Research / Scientific core

연구가 먼저 구조를 정의하고,
그 구조가 Technology와 Product의 수준을 결정합니다.

아울네스트의 Research는 기능 설명을 위한 부속 자료가 아닙니다. 언어자원 구축, 한국어 전처리, 병렬 인덱싱, 상관·토픽 모델링, 감성 온톨로지, Claim–Evidence 기반 인포데믹 연구를 장기 자산으로 축적해 왔고, 이 축적이 새로운 과제를 빠르게 구조화하고 규제형·폐쇄망·공공 환경에서도 설명 가능한 운영 체계를 제안할 수 있게 만듭니다.

Emotional Ontology SCM · SWM · CWM CRF Word Spacing Parallel Indexing Correlation Kernel Lexeme-based Topic Modeling Claim–Evidence Graph Epistemic State Prebunking ACL / FEVER Route

연구 문서 보기 Technology와 연결 보기 Product와 연결 보기

Lexical base

8,696개 감성 어휘와 의미 가중치 행렬 기반의 감성·온톨로지 자산

Korean NLP

자동 띄어쓰기, 병렬 인덱싱, 형태 처리, 전처리 엔진 축적

Statistical engine

상관 추출, 토픽 모델링, 한국어 코퍼스 최적화 경험

Frontier program

Claim–Evidence Graph, Epistemic State, Prebunking 기반 인포데믹 연구

Research architecture

언어학, 통계 모델링, 온톨로지, 운영 설계를 하나의 연구 계보로 축적합니다.

초기 연구는 감성 어휘 자원과 한국어 전처리에서 시작됐고, 이후 상관·토픽 모델링, 현재는 Claim–Evidence·Epistemic 연구까지 확장됐습니다.

01 / Lexicon

감성 어휘 사전, 의미 분류 행렬, 가중치 행렬, 온톨로지 매핑

02 / Language infra

자동 띄어쓰기, 병렬 인덱싱, 텍스트 전처리와 검색 기반

03 / Statistical learning

상관 추출, 토픽 분석, 형태적으로 풍부한 한국어 코퍼스 최적화

04 / Claim intelligence

Sentence → Clause → Proposition → Epistemic State → Verification

Korean Emotional Word Dictionary research preview — 초기 감성·온톨로지 연구는 오늘의 리스크 모니터링과 인포데믹 지식 구조 설계로 연결됩니다.

Research thesis

아울네스트의 Research는 서로 다른 논문과 알고리즘이 아니라,
한 방향으로 누적된 코어 자산입니다.

언어자원 설계, 한국어 전처리, 대규모 병렬 처리, 상관·토픽 모델링, 감성·의미 가중치, Claim–Evidence 기반 검증 구조는 각각이 독립된 성과이면서 동시에 하나의 아키텍처로 이어집니다.

01 / Linguistic resource

감성 어휘 자원과 온톨로지의 기초

감성 어휘를 단순 목록이 아니라 재사용 가능한 의미 자원으로 설계해 의견 마이닝, 리스크 탐지, 인포데믹 구조화의 기반을 마련했습니다.

02 / Korean language infra

한국어 전처리와 검색 기반

자동 띄어쓰기, 병렬 인덱싱, 형태 처리 기반을 축적해 한국어 비정형 문서의 전처리·검색·분석 효율을 높였습니다.

03 / Statistical engine

상관·토픽 구조를 읽는 모델

상관 추출과 토픽 모델링을 통해 문서 집합의 잠재 구조를 정량적으로 해석하고, 운영형 지표로 연결할 수 있게 했습니다.

04 / Frontier program

Claim–Evidence와 인포데믹 연구

Sentence Structure, Epistemic Operator, Claim–Evidence Graph, Epistemic State, Prebunking을 하나의 대응 프레임으로 정리했습니다.

Foundational library

오늘의 제품과 운영 체계를 지탱하는
핵심 연구 자산입니다.

각 연구 자산은 단일 기능으로 소진되지 않습니다. 한국어 처리, 리스크 분석, 토픽 구조, Claim 검증, 대응 전략까지 여러 과제에서 반복적으로 재사용됩니다.

Research 01

Korean Emotional Word Dictionary

감성 어휘를 의미 분류와 의미 가중치가 결합된 계산 가능한 자원으로 구축한 연구입니다.

8,696개 감성 어휘, 3개 웹사이트, 약 20명 어노테이터 기반 자원
SCM(AT, PR, ONT, P) + SWM(TFIDF, ZT, SV) → CWM 구조
Semantic Web 재사용성과 감성 온톨로지 확장성을 함께 고려한 설계

상세 보기 논문 PDF

Research 02

KorAutoWS + Paramount Indexer

한국어 자동 띄어쓰기와 병렬 인덱싱 연구는 대용량 비정형 데이터 전처리·검색의 기초 인프라를 형성합니다.

CRF 기반 한국어 자동 띄어쓰기
Shared-memory 기반 병렬 인덱싱과 파티셔닝 구조
NLP-Mainframe 전처리 성능과 검색 기반 설계의 밑바탕

KorAutoWS Paramount

Research 03

ChiST + Topic Analyser

상관 추출과 토픽 모델링 연구는 문서 집합의 잠재 구조를 운영형 분석 지표로 연결하는 통계 엔진입니다.

Corrected Pearson χ²와 Correlation Kernel 기반 상관 추출
Lexeme 기반 LDA와 Collapsed Gibbs Sampling
형태적으로 풍부한 한국어 코퍼스에 맞춘 토픽 구조 최적화

ChiST Topic Analyser

Research 04

AX-Infodemics Research Program

Claim–Evidence 구조화, Epistemic State, Causal Interface, Prebunking을 하나의 대응 프레임으로 엮은 현재의 선도 연구 축입니다.

Sentence → Clause → Proposition → Operator → CAU → Graph → Epistemic State
ACL·FEVER급 검증 연구와 서비스 모듈 설계를 동시에 고려
공공 AX, 보건 커뮤니케이션, 위기 대응용 운영 구조로 확장

형태 정보와 렉심 중심 모델링

형태 정보와 어휘 다양성을 고려한 렉심 중심 접근은 한국어 문서 분석의 노이즈를 줄이고 해석력을 높입니다.

형태적으로 풍부한 언어에서 토큰 단위 한계를 보완
핫토픽·택소노미·자동분류 엔진과 자연스럽게 결합
CTA, CDS, 리스크 모니터링 구조에 재사용 가능한 설계

Research 06

연구는 곧 운영 구조로 이어집니다.

아울네스트의 연구는 논문 발표로 끝나지 않습니다. 전처리, 검색, 상관, 토픽, Claim 검증, 지식 구조를 실제 화면과 워크플로우로 전환합니다.

Technology를 더 정교하게 만들고
Product를 더 오래 가는 구조로 만들며
새로운 과제를 더 빠르게 정의하게 합니다.

Research to engineering bridge

Research는 별도 트랙이 아니라
Technology와 Product를 잇는 중간층입니다.

아울네스트는 연구를 기술 설명과 제품 소개 사이의 공백을 메우는 코어 자산으로 다룹니다. 언어자원과 전처리 연구는 Technology를 안정화하고, 상관·토픽·Claim 연구는 운영형 분석 엔진을 정교화하며, 그 결과는 제품과 Actual Archives의 구체적인 구조와 화면으로 구현됩니다.

Research asset

언어자원 · 전처리 · 통계모델

감성 어휘 사전, 자동 띄어쓰기, 병렬 인덱싱, 상관·토픽 모델링, Claim–Evidence 구조.

Technology engine

NLP-Mainframe · Risk Monitoring · Claim Intelligence

검색, 분류, 리스크 신호 추출, 토픽 구조화, 근거 연결, 대응 추천의 엔진으로 전환됩니다.

Product layer

CDS · CTA · AX-Infodemics · Medical AI

브랜드 보호, 국방형 분석, 공공 AX, 헬스케어 제품으로 이어지며, 고객이 직접 검토할 수 있는 구체적인 형태를 갖춥니다.

Technology 보기 Product 보기

AX-Infodemic Ontology preview — 최신 연구 축은 Claim–Evidence 구조와 Epistemic State를 통해 공공 AX·인포데믹 대응 체계를 더 정교하게 만드는 방향으로 확장됩니다.

Current frontier

AX-인포데믹 시스템 매핑은 Ingestion, Epistemic Layer, Causal Structure, Intervention, Productization까지 이어지는 레이어를 정의하고, sentence_structure_parser, proposition_extractor, epistemic_operator_tagger, claim_evidence_graph_builder, epistemic_state_aggregator 같은 서비스 모듈로 연결합니다.

Reference materials