20세기 전반기 한국어 텍스트의 자동 분류 연구* : 1920-1939년 한국학 관련 신문 기사를 중심으로 = Text Classification of Early 20th Century Korean: Focusing on newspaper articles related to Korean Studies from 1920 to 1939

다국어 초록 (Multilingual Abstract)

In this study, two experiments were conducted to classify articles related to Korean Studies from Korean newspaper articles from 1920 to 1939. In the first experiment, the performance of a classification model trained on 1920s, 1930s, and 1920s-1930s data was evaluated, and the findings showed that the use of pre-processing method converting Chinese characters to Hangul and the character n-gram led to relatively high performance. In the second experiment, the top-performing models from each period were employed to classify data from various sub-periods. The results confirm that the model trained on 1920s and 1930s data is the best performing general-purpose model for most sub-periods.

국문 초록 (Abstract)

본 연구에서는 1920년부터 1939년까지의 한국어 신문 기사에서 한국학 관련기사를 분류하기 위한 두 가지 실험을 진행하였다. 첫 번째 실험에서는 1920년대, 1930년대, 1920년대-1930년대 자료를 학습한 분류 모델을 만들어 성능을평가하였는데 한자를 한글로 변환한 전처리 방식과 문자 기반의 n-gram 자질을사용했을 때 비교적 높은 성능을 보였다. 두 번째 실험에서는 시기별로 가장 높은 성능을 보이는 모델을 이용해 여러 하위 시기의 자료를 분류해 본 결과1920-1930년대 자료를 학습한 모델이 대부분의 시기에서 가장 높은 성능을 발휘하는 범용 모델임을 확인할 수 있었다