접수면접 데이터 기반의 감정교류를 위한 대화형 챗봇 개발 및 인터랙션 연구

From Course@DGIST
Jump to navigation Jump to search
접수면접 데이터 기반의 감정교류를 위한 대화형 챗봇 개발 및 인터랙션 연구
제안자 윤형근
자문교원 박종래, 신동훈
연도 2020
타입 B형 과제
코스 장영실
매칭여부 Yes
참여학생수 6
소개동영상

제안 배경

1) 현대 사회의 인간은 다양한 정신적인 질병, 스트레스, 심리적 어려움을 겪고 있다. 심리적인 어려움을 겪는 대부분의 사람은 스스로 자신의 증상을 자각하는 편이지만, 심리상담을 받아야겠다는 생각을 하지는 못한다. 특히, 이런 사람들은 사이버 상담(온라인 상담)을 추구하는데, 상담 서비스를 제공하는 회사에서는 상담사마다 잘하는 영역이 다르기 때문에 상담을 충분히 잘해도 내담자의 성향과 경험에 따라 상담의 만족도에 차이가 있다.

2) 현재 기술의 발전으로 인해 교육, 사회 참여, 고객 서비스 등 다양한 분야에서 대화형 에이전트가 응용되고 있다. 또한, 대화형 에이전트는 단순한 질의응답 위주의 대화에서 더 나아가 감정교류를 위한 분야에도 응용되고 있다.

3) 이에 우리는 내담자를 만족시킬 수 있는 접수면접 단계(본 심리상담을 하기 전에 상담을 위한 준비단계에서 대화를 하는 단계)의 대화형 상담 챗봇 서비스를 개발하고, 이를 위한 인터랙션을 연구하고자 한다. 여기서 단순히 상담을 위한 챗봇뿐만이 아니라 감정교류를 위한 챗봇 개발과 이를 위한 인터랙션 연구를 하고자 한다.

과제 목표

1) 감정교류를 위한 챗봇에서 기술적으로 해결하기 어려운 문제를 인터랙션 측면에서 해결

2) 접수면접 단계의 Corpus와 한국어 Corpus를 이용해 실제 응용 가능한 챗봇 엔진 개발

3) 챗봇과의 대화를 바탕으로 얻은 데이터를 토대로 사용자의 성향을 파악할 수 있는 페르소나 분석 시스템을 구현 및 개발

4) 연구 내용을 바탕으로 실제 대화형 챗봇 서비스 구현

과제 내용

1) 감정교류를 위한 챗봇에서 기술적으로 해결하기 어려운 문제를 인터랙션의 측면에서 해결

-Human-Computer Interaction(HCI, 인간과 컴퓨터 상호작용)에 관해 공부하고, 연구 방법론을 익힌다.

-실제 Corpus와 서비스 분석, 인터뷰를 통해 챗봇에서 기술적으로 해결하기 어려운 문제를 파악한다.

-위의 내용을 바탕으로 기술적으로 해결하기 어려운 문제를 해결할 수 있는 인간과 챗봇 사이의 새로운 인터랙션을 제안하고, 실험을 통해 효과를 검증한다.

-연구 내용을 ACM CHI, UIST, CSCW와 같은 HCI 분야 top-tier 국제 conference에 투고한다.


2) 접수면접 단계에서의 실제 코퍼스와 기타 한국어 코퍼스를 이용해 실제 응용할 수 있는 챗봇 엔진을 설계하고 개발한다.

-Machine Learning(머신러닝)과 NLP(Natural Language Processing, 자연어처리)에 관해 공부하고, 다양한 레퍼런스에 대해 알아본다.

-실제 Corpus를 바탕으로 데이터를 이용할 수 있는 Machine Learning 모델을 설계하고 개발한다. 이후 개발한 모델의 성능을 평가한다.

-개발한 모델을 토대로 실제 챗봇에 사용할 수 있는 엔진을 설계 및 개발한다.

-연구 내용을 ACM CHI, UIST, IUI와 같은 HCI 분야 또는 NIPS, ICML, CoLing과 같은 AI 및 NLP 분야 top-tier 국제 conference에 투고한다.


3) 챗봇과의 대화를 바탕으로 얻은 데이터를 토대로 사용자의 성향을 파악할 수 있는 페르소나 분석 시스템을 구현 및 개발

-Human-Computer Interaction, Machine Learning, 심리학에 대해 공부하고, 실제 상담사 인터뷰를 통해 니즈를 알아본다.

-인터뷰와 기존의 레퍼런스를 바탕으로 페르소나 분석 방법을 제안한다.

-제안한 방법을 구현하기 위해 Human-AI Interaction, visualization 등에 대해 익히고, 시스템을 구현 및 개발한다. 전문가를 통해 시스템의 사용성을 평가받는다.

-연구 내용을 ACM CHI, UIST, CSCW, IUI와 같은 HCI 분야 top-tier 국제 conference에 투고한다.


4) 연구 내용을 적용한 실제 챗봇 서비스를 구현한다.

-1), 2), 3)의 연구 결과를 실제 챗봇 서비스에 적용하여 구현한다.

-구현 이후에는 실제 서비스를 시행하고, 평가하면서 1), 2), 3)의 내용을 개선한다.


위의 연구는 연세대학교 인지과학연구소 / 컴패노이드 랩스(Companoid Labs, http://companoidlabs.com )의 장진규 교수님과 Cowork를 진행할 예정이다.

참고자료

  • 참고문헌

1) Ashktorab, Z., Jain, M., Liao, Q. V., & Weisz, J. D. (2019, April). Resilient Chatbots: Repair Strategy Preferences for Conversational Breakdowns. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (p. 254). ACM.

2) Følstad, A., Brandtzaeg, P. B., Feltwell, T., Law, E. L., Tscheligi, M., & Luger, E. A. (2018, April). SIG: chatbots for social good. In Extended Abstracts of the 2018 CHI Conference on Human Factors in Computing Systems (p. SIG06). ACM.

3) Zhou, M. X., Mark, G., Li, J., & Yang, H. (2019). Trusting Virtual Agents: The Effect of Personality. ACM Transactions on Interactive Intelligent Systems (TiiS), 9(2-3), 10.

4) Zhou, M. X., Chen, W., Xiao, Z., Yang, H., Chi, T., & Williams, R. (2019, March). Getting virtually personal: chatbots who actively listen to you and infer your personality. In Proceedings of the 24th International Conference on Intelligent User Interfaces: Companion (pp. 123-124). ACM.

5) Kim, S., Ha, J., & Kim, J. (2018, April). Detecting Personality Unobtrusively from Users' Online and Offline Workplace Behaviors. In Extended Abstracts of the 2018 CHI Conference on Human Factors in Computing Systems (p. LBW515). ACM.

6) Jang, J., & Kim, J. (2019). Healthier Life with Digital Companions: Effects of Reflection-Level and Statement-Type of Messages on Behavior Change via a Perceived Companion. International Journal of Human–Computer Interaction, 1-18.


  • 기타자료

1) 일상대화를 위한 인공지능 챗봇 빌더 핑퐁, https://pingpong.us/

2) 온라인 심리상담 서비스 심야상담소, https://simyalink.com/

희망학생

17학번

윤형근(yhg8423@dgist.ac.kr)

이해찬(gocks8@dgist.ac.kr)

함어진(ham@dgist.ac.kr)

김태영(kt9393@dgist.ac.kr)

김정은(wjddms0114@dgist.ac.kr)

김진(kjin0830@dgist.ac.kr)