본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

국문초록 11

ABSTRACT 12

제1장 서론 13

1.1. AICC와 보이스봇(Voice Bot) 13

1.2. AICC의 도입 배경 14

1.3. 현 AICC 기술의 한계점 15

제2장 사례연구 18

2.1. KT A'Cen 18

2.2. SKT Accu.AICC 20

2.3. LG CNS FCC & LG 유플러스 23

2.4. NAVER CLOVA Contact Center 24

2.5. Kakao i Connect Center, 삼성SDS, 솔트룩스 26

제3장 현 서비스 구조의 한계점 29

3.1. STT - Listen 29

3.1.1. AM(Acoustic Model) 30

3.1.2. LM(Language Model) : N-gram 31

3.1.3. N-gram의 한계점과 예시(요식업 보이스봇 사례 중심) 34

3.2. NLU/NLP - Understand 38

3.2.1. 개체(Entity) 인식 38

3.2.2. 의도(Intent) 분류 41

3.2.3. 슬롯필링(Slot Filling)과 학습 데이터의 한계점 43

3.3. TTS - Speak 44

3.3.1. 현 서비스 TTS 프로세스 및 시스템 구조 44

3.3.2. 현 TTS 기술의 한계점 47

제4장 서비스 품질 개선 방안 48

4.1. STT - End to End 방식으로의 전환 48

4.1.1. 음성인식 고도화 요소 유형 49

4.1.2. 기술적인 요소 - End to End (E2E) 50

4.1.3. E2E 성능 52

4.2. NLU / NLP 개선 방안 61

4.2.1. MRC(Machine Reading Comprehension) 62

4.2.2. Multiple Entity Slot Filing 62

4.3. TTS 개선 방안 64

4.3.1. 운율 64

4.3.2. VUX(Voice User experience) 66

제5장 결론 67

참고문헌 70

표목차

[표 1-1] 요식업 보이스봇의 상담원, 직원연결 관련 하루 인입 발화수 16

[표 3-1] 카테고리, 패턴 작업을 통한 식당 코퍼스 생성 예시 34

[표 3-2] 시스템 개체 식별 예시 39

[표 3-3] 사용자정의 개체 학습 절차 40

[표 3-4] 컨펌 개체 학습 절차 41

[표 3-5] 의도 분류 학습 절차 41

[표 4-1] 음성인식 요소 유형과 특징 49

[표 4-2] 긴 발화 서비스별 비교 사례 53

[표 4-3] 제한적인 학습데이터에 대한 제안모델의 음성인식 결과 56

[표 4-4] 학습 데이터 증가에 대한 제안모델의 음성인식 결과 57

[표 4-5] 소수 프레임에서 올바른 확률분포를 출력하지 못한 경우 58

[표 4-6] 올바른 발음열 변환이 되지 않은 경우 59

[표 4-7] 모델별 실험 결과 성능표 61

[표 4-8] 요식업 보이스봇 TTS 간결성 문체 사례 66

그림목차

[그림 2-1] KT AICC 보이스봇 솔루션 흐름도 19

[그림 2-2] SKT Accu.AICC AI와 Human 상담사의 협업 구조 22

[그림 2-3] SKT Accu.AICC TA엔진 22

[그림 2-4] LG CNS FCC 기본 엔진 구조 및 인프라 환경 23

[그림 2-5] 네이버 클로바 AiCall 프로세스 25

[그림 2-6] Kakao i Connect Center 시스템 흐름도 26

[그림 2-7] 삼성SDS AICC 구조 27

[그림 2-8] 솔트룩스 언어모델 사전학습 28

[그림 2-9] 솔트룩스 언어모델 파인튜닝/전이학습 28

[그림 3-1] 하이브리드 음성인식 시스템의 구성도 30

[그림 3-2] GMM-HMM과 DNN-HMM 31

[그림 3-3] 식당 보이스봇 대화 흐름도 예시 35

[그림 3-4] N-gram의 희소문제 예시 36

[그림 3-5] 비슷한 발음 및 통계적 수치 차이로 인한 오인식 사례 38

[그림 3-6] 사용자정의 개체 식별 예시 40

[그림 3-7] 컨펌 개체 식별 예시 41

[그림 3-8] 의도 분류 예시 42

[그림 3-9] 개체 인식과 의도 분류 42

[그림 3-10] KT TTS 운영관리 프로세스 45

[그림 3-11] KT TTS 엔진 시스템 구조 45

[그림 3-12] 엔씨소프트 VocGAN 모델 세부 구조 46

[그림 4-1] 음성인식 고도화 발전 방향 50

[그림 4-2] 기존 음성인식 모델과 End to End 학습 방식 51

[그림 4-3] E2E 기본 구조도 52

[그림 4-4] E2E 제안 모델의 음성인식 구조도 55

[그림 4-5] 음성 해밍 거리를 이용한 오류 보정 방법 예시 60

[그림 4-6] 음성인식 오타 보정 결과 60

[그림 4-7] Single 및 Multiple Entity Slot Filing 도식화 63

[그림 4-8] 발전된 식당 보이스봇 대화 흐름도 예시 64

[그림 4-9] GST와 함께 발화속도를 제어하는 TTS 모델 65

초록보기

AICC는 AI 기술을 활용하여 보이스봇, 챗봇 등과 같은 형태로 운영하는 자동화 및 지능화된 상담센터를 말한다. 우선 사례 연구를 통해 국내에서 운영되는 이동통신 3사 및 기타 기업들의 AICC 형태를 살펴보고자 한다. AICC 기술은 단순한 질의응답을 응대하며 인력 운영에 분명 도움을 주고 있다. 하지만 현재 기술 수준은 아직 한계점이 있어 고객에게 때때로 불편함을 준다. 본론에서는 현 AICC 기술의 한계점을 살펴보고, 연구사례 분석을 통해 해결방안을 제시하고자 한다. AICC 시스템 흐름은 STT, NLU/NLP, TTS로 이어지는데 각 단계별 현재 운영되고 있는 기술과 문제점을 살펴보고, 그에 맞는 해결책을 찾고자 한다. 문제점으로 제시하고 있는 현 AICC 기술은 사례연구 중 한 기업의 요식업 보이스봇 사례를 통해 분석하였으며, 사업운영상 다소 전통적인 모델을 사용하고 있다. 하지만 운영상의 제약에도 불구하고 국내 기업들은 현재 딥러닝, 초거대 AI 모델 등을 활용하며 더욱 자연스러운 형태로 AICC를 발전시키기 위해 노력중이다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기