선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 기존 음악 추천형의 챗봇의 닫힌 구조에서 벗어나 열린 구조의 음악 추천형 챗봇을 개발하였다. 또한 이러한 챗봇이 기존의 챗봇과 어떠한 차이가 있으며 장단점이 있는지 연구해보았다.
- 본 논문은 자연어를 처리하는 NLP 기법을 통해 추출된 단어를 자연어를 이해하는 NLU기법을 사용하여 특정 감성어 데이터를 마이닝하는 모델을 제시하였다. 해당 모델의 챗봇은 사용자의 발화를 통해 감성어를 인지하여 매치되는 음악데이터를 추천해준다.
- 먼저 음원 분류에 사용되는 방식은 군집화(Clustering)이다. 본 모델에서 군집화의 목적은 군집 간 분산(inter-cluster variance)최대화, 군집 내 분산(inner–cluster cariance)최소화이다. 즉 음원 데이터를 비슷한 개체끼리 한 그룹으로, 다른 개체는 다른 그룹으로 묶는 것이다.
- 본 연구에서는 기존 음악 추천형의 챗봇의 닫힌 구조에서 벗어나 열린 구조의 음악 추천형 챗봇을 개발하였다. 또한 이러한 챗봇이 기존의 챗봇과 어떠한 차이가 있으며 장단점이 있는지 연구해보았다.
- 사용자는 같은 감정에도 원하는 결과가 다를 수 있으므로 이를 해결하기 위해 추가적인 query가 필요하다. 사용자의 감정을 얻어내면, 그 감정을 개선할 것인지, 그 감정을 유지할 것인지 등의 추가적인 질의를 통해 해당하는 음원을 제공하도록 한다. 위에 나열한 두 기능을 포함하는 알고리즘을 python상에서 구현하고, 이를 챗봇 AI와 결합을 하여 챗봇 모델을 구현한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.