한국어 형태소 분석기가루(Garu)

브라우저에서 바로 실행되는 WASM 기반 형태소 분석기

Loading model...

텍스트를 입력하고 분석하기를 눌러보세요

한국어 형태소 분석기 가루(Garu)란?

가루(Garu)는 브라우저에서 바로 실행되는 한국어 형태소 분석기입니다. 별도의 서버 없이 WebAssembly(WASM) 기반으로 클라이언트에서 직접 형태소 분석, 명사 추출, 토큰화를 수행합니다. 1.43MB의 경량 모델과 201KB(gzip) WASM 엔진만으로 9,000문장 v15k 골드 테스트셋 기준 F1 96.17%의 정확도를 달성합니다.

형태소 분석이란?

형태소 분석(morphological analysis)은 자연어 처리(NLP)의 기초 단계로, 문장을 의미를 가진 최소 단위인 형태소로 분리하고 각 형태소의 품사(POS)를 태깅하는 과정입니다. 예를 들어 “배가 아파서 약을 먹었다”를 분석하면 ‘배/NNG’, ‘가/JKS’, ‘아프/VA’, ‘아서/EC’, ‘약/NNG’, ‘을/JKO’, ‘먹/VV’, ‘었/EP’, ‘다/EF’로 분리됩니다.

한국어는 교착어로, 어근에 조사와 어미가 결합하여 단어를 이루기 때문에 한국어 형태소 분석은 영어와 달리 단순 공백 분리로는 불가능하며 전문적인 분석기가 필요합니다.

주요 기능

형태소 분석 (Morphological Analysis)
입력 텍스트를 형태소 단위로 분리하고 세종 품사 태그셋(42종)으로 품사를 태깅합니다.
명사 추출 (Noun Extraction)
텍스트에서 일반명사(NNG), 고유명사(NNP)를 추출합니다. 외국어(SL) 포함 옵션도 지원합니다.
토큰화 (Tokenization)
SM-S928N 같은 모델 번호와 C++·C#·F#을 각각 한 토큰으로 보존합니다. 분해된 현대 한글 자모는 음절로 조합해 분석하며, 토큰 위치는 원문 코드포인트 기준입니다.
문장 분리·공백 복원
붙어 있는 문장의 경계를 추정하고 빠진 공백을 복원합니다. 결과 화면의 문장·공백 탭에서 확인할 수 있으며, 문장 분리는 짝이 맞는 인용문 내부를 하나로 보존합니다.

왜 가루(Garu)인가?

서버 없이 브라우저에서 직접 실행
WebAssembly 기반으로 100% 클라이언트에서 동작합니다. 별도의 분석 서버를 띄울 필요가 없고, 사용자 텍스트가 외부로 전송되지 않아 개인정보 보호에 강합니다.
초경량 1.43MB 모델 + 201KB 엔진
brotli 압축된 1.43MB 코드북 모델과 201KB(gzip) WASM 엔진. 모바일 웹에서도 부담 없이 로드할 수 있는 한국어 NLP 자원입니다.
npm 한 줄 설치, 0-config
npm install garu-ko 한 줄이면 끝. 별도의 모델 다운로드, 네이티브 바인딩, Python 런타임이 필요 없습니다. Next.js / Vite / 순수 브라우저 어디서나 동작합니다.
골드 테스트셋 F1 96.17% 정확도
기본 설정의 형태소 F1은 v15k 골드 96.17%, 2025 구어 92.33%, 2025 문어 홀드아웃 86.43%입니다. 골드와 구어는 연구 과정에서 참조한 고정 평가셋입니다. 평가 문장 수와 측정 결과
오프라인 동작
각 기능의 모듈을 한 번 불러온 뒤에는 네트워크 없이 동작합니다. 브라우저 확장, 오프라인 PWA, 임베디드 에디터 등 인터넷에 의존할 수 없는 환경에 적합합니다.

사용법

npm 패키지로 설치하여 프로젝트에서 바로 사용할 수 있습니다.

npm install garu-ko

import { Garu } from 'garu-ko';

const garu = await Garu.load();
const result = garu.analyze('한국어 형태소 분석기');
console.log(result.tokens);
import { splitSentences } from 'garu-ko/sentences';
import { restoreSpacing } from 'garu-ko/text';

splitSentences('안녕하세요반갑습니다');
// [{ text: '안녕하세요', offset: 0 }, { text: '반갑습니다', offset: 5 }]
splitSentences('가방에 쏙! 너무 좋아요ㅎㅎ
다음에 또 살게요');
// ['가방에 쏙!', '너무 좋아요ㅎㅎ', '다음에 또 살게요'] (text만 표시)
restoreSpacing('나는학교에갔다');
// '나는 학교에 갔다'

줄바꿈은 항상 문장 경계로 보고, 문장 끝의 ㅋㅋ·이모지·물결표는 앞 문장에 붙입니다. 0.13.0 문장 분리 평가에서 고정 뉴스 9,355문단의 공백 삭제/공백·종결부호 삭제 조건별 경계 F1은 96.56%/96.92%, 인스타그램 평가 문단에서는 77.89%였습니다. 부호 없이 이어 쓴 대화체는 아직 약합니다. Apple M4 Node의 로드 후 평균은 약 0.020ms였습니다. 이는 평균 82.5문자인 1,250입력의 표본 측정이며 초기 로딩 비용과 구분됩니다. 측정 조건과 한계

활용 분야

  • 한국어 검색 엔진 — 형태소 기반 인덱싱으로 검색 품질 향상
  • 텍스트 마이닝 — 뉴스, 리뷰, SNS 텍스트에서 키워드 추출
  • 챗봇 및 대화 시스템 — 사용자 입력 전처리
  • 감성 분석 — 형태소 단위 감정 분류
  • 교육 도구 — 한국어 문법 학습 및 품사 분석 실습
  • 브라우저 확장 프로그램 — 서버 없이 실시간 텍스트 분석

자주 묻는 질문 (FAQ)

한국어 형태소 분석기란 무엇인가요?
한국어 형태소 분석기는 문장을 의미를 가진 최소 단위인 형태소로 분리하고 각 형태소에 품사(POS) 태그를 부여하는 자연어 처리 도구입니다. 한국어는 교착어로 어근에 조사·어미가 결합하기 때문에 단순 공백 분리만으로는 토큰화할 수 없어, 검색·번역·텍스트 마이닝 등 모든 한국어 NLP 작업에 형태소 분석이 필수적으로 사용됩니다.
가루(Garu)는 어떻게 브라우저에서 직접 동작하나요?
가루는 Rust로 작성된 형태소 분석 엔진을 WebAssembly(WASM)로 컴파일해 브라우저에서 실행합니다. 1.43MB의 brotli 압축 코드북 모델과 201KB(gzip) WASM 엔진을 처음 로드한 뒤에는 모든 분석이 사용자 디바이스에서 일어나므로 별도의 서버 통신이나 백엔드 인프라가 필요 없습니다.
어떤 품사 태그 체계를 사용하나요?
국립국어원 세종 품사 태그셋(42종)을 그대로 사용합니다. 일반명사(NNG), 고유명사(NNP), 동사(VV), 형용사(VA), 조사(JKS/JKO/JKB 등), 어미(EP/EF/EC 등), 기호(SF/SP/SS 등)까지 한국어 형태소를 정밀하게 구분합니다.
오프라인 환경에서도 동작하나요?
네. 각 기능에 필요한 모델과 스크립트를 한 번 불러온 뒤에는 해당 기능을 네트워크 없이 사용할 수 있습니다. 문장·공백 탭은 처음 열 때 관련 모듈을 불러옵니다. 서비스 워커와 함께 쓰면 오프라인 PWA, 브라우저 확장 프로그램, 사내 인트라넷 환경에서도 활용할 수 있습니다.
정확도는 어느 정도인가요?
0.14.0 기본 설정에서 형태소 F1은 v15k 골드 9,000문장(ep_norm)에서 96.17%, 2025 구어 16,407문장에서 92.33%, 2025 문어 홀드아웃 13,765문장에서 86.43%입니다. 골드와 구어는 연구 과정에서 참조한 고정 평가셋입니다.
“할게요”와 “살게요”는 어떻게 분석하나요?
기본 설정에서 ‘할게요’는 하/VV + ㄹ게/EF + 요/JX로 나눕니다. 같은 ‘살게요’도 ‘이걸 살게요’에서는 사다, ‘여기서 가족과 평생 살게요’에서는 살다의 어간을 선택합니다. 패키지에서 0.13.1의 약속 어미 분석을 쓰려면 Garu.load({ promiseEndings: 'legacy' })로 불러오세요.
띄어쓰기가 없는 문장도 나눌 수 있나요?
문장·공백 탭에서 문장 분리와 공백 복원을 확인할 수 있습니다. 문장 분리는 원문을 유지하고, 줄바꿈을 문장 경계로 보며, 짝이 맞는 인용문 내부는 나누지 않습니다. 공백 복원은 기존 공백을 유지하면서 보수적으로 공백을 추가하므로 모호한 표현이나 모든 띄어쓰기 오류를 해결하지는 않습니다.
Node.js 서버나 다른 런타임에서도 사용할 수 있나요?
npm install garu-ko 한 줄로 브라우저 ESM, Node.js, Bun, Deno 모두에서 동일한 API로 동작합니다. Next.js App Router의 클라이언트 컴포넌트, Vite/SvelteKit 프로젝트, Electron 앱, 서버사이드 형태소 분석까지 모두 같은 패키지를 씁니다.
상업적으로 사용해도 되나요?
엔진 코드는 Apache-2.0 라이선스이며 상업적 이용이 가능합니다. 모델에 포함된 사전 데이터에는 Apache-2.0과 CC BY-SA 2.0 KR 등 공급원별 조건이 적용됩니다. 재배포 시에도 해당 출처 표시·라이선스 조건을 따라야 합니다. 패키지의 LICENSE, NOTICE와 models/NOTICE.md에서 프로젝트와 데이터별 고지를 확인해 주세요.