[go: up one dir, main page]

KR102386863B1 - 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치 - Google Patents

사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치 Download PDF

Info

Publication number
KR102386863B1
KR102386863B1 KR1020150127916A KR20150127916A KR102386863B1 KR 102386863 B1 KR102386863 B1 KR 102386863B1 KR 1020150127916 A KR1020150127916 A KR 1020150127916A KR 20150127916 A KR20150127916 A KR 20150127916A KR 102386863 B1 KR102386863 B1 KR 102386863B1
Authority
KR
South Korea
Prior art keywords
language model
user
characteristic data
generating
group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020150127916A
Other languages
English (en)
Other versions
KR20170030387A (ko
Inventor
문민영
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150127916A priority Critical patent/KR102386863B1/ko
Priority to US15/227,426 priority patent/US10242668B2/en
Publication of KR20170030387A publication Critical patent/KR20170030387A/ko
Application granted granted Critical
Publication of KR102386863B1 publication Critical patent/KR102386863B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/227—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of the speaker; Human-factor methodology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Signal Processing (AREA)

Abstract

사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치가 개시된다. 일 양상에 따른 사용자 기반 언어 모델 생성 장치는 사용자의 특성 데이터를 기초로, 언어 모델 그룹을 식별하는 언어 모델 그룹 식별부 및 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 사용자에게 적용할 언어 모델을 생성하는 언어 모델 생성부를 포함할 수 있다.

Description

사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치{USER-BASED LANGUAGE MODEL GENERATING APPARATUS, METHOD AND VOICE RECOGNITION APPARATUS}
음성 인식을 수행하기 위한 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치에 대한 것이다.
최근 음성 인식 인터페이스에 대한 이용이 증가하고 있으며, 이로 인하여 음성 인식의 정확도를 높이기 위한 연구가 이루어 지고 있다. 특히, 잡음에 강건한 음성 인식을 위하여 일반적으로 음성 인식 엔진을 이루고 있는 음향 모델(acoustic model)과 언어 모델(language model)중에 언어 모델에 대한 연구가 활발히 진행되고 있다.
그러나, 음향 모델의 경우 사용자에 개인화를 하는 것이 짧은 시간 안에 가능하나, 사용자가 쓰는 언어 모델을 단시간에 습득하기는 쉽지 않으며, 일반적으로 언어 모델을 회득하기 위하여 사용하는 텍스트 학습방식은 구어체에서 사용하는 단어와 차이점이 발생할 수 있다.
또한, 현재의 음성 인식 장치의 경우 한가지의 언어 모델이 모든 사용자의 음성을 인식하여야 하기 때문에, 단어의 Pool 사이즈가 증가되며, 일반적으로 많이 쓰는 단어의 순서로 발화를 하였을 경우만 성능이 잘 나올 수 있다.
언어 모델 그룹을 이용하여 사용자 기반 언어 모델 생성하며, 이를 이용하여 음성 인식을 수행하는 장치 및 방법을 제공하는 것을 목적으로 한다.
일 양상에 따른, 음성 인식을 위한 사용자 기반 언어 모델 생성 장치는 사용자의 특성 데이터를 기초로, 언어 모델 그룹을 식별하는 언어 모델 그룹 식별부 및 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 사용자에게 적용할 언어 모델을 생성하는 언어 모델 생성부를 포함할 수 있다.
사용자 기반 언어 모델 생성 장치는 사용자의 특성 데이터를 수집하는 특성 데이터 수집부를 더 포함할 수 있다.
특성 데이터 수집부는 사용자에게 소정 이미지나 소정 질의를 제시하고, 이미지나 질의에 대한 사용자의 응답을 기초로 사용자의 특성 데이터를 수집할 수 있다.
사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함할 수 있다.
언어 모델 생성부는 사용자 데이터와 결정된 언어 모델 그룹의 일치 정도를 기초로 가중치를 계산하는 가중치 계산부를 포함할 수 있다.
언어 모델 생성부는 가중치를 기초로 범용 언어 모델의 보간을 수행하는 언어 모델 보간부를 더 포함할 수 있다.
다른 양상에 따른, 음성 인식 장치는 사용자로부터 음성 인식 요청이 수신되면, 사용자에게 적용할 사용자 기반 언어 모델을 획득하는 언어 모델 획득부 및 획득된 사용자 기반 언어 모델을 이용하여, 음성 인식이 요청된 사용자의 음성을 인식하는 음성 인식부를 포함할 수 있다.
언어 모델 획득부는 사용자 기반 언어 모델을 저장하는 언어 모델 DB로부터 사용자에 적용할 언어 모델을 획득할 수 있다.
언어 모델 획득부는 사용자의 음성 인식 요청에 따라, 하나 이상의 언어 모델 그룹으로부터 사용자에 적용할 언어 모델 그룹을 결정하고, 결정된 언어 모델 그룹에 기초로 범용 언어 모델을 보간하여 사용자에게 적용할 사용자 기반 언어 모델을 획득할 수 있다.
또 다른 양상에 따른, 음성 인식을 위한 사용자 기반 언어 모델 생성 방법은 사용자의 특성 데이터를 기초로, 언어 모델 그룹을 식별하는 단계 및 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 사용자에게 적용할 언어 모델을 생성하는 단계를 포함할 수 있다.
사용자 기반 언어 모델 생성 방법은 사용자의 특성 데이터를 수집하는 단계를 더 포함할 수 있다.
특성 데이터를 수집하는 단계는 사용자에게 소정 이미지나 소정 질의를 제시하고, 이미지나 질의에 대한 사용자의 응답을 기초로 사용자의 특성 데이터를 수집할 수 있다.
사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함할 수 있다.
언어 모델을 생성하는 단계는 사용자 데이터와 결정된 언어 모델 그룹의 일치 정도를 기초로 가중치를 계산하는 단계를 포함할 수 있다.
언어 모델을 생성하는 단계는 가중치를 기초로 범용 언어 모델의 보간을 수행하는 단계를 더 포함할 수 있다.
언어 모델 그룹 중 사용자의 특성과 일치 정도가 높은 언어 모델 그룹을 선택하여 사용자 기반 언어 모델 생성함으로써 사용자에 대한 언어 모델 학습 없이 사용자에게 적합한 사용자 기반 언어 모델을 생성할 수 있으며, 이를 이용하여 음성 인식을 수행함으로써 음성 인식의 정확도를 향상시킬 수 있다.
도 1은 일 실시예에 따른 사용자 기반 언어 모델 생성 장치의 구성도이다.
도 2는 일 실시예에 따른 언어 모델 생성부의 구성도이다.
도 3은 다른 실시예에 따른 사용자 기반 언어 모델 생성 장치의 구성도이다.
도 4는 일 실시예에 따른 사용자의 특성 데이터를 수집하는 방법을 설명하기 위한 예시도이다.
도 5는 일 실시예에 음성 인식 장치의 구성도이다.
도 6은 일 실시예에 따른 사용자 기반 언어 모델 생성 방법의 단계를 구체적으로 도시한 흐름도이다.
도 7은 일 실시예에 따른 언어 모델 생성 방법의 단계를 구체적으로 도시한 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치의 실시예들을 도면들을 참고하여 자세히 설명한다.
도 1은 일 실시예에 따른 사용자 기반 언어 모델 생성 장치(100)의 구성도이다.
도 1을 참조하면, 사용자 기반 언어 모델 생성 장치(100)는 특성 데이터 수집부(110), 언어 모델 그룹 식별부(130) 및 언어 모델 생성부(150)를 포함할 수 있다.
특성 데이터 수집부(110)는 사용자의 특성 데이터를 수집할 수 있다. 이때, 사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드를 포함하는 동적 정보 중의 적어도 하나를 포함할 수 있다. 또한, 특성 데이터 수집부(110)는 동적 정보를 수집시 사용자의 목소리 톤, 세기 및 빠르기와 같은 음향 데이터를 동시에 수집할 수 있으며, 수집된 음향 데이터는 언어 모델 그룹을 식별을 위한 동적 데이터로서 사용될 수 있다. 나아가, 해당 사용자의 목소리 톤, 세기 및 빠르기는 사용자의 개인화된 음향 모델을 생성하는데 사용될 수 있다.
특성 데이터 수집부(110)는 사용자의 특성 데이터를 수집하기 위하여, 사용자가 사용하고 있는 전자기기에 저장되어 있는 정보를 검색하거나, 사용자가 사용하고 있는 어플리케이션의 텍스트 데이터 등을 검색하여 사용자의 특성 정보를 수집할 수 있다. 예를 들어, 특성 데이터 수집부(110)는 사용자가 사용하고 있는 전자기기에 저장되어 있는 개인 정보를 검색하여 사용자의 성별, 나이, 주소 등의 정보를 수집할 수 있다. 다른 예를 들어, 특성 데이터 수집부(110)는 사용자가 사용하고 있는 전자기기의 마이크로폰과 연동되어 사용자의 목소리 톤, 세기 및 빠르기와 같은 특성 정보를 수집할 수 있다. 또 다른 예로, 데이터 수집부(110)는 능동적으로 사용자에게 특정 질의를 수행하여 사용자의 특성 데이터를 수집할 수 있다.
일 예에 따르면, 특성 데이터 수집부(110)는 사용자에게 소정 이미지나 소정 질의를 제시하고, 이미지나 질의에 대한 사용자의 응답을 기초로 사용자의 특성 데이터를 수집할 수 있다.
일 예를 들면, 특성 데이터 수집부(110)는 사용자가 자주 이용하는 대중 매체의 종류 및 사용 빈도, 자주 이용하는 인터넷 매체의 종류 및 사용 빈도, 나이, 성별, 출생지, 거주지, 직업, 교육 수준, 취미 및 관심분야 중의 적어도 하나 이상을 기준으로 사용자에 대한 질의를 생성할 수 있다. 이때, 기준은 사용자에게 적용할 언어 모델 그룹을 생성하는데 이용된 기준과 동일하거나 유사한 기준일 수 있다. 예를 들어, 특성 데이터 수집부(110)는 언어 모델 그룹을 생성하는데 있어서, 사용자의 나이와 성별을 기준으로 언어 모델 그룹을 생성한 경우, 사용자에게 나이와 성별에 대한 질의를 생성할 수 있다.
다른 예를 들면, 특성 데이터 수집부(110)는 언어 모델 그룹에 포함된 특정 대상 및 특정 상황 중 적어도 하나와 관련된 키워드를 추출하여 질의를 수행할 수 있다. 예를 들어, 특성 데이터 수집부(110)는 스마트폰을 키워드로 추출할 수 있으며, 스마트폰과 관련된 이미지 또는 질의를 생성하여 사용자에게 질의를 수행할 수 있다.
이때, 특성 데이터 수집부(110)는 키워드를 선택함에 있어서 각각의 언어 모델 그룹 내 동일성이 높으며, 동시에 언어 모델 그룹 간 동일성이 낮은 적어도 하나 이상의 키워드를 선택하여 질의를 생성할 수 있다. 예를 들어, 언어 모델 그룹을 사용자의 나이를 기준으로 하는 경우, 동일한 "스마트폰"에 대하여 10 내지 30대는 "스마트폰", 40대 내지 50대는 "핸드폰", 60대 이상은 "전화기"라는 단어를 사용할 수 있다. 즉, 유사한 연령대의 경우 특정 대상에 대하여 동일한 단어를 사용하나, 연령대가 다른 경우 특정 대상에 대하여 상이한 단어를 사용하는 경우, 특성 데이터 수집부(110)는 스마트폰에 대한 이미지를 질의로 생성할 수 있으며, 이에 대한 사용자의 응답을 수신하여 사용자의 특성 데이터를 수집할 수 있다.
언어 모델 그룹 식별부(130)는 사용자의 특성 데이터를 기초로, 언어 모델 그룹을 식별할 수 있다.
일 예를 들어, 언어 모델 그룹 식별부(130)는 특성 데이터 수집부(110)에서 수집한 사용자의 특성 데이터를 이용하여 언어 모델 그룹을 선택할 수 있다. 예를 들어, 언어 모델 그룹이 사용자의 나이를 기준으로 생성된 경우, 언어 모델 그룹 식별부(130)는 사용자의 특성 데이터에서 사용자의 나이에 대한 정보를 추출하여 사용자에게 적용할 언어 모델 그룹을 식별할 수 있다.
예를 들어, 위에서 설명한 바와 같이 사용자의 연령대에 따라 스마트폰에 대한 자주 사용하는 단어가 상이한 경우, 언어 모델 그룹 식별부(130)는 사용자 특성 데이터로부터 스마트폰과 동일성이 있는 단어를 추출하며, 추출된 단어를 사용하여 언어 그룹 모델과 매칭을 시키며, 가장 일치 정도가 높은 언어 모델 그룹을 식별할 수 있다. 일 예로 위의 특성 데이터 수집부(110)의 예에서 설명한 바와 같이 사용자가 "전화기"라는 단어를 사용하는 경우 언어 모델 그룹 식별부(130)는 사용자가 60대 이상의 사람으로 판단할 수 있으며, 60대 이상의 사용자를 기준으로 생성된 언어 모델 그룹을 사용자에 사용할 언어 모델 그룹으로 식별할 수 있다.
언어 모델 생성부(150)는 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 사용자에게 적용할 언어 모델을 생성할 수 있다.
일 예를 들어, 언어 모델은 각 단어 다음 나올 수 있는 단어를 명시적으로 나타낸 네트워크일 수 있다. 이러한 경우, 언어 모델 생성부(150)는 식별된 언어 범용 언어 모델에서 포함하고 있는 각 단어 다음 나올 수 있는 단어의 종류 및 확률값을 식별된 언어 모델 그룹에 포함된 단어 및 그 단어가 나올 확률값을 반영하여 새롭게 네트워크를 만들 수 있다. 예를 들어, 범용 언어 모델의 경우, "전화기"와 연속하여 "통화하다", "문자를 보내다"와 같은 문자열을 가질 수 있다. 이때, 사용자의 언어 모델 그룹을 적용하는 경우, 사용자는 전화기를 스마트폰과 동일한 의미로 사용하고 있으므로 "통화하다", "문자를 보내다" 이외에 "인터넷을 하다", "음악을 듣는다"와 같은 문자열을 추가할 수 있게 된다.
도 2는 일 실시예에 따른 언어 모델 생성부(150)의 구성도이다.
도 2를 참조하면, 언어 모델 생성부(150)는 가중치 계산부(151) 및 언어 모델 보간부(153)을 포함할 수 있다.
가중치 계산부(151)는 사용자 데이터와 결정된 언어 모델 그룹의 일치 정도를 기초로 가중치를 계산할 수 있다.
일 예를 들어, 사용자 데이터를 기초로 사용자의 나이에 대한 정보를 추출하여 언어 모델 그룹을 선택하는 경우, 60대 이상일 확률이 0.6, 40대 내지 50대일 확률이 0.4로 계산될 수 있다. 이러한 경우 60대 이상을 기준으로 생성한 언어 모델 그룹의 가중치를 0.6, 40대 내지 50대를 기준으로 생성한 언어 모델 그룹의 가중치를 0.4로 계산할 수 있다.
언어 모델 보간부(153)는 가중치를 기초로 범용 언어 모델의 보간을 수행할 수 있다. 예를 들어, 위와 같이 60대 이상을 기준으로 생성한 언어 모델 그룹의 가중치가 0.6, 40대 내지 50대를 기준으로 생성한 언어 모델 그룹의 가중치가 0.4인 경우, 언어 모델 보간부(153)는 범용 언어 모델의 보간을 수행할 때, 60대 이상을 기준으로 생성한 언어 모델 그룹에 포함된 데이터 중 특정 기준 이상의 확률을 가지는 데이터만을 이용하여 보간을 수행할 수 있다. 또 다른 예로, 언어 모델 보간부(153)는 60대 이상을 기준으로 생성한 언어 모델 그룹과 40대 내지 50대를 기준으로 생성한 언어 모델 그룹 모두를 적용하여 보간을 수행할 수 있다.
도 3은 다른 실시예에 따른 사용자 기반 언어 모델 생성 장치(300)의 구성도이다.
도 3을 참조하면, 사용자 기반 언어 모델 생성 장치(300)는 사용자 단말(310)과 언어 모델 생성 서버(350)의 두 개의 장치로 분리되어 구현될 수 있다.
사용자 단말(310)은 특성 데이터 수집부(311), 언어 모델 그룹 식별부(313) 및 송수신부(315)를 포함할 수 있으며, 특성 데이터 수집부(311), 언어 모델 그룹 식별부(313)는 도 1의 특성 데이터 수집부(110), 언어 모델 그룹 식별부(130)의 일 실시예가 될 수 있다.
특성 데이터 수집부(311)는 사용자의 특성 데이터를 수집할 수 있으며, 사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함할 수 있다.
특성 데이터 수집부(311)는 사용자의 특성 데이터를 수집하기 위하여, 사용자 단말에 저장되어 있는 정보를 검색하거나, 사용자 단말에서 동작중인 있는 어플리케이션의 텍스트 데이터 등을 검색하여 사용자의 특성 정보를 수집할 수 있다.
일 예에 따르면, 특성 데이터 수집부(311)는 사용자 단말의 인터페이스를 통하여 사용자에게 소정 이미지나 소정 질의를 제시하고, 이미지나 질의에 대한 사용자의 응답을 사용자 단말에 내장된 마이크로폰을 이용하여 수신할 수 있으며, 이를 기초로 사용자의 특성 데이터를 수집할 수 있다.
일 예를 들면, 특성 데이터 수집부(311)는 사용자에게 적용할 언어 모델 그룹을 생성하는데 이용된 기준과 동일하거나 유사한 기준을 이용하여 질의를 생성할 수 있다. 예를 들어, 특성 데이터 수집부(311)는 언어 모델 그룹을 생성하는데 있어서, 사용자의 나이와 성별을 기준으로 언어 모델 그룹을 생성한 경우, 사용자에게 나이와 성별에 대한 질의를 생성할 수 있다.
다른 예를 들면, 특성 데이터 수집부(311)는 언어 모델 그룹에 포함된 특정 대상 및 특정 상황 중 적어도 하나와 관련된 키워드를 추출하여 질의를 수행할 수 있다. 예를 들어, 특성 데이터 수집부(311)는 스마트폰을 키워드로 추출할 수 있으며, 스마트폰과 관련된 이미지 또는 질의를 생성하여 사용자에게 질의를 수행할 수 있다.
이때, 특성 데이터 수집부(311)는 키워드를 선택함에 있어서 각각의 언어 모델 그룹 내 동일성이 높으며, 동시에 언어 모델 그룹 간 동일성이 낮은 적어도 하나 이상의 키워드를 선택하여 질의를 생성할 수 있다
언어 모델 그룹 식별부(313)는 사용자의 특성 데이터를 기초로, 언어 모델 그룹을 식별할 수 있다.
일 예를 들어, 언어 모델 그룹 식별부(313)는 특성 데이터 수집부(311)에서 수집한 사용자의 특성 데이터를 이용하여 언어 모델 그룹을 선택할 수 있다. 예를 들어, 언어 모델 그룹이 사용자의 나이를 기준으로 생성된 경우, 언어 모델 그룹 식별부(313)는 사용자의 특성 데이터에서 사용자의 나이에 대한 정보를 추출하여 사용자에게 적용할 언어 모델 그룹을 식별할 수 있으며, 식별된 언어 모델 그룹에 한 데이터는 송수신부(315)를 통하여 언어 모델 생성 장치로 제공할 수 있다.
송수신부(315)는 사용자 단말(310)에서 식별된 언어 모델 그룹에 대한 데이터를 언어 모델 생성 서버(350)로 전송할 수 있다.
송수신부(315)는 LAN, Wi-Fi, 블루투스, IrDA(Infrared Data Association), HomeRF, NFC(Near Field Communication), UWB(Ultra Wide Band), Zig-bee, GSM(Global System for Mobile Communications), CDMA(Code Division Multiple Access), LTE(Long Term Evolution), 와이브로 중 적어도 하나의 통신 방법을 이용할 수 있다. 또한, 송수신부(315)가 이용하는 통신 방식은 위의 실시예에 국한되지 않으며, 통상의 기술자가 용이하게 구현할 수 있는 장치와 장치 간 통신을 위한 모든 통신 방법을 이용하여 구현될 수 있다.
언어 모델 생성 서버(350)는 송수신부(351), 언어 모델 생성부(353) 및 저장부(355)를 포함할 수 있으며, 언어 모델 생성부(353)는 도 1의 언어 모델 생성부(150) 의 일 실시예가 될 수 있다.
송수신부(351)는 사용자 단말(310)로부터 언어 모델 그룹에 대한 데이터를 수신할 수 있으며, 송수신부(315)와 동일한 통신 방식을 이용하여 구현될 수 있다.
언어 모델 생성부(353)는 사용자 단말(310)로부터 수신한 언어 모델 그룹에 대한 정보를 기초로 언어 모델 그룹을 선택하며, 선택된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 사용자에게 적용할 언어 모델을 생성할 수 있다.
일 예를 들어, 언어 모델 생성부(353)는 선택된 언어 모델 그룹의 단어 및 단어의 배치 순서, 순서에 대한 확률 정도를 이용하여 범용 언어 모델에 새로운 단어를 추가하거나, 단어의 순서를 변경하거나, 순서에 대한 확률값을 변경할 수 있다.
저장부(355)는 언어 모델 생성부(353)에서 생성된 사용자에게 적용할 언어 모델을 저장할 수 있다. 또한, 음성 인식에 사용될 언어 모델을 검색하기 위한 사용자 식별 데이터, 사용자별 언어 모델 인덱스 등을 저장할 수 있다. 일 예로, 사용자 식별 데이터, 사용자별 언어 모델 인덱스는 특성 데이터 수집부(311) 또는 언어 모델 그룹 식별부(313)에서 생성된 것일 수 있다.
도 4는 일 실시예에 따른 사용자의 특성 데이터를 수집하는 방법을 설명하기 위한 예시도이다.
도 4를 참조하면, 언어 모델 생성 장치(410)는 사용자에게 질의를 수행하고, 질의에 대한 사용자의 응답을 수신하는 인터페이스를 포함할 수 있다.
일 예에 따르면, 언어 모델 생성 장치(410)는 이미지를 표시할 수 있는 인터페이스를 포함할 수 있으며, 인터페이스를 통하여 사용자에게 소정 이미지나 소정 질의를 제시할 수 있다. 예를 들어, 언어 모델 생성 장치(410)는 특정 대상이나 특정 상황에 대한 이미지(420)나 사용자에게 특정 응답을 이끌어내기 위한 질의(430)를 제시할 수 있다.
이때, 질의는 특정 대상 및 특정 상황 중 적어도 하나와 관련된 키워드를 추출하여 질의를 수행할 수 있다. 예를 들어, 언어 모델 생성 장치(410)는 "스마트폰"과 "사람"을 키워드로 추출할 수 있으며, 스마트폰과 사람에 관련된 이미지 또는 질의를 생성하여 사용자에게 질의를 수행할 수 있다.
이러한 경우, 사용자는 이미지(420)나 질의(430)에 대하여 응답을 하게 되며, 언어 모델 생성 장치(410)는 사용자의 응답을 기초로 사용자의 특성 데이터를 수집하게 된다.
예를 들어, 사용자는 이미지(420)나 질의(430)를 보고 "여자 아이가 핸드폰을 보고 있다", "언니가 스마트폰을 보고 있다", "여학생이 스마트폰으로 SNS를 하고 있다."와 같이 응답을 할 수 있다. 이러한 경우, 언어 모델 생성 장치(410)는 사용자의 응답을 수신하여 사용자의 특성 데이터를 생성할 수 있다. 예를 들어, "여자 아이가 핸드폰을 보고 있다."와 같이 응답한 경우, 언어 모델 생성 장치(410)는 스마트폰"과 "사람"에 관련된 키워드인 "여자 아이"와 "핸드폰"이라는 키워드를 추출할 수 있으며, 이러한 키워드가 사용자의 특성 데이터로 이용될 수 있다. 다른 예로, "언니가 스마트폰을 보고 있다"와 같이 응답한 경우, 언어 모델 생성 장치(410)는 "언니"와 "스마트폰"을 키워드로 추출하여 사용자 특성 데이터를 생성할 수 있다.
또한, 언어 모델 생성 장치(410)는 위에서 생성된 사용자 특성 데이터와 언어 모델 그룹을 매칭하여 언어 모델 그룹을 식별할 수 있다. 예를 들어, "여자 아이"와 "핸드폰"이라는 키워드를 이용하여 해당 사용자가 60대 이상의 사람을 기준으로 생성한 언어 모델 그룹에 매칭이 가장 높은 경우, 해당 언어 모델 그룹을 사용자의 언어 그룹 모델로 식별할 수 있다. 다른 예로, "언니"와 "스마트폰"을 키워드로 하는 경우, 해당 사용자가 10대 여성의 사람을 기준으로 생성한 언어 그룹 모델에 가장 높은 일치를 나타낼 수 있으며, 이러한 경우, 해당 언어 모델 그룹을 사용자의 언어 모델 그룹으로 식별할 수 있다.
도 5는 일 실시예에 음성 인식 장치(500)의 구성도이다.
도 5를 참조하면, 음성 인식 장치(500)는 언어 모델 획득부(510), 음성 인식부(530) 및 언어 모델 DB(550)를 포함할 수 있으며, 사용자 단말과 연동되는 서버로 구현될 수 있다. 이러한 경우, 음성 인식 장치(500)는 사용자 단말과 통신을 수행하기 위한 송수신부(미도시)를 더 포함할 수 있다.
일 예에 따르면, 언어 모델 획득부(510)는 송수신부를 통하여 사용자 단말로부터 사용자의 음성 인식 요청을 수신할 수 있다. 이때, 음성 인식 요청은 사용자에 관련된 데이터가 포함될 수 있다. 일 예로, 사용자가 단말을 통하여 음성 인식을 요청하는 경우, 사용자 단말은 사용자의 음성을 인식하여 사용자 정보를 생성하거나, 해당 단말의 제품 정보 등을 이용하여 사용자 정보를 생성할 수 있으며, 이를 음성 인식 요청시 음성 인식 장치(500)에 제공할 수 있다.
이에 따라, 언어 모델 획득부(510)는 사용자 단말로부터 사용자 정보를 수신하여 해당 음성 인식 요청이 누구의 요청인지에 대하여 식별을 할 수 있다.
이후, 일 예에 따르면, 언어 모델 획득부(510)는 사용자 단말로부터 수신한 사용자 정보를 기초로 사용자 기반 언어 모델을 저장하는 언어 모델 DB(550)로부터 사용자에 적용할 언어 모델을 획득할 수 있다. 즉, 언어 모델 획득부(510)는 사용자 기반 언어 모델 생성 장치에 의해 생성된 사용자에게 적용할 언어 모델을 언어 모델 DB(550)에서 검색하여 사용자에 적용할 언어 모델을 획득할 수 있다.
다른 예에 따르면, 언어 모델 획득부(510)는 사용자의 음성 인식 요청에 따라, 하나 이상의 언어 모델 그룹으로부터 사용자에 적용할 언어 모델 그룹을 결정하고, 결정된 언어 모델 그룹에 기초로 범용 언어 모델을 보간하여 사용자에게 적용할 사용자 기반 언어 모델을 획득할 수 있다. 예를 들어, 언어 모델 획득부(510)는 사용자 단말로부터 수신한 사용자 정보를 기초로 언어 모델 DB(550)에서 사용자에게 해당하는 언어 모델 그룹을 검색할 수 있다. 또한, 언어 모델 획득부(510)는 DB(550)에서 범용 언어 모델을 검색한 후 사용자에게 해당하는 언어 모델 그룹을 이용하여 범용 언어 모델에 보간을 수행하여 사용자에게 적용할 언어 모델을 생성할 수 있다.
음성 인식부(530)는 획득된 사용자 기반 언어 모델을 이용하여, 음성 인식이 요청된 사용자의 음성을 인식할 수 있다. 일 예에 따르면, 음성 인식부(530)는 음성 인식을 위하여 은닉 마르코프 모델 (Hidden Markov Model; HMM), 동적 시간 왜곡(Dynamic Time Warping; DTW), 신경망(Neural Networks)과 같은 방법 등을 이용할 수 있다. 다만, 음성 인식부(530)는 위의 인식 방법에 한정되지 않으며, 통상의 기술자가 사용할 수 있는 모든 음성 인식 방법을 이용할 수 있다.
또한, 음성 인식부(530)는 음성 인식이 완료되면, 음성 인식을 요청한 사용자 단말에 인식된 결과를 제공할 수 있다.
언어 모델 DB(550)는 범용 언어 모델, 언어 모델 그룹 및 각각의 사용자에게 적용할 언어 모델 중 적어도 하나를 저장할 수 있다.
다른 실시예에 따르면, 음성 인식 장치(500)는 사용자 단말에 탑재되어 사용자의 음성을 인식할 수 있다.
이러한 경우, 일 예에 따르면, 사용자 단말은 해당 사용자의 언어 모델을 저장하는 언어 모델 DB(550)를 포함할 수 있다. 이를 위하여, 사용자 단말은 사용자 단말에 포함되어 있는 마이크로폰을 통하여 사용자의 음성을 수신하여 사용자 음성 인식 요청을 생성하는 요청 수신부(미도시)를 더 포함할 수 있다.
언어 모델 획득부(510)는 요청 수신부로부터 사용자 음성 인식 요청을 수신하면, 언어 모델 DB(550)로부터 사용자의 언어 모델을 읽어올 수 있다. 이때, 사용자의 언어 모델은 사용자 단말의 초기화시 또는 사용자 단말에서 구동되는 어플리케이션의 초기화시 사용자 기반 언어 모델 생성 장치에 의해 생성된 것일 수 있다. 여기서, 사용자 기반 언어 모델 생성 장치는 사용자 단말에 탑재되는 장치이거나 외부 서버에 구현되어 사용자 단말과 연동되는 장치일 수 있다.
또는, 언어 모델 획득부(510)는 사용자의 음성 인식이 요청되면, 언어 모델 생성 서버로부터 그 사용자에 적용할 언어 모델을 획득할 수 있다. 예를 들어, 사용자로부터 음성 인식이 요청되면, 음성 인식을 요청한 사용자의 정보를 포함하는 사용자의 특성 정보를 수집하고, 수집된 특성 정보를 이용하여 그 사용자에 대한 언어 모델 그룹 식별 정보를 획득할 수 있다. 또한, 언어 모델 그룹 식별 정보가 획득되면, 그 언어 모델 그룹 식별 정보를 언어 모델 생성 서버에 전송하여 그 사용자에게 적용할 사용자 기반 언어 모델을 요청하고, 언어 모델 생성 서버로부터 그 언어 모델 그룹 식별 정보를 기초로 생성된 사용자 기반 언어 모델을 수신할 수 있다.
이후, 음성 인식부(530)는 언어 모델 DB(550)로부터 읽어 들인 사용자의 언어 모델을 이용하여 사용자의 음성을 인식할 수 있다.
도 6은 일 실시예에 따른 사용자 기반 언어 모델 생성 방법의 단계를 구체적으로 도시한 흐름도이다.
도 6을 참조하면, 사용자 기반 언어 모델 생성 장치는 사용자에게 적용할 언어 모델을 생성하기 위하여 사용자의 특성 데이터를 수집할 수 있다(610). 이때, 사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함할 수 있다.
일 예를 들면, 사용자 기반 언어 모델 생성 장치는 사용자의 특성 데이터를 수집하기 위하여, 사용자가 사용하고 있는 전자기기에 저장되어 있는 정보를 검색하거나, 사용자가 사용하고 있는 어플리케이션의 텍스트 데이터 등을 검색하여 사용자의 특성 정보를 수집할 수 있다.
다른 예를 들면, 사용자 기반 언어 모델 생성 장치는 사용자에게 소정 이미지나 소정 질의를 제시하고, 이미지나 질의에 대한 사용자의 응답을 기초로 사용자의 특성 데이터를 수집할 수 있다. 이를 위하여 사용자 기반 언어 모델 생성 장치는 사용자가 자주 이용하는 대중 매체의 종류 및 사용 빈도, 자주 이용하는 인터넷 매체의 종류 및 사용 빈도, 나이, 성별, 출생지, 거주지, 직업, 교육 수준, 취미 및 관심분야 중의 적어도 하나 이상을 기준으로 사용자에 대한 질의를 생성할 수 있다.
또 다른 예를 들면, 사용자 기반 언어 모델 생성 장치는 언어 모델 그룹에 포함된 특정 대상 및 특정 상황 중 적어도 하나와 관련된 키워드를 추출하여 질의를 수행할 수 있다. 예를 들어, 사용자 기반 언어 모델 생성 장치는 스마트폰을 키워드로 추출할 수 있으며, 스마트폰과 관련된 이미지 또는 질의를 생성하여 사용자에게 질의를 수행할 수 있다.
이후, 사용자 기반 언어 모델 생성 장치는 수집된 사용자 특성 데이터를 이용하여 사용자에게 적용할 언어 모델 그룹을 식별할 수 있다(630). 예를 들어, 사용자 기반 언어 모델 생성 장치는 언어 모델 그룹이 사용자의 나이를 기준으로 생성된 경우, 사용자의 특성 데이터에서 사용자의 나이에 대한 정보를 추출하여 사용자에게 적용할 언어 모델 그룹을 식별할 수 있다. 예를 들어, 사용자 기반 언어 모델 생성 장치는 사용자의 연령대에 따라 스마트폰에 대한 자주 사용하는 단어가 상이한 경우, 사용자 특성 데이터로부터 스마트폰과 동일성이 있는 단어를 추출하며, 추출된 단어를 사용하여 언어 그룹 모델과 매칭을 시키며, 가장 일치 정도가 높은 언어 모델 그룹을 식별할 수 있다.
사용자에게 적용할 언어 모델 그룹이 식별되면, 사용자 기반 언어 모델 생성 장치는 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여 사용자에게 적용할 언어 모델을 생성할 수 있다(650).
일 예를 들어, 언어 모델은 각 단어 다음 나올 수 있는 단어를 명시적으로 나타낸 네트워크일 수 있다. 이러한 경우, 사용자 기반 언어 모델 생성 장치는 식별된 언어 범용 언어 모델에서 포함하고 있는 각 단어 다음 나올 수 있는 단어의 종류 및 확률값을 식별된 언어 모델 그룹에 포함된 단어 및 그 단어가 나올 확률값을 반영하여 새롭게 네트워크를 만들 수 있다.
도 7은 일 실시예에 따른 언어 모델 생성 방법의 단계를 구체적으로 도시한 흐름도이다.
도 7을 참조하면, 사용자 기반 언어 모델 생성 장치는 언어 모델을 생성하기 위하여 사용자 데이터와 결정된 언어 모델 그룹의 일치 정도를 기초로 가중치를 계산할 수 있다(651).
일 예로, 사용자 기반 언어 모델 생성 장치가 사용자 데이터를 기초로 사용자의 나이에 대한 정보를 추출하여 언어 모델 그룹을 선택하는 경우, 60대 이상일 확률이 0.6, 40대 내지 50대일 확률이 0.4로 계산될 수 있다. 이러한 경우 60대 이상을 기준으로 생성한 언어 모델 그룹의 가중치를 0.6, 40대 내지 50대를 기준으로 생성한 언어 모델 그룹의 가중치를 0.4로 계산할 수 있다.
이후, 사용자 기반 언어 모델 생성 장치는 계산된 가중치를 기초로 범용 언어 모델의 보간을 수행할 수 있다(653). 예를 들어, 사용자 기반 언어 모델 생성 장치는 위와 같이 60대 이상을 기준으로 생성한 언어 모델 그룹의 가중치가 0.6, 40대 내지 50대를 기준으로 생성한 언어 모델 그룹의 가중치가 0.4인 경우, 범용 언어 모델의 보간을 수행할 때, 60대 이상을 기준으로 생성한 언어 모델 그룹에 포함된 데이터 중 특정 기준 이상의 확률을 가지는 데이터만을 이용하여 보간을 수행할 수 있다. 또 다른 예로, 사용자 기반 언어 모델 생성 장치는 60대 이상을 기준으로 생성한 언어 모델 그룹과 40대 내지 50대를 기준으로 생성한 언어 모델 그룹 모두를 적용하여 보간을 수행할 수 있다.
본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
100: 사용자 기반 언어 모델 생성 장치
110: 특성 데이터 수집부 130: 언어 모델 그룹 식별부
150: 언어 모델 생성부 151: 가중치 계산부
153: 언어 모델 보간부 310: 사용자 단말
350: 언어 모델 생성 서버 500: 음성 인식 장치
510: 언어 모델 획득부 530: 음성 인식부
550: 언어 모델 DB

Claims (15)

  1. 음성 인식을 위한 사용자 기반 언어 모델 생성 장치에 있어서,
    사용자의 특성 데이터를 수집하는 특성 데이터 수집부;
    상기 수집된 사용자의 특성 데이터와　소정　기준에　따라　생성된　복수의 언어 모델 그룹 각각의 그룹간의　일치정도를　결정하고, 상기 결정된 일치　정도에 기초하여 상기 복수의 언어 모델 그룹 중 사용자에게 적용할 언어 모델 그룹을 식별하는 언어 모델 그룹 식별부; 및
    상기　결정된　일치　정도를　기초로　가중치를　계산하고，　상기　가중치，　및　상기 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 상기 사용자에게 적용할 언어 모델을 생성하는 언어 모델 생성부;를 포함하는 사용자 기반 언어 모델 생성 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 특성 데이터 수집부는
    사용자에게 소정 이미지나 소정 질의를 제시하고, 상기 이미지나 질의에 대한 사용자의 응답을 기초로 상기 사용자의 특성 데이터를 수집하는 사용자 기반 언어 모델 생성 장치.
  4. 제1항에 있어서,
    상기 사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함하는 사용자 기반 언어 모델 생성 장치.
  5. 삭제
  6. 삭제
  7. 사용자로부터 음성 인식 요청이 수신되면, 상기 사용자에게 적용할 사용자 기반 언어 모델을 획득하는 언어 모델 획득부; 및
    상기 획득된 사용자 기반 언어 모델을 이용하여, 음성 인식이 요청된 사용자의 음성을 인식하는 음성 인식부;를 포함하되，
    상기　언어　모델　획득부는，
    수집된 사용자의 특성 데이터와　소정　기준에　따라　생성된　복수의 언어 모델 그룹 각각의 그룹간의　일치　정도를　결정하고, 상기 결정된 일치　정도에 기초하여 상기 복수의 언어 모델 그룹 중 사용자에게 적용할 언어 모델 그룹을 식별하고，　상기　결정된　일치　정도를　기초로　가중치를　계산하고，　상기　가중치，　및　상기 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여 상기 사용자에게 적용할 언어 모델을 생성하는 음성 인식 장치.
  8. 삭제
  9. 삭제
  10. 음성 인식을 위한 사용자 기반 언어 모델 생성 방법에 있어서,
    사용자의 특성 데이터를 수집하는 단계;
    상기 사용자의 특성 데이터와, 소정　기준에　따라　생성된 복수의 언어 모델 그룹 각각의 그룹간의　일치　정도를　결정하는 단계;
    상기 결정된 일치　정도에 기초하여 상기 복수의 언어 모델 그룹 중 사용자에게 적용할 언어 모델 그룹을 식별하는 단계;
    상기　결정된　일치　정도를　기초로　가중치를　계산하는　단계；및
    상기　가중치，　및　상기 식별된 언어 모델 그룹을 기초로 범용 언어 모델을 보간하여, 상기 사용자에게 적용할 언어 모델을 생성하는 단계;를 포함하는 사용자 기반 언어 모델 생성 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 특성 데이터를 수집하는 단계는
    사용자에게 소정 이미지나 소정 질의를 제시하고, 상기 이미지나 질의에 대한 사용자의 응답을 기초로 상기 사용자의 특성 데이터를 수집하는 사용자 기반 언어 모델 생성 방법.
  13. 제10항에 있어서,
    상기 사용자의 특성 데이터는 성별, 나이, 주소, 자주 사용하는 애플리케이션 및 생체 정보 중의 하나 이상을 포함하는 정적 정보 및, 상황에 따라 변화하는 자주 사용하는 키워드, 목소리 톤, 세기 및 빠르기 중의 하나 이상을 포함하는 동적 정보 중의 적어도 하나를 포함하는 사용자 기반 언어 모델 생성 방법.
  14. 삭제
  15. 삭제
KR1020150127916A 2015-09-09 2015-09-09 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치 Active KR102386863B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150127916A KR102386863B1 (ko) 2015-09-09 2015-09-09 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치
US15/227,426 US10242668B2 (en) 2015-09-09 2016-08-03 Speech recognition apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150127916A KR102386863B1 (ko) 2015-09-09 2015-09-09 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치

Publications (2)

Publication Number Publication Date
KR20170030387A KR20170030387A (ko) 2017-03-17
KR102386863B1 true KR102386863B1 (ko) 2022-04-13

Family

ID=58190657

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150127916A Active KR102386863B1 (ko) 2015-09-09 2015-09-09 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치

Country Status (2)

Country Link
US (1) US10242668B2 (ko)
KR (1) KR102386863B1 (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3079342A4 (en) * 2013-12-03 2017-03-15 Ricoh Company, Ltd. Relay device, display device, and communication system
KR102413282B1 (ko) * 2017-08-14 2022-06-27 삼성전자주식회사 개인화된 음성 인식 방법 및 이를 수행하는 사용자 단말 및 서버
KR102441422B1 (ko) * 2018-01-11 2022-09-07 한국전자통신연구원 개인 정보 보호가 가능한 개인화된 질의응답 시스템, 클라우드 서버 및 이의 공통 신경망 모델 제공 방법
US11106868B2 (en) * 2018-03-06 2021-08-31 Samsung Electronics Co., Ltd. System and method for language model personalization
KR102699827B1 (ko) * 2018-05-11 2024-08-29 삼성전자주식회사 음성 인식 모델을 개인화하는 방법 및 장치
KR102172772B1 (ko) * 2018-07-18 2020-11-02 엘지전자 주식회사 인공지능 서버 및 인공지능 디바이스
US10720149B2 (en) * 2018-10-23 2020-07-21 Capital One Services, Llc Dynamic vocabulary customization in automated voice systems
US11940992B2 (en) 2018-11-01 2024-03-26 Huawei Technologies Co., Ltd. Model file management method and terminal device
KR102725793B1 (ko) * 2018-11-07 2024-11-05 삼성전자주식회사 사용자 발화를 처리하는 전자 장치, 및 그 전자 장치의 제어 방법
KR20200059703A (ko) 2018-11-21 2020-05-29 삼성전자주식회사 음성 인식 방법 및 음성 인식 장치
US10785171B2 (en) 2019-02-07 2020-09-22 Capital One Services, Llc Chat bot utilizing metaphors to both relay and obtain information
US10522138B1 (en) * 2019-02-11 2019-12-31 Groupe Allo Media SAS Real-time voice processing systems and methods
KR102783672B1 (ko) * 2019-06-28 2025-03-21 엘지전자 주식회사 로봇, 그와 연결되는 서버, 및 로봇을 이용한 음성 인식 방법
KR102339085B1 (ko) * 2019-07-22 2021-12-14 엘지전자 주식회사 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210029354A (ko) * 2019-09-06 2021-03-16 삼성전자주식회사 전자장치 및 그 제어방법
US12198689B1 (en) * 2020-08-10 2025-01-14 Summer Institute of Linguistics, Inc. Systems and methods for multilingual dialogue interactions using dynamic automatic speech recognition and processing
KR102780552B1 (ko) * 2024-05-07 2025-03-12 주식회사 큐엔엑스 인공지능을 이용한 자녀의 교육경험 공유 및 자녀 교육정보 사전 예측 서비스 제공 시스템 및 그 방법

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6167377A (en) * 1997-03-28 2000-12-26 Dragon Systems, Inc. Speech recognition language models
US6484136B1 (en) * 1999-10-21 2002-11-19 International Business Machines Corporation Language model adaptation via network of similar users
US20040085162A1 (en) * 2000-11-29 2004-05-06 Rajeev Agarwal Method and apparatus for providing a mixed-initiative dialog between a user and a machine
US7197457B2 (en) 2003-04-30 2007-03-27 Robert Bosch Gmbh Method for statistical language modeling in speech recognition
WO2010021368A1 (ja) 2008-08-20 2010-02-25 日本電気株式会社 言語モデル作成装置、言語モデル作成方法、音声認識装置、音声認識方法、プログラム、および記録媒体
JP5235187B2 (ja) 2009-11-16 2013-07-10 日本電信電話株式会社 音声認識装置、音声認識方法及び音声認識プログラム
US8938391B2 (en) 2011-06-12 2015-01-20 Microsoft Corporation Dynamically adding personalization features to language models for voice search
US9129606B2 (en) * 2011-09-23 2015-09-08 Microsoft Technology Licensing, Llc User query history expansion for improving language model adaptation
KR101478146B1 (ko) 2011-12-15 2015-01-02 한국전자통신연구원 화자 그룹 기반 음성인식 장치 및 방법
JP5914054B2 (ja) 2012-03-05 2016-05-11 日本放送協会 言語モデル作成装置、音声認識装置、およびそのプログラム
US9043205B2 (en) 2012-06-21 2015-05-26 Google Inc. Dynamic language model
US9747895B1 (en) * 2012-07-10 2017-08-29 Google Inc. Building language models for a user in a social network from linguistic information
US9053708B2 (en) * 2012-07-18 2015-06-09 International Business Machines Corporation System, method and program product for providing automatic speech recognition (ASR) in a shared resource environment
US9697821B2 (en) * 2013-01-29 2017-07-04 Tencent Technology (Shenzhen) Company Limited Method and system for building a topic specific language model for use in automatic speech recognition
US9361289B1 (en) * 2013-08-30 2016-06-07 Amazon Technologies, Inc. Retrieval and management of spoken language understanding personalization data
US10096317B2 (en) * 2016-04-18 2018-10-09 Interactions Llc Hierarchical speech recognition decoder

Also Published As

Publication number Publication date
US20170069314A1 (en) 2017-03-09
KR20170030387A (ko) 2017-03-17
US10242668B2 (en) 2019-03-26

Similar Documents

Publication Publication Date Title
KR102386863B1 (ko) 사용자 기반 언어 모델 생성 장치, 방법 및 음성 인식 장치
US10832686B2 (en) Method and apparatus for pushing information
US10819811B2 (en) Accumulation of real-time crowd sourced data for inferring metadata about entities
US10403282B2 (en) Method and apparatus for providing voice service
US9311915B2 (en) Context-based speech recognition
US9842588B2 (en) Method and device for context-based voice recognition using voice recognition model
US10204619B2 (en) Speech recognition using associative mapping
US11989219B2 (en) Profile disambiguation
US11574637B1 (en) Spoken language understanding models
US20160012820A1 (en) Multilevel speech recognition method and apparatus
US9626962B2 (en) Method and apparatus for recognizing speech, and method and apparatus for generating noise-speech recognition model
US20230275902A1 (en) Distributed identification in networked system
KR101983635B1 (ko) 개인방송 컨텐츠 추천방법
US9319510B2 (en) Personalized bandwidth extension
KR102688236B1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
CN110990685A (zh) 基于声纹的语音搜索方法、设备、存储介质及装置
JP6927318B2 (ja) 情報処理装置、情報処理方法、及びプログラム
JP2020042131A (ja) 情報処理装置、情報処理方法、およびプログラム
KR102631143B1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
US11790898B1 (en) Resource selection for processing user inputs
CN106653006A (zh) 基于语音交互的搜索方法和装置
KR102335048B1 (ko) 음성 인식 서비스를 제공하는 사용자 단말, 방법 및 서버
US10629197B2 (en) Voice processing system and voice processing method for predicting and executing an ask-again request corresponding to a received request
KR102642617B1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
CN110570843A (zh) 一种用户语音识别方法和装置

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20150909

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20200902

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20150909

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210927

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220318

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220411

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220411

End annual number: 3

Start annual number: 1

PG1601 Publication of registration