대화 시스템(Dialogue System) - Task Oriented

대화 시스템(Dialogue System) - Task Oriented

Task-Oriented Dialogue System 대화 시스템의 아키텍쳐는 보통 아래와 같이 3개의 모듈로 구성되어 있습니다. 더 똑똑한 대화 시스템을 구현하기 위해서 각 모듈이 합쳐지거나 더 세분화 되기도 합니다.

NLU (Natural Language Understanding)

사용자의 발화를 이해하기 위한 모듈입니다. 입력으로 들어온 발화는 분석되어 정형화된 데이터로 변환됩니다.

• 사용자 > “내일 서울 날씨 알려줘”
  • NLU 결과: intent(Search-Weather), location(Seoul), date(2020-05-17)

DM (Dialogue Manager)

사용자와 시스템이 주고 받는 대화의 흐름을 관리합니다. 크게 두 가지 모듈로 구성되어 있는데, Dialog State Tracker 는 현재 대화 상태를 추적 관리합니다. 아래의 예를 보면 NLU 결과로부터 Dialog State 를 업데이트 하면서 대화를 진행하고 있습니다. 실제로는 NLU 결과 뿐 아니라 더 많은 데이터를 유지합니다. Policy Manager는 내부 정책을 통해서 시스템이 사용자에게 전달할 Action 을 결정합니다. Action 은 NLG 에게 바로 전달되기도 하고 Database로부터 응답에 필요한 정보를 가져오는데 사용되기도 합니다. 아래의 예에서 내일 서울의 날씨를 사용자에게 알려주기 위해서는 외부 Database로부터 날씨정보를 가져와야 합니다.

• 사용자 > “내일 날씨 알려줘”
  • NLU 결과: intent(Search-Weather), location(Seoul), date(2020-05-17)
  • Dialog State: intent(Search-Weather), date(2020-05-17)
• 시스템 > “어느 지역 날씨를 알려드릴까요?”
  • Action: REQUEST_LOCATION
• 사용자 > “서울”
  • NLU 결과: location(Seoul), date(2020-05-17)
  • Dialog State: intent(Search-Weather), location(Seoul), date(2020-05-17)

NLG (Natural Language Generation)

DM 으로부터 데이터를 입력받아서 사람이 쉽게 이해할 수 있는 시스템의 응답을 생성합니다. 응답은 각 시스템의 페르소나를 결정할 수 있기 때문에 매우 주의 깊게 다루어져야 합니다. 예를 들어서 성적 농담이나 인종차별과 같은 민감한 질문에 우스꽝스러운 응답을 한다면 대화 시스템의 신뢰에 나쁜 영향을 미칠 수 있습니다.

• 시스템 > “내일 서울에는 비가 올 예정입니다. 우비와 장화를 꼭 챙기세요!”