내부 원리 · 형태

형태 분석

분석 방향

하나의 검색 질의 atom은 표제어와 선택적 품사로 구성됩니다. 사전에서 이 입력과 호환되는 분석을 찾습니다. 각 분석은 anchor, core span, 조사·어미 소비 상태, 경계 조건과 생성 근거를 가진 CandidateProgram으로 컴파일됩니다.

말뭉치에서는 anchor가 있는 위치만 프로그램으로 검증합니다. 관찰한 모든 token을 분석하는 방식과 처리 범위가 다릅니다. kfind는 전체 문장의 형태소열 대신 질의에서 도달 가능한 표면형의 span과 provenance를 반환합니다.

사전 계층

Core 형태 사전은 핵심 불규칙, 품사 중의성, 기능어와 표면형 예외를 담습니다. Enriched 계층에는 고정된 국립국어원 사전 snapshot이 함께 뒷받침하는 활용·파생 관계만 보존합니다. Full POS lexicon은 자동 품사 후보와 세부 품사를 제공하고, user lexicon은 프로젝트 용어와 교체 규칙을 추가합니다.

같은 표제어에 여러 분석이 있으면 하나를 임의로 선택하지 않습니다. 실행 조건이 같으면 프로그램을 합치되 모든 품사와 규칙 provenance를 유지합니다. 사용자가 coarse POS를 명시하면 noun, verb 같은 범주에 속하지만 누락된 세부 품사를 보완 분석으로 채웁니다.

조사와 이형태

체언은 표면형마다 모든 조사 조합을 열거하지 않습니다. Core를 찾은 뒤 verifier가 남은 suffix를 조사 전이로 읽습니다. 받침이 없으면 는·가·를·로, 받침이 있으면 은·이·을·으로를 선택합니다. ㄹ 받침 뒤의 로처럼 별도 음운 조건도 처리합니다.

학교 + 에서 + 는  → 학교에서는
길 + 으로       → 길로
집 + 로         → 거부

조사 연쇄는 등록된 전이만 허용합니다. 완성된 조사 뒤에 임의 문자열을 이어 붙이지 않으며 smart와 token은 소비가 끝난 token 경계를 확인합니다.

어미와 선어말어미

용언 프로그램은 어간 교체와 어미 연쇄를 분리합니다. 선어말어미는 종결·연결 어미 앞에서 시제, 높임과 추측을 나타냅니다. 예를 들어 먹었겠지만은 먹/VV + 었/EP + 겠/EP + 지만/EC로 분석됩니다. kfind는 었과 겠을 typed consumption 상태로 보존한 뒤 허용된 지만으로 token을 닫습니다.

현재 평서형 -ㄴ다/-는다, 관형형 -는/-ㄴ/-을, 명사형 -기/-ㅁ, 연결형 -고/-면/-니/-려고와 지정된 후속 어미를 지원합니다. 문법적으로 가능해 보이더라도 규칙 데이터에 없는 연쇄는 만들지 않습니다.

불규칙 활용과 축약

사전 entry는 적용할 교체 분류를 제공하고 generator는 이를 어미의 음운 환경과 결합합니다. 걷다의 ㄷ 불규칙은 모음 시작 어미 앞에서 걷 + 어 → 걸어를 만들고, 돕다의 ㅂ 불규칙은 돕 + 아 → 도와를 만듭니다. 모르다 → 몰라, 낫다 → 나아, 파랗다 → 파란도 같은 방식으로 어휘 분류와 공통 어미 규칙을 합성합니다.

보아 → 봐, 주어 → 줘 같은 축약은 한글 음절의 초성·중성·종성을 분해한 뒤 허용된 결합으로 다시 조합합니다. 규칙형과 불규칙형 분석이 모두 가능한 표제어는 두 프로그램을 보존해 재현율을 유지합니다.

파생과 복합 구조

inflection은 품사를 유지하는 활용을 포함합니다. derivation은 등록된 접미사로 새 품사를 만드는 표면형까지 포함합니다. 안정 + 하 + 다, 잠식 + 당하 + 기처럼 명사·어근과 파생 접미사가 이어지는 경로는 원문 구성 요소의 품사와 span이 완성될 때만 승인합니다.

보조용언과 합성용언 내부 검색도 같은 제약을 사용합니다. 들어가다의 가다는 선행 용언과 연결 어미가 token 왼쪽부터 이어져야 하지만, 친구가의 조사 가는 동사 후보가 될 수 없습니다.

합성명사 원문이 조사 host 전체의 구성 요소를 선언하고 같은 span의 독립 분석이 없으면 그 분해를 사용합니다. 물/NNG + 줄기/NNG + 는/JX의 물은 검색하지만, 독립 산길/NNG 분석과 경쟁하는 별도 분해의 길은 검색하지 않습니다.

생성 프로그램이 남긴 보조용언 연쇄를 리소스로 보완하려면 연결 어미 뒤의 VX + E* 경로가 완성되어야 합니다. 다음 조건 중 하나를 만족할 때 원문 경로를 사용합니다.

• 연결 어미가 core 바깥에 있습니다.
• 축약된 core의 정확한 분석이 모두 용언입니다.
• 질의 품사와 호환되는 단일 용언 원문 edge가 core보다 길고, 뒤의 어미 경로가 완결됩니다.
• token 전체에 용언 + EC + VX + E+의 정확한 분석이 있습니다.
• 결과 변화를 나타내는 -아/어지다 계열입니다.

이 조건은 빼놓을, 생겨났던, 극심해지겠지만을 유지하면서 중의적인 해만으로 해가며를 확장하지 않습니다.

국소 구조 판정

smart는 anchor 주변의 제한된 token만 compact 구성 요소 리소스로 해독합니다. 질의가 요구하는 품사열, 구성 요소 span, continuation과 인접 token 조건을 StructuralConstraint로 비교합니다. 의미를 추정하지 않고 관찰 가능한 형태 구조만 사용합니다.

일반 분석기처럼 말뭉치 전체를 tokenization하지 않으므로 큰 파일도 byte 검색 경로를 유지합니다. 원문이 증명한 내부 성분과 조사·어미 경계를 사용해 단순 부분 문자열 검색보다 정밀한 후보를 반환합니다.

조사로 끝나는 체언에서는 정확한 전체 체언 경로를 먼저 선택합니다. 산길을의 대안 분해에만 있는 길은 거부하고, 전체 분석이 선언한 자본주의의 주의 구성 요소는 유지합니다.