학습 목표
•
키워드 검색의 한계와 시맨틱 검색의 두 접근(지식그래프 기반, 임베딩 기반)을 구별한다.
•
Records in Contexts(RiC)와 RiC-O의 구조 및 링크드데이터 서비스의 원리를 이해한다.
•
국내외 시맨틱 아카이브 구축·AI 검색 사례를 분석한다.
1. 키워드에서 의미로
키워드 검색은 문자열 일치에 의존하므로 동의어·이형·맥락을 다루지 못한다. 시맨틱 검색은 두 경로로 이 한계를 넘는다.
1.
지식 기반 접근: 실체(인물, 단체, 사건, 장소)와 관계를 온톨로지로 모델링한 지식그래프 위에서 질의한다. "박정희 정부 시기 경제기획원이 생산한 기록" 같은 관계 질의가 가능해진다.
2.
표현 학습 접근: 언어모델 임베딩(벡터)으로 질의와 문서의 의미적 유사도를 계산한다. 자연어 문장 질의, 유사 문서 추천에 강하다.
실무에서는 두 접근의 결합(하이브리드 검색: 그래프/키워드 + 벡터 + 재순위화)이 표준이 되고 있으며, 생성형 AI의 RAG(검색증강생성)가 그 위에 얹힌다(12주 연계).
2. Records in Contexts: 아카이브 기술의 그래프 전환
ICA의 RiC는 기록 기술을 계층 문서에서 실체-관계 그래프로 전환하는 표준이다. 2023년 말 RiC-FAD(기초), RiC-CM 1.0(개념모델), RiC-O(온톨로지) 안정판이 공개되었고, RiC-O는 2025년 5월 1.1 버전이, 적용지침(RiC-AG)은 2025년에 공개되어 표준 체계가 완성되었다[1]. RiC-O는 OWL 2 온톨로지로서 기록 자원과 맥락 실체를 RDF로 기술하고, 링크드데이터로 발행하며, SPARQL로 질의하고, 온톨로지 논리로 추론할 수 있게 한다[2].
서비스 관점의 의미: 전거(6주)와 기술 데이터가 그래프로 연결되면, ① 맥락 탐색(이 인물이 관련된 다른 기록·기관·사건으로 이동), ② 기관 간 연계(국내외 아카이브·도서관·박물관 데이터와 상호운용), ③ 기계 추론(상위 관계 자동 도출)이 가능해진다. 프랑스 국립기록보존소(ANF)와 FranceArchives의 RiC-O 변환·발행 실험이 대표적 선행 사례다.
3. 국내 사례
•
국가기록원 AI 지능형 검색: 2025년부터 국민이 공공기록에 빠르고 정확하게 접근하도록 하는 'AI 기반 지능형 기록정보 검색 솔루션 개발·실증' 사업이 추진되고 있다[3].
•
시맨틱 지역 아카이브: 광주 인문스토리 플랫폼 '흥미로운가'는 지역 문화자원을 시맨틱 아카이브로 구축하고 네트워크 그래프 시각화로 맥락 탐색을 제공한다[4].
•
이 밖에 한국학 디지털 아카이브 계열의 온톨로지 기반 인문 데이터 구축 경험이 축적되어 있다.
4. 설계 실습: 미니 온톨로지
수업에서 하나의 컬렉션(예: 대학 총장 기록)을 대상으로 실체(Record, Agent, Activity, Place, Date)와 관계(생산하다, 참여하다, 언급하다)를 추출해 간단한 그래프를 그려 본다. 이 모델링 감각은 13주 프로토타입에서 메타데이터를 구조화할 때 직접 쓰인다.
토론 질문
•
RiC 전환기에 기존 ISAD(G) 기반 목록 데이터를 어떻게 이행(migration)할 것인가? 비용 대비 효과는?
•
임베딩 기반 검색이 '비슷한 것'을 잘 찾을 때, 아카이브가 여전히 지식그래프를 만들어야 하는 이유는 무엇인가?
수업 운영 (3시간)
교시 | 내용 |
1교시 (75분) | 강의: 시맨틱 검색 두 접근, RiC 구조와 서비스 함의, 국내외 사례 |
2교시 (50분) | 문헌 발표 2편 + 토론 |
3교시 (50분) | 실습: 미니 온톨로지 모델링 |
발표 문헌
1.
ICA EGAD, Records in Contexts – Foundations of Archival Description (RiC-FAD), ver. 1.0 (2023) — 기본 개념과 설계 원리 발제.
2.
김수현·이성숙, "RiC-CM을 적용한 기록물 기술에 관한 연구," 『한국기록관리학회지』 20(1) (2020): 115-137.
실습: 미니 온톨로지 모델링 워크숍
1.
팀별로 짧은 기술 데이터 샘플(강사 제공: 철 5건의 목록)을 받는다.
2.
실체 추출: Record / Agent(인물·단체) / Activity / Place / Date를 형광펜으로 표시한다.
3.
관계 연결: '생산하다', '참여하다', '언급하다', '소재하다' 등으로 그래프를 그린다(종이 또는 화이트보드 도구).
4.
질의 테스트: "이 인물이 관련된 다른 기록은?" 같은 질문 3개를 만들고, 그래프에서 경로로 답할 수 있는지 검증한다. 키워드 검색으로는 불가능했을 질문이 무엇인지 확인한다.
5.
마무리: 이 모델이 13주 프로토타입의 데이터 구조(예: JSON 스키마)로 어떻게 변환될지 구상해 기록한다.
각주
[1] ICA EGAD, "Records in Contexts 1.0 Release" (2023); RiC-CM 1.0 (2023.11); RiC-O 1.1 (2025.5); RiC-AG (2025). RiC는 ISAD(G), ISAAR(CPF), ISDF, ISDIAH를 확장·대체한다.
[2] ICA EGAD, "About RiC-O", https://ica-egad.github.io/RiC-O/ — RiC-O는 아카이브 메타데이터를 링크드데이터로 발행하고 SPARQL로 질의하며 추론하기 위한 참조 모델이다.
[3] 솔트룩스, 국가기록원 'AI 기반 지능형 기록정보 검색 솔루션 개발 및 실증' 사업 수주 보도(디지털데일리, 2025.7.8.).
[4] "지역 문화자원 데이터 아카이브 구축 방법과 활용에 관한 연구: 광주 인문스토리 플랫폼 스토리파크 '흥미로운가'를 중심으로," KCI 등재 논문(2024).