ChineseCharacterStudies(2026)Research04
CNUDH
Team D: 조원명
목차
Contents
1. 연구목적
본 연구는 『說文解字』 辵部에 수록된 한자들을 대상으로 의미 범주와 구성요소의 관계를 체계적으로 분석하고,
이를 온톨로지(Ontology) 기반 지식그래프(Knowledge Graph)로 구축하는 것을 목적으로 한다.
辵(辶)은 이동, 경로, 방향 등의 의미를 나타내는 대표적인 부수로서 다양한 한자에 사용된다.
그러나 개별 한자들은 단순히 이동의 의미만을 나타내는 것이 아니라 거리, 속도, 만남, 회피, 이탈 등 여러 의미 영역으로 확장되어 사용된다.
이에 본 연구에서는 辵부 한자를 중심으로 의미 범주, 세부범주, 구형모델, 구성요소 간의 관계를 구조화하여
각 한자가 어떤 의미 체계 안에서 형성되고 확장되는지를 분석하고자 한다.
또한 지식그래프를 활용하여 한자의 의미 구조와 구성 원리를 시각적으로 표현함으로써 중국 문자학 연구에 활용 가능한 데이터 모델을 제시하고자 한다.
2. 연구이론
1. 『說文解字』와 부수 분류
『說文解字』는 후한(後漢)의 허신(許愼)이 편찬한 중국 최초의 체계적인 자전으로, 한자의 구조와 본의를 분석하고 부수에 따라 문자를 분류하였다.
辵部는 『說文解字』의 부수 체계 가운데 하나로, 이동과 행위를 나타내는 의미를 중심으로 구성되어 있다.
허신은 辵을 “乍行乍止也(잠시 걷고 잠시 멈추는 것이다)”라고 설명하여 이동 행위 자체를 표현하는 문자 요소로 해석하였다.
2. 의미 범주와 의미장
한자는 단순한 문자 기호가 아니라 일정한 의미장을 형성하며 서로 관련성을 가진다.
특히 같은 부수에 속하는 한자들은 공통적인 의미 특성을 공유하면서도 세부적으로 다양한 의미 영역으로 분화된다.
본 연구에서는 辵부 한자의 의미를 분석하여 상태, 경로, 도달, 방향, 거리, 속도, 만남, 이탈, 회피의 9개 상위 의미 범주로 분류하고,
이를 다시 세부범주로 세분화하여 의미 체계를 구조화하였다.
3. 온톨로지와 지식그래프
온톨로지는 특정 영역의 개념과 개념 간 관계를 체계적으로 정의하는 지식 표현 방법이다.
지식그래프는 이러한 온톨로리를 기반으로 개체(Node)와 관계(Edge)를 연결하여 지식을 시각화한 구조이다.
본 연구에서는 Character(한자)를 중심 노드로 설정하고 MeaningCategory(상위 의미 범주), MeaningSubcategory(세부범주), StructureModel(구형모델), Component(구건) 노드를 연결하는 방식으로 온톨로지를 설계하였다.
이를 통해 개별 한자가 어떤 의미 범주에 속하며 어떤 구성요소를 통해 의미가 형성되는지 시각적으로 확인할 수 있도록 하였다.
3. 연구대상
본 연구의 대상은 『說文解字』 辵部에 수록된 한자들이다.
연구 데이터는 각 한자의 ID, 全篆号, 楷字, 설문해자 설명, 의미 범주, 세부범주, 구형모델, 직접구건, 辵 외 구건, 辵 외 구건의 기능 정보를 포함한다.
분석의 중심은 데이터셋의 楷字 열에 해당하는 Character(한자)_辵部 노드이며,
대표적인 대상 한자로는 辵, 迹, 邁, 巡, 進, 速, 迎, 遇, 逢, 遁, 逃, 近, 遠, 道 등이 있다.
각 한자는 의미 범주, 세부범주, 구형모델, 구성요소와 연결되어 분석되며,
이를 통해 辵부 한자들이 공유하는 의미적 특징과 개별 한자의 구조적 차이를 비교하고자 한다.
4. 연구방법
본 연구는 『說文解字』 辵部 한자를 대상으로 의미 범주와 구성요소의 관계를 분석하고, 이를 온톨로지 기반 지식그래프로 구축하기 위해 다음과 같은 절차로 진행하였다.
1. 연구 데이터 정리
먼저 『說文解字』 辵部 한자 데이터를 수집하고 정리하였다.
데이터셋에는 ID, 全篆号, 楷字, 설문해자 설명, 의미 범주, 세부범주, 구형모델, 직접구건, 辵 외 구건, 辵 외 구건의 기능 정보가 포함되어 있다.
이 중 楷字를 Character(한자) 노드의 기본 라벨로 사용하였으며, 全篆号와 설문해자 설명은 노드 속성으로 활용하였다.
2. 의미 범주 분석 =
각 한자의 설문해자 설명과 본의를 검토하여 의미 범주를 분류하였다.
상위 의미 범주는 상태, 경로, 도달, 방향, 거리, 속도, 만남, 이탈, 회피의 9개 범주로 설정하였다.
또한 필요에 따라 일반 이동, 전진, 귀환, 통과, 빠른 이동, 맞이함, 추적, 도망, 가까움, 멂 등의 세부범주를 설정하여 의미 체계를 보다 세밀하게 분석하였다.
3. 구성요소 분석
각 한자의 자형을 분석하여 직접구건과 부수 외 구건을 추출하였다.
직접구건은 대부분 辵(辶)으로 나타나며, 이동과 경로의 의미를 나타내는 표의적 기능을 수행하는 것으로 분석하였다.
또한 辵 외 구건은 데이터셋의 기능 정보를 바탕으로 표의구건, 시음구건, 표의·시음구건으로 구분하였다.
4. 온톨로지 설계
분석된 데이터를 기반으로 온톨로지 구조를 설계하였다.
노드는 Radical(부수), Character(한자), MeaningCategory(상위 의미 범주), MeaningSubcategory(세부범주), StructureModel(구형모델), Component(구건) 클래스로 구성하였다.
관계는 hasRadical, hasMeaningCategory, hasMeaningSubcategory, hasStructureModel, hasDirectComponent, hasNonRadicalComponent, usesSemanticPart,
usesPhoneticPart 등의 관계명을 정의하여 노드 간 연결 구조를 구축하였다.
5. 지식그래프 구축 및 시각화
설계한 온톨로지를 기반으로 노드와 엣지 데이터를 생성하였다.
생성된 데이터는 yEd Graph Editor를 활용하여 시각화하였으며, Character 노드를 중심으로 의미 범주, 세부범주, 구형모델, 구성요소가 연결되는 구조의 지식그래프를 구축하였다.
이를 통해 辵部 한자의 의미 구조와 구성요소 간 관계를 시각적으로 분석하였다.
5.연구데이터
6. 연구결과
연구후기
참고자료
주석