3.1. 옛한글 텍스트의 코드 표준화 처리

먼저 옛한글 텍스트 활용에 있어서 반드시 선행되어야 하는 문제가 있는데 바로 옛한글 문자를 표준방식으로 통일시켜주는 것이다. 예전에는 컴퓨터로 옛한글을 표기하기 위해 PUA 코드를 사용했으나, 이 방식은 표준화된 방식이 아니었다(강남오, 김재호, 2023). 이 방식은 유니코드의 PUA(Private Use Area)라고 하는 영역을 이용해 옛한글을 완성자로 배열하고 이를 입출력하는 방식이었다(양왕성, 2018:227). 그러나 임의로 정의해서 사용하도록 되어 있는 영역을 활용한 것이기 때문에, 응용프로그램이나 구동 환경에 따라 다르게 보이는 경우가 발생하게 된다는 문제점이 있다. 다시 말해 호환성이라고 하는 것이 확보되지 않는 방식이었다. 유니코드 첫가끝 방식의 옛한글 표준이 정착되고 있는 현재로서는 옛한글을 입력할 때 PUA 방식을 더 이상 사용하지 않는 것이 바람직하다고 할 수 있지만, 아직까지 많은 데이터가 PUA로 구축되어 있다. 본 연구에서 활용하고자 하는 <신문 아카이브>의 근대 신문 텍스트자료 역시 대부분 PUA 방식으로 입력되어 있으며 국사편찬위원회 한국사데이터베이스에서 제공하는 근대 잡지 기사 텍스트의 경우에도 옛한글이 PUA 방식으로 입력되어 있다.¹)

한편 유니코드 첫가끝 방식은 초+중+종(첫소리+가운데소리+끝소리) 각 하나씩 최대 3개의 자소만으로 한글을 구성하는 방법을 옛한글을 나타낼 때도 적용할 수 있도록 한 것이다. 옛한글에만 나타나고 현대에는 쓰이지 않는 복합자소 코드들도 추가되었다.

PUA 코드의 옛한글과 첫가끝 코드의 옛한글은 양쪽 모두의 출력을 지원하는 프로그램, 예를 들어 아래아 한글과 같은 프로그램에서는 육안으로 거의 동일하게 보인다. 그러나 그렇지 않은 환경에서는 후자와 달리 전자는 출력이 되지 않거나 아예 다른 문자가 출력되어 나오는 등 글자가 깨지는 현상이 나타난다. 첫가끝의 원활한 출력을 지원하지 않는 환경도 있어 이 경우 첫가끝 코드로 입력된 문자를 붙여 넣으면 초성 중성 종성이 분리되어 나타나기도 한다. 그러나 후자의 문제는 인터페이스의 편하고 불편함의 문제일 뿐 후자가 현재 호환성을 갖는 표준 규격이라 할 수 있다. 원 텍스트의 옛한글에 PUA 코드로 표기된 것이 포함되어 있다면 우선 원활한 텍스트 가공 처리를 위해 첫가끝 방식으로 변환해줄 것이 요구된다(강남오, 김재호, 2023:14). 무엇보다 Python과 같은 언어에서 PUA로 인코딩된 완성형 옛한글을 지원하지 않아 이를 통해 데이터 가공 처리를 하려고 하면 오류가 발생하기 때문에 기존에는 대개 전처리 과정에서 수동으로 정리하는 방식을 썼던 것으로 보인다.

첫가끝 방식으로 변환하는 방법으로는 한글과컴퓨터에서 제공하는 변환기를 이용하는 것이 있고, Python에서 구동할 수 있는 모듈을 활용하여 처리할 수도 있다. 본 연구에서는 Python 모듈의 기능을 활용하여 자동 처리되도록 하였다.²⁾ 첫가끝 방식으로 바꾸어주라고 하는 단방향 작동 코드를 넣은 것이기 때문에 이미 기존 텍스트가 첫가끝 코드로 되어 있을 경우에도 문제없이 작동한다.

3.2. 옛한글 표기 어조사 등의 현대어 변환

이렇게 옛한글 입력 코드의 표준화 작업이 완료된 텍스트에서 옛한글 표기가 포함된 어조사 등의 부분이 현대 한국어 표기로 바뀌도록 일괄변환처리를 해주었다. 국한문 혼용 신문자료의 특성상 체언들은 거의 한자 표기가 되어 있고 ‘는’과 같은 어조사, ‘하여곰’과 같은 부사 등이 한글 표기가 되어 있다. ‘되앗스니’에는 옛한글이 포함되어 있지 않더라도 이 과정에서 ‘되었으니’로 가공해준다면 가독성이 한층 개선될 것이다.

찾은 문자열을 새로운 문자열로 대치(replace)시켜줄 수 있도록 했으며, 많은 전후쌍을 입력하고 이러한 찾아바꾸기의 반복 작업을 자동화하는 코드를 작성하였다. 한 번 실행시키면 코드에 입력된 전후쌍의 위에서부터 순차적으로 찾아바꾸기를 수행한다. 따라서 바꾸는 순서도 중요하다.

예를 들어 ①‘하야곰’ → ‘하여금’, ②‘하야’ → ‘하여’로 바꾸어주기 위해서는 ①→② 순서대로 되어야 하며 순서가 바뀌어 코딩되면 ‘하야곰’은 선행 찾아바꾸기의 영향으로 ‘하여곰’으로 바뀌어 있기 때문에 그보다 늦게 읽어들이는 ‘하야곰’을 ‘하여금’으로 바꾸라는 명령어를 통해 ‘하여금’으로 바뀔 수 없다. ‘하야곰’과 같은 예와 같이 음절이 긴 단어를 선행하여 바꾸어주는 것이 효율적이다.

변환 전후쌍의 작성은 『황성신문』 등의 원문들을 가지고 기초적으로 구축, 적용한 후 남는 것을 또다시 추가하는 작업의 반복을 통해 수행하였다. 이와 같은 작업을 통해 변환되지 않고 남는 예가 줄어들고 변환이 적용되는 정도가 높아진다. 본 연구에서 적용한 전후쌍을 예시로 제시하면 <표 1>과 같다.

<표 1>

변환 전후쌍 예시

현대어를 연결시키는 과정에서 판단이 어려운 경우 <신문 아카이브>에서 제공하는 순한글 신문 『독립신문』의 번역 자료가 참고가 될 수 있다. <표 1>과 같은 변환 전후쌍은 구축만 해두면 앞으로는 가공할 자료를 입력만 하면 되고 계속해서 쓸 수 있다는 장점이 있다. 그러나 이 변환 전후쌍을 추출한 근거가 된 자료와 동시대 자료에 한해 활용성이 있는 것이며 이것을 중세국어 자료 등으로 확장해서 활용하는 것이 담보되는 것이 아니라는 점은 명확히 할 필요가 있다.

이렇게 작성한 코드를 1909년 9월 24일자 『황성신문』 기사에 적용하여 가공하면 다음 [처리 전]의 텍스트가 [처리 후]와 같이 도출된다.

[어조사 등 변환 처리 전] ⊙(華族女校의 大學部)日本의 華族女學校에셔는 來九月붓터 女子大學部를 新設할 터인데 其學年을 三個年으로 하야 몬져 文學部ᄅᆞᆯ 置하고 其他 學科는 次次 增設한ᄃᆞ더라

[어조사 등 변환 처리 후] ⊙(華族女校의 大學部)日本의 華族女學校에서는 來九月부터 女子大學部를 新設할 터인데 其學年을 三個年으로 하여 몬져 文學部를 置하고 其他 學科는 次次 增設한다더라

‘몬져’와 같은 것은 ‘먼저’로 수정해주면 더욱 좋겠지만 굳이 변환쌍에 포함시키지 않아 변화가 없다. 그밖에는 매끄럽게 읽히는 문장이 된 것을 확인할 수 있다.

3.3. 한자 표기의 한글 병기 처리

위와 같이 가공한 후에 또한 별도의 Python 모듈을 활용하여 한자 표기를 한글 병기 처리해주도록 하였다. 앞에서 살펴본 1909년 9월 24일자 『황성신문』 기사를 예로 들어보면 아래와 같이 처리되어 나온다.

⊙(華族女校(화족녀교)의 大學部(대학부))日本(일본)의 華族女學校(화족녀학교)에서는 來九月(내구월)부터 女子大學部(여자대학부)를 新設(신설)할 터인데 其學年(기학년)을 三個年(삼개년)으로 하여 몬져 文學部(문학부)를 置(치)하고 其他(기타) 學科(학과)는 次次(차차) 增設(증설)한다더라

“女子大學部(여자대학부)”에서 보이는 것처럼 한글 병기 처리를 수행하는 모듈상의 기능으로 두음법칙을 자동으로 처리하도록 되어 있는 것은 유용하다. 그런데 원 데이터에 별도로 손을 대지 않은 상태에서 바로 처리한 것이기 때문에, 문맥상 분기되는 부분이라 하더라도 원 사료에 띄어쓰기 처리가 되어있지 않고 한자들이 이어지는 부분이라면 기계는 이어진 한 단어로 인식하여 두음법칙을 적용하지 않아 발음이 달라지는 문제가 있다. 예를 들면 “淸國陸軍部”의 경우 “청국륙군부”로 읽는 식이다. 이것은 원문을 내려받고 바로 처리 단계로 들어가지 않고 적절하게 띄어쓰기를 부가해주는 전처리 작업을 진행해준다면 개선될 수 있다. 그러나 띄어쓰기를 할 부분은 아니지만 형태소는 나눠지기 때문에 앞에 띄어쓰기 문자가 없더라도 두음법칙이 적용될 필요가 있는 경우가 있다. “○○여학교”의 사례가 그러할 것이다. 이것은 형태소 분석까지 함께 이루어질 때 개선이 가능한 부분으로 다음 장에서 전망으로 살펴보고자 한다.

필요에 따라 한자를 남기지 않고 한글 독음으로 대치하는 명령어 적용도 가능하다. 예를 들면 “近頃俄國에셔 大學生의 騷動이 又有하얏슴은 已報하얏거니와 去月二十八日上海에 “라는 문장이 “근경아국에서 대학생의 소동이 우유하였슴은 이보하였거니와 거월이십팔일상해에”라고 하는 식으로 출력되도록 할 수 있다. 당시 사료의 특성인 현재 쓰이지 않는 한자어 단어의 빈출, 원문 또는 그를 토대로 구축된 텍스트의 띄어쓰기가 현대어와 같지는 않은 문제 등으로 인해 의미 파악이 오히려 어려워지고 가독성도 떨어지는 것을 확인할 수 있었다.

4.1. 자동화 처리 구조와 가공 결과물 검토

본 연구의 목적은 많은 데이터를 뽑아냈을 때 처리를 자동화하는 방식을 고안하는 데 있다. 개별 건 단위라면 교수자가 직접 한자 음가를 달아주고 띄어쓰기가 필요한 곳은 분리해주는 것이 가장 정확한 결과물을 확보할 수 있는 방법이다. 그러나 본 연구는 예컨대 특정 키워드로 검색된 다량의 기사를 한꺼번에 가공하여 교양교육에 효율적으로 활용할 수 있도록 하는 것까지를 관심사에 두고 있다. <신문 아카이브>의 경우 검색 결과를 최대 100건씩 보는 것이 가능하며 선택된 기사를 csv파일로 내려받을 수 있다.

본 연구에서는 이것을 그대로 불러들여 앞 장에서의 가공 단계들을 모두 거쳐 별도의 파일로 저장될 수 있도록 고안하였다. 또한 내려받은 원 파일에는 불필요한 열들이 많아 필요한 열을 출력하도록 본 연구에서는 [제목], [한글 신문명], [발행일], [신문 주제], [본문 텍스트] 열들에 한해 출력되도록 했다. 불러온 직후 빈 셀에는 ‘원문없음’이라고 채워 넣는 처리를 하였다. 그런데 <신문 아카이브>에서 연도순으로 설정하여 검색 결과값을 정렬한 후에 데이터를 내려받더라도 그 범위로 내려받아지기는 하지만 내려받아진 csv 내에서는 발행일순으로 정렬이 되어있지 않다.^3), 따라서 가공을 거치고 저장하기 전에 각 행들을 [발행일]을 기준으로 정렬하는 처리를 하였다. 전체 과정을 구조도로 나타내면 [그림 2]와 같다.

[그림 2]

근대 국한문 혼용 텍스트 가공 처리 구조도

근대 기사 검색 결과를 내려 받은 csv 파일을 가지고 본 구조에 따라 자동 가공 처리를 한 출력 화면을 그림으로 제시하였다([그림 3] 및 [그림 4] 참조). 전체적으로 살펴보면 ‘且淸國에’가 ‘且淸國(차청국)에’로 출력되고 ‘計畫하니’가 ‘計畫(계화)하니’로 출력되는 등의 문제가 확인되기는 하지만 가독성은 크게 증대된 것을 볼 수 있다. 키워드로 검색한 후 확보되는 자료들을 이렇듯 일괄 가공 처리한 후에 사료들을 학생들에게 곧바로 소개하는 것이 가능해진다고 할 수 있다. 이렇게 구성한 자동화 코드를 프로그램으로 추출하여 학생들에게 제공하면, 직접 원하는 사료를 검색한 결과 데이터를 간단한 가공을 거쳐 학습에 참고하게 할 수 있고 나아가 학생들에게 이 사료들을 활용한 과제를 부여할 수도 있다.

[그림 3]

‘大學’으로 검색하여 내려받은 근대 신문기사의 원 데이터

[그림 4]

가공 후 생성된 파일을 열었을 때의 화면 (각각 MacOS 환경에서와 Windows 환경에서의 작동례)

한편 같은 포맷을 활용하여 국사편찬위원회 한국사데이터베이스에 구축되어 있는 <한국근현대잡지자료> 원문 자료에도 활용하여 보았다. 『대한자강회월보』 제11호(1907년 5월 25일) 기사를 가지고 위의 방식을 적용해보면 아래와 같이 가공되어 나온다.

<한국근현대잡지자료에의 적용례>

[가공 처리 전] 外交談 韓基準

(전략) 夫個人 交際에 德義와 信用을 尙치 아니하는 者ㅣ 有하면 반다시 社會의 惡評을 得하야 其 前進의 道가 阻塞하이 多有하나 至於國際하야는 此와 相反하니 卑辭厚禮도 詭譎이 自在하며 强梗手段에도 詭譎이 常存이라 夫何德義가 有하며 信用이 有하리오. (후략)

[가공 처리 후] 外交談(외교담) 韓基準(한기준)

(전략) 夫個人(부개인) 交際(교제)에 德義(덕의)와 信用(신용)을 尙(상)치 아니하는 者(자)가 有(유)하면 반다시 社會(사회)의 惡評(악평)을 得(득)하여 其(기) 前進(전진)의 道(도)가 阻塞(조새)함이 多有(다유)하나 至於國際(지어국제)하여는 此(차)와 相反(상반)하니 卑辭厚禮(비사후례)도 詭譎(궤휼)이 自在(자재)하며 强梗手段(강경수단)에도 詭譎(궤휼)이 常存(상존)이라 夫何德義(부하덕의)가 有(유)하며 信用(신용)이 有(유)하리오. (후략)

“至於國際(지어국제)하여는”, “夫何德義(부하덕의)가 有(유)하며 信用(신용)이 有(유)하리오”과 같이 한문 문투가 남아 있는 부분은 아무리 독음이 병기되었다 하더라도 한문 문법에 익숙하지 않은 학생들에게는 독해를 어렵게 하는 요소이다. 이 경우는 적당하지 않지만 잡지자료 중에도 보다 문어체가 희박해진 텍스트에 대해서는 적용해볼 수 있겠다.

한편 이번의 가공 처리는 최대한 번거로움을 막고 자동화하는 방식을 고안하는 것을 목표로 하였기 때문에, 어조사 등을 현대어로 다듬는 처리, 한자와 한글의 병기 처리가 코드 내에서는 단계적으로 일어나더라도 단계별로 별개의 파일이 생성되거나 단계적인 조작을 필요로 하도록 만들지는 않았다. 다만 경우에 따라서는 한자 병기는 불필요하지만 국한문 혼용 텍스트에서 한글 부분만 현대어로 가공된 텍스트를 확보하는 처리가 도움이 되는 연구 분야(예를 들어 근대 국한문 혼용 자료를 활용한 텍스트마이닝, 토픽 모델링)를 생각해볼 수 있다. 이 경우 해당 코드 부분까지만 활용한다면 텍스트 전처리에 활용할 수 있을 것이다.

4.2. 당면한 과제와 전망

이제 앞서 언급된 몇 가지 지점들을 포함하여 문제가 되는 부분을 정리해보고 가능한 개선 방안을 모색해보자 한다.

먼저 한자에 독음을 병기하는 과정에 있어 ‘計畫하니’가 ‘計畫(계화)하니’로 출력되는 문제에 관해 살펴본다. 우선 ‘계획’의 한자는 『표준국어대사전』에서는 ‘計劃’와 ‘計畫’ 모두 쓸 수 있다고 되어 있으며, ‘畫’이라는 한자가 ‘화’, ‘획’ 등 복수의 음가를 갖는다는 사실은 한자에 관한 지식이 있는 사람들에게는 학습된 것이다. 때문에 ‘計畫’이라는 단어를 보면 자연스럽게 계획이라고 읽는다. 그러나 ‘畫(756B)’라는 문자는 유니코드 체계 내에서 ‘화’라는 음가를 갖는 문자이기 때문에 ‘화’라는 음가가 부여되고 있는 것이다. ‘計畫(계화)’라고 나오는 것은 오류라기 보다 별도의 학습을 거치지 않은 기계의 입장에서는 당연한 결과라고 할 수 있다. 앞에 ‘計’가 붙은 ‘畫’일 때는 이를 ‘획’으로 읽도록 하는 방법을 모색한다면 결과물의 완성도를 높일 수 있다.

이러한 경우를 보이는 사례는 더 있다. 예를 들어 ‘度支部’를 ‘탁지부’로 읽어야 하는데 기계는 ‘도지부’로 읽는 식이다. 빈출되거나 우선도가 높은 것은 변환쌍으로 작성하여 후처리하는 방식을 생각해볼 수 있다. 사람의 손이 많이 간다는 단점이 있다.

거시적으로는 자동화 방식도 생각해볼 수 있다. 통합한자 ‘度’(5EA6)는 1차적 음가가 ‘도’이기는 하지만 ‘탁’도 부여되어 있는데, 이렇듯 여러 음가가 부여되어 있는 한자가 포함된 단어는 그 음가를 넣은 단어의 발음을 각각 사전에서 찾아보고 일치하는 쪽으로 채택하는 방법이 있을 수 있다. 하지만 원 사료의 특성상 한자어 단어들이 띄어쓰기 없이 붙어서 입력되어 있을 가능성이 높은데, 이것을 가급적 번거로운 전처리 없이 쓰고자 한다면 자연어 처리에서 형태소 분석이 이루어질 수가 있어야 한다는 것이다. 한문 문법이 개재되어 한자어들이 이어져 있는 경우가 아니라 단순 병렬로 이어지고 있는 경우라면 Mecab과 같은 형태소 분석기를 활용하여 해결을 시도해볼 수 있다. 즉 띄어읽기를 개선하는 데 활용해봄 직하지만, 작동이 완전하지 않기 때문에 띄어 쓰지 말아야 할 곳에 분리가 일어날 경우 더욱 독해를 혼란스럽게 할 가능성도 있어 신중한 활용이 필요하다.

어느 방식이든 독음 달기의 개선 처리를 고민하는 것이 필요하다. 학습을 돕기 위한 도구가 ‘度支部’와 같이 역사 속 중요한 개념의 발음을 잘못 학습하게 만드는 결과로 이어져서는 안 될 것이기 때문이다. 표준음가가 아닌 독음이 포함된 근대 빈출 단어를 따로 설명해주거나 프로그램 구성 단계 중 저장 직전 단계에 찾아 바꾸기 처리를 적용해주는 방법이 있다. 예컨대 ‘度支部(도지부)’를 ‘度支部(탁지부)’로 수정하는 식이다.

그리고 드문 경우이기는 하나 위의 가공을 거쳤을 때 아무런 독음도 달리지 않는 한자가 발견된다. 이것은 해당 한자가 유니코드 체계 내에서 한글 음가가 없는 경우에 해당한다. 허철(2021:171)에 따르면 2016년 기준으로 ‘유니코드한자검색시스템’의 총 42,711자 중 음가 정보가 표시된 것은 20,629자로, 일부만 음가가 부여되었고 이외의 한자는 한국 음가가 부여되지 않았음을 의미한다. 일반적으로 사용되는 대부분의 한자는 거의 음가가 부여되어 있지만, 간혹 활용시에 음가가 달리지 않은 경우가 보일 수 있는 것이다.

다음으로, 가공하고자 하는 국한문 혼용 텍스트가 실질적으로는 한문투의 표현 단위를 유지하고 있는 경우의 문제에 관해 살펴보고자 한다. 이러한 현상은 신문기사의 논설이나 근대 시기 잡지에서 많이 볼 수 있으며 앞의 절에서 실제 잡지자료 가공을 시도해보았다. 이 부분을 해결하기 위해서는 이제 한문 형태소 분석기의 화제로 넘어갈 수밖에 없다. ‘형태소 분석’이라는 표현은 앞의 서술에서도 여러 차례 언급한 것인데, 주어진 문장을 형태소 단위로 분할하고, 각기 품사 등의 정보를 부여하는 처리를 말한다. 기계번역 등 고도화된 자연언어 처리의 대부분이 그 전단계에서 형태소 분석을 행하게 되며, 자연언어 처리의 기초기술의 하나가 되고 있다(師茂樹, 2018:42). 기계를 가지고 한문을 번역하는 것으로 말하자면, 형태소가 분석되는 것이 가능해야 현대어로 번역하는 것도 가능해지는 것이다. 기계가 문장을 분석한다는 것은 사전에 등록된 것을 활용하는 것만 가지고는 불충분한데, 한 개의 단어를 이룰 수 있는 복수 문자열 조합이 경우에 따라서는 또 다르게 분할되어 묶일 수도 있기 때문이다. 이같은 경우 어느 분할이 보다 타당한지 판단하기 위해 이용되는 것이 코퍼스이다. 코퍼스를 이용해 어느 것이 빈도가 높은지, 품사간의 연결에 관해서도 어느 쪽이 확률이 높은지 통계적으로 판단하여 처리하게 할 수 있다(師茂樹, 2018:43).

앞에서 다룬 예문 중 “至於國際(지어국제)하여는”이라는 문구는 엄밀하게는 ‘至’와 ‘於’와 ‘國際’라는 형태소를 분리한 후에 한문 문법의 순서대로 읽어주어야 뜻을 새길 수 있다. 한국어, 일본어, 중국어 등 현대어는 각 언어별로 형태소 분석기가 개발되어 이용되고 있지만, 한문(고전중국어)에 있어서는 개발을 위해 오랫동안 연구가 진행되고 있다. 한문 사료는 개별 한자가 여러 의미, 여러 품사, 다양한 문법적 기능을 가지는 문제나 문맥에 따라 특수하게 읽어주어야 하는 것이 있는 등 기계를 통해 분석하는 것이 어려운 문법에 해당한다. 한자 문화권에 속했던 다른 나라들에 비해 한문 형태소 분석이나 코퍼스 구축 등이 늦은 편에 속하기는 하지만 근래 승정원일기 AI 기계번역 기술이 개발되면서 관련 연구가 진전을 보이고 있기 때문에 그 과정에서 축적되는 빅데이터의 활용 가능성, 또 이를 통해 한문 형태소 분석 도구가 개발될 것에 기대를 걸어볼 수 있다.

한편 이번에 고안한 자동화된 텍스트 처리 방식의 중반까지를 적용하고 약간 다듬는다면 근대 국한문 혼용 자료를 토대로 분석을 하고자 할 때 도움이 되는 도구로 쓸 수 있을 것이다. 국한문 혼용 자료를 토대로 텍스트마이닝, 토픽 모델링을 적용하여 의미를 추출하는 연구는 이미 시도되어 왔다. 그 과정에서의 유용한 도구가 있다면 좋겠지만, 한글의 경우 교착어의 특성을 갖기 때문에 영문 처리 과정과 달리 별도의 자연어 처리가 필요한데 더욱이 근대 텍스트 자료를 대상으로 한 상용화된 자연어 처리기나 형태소 분석기는 존재하지 않는 실정이다(정유경, 2020: 141). 기존 연구들에서는 대체로 어조사를 텍스트 전처리(text preprocessing) 과정에서 불용어(stopwords) 처리를 하여 분석 대상에서 제외하는 경우가 있었다. 한편 전처리 단계에서 현대어로 자연스러운 조사로 수정해준 후에 처리를 하는 방식을 취하는 연구들도 찾아볼 수 있다. 만일 이를 대량의 데이터를 자동으로 처리하고 무엇보다 Python에 적합하지 않은 PUA 코드 문제를 해결하는 방식과 통합하여 패키지로 처리한다면 전처리가 보다 수월해질 것이다.

끝으로 한자문헌정보의 형태소를 분석하는 방면의 개발이 진전된다면 독음을 단 결과물을 만들어낼 때 또한 보다 의미에 맞게 띄어쓰기가 이루어진 결과물을 얻음으로써 완성도가 높아질 수 있을 것이다.