개요:

본 세션에서는 사용자 상태와 대화를 기억하기 위해 클로바 케어콜에 적용된 기술을 소개합니다. 대화 상대가 말한 내용을 기억하는 것은 관계를 형성하고 유지하는 데에 핵심적인 요소로서, 사람처럼 느껴지는 대화 모델을 만들기 위해 반드시 필요합니다. 또한 대화에서 사용자의 안부와 안전 상태를 감지하고 기억하는 것은 지속적인 맞춤 케어 서비스를 위한 필수 기술입니다. 하지만 이러한 기술을 구현하는 것은 어렵고 도전적인 분야로 꼽힙니다. 저희는 기억 기반 대화 기술과 사용자 상태 감지 기술을 통해 사용자의 생활 관리를 돕고, 변화를 트래킹하면서 개인화된 케어와 따뜻한 대화가 가능하게 했습니다. 본 세션을 통해 제안된 기술을 구성하는 각 모델을 설명하고, 개발 과정에서 고민했던 현실적인 문제들과 이를 해결하기 위해 적용한 방법들을 공유합니다.

목차

1. Introduction: 사람을 돕는 대화 기술

• 케어콜 overview
• 맞춤 케어를 위한 챗봇: 사용자 상태와 대화 기억하기

2. User State Detection: 사용자의 상태를 기억하다

• 케어콜에서 사용자 상태를 감지할 필요성과 기술적 어려움
• 유저 상태 감지 모델
• HyperCLOVA를 이용한 data augmentation
• 하나의 모델로 multitask classification 학습하기
  • Encoder 구조에 multi-heads 결합하기
  • Decoder 구조에 multi-prompts 사용하기
• 서비스 적용 사례

3. Long-term Memory: 사용자와의 대화를 기억하다

• 대화 속 기억의 필요성과 기술적 어려움
• Multi-session Dialogue를 통한 데이터 수집
• 장기기억 대화 모델 파이프라인
• Dialogue Summary: 무엇을 어떻게 기억해야 할까?
• Memory Grounded Response Generation: 기억을 언제 어떻게 활용해야 할까?
• Memory Update: 변화하는 정보를 어떻게 관리해야 할까?
  • 자연어 정보 관리를 위한 주요 연산
  • Textual Entailment를 Transfer하기
• Repair Mechanism: 피드백을 어떻게 반영해야 할까?
• 기억이 대화 성능과 User Perception에 미치는 영향

4. Conclusion: 다양한 개인화 대화 서비스로