本发明涉及一种基于聊天机器人的云管理系统及其操作方法，尤其涉及一种能够通过机器人(bot)平台实时提供交互式服务和关于故障应对方案的自动化解决方案的基于聊天机器人的云管理系统及其操作方法。
背景技术：
：：聊天机器人(chatbot)服务与大数据分析，机器学习和自然语言处理技术一同接连取得飞跃性的发展，基于用户的对话内容分析推断出正确的答案并预测下一个问题以提供对话服务，进而，最近除了简单的对话服务之外，还扩展到处理诸如购物及支付等多种工作的用途。与此同时，随着云服务的活跃，开发运维(devops)、无运维(noops)等术语已经兴起很久，成为快速自动化开发、运维及与软件质量相关的新范例。devops是开发(development)与运维(operations)的合成词，表示并行及协作系统开发与运维的方式。由于devops是通过开发与运维之间的协作进行操作的方式，因此当系统操作中发生故障或发生来自客户端的附加要求事项等时很难快速解决。noops是“no”与“operation”的合成词，表示去除运维业务而尽可能消除人为引起的运维要素。因此，最近云服务正处于从devops向noops转变的趋势，以通过智能型资源管理降低运维中所消耗的成本，并基于通过此而确保的时间来忠于开发及商务。[现有技术文献][专利文献](专利文献1)韩国授权专利公报第10-0522625号(2005.10.20.公布)技术实现要素：本发明的目的在于提供一种如下的基于聊天机器人的云管理系统及其操作方法：客户端能够通过利用聊天机器人的双向通信来监视资源并操作基础设施。并且，本发明的另一目的在于提供一种如下的基于聊天机器人的云管理系统及其操作方法：能够结合通过机器学习学习到的算法与自动规则而实时提供关于客户的故障应对方案的解决方案，据此向客户端提供noops环境。本发明的技术课题并不局限于以上提及的技术课题，本领域技术人员可通过下文中的记载明确理解尚未提及的其他技术问题。用于达成上述目的的根据本发明的一实施例的基于聊天机器人的云管理系统的特征在于，包括：接口，通过多个接入信道接收来自客户端的询问，并将对应于所接收的询问而生成的响应传递至客户端；聊天机器人引擎，基于预先学习的对话学习模型及对话知识上下文执行关于所述询问的响应处理，当从所述询问发生请求事件时输出事件发生信息；以及处理引擎，若从所述聊天机器人引擎接收到事件发生信息，则掌握发生所述请求事件的基础设施的故障发生状况，并基于预先学习的故障模型及故障处理规则生成对应于所述故障发生状况的故障应对方案，进而将故障应对方案提供至所述聊天机器人引擎。其特征在于，所述聊天机器人引擎包括：数据库(db)，存储有通过学习模块的机器学习生成的所述对话学习模型及对话知识上下文；语言处理模块，分析所述询问并提取对话信息；第一人工智能(ai)模块，基于所述对话学习模型及对话知识上下文提取与提取的所述对话信息对应的对话知识，并基于提取的所述对话知识生成关于所述询问的响应。其特征在于，所述第一人工智能模块基于所述对话知识判断是否发生所述请求事件，若确认为发生了所述请求事件，则向所述处理引擎发送事件发生信息。其特征在于，所述请求事件是故障处理请求事件。其特征在于，所述处理引擎包括：数据库(db)，存储有通过学习模块的机器学习生成的故障模型及预先定义的故障处理规则；以及第二人工智能(ai)模块，若从所述聊天机器人引擎接收到事件发生信息，则基于所述事件发生信息掌握所述基础设施的故障发生状况，基于预先学习的所述故障模型及故障处理规则生成与所述基础设施的故障发生状况对应的故障应对方案，进而将故障应对方案发送至所述聊天机器人引擎。其特征在于，所述第一人工智能(ai)模块生成与由所述第二人工智能(ai)模块生成的所述基础设施的故障应对方案相对应的响应而输出至所述基础设施。其特征在于，所述处理引擎还包括：管理模块，管理所述基础设施的信息，并监视从所述基础设施收集的故障处理明细信息。其特征在于，所述管理模块提取对应于所述基础设施的故障应对方案的模板而反映于所述基础设施。用于达成上述目的的根据本发明的一实施例的基于聊天机器人的云管理系统的操作方法，其特征在于，包括如下步骤：通过多个接入信道接收来自客户端的询问；基于预先学习的对话学习模型及对话知识上下文执行关于所述询问的响应处理；从接收到的所述询问判断是否发生请求事件，当发生请求事件时，掌握发生所述请求事件的基础设施的故障发生状况，并基于预先学习的故障模型及故障处理规则生成对应于所述故障发生状况的故障应对方案；以及生成对应于所述故障应对方案的响应，进而将所述响应提供至所述客户端。根据本发明，具有如下效果：客户端能够通过利用聊天机器人的双向通信来监视资源并操作基础设施，据此能够向客户端提供noops环境。并且，根据本发明，具有如下效果：能够结合通过机器学习学习到的算法与自动规则而实时提供客户的关于故障应对方案的解决方案。附图说明图1是图示根据本发明的一实施例的基于聊天机器人的云管理系统的构成的图。图2是图示关于图1的聊天机器人引擎的细部构成的图。图3是图示关于图1的处理引擎的细部构成的图。图4及图5是图示关于根据本发明的一实施例的基于聊天机器人的云管理系统的操作方法的工作流程的图。符号说明10：客户端20：基础设施100：云管理系统110：接口130：聊天机器人引擎131：语言处理模块132：第一控制模块133：第一人工智能模块134、153：学习模块135：上下文管理模块136、155：数据库150：处理引擎151：第二控制模块152：第二人工智能模块154：管理模块具体实施方式以下，通过示意性的附图对本发明的一部分实施例进行详细的说明。需要注意的是，在对各附图的构成要素标记附图符号的过程中，对于相同的构成要素而言，即使显示在不同的附图上也使其具有相同的符号。并且，在对本发明的实施例进行说明的过程中，如果判断为关于相关公知构成或功能的具体说明会干扰对本发明的实施例的理解，则省略其详细说明。当对本发明的实施例的构成要素进行说明时，可以使用“第一”、“第二”、“a”、“b”“(a)”、“(b)”等术语。这样的术语仅用于将这些构成要素区分于其他构成要素，这些术语并不限定相应构成要素的本质或者次序或顺序等。并且，只要没有不同的定义，则包括技术术语或科学术语在内，在此使用的所有术语具有与在本发明所属
技术领域：
：中具有普通知识的技术人员通常理解的含义相同的含义。与通常使用的字典中所定义的含义相同的术语应该解释为具有与相关技术的上下文所具有的含义一致的含义，除非本本申请有明确定义，否则不应被解释为理想或过于形式上的含义。图1是图示根据本发明的一实施例的基于聊天机器人的云管理系统的构成的图。参照图1，根据本发明的一实施例的基于聊天机器人的云管理系统100可以包括接口(i/f)110、聊天机器人引擎130及处理引擎150。接口110起到通过多个信道接收来自客户端10的询问，并将对应于所接收的询问而生成的响应传递至客户端10的作用。在此，客户端10可以包括通过有线或无线通信连接于提供云服务的基础设施(例如，aws、azure、idc等)20而接收云服务的电子装置。并且，客户端10可以通过有线或无线通信连接于云管理系统100。作为一例，电子装置可以包括台式电脑(desktop)、膝上型电脑(laptop)、笔记本(notebook)、平板(tablet)个人计算机(pc)，智能电话和/或个人数字助理(pda)等。在此，电子装置可以设置有与云管理系统100联动的应用程序。接口110支持客户端10与云管理系统100之间的接入信道。在此，接入信道可以相当于信使、网络(web)和/或短消息服务(sms)等。当然，被接口110支持的接入信道形态并不限定于任何一种，除此之外显然能够支持能够与客户端10收发对话信息的形态的多种接入信道。若聊天机器人引擎130通过接口110接收到来自客户端10的询问，则分析对应于接收到的询问的文本以提取对话信息。并且，聊天机器人引擎130识别所提取的对话信息，并提取与所识别的对话信息对应的对话知识。此时，聊天机器人引擎130可以基于所提取的对话知识执行针对来自客户端10的询问的响应处理。并且，聊天机器人引擎130可以从所提取的对话知识掌握请求事件的发生。若聊天机器人引擎130确认发生了请求事件，则可以向处理引擎150请求关于请求事件的处理。在此，参照图2，对聊天机器人引擎130的细部构成进行详细说明。参照图2，聊天机器人引擎130可以包括语言处理模块131、第一控制模块132、第一人工智能(ai)模块133、学习模块134、上下文管理模块135及数据库(db)136。语言处理模块131起到分析通过接口110接收的来自客户端10的询问并提取对话信息的作用。在此，语言处理模块131可以通过对文本形态的询问执行语法分析来提取对话信息。并且，语言处理模块131也可以将语音形态的询问转换为文本形态，并对转换为文本形态的询问执行语法分析来提取对话信息。在这种情况下，语言处理模块131可以包括识别语音形态的询问的模块以及将语音识别结果处理为第一ai模块133能够识别的自然语言形态的模块。并且，语言处理模块131还可以包括将第一ai模块133的响应合成为句子的模块以及将合成的句子进行语音合成并输出的模块。第一控制模块132将由语言处理模块131提取的对话信息传递至第一ai模块133。第一ai模块133联动于学习模块134和/或上下文管理模块135而进行工作。第一ai模块133基于由学习模块134生成的对话学习模型和/或由上下文管理模块135管理的对话知识上下文提取与由语言处理模块131提取的对话信息对应的对话知识。第一ai模块133基于提取的对话知识生成响应。接着，第一控制模块132将由第一ai模块133生成的响应传递至语言处理模块131，语言处理模块131将从第一控制模块132传递的响应转换为能够向客户端10提供的形态，进而发送至接口110。在此，第一ai模块133能够从由语言处理模块131提取的对话知识判断是否发生了客户端10的请求事件。请求事件可以是故障处理请求事件。当发生客户端10的请求事件时，第一ai模块133将事件发生信息发送至处理引擎150。在此，事件发生信息可以包括告知请求事件发生的信息以及从接口110提取的对话知识。接着，处理引擎150可以生成关于请求事件的应对方案(countermeasures)。若第一ai模块133从处理引擎150接收到关于请求事件的应对方案，则生成针对接收到的应对方案的响应。接着，第一控制模块132将由第一ai模块133生成的响应传递至语言处理模块131，语言处理模块131将从第一控制模块132传递的响应转换为能够向客户端10提供的形态，进而通过接口110发送。学习模块134基于客户端10与聊天机器人引擎130之间的对话内容执行机器学习(machinelearning)而生成对话学习模型，并将生成的对话学习模型存储于数据库136。存储于数据库136的会话学习模型可以在第一ai模块133提取对话知识时利用。上下文管理模块135执行将对应于多个询问的响应和/或处理模式等所定义的对话上下文存储于数据库136并进行管理的功能。上下文管理模块135可以对存储于数据库136的对话知识上下文进行管理，当具有来自第一ai模块133的其他的请求时，调用与对话信息相关联的一个以上对话知识上下文并提供至第一ai模块133。数据库136可以存储聊天机器人引擎130工作时所需的数据和/或算法等。在此，数据库136可以包括诸如随机存取存储器(ram：randomaccessmemory)、静态随机存取存储器(sram：staticrandomaccessmemory)、只读存储器(rom：read-onlymemory)、可编程只读存储器(prom：programmableread-onlymemory)、电可擦除可编程只读存储器(eeprom：electricallyerasableprogrammableread-onlymemory)等存储介质。在图2中，虽然图示了实现为数据库136包含于聊天机器人引擎130的形态，然而数据库136也可以实现为与聊天机器人引擎130独立配备而联动于聊天机器人引擎130。若处理引擎150从聊天机器人引擎130接收到事件发生信息，则基于接收到的事件发生信息掌握当前状况。作为一例，处理引擎150可以基于事件发生中所包含的对话知识掌握基础设施20的故障发生状况。接着，处理引擎150可以基于预先定义的故障处理规则和/或预先学习的故障模型生成针对发生请求事件的状况的应对方案，并将生成的应对方案发送至聊天机器人引擎130。参照图3，对关于处理引擎150的细部构成进行更详细的说明。参照图3，处理引擎150可以包括第二控制模块151、第二ai模块152、学习模块153、管理模块154及数据库(db)155。第二控制模块151在预定的周期或者发生特定事件时收集基础设施20的性能信息、故障信息和/或故障应对明细信息，并存储于数据库155。此时，学习模块153基于存储于数据库155的基础设施20的性能信息、故障信息和/或故障应对明细信息等执行机器学习(machinelearning)，并生成用于导出故障应对方案的故障模型。生成的故障模型可以存储于数据库155。并且，第二控制模块151可以预先定义根据多个请求事件发生状况的处理规则，并将定义的处理规则存储于数据库155。此时，第二控制模块151也可以从外部系统接收根据各个请求事件发生状况的处理规则并存储于数据库155。作为一例，第二控制模块151可以将根据多种故障发生状况的故障处理规则存储于数据库155。另外，管理模块154将各基础设施20的信息存储于数据库155并进行管理。此时，管理模块154可以按各个基础设施20区分管理根据故障发生状况的故障模型和/或故障处理规则。并且，管理模块154可以管理与各个基础设施20的故障应对方案相应的模板(template)信息。作为一例，模板可以包括执行基础设施20的操作系统(os：operatingsystem)重启作业的模板、执行基础设施20的各应用程序(application)重启作业的模板和/或执行基础设施20的自动扩缩(autoscale)作业的模板。数据库155可以存储处理引擎150工作所需的数据和/或算法等。作为一例，数据库155可以存储由学习模块153生成的故障模型，并且可以存储根据多种故障发生状况的处理规则。并且，数据库155也可以存储对应于故障应对方案的模板信息。在此，数据库155可以包括诸如随机存取存储器(ram：randomaccessmemory)、静态随机存取存储器(sram：staticrandomaccessmemory)、只读存储器(rom：read-onlymemory)、可编程只读存储器(prom：programmableread-onlymemory)、电可擦除可编程只读存储器(eeprom：electricallyerasableprogrammableread-onlymemory)等存储介质。在图3中图示了实现为数据库155包含于处理引擎150的形态。在此，数据库155也可以实现为与处理引擎150独立配备而联动于处理引擎150。另外，若第二控制模块151从聊天机器人引擎130接收到事件发生信息，则向第二ai模块152传递事件发生信息。接着，若第二ai模块152接收到事件发生信息，则基于对话知识掌握请求事件发生状况。作为一例，第二ai模块152可以基于事件发生信息中所包含的对话知识掌握基础设施20的故障发生状况。此时，第二ai模块152根据存储于数据库155的故障模型和/或故障处理规则生成关于该基础设施20的故障发生状况的故障应对方案，并将生成的故障应对方案传递至第二控制模块151。第二控制模块151将由第二ai模块152生成的故障应对方案发送至聊天机器人引擎130。因此，聊天机器人引擎130生成针对从处理引擎150的第二控制模块151接收的故障应对方案的响应，并将生成的响应提供给客户端10，从而能够实时处理关于客户端10的请求事件的响应。另外，管理模块154在提供关于特定基础设施20的故障发生状况的故障应对方案之后，感测由第二控制模块151从该基础设施20收集的故障处理明细信息。如果，在经过预定时间没有解决该基础设施20的故障发生状况的情况下，管理模块154可以从数据库155提取对应于该基础设施20的故障应对方案的模板而反映于该基础设施20。对同上所述构成的根据本发明的基于聊天机器人的云管理系统100的工作流程的更详细说明如下。图4及图5是图示关于根据本发明的基于聊天机器人的云管理系统的操作方法的工作流程的图。参照图4及图5，云管理系统100的聊天机器人引擎130通过接口110接收到来自客户端10的询问(s110)，则对接收到的询问进行分析(s120)，提取对话信息(s130)。在此，当询问为文本形态时，聊天机器人引擎130对该文本进行区分分析而提取对话信息。另外，当询问为语音形态时，聊天机器人引擎130可以通过语音识别将询问转换为文本形态，对转换后的文本进行区分分析而提取对话信息。之后，聊天机器人引擎130调用预先学习而存储于数据库136的对话学习模型和/或对话知识上下文，基于调用的对话学习模型和/或对话知识上下文提取与在步骤“s130”中提取的对话信息相对应的对话知识(s140)。此时，聊天机器人引擎130从在步骤“s140”中提取的对话知识判断是否发生了客户端10的请求事件(s150)。在此，客户端10的请求事件可以是特定基础设施20的故障处理请求事件。若在步骤“s150”中确认为请求事件未发生，则聊天机器人引擎130基于在步骤“s140”中提取的对话知识对客户端10进行响应处理(s160)。以这样的方式，聊天机器人引擎130可以反复执行步骤“s110”至“s160”。另外，当在步骤“s140”中提取的对话知识是关于特定基础设施20的故障解决的对话知识时，聊天机器人引擎130判断为发生了请求事件，进而向处理引擎150发送事件发生信息。接着，处理引擎150基于从聊天机器人引擎接收到的事件发生信息执行图5的(a)以后的步骤。处理引擎150基于从聊天机器人引擎130接收到的事件发生信息掌握故障发生状况(s210)。之后，处理引擎150调用预先学习而存储于数据库155的故障模型和/或故障处理规则，基于调用的故障模型和/或故障处理规则生成与在步骤“s210”中掌握的故障发生状况相对应的故障应对方案(s220)。处理引擎150将在步骤“s220”中生成的故障应对方案发送至聊天机器人引擎130。接着，聊天机器人引擎130基于在步骤“s220”中生成的故障应对方案对客户端10进行对应于请求事件的响应处理(s230)。之后，处理引擎150监视从该基础设施20收集的故障处理明细信息。在经过预定时间没有解决该基础设施20的故障发生状况的情况下，处理引擎150可以从数据库155提取对应于该基础设施20的故障应对方案的模板(s240)，进而反映到该基础设施20(s250)。处理引擎150也可以基于从该基础设施20收集的信息针对故障处理明细进行评价。在此，处理引擎150可以通过聊天机器人引擎130确认处理明细，并通过与通过聊天机器人引擎130确认的处理明细相应的模板自动连接到服务器，并执行评价。此时，评价可以基于通过机器学习获得的结果，例如，基础设施的性能信息、基础设施的警报和/或故障信息、处理基础设施的警报和/或故障的模板的执行信息等执行。同上所述工作的根据本实施例的基于聊天机器人的云管理系统100可以由包括存储器及处理各操作的处理器的独立的硬件装置形态实现，也可以由诸如微处理器或通用计算机系统等其他硬件装置中所包含的形态实现。并且，根据本实施例的基于聊天机器人的云管理系统100的聊天机器人引擎130、处理引擎150及包含于各个引擎中的各个模块可以由一个以上的处理器(processor)实现。以上的说明仅用于示意性说明本发明的技术思想，但凡是在本发明所属
技术领域：
：中具备普通知识的人员，即可在不脱离本发明的本质特性的范围内进行多种修改及变形。因此，本发明所公开的实施例仅用于说明本发明的技术思想，而并不用于限定本发明的技术思想，本发明的技术思想的范围并不限定于这些实施例。本发明的保护范围应该通过权利要求的保护范围进行解释，应该解释为与其等同范围内的全部技术思想均包含于本发明的权利要求范围内。当前第1页12当前第1页12