NLP
자연어 처리
자사의 GPT 기반 챗봇은 고급 자연어 처리 기술을 활용하여 잠재 고객의 자연어 입력을 이해하고 해석, 구조화되지 않은 명령어나 키워드 없이도 원활한 대화 가능
Contextual Understanding
문맥 파악과 함축적 이해
대화의 문맥을 분석하고 세밀한 신호를 감지하여, 챗봇은 줄거리를 파악하여 잠재 고객의 필요(Intention), 선호도, 감정을 이해하고 개인화된 효과적인 상호작용
Inference
의도 추론
정교한 알고리즘을 활용, 사용자 질의의 의도를 추론하여 관련 정보를 제공하고, 우려를 해소하고, 잠재 고객을 원하는 행동으로 이끌어, 높은 고객 만족도 추구
GBGL | 타사 | |
---|---|---|
인식률 (응답률) |
93% | 72%~85% |
학습 기초지식 |
120~200 학습 | 1200학습 |
의미추론 | 이전 질문 연계 추론 |
이전 질문 연계 불가 |
사내 메신저
인터넷
모바일 메신저
(카카오 등)
사용자 질의 Corpus
인공지능 자동 의미 추론
사용자 질의 Corpus
대화형 추론 UI
단어 Vector 생성
사용자 편의성
인공지능 트레이닝
비용절감(셀프 서비스)
Dialog 시나리오
빅데이터 연계 가능
챗봇 시스템 구성 알고리즘
챗봇의 훈련을 위한
전처리 과정
Corpus 구축
Corpus는 언어학에서 주로 구조를 이루고 있는 텍스트의 집합을 의미하며, 인공지능 학습에 기초가 되는 자료입니다.
기초학습을 위해 해당 도메인에사용되는 Corpus(말뭉치가 제공되어야함) 대표어/동의어 형태의 형태소 분리(전처리를 하기위해서는 사전에 말뭉치를 이용하여 형태소 단위로 단어사전(Dictionary)를 등록을 하여야합니다.
형태소는 일정한 의미가 있는 가장 작은 말의 단위이며 한국어의 특성상 조사, 어미가 다양하므로 다양한 Corpus에서 중복되는 의미를 제거합니다. 또한 복합 명사는 구분하여 출력하여 띄어쓰기는 자동 적용 및 영어는 띄어쓰기 단어로 그대로 출력 / 숫자는 입력 값 그대로 출력 합니다.
챗봇이 고객의 니즈를
파악하는 방법
GPT 모델의 학습과정
(카드/결제일) (카드/변경) (결제일/카드) (결제일/변경) (결제일/어떻게) (변경/카드) (변경/결제일) (변경/어떻게) (변경/해야) (어떻게/결제일) (어떻게/결제) (어떻게/해야) (어떻게/하나요)
Dialog Scenario 및
트레이닝
대화관리 (Dialog Scenario)는 기존에 축적되어 있는 지식들의 변화없이 새로운 지식을 점차적으로 추가
그리고 지식의 추가 또는 수정은 쉽고 빠르며, 새로운 지식을 추가하는데 지식 엔지니어 없이도 사용자 스스로 수정 가능한데 그 장점을 두고 있다. 즉, 지식베이스를 구축하는데 전문 엔지니어가 필요하지 않습니다.
지식획득 지식(룰)의 종류 챗봇 솔루션에 분류된 단어 및 시나리오에 대해 챗봇 엔진을 적용하여 인공지능 트레이닝을 진행합니다.
답변 등록 및 질문
Matching
형태소 분석에
필요한 사전
질문에 대한 형태소 분석을 위해
사전에 대표 단어 및 동의어를 등록
인식질문에 대한
답변 등록
질문에 대한 형태소 분석된
형태로 질문들을 등록
질문에 대한
답변 등록
예상되는 답변들을 미리 등록하여
등록된 질문과 등록된 답변을 매칭
※ 가중치(weight)의 벡터값에 대한 확률의 근사치인 매칭 답변을 제출함
지식 DB의
자동 crawling 및 학습
One-Stop 프로세스 기반으로 홈페이지에서의 신규/수정/삭제 내역에 대해 자동 반영되어 학습하며, 홈페이지에서 수정과 삭제 발생시, 홈페이지 DB 테이블의 삭제 Flag값을 이용하여 삭제 처리하며, 변경은 수정일자가 변경 시 반영하여 처리합니다.
미인식 질문에 대한
추가 학습
답변을 하지 못할 경우 “죄송해요, 아직 제가 공부하지 못한 내용입니다. 좀 더 쉽게 다시 한번 말씀 해주시겠어요?” 답변과 함께 미인식 리스트를 따로 관리합니다. 또한 답변 불가 질문에 대해 관리자가 확인하여 추가해야하는 질문에 대해서만 선별하여 지식 학습을 진행합니다.
답변 불가 질문
DB
채팅 클라이언트