챗봇 개발을 위한 네이버 랩스 api

1. NAVER LABS 김정희 (jeonghee.kim@navercorp.com) 챗봇 개발을 위한 네이버 랩스 API

3. 3 Services Devices

4. 4 Services Devices Ambient Intelligence Service Platform

5. 5 Services Devices Natural Language Interface

6. 6 Why Natural Language Interface ?

9. 9 제한된 interface 환경 Complex UX

10. 10 인간에게 가장 자연스러운 interface “Speech, Dialogue”

11. 11

12. 12

13. 13 Service Platform 이 된 메신저

14. 14 메신저에서 가장 자연스러운 Service UX “Dialogue”

15. 15 Pizza Service in Messenger

16. 16

17. • Chatbot 으로 서비스 하려면 ? 17

18. • Chatbot 으로 서비스 하려면 ? • ”슈프림피자 4개 주세요” • 무엇을 해야 할까? 18

19. • Chatbot 으로 서비스 하려면 ? • ”슈프림피자 4개 주세요” • 메뉴 : 슈프림피자 • 수량 : 4개 • 의도 : 주문 19

20. • Chatbot 으로 서비스 하려면 ? • ”슈프림피자 4개 주세요” • 메뉴 : 슈프림피자 • 수량 : 4개 • 의도 : 주문 • Natural Language Understanding 20

21. • Chatbot 으로 서비스 하려면 ? • ”슈프림피자 4개 주세요” • 메뉴 : 슈프림피자 • 수량 : 4개 • 의도 : 주문 • Natural Language Understanding • Who? 21

22. • Chatbot 으로 서비스 하려면 ? • ”슈프림피자 4개 주세요” • 메뉴 : 슈프림피자 • 수량 : 4개 • 의도 : 주문 • Natural Language Understanding • Who? • 서비스 개발자 • 어렵다. 귀찮다 22

23. Natural Language Understanding Natural Language 23

24. 24

25. 25 한국어

26. • 한국어 • 교착어 • 조사, 어미, 어간 • 형태소 분석 • 아버지가방에 들어가신다

27. 27

28. • 대화형 인터페이스를 만들 수 있는 엔진 및 개발 툴 • Named entity recognition 및 intent analysis 를 통한 자연어 처리 • Chat bot, app, service, device 등에 자연어 대화 인터페이스

29. • 한국어 자연어 처리 • 한국어 형태소 분석, 자연어 이해 • 한국어를 시작으로 global language 로 확장

30. Natural Language 30

31. • Built - in • Service - defined

32. • “슈프림피자 4개 주세요” • “치즈 3개로 바꿔주세요” • “4개”, “3개” • 수량 정보 • 자주 사용 예상되는 정보 • 수량, 주소, 인명 등 • 알아서 분석 해 줬으면… 32

33. • Built-in entity • 대화 서비스에서 많이 사용될 것으로 예상되는 entity • 장소, 인명, 시간 등 25개 제공 • Built-in intent • 대화 서비스에서 많이 사용될 것으로 예상되는 intent • Yes, no, cancel 등 7개 제공

34. • “슈프림 피자”, “치즈” • Service 에 따라 unique 한 정보 • 서비스 개발자가 직접 • Entity name • Entity list • 피자 메뉴 • 슈프림 : 수프림 • 페퍼로니 : 페페로니 • 치즈 : 치이즈 34

35. • Service-defined entity • 특정 서비스에서 필요하다고 생각되는 unique 한 entity 를 서비스 개발 자가 설정할 수 있는 tool • Ex) 커피 종류, 피자 종류 등 • Service-defined intent • 특정 서비스에서 필요하다고 생각되는 unique 한 intent 를 서비스 개발 자가 설정할 수 있는 tool • Ex) 피자 주문, 날씨 확인 등

36. User Messenger Service AMICA.ai Text NLU Result Service Response

37. • Dialogue management (DM) 은 제공하지 않는다. • Service response 를 결정할 때 dialogue history 사용은 service logic 에서 • DM 및 서비스 시나리오는 서비스 개발자가 직접 • 향후 개발 방향 • DM 까지 편하게 설계할 수 있도록

38. 38 if (!사이즈) printf( ”어떤 사이즈를 원하시나요”);

39. 39

40. 40 Q&A

챗봇 개발을 위한 네이버 랩스 api

챗봇 개발을 위한 네이버 랩스 api

Recommended

More Related Content

More from NAVER D2

More from NAVER D2(20)

Recently uploaded

Recently uploaded(9)

챗봇 개발을 위한 네이버 랩스 api