초록 ▼

ㅇ 개발목표: 공공 콘텐츠 분야에서 지속적으로 생성되는 데이터의 지식구조 데이터베이스의 표준체계를 활용하여 교차도메인 간의 정보 교류를 가능하게 하고,이를 기반으로 사용자에게는 멀티모달 UI/UX 채널을 통해 서비스를 제공할 수 있는, 공공 콘텐츠 소비자를 위한 모바일 기반 대화형 인공지능 플랫폼 구축하고, 활용 및 평가방법을 제시함.
ㅇ 사업화 계획 및 기대효과
- 해당 기술에 대한 지적재산권 확보 및 실현을 통해 기술에 대한 라이센싱 실시
- 일부 공공 분야 및 B2C 기반의 서비스에서는 콘텐츠 생산자/소비자에게

ㅇ 개발목표: 공공 콘텐츠 분야에서 지속적으로 생성되는 데이터의 지식구조 데이터베이스의 표준체계를 활용하여 교차도메인 간의 정보 교류를 가능하게 하고,이를 기반으로 사용자에게는 멀티모달 UI/UX 채널을 통해 서비스를 제공할 수 있는, 공공 콘텐츠 소비자를 위한 모바일 기반 대화형 인공지능 플랫폼 구축하고, 활용 및 평가방법을 제시함.
ㅇ 사업화 계획 및 기대효과
- 해당 기술에 대한 지적재산권 확보 및 실현을 통해 기술에 대한 라이센싱 실시
- 일부 공공 분야 및 B2C 기반의 서비스에서는 콘텐츠 생산자/소비자에게 무료로 챗봇 서비스를 제공하고, 광고를 통해 수익을 대체
- 콘텐츠 기반 챗봇 사업을 하는 수요에 대하여 최적화된 빌드플랫폼을 제공하고, 구축에 관한 정보화 전략 컨설팅 (ISP)를 통해 수익 확보
- B2B의 경우, 해당 기술에 대한 기업 최적화를 통해 서비스를 제공하고 중개수 수료를 통해 수익을 창출
- 유관 기관과의 MOU 체결을 통해, 지속 가능한 콘텐츠 정보의 안정적 확보
- 영상 오쏘링 서비스 및 운영과 다양한 과금정책으로 플랫폼 수익 구조화

ㅇ 연구개발 성과
- 1차년도 출원특허 16건, 논문 1건
- 2차년도 출원특허 8건, 논문 3건
- ‘클래식메이트’ 서비스 출시
- ‘오늘 뭐히지?’ 공연 추천 서비스 testing phase

< 세부 개발내용 >
○ 마일스톤 1.1 - 확장도메인 소비자 조사 / 발화데이터 수집
□ 내용:
- 클래식 외 추가로 뮤지컬/연극 관람자의 관람 전과정에 대한 경험조사 진행/분석함.
- 크로스 도메인 추천의 기반이 되는 사용자의 취향을 3회 수집 (n=1,000)
- 도메인 3종의 관람 발화 데이터를 리뷰 및 추천 중심으로 수집/분석
□ 결과물: 확장도메인 경험 전반조사 (보고서 1), 확장도메인 취향 수집/분석(보고서 2), 발화데이터 분석 – 추천과 리뷰 중심 (보고서 3)

○ 마일스톤 1.2 - 콘텐츠 매거지닝 UX 가이드라인 제작
□ 내용:
- 스마트 스피커에 알맞은 콘텐츠 매거지닝을 위한 콘텐츠 기획, 구성 및 전달 방식 연구
- 큐레이션 서비스 포로토타입 개발 블루프린트
- 6개 프로토타입 각각의 유저테스팅을 기반으로한 총 5가지의 디자인 원칙
□ 결과물: 스피커 서비스 큐레이션 가이드라인 (보고서 4)

○ 마일스톤 1.3 - 대화형 에이전트 프로토타입제작
□ 내용:
- 구글홈 스피커에 탑재되는 대화형 에이전트 “클래식메이트” 출시 및 서비스 개시
- 대화형 에이전트를 통한 발화데이터 수집
□ 결과물: ‘클래식 메이트’ (서비스 1)

○ 마일스톤 1.4 - 에이전트 발화 합성
□ 내용:
- 음성 서비스 에이전트의 자연스러운 느낌을 주기위한, 실제 인물의 목소리를 기반으로한 음성합성을 통하여 에이전트에 맞춤화된 TTS 개발.
- 크레디아 소속의 아티스트 ‘대니 구’의 목소리를 녹음, 전사, 합성하여 구현
□ 결과물: 대니구 음성 합성 과정 및 결과 (보고서 5)

○ 마일스톤 2.1 - 큐레이션 엔진 개발
□ 내용:
- 큐레이션 이전에 도메인 특화된 인텐트 도출이 선행되어야 함. 도메인 특화 인텐트 도출 작업을 진행함.
□ 결과물: 큐레이션 엔진 개발 (보고서 6)

○ 마일스톤 2.2 - AI 스피커 에이전트 개발
□ 내용:
- KOPIS의 공연 데이터를 KB로 끌고와, 사용자의 추천 요청을 큐레이션엔진과 대화엔진으로 서비스 개발
□ 결과물: ‘오늘 뭐하지?’ (서비스 2)

○ 마일스톤 2.3 - 머신러닝 추천 알고리즘 개발
□ 내용:
- 비선형 확률 모델 Variational Autoencoder를 이용한 협업 필터링 추천 시스템 실험
□ 결과물: 머신러닝 추천 알고리즘 (보고서 7)

○ 마일스톤 2.4 - 딥러닝 엔진 최적화
□ 내용:
- 응답 선택 모형의 이중 부호기 모형 한계점 분석
- 순차적 매칭 네트워크를 적용하여 모델 실험
□ 결과물: 딥러닝 엔진 최적화 (보고서 8)

○ 마일스톤 3.1 - 공공문화정보 API 연계
□ 내용:
- 문화 아이템의 지속적인 데이터베이스 구축
- 문화 아이템의 구축, 생성, 갱신을 위한 API개발
□ 결과물: 공공문화정보 API 연계 (보고서 9)

○ 마일스톤 3.2 - 지식베이스 구축
□ 내용:
- 전체 시스템 아키텍쳐와 인텐트, 엔터티, Q&A 및 문화 아이템 지식 베이스 구축
□ 결과물: 지식 베이스 구축 (보고서 10)

(출처 : 요약 카드 2p)

목차 Contents

• 표지 ... 1
• 요약카드 ... 2
• 1. 연구개발의 개요 ... 4
• 2. 연구개발 목표 ... 4
• 3. 연구개발 결과 ... 5
• 4. 연구개발 목표의 달성도 및 자체평가 ... 7
• 가. 평가항목별 달성도 ... 7
• 나. 성과목표별 달성도 ... 7
• 다. 성과에 대한 자체평가 ... 8
• 5. 연구 성과 ... 12
• 6. 연구 수행에 따른 문제점 및 개선 방향 ... 15
• 7. 중요 연구변경 사항 ... 16
• 8. 기타 건의 사항 ... 17
• 붙임. 세부 내용 ... 18
• 끝페이지 ... 26