Research on Korean Honorific Error Judgment Using Large Language Model Fine-tuning in Low-Resource Environments : Focusing on the DeepSeek Model
Abstract
최근 대규모 언어모델의 발전에도 불구하고, 한국어 경어와 같이 화용적 판단이 요구되는 언어 현상을 대상 으로 한 실증 연구는 여전히 부족한 실정이다. 특히 기존 한국어 교육 연구에서 인공지능은 주로 교수·학습 보조 도구로 활용되어 왔으며, 언어학적 판단 과제를 검증하는 연구 방법으로 적극 활용된 사례는 드물다. 이에 본 연구는 대규모 언어모델 미세조정을 통해 한국어 경어 오류 판단 능력을 향상시킬 수 있는지를 실험적으로 검증하는 것을 목적으로 한다. 이를 위해 한국어 경어 오류 유형을 반영한 1,500여 개의 데이터셋을 구축하고, DeepSeek-1.5B 모 델을 대상으로 4-bit 양자화와 LoRA 기반 미세조정을 수행하였다. 모델 학습은 제한된 GPU 자원을 전제로 한 저 자원 환경에서 진행되었으며, instruction 기반 입력 설계를 통해 경어 사용의 적절성 판단을 유도하였다. 실험 결 과, 미세조정된 모델은 경어 오류 판단 과제에서 F1-score 0.66을 기록하였으며, 이는 미세조정 이전 모델 대비 약 34.7% 향상된 성능이다. 본 연구는 한국어 경어 오류 판단이라는 화용 중심 과제에 대규모 언어모델 미세조정을 적 용한 드문 실증 연구로서, AI를 단순한 도구가 아닌 연구 방법으로 활용할 수 있음을 보여준다. 또한 저자원 환경에 서도 효과적인 성능 개선이 가능함을 확인함으로써, 향후 한국어 교육 연구와 AI 기반 언어 분석의 융합적 확장에 기초 자료를 제공한다.
Fields of Study & Subjects
Natural Language Processing Techniques
Topic Modeling
Speech and dialogue systems
Publication details
- Journal / source
- The Journal of Next-generation Convergence Technology Association
- Volume
- 10
- Issue
- 2
- Pages
- 527–537
- Publication date
- 28 February 2026
- Language
- KO