옛한글 형태소 사전 구축을 위한 기법 연구

강남오; 김재호

doi:10.34163/jkits.2021.16.6.018

추천

검색

자료유형: 학술저널

저자정보: 강남오 (계명대학교) 김재호 (강릉원주대학교)

저널정보: 한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제16권 제6호

발행연도: 2021.12

수록면: 1,305 - 1,313 (9page)

DOI: 10.34163/jkits.2021.16.6.018

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

자연어로 작성된 자료의 형태소 분석은 해당 자료의 구문 분석과 의미 분석을 위한 정보를 제공한다. 그리고 이는 정보 검색, 기계 번역, 그리고 감성 분석과 같은 자연어 처리 기반의 각종 응용 시스템을 구축하는데 필수적으로 요구되는 작업이다. 그런 이유로, 현대 한국어로 작성된 자료들을 처리하기 위해 많은 형태소 분석기와 형태소 사전이 구축되어서 산업계와 학계에서 사용되고 있다. 하지만 옛한글로 작성된 자료 처리의 수요가 제한되어져 있는 이유로 옛한글 형태소 분석기와 형태소 사전의 개발은 아직도 이루어지지 않고 있다. 특히 한국어가 가진 변형의 복잡성으로 인해 옛한글 형태소 사전의 구축은 많은 시간과 노력이 드는 어려운 작업으로 알려져 있다. 이러한 문제를 해결하기 위해, 본 연구에서는 옛한글-현대한글 병렬자료, 현대어 형태소 분석기 그리고 현대어 형태소 사전을 이용하여 옛한글 형태소 사전을 구축하는 방법을 제안했다. 제안한 기법에서는 현대한글 자료를 현대어 형태소 분석기를 이용해서 형태소 분석을 수행한 후 산출된 현대한글 형태소를 옛한글 자료에서 유사도 측정을 통해 검색한다. 만약 형태소가 발견될 경우 현대한글 형태소에 대응되는 옛한글 형태소를 옛한글 형태소 사전에 등록한다. 이러한 작업에서 옛한글과 현대한글의 글자 표기 차이는 유사도 측정을 어렵게 한다. 본 논문에서 우리는 편집거리와 자모 변환 규칙 테이블을 이용하여 문제를 해결하는 방법을 제시했다. 옛한글 홍길동전으로 실험한 결과 78.3%의 형태소를 자동으로 추출함을 보여주었다.

Morphological analysis of document written in a natural language provides information for syntactic analyzing and semantic analyzing of them, which is essential process to construct various applications based on natural language process such as information retrieval, machine translation, and semantic analysis. For that reason, many morphological analyzers and morphological dictionaries for processing document written in modern korean have been constructed and have been used in industry and academia. However, since the necessary of processing documents written in old-korean is limited, morphological analyzer and morphological dictionary for old-korean has not been developed yet. Especially, constructing a old-korean morphological dictionary is known as a difficult task that takes a lot of time and effort because of the complex transformation of korean language. To solve the problem, in this paper we devise a technique to construct a old-korean morphological dictionary by using old-modern korean parallel documents and modern korean morphological analyzer and modern korean morphological dictionary. In the proposed technique, after morphological analyzing a document written in modern-korean, a produced modern-korean morphology is searched in a parallel document written in old-korean by using similarity measure. And if a old-korean morphology corresponding the modern-korean morphology is found, the morphology is registered in a old-korean morphological dictionary. In the process, the difference of writing a character between modern-koran and old-korean makes it difficult to measure similarity. In this paper, we showed a method that solves the problem by using Levenshtein distance and consonant-vowel transformation table. The result of conducting an experiment with Hong Gildong jeon written in old-korean showed that 78.3% of old-korean morphologies were extracted automatically.

#Korean morphological analyzer #Old-Korean morphological dictionary #Modern Korean-Old Korean parallel corpora #Natural Language Processing #Levenshtein distance

참고문헌 (16)

참고문헌 신청

N. Kang / 2021 / A study of constructing morphological dictionary for old-korean language / Proceedings of Conference on Knowledge Information Technology and Systems 15(1)

Nori Korean Morphological Analyzer

M. Kim / 2016 / The POS elderly: semi-automatic annotation tool for historical korean / Proceedings of the 28th Annual Conference on Human and Cognitive Language Technology :39~43

김진해 / 2009 / 歷史資料 형태분석 프로그램 개발의 國語學的意義와 活用硏究－活字本古小說을 중심으로－ / 어문연구(語文硏究) 37(4):137~162

강남준 / 2010 / 독립신문 논설의 형태 주석 말뭉치를 활용한 논설 저자 판별 연구 －어미 사용빈도 분석을 중심으로－ / 한국사전학 (15):73~101

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

강남오

소속기관 계명대학교

주요연구분야 복합학 > 학제간연구

논문수 6 이용수 23

김재호

소속기관 강릉원주대학교

주요연구분야 인문학 > 인문학 일반 복합학 > 학제간연구

논문수 9 이용수 149

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)