지능형 데이터 전문 기업 누리아이디티(대표 배성진)는 6월 8일 근현대 시기에 생산된 여러 유형의 문서를 대상으로 텍스트를 자동 인식하는 '근현대 OCR' AI 프로그램을 신규 출시했다고 발표했다.
근현대 OCR은 우리나라의 근현대 시기, 구체적으로 1910 ~ 50년대 시기에 인쇄물로 간행된 문서의 글자를 자동 인식하여 디지털 텍스트로 출력해 주는 AI 기반 프로그램이다. 잡지류를 비롯해 이 시기에 간행된 근현대 문서의 주요 특징은 텍스트가 대부분 현재의 상용 한자 범위를 벗어난 어려운 한자와 지금은 쓰지 않는 다수의 옛한글이 혼용된 국한문으로 작성되어 있다는 점이다. 그리고 이 때문에 기존 OCR을 이용한 근현대 문서의 텍스트 자동 인식은 만족할 만한 결과를 얻기가 어려웠다.
근현대 OCR은 기존 OCR의 난점을 상당 부분 해결한 AI 모델이다. 이 AI 모델은 정교한 알고리즘과 대량의 데이터셋 학습을 바탕으로 근현대 시기 국한문 혼용 문서의 거의 모든 한자와 다수 옛한글을 충실히 인식해 디지털 텍스트로 출력한다. 또한 본문이 2단, 3단 등으로 조판된 이 시기 문서의 편집 형태에 따라서 조판된 영역(블록)과 그 영역 내의 문장(라인)을 식별하고, 식별한 블록과 라인별로 자동 인식한 텍스트를 출력한다. 요컨대 복잡하게 편집된 문서의 개별 블록과 라인을 사람이 읽는 순서대로 식별해 디지털 텍스트로 변환해 주는 것이다. 다만 모든 OCR의 자동 인식이 100% 정확할 수는 없는 만큼 오인식 글자가 발생할 수도 있으므로, 이에 대응해 같은 화면에서 수동으로 수정할 수 있는 기능도 제공한다.
배성진 누리IDT 대표는 “고문헌 한문 자료의 기계적 처리를 지원하는 '고문헌 AI 시스템'을 4년째 운영하면서 여러 기관과 개인 사용자들로부터 20세기 전반기에 발행된 수많은 잡지 자료가 디지털 텍스트화가 어려워 DB 구축이 지연되고 있는 실정이니 그 솔루션을 모색해 주었으면 좋겠다는 요청을 자주 받았다. 그에 부응하여 이번에 새로 개발 공개하는 '근현대 OCR'이 근현대 잡지 콘텐츠의 DB 구축과 활용에 널리 사용되기를 바란다”고 밝혔다.
누리IDT의 고문헌 AI 시스템 플랫폼에 신규 탑재되는 근현대 OCR 서비스는 간단한 회원 가입 절차를 거쳐 누구나 자유롭게 사용할 수 있다.
이원지 기자 news21g@etnews.com
