[논문]격틀사전을 활용한 존댓말 교정 프로그램

장윤정; 임리나; 이재성

문제 정의

본 논문에서는 문장에 잘못 쓰인 존댓말을 교정하는 방법을 제안하여, 사용자들이 잘못된 높임표현을 알고 그에 대해 올바르게 교정 할 수 있도록 하는 것에 의의를 둔다. 형태소 분석을 활용하여 높임표현을 탐지하고, 의존 구문 분석을 활용하여 주어와 서술어를 추출한다.
국립국어원 홈페이지[5]에서 국어지식 상담 건수는 높임법을 검색한 결과 1,130건, 높임말 426건, 높임표현 871건, 존댓말 111건(2019년 9월 7일 기준)으로 올바른 높임표현 사용에 대해 궁금해 하는 사람들이 많음을 알 수 있다. 본 논문에서는 실생활에 잘못 쓰이고 있는 높임말에 대해 올바른 표현을 알 수 있도록 사용자가 텍스트를 입력하면 잘못된 높임표현을 탐지하여 오류 정보를 제공하고, 올바른 표현을 추천하여 교정해주는 프로그램을 제공한다. 이는 격식을 갖추어야 할 문서를 검사할 때나, 한국어 높임말에 익숙하지 않은 외국인들에게 도움이 될 수 있다.
탐지된 오류는 형태소 분석 결과를 이용하여 옳은 문장으로 교체한다. 이 프로그램은 높임표현에 익숙하지 않은 사람들을 대상으로 올바른 주체 높임법을 사용할 수 있도록 도울 수 있다.

제안 방법

본 프로그램은 국립국어원 21세기 세종계획 최종 평가물로 배포된 격틀사전[12]를 사용하였다. 격틀사전 중에 명사 사전, 서술어 사전, 범주 사전을 사용하였다. 명사 사전은 해당 명사가 어떤 범주에 속하는지 정의 되어 있고, 서술어 사전은 해당 서술어에 어떤 주어가 올 수 있는 지 정의되어 있다.
해당 규칙에서 V는 VV(동사), VA(형용사)와 같은 용언들을 모두 포함한 것을, N은 NNG(일반명사), NNP(고유명사) 등의 모든 명사들을 포함한 것을 말한다. 꼬꼬마 형태소 분석기를 사용한 경우와 코모란 형태소 분석기를 사용한 경우의 알고리즘이 거의 유사하기 때문에 본 논문에서는 꼬꼬마 형태소 분석기를 사용하여 용언 원형 복원을 했을 경우만 나타내었다.
본 연구는 존칭 선어말 어미에 대한 주체 높임법에 대해서만 탐지하고 교정하며, 단문에서만 적용된다. 또한 보편적으로 인정되는 높임표현만을 적용하였으며, 국립국어원 국어지식 상담 답변을 참고하였다. 철자 오류의 교정 방법에는 딥러닝이나 통계 정보를 사용하는 방법이 보편적이지만[6], 본 연구에서는 규칙 기반을 활용한다.
본 연구는 존칭 선어말 어미에 대한 주체 높임법에 대해서만 탐지하고 교정하며, 단문에서만 적용된다. 또한 보편적으로 인정되는 높임표현만을 적용하였으며, 국립국어원 국어지식 상담 답변을 참고하였다.
이 두 가지의 문제점을 해결하기 위해 꼬꼬마 형태소 분석 결과로 존댓말이 아니라고 판단되는 문장(상태 플래그가 -1이었던 문장)을 코모란 형태소 분석기를 통해 재검사 한다. 재검사를 하는 경우는 원형으로 복원된 용언에 ‘시’라는 글자가 존재하는 경우와 격틀 사전에 없는 용언으로 복원 되는 경우이다.
형태소 분석을 활용하여 높임표현을 탐지하고, 의존 구문 분석을 활용하여 주어와 서술어를 추출한다. 추출한 주어와 서술어를 격틀 사전을 통해 관계를 파악하여 문장 내 오류를 탐지한다. 탐지된 오류는 형태소 분석 결과를 이용하여 옳은 문장으로 교체한다.
한국어 정보처리를 위한 파이썬 패키지 KoNLPy에서 제공하는 꼬꼬마(KKMA) 형태소 분석기와 코모란(Komoran) 형태소 분석기를 사용하여 형태소 분석을 한다[9]. 형태소 분석이란, 문장이 입력되면 형태소 단위로 문장을 나눈 후, 해당하는 형태소가 문장 내에서 어떤 범주에 있는 지를 태깅하는 것을 말한다.
본 논문에서는 문장에 잘못 쓰인 존댓말을 교정하는 방법을 제안하여, 사용자들이 잘못된 높임표현을 알고 그에 대해 올바르게 교정 할 수 있도록 하는 것에 의의를 둔다. 형태소 분석을 활용하여 높임표현을 탐지하고, 의존 구문 분석을 활용하여 주어와 서술어를 추출한다. 추출한 주어와 서술어를 격틀 사전을 통해 관계를 파악하여 문장 내 오류를 탐지한다.

대상 데이터

격틀에 대한 정보를 모든 서술어(혹은 서술어 역할을 할 수 있는 서술성 명사)에 대해서 모아 놓은 사전을 격틀 사전이라 한다[11]. 본 프로그램은 국립국어원 21세기 세종계획 최종 평가물로 배포된 격틀사전[12]를 사용하였다. 격틀사전 중에 명사 사전, 서술어 사전, 범주 사전을 사용하였다.
실험 데이터는 격틀 사전에 나오는 서술어에 대하여 각각 높임표현의 활용 예제 450문장을 만들어 사용하였다.<표 4>는 사용자로부터 입력된 문장이 문장 교체기를 통해 어떻게 출력될 것인지를 보여주는 예제이다.
테스트 문장은 격틀사전에 있는 서술어에 대해 네이버 국어사전[13]의 뜻을 참고하여 만들었다. 평가 데이터는 총 1680문장으로, 올바른 문장(존댓말 오류가 없는 문장) 1260문장, 존댓말 오류가 포함된 문장 420문장으로 구성하였다. 평가 측정 방법은 아래의 정확률(Precision) 식 (1)과 재현율(recall) 식 (2)를 사용하였다.

이론/모형

’라는 문장이 입력되었을 때, 꼬꼬마 형태소 분석기 기준으로 ‘손님’과 ‘커피’ 모두 일반명사이므로 (NNG)로 태그되고, ‘나오(다)’는 동사이므로(VV)가 태그된다. 또한 어떤 형태소 분석기를 사용하는지에 따라 형태소 태그가 다르므로 Korean POS tags comparison chart[10]을 참고 하였다.
문장의 구조를 파악하기 위하여 Google Cloud Natural Language API를 사용한다[8]. 문장이 입력되면 품사 단위로 품사 종류, 각 어절 간의 의존 구조, 의존 관계 레이블 레벨을 추출한다.
또한 보편적으로 인정되는 높임표현만을 적용하였으며, 국립국어원 국어지식 상담 답변을 참고하였다. 철자 오류의 교정 방법에는 딥러닝이나 통계 정보를 사용하는 방법이 보편적이지만[6], 본 연구에서는 규칙 기반을 활용한다. 오류 결정 규칙은 검사 단어와 같이 사용될 수 없는 어휘, 품사, 범주화된 사전정보 등으로 구성된다[7]
테스트 문장은 격틀사전에 있는 서술어에 대해 네이버 국어사전[13]의 뜻을 참고하여 만들었다. 평가 데이터는 총 1680문장으로, 올바른 문장(존댓말 오류가 없는 문장) 1260문장, 존댓말 오류가 포함된 문장 420문장으로 구성하였다.
평가 데이터는 총 1680문장으로, 올바른 문장(존댓말 오류가 없는 문장) 1260문장, 존댓말 오류가 포함된 문장 420문장으로 구성하였다. 평가 측정 방법은 아래의 정확률(Precision) 식 (1)과 재현율(recall) 식 (2)를 사용하였다.

성능/효과

1%이다. F1-Score를 계산한 결과는 91.1%이며, 이는 형태소 분석기를 단독으로 사용한 것보다 높은 성능을 보였다.
8% 잘못된 탐지를 하였다. 결과적으로 정확률은 89.1%, 재현율은 93.1%이다. F1-Score를 계산한 결과는 91.
<표 5>은 꼬꼬마 형태소 분석기와 코모란 형태소 분석기를 각각 사용하였을 때와 꼬꼬마 형태소 분석기와 코모란 형태소 분석기를 함께 사용하였을 때 존댓말 오류를 탐지한 결과이다. 꼬꼬마 형태소 분석기를 사용하여 오류 탐지를 했을 경우 정확률은 83.2%, 재현율은 89.5%이며, F1-Score를 계산한 결과 86.2%이다. 코모란 형태소 분석기를 사용하여 오류 탐지를 했을 경우 정확률은 76.
꼬꼬마 형태소 분석기와 코모란 형태소 분석기를 함께 사용하여 오류 탐지를 했을 경우 잘못된 문장에서는 총 420개 중 391개의 문장에서 존댓말 오류를 탐지하여 93.1%의 성공률을 보였으며, 올바른 문장의 경우 총 1260개 중 48개의 문장을 잘못 탐지하여 3.8% 잘못된 탐지를 하였다. 결과적으로 정확률은 89.
2%이다. 코모란 형태소 분석기를 사용하여 오류 탐지를 했을 경우 정확률은 76.7%, 재현율은 87.9%이며, F1-Score를 계산한 결과는 81.9%이다.

후속연구

향후에는 문장교체기에서 사용하는 기존의 규칙 기반 기법에서 딥러닝을 활용한 기법으로 교체하는 것을 계획하고 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

격틀사전을 활용한 존댓말 교정 프로그램
Honorific Correction Program Using Case Frame Dictionary 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

격틀사전을 활용한 존댓말 교정 프로그램 Honorific Correction Program Using Case Frame Dictionary 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

격틀사전을 활용한 존댓말 교정 프로그램
Honorific Correction Program Using Case Frame Dictionary 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper