공공데이터 주소 품질 향상을 위한 절차적 정제 프레임워크(AQRF): 설계와 실증
A Process-Based Framework for Address Quality Refinement (AQRF) in Public Data: Design and Empirical Evaluation
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 공공데이터의 주소 품질을 체계적으로 향상시키기 위해 절차적 품질관리 관점의 주소 품질 정제 프레임워크(AQRF) 를 제안한다. AQRF는 의미 단위 분해(Semantic Decomposition), 구성요소 보완(Component Completion), 행정정합성 검증(Administrative Validation), 오탈자 및 비정형 표현 수정(Error Correction)으로 구성되며, 정제·검증·평가가 순환하는 프로세스를 통해 데이터 수명주기 전반에서 주소 품질을 관리한다. 보건의료 영역의 5개 공공데이터세트(의료기관, 약국, 상가, 진료정보교류 참여기관, 산재보험 지정의료기관) 약 1.4만 건을 대상으로 실증 평가한 결과, 평균 정제 성공률은 99.18%로 나타났고, KS X ISO 19157에 준거한 구성요소 인식률과 정합성 검증률 역시 전반적으로 개선되었다. 오류 유형 분석에서는 구성요소 인식 실패가 가장 큰 비중을 차지했으며, 지번/도로명 체계의 병존과 기관별 입력 관행 차이가 주요 원인으로 확인되었다. 본 연구는 주소 품질을 개별 속성의 정확성이 아닌 데이터 간 구조적 관계의 관점에서 재정의하고, 품질관리의 단위를 프로세스로 확장함으로써 공공데이터의 연결성, 상호운용성, AI 활용 가능성을 동시에 제고하는 참조모델을 제시한다.
Abstract
This study proposes the Address Quality Refinement Framework (AQRF), a process-based approach to systematically improve the quality of address data in public datasets. AQRF comprises four stages—Semantic Decomposition, Component Completion, Administrative Validation, and Error Correction—and manages address quality across the data lifecycle through an iterative loop of refinement, validation, and evaluation. We conduct an empirical assessment on approximately 14,000 records drawn from five healthcare-related public datasets (medical institutions, pharmacies, retail/clinic listings, health information exchange participants, and workers’compensation medical institutions). The average refinement success rate reached 99.18%, and both component recognition and administrative consistency—measured with reference to KS X ISO 19157—showed consistent improvements. Error analysis indicates that component recognition failures were the most prevalent, largely attributable to the coexistence of parcel-based and road-name address systems and heterogeneous data entry practices across agencies. The principal contribution is to reconceptualize address quality as a structural relationship across datasets rather than a mere field-level accuracy issue, extending the unit of quality management to the process itself. AQRF serves as a reference model that enhances data linkage, interoperability, and AI-readiness, and it aligns with administrative codes (legal/administrative district, road-name codes) and international quality standards, thereby supporting the institutionalization and standardization of public-sector data governance.