기록관리에 적용되는 인공지능 음성인식 기술 현황 및 활용에 관한 연구 = A Study on the Current Status and Utilization of Artificial Intelligence Speech Recognition Technology used in Record Management

국문 초록 (Abstract)

디지털시대를 맞이하여 기존의 물리적인 종이기록물을 강조하던 전통적인 기록물관리 시각에서 벗어나 전자기록물이 대세를 이루고 있다. 또한 컴퓨터, 인터넷, 프로그램 등 관련 분야의 빠른 기술 발전으로 거대한 변화의 물결이 요동치면서 흐르기 시작하였다.
최근 눈에 띄게 두드러지고 있는 기록물관리 환경에서의 변화 양상은 생산 시점부터 대규모로 생산되고 있는 기록물과 관련 데이터를 수집 보존하고 또 활용을 위해 이들을 분석하고 원하는 내용을 추출하는데 초점이 맞추어 지고 있다. 다시 말하면 빅데이터, 클라우드, 인공지능, 자동화 등과 같은 기존에 기록물관리 분야에서는 다소 생소한 개념과 기술 환경들에 불가피하게 연결될 수밖에 없는 상황이 전개되고 있다는 것이다.
지금도 방대한 양의 데이터들이 기록물관리기관에서 상시적으로 수집되고 있으며, 이들 대규모 데이터를 신속 정확하게 처리하는 것이 이제는 기록물관리에서 필수적인 사실로 자리잡아가고 있는 실정이다. 이러한 흐름 속에서 대규모 데이터 처리를 위한 자동화는 불가피하다. 따라서 대규모로 생산되는 디지털 영상, 음성 등의 기록물처리에 인공지능, 음성인식과 같은 기술과 도구를 도입하는 것은 어찌 보면 당연하다고 할 수 있다.
기록물관리기관이 수집 보존하고 있는 많은 기록물 중에서 시청각 기록물, 특히 디지털 시청각기록물은 대량처리가 가장 어려운 기록물 중에 하나이다. 따라서 이들을 대량으로 처리할 수 있는 방법, 기술, 도구에 대한 연구 개발과 함께 도입 적용하는 적극적인 자세가 필요하다. 특히 소리, 음성 데이터를 처리하는 경우 지금까지는 사람이 직접 재생하여 듣고 녹취하는 방식이라서 많은 시간이 소비되는 등 비효율적인 측면이 강하다. 따라서 처리방식을 자동화하여 대량으로 처리하는 기술 도입이 시급하다고 본다. 그런 측면에서 시청각기록물 각각에 대한 음성인식 텍스트 전환 STT(Speech to text)의 특징을 파악하고, 이를 토대로 음성에 대한 내용을 텍스트화하고 원하는 내용을 추출하는 등 기록물관리 효율화를 꾀할 수 있는 STT 도입이 필요하다.
고품질의 음성인식 STT 성능을 담보하기 위해서는 대규모의 음성데이터를 사람이 직접 텍스트로 작성하는 전사데이터가 필요하며, 이를 토대로 내용 정보를 분석하는 등의 기초 데이터를 확보하여야 한다. 이렇게 추출된 기초 데이터를 토대로 기계학습, 딥러닝 등의 인공지능 기술을 적용하여 데이터 학습을 통해 음성인식의 인식률을 높이는 과정이 필요하다. 기계학습을 통하여 확보된 고품질의 STT 기술을 이용하여 디지털 시청각기록물에 대한 처리를 기계화, 자동화하고 키워드, 기록물관리, 핵심내용도 추출 데이터화 할 수 있다. 그리고 종국에는 이들을 프로세스화 함으로써 기록물 열람 서비스와 보존관리에 있어 처리 효율성을 제고할 수 있을 것이다.
본 연구에서는 시장에서 성능이 검증된 STT 엔진을 대상으로 관련 연구 및 사례에 대한 조사 분석을 하였다. 그리고 개발 사례들을 비교 분석하여 나타난 시사점을 바탕으로 인공지능을 이용한 음성인식 기술을 기록물관리 시스템에 적용하기 위한 음성인식 조건, 적용 방안에 대하여 검토하였다. 그리고 이를 토대로 기록물관리의 효율화를 꾀할 수 있는 음성인식 기술 적용 방안을 제시하였다.

목차 (Table of Contents)

• 표목차
• <표 1> 연구자에 따른 인공지능의 정의 8
• <표 2> 회귀분석방법의 예 10
• <표 3> 음성인식기 구성요소 13
• <표 4> 국내 기업의 인공지능 플랫폼의 특성 18
• <표 5> 해외 기업의 인공지능 플랫폼의 특성 22
• <표 6> 국가기록원 음성데이터 텍스트화 인식률 사례 23
• <표 7> 음성인식 실험 구성 내용 26
• <표 8> Google Cloud speech 테스트 27
• <표 9> Naver Clova speech 테스트 27
• <표 10> 카카오 뉴튼 테스트 28
• <표 11> ETRI 음성인식 엔진 테스트 28
• <표 12> S기관의 전사작업 규칙 32
• <표 13> 기록물관리에 적용 가능한 인공지능 음성인식 기술 37
• 그림목차
• <그림 1> 분류분석방법의 예 11
• <그림 2> 다층퍼셉트론형태 모델링 12
• <그림 3> 음성인식 인공지능 구성도 15
• <그림 4> 음성인식 엔진 별 인식률 결과 비교 29
• <그림 5> STT 엔진 머신러닝 작업 순서 31
• <그림 6> S기관 STT엔진 운영 프로세스 33
• <그림 7> S기관 STT 엔진 성능 측정 프로세스 34
• 목 차
• 표 목 차 ⅰ
• 그림목차 ⅱ
• 국문요약 ⅲ
• 제1장. 서 론 1
• 1. 연구의 배경 및 목적 1
• 2. 연구의 범위와 방법 3
• 3. 선행연구 4
• 제2장. 이론적 배경 및 동향 8
• 1. 인공지능의 개념 8
• 가. 머신러닝(Machine Learning) 9
• 나. 딥러닝(Deep Learning) 11
• 2. 음성인식(Speech Recognition)의 개념 12
• 3. 국내외 음성인식 인공지능 기술 동향 14
• 가. 국내 음성인식 인공지능 기술 동향 16
• 나. 해외 음성인식 인공지능 기술 동향 19
• 다. 기록관리 분야 연구 동향 22
• 제3장. 음성인식 인공지능 비교 분석 25
• 1. 음성인식 인공지능 인식률 비교 분석 25
• 가. 음성인식 엔진 비교 25
• 2. ETRI STT 엔진 상세 분석(S기관의 사례) 30
• 가. 분석 과정 30
• 나. 분석 결과 33
• 제4장. 기록물관리 적용방안 35
• 1. 기록물관리 적용분야 35
• 2. 기록물관리 적용방안 37
• 제5장. 결론 및 고찰 39
• 참고문헌 42
• ABSTRACT 44