접수과제정보
접수번호2026022919
연구요약문
연구목표
(한글 2000자 이내)
본 연구는 연구 책임자 연구팀에서 지식 재산권으로 출원한 ‘UTagger(유태거)-훈민정음 TCM’의 자연어 처리(NLP) 원천 기술과 이를 기반으로 자산화한 15-16세기 국어사 형태소 분석 말뭉치 140만 어절의 성과를 계승하여, 이를 통해 인공지능 기반 지능형 형태소 분석 엔진의 주석 정밀도(Annotation Accuracy)를 95% 이상으로 고도화함으로써 고품질 국어사 자료 형태소 분석 말뭉치 전수(21세기 세종계획에서 구축한 원시 말뭉치 1,200만 어절)를 국가적 자산화하고 이를 체계적인 온톨로지 기반 국어사 지식베이스(Knowledge Base)를 정립한다. 이를 위해서 아래 세 가지 연구 과제 목표를 설정한다. 이를 위해 다음과 같은 세 가지 세부 목표를 수행합니다.
• 지능형 역사 자료 분석 플랫폼 고도화 및 인프라 구축: 딥러닝 기반 맥락 인식 알고리즘을 결합하여 중세부터 근대 국어까지 범용 가능한 형태소 분석 엔진을 개발합니다. 6년의 연구 기간 동안 1,200만 어절 규모의 지능형 형태분석 말뭉치를 구축하고, 연구자와 대중이 손쉽게 활용할 수 있는 웹 기반 통합 분석 플랫폼(Web-UI)을 구현합니다.
• 빅데이터 기반 통시 문법 지식구조 정밀 분석 및 재정립: 대규모 말뭉치를 활용하여 시기별 문법 요소의 변천, 경쟁 및 교체 양상을 계량적으로 분석합니다. 이를 통해 조사, 어미, 문장 구성 등의 유기적 관계를 드러내는 ‘통시 문법 지식구조’를 설계하며, 기존의 직관 위주 서술에서 벗어나 데이터 기반의 귀납적 국어사 서술 모형을 제안합니다.
• 디지털 휴머니티즈(DH) 융합 연구 및 성과 공유: 공기어 네트워크 분석, 구조적 토픽 모델링(STM), 통시적 단어 임베딩 등 최신 데이터 과학 기법을 적용하여 어휘 의미의 변화를 계량적으로 탐지합니다. 구축된 데이터를 ‘오픈 사이언스’ 환경에서 공유하여 한국학 연구의 진입 장벽을 낮추고 글로벌 역사언어학 연구 거점을 확보합니다.
기대효과
(한글 2000자 이내)
본 연구의 수행은 학술적 차원은 물론 사회적, 경제적, 국가적 측면에서 광범위한 파급효과를 창출할 것으로 기대됩니다.
• 학문적 측면 – 국어학의 디지털 전환과 방법론 혁신: 1,200만 어절의 지능형 말뭉치는 한국어의 ‘디지털 헤리티지’를 공고히 하며, 주관적 해석 중심에서 데이터 기반의 과학적 연구로 국어학의 패러다임을 전환합니다. 특히 통시적 단어 임베딩 데이터는 단어의 의미 변화와 개념사를 추적하는 후속 연구의 강력한 토대가 될 것입니다.
• 사회적·국가적 측면 – K-AI 산업의 원천 데이터 확보: 현대어에 편중된 AI 학습 데이터를 중세 및 근대 국어까지 확장함으로써 고전 번역 시스템 및 역사 특화 LLM(거대언어모델) 개발을 위한 고품질 원천 데이터(Ground Truth)를 제공합니다. 이는 한국어 AI의 정밀도를 격상시키는 국가적 전략 자산이 됩니다.
• 지역적 측면 – 디지털 한국학 거점 강화: 대구·경북 지역을 중심으로 지능형 분석 플랫폼을 운영하여 해당 지역을 디지털 한국학의 메카로 성장시키고, 인문학 후속 세대에게 데이터 분석 역량을 배양하는 교육 기회를 제공하여 인문 데이터 과학 분야의 신규 일자리 창출에 기여합니다.
• 경제적·인프라 측면 – 범용적 분석 도구 보급: ‘UTagger-훈민정음’을 기반으로 한 분석 엔진은 역사학, 한문학, 문헌정보학 등 인접 학문으로 확산되어 족보, 일기 등 다양한 역사 문헌을 자동 분석하는 범용 디지털 인프라로 성장할 것입니다.
연구요약
(한글 2000자 이내)
- 연구의 배경 및 필요성
현재 국어사 문헌 분석은 여전히 연구자의 개별 역량과 수작업에 의존하는 비중이 높아, 분석의 객관성 확보와 대규모 데이터 처리에 한계가 존재한다. ‘21세기 세종계획’ 등을 통해 구축된 기존 형태분석 말뭉치는 수작업의 한계로 인해 규모가 작고 오분석 사례가 빈번하여 국가적 자산으로서의 활용성이 제한적이다. 또한, 인공지능 기술의 비약적 발전에도 불구하고 역사 자료 분야는 학습용 형태소 말뭉치가 절대적으로 부족하여 차세대 한국어 AI 모델 개발과 고전 번역 시스템 구축을 위한 고품질 원천 데이터(Ground Truth) 확보가 시급한 실정이다. - 연구의 목적 및 핵심 가치
본 연구는 연구팀이 지식재산권을 보유한 ‘UTagger-훈민정음 TCM’기술과 기구축된 15-16세기 국어사 형태소 분석 말뭉치(140만 어절) 성과를 계승한다. 최종적으로 지능형 형태소 분석 엔진의 정밀도를 95% 이상으로 고도화하고, 1,200만 어절 규모의 국어사 전수 자료를 지능형 말뭉치로 자산화함으로써 ‘디지털 헤리티지(Digital Heritage)’를 공고히 하는 데 목적이 있다. - 주요 연구 내용 및 방법론
가. 지능형 분석 플랫폼의 기술적 고도화
• 하이브리드 분석 구조: 기존의 규칙 기반(PWD) 분석과 신경망 기반 재순위화 모듈을 결합한 하이브리드 아키텍처를 도입한다.
• 도메인 적응형 사전학습(DAPT): Transformer 기반의 거대언어모델(LLM)에 역사 자료 특화 말뭉치를 추가 학습시켜 시기별·문헌별 언어 특성을 반영하고, 미등재어 및 난해 문구 처리 성능을 극대화한다. 나. 빅데이터 기반 통시 문법 지식구조 설계
• 계량적 문법 분석: 1,200만 어절의 대규모 데이터를 활용하여 소실 문자의 소멸 과정, 격조사 및 어미의 경쟁 양상(예: 명사형 어미 ‘-음’과 ‘-기’) 등을 빈도 기반 시계열 변화 분석과 로지스틱 회귀 모형으로 정밀하게 검토한다.
• 지식구조 모델링: 개별 문법 현상을 상호 연계하여 조사, 어미, 통사 구조 간의 관계와 위계를 드러내는 구조적 지식망을 설계하고, 데이터 기반의 귀납적 국어사 서술 모형을 정립한다.
다. 디지털 휴머니티즈(DH) 융합 분석 프레임워크
• 공기어 네트워크: 내용어 간의 공기 빈도를 측정하여 장르별 담화 패턴과 어휘 의미의 확장·축소를 네트워크 그래프로 시각화한다.
• 구조적 토픽 모델링(STM): 문서의 메타데이터(시기, 장르 등)를 통합 분석하여 조선시대 한글 문헌의 주제 분포 변화를 정량적으로 추적한다.
• 통시적 단어 임베딩: 벡터 공간에서의 코사인 거리(Cosine Distance) 측정을 통해 단어의 의미 변화 정도를 수치화하고, 언어 변화의 보편적 법칙인 ‘적합성의 법칙’과 ‘혁신의 법칙’을 검증한다.
- 추진 체계 및 기대 효과
본 과제는 6년에 걸쳐 ‘기반 구축(1단계)’과 ‘심화 확산(2단계)’으로 나누어 추진된다. 연구책임자 장요한(국어학)을 필두로 컴퓨터공학(자연어처리), 인문데이터과학 등 다학제적 전문가로 연구진을 구성하여 기술적 전문성과 학술적 엄밀성을 동시에 확보한다.
키워드(Keyword)
(한글 250자 이내)
역사 자료 형태소 분석, 디지털 휴머니티즈, UTagger-훈민정음, 통시 문법 지식구조, 빅데이터 국어사, 지능형 분석 플랫폼, 단어 임베딩, 구조적 토픽 모델링, 한국어 말뭉치, 오픈 사이언스.
키워드
(영어 500자 이내)
Historical Data Morphological Analysis, Digital Humanities, UTagger-Hunminjeongeum, Diachronic Grammatical Knowledge Structure, Big Data-driven Korean Linguistics, Intelligent Analysis Platform, Word Embedding, Structural Topic Modeling (STM), Korean Corpus, Open Science
닫기