한국전쟁과 관련하여 다양한 역사 자료와 기록물이 존재하고 이러한 자료들을 효과적으로 관리하고 활용 분야를 넓히고자 하는 연구가 활발하게 진행되고 있다. 특히 고급 인공지능 기술 중 하나인 지식 그래프는 기록물을 효과적으로 관리하고 분석하기 위해 유용하게 쓰이며 활용할 수 있는 분야가 매우 넓은 기술이다. 본 논문은 딥러닝을 이용하여 한국전쟁 역사 자료에서 정보를 추출하고, 상호연결된 정보를 지식 그래프로 시각화할 수 있는 효과적인 방법을 제안한다. 본 논문에서 설계한 딥러닝 모델은 전투명, 부대명, 무기명, 인명 등의 태그를 학습하고 이러한 태그로 분류될 수 있는 개체명을 자료에서 정확도 높게 인식하기 때문에 전쟁사 자료 연구에 매우 효과적이다. 그리고 본 연구에서 개체 간의 연관성을 수학적인 확률로 수치화하였고, 개체 간의 다양한 관계를 지식 그래프에서 시각화함으로써 문맥적 정보와 역사적 정보를 직관적으로 이해할 수 있도록 하였다. 본 연구는 딥러닝 기술을 활용해 관련된 지식을 추출하고 온톨로지 구축을 통해 이들을 연결하여 상호작용하는 모습을 파악함으로써 한국 역사 연구에 새로운 시각과 관점을 제공하고자 하고 한국 역사 연구의 질적 향상에 기여하고자 한다.
In the context of the Korean War, a multitude of historical documents and records are available, prompting ongoing research efforts to effectively manage and expand the utilization of these valuable materials. Among the advanced artificial intelligence techniques, the knowledge graph has proved as a powerful tool for the efficient analysis and management of collected data from various sources, offering diverse potential applications. This paper introduces an effective approach using deep learning techniques to extract knowledge from Korean War historical data and visualizing interconnected knowledge as the knowledge graph. The developed deep learning model exhibits high accuracy in named-entity recognition task, including battle names, military unit names, weapon names, and personal names, thereby making it highly effective for research on war-related historical documents. Furthermore, this study quantifies the connections between entities through conditional probabilities and visually represents diverse relationships(friendly, hostile, neutral) within the knowledge graph, facilitating an intuitive understanding of contextual and historical information. By controling deep learning techniques to extract relevant knowledge and establish connections through ontology construction, this paper aims to present new perspectives and insights in Korean historical research, contributing to the qualitative advancement of the field.
