한국전쟁사 자료의 정보 자동화 처리와 구조화 방법에 관한 연구 = A Study on the Automated Information Processingand Structuring Methods for Korean WarHistorical Records

국문 초록 (Abstract)

본 연구는 인공지능을 활용하여 한국전쟁사 문헌에서 전쟁의 흐름을 분석하고, 주요 정보를 자동으로 추출·구조화하는 정보 처리 방법론을 제안한다. 기존 전쟁사 연구가 개별 사료에 대한 정밀한 해석에 중점을 두는 반면, 본 연구는 자연어 처리 기법을 활용하여 방대한 전쟁사 문헌을 체계적으로 분석할 수 있는 자동화된 분석 틀을 제시함으로써 정량적 기반 위에서의 역사 서술 가능성을 제시하고자 하였다.
이를 위해, 인물, 부대, 전투, 날짜, 지명 등 전쟁사 기술에 필수적인 개체 정보를 자동으로 식별하고 추출하는 개체명 인식 모델을 개발하였으며, 추출된 정보를 바탕으로 시계열적 흐름과 인물 및 병력 간 상호작용을 분석하는 지식 그래프를 구축하였다. 특히, 한국전쟁사 자료가 지닌 문체적 특성과 시간 표현 양상에 맞춘 정교한 데이터 전처리·후처리 기법을 적용하여 모델의 정확도를 높이고, 전쟁사의 공간적·인과적 구조를 시각적으로 재현할 수 있도록 하였다.
이러한 접근은 첫째, 방대한 사료의 기계적 분석을 통해 인간의 해석 작업을 보완하고, 둘째, 기존 역사연구에 내재한 수작업 처리의 한계를 기술적으로 극복하며, 셋째, 역사학과 인공지능의 학제 간 융합을 모색했다는 점에서 학문적 의의를 지닌다. 또한 한국전쟁사 자료의 특수성을 반영한 데이터 전처리 기법과 도메인 적합성을 고려한 모델 학습을 통해 정보 추출의 정확성과 신뢰도를 높였다. 본 연구는 전쟁사라는 복잡한 역사적 사건을 해석하는 데 필요한 기초 정보 인프라를 구축하고, 그 기반 위에서 향후 다양한 분석적･해석적 시도가 이루어질 수 있도록 돕는 데 목적이 있다. 이는 인공지능 기반 자동화 기술이 전통적 역사 연구 방법을 대체하는 것이 아니라, 그 가능성을 확장하는 보완적 도구로 기능할 수 있음을 실증적으로 보여주는 방법론적 시도로 평가된다.

다국어 초록 (Multilingual Abstract)

This study proposes a methodology for processing information from Korean War historical records by leveraging artificial intelligence to analyze the flow of war events and to automatically extract and structure key information. Whereas traditional war historiography has focused on the close reading of individual sources, this research introduces an automated analytical framework based on natural language processing (NLP) techniques, aiming to enable systematic analysis of extensive war-related texts and to present the possibility of quantitative approaches to historical writing.
To this end, we developed a named entity recognition (NER) model capable of automatically identifying and extracting essential entities－such as persons, military units, battles, dates, and place names－within Korean War narratives. Based on the extracted information, we constructed a knowledge graph to analyze temporal sequences and interactions between individuals and military units. In particular, the study employed refined data pre-and post-processing techniques tailored to the stylistic characteristics and temporal expressions specific to Korean War sources, thereby enhancing the model’s accuracy and enabling visual reconstruction of the war’s spatial and causal structures.
This approach holds academic significance in three respects: first, it supplements human interpretation through large-scale computational analysis; second, it overcomes the limitations of manual data processing inherent in traditional historical research; and third, it advances interdisciplinary integration between history and artificial intelligence. Furthermore, by incorporating data preprocessing strategies that reflect the unique features of Korean War materials and by training models with domain-adapted data, this study improves both the precision and reliability of information extraction. Ultimately, this research aims to establish a foundational information infrastructure for interpreting the complex historical events of the Korean War and to support future analytical and interpretive endeavors built upon it. It thereby demonstrates that AI-based automation can function not as a replacement for traditional historical methods, but as a complementary tool that extends their potential.