kr-history-bm25

한국사 사료 원문(한자)을 검색 가능한 SQLite BM25 코퍼스로 변환하는 도구. 국사편찬위원회 한국사데이터베이스 XML(삼국사기·삼국유사·고려사·고려사절요·한국고대사료집성)을 대상으로, 한자 원문 전문검색을 1차 기준으로 삼고 구조화된 지명·인명 색인, 공기(共起) 군집, 그리고 선택적 LLM 직역 보조 인덱스를 함께 제공한다.

English Overview

kr-history-bm25 turns the primary sources of Korean history — written in classical Chinese (Literary Chinese / Hanja, 漢文) — into a self-contained, searchable SQLite BM25 full-text corpus.

It covers the core historical texts for Cogurea(Goguryeo), Baekje, Silla, Gaya, Gojoseon(Old Chosŏn), and Corea (高麗, original reading Gori 고리 — preserved in the Western exonym Corea / Korea; the now-conventional romanization Goryeo reflects a later simplification of the reading, -rea → -ryeo, so Corea is the historically precise form) — for early-Korea studies and historical-geography / toponym (place-name) identification:

• Samguk Sagi (三國史記, History of the Three Kingdoms)
• Samguk Yusa (三國遺事, Memorabilia of the Three Kingdoms)
• Coreasa (高麗史, History of Corea; conventionally romanized Goryeosa) and Coreasa Jeoryo (高麗史節要)
• Chinese dynastic-history records on Korea (한국고대사료집성 / 韓國古代史料集成 — excerpts from the Book of Han 漢書, Book of Later Han 後漢書, Records of the Three Kingdoms 三國志, etc.)

Sourced from the National Institute of Korean History database (국사편찬위원회 한국사DB).

The name element 麗 (리) runs through both 高句麗 (Cogurea / Goguryeo) and 高麗 (Corea / Goryeo). In this corpus the Chinese dynastic records already write the earlier state as 高麗 (Corea, 고리) — e.g. tribute entries dated 423–438 CE (高麗國遣使朝貢 …) — centuries before the 918 dynasty of the same name; 句麗/高句麗 is attested earlier still (1st c.). Since exonyms freeze a donor-language pronunciation at contact time, these datable records let researchers trace how early the Corea / Korea name enters history. The tool surfaces the 원문 (source text); the synthesis stays with the researcher.

Built for historians and researchers who work directly with the original text — in any language:

• Hanja-primary full-text search — BM25 over Literary Chinese, character-unigram tokenized, so place names, personal names, offices, and book titles match exactly (the Hanja is the authority).
• Simplified ⇄ Traditional Chinese search (简体/繁體) — query in Simplified Chinese (e.g. 辽东, 汉城, 乐浪) and it is normalized to the traditional/original form (遼東, 漢城, 樂浪) before searching. Results are also annotated with the Simplified form, so a Chinese-speaking researcher can work in their own script and paste toponyms straight into Google/Baidu Maps.
• Reading (pronunciation) gloss — search by Korean reading (e.g. 강감찬) to reach the Hanja (姜邯贊); each entity carries a dictionary-headword reading and a conventional reading.
• Co-occurrence clustering — identify a toponym by the cluster of neighboring place names, rivers, and mountains recorded together, not by isolated single-name comparison.
• Hybrid semantic search — weighted fusion of Hanja BM25 + reading/Simplified dictionary + literal-translation BM25 + dense vectors (multilingual-e5-small, bundled). Fully offline, zero-config, CPU-only — the embedding model ships inside the package (no download, no server, no GPU).
• Structured place/person index and variant-form (異表記) expansion.
• MCP server (krh-mcp) — exposes the corpus to LLM clients (Claude, etc.) as 8 callable tools.
• Pre-built corpus — npm install and query; no XML ingestion required.

npm install kr-history-bm25

Restricted network / CI? onnxruntime-node tries to download an optional CUDA provider from api.nuget.org on install (GPU only — not needed for CPU). If that host is blocked and the install fails, skip just that download — the CPU runtime and the embedding model are already bundled: ONNXRUNTIME_NODE_INSTALL=skip npm install kr-history-bm25.

import { openBundledDb } from 'kr-history-bm25';

const db = await openBundledDb();

await db.searchHan('浿水');                          // BM25 over the Hanja original
await db.searchHan('辽东');                          // Simplified query → normalized to 遼東
await db.searchByReading('강감찬');                  // Korean reading → Hanja 姜邯贊 (with readings)
await db.searchHybrid('낙랑');                       // hybrid (BM25 + dictionary + vectors), offline
await db.cluster('遼東', { neighborType: '지명' });  // neighboring toponyms (+ Simplified forms)
db.close();

The design principle: the Hanja source is always the authority. Translations, readings, and Simplified-Chinese forms are secondary discovery/access layers — never the basis of a conclusion. The tool surfaces the evidence; the researcher draws the conclusions. See the methodology below.

Keywords: Korean history, Corea, Korea (高麗 / 고리 Gori), classical Chinese, Literary Chinese, Hanja, full-text search, BM25, hybrid search, semantic search, embeddings, vector search, offline RAG, historical geography, toponym identification, Samguk Sagi, Samguk Yusa, Goryeosa / Coreasa (高麗史), Goguryeo, Baekje, Silla, Gojoseon, Lelang/Nakrang (樂浪), Liaodong (遼東), Simplified/Traditional Chinese, MCP.

개요 · 설계 원칙

이 도구는 사료 검색을 넘어 역사지리 비정(比定) 연구를 위한 기반이다. 원사료를 최우선 기준으로, LLM에게 정제된 검색 결과를 제공하는 것을 목표로 한다. 설계는 source/context.md의 방법론 원칙을 따른다.

• 사서 원문 최우선. 신뢰의 기준은 언제나 한자 원문이다. 제공된 한글 번역은 배제한다 (원문과 무관한 오역 이력 때문). 보조 인덱스는 우리가 직접 직역한 데이터다.
• 후대의 지명 이동·왜곡 가능성을 항상 전제한다. "역사는 승자의 기록일 수 있다."
• 지명 단독 비교 금지. 반드시 주변 지명과의 군집(cluster) 으로 판단한다 — 동일 반경 내 행정·방어·교통·산·하천 지명이 함께 존재해야 한다.
• 확정 표현을 쓰지 않는다. "고신뢰 비정 가능성", "군집 기준에서 가장 일치" 수준만 허용한다. AI는 결론 제시자가 아니라 논증 정리·구조화·검증 보조다.

수계(하천) 위계 코드처럼 사서의 용례를 존중한다: 하(河)=황하급 대하, 강(江)=양자강급, 수(水)=중·소 하천, 천(川)=지류·계곡급. 현대 지형 크기로 판단하지 않는다.

설치 & 빠른 시작

npm install kr-history-bm25

동봉된 사전 구축 코퍼스(data/history.sqlite.gz)를 첫 사용 시 자동 해제해 연다. XML·ingest 불필요.

import { openBundledDb } from 'kr-history-bm25';

const db = await openBundledDb(); // 첫 호출: data/history.sqlite로 압축 해제(~1-2초)

// 1) 한자 원문 검색 (주 인덱스) — 지명·인명 등 고유명사에 사용
const byHan = await db.searchHan('浿水', { limit: 10 });

// 2) 한자 원문 검색 — 간자체 질의도 자동 정규화(辽东 → 遼東, 중국어권 연구자)
const bySimp = await db.searchHan('辽东', { limit: 10 });

// 3) 독음 검색 — 한글 독음으로 한자 찾기(강감찬 → 姜邯贊, 대표음·관용 병기)
const byReading = await db.searchByReading('강감찬', { limit: 10 });

// 3-1) 하이브리드 검색 — BM25+사전+의미 벡터 융합(오프라인, 모델 동봉). 낙랑(한글)→樂浪 원문
const hybrid = await db.searchHybrid('낙랑', { limit: 10 });

// 4) 직역 검색 (보조 인덱스) — 사건·현상·서술어에 사용
const byKo = await db.searchKo('일식', { limit: 10 });

// 5) 공기 군집 — 같은 기사에 함께 등장한 지명 (遼東·玄菟·王險 …). 지명 간자체 병기
const near = await db.cluster('浿水', { neighborType: '지명', limit: 20 });

// 6) 구조화 출현 위치
const occ = await db.lookupPlace('浿水', { type: '지명' });

// 7) 이표기 확장 검색 (예: 졸본=홀본)
const variants = await db.withVariants('卒本');

db.close();

동봉본은 한자 주 인덱스가 핵심이다. 직역(보조) 인덱스는 db.translate()로 증분 생성하며, 유지보수자는 npm run build:corpus로 source/에서 동봉본을 재생성한다.

CLI로도 동일하게 쓸 수 있다:

npx krh search 浿水 --index han --limit 10
npx krh search 辽东 --index han          # 간자체 질의 → 정자 遼東 자동 정규화
npx krh search 강감찬 --index reading     # 한글 독음 → 姜邯贊(대표음·관용 병기)
npx krh search 낙랑 --index hybrid        # BM25+사전+의미 벡터 융합(낙랑 → 樂浪 원문)
npx krh search 일식 --index ko
npx krh cluster 浿水 --neighbor-type 지명 --scope paragraph
npx krh place 浿水 --type 지명

시스템 사양 (의미검색)

searchHybrid / --index hybrid / search_hybrid는 동봉된 임베딩 모델(multilingual-e5-small 양자화 ONNX, 약 118MB)을 첫 사용 시 로드한다. 네트워크 다운로드는 없다(패키지에 포함).

| | 최소 | 권장 | |---|---|---| | Node | 20+ | 22+ | | RAM | ~1GB(모델 로드) | 2GB+ | | 디스크 | ~300MB(모델+코퍼스 압축 해제) | — | | GPU | 불필요 (CPU-only 동작) | — |

첫 질의 시 모델 로드로 ~1–2초 지연이 있고, 이후 질의는 캐시된다. 벡터 미탑재 코퍼스(직접 ingest 등) 에서는 자동으로 BM25+사전 코어로 폴백한다(semantic: false 반환). 벡터 없이 쓰려면 db.searchHybrid(q, { semantic: false }).

폐쇄망·CI 설치 (선택)

onnxruntime-node는 설치 시 GPU용 CUDA provider를 api.nuget.org에서 추가로 받으려 시도한다 (CPU 실행에는 불필요). 이 호스트가 막힌 환경(CI·폐쇄망)에서 설치가 실패하면, 그 추가 다운로드만 건너뛴다 — CPU 런타임과 임베딩 모델은 이미 패키지에 동봉되어 있다.

ONNXRUNTIME_NODE_INSTALL=skip npm install kr-history-bm25

Windows PowerShell은 $env:ONNXRUNTIME_NODE_INSTALL="skip" 후 설치, CMD는 set ONNXRUNTIME_NODE_INSTALL=skip, 또는 npm 인자로 --onnxruntime-node-install=skip.

이원 인덱스(dual-index) 설계

검색은 두 개의 독립 BM25 인덱스로 구성된다.

| 인덱스 | 대상 | 언제 쓰나 | 함수 | |--------|------|-----------|------| | 주(primary) | 한자 원문 | 지명·인명·관직 등 고유명사 — 한자가 authoritative | searchHan | | 보조(secondary) | LLM 직역(한국어) | 사건·현상·서술어(일식·전쟁·항복 등) — 번역 완료분 한정 | searchKo |

왜 한자가 주인가. 원문이 신뢰 근거이고 번역은 보조 발견층이다. 고유명사는 한글로 검색하면 재현율이 떨어진다(예: 浿水 원문검색 vs '패수' 한글검색). 반대로 사건·서술어는 직역이 자연스럽다.

실무 요약: 고유명사 → searchHan, 사건·서술어 → searchKo(번역 완료 코퍼스 한정).

BM25 랭킹 (학술)

전문검색 관련도는 Okapi BM25 로 계산한다. 질의 $Q = {q_1, \dots, q_n}$에 대한 문서 $D$의 점수는:

$$ \text{score}(D, Q) = \sum_{i=1}^{n} \text{IDF}(q_i) \cdot \frac{f(q_i, D),(k_1 + 1)}{f(q_i, D) + k_1 \left(1 - b + b \cdot \dfrac{|D|}{\text{avgdl}}\right)} $$

역문서빈도(IDF)는 다음과 같다($N$=전체 문서 수, $n(q_i)$=$q_i$를 포함한 문서 수):

$$ \text{IDF}(q_i) = \ln!\left( \frac{N - n(q_i) + 0.5}{n(q_i) + 0.5} + 1 \right) $$

기호 정리:

| 기호 | 의미 | 이 프로젝트에서 | |------|------|------------------| | $f(q_i, D)$ | 문서 $D$ 안에서 항 $q_i$의 빈도 | passage 내 해당 한자(또는 음절) 빈도 | | $\lvert D \rvert$ | 문서 길이 | passage 글자수 | | $\text{avgdl}$ | 평균 문서 길이 | 전체 passage 평균 글자수 | | $N$ | 전체 문서 수 | 전체 passage 수 | | $k_1$ | 항 빈도 포화 계수 | 1.2 (SQLite FTS5 기본) | | $b$ | 길이 정규화 강도 | 0.75 (SQLite FTS5 기본) |

• 문서 단위 = passage. BM25 문서는 한 문단(passage)이며, 기사(node) 단위 군집은 별도 색인으로 처리한다.
• 엔진 = SQLite FTS5의 내장 bm25(). tokenize='unicode61', external content 방식으로 passage 테이블과 동기화된다.
• 부호 규약(중요). FTS5의 bm25()는 관련도가 높을수록 더 작은(더 음수인) 값을 반환한다. 따라서 정렬은 오름차순(ORDER BY score)이며, 반환된 score는 "작을수록 관련 높음"으로 해석한다.

-- src/search/search-han.ts 발췌
SELECT p.id, p.text_han, bm25(passage_fts_han) AS score
  FROM passage_fts_han f
  JOIN passage p ON p.id = f.rowid
 WHERE passage_fts_han MATCH ?
 ORDER BY score          -- 오름차순: 더 음수 = 더 관련
 LIMIT ?;

토큰화 — 왜 글자 단위 unigram인가

고전 한문은 띄어쓰기가 없고, 지명 한자는 엄격히 구분해야 한다(동음이의 지명 판별의 전제). 그래서 토큰을 글자(codepoint) 단위 unigram으로 색인한다.

'卒本川'  →  '卒 本 川'          (색인)
'卒本'    →  "卒 本"             (질의 — phrase로 정확 인접 매칭)

• 주 인덱스(한자): hanToUnigram()이 CJK 한자만 남겨 글자 단위로 분해한다. 확장 B~F 영역 (surrogate pair, 한국고대사료집성 희귀자)까지 커버한다. 검색어는 buildPhraseQuery()로 큰따옴표 phrase("卒 本")로 감싸 인접 정확 매칭한다.
• 보조 인덱스(직역): koToUnigram()이 한글 음절·한자는 글자 단위로, ASCII 영숫자는 런으로 유지한다('BC57년' → 'BC 57 년'). 음절 단위 색인으로 조사 결합을 극복한다 (검색어 '일식'이 본문 '일식이'를 매칭).

관련 코드: src/ingest/tokenizer.ts.

API 레퍼런스

openBundledDb()(동봉본) 또는 openHistoryDb(path)(임의 파일)로 HistoryDb 핸들을 얻는다.

| 메서드 | 설명 | 반환 | |--------|------|------| | searchHan(term, opts?) | 한자 원문 BM25 검색(간자체 질의 자동 정규화) | SearchHit[] | | searchKo(term, opts?) | 직역(보조) BM25 검색 | KoSearchHit[] | | searchByReading(query, opts?) | 한글 독음으로 한자 검색 — 대표음·관용·간자체 병기 | ReadingSearchResult | | searchHybrid(query, opts?) | 하이브리드 검색 — 한자 BM25+독음/간자 사전+직역 BM25+의미 벡터 가중 융합. 벡터 미탑재 시 코어 폴백 | HybridResult | | placeClusters(seed, opts?) | 지명 국소 퍼지 군집(FDBSCAN) — 경계 지명 소속도 분할 | PlaceClusterResult | | lookupPlace(surface, opts?) | 표기 출현 위치 구조화 조회 | PlaceOccurrence[] | | cluster(surface, opts?) | 공기 개체(군집). scope=article(기사)/paragraph(문단). 지명 간자체 병기 | ClusterNeighbor[] | | withVariants(surface, opts?) | 이표기 확장 검색 | VariantSearchResult | | traditionalize(term) | 간자체 질의를 정자 후보로 확장(투명성 표시용) | QueryExpansion | | addVariantGroup(members, note?, source?) | 이표기 그룹 수동 등록 | number | | close() | 연결 종료 | void |

공통 옵션: limit(최대 결과 수), corpusCode(코퍼스 제한), type/neighborType(개체 유형).

interface SearchHit {
  passageId: number;
  nodeId: string;
  corpusCode: string;
  textHan: string;
  score: number; // FTS5 bm25 — 작을수록 관련 높음
}

전체 export는 src/index.ts 참조(ingest·translate·reading 파이프라인 API 포함).

CLI 레퍼런스 (krh)

krh <command> [options]     # 전역 옵션: --db <path> (기본 KRH_DB 또는 history.sqlite)

| 커맨드 | 설명 | |--------|------| | search <term> --index han\|ko\|reading\|hybrid --limit <n> | 한자(주)/직역(보조)/독음/하이브리드(사전+의미 벡터 융합) 검색. han은 간자체 질의 자동 정규화 | | cluster <surface> --type --neighbor-type --scope --limit | 공기 군집(--scope article=기사/paragraph=문단, 지명 간자체 병기) | | place <surface> --type --limit | 표기 출현 위치 조회 | | ingest <dir> --code --name | XML 사서 디렉터리를 주 코퍼스로 적재 | | translate --provider --limit --corpus | 미완 본문 증분 직역 | | translate-export / translate-import <file> | 구독 모델 배치 직역 내보내기/적재 | | reading-ingest-unihan <file> / reading-build / reading-export / reading-import <file> | 독음 사전 적재·구축·검수 |

KRH_DB 환경변수로 기본 DB 경로를 지정할 수 있다.

MCP 서버 (krh-mcp)

동봉 코퍼스를 MCP(Model Context Protocol) 도구로 LLM 클라이언트에 직접 노출한다(stdio). Claude 등에서 검색·군집·조회를 도구로 호출하고, 비정 방법론 가이드를 prompt로 받는다.

자동 등록 (권장) — Claude Code·Codex·Gemini에 한 명령으로:

krh mcp install                 # claude·codex·gemini 모두 자동 등록
krh mcp install claude          # 특정 클라이언트만 (claude|codex|gemini)
krh mcp install --print         # 실행하지 않고 등록 명령/스니펫만 출력

• 옵션: --scope user(기본)/local/project, --name <이름>, --db <경로>(커스텀 코퍼스=KRH_DB), --global(전역 krh-mcp bin 사용, 미지정 시 npx 실행), --force(기존 등록 remove 후 재등록=갱신).
• Claude/Codex는 각 CLI의 mcp add에 위임, Gemini는 ~/.gemini/settings.json에 병합한다(기존 설정 보존).
• 🔴 실행 중인 claude 세션 안이 아니라 별도 터미널에서 실행하세요(중첩 호출 시 인자 파싱이 꼬입니다).
• 🔴 Windows PowerShell에서 claude mcp add를 직접 치면 .ps1 shim이 -s를 삼켜 실패할 수 있으니, 수동 명령 대신 krh mcp install(내부적으로 .cmd 경로 사용)을 쓰세요. 이미 등록돼 있으면 --force로 갱신.

수동 등록 (Claude Desktop 등 MCP 설정을 직접 편집):

{
  "mcpServers": {
    "kr-history": { "command": "krh-mcp" }
  }
}

전역 설치했다면 krh-mcp, 아니면 npx -y -p kr-history-bm25 krh-mcp. KRH_DB 환경변수를 주면 동봉본 대신 지정 코퍼스를 연다. Windows의 Claude Desktop 등 일부 호스트는 npx를 직접 못 띄우니 "command": "cmd", "args": ["/d","/s","/c","npx","-y","-p","kr-history-bm25","krh-mcp"] 형태로 감싼다(krh mcp install은 이를 자동 처리).

도구 8종 (파사드에 1:1, JSON 반환):

| 도구 | 용도 | |------|------| | search_han | 한자 원문 BM25 — 지명·인명 등 고유명사. 간자체(简体) 질의 자동 정규화 | | search_ko | 직역 BM25 — 일식·전쟁 등 사건·서술어(번역 완료분) | | search_by_reading | 한글 독음으로 한자 표기 검색 — 대표음(사전 표제음)·관용 병기 | | search_hybrid | 하이브리드 — 한자 BM25+사전+직역+의미 벡터 가중 융합(정확 층 위 발견 층) | | lookup_place | 표기 출현 위치 구조화 조회 | | cluster | 같은 기사 공기(共起) 군집 — 지명 간자체 병기 | | place_clusters | 지명 국소 퍼지 군집(FDBSCAN) — 경계 지명 소속도 분할 | | with_variants | 이표기 확장 검색(졸본=홀본) |

가이드 prompt — toponym-identification-guide: 사서 원문·군집·지도 교차로 지명을 비정하는 방법론(확정 표현 금지, 결론은 사람 몫)을 제공한다.

코퍼스 구성 · 현황

• 한자 BM25 5종 — 삼국사기·삼국유사·고려사·고려사절요·한국고대사료집성(개체 62,421).
• 직역 완료(코어) — 삼국사기·삼국유사 6,838건 직역 → 보조 인덱스 구축 완료.
• 직역 예정 — 고려사·한국고대사료집성·고려사절요 약 68,022건.
• 독음 레이어(반영 완료) — 대표음(사전 표제음) 1차 / 관용 주석. Unihan kHangul(글자 합성) + 표준국어대사전 관용 + 두음법칙 + 학술 시드 + LLM 예외 검수. 대표음 확정 59,600/62,421(95.5%), 다음자 118 옥편 판정. 동봉본에 베이킹 완료 → searchByReading(한글 독음 → 한자).
• 간자체 레이어(반영 완료) — Unihan kSimplifiedVariant 6,511 매핑. 정자↔간자체 양방향: 결과에 간자체 병기(→지도) + 간자체 질의 자동 정규화(→중국어권 검색).
• 동봉 코퍼스 data/history.sqlite.gz (~41MB).

데이터 모델 개요

| 테이블 | 역할 | |--------|------| | corpus | 사서 단위 | | node | 계층 구조(본기·지리지·열전 …), 기사=군집 단위 | | passage | 문단 = BM25 문서 단위 | | entity / entity_mention | 지명·인명 등 개체와 출현 매핑(구조화 색인) | | annotation | 주석(협주 등) | | variant_group / variant_member | 이표기 그룹(졸본=홀본 등) | | translation | 직역 결과(보조 인덱스 원천) | | passage_fts_han / passage_fts_ko | FTS5 가상테이블(주/보조 BM25) |

스키마 원본: src/db/migrations/0001-init.ts (hand-written SQL, unicode61 FTS5).

개발

npm install
npm test          # vitest
npm run build     # tsup → ESM + CJS + d.ts
npm run validate  # lint + format:check + typecheck(tsc --noEmit) + test

Node ≥ 20. 드라이버는 @libsql/client(+drizzle-orm), FTS5 마이그레이션은 hand-written이다. 개발 규율은 CW-AP-D03 개발표준정의서를 준용한다(명명·TDD·SQL·리팩토링 표준).

로드맵

• ✅ MCP 서버 (krh-mcp) — 도구 8종 + 비정 가이드로 LLM에 직접 노출. (위 절 참조)
• ✅ 독음 검색·병기 — 한글 독음 → 한자(대표음/관용), 검색 결과 병기.
• ✅ 간자체 양방향 — 결과 병기(→지도) + 질의 정규화(→중국어권 접근).
• ✅ 퍼지 군집(FDBSCAN) — 경계·이표기의 군집 소속을 등급(가능성)으로. "확정 금지" 방법론과 정합.
• ✅ 하이브리드 검색 — 한자 BM25+사전+직역+의미 벡터(e5-small 384d, 동봉) 가중 융합. 삼국사기· 삼국유사 벡터 탑재(int8), 오프라인·무설정·CPU 동작. 미번역 사서 원문 벡터는 후속.
• 전 코퍼스 벡터 확장 — 고려사 등 원문 임베딩(더 강한 한자 임베더 검토 후).
• 웹 UI 시각화 — 지명 군집 force graph, 좌표 플롯, 한자↔직역 병렬 뷰.
• Python wrapper — 연구자 파이썬 분석 창구(pandas/scikit-learn 연동). 코어 알고리즘은 TS.

라이선스 · 출처

• 라이선스: MIT © shyang.
• 데이터 출처: 국사편찬위원회 한국사 데이터베이스. 원자료의 권리는 해당 기관에 있으며, 본 패키지는 검색 색인 구축과 연구 보조를 목적으로 한다.
• 이 도구는 결론을 제시하지 않는다. 모든 비정·해석의 판단은 연구자의 몫이다.