딥러닝 基盤의 諺簡 資料 文字 判讀機 具現에 對한 硏究 –<秋史 諺簡>을 對象으로– (Character Decipherer for Korean Letters Based on Deep-Learning: Chusa’s Korean Letters)

서지정보

· 발행기관 : 한국어문교육연구회
· 수록지 정보 : 어문연구(語文硏究) / 50권 / 3호 / 105 ~ 133페이지
· 저자명 : 이홍구

초록

본 연구의 목적은 딥러닝(Deep-learning) 기술을 이용해 諺簡 資料에 대한 문자 判讀機를 구현해 보는 것에 있다. 구체적으로는 컴퓨터에게 ‘字體’의 특징을 학습시키는 방식을 이용하였다. 다만, 모든 자료에 대해 적용하기에는 시간과 인력의 제약이 있으므로, <秋史 諺簡> 일부만을 데이터베이스화하여 실현 가능성과 효용을 입증해 보았다.
判讀機 구현을 위해 딥러닝에서 이미지 인식에 주로 사용되는 Convolutional Neural Network(CNN) 기술을 이용하였으며, 부족한 데이터를 충당하기 위해 몇 가지 데이터 생성과 증강 기법을 이용하였다. 만들어진 모델은 test 데이터에 대해 top1-88.72%, top5-97.63%의 인식률을 보였다. 이를 토대로 개별 문자 이미지를 입력하면 가장 높은 확률을 보이는 값을 출력해 주는 判讀機를 구현하였다.
이렇게 만들어진 判讀機의 활용 방법을 예시하고 효용을 검증하기 위해 <秋史 諺簡> 11에 적용해 보았다. 이 과정에서 해당 문자가 무엇인지 적절하게 맞추는 모습을 볼 수 있었으며, 이외에 가능한 판독안의 목록도 제시해 주는 모습을 볼 수 있었다. 본 判讀機는 字體를 고려해 명시적인 확률값을 계산해 줄 수 있기 때문에 판독에 있어 객관적인 증거로 활용될 수 있을 것으로 보인다.

영어초록

This paper aims to implement a character decipherer for Korean letters, using deep learning technology. Specifically, a method was used which teaches the characteristics of the ‘shape of letters’ to computers. However, because data is limited by time constraints and human ability, only a part of Chusa’s Korean letters was converted into a database, to prove its feasibility and utility.
The study utilized convolutional neural networks (CNN) techniques, which are mainly used for image recognition in deep learning. Several data generation and augmentation techniques were also used to compensate for insufficient data. The produced model showed the correct answer rate of the top 1-88.72%, in addition to the top 5-97.63% for the test data. Based on this model, a character decipherer analyzes individual character images. It then calculates possible characters and outputs the value showing the highest probability.
In order to illustrate this method and verify its utility, we applied the decipherer to Chusa’s Korean letter 11. Basic performance was confirmed by applying it to areas where there was no disagreement during the decipherment. Furthermore, the decipherer was able to identify small differences and present possible alternatives. We also confirmed that, when we applied the method to areas of decipherment disagreement, it presented a significant basis for judgment. Because the decipherer is able to calculate the probability value by considering the character itself, this method can likely be used as objective evidence.

참고자료

· 없음