Prompt Engineering for Korean OCR Error Correction and Text Damage Restoration

Q: 이 논문에서 정의한 프롬프트 엔지니어링이란 무엇인가?

프롬프트 엔지니어링은 초거대 언어 모델의 성능을 효율적으로 활용하기 위해 특정 역할 부여, 지식 기반 활용, 단계적 사고 유도 등의 기법을 적용하여 언어 모델의 응답 품질을 향상시키는 방법론이다. 이는 소량의 예시만으로도 모델의 오류 교정 성능을 개선할 수 있다.

Q: 초거대 언어 모델과 프롬프트 엔지니어링을 활용한 한글 OCR 오류 교정 성능은 얼마나 향상되는가?

연구 결과, 초거대 언어 모델에 프롬프트 엔지니어링 기법을 적용하면 기본 프롬프트 대비 OCR 오류 교정 정확도가 최대 18.18% 향상된다. 특히 텍스트 손상 복원에서 21.6%, 띄어쓰기 오류 교정에서 17.26%의 정확도 개선이 확인되어, 한글 OCR 후처리에 효과적이다.

박수현; 이효진; 최성필

doi:10.5626/JOK.2025.52.11.940

추천

검색

질문

자료유형: 학술저널

저자정보: 박수현 (경기대학교) 이효진 (경기대학교) 최성필 (경기대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.52 No.11

발행연도: 2025.11

수록면: 940 - 947 (8page)

DOI: 10.5626/JOK.2025.52.11.940

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

광학 문자 인식(OCR)은 이미지 내 텍스트를 기계가 읽을 수 있도록 변환하는 기술로, 문서 관리가 중요한 산업에서 널리 활용된다. 그러나 한글은 자모가 결합된 복잡한 구조로 인해 인식 정확도가 낮으며, 이를 개선하려면 11,172개의 완성형 글자를 포함하는 방대한 데이터셋이 필요하다. 또한, 띄어쓰기, 맞춤법 오류뿐만 아니라 문자 왜곡과 손상 등의 오류 패턴이 존재해 기존 맞춤법 검사 모델을 활용한 후처리가 어렵다. 이를 해결하기 위해 본 논문에서는 초거대 언어 모델을 활용한 퓨샷 학습과 프롬프트 엔지니어링을 제안한다. 연구 결과, 기본 프롬프트 대비 오류 교정 정확도가 최대 18.18% 향상되었으며, 텍스트 손상 복원과 띄어쓰기 오류 교정에서도 각각 21.6%, 17.26%의 성능 개선이 확인되었다. 이는 적은 예시만으로도 한글 OCR 오류를 효과적으로 교정하고 손상된 텍스트를 복원할 수 있음을 입증한다.

#OCR 후처리 #한글 OCR 오류 교정 #프롬프트 엔지니어링 #초거대 언어 모델 #OCR post-processing #Korean OCR error correction #Prompt engineering #LLM

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-26-02-095595434

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)