have been selected from commonly used terms that are as much as possible in consideration of their functions in the present invention, but this may vary depending on the intention of a person with ordinary knowledge in the technical field to which the present invention belongs, precedents, or the emergence of new technologies. However, if a specific term is defined and used with an arbitrary meaning, the meaning of that term will be described separately. Accordingly, the terms used in this specification should be interpreted based on the actual meaning of the term and the overall contents of this specification, not simply the name of the term.

본 명세서에 첨부된 도면은 본 발명을 용이하게 설명하기 위한 것으로 도면에 도시된 형상은 본 발명의 이해를 돕기 위하여 필요에 따라 과장되어 표시된 것일 수 있으므로 본 발명이 도면에 의해 한정되는 것은 아니다.The drawings attached to this specification are intended to facilitate explanation of the present invention, and shapes depicted in the drawings may be exaggerated as necessary to help understanding of the present invention, and therefore the present invention is not limited by the drawings.

본 명세서에서 본 발명에 관련된 공지의 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에 이에 관한 자세한 설명은 필요에 따라 생략하기로 한다.In cases where it is determined that a specific description of a known configuration or function related to the present invention in this specification may obscure the gist of the present invention, a detailed description thereof will be omitted as necessary.

도 1은 일 실시예에 따른 대화 서비스 제공 시스템의 환경도이다.Figure 1 is an environmental diagram of a conversation service providing system according to one embodiment.

도 1을 참조하면, 일 실시예에 따른 대화 서비스는 서버(1000) 및 사용자 단말기(2000)를 통해 이루어질 수 있다. 도 1에는 하나의 사용자 단말기(2000)만을 도시하였으나, 이에 한정되지 않고 서비스는 서버(1000)와 복수의 사용자 단말기를 통해 이루어질 수 있다.Referring to FIG. 1, a conversation service according to one embodiment may be provided through a server (1000) and a user terminal (2000). In FIG. 1, only one user terminal (2000) is illustrated, but the service is not limited thereto and may be provided through a server (1000) and multiple user terminals.

서버(1000)는 컴퓨팅 장치로서 대화 서비스의 전반적인 주체일 수 있다. 서버(1000)는 데이터 학습을 통해 자동적으로 작동할 수 있는 인공지능 서버일 수 있다. 서버(1000)는 대화 서비스를 모바일의 어플리케이션이나 웹사이트 등을 통해 제공할 수 있다.The server (1000) may be the overall subject of the conversation service as a computing device. The server (1000) may be an artificial intelligence server that can operate automatically through data learning. The server (1000) may provide the conversation service through a mobile application or website.

또한 서버(1000)는 사용자 단말기 내부에 포함된 프로그래밍 언어로 구현된 프로그램일 수도 있다. 또는 서버(1000)는 엣지 컴퓨팅 장치로서 메인 서버와 단말기의 중간 서버일 수도 있다.Additionally, the server (1000) may be a program implemented in a programming language included within the user terminal. Alternatively, the server (1000) may be an edge computing device, an intermediate server between the main server and the terminal.

서버(1000)는 인공지능 서버로서 사용자 단말기(2000)로부터 사용자가 입력한 메시지를 획득하고, 사용자가 입력한 메시지에 기초하여 답장이 될 수 있는 메시지를 자동으로 생성하고, 이를 포함한 신호를 사용자 단말기(2000)에 전송할 수 있다.The server (1000) is an artificial intelligence server that obtains a message input by a user from a user terminal (2000), automatically generates a message that can be a reply based on the message input by the user, and transmits a signal including the message to the user terminal (2000).

예를 들어, 서버(1000)는 사용자 단말기(2000)로부터 '안녕'이라는 메시지를 포함한 데이터를 수신하고, 이에 기초하여 '안녕, 반가워'라는 메시지를 자동으로 생성하여, 이를 포함한 신호를 사용자 단말기(2000)에 전송할 수 있다.For example, the server (1000) may receive data including a message 'hello' from a user terminal (2000), automatically generate a message 'hello, nice to meet you' based on the data, and transmit a signal including the message to the user terminal (2000).

또한, 서버(1000)는 인공지능 서버로서 사용자에게 먼저 대화를 걸기 위해, 사용자 단말기(2000)에 먼저 대화 메시지를 포함한 신호를 전송할 수 있다.In addition, the server (1000) may, as an artificial intelligence server, first transmit a signal including a conversation message to the user terminal (2000) in order to initiate a conversation with the user.

예를 들어, 서버(1000)는 사용자와 대화를 시작할 수 있도록, '지금 뭐해?'라는 메시지를 자동으로 생성하여, 이를 포함한 신호를 사용자 단말기(2000)에 전송할 수 있다.For example, the server (1000) can automatically generate a message such as 'What are you doing now?' and transmit a signal including the message to the user terminal (2000) so that a conversation can be initiated with the user.

서버(1000)는 다른 장치와 통신하여 사용자와 메시지를 주고받을 수 있다. 서버(1000)는 사용자 단말기(2000)와 데이터를 송수신할 수 있다. 서버(1000)는 사용자 단말기(2000)와의 통신을 통해 사용자가 사용자 단말기(2000)에 입력한 메시지를 획득할 수 있다. 또한, 서버(1000)는 사용자 단말기(2000)와의 통신을 통해 사용자와 대화할 수 있는 대화 메시지를 전송할 수도 있다.The server (1000) can communicate with other devices to exchange messages with the user. The server (1000) can transmit and receive data with the user terminal (2000). The server (1000) can obtain a message entered by the user into the user terminal (2000) through communication with the user terminal (2000). In addition, the server (1000) can transmit a conversation message that can be used for conversation with the user through communication with the user terminal (2000).

서버(1000)는 사용자 단말기(2000)를 통해 획득한 데이터를 분석하여, 사용자의 관심사 또는 대화 스타일을 분석, 파악 및/또는 추출할 수 있다. 서버(1000)는 사용자가 입력한 메시지인 사용자 대화 메시지를 분석할 수 있다. 구체적으로, 서버(1000)는 사용자 대화 메시지를 분석하여, 특정 단어가 일정 수치 이상 많이 포함되거나, 계속적으로 반복되는 것을 확인할 수 있다.The server (1000) can analyze data acquired through the user terminal (2000) to analyze, understand, and/or extract the user's interests or conversation style. The server (1000) can analyze a user conversation message, which is a message entered by the user. Specifically, the server (1000) can analyze the user conversation message to determine whether a specific word is included a certain number of times or is continuously repeated.

일 실시예에 따르면, 서버(1000)는 사용자 대화 메시지에 제품 브랜드, 연예인 취미, 액티비티 및/또는 정치적 성향, 종교, 음식과 관련된 단어가 반복적으로 언급되는지를 분석 및 확인할 수 있다. 또한, 서버(1000)는 사용자 대화 메시지에 긍정 또는 부정문의 사용 빈도를 분석 및 확인할 수 있다. 그러나, 위 예시에 한정되지 않고, 서버(1000)는 사용자 대화 메시지를 분석하여 사용자의 취향, 스타일 등을 분석 및 확인할 수 있다.According to one embodiment, the server (1000) can analyze and confirm whether words related to product brands, celebrity hobbies, activities, and/or political inclinations, religion, and food are repeatedly mentioned in the user conversation message. In addition, the server (1000) can analyze and confirm the frequency of use of positive or negative sentences in the user conversation message. However, without being limited to the above example, the server (1000) can analyze and confirm the user's taste, style, etc. by analyzing the user conversation message.

다른 일 실시예에 따르면, 서버(1000)는 사용자 대화 메시지 분석을 통해, 사용자의 대화 메시지 빈도, 대화 메시지 문장의 길이, 대화의 지속 시간 및 대화가 재개되기까지의 시간을 파악할 수 있다. 또는 서버(1000)는 사용자 대화 메시지 분석을 통해, 사용자의 언어 습관(예, 말줄임 습관, 일상적이지 않은 특정 단어의 사용, 즐겨쓰는 말, 싫어하는 말 등)을 파악할 수 있다.According to another embodiment, the server (1000) can identify the frequency of the user's conversation messages, the length of sentences in the conversation messages, the duration of the conversation, and the time until the conversation is resumed through analysis of the user's conversation messages. Or, the server (1000) can identify the user's language habits (e.g., abbreviation habits, use of specific words that are not common, favorite words, words that are disliked, etc.) through analysis of the user's conversation messages.

이때, 서버(1000)가 분석하는 사용자 대화 메시지는, 사용자가 실행했던 이전의 대화일 수도 있고, 현재 대화일 수도 있다.At this time, the user conversation message analyzed by the server (1000) may be a previous conversation executed by the user or a current conversation.

서버(1000)는 분석 또는 파악한 사용자의 관심사 또는 대화 스타일을 하나 이상의 키워드로 출력 및/또는 저장할 수 있다. 예를 들어, 서버(1000)는 사용자의 관심사가 축구인 경우, 사용자와 관련된 키워드를 축구로 설정할 수 있다. 또한 예를 들어, 서버(1000)는 사용자의 대화 스타일이 엉뚱하고, 재밌는 표현을 많이 사용할 경우, 사용자와 관련된 키워드를 엉뚱함, 재밌음으로 설정할 수 있다.The server (1000) can output and/or store the analyzed or identified user's interests or conversation styles as one or more keywords. For example, if the user's interest is soccer, the server (1000) can set the keyword related to the user as soccer. Also, for example, if the user's conversation style is quirky and uses a lot of funny expressions, the server (1000) can set the keyword related to the user as quirky or funny.

도 2는 일 실시예에 따른 대화 서비스 제공 서버의 블록도이다.FIG. 2 is a block diagram of a conversation service providing server according to one embodiment.

도 2를 참조하면, 서버(1000)는 제어부(1100), 통신부(1200), 입력부(1300), 저장부(1400), 디스플레이부(1500) 및 인공지능 학습부(1600)를 포함할 수 있다.Referring to FIG. 2, the server (1000) may include a control unit (1100), a communication unit (1200), an input unit (1300), a storage unit (1400), a display unit (1500), and an artificial intelligence learning unit (1600).

제어부(1100)는 서버(1000)의 동작을 총괄할 수 있다. 구체적으로, 제어부(1100)는 통신부(1200), 입력부(1300), 저장부(1400), 디스플레이부(1500) 및 인공지능 학습부(1600)에 제어 명령을 보내 각 부서의 동작을 실행할 수 있다.The control unit (1100) can oversee the operation of the server (1000). Specifically, the control unit (1100) can send control commands to the communication unit (1200), input unit (1300), storage unit (1400), display unit (1500), and artificial intelligence learning unit (1600) to execute the operation of each department.

통신부(1200)는 서버(1000)와 외부 기기를 연결하여 통신하도록 할 수 있다. 즉, 통신부(1200)는 외부 기기와 데이터를 송/수신할 수 있다. 예를 들어, 통신부(1200)는 사용자 단말기(2000)의 통신부와 데이터를 주고받을 수 있다.The communication unit (1200) can connect the server (1000) and an external device to communicate with each other. That is, the communication unit (1200) can transmit/receive data with the external device. For example, the communication unit (1200) can exchange data with the communication unit of the user terminal (2000).

또한, 통신부(1200)는 외부 기기와 필요에 따라 통신 연결을 유지 또는 해제할 수 있다. 또한 통신부(1200)는 실시 형태에 따라 상시적으로 외부 기기와 연결을 유지할 수 있다.In addition, the communication unit (1200) can maintain or release a communication connection with an external device as needed. In addition, the communication unit (1200) can constantly maintain a connection with an external device depending on the embodiment.

통신부(1200)는 유선 통신 방식 및 무선 통신 방식 중 적어도 하나의 통신 방식을 지원하는 통신 모듈일 수 있다.The communication unit (1200) may be a communication module that supports at least one of a wired communication method and a wireless communication method.

입력부(1300)는 사용자 입력에 대응하는 전기 신호를 획득할 수 있다. 예를 들어, 입력부(1300)는 특정 장치와 관련된 입력에 대응하는 전기 신호를 획득할 수 있다. 구체적으로, 입력부(1300)는 사용자의 정보 등 사용자가 사용자 단말기(2000)를 거치지 않고 바로 서버(1000)에 입력할 수 있는 정보에 대응되는 전기 신호를 획득할 수 있다.The input unit (1300) can obtain an electric signal corresponding to a user input. For example, the input unit (1300) can obtain an electric signal corresponding to an input related to a specific device. Specifically, the input unit (1300) can obtain an electric signal corresponding to information that a user can input directly into the server (1000) without going through a user terminal (2000), such as user information.

입력부(1300)는 키패드, 키보드, 스위치, 버튼 및 터치 스크린 등을 포함할 수 있다. 또한, 입력부(1300)는 통신부(1200)에 의해 사용자 단말기(2000)와 통신하여, 입력값에 대응되는 전기 신호를 획득할 수도 있다.The input unit (1300) may include a keypad, a keyboard, a switch, a button, a touch screen, etc. In addition, the input unit (1300) may communicate with a user terminal (2000) through a communication unit (1200) to obtain an electric signal corresponding to an input value.

저장부(1400)는 데이터를 저장할 수 있다. 예를 들어, 저장부(1400)는 입력부(1300)로부터 획득한 데이터를 저장할 수 있다. 또한, 저장부(1400)는 인공지능 학습부(1600)의 학습 데이터를 저장할 수 있다. 이때, 저장부(1400)는 플래시 메모리, RAM, ROM, SSD, SD CARD 및 광학 디스크 등으로 구형될 수 있으나, 이에 한정되지 않는다.The storage unit (1400) can store data. For example, the storage unit (1400) can store data obtained from the input unit (1300). In addition, the storage unit (1400) can store learning data of the artificial intelligence learning unit (1600). At this time, the storage unit (1400) can be formed as a flash memory, RAM, ROM, SSD, SD CARD, and optical disk, but is not limited thereto.

저장부(1400)는 통신부(1200)를 통해 다른 장치로부터 획득한 데이터를 저장할 수 있다. 또한, 저장부(1400)는 서버(1000)의 동작에 필요한 프로그램을 저장할 수 있다.The storage unit (1400) can store data acquired from another device through the communication unit (1200). In addition, the storage unit (1400) can store a program necessary for the operation of the server (1000).

예를 들어, 저장부(1400)는 사용자 단말기(2000)로부터 획득한 사용자의 정보, 사용자가 입력한 사용자 대화 메시지를 저장할 수 있다. 또한, 저장부(1400)는 사용자의 대화 서비스 이력을 모두 저장할 수 있다. 또한, 저장부(1400)는 인공지능 학습부(1600)에 포함된 인공지능 모델 및 인공지능 학습부(1600)에 의해 출력된 인공지능 모델의 결과값(대화 메시지 등)을 저장할 수 있다. 이때, 저장부(1400)에 저장된 인공지능 모델은 CNN, RNN, GAN, RL 등의 모델일 수 있으나, 이에 한정되지 않는다.For example, the storage unit (1400) can store user information obtained from the user terminal (2000) and user conversation messages entered by the user. In addition, the storage unit (1400) can store all of the user's conversation service history. In addition, the storage unit (1400) can store the artificial intelligence model included in the artificial intelligence learning unit (1600) and the result values (such as conversation messages) of the artificial intelligence model output by the artificial intelligence learning unit (1600). At this time, the artificial intelligence model stored in the storage unit (1400) may be a model such as CNN, RNN, GAN, or RL, but is not limited thereto.

디스플레이부(1500)는 시각적인 정보를 출력할 수 있다. 예를 들어, 디스플레이부(1500)는 모바일 어플리케이션의 디스플레이나, 컴퓨터의 디스플레이와 연결되어 대화 서비스와 관련된 시각적인 정보를 출력할 수 있다.The display unit (1500) can output visual information. For example, the display unit (1500) can be connected to a display of a mobile application or a display of a computer to output visual information related to a conversation service.

예를 들어, 디스플레이부(1500)는 사용자 단말기(2000)의 디스플레이와 연결되어 사용자 대화 메시지 및 서버 대화 메시지를 출력할 수 있다.For example, the display unit (1500) can be connected to the display of the user terminal (2000) to output user conversation messages and server conversation messages.

인공지능 학습부(1600)는 인공지능 모델을 학습시키고 인공지능 모델을 통해 결과값을 출력할 수 있다. 인공지능 학습부(1600)는 대화 메시지 데이터를 이용하여 인공지능 모델을 학습시킬 수 있다. 이때, 대화 메시지 데이터를 인공지능 모델의 학습 데이터로 사용할지 여부는 서버(1000)의 판단에 의해 결정되는 것으로, 자세한 내용은 도 3 및 도 4를 참조하여 설명한다.The artificial intelligence learning unit (1600) can train an artificial intelligence model and output a result value through the artificial intelligence model. The artificial intelligence learning unit (1600) can train an artificial intelligence model using conversation message data. At this time, whether to use the conversation message data as training data for the artificial intelligence model is determined by the judgment of the server (1000), and details are described with reference to FIGS. 3 and 4.

인공지능 학습부(1600)는 사용자 단말기(2000)로부터 수신한 대화 메시지를 인공지능 모델에 입력하여, 결과값을 출력할 수 있다. 인공지능 학습부(1600)는 출력한 결과값을 저장부(1400) 및 디스플레이부(1500)에 전송할 수 있다. 디스플레이부(1500)는 인공지능 학습부(1600)로부터 수신한 결과값을 출력할 수 있다. 또는 통신부(1200)는 저장부(1400)에 저장된 결과값이 사용자 단말기(2000)에 출력되도록 결과값을 사용자 단말기(2000)로 전송할 수 있다.The artificial intelligence learning unit (1600) can input a conversation message received from the user terminal (2000) into the artificial intelligence model and output a result value. The artificial intelligence learning unit (1600) can transmit the output result value to the storage unit (1400) and the display unit (1500). The display unit (1500) can output the result value received from the artificial intelligence learning unit (1600). Alternatively, the communication unit (1200) can transmit the result value to the user terminal (2000) so that the result value stored in the storage unit (1400) is output to the user terminal (2000).

인공지능 학습부(1600)의 인공지능 모델의 출력값은 대화 메시지 또는 대화 주체의 대화 스타일 분석 내용을 포함할 수 있다. 대화 주체의 대화 스타일은 성향, 취미, 종교, 좋아하는 브랜드, 관심사 등을 포함할 수 있다.The output value of the artificial intelligence model of the artificial intelligence learning unit (1600) may include analysis of conversation messages or conversation styles of the conversation subject. The conversation style of the conversation subject may include tendencies, hobbies, religion, favorite brands, interests, etc.

도 3은 일 실시예에 따른 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법의 순서도이다.FIG. 3 is a flowchart of a method for providing an interface related to artificial intelligence learning based on conversational messages according to one embodiment.

도 3을 참조하면, 일 실시예에 따른 대화 메시지 기반 인공지능 학습과 관련된 인터페이스를 제공하는 방법은 제1 메시지를 출력하는 단계(S110), 제2 메시지를 출력하는 단계(S120), 제1 사용자 인터페이스를 출력하는 단계(S130), 대화 주체의 대화 태도를 판단하는 단계(S140), 대화 메시지 데이터를 인공지능 모델의 학습 데이터로 사용할지 여부를 판단하는 단계(S150) 및 제2 사용자 인터페이스를 출력하는 단계(S160)를 포함할 수 있다.Referring to FIG. 3, a method for providing an interface related to artificial intelligence learning based on a conversation message according to one embodiment may include a step of outputting a first message (S110), a step of outputting a second message (S120), a step of outputting a first user interface (S130), a step of determining a conversation attitude of a conversation subject (S140), a step of determining whether to use conversation message data as learning data for an artificial intelligence model (S150), and a step of outputting a second user interface (S160).

제1 메시지를 출력하는 단계(S110)는 제1 대화 주체로부터 제1 메시지를 획득하는 단계 및 제1 메시지를 디스플레이에 출력하는 단계를 포함할 수 있다. 이때, 제1 대화 주체는 서버(1000)일 수도 있고, 사용자 단말기(2000)의 사용자일 수도 있다.The step of outputting the first message (S110) may include the step of obtaining the first message from the first conversation subject and the step of outputting the first message on the display. At this time, the first conversation subject may be the server (1000) or the user of the user terminal (2000).

제1 대화 주체가 서버(1000)일 경우, 제1 메시지는 서버(1000)가 사용자 단말기(2000)의 사용자에게 먼저 대화를 거는 메시지일 수 있다. 이때, 제1 메시지는 사용자가 선택한 특성과 관련된 메시지일 수 있다. 예를 들어, 사용자가 사용자 단말기(2000)를 통해 '수영'과 관련된 컨셉의 대화를 선택했다면, 제1 메시지는 '자유형 기록이 어떻게 되니?'와 같은 수영과 관련된 메시지일 수 있다.If the first conversation subject is the server (1000), the first message may be a message that the server (1000) first initiates to the user of the user terminal (2000). At this time, the first message may be a message related to a characteristic selected by the user. For example, if the user selects a conversation concept related to 'swimming' through the user terminal (2000), the first message may be a message related to swimming, such as 'How is the free-style record?'

그러나, 사용자가 사용자 단말기(2000)를 통해 특정 컨셉의 대화를 선택하지 않은 경우, 제1 메시지는 서버(1000)가 획득한 사용자 정보(지역, 나이, 성별, 관심사 등)에 기초한 메시지일 수 있다. 또는 사용자가 사용자 단말기(2000)를 통해 특정 컨셉의 대화를 선택하지 않은 경우, 제1 메시지는 서버(1000)가 출력한 일반적이거나 공통적인 메시지일 수 있다.However, if the user does not select a conversation of a specific concept through the user terminal (2000), the first message may be a message based on user information (region, age, gender, interests, etc.) obtained by the server (1000). Or, if the user does not select a conversation of a specific concept through the user terminal (2000), the first message may be a general or common message output by the server (1000).

제2 메시지를 출력하는 단계(S120)는 제2 대화 주체로부터 제2 메시지를 획득하는 단계 및 제2 메시지를 디스플레이에 출력하는 단계를 포함할 수 있다. 이때, 제2 대화 주체는 제1 대화 주체의 상대방일 수 있다. 제1 대화 주체가 서버(1000)일 경우, 제2 대화 주체는 사용자 단말기(2000)의 사용자이고, 제1 대화 주체가 사용자 단말기(2000)의 사용자일 경우, 제2 대화 주체는 서버(1000)일 수 있다.The step of outputting the second message (S120) may include the step of obtaining the second message from the second conversation subject and the step of outputting the second message on the display. At this time, the second conversation subject may be the counterpart of the first conversation subject. If the first conversation subject is the server (1000), the second conversation subject may be the user of the user terminal (2000), and if the first conversation subject is the user of the user terminal (2000), the second conversation subject may be the server (1000).

제2 메시지는 제1 메시지에 대한 응답일 수 있다. 즉, 제2 메시지는 제1 메시지의 내용과 관련된 내용을 포함할 수 있다. 그러나, 이에 한정되지 않고, 제2 메시지는 제1 메시지와 별개로 다른 대화 주제를 포함할 수도 있다.The second message may be a response to the first message. That is, the second message may include content related to the content of the first message. However, this is not limited to the second message, and the second message may include a different conversation topic separate from the first message.

제2 메시지가 제1 메시지에 대한 응답일 경우, 제1 메시지 및 제2 메시지는 공통된 주제인 제1 주제를 가진 대화 내용일 수 있다. 따라서, 서버(1000)는 제1 메시지와 제2 메시지를 묶어서 상기 메시지들을 상기 제1 주제에 대한 자동 응답 출력을 위한 인공지능 모델의 학습 데이터로 사용할 수 있다.If the second message is a response to the first message, the first message and the second message may be conversations having a common topic, the first topic. Therefore, the server (1000) may bundle the first message and the second message and use the messages as learning data for an artificial intelligence model for automatic response output to the first topic.

제1 메시지와 제2 메시지가 묶여서 일 주제에 대한 인공지능 모델의 학습 데이터로서 사용될 때, 제1 메시지와 제2 메시지는 공통된 주제가 아닌 각각 다른 주제에 대한 대화 내용을 포함할 수 있다. 따라서, 인공지능 모델의 정확한 학습을 위해, 제1 메시지 및 제2 메시지가 공통된 주제와 관련된 대화 내용을 포함하고 있는지에 대한 사용자의 확인이 필요하다. 본원 발명은 대화 메시지를 학습 데이터로서 사용할 때, 사용자의 확인을 위한 인터페이스를 제공하는 방법에 대해 도 5 내지 도 9를 참조하여 이하에서 자세히 설명한다.When the first message and the second message are bundled and used as learning data for an artificial intelligence model on a single topic, the first message and the second message may include conversation contents on different topics rather than a common topic. Therefore, for accurate learning of the artificial intelligence model, it is necessary for the user to confirm whether the first message and the second message include conversation contents related to a common topic. The present invention will now be described in detail with reference to FIGS. 5 to 9 regarding a method for providing an interface for user confirmation when using conversation messages as learning data.

제1 사용자 인터페이스를 출력하는 단계(S130)는 상기 제1 메시지 및 상기 제2 메시지를 포함하는 제1 학습 데이터 프레임을 생성하는 단계 및 상기 제1 학습 데이터 프레임을 출력하는 단계를 포함할 수 있다.The step of outputting the first user interface (S130) may include the step of generating a first learning data frame including the first message and the second message and the step of outputting the first learning data frame.

제1 학습 데이터 프레임은 제1 메시지 및 제2 메시지를 묶어 하나의 프레임을 형성하는 것으로, 제1 메시지 및 제2 메시지가 인공지능 모델의 학습 데이터로서 사용될 수 있다는 것을 시각적으로 나타내는 도형일 수 있다. 즉, 제1 학습 데이터 프레임의 경계 내부에는 제1 메시지 및 제2 메시지의 내용이 포함될 수 있다.The first learning data frame may be a graphical representation that visually represents that the first message and the second message can be used as learning data for an artificial intelligence model by bundling the first message and the second message into one frame. That is, the content of the first message and the second message may be included within the boundary of the first learning data frame.

디스플레이에 제1 학습 데이터 프레임이 출력됨으로써, 사용자는 제1 학습 데이터 프레임의 경계 내부에 있는 제1 메시지 및 제2 메시지가 연관되어 있다는 것을 확인할 수 있다. 따라서, 사용자는 제1 메시지 및 제2 메시지를 인공지능 모델의 학습 데이터로 쓰이길 원하지 않는다면, 취소 버튼이나 프레임 수정 버튼을 눌러 이에 대한 입력 신호를 서버(1000) 또는 사용자 단말기(2000)에 입력시킬 수 있다.By outputting the first learning data frame on the display, the user can confirm that the first message and the second message within the boundary of the first learning data frame are related. Accordingly, if the user does not want the first message and the second message to be used as learning data for the artificial intelligence model, the user can input an input signal to the server (1000) or the user terminal (2000) by pressing the cancel button or the frame modification button.

제1 학습 데이터 프레임의 경계는 변경될 수 있다. 예를 들어, 제2 메시지 이후 제2 대화 주체로부터 제3 메시지를 획득한 경우, 제1 학습 데이터 프레임의 경계는 변경되어, 내부에 제1 메시지, 제2 메시지 및 제3 메시지 모두를 포함할 수 있다. 즉, 제2 대화 주체의 대화가 계속 이어질 경우, 학습 데이터 프레임은 추가된 메시지까지 포함할 수 있다. 이때, 경계가 변경된 제1 학습 데이터 프레임은 새로운 제2 학습 데이터 프레임으로 명명될 수도 있고, 수정된 제1 학습 데이터 프레임으로 명명될 수도 있다.The boundary of the first learning data frame may be changed. For example, if a third message is obtained from the second conversation subject after the second message, the boundary of the first learning data frame may be changed to include all of the first message, the second message, and the third message inside. That is, if the conversation of the second conversation subject continues, the learning data frame may include the added message. In this case, the first learning data frame with the changed boundary may be named a new second learning data frame or a modified first learning data frame.

제1 학습 데이터 프레임의 경계를 수정할 것인지 여부 또는 제1 학습 데이터 프레임의 경계 내부에 있는 대화 메시지 데이터를 인공지능 모델의 학습 데이터로서 사용할지 여부는 단계 S140에 의해 결정될 수 있다.Whether to modify the boundary of the first learning data frame or whether to use conversation message data within the boundary of the first learning data frame as learning data of the artificial intelligence model can be determined by step S140.

대화 주체의 대화 태도를 판단하는 단계(S140)는 제1 대화 주체 또는 제2 대화 주체의 대화 태도를 분석하는 단계일 수 있다. 서버(1000)는 제1 대화 주체의 제2 메시지에 대한 응답으로 제3 메시지를 획득했는지 여부, 제2 대화 주체의 제2 메시지에 이어 추가적인 대화 전송 가능성이 있는지 여부를 통해 대화 주체들의 대화 태도를 분석할 수 있다.The step (S140) of determining the conversation attitude of the conversation subject may be a step of analyzing the conversation attitude of the first conversation subject or the second conversation subject. The server (1000) may analyze the conversation attitude of the conversation subjects by determining whether a third message is obtained in response to the second message of the first conversation subject and whether there is a possibility of additional conversation transmission following the second message of the second conversation subject.

구체적으로, 제1 대화 주체로부터 제2 메시지 이후 제3 메시지가 획득되었다면, 제3 메시지가 인공지능 모델의 학습을 위한 새로운 대화 메시지 묶음의 시작이 될 수 있으므로, 제1 학습 데이터 프레임은 내부에 제3 메시지와 같은 추가 메시지를 포함시키지 않고, 제2 메시지를 끝으로 경계가 확정될 수 있다. 즉, 제2 메시지 이후의 제3 메시지는 새로운 학습 데이터 프레임에 포함되는 것으로, 제3 메시지의 등장은 제1 학습 데이터 프레임의 경계를 확정시킬 수 있다.Specifically, if a third message is obtained from the first conversation subject after the second message, the third message can be the beginning of a new conversation message bundle for learning the artificial intelligence model, so the first learning data frame can have its boundary determined with the second message as the end without including additional messages such as the third message therein. That is, the third message after the second message is included in a new learning data frame, so the appearance of the third message can determine the boundary of the first learning data frame.

또한, 제2 메시지 이후 제2 대화 주체의 추가적인 대화 전송 가능성이 있는 경우, 서버(1000)는 제2 대화 주체가 제1 메시지에 대한 응답을 끝내지 않은 것으로 판단할 수 있다. 따라서, 서버(1000)는 제1 학습 데이터 프레임이 이후에 획득하는 제2 대화 주체의 메시지를 포함시킬 수 있도록, 제1 학습 데이터 프레임의 경계를 변경시킬 수 있다.In addition, if there is a possibility of additional dialogue transmission by the second conversation subject after the second message, the server (1000) may determine that the second conversation subject has not finished responding to the first message. Accordingly, the server (1000) may change the boundary of the first learning data frame so that the first learning data frame can include the message of the second conversation subject that is acquired later.

이때, 서버(1000)가 제2 대화 주체의 추가적인 대화 전송 가능성을 판단하는 기준은 제2 대화 주체가 메시지 입력란에 문자를 입력하지 않고 있는지 여부, 메시지 입력란에 마지막으로 문자를 입력한 시간으로부터 제1 시간이 경과되었는지 여부, 제2 메시지 이후 제2 시간이 경과되었는지 여부 등일 수 있다. 이때, 제1 시간과 제2 시간은 동일할 수도 있고, 상이할 수도 있다. 예를 들어, 제1 시간 및 제2 시간은 10초, 20초 등일 수 있다.At this time, the criteria for determining the possibility of the second conversation subject's additional conversation transmission by the server (1000) may include whether the second conversation subject is not entering text in the message input field, whether a first time has passed since the last time text was entered in the message input field, and whether a second time has passed since the second message. At this time, the first time and the second time may be the same or different. For example, the first time and the second time may be 10 seconds, 20 seconds, etc.

제2 대화 주체가 메시지 입력란에 문자를 입력하고 있는지 등을 판단하기 위해, 서버(1000)는 사용자 단말기(2000)로부터 메시지 입력란과 관련된 정보를 획득할 수 있다. 예를 들어, 서버(1000)는 사용자 단말기(2000)로부터 사용자가 메시지를 입력하는지 여부, 마지막으로 문자를 입력한 시점, 마지막으로 문자를 입력한 시점으로부터 경과 시간, 문자를 삭제했는지 여부 등을 획득할 수 있다.In order to determine whether the second conversation subject is entering text in the message input field, the server (1000) may obtain information related to the message input field from the user terminal (2000). For example, the server (1000) may obtain information from the user terminal (2000) regarding whether the user is entering a message, the last time the user entered text, the elapsed time since the last time the user entered text, and whether the user has deleted text.

대화 메시지 데이터를 인공지능 모델의 학습 데이터로 사용할지 여부를 판단하는 단계(S150)는 단계 S140에서 판단한 결과를 기초로 하는 단계일 수 있다. 단계 S140에서 대화 태도를 판단하는 기준 중 적어도 하나를 충족하는 경우, 서버(1000)는 대화 메시지 데이터를 인공지능 모델의 학습 데이터로 사용하는 것을 결정할 수 있다.The step (S150) of determining whether to use the conversation message data as learning data for the artificial intelligence model may be a step based on the result determined in step S140. If at least one of the criteria for determining the conversation attitude in step S140 is met, the server (1000) may determine to use the conversation message data as learning data for the artificial intelligence model.

구체적으로, 서버(1000)는 제2 메시지의 출력 이후, 제1 대화 주체로부터 제3 메시지를 획득한 경우, 대화 메시지 데이터를 학습 데이터로 사용하는 것을 결정할 수 있다. 또한, 서버(1000)는 제2 대화 주체가 메시지 입력란에 마지막으로 문자를 입력한 시간으로부터 제1 시간이 경과된 경우, 대화 메시지 데이터를 학습 데이터로 사용하는 것을 결정할 수 있다. 또한, 서버(1000)는 제2 메시지 이후 제2 대화 주체로부터 추가적인 메시지를 획득하지 않은 경우, 대화 메시지 데이터를 학습 데이터로 사용하는 것을 결정할 수 있다.Specifically, the server (1000) may determine to use the conversation message data as training data if a third message is obtained from the first conversation subject after the output of the second message. In addition, the server (1000) may determine to use the conversation message data as training data if a first time has passed since the time when the second conversation subject last entered characters in the message input field. In addition, the server (1000) may determine to use the conversation message data as training data if no additional messages are obtained from the second conversation subject after the second message.

제2 사용자 인터페이스를 출력하는 단계(S160)는 단계 S150에서 서버(1000)가 대화 메시지 데이터를 학습 데이터로 사용하는 것을 결정한 경우에 진행되는 단계일 수 있다. 즉, 서버(1000)는 대화 메시지 데이터를 학습 데이터로 사용하는 것을 사용자에게 시각적으로 나타내기 위해, 디스플레이에 제2 사용자 인터페이스를 출력할 수 있다.The step (S160) of outputting the second user interface may be a step performed when the server (1000) determines in step S150 to use the conversation message data as learning data. That is, the server (1000) may output the second user interface on the display to visually indicate to the user that the conversation message data is used as learning data.

제2 사용자 인터페이스는 제1 학습 데이터 프레임을 기초로 하는 제2 학습 데이터 프레임을 제공할 수 있다. 제2 학습 데이터 프레임은 제1 학습 데이터 프레임의 변형 형태일 수 있다. 예를 들어, 제2 학습 데이터 프레임은 제1 학습 데이터 프레임에서 경계 내부의 글자 모양, 색상, 경계 윤곽선 모양 등이 수정되거나 프레임에 이웃하게 배치된 추가 도형을 포함하는 제1 학습 데이터 프레임의 변형 형태일 수 있다.The second user interface can provide a second learning data frame based on the first learning data frame. The second learning data frame can be a modified form of the first learning data frame. For example, the second learning data frame can be a modified form of the first learning data frame in which the shape of the letters, the color, the shape of the border outline, etc. within the border of the first learning data frame are modified, or additional shapes are included that are placed adjacent to the frame.

제2 사용자 인터페이스는 복수의 서브 인터페이스를 포함할 수 있다. 즉, 제2 사용자 인터페이스는 애니메이션 형태일 수도 있다. 구체적으로, 제2 사용자 인터페이스에 포함된 제1 서브 인터페이스는 제1 학습 데이터 프레임의 변형 형태를 제공할 수 있다. 또한, 제2 사용자 인터페이스에 포함된 제2 서브 인터페이스는 변형 형태가 아닌 제1 학습 데이터 프레임과 동일한 프레임을 제공할 수 있다.The second user interface may include a plurality of sub-interfaces. That is, the second user interface may be in the form of an animation. Specifically, the first sub-interface included in the second user interface may provide a transformed form of the first learning data frame. Additionally, the second sub-interface included in the second user interface may provide a frame identical to the first learning data frame but not in the transformed form.

서버(1000)는 제2 사용자 인터페이스에 포함된 제1 서브 인터페이스 및 제2 서브 인터페이스를 순차적으로 디스플레이에 출력시켜, 사용자에게 인공지능 모델의 학습과 관련된 내용을 일시적으로 나타낼 수 있다.The server (1000) can sequentially display the first sub-interface and the second sub-interface included in the second user interface on the display to temporarily display content related to learning of the artificial intelligence model to the user.

즉, 서버(1000)는 1) 제1 학습 데이터 프레임을 제공하는 제1 사용자 인터페이스, 2) 제1 학습 데이터 프레임의 변형 형태를 제공하는 제1 서브 인터페이스, 3) 다시 제1 학습 데이터 프레임을 제공하는 제2 서브 인터페이스를 순서대로 디스플레이에 출력하여, 제1 학습 데이터 프레임의 경계 내부에 있는 메시지들을 인공지능 모델 학습에 이용한다는 것을 일시적으로 사용자에게 시각적으로 노출시킬 수 있다.That is, the server (1000) sequentially outputs 1) a first user interface providing a first learning data frame, 2) a first sub-interface providing a modified form of the first learning data frame, and 3) a second sub-interface providing the first learning data frame again on a display, thereby temporarily visually exposing to the user that messages within the boundary of the first learning data frame are used for learning an artificial intelligence model.

따라서, 사용자는 자신과 서버간의 대화가 인공지능 모델의 학습 데이터로 이용된다는 것을 인지할 수 있다. 또한, 제1 사용자 인터페이스에서는 제1 학습 데이터 프레임의 경계를 변경시킬 수 있는 수정 버튼을 제공하기 때문에, 사용자는 학습 데이터가 될 대화 메시지를 추가 또는 삭제할 수도 있다.Therefore, the user can recognize that the conversation between him/herself and the server is used as learning data for the artificial intelligence model. In addition, since the first user interface provides a modification button that can change the boundary of the first learning data frame, the user can also add or delete conversation messages that will become learning data.

서버(1000)가 사용자에게 인공지능 모델의 학습과 관련된 인터페이스를 제공함으로써, 사용자는 메시지를 출력하는 인공지능 모델을 자신의 대화 스타일로 학습시키고 있다는 것을 인지할 수 있다. 따라서, 사용자는 자신의 대화 메시지로 학습시킨 인공지능 모델을 이용하여, 자신을 모방하는 새로운 캐릭터를 생성할 수도 있다.By providing the user with an interface related to learning an artificial intelligence model through the server (1000), the user can recognize that he is learning an artificial intelligence model that outputs messages according to his/her conversation style. Accordingly, the user can also create a new character that mimics him/her by using the artificial intelligence model learned through his/her conversation messages.

사용자의 대화 메시지로 학습된 인공지능 모델을 이용하는 새로운 캐릭터는 사용자의 부재중에도 사용자의 대화 스타일로 타인과 대화할 수 있으므로, 사용자가 매번 메시지에 응답을 하지 않아도 된다. 즉, 사용자의 메시지로 학습된 인공지능 모델을 통해 사용자의 대화 피로도 및 번거로움을 줄일 수 있다.A new character that uses an AI model learned from the user's conversation messages can converse with others in the user's conversation style even when the user is away, so the user does not have to respond to messages every time. In other words, the AI model learned from the user's messages can reduce the user's conversation fatigue and inconvenience.

도 4는 일 실시예에 따른 대화 주체의 대화 태도를 판단하는 방법의 순서도이다.Figure 4 is a flowchart of a method for determining a conversation attitude of a conversation subject according to one embodiment.

도 4를 참조하면, 일 실시예에 따른 대화 주체의 대화 태도를 판단하는 방법은 새로운 메시지 유무 또는 경과 시간 정보를 획득하는 단계(S210), 대화 태도가 기준을 충족하는지 여부를 판단하는 단계(S220) 및 제2 사용자 인터페이스를 출력하고 대화 메시지 데이터를 인공지능 학습부에 전송하는 단계(S230)를 포함할 수 있다.Referring to FIG. 4, a method for determining a conversation attitude of a conversation subject according to one embodiment may include a step of obtaining information on the presence or absence of a new message or elapsed time (S210), a step of determining whether the conversation attitude satisfies a criterion (S220), and a step of outputting a second user interface and transmitting conversation message data to an artificial intelligence learning unit (S230).

새로운 메시지 유무 또는 경과 시간 정보를 획득하는 단계(S210)는 제1 대화 주체의 새로운 메시지를 획득했는지 여부를 확인하는 단계 및 서버(1000)가 사용자 단말기(2000)로부터 사용자가 메시지 입력란에 문자를 입력한 것과 관련된 정보를 획득하는 단계를 포함할 수 있다. 구체적으로, 서버(1000)는 사용자 단말기(2000)로부터 사용자가 메시지 입력란에 마지막으로 문자를 입력한 시간, 마지막으로 문자를 입력한 시간으로부터 경과한 시간 등을 획득할 수 있다.The step (S210) of obtaining information on the presence or absence of a new message or elapsed time may include a step of checking whether a new message from the first conversation subject has been obtained and a step of the server (1000) obtaining information related to the user inputting characters into the message input field from the user terminal (2000). Specifically, the server (1000) may obtain, from the user terminal (2000), the time at which the user last entered characters into the message input field, the elapsed time since the last time the character was entered, and the like.

대화 태도가 기준을 충족하는지 여부를 판단하는 단계(S220)는 단계 S210에서 획득한 정보에 기초하여, 대화 주체의 대화 태도를 판단하는 단계일 수 있다. 단계 S210에서의 기준을 적어도 하나 이상 충족하는 경우, 서버(1000)는 단계 S230을 실행하고, 기준을 모두 충족하지 않는 경우, 서버(1000)는 단계 S210을 실행한다.The step (S220) of determining whether the conversation attitude satisfies the criteria may be a step of determining the conversation attitude of the conversation subject based on the information acquired in step S210. If at least one criterion in step S210 is satisfied, the server (1000) executes step S230, and if none of the criteria are satisfied, the server (1000) executes step S210.

제2 사용자 인터페이스를 출력하고 대화 메시지 데이터를 인공지능 학습부에 전송하는 단계(S230)는 서버(1000)가 제2 사용자 인터페이스를 디스플레이에 출력하는 단계 및 제1 학습 데이터 프레임에 포함된 대화 메시지들을 인공지능 학습부(1600)에 전송하는 단계를 포함할 수 있다.The step (S230) of outputting the second user interface and transmitting the dialogue message data to the artificial intelligence learning unit may include a step in which the server (1000) outputs the second user interface to the display and a step in which the server transmits the dialogue messages included in the first learning data frame to the artificial intelligence learning unit (1600).

제2 사용자 인터페이스는 제1 학습 데이터 프레임에 포함된 대화 메시지들이 인공지능 모델의 학습에 사용되는 것을 사용자에게 시각적으로 나타내기 위한 것으로, 제1 학습 데이터 프레임의 변형 형태를 제공할 수 있다.The second user interface is intended to visually display to the user that the conversation messages included in the first learning data frame are used for learning the artificial intelligence model, and may provide a modified form of the first learning data frame.

제2 사용자 인터페이스를 출력하는 단계와 대화 메시지 데이터를 인공지능 학습부(1600)에 전송하는 단계는 어느 하나가 먼저 수행될 수도 있고, 단계 모두가 동시에 수행될 수도 있다.The step of outputting the second user interface and the step of transmitting the dialogue message data to the artificial intelligence learning unit (1600) may be performed either one first or both steps may be performed simultaneously.

도 5는 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.FIG. 5 is a diagram illustrating a user interface related to a learning data frame according to one embodiment.

도 5(a), 도 5(b) 및 도 5(c)는 시계열적인 순서에 따른다. 도 5(a)는 제1 대화 주체로부터 획득한 제1 메시지를 나타내는 도면이고, 도 5(b)는 제1 메시지 및 제2 대화 주체로부터 획득한 제2 메시지를 나타내는 도면이고, 도 5(c)는 제1 메시지 및 제2 메시지를 포함하는 제1 학습 데이터 프레임을 나타내는 도면이다.Figures 5(a), 5(b), and 5(c) are in chronological order. Figure 5(a) is a diagram showing a first message obtained from a first conversation subject, Figure 5(b) is a diagram showing a first message and a second message obtained from a second conversation subject, and Figure 5(c) is a diagram showing a first learning data frame including the first message and the second message.

도 5(a) 및 도 5(b)와 같이, 서버(1000)가 제1 메시지 및 제2 메시지를 순차적으로 획득 및/또는 디스플레이에 출력하면, 제1 학습 데이터 프레임이 생성될 수 있다. 제1 학습 데이터 프레임은 제1 메시지 및 제2 메시지가 모두 획득 및/또는 디스플레이에 출력되고 난 후에 생성될 수도 있다. 또는 제1 학습 데이터 프레임은 제1 메시지가 획득 및/또는 디스플레이에 출력될 때부터 제1 메시지를 포함하는 형태로 생성될 수도 있다.As shown in FIG. 5(a) and FIG. 5(b), when the server (1000) sequentially acquires and/or displays the first message and the second message, a first learning data frame can be generated. The first learning data frame may be generated after both the first message and the second message are acquired and/or displayed. Alternatively, the first learning data frame may be generated in a form that includes the first message from the time the first message is acquired and/or displayed.

제1 학습 데이터 프레임이 제1 메시지만 획득 및/또는 디스플레이에 출력될 때부터 존재할 경우, 제1 학습 데이터 프레임은 경계 내부에 제1 메시지만 포함하고 있다가, 제2 메시지가 획득 및/또는 디스플레이에 출력되고 나서 경계를 확대하여 제1 메시지 및 제2 메시지를 모두 포함하는 형태로 변경될 수 있다.When the first learning data frame exists when only the first message is acquired and/or displayed, the first learning data frame may include only the first message within its boundary, and then change to include both the first message and the second message by expanding the boundary after the second message is acquired and/or displayed.

또는 제1 학습 데이터 프레임은 제1 대화 주체의 제1 메시지 및 제2 대화 주체의 제2 메시지가 모두 수신되고 나서, 제1 메시지 및 제2 메시지를 모두 포함하는 형태로 생성될 수도 있다.Alternatively, the first learning data frame may be generated in a form that includes both the first message and the second message after both the first message of the first conversation subject and the second message of the second conversation subject are received.

제1 학습 데이터 프레임의 경계 내부는 경계 외부와 다르게 표현될 수 있다. 예를 들어, 제1 학습 데이터 프레임의 경계 내부는 경계 외부와 색상, 글꼴, 형태, 추가 도형 등이 상이할 수 있으나, 이에 한정되지 않는다. 또는, 경계 내부와 경계 외부는 경계 윤곽선으로만 구분될 수도 있다.The inside of the boundary of the first learning data frame may be expressed differently from the outside of the boundary. For example, the inside of the boundary of the first learning data frame may have different colors, fonts, shapes, additional shapes, etc. from the outside of the boundary, but is not limited thereto. Alternatively, the inside of the boundary and the outside of the boundary may be distinguished only by a boundary outline.

도 6은 다른 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.FIG. 6 is a diagram illustrating a user interface related to a learning data frame according to another embodiment.

도 6(a), 도 6(b), 도 6(c) 및 도 6(d)는 시계열적인 순서에 따른다. 도 6(a)는 제1 대화 주체로부터 획득한 제1 메시지를 나타내는 도면이고, 도 6(b)는 제1 메시지 및 제2 대화 주체로부터 획득한 제2 메시지를 나타내는 도면이고, 도 6(c)는 제1 메시지, 제2 메시지 및 제1 대화 주체로부터 획득한 제3 메시지를 나타내는 도면이고, 도 6(d)는 제1 메시지 및 제2 메시지를 포함하는 제1 학습 데이터 프레임을 나타내는 도면이다.Figures 6(a), 6(b), 6(c), and 6(d) are in chronological order. Figure 6(a) is a diagram showing a first message obtained from a first conversation subject, Figure 6(b) is a diagram showing the first message and a second message obtained from a second conversation subject, Figure 6(c) is a diagram showing the first message, the second message, and a third message obtained from the first conversation subject, and Figure 6(d) is a diagram showing a first learning data frame including the first message and the second message.

도 5와 달리 다른 일 실시예에 따른 제1 학습 데이터 프레임은, 제1 대화 주체 및 제2 대화 주체의 대화 이후, 다시 제1 대화 주체의 대화 메시지가 획득되고 나서 인터페이스에 제공될 수 있다. 즉, 도 5에서는 학습 데이터 프레임의 생성 기준에 제1 대화 주체의 제3 메시지가 관련이 없었으나, 도 6에서는 제1 대화 주체의 제3 메시지가 생성되고 난 후에 학습 데이터 프레임이 생성될 수 있다.Unlike FIG. 5, according to another embodiment, the first learning data frame may be provided to the interface after the conversation between the first conversation subject and the second conversation subject, and then after the conversation message of the first conversation subject is acquired. That is, in FIG. 5, the third message of the first conversation subject was not related to the generation criterion of the learning data frame, but in FIG. 6, the learning data frame may be generated after the third message of the first conversation subject is generated.

도 6의 실시예에 따르면, 서버(1000)는 제2 메시지 이후 다시 제1 대화 주체의 추가적인 메시지가 획득 및/또는 디스플레이에 출력되는 것을 통해 제1 학습 데이터 프레임을 생성 및 프레임의 경계를 확정시킬 수 있다. 즉, 제1 대화 주체의 제3 메시지는 제1 학습 데이터 프레임과 다른 별도의 프레임으로 처리될 수 있도록, 서버(1000)는 제1 메시지 및 제2 메시지와 제3 메시지를 구분할 수 있다.According to the embodiment of FIG. 6, the server (1000) can generate the first learning data frame and determine the frame boundary by acquiring and/or displaying an additional message of the first conversation subject after the second message. That is, the server (1000) can distinguish the first message, the second message, and the third message so that the third message of the first conversation subject can be processed as a separate frame different from the first learning data frame.

그러나, 도 6의 예시에서도 도 6(d)에서 사용자가 제1 학습 데이터 프레임의 내부에 존재하는 수정 버튼을 통해, 제1 학습 데이터 프레임이 제3 메시지를 포함하도록 제1 학습 데이터 프레임의 경계를 변경시킬 수 있다. 즉, 사용자가 제3 메시지를 제1 메시지 및 제2 메시지와 묶어서 한꺼번에 학습시키는 것이 유리하다고 판단할 경우, 사용자는 수정 버튼을 통해 서버(1000)에 의해 자동으로 생성된 제1 학습 데이터 프레임의 경계를 변경시킬 수 있다.However, even in the example of Fig. 6, the user can change the boundary of the first learning data frame so that the first learning data frame includes the third message through the modification button present inside the first learning data frame in Fig. 6(d). That is, if the user determines that it is advantageous to train the third message together with the first message and the second message, the user can change the boundary of the first learning data frame automatically generated by the server (1000) through the modification button.

도 7은 일 실시예에 따른 인공지능 학습과 관련된 사용자 인터페이스를 설명하기 위한 도면이다. 전술한 바와 같이, 서버(1000)는 대화 메시지 데이터를 인공지능 모델의 학습 데이터로 사용하는 것을 사용자에게 시각적으로 노출시키기 위해 인터페이스(도 3의 제2 인터페이스)를 디스플레이에 출력할 수 있다. 상기 인터페이스는 정적인 화면일 수도 있고, 동적인 애니메이션일 수도 있다.FIG. 7 is a diagram for explaining a user interface related to artificial intelligence learning according to one embodiment. As described above, the server (1000) can output an interface (the second interface of FIG. 3) to the display to visually expose to the user that the conversation message data is used as learning data for the artificial intelligence model. The interface may be a static screen or a dynamic animation.

도 7(a)는 제1 학습 데이터 프레임의 색상이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 나타낸 도면이고, 도 7(b)는 제1 학습 데이터 프레임에 도형이 추가된 제2 학습 데이터 프레임을 제공하는 인터페이스를 나타낸 도면이고, 도 7(c)는 제1 학습 데이터 프레임의 경계 윤곽선이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 나타낸 도면이고, 도 7(d)는 제1 학습 데이터 프레임의 경계 내부의 글자 모양이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 나타낸 도면이다.FIG. 7(a) is a diagram showing an interface for providing a second learning data frame in which the color of a first learning data frame is changed, FIG. 7(b) is a diagram showing an interface for providing a second learning data frame in which a shape is added to the first learning data frame, FIG. 7(c) is a diagram showing an interface for providing a second learning data frame in which the boundary outline of the first learning data frame is changed, and FIG. 7(d) is a diagram showing an interface for providing a second learning data frame in which the shape of letters within the boundary of the first learning data frame is changed.

도 7(a)를 참조하면, 서버(1000)는 제1 학습 데이터의 색상이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 즉, 제2 학습 데이터 프레임은 제1 학습 데이터 프레임과 상이한 색상을 가질 수 있다. 예를 들어, 제2 학습 데이터 프레임은 제1 학습 데이터 프레임의 색상이 반전된 형태일 수 있다.Referring to FIG. 7(a), the server (1000) may output an interface that provides a second learning data frame in which the color of the first learning data has been changed to a display. That is, the second learning data frame may have a different color from the first learning data frame. For example, the second learning data frame may be a form in which the color of the first learning data frame has been inverted.

도 7(b)를 참조하면, 서버(1000)는 제1 학습 데이터 프레임에 도형이 추가된 제2 학습 데이터 프레임을 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 도 7(b)에서는 체크(check) 표시를 나타내는 도형이 추가된 형태를 도시하였으나, 이에 한정되지 않는다.Referring to Fig. 7(b), the server (1000) can output an interface that provides a second learning data frame with a shape added to the first learning data frame to the display. Fig. 7(b) illustrates a form in which a shape indicating a check mark is added, but is not limited thereto.

도 7(c)를 참조하면, 서버(1000)는 제1 학습 데이터 프레임의 경계 윤곽선이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 도 7(c)에서는 윤곽선을 두껍게 하는 예시를 도시하였으나, 이에 한정되지 않고, 데이터 프레임의 윤곽선의 형태를 실선에서 점선으로 하거나, 이중선으로 변경하는 등의 형태도 가능할 것이다.Referring to Fig. 7(c), the server (1000) can output an interface that provides a second learning data frame with a changed boundary outline of a first learning data frame to a display. Fig. 7(c) illustrates an example of thickening the boundary outline, but is not limited thereto, and may also change the shape of the boundary outline of the data frame from a solid line to a dotted line or a double line.

도 7(d)를 참조하면, 서버(1000)는 제1 학습 데이터 프레임의 경계 내부의 글자 모양이 변경된 제2 학습 데이터 프레임을 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 도 7(d)에서는 내부 글자를 두껍게 하는 예시를 도시하였으나, 이에 한정되지 않고, 글자의 색상을 변경하거나, 글자체, 글자 간격, 줄 간격이 변경되는 등의 형태도 가능할 것이다.Referring to Fig. 7(d), the server (1000) can output an interface that provides a second learning data frame in which the font size within the boundary of the first learning data frame is changed to a display. Fig. 7(d) illustrates an example of making the internal font thicker, but is not limited thereto, and may also have forms such as changing the font color, font, font spacing, and line spacing.

사용자는 도 7의 인터페이스를 통해, 자신의 대화 메시지를 포함하는 대화 메시지 데이터가 인공지능 모델의 학습에 사용되는 것을 시각적으로 알 수 있을 것이다.Through the interface of Fig. 7, users will be able to visually see that their conversation message data, including their conversation messages, are being used to train the artificial intelligence model.

도 8은 또 다른 일 실시예에 따른 학습 데이터 프레임과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.FIG. 8 is a diagram illustrating a user interface related to a learning data frame according to another embodiment.

도 8(a), 도 8(b), 도 8(c) 및 도 8(d)는 시계열적인 순서에 따른다. 도 8(a)는 제2 메시지 이후 제1 대화 주체로부터 획득한 제3 메시지 및 제4 메시지를 나타내는 도면이고, 도 8(b)는 제3 메시지, 제4 메시지 및 제2 대화 주체로부터 획득한 제5 메시지를 나타내는 도면이고, 도 8(c)는 제3 메시지, 제4 메시지 및 제5 메시지를 포함하는 제3 학습 데이터 프레임을 나타내는 도면이고, 도 8(d)는 제2 대화 주체로부터 획득한 제6 메시지 및 제3 메시지 내지 제6 메시지를 포함하는 제3 학습 데이터 프레임을 나타내는 도면이다.FIG. 8(a), FIG. 8(b), FIG. 8(c), and FIG. 8(d) are in chronological order. FIG. 8(a) is a diagram showing a third message and a fourth message obtained from a first conversation subject after a second message, FIG. 8(b) is a diagram showing a third message, a fourth message, and a fifth message obtained from a second conversation subject, FIG. 8(c) is a diagram showing a third learning data frame including the third message, the fourth message, and the fifth message, and FIG. 8(d) is a diagram showing a third learning data frame including a sixth message obtained from the second conversation subject and the third to sixth messages.

도 8(a) 및 도 8(b)는 도 7의 인공지능 학습과 관련된 인터페이스가 출력되고 난 이후의 대화 메시지를 나타낸 것이다. 서버(1000)는 인공지능 학습과 관련된 인터페이스를 출력하고 나서, 다시 학습 데이터 프레임을 생성하기 위해 대화 메시지들을 획득 및/또는 디스플레이에 출력할 수 있다.Figures 8(a) and 8(b) illustrate dialogue messages after the interface related to artificial intelligence learning of Figure 7 is output. After the server (1000) outputs the interface related to artificial intelligence learning, it may acquire and/or output dialogue messages to a display to generate a learning data frame again.

도 8(c)를 참조하면, 서버(1000)는 제1 대화 주체로부터 메시지 획득에 이어 제2 대화 주체로부터 메시지를 획득한 후, 제3 메시지 내지 제5 메시지를 포함하는 제3 학습 데이터 프레임을 생성할 수 있다. 그러나, 이에 한정되지 않고, 제3 학습 데이터 프레임은 도 6에서 설명한 바와 같이, 제1 대화 주체로부터 새로운 메시지를 획득한 이후에 생성될 수도 있다.Referring to FIG. 8(c), the server (1000) may generate a third learning data frame including the third message to the fifth message after acquiring a message from the second conversation subject following acquisition of a message from the first conversation subject. However, the present invention is not limited thereto, and the third learning data frame may be generated after acquiring a new message from the first conversation subject, as described in FIG. 6.

도 8(c) 이후, 서버(1000)는 제2 대화 주체로부터 새로운 메시지인 제6 메시지를 획득 및/또는 디스플레이에 출력할 수 있다. 제6 메시지는 제1 대화 주체가 아닌 제5 메시지에 이은 제2 대화 주체의 메시지이기 때문에, 서버(1000)는 제6 메시지까지 포함하도록 제3 학습 데이터 프레임의 경계를 변경할 수 있다. 즉, 서버(1000)는 제6 메시지를 획득하여, 제2 대화 주체의 메시지가 끝나지 않고 이어지는 것으로 판단할 수 있다.After Fig. 8(c), the server (1000) can obtain a new message, a sixth message, from the second conversation subject and/or output it to the display. Since the sixth message is a message of the second conversation subject following the fifth message, not the first conversation subject, the server (1000) can change the boundary of the third learning data frame to include up to the sixth message. That is, the server (1000) can obtain the sixth message and determine that the second conversation subject's message is not finished but continues.

따라서, 서버(1000)는 제2 대화 주체의 메시지 이후, 제1 대화 주체의 메시지가 아닌 제2 대화 주체의 메시지가 획득될 경우, 새로 획득한 메시지까지 포함할 수 있도록 학습 데이터 프레임의 경계를 확장할 수 있다.Accordingly, if a message of the second conversation subject, rather than a message of the first conversation subject, is acquired after a message of the second conversation subject, the server (1000) can extend the boundary of the learning data frame to include the newly acquired message.

도 9는 일 실시예에 따른 학습 데이터 프레임의 수정과 관련된 사용자 인터페이스를 설명하기 위한 도면이다.FIG. 9 is a diagram illustrating a user interface related to modification of a learning data frame according to one embodiment.

도 9(a)는 학습 데이터 프레임의 내부에 포함된 수정 버튼(10)을 나타내는 도면이고, 도 9(b)는 사용자가 수정 버튼(10)을 클릭하는 경우 출력되는 수정 컨텐츠(20)를 나타내는 도면이다.Fig. 9(a) is a drawing showing a modification button (10) included within a learning data frame, and Fig. 9(b) is a drawing showing modification content (20) output when a user clicks the modification button (10).

도 9(a)를 참조하면, 서버(1000)는 사용자가 학습 데이터 프레임의 경계를 변경할 수 있도록 수정 버튼(10)을 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 도 9(a)는 수정 버튼(10)이 프레임 내부에 배치되는 것을 도시하였으나, 이에 한정되지 않고, 수정 버튼(10)은 프레임의 외부 또는 경계를 걸쳐서 배치될 수도 있다. 서버(1000)는 수정 버튼(10)을 통한 사용자의 입력을 획득할 경우, 프레임 생성, 대화 메시지 데이터를 인공지능 학습부(1600)로 전송하는 것 및/또는 인공지능 모델의 학습을 중단할 수 있다.Referring to Fig. 9(a), the server (1000) can output an interface on the display that provides a modification button (10) so that the user can change the boundary of the learning data frame. Fig. 9(a) illustrates that the modification button (10) is placed inside the frame, but is not limited thereto, and the modification button (10) can also be placed outside the frame or across the boundary. When the server (1000) obtains a user's input through the modification button (10), it can stop generating the frame, transmitting the conversation message data to the artificial intelligence learning unit (1600), and/or learning the artificial intelligence model.

도 9(b)를 참조하면, 서버(1000)는 수정 버튼(10)을 통해 사용자의 입력을 획득하고, 이에 대응하여 수정 컨텐츠(20)를 제공하는 인터페이스를 디스플레이에 출력할 수 있다. 수정 컨텐츠(20)는 프레임의 경계를 수정할 수 있는 편집 버튼 또는 인공지능 모델의 학습을 취소할 수 있는 취소 버튼을 포함할 수 있다.Referring to Fig. 9(b), the server (1000) can obtain a user's input through a modification button (10) and output an interface that provides modification content (20) in response to the input on the display. The modification content (20) can include an edit button that can modify the boundary of a frame or a cancel button that can cancel learning of an artificial intelligence model.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다The method according to the embodiment may be implemented in the form of program commands that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program commands, data files, data structures, etc., alone or in combination. The program commands recorded on the medium may be those specially designed and configured for the embodiment or may be those known to and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, and hardware devices specially configured to store and execute program commands such as ROMs, RAMs, flash memories, etc. Examples of the program commands include not only machine language codes generated by a compiler but also high-level language codes that can be executed by a computer using an interpreter, etc. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiment, and vice versa.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.Although the embodiments have been described above by way of limited examples and drawings, those skilled in the art may make various modifications and variations from the above description. For example, appropriate results may be achieved even if the described techniques are performed in a different order than the described method, and/or components of the described system, structure, device, circuit, etc. are combined or combined in a different form than the described method, or are replaced or substituted by other components or equivalents.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also included in the scope of the claims described below.

Claims

A method for providing an interface related to conversational message-based artificial intelligence learning performed by at least one processor,
A step of obtaining a first message from a first conversation subject and outputting it to a display;
A step of obtaining a second message from a second conversation subject and outputting it to the display;
A step of outputting a first user interface (UI) that distinguishes the first message and the second message from other messages, the first user interface providing a first learning data frame including the first message and the second message, to the display;
A step of determining whether to use the conversation message data included in the first learning data frame for learning an artificial intelligence model based on the conversation attitude of the first conversation subject or the second conversation subject; and
If it is determined that the above conversation message data is to be used for learning an artificial intelligence model, a step of outputting a second user interface on a display indicating that the conversation message included in the first learning data frame is used as data for learning an artificial intelligence model is included.
The second user interface provides a second learning data frame based on the first learning data frame,
The above second learning data frame is a modified form of the first learning data frame in which at least one of the letter shape, color, outline shape, and shape included therein has been changed,
The above conversational attitude is related to the possibility of further conversation transmission by the conversation subject.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

delete

In the first paragraph,
A step of obtaining a third message from the second conversation subject and outputting it to the display; and
A step of displaying a second user interface that provides the first message, the second message, and the third message to be distinguished from other messages.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

In the third paragraph,
The second user interface provides a second learning data frame including the first message, the second message, and the third message.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

In the first paragraph,
Further comprising a step of obtaining a third message from the first conversation subject;
The step of displaying the first user interface on the display is a step of distinguishing the first message and the second message from the third message.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

In the first paragraph,
The first user interface provides a frame modification button for changing the boundary of the first learning data frame,
Further comprising a step of outputting a second user interface on a display that provides a boundary change function of the first learning data frame in response to the first input obtained through the frame modification button.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

delete

In the first paragraph,
Further comprising a step of determining the conversation attitude based on at least one of whether a third message was obtained from the first conversation subject after the second message, whether a first period of time has elapsed since the second message, and whether the time during which no text was entered in the message input field of the second conversation subject after the second message exceeds the second period of time.
A method for providing an interface related to artificial intelligence learning based on conversational messages.

delete

A computer program stored on a computer-readable recording medium to execute a method for providing an interface related to artificial intelligence learning based on conversational messages as described in any one of claims 1, 3 to 6, and 8.

delete