KR102372070B1 - Apparatus and method for foreign language conversation learning - Google Patents

Apparatus and method for foreign language conversation learning Download PDF

Info

Publication number
KR102372070B1
KR102372070B1 KR1020180115919A KR20180115919A KR102372070B1 KR 102372070 B1 KR102372070 B1 KR 102372070B1 KR 1020180115919 A KR1020180115919 A KR 1020180115919A KR 20180115919 A KR20180115919 A KR 20180115919A KR 102372070 B1 KR102372070 B1 KR 102372070B1
Authority
KR
South Korea
Prior art keywords
plot
conversation
information
learning
foreign language
Prior art date
Application number
KR1020180115919A
Other languages
Korean (ko)
Other versions
KR20200036366A (en
Inventor
권오욱
김영길
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020180115919A priority Critical patent/KR102372070B1/en
Publication of KR20200036366A publication Critical patent/KR20200036366A/en
Application granted granted Critical
Publication of KR102372070B1 publication Critical patent/KR102372070B1/en

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass
    • G09B19/06Foreign languages

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명에 따른 외국어 회화를 학습할 주제에 대한 학습 회화 대화를 플롯 기반 대화모델 형식으로 생성하는 플롯 기반 대화모델 생성부, 상기 학습 회화 대화를 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB를 생성하는 목적지향 대화 지식화부 및 상기 플롯 기반의 주제별 대화지식 DB에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 상기 학습자와 대화를 진행하고, 상기 대화 진행 결과에 대한 정확도를 제공하는 플롯 기반 회화 처리부를 포함한다.A plot-based dialog model generator for generating a learning conversational conversation on a topic to learn foreign language conversation according to the present invention in the form of a plot-based conversational model, plot-based by automatically changing the learning conversational conversation to knowledge usable in a destination-oriented conversation system Conversation is conducted with the learner so as to correspond to the foreign language level information and progress information registered by the learner using the destination-oriented dialogue knowledge unit that creates the topic-specific dialogue knowledge DB and the information stored in the plot-based topic-specific dialogue knowledge DB, and the conversation It includes a plot-based conversation processing unit that provides accuracy for progress results.

Description

외국어 회화 학습 장치 및 방법{APPARATUS AND METHOD FOR FOREIGN LANGUAGE CONVERSATION LEARNING}Foreign language conversation learning apparatus and method {APPARATUS AND METHOD FOR FOREIGN LANGUAGE CONVERSATION LEARNING}

본 발명은 외국어 회화 학습 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for learning foreign language conversation.

현재 출시되는 외국어 교육용 회화 학습 장치들은 사용자에게 학습 내용으로 선택된 대화에서의 역할을 주고 그 역할의 대화 표현을 반복 연습하게 한다. 그러나 주어진 문장을 반복 학습하는 방법은 초급자에게는 적합한 방법일 수 있으나, 중고급자의 경우 학습 능률을 저하시킬 수 있게 된다.Conversational learning apparatuses for foreign language education currently being released give the user a role in a conversation selected as learning content and repeatedly practice the conversational expression of the role. However, the method of repeatedly learning a given sentence may be suitable for beginners, but in the case of intermediate and advanced learners, it is possible to lower the learning efficiency.

이와 더불어, 기계가 원어민 역할을 수행하여 대화를 연습하는 음성대화시스템의 경우에는 전문가적 처리가 요구되는 대화지식과 규칙이 필요하여 많은 비용 및 시간이 소요된다는 문제가 있다. In addition, in the case of a voice communication system in which a machine plays the role of a native speaker to practice conversation, there is a problem in that it requires a lot of money and time because conversation knowledge and rules that require expert processing are required.

또한, 상술한 종래 기술의 경우 학습자의 학습 수준과 진도를 고려하지 않고 회화 학습을 진행하고 있다는 문제가 있었다.In addition, in the case of the above-described prior art, there is a problem in that conversational learning is conducted without considering the learning level and progress of the learner.

따라서, 외국어 회화 학습을 위한 구축 시간 및 비용을 대폭 감축하면서 동시에 학습자의 학습 효율을 개선할 수 있는 외국어 회화 학습 장치 및 방법이 필요한 실정이다. Accordingly, there is a need for an apparatus and method for learning foreign language conversation that can significantly reduce the construction time and cost for learning foreign language conversation and at the same time improve the learning efficiency of the learner.

본 발명의 실시예는 플롯 기반 대화모델로 구현된 주제 대화를 통하여 학습자의 학습 수준 및 진도에 맞도록 컴퓨터 상에서 외국어로 대화를 가능하게 하고, 학습자가 발화한 표현에 대한 평가 정보를 제공함으로써 외국어 회화 학습 효율을 개선할 수 있는 외국어 회화 학습 장치 및 방법을 제공한다.An embodiment of the present invention enables conversation in a foreign language on a computer to match the learning level and progress of the learner through the topic conversation implemented as a plot-based dialog model, and provides evaluation information on the expression uttered by the learner to communicate in a foreign language A foreign language conversation learning apparatus and method capable of improving learning efficiency are provided.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또다른 기술적 과제들이 존재할 수 있다.However, the technical task to be achieved by the present embodiment is not limited to the above-described technical task, and other technical tasks may exist.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 외국어 회화 학습 장치는 외국어 회화를 학습할 주제에 대한 학습 회화 대화를 플롯 기반 대화모델 형식으로 생성하는 플롯 기반 대화모델 생성부, 상기 학습 회화 대화를 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB를 생성하는 목적지향 대화 지식화부 및 상기 플롯 기반의 주제별 대화지식 DB에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 상기 학습자와 대화를 진행하고, 상기 대화 진행 결과에 대한 정확도를 제공하는 플롯 기반 회화 처리부를 포함한다.As a technical means for achieving the above-described technical problem, the foreign language conversation learning apparatus according to the first aspect of the present invention creates a plot-based conversation model that generates a learning conversation conversation on a topic to learn foreign language conversation in the form of a plot-based conversation model By automatically changing the learning conversational dialogue to knowledge usable in the destination-oriented dialogue system, the conversational knowledge unit toward the destination creates a conversational knowledge DB for each topic based on the plot, and the learner using the information stored in the plot-based conversational knowledge DB for each topic and a plot-based conversation processing unit that conducts a conversation with the learner to correspond to the foreign language level information and progress information registered by , and provides accuracy for the conversation progress result.

상기 플롯 기반 대화모델 생성부는 학습자와의 역할 대화를 플롯 단위로 생성하고, 상기 플롯 간의 연결을 통하여 상기 플롯 기반 대화모델을 생성할 수 있다.The plot-based dialog model generating unit may generate a role conversation with a learner in units of plots, and may generate the plot-based dialog model through a connection between the plots.

상기 플롯 기반 대화모델 생성부는 1개의 시작발화와 복수 개의 대응발화로 구성되도록 상기 플롯 단위를 생성할 수 있다.The plot-based dialog model generating unit may generate the plot unit to be composed of one starting utterance and a plurality of corresponding utterances.

상기 시작발화는 플롯 제목을 플롯 정보로 포함하고, 상기 대응발화는 상기 플롯 제목에 대한 플롯 대응 방법 및 상기 대응발화가 가능한 학습자의 상기 외국어 수준 정보 및 진도 정보를 플롯 정보로 포함할 수 있다.The starting utterance may include a plot title as plot information, and the corresponding utterance may include a plot correspondence method for the plot title and the foreign language level information and progress information of a learner capable of the corresponding utterance as plot information.

상기 목적지향 대화 지식화부는, 상기 플롯 기반 대화모델을 입력받아 플롯의 시작발화와 대응발화의 대표발화를 통해 컴퓨터 상에서 인식 가능하도록 하는 발화의도 정보를 생성하는 발화의도 생성부, 상기 대표발화와 상기 발화의도 정보에 기초하여 상기 플롯의 연결정보로 대화규칙 정보를 생성하는 대화규칙 생성부 및 상기 플롯의 대표발화와 패러프레즈들이 상기 발화의도 정보에 따라 인식되도록 발화의도를 학습하는 발화의도 학습부를 포함할 수 있다.The destination-directed dialogue knowledge generating unit may include: a utterance intention generation unit configured to receive the plot-based dialogue model and generate utterance intention information to be recognized on a computer through representative utterances of the starting utterance of the plot and the corresponding utterance; and a dialogue rule generator generating dialogue rule information using the connection information of the plot based on the speech intention information, and learning the speech intention so that representative speeches and paraphrases of the plot are recognized according to the speech intention information The intention of utterance may also include a learning unit.

상기 생성된 대화규칙 정보와 상기 학습 결과 생성된 발화의도 학습 데이터는 상기 플롯 기반의 주제별 대화지식 DB에 저장될 수 있다.The generated dialogue rule information and the speech intention learning data generated as a result of the learning may be stored in the plot-based dialogue knowledge DB for each topic.

상기 플롯 기반 회화 처리부는, 상기 학습자의 발화를 인식하여 텍스트로 변환하는 음성인식부, 상기 변환된 텍스트를 상기 발화의도 정보로 인식하는 발화의도 인식부, 상기 학습자와의 대화 이력 정보 및 현재 발화 정보와, 상기 대화규칙 정보에 기초하여 시스템 응답을 생성하는 대화관리부 및 상기 발화의도 인식부에서 인식한 발화의도 정보에 대한 학습 문장과 상기 학습자의 발화를 비교하여 평가하는 발화 평가부를 포함할 수 있다.The plot-based conversation processing unit may include: a speech recognition unit that recognizes the learner's utterance and converts it into text; an intention recognition unit that recognizes the converted text as the speech intention information; A dialogue management unit that generates a system response based on the speech information and the dialogue rule information, and a speech evaluation unit that compares and evaluates the learner's speech with the learning sentence for the speech intention information recognized by the speech intention recognition unit can do.

상기 발화의도 인식부는 상기 학습자의 외국어 수준 정보에 따라 학습된 정보를 이용하여 상기 발화의도 정보를 인식하거나, 상기 변환된 텍스트가 학습 문장과 일치하는 경우에만 발화의도 정보로 인식할 수 있다. The speech intention recognition unit may recognize the speech intention information using information learned according to the foreign language level information of the learner, or recognize the speech intention information as the speech intention information only when the converted text matches the learning sentence. .

상기 대화관리부는 상기 학습자의 외국어 수준 정보 및 진도 정보를 입력받아, 상기 대화규칙 정보에서 응답할 규칙을 상기 학습자의 수준에 대응되도록 선택 및 제공할 수 있다.The conversation management unit may receive the foreign language level information and progress information of the learner, and select and provide a rule to be answered in the conversation rule information to correspond to the learner's level.

상기 플롯 기반 회화 처리부는 상기 발화의도 인식부에서 상기 발화의도 정보를 통해 분류되지 않은 발화에 대하여 상기 대화규칙 정보를 이용하여 일반대화로 응답을 제공하는 일반대화 처리부를 더 포함할 수 있다.The plot-based conversation processing unit may further include a general conversation processing unit configured to provide a general conversation response to the utterances not classified through the utterance intention information in the utterance intention recognition unit by using the dialogue rule information.

또한, 본 발명의 제 2 측면에 따른 외국어 회화 학습 장치에서의 학습 방법은 외국어 회화를 학습할 주제에 대한 대화를 플롯 기반 대화모델 형식으로 생성하는 단계; 상기 생성된 플롯 기반 대화모델을 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB를 생성하는 단계; 상기 플롯 기반의 주제별 대화지식 DB에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 상기 학습자와 대화를 진행하는 단계 및 상기 대화 진행 결과에 대한 정확도를 제공하는 단계를 포함한다.In addition, the learning method in the foreign language conversation learning apparatus according to the second aspect of the present invention comprises the steps of: generating a conversation about a topic to learn foreign language conversation in the form of a plot-based conversation model; generating a plot-based conversational knowledge DB by topic by automatically changing the generated plot-based dialog model into knowledge usable in a destination-oriented dialog system; and conducting a conversation with the learner so as to correspond to foreign language level information and progress information registered by the learner using information stored in the plot-based conversational knowledge DB for each subject, and providing accuracy for the conversation progress result.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 플롯 기반 대화모델로 외국어 학습 주제에 대한 대화를 구축함으로써, 대화시스템에 대한 지식이 없는 사람이더라도 쉽고 빠르게 해당 시스템을 구축할 수 있다는 장점이 있다.According to any one of the above-described problem solving means of the present invention, by constructing a dialogue on a foreign language learning topic with a plot-based dialogue model, even a person without knowledge of the dialogue system can easily and quickly build the corresponding system. .

또한, 구축된 플롯은 다른 학습 주제에서의 구성으로 재사용 및 변경이 가능한바, 외국어 회화 학습시 다양한 상황 및 주제로 회화 연습이 가능하게끔 할 수 있다.In addition, since the constructed plot can be reused and changed as a composition in other learning topics, it is possible to practice conversation in various situations and topics when learning foreign language conversation.

또한, 학습자의 외국어 수준과 학습 진도 등을 고려하여 대화 학습이 가능하도록 구현됨에 따라, 학습자가 동일한 주제로 구성된 대화에서도 자신의 수준에 맞는 대화 학습을 진행할 수 있게 된다.In addition, as conversational learning is implemented in consideration of the learner's foreign language level and learning progress, the learner can proceed with conversational learning appropriate to their level even in a conversation composed of the same topic.

또한, 외국어 학습자에게 주제 대화에 대한 흐름에 맞게 단순히 시스템과 대화를 통한 학습효과를 제공하는 것뿐만 아니라, 내용상 적합성 평가, 외국어 표현 적합성 평가, 임무 수행 평가 등 다양한 평가 서비스를 제공함으로써, 학습자로 하여금 자신이 대화하는 과정에서 자기 발화에 대한 평가를 인지할 수 있다.In addition, it not only provides foreign language learners with learning effects through the system and dialogue in line with the flow of topic conversation, but also provides various evaluation services such as content suitability evaluation, foreign language expression suitability evaluation, and task performance evaluation, allowing learners to You can recognize the evaluation of your own speech in the process of your own conversation.

또한, 외국어 학습자에게 대화 중 전달하는 외국어 표현 적합성 정보를 최소화하여 대화 내용에 집중하게 하고, 대화를 완료한 이후에 대화 중 단순화된 평가 정보에 대한 피드백을 상세히 전달함으로써 학습 효과를 보다 향상시킬 수 있다.In addition, the learning effect can be further improved by minimizing the foreign language expression suitability information delivered to the foreign language learner during the conversation, allowing them to focus on the conversation content, and delivering detailed feedback on the simplified evaluation information during the conversation after completing the conversation. .

도 1은 본 발명의 일 실시예에 따른 외국어 회화 학습 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 외국어 회화 학습 장치의 기능을 설명하기 위한 도면이다.
도 3은 플롯의 일 예시를 설명하기 위한 도면이다.
도 4및 도 5는 플롯의 다른 예시를 설명하기 위한 도면이다.
도 6은 목적지향 대화 지식화부의 기능을 설명하기 위한 블록도이다.
도 7은 플롯 기반 회화 처리부의 기능을 설명하기 위한 블록도이다.
도 8은 본 발명의 일 실시예에 따른 외국어 회화 학습 방법의 순서도이다.
1 is a block diagram of a foreign language conversation learning apparatus according to an embodiment of the present invention.
2 is a view for explaining the function of the foreign language conversation learning apparatus according to an embodiment of the present invention.
3 is a diagram for explaining an example of a plot.
4 and 5 are diagrams for explaining another example of a plot.
6 is a block diagram for explaining the function of a destination-directed conversational knowledge unit.
7 is a block diagram illustrating a function of a plot-based conversation processing unit.
8 is a flowchart of a foreign language conversation learning method according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily implement them. However, the present invention may be embodied in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present invention in the drawings, parts irrelevant to the description are omitted.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In the entire specification, when a part "includes" a certain element, it means that other elements may be further included, rather than excluding other elements, unless otherwise stated.

본 발명은 외국어 회화 학습 장치(1) 및 방법에 관한 것이다.The present invention relates to a foreign language conversation learning apparatus (1) and a method.

현재 출시되는 외국어 교육용 회화 학습 장치들은 학습자에게 학습 내용으로 선택된 대화에서의 역할을 주고 그 역할의 대화 표현을 반복 연습하게 한다. 이러한 외국어 교육용 회화 학습 장치들은 학습자의 발화 표현을 음성인식 장치를 이용하여 인식하고, 이를 음성적으로 정답과 일치하는지 여부 또는 인식한 결과 내용이 일치하는지 여부를 판단하고, 이에 대한 평가를 학습자에게 전달하여 학습하게 한다.Conversational learning devices for foreign language education that are currently released give learners a role in a conversation selected as learning content, and allow them to practice the conversational expression of that role repeatedly. These conversational learning devices for foreign language education recognize the utterance of the learner using a voice recognition device, determine whether it is vocally consistent with the correct answer or whether the recognized result matches the content, and deliver the evaluation to the learner. make learning

이와 같은 기존 외국어 회화 학습 장치들에서는 학습자가 정확하게 주어진 문장을 똑같이 발화하는 것을 연습하게 할 수 있다.In such existing foreign language conversation learning devices, the learner can practice uttering exactly the same given sentence.

그러나 주어진 문장을 똑같이 따라서 반복 학습하는 것은 초보자와 같은 일부 학습자들에게는 좋은 학습방법일 수는 있으나, 중고급자에게는 외국어 학습에 대한 재미와 시간 대비 학습 효과를 기대하기 어렵다는 문제가 있다.However, repeating learning by following a given sentence may be a good learning method for some learners such as beginners, but there is a problem that it is difficult to expect fun and time-related learning effects for foreign language learning for intermediate and advanced learners.

최근에는 실제 원어민과 대화에서 기대할 수 있는 학습 효과를 얻기 위하여, 음성대화시스템을 이용해 기계가 원어민 역할을 수행하여 대화를 연습하는 외국어 교육용 회화 학습 장치들이 개발 및 연구되고 있다.Recently, in order to obtain the expected learning effect from conversation with an actual native speaker, conversation learning devices for foreign language education in which a machine plays the role of a native speaker using a voice communication system to practice conversation have been developed and studied.

그러나 단순한 잡담 대화(chit-chat)가 가능한 챗봇(chatbot) 시스템들은 학습보다는 재미를 위한 대화만이 가능하기 때문에 학습 효과가 크지 않다.However, chatbot systems capable of simple chat-chat are not effective in learning because only conversations for fun rather than learning are possible.

이러한 문제를 해결하기 위해 목적지향 대화시스템(goal-oriented dialogue system)들을 이용하여 주어진 학습 주제에 맞는 대화를 가능하게 하는 방법이 있다.In order to solve this problem, there is a method of enabling a conversation suitable for a given learning topic using goal-oriented dialogue systems.

하지만 목적지향 대화시스템은 학습 주제에 대한 대화가 가능하게끔 하기 위해 대화처리 전문가가 구축하는 대화지식과 규칙을 필요로 하며, 이를 위해서는 많은 비용과 시간이 소요된다는 문제가 있다.However, the destination-oriented dialogue system requires dialogue knowledge and rules established by dialogue processing experts to enable dialogue on learning topics, and this requires a lot of money and time.

이러한 문제로 상용화된 음성대화시스템을 이용한 외국어 회화 학습 장치는 거의 없는 실정이나, 이에 대한 연구 및 개발은 활발하게 진행중에 있다.Due to this problem, there are almost no foreign language conversation learning devices using a commercialized voice conversation system, but research and development for this are actively in progress.

대부분의 외국어 회화 학습은 정해준 주제에서 컴퓨터로 구현 가능한 범위의 대화들을 학습자가 컴퓨터와 대화하기만 하기 때문에 높은 학습 효과를 기대하기 어렵다. In most foreign language conversation learning, it is difficult to expect a high learning effect because the learner only communicates with the computer in the range of conversations that can be realized with a computer on a given topic.

따라서, 학습자의 외국어 표현에 대해 컴퓨터가 학습이 가능한 반응이 필요하다. 즉, 적절한 표현에 대해서는 다음 대화로 응대를 하여야 하고, 문법적 또는 표현적으로 잘못된 경우에는 사용자가 이를 알 수 있도록 대화 중에 표현하거나 대화 이후에 제시해줄 필요가 있다.Therefore, a computer-learning response to the learner's foreign language expression is required. That is, an appropriate expression should be responded to in the next conversation, and if it is grammatically or expressively incorrect, it needs to be expressed during the conversation or presented after the conversation so that the user can know it.

한편, 인간 역할을 컴퓨터가 대신하는 외국어 회화 학습 장치에 대한 기대 효과는 커지기 마련이다. 하지만, 목적지향 대화시스템으로 구현한 대화 주제는 특정 목적을 완료하기 위한 대화들로 구현되기 때문에, 학습 목표가 되어야 할 외국어 표현들보다는 주제의 목적 수행에 대한 대화들이 더 높은 비중을 차지하게 되는 경우가 많다.On the other hand, the expected effect of a foreign language conversation learning device in which a computer replaces a human role is bound to increase. However, since the conversation topic implemented by the destination-oriented dialogue system is implemented as dialogues to complete a specific purpose, there are cases in which conversations about the performance of the purpose of the topic occupy a higher weight than the foreign language expressions that should be the learning target. many.

예를 들어, 영어에서 음식을 주문할 때 사용하는 표현인 “I would like to have~.”를 학습하기 위해 주제를 음식 주문으로 설정한 경우를 가정해보자. 음식 주문 주제의 목적을 단지 컴퓨터가 어떤 메뉴를 원하는지 질문하고 사용자가 “I would like to have~.” 표현을 사용하게만 한다면 복잡한 목적지향 대화시스템보다는 단순히 2개의 대화로 구성된 대화를 따라하는 것이 더 효과적일 것이다.For example, suppose you set the topic to order food to learn “I would like to have~.”, an expression used when ordering food in English. The purpose of the food ordering subject is simply to ask what menu the computer wants and to ask the user "I would like to have~." If only using expressions, it would be more effective to simply follow a dialogue consisting of two dialogues rather than a complex destination-oriented dialogue system.

목적지향 대화시스템을 사용하는 학습자들은 회화 학습에서 상기 예시인 음식 주문이라는 주제로 상기 학습 표현과 더불어 보다 다양한 대화가 표현되고 실제 상황과 동일하게 구현되기를 원한다.In conversational learning, learners using the destination-oriented dialogue system want more diverse conversations to be expressed along with the learning expression on the topic of ordering food, which is the example above, and to be implemented in the same way as the actual situation.

따라서, 음식 주문 주제에 대해, 간단하게는 메뉴 요청만을 추가하는 경우, 이에 더 복잡하게 오늘의 추천 요리 질문을 추가하는 경우, 식비 계산까지 청구하는 것을 더 추가하는 경우, 복잡하게는 주문할 요리에 들어간 재료와 각 맛이 어떻게 차이가 나는지 질문하는 경우, 먹은 음식에 대해 불평이나 칭찬하는 경우, 주문한 음식에 따라 달라지는 소스 종류 주문과 사이드 메뉴 주문을 하는 경우 등이 추가될 필요가 있다.Therefore, on the topic of ordering food, simply adding only a menu request, adding today's recommended cooking question more complicatedly, adding even more billing for food expenses, complicatedly adding a dish to order If you ask how the ingredients and each taste are different, if you complain or praise the food you eat, if you order different types of sauces and side menus depending on the food you order, it needs to be added.

그리고 학습자의 학습 수준과 학습 진도에 따라 이러한 상황 예시들은 모두 다르게 구현될 필요가 있다.And according to the learning level and learning progress of the learner, all of these situation examples need to be implemented differently.

이와 같이, 목적지향 대화시스템으로 구현되는 학습 주제들은 학습자의 학습 수준과 진도 등이 고려되어야만 효과적인 회화 학습이 가능해지게 된다.In this way, effective conversational learning becomes possible only when the learning level and progress of the learner are considered for learning topics implemented as a destination-oriented dialogue system.

이와 같은 문제를 해결하기 위해, 본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1) 및 방법은 외국어 회화 학습 주제를 학습자의 수준과 진도 과정에 따라 다양하게 정의할 수 있는 플롯(Plot) 기반 대화모델을 제공하고, 플롯 기반 대화모델로 구현된 주제 대화를 통하여 학습자의 학습 수준 및 진도에 맞도록 컴퓨터 상에서 외국어로 대화를 가능하게 하며, 학습자가 발화한 표현에 대한 긍정 또는 부정의 평가 정보를 제공함으로써 외국어 회화 학습 효율을 높일 수 있다.In order to solve such a problem, the foreign language conversation learning apparatus 1 and method according to an embodiment of the present invention are based on a plot that can variously define a foreign language conversation learning topic according to a learner's level and progress process. It provides a dialogue model, enables conversation in a foreign language on the computer to match the learning level and progress of the learner through topic dialogue implemented as a plot-based dialogue model, and provides positive or negative evaluation information for the expression uttered by the learner. By providing it, it is possible to increase the efficiency of learning foreign language conversation.

이하에서는 도 1 내지 도 6을 참조하여 본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)에 대해 설명하도록 한다.Hereinafter, a foreign language conversation learning apparatus 1 according to an embodiment of the present invention will be described with reference to FIGS. 1 to 6 .

도 1은 본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)의 블록도이다.1 is a block diagram of a foreign language conversation learning apparatus 1 according to an embodiment of the present invention.

본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)는 마이크(10), 메모리(20), 프로세서(30) 및 출력부(40)를 포함한다.The foreign language conversation learning apparatus 1 according to an embodiment of the present invention includes a microphone 10 , a memory 20 , a processor 30 , and an output unit 40 .

마이크(10)는 사용자의 발화를 입력받는다. 그리고 마이크(10)에 입력된 발화나 이에 대한 평가 결과는 음성으로 출력하는 스피커 및 화면으로 출력되는 디스플레이 중 하나 이상으로 구성된 출력부(40)를 통해 출력될 수 있다.The microphone 10 receives the user's utterance. In addition, the utterance input to the microphone 10 or an evaluation result thereof may be output through the output unit 40 including at least one of a speaker outputting a voice and a display outputted to a screen.

메모리(20)에는 외국어 회화 학습을 제공하기 위한 프로그램이 저장된다. 이때, 메모리(20)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 휘발성 저장장치를 통칭하는 것이다. A program for providing foreign language conversation learning is stored in the memory 20 . In this case, the memory 20 collectively refers to a non-volatile storage device and a volatile storage device that continuously maintain stored information even when power is not supplied.

예를 들어, 메모리(20)는 콤팩트 플래시(compact flash; CF) 카드, SD(secure digital) 카드, 메모리 스틱(memory stick), 솔리드 스테이트 드라이브(solid-state drive; SSD) 및 마이크로(micro) SD 카드 등과 같은 낸드 플래시 메모리(NAND flash memory), 하드 디스크 드라이브(hard disk drive; HDD) 등과 같은 마그네틱 컴퓨터 기억 장치 및 CD-ROM, DVD-ROM 등과 같은 광학 디스크 드라이브(optical disc drive) 등을 포함할 수 있다.For example, the memory 20 may include a compact flash (CF) card, a secure digital (SD) card, a memory stick, a solid-state drive (SSD), and a micro SD card. NAND flash memory such as cards, magnetic computer storage devices such as hard disk drives (HDD), etc., and optical disk drives such as CD-ROMs and DVD-ROMs. can

프로세서(30)는 메모리(20)에 저장된 프로그램을 실행시킨다. 프로세서(30)에 의해 수행되는 구체적인 과정에 대해서는 도 2를 참고하여 설명하도록 한다.The processor 30 executes the program stored in the memory 20 . A detailed process performed by the processor 30 will be described with reference to FIG. 2 .

도 2는 본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)의 기능을 설명하기 위한 도면이다.2 is a view for explaining the function of the foreign language conversation learning apparatus 1 according to an embodiment of the present invention.

본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)는 플롯 기반 대화모델 생성부(100), 목적지향 대화 지식화부(200) 및 플롯 기반 회화 처리부(400)를 포함한다.The foreign language conversation learning apparatus 1 according to an embodiment of the present invention includes a plot-based conversation model generating unit 100 , a destination-directed conversation knowledge unit 200 , and a plot-based conversation processing unit 400 .

플롯 기반 대화모델 생성부(100)는 외국어 회화를 학습할 주제에 대한 학습 회화 대화를 다양한 대화처리 방법에서 사용 가능하도록 플롯 기반 대화모델 형식으로 생성한다.The plot-based dialog model generating unit 100 generates a learning conversational conversation on a topic to learn foreign language conversation in the form of a plot-based conversational model so that it can be used in various conversation processing methods.

도 2를 참조하면, 플롯 기반 대화모델 형식은 기본적으로 시스템과 학습자 간의 2명 간의 역할 대화를 플롯 단위로 생성한 것으로서, 플롯 기반 대화모델 생성부(100)는 이러한 플롯 단위를 서로 연결하여 플롯 기반 대화 모델을 생성하게 된다.Referring to FIG. 2 , the plot-based dialog model format basically generates a role conversation between two people between the system and the learner in plot units, and the plot-based dialog model generating unit 100 connects these plot units to each other and Create a dialog model.

각 플롯은 대화 줄거리의 구성이 되는 일부이며, 일부 주제를 나타내는 플롯 제목을 포함한다.Each plot is an integral part of the dialogue plot, and includes plot titles that indicate some topic.

또한, 각 플롯은 1개의 시작발화와 복수 개의 대응발화로 구성될 수 있다. 이때, 시작발화는 해당 플롯을 시작하는 발화이고, 대응발화는 시작발화에 대한 응답을 의미한다.In addition, each plot may consist of one starting utterance and a plurality of corresponding utterances. In this case, the starting utterance is an utterance that starts the corresponding plot, and the corresponding utterance means a response to the starting utterance.

또한, 시작발화와 대응발화는 각 역할자에 대한 상황에 따른 대표 발화표현과 플롯 정보를 가질 수 있다. In addition, the starting utterance and the corresponding utterance may have representative utterance expressions and plot information according to the situation for each role.

시작발화는 플롯 제목을 플롯 정보로 포함할 수 있으며, 시작발화에 대한 학습자의 외국어 수준과 진도 정보는 대응발화들의 최소 수준과 진도로 자동 설정될 수 있다.The starting utterance may include a plot title as plot information, and the learner's foreign language level and progress information for the starting utterance may be automatically set to the minimum level and progress of the corresponding utterances.

대응발화는 플롯 제목에 대한 플롯 대응 방법과, 그 대응발화가 가능한 학습자의 외국어 수준 정보 및 진도 정보를 플롯 정보로 포함할 수 있다. 플롯 대응 방법은 회화 학습시에 학습자에게 제공되며, 특정 플롯에서 어떤 발화를 해야하는지에 대한 임무를 수행하도록 하여 회화 임무 수행 여부를 판단하게 할 수 있다.Corresponding utterances may include a plot correspondence method for a plot title and foreign language level information and progress information of learners capable of corresponding utterances as plot information. The plot response method is provided to the learner at the time of learning conversation, and it is possible to determine whether the conversation task is performed by performing the task of which utterance should be made in a specific plot.

각 대응발화에 대해서는 이어지는 다음 대화 상황으로 전개하는 다른 플롯이 정의될 수 있다. 이때, 대응발화의 다음에 이어지는 다른 플롯 연결이 없는 경우 대화가 현재 대응발화로 종료됨을 의미하고, 또한 대응발화 다음에 이어지는 다른 플롯 연결이 있으나 “END”로 표시되어 있으면 다른 플롯의 시작 발화까지만 수행되고 대화가 종료됨을 의미한다.For each corresponding utterance, a different plot may be defined that develops into the next subsequent dialogue situation. At this time, if there is no other plot connection following the corresponding utterance, it means that the dialogue ends with the current corresponding utterance. Also, if there is another plot connection following the corresponding utterance but marked as “END”, only the starting utterance of the other plot is performed. and the conversation ends.

이와 같이 플롯의 연결을 통해 회화 학습할 대화가 구성된다. 그리고 하나의 플롯이 여러 개의 회화 학습 대화에 다시 적용이 가능하다. 또한, 본 발명의 일 실시예에 따른 플롯 기반 대화모델 생성부(100)는 학습자의 수준에 따라 플롯의 구성을 다르게 할 수도 있다.Through the connection of plots in this way, the conversation to learn conversation is composed. And one plot can be re-applied to multiple conversational learning conversations. In addition, the plot-based dialog model generating unit 100 according to an embodiment of the present invention may have a different plot configuration according to the level of the learner.

또한 플롯 기반 대화모델 생성부(100)에 의해 생성된 플롯 기반 대화모델은 각 플롯의 시작발화와 대응발화들에 표현된 대표발화 이외에 동일한 의미를 나타내는 다른 표현인 패러프레즈(paraphrase)들로 구현될 수 있다. 이에 따라, 본 발명의 일 실시예는 학습자가 다양한 발화를 하는 경우에도 이를 이해하고 다양한 표현을 학습자에게 제시할 수 있으며, 또한 학습자로 하여금 동일한 의미를 가진 다양한 표현으로 발화가 가능하게 할 수 있다.In addition, the plot-based dialog model generated by the plot-based dialog model generating unit 100 is implemented with paraphrases, which are other expressions representing the same meaning in addition to the representative utterances expressed in the starting utterances and corresponding utterances of each plot. can be Accordingly, according to an embodiment of the present invention, even when the learner makes various utterances, it is possible to understand and present various expressions to the learner, and also to enable the learner to utter various expressions having the same meaning.

이와 같이 생성된 플롯 기반 대화모델을 도 3 내지 도 5의 예시를 참조하여 설명하도록 한다.The plot-based dialog model generated in this way will be described with reference to the examples of FIGS. 3 to 5 .

도 3은 플롯의 일 예시를 설명하기 위한 도면이다. 도 4및 도 5는 플롯의 다른 예시를 설명하기 위한 도면이다. 3 is a diagram for explaining an example of a plot. 4 and 5 are diagrams for explaining another example of a plot.

도 3은 “약속을 어긴 이유”라는 플롯 제목을 가진 플롯의 일 예시이다. 시작발화는 “S<1>”이고, 대응발화는 4개의 응답발화(U<1>, U<2>, U<3>, U<4>) 들로 구성된다.3 is an example of a plot with the plot title “Why I broke my promise”. The starting utterance is “S<1>”, and the corresponding utterance consists of 4 response utterances (U<1>, U<2>, U<3>, U<4>).

각 응답발화는 주어진 플롯에서 대응되는 정보가 기술되며, U<1>의 플롯 대응 내용이 “Plot: 약속 어긴 이유=다른 일 발생”이고, 학습자 단어 수준은 ‘4 level’이며 진도는 최소한 ‘3-2’ 이상을 진행했어야 함을 나타내고 있다.For each response utterance, the corresponding information in the given plot is described, the corresponding plot content of U<1> is “Plot: Reason for breaking the promise = something else happened”, the learner word level is '4 level', and the progress is at least '3 It indicates that it should have proceeded beyond -2'.

대응발화 U<1> 이후에는 다른 플롯 “Plot: 근황 문의”로 연결된다After the corresponding utterance U<1>, it is connected to another plot “Plot: Inquiry of Current Status”

대응발화 U<2>는 다른 플롯 “Plot: 잊음 주의”로 연결되고, 시작발화만으로 대화를 종료하기를 요청하는 “END”가 기술되어 있다.Corresponding utterance U<2> is linked to another plot “Plot: Forgetting attention”, and “END”, which requests to end the conversation with only the beginning utterance, is described.

대응발화 U<3> 이후에는 다양한 플롯 연결이 가능하다. 이와 같이 다양한 플롯 연결이 가능할 경우, 실제 회화 학습에서는 학습자에게 주어진 임무의 대응발화 또는 현재 학습 과정에 맞는 대응발화가 이어지는 플롯이 선택될 수 있다.After the corresponding utterance U<3>, various plot connections are possible. When various plot connections are possible as described above, in actual conversational learning, a plot in which a corresponding utterance of a task given to the learner or a corresponding utterance suitable for the current learning process is followed may be selected.

대응발화 U<4>의 “unknown”은 학습자가 해당 플롯에 정의된 대응응답을 하지 않은 경우에 대한 예외처리 방법이다. “unknown”에 대한 처리방법은 S<7>과 같이 적당한 응답을 하고 다음 플롯으로 진행할 수도 있고, S<9>와 같이 auto-response 즉, 일반 대화를 위해 준비된 챗봇의 응답을 통해 진행할 수도 있다.“Unknown” in the corresponding utterance U<4> is an exception handling method for the case where the learner does not give the corresponding response defined in the corresponding plot. The processing method for “unknown” may proceed to the next plot with an appropriate response as in S<7>, or through an auto-response, that is, a response from a chatbot prepared for general conversation, as in S<9>.

도 4와 도 5 “오늘 일정”이라는 플롯 제목을 가진 플롯의 일 예시이다. 4 and 5 are an example of a plot with a plot title of “Today’s Schedule”.

도 4의 U<1>에서와 같이 ‘@action’이라는 변수를 통하여 다양한 예제들을 대신 활용할 수 있다.As in U<1> of FIG. 4, various examples can be used instead through the variable '@action'.

도 5에서는 같은 대응발화 U<1>, U<2>임에도 불구하고 예제의 값이 달라짐에 따라, 해당 예제에 따라 다음 플롯이 달라지는 경우 대한 표기 방법을 나타내고 있다.5 shows a notation method for a case in which the following plot changes according to the example as the values of the examples change despite the same corresponding utterances U<1> and U<2>.

이와 같이 플롯 기반 대화모델 생성부(100)에서는 상술한 플롯들의 집합으로 구성된 대화주제들이 포함된 대화모델을 생성하게 된다. 그리고 각 대화주제는 시작플롯과 각 플롯의 대응발화에 다른 플롯들을 연결하여 구성된다. 이에 따라, 본 발명의 일 실시예는 정의된 플롯 집합으로 가능한 많은 회화 학습 주제 구축이 가능하게 된다.As described above, the plot-based dialog model generating unit 100 generates a dialog model including dialog topics composed of the set of plots described above. And each dialogue topic is composed by connecting other plots to the starting plot and the corresponding utterances of each plot. Accordingly, according to an embodiment of the present invention, it is possible to construct as many conversational learning topics as possible with a defined set of plots.

다시 도 2를 참조하면, 목적지향 대화 지식화부(200)는 플롯 기반 대화모델 생성부(100)에서 생성한 학습 회화 대화를 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB(300)를 생성한다.Referring back to FIG. 2 , the destination-oriented dialogue knowledge conversion unit 200 automatically changes the learning conversational dialogue generated by the plot-based dialogue model generation unit 100 into knowledge usable in the destination-oriented dialogue system, and plot-based conversational knowledge by topic DB 300 is created.

도 6은 목적지향 대화 지식화부(200)의 기능을 설명하기 위한 블록도이다.6 is a block diagram for explaining the function of the destination-directed conversation knowledge unit 200 .

도 6을 참조하면, 목적지향 대화 지식화부(200)는 발화의도 생성부(210), 대화규칙 생성부(220) 및 발화의도 학습부(230)를 포함할 수 있다.Referring to FIG. 6 , the destination-directed conversation knowledge generating unit 200 may include an utterance intention generating unit 210 , a conversation rule generating unit 220 , and an utterance intention learning unit 230 .

발화의도 생성부(210)는 플롯 기반 대화모델을 입력받아 플롯의 시작발화와 대응발화의 대표발화를 통해 컴퓨터 상에서 인식 가능하도록 하는 발화의도 정보를 생성한다.The utterance intention generating unit 210 receives the plot-based dialogue model and generates utterance intention information that can be recognized on a computer through the starting utterance of the plot and the representative utterance of the corresponding utterance.

구체적으로 발화의도 생성부(210)는 각 플롯의 시작발화 또는 대응발화의 대표발화, 예를 들어 도 3의 S<1>에서 “안녕. 너 어제 왜 약속 장소에 안 나왔어?” 또는 U<1>의 “미안해. 어제 갑자기 다른 일이 생겨서 못 나갔어.”에 임의의 특정의도 명칭을 자동으로 부여할 수 있다.In detail, the utterance intention generating unit 210 is configured to say “Hello. Why didn't you come to the meeting yesterday?" or U<1> of “I’m sorry. Yesterday, something else suddenly happened, so I couldn't go out.” Any specific intentional name can be automatically assigned.

이때, 의도명칭은 일련의 번호 또는 플롯 명칭이나 해당 순서 등으로 구성될 수 있으며, 다른 플롯의 의도명칭과 구분할 수 있도록 부여된다. 하지만, 대표발화가 동일한 발화에 대해서는 같은 의도가 부여되어야 한다. In this case, the intention name may consist of a series of numbers or plot names or a corresponding order, and is given so as to be distinguishable from the intention names of other plots. However, the same intention should be given to the utterances that are the same as the representative utterances.

또한, 변수가 들어간 발화는 의도와 변수를 같이 표현해야 한다. 예를 들어, 발화의도(변수=변수값) 형태로 표현되어야 한다. 이에 따라, 도 5의 U<1>과 U<2>의 의도는 동일하게 Plot22-U1(@action=value)로 표현 가능하고, “운동하러 가자”는 Plot22-U1(@action=운동)으로 표현할 수 있으며, “등산하러 가자”는 Plot22-U1(@action=등산)으로, “산책하러 가자”는 Plot22-U1(@action=산책)으로 표현할 수 있다.In addition, utterances that include variables must express both the intention and the variable. For example, it should be expressed in the form of intention to speak (variable = variable value). Accordingly, the intentions of U<1> and U<2> in FIG. 5 can be equally expressed as Plot22-U1 (@action=value), and “let’s go to exercise” is expressed as Plot22-U1 (@action=exercise). “Let’s go hiking” can be expressed as Plot22-U1 (@action=climbing), and “let’s go for a walk” can be expressed as Plot22-U1 (@action=walking).

다음으로, 대화규칙 생성부(220)는 플롯 기반 대화모델에 포함된 플롯들의 대표발화와 상기 발화의도 생성부(210)에 의해 생성된 발화의도 정보에 기초하여 플롯의 연결정보로 대화규칙 정보를 생성한다.Next, the dialog rule generating unit 220 converts the representative utterances of the plots included in the plot-based dialog model to the dialogue rule as connection information of the plots based on the utterance intention information generated by the utterance intention generating unit 210 . create information

대화규칙 생성부(220)에 의해 생성된 대화규칙 정보는 발화조건과 행동발화로 구성될 수 있다.The dialog rule information generated by the dialog rule generator 220 may be composed of an utterance condition and an action utterance.

발화조건은 간단하게는 앞 부분에 나타나는 발화의도를 의미하며, 행동발화는 다음 부분에 나타나는 응답 의도로 표기될 수 있다. The utterance condition simply means the intention to speak in the previous part, and the behavioral utterance can be expressed as the response intention shown in the next part.

예를 들어, 도 5의 S<1>에서 “오늘 무엇을 할까?”라는 발화가 출현한 조건일 경우에, U<1> 또는 U<2>가 “@action하러 가자”라는 행위 발화가 규칙화된다. 그리고 발화조건이 “@action하러 가자”이고 @action의 값이 “운동”이면 Plot: 운동 종류에 대한 시작 발화가 행동발화가 되는 규칙이 생성된다.For example, in case S<1> of FIG. 5 is a condition in which the utterance “what shall we do today?” appears, the action utterance of U<1> or U<2> “let’s go to @action” is the rule get angry And if the utterance condition is “Let’s go to @action” and the value of @action is “exercise”, a rule is created in which the starting utterance for a Plot: movement type is an action utterance.

또한, 대화규칙 생성부(220)는 플롯 기반 대화 주제가 학습자의 수준과 교육 진도 등의 정보에 의해 대화가 수행될 수 있도록 하기 위해, 플롯에서 정의된 학습자 수준 및 진도 등의 정보가 대화규칙의 발화조건에 같이 기록되어 학습자의 정보가 조건에 만족되어야 할 경우에만 정의된 응답과 대화흐름이 진행되도록 대화규칙 정보를 생성할 수 있다.In addition, the dialog rule generating unit 220 uses information such as the learner level and progress defined in the plot to be used in the dialogue rule so that the plot-based conversation topic can be communicated based on information such as the learner's level and educational progress. Conversation rule information can be created so that the defined response and dialogue flow proceed only when the information of the learner must be satisfied with the condition by being recorded together with the condition.

다음으로, 발화의도 학습부(230)는 플롯 기반 대화모델에 포함된 플롯들의 대표발화와 패러프레즈들이 발화의도 생성부(210)에 의해 생성된 발화의도 정보로 인식되도록 발화의도를 학습한다. Next, the utterance intention learning unit 230 is configured to recognize the representative utterances and paraphrases of the plots included in the plot-based dialogue model as the utterance intention information generated by the utterance intention generating unit 210 . to learn

이때, 발화의도 학습부(230)는 발화의도 정보로 인식되도록 하기 위해 의도분류 모델을 미리 학습할 수 있다. 여기에서 의도분류 모델은 언어처리에서 사용하는 다양한 CRF, SVM, DNN 등의 다양한 모델이 적용될 수 있다.In this case, the speech intention learning unit 230 may learn the intention classification model in advance in order to be recognized as speech intention information. Here, as the intention classification model, various models such as various CRF, SVM, and DNN used in language processing can be applied.

예를 들어, 발화의도 학습부(230)는 도 5의 “운동하러 가자”와 그 패러프래즈인 “운동하자”, “운동을 하는게 어때” 등이 Plot22-U1(@action=운동)으로 인식되게끔 학습할 수 있다.For example, the utterance intention learning unit 230 displays “Let’s go to exercise” in FIG. 5 and its paraphrases “Let’s exercise” and “How about exercising” as Plot22-U1 (@action=exercise). You can learn to be recognized.

이와 같이 대화규칙 생성부(220)에 의해 생성된 학습 주제에 대한 대화규칙 정보와 발화의도 학습부(230)에서의 학습 결과 생성된 발화의도 학습 데이터는 플롯 기반의 주제별 대화지식 DB(300)에 저장된다.As such, the conversation rule information on the learning topic generated by the dialogue rule generating unit 220 and the speech intention learning data generated as a result of learning by the speech intention learning unit 230 are plot-based dialogue knowledge DB 300 for each topic. ) is stored in

다시 도 2를 참조하면, 플롯 기반 회화 처리부(400)는 플롯 기반의 주제별 대화지식 DB(300)에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 학습자와 대화를 진행하고, 학습자가 발화한 내용에 대한 정확도를 대화 진행 중이나 대화 종료 후에 제공한다.Referring back to FIG. 2, the plot-based conversation processing unit 400 conducts a conversation with the learner to correspond to the foreign language level information and progress information registered by the learner using the information stored in the plot-based topic-specific dialog knowledge DB 300, It provides the accuracy of the content uttered by the learner during or after the conversation has ended.

즉, 플롯 기반 회화 처리부(400)는 플롯 기반의 주제별 대화지식 DB(300)를 이용하여 외국어 학습자가 특정 대화 주제를 선정하면, 해당 주제 내에서 회화를 연습하고 교육하게끔 할 수 있다.That is, when a foreign language learner selects a specific conversation topic using the plot-based conversational knowledge DB 300 for each topic, the plot-based conversation processing unit 400 may practice and educate conversation within the topic.

도 7은 플롯 기반 회화 처리부(400)의 기능을 설명하기 위한 블록도이다.7 is a block diagram for explaining the function of the plot-based conversation processing unit 400 .

이러한 플롯 기반 회화 처리부(400)는 음성인식부(410), 발화의도 인식부(420), 대화관리부(430) 및 발화 평가부(440)를 포함한다.The plot-based conversation processing unit 400 includes a voice recognition unit 410 , a speech intention recognition unit 420 , a conversation management unit 430 , and a speech evaluation unit 440 .

음성인식부(410)는 학습자가 음성으로 발화한 입력 발화를 음성인식하여 텍스트로 변환한다.The voice recognition unit 410 recognizes the input utterance uttered by the learner by voice and converts it into text.

발화의도 인식부(420)는 음성인식부(410)에 의해 텍스트로 인식된 발화에 대하여 상기 목적지향 대화 지식화부(200)를 통해 정의한 발화의도 정보로 인식한다. The utterance intention recognition unit 420 recognizes the utterance recognized as text by the voice recognition unit 410 as the utterance intention information defined through the destination-directed dialogue knowledge unit 200 .

이러한, 발화의도 인식부(420)는 학습자의 외국어 수준 정보에 따라 학습된 정보를 이용하여 발화의도 정보를 인식하거나, 상기 변환된 텍스트가 학습 문장과 일치하는 경우에만 발화의도 정보로 인식할 수 있다.The speech intention recognition unit 420 recognizes the speech intention information by using the learned information according to the learner's foreign language level information, or recognizes the speech intention information only when the converted text matches the learning sentence. can do.

이때, 학습 문장과 일치하는 경우에만 발화의도 정보로 인식하는 것은 학습자가 특정 패턴을 반복해서 배우는 과정에서 유용하기 때문이며, 학습된 정보를 이용하여 발화의도 정보를 인식하는 것은 학습자가 다양한 표현을 시도할 수 있는 수준에서 유용하기 때문이다.At this time, recognizing the speech intention information only when it matches the learning sentence is useful in the process of learning a specific pattern repeatedly, and recognizing the speech intention information using the learned information means that the learner can use various expressions Because it is useful on a level where it can be tried.

대화관리부(430)는 학습자와 시스템이 지금까지 대화한 대화 이력 정보 및 현재 발화 정보와, 목적지향 대화 지식부에서 정의한 대화규칙 정보에 기초하여 시스템 응답을 생성한다. 이때, 대화관리부(430)는 외국어 학습자의 외국어 수준 정보 및 진도 정보를 입력받을 수 있으며, 이를 통해 대화규칙 정보에서 응답할 규칙을 학습자의 수준에 대응되도록 선택하여 제공할 수 있다.The dialog management unit 430 generates a system response based on the conversation history information and current utterance information that the learner and the system have had conversations so far, and the dialog rule information defined by the destination-directed conversation knowledge unit. In this case, the conversation management unit 430 may receive foreign language level information and progress information of the foreign language learner, and through this, a rule to be answered in the conversation rule information may be selected and provided to correspond to the learner's level.

발화 평가부(440)는 발화의도 인식부(420)에서 인식한 발화의도 정보에 대한 학습 문장과 현재 학습자의 발화를 비교하여 평가한다. 발화 평가부(440)는 학습자의 현재 발화의도가 대화주제의 흐름 내용상 적합한 표현인지를 평가하는 내용상 적합성 평가와, 외국어 표현으로 적합한지를 평가하는 외국어 표현 평가와, 학습자 주제 임무를 잘 수행했는지 여부를 평가하는 임무 수행 평가를 수행할 수 있다.The speech evaluation unit 440 compares and evaluates the learning sentence for the speech intention information recognized by the speech intention recognition unit 420 with the current learner's speech. The speech evaluation unit 440 performs a content suitability assessment to evaluate whether the learner's current speech intention is an expression suitable for the flow of a conversation topic, a foreign language expression assessment to evaluate whether it is appropriate as a foreign language expression, and whether the learner's topic task has been well performed It is possible to conduct a mission performance evaluation to evaluate the

내용상 적합성 평가는 플롯 기반 대화모델로 구성된 대화 주제 흐름과 일치하는 것인지를, 현재 시스템에서의 발화의도 다음에 기대되는 의도인지를 파악하여 판단함으로써 대화 흐름상 정확한 학습자인지를 판단한다.The content suitability evaluation determines whether the learner is an accurate learner in the conversation flow by figuring out whether it is consistent with the conversation topic flow composed of the plot-based conversation model, or whether it is the expected intention after the utterance intention in the current system.

외국어 표현 평가는 학습자가 발화한 표현이 인식된 발화의도에 해당하는 학습 문장들과의 유사도로 판단한다. 즉, 발화 평가부(440)는 학습 문장과 동일한 경우와, 동사, 명사 등의 중요성에 따른 일치도를 판단하여 유사도를 산출 및 등급화함으로써 외국어 표현을 평가할 수 있다.The foreign language expression evaluation determines the degree of similarity between the expressions spoken by the learner and the learning sentences corresponding to the recognized intentions of speech. That is, the speech evaluation unit 440 may evaluate the foreign language expression by determining the degree of matching according to the case of the same as the learning sentence and the importance of a verb, a noun, and the like, calculating and grading the degree of similarity.

임무 수행 평가는 학습자에게 주제 대화 상에서 정의된 특정 플롯의 플롯 제목에 적합한 응답 중 하나를 수행하기를 요청한 경우, 해당 요청이 각 플롯마다 수행되었는지 여부를 판단 및 평가한다.Task performance assessment determines and evaluates whether a learner is asked to perform one of the responses appropriate to the plot title of a specific plot defined in the topic dialog, whether that request has been made for each plot.

한편, 플롯 기반 회화 처리부(400)는 발화의도 인식부(420)에서의 주제에 정의된 발화의도 정보를 통해 분류되지 않은 발화에 대하여, 대화관리부(430)에서 사용하는 대화규칙 정보를 이용하여 일반대화로 응답을 제공하는 일반대화 처리부(450)를 더 포함할 수 있다.On the other hand, the plot-based conversation processing unit 400 uses the conversation rule information used by the conversation management unit 430 for utterances that are not classified through the utterance intention information defined in the subject in the utterance intention recognition unit 420 . Thus, it may further include a general conversation processing unit 450 that provides a response as a general conversation.

이러한 일반대화 처리부(450)는 대화관리부(430)에서 플롯에 의해 정의된 대화규칙 정보 중 발화 행위가 “auto-response”로 구성된 규칙이 활성화되어, 학습자의 발화에 자동으로 응답하기 위해 대규모 대화패턴들로 구성된 예제 집합이나, 이를 통해 학습된 채팅 기술이 적용된 것을 이용하여 응답을 자동으로 생성 및 제공할 수 있다.The general dialog processing unit 450 activates a rule composed of “auto-response” in the dialogue rule information defined by the plot in the dialogue management unit 430 to automatically respond to the learner’s utterance in a large-scale dialogue pattern. It is possible to automatically generate and provide a response using an example set composed of

그밖에, 플롯 기반 회화 처리부(400)는 발화 평가부(440)에서의 평가 결과를 저장하고 대화 종료 시점에 각 평가 정보에 대한 통계 정보와 총점을 제공하는 종합평가 처리부(460)를 더 포함할 수 있다.In addition, the plot-based conversation processing unit 400 may further include a comprehensive evaluation processing unit 460 that stores the evaluation results in the speech evaluation unit 440 and provides statistical information and a total score for each evaluation information at the end of the conversation. there is.

또한, 플롯 기반 회화 처리부(400)는 대화 출력부(470) 및 멀티미디어 출력부(480)를 더 포함할 수 있다.Also, the plot-based conversation processing unit 400 may further include a conversation output unit 470 and a multimedia output unit 480 .

대화 출력부(470)는 발화 평가부(440)에서의 평가 내용과 대화관리부(430)에서의 시스템 응답을 종합하여 학습자의 발화에 대한 주제 흐름 상의 응답발화와 외국어 표현에 대한 평가 및 피드백 발화를 출력한다.The dialogue output unit 470 synthesizes the evaluation contents of the speech evaluation unit 440 and the system response from the dialogue management unit 430 to evaluate and feedback speeches on the topic flow for the learner's speech and foreign language expressions. print out

이러한 대화 출력부(470)는 교육적 피드백 발화를 먼저 발화하고 그 다음 시스템 응답 발화를 수행함으로써, 학습자로 하여금 먼저 자기 발화에 대한 오류 여부를 판단하게 할 수 있으며, 그 다음 주제 대화 진행을 할 수 있게끔 할 수 있다.The dialog output unit 470 utters the educational feedback utterance first and then performs the system response utterance, so that the learner can first determine whether there is an error in the self-utterance, and then proceed with the topic conversation. can do.

교육적 피드백 발화는 발화 평가부(440)에서 내용상 적합성 평가는 통과하였지만 외국어 표현 평가에서 기 설정된 등급 이상으로 나쁘지 않은 성적을 받은 학습자의 발화를 대상으로, 학습자 발화에 가장 유사한 학습 문장을 검출하여 문법적, 표현적으로 완벽한 문장을 학습자에게 제공해 줌으로써 사소한 오류에 대해 바로잡을 수 있도록 한다.For educational feedback utterances, target learners who have passed the content relevance evaluation in the utterance evaluation unit 440 but have received not bad grades above a preset grade in the foreign language expression evaluation, by detecting the learning sentence most similar to the learner's utterance, grammatical, It provides learners with expressively perfect sentences so that minor errors can be corrected.

이때, 대화 출력부(470)는 학습자 발화에 가장 유사한 학습 문장을 그대로 출력하기 보다는 상대방 발화를 확인하는 발화 형태로 변경하여 출력할 수 있다. 그리고 학습 문장을 상대방 발화를 확인하는 발화 형태로 변경하기 위해 패턴들을 자동으로 학습하는 방법을 적용할 수 있다.In this case, the dialogue output unit 470 may change and output the learning sentence that is most similar to the learner's utterance in the form of an utterance that confirms the other's utterance, rather than outputting the learning sentence as it is. In addition, a method of automatically learning patterns may be applied to change the learning sentence into an utterance form that confirms the utterance of the other party.

예를 들어, 도 3에서 U<1>을 발화할 시점에 학습자가 “미안해. 어제 갑자기 다른 일이 발생해서 안나가”라고 했을 때, 발화의도 인식부(420)는 정확하게 발화의도 정보를 인식하고, 학습 문장에서 가장 유사한 의도를 가지는 “미안해. 어제 갑자기 다른 일이 생겨서 안나갔어.”를 선택하게 된다. For example, when uttering U<1> in FIG. 3, the learner says “I’m sorry. When you say, "I'm not going because something else happened yesterday," the speech intention recognition unit 420 accurately recognizes the speech intention information and has the most similar intention in the learning sentence, "I'm sorry. Yesterday, suddenly something else happened, so I didn’t go.”

이를 위 학습 문장을 상대방 발화로 확인하는 발화 형태로 변경하게 되면, “어제 갑자기 다른 일이 생겨서 못 나왔다고”가 생성되며, 이를 통해 학습자는 자기가 발화한 내용에서 잘못된 부분을 확인할 수 있다.If this is changed to an utterance that confirms the above learning sentence as the utterance of the other party, “I couldn’t come out because something else suddenly happened yesterday” is generated, and through this, the learner can check the wrong part in the content he uttered.

멀티미디어 출력부(480)는 대화 출력부(470)의 시스템 출력과 문장형 평가를 음성이나 화면을 통해 출력하고, 발화에 대한 외국어 표현 관점에서의 평가와 주제 대화 흐름상 내용 적합성에 대한 평가를 화면상 캐릭터의 표정이나 화면의 특정 부위에서의 표시로 출력할 수 있다.The multimedia output unit 480 outputs the system output and sentence-type evaluation of the dialogue output unit 470 through voice or screen, and displays the evaluation from the viewpoint of foreign language expression for the utterance and the evaluation of content suitability in the flow of the topic conversation. It can be output as a character's expression or as a display in a specific part of the screen.

즉, 대화 출력부(470)는 발화 평가부(440)에서 평가한 내용상 적합성 평가, 외국어 표현 평가, 임무 수행 평가에 대한 결과를 멀티미디어 출력부(480)로 제공할 수 있으며, 멀티미디어 출력부(480)는 서비스의 형태에 따라 다양한 방법을 통해 각 평가의 결과를 대화 중에 학습자가 제공받을 수 있게끔 할 수 있다.That is, the dialogue output unit 470 may provide the results of the content suitability evaluation, foreign language expression evaluation, and task performance evaluation evaluated by the speech evaluation unit 440 to the multimedia output unit 480 , and the multimedia output unit 480 . ) can enable learners to receive the results of each evaluation through a variety of methods depending on the type of service during the conversation.

참고로, 본 발명의 실시예에 따른 도 1 내지 도 7에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 형태로 구현될 수 있으며, 소정의 역할들을 수행할 수 있다.For reference, the components shown in FIGS. 1 to 7 according to an embodiment of the present invention may be implemented in the form of software or hardware such as a field programmable gate array (FPGA) or an application specific integrated circuit (ASIC). can perform roles.

그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.However, 'components' are not limited to software or hardware, and each component may be configured to reside in an addressable storage medium or to reproduce one or more processors.

따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.Thus, as an example, a component includes components such as software components, object-oriented software components, class components, and task components, and processes, functions, properties, procedures, sub It includes routines, segments of program code, drivers, firmware, microcode, circuitry, data, databases, data structures, tables, arrays, and variables.

구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.Components and functions provided within the components may be combined into a smaller number of components or further divided into additional components.

이하에서는 도 8을 참조하여 본 발명의 일 실시예에 따른 외국어 회화 학습 장치(1)에서의 학습 방법에 대해 설명하도록 한다.Hereinafter, a learning method in the foreign language conversation learning apparatus 1 according to an embodiment of the present invention will be described with reference to FIG. 8 .

도 8은 본 발명의 일 실시예에 따른 외국어 회화 학습 방법의 순서도이다.8 is a flowchart of a foreign language conversation learning method according to an embodiment of the present invention.

본 발명의 일 실시예에 따른 외국어 회화 학습 방법은 먼저, 외국어 회화를 학습할 주제에 대한 학습 회화 대화를 플롯 기반 대화모델 형식으로 생성한다(S110).In the foreign language conversation learning method according to an embodiment of the present invention, first, a learning conversation conversation on a subject to learn foreign language conversation is generated in the form of a plot-based conversation model ( S110 ).

다음으로, 상기 생성된 플롯 기반 대화모델을 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB(300)를 생성한다(S120).Next, the generated plot-based dialog model is automatically changed to knowledge usable in the destination-oriented dialog system to generate the plot-based dialog knowledge DB 300 for each topic (S120).

다음으로, 상기 플롯 기반의 주제별 대화지식 DB(300)에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 상기 학습자와 대화를 진행하고(S130), 상기 대화 진행 결과에 대한 정확도를 제공한다(S140)Next, a conversation is conducted with the learner to correspond to the foreign language level information and progress information registered by the learner by using the information stored in the plot-based topic-specific dialog knowledge DB 300 (S130), and the accuracy of the conversation progress result to provide (S140)

한편, 상술한 설명에서, 단계 S110 내지 S140은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 도 1 내지 도 7에서 이미 기술된 내용은 도 8의 외국어 회화 학습 방법에도 적용될 수 있다.Meanwhile, in the above description, steps S110 to S140 may be further divided into additional steps or combined into fewer steps according to an embodiment of the present invention. In addition, some steps may be omitted if necessary, and the order between steps may be changed. In addition, even if other omitted content, the content already described in FIGS. 1 to 7 may be applied to the foreign language conversation learning method of FIG. 8 .

한편, 본 발명의 일 실시예는 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다. Meanwhile, an embodiment of the present invention may be implemented in the form of a computer program stored in a medium executed by a computer or a recording medium including instructions executable by the computer. Computer-readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. Also, computer-readable media may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes computer readable instructions, data structures, program modules, or other data in a modulated data signal such as a carrier wave, or other transport mechanism, and includes any information delivery media.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.Although the methods and systems of the present invention have been described with reference to specific embodiments, some or all of their components or operations may be implemented using a computer system having a general purpose hardware architecture.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The description of the present invention described above is for illustration, and those of ordinary skill in the art to which the present invention pertains can understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a dispersed form, and likewise components described as distributed may also be implemented in a combined form.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalent concepts should be interpreted as being included in the scope of the present invention. do.

1: 외국어 회화 학습 장치
100: 플롯 기반 대화모델 생성부
200: 목적지향 대화 지식화부
300: 플롯 기반 주제별 대화지식 DB
400: 플롯 기반 회화 처리부
1: Foreign language conversation learning device
100: plot-based dialog model generation unit
200: Conversation towards destination knowledge building
300: Plot-based conversational knowledge DB by topic
400: plot-based conversation processing unit

Claims (9)

외국어 회화를 학습할 주제에 대한 학습 회화 대화를 플롯 기반 대화모델 형식으로 생성하는 플롯 기반 대화모델 생성부,
상기 학습 회화 대화를 목적지향 대화시스템에서 사용 가능한 지식으로 자동 변경하여 플롯 기반의 주제별 대화지식 DB를 생성하는 목적지향 대화 지식화부 및
상기 플롯 기반의 주제별 대화지식 DB에 저장된 정보를 이용하여 학습자가 등록한 외국어 수준 정보 및 진도 정보에 대응하도록 상기 학습자와 대화를 진행하고, 상기 대화 진행 결과에 대한 정확도를 제공하는 플롯 기반 회화 처리부를 포함하고,
상기 플롯 기반 대화모델 생성부는 학습자와의 역할 대화를 플롯 단위로 생성하고, 상기 플롯 간의 연결을 통하여 상기 플롯 기반 대화모델을 생성하며, 시작발화와 대응발화로 구성되도록 상기 플롯 단위를 생성하고,
상기 플롯 기반 회화 처리부는 학습자가 해당 플롯에 정의된 대응응답을 하지 않은 경우 예외 처리를 수행하여 대화 흐름을 유도하는 것
인 외국어 회화 학습 장치.
A plot-based dialogue model generation unit that generates a learning conversational conversation on a topic to learn foreign language conversation in the form of a plot-based dialogue model;
a destination-oriented dialogue knowledge unit that automatically changes the learning conversational dialogue to knowledge usable in the destination-oriented dialogue system to create a plot-based topic-specific dialogue knowledge DB; and
It includes a plot-based conversation processing unit that conducts a conversation with the learner to correspond to the foreign language level information and progress information registered by the learner using the information stored in the plot-based conversational knowledge DB for each topic, and provides accuracy for the conversation progress result and,
The plot-based dialog model generation unit generates a role conversation with a learner in a plot unit, generates the plot-based dialog model through a connection between the plots, and generates the plot unit to consist of a starting utterance and a corresponding utterance,
The plot-based conversation processing unit induces a conversation flow by performing exception handling when the learner does not respond to the corresponding response defined in the corresponding plot.
A foreign language conversation learning device.
삭제delete 제1항에 있어서,
상기 시작발화는 플롯 제목을 플롯 정보로 포함하고, 상기 대응발화는 상기 플롯 제목에 대한 플롯 대응 방법 및 상기 대응발화가 가능한 학습자의 상기 외국어 수준 정보 및 진도 정보를 플롯 정보로 포함하는 것
인 외국어 회화 학습 장치.
According to claim 1,
The starting utterance includes a plot title as plot information, and the corresponding utterance includes a plot correspondence method for the plot title and the foreign language level information and progress information of a learner capable of the corresponding utterance as plot information
A foreign language conversation learning device.
제1항에 있어서,
상기 목적지향 대화 지식화부는
상기 플롯 기반 대화모델을 입력 받아 플롯의 시작발화와 대응발화의 대표발화를 통해 컴퓨터 상에서 인식 가능하도록 하는 발화의도 정보를 생성하는 발화의도 생성부;
상기 대표발화와 상기 발화의도 정보에 기초하여 상기 플롯의 연결정보로 대화규칙 정보를 생성하는 대화규칙 생성부; 및
상기 플롯의 대표발화와 패러프레즈들이 상기 발화의도 정보에 따라 인식되도록 발화의도를 학습하는 발화의도 학습부를 포함하는 것
인 외국어 회화 학습 장치.
According to claim 1,
The destination-oriented conversational knowledge unit
a utterance intention generating unit that receives the plot-based dialogue model as an input and generates utterance intention information that can be recognized on a computer through a representative utterance of a plot starting utterance and a corresponding utterance;
a dialogue rule generation unit generating dialogue rule information using the connection information of the plot based on the representative speech and the speech intention information; and
including a speech intention learning unit that learns the speech intention so that the representative speech and paraphrase of the plot are recognized according to the speech intention information
A foreign language conversation learning device.
제4항에 있어서,
상기 생성된 대화규칙 정보와 상기 학습 결과 생성된 발화의도 학습 데이터는 상기 플롯 기반의 주제별 대화지식 DB에 저장되는 것
인 외국어 회화 학습 장치.
5. The method of claim 4,
The generated dialogue rule information and the speech intention learning data generated as a result of the learning are stored in the plot-based topic-specific dialogue knowledge DB
A foreign language conversation learning device.
제4항에 있어서,
상기 플롯 기반 회화 처리부는
상기 학습자의 발화를 인식하여 텍스트로 변환하는 음성인식부;
상기 변환된 텍스트를 상기 발화의도 정보로 인식하는 발화의도 인식부;
상기 학습자와의 대화 이력 정보 및 현재 발화 정보와, 상기 대화규칙 정보에 기초하여 시스템 응답을 생성하는 대화관리부; 및
상기 발화의도 인식부에서 인식한 발화의도 정보에 대한 학습 문장과 상기 학습자의 발화를 비교하여 평가하는 발화 평가부를 포함하는 것
인 외국어 회화 학습 장치.
5. The method of claim 4,
The plot-based conversation processing unit
a speech recognition unit for recognizing the learner's speech and converting it into text;
a speech intention recognition unit for recognizing the converted text as the speech intention information;
a conversation management unit for generating a system response based on the conversation history information and current utterance information with the learner, and the conversation rule information; and
Comprising a speech evaluation unit that compares and evaluates the learning sentence for the speech intention information recognized by the speech intention recognition unit and the speech of the learner
A foreign language conversation learning device.
제6항에 있어서,
상기 발화의도 인식부는 상기 학습자의 외국어 수준 정보에 따라 학습된 정보를 이용하여 상기 발화의도 정보를 인식하거나, 상기 변환된 텍스트가 학습 문장과 일치하는 경우에만 발화의도 정보로 인식하는 것
인 외국어 회화 학습 장치.
7. The method of claim 6,
The speech intention recognition unit recognizes the speech intention information by using the information learned according to the foreign language level information of the learner, or recognizes the speech intention information only when the converted text matches the learning sentence
A foreign language conversation learning device.
제6항에 있어서,
상기 대화관리부는 상기 학습자의 외국어 수준 정보 및 진도 정보를 입력받아, 상기 대화규칙 정보에서 응답할 규칙을 상기 학습자의 수준에 대응되도록 선택 및 제공하는 것
인 외국어 회화 학습 장치.
7. The method of claim 6,
The dialog management unit receives the foreign language level information and progress information of the learner, and selects and provides a rule to respond to in the dialog rule information to correspond to the learner's level
A foreign language conversation learning device.
제6항에 있어서,
상기 플롯 기반 회화 처리부는 상기 발화의도 인식부에서 상기 발화의도 정보를 통해 분류되지 않은 발화에 대하여 상기 대화규칙 정보를 이용하여 일반대화로 응답을 제공하는 일반대화 처리부를 더 포함하는 것
인 외국어 회화 학습 장치.
7. The method of claim 6,
The plot-based conversation processing unit further comprises a general conversation processing unit that provides a response as a general conversation by using the dialogue rule information for utterances that are not classified through the utterance intention information in the utterance intention recognition unit
A foreign language conversation learning device.
KR1020180115919A 2018-09-28 2018-09-28 Apparatus and method for foreign language conversation learning KR102372070B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180115919A KR102372070B1 (en) 2018-09-28 2018-09-28 Apparatus and method for foreign language conversation learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180115919A KR102372070B1 (en) 2018-09-28 2018-09-28 Apparatus and method for foreign language conversation learning

Publications (2)

Publication Number Publication Date
KR20200036366A KR20200036366A (en) 2020-04-07
KR102372070B1 true KR102372070B1 (en) 2022-03-10

Family

ID=70291266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180115919A KR102372070B1 (en) 2018-09-28 2018-09-28 Apparatus and method for foreign language conversation learning

Country Status (1)

Country Link
KR (1) KR102372070B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102654480B1 (en) * 2020-11-05 2024-04-04 한국전자통신연구원 Knowledge based dialogue system and method for language learning

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090058320A (en) * 2007-12-04 2009-06-09 주식회사 케이티 Example-based communicating system for foreign conversation education and method therefor
KR101037247B1 (en) * 2009-06-18 2011-05-26 포항공과대학교 산학협력단 Foreign language conversation training method and apparatus and trainee simulation method and apparatus for qucikly developing and verifying the same
KR20110120552A (en) * 2010-04-29 2011-11-04 포항공과대학교 산학협력단 Foreign language learning game system and method based on natural language dialogue technology
KR20160008949A (en) * 2014-07-15 2016-01-25 한국전자통신연구원 Apparatus and method for foreign language learning based on spoken dialogue

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
공개특허공보 제10-2009-0058320호(2009.6.9. 공개) 1부.*

Also Published As

Publication number Publication date
KR20200036366A (en) 2020-04-07

Similar Documents

Publication Publication Date Title
Litman et al. Speech technologies and the assessment of second language speaking: Approaches, challenges, and opportunities
Bibauw et al. Discussing with a computer to practice a foreign language: Research synthesis and conceptual framework of dialogue-based CALL
Skantze Error handling in spoken dialogue systems-managing uncertainty, grounding and miscommunication
Ashwell et al. How Accurately Can the Google Web Speech API Recognize and Transcribe Japanese L2 English Learners' Oral Production?.
US20060122834A1 (en) Emotion detection device &amp; method for use in distributed systems
US8036896B2 (en) System, server and method for distributed literacy and language skill instruction
US7624013B2 (en) Word competition models in voice recognition
Griol et al. An architecture to develop multimodal educative applications with chatbots
López-Cózar et al. Testing the performance of spoken dialogue systems by means of an artificially simulated user
KR20210048730A (en) Language Teaching Service System and Method of providing thereof
Chukharev‐Hudilainen et al. The development and evaluation of interactional competence elicitor for oral language assessments
KR102372070B1 (en) Apparatus and method for foreign language conversation learning
Lee et al. Hybrid approach to robust dialog management using agenda and dialog examples
KR101521281B1 (en) Foreign language learning system and method thereof
Shashidhar et al. Automatic spontaneous speech grading: A novel feature derivation technique using the crowd
US12008919B2 (en) Computer assisted linguistic training including machine learning
Ureta et al. At home with Alexa: a tale of two conversational agents
CN113409768A (en) Pronunciation detection method, pronunciation detection device and computer readable medium
JP2673831B2 (en) Conversational etiquette education system
Shivakumar et al. AI-ENABLED LANGUAGE SPEAKING COACHING FOR DUAL LANGUAGE LEARNERS.
KR102255883B1 (en) Development of a Language Learning System for MLT(Machine Learning Tutor) based on Interactive AI, Method for Automatically Providing Dialogue When Studying Foreign Languages
Shukla Development of a human-AI teaming based mobile language learning solution for dual language learners in early and special educations
López-Cózar et al. Testing dialogue systems by means of automatic generation of conversations
Tan et al. A Deep Learning Platform for Language Education Research and Development.
KR20140004540A (en) Method for providing foreign language listening training service based on listening and speaking using speech recognition engine

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right